library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(tidyr)
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.2
library(summarytools)
library(moments)
# memanggil data
datauts = read.csv("C:/Users/Aqshal/Downloads/StudentsPerformance (1).csv")
# menambah total skor
total_score = datauts$math.score + datauts$reading.score + datauts$writing.score
datauts$total.score = as.numeric(total_score)
total_score
## [1] 218 247 278 148 229 232 275 122 195 148 164 135 219 220 161 222 263 78
## [19] 134 173 198 210 151 215 225 219 178 211 205 207 217 189 193 120 266 241
## [37] 238 173 253 170 170 199 176 190 160 176 182 213 207 248 156 214 139 241
## [55] 242 117 253 156 175 27 225 112 178 220 176 192 119 206 175 160 194 181
## [73] 140 174 139 123 78 239 207 198 146 139 151 199 115 235 247 216 195 241
## [91] 211 97 221 138 257 241 193 205 187 194 213 216 265 151 274 197 287 193
## [109] 198 206 264 166 154 163 299 235 242 239 175 189 260 272 274 176 236 268
## [127] 207 216 238 151 255 130 231 240 228 161 146 181 192 201 219 185 151 147
## [145] 239 94 247 207 224 293 198 212 195 150 190 247 218 180 234 192 234 248
## [163] 154 154 264 296 155 212 229 212 219 260 246 200 148 259 158 225 184 297
## [181] 205 176 147 204 146 197 221 196 145 252 200 238 192 201 238 168 193 162
## [199] 153 233 237 223 215 194 142 223 206 237 231 185 238 90 164 167 259 242
## [217] 257 115 213 173 198 245 182 241 191 155 215 161 204 277 206 131 236 257
## [235] 249 232 196 198 157 244 207 246 163 153 218 232 239 196 191 181 145 237
## [253] 200 232 158 205 205 232 223 227 220 236 145 282 217 142 219 218 275 217
## [271] 193 149 158 206 249 234 270 197 231 186 147 139 236 226 129 245 267 238
## [289] 239 230 214 229 180 213 235 189 130 213 136 252 240 162 232 220 232 205
## [307] 267 147 191 158 229 183 196 204 198 202 250 233 203 184 230 240 232 149
## [325] 130 266 184 70 234 147 192 119 171 249 271 195 215 143 89 150 171 197
## [343] 219 206 219 227 180 266 215 237 186 175 221 161 200 203 185 177 182 259
## [361] 179 247 168 93 177 167 180 188 166 242 232 188 220 275 202 130 252 280
## [379] 231 192 249 282 231 132 124 218 207 202 190 218 199 222 210 167 216 134
## [397] 180 269 194 173 180 139 169 287 175 204 193 239 165 256 215 245 197 197
## [415] 202 226 213 214 189 167 268 179 172 224 114 191 255 205 177 185 189 203
## [433] 172 156 205 151 207 214 177 259 227 239 201 232 234 218 195 247 135 226
## [451] 234 289 216 172 176 140 257 155 300 205 166 153 217 258 195 262 95 204
## [469] 250 241 258 206 238 187 271 230 204 220 189 214 212 167 197 157 155 215
## [487] 164 209 174 243 226 198 256 259 186 198 154 213 203 219 235 273 178 276
## [505] 153 244 204 168 234 265 220 157 163 177 268 248 247 213 222 224 172 261
## [523] 184 163 154 187 177 132 117 206 208 154 181 261 210 232 169 179 222 275
## [541] 212 241 237 266 193 241 289 203 193 220 220 265 138 203 138 104 206 194
## [559] 193 201 228 211 278 223 145 136 292 210 158 203 216 279 171 180 226 148
## [577] 164 261 162 182 274 236 214 228 223 217 201 169 183 179 169 183 200 223
## [595] 291 207 69 155 219 228 177 88 234 168 263 209 251 152 187 186 192 183
## [613] 275 216 268 200 120 249 260 206 150 181 161 282 181 296 202 155 152 150
## [631] 201 204 221 248 248 209 228 260 236 223 144 252 232 233 195 227 194 194
## [649] 158 229 160 224 269 209 231 196 208 196 161 262 224 202 195 201 206 170
## [667] 207 249 208 230 210 159 223 233 224 180 227 228 234 184 213 188 171 113
## [685] 196 293 228 228 155 266 155 