MARKDOWN SEBAS

IMAGEN 1

periodo<- seq(0,51)
periodo

##  [1]  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## [51] 50 51

ComprasOnline <- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/compraonline/compraOnlineMultiTimeline.csv", sep = ",", skip=2)

kable(head(ComprasOnline), align = "c")

semana	frecuencia
2020-01-05	4
2020-01-12	4
2020-01-19	4
2020-01-26	5
2020-02-02	3
2020-02-09	3

kable(tail(ComprasOnline), align = "c")

	semana	frecuencia
47	2020-11-22	9
48	2020-11-29	7
49	2020-12-06	8
50	2020-12-13	8
51	2020-12-20	6
52	2020-12-27	6

summary(ComprasOnline)

##     semana            frecuencia    
##  Length:52          Min.   :  3.00  
##  Class :character   1st Qu.:  6.00  
##  Mode  :character   Median :  7.00  
##                     Mean   : 12.40  
##                     3rd Qu.:  9.25  
##                     Max.   :100.00

attach(ComprasOnline)

g <- ggplot(ComprasOnline, aes(x=periodo, y=`frecuencia`, group = 1))
g + geom_line(col="blue", na.rm= TRUE)+
  ylab("Frecuencia de Búsqueda")+ xlab("Fechas del 2020")+
  scale_x_continuous(breaks = c(0, 5,8,12,16,21,25,29,34,38,42,47), labels=c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"))

detach(ComprasOnline)

IMAGEN 2

SuperEstat <- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/4ejemplos/4ejemplos2MultiTimeline.csv", sep = ",", skip=2)

kable(head(SuperEstat), align = "c")

Día	lidl.online	corte.inglés.online	mercadona.online	supermercado.online
2020-01-05	21	20	8	1
2020-01-12	17	14	9	1
2020-01-19	19	11	8	1
2020-01-26	17	12	10	1
2020-02-02	14	9	9	2
2020-02-09	14	8	9	2

kable(tail(SuperEstat), align = "c")

	Día	lidl.online	corte.inglés.online	mercadona.online	supermercado.online
43	2020-11-15	43	19	16	3
44	2020-11-29	55	20	12	3
45	2020-12-06	54	22	15	3
46	2020-12-13	40	26	15	3
47	2020-12-20	34	21	11	4
48	2020-12-27	36	24	16	2

summary(SuperEstat)

##      Día             lidl.online    corte.inglés.online mercadona.online
##  Length:48          Min.   :14.00   Min.   : 6.00       Min.   :  7.00  
##  Class :character   1st Qu.:23.00   1st Qu.:11.75       1st Qu.: 14.00  
##  Mode  :character   Median :36.00   Median :15.00       Median : 17.00  
##                     Mean   :36.08   Mean   :20.58       Mean   : 21.62  
##                     3rd Qu.:46.50   3rd Qu.:24.25       3rd Qu.: 21.50  
##                     Max.   :69.00   Max.   :69.00       Max.   :100.00  
##  supermercado.online
##  Min.   : 1.000     
##  1st Qu.: 2.000     
##  Median : 3.000     
##  Mean   : 6.229     
##  3rd Qu.: 4.000     
##  Max.   :69.000

#row.names("Lidl online", "Corte Inglés online", "Mercadona online", "Supermercado online")

attach(SuperEstat)

periodo<- seq(0,47)
periodo

##  [1]  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

g2 <- ggplot(SuperEstat, aes(x=periodo, y=`supermercado.online`, group = 1))
g2 + geom_line(col="red", na.rm= TRUE)+
  ylab("Frecuencia de Búsqueda")+ xlab("Meses del 2020") +
  geom_line(aes(y=`lidl.online`), col="yellow", na.rm = TRUE) +
  geom_line(aes(y=`corte.inglés.online`), col="green", na.rm = TRUE) +
  geom_line(aes(y=`mercadona.online`), col="blue", na.rm = TRUE) +
  annotate("text", label="Supermercado Online", x = 5, y= 0, size = 3, col="red")+
  annotate("text", label="Corte Ingés Online", x = 5, y= 12, size = 3, col="green")+
  annotate("text", label="Mercadona Online", x = 4, y= 6, size = 3, col="blue")+
  annotate("text", label="Lidl Online", x = 6, y= 19, size = 3, col="yellow")+
  scale_x_continuous(breaks = c(0, 5,8,12,16,21,25,29,34,38,42,47), labels=c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"))+
  ggtitle("Frecuencia y popularidad de búsqueda de todo el 2020")

#Al NO ser f mayor que 2.41, podemos aceptar la hipotesis de que con un intervalo de confianza del 95% a las distintas #cadenas de supermercados les ha ocurrido un patrón similar en el mundo Online.

