Actividad2.1_2.2_2.3

RECURSOS HUMANOS

ENTREGABLE 2.1

Insertar Base de Datos

rhdata <- read.csv("/Users/mac/Downloads/RHDATA.csv")
summary (rhdata)

##  No..De.Empleado   APELLIDOS            NOMBRE          AÑO.NACIMIENTO
##  Min.   :  1.00   Length:122         Length:122         Min.   :1949  
##  1st Qu.: 24.75   Class :character   Class :character   1st Qu.:1977  
##  Median : 48.50   Mode  :character   Mode  :character   Median :1989  
##  Mean   : 56.88                                         Mean   :1986  
##  3rd Qu.: 82.00                                         3rd Qu.:1997  
##  Max.   :148.00                                         Max.   :2022  
##  NA's   :30                                             NA's   :9     
##    GENERO.ID        GENERO              RFC             AÑO.DE.ALTA  
##  Min.   :1.000   Length:122         Length:122         Min.   :2010  
##  1st Qu.:1.000   Class :character   Class :character   1st Qu.:2020  
##  Median :1.000   Mode  :character   Mode  :character   Median :2022  
##  Mean   :1.451                                         Mean   :2021  
##  3rd Qu.:2.000                                         3rd Qu.:2022  
##  Max.   :2.000                                         Max.   :2022  
##  NA's   :9                                             NA's   :10    
##    Primer.mes      X4to.mes         BAJA       PUESTO.ID     
##  Min.   :2000   Min.   :2010   Min.   :3     Min.   : 0.000  
##  1st Qu.:2020   1st Qu.:2020   1st Qu.:3     1st Qu.: 3.000  
##  Median :2022   Median :2022   Median :3     Median : 3.000  
##  Mean   :2020   Mean   :2021   Mean   :3     Mean   : 6.575  
##  3rd Qu.:2022   3rd Qu.:2022   3rd Qu.:3     3rd Qu.: 6.000  
##  Max.   :2022   Max.   :2022   Max.   :3     Max.   :24.000  
##  NA's   :11     NA's   :11     NA's   :109   NA's   :9       
##     PUESTO          DEPARTAMENTO       NO.SEGURO.SOCIAL   SALARIO.DIARIO.IMSS
##  Length:122         Length:122         Length:122         Min.   :144.4      
##  Class :character   Class :character   Class :character   1st Qu.:176.7      
##  Mode  :character   Mode  :character   Mode  :character   Median :180.7      
##                                                           Mean   :179.1      
##                                                           3rd Qu.:180.7      
##                                                           Max.   :337.1      
##                                                           NA's   :9          
##  FACTOR.CRED.INFONAVIT N..CREDITO.INFONAVIT LUGAR.DE.NACIMIENTO
##  Length:122            Length:122           Length:122         
##  Class :character      Class :character     Class :character   
##  Mode  :character      Mode  :character     Mode  :character   
##                                                                
##                                                                
##                                                                
##                                                                
##      CURP              CALLE           NUMERO.INTERNO       COLONIA         
##  Length:122         Length:122         Length:122         Length:122        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##   MUNICIPIO            ESTADO          CODIGO.POSTAL   ESTADO.CIVIL      
##  Length:122         Length:122         Min.   :25016   Length:122        
##  Class :character   Class :character   1st Qu.:66640   Class :character  
##  Mode  :character   Mode  :character   Median :66646   Mode  :character  
##                                        Mean   :63365                     
##                                        3rd Qu.:66649                     
##                                        Max.   :67493                     
##                                        NA's   :9                         
##  TARJETA....CUENTA     X             X.1         
##  Length:122         Mode:logical   Mode:logical  
##  Class :character   NA's:122       NA's:122      
##  Mode  :character                                
##                                                  
##                                                  
##                                                  
## 

Instalar librerias

# install.packages("tidyverse")
library(tidyverse)

## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.4 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.0      ✔ stringr 1.4.1 
## ✔ readr   2.1.2      ✔ forcats 0.5.2 
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

# install.packages("janitor")
library(janitor)

## 
## Attaching package: 'janitor'
## 
## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test

tabyl(rhdata, PUESTO, GENERO)

##                           PUESTO FEMENINO MASCULINO emptystring_
##                                         0         0            9
##        AYUDANTE DE MANTENIMIENTO        0         1            0
##                 Ayudante general        0         1            0
##                 AYUDANTE GENERAL       43        23            0
##                           CHOFER        0         4            0
##                    CHOFER GESTOR        0         1            0
##                        COSTURERA        9         1            0
##             CUSTOMER SERVICE INF        0         1            0
##                        ENFERMERA        1         0            0
##                          Externo        0         1            0
##                          EXTERNO        0         1            0
##                           GESTOR        0         1            0
##             GUARDIA DE SEGURIDAD        0         1            0
##             INSPECTOR DE CALIDAD        2         0            0
##                            LIDER        1         0            0
##                         LIMPIEZA        1         0            0
##                    MANTENIMIENTO        0         1            0
##                   MONTACARGUISTA        0         1            0
##                             MOZO        0         1            0
##  OP. FLEXO-RANURADORA-REFILADORA        0         1            0
##                  OPERADOR SIERRA        0         1            0
##                           PINTOR        0         1            0
##                           RECIBO        1         0            0
##                        RESIDENTE        0         4            0
##                         SOLDADOR        0         5            0
##             Supervisor de Máquin        0         1            0
##             Supervisor de pegado        1         0            0
##                      SUPERVISORA        2         0            0

Número de variables y registros en base de datos

library(psych)

## 
## Attaching package: 'psych'

## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha

describe(rhdata)

