Objetivo

Desarrollar una interpretacion de datos a partir de muestras simuladas mediante una distribuicion de frecuencias y visualizacion grafica de datos cualitativos.

Descripcion

Desarrollar una interpretacion de datos a partir de la creacion de distribuiciones de frecuencias y visualizacion de datos de tres ejercicios con datos cualitativos.

La visualizacion de datos mediante grafica de barra y de pastel respectivamente y la interpretacion del caso para cada ejercicio incluye responder a las cuestiones particulares de cada ejercicio.

Marco teorico

Pendiente

Desarrollo

Ejercicio 1

Los datoss son simmulados a partir de nombres de refrescos de una muestra de 50 compras que hicieron 50 clientes y se les prefunto que refresco compraron. La version del caso original se encuentra en el ejercicio de la distribuicion de una muestra de compra de refrescos del libro de Anderson, Sweeney & Williams (2008)

Datos

Se crean un vector con una muestra de 50 tipos de refrescos

datos <- c("Coke Classic",  "Sprite",  "Pepsi", "Diet Coke",  "Coke Classic", "Coke Classic", "Pepsi",  "Diet Coke",  "Coke Classic", "Diet Coke",  "Coke Classic",  "Coke Classic", "Coke Classic",  "Diet Coke",  "Pepsi", "Coke Classic",  "Coke Classic",  "Dr. Pepper", "Dr. Pepper",  "Sprite",  "Coke Classic", "Diet Coke",  "Pepsi",  "Diet Coke", "Pepsi",  "Coke Classic",  "Pepsi", "Pepsi",  "Coke Classic",  "Pepsi", "Coke Classic",  "Coke Classic",  "Pepsi", "Dr. Pepper",  "Pepsi",  "Pepsi", "Sprite",  "Coke Classic",  "Coke Classic", "Coke Classic",  "Sprite",  "Dr. Pepper", "Diet Coke",  "Dr. Pepper",  "Pepsi", "Coke Classic",  "Pepsi",  "Sprite", "Coke Classic",  "Diet Coke")

datos
##  [1] "Coke Classic" "Sprite"       "Pepsi"        "Diet Coke"    "Coke Classic"
##  [6] "Coke Classic" "Pepsi"        "Diet Coke"    "Coke Classic" "Diet Coke"   
## [11] "Coke Classic" "Coke Classic" "Coke Classic" "Diet Coke"    "Pepsi"       
## [16] "Coke Classic" "Coke Classic" "Dr. Pepper"   "Dr. Pepper"   "Sprite"      
## [21] "Coke Classic" "Diet Coke"    "Pepsi"        "Diet Coke"    "Pepsi"       
## [26] "Coke Classic" "Pepsi"        "Pepsi"        "Coke Classic" "Pepsi"       
## [31] "Coke Classic" "Coke Classic" "Pepsi"        "Dr. Pepper"   "Pepsi"       
## [36] "Pepsi"        "Sprite"       "Coke Classic" "Coke Classic" "Coke Classic"
## [41] "Sprite"       "Dr. Pepper"   "Diet Coke"    "Dr. Pepper"   "Pepsi"       
## [46] "Coke Classic" "Pepsi"        "Sprite"       "Coke Classic" "Diet Coke"
Numero de elementos
n <- length(datos)
n
## [1] 50

Frecuencia de cada clase

Utilizando una funcion que se llama table() que cuenta los elemengos de cada clase

frecuencias <-  table(datos)
frecuencias
## datos
## Coke Classic    Diet Coke   Dr. Pepper        Pepsi       Sprite 
##           19            8            5           13            5

Interpretacion del ejercicio 1

Constestar de manera descriptiva cada una de las siguientes preguntas:

    1. ¿Cual es el refresco más comprado y su frecuencia de clase?
    1. ¿Cuál es el refresco menos comprado y su frecuencia de clase?
    1. ¿Cuáles son las frecuencias relativas en cada refresco?
    1. ¿Cuales son los procentajes de refresocs más y menos comprados?
    1. Que representa la tabla de distribución de frecuencias, la gráfica de barra y gráfica de pasel?
    1. Aspectos generales del caso: ¿qué aprendizajes se obtuvieron?, ¿qué deja el caso?, * ¿qué habilidades se desarrollan?, ¿qué formación se obtiene? , entre otras.
Respuestas:
    1. coke classic.
    1. Dr. Pepper.
    1. coke classic: 19-50, Diet coke: 8-50, Dr.Pepper: 5-50, Pepsi: 13-50, Sprite: 5-50.
    1. coke classic tienen mas porcentaje de venta que dr. pepper por que es un refresco mas popular.
    1. Muestra el porcentaje de ventas de todos los refrescos.
    1. ¿qué aprendizajes se obtuvieron? se aprendio un metodo para sacar porcentajes ¿qué deja el caso? deja un aprendisaje en el manejo de codigos ¿qué habilidades se desarrollan? aprendes a sacar una estadistica en cuenstion de comparacion

Referencias bibliograficas

Anderson, D., Sweeney, D., & Williams, T. (2008). Estadística para administración y economía Estadística para administración y economía. 10a. Edición. México, D.F: Cengage Learning Editores,S.A. de C.V.

Mendenhall, W., Beaver, R. J., & Beaver, B. M. (2010). Introducción a la probabilidad y estadística. México, D.F.: Cengage Learning Editores, S.A. de C.V.

Walpole, R., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probabilidad y estadística para Ingeniería y Ciencias. Octava Edición (Octava Edición ed.). México: Prentice Hill. Pearson Educación.

Walpole, R., Myers, R., Myers, S., & Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias (Novena Edición ed.). Cd. México: Pearson.