ACTIVIDAD 122: ANÁLISIS DE VARIABLES CUALITATIVAS Y CUANTITATIVAS

Análisis descriptivo de la base de datos de cervezas

Tu nombre aquí

09 de agosto de 2026

1. INTRODUCCIÓN

Este informe analiza dos variables cualitativas (tipo y nacionalidad) y dos variables cuantitativas (precio y calorías) de la base de datos de cervezas beer2.csv, usada también en la Actividad 121. Para las variables cualitativas se construye una tabla de frecuencia y se identifica la moda. Para las variables cuantitativas se construye una tabla de distribución de frecuencias por intervalos y se calculan los indicadores estadísticos correspondientes.

2. CARGA Y EXPLORACIÓN DE LOS DATOS

library(data.table)

cerveza <- fread("beer2.csv")

dim(cerveza)

## [1] 1586614      15

str(cerveza)

## Classes 'data.table' and 'data.frame':   1586614 obs. of  15 variables:
##  $ id            : int  47986 48213 48215 47969 64883 52159 52159 52159 52159 52159 ...
##  $ marca         : chr  "Vecchio Birraio" "Vecchio Birraio" "Vecchio Birraio" "Vecchio Birraio" ...
##  $ precio        : num  4.99 4.45 4.95 5.58 3.9 5.07 5.07 5.07 5.07 5.07 ...
##  $ alcohol       : num  13.8 16.9 17.7 13.8 20.7 ...
##  $ carbohidratos : num  11.5 14.2 15 10.5 15.2 12.1 12.1 12.1 12.1 12.1 ...
##  $ calorias      : int  148 181 190 144 212 145 145 145 145 145 ...
##  $ nacionalidad  : chr  "Canadá" "Canadá" "Canadá" "Canadá" ...
##  $ calificacion  : num  1.5 3 3 3 4 3 3.5 3 4 4.5 ...
##  $ aroma         : num  2 2.5 2.5 3 4.5 3.5 3.5 2.5 3 3.5 ...
##  $ apariencia    : num  2.5 3 3 3.5 4 3.5 3.5 3.5 3.5 5 ...
##  $ paladar       : num  1.5 3 3 2.5 4 3 4 2 3.5 4 ...
##  $ sabor         : num  1.5 3 3 3 4.5 3.5 4 3.5 4 4 ...
##  $ nombre_cerveza: chr  "Sausa Weizen" "Red Moon" "Black Horse Black Beer" "Sausa Pils" ...
##  $ tipo          : chr  "clara artesanal" "cerveza normal y helada" "cerveza normal y helada" "lager importada" ...
##  $ origen        : chr  "importada" "importada" "importada" "importada" ...
##  - attr(*, ".internal.selfref")=<pointer: 0x000001550e14eb00>

La base tiene 1.586.614 registros. Las variables elegidas para este análisis son tipo y nacionalidad (cualitativas), y precio y calorías (cuantitativas).

3. ANÁLISIS DE VARIABLES CUALITATIVAS

3.1 TIPO DE CERVEZA

tabla_tipo <- as.data.frame(table(cerveza$tipo))
names(tabla_tipo) <- c("tipo", "ni")
tabla_tipo <- tabla_tipo[order(-tabla_tipo$ni), ]

tabla_tipo$hi <- tabla_tipo$ni / nrow(cerveza)
tabla_tipo$Ni <- cumsum(tabla_tipo$ni)
tabla_tipo$Hi <- cumsum(tabla_tipo$hi)

knitr::kable(tabla_tipo, digits = 4, row.names = FALSE,
             caption = "Tabla de frecuencia - tipo de cerveza")

Tabla de frecuencia - tipo de cerveza

tipo	ni	hi	Ni	Hi
cerveza normal y helada	839088	0.5289	839088	0.5289
clara artesanal	483464	0.3047	1322552	0.8336
lager importada	219194	0.1382	1541746	0.9717
lager artesanal	22725	0.0143	1564471	0.9860
baja en calorías / sin alcohol	22143	0.0140	1586614	1.0000

moda_tipo <- tabla_tipo$tipo[which.max(tabla_tipo$ni)]
moda_tipo

## [1] cerveza normal y helada
## 5 Levels: baja en calorías / sin alcohol ... lager importada

INTERPRETACIÓN

El tipo más común es “cerveza normal y helada”, con 839.088 registros, el 52.89% del total. Le sigue “clara artesanal” con el 30.47%. Entre estos dos tipos suman más del 83% de toda la base. Los tipos “lager artesanal” y “baja en calorías / sin alcohol” son los menos comunes, cada uno con menos del 1.5% de los datos. Esto muestra que la base está compuesta en su mayoría por cervezas de tipo normal, y que las variedades artesanales bajas en calorías son poco frecuentes.

