Actividad121
Nicol Diaz Benitez
2026-08-09
Caso 1
knitr::opts_chunk$set(echo = TRUE)library(readr)
beer2 <- read_csv("beer2.csv")## Rows: 1586614 Columns: 15
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): marca, nacionalidad, nombre_cerveza, tipo, origen
## dbl (10): id, precio, alcohol, carbohidratos, calorias, calificacion, aroma,...
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.# Cualitativas
nombre_cerveza <- read.csv("beer2.csv")
table(nombre_cerveza$tipo)##
## baja en calorías / sin alcohol cerveza normal y helada
## 22143 839088
## clara artesanal lager artesanal
## 483464 22725
## lager importada
## 219194table(nombre_cerveza$origen)##
## importada nacional
## 1412449 174165table(nombre_cerveza$nacionalidad)##
## Alemania Austria Bélgica Canadá Estados Unidos
## 121684 201941 188677 159508 174165
## Francia Inglaterra Irlanda Japón República Checa
## 181574 162644 120742 155273 120406# TABLA PARA MARCA (Top 20)
library(knitr)
# Top 20 marcas, resto como "Otros"
top20_nombres <- names(head(sort(table(nombre_cerveza$marca),
decreasing = TRUE), 20))
nombre_cerveza$marca_reducida <- ifelse(
nombre_cerveza$marca %in% top20_nombres,
nombre_cerveza$marca,
"Otros"
)
# Convertir a factor ORDENADO de mayor a menor
nombre_cerveza$marca_reducida <- factor(
nombre_cerveza$marca_reducida,
levels = c(top20_nombres, "Otros")
)
# Tabla con summarytools igual que tipo y origen
summarytools::freq(nombre_cerveza$marca_reducida, cumul = FALSE)## Frequencies
## nombre_cerveza$marca_reducida
## Type: Factor
##
## Freq % Valid % Total
## ---------------------------------------- --------- --------- ---------
## Boston Beer Company (Samuel Adams) 39444 2.49 2.49
## Dogfish Head Brewery 33839 2.13 2.13
## Stone Brewing Co. 33066 2.08 2.08
## Sierra Nevada Brewing Co. 28751 1.81 1.81
## Bell's Brewery, Inc. 25191 1.59 1.59
## Rogue Ales 24083 1.52 1.52
## Founders Brewing Company 20004 1.26 1.26
## Victory Brewing Company 19479 1.23 1.23
## Lagunitas Brewing Company 16837 1.06 1.06
## Avery Brewing Company 16107 1.02 1.02
## Southern Tier Brewing Company 15868 1.00 1.00
## Anheuser-Busch 15815 1.00 1.00
## Great Divide Brewing Company 14935 0.94 0.94
## Goose Island Beer Co. 14534 0.92 0.92
## Three Floyds Brewing Co. & Brewpub 14039 0.88 0.88
## Unibroue 13921 0.88 0.88
## Brooklyn Brewery 13902 0.88 0.88
## New Belgium Brewing 13410 0.85 0.85
## Weyerbacher Brewing Co. 12248 0.77 0.77
## Tröegs Brewing Company 11842 0.75 0.75
## Otros 1189299 74.96 74.96
## <NA> 0 0.00
## Total 1586614 100.00 100.00tipo_factor <- as.factor(nombre_cerveza$tipo)
summarytools::freq(tipo_factor, cumul = FALSE)## Frequencies
## tipo_factor
## Type: Factor
##
## Freq % Valid % Total
## ------------------------------------ --------- --------- ---------
## baja en calorías / sin alcohol 22143 1.40 1.40
## cerveza normal y helada 839088 52.89 52.89
## clara artesanal 483464 30.47 30.47
## lager artesanal 22725 1.43 1.43
## lager importada 219194 13.82 13.82
## <NA> 0 0.00
## Total 1586614 100.00 100.00origen_factor <- as.factor(nombre_cerveza$origen)
summarytools::freq(origen_factor, cumul = FALSE)## Frequencies
## origen_factor
## Type: Factor
##
## Freq % Valid % Total
## --------------- --------- --------- ---------
## importada 1412449 89.02 89.02
## nacional 174165 10.98 10.98
## <NA> 0 0.00
## Total 1586614 100.00 100.00origen_factor <- as.factor(nombre_cerveza$nacionalidad)
summarytools::freq(origen_factor, cumul = FALSE)## Frequencies
