INTEGRANTES

Cristhian Camacho Hermoza

Analisis Exploratorio de las Caracteristicas del Vino

A continuación, se presenta un análisis exploratorio para evaluar el comportamiento de cada una de las variables organolépticas y físico-químicas que compone el vino, las cuales inciden de manera directa en su calidad final

#Importamos la base de datos en la variable BD
BD<-read.csv("E:/Cristhian Camacho/Business Analytics/Statistics Programming/4/winequality-red.csv")

#Vemos la estructura de la base de datos:Se observa que los tados son numericos y la variable calidad es entero.

str(BD)
## 'data.frame':    1599 obs. of  12 variables:
##  $ fixed.acidity       : num  7.4 7.8 7.8 11.2 7.4 7.4 7.9 7.3 7.8 7.5 ...
##  $ volatile.acidity    : num  0.7 0.88 0.76 0.28 0.7 0.66 0.6 0.65 0.58 0.5 ...
##  $ citric.acid         : num  0 0 0.04 0.56 0 0 0.06 0 0.02 0.36 ...
##  $ residual.sugar      : num  1.9 2.6 2.3 1.9 1.9 1.8 1.6 1.2 2 6.1 ...
##  $ chlorides           : num  0.076 0.098 0.092 0.075 0.076 0.075 0.069 0.065 0.073 0.071 ...
##  $ free.sulfur.dioxide : num  11 25 15 17 11 13 15 15 9 17 ...
##  $ total.sulfur.dioxide: num  34 67 54 60 34 40 59 21 18 102 ...
##  $ density             : num  0.998 0.997 0.997 0.998 0.998 ...
##  $ pH                  : num  3.51 3.2 3.26 3.16 3.51 3.51 3.3 3.39 3.36 3.35 ...
##  $ sulphates           : num  0.56 0.68 0.65 0.58 0.56 0.56 0.46 0.47 0.57 0.8 ...
##  $ alcohol             : num  9.4 9.8 9.8 9.8 9.4 9.4 9.4 10 9.5 10.5 ...
##  $ quality             : int  5 5 5 6 5 5 5 7 7 5 ...
#Posteriormente analizaremos cada uno de los atributos

summary(BD)
##  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

Analisis visual del comportamiento de cada atributo

Se uso el FOR como bucle operativo para leer cada columna -atributo de la base datos y poder asi automatizar su lectura y graficas, se realizo graficas de histogramas y boxplot, observandose:

Variable:fixed acidity, la existencia de outlires por encima del limite superior

Variable:volatile acidity la existencia de outlires por encima del limite superior

Variable:citric acid la existencia de outlires puntual por encima del limite superior

Variable:residual sugar la existencia de outlires puntual por encima del limite superior

Variable:chlorides la existencia de outlires puntual por encima del limite superior

Variable:free sulfur dioxide la existencia de outlires por encima del limite superior

Variable:total sulfur dioxide la existencia de outlires por encima del limite superior

Variable:density la existencia de outlires por encima del limite superior y limite inferior

Variable:pH la existencia de outlires por encima del limite superior y limite inferior

Variable:sulphates la existencia de outlires puntual por encima del limite superior

Variable:alcohol a existencia de outlires puntual por encima del limite superior

Variable:quality es una variable tipo entero

BDN <- NULL
BDC <- NULL

columnas <- dim(BD)[2]
par(mfrow = c(2,columnas/2))

for (i in 1:columnas) {
  if(is.numeric(BD[ ,i])== TRUE)
  {
    texto = paste("   ",colnames(BD)[i])
    hist(BD[ ,i],
         main=texto,
         xlab = colnames(BD)[i],
         col=i)
    boxplot(BD[[i]], 
            
            horizontal = TRUE, 
            col = i, 
            xlab = colnames(BD)[i])
    
    BDN <- c(BDN,i)
  }else {
    texto = paste("   ",colnames(BD)[i])
    pie(table(BD[ ,i]),
        main=texto)
    BDC <- c(BDC,i)
  }
}