GRÁFICOS AVANZADOS

DATOS

#CARGAR DATOS DE ALUMNOS
GENERO=c("HOMBRE","MUJER","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","HOMBRE","HOMBRE","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","HOMBRE","HOMBRE","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","HOMBRE","HOMBRE","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","HOMBRE","HOMBRE","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","HOMBRE","HOMBRE","MUJER","HOMBRE","MUJER","MUJER","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","HOMBRE","HOMBRE","MUJER","MUJER","HOMBRE")
MATE=c(12,15,13,14,16,11,10,10,9,7,8,12,12,16,16,14,11,11,18,17,15,17,15,13,12,11,8,12,9,9,10,14,11,17,18,15,10,9,8,14,12,13,11,12,10,13,16,11,10,12,15,13,14,16,11,10,10,9,11,10,12,14,11,17,18,15,10,9,8,14,12,11,18,17,15,17,15,13,12,11,8,12,9,9,10,14,11,17,18,15,10,8,12,9,9,10,14,11,17)
COMU=c(13,14,16,11,10,10,9,7,8,12,12,16,16,14,11,11,18,8,12,12,16,16,14,11,11,18,17,15,17,15,13,12,11,8,12,9,9,12,15,13,14,16,11,10,10,9,11,10,12,14,11,17,18,15,10,9,8,14,12,11,18,17,9,8,14,12,13,11,12,10,13,16,11,10,12,11,10,10,9,11,10,12,14,11,17,18,15,10,12,15,13,14,16,11,10,10,9,12,15)
CyT=c(13,12,11,8,12,9,9,10,14,11,17,18,15,10,9,8,14,12,13,11,12,10,13,16,11,11,10,10,9,7,8,12,12,16,16,14,11,11,18,17,15,17,15,13,12,11,8,12,9,9,12,15,12,12,16,16,14,11,11,18,17,15,17,15,13,12,11,13,14,16,11,10,10,9,7,8,12,12,16,16,14,11,10,12,15,13,14,16,11,10,10,9,11,10,12,11,10,12,14)
PROM=c(12.67,13.67,13.33,11,12.67,10,9.33,9,10.33,10,12.33,15.33,14.33,13.33,12,11,14.33,10,14.33,13.33,14.33,14.33,14,13.33,11.33,13.33,11.67,12.33,11.67,10.33,10.33,12.67,11.33,13.67,15.33,12.67,10,10.67,13.67,14.67,13.67,15.33,12.33,11.67,10.67,11,11.67,11,10.33,11.67,12.67,15,14.67,14.33,12.33,11.67,10.67,11.33,11.33,13,15.67,15.33,12.33,13.33,15,13,11.33,11,11.33,13.33,12,12.33,13,12,11.33,12,12.33,11.67,12.33,12.67,10.67,11.67,11,10.67,14,15,13.33,14.33,13.67,13.33,11,10.33,13,10,10.33,10.33,11,11.67,15.33)
CALIFICACION=c("PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","INICIO","INICIO","INICIO","INICIO","INICIO","PROCESO","ESPERADO","ESPERADO","PROCESO","PROCESO","PROCESO","ESPERADO","INICIO","ESPERADO","PROCESO","ESPERADO","ESPERADO","ESPERADO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","INICIO","INICIO","PROCESO","PROCESO","PROCESO","ESPERADO","PROCESO","INICIO","INICIO","PROCESO","ESPERADO","PROCESO","ESPERADO","PROCESO","PROCESO","INICIO","PROCESO","PROCESO","PROCESO","INICIO","PROCESO","PROCESO","ESPERADO","ESPERADO","ESPERADO","PROCESO","PROCESO","INICIO","PROCESO","PROCESO","PROCESO","ESPERADO","ESPERADO","PROCESO","PROCESO","ESPERADO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","PROCESO","INICIO","PROCESO","PROCESO","INICIO","ESPERADO","ESPERADO","PROCESO","ESPERADO","PROCESO","PROCESO","PROCESO","INICIO","PROCESO","INICIO","INICIO","INICIO","PROCESO","PROCESO","ESPERADO")
#ANTES DE CREAR LA NUEVA DATA SE FACTORIZA LAS VARIABLES NOMINALES USANDO as.factor, en este caso se cuenta con dos variables nominales: GENERO Y CALIFICACION
GENERO= as.factor(GENERO)
CALIFICACION= as.factor(CALIFICACION)
CALIFICACIONES1=data.frame(GENERO,MATE,COMU,CyT,PROM,CALIFICACION)
CALIFICACIONES1