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

##                        vars   n     mean       sd   median  trimmed   mad
## No..De.Empleado           1  92    56.88    40.06    48.50    53.68 40.77
## APELLIDOS*                2 122    51.30    33.32    49.50    50.88 42.25
## NOMBRE*                   3 122    51.33    33.13    51.50    51.14 42.25
## AÑO.NACIMIENTO            4 113  1986.11    13.41  1989.00  1986.78 14.83
## GENERO.ID                 5 113     1.45     0.50     1.00     1.44  0.00
## GENERO*                   6 122     2.35     0.62     2.00     2.41  0.74
## RFC*                      7 122    53.80    34.89    53.50    53.50 45.22
## AÑO.DE.ALTA               8 112  2020.56     2.53  2022.00  2021.18  0.00
## Primer.mes                9 111  2020.49     3.08  2022.00  2021.21  0.00
## X4to.mes                 10 111  2020.79     2.35  2022.00  2021.39  0.00
## BAJA                     11  13     3.00     0.00     3.00     3.00  0.00
## PUESTO.ID                12 113     6.58     6.44     3.00     5.29  0.00
## PUESTO*                  13 122     7.92     7.52     4.00     6.55  0.00
## DEPARTAMENTO*            14 122     8.58     7.87     6.00     7.96  7.41
## NO.SEGURO.SOCIAL*        15 122    52.87    34.78    52.50    52.50 45.22
## SALARIO.DIARIO.IMSS      16 113   179.06    24.29   180.68   177.00  0.00
## FACTOR.CRED.INFONAVIT*   17 122     3.91     2.44     6.00     4.01  0.00
## N..CREDITO.INFONAVIT*    18 122     3.91     2.44     6.00     4.01  0.00
## LUGAR.DE.NACIMIENTO*     19 122    14.34    13.52    11.00    13.22 14.83
## CURP*                    20 122    53.80    34.89    53.50    53.50 45.22
## CALLE*                   21 122    50.00    31.74    50.50    49.88 40.03
## NUMERO.INTERNO*          22 122    31.38    26.87    28.50    29.62 40.03
## COLONIA*                 23 122    37.52    21.63    43.50    38.04 21.50
## MUNICIPIO*               24 122     3.39     2.39     2.00     3.01  0.00
## ESTADO*                  25 122     4.73     1.38     5.00     5.00  0.00
## CODIGO.POSTAL            26 113 63364.74 11201.89 66646.00 66622.84  4.45
## ESTADO.CIVIL*            27 122     3.20     1.29     4.00     3.21  1.48
## TARJETA....CUENTA*       28 122     2.02     0.42     2.00     2.00  0.00
## X                        29   0      NaN       NA       NA      NaN    NA
## X.1                      30   0      NaN       NA       NA      NaN    NA
##                             min      max   range  skew kurtosis      se
## No..De.Empleado            1.00   148.00   147.0  0.60    -0.67    4.18
## APELLIDOS*                 1.00   110.00   109.0  0.08    -1.24    3.02
## NOMBRE*                    1.00   108.00   107.0  0.01    -1.28    3.00
## AÑO.NACIMIENTO          1949.00  2022.00    73.0 -0.37    -0.47    1.26
## GENERO.ID                  1.00     2.00     1.0  0.19    -1.98    0.05
## GENERO*                    1.00     3.00     2.0 -0.38    -0.70    0.06
## RFC*                       1.00   114.00   113.0  0.04    -1.27    3.16
## AÑO.DE.ALTA             2010.00  2022.00    12.0 -2.35     5.44    0.24
## Primer.mes              2000.00  2022.00    22.0 -3.65    17.55    0.29
## X4to.mes                2010.00  2022.00    12.0 -2.57     6.81    0.22
## BAJA                       3.00     3.00     0.0   NaN      NaN    0.00
## PUESTO.ID                  0.00    24.00    24.0  1.54     0.86    0.61
## PUESTO*                    1.00    28.00    27.0  1.51     0.80    0.68
## DEPARTAMENTO*              1.00    22.00    21.0  0.41    -1.51    0.71
## NO.SEGURO.SOCIAL*          1.00   113.00   112.0  0.05    -1.28    3.15
## SALARIO.DIARIO.IMSS      144.45   337.05   192.6  3.42    17.64    2.28
## FACTOR.CRED.INFONAVIT*     1.00     6.00     5.0 -0.33    -1.88    0.22
## N..CREDITO.INFONAVIT*      1.00     6.00     5.0 -0.33    -1.88    0.22
## LUGAR.DE.NACIMIENTO*       1.00    42.00    41.0  0.40    -1.35    1.22
## CURP*                      1.00   114.00   113.0  0.04    -1.27    3.16
## CALLE*                     1.00   105.00   104.0 -0.01    -1.25    2.87
## NUMERO.INTERNO*            1.00    80.00    79.0  0.29    -1.36    2.43
## COLONIA*                   1.00    74.00    73.0 -0.31    -1.17    1.96
## MUNICIPIO*                 1.00    10.00     9.0  1.24     0.22    0.22
## ESTADO*                    1.00     6.00     5.0 -1.71     1.93    0.12
## CODIGO.POSTAL          25016.00 67493.00 42477.0 -3.06     7.42 1053.79
## ESTADO.CIVIL*              1.00     5.00     4.0 -0.11    -1.43    0.12
## TARJETA....CUENTA*         1.00     3.00     2.0  0.17     2.70    0.04
## X                           Inf     -Inf    -Inf    NA       NA      NA
## X.1                         Inf     -Inf    -Inf    NA       NA      NA

str(rhdata)

## 'data.frame':    122 obs. of  30 variables:
##  $ No..De.Empleado      : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ APELLIDOS            : chr  "MARTINEZ DE LOERA" "DE LEON MORENO" "HERNANDEZ CERVANTES" "CAZARES MORALES" ...
##  $ NOMBRE               : chr  "NICOLAS" "MARIANA" "JOSE LUIS" "MARIA" ...
##  $ AÑO.NACIMIENTO       : int  1955 1979 1949 1990 1965 1984 1967 1996 1995 1985 ...
##  $ GENERO.ID            : int  1 2 1 1 1 2 1 2 2 1 ...
##  $ GENERO               : chr  "MASCULINO" "FEMENINO" "MASCULINO" "FEMENINO" ...
##  $ RFC                  : chr  "MALN550910338" "LEMM7905148GA" "HECL4911213X3" "CAMM9005019S8" ...
##  $ AÑO.DE.ALTA          : int  2010 2011 2011 2013 2014 2014 2015 2016 2017 2017 ...
##  $ Primer.mes           : int  2010 2011 NA 2013 2014 2014 2015 2016 2017 2017 ...
##  $ X4to.mes             : int  2010 2011 NA 2013 2014 2014 2015 2016 2017 2017 ...
##  $ BAJA                 : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ PUESTO.ID            : int  23 22 0 24 24 7 6 3 3 6 ...
##  $ PUESTO               : chr  "Supervisor de Máquin" "Supervisor de pegado" "Externo" "SUPERVISORA" ...
##  $ DEPARTAMENTO         : chr  "Produccion Cartón MDL" "Produccion Cartón MDL" "Externo" "Produccion Cartón MC" ...
##  $ NO.SEGURO.SOCIAL     : chr  "43745527937" "43127902955" "2184909675" "43089001317" ...
##  $ SALARIO.DIARIO.IMSS  : num  177 177 177 337 177 ...
##  $ FACTOR.CRED.INFONAVIT: chr  "" "" "" "" ...
##  $ N..CREDITO.INFONAVIT : chr  "" "" "" "" ...
##  $ LUGAR.DE.NACIMIENTO  : chr  "" "" "" "" ...
##  $ CURP                 : chr  "MALN550910HZSRRC09" "LEMM790514MCLNRR09" "HECL491121HJCRRS04" "CAMM900501MVZZRR00" ...
##  $ CALLE                : chr  "JOSE I LUGO" "44682" "HACIENDA SAN CRISTOBAL" "RIO ACAPONETA" ...
##  $ NUMERO.INTERNO       : chr  "" "115" "" "" ...
##  $ COLONIA              : chr  "UNIDAD LABORAL" "SANTA TERESITA" "VILLAS DE HUINALA" "PUEBLO NUEVO" ...
##  $ MUNICIPIO            : chr  "SAN NICOLAS DE LOS G" "APODACA" "APODACA" "APODACA" ...
##  $ ESTADO               : chr  "Nuevo León" "Nuevo León" "Nuevo León" "Nuevo León" ...
##  $ CODIGO.POSTAL        : int  66440 66605 66634 66649 66620 25016 66633 66649 25290 66473 ...
##  $ ESTADO.CIVIL         : chr  "Soltero" "Soltero" "Soltero" "Casado" ...
##  $ TARJETA....CUENTA    : chr  "BANORTE" "BANORTE" "BANORTE" "BANORTE" ...
##  $ X                    : logi  NA NA NA NA NA NA ...
##  $ X.1                  : logi  NA NA NA NA NA NA ...

