Pregunta 1

Limpie el environment y cargue los paquetes necesarios para trabajar. (2 puntos)

rm(list=ls())
library(data.table)
library(ggplot2)
library(janitor)
library(plotly)
library(RColorBrewer)
library(tidyverse)

Pregunta 2

Cargue la base de datos de hogares de la Encuesta Origen y Destino. Debe utilizar el encoding Latin-1 para que se lean los tílde. Pista: una de las opciones de la función fread es encoding. Debe ir después de una coma, después del nombre del archivo y dentro de paréntesis. Recuerde que también puede revisar las opciones con ?fread. (5 puntos)

Base_Hogares <- fread("C:/Users/Constanza/Downloads/Base_Hogares.csv", encoding="Latin-1")

Pregunta 3

Realice un histograma con ggplot que muestre la distribución del ingreso de los hogares para las macrozonas del Gran Valparaíso. Es decir, un histograma para cada comuna, pero en un mismo gráfico. Además, limite el ingreso a menos de 2000000. (8 puntos)

ggplot(Base_Hogares[IngresoHogar<2000000], aes(x=IngresoHogar)) + geom_histogram() + facet_wrap(facets="comunahg")

Pregunta 4

Usando la base de hogares, cree el objeto ingprom, que contenga el ingreso promedio de los hogares en cada macro-zona. (5 puntos)

ingprom<-Base_Hogares[,mean(IngresoHogar), by="Macrozonahg"]
colnames(ingprom)<-c("Macrozonahg","Ingreso_promedio")

Pregunta 5

Realice un gráfico que permita ver el ingreso promedio de los hogares por macro-zona. (10 puntos)

ggplot(ingprom, aes(x=Macrozonahg, y=Ingreso_promedio)) + geom_col()

Pregunta 6

Agregar etiquetas a los ejes, título, subtítulo y fuente al gráfico anterior. Además, deje de manera legible las categorías del eje x. (7 puntos)

ggplot(ingprom, aes(x=Macrozonahg, y=Ingreso_promedio, fill=Macrozonahg)) + geom_col() +labs(x="", y="Ingreso promedio", title="Ingreso promedio de los hogares" , subtitle = "Por macro-zona", caption = "Fuente: Encuesta Origen y Destino") + theme(axis.text.x = element_blank()) + scale_fill_discrete(name="Macro-zona")

Pregunta 7

Cargue la base de datos de locales hamburguesas para analizar donde se encuentra la competencia. (2 puntos)

Restaurantes <- fread("C:/Users/Constanza/Downloads/restaurantes.csv")

Pregunta 8

Cree un scatter-plot (gráfico de puntos) con ggplot que muestre la relación entre el número de comentarios (reviews) (eje x) y el rating (eje y), de manera de que los puntos de cada comuna tomen un color distinto. (10 puntos)

ggplot(Restaurantes,aes(x=reviews, y=rating, color=COMUNA)) + geom_point()

Pregunta 9

Ahora queremos analizar el nivel de competencia que existe por macrozona. Para realizar esto, debe crear un identificador de competencia para cada macrozona. El indicador esta definido como: reviews∗rating/1000 para cada macrozona. (4 puntos) Pista: Considere que el indicador debe ser el promedio para cada macrozona y que debe remover los NA en caso de que existan.

Restaurantes[,indicador:=reviews*rating/1000]
Restaurantes[,indicador_competencia:=mean(indicador, na.rm=T),by= MacrozonaOrigen1]

Pregunta 10

Dado este primer análisis exploratorio,

¿Dónde es más conveniente abrir el nuevo local de hamburguesas? Justifique su respuesta. (6 puntos)

Restaurantes[,min(indicador_competencia)]
## [1] 0.007

Es más conveniente abrir el nuevo local en la macro-zona de El Belloto, en la comuna de Quilpué, ya que allí es donde el indicador de competencia es más bajo porque donde no existe ningún otro local.

¿Qué agregaría/modificaría a este análisis para poder dar una respuesta más robusta? (6 puntos)

Agregaríamos una variable que corresponda a la población de cada macrozona para que al analizar la competencia sea más fidedigno. El número de reviews sería una herramienta más completa si sabemos cuántas personas viven en esa zona, ya que quizás un restaurant tiene muchos reviews en comparación con otro de otra zona, pero porcentualmente, los reviews del primer restaurant son muy pocos (basándose en la población de la zona) en comparación con los del otro restaurant que es de una zona más pequeña.