##    GENERO MATE COMU CyT  PROM CALIFICACION
## 1  HOMBRE   12   13  13 12.67      PROCESO
## 2   MUJER   15   14  12 13.67      PROCESO
## 3   MUJER   13   16  11 13.33      PROCESO
## 4  HOMBRE   14   11   8 11.00      PROCESO
## 5   MUJER   16   10  12 12.67      PROCESO
## 6   MUJER   11   10   9 10.00       INICIO
## 7  HOMBRE   10    9   9  9.33       INICIO
## 8  HOMBRE   10    7  10  9.00       INICIO
## 9  HOMBRE    9    8  14 10.33       INICIO
## 10  MUJER    7   12  11 10.00       INICIO
## 11 HOMBRE    8   12  17 12.33      PROCESO
## 12  MUJER   12   16  18 15.33     ESPERADO
## 13  MUJER   12   16  15 14.33     ESPERADO
## 14 HOMBRE   16   14  10 13.33      PROCESO
## 15  MUJER   16   11   9 12.00      PROCESO
## 16 HOMBRE   14   11   8 11.00      PROCESO
## 17 HOMBRE   11   18  14 14.33     ESPERADO
## 18  MUJER   11    8  12 10.00       INICIO
## 19 HOMBRE   18   12  13 14.33     ESPERADO
## 20 HOMBRE   17   12  11 13.33      PROCESO
## 21  MUJER   15   16  12 14.33     ESPERADO
## 22  MUJER   17   16  10 14.33     ESPERADO
## 23 HOMBRE   15   14  13 14.00     ESPERADO
## 24  MUJER   13   11  16 13.33      PROCESO
## 25  MUJER   12   11  11 11.33      PROCESO
## 26 HOMBRE   11   18  11 13.33      PROCESO
## 27 HOMBRE    8   17  10 11.67      PROCESO
## 28 HOMBRE   12   15  10 12.33      PROCESO
## 29  MUJER    9   17   9 11.67      PROCESO
## 30 HOMBRE    9   15   7 10.33       INICIO
## 31  MUJER   10   13   8 10.33       INICIO
## 32  MUJER   14   12  12 12.67      PROCESO
## 33 HOMBRE   11   11  12 11.33      PROCESO
## 34  MUJER   17    8  16 13.67      PROCESO
## 35 HOMBRE   18   12  16 15.33     ESPERADO
## 36 HOMBRE   15    9  14 12.67      PROCESO
## 37  MUJER   10    9  11 10.00       INICIO
## 38 HOMBRE    9   12  11 10.67       INICIO
## 39 HOMBRE    8   15  18 13.67      PROCESO
## 40  MUJER   14   13  17 14.67     ESPERADO
## 41  MUJER   12   14  15 13.67      PROCESO
## 42 HOMBRE   13   16  17 15.33     ESPERADO
## 43  MUJER   11   11  15 12.33      PROCESO
## 44  MUJER   12   10  13 11.67      PROCESO
## 45 HOMBRE   10   10  12 10.67       INICIO
## 46 HOMBRE   13    9  11 11.00      PROCESO
## 47 HOMBRE   16   11   8 11.67      PROCESO
## 48  MUJER   11   10  12 11.00      PROCESO
## 49 HOMBRE   10   12   9 10.33       INICIO
