title: “caso1” author: “manuel alejandro ceron montenegro” date:
“2026-09-11” output: html_document
Introducción
Este informe resume la información de 69 marcas de cerveza
distribuidas en la ciudad, con el fin de validar algunas hipótesis del
director de investigación.
Cargar los datos
beer <- read.csv("beer 2.csv")
beer <- beer[1:69, ]
head(beer) %>%
kable() %>%
kable_styling(bootstrap_options = c("striped", "hover"))
|
id
|
precio
|
calorias
|
poralcoh
|
tipo
|
origen
|
|
1
|
6.24
|
159
|
5.2
|
1
|
1
|
|
2
|
4.79
|
160
|
5.0
|
1
|
1
|
|
3
|
5.96
|
160
|
4.9
|
1
|
1
|
|
4
|
4.70
|
162
|
4.9
|
1
|
1
|
|
5
|
4.11
|
157
|
5.5
|
1
|
1
|
|
6
|
3.85
|
151
|
4.9
|
1
|
1
|
Tabla de frecuencias - Tipo de cerveza
tabla_tipo <- table(beer$tipo)
kable(tabla_tipo, col.names = c("Tipo", "Frecuencia")) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Tipo
|
Frecuencia
|
|
1
|
13
|
|
2
|
17
|
|
3
|
10
|
|
4
|
16
|
|
5
|
13
|
kable(round(prop.table(tabla_tipo) * 100, 1), col.names = c("Tipo", "Porcentaje")) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Tipo
|
Porcentaje
|
|
1
|
18.8
|
|
2
|
24.6
|
|
3
|
14.5
|
|
4
|
23.2
|
|
5
|
18.8
|
Tabla de frecuencias - Origen
tabla_origen <- table(beer$origen)
kable(tabla_origen, col.names = c("Origen", "Frecuencia")) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Origen
|
Frecuencia
|
|
0
|
15
|
|
1
|
54
|
kable(round(prop.table(tabla_origen) * 100, 1), col.names = c("Origen", "Porcentaje")) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Origen
|
Porcentaje
|
|
0
|
21.7
|
|
1
|
78.3
|
Indicadores - Precio
kable(t(as.matrix(summary(beer$precio)))) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Min.
|
1st Qu.
|
Median
|
Mean
|
3rd Qu.
|
Max.
|
|
2.36
|
3.9
|
4.79
|
4.963188
|
6.24
|
7.8
|
Desviación estándar: 1.45
Indicadores - Calorías
kable(t(as.matrix(summary(beer$calorias)))) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Min.
|
1st Qu.
|
Median
|
Mean
|
3rd Qu.
|
Max.
|
|
58
|
142
|
148
|
142.3478
|
160
|
201
|
Desviación estándar: 29.9
Indicadores - Porcentaje de alcohol
kable(t(as.matrix(summary(beer$poralcoh)))) %>%
kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
|
Min.
|
1st Qu.
|
Median
|
Mean
|
3rd Qu.
|
Max.
|
|
0
|
4.4
|
4.9
|
4.42029
|
5.1
|
6
|
Desviación estándar: 1.57
Análisis de los resultados
- Las cervezas nacionales son en su mayoría
lager importada (10 de 15), mientras que casi ninguna
clara artesanal o lager artesanal es nacional. O sea, lo nacional se
concentra en un solo estilo.
- Las marcas sin alcohol o bajas en calorías (tipo 5)
son las únicas con 0% de alcohol, y eso hace que ahí esté toda la
variabilidad rara del dataset (por eso el mínimo de alcohol es 0).
- No hay una relación clara entre pagar más y tener más alcohol: hay
cervezas caras (~$7) con alcohol normal (~5%) y baratas (~$3) con
alcohol similar. El precio parece depender más del tipo/marca que del
contenido.
- Las calorías más altas (cerca de 200) se ven en pocas marcas
específicas, la mayoría se agrupa entre 140-160, así que el “promedio”
de 142 sí representa bien a la mayoría.
- En plata: el portafolio no es muy variado en estilo (dominan
importadas y claras artesanales), y el precio no está explicado por
calorías ni alcohol, sino por otra cosa (marca, origen, tipo).