3.2 NACIONALIDAD

tabla_nac <- as.data.frame(table(cerveza$nacionalidad))
names(tabla_nac) <- c("nacionalidad", "ni")
tabla_nac <- tabla_nac[order(-tabla_nac$ni), ]

tabla_nac$hi <- tabla_nac$ni / nrow(cerveza)
tabla_nac$Ni <- cumsum(tabla_nac$ni)
tabla_nac$Hi <- cumsum(tabla_nac$hi)

knitr::kable(tabla_nac, digits = 4, row.names = FALSE,
             caption = "Tabla de frecuencia - nacionalidad")

Tabla de frecuencia - nacionalidad

nacionalidad	ni	hi	Ni	Hi
Austria	201941	0.1273	201941	0.1273
Bélgica	188677	0.1189	390618	0.2462
Francia	181574	0.1144	572192	0.3606
Estados Unidos	174165	0.1098	746357	0.4704
Inglaterra	162644	0.1025	909001	0.5729
Canadá	159508	0.1005	1068509	0.6735
Japón	155273	0.0979	1223782	0.7713
Alemania	121684	0.0767	1345466	0.8480
Irlanda	120742	0.0761	1466208	0.9241
República Checa	120406	0.0759	1586614	1.0000

moda_nac <- tabla_nac$nacionalidad[which.max(tabla_nac$ni)]
moda_nac

## [1] Austria
## 10 Levels: Alemania Austria Bélgica Canadá Estados Unidos ... República Checa

INTERPRETACIÓN

La nacionalidad con más registros es Austria, con el 12.73% del total, seguida de cerca por Bélgica (11.89%) y Francia (11.44%). La nacionalidad con menos registros es República Checa, con el 7.59%. A diferencia de la variable tipo, aquí no hay una categoría que domine claramente sobre las demás: las 10 nacionalidades tienen porcentajes bastante parecidos, todos entre el 7% y el 13%, lo que muestra que la base reúne cervezas de muchos países de forma bastante equilibrada.

4. ANÁLISIS DE VARIABLES CUANTITATIVAS

calcular_indicadores <- function(x) {
  n        <- length(x)
  minimo   <- min(x)
  maximo   <- max(x)
  media    <- mean(x)
  mediana  <- median(x)
  q1       <- as.numeric(quantile(x, 0.25))
  q3       <- as.numeric(quantile(x, 0.75))
  rango    <- maximo - minimo
  varianza <- var(x)
  desv_est <- sd(x)
  cv       <- (desv_est / media) * 100
  asimetria <- (sum((x - media)^3) / n) / (desv_est^3)
  curtosis <- (sum((x - media)^4) / n) / (desv_est^4) - 3

  data.frame(
    n = n, minimo = minimo, maximo = maximo, media = media,
    mediana = mediana, Q1 = q1, Q3 = q3, rango = rango,
    varianza = varianza, desviacion = desv_est, CV_pct = cv,
    asimetria = asimetria, curtosis = curtosis
  )
}

construir_tabla_frecuencia <- function(x) {
  n <- length(x)
  k <- ceiling(1 + 3.322 * log10(n))
  rango <- max(x) - min(x)
  amplitud <- rango / k

  limites <- seq(min(x), max(x), by = amplitud)
  limites[length(limites)] <- max(x) + 1e-9

  intervalos <- cut(x, breaks = limites, right = FALSE, include.lowest = TRUE)
  tabla <- as.data.frame(table(intervalos))
  names(tabla) <- c("intervalo", "ni")

  tabla$Li <- limites[-length(limites)]
  tabla$Ls <- limites[-1]
  tabla$xi <- (tabla$Li + tabla$Ls) / 2
  tabla$hi <- tabla$ni / n
  tabla$Ni <- cumsum(tabla$ni)
  tabla$Hi <- cumsum(tabla$hi)

  tabla
}

4.1 PRECIO

indicadores_precio <- calcular_indicadores(cerveza$precio)
knitr::kable(indicadores_precio, digits = 3,
             caption = "Indicadores estadísticos - precio")

Indicadores estadísticos - precio

n	minimo	maximo	media	mediana	Q1	Q3	rango	varianza	desviacion	CV_pct	asimetria	curtosis
1586614	2.37	7.72	5	5	4.36	5.64	5.35	0.784	0.885	17.708	0	-0.5

tabla_precio <- construir_tabla_frecuencia(cerveza$precio)
knitr::kable(tabla_precio[, c("intervalo", "Li", "Ls", "xi", "ni", "hi", "Ni", "Hi")],
             digits = 4, caption = "Tabla de distribución de frecuencias - precio")

