Laboratorio 1
2024-02-02
Bloque 0
Problema 1:
- Asigne a una variable llamada u el número 318
u <- 318; u## [1] 318- Imprima la variable u de modo que se muestre en el reporte
u## [1] 318- Asigne a una variable llamada puntaje el numero 826 y agregue ;puntaje al final de la linea de codigo. Explique que efecto tuvo agregar ;puntaje
puntaje <- 826;puntaje## [1] 826El punto y coma al final junto con el nombre de la variable lo que hace es imprimir el contenido de esta variable, que en este caso seria 826.
- Genere una secuencia de numeros del 12 al 82 utilizando la funcion seq ¿se utilizo print o ; para imprimir la secuencia? ¿por que?
print(seq(12,82))## [1] 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
## [26] 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
## [51] 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82Se utilizo print para no tener que almacenar la secuencia dentro de una variable.
- Guarde en una variable llamada v_1 una secuencia de numeros del 113 al 245. Imprima.
v_1 <- seq(113,245);v_1## [1] 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## [19] 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148
## [37] 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166
## [55] 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184
## [73] 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202
## [91] 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## [109] 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238
## [127] 239 240 241 242 243 244 245- Guarde en una variable llamada v_2 una secuencia de numeros del 113 al 245 sin utilizar la funcion seq. Imprima. ¿Encuentra alguna diferencia con v_1?
v_2<- numeric()
for (i in 113:245){
v_2<-c(v_2, i)
}
v_2## [1] 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
## [19] 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148
## [37] 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166
## [55] 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184
## [73] 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202
## [91] 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## [109] 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238
## [127] 239 240 241 242 243 244 245Con el método de if es mucho mas contraproducente, ya que se gasta más espacio en memoria y el tiempo de ejecución es mayor, aunque el resultado sea el mismo para ambos casos.
- Modifique la var v_1 de modo que solo contenga la secuencia de numeros de 3 en 3. Asigne esta secuencia a la variable v_3. Imprima.
v_3 <- v_1[seq(1, length(v_1), by = 3)]; v_3## [1] 113 116 119 122 125 128 131 134 137 140 143 146 149 152 155 158 161 164 167
## [20] 170 173 176 179 182 185 188 191 194 197 200 203 206 209 212 215 218 221 224
## [39] 227 230 233 236 239 242 245- Intente desarrollar el ejercicio anterior utilizando el codigo 113:245,by=3 ¿Funciona?
#v_3 <- seq(113:245, by = 3); v_3No funciona, ya que si se hace uso de : se generara una secuencia con un by=1 de manera predeterminada.
Problema 2:
- Genere un vector con numeros del 113 al 128 y guardelo en una variable llamada vector_1. Utilice la función matrix. Imprima. ¿Cual es la diferencia con v_1?
vector_1 <- matrix(113:128); vector_1## [,1]
## [1,] 113
## [2,] 114
## [3,] 115
## [4,] 116
## [5,] 117
## [6,] 118
## [7,] 119
## [8,] 120
## [9,] 121
## [10,] 122
## [11,] 123
## [12,] 124
## [13,] 125
## [14,] 126
## [15,] 127
## [16,] 128La diferencia es que v_1 esta en forma de fila (horizontal) y vector_1 en forma de columna (vertical).
- Genere una matriz de cuatro filas y cuatro columnas con numeros del 113 al 128 y guardela en una variable llamada matriz_1.
matriz_1 <- matrix(data=(113:128), nrow=4, ncol=4); matriz_1## [,1] [,2] [,3] [,4]
## [1,] 113 117 121 125
## [2,] 114 118 122 126
## [3,] 115 119 123 127
## [4,] 116 120 124 128- Genere una variable llamada t con una secuencia de numeros del 0 al 20. Genere un vector con la funcion t**3 y asignele una var llamada vector_2. Imprima.