Tipos de Variables Existentes

Variable<-c("`No..De.Empleado`","`APELLIDOS`","`NOMBRE`","`AÑO.NACIMIENTO`","`GENERO`","`RFC`","`AÑO.DE.ALTA`","`Primer.mes`","`X4to.mes`","`BAJA`","`PUESTO`","`DEPARTAMENTO`","`NO.SEGURO.SOCIAL`","`SALARIO.DIARIO.IMSS`","`FACTOR.CRED.INFONAVIT`","`N..CREDITO.INFONAVIT`","`LUGAR.DE.NACIMIENTO`","`CURP`","`CALLE`","`NUMERO.INTERNO`","`COLONIA`","`MUNICIPIO`","`ESTADO`","`CODIGO.POSTAL`","`ESTADO.CIVIL`","`TARJETA....CUENTA `")
Type<-c("cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cualitativa (nominal)", "cualitativa (nominal)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cuantitativa (discreta)", "cualitativa (nominal)", "cualitativa (nominal)","cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativa (nominal)", "cualitativo (nominal)", "cualitativo (nominal)", "cualitativo (nominal)") 
table<-data.frame(Variable,Type)
knitr::kable(table)

Variable	Type
No..De.Empleado	cualitativa (nominal)
APELLIDOS	cualitativa (nominal)
NOMBRE	cualitativa (nominal)
AÑO.NACIMIENTO	cualitativa (nominal)
GENERO	cualitativa (nominal)
RFC	cualitativa (nominal)
AÑO.DE.ALTA	cuantitativa (discreta)
Primer.mes	cuantitativa (discreta)
X4to.mes	cuantitativa (discreta)
BAJA	cuantitativa (discreta)
PUESTO	cualitativa (nominal)
DEPARTAMENTO	cualitativa (nominal)
NO.SEGURO.SOCIAL	cuantitativa (discreta)
SALARIO.DIARIO.IMSS	cuantitativa (discreta)
FACTOR.CRED.INFONAVIT	cuantitativa (discreta)
N..CREDITO.INFONAVIT	cuantitativa (discreta)
LUGAR.DE.NACIMIENTO	cualitativa (nominal)
CURP	cualitativa (nominal)
CALLE	cualitativa (nominal)
NUMERO.INTERNO	cualitativa (nominal)
COLONIA	cualitativa (nominal)
MUNICIPIO	cualitativa (nominal)
ESTADO	cualitativa (nominal)
CODIGO.POSTAL	cualitativo (nominal)
ESTADO.CIVIL	cualitativo (nominal)
TARJETA....CUENTA	cualitativo (nominal)

Escala de Medición por Variable

Variable<-c("`No..De.Empleado`","`APELLIDOS`","`NOMBRE`","`AÑO.NACIMIENTO`","`GENERO`","`RFC`","`AÑO.DE.ALTA`","`Primer.mes`","`X4to.mes`","`BAJA`","`PUESTO`","`DEPARTAMENTO`","`NO.SEGURO.SOCIAL`","`SALARIO.DIARIO.IMSS`","`FACTOR.CRED.INFONAVIT`","`N..CREDITO.INFONAVIT`","`LUGAR.DE.NACIMIENTO`","`CURP`","`CALLE`","`NUMERO.INTERNO`","`COLONIA`","`MUNICIPIO`","`ESTADO`","`CODIGO.POSTAL`","`ESTADO.CIVIL`","`TARJETA....CUENTA `")
Tipo_medicion <- c("N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "MXN PESO", "MXN PESO", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A", "N/A")
table<-data.frame(Variable,Tipo_medicion)
knitr::kable(table)

Variable	Tipo_medicion
No..De.Empleado	N/A
APELLIDOS	N/A
NOMBRE	N/A
AÑO.NACIMIENTO	N/A
GENERO	N/A
RFC	N/A
AÑO.DE.ALTA	N/A
Primer.mes	N/A
X4to.mes	N/A
BAJA	N/A
PUESTO	N/A
DEPARTAMENTO	N/A
NO.SEGURO.SOCIAL	N/A
SALARIO.DIARIO.IMSS	MXN PESO
FACTOR.CRED.INFONAVIT	MXN PESO
N..CREDITO.INFONAVIT	N/A
LUGAR.DE.NACIMIENTO	N/A
CURP	N/A
CALLE	N/A
NUMERO.INTERNO	N/A
COLONIA	N/A
MUNICIPIO	N/A
ESTADO	N/A
CODIGO.POSTAL	N/A
ESTADO.CIVIL	N/A
TARJETA....CUENTA	N/A

Técnicas de Limpieza

Técnia 1. Remover columna irrelevante

Eliminar columnas: Se realizó esta técnica debido a que se necesitaba crear una nueva base de datos con unicamente las columnas relevantes, por lo tanto se decidió eliminar las que no brindaban mucha información al reto.

rhdata <- subset (rhdata,select = -c(BAJA, FACTOR.CRED.INFONAVIT, N..CREDITO.INFONAVIT,X, X.1, No..De.Empleado, RFC, LUGAR.DE.NACIMIENTO, CURP, CALLE, NUMERO.INTERNO, COLONIA, TARJETA....CUENTA ))

Técnica 2. Valores faltantes

Para la segunda técnica empleada, se deciden eliminar los registros sin valor encontrados en la base de datos actualizada. Por lo tanto, primero se necesita buscar los datos faltantes en la base de datos, luego identificarlos en las variables para despues eliminarlos, pues una celda sin datos es irrelevante en la investigación.