## 50  MUJER   12   14   9 11.67      PROCESO
## 51  MUJER   15   11  12 12.67      PROCESO
## 52 HOMBRE   13   17  15 15.00     ESPERADO
## 53  MUJER   14   18  12 14.67     ESPERADO
## 54 HOMBRE   16   15  12 14.33     ESPERADO
## 55 HOMBRE   11   10  16 12.33      PROCESO
## 56  MUJER   10    9  16 11.67      PROCESO
## 57 HOMBRE   10    8  14 10.67       INICIO
## 58 HOMBRE    9   14  11 11.33      PROCESO
## 59  MUJER   11   12  11 11.33      PROCESO
## 60  MUJER   10   11  18 13.00      PROCESO
## 61 HOMBRE   12   18  17 15.67     ESPERADO
## 62  MUJER   14   17  15 15.33     ESPERADO
## 63  MUJER   11    9  17 12.33      PROCESO
## 64 HOMBRE   17    8  15 13.33      PROCESO
## 65 HOMBRE   18   14  13 15.00     ESPERADO
## 66 HOMBRE   15   12  12 13.00      PROCESO
## 67  MUJER   10   13  11 11.33      PROCESO
## 68 HOMBRE    9   11  13 11.00      PROCESO
## 69  MUJER    8   12  14 11.33      PROCESO
## 70  MUJER   14   10  16 13.33      PROCESO
## 71 HOMBRE   12   13  11 12.00      PROCESO
## 72  MUJER   11   16  10 12.33      PROCESO
## 73 HOMBRE   18   11  10 13.00      PROCESO
## 74 HOMBRE   17   10   9 12.00      PROCESO
## 75  MUJER   15   12   7 11.33      PROCESO
## 76 HOMBRE   17   11   8 12.00      PROCESO
## 77 HOMBRE   15   10  12 12.33      PROCESO
## 78  MUJER   13   10  12 11.67      PROCESO
## 79  MUJER   12    9  16 12.33      PROCESO
## 80 HOMBRE   11   11  16 12.67      PROCESO
## 81  MUJER    8   10  14 10.67       INICIO
## 82  MUJER   12   12  11 11.67      PROCESO
## 83 HOMBRE    9   14  10 11.00      PROCESO
## 84 HOMBRE    9   11  12 10.67       INICIO
## 85 HOMBRE   10   17  15 14.00     ESPERADO
## 86  MUJER   14   18  13 15.00     ESPERADO
## 87 HOMBRE   11   15  14 13.33      PROCESO
## 88  MUJER   17   10  16 14.33     ESPERADO
## 89  MUJER   18   12  11 13.67      PROCESO
## 90 HOMBRE   15   15  10 13.33      PROCESO
## 91  MUJER   10   13  10 11.00      PROCESO
## 92 HOMBRE    8   14   9 10.33       INICIO
## 93 HOMBRE   12   16  11 13.00      PROCESO
## 94  MUJER    9   11  10 10.00       INICIO
## 95 HOMBRE    9   10  12 10.33       INICIO
## 96 HOMBRE   10   10  11 10.33       INICIO
## 97  MUJER   14    9  10 11.00      PROCESO
## 98  MUJER   11   12  12 11.67      PROCESO
## 99 HOMBRE   17   15  14 15.33     ESPERADO