IMAGEN 3

CorteInglesOnline <- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/CorteInglesOnlinemultiTimeline2.csv", sep = ",", skip=2)

periodo<- seq(0,51)
periodo

##  [1]  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## [51] 50 51

attach(CorteInglesOnline)


kable(head(CorteInglesOnline), align = "c")

Semana	corteInglesOnline
2020/01/05	24
2020/01/12	20
2020/01/19	16
2020/01/26	10
2020/02/02	14
2020/02/09	12

kable(tail(CorteInglesOnline), align = "c")

	Semana	corteInglesOnline
47	2020/11/22	37
48	2020/11/29	30
49	2020/12/06	40
50	2020/12/13	38
51	2020/12/20	30
52	2020/12/27	47

g <- ggplot(CorteInglesOnline, aes(x=periodo, y=`corteInglesOnline`, group = 1))
g + geom_line(col="red", na.rm= TRUE)+
  ylab("Frecuencia de Búsqueda del término Corte Inglés Online")+ xlab("Fechas del 2020")+
  scale_x_continuous(breaks = c(0, 4,9,12,16,21,25,29,35,40,45, 51), labels=c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"))+
  ggtitle("Frecuencia y popularidad de búsqueda de todo el 2020")

IMAGEN 4

AQUI SERÍA el SHINNY DE LAS COMUNIDADES de CANARIAS y ESPAÑA

IMAGEN 5

SparOnline <- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/sparonline/SparOnlineMultiTimeline.csv", sep = ",", skip=2)

kable(head(SparOnline), align = "c")

Semana	spar_online
2020-01-05	0
2020-01-12	10
2020-01-19	0
2020-01-26	0
2020-02-02	0
2020-02-09	0

kable(tail(SparOnline), align = "c")

	Semana	spar_online
47	2020-11-22	11
48	2020-11-29	0
49	2020-12-06	0
50	2020-12-13	11
51	2020-12-20	12
52	2020-12-27	0

attach(SparOnline)

## The following object is masked from CorteInglesOnline:
## 
##     Semana

periodo<- seq(0,51)
periodo

##  [1]  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## [51] 50 51

g <- ggplot(SparOnline, aes(x=periodo, y=`spar_online`, group = 1))
g + geom_line(col="red", na.rm= TRUE)+
  ylab("Frecuencia de Búsqueda del término Spar Online")+ xlab("Fechas del 2020")+
  scale_x_continuous(breaks = c(0, 5,8,12,16,21,25,29,34,38,44,51), labels=c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"))+
  ggtitle("Frecuencia y popularidad de búsqueda de todo el 2020")

#IMAGEN 6 SHINNY DEL SPAR EN TODA CANARIAS O ESPAÑA o si tal un mapa pintao cagao

IMAGEN 7

habitosConsumo<- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/750habitos_compra.csv", sep = ",", skip =3)

attach(habitosConsumo)

kable(head(habitosConsumo), align = "c")

Tipo.de.producto	Compran.Online.antes.de.la.Crisis	Compran.Online.después.de.la.Crisis
Productos de higiene personal	54	83
Productos de limpieza y droguería	43	74
Productos de alimentación envasada	38	71
Carnes-pescados-huevos-embutidos y quesos	17	50
Frutas y verduras	13	48
Pan	13	38

kable(tail(habitosConsumo), align = "c")

	Tipo.de.producto	Compran.Online.antes.de.la.Crisis	Compran.Online.después.de.la.Crisis
2	Productos de limpieza y droguería	43	74
3	Productos de alimentación envasada	38	71
4	Carnes-pescados-huevos-embutidos y quesos	17	50
5	Frutas y verduras	13	48
6	Pan	13	38
7	Agua y bebidas	43	78

mean(Compran.Online.antes.de.la.Crisis)

## [1] 31.57143

mean(Compran.Online.después.de.la.Crisis)

## [1] 63.14286

#Compras online antes de la pandemia.
barplot(c(Compran.Online.antes.de.la.Crisis), name= c("Higiene", "Droguería", "Comida Envasada", "Carne, Pescado", "Frutas y verduras", "Pan", "Agua y bebidas"), col="Blue", main="Compras onlines antes de la pandemia.",
        xlab="Compras online antes de la pandemia",
        ylab="Frecuencia")

#Compras onlines después de la pandemia.
barplot(c(Compran.Online.después.de.la.Crisis), name= c("Higiene", "Droguería", "Comida Envasada", "Carne, Pescado", "Frutas y verduras", "Pan", "Agua y bebidas"), col="Green", main="Compras onlines después de la pandemia",
        xlab="Compras online después de la pandemia",
        ylab="Frecuencia")