¿Cuántos NA tengo en la base de datos?

sum(is.na(rhdata))

## [1] 77

¿Cuántos NA tengo por variable?

sapply(rhdata, function(x) sum (is.na(x)))

##           APELLIDOS              NOMBRE      AÑO.NACIMIENTO           GENERO.ID 
##                   0                   0                   9                   9 
##              GENERO         AÑO.DE.ALTA          Primer.mes            X4to.mes 
##                   0                  10                  11                  11 
##           PUESTO.ID              PUESTO        DEPARTAMENTO    NO.SEGURO.SOCIAL 
##                   9                   0                   0                   0 
## SALARIO.DIARIO.IMSS           MUNICIPIO              ESTADO       CODIGO.POSTAL 
##                   9                   0                   0                   9 
##        ESTADO.CIVIL 
##                   0

Borrar todos los registros NA de una tabla

rhdata <- na.omit(rhdata)
summary(rhdata)

##   APELLIDOS            NOMBRE          AÑO.NACIMIENTO   GENERO.ID    
##  Length:110         Length:110         Min.   :1955   Min.   :1.000  
##  Class :character   Class :character   1st Qu.:1977   1st Qu.:1.000  
##  Mode  :character   Mode  :character   Median :1989   Median :1.000  
##                                        Mean   :1986   Mean   :1.455  
##                                        3rd Qu.:1997   3rd Qu.:2.000  
##                                        Max.   :2022   Max.   :2.000  
##     GENERO           AÑO.DE.ALTA     Primer.mes      X4to.mes   
##  Length:110         Min.   :2010   Min.   :2010   Min.   :2010  
##  Class :character   1st Qu.:2020   1st Qu.:2020   1st Qu.:2020  
##  Mode  :character   Median :2022   Median :2022   Median :2022  
##                     Mean   :2021   Mean   :2021   Mean   :2021  
##                     3rd Qu.:2022   3rd Qu.:2022   3rd Qu.:2022  
##                     Max.   :2022   Max.   :2022   Max.   :2022  
##    PUESTO.ID         PUESTO          DEPARTAMENTO       NO.SEGURO.SOCIAL  
##  Min.   : 1.000   Length:110         Length:110         Length:110        
##  1st Qu.: 3.000   Class :character   Class :character   Class :character  
##  Median : 3.000   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 6.727                                                           
##  3rd Qu.: 6.000                                                           
##  Max.   :24.000                                                           
##  SALARIO.DIARIO.IMSS  MUNICIPIO            ESTADO          CODIGO.POSTAL  
##  Min.   :144.4       Length:110         Length:110         Min.   :25016  
##  1st Qu.:176.7       Class :character   Class :character   1st Qu.:66643  
##  Median :180.7       Mode  :character   Mode  :character   Median :66646  
##  Mean   :179.3                                             Mean   :63288  
##  3rd Qu.:180.7                                             3rd Qu.:66649  
##  Max.   :337.1                                             Max.   :67493  
##  ESTADO.CIVIL      
##  Length:110        
##  Class :character  
##  Mode  :character  
##                    
##                    
## 

sum(is.na(rhdata))

## [1] 0

Reflexión de Actividd

Para poder trabajar bien con una base de datos y que los resultados que salgan de los análisis sean confiables y asertivos, se necesita realizar una limpieza de la base ya sea desde excel, desde R Studio e inclusive desde las dos como fue el caso. Para esta base de datos se necesito cambiar el formato de la fecha desde la base de datos, esto debido a que el lenguaje de la fecha estaba en dos idiomas, en ingles y español, por lo tanto era imposible cambiar la fecha puesto que no se sabía si era día o mes. Para resolver este problema, se usarón unicamente los años para así no alterar los resultados y poder tener resultados confiables.

ENTREGABLE 2.3

Análisis Estadístico Descriptivo

Medidas de Tendencia Central: Permiten conocer el valor al que tiende el conjunto de datos.

Media o Promedio: Valor que se obtiene al sumar todos los datos y dividirlos entre la cantidad total de datos.

Media

media_rhdata <- mean(rhdata$SALARIO.DIARIO.IMSS)
media_rhdata

## [1] 179.3115

Mediana: Valor que ocupa el lugar central de todos los datos cuando estos estan ordenados de menor a mayor.

Mediana

mediana_rhdata<- median(rhdata$SALARIO.DIARIO.IMSS)
mediana_rhdata   

## [1] 180.68

Moda: Valor que aparece con mayor frecuencia en un conjunto de datos. ### Moda

mode <- function (x) {
  ux <- unique(x)
  ux [which.max(tabulate(match(x,ux)))]
}

mode_rhdata <- mode(rhdata$SALARIO.DIARIO.IMSS)
mode_rhdata

## [1] 180.68

Relacion entre la media, mediana y moda
Si la media = mediana = moda, los datos tienen una DISTRIBUCION SIMETRICA.
Si la media < mediana < moda, los datos tienen SESGO NEGATIVO.
Si la moda < mediana < media, los datos tienen SESGO POSITIVO.

hist(rhdata$SALARIO.DIARIO.IMSS)

La variable de “SALARIO.DIARIO.IMSS tiene un SESGO POSITIVO

MEDIDAS DE DISPERSION: Miden que tan esparcidos se encuentran los datos.

Rango: Intervalo o diferencia entre el valor maximo y el minimo de un conjunto de datos

Rango

rango_rhdata <- max(rhdata$SALARIO.DIARIO.IMSS) - min (rhdata$SALARIO.DIARIO.IMSS)
rango_rhdata  

## [1] 192.6

r<- range(rhdata$SALARIO.DIARIO.IMSS)    
r  

## [1] 144.45 337.05

Varianza

varianza_rhdata <- var(rhdata$SALARIO.DIARIO.IMSS)
varianza_rhdata

## [1] 599.0348

Desviacion Estandar: Raíz cuadrada de la varianza

Desviacion estandar

desviacion_estandar_rhdata <- sqrt(varianza_rhdata)
desviacion_estandar_rhdata    

## [1] 24.47519

Visualización

summary(rhdata)