## origen_factor
## Type: Factor
##
## Freq % Valid % Total
## --------------------- --------- --------- ---------
## Alemania 121684 7.67 7.67
## Austria 201941 12.73 12.73
## Bélgica 188677 11.89 11.89
## Canadá 159508 10.05 10.05
## Estados Unidos 174165 10.98 10.98
## Francia 181574 11.44 11.44
## Inglaterra 162644 10.25 10.25
## Irlanda 120742 7.61 7.61
## Japón 155273 9.79 9.79
## República Checa 120406 7.59 7.59
## <NA> 0 0.00
## Total 1586614 100.00 100.00#install.packages("flextable")library(flextable)
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union##Barras tipo
barplot(sort(table(nombre_cerveza$tipo), decreasing = TRUE),
las = 2, col = "#3498db",
main = "Reseñas por tipo de cerveza",
ylab = "Frecuencia")
##Barras origen
barplot(table(nombre_cerveza$origen),
col = c("#8e44ad", "#16a085"),
main = "Reseñas por origen",
ylab = "Frecuencia")
##Barras nacionalidad
barplot(sort(table(nombre_cerveza$nacionalidad), decreasing = TRUE),
las = 2, col = "#e67e22",
main = "Reseñas por nacionalidad",
ylab = "Frecuencia")
##Barras marca top 20
top20_nombres <- names(head(sort(table(nombre_cerveza$marca),
decreasing = TRUE), 20))
nombre_cerveza$marca_reducida <- ifelse(
nombre_cerveza$marca %in% top20_nombres,
as.character(nombre_cerveza$marca),
"Otros"
)
nombre_cerveza$marca_reducida <- factor(
nombre_cerveza$marca_reducida,
levels = c(top20_nombres, "Otros")
)
barplot(sort(table(nombre_cerveza$marca_reducida), decreasing = TRUE),
las = 2, cex.names = 0.7, col = "#1abc9c",
main = "Reseñas por marca (top 20 + Otros)",
ylab = "Frecuencia")
##Barra de calificacion
barplot(table(nombre_cerveza$calificacion),
col = "#f39c12",
main = "Distribución de la calificación general",
xlab = "Calificación", ylab = "Frecuencia")
##Barra de aroma
barplot(table(nombre_cerveza$aroma),
col = "#9b59b6",
main = "Distribución del aroma",
xlab = "Aroma", ylab = "Frecuencia")
## Barra de aparencia
barplot(table(nombre_cerveza$apariencia),
col = "#2ecc71",
main = "Distribución de la apariencia",
xlab = "Apariencia", ylab = "Frecuencia")
## Barra de paladar
barplot(table(nombre_cerveza$paladar),
col = "#e74c3c",
main = "Distribución del paladar",
xlab = "Paladar", ylab = "Frecuencia")
## Barra de sabor
barplot(table(nombre_cerveza$sabor),
col = "#3498db",
main = "Distribución del sabor",
xlab = "Sabor", ylab = "Frecuencia")
# VARIABLES CUNTITATIVAS
## INDICADORES DE CENTRO
summarytools::descr(nombre_cerveza$precio)## Descriptive Statistics
## nombre_cerveza$precio
## N: 1586614
##
## precio
## ----------------- ------------
## Mean 5.00
## Std.Dev 0.89
## Min 2.37
## Q1 4.36
## Median 5.00
## Q3 5.64
## Max 7.72
## MAD 0.95
## IQR 1.28
## CV 0.18
## Skewness 0.00
## SE.Skewness 0.00
## Kurtosis -0.50
## N.Valid 1586614.00
## N 1586614.00
## Pct.Valid 100.00summarytools::descr(nombre_cerveza$alcohol)## Descriptive Statistics
## nombre_cerveza$alcohol
## N: 1586614
##
## alcohol
## ----------------- ------------
## Mean 18.71
## Std.Dev 5.46
## Min 0.03
## Q1 14.28
## Median 17.67
## Q3 22.63
## Max 59.45
## MAD 5.56
## IQR 8.35
## CV 0.29
## Skewness 0.96
## SE.Skewness 0.00
## Kurtosis 1.31
## N.Valid 1586614.00
## N 1586614.00
## Pct.Valid 100.00summarytools::descr(nombre_cerveza$carbohidratos)## Descriptive Statistics
## nombre_cerveza$carbohidratos
## N: 1586614
##
## carbohidratos
## ----------------- ---------------
