Caso 1 - Análisis descriptivo de marcas de cerveza

Introducción

La siguiente base de datos recoge información sobre 69 marcas de cerveza distribuidas en la ciudad, con el fin de clasificar los productos y realizar un análisis descriptivo que apoye al director de investigación en la validación de algunas hipótesis sobre el mercado.

Las variables registradas son:

• precio: precio de la presentación en caja de seis botellas de 12 onzas.
• calorias: contenido calórico de una unidad de 12 onzas.
• poralcoh: porcentaje de contenido de alcohol por 12 onzas.
• tipo: tipo de cerveza (1= lager artesanal, 2 = clara artesanal, 3 = lager importada, 4 = cerveza normal y helada, 5 = cerveza baja en calorías y sin alcohol).
• origen: país de origen (0 = nacional, 1 = importada).

library(readr)
library(dplyr)
library(ggplot2)
library(knitr)

beer <- read_csv("beer.csv", show_col_types = FALSE,
                  locale = locale(decimal_mark = ",", grouping_mark = "."))

# Convertimos tipo y origen en factores con etiquetas, para las tablas
beer <- beer %>%
  mutate(
    tipo_lab = factor(tipo,
                       levels = 1:5,
                       labels = c("Lager artesanal", "Clara artesanal",
                                  "Lager importada", "Normal y helada",
                                  "Baja en calorías / sin alcohol")),
    origen_lab = factor(origen,
                         levels = c(0, 1),
                         labels = c("Nacional", "Importada"))
  )

glimpse(beer)

## Rows: 69
## Columns: 8
## $ marca      <chr> "m1", "m2", "m3", "m4", "m5", "m6", "m7", "m8", "m9", "m10"…
## $ precio     <dbl> 6.24, 4.79, 5.96, 4.70, 4.11, 3.85, 2.52, 5.46, 6.00, 3.71,…
## $ calorias   <dbl> 159, 160, 160, 162, 157, 151, 155, 135, 162, 142, 146, 148,…
## $ poralcoh   <dbl> 5.2, 5.0, 4.9, 4.9, 5.5, 4.9, 4.7, 5.1, 5.4, 4.8, 4.4, 4.3,…
## $ tipo       <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2,…
## $ origen     <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ tipo_lab   <fct> Lager artesanal, Lager artesanal, Lager artesanal, Lager ar…
## $ origen_lab <fct> Importada, Importada, Importada, Importada, Importada, Impo…

1. Tablas de resumen para las variables cualitativas

1.1 Tipo de cerveza

tabla_tipo <- beer %>%
  count(tipo_lab, name = "Frecuencia") %>%
  mutate(
    `Frecuencia relativa` = round(Frecuencia / sum(Frecuencia), 3),
    `Porcentaje (%)` = round(100 * Frecuencia / sum(Frecuencia), 1)
  )

kable(tabla_tipo, col.names = c("Tipo de cerveza", "Frecuencia",
                                 "Frecuencia relativa", "Porcentaje (%)"))

Tipo de cerveza	Frecuencia	Frecuencia relativa	Porcentaje (%)
Lager artesanal	13	0.188	18.8
Clara artesanal	17	0.246	24.6
Lager importada	10	0.145	14.5
Normal y helada	16	0.232	23.2
Baja en calorías / sin alcohol	13	0.188	18.8

ggplot(beer, aes(x = tipo_lab)) +
  geom_bar(fill = "#c0392b") +
  labs(title = "Distribución de marcas por tipo de cerveza",
       x = "Tipo", y = "Número de marcas") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 25, hjust = 1))

1.2 Origen

tabla_origen <- beer %>%
  count(origen_lab, name = "Frecuencia") %>%
  mutate(
    `Frecuencia relativa` = round(Frecuencia / sum(Frecuencia), 3),
    `Porcentaje (%)` = round(100 * Frecuencia / sum(Frecuencia), 1)
  )

kable(tabla_origen, col.names = c("Origen", "Frecuencia",
                                   "Frecuencia relativa", "Porcentaje (%)"))

Origen	Frecuencia	Frecuencia relativa	Porcentaje (%)
Nacional	15	0.217	21.7
Importada	54	0.783	78.3

ggplot(beer, aes(x = origen_lab, fill = origen_lab)) +
  geom_bar() +
  scale_fill_manual(values = c("Nacional" = "#2980b9", "Importada" = "#f39c12")) +
  labs(title = "Distribución de marcas por origen", x = "Origen", y = "Número de marcas") +
  theme_minimal() +
  theme(legend.position = "none")

2. Indicadores estadísticos de las variables cuantitativas

# Función auxiliar para calcular la moda de un vector numérico continuo
# (valor más frecuente; si todos son distintos, se reporta el primero)
moda <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

resumen_var <- function(x, nombre) {
  data.frame(
    Variable = nombre,
    Media = round(mean(x), 2),
    Mediana = round(median(x), 2),
    Moda = round(moda(x), 2),
    `Desv. estándar` = round(sd(x), 2),
    `Coef. variación (%)` = round(100 * sd(x) / mean(x), 2),
    Mínimo = round(min(x), 2),
    Q1 = round(quantile(x, 0.25), 2),
    Q3 = round(quantile(x, 0.75), 2),
    Máximo = round(max(x), 2),
    check.names = FALSE
  )
}

tabla_resumen <- bind_rows(
  resumen_var(beer$precio, "Precio (USD)"),
  resumen_var(beer$calorias, "Calorías"),
  resumen_var(beer$poralcoh, "% Alcohol")
)

kable(tabla_resumen, row.names = FALSE)