##   APELLIDOS            NOMBRE          AÑO.NACIMIENTO   GENERO.ID    
##  Length:110         Length:110         Min.   :1955   Min.   :1.000  
##  Class :character   Class :character   1st Qu.:1977   1st Qu.:1.000  
##  Mode  :character   Mode  :character   Median :1989   Median :1.000  
##                                        Mean   :1986   Mean   :1.455  
##                                        3rd Qu.:1997   3rd Qu.:2.000  
##                                        Max.   :2022   Max.   :2.000  
##     GENERO           AÑO.DE.ALTA     Primer.mes      X4to.mes   
##  Length:110         Min.   :2010   Min.   :2010   Min.   :2010  
##  Class :character   1st Qu.:2020   1st Qu.:2020   1st Qu.:2020  
##  Mode  :character   Median :2022   Median :2022   Median :2022  
##                     Mean   :2021   Mean   :2021   Mean   :2021  
##                     3rd Qu.:2022   3rd Qu.:2022   3rd Qu.:2022  
##                     Max.   :2022   Max.   :2022   Max.   :2022  
##    PUESTO.ID         PUESTO          DEPARTAMENTO       NO.SEGURO.SOCIAL  
##  Min.   : 1.000   Length:110         Length:110         Length:110        
##  1st Qu.: 3.000   Class :character   Class :character   Class :character  
##  Median : 3.000   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 6.727                                                           
##  3rd Qu.: 6.000                                                           
##  Max.   :24.000                                                           
##  SALARIO.DIARIO.IMSS  MUNICIPIO            ESTADO          CODIGO.POSTAL  
##  Min.   :144.4       Length:110         Length:110         Min.   :25016  
##  1st Qu.:176.7       Class :character   Class :character   1st Qu.:66643  
##  Median :180.7       Mode  :character   Mode  :character   Median :66646  
##  Mean   :179.3                                             Mean   :63288  
##  3rd Qu.:180.7                                             3rd Qu.:66649  
##  Max.   :337.1                                             Max.   :67493  
##  ESTADO.CIVIL      
##  Length:110        
##  Class :character  
##  Mode  :character  
##                    
##                    
## 

plot(rhdata$SALARIO.DIARIO.IMSS, rhdata$AÑO.NACIMIENTO,main="Relación de variables", xlab="Salario (MXN PESO)",ylab="Año de nacimiento")

Variable<-c("`Externo`","`Líder`","`Ayudante de Mantenimiento`","`Ayudante General`","`Chofer`","`Chofer Gestor`","`Costurera`","`Customer Service Inf`","`Enfermera`","`Gestor`","`Guardia de seguridad`","`Inspector de Calidad`","`Limpieza`","`Mantenimiento`","`Montacarguista`","`Mozo`","`Op. Flexo-Ranuradura-Refiladora`","`Operador Sierra`","`Pintor`","`Recibo`","`Residente`","`Soldador`","`Supervisor de pegado`","`Supervisor de maquin`","`Supervisora`")
Type<-c("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") 
table<-data.frame(Variable,Type)
knitr::kable(table)

Variable	Type
Externo	0
Líder	1
Ayudante de Mantenimiento	2
Ayudante General	3
Chofer	4
Chofer Gestor	5
Costurera	6
Customer Service Inf	7
Enfermera	8
Gestor	9
Guardia de seguridad	10
Inspector de Calidad	11
Limpieza	12
Mantenimiento	13
Montacarguista	14
Mozo	15
Op. Flexo-Ranuradura-Refiladora	16
Operador Sierra	17
Pintor	18
Recibo	19
Residente	20
Soldador	21
Supervisor de pegado	22
Supervisor de maquin	23
Supervisora	24

ggplot(rhdata, aes(x=PUESTO.ID, y=SALARIO.DIARIO.IMSS)) +
  geom_bar(stat="identity", fill="orange") + scale_fill_grey() + # Add bars to the plot
  labs(title = "Relación de Puesto y Genero", # Add a title
       subtitle = "RH empresa FORM", # Add a subtitle
       caption = "Relación", # Add a caption
       x = "Puesto")

count(rhdata, ESTADO.CIVIL, sort=TRUE)

##   ESTADO.CIVIL  n
## 1      Soltero 44
## 2       Casado 43
## 3  Unión Libre 20
## 4   Divorciado  3

ggplot(rhdata, aes(x=media_rhdata, y=ESTADO.CIVIL)) +
  geom_bar(stat="identity", fill="orange") + scale_fill_grey() + # Add bars to the plot
  labs(title = "Relación de Estado Civil y Salario", # Add a title
       subtitle = "RH empresa FORM", # Add a subtitle
       caption = "Relación", # Add a caption
       x = "Promedio de Salario diario")

DELIVERY PLAN

Escoger la Base datos

bd <- bd <- read.csv("/Users/mac/Downloads/FORM - Delivery Plan.xlsx - DELIVERY PLAN(2).csv")

Instalar las librerias

#install.packages("dplyr")
library(dplyr)

Entender la base de datos

summary (bd)

##  CLIENTE.PLANTA       PROYECTO           ID.ODOO              ITEM          
##  Length:231         Length:231         Length:231         Length:231        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##      JUNIO             JULIO             AGOSTO          SEPTIEMBRE  
##  Min.   :   0.00   Min.   :    0.0   Min.   :   0.00   Min.   :   0  
##  1st Qu.:   0.00   1st Qu.:    0.0   1st Qu.:   0.00   1st Qu.:   0  
##  Median :   0.00   Median :    0.0   Median :   0.00   Median :   0  
##  Mean   :  29.06   Mean   :  135.9   Mean   :  77.45   Mean   :  81  
##  3rd Qu.:   0.00   3rd Qu.:    0.0   3rd Qu.:   0.00   3rd Qu.:   0  
##  Max.   :1280.00   Max.   :13120.0   Max.   :3200.00   Max.   :3200  
##     OCTUBRE         NOVIEMBRE         DICIEMBRE          ENE.22       
##  Min.   :   0.0   Min.   :   0.00   Min.   :   0.0   Min.   :   0.00  
##  1st Qu.:   0.0   1st Qu.:   0.00   1st Qu.:   0.0   1st Qu.:   0.00  
##  Median :   0.0   Median :   0.00   Median :   0.0   Median :   0.00  
##  Mean   :  62.0   Mean   :  89.69   Mean   : 100.4   Mean   :  82.37  
##  3rd Qu.:  11.5   3rd Qu.:   4.00   3rd Qu.:   1.5   3rd Qu.:  26.50  
##  Max.   :3200.0   Max.   :6400.00   Max.   :6400.0   Max.   :3200.00  
##    FEBRERO.22        MARZO.22         ABRIL.22          MAYO.22       
##  Min.   :   0.0   Min.   :   0.0   Min.   :    0.0   Min.   :    0.0  
##  1st Qu.:   0.0   1st Qu.:   0.0   1st Qu.:    0.0   1st Qu.:    0.0  
##  Median :   0.0   Median :   0.0   Median :    0.0   Median :    0.0  
##  Mean   : 103.5   Mean   : 153.9   Mean   :  186.5   Mean   :  187.6  
##  3rd Qu.:   0.0   3rd Qu.:  20.0   3rd Qu.:   24.0   3rd Qu.:   22.0  
##  Max.   :9600.0   Max.   :9600.0   Max.   :16354.0   Max.   :17665.0  
##     JUNIO.22          JULIO.22         AGOSTO.22       SEPTIEMBRE.22    
##  Min.   :    0.0   Min.   :    0.0   Min.   :    0.0   Min.   :    0.0  
##  1st Qu.:    0.0   1st Qu.:    0.0   1st Qu.:    0.0   1st Qu.:    0.0  
##  Median :    0.0   Median :    0.0   Median :    0.0   Median :    0.0  
##  Mean   :  171.2   Mean   :  316.9   Mean   :  131.5   Mean   :  272.3  
##  3rd Qu.:    1.0   3rd Qu.:   15.5   3rd Qu.:    0.0   3rd Qu.:    0.0  
##  Max.   :11050.0   Max.   :25900.0   Max.   :13200.0   Max.   :29379.0  
##   NOVIEMBRE.22     NOVIEMBRE.22.1     DICIEMBRE.22        ENERO.23       
##  Min.   :    0.0   Min.   :  0.000   Min.   :  0.000   Min.   :  0.0000  
##  1st Qu.:    0.0   1st Qu.:  0.000   1st Qu.:  0.000   1st Qu.:  0.0000  
##  Median :    0.0   Median :  0.000   Median :  0.000   Median :  0.0000  
##  Mean   :  120.9   Mean   :  2.113   Mean   :  1.225   Mean   :  0.5974  
##  3rd Qu.:    0.0   3rd Qu.:  0.000   3rd Qu.:  0.000   3rd Qu.:  0.0000  
##  Max.   :16421.0   Max.   :324.000   Max.   :276.000   Max.   :138.0000  
##    FEBRERO.23    MARZO.23
##  Min.   :0    Min.   :0  
##  1st Qu.:0    1st Qu.:0  
##  Median :0    Median :0  
##  Mean   :0    Mean   :0  
##  3rd Qu.:0    3rd Qu.:0  
##  Max.   :0    Max.   :0

