Analizando las personas que ya han utilizado un dispositivo de autoservicio
Para CINEPOLIS
#para cinepolis
cinepolis <- forma %>% filter(Cinepolis == 1)
#edades, ocupaciones y sexo
plot_ly(x = ~as.character(cinepolis$edad), type = "histogram") %>%
layout(title = "Edades de los Participantes (Cinepolis)", xaxis = list(title = "Edad"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~cinepolis$ocupacion, type = "histogram") %>%
layout(title = "Ocupaciones de los Participantes (Cinepolis)", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~cinepolis$sexo, type = "histogram") %>%
layout(title = "Sexo de los Participantes (Cinepolis)", xaxis = list(title = "Sexo"), yaxis = list(title = "Frecuencia"))
Para ARKADIA - CINEMARK
#para arkadia
arkadia <- forma %>% filter(Arkadia == 1)
#edades, ocupaciones y sexo
plot_ly(x = ~as.character(arkadia$edad), type = "histogram") %>%
layout(title = "Edades de los Participantes (Arkadia)", xaxis = list(title = "Edad"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~arkadia$ocupacion, type = "histogram") %>%
layout(title = "Ocupaciones de los Participantes (Arkadia)", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~arkadia$sexo, type = "histogram") %>%
layout(title = "Sexo de los Participantes (Arkadia)", xaxis = list(title = "Sexo"), yaxis = list(title = "Frecuencia"))
Para TIGO
#para tigo
tigo <- forma %>% filter(Tigo == 1)
#edades, ocupaciones y sexo
plot_ly(x = ~as.character(tigo$edad), type = "histogram") %>%
layout(title = "Edades de los Participantes (tigo)", xaxis = list(title = "Edad"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~tigo$ocupacion, type = "histogram") %>%
layout(title = "Ocupaciones de los Participantes (tigo)", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~tigo$sexo, type = "histogram") %>%
layout(title = "Sexo de los Participantes (tigo)", xaxis = list(title = "Sexo"), yaxis = list(title = "Frecuencia"))
Para MC DONALDS
#para mc donalds
mc <- forma %>% filter(Mc == 1)
#edades, ocupaciones y sexo
plot_ly(x = ~as.character(mc$edad), type = "histogram") %>%
layout(title = "Edades de los Participantes (Mc Donalds)", xaxis = list(title = "Edad"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~mc$ocupacion, type = "histogram") %>%
layout(title = "Ocupaciones de los Participantes (Mc Donalds)", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~mc$sexo, type = "histogram") %>%
layout(title = "Sexo de los Participantes (Mc Donalds)", xaxis = list(title = "Sexo"), yaxis = list(title = "Frecuencia"))
Para CAJEROS DE BANCOS
#para cajeros de bancos
bancos <- forma %>% filter(bancos == 1)
#edades, ocupaciones y sexo
plot_ly(x = ~as.character(bancos$edad), type = "histogram") %>%
layout(title = "Edades de los Participantes (Cajeros de Bancos)", xaxis = list(title = "Edad"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~bancos$ocupacion, type = "histogram") %>%
layout(title = "Ocupaciones de los Participantes (Cajeros de Bancos)", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Frecuencia"))
plot_ly(x = ~bancos$sexo, type = "histogram") %>%
layout(title = "Sexo de los Participantes (Cajeros de Bancos)", xaxis = list(title = "Sexo"), yaxis = list(title = "Frecuencia"))
Regresiones Interesantes
edad vs. dispositivos
e <- c(20, 20, 20, 20, 21, 21, 21, 21, 21, 21, 20, 20, 20, 21, 21, 20, 20, 20, 21, 21, 21,
21, 21, 21, 34, 34, 34, 34, 34, 21, 21, 21, 21, 21, 20, 20, 46, 23, 23, 23, 23, 20, 20, 20)
dispositivos <- cbind(dispositivos, e)
names(dispositivos)[2]<-"edad"
a <- lm(data = dispositivos, edad~nombre)
summary(a)
##
## Call:
## lm(formula = edad ~ nombre, data = dispositivos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.6923 -2.0000 -1.0000 -0.3333 22.3077
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 20.333 3.067 6.629 8.9e-08 ***
## nombreCajeros de bancos 3.359 3.403 0.987 0.3300
## nombreCinepolis 1.667 3.461 0.482 0.6329
## nombreClaro 13.667 6.135 2.228 0.0321 *
## nombrecuando voy a las agencias. 13.667 6.135 2.228 0.0321 *
## nombremc donalds 1.667 3.461 0.482 0.6329
## nombreTigo 1.167 4.058 0.288 0.7753
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.313 on 37 degrees of freedom
## Multiple R-squared: 0.2231, Adjusted R-squared: 0.09716
## F-statistic: 1.771 on 6 and 37 DF, p-value: 0.1321
En promedio, las personas que utilizan el dispositivo de Arkadia tienen 20 años.