t <- seq(0,20)
vector_2 <- matrix(t**3); vector_2## [,1]
## [1,] 0
## [2,] 1
## [3,] 8
## [4,] 27
## [5,] 64
## [6,] 125
## [7,] 216
## [8,] 343
## [9,] 512
## [10,] 729
## [11,] 1000
## [12,] 1331
## [13,] 1728
## [14,] 2197
## [15,] 2744
## [16,] 3375
## [17,] 4096
## [18,] 4913
## [19,] 5832
## [20,] 6859
## [21,] 8000- Haga una grafica de puntos de la variable t.
plot(t)
- Haga una grafica de linea del vector_2
plot(vector_2, type= "l")
- Modifique la matriz 1 cambiando la posicion [3, 2] de la matriz por un 118. Imprima nuevamente la matriz_1.
matriz_1[3,2] <- 118; matriz_1## [,1] [,2] [,3] [,4]
## [1,] 113 117 121 125
## [2,] 114 118 122 126
## [3,] 115 118 123 127
## [4,] 116 120 124 128- Haga un grafico de puntos de la columna 2 de la matriz_1
plot(matriz_1[,2])
Bloque 1:
Problema 3:
Cargar BD
library(readxl)## Warning: package 'readxl' was built under R version 4.2.3Estudiantes <- read_excel("C:/Users/sarar/Downloads/Estudiantes.xlsx")
View(Estudiantes)Problema 4:
Clasifique las variables de la base de datos dependiendo si son cualitativas o cuantitativas, discretas o continuas, nominales u ordinales. Problema 5. Realice e interprete un an ́alisis de frecuencias absolutas y relativas para las variables Categor ́ıa, Sede, Clasificaci ́on Bachillerato y Clasificaci ́on Primaria.
- ID_estudiante: Cualitativa Nominal
- Categoría: Cualitativa Ordinal
- Sede: Cualitativa Nominal
- Clasificación_bachillerato: Cualitativa Ordinal
- Clasificación_primaria: Cualitativa Ordinal
- Interés_biología: Cualitativa Nominal
- Puntaje_Biología: Cuantitativa Continua
- Interés_lenguaje: Cualitativa Nominal
- Puntaje_lenguaje: Cuantitativa Continua
- Interés_matemáticas: Cualitativa Nominal
- Puntaje_matemáticas: Cuantitativa Continua
- Interés_humanidades: Cualitativa Nominal
- Puntaje_humanidades: Cuantitativa Continua
- Estímulo_municipal: Cualitativa Nominal
- Beca_municipal: Cuantitativa Discreta
- Estímulo_departamental: Cualitativa Nominal
- Beca_departamental: Cuantitativa Discreta
- Estímulo_nacional: Cualitativa Nominal
- Beca_nacional: Cuantitativa Discreta
Problema 5:
Realice e interprete un analisis de frecuencias absolutas y relativas para las variables categoria, Sede, Clasificacion Bachillerato y Clasificacion primaria
Variable categoria:
# Frecuencia absoluta
table(Estudiantes$Categoria) ##
## 1 2 3 4 5
## 406 378 417 380 417#Cantidad de registros
length(Estudiantes$Categoria)## [1] 1998#Frecuencias relativas:
table(Estudiantes$Categoria)/length(Estudiantes$Categoria)##
## 1 2 3 4 5
## 0.2032032 0.1891892 0.2087087 0.1901902 0.2087087#Analisis frecuencia absoluta
barplot(table(Estudiantes$Categoria),col="lightblue")
#Análisis frecuencia relativa
barplot(table(Estudiantes$Categoria)/length(Estudiantes$Categoria),col="lightblue")
Interpretación de resultados: Las categorias con
mayores cantidades de estudiantes son la 1,3 y 5, las cuales suman más
de un 60% de los estudiantes. Sin embargo, las categorías con más
estudiantes son la 3 y la 5, las cuales tienen ambas 417 estudiantes
c/u. La primera gráfica nos representa el total de estudiantes en cada
sede y la segunda el porcentaje.
