yea

lektion1/Lektion_1.qmd

@@ -262,7 +262,7 @@ Läs in filen `hotel.rds` i Rstudio. (Se till att den filen ligger i mappen som
 hotels <- readRDS("hotel.rds") 
 ```
 
-1 Hur många observationer och hur många variabler innehåller filen `hotel.rds`?
+1\. Hur många observationer och hur många variabler innehåller filen `hotel.rds`?
 
 118 322 observationer med 33 variablar\
 \
@@ -273,12 +273,19 @@ hotels <- readRDS("hotel.rds")
 View(hotels)
 ```
 
-1.  Vilken typ av variabel, kvalitativ eller kvantitativ, är variablerna `IsCanceled` (mäter om reservationen bokats av eller inte), `LeadTime` (antal dagar från bokning till ankomst) samt `hotel` (h1 för Algarve och h2 för Lissabon)?\
-    (Bortse från hur variabeln är *kodad* i datamaterialet.)\
+2\. Vilken typ av variabel, kvalitativ eller kvantitativ, är variablerna `IsCanceled` (mäter om reservationen bokats av eller inte), `LeadTime` (antal dagar från bokning till ankomst) samt `hotel` (h1 för Algarve och h2 för Lissabon)?\
+(Bortse från hur variabeln är *kodad* i datamaterialet.)
 
-2.  Vi kodar om variabeln `IsCanceled` så att 0 blir "No" och 1 blir "Yes". Klicka på "Addins" längst upp i övre vänstra fönstret och leta upp 'Levels recoding' (du måste ha paketet `questionr` installerat). Se Figur 11-14 i bilagan.\
+3\. Vi kodar om variabeln `IsCanceled` så att 0 blir "No" och 1 blir "Yes". Klicka på "Addins" längst upp i övre vänstra fönstret och leta upp 'Levels recoding' (du måste ha paketet `questionr` installerat). Se Figur 11-14 i bilagan.\
 
-3.  Klistra in koden från 'Levels recoding' i chunken nedan och klicka därefter på den gröna pilen.
+Nej be behöver jag inte.
+
+```{r}
+
+hotels$IsCanceled <- factor(hotels$IsCanceled, levels = c(0,1), labels = c("No", "Yes"))
+```
+
+4\. Klistra in koden från 'Levels recoding' i chunken nedan och klicka därefter på den gröna pilen.
 
 ```{r}
 # Klistra in kod från 'Levels recoding' nedan
@@ -291,7 +298,7 @@ View(hotels)
 ```{r summary hotel}
 # Klistra in kod från 'Levels recoding' nedan
 
-
+hotels$hotel <- factor(hotels$hotel, levels = c("h1", "h2"), labels = c("Algarve","Lisbon"))
 ```
 
 6.  Beräkna med hjälp av funktionen `tbl_summary` beskrivande statistik för några variabler grupperat på hotell (Algarve/Lissabon).
@@ -314,12 +321,30 @@ hotels %>%
 
 -   Vilket av hotellen har högst andel avbokningar?
 
+Lisbon
+
 -   Är det någon större skillnad i fördelningen av `CustomerType` mellan hotellen?
 
+± 3% enheter
+
 -   Hur många dagar före ankomst (`LeadTime`) gjordes den bokning som gjordes längst i förväg?
 
+709 dagar som helngst
+
 7.  Visualisera med ggplot builder (`esquisse::esquisser(viewer = "browser"`)) i två histogram hur variabeln `LeadTime` varierar för de två hotellen.
 
+```{r}
+
+ggplot(
+  ggtitle("Historia")
+  aes(x = , y = total) +
+  geom_point(colour = "#00CC00") + 
+  geom_smooth(se = FALSE) +
+  theme_minimal()
+  
+)
+```
+
 -   Dra `LeadTime` till X, `hotel` till fill och `hotel` till facet.
 
 -   Välj Number of bins: 20 och ändra färger (välj själv) i 'Geometries'.