1. Introducció

Expliqueu breument: - D’on prové el conjunt de dades? L’hem creat nosaltres amb dades d’internet fent un llarg estudi de les característiques dels vehicles. Són els 70 vehicles elèctrics més venguts d’Espanya durant el 2025.

Quin és l’objectiu del projecte? Estudiar les diferències que hi ha entre els cotxes d’un pais amb la resta.
Quina pregunta voleu respondre? Els cotxes de china tenen més autonomia que la resta?
Per què aquestes dades són adequades per aquesta pregunta? Perquè sabem l’autonomia del cotxe i el pais de fabricació.

2. Importació de les dades

Mostreu com heu importat el fitxer i quin nom té l’objecte carregat.

# Exemple d'importació (modifiqueu segons calgui)
load("cotxes_electrics.RData")

Expliqueu: - Quin era el format original (CSV, XLSX, txt…) XLSX

Si heu fet cap modificació prèvia (neteja, reanomenar columnes, selecció de variables…) Res res

3. Dimensions del dataset

dim(dades)

## [1] 70 12

glimpse(dades)

## Rows: 70
## Columns: 12
## $ id_cotxe           <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, …
## $ marca              <chr> "Tesla", "Tesla", "KIA", "Renault", "BYD", "Toyota"…
## $ model              <chr> "Model 3", "Model Y", "EV3", "Renault 5 E-Tech Eléc…
## $ tipus              <chr> "Sedan", "SUV", "SUV", "Hatchback", "Hatchback", "S…
## $ bateria_kWh        <int> 60, 82, 81, 52, 43, 71, 44, 49, 77, 46, 82, 27, 64,…
## $ autonomia_km       <int> 660, 534, 600, 412, 310, 567, 320, 420, 480, 345, 5…
## $ temps_de_carrega_h <dbl> 8.0, 9.3, 8.5, 5.7, 4.7, 7.0, 4.5, 6.4, 6.0, 5.0, 9…
## $ cavalls            <int> 360, 460, 204, 150, 156, 201, 83, 204, 217, 163, 31…
## $ preu               <int> 35000, 52760, 41390, 32900, 30990, 39500, 16950, 43…
## $ pes                <int> 1824, 1997, 1750, 1504, 1465, 2024, 1420, 1780, 183…
## $ pais_produccio     <chr> "EUA", "EUA", "Corea del Sud", "França", "Xina", "J…
## $ vendes.2025        <dbl> 7.722, 4.924, 4.793, 3.703, 2.796, 2.585, 2.352, 2.…

Incloeu: - Nombre de files. 70 - Nombre de columnes. 12 - Quina és la unitat d’anàlisi (persona, empresa, producte, mesura…) Cotxe

4. Diccionari de variables

Descriviu cada variable del dataset.

Variable	Tipus	Descripció	Valors possibles / rang
exemple_var	numèrica	Significat de la variable	0–100

tibble(
   variable = names(dades),
   tipus = sapply(dades, class)
)

## # A tibble: 12 × 2
##    variable           tipus    
##    <chr>              <chr>    
##  1 id_cotxe           integer  
##  2 marca              character
##  3 model              character
##  4 tipus              character
##  5 bateria_kWh        integer  
##  6 autonomia_km       integer  
##  7 temps_de_carrega_h numeric  
##  8 cavalls            integer  
##  9 preu               integer  
## 10 pes                integer  
## 11 pais_produccio     character
## 12 vendes.2025        numeric

5. Estadístiques descriptives

summary(dades)

##     id_cotxe        marca              model              tipus          
##  Min.   : 1.00   Length:70          Length:70          Length:70         
##  1st Qu.:18.25   Class :character   Class :character   Class :character  
##  Median :35.50   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :35.50                                                           
##  3rd Qu.:52.75                                                           
##  Max.   :70.00                                                           
##   bateria_kWh      autonomia_km   temps_de_carrega_h    cavalls     
##  Min.   : 27.00   Min.   :200.0   Min.   : 2.500     Min.   : 45.0  
##  1st Qu.: 52.50   1st Qu.:406.2   1st Qu.: 6.000     1st Qu.:184.0  
##  Median : 66.00   Median :452.5   Median : 7.000     Median :215.5  
##  Mean   : 65.83   Mean   :453.9   Mean   : 6.963     Mean   :248.3  
##  3rd Qu.: 77.00   3rd Qu.:521.5   3rd Qu.: 8.000     3rd Qu.:299.0  
##  Max.   :102.00   Max.   :660.0   Max.   :10.000     Max.   :680.0  
##       preu             pes       pais_produccio      vendes.2025     
##  Min.   : 16950   Min.   : 970   Length:70          Min.   :  1.009  
##  1st Qu.: 35000   1st Qu.:1632   Class :character   1st Qu.:  1.951  
##  Median : 44900   Median :1835   Mode  :character   Median :261.000  
##  Mean   : 47009   Mean   :1864                      Mean   :288.460  
##  3rd Qu.: 55872   3rd Qu.:2135                      3rd Qu.:507.000  
##  Max.   :130000   Max.   :2800                      Max.   :864.000

Comenteu: - Si hi ha valors perduts. No - Si alguna variable s’hauria de transformar. - Outliers o valors estranys.

6. Visualització inicial

Incloeu una o dues gràfiques exploratòries.

# Exemple:
ggplot(dades, aes(x = id_cotxe)) + geom_histogram()

## `stat_bin()` using `bins = 30`. Pick better value `binwidth`.

7. Variables externes i dades addicionals

Expliqueu: - Si necessitareu dades externes per completar l’anàlisi? No perquè vam fer el conjunt de dades molt bé. - On les podríeu trobar. – - Si falten variables per respondre la pregunta inicial. No;

Descripció dels cotxes elèctrics

–

Nom del grup

2025-11-14