library(skimr)
skim(CALIFICACIONES1)

Data summary

Name	CALIFICACIONES1
Number of rows	99
Number of columns	6
_______________________
Column type frequency:
factor	2
numeric	4
________________________
Group variables	None

Variable type: factor

skim_variable	n_missing	complete_rate	ordered	n_unique	top_counts
GENERO	0	1	FALSE	2	HOM: 52, MUJ: 47
CALIFICACION	0	1	FALSE	3	PRO: 60, ESP: 20, INI: 19

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
MATE	0	1	12.42	2.93	7	10	12.00	15.0	18.00	▅▇▆▅▅
COMU	0	1	12.39	2.81	7	10	12.00	14.5	18.00	▃▇▆▅▅
CyT	0	1	12.29	2.74	7	10	12.00	14.0	18.00	▅▇▇▅▅
PROM	0	1	12.37	1.62	9	11	12.33	13.5	15.67	▃▅▇▆▃

summary(CALIFICACIONES1)

##     GENERO        MATE            COMU            CyT             PROM      
##  HOMBRE:52   Min.   : 7.00   Min.   : 7.00   Min.   : 7.00   Min.   : 9.00  
##  MUJER :47   1st Qu.:10.00   1st Qu.:10.00   1st Qu.:10.00   1st Qu.:11.00  
##              Median :12.00   Median :12.00   Median :12.00   Median :12.33  
##              Mean   :12.42   Mean   :12.39   Mean   :12.29   Mean   :12.37  
##              3rd Qu.:15.00   3rd Qu.:14.50   3rd Qu.:14.00   3rd Qu.:13.50  
##              Max.   :18.00   Max.   :18.00   Max.   :18.00   Max.   :15.67  
##    CALIFICACION
##  ESPERADO:20   
##  INICIO  :19   
##  PROCESO :60   
##                
##                
## 

str(CALIFICACIONES1)

## 'data.frame':    99 obs. of  6 variables:
##  $ GENERO      : Factor w/ 2 levels "HOMBRE","MUJER": 1 2 2 1 2 2 1 1 1 2 ...
##  $ MATE        : num  12 15 13 14 16 11 10 10 9 7 ...
##  $ COMU        : num  13 14 16 11 10 10 9 7 8 12 ...
##  $ CyT         : num  13 12 11 8 12 9 9 10 14 11 ...
##  $ PROM        : num  12.7 13.7 13.3 11 12.7 ...
##  $ CALIFICACION: Factor w/ 3 levels "ESPERADO","INICIO",..: 3 3 3 3 3 2 2 2 2 2 ...

# Histograma
#---------------------
hist(x=CALIFICACIONES1$MATE, col = "lightblue", ylim =c(0,20),
     xlab = "ALUMNOS", 
     ylab = "MATE",
     main = "Distribución de MATE")

# Histograma
#---------------------
hist(x=CALIFICACIONES1$COMU, col = "lightblue", ylim =c(0,20),
     xlab = "ALUMNOS", 
     ylab = "COMU",
     main = "Distribución de COMU")

# Histograma
#---------------------
hist(x=CALIFICACIONES1$CyT, col = "lightblue", ylim =c(0,20),
     xlab = "ALUMNOS", 
     ylab = "CyT",
     main = "Distribución de CyT")

# Histograma
#---------------------
hist(x=CALIFICACIONES1$PROM, col = "lightblue", ylim =c(0,20),
     xlab = "ALUMNOS", 
     ylab = "PROM",
     main = "Distribución de PROM")

# VARIOS GRÁFICOS
#---------------------------
par(mfrow = c(1,3))

hist(CALIFICACIONES1$MATE, col="green", main = "Matematica",
     ylim = c(0,15),
     xlab = "Promedio", ylab = "Alumnos")

hist(CALIFICACIONES1$COMU, col="orange", main = "Comuinicacion",
     ylim = c(0,20),
     xlab = "Promedio", ylab = "ALUMNO")

hist(CALIFICACIONES1$CyT, col="pink", main = "CyT",
     ylim = c(0,20),
     xlab = "Promedio", ylab = "ALUMNO")

par(mfrow=c(1,1))

# Filtro para hombres
#---------------------------------------
Nhombre1 = subset(CALIFICACIONES1,subset=CALIFICACIONES1$GENERO=="HOMBRE")

head(Nhombre1)