# Frecuencia absoluta
table(Estudiantes$Sede) ##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 510 467 475 546#Cantidad de registros
length(Estudiantes$Sede)## [1] 1998#Frecuencias relativas:
table(Estudiantes$Sede)/length(Estudiantes$Sede)##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 0.2552553 0.2337337 0.2377377 0.2732733#Analisis frecuencia absoluta
barplot(table(Estudiantes$Sede),col="lightblue")
#Análisis frecuencia relativa
barplot(table(Estudiantes$Sede)/length(Estudiantes$Sede),col="lightblue")
Interpretación de resultados: Urbana municipio es la
sede con mas estudiantes, la cual cuenta con 546. Le sigue la sede rural
con 510, después va la sede de urbana ciudad con 475 estudiantes, y por
ultimo la sede de rural etnico con 467. La primera gráfica nos
representa el total de estudiantes en cada sede y la segunda el
porcentaje.
# Frecuencia absoluta
table(Estudiantes$Clasificacion_Primaria) ##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 209 607 196 214 772#Cantidad de registros
length(Estudiantes$Clasificacion_Primaria)## [1] 1998#Frecuencias relativas:
table(Estudiantes$Clasificacion_Primaria)/length(Estudiantes$Clasificacion_Primaria)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 0.1046046 0.3038038 0.0980981 0.1071071 0.3863864#Analisis frecuencia absoluta
barplot(table(Estudiantes$Clasificacion_Primaria),col="lightblue")
#Análisis frecuencia relativa
barplot(table(Estudiantes$Clasificacion_Primaria)/length(Estudiantes$Clasificacion_Primaria),col="lightblue")
Interpretación de resultados: La mayoría de estudiantes
tienen un rendimiento alto, y un porcentaje muy bajo de ellos tiene un
rendimiento inferior. La primera gráfica nos representa el total de
estudiantes en cada sede y la segunda el porcentaje.
# Frecuencia absoluta
table(Estudiantes$Clasificacion_Bachillerato) ##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 399 399 400 400 400#Cantidad de registros
length(Estudiantes$Clasificacion_Bachillerato)## [1] 1998#Frecuencias relativas:
table(Estudiantes$Clasificacion_Bachillerato)/length(Estudiantes$Clasificacion_Bachillerato)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 0.1996997 0.1996997 0.2002002 0.2002002 0.2002002#Analisis frecuencia absoluta
barplot(table(Estudiantes$Clasificacion_Bachillerato),col="lightblue")
#Análisis frecuencia relativa
barplot(table(Estudiantes$Clasificacion_Bachillerato)/length(Estudiantes$Clasificacion_Bachillerato),col="lightblue")
Interpretación de resultados: Los resultados de este
análisis están muy equilibrados, como podemos notar en ambas gráficas,
ya que se consiguen casi la misma cantidad de estudiantes para cada
rendimiento, lo que nos da a penar que tienen un promedio bastante
diferente entre si todos los estudiantes. A comparación del colegio, en
la universidad hay mucha más variedad de calificaciones y hay la misma
cantidad de estudiantes en cada rendimiento.
** Problema 6 **
Obtenga una tabla de frecuencias donde se muestre la cantidad de estudiantes clasificados en bachillerato con rendimiento superior por cada tipo de sede. Haga un diagrama de barras para esta informacion. Interprete los resultados.
#Separar las sedes de los estudiantes con rendimiento superior
rendimiento_superior_por_sede <- Estudiantes[Estudiantes$Clasificacion_Bachillerato=="REND_SUPERIOR",]$Sede
#Tabla de frecuencias
table(rendimiento_superior_por_sede)## rendimiento_superior_por_sede
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 23 56 154 167#Gráfico de barras de tabla de frecuencias
barplot(table(rendimiento_superior_por_sede),col="lightblue")
Interpretación de resultados: Teniendo en cuenta los 400 estudiantes que obtubieron rendimiento superior en bachillerato y las sedes en las que estudiaron nos damos cuenta que alrededor del 42% de los estudiantes estudiaron en zona urbana municipio, alrededro 39% estudio en una sede urbano ciudad, el 14% estudio en una sede rural etnica y alrededor del 6% estudio en una sede rural.
Problema 7:
Desarrolle el ejercicio anterior para los tipos de rendimiento restantes.