En cinepolis, la edad aumenta en 2 años por lo que son de 22.
En los bancos la edad sub 4 años y ahora son de 24.
En claro (Fue una opcion “other”) la edad aumenta en 13 años por lo que son de 33 años.
En mc donalds la edad aumenta 2 años y son de 22 años
Por ultimo en tigo la edad aumenta 1 año por lo que tienen 21 años.
edad vs. frecuencia de uso
#edad vs. frecuencia
plot_ly(data = forma, x = forma$frecuencia, y = forma$edad, type = "box") %>%
layout(title = "Frecuencia vs. Edad")
e_f <- lm(data = forma, edad~frecuencia)
summary(e_f)
##
## Call:
## lm(formula = edad ~ frecuencia, data = forma)
##
## Residuals:
## Min 1Q Median 3Q Max
## -12.5000 -0.5556 0.0000 0.4444 12.5000
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 26.000 3.388 7.674 5.74e-06
## frecuencia2 veces por semana -6.000 6.776 -0.885 0.393
## frecuencia3 veces por semana 7.500 5.357 1.400 0.187
## frecuenciaMas de 4 veces por semana -5.500 5.357 -1.027 0.325
## frecuenciaMenos de 4 veces al mes -5.444 3.912 -1.392 0.189
##
## (Intercept) ***
## frecuencia2 veces por semana
## frecuencia3 veces por semana
## frecuenciaMas de 4 veces por semana
## frecuenciaMenos de 4 veces al mes
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.868 on 12 degrees of freedom
## Multiple R-squared: 0.4386, Adjusted R-squared: 0.2514
## F-statistic: 2.343 on 4 and 12 DF, p-value: 0.1137
Cuando la frecuencia es de 1 vez por semana, en promedio son de 26 años.
2 veces por semana disminuye en 6 años por lo que son de 20 años.
3 veces por semana aumenta 8 años por lo que son 34 años.
Mas de 4 veces por semana disminuye en 6 años por lo que son de 20 años.
Menos de 4 veces al mes disminuye 5 años por lo que son de 21 años.
edad vs. satisfaccion
plot_ly(data = forma, x = forma$satisfaccion, y = forma$edad, type = "box") %>%
layout(title = "Satisfaccion vs. Edad", xaxis = list(title = "Satisfaccion"), yaxis = list(title = "Edad"))
e_s <- lm(data = forma, edad~satisfaccion)
summary(e_s)
##
## Call:
## lm(formula = edad ~ satisfaccion, data = forma)
##
## Residuals:
## Min 1Q Median 3Q Max
## -4.375 -3.312 -2.250 -1.250 22.688
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 27.562 11.029 2.499 0.0245 *
## satisfaccion -1.062 2.538 -0.419 0.6814
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.964 on 15 degrees of freedom
## Multiple R-squared: 0.01155, Adjusted R-squared: -0.05435
## F-statistic: 0.1753 on 1 and 15 DF, p-value: 0.6814
Por cada 1 año que aumente mi edad, voy a disminuir 1 grado de satisfaccion en promedio empezando en 28 años.
