Resultados de la variable edad, correspondiente a la encuesta: hagamos de Univalle un jardín.

E<-read.csv("DATOS.csv", sep = ";")
tab.Edad<-as.data.frame(prop.table(table(E$EDAD))*100)
colnames(tab.Edad)<-c("EDAD", "PORCENTAJE")
l<-c("[15 a 24] años", "[25 a 35] años", "[36 a 46] años", "[47 a 55] años", "Mayor a 55 años")
n<-c("0", "1", "2", "3", "4")
library(ggplot2)
ggplot(tab.Edad, aes(x = EDAD, y = PORCENTAJE, fill = EDAD)) + geom_bar(stat = "identity", width = 0.8) + scale_fill_discrete(name = "", breaks = n, labels = l) + theme(legend.position = "right", legend.background = element_rect(fill = "white", size = 0.5, linetype = "solid", colour = "darkgrey")) + ggtitle("PORCENTAJE DEL RANGO DE EDADES") + xlab("RANGO DE EDADES") + ylab("% ENCUESTADOS") + theme(plot.title = element_text(hjust = 0.5)) + geom_text(aes(y = PORCENTAJE, label = paste(round(PORCENTAJE, 2), "%")), position = position_dodge(width = 0.5), size=4, vjust=-0.5, hjust=0.5 ,col="black") + scale_x_discrete(breaks = n, labels = c("", "", "", "", "")) + scale_y_continuous(breaks = seq(0, 70, by = 10), limits = c(0,70)) 

En la gráfica se observa que más de la mitad de los encuestados se encuentran en un rango de edad entre los 15 y 24 años, lo que nos indica que la muestra no es representativa.

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