#Separar las sedes de los estudiantes con rendimiento bajo
rendimiento_superior_por_sede2 <- Estudiantes[Estudiantes$Clasificacion_Bachillerato=="REND_BAJO",]$Sede
#Tabla de frecuencias
table(rendimiento_superior_por_sede2)## rendimiento_superior_por_sede2
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 168 84 54 93#Gráfico de barras de tabla de frecuencias
barplot(table(rendimiento_superior_por_sede2),col="lightblue")
Interpretación de resultados: La sedecon el rendimiento
bajo mas alto es la rural, y la más baja es la urbana ciudad.
#Separar las sedes de los estudiantes con rendimiento medio
rendimiento_superior_por_sede3 <- Estudiantes[Estudiantes$Clasificacion_Bachillerato=="REND_MEDIO",]$Sede
#Tabla de frecuencias
table(rendimiento_superior_por_sede3)## rendimiento_superior_por_sede3
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 125 86 84 105#Gráfico de barras de tabla de frecuencias
barplot(table(rendimiento_superior_por_sede3),col="lightblue")
Interpretación de resultados: La sede con el
rendimiento medio mas alto es el rural, y la más baja es la urbana
ciudad.
#Separar las sedes de los estudiantes con rendimiento inferior
rendimiento_superior_por_sede3 <- Estudiantes[Estudiantes$Clasificacion_Bachillerato=="REND_INFERIOR",]$Sede
#Tabla de frecuencias
table(rendimiento_superior_por_sede3)## rendimiento_superior_por_sede3
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 130 158 35 77#Gráfico de barras de tabla de frecuencias
barplot(table(rendimiento_superior_por_sede3),col="lightblue")
Interpretación de resultados: La sede con el
rendimiento inferior más alto es la de rural etnico, y la mas baja es la
de urbana ciudad.
Problema 8:
Obtenga un listado que contenga los puntajes en matematicas de los estudiantes que manifestaron interes en esta ́area.
puntaje_matematica <- Estudiantes[Estudiantes$Interes_Matematicas==1,]$Puntaje_Matematicas
puntaje_matematica## [1] 104.466058 64.953006 87.231243 74.889002 86.062895 78.266252
## [7] 81.871690 33.130796 27.998313 80.129783 66.802040 90.443981
## [13] 79.693470 87.022265 20.732774 84.377816 75.073480 78.435091
## [19] 68.473864 30.346427 78.995759 80.888131 84.251273 63.389542
## [25] 78.577605 90.620880 82.939306 14.175174 84.737707 5.006615
## [31] 24.903772 76.542081 37.570473 52.160549 78.957628 75.881827
## [37] 69.249156 23.026922 91.984525 88.095205 69.769427 90.158706
## [43] 35.292437 95.346782 60.833119 56.418183 80.874730 41.903586
## [49] 83.634993 76.440551 80.705763 83.214521 57.082442 36.133778
## [55] 84.233478 85.562345 82.278202 76.348950 7.288833 86.952739
## [61] 86.662326 81.455462 86.721181 36.933767 82.688952 81.039664
## [67] 82.928667 74.296046 70.923082 76.915609 56.463498 78.590618
## [73] 78.081125 76.011491 58.373247 74.641452 68.935640 77.511644
## [79] 78.348640 85.304317 87.076684 103.973600 69.652424 76.791275
## [85] 83.696643 80.454543 62.979068 39.524014 82.016266 76.502606
## [91] 19.909443 69.132877 79.409694 27.628088 39.593983 79.335117
## [97] 38.198942 85.619818 84.746617 81.551902 35.773014 63.001381
## [103] 57.461629 26.438519 21.026806 89.907375 37.183363 79.661131
## [109] 80.782379 23.665261 85.781291 64.075074 73.805335 39.612314
## [115] 36.849954 62.600940 54.112687 73.132720 32.110840 90.669984
## [121] 57.997818 58.884078 86.168965 52.055693 74.693484 84.499866
## [127] 