-
Notifications
You must be signed in to change notification settings - Fork 0
/
Ej_profesor.Rmd
351 lines (292 loc) · 9.34 KB
/
Ej_profesor.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
---
title: "Análisis exploratorio de la encuesta inicial"
author: "Kenneth Roy Cabrera Torres"
date: "Viernes, 26 de marzo de 2021"
output:
html_document:
toc: yes
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = FALSE,
warning = FALSE,
message = FALSE)
```
```{r}
## Paquetes usados en el análisis.
library(tidyverse)
```
## Lectura de la base de datos.
```{r}
## Lectura de una base de datos tipo ".csv"
encuesta <- read.csv("encuesta1.csv", fileEncoding = "UTF-8")
```
## Depuración y adecuación de la base de datos.
```{r}
# Visualizar la estructura de la base de datos.
str(encuesta)
```
```{r}
glimpse(encuesta)
```
```{r}
summary(encuesta)
```
```{r}
encuesta <- encuesta %>%
mutate_if(is.character, as.factor)
```
```{r}
glimpse(encuesta)
```
```{r}
summary(encuesta)
```
```{r}
encuesta <- encuesta %>%
mutate(Q02_FechaNac = as.Date(as.character(Q02_FechaNac), "%Y-%m-%d"))
```
```{r}
summary(encuesta$Q02_FechaNac)
```
```{r}
# Cálculo de la edad
encuesta <- encuesta %>%
mutate(Edad = as.numeric(as.Date("2021-06-30") - Q02_FechaNac)/365.25)
```
```{r}
# Conversión a fecha-hora
encuesta <- encuesta %>%
mutate(fecha_entrega =
as.POSIXct(strptime(Enviado.el., format = "%d/%m/%Y %H:%M:%S")),
tiempo_usado = as.integer(format(fecha_entrega, "%M")) +
as.integer(format(fecha_entrega, "%S")) / 60 - 30)
```
```{r}
dotchart(encuesta$Q08_PAPA)
```
```{r}
encuesta %>%
filter(Q08_PAPA > 5)
```
```{r}
encuesta$Q08_PAPA[encuesta$Q08_PAPA == 45 & !is.na(encuesta$Q08_PAPA)] <- 4.5
```
```{r}
encuesta <- encuesta %>%
mutate(puntaje_pregunta2 =
apply(encuesta %>% select(Q26_Divisor..f.es.divisor.de.g.2.,
Q26_Divisor..f.es.divisor.de.gh.,
Q26_Divisor..f.es.divisor.de.h.g),
1, sum))
t_p2 <- table(encuesta$puntaje_pregunta2)
t_p2
pt_p2 <- t_p2 / sum(t_p2) * 100
pt_p2
```
```{r}
# Se construye una nueva variable que indica si se ha instalado el
# R solamente, el Rstudio solamente o ambos o ninguno:
# 0: No ha instalado ninguno.
# 1: Ha instalado solo el R.
# 2: Ha instalado solo el RStudio.
# 3: Ha instalado tanto el R como el RStudio.
# También se crea una nueva variable categoŕica que tenga las combinaciones
# de la carrera y la instalación de los programas.
encuesta <- encuesta %>%
mutate(instala_prog = Q11_R + Q12_RStudio * 2,
Carrera_instala = factor(paste(Q03_Carrera, instala_prog)))
```
## Análisis univariado.
### Género.
```{r}
t_gen <- table(encuesta$Q01_Genero)
t_gen
```
```{r}
t_gen_p <- t_gen / sum(t_gen) * 100
t_gen_p
```
```{r}
bp1 <- barplot(t_gen_p, las = 1, ylim = c(0, 100), col = "lightgreen")
text(bp1, t_gen_p + 10, paste(round(t_gen_p, 1), "%"))
```
```{r}
m_gen_p <- as.matrix(t_gen_p)
bp2 <- barplot(m_gen_p, beside = FALSE, xlim = c(0, 4),
ylim = c(0, 110),
col = c("blue", "red", "green3"))
text(1.3, cumsum(m_gen_p) - m_gen_p/2,
paste(rownames(m_gen_p), round((m_gen_p), 1), "%"),
adj = 0)
```
```{r}
pie(t_gen_p, labels = paste(names(t_gen_p), round(t_gen_p, 1), "%"),
col = c("blue", "red", "green3"))
