“Entregable2.4_Merma_FORM”

#ENTREGABLE 2.4 (Colaborativo) # Base de datos: MERMA

#file.choose()
merma <- read.csv("/Users/dannaperez/Desktop/Reto Evidencia 2/base de datos limpias en equipo/FORM - Merma1.csv")

Limpieza, Transformación, y Organización de Bases de Datos

se considero eliminar los registros con las fechas individuales y conservar los totales, ya que es la información que nos dará un insight general, además de que no hay fechas que coincidan entre todos los meses.

Missing values

sum(is.na(merma))

## [1] 0

No hay NA´s en la base de datos.

Cambio de nombre en variables

No se cambiaron los nombres en las variables porque ya son cortos y concisos.

Análisis Exploratorio de las Bases de Datos

Cálculos

Promedio

Promedio <- (mean(merma$Kilos))
Promedio

## [1] 20602.89

Moda

Moda <- function(x) {
  ux <- unique(x)    
  ux[which.max(tabulate(match(x, ux)))]      
}    
Moda1 <- Moda(merma$kilos)
Moda1

## NULL

Mediana

mediana <- median(merma$Kilos)
mediana

## [1] 19370

Varianza

varianza <- var(merma$Kilos)
varianza

## [1] 30544665

Deviación Estándar

desviacion <- sqrt(varianza)
desviacion  

## [1] 5526.723

Tabla con estadísticas descriptivas

Variable <- c("Kilos")
Promedio <- c("20602.89")
Moda <- c("NA")
Mediana <- c("19370")
Varianza <- c("30544665")
Desviación_Estándar <- c("5526.723")
tabla <-data.frame(Variable,Promedio, Moda, Mediana, Varianza, Desviación_Estándar)
knitr::kable(tabla)

Variable	Promedio	Moda	Mediana	Varianza	Desviación_Estándar
Kilos	20602.89	NA	19370	30544665	5526.723

markdown: knitr::kable(tabla)

Análisis

En promedio en FORM se producieron 37085.2 kilos de merma durante Enero-Septiembre 2022 por lo que se puede asignar como un número estándar en los meses próximos del año. No hay moda porque los datos no se repiten ya que trabajan sobre pedido y la varianza es alta por que existe mucha dispersión entre los datos, ya que no son una empresa que tengan la misma cantidad de producción todos los meses.

Time series plot

plot(merma$Kilos, xlab = "Mes", ylab = "Kilos")
polygon(merma$Kilos, col="green", border="black")

Nota: Los números corresponden al mes correspondiente del año. Ejemplo: 1: Enero, 2: Febrero, 3: Marzo, 4: Abril, […], 9: Septiembre.

Análisis Time Series Plot

Como se puede observar en la gráfica el mes con más merma fue el mes de Agosto del 2022 y el mes con menos merma fue Septiembre ´22 pero como todavía no había concluido el mes de Septiembre al momento de descargar la base de datos, podemos decir que Enero fue el mes con menos merma. Se tendría que observar y analizar cuáles son las variables (que existan en otra base de datos) que determinan la influencia en la cantidad de merma por mes.