68.774866 76.270200 20.704213 13.753837 77.604167 64.566477
## [133] 81.146006 67.609172 93.068624 61.605337 88.418128 87.261594
## [139] 73.007243 77.857944 14.824899 78.504437 58.524319 76.436113
## [145] 82.556137 83.742602 79.775528 81.966125 63.834867 44.573161
## [151] 82.451459 95.029084 82.442430 51.709694 77.457646 93.884256
## [157] 94.556991 76.230438 28.711286 45.784533 4.155452 71.323938
## [163] 62.213215 54.673243 63.746641 47.979622 65.353804 31.684823
## [169] 82.164575 82.635274 66.762018 89.359853 35.781392 85.298142
## [175] 68.999288 26.785864 80.593455 67.428944 85.910067 88.768431
## [181] 70.303968 67.397490 58.570151 83.035441 59.632086 95.377835
## [187] 72.365014 83.258758 89.568414 86.917373 92.054949 3.691757
## [193] 74.473662 87.749595 71.189438 81.134723 80.552931 85.292802
## [199] 79.575014 79.683153 67.328608 80.173470 75.373984 28.204501
## [205] 66.846934 59.946920 89.758688 83.348483 80.246118 82.983351
## [211] 74.506997 22.819123 79.031365 59.686556 66.239026 89.745085
## [217] 56.752009 72.123680 72.531874 77.792892 81.728056 68.403924
## [223] 26.281236 66.405977 64.407460 65.457539 74.203291 84.821351
## [229] 81.894961 64.195490 32.420524 63.002202 73.432370 77.806864
## [235] 70.920991 63.090520 34.537100 37.475929 26.375477 35.820581
## [241] 67.261230 100.162709 88.513486 107.309857 67.128466 31.131498
## [247] 65.931960 81.585136 72.448574 67.535600 78.690394 67.052947
## [253] 80.627836 80.545702 75.150605 61.438241 44.184360 74.613337
## [259] 81.875425 83.771551 75.270651 89.802742 71.956852 81.100211
## [265] 63.540606 39.186722 99.911005 19.769335 75.620129 29.651820
## [271] 92.029732 24.111388 84.752576 73.364070 78.466774 86.158184
## [277] 80.138000 90.094033 60.869839 83.214681 18.674669 85.557918
## [283] 44.465003 73.568275 85.040266 26.612161 75.034964 64.619648
## [289] 81.306736 86.309540 78.135036 43.932371 75.670249 83.046778
## [295] 75.321798 74.074248 87.470696 63.279319 48.547584 12.210082
## [301] 79.878605 25.499012 93.642835 89.679514 78.283022 64.988425
## [307] 42.290283 27.566853 38.355929 24.816162 4.798376 86.644135
## [313] 77.599281 86.838296 45.322281 85.566792 77.732243 94.164129
## [319] 22.881403 70.851788 71.798980 68.877160 43.738221 59.758161
## [325] 80.727134 64.987027 45.020111 26.259006 67.461006 78.405262
## [331] 19.435469 75.413837 67.940607 34.145662 71.920316 67.990900
## [337] 69.126198 36.457996 64.286704 64.830582 33.399960 83.405287
## [343] 67.954403 14.434227 69.962514 85.846796 87.004062 27.462165
## [349] 82.097234 74.288076 76.456872 35.874710 67.468288 74.575502
## [355] 91.241374 75.288876 69.331466 50.168560 90.513043 72.545625
## [361] 26.429688 68.428469 48.942502 85.844160 21.755853 81.363304
## [367] 82.208955 75.438760 77.406783 91.421615 78.585450 17.672716
## [373] 34.577320 76.986701 84.285251 8.054997 38.588295 76.991477
## [379] 86.365830 84.270639 67.769061 46.927392 81.705495 89.972246
## [385] 59.434727 67.553090 34.705519 69.257411 62.725307 30.175105
## [391] 66.572087 41.719306 86.182708 26.057517 85.143459 61.585917
## [397] 81.416484 38.948549 66.221776 89.385807 24.313090 58.169735
## [403] 94.514484 38.557843 25.770771 83.112670 86.100163 31.441793
## [409] 9.596834 8.209554 74.648718 81.573332 26.378182 16.320181
## [415] 73.633775 78.117412 88.039667 78.441432 