##    GENERO MATE COMU CyT  PROM CALIFICACION
## 1  HOMBRE   12   13  13 12.67      PROCESO
## 4  HOMBRE   14   11   8 11.00      PROCESO
## 7  HOMBRE   10    9   9  9.33       INICIO
## 8  HOMBRE   10    7  10  9.00       INICIO
## 9  HOMBRE    9    8  14 10.33       INICIO
## 11 HOMBRE    8   12  17 12.33      PROCESO

skim(Nhombre1)

Data summary

Name	Nhombre1
Number of rows	52
Number of columns	6
_______________________
Column type frequency:
factor	2
numeric	4
________________________
Group variables	None

Variable type: factor

skim_variable	n_missing	complete_rate	ordered	n_unique	top_counts
GENERO	0	1	FALSE	1	HOM: 52, MUJ: 0
CALIFICACION	0	1	FALSE	3	PRO: 29, INI: 12, ESP: 11

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
MATE	0	1	12.44	3.23	8	10.00	12.00	15.00	18.00	▇▅▂▃▃
COMU	0	1	12.56	2.87	7	10.75	12.00	15.00	18.00	▃▇▅▇▅
CyT	0	1	12.08	2.71	7	10.00	12.00	14.00	18.00	▅▇▆▅▃
PROM	0	1	12.36	1.70	9	11.00	12.33	13.33	15.67	▅▆▇▆▃

#Filtro de varias categorías
#-------------------------------------
Nhombre2 = subset(CALIFICACIONES1, subset = CALIFICACIONES1$GENERO =="HOMBRE",
                  select = c("GENERO", "PROM", "CALIFICACION"))

head(Nhombre2)

##    GENERO  PROM CALIFICACION
## 1  HOMBRE 12.67      PROCESO
## 4  HOMBRE 11.00      PROCESO
## 7  HOMBRE  9.33       INICIO
## 8  HOMBRE  9.00       INICIO
## 9  HOMBRE 10.33       INICIO
## 11 HOMBRE 12.33      PROCESO

Nhombre2 = subset(CALIFICACIONES1, subset = CALIFICACIONES1$GENERO =="HOMBRE",
                  select = c("PROM", "CALIFICACION"))

Nhombre2

##     PROM CALIFICACION
## 1  12.67      PROCESO
## 4  11.00      PROCESO
## 7   9.33       INICIO
## 8   9.00       INICIO
## 9  10.33       INICIO
## 11 12.33      PROCESO
## 14 13.33      PROCESO
## 16 11.00      PROCESO
## 17 14.33     ESPERADO
## 19 14.33     ESPERADO
## 20 13.33      PROCESO
## 23 14.00     ESPERADO
## 26 13.33      PROCESO
## 27 11.67      PROCESO
## 28 12.33      PROCESO
## 30 10.33       INICIO
## 33 11.33      PROCESO
## 35 15.33     ESPERADO
## 36 12.67      PROCESO
## 38 10.67       INICIO
## 39 13.67      PROCESO
## 42 15.33     ESPERADO
## 45 10.67       INICIO
## 46 11.00      PROCESO
## 47 11.67      PROCESO
## 49 10.33       INICIO
## 52 15.00     ESPERADO
## 54 14.33     ESPERADO
## 55 12.33      PROCESO
## 57 10.67       INICIO
## 58 11.33      PROCESO
## 61 15.67     ESPERADO
## 64 13.33      PROCESO
## 65 15.00     ESPERADO
## 66 13.00      PROCESO
## 68 11.00      PROCESO
## 71 12.00      PROCESO
## 73 13.00      PROCESO
## 74 12.00      PROCESO
## 76 12.00      PROCESO
## 77 12.33      PROCESO
## 80 12.67      PROCESO
## 83 11.00      PROCESO
## 84 10.67       INICIO
## 85 14.00     ESPERADO
## 87 13.33      PROCESO
## 90 13.33      PROCESO
## 92 10.33       INICIO
## 93 13.00      PROCESO
## 95 10.33       INICIO
## 96 10.33       INICIO
## 99 15.33     ESPERADO