227 221 227 168 254 247 201 214 191 242 196
## [703] 258 194 186 199 116 177 255 161 267 250 297 246 204 257 223 291 226 244
## [721] 204 173 252 140 131 226 217 176 249 129 225 144 270 146 168 183 255 192
## [739] 225 176 225 150 247 204 157 225 215 201 169 257 208 205 231 252 166 271
## [757] 165 210 176 223 189 160 245 187 182 218 210 198 214 175 149 222 191 219
## [775] 191 162 208 122 233 261 159 251 243 173 251 127 228 89 194 178 170 196
## [793] 209 250 145 198 210 235 183 164 208 229 276 254 227 230 213 126 234 164
## [811] 118 141 185 247 235 267 168 207 200 256 267 261 152 240 158 187 194 210
## [829] 236 175 178 249 182 248 153 198 194 236 168 216 137 173 103 227 169 259
## [847] 261 168 199 224 205 192 265 210 181 290 208 225 147 232 168 254 119 222
## [865] 281 252 164 144 224 151 164 218 244 262 166 210 247 172 211 214 193 211
## [883] 208 145 156 218 288 185 208 143 262 262 190 237 190 104 92 220 184 225
## [901] 258 225 123 293 235 242 156 254 214 204 140 235 179 175 162 204 300 157
## [919] 214 278 206 134 204 184 213 198 172 197 133 155 211 181 205 219 275 191
## [937] 177 172 251 214 210 265 211 184 187 173 244 167 151 205 238 235 220 164
## [955] 200 191 252 292 167 227 178 155 300 216 187 204 198 186 211 239 289 219
## [973] 163 175 184 223 182 185 144 280 55 237 250 256 231 162 150 232 134 236
## [991] 242 225 207 208 188 282 172 195 223 249
# menambahkan rata-rata
avg_score = (datauts$math.score + datauts$reading.score + datauts$writing.score)/3
datauts$avg.score = as.numeric(avg_score)
avg_score
## [1] 72.66667 82.33333 92.66667 49.33333 76.33333 77.33333 91.66667
## [8] 40.66667 65.00000 49.33333 54.66667 45.00000 73.00000 73.33333
## [15] 53.66667 74.00000 87.66667 26.00000 44.66667 57.66667 66.00000
## [22] 70.00000 50.33333 71.66667 75.00000 73.00000 59.33333 70.33333
## [29] 68.33333 69.00000 72.33333 63.00000 64.33333 40.00000 88.66667
## [36] 80.33333 79.33333 57.66667 84.33333 56.66667 56.66667 66.33333
## [43] 58.66667 63.33333 53.33333 58.66667 60.66667 71.00000 69.00000
## [50] 82.66667 52.00000 71.33333 46.33333 80.33333 80.66667 39.00000
## [57] 84.33333 52.00000 58.33333 9.00000 75.00000 37.33333 59.33333
## [64] 73.33333 58.66667 64.00000 39.66667 68.66667 58.33333 53.33333
## [71] 64.66667 60.33333 46.66667 58.00000 46.33333 41.00000 26.00000
## [78] 79.66667 69.00000 66.00000 48.66667 46.33333 50.33333 66.33333
## [85] 38.33333 78.33333 82.33333 72.00000 65.00000 80.33333 70.33333
## [92] 32.33333 73.66667 46.00000 85.66667 80.33333 64.33333 68.33333
## [99] 62.33333 64.66667 71.00000 72.00000 88.33333 50.33333 91.33333
## [106] 65.66667 95.66667 64.33333 66.00000 68.66667 88.00000 55.33333
## [113] 51.33333 54.33333 99.66667 78.33333 80.66667 79.66667 58.33333
## [120] 63.00000 86.66667 90.66667 91.33333 58.66667 78.66667 89.33333
## [127] 69.00000 72.00000 79.33333 50.33333 85.00000 43.33333 77.00000
## [134] 80.00000 76.00000 53.66667 48.66667 60.33333 64.00000 67.00000
## [141] 73.00000 61.66667 50.33333 49.00000 79.66667 31.33333 82.33333
## [148] 69.00000 74.66667 97.66667 66.00000 70.66667 65.00000 50.00000
## [155] 63.33333 82.33333 72.66667 60.00000 78.00000 64.00000 78.00000
## [162] 82.66667 51.33333 51.33333 88.00000 98.66667 51.66667 70.66667
## [169] 76.33333 70.66667 73.00000 86.66667 82.00000 66.66667 49.33333
## [176] 86.33333 52.66667 75.00000 61.33333 99.00000 68.33333 58.66667
## [183] 49.00000 68.00000 48.66667 65.66667 73.66667 65.33333 48.33333
## [190] 84.00000 66.66667 79.33333 64.00000 