85.269702 70.952348
## [421] 84.739702 38.545877 46.405238 73.179284 63.647966 84.273461
## [427] 65.748690 19.755666 64.635990 25.656562 71.635522 78.941717
## [433] 26.999842 26.301784 89.362958 81.194379 13.807587 46.564597
## [439] 68.282452 92.775020 87.398947 1.624604 78.792668 23.992052
## [445] 18.590340 91.516550 62.259299 16.967743 82.894423 31.743074
## [451] 78.487943 58.660393 85.358805 81.524282 77.621785 92.775324
## [457] 70.500165 32.965005 50.646742 63.458423 63.490611 20.535211
## [463] 54.072772 59.458581 64.125446 83.392440 59.591503 86.193673
## [469] 85.785788 51.044989 86.726233 88.535248 79.926003 50.574657
## [475] 33.728078 64.073071 71.247108 93.537427 80.256637 83.542816
## [481] 74.437038 82.691244 68.619286 64.769132 84.619762 87.491790
## [487] 44.918667 37.573678 87.045127 79.800343 59.446193 93.072366
## [493] 22.413518 83.100914 28.625839 49.661334 34.901179 91.998704
## [499] 75.942416 69.713888 47.453133 36.458219 56.703954 5.576698
## [505] 41.304973 70.877293 103.133001 35.875039 85.462709 81.694499
## [511] 36.717568 69.478656 72.137429 71.725107 76.448707 34.190578
## [517] 95.243503 83.020913 53.053947 84.792098 56.500130 58.351090
## [523] 65.900224 46.687103 65.870854 36.884289 71.733074 74.787474
## [529] 66.255114 24.496090 85.423318 20.212669 78.799237 66.586253
## [535] 55.579114 77.552291 24.863288 88.418476 21.626375 35.614940
## [541] 62.992877 70.268666 61.704771 59.678259 35.318130 61.410396
## [547] 87.385142 60.794893 45.649769 45.379953 85.981629 82.502736
## [553] 17.470484 78.200685 57.733062 68.928686 75.619430 81.291117
## [559] 77.951408 46.732469 31.266815 89.396675 72.664468 29.751860
## [565] 33.012520 55.588943 47.521509 81.056036 61.846943 85.453868
## [571] 77.419557 71.187716 85.120125 85.862821 75.638198 68.633812
## [577] 81.929465 25.851580 77.914701 83.420253 40.598597 61.208658
## [583] 72.968885 60.624270 27.227740 82.355427 75.901564 36.390991
## [589] 56.557614 78.085389 72.536449 36.622335 79.455619 82.265712
## [595] 40.036671 42.421139 37.608264 70.950334 77.001311 34.049560
## [601] 78.825708 74.546091 83.740537 88.816194 11.758911 72.021198
## [607] 73.985228 92.613592 75.788484 53.296317 82.812469 70.464084
## [613] 29.382332 77.636646 31.801882 89.691230 93.256388 40.273957
## [619] 35.345705 48.717819 87.937922 78.105805 73.596671 60.217057
## [625] 26.794356 80.757143 82.812472 15.266662 84.779742 83.703665
## [631] 77.183272 62.281404 89.801199 85.103693 68.288786 27.207269
## [637] 65.805269 86.205016 95.378928 35.904221 70.521773 82.895281
## [643] 47.808825 80.073188 93.425152 73.451260 38.227972 89.546007
## [649] 66.768410 66.447681 36.204847 72.487036 30.859552 67.395624
## [655] 78.367689 67.629700 64.325143 33.549280 71.859521 63.507096
## [661] 80.711690 36.710621 83.723593 72.676409 82.501862 54.959605
## [667] 72.903588 84.636323 95.157205 32.126922 13.353749 73.326031
## [673] 82.460817 82.478344 45.525229 62.473214 78.594264 86.608033
## [679] 95.092088 70.234693 38.091517 69.454443 71.443533 79.287398
## [685] 73.749250 75.608150 39.331347 79.240304 84.470394 79.940300
## [691] 63.462486 78.117965 11.921831 76.412122 68.296678 37.158374
## [697] 63.460063 94.632794 64.142054 76.026027 85.521543 32.227443
## [703] 70.983011 79.197378 74.191111 78.833962 59.040116 83.013786
## [709] 