## Mean 14.05
## Std.Dev 2.38
## Min 3.50
## Q1 12.40
## Median 13.80
## Q3 15.60
## Max 30.20
## MAD 2.37
## IQR 3.20
## CV 0.17
## Skewness 0.46
## SE.Skewness 0.00
## Kurtosis 0.87
## N.Valid 1586614.00
## N 1586614.00
## Pct.Valid 100.00summarytools::descr(nombre_cerveza$calorias)## Descriptive Statistics
## nombre_cerveza$calorias
## N: 1586614
##
## calorias
## ----------------- ------------
## Mean 193.17
## Std.Dev 46.57
## Min 21.00
## Q1 157.00
## Median 182.00
## Q3 224.00
## Max 541.00
## MAD 43.00
## IQR 67.00
## CV 0.24
## Skewness 0.92
## SE.Skewness 0.00
## Kurtosis 1.32
## N.Valid 1586614.00
## N 1586614.00
## Pct.Valid 100.00boxplot(nombre_cerveza$precio, las=1, horizontal = TRUE)
boxplot(nombre_cerveza$alcohol, las=1, horizontal = TRUE)
boxplot(nombre_cerveza$carbohidratos, las=1, horizontal = TRUE)
boxplot(nombre_cerveza$calorias, las=1, horizontal = TRUE)
### MEDIA TRUNCADA
mean(nombre_cerveza$precio, na.rm = TRUE, trim = 0.10)## [1] 5.000016mean(nombre_cerveza$alcohol, na.rm = TRUE, trim = 0.10)## [1] 18.20988mean(nombre_cerveza$carbohidratos, na.rm = TRUE, trim = 0.10)## [1] 13.9487mean(nombre_cerveza$calorias, na.rm = TRUE, trim = 0.10)## [1] 189.1044### RANGO MEDIO
(max(nombre_cerveza$precio,na.rm = TRUE)+min(nombre_cerveza$precio,na.rm = TRUE))/2## [1] 5.045(max(nombre_cerveza$alcohol,na.rm = TRUE)+min(nombre_cerveza$alcohol,na.rm = TRUE))/2## [1] 29.74(max(nombre_cerveza$carbohidratos,na.rm = TRUE)+min(nombre_cerveza$carbohidratos,na.rm = TRUE))/2## [1] 16.85(max(nombre_cerveza$calorias,na.rm = TRUE)+min(nombre_cerveza$calorias,na.rm = TRUE))/2## [1] 281##DISPERCION:
###RANGO
max(nombre_cerveza$precio)-min(nombre_cerveza$precio)## [1] 5.35max(nombre_cerveza$alcohol)-min(nombre_cerveza$alcohol)## [1] 59.42max(nombre_cerveza$carbohidratos)-min(nombre_cerveza$carbohidratos)## [1] 26.7max(nombre_cerveza$calorias)-min(nombre_cerveza$calorias)## [1] 520###VARIANZA
var(nombre_cerveza$precio)## [1] 0.7839686var(nombre_cerveza$alcohol)## [1] 29.7684var(nombre_cerveza$carbohidratos)## [1] 5.644963var(nombre_cerveza$calorias)## [1] 2168.646#precio ##Histograma de precio
hist(nombre_cerveza$precio,
main = "Distribución del precio",
xlab = "Precio", col = "#c0392b", border = "white")
##Boxplot: precio según tipo
boxplot(precio ~ tipo, data = nombre_cerveza,
las = 2, col = "#c0392b",
main = "Precio según tipo de cerveza",
xlab = "", ylab = "Precio")
##Boxplot: precio según origen
boxplot(precio ~ origen, data = nombre_cerveza,
col = c("#8e44ad", "#16a085"),
main = "Precio según origen",
xlab = "Origen", ylab = "Precio")
##Densidad de precio
plot(density(nombre_cerveza$precio, na.rm = TRUE),
main = "density(x = nombre_cerveza$precio, na.rm = TRUE)",
col = "#c0392b", lwd = 2)
##Histograma de alcohol
hist(nombre_cerveza$alcohol,
main = "Distribución del alcohol",
xlab = "Alcohol (g)", col = "#d68910", border = "white")
##Boxplot: Alcohol segun tipo
boxplot(alcohol ~ tipo, data = nombre_cerveza,
las = 2, col = "#d68910",
main = "Alcohol según tipo de cerveza",
xlab = "", ylab = "Alcohol (g)")
##boxplo: Alcohol segun origen
boxplot(alcohol ~ origen, data = nombre_cerveza,
col = c("#8e44ad", "#16a085"),
main = "Alcohol según origen",
xlab = "Origen", ylab = "Alcohol (g)")
##Densidad de Alcohol
plot(density(nombre_cerveza$alcohol, na.rm = TRUE),
main = "density(x = nombre_cerveza$alcohol, na.rm = TRUE)",
col = "#d68910", lwd = 2)