#count(bd, JUNIO, sort= TRUE)
#count(bd, JULIO, sort= TRUE)
#count(bd, AGOSTO, sort= TRUE)
#count(bd, SEPTIEMBRE, sort= TRUE)
#count(bd, OCTUBRE, sort= TRUE)
#count(bd, NOVIEMBRE, sort= TRUE)
#count(bd, DICIEMBRE, sort= TRUE)
#count(bd, ENEROO, sort= TRUE)
#count(bd, FEBRERO22, sort= TRUE)
#count(bd, MARZO22, sort= TRUE)
#count(bd, ABRIL22, sort= TRUE)
#count(bd, MAYO22, sort= TRUE)
#count(bd, JUNIO22, sort= TRUE)
#count(bd, JULIO22, sort= TRUE)
#count(bd, AGOSTO22, sort= TRUE)
#count(bd, SEPTIEMBRE22, sort= TRUE)
#count(bd, OCTUBRE22, sort= TRUE)
#count(bd, NOVIEMBRE22, sort= TRUE)
#count(bd, DICIEMBRE22, sort= TRUE)
#count(bd, ENERO23, sort= TRUE)
#count(bd, FEBRERO23, sort= TRUE)

¿Cuántas variables y cuantos registros tiene la base de datos?

library(dplyr)
#install.packages("psych")
library(psych)
describeData(bd, head=1, tail=1 )

## n.obs =  231 of which  231   are complete cases.   Number of variables =  26  of which all are numeric  FALSE  
##                 variable # n.obs type                                H1
## CLIENTE.PLANTA*          1   231    3                              STB3
## PROYECTO*                2   231    3                   CANASTILLA GRIS
## ID.ODOO*                 3   231    3                            15.785
## ITEM*                    4   231    3 CABLE SET CAJA BACK UP CANASTILLA
## JUNIO                    5   231    1                                 0
## JULIO                    6   231    1                               140
## AGOSTO                   7   231    1                               530
## SEPTIEMBRE               8   231    1                                 0
## OCTUBRE                  9   231    1                               200
## NOVIEMBRE               10   231    1                                 0
## DICIEMBRE               11   231    1                               150
## ENE.22                  12   231    1                               230
## FEBRERO.22              13   231    1                               500
## MARZO.22                14   231    1                                 0
## ABRIL.22                15   231    1                                 0
## MAYO.22                 16   231    1                                 0
## JUNIO.22                17   231    1                               200
## JULIO.22                18   231    1                               900
## AGOSTO.22               19   231    1                              1000
## SEPTIEMBRE.22           20   231    1                                 0
## NOVIEMBRE.22            21   231    1                                 0
## NOVIEMBRE.22.1          22   231    1                                 0
## DICIEMBRE.22            23   231    1                                 0
## ENERO.23                24   231    1                                 0
## FEBRERO.23              25   231    1                                 0
## MARZO.23                26   231    1                                 0
##                       T1
## CLIENTE.PLANTA*         
## PROYECTO*               
## ID.ODOO*                
## ITEM*           U553 KIT
## JUNIO                  0
## JULIO                  0
## AGOSTO                 0
## SEPTIEMBRE             0
## OCTUBRE               30
## NOVIEMBRE            200
## DICIEMBRE              0
## ENE.22                 0
## FEBRERO.22             0
## MARZO.22               0
## ABRIL.22               0
## MAYO.22                0
## JUNIO.22               0
## JULIO.22               0
## AGOSTO.22              0
## SEPTIEMBRE.22          0
## NOVIEMBRE.22           0
## NOVIEMBRE.22.1         0
## DICIEMBRE.22           0
## ENERO.23               0
## FEBRERO.23             0
## MARZO.23               0

#Despues de correr esta parte del codigo se puede ver que hay 26 variables y 231 registros en esta base de datos

Clasifica cada variable en cualitativa, cuantitativa discreta o cuantitativa continua

Variable<-c("`Cliente.Planta`","`Junio 2021`","`Julio 2021`","`Agosto 2021`","`Septiembre 2021`","`Octubre 2021`","`Noviembre 2021`","`Diciembre 2021`","`Enero 2022`","`Febrero 2022`","`Marzo 2022`","`Abril 2022`","`Mayo 2022`","`Junio 2022`","`Julio 2022`","`Agosto 2022`","`Septiembre 2022`","`Octubre 2022`","`Noviembre 2022`","`Diciembre 2022`","`Enero 2023`","`Febrero 2023`","`Marzo 2023`")
Type<-c("Cualitativa", "Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)","Cuantitativa(discreta)")
table<-data.frame(Variable,Type)
knitr::kable(table) 