67.00000 79.33333 56.00000
## [197] 64.33333 54.00000 51.00000 77.66667 79.00000 74.33333 71.66667
## [204] 64.66667 47.33333 74.33333 68.66667 79.00000 77.00000 61.66667
## [211] 79.33333 30.00000 54.66667 55.66667 86.33333 80.66667 85.66667
## [218] 38.33333 71.00000 57.66667 66.00000 81.66667 60.66667 80.33333
## [225] 63.66667 51.66667 71.66667 53.66667 68.00000 92.33333 68.66667
## [232] 43.66667 78.66667 85.66667 83.00000 77.33333 65.33333 66.00000
## [239] 52.33333 81.33333 69.00000 82.00000 54.33333 51.00000 72.66667
## [246] 77.33333 79.66667 65.33333 63.66667 60.33333 48.33333 79.00000
## [253] 66.66667 77.33333 52.66667 68.33333 68.33333 77.33333 74.33333
## [260] 75.66667 73.33333 78.66667 48.33333 94.00000 72.33333 47.33333
## [267] 73.00000 72.66667 91.66667 72.33333 64.33333 49.66667 52.66667
## [274] 68.66667 83.00000 78.00000 90.00000 65.66667 77.00000 62.00000
## [281] 49.00000 46.33333 78.66667 75.33333 43.00000 81.66667 89.00000
## [288] 79.33333 79.66667 76.66667 71.33333 76.33333 60.00000 71.00000
## [295] 78.33333 63.00000 43.33333 71.00000 45.33333 84.00000 80.00000
## [302] 54.00000 77.33333 73.33333 77.33333 68.33333 89.00000 49.00000
## [309] 63.66667 52.66667 76.33333 61.00000 65.33333 68.00000 66.00000
## [316] 67.33333 83.33333 77.66667 67.66667 61.33333 76.66667 80.00000
## [323] 77.33333 49.66667 43.33333 88.66667 61.33333 23.33333 78.00000
## [330] 49.00000 64.00000 39.66667 57.00000 83.00000 90.33333 65.00000
## [337] 71.66667 47.66667 29.66667 50.00000 57.00000 65.66667 73.00000
## [344] 68.66667 73.00000 75.66667 60.00000 88.66667 71.66667 79.00000
## [351] 62.00000 58.33333 73.66667 53.66667 66.66667 67.66667 61.66667
## [358] 59.00000 60.66667 86.33333 59.66667 82.33333 56.00000 31.00000
## [365] 59.00000 55.66667 60.00000 62.66667 55.33333 80.66667 77.33333
## [372] 62.66667 73.33333 91.66667 67.33333 43.33333 84.00000 93.33333
## [379] 77.00000 64.00000 83.00000 94.00000 77.00000 44.00000 41.33333
## [386] 72.66667 69.00000 67.33333 63.33333 72.66667 66.33333 74.00000
## [393] 70.00000 55.66667 72.00000 44.66667 60.00000 89.66667 64.66667
## [400] 57.66667 60.00000 46.33333 56.33333 95.66667 58.33333 68.00000
## [407] 64.33333 79.66667 55.00000 85.33333 71.66667 81.66667 65.66667
## [414] 65.66667 67.33333 75.33333 71.00000 71.33333 63.00000 55.66667
## [421] 89.33333 59.66667 57.33333 74.66667 38.00000 63.66667 85.00000
## [428] 68.33333 59.00000 61.66667 63.00000 67.66667 57.33333 52.00000
## [435] 68.33333 50.33333 69.00000 71.33333 59.00000 86.33333 75.66667
## [442] 79.66667 67.00000 77.33333 78.00000 72.66667 65.00000 82.33333
## [449] 45.00000 75.33333 78.00000 96.33333 72.00000 57.33333 58.66667
## [456] 46.66667 85.66667 51.66667 100.00000 68.33333 55.33333 51.00000
## [463] 72.33333 86.00000 65.00000 87.33333 31.66667 68.00000 83.33333
## [470] 80.33333 86.00000 68.66667 79.33333 62.33333 90.33333 76.66667
## [477] 68.00000 73.33333 63.00000 71.33333 70.66667 55.66667 65.66667
## [484] 52.33333 51.66667 71.66667 54.66667 69.66667 58.00000 81.00000
## [491] 75.33333 66.00000 85.33333 86.33333 62.00000 66.00000 51.33333
## [498] 71.00000 67.66667 73.00000 78.33333 91.00000 59.33333 92.00000
## [505] 51.00000 81.33333 68.00000 56.00000 78.00000 88.33333 73.33333
## [512] 52.33333 54.33333 59.00000 89.33333 82.66667 82.33333 71.00000
## [519] 74.00000 74.66667 57.33333 87.00000 61.33333 54.33333 51.33333
## [526] 62.33333 59.00000 44.00000 39.00000 68.66667 69.33333 51.33333
## [533] 60.33333 87.00000 