##histograma Carbohidratos
hist(nombre_cerveza$carbohidratos,
main = "Distribución de carbohidratos",
xlab = "Carbohidratos (g)", col = "#27ae60", border = "white")
## Boxplot: Carbohidratos segun tipo
boxplot(carbohidratos ~ tipo, data = nombre_cerveza,
las = 2, col = "#27ae60",
main = "Carbohidratos según tipo de cerveza",
xlab = "", ylab = "Carbohidratos (g)")
##Boxplot: carbohidratos segun origen
boxplot(carbohidratos ~ origen, data = nombre_cerveza,
col = c("#8e44ad", "#16a085"),
main = "Carbohidratos según origen",
xlab = "Origen", ylab = "Carbohidratos (g)")
##Densidad carbohidratos
plot(density(nombre_cerveza$carbohidratos, na.rm = TRUE),
main = "density(x = nombre_cerveza$carbohidratos, na.rm = TRUE)",
col = "#27ae60", lwd = 2)
##Histograma Calorias
hist(nombre_cerveza$calorias,
main = "Distribución de calorías",
xlab = "Calorías", col = "#2980b9", border = "white")
## Boxplot: Calorias segun tipo
boxplot(calorias ~ tipo, data = nombre_cerveza,
las = 2, col = "#2980b9",
main = "Calorías según tipo de cerveza",
xlab = "", ylab = "Calorías")
##Boxplot: Calorias segun origen
boxplot(calorias ~ origen, data = nombre_cerveza,
col = c("#8e44ad", "#16a085"),
main = "Calorías según origen",
xlab = "Origen", ylab = "Calorías")
##Densidad calorias
plot(density(nombre_cerveza$calorias, na.rm = TRUE),
main = "density(x = nombre_cerveza$calorias, na.rm = TRUE)",
col = "#2980b9", lwd = 2)
#comparaciones de Tipo y Origen
## Densidad presupuestada por origen
d_nac <- density(nombre_cerveza$precio[nombre_cerveza$origen == "nacional"], na.rm = TRUE)
d_imp <- density(nombre_cerveza$precio[nombre_cerveza$origen == "importada"], na.rm = TRUE)
plot(d_nac, col = "#16a085", lwd = 2, main = "Densidad del precio según origen",
xlab = "Precio", ylim = range(c(d_nac$y, d_imp$y)))
lines(d_imp, col = "#8e44ad", lwd = 2)
legend("topright", legend = c("Nacional", "Importada"), col = c("#16a085", "#8e44ad"), lwd = 2, bty = "n")
##Medias por tipo con barra de +/- 1 desviación estándar
medias <- tapply(nombre_cerveza$precio, nombre_cerveza$tipo, mean, na.rm = TRUE)
sds <- tapply(nombre_cerveza$precio, nombre_cerveza$tipo, sd, na.rm = TRUE)
posiciones <- barplot(medias, las = 2, col = "#3498db",
main = "Precio promedio por tipo (+/- 1 DE)", ylab = "Precio",
ylim = c(0, max(medias + sds) * 1.1))
arrows(posiciones, medias - sds, posiciones, medias + sds, angle = 90, code = 3, length = 0.05)
##Dispersión alcohol vs. calorías, coloreada por origen
set.seed(123)
muestra <- nombre_cerveza[sample(nrow(nombre_cerveza), 20000), ]
colores <- ifelse(muestra$origen == "nacional", "#16a085", "#8e44ad")
plot(muestra$alcohol, muestra$calorias, col = colores, pch = 16, cex = 0.5,
main = "Alcohol vs. calorías según origen", xlab = "Alcohol (g)", ylab = "Calorías")
legend("topleft", legend = c("Nacional", "Importada"), col = c("#16a085", "#8e44ad"), pch = 16, bty = "n")
Interpretación: las diferencias por tipo son notorias: la cerveza normal y helada tiene el mayor alcohol (20,1 g) y calorías (204 kcal), mientras que la baja en calorías/sin alcohol tiene casi la mitad de ambas. El precio casi no varía entre tipos, coherente con ser una variable simulada. Por origen, las diferencias son mínimas (alcohol y calorías prácticamente iguales entre nacional e importada), por lo que el tipo explica mejor las diferencias que el origen. Al ser un análisis descriptivo, estas diferencias indican asociación, no causalidad.