Variable	Type
Cliente.Planta	Cualitativa
Junio 2021	Cuantitativa(discreta)
Julio 2021	Cuantitativa(discreta)
Agosto 2021	Cuantitativa(discreta)
Septiembre 2021	Cuantitativa(discreta)
Octubre 2021	Cuantitativa(discreta)
Noviembre 2021	Cuantitativa(discreta)
Diciembre 2021	Cuantitativa(discreta)
Enero 2022	Cuantitativa(discreta)
Febrero 2022	Cuantitativa(discreta)
Marzo 2022	Cuantitativa(discreta)
Abril 2022	Cuantitativa(discreta)
Mayo 2022	Cuantitativa(discreta)
Junio 2022	Cuantitativa(discreta)
Julio 2022	Cuantitativa(discreta)
Agosto 2022	Cuantitativa(discreta)
Septiembre 2022	Cuantitativa(discreta)
Octubre 2022	Cuantitativa(discreta)
Noviembre 2022	Cuantitativa(discreta)
Diciembre 2022	Cuantitativa(discreta)
Enero 2023	Cuantitativa(discreta)
Febrero 2023	Cuantitativa(discreta)
Marzo 2023	Cuantitativa(discreta)

Elige la escala de medición de cada variable

*Aplica al menos 2 técnicas de limpieza de bases de datos y explícalas brevemente, ¿por qué realizaste esas técnicas?**

bd1 <- bd
bd1<- subset(bd1, select = -c (PROYECTO, ITEM, ID.ODOO ))


# De varias tecnicas de limpieza la primera que se utilizo fue eliminar columnas y datos irrelevantes, ya que para el analisis que se desea efectuar algunos de estos datos no ayudarian.

Cuantas NA tengo en la base de datos?

sum(is.na(bd1))

## [1] 0

sum(is.na(bd))

## [1] 0

# No hay NA

Cuantos NA tengo por variable?

sapply(bd1, function(x) sum(is.na(x)))

## CLIENTE.PLANTA          JUNIO          JULIO         AGOSTO     SEPTIEMBRE 
##              0              0              0              0              0 
##        OCTUBRE      NOVIEMBRE      DICIEMBRE         ENE.22     FEBRERO.22 
##              0              0              0              0              0 
##       MARZO.22       ABRIL.22        MAYO.22       JUNIO.22       JULIO.22 
##              0              0              0              0              0 
##      AGOSTO.22  SEPTIEMBRE.22   NOVIEMBRE.22 NOVIEMBRE.22.1   DICIEMBRE.22 
##              0              0              0              0              0 
##       ENERO.23     FEBRERO.23       MARZO.23 
##              0              0              0

sapply(bd, function(x) sum(is.na(x)))

## CLIENTE.PLANTA       PROYECTO        ID.ODOO           ITEM          JUNIO 
##              0              0              0              0              0 
##          JULIO         AGOSTO     SEPTIEMBRE        OCTUBRE      NOVIEMBRE 
##              0              0              0              0              0 
##      DICIEMBRE         ENE.22     FEBRERO.22       MARZO.22       ABRIL.22 
##              0              0              0              0              0 
##        MAYO.22       JUNIO.22       JULIO.22      AGOSTO.22  SEPTIEMBRE.22 
##              0              0              0              0              0 
##   NOVIEMBRE.22 NOVIEMBRE.22.1   DICIEMBRE.22       ENERO.23     FEBRERO.23 
##              0              0              0              0              0 
##       MARZO.23 
##              0

# Aparecen varios registros como faltantes pero no es que sean faltantes si no que solo estaban cmbinadas.

Cambiar el nombre de una columna

library(dplyr)

?colnames

bd1$NOVIEMBRE.22 <- colnames("OCTUBRE.22") 

Delivery performance

Importar base de datos

base_de_datos <- read.csv("/Users/mac/Downloads/BDL1.csv")

base_de_datos$Fecha<- as.Date(base_de_datos$Fecha,format = "%d/%m/%Y")
plot(base_de_datos$Fecha, base_de_datos$Diferencia)

library(tidyverse)
library(janitor)

Número de variables y registros en base de datos

library(psych)
describe(base_de_datos)

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning -Inf

##            vars   n mean   sd median trimmed  mad min  max range  skew kurtosis
## Cliente*      1 104 2.75 1.10    2.5    2.81 1.48   1 4.00  3.00 -0.07    -1.46
## Fecha         2 104  NaN   NA     NA     NaN   NA Inf -Inf  -Inf    NA       NA
## Diferencia    3 104 0.32 0.53    0.0    0.23 0.00   0 2.27  2.27  1.43     1.22
## X             4   0  NaN   NA     NA     NaN   NA Inf -Inf  -Inf    NA       NA
## X.1           5   0  NaN   NA     NA     NaN   NA Inf -Inf  -Inf    NA       NA
## X.2           6   0  NaN   NA     NA     NaN   NA Inf -Inf  -Inf    NA       NA
##              se
## Cliente*   0.11
## Fecha        NA
## Diferencia 0.05
## X            NA
## X.1          NA
## X.2          NA

str(base_de_datos)

## 'data.frame':    104 obs. of  6 variables:
##  $ Cliente   : chr  "PRINTEL " "MAHLE" "MAHLE" "MAHLE" ...
##  $ Fecha     : Date, format: "2021-07-01" "2021-07-01" ...
##  $ Diferencia: num  0 0.55 1 1.1 0 0 0 0 2 0.55 ...
##  $ X         : logi  NA NA NA NA NA NA ...
##  $ X.1       : logi  NA NA NA NA NA NA ...
##  $ X.2       : logi  NA NA NA NA NA NA ...

tabyl(base_de_datos, Cliente, Diferencia)

##   Cliente  0 0.1 0.4 0.55 0.8 0.95  1 1.03 1.05 1.1 1.2 1.8 2 2.27
##     MAGNA 13   0   0    0   0    0  0    0    0   0   0   0 0    0
##     MAHLE 10   0   1    2   1    1 15    1    1   4   1   1 0    1
##  PRINTEL  10   1   0    0   0    0  0    0    0   0   1   0 1    0
##    VARROC 39   0   0    0   0    0  0    0    0   0   0   0 0    0

Tipos de Variables Existentes

variable<-c("Cliente","Fecha", "Diferencia")

type <- c("Cualitativo (nominal)","Cuantitativo (disccreta)", "Cuantitativo (continuo)")

table<-data.frame(variable,type)
knitr::kable(table)

variable	type
Cliente	Cualitativo (nominal)
Fecha	Cuantitativo (disccreta)
Diferencia	Cuantitativo (continuo)

#Eliminar columnas

DeliveryBD <-base_de_datos
DeliveryBD <- subset ( DeliveryBD, select = -c (X, X.1, X.2))

bd2 <-base_de_datos
bd2 <- subset(bd2, select = -c (Fecha, X, X.1, X.2))

media_perfo <- mean(bd2$Diferencia)


mediana_perfo <- median(bd2$Diferencia)

mode <- function (x) {
  ux <- unique(x)
  ux [which.max(tabulate(match(x,ux)))]
}

mode_perfo <- mode(bd2$Diferencia)
mode_perfo

## [1] 0

hist(bd2$Diferencia)