```
### Edad.
```{r}
summary(encuesta$Edad)
```
```{r}
hist(encuesta$Edad)
```
```{r}
hist(encuesta$Edad, nclass = 20)
```
```{r}
paramAnt <- par(no.readonly = TRUE)
hist(encuesta$Edad, freq = FALSE, nclass = 20, col = "#a0c39f",
las = 1,
main = "Distribución de la edad",
xlab = "Edad (años)",
ylab = "Densidad",
ylim = c(0, 0.20),
xlim = c(15, 40))
lines(density(encuesta$Edad), col = "orange", lwd = 3)
rug(encuesta$Edad)
par(paramAnt)
```
```{r}
```
```{r}
promedioEdad <- mean(encuesta$Edad)
medianaEdad <- median(encuesta$Edad)
desv_Est_Edad <- sd(encuesta$Edad)
boxplot(encuesta$Edad, horizontal = TRUE,
main = "Boxplot para edad",
col = "lightblue",
pch = 19, notch = TRUE)
points(promedioEdad,
1,
pch = 19,
col = c("red", "purple"))
legend("topright",
title = "Convención",
legend = c("Promedio", "Error estandard"),
col = "red",
pch = c(19, NA),
lty = c(NA, 1))
arrows(promedioEdad - desv_Est_Edad / sqrt(nrow(encuesta)), 1,
promedioEdad + desv_Est_Edad / sqrt(nrow(encuesta)), 1,
angle = 90,
length = 0.1,
code = 3,
col = "red")
```
## Análisis bivariado.
```{r}
with(encuesta, plot(Q10_Estrato, Q08_PAPA, notch = TRUE))
```
```{r}
encuesta_Estrato1 <- encuesta %>%
filter(Q10_Estrato == "2 : 1")
dotchart(encuesta_Estrato1$Q08_PAPA)
summary(encuesta_Estrato1$Q08_PAPA)
```
```{r}
with(encuesta, plot(Q01_Genero, Q08_PAPA, notch = TRUE))
```
```{r}
with(encuesta, scatter.smooth(tiempo_usado, Q08_PAPA))
```
```{r}
with(encuesta, plot(Q27_PorcentDivisor))
lines(1:nrow(encuesta), rep(pt_p2[3], nrow(encuesta)),
col = "red")
```
```{r}
enc_acert_p2 <- encuesta %>%
filter(puntaje_pregunta2 == 3)
enc_no_acert_p2 <- encuesta %>%
filter(puntaje_pregunta2 != 3)
op <- par(no.readonly = TRUE)
par(mfrow = c(1, 2))
prom_Q27 <- mean(enc_acert_p2$Q27)
with(enc_acert_p2, plot(Q27_PorcentDivisor, ylim = c(0, 100)))
lines(1:nrow(enc_acert_p2), rep(prom_Q27, nrow(enc_acert_p2)),
col = "red")
prom_Q27_na <- mean(enc_no_acert_p2$Q27, na.rm = TRUE, ylim = c(0, 100))
with(enc_no_acert_p2, plot(Q27_PorcentDivisor))
lines(1:nrow(enc_no_acert_p2), rep(prom_Q27_na, nrow(enc_no_acert_p2)),
col = "red")
par(op)
```
## Análisis multivariado.
Se considera que existe diferencia entre las carreras de
sistemas y estadística en cuanto
a los que tienen instalado tanto el R como el RStudio y que también
al interior de cada carrera hay diferencias en los PAPA si se tiene
en cuenta si ya tienen instalados o no el R y el RStudio.