Tabla de distribución de frecuencias - precio

intervalo	Li	Ls	xi	ni	hi	Ni	Hi
[2.37,2.61)	2.3700	2.6132	2.4916	674	0.0004	674	0.0004
[2.61,2.86)	2.6132	2.8564	2.7348	4067	0.0026	4741	0.0030
[2.86,3.1)	2.8564	3.0995	2.9780	12118	0.0076	16859	0.0106
[3.1,3.34)	3.0995	3.3427	3.2211	27506	0.0173	44365	0.0280
[3.34,3.59)	3.3427	3.5859	3.4643	45047	0.0284	89412	0.0564
[3.59,3.83)	3.5859	3.8291	3.7075	68328	0.0431	157740	0.0994
[3.83,4.07)	3.8291	4.0723	3.9507	97011	0.0611	254751	0.1606
[4.07,4.32)	4.0723	4.3155	4.1939	116909	0.0737	371660	0.2342
[4.32,4.56)	4.3155	4.5586	4.4370	136622	0.0861	508282	0.3204
[4.56,4.8)	4.5586	4.8018	4.6802	156811	0.0988	665093	0.4192
[4.8,5.04)	4.8018	5.0450	4.9234	157873	0.0995	822966	0.5187
[5.04,5.29)	5.0450	5.2882	5.1666	155878	0.0982	978844	0.6169
[5.29,5.53)	5.2882	5.5314	5.4098	152753	0.0963	1131597	0.7132
[5.53,5.77)	5.5314	5.7745	5.6530	130084	0.0820	1261681	0.7952
[5.77,6.02)	5.7745	6.0177	5.8961	108164	0.0682	1369845	0.8634
[6.02,6.26)	6.0177	6.2609	6.1393	87416	0.0551	1457261	0.9185
[6.26,6.5)	6.2609	6.5041	6.3825	59394	0.0374	1516655	0.9559
[6.5,6.75)	6.5041	6.7473	6.6257	37819	0.0238	1554474	0.9797
[6.75,6.99)	6.7473	6.9905	6.8689	21128	0.0133	1575602	0.9931
[6.99,7.23)	6.9905	7.2336	7.1120	8446	0.0053	1584048	0.9984
[7.23,7.48)	7.2336	7.4768	7.3552	2327	0.0015	1586375	0.9998
[7.48,7.72]	7.4768	7.7200	7.5984	239	0.0002	1586614	1.0000

intervalo_modal_precio <- tabla_precio[which.max(tabla_precio$ni), ]
intervalo_modal_precio

##     intervalo     ni       Li    Ls       xi         hi     Ni        Hi
## 11 [4.8,5.04) 157873 4.801818 5.045 4.923409 0.09950309 822966 0.5186933

hist(cerveza$precio, breaks = c(tabla_precio$Li, tail(tabla_precio$Ls, 1)),
     col = "steelblue", border = "white",
     main = "Distribución del precio", xlab = "precio", ylab = "Frecuencia absoluta")
abline(v = indicadores_precio$media, col = "red", lwd = 2, lty = 2)
legend("topright", legend = "Media", col = "red", lty = 2, lwd = 2)

INTERPRETACIÓN

El precio tiene una media de 5.00 y una mediana de 5.00, casi iguales, y una asimetría muy cerca de cero (-0.0005), lo que muestra que los datos están repartidos de forma pareja a los dos lados de la media. La curtosis negativa (-0.50) indica que la distribución es plana, sin un punto donde se junten muchos datos. El intervalo con más cervezas es el que va de 4.80 a 5.05, con cerca del 9.95% del total. El precio varía entre 2.37 y 7.72, con una variabilidad moderada (CV = 17.71%).

4.2 CALORÍAS

indicadores_calorias <- calcular_indicadores(cerveza$calorias)
knitr::kable(indicadores_calorias, digits = 3,
             caption = "Indicadores estadísticos - calorías")

Indicadores estadísticos - calorías

n	minimo	maximo	media	mediana	Q1	Q3	rango	varianza	desviacion	CV_pct	asimetria	curtosis
1586614	21	541	193.173	182	157	224	520	2168.646	46.569	24.107	0.915	1.318

tabla_calorias <- construir_tabla_frecuencia(cerveza$calorias)
knitr::kable(tabla_calorias[, c("intervalo", "Li", "Ls", "xi", "ni", "hi", "Ni", "Hi")],
             digits = 4, caption = "Tabla de distribución de frecuencias - calorías")