Nmujer = subset(CALIFICACIONES1, subset = CALIFICACIONES1$GENERO =="MUJER")
head(Nmujer)

##    GENERO MATE COMU CyT  PROM CALIFICACION
## 2   MUJER   15   14  12 13.67      PROCESO
## 3   MUJER   13   16  11 13.33      PROCESO
## 5   MUJER   16   10  12 12.67      PROCESO
## 6   MUJER   11   10   9 10.00       INICIO
## 10  MUJER    7   12  11 10.00       INICIO
## 12  MUJER   12   16  18 15.33     ESPERADO

skim(Nmujer)

Data summary

Name	Nmujer
Number of rows	47
Number of columns	6
_______________________
Column type frequency:
factor	2
numeric	4
________________________
Group variables	None

Variable type: factor

skim_variable	n_missing	complete_rate	ordered	n_unique	top_counts
GENERO	0	1	FALSE	1	MUJ: 47, HOM: 0
CALIFICACION	0	1	FALSE	3	PRO: 31, ESP: 9, INI: 7

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
MATE	0	1	12.40	2.59	7	11.00	12.00	14.00	18.00	▃▇▆▆▃
COMU	0	1	12.21	2.75	8	10.00	12.00	14.00	18.00	▇▇▃▃▂
CyT	0	1	12.53	2.78	7	11.00	12.00	15.00	18.00	▃▇▇▃▆
PROM	0	1	12.38	1.55	10	11.33	12.33	13.67	15.33	▆▇▅▅▆

#Histograma diferenciando el sexo
#------------------------------------

par(mfrow=c(2,4))

hist(Nhombre1$MATE, col = "lightblue", main = "Hombres MATE", ylim = c(0,20))
hist(Nhombre1$COMU, col = "lightblue", main = "Hombres COMU", ylim = c(0,20))
hist(Nhombre1$CyT, col = "lightblue", main = "Hombres CyT", ylim = c(0,20))
hist(Nhombre1$PROM, col= "lightblue", main = "Hombres PROM", ylim = c(0,20))


hist(Nmujer$MATE, col = "pink", main = "Mujeres MATE", ylim = c(0,20))
hist(Nmujer$COMU, col = "pink", main = "Mujeres COMU", ylim = c(0,20))
hist(Nmujer$CyT, col = "pink", main = "Mujeres CyT", ylim = c(0,20))
hist(Nmujer$PROM, col = "pink", main = "Mujeres PROM", ylim = c(0,20))

par(mfrow=c(1,1))

boxplot(x=CALIFICACIONES1$MATE, main="grafico de boxplot")

par(mfrow=c(1,4))

boxplot(CALIFICACIONES1$MATE, col = "grey50", main="boxplot de matematica TOTAL")
boxplot(CALIFICACIONES1$COMU, col = "grey50", main = "boxplot de comunicacion TOTAL")
boxplot(CALIFICACIONES1$CyT, col = "grey50", main = "boxplot de CyT TOTAL")
boxplot(CALIFICACIONES1$PROM, col = "grey50", main = "boxplot de PROM TOTAL")

#--------------------------------------

boxplot(Nhombre1$MATE, col = "lightblue", main="boxplot de matematica H")
boxplot(Nhombre1$COMU, col = "lightblue", main = "boxplot de comunicacion H")
boxplot(Nhombre1$CyT, col = "lightblue", main = "boxplot de CyT H")
boxplot(Nhombre1$PROM, col = "lightblue", main = "boxplot de PROM H")