#Eliminar valores negativos

bd1<-DeliveryBD
bd1[bd1 <0] <-0
summary(bd1)

##    Cliente              Fecha              Diferencia    
##  Length:104         Min.   :2021-07-01   Min.   :0.0000  
##  Class :character   1st Qu.:2021-10-01   1st Qu.:0.0000  
##  Mode  :character   Median :2022-01-01   Median :0.0000  
##                     Mean   :2021-12-31   Mean   :0.3202  
##                     3rd Qu.:2022-04-01   3rd Qu.:0.9625  
##                     Max.   :2022-07-01   Max.   :2.2700

count(bd2, Cliente, sort = TRUE)

##    Cliente  n
## 1    MAHLE 39
## 2   VARROC 39
## 3    MAGNA 13
## 4 PRINTEL  13

ggplot(bd2, aes(x=media_perfo, y=Cliente)) +
  geom_bar(stat="identity", fill="orange") + scale_fill_grey() + # Add bars to the plot
  labs(title = "Diferencia entre clientes", # Add a title
       subtitle = "Dperformance empresa FORM", # Add a subtitle
       caption = "Relación", # Add a caption
       x = "Diferencia")

Importar base de datos

bd <-read.csv("/Users/mac/Downloads/us_motor_production_and_domestic_sales.csv")

Analizar base de datos

summary(bd)

##       Year      Total_Production Production_Passenger_Cars
##  Min.   :1965   Min.   : 5710    Min.   :1924             
##  1st Qu.:1994   1st Qu.: 9510    1st Qu.:3904             
##  Median :2002   Median :11220    Median :4631             
##  Mean   :2001   Mean   :10698    Mean   :4867             
##  3rd Qu.:2011   3rd Qu.:11997    3rd Qu.:5995             
##  Max.   :2020   Max.   :13025    Max.   :9329             
##  Production_Commercial_Vehicles Domestic_Sales  Sales_Passenger_Cars
##  Min.   :1638                   Min.   : 7868   Min.   :2560        
##  1st Qu.:4661                   1st Qu.:10651   1st Qu.:5139        
##  Median :6381                   Median :13222   Median :5713        
##  Mean   :5831                   Mean   :12265   Mean   :5810        
##  3rd Qu.:7418                   3rd Qu.:13757   3rd Qu.:6876        
##  Max.   :8512                   Max.   :14923   Max.   :8763        
##  Sales_Commercial_Vehicles
##  Min.   : 1539            
##  1st Qu.: 5042            
##  Median : 6867            
##  Mean   : 6455            
##  3rd Qu.: 8162            
##  Max.   :10133

str(bd)

## 'data.frame':    36 obs. of  7 variables:
##  $ Year                          : int  1965 1970 1975 1980 1985 1990 1991 1992 1993 1994 ...
##  $ Total_Production              : num  11114 8263 8965 8011 11638 ...
##  $ Production_Passenger_Cars     : num  9329 6546 6706 6372 8186 ...
##  $ Production_Commercial_Vehicles: num  1785 1717 2260 1638 3452 ...
##  $ Domestic_Sales                : num  10302 8849 9298 8594 12110 ...
##  $ Sales_Passenger_Cars          : num  8763 7112 6945 6580 8205 ...
##  $ Sales_Commercial_Vehicles     : num  1539 1737 2353 2015 3905 ...

Variable<-c("`Year´","`Total_Production`","`Production_Passenger_Cars`","`Production_Commercial_Vehicles`","`Domestic_Sales`","`Sales_Passenger_Cars`","`Sales_Commercial_Vehicles`")
Type<-c("quantiative (discrete)", "quantiative (continous)", "quantitative (continous)", "quantitative (continous)", "quantitative (continous)", "quantitative (continous)", "quantitative (continous)")
table<-data.frame(Variable,Type)
knitr::kable(table)

Variable	Type
Year´ |quantiative (discrete) | |Total_Production|quantiative (continous) | |Production_Passenger_Cars|quantitative (continous) | |Production_Commercial_Vehicles|quantitative (continous) | |Domestic_Sales|quantitative (continous) | |Sales_Passenger_Cars|quantitative (continous) | |Sales_Commercial_Vehicles`	quantitative (continous)

Eliminar duplicados

bd[duplicated(bd), ]

## [1] Year                           Total_Production              
## [3] Production_Passenger_Cars      Production_Commercial_Vehicles
## [5] Domestic_Sales                 Sales_Passenger_Cars          
## [7] Sales_Commercial_Vehicles     
## <0 rows> (or 0-length row.names)

sum(duplicated(bd))

## [1] 0

Eliminar negativos con cero

bd1<-bd
bd1[bd1 <0] <-0
summary(bd1)

##       Year      Total_Production Production_Passenger_Cars
##  Min.   :1965   Min.   : 5710    Min.   :1924             
##  1st Qu.:1994   1st Qu.: 9510    1st Qu.:3904             
##  Median :2002   Median :11220    Median :4631             
##  Mean   :2001   Mean   :10698    Mean   :4867             
##  3rd Qu.:2011   3rd Qu.:11997    3rd Qu.:5995             
##  Max.   :2020   Max.   :13025    Max.   :9329             
##  Production_Commercial_Vehicles Domestic_Sales  Sales_Passenger_Cars
##  Min.   :1638                   Min.   : 7868   Min.   :2560        
##  1st Qu.:4661                   1st Qu.:10651   1st Qu.:5139        
##  Median :6381                   Median :13222   Median :5713        
##  Mean   :5831                   Mean   :12265   Mean   :5810        
##  3rd Qu.:7418                   3rd Qu.:13757   3rd Qu.:6876        
##  Max.   :8512                   Max.   :14923   Max.   :8763        
##  Sales_Commercial_Vehicles
##  Min.   : 1539            
##  1st Qu.: 5042            
##  Median : 6867            
##  Mean   : 6455            
##  3rd Qu.: 8162            
##  Max.   :10133

Eliminar columnas

production <-bd
production <- subset (production, select = -c (Total_Production, Domestic_Sales, Sales_Passenger_Cars, Sales_Commercial_Vehicles))

Eliminar valores menores del 2010

production3 <- production
production3 <- production3[production3$Year> 2010, ]

Relacion de Produccion

ggplot(production3,aes(x=Year,y=Production_Passenger_Cars,fill=Production_Commercial_Vehicles))+
  geom_bar(stat="identity")+
  theme_minimal()+
  labs(title="Relación Produccion Passengers y Commercial")