Variable	Media	Mediana	Moda	Desv. estándar	Coef. variación (%)	Mínimo	Q1	Q3	Máximo
Precio (USD)	4.96	4.79	4.02	1.45	29.14	2.36	3.9	6.24	7.8
Calorías	142.35	148.00	148.00	29.90	21.01	58.00	142.0	160.00	201.0
% Alcohol	4.42	4.90	5.00	1.57	35.63	0.00	4.4	5.10	6.0

2.1 Detección de valores atípicos (criterio de Tukey)

detectar_atipicos <- function(x, nombre) {
  q1 <- quantile(x, 0.25)
  q3 <- quantile(x, 0.75)
  ric <- q3 - q1
  li <- q1 - 1.5 * ric
  ls <- q3 + 1.5 * ric
  atipicos <- x[x < li | x > ls]
  data.frame(
    Variable = nombre,
    `Límite inferior` = round(li, 2),
    `Límite superior` = round(ls, 2),
    `N° atípicos` = length(atipicos),
    check.names = FALSE
  )
}

tabla_atipicos <- bind_rows(
  detectar_atipicos(beer$precio, "Precio"),
  detectar_atipicos(beer$calorias, "Calorías"),
  detectar_atipicos(beer$poralcoh, "% Alcohol")
)

kable(tabla_atipicos, row.names = FALSE)

Variable	Límite inferior	Límite superior	N° atípicos
Precio	0.39	9.75	0
Calorías	115.00	187.00	13
% Alcohol	3.35	6.15	7

2.2 Distribuciones (histogramas)

library(patchwork)

h1 <- ggplot(beer, aes(x = precio)) +
  geom_histogram(bins = 10, fill = "#16a085", color = "white") +
  labs(title = "Precio", x = "Precio (USD)", y = "Frecuencia") + theme_minimal()

h2 <- ggplot(beer, aes(x = calorias)) +
  geom_histogram(bins = 10, fill = "#8e44ad", color = "white") +
  labs(title = "Calorías", x = "Calorías", y = "Frecuencia") + theme_minimal()

h3 <- ggplot(beer, aes(x = poralcoh)) +
  geom_histogram(bins = 10, fill = "#d35400", color = "white") +
  labs(title = "% Alcohol", x = "% Alcohol", y = "Frecuencia") + theme_minimal()

h1 + h2 + h3

2.3 Comparación por diagramas de caja

b1 <- ggplot(beer, aes(y = precio)) +
  geom_boxplot(fill = "#16a085") + labs(title = "Precio") + theme_minimal()

b2 <- ggplot(beer, aes(y = calorias)) +
  geom_boxplot(fill = "#8e44ad") + labs(title = "Calorías") + theme_minimal()

b3 <- ggplot(beer, aes(y = poralcoh)) +
  geom_boxplot(fill = "#d35400") + labs(title = "% Alcohol") + theme_minimal()

b1 + b2 + b3

2.4 Precio y calorías según origen

p1 <- ggplot(beer, aes(x = origen_lab, y = precio, fill = origen_lab)) +
  geom_boxplot() + labs(title = "Precio según origen", x = "", y = "Precio (USD)") +
  theme_minimal() + theme(legend.position = "none")

p2 <- ggplot(beer, aes(x = origen_lab, y = calorias, fill = origen_lab)) +
  geom_boxplot() + labs(title = "Calorías según origen", x = "", y = "Calorías") +
  theme_minimal() + theme(legend.position = "none")

p1 + p2

3. Análisis de los resultados

Nota: esta sección es la que más pesa en la evaluación. Aquí dejo un borrador con los hallazgos numéricos ya verificados sobre tu propia base; léelo, compáralo con lo que te muestra tu Knit, y ajústalo con tus propias palabras y cualquier observación adicional que veas en tus gráficos.

• Precio: el precio promedio de las 69 marcas es de aproximadamente USD 4.96 (mediana USD 4.79), con una desviación estándar de 1.45 y un coeficiente de variación cercano al 29%, lo que indica una dispersión moderada-alta entre marcas: hay bastante heterogeneidad en el precio de la caja de seis botellas.
• Calorías: el promedio es de 142 calorías (mediana 148), con un coeficiente de variación de aproximadamente 21%, la dispersión más baja de las tres variables cuantitativas, lo que sugiere que las marcas son relativamente similares en contenido calórico.
• % Alcohol: el promedio es 4.42% (mediana 4.9%), con el coeficiente de variación más alto de las tres variables (~36%), evidenciando la mayor heterogeneidad relativa: existen marcas con contenido de alcohol muy bajo (posiblemente las “bajas en calorías / sin alcohol”) junto a otras de mayor graduación.
• Tipo: el tipo más frecuente es “clara artesanal” (17 marcas), seguido de “normal y helada” (16) y “lager artesanal” junto con “baja en calorías / sin alcohol” (13 cada una); el menos frecuente es “lager importada” (10 marcas).
• Origen: la gran mayoría de las marcas son importadas (54 de 69, ≈78%), frente a solo 15 nacionales (≈22%), lo que ya es un primer hallazgo relevante para el director de investigación si su hipótesis tenía que ver con la composición del mercado por origen.
• Valores atípicos: revisa la tabla de la sección 2.1 con tu propio Knit — indica si alguna de las tres variables cuantitativas presenta marcas con precio, calorías o alcohol fuera de lo usual, y coméntalas puntualmente (¿qué marca es? ¿tiene sentido en el contexto?).

Conclusión general (para completar): con base en lo anterior, el mercado de cervezas analizado está dominado por marcas importadas, con precios y contenido de alcohol más dispersos que el contenido calórico. Esto podría orientarse hacia recomendaciones sobre segmentación de producto o estrategia de precios — desarrolla aquí tu propia interpretación de negocio.