frecuencia vs. satisfaccion
plot_ly(data = forma, x = forma$frecuencia, y = forma$satisfaccion, type = "box") %>%
layout(title = "Frecuencia vs. Satisfaccion", xaxis = list(title = "Frecuencia"), yaxis = list(title = "Satisfaccion"))
f_s <- lm(data = forma, satisfaccion~frecuencia)
summary(f_s)
##
## Call:
## lm(formula = satisfaccion ~ frecuencia, data = forma)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.1111 -0.3333 -0.1111 0.5000 0.8889
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.3333 0.4101 10.566 1.97e-07
## frecuencia2 veces por semana -0.3333 0.8203 -0.406 0.692
## frecuencia3 veces por semana 0.1667 0.6485 0.257 0.802
## frecuenciaMas de 4 veces por semana 0.6667 0.6485 1.028 0.324
## frecuenciaMenos de 4 veces al mes -0.2222 0.4736 -0.469 0.647
##
## (Intercept) ***
## frecuencia2 veces por semana
## frecuencia3 veces por semana
## frecuenciaMas de 4 veces por semana
## frecuenciaMenos de 4 veces al mes
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.7104 on 12 degrees of freedom
## Multiple R-squared: 0.1957, Adjusted R-squared: -0.07234
## F-statistic: 0.7302 on 4 and 12 DF, p-value: 0.5885
Cuando la frecuencia es de 1 vez por semana, en promedio tengo 4 de satisfaccion.
2 veces por semana disminuye en 0.33 por lo que ahora es de 3.66
3 veces por semana aumenta 0.17 por lo que ahora es de 4.17
Mas de 4 veces por semana aumenta en 0.67 por lo que ahora es de 4.67
Menos de 4 veces al mes disminuye 0.22 por lo que ahora es de 3.78
ocupacion vs. satisfaccion
plot_ly(data = forma, x = forma$ocupacion, y = forma$satisfaccion, type = "box") %>%
layout(title = "Ocupacion vs. Satisfaccion", xaxis = list(title = "Ocupacion"), yaxis = list(title = "Satisfaccion"))
o_s <- lm(data = forma, satisfaccion~ocupacion)
summary(o_s)
##
## Call:
## lm(formula = satisfaccion ~ ocupacion, data = forma)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.2857 -0.2857 0.0000 0.7143 0.7143
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.0000 0.7263 6.884 1.11e-05 ***
## ocupacioncatedratico -1.0000 1.0271 -0.974 0.348
## ocupacionEmpresario -1.0000 1.0271 -0.974 0.348
## ocupacionEstudiante -0.7143 0.7518 -0.950 0.359
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.7263 on 13 degrees of freedom
## Multiple R-squared: 0.08929, Adjusted R-squared: -0.1209
## F-statistic: 0.4248 on 3 and 13 DF, p-value: 0.7385
Si soy auxiliar, tengo 5 de satisfaccion.
Si soy catedratico de una Universidad, tengo 1 menos, por lo que tengo 4.
Si soy empresario tengo 1 menos, por lo que tengo 4.
Si soy estudiante tengo 0.71 menos por lo que tengo 4.29
Graficas para la distribucion de botones, legibilidad y operaciones faciles de realizar
#distribucion de botones
plot_ly(forma, x = ~dist_botones, type = "histogram") %>%
layout(title = "Frecuencia de Distribucion de Botones")
#legibilidad
plot_ly(data = forma, x = ~legible, type = "histogram") %>%
layout(title = "Frecuencia de Legibilidad")
#operaciones faciles
plot_ly(data = forma, x = ~operaciones_faciles, type = "histogram") %>%
layout(title = "Frecuencia de Operaciones Faciles")