70.00000 77.33333 56.33333 59.66667 74.00000
## [540] 91.66667 70.66667 80.33333 79.00000 88.66667 64.33333 80.33333
## [547] 96.33333 67.66667 64.33333 73.33333 73.33333 88.33333 46.00000
## [554] 67.66667 46.00000 34.66667 68.66667 64.66667 64.33333 67.00000
## [561] 76.00000 70.33333 92.66667 74.33333 48.33333 45.33333 97.33333
## [568] 70.00000 52.66667 67.66667 72.00000 93.00000 57.00000 60.00000
## [575] 75.33333 49.33333 54.66667 87.00000 54.00000 60.66667 91.33333
## [582] 78.66667 71.33333 76.00000 74.33333 72.33333 67.00000 56.33333
## [589] 61.00000 59.66667 56.33333 61.00000 66.66667 74.33333 97.00000
## [596] 69.00000 23.00000 51.66667 73.00000 76.00000 59.00000 29.33333
## [603] 78.00000 56.00000 87.66667 69.66667 83.66667 50.66667 62.33333
## [610] 62.00000 64.00000 61.00000 91.66667 72.00000 89.33333 66.66667
## [617] 40.00000 83.00000 86.66667 68.66667 50.00000 60.33333 53.66667
## [624] 94.00000 60.33333 98.66667 67.33333 51.66667 50.66667 50.00000
## [631] 67.00000 68.00000 73.66667 82.66667 82.66667 69.66667 76.00000
## [638] 86.66667 78.66667 74.33333 48.00000 84.00000 77.33333 77.66667
## [645] 65.00000 75.66667 64.66667 64.66667 52.66667 76.33333 53.33333
## [652] 74.66667 89.66667 69.66667 77.00000 65.33333 69.33333 65.33333
## [659] 53.66667 87.33333 74.66667 67.33333 65.00000 67.00000 68.66667
## [666] 56.66667 69.00000 83.00000 69.33333 76.66667 70.00000 53.00000
## [673] 74.33333 77.66667 74.66667 60.00000 75.66667 76.00000 78.00000
## [680] 61.33333 71.00000 62.66667 57.00000 37.66667 65.33333 97.66667
## [687] 76.00000 76.00000 51.66667 88.66667 51.66667 75.66667 73.66667
## [694] 75.66667 56.00000 84.66667 82.33333 67.00000 71.33333 63.66667
## [701] 80.66667 65.33333 86.00000 64.66667 62.00000 66.33333 38.66667
## [708] 59.00000 85.00000 53.66667 89.00000 83.33333 99.00000 82.00000
## [715] 68.00000 85.66667 74.33333 97.00000 75.33333 81.33333 68.00000
## [722] 57.66667 84.00000 46.66667 43.66667 75.33333 72.33333 58.66667
## [729] 83.00000 43.00000 75.00000 48.00000 90.00000 48.66667 56.00000
## [736] 61.00000 85.00000 64.00000 75.00000 58.66667 75.00000 50.00000
## [743] 82.33333 68.00000 52.33333 75.00000 71.66667 67.00000 56.33333
## [750] 85.66667 69.33333 68.33333 77.00000 84.00000 55.33333 90.33333
## [757] 55.00000 70.00000 58.66667 74.33333 63.00000 53.33333 81.66667
## [764] 62.33333 60.66667 72.66667 70.00000 66.00000 71.33333 58.33333
## [771] 49.66667 74.00000 63.66667 73.00000 63.66667 54.00000 69.33333
## [778] 40.66667 77.66667 87.00000 53.00000 83.66667 81.00000 57.66667
## [785] 83.66667 42.33333 76.00000 29.66667 64.66667 59.33333 56.66667
## [792] 65.33333 69.66667 83.33333 48.33333 66.00000 70.00000 78.33333
## [799] 61.00000 54.66667 69.33333 76.33333 92.00000 84.66667 75.66667
## [806] 76.66667 71.00000 42.00000 78.00000 54.66667 39.33333 47.00000
## [813] 61.66667 82.33333 78.33333 89.00000 56.00000 69.00000 66.66667
## [820] 85.33333 89.00000 87.00000 50.66667 80.00000 52.66667 62.33333
## [827] 64.66667 70.00000 78.66667 58.33333 59.33333 83.00000 60.66667
## [834] 82.66667 51.00000 66.00000 64.66667 78.66667 56.00000 72.00000
## [841] 45.66667 57.66667 34.33333 75.66667 56.33333 86.33333 87.00000
## [848] 56.00000 66.33333 74.66667 68.33333 64.00000 88.33333 70.00000
## [855] 60.33333 96.66667 69.33333 75.00000 49.00000 77.33333 56.00000
## [862] 84.66667 39.66667 74.00000 93.66667 84.00000 54.66667 48.00000
## [869] 74.66667 50.33333 54.66667 72.66667 81.33333 87.33333 55.33333
## [876] 70.00000 