Se piensa que los que tienen instalados ambos programas tienen un
mejor desempeño académico en comparación con los que no lo hicieron.
También se cree que los estudiantes de estadística son los que en
su mayoría han instalado el R y el RStudio.
### Resumen numérico
```{r}
encuesta_sist_estad <- encuesta %>%
filter(Q03_Carrera %in% c("2 : Ingeniería de sistemas e informática",
"3 : Estadística")) %>%
droplevels()
encuesta_sist_estad_resumen <- encuesta_sist_estad %>%
group_by(Q03_Carrera) %>%
mutate(num_estud_carrera = n()) %>%
group_by(Carrera_instala, num_estud_carrera) %>%
summarise(num_estud_noNA = sum(!is.na(Q08_PAPA)),
prom_PAPA = mean(Q08_PAPA, na.rm = TRUE),
desv_PAPA = sd(Q08_PAPA, na.rm = TRUE)) %>%
mutate(porcent_x_carrera = num_estud_noNA / num_estud_carrera * 100)
encuesta_sist_estad_resumen %>% data.frame()
```
### Gráfica exploratoria.
```{r, fig.height=8, fig.width=8}
op <- par(no.readonly = TRUE)
par(mar = op$mar + c(15, 0, 0, 0))
with(encuesta_sist_estad,
plot(Carrera_instala, Q08_PAPA, notch = TRUE,
las = 2, width = sqrt(encuesta_sist_estad_resumen$porcent_x_carrera),
col = "lightblue",
main = "PAPA vs carrera e instalación de softwares R y RStudio",
ylab = "Promedio Académico Ponderado Acumulado",
xlab = "",
pch = 19))
with(encuesta_sist_estad_resumen,
points(Carrera_instala, prom_PAPA,
col = "red", pch = 19))
legend("topleft", legend = c("0 No instaló ni R ni RStudio",
"1 Solo instaló R",
"2 Solo instaló RStudio",
"3 Instaló ambos"))
legend(0.5, 3.4, legend = c("Promedio"),
pch = 19, col = "red")
text(0.5, 3.1, "El ancho de las cajas es proporcional a la raíz cuadrada del porcentaje de los estudiantes en cada carrera",
cex = 0.8, pos = 4)
par(op)
```
### Análisis.
Se observa que si consideramos a los estudiantes de Sistemas la mayoría
han instalado el R y el RStudio (el 92.3%). Mientras que los de
estadística solo el 72.2% lo han hecho. Esto es contrario a lo que
se esperaba.
Se observa que el promedio y la mediana más alta en PAPA lo tienen
los estudiantes de estadística que solo han instalado el R. Mientras
que los promedios más bajos lo tienen los estudiantes de Sistemas
que no han instalado el R o solo el RStudio.
Es importante anotar que en Sistemas solo uno no ha instalado los
dos programas y solo uno ha instalado solo el RStudio. También es
curioso que el de sistemas solo haya instalado el RStudio sin instalar
el R.
Aparentemente los de estadística que solo han instalado el R tienen
un buen desempeño académico.
Cabo anotar que no hay diferencia significativa en la medianas de los grupos
porque los intervalos de confianza se superponen. Por lo tanto no se
puede inferir que este comportamiento es generalizado.
Sorprende la tendencia del promedio y la mediana del grupo de estadística
que han instalado los dos programas relativamente bajo, contrario a lo
que se esperaba. Esto indica que posiblemente hayan otros factores que
puedan estar asociado al desempeño académico y no solo el hecho de
estar al día con la clase en cuanto a la instalación del software.
Se puede concluir que aunque no haya diferencia significativa entre los
grupos si hay una tendencia a tener mejor desempeño en el el PAPA los
estudiantes de estadística que tienen instalado solo el R, mientras que
los que no lo han instalado los programas el desempeño académico tiene
a se más bajo sin que haya diferencia significativa.