#-------------------------------------------------------------

boxplot(Nmujer$MATE, col = "pink", main="boxplot de matematica M")
boxplot(Nmujer$COMU, col = "pink", main = "boxplot de comunicacion M")
boxplot(Nmujer$CyT, col = "pink", main = "boxplot de CyT M")
boxplot(Nmujer$PROM, col = "pink", main = "boxplot de PROM M")

par(mfrow=c(3,4))

boxplot(CALIFICACIONES1$MATE, col = "grey50", main="boxplot de matematica TOTAL")
boxplot(CALIFICACIONES1$COMU, col = "grey50", main = "boxplot de comunicacion TOTAL")
boxplot(CALIFICACIONES1$CyT, col = "grey50", main = "boxplot de CyT TOTAL")
boxplot(CALIFICACIONES1$PROM, col = "grey50", main = "boxplot de PROM TOTAL")


#--------------------------------------

boxplot(Nhombre1$MATE, col = "lightblue", main="boxplot de matematica H")
boxplot(Nhombre1$COMU, col = "lightblue", main = "boxplot de comunicacion H")
boxplot(Nhombre1$CyT, col = "lightblue", main = "boxplot de CyT H")
boxplot(Nhombre1$PROM, col = "lightblue", main = "boxplot de PROM H")

#-------------------------------------------------------------

boxplot(Nmujer$MATE, col = "pink", main="boxplot de matematica M")
boxplot(Nmujer$COMU, col = "pink", main = "boxplot de comunicacion M")
boxplot(Nmujer$CyT, col = "pink", main = "boxplot de CyT M")
boxplot(Nmujer$PROM, col = "pink", main = "boxplot de PROM M")

par(mfrow=c(1,4))

boxplot(CALIFICACIONES1$MATE~CALIFICACIONES1$GENERO,
        col = c("lightblue", "pink"), main = "MATEMATICA", ylim = c(0,20),
        xlab = "GENERO", ylab = "PROMEDIO DE MATEMATICA")

boxplot(CALIFICACIONES1$COMU~CALIFICACIONES1$GENERO,
        col = c("lightblue", "pink"), main = "COMUNICACION", ylim = c(0,20),
        xlab = "GENERO", ylab = "PROMEDIO DE COMUNICACION")

boxplot(CALIFICACIONES1$CyT~CALIFICACIONES1$GENERO,
        col = c("lightblue", "pink"), main = "CyT", ylim = c(0,20),
        xlab = "GENERO", ylab = "PROMEDIO DE CyT")

boxplot(CALIFICACIONES1$PROM~CALIFICACIONES1$GENERO,
        col = c("lightblue", "pink"), main = "PROM", ylim = c(0,20),
        xlab = "GENERO", ylab = "PROMEDIO DE PROM")

par(mfrow=c(1,1))

library(ggplot2)
ggplot(data = CALIFICACIONES1, aes(x=MATE, y=COMU, color = GENERO)) +
  geom_point() + theme_bw()

ggplot(data = CALIFICACIONES1,
       mapping = aes(x=MATE, y=COMU, color = GENERO)) +
       geom_point()+
       ggtitle("Gráfico de dispersión") + theme_bw()

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

ggplotly(
  ggplot(data = CALIFICACIONES1, aes(x = CALIFICACION, y = MATE, fill = GENERO)) +
    geom_boxplot()+
    ggtitle("Comparación de CALIFICACIONES POR GENERO")
)

ggplotly(
  ggplot(data = CALIFICACIONES1, aes(x = CALIFICACION, y = COMU, fill = GENERO)) +
    geom_boxplot()+
    ggtitle("Comparación de CALIFICACIONES DE COMU POR GENERO"))

ggplotly(
  ggplot(data = CALIFICACIONES1, aes(x = CALIFICACION, y = CyT, fill = GENERO)) +
    geom_boxplot()+
    ggtitle("Comparación de CALIFICACIONES DE CyT POR GENERO"))

ggplotly(
  ggplot(data = CALIFICACIONES1, aes(x = CALIFICACION, y = PROM, fill = GENERO)) +
    geom_boxplot()+
    ggtitle("Comparación de CALIFICACIONES DE PROM POR GENERO"))