################################################################################

df2 <- data.frame(Categorías=c("Higiene", "Droguería", "Comida Envasada", "Carne, Pescado", "Frutas y verduras", "Pan", "Agua y bebidas"),
                  antes=Compran.Online.antes.de.la.Crisis, después=Compran.Online.después.de.la.Crisis)


a<-ggplot(data=df2, aes(x=Categorías, y=antes, col=Categorías, fill=Categorías)) +
  geom_bar(stat="identity")
a

d<-ggplot(data=df2, aes(x=Categorías, y=después, col=Categorías, fill=Categorías)) +
  geom_bar(stat="identity")
d

################################################################################

antesydespues<- c(Compran.Online.antes.de.la.Crisis, Compran.Online.después.de.la.Crisis)

categoría <- c("Higiene", "Droguería", "Comida Envasada", "Carne, Pescado", "Frutas y verduras",
               "Pan", "Agua y Bebidas", "Higiene", "Droguería", "Comida Envasada", "Carne, Pescado", "Frutas y verduras",
               "Pan", "Agua y Bebidas")
periodo <- c(rep("Antes", 7), rep("Despues", 7))

d <- data.frame(antesydespues, categoría, periodo)
g9 <- ggplot(d, aes(x=categoría, y = antesydespues, fill = categoría)) +
  geom_bar(position = "dodge", stat = "identity") + facet_wrap(~periodo)

g9

################################################################################

d <- data.frame(antesydespues, categoría, periodo)
g10 <- ggplot(d, aes(x=periodo, y = antesydespues, fill = periodo)) +
  geom_bar(position = "dodge", stat = "identity") + facet_wrap(~categoría)
g10

################################################################################

diferencia<-Compran.Online.después.de.la.Crisis-Compran.Online.antes.de.la.Crisis
diferencia

## [1] 29 31 33 33 35 25 35

porcentajeAntes<- Compran.Online.antes.de.la.Crisis/750*100
porcentajeDespués<- Compran.Online.después.de.la.Crisis/750*100

diferenciaPorcentajes<- porcentajeDespués-porcentajeAntes   
diferenciaPorcentajes

## [1] 3.866667 4.133333 4.400000 4.400000 4.666667 3.333333 4.666667

################################################################################

#INTERVALO DE CONFIANZA

datos<-data.frame(variable=c(Compran.Online.antes.de.la.Crisis, Compran.Online.después.de.la.Crisis))
grupo<-factor(c(rep(1, length(Compran.Online.antes.de.la.Crisis)), rep(2, length(Compran.Online.después.de.la.Crisis))))

attach(datos)
ANOVA<-aov(variable~grupo, data=datos)
summary(ANOVA)

##             Df Sum Sq Mean Sq F value  Pr(>F)   
## grupo        1   3489    3489   11.84 0.00489 **
## Residuals   12   3537     295                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ANOVA$fitted.values

##        1        2        3        4        5        6        7        8 
## 31.57143 31.57143 31.57143 31.57143 31.57143 31.57143 31.57143 63.14286 
##        9       10       11       12       13       14 
## 63.14286 63.14286 63.14286 63.14286 63.14286 63.14286

qf(0.95, 1, length(Compran.Online.después.de.la.Crisis)*2-2)

## [1] 4.747225

IMAGEN 8

guanxe <- read.csv("~/ME/TRABAJO_FINAL_DE_CURSO_ME/guanxe/guanxeMultiTimeline.csv", sep = ",", skip=2)

kable(head(guanxe), align = "c")

Semana	guanxe
2020-01-12	0
2020-01-19	0
2020-01-26	0
2020-02-02	0
2020-02-09	0
2020-02-16	0

kable(tail(guanxe), align = "c")

	Semana	guanxe
47	2020-11-29	9
48	2020-12-06	19
49	2020-12-13	19
50	2020-12-20	44
51	2020-12-27	100
52	2021-01-03	63

summary(guanxe)

##     Semana              guanxe       
##  Length:52          Min.   :  0.000  
##  Class :character   1st Qu.:  0.000  
##  Mode  :character   Median :  3.000  
##                     Mean   :  7.846  
##                     3rd Qu.:  9.000  
##                     Max.   :100.000

attach(guanxe)

## The following object is masked _by_ .GlobalEnv:
## 
##     guanxe

## The following object is masked from SparOnline:
## 
##     Semana

## The following object is masked from CorteInglesOnline:
## 
##     Semana

periodo<- seq(0,51)
periodo

##  [1]  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## [51] 50 51

g <- ggplot(guanxe, aes(x=periodo, y=`guanxe`, group = 1))
g + geom_line(col="blue", na.rm= TRUE)+
  ylab("Guanxe")+ xlab("Fechas del 2020")+
  scale_x_continuous(breaks = c(0, 3,7,12,16,21,25,29,34,38,42,47), labels=c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"))+
  ggtitle("Frecuencia y popularidad de búsqueda de todo el 2020")