INTRODUCCIÓN

El presente trabajo tiene por objetivo analizar el comportamiento de las características fisicoquímicas del vino, tales como: la acidez fija, la acidez volátil, la acidez cítrica, el azucar, cloruros, diósico de azufre libre, dióxido de azufre totoal, densidad, PH, sulfatos, alcohol y calidad.

Para el desarrollo del presente análisis se utilizó el software RStudio, empleando el conjunto de datos “Winequality”, el cual contiene un total de mil quinientas noventa y nueve (1599) observaciones y doce (12) variables.

Asimismo, el análisis incluye la revisión de estadísticas descriptivas, identificación de valores atípicos y la visualización de las distribuciones de cada variable, a fin de comprender su comportamiento individual y/o eventual relación con la calidad del producto analizado.

A continuación, se presentan las estadísticas descriptivas del conjunto de de datos “Winequality”:

##  fixed.acidity   volatile.acidity  citric.acid    residual.sugar  
##  Min.   : 4.60   Min.   :0.1200   Min.   :0.000   Min.   : 0.900  
##  1st Qu.: 7.10   1st Qu.:0.3900   1st Qu.:0.090   1st Qu.: 1.900  
##  Median : 7.90   Median :0.5200   Median :0.260   Median : 2.200  
##  Mean   : 8.32   Mean   :0.5278   Mean   :0.271   Mean   : 2.539  
##  3rd Qu.: 9.20   3rd Qu.:0.6400   3rd Qu.:0.420   3rd Qu.: 2.600  
##  Max.   :15.90   Max.   :1.5800   Max.   :1.000   Max.   :15.500  
##    chlorides       free.sulfur.dioxide total.sulfur.dioxide    density      
##  Min.   :0.01200   Min.   : 1.00       Min.   :  6.00       Min.   :0.9901  
##  1st Qu.:0.07000   1st Qu.: 7.00       1st Qu.: 22.00       1st Qu.:0.9956  
##  Median :0.07900   Median :14.00       Median : 38.00       Median :0.9968  
##  Mean   :0.08747   Mean   :15.87       Mean   : 46.47       Mean   :0.9967  
##  3rd Qu.:0.09000   3rd Qu.:21.00       3rd Qu.: 62.00       3rd Qu.:0.9978  
##  Max.   :0.61100   Max.   :72.00       Max.   :289.00       Max.   :1.0037  
##        pH          sulphates         alcohol         quality     
##  Min.   :2.740   Min.   :0.3300   Min.   : 8.40   Min.   :3.000  
##  1st Qu.:3.210   1st Qu.:0.5500   1st Qu.: 9.50   1st Qu.:5.000  
##  Median :3.310   Median :0.6200   Median :10.20   Median :6.000  
##  Mean   :3.311   Mean   :0.6581   Mean   :10.42   Mean   :5.636  
##  3rd Qu.:3.400   3rd Qu.:0.7300   3rd Qu.:11.10   3rd Qu.:6.000  
##  Max.   :4.010   Max.   :2.0000   Max.   :14.90   Max.   :8.000

ANÁLISIS Y GRÁFICOS

Ahora bien, se procede con el análisis de la información previa.

Los siguientes gráficos muestran la distribución de las variables:

Acidez fija Acidez volátil Acidez crítica Que son representadas mediante histogramas y diagramas de caja (boxplots). Los histogramas evidencian que, para las tres variables, la mayor concentración de observaciones se encuentra en valores bajos, mientras que la frecuencia disminuye conforme aumentan los valores. En consecuencia, las distribuciones presentan una asimetría positiva (sesgo hacia la derecha), caracterizada por una cola más larga en los valores altos.

Por su parte, los diagramas de caja muestran que la acidez fija presenta una mayor dispersión de los datos, reflejada en un rango intercuartílico y un rango total superiores a los observados en las variables acidez volátil y acidez crítica. Asimismo, esta variable exhibe un mayor número de valores atípicos (outliers) en el extremo superior, lo que indica la presencia de observaciones con niveles de acidez fija considerablemente más altos que la mayoría de los datos.

En cuanto a los siguientes atributos:

Azúcar residual Cloruros Dióxido de azufre libre También se caracterizan por tener la mayor concentración de observaciones en valores bajos, mientras que la frecuencia disminuye conforme incrementan los valores. En ese sentido, las distribuciones presentan una asimetría positiva con una cola más larga en los valores altos, en especial para el atributo del azúcar residual.

Por su parte, los diagramas de caja confirman la distribución del sesgo hacia la derecha, en especial para el azúcar residual y cloruros. Además, estas mismas variables presentan un mayor número de valores atípicos (outliers) en el extremo superior, lo que indica la presencia de observaciones con niveles de azúcar residual y cloruros considerablemente más altos que la mayoría de los datos. Cloruros presenta algunos outliers en el extremo inferior.

Por otro lado, para las siguientes variables:

Dióxido de azufre total Densidad PH Presentan un comportamiento distinto al observado en las variables analizadas anteriormente. En particular, las variables densidad y pH muestran distribuciones aproximadamente simétricas, con una mayor concentración de observaciones alrededor de los valores centrales, lo que sugiere una posible aproximación a una distribución normal. En estas variables, la media, la mediana y la moda podrían presentar valores similares, característica propia de distribuciones simétricas.

En contraste, la variable dióxido de azufre total exhibe una asimetría positiva (sesgo hacia la derecha), evidenciada por una mayor concentración de observaciones en valores bajos y una cola más extensa hacia los valores altos.

Por su parte, los diagramas de caja muestran que las variables densidad y pH presentan una distribución relativamente simétrica, aunque con la presencia de algunos valores atípicos en ambos extremos de la distribución. En el caso del dióxido de azufre total, se observa una mayor cantidad de valores atípicos en el extremo superior, lo que indica la existencia de observaciones considerablemente mayores que la mayoría de los datos.

Finalmente, se exploraron las siguientes variables:

Sulfatos Alcohol Que presentan un comportamiento asimétrico evidenciado por una mayor concentración de observaciones en valores bajos y una cola más extensa hacia los valores altos.

Por su parte, los diagramas de caja muestran que estas variables presentan una distribución asimétrica con la presencia de algunos valores atípicos en el extremo superior.