Tabla de distribución de frecuencias - calorías

intervalo	Li	Ls	xi	ni	hi	Ni	Hi
[21,44.6)	21.0000	44.6364	32.8182	1208	0.0008	1208	0.0008
[44.6,68.3)	44.6364	68.2727	56.4545	184	0.0001	1392	0.0009
[68.3,91.9)	68.2727	91.9091	80.0909	2217	0.0014	3609	0.0023
[91.9,116)	91.9091	115.5455	103.7273	7296	0.0046	10905	0.0069
[116,139)	115.5455	139.1818	127.3636	82993	0.0523	93898	0.0592
[139,163)	139.1818	162.8182	151.0000	419367	0.2643	513265	0.3235
[163,186)	162.8182	186.4545	174.6364	318845	0.2010	832110	0.5245
[186,210)	186.4545	210.0909	198.2727	245145	0.1545	1077255	0.6790
[210,234)	210.0909	233.7273	221.9091	181565	0.1144	1258820	0.7934
[234,257)	233.7273	257.3636	245.5455	168412	0.1061	1427232	0.8995
[257,281)	257.3636	281.0000	269.1818	97610	0.0615	1524842	0.9611
[281,305)	281.0000	304.6364	292.8182	35721	0.0225	1560563	0.9836
[305,328)	304.6364	328.2727	316.4545	9419	0.0059	1569982	0.9895
[328,352)	328.2727	351.9091	340.0909	7307	0.0046	1577289	0.9941
[352,376)	351.9091	375.5455	363.7273	2465	0.0016	1579754	0.9957
[376,399)	375.5455	399.1818	387.3636	6089	0.0038	1585843	0.9995
[399,423)	399.1818	422.8182	411.0000	49	0.0000	1585892	0.9995
[423,446)	422.8182	446.4545	434.6364	65	0.0000	1585957	0.9996
[446,470)	446.4545	470.0909	458.2727	460	0.0003	1586417	0.9999
[470,494)	470.0909	493.7273	481.9091	108	0.0001	1586525	0.9999
[494,517)	493.7273	517.3636	505.5455	10	0.0000	1586535	1.0000
[517,541]	517.3636	541.0000	529.1818	79	0.0000	1586614	1.0000

intervalo_modal_calorias <- tabla_calorias[which.max(tabla_calorias$ni), ]
intervalo_modal_calorias

##   intervalo     ni       Li       Ls  xi        hi     Ni        Hi
## 6 [139,163) 419367 139.1818 162.8182 151 0.2643157 513265 0.3234971

hist(cerveza$calorias, breaks = c(tabla_calorias$Li, tail(tabla_calorias$Ls, 1)),
     col = "darkorange", border = "white",
     main = "Distribución de las calorías", xlab = "calorías", ylab = "Frecuencia absoluta")
abline(v = indicadores_calorias$media, col = "red", lwd = 2, lty = 2)
legend("topright", legend = "Media", col = "red", lty = 2, lwd = 2)

INTERPRETACIÓN

Las calorías tienen una media de 193.17 y una mediana de 182, un poco más baja que la media, lo que ya avisa que hay valores altos que suben el promedio. Esto se confirma con la asimetría positiva (0.92): la mayoría de las cervezas tienen pocas calorías, pero hay un grupo con muchas más calorías que estira la distribución hacia la derecha. La curtosis positiva (1.32) muestra que los datos están bastante juntos alrededor de la media. El intervalo con más cervezas es el que va de 139.18 a 162.82 calorías, con cerca del 26.43% del total, casi la cuarta parte de toda la base. Las calorías van de 21 a 541, con una variabilidad más alta que la del precio (CV = 24.11%).

5. CONCLUSIONES

En cuanto a las variables cualitativas, el tipo de cerveza muestra una categoría muy dominante (“cerveza normal y helada”, más de la mitad de la base), mientras que la nacionalidad está mucho más repartida entre los 10 países, sin que ninguno se destaque demasiado sobre los demás. En cuanto a las variables cuantitativas, el precio es una variable pareja y sin inclinarse hacia ningún lado, con una variabilidad moderada, mientras que las calorías se inclinan hacia valores altos y tienen más variabilidad, señal de que existe un grupo de cervezas mucho más calóricas que el resto. En conjunto, el análisis muestra una base de datos con categorías bien definidas en cuanto a tipo, un buen equilibrio entre nacionalidades, y dos variables numéricas con comportamientos distintos: una más estable (precio) y otra con más variación y cervezas que se alejan del promedio (calorías).