82.33333 57.33333 70.33333 71.33333 64.33333 70.33333
## [883] 69.33333 48.33333 52.00000 72.66667 96.00000 61.66667 69.33333
## [890] 47.66667 87.33333 87.33333 63.33333 79.00000 63.33333 34.66667
## [897] 30.66667 73.33333 61.33333 75.00000 86.00000 75.00000 41.00000
## [904] 97.66667 78.33333 80.66667 52.00000 84.66667 71.33333 68.00000
## [911] 46.66667 78.33333 59.66667 58.33333 54.00000 68.00000 100.00000
## [918] 52.33333 71.33333 92.66667 68.66667 44.66667 68.00000 61.33333
## [925] 71.00000 66.00000 57.33333 65.66667 44.33333 51.66667 70.33333
## [932] 60.33333 68.33333 73.00000 91.66667 63.66667 59.00000 57.33333
## [939] 83.66667 71.33333 70.00000 88.33333 70.33333 61.33333 62.33333
## [946] 57.66667 81.33333 55.66667 50.33333 68.33333 79.33333 78.33333
## [953] 73.33333 54.66667 66.66667 63.66667 84.00000 97.33333 55.66667
## [960] 75.66667 59.33333 51.66667 100.00000 72.00000 62.33333 68.00000
## [967] 66.00000 62.00000 70.33333 79.66667 96.33333 73.00000 54.33333
## [974] 58.33333 61.33333 74.33333 60.66667 61.66667 48.00000 93.33333
## [981] 18.33333 79.00000 83.33333 85.33333 77.00000 54.00000 50.00000
## [988] 77.33333 44.66667 78.66667 80.66667 75.00000 69.00000 69.33333
## [995] 62.66667 94.00000 57.33333 65.00000 74.33333 83.00000
# skewness dan kurtosis math
skewness_math = skewness(datauts$math.score)
kurtosis_math = kurtosis(datauts$math.score)
skewness_math
## [1] -0.2785166
kurtosis_math
## [1] 3.267597
# skewness dan kurtosis reading
skewness_reading = skewness(datauts$reading.score)
kurtosis_reading = kurtosis(datauts$reading.score)
skewness_reading
## [1] -0.2587157
kurtosis_reading
## [1] 2.926081
# skewness dan kurtosis writing
skewness_writing = skewness(datauts$writing.score)
kurtosis_writing = kurtosis(datauts$writing.score)
skewness_writing
## [1] -0.2890096
kurtosis_writing
## [1] 2.960808
# piechart gender
frekuensi_gender = datauts %>%
count(gender)
persentase_gender = frekuensi_gender %>%
mutate(persentase = n / sum(n) * 100)
labels = paste(persentase_gender$gender, "\n", round(persentase_gender$persentase, 1), "%", sep = "")
pie(persentase_gender$persentase, labels = labels,
col = rainbow(nrow(persentase_gender)), main = "Persentase Gender")
# piechart race.ethnicity
frekuensi_ras = datauts %>%
count(race.ethnicity)
persentase_ras = frekuensi_ras %>%
mutate(persentase = n / sum(n) * 100)
labels = paste(persentase_ras$race.ethnicity, "\n", round(persentase_ras$persentase, 1), "%", sep = "")
pie(persentase_ras$persentase, labels = labels,
col = rainbow(nrow(persentase_ras)), main = "Persentase race.ethnicity")
# piechart parental.level.of.education
frekuensi_parental = datauts %>%
count(parental.level.of.education)
persentase_parental = frekuensi_parental %>%
mutate(persentase = n / sum(n) * 100)
labels = paste(persentase_parental$parental.level.of.education, "\n", round(persentase_parental$persentase, 1), "%", sep = "")
pie(persentase_parental$persentase, labels = labels,
col = rainbow(nrow(persentase_parental)), main = "Persentase parental.level.of.education")
# membuat boxplot math
ggplot(datauts, aes(x = parental.level.of.education, y = math.score, fill = gender)) +
geom_boxplot() +
labs(title = "Scores by Parental Education Level and Gender",
x = "Parental Level of Education",
y = "Scores") +
scale_fill_manual(values = c("male" = "skyblue", "female" = "pink"))
# interpretasi : median male selalu lebih tinggi dari female, nilai maksimum diperoleh pada parental di master's degree. Terdapat 13 data outlier.
# membuat boxplot writing
ggplot(datauts, aes(x = parental.level.of.education, y = writing.score, fill = gender)) +
geom_boxplot() +
labs(title = "Scores by Parental Education Level and Gender",
x = "Parental Level of Education",
y = "Scores") +
scale_fill_manual(values = c("male" = "blue", "female" = "red"))
# interpretasi : median female selalu lebih tinggi dari male, nilai maksimum diperoleh pada parental di master's degree. Terdapat 9 data outlier.
# membuat boxplot reading
ggplot(datauts, aes(x = parental.level.of.education, y = reading.score, fill = gender)) +
geom_boxplot() +
labs(title = "Scores by Parental Education Level and Gender",
x = "Parental Level of Education",
y = "Scores") +
scale_fill_manual(values = c("male" = "green", "female" = "yellow"))
# interpretasi : median female selalu lebih tinggi dari male, nilai maksimum diperoleh pada parental di master's degree. Terdapat 10 data outlier.
# membuat scatter plot
x1 = datauts$math.score
x2 = datauts$reading.score
x3 = datauts$writing.score
kucing = data.frame(x1,x2,x3)
ggplot(kucing, aes(x=x1 , y=x2))+
geom_point(color="blue", size =4) +
geom_point( aes(x=x1 , y=x3), color="green",size= 4) +
geom_point( aes(x=x2 , y=x3), color="red",size= 4)+
labs (x = "Math", y = "Reading and writing")+
ggtitle("Scatter Plot Scores")
# interpretasi : perolehan skor math, reading, writing mempunyai persebaran data yang mirip dimana hubungan yang persebaran datanya paling bagus adalah warna merah ya itu antara variabel x2(reading)dan x1(writing), jadi bisa dikatakan bahwa skor math, reading, writing saling berhubungan dimana semakin tinggi skor math sebanding juga dengan skor reading dan writing
#diagram batang
x1 = datauts$parental.level.of.education
x2 = datauts$total.score
x3 = datauts$gender
ayam = data.frame(x1,x2,x3)
ggplot(datauts, aes(x=x1,y=x2,fill=x3))+
geom_bar(stat = "identity")+
labs(title="Diagram Batang",x=x1,y=x2)
summary(datauts)
## gender race.ethnicity parental.level.of.education
## Length:1000 Length:1000 Length:1000
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
## lunch test.preparation.course math.score reading.score
## Length:1000 Length:1000 Min. : 0.00 Min. : 17.00
## Class :character Class :character 1st Qu.: 57.00 1st Qu.: 59.00
## Mode :character Mode :character Median : 66.00 Median : 70.00
## Mean : 66.09 Mean : 69.17
## 3rd Qu.: 77.00 3rd Qu.: 79.00
## Max. :100.00 Max. :100.00
## writing.score total.score avg.score
## Min. : 10.00 Min. : 27.0 Min. : 9.00
## 1st Qu.: 57.75 1st Qu.:175.0 1st Qu.: 58.33
## Median : 69.00 Median :205.0 Median : 68.33
## Mean : 68.05 Mean :203.3 Mean : 67.77
## 3rd Qu.: 79.00 3rd Qu.:233.0 3rd Qu.: 77.67
## Max. :100.00 Max. :300.0 Max. :100.00