24.409344 20.235338 44.878393 31.469896 80.093153 88.259173
## [715] 81.118015 35.326786 81.623716 29.296219 94.634183 93.947342
## [721] 96.957535 48.652974 89.553626 68.140009 77.979022 61.124018
## [727] 70.513282 81.103948 38.183923 73.973249 64.797465 74.147122
## [733] 23.743831 73.033883 86.929265 44.249813 83.105089 15.850826
## [739] 88.482606 66.740556 78.351196 41.122384 42.911326 52.929978
## [745] 95.009532 77.026773 59.664374 82.790939 82.784046 28.928973
## [751] 98.760434 76.152397 36.701772 83.946683 73.177297 73.739484
## [757] 26.754978 19.221127 57.159459 85.068031 70.583889 64.295773
## [763] 72.472970 80.993103 69.087096 75.245815 84.915864 20.380141
## [769] 45.979786 81.415366 98.888541 88.421686 78.843216 77.463255
## [775] 82.622473 73.898345 82.275076 78.243010 70.067127 67.311139
## [781] 85.220329 66.813315 68.047832 58.789410 88.531325 35.161635
## [787] 70.642668 67.535164 77.833749 82.526936 17.526704 54.957259
## [793] 75.895222 86.875788 81.166458 53.337271 14.509866 14.437998
## [799] 22.645938 78.370459 82.718971 74.736809 80.596284 74.786935
## [805] 72.305707 75.269905 76.480548 69.086532 33.110754 10.176424
## [811] 49.218798 71.822498 87.868591 65.169982 77.831862 59.744258
## [817] 66.893065 76.271294 65.974113 82.165737 60.044875 72.407646
## [823] 56.946752 82.864963 81.155766 26.065792 78.576287 80.562228
## [829] 95.410571 77.281828 72.933713 29.589780 78.364100 46.442577
## [835] 67.239992 87.558707 79.362162 75.381001 84.279119 48.350078
## [841] 76.937581 26.462627 78.887666 66.898051 77.872085 88.589335
## [847] 78.661535 56.963655 7.237016 81.050803 80.561450 86.661064
## [853] 93.418397 62.478545 85.518642 36.189028 66.418655 70.026027
## [859] 52.153054 77.685156 84.950819 66.144588 88.728944 72.548391
## [865] 61.547323 101.927649 41.889240 89.590372 63.549558 81.044614
## [871] 89.582224 71.047220 61.335258 83.167001 68.604632 83.335240
## [877] 64.320138 80.879954 76.617216 55.491413 72.606991 32.041475
## [883] 79.401790 85.539911 61.261544 51.568573 83.582940 61.800432
## [889] 42.497757 47.640216 77.723736 64.533220 93.235157 83.662592
## [895] 36.875584 69.799086 63.213434 32.129340 85.664853 79.764012
## [901] 87.064100 33.552877 36.647915 73.289818 51.786064 81.074089
## [907] 77.847214 73.079383 72.097367 74.288436 65.382612 83.831526
## [913] 61.567417 83.385823 70.215996 63.016772 76.561439 25.303386
## [919] 84.536942 25.360743 62.469997 91.886700 34.331679 66.561194
## [925] 79.927489 63.297725 35.410154 1.253701 78.603508 78.892975
## [931] 74.319698 81.374425 84.111209 71.660432 32.885039 70.860556
## [937] 72.191354 55.037749 29.650514 20.747571 91.804954 80.680038
## [943] 106.349268 33.979845 77.548761 50.244287 65.443774 20.551248
## [949] 68.269340 87.242859 5.651057 94.537008 25.349696 64.854389
## [955] 80.715644 51.480782 32.657959 30.576901 20.205159 90.282779
## [961] 33.089261 71.271252 42.707523 28.211966 89.072875 82.924800
## [967] 78.438319 87.130794 74.422178 57.097511 25.646306 73.153516
## [973] 64.403573 79.612970 84.681881 78.726263 78.279889 23.686251
## [979] 31.980507 79.390903 35.910896 42.592495 78.816922 71.088393
## [985] 74.561339 86.343663 28.688931 58.308470 68.069455 26.188844
## [991] 16.205526 78.539940 86.462826 32.673421 56.635912 94.665661
## [997] 82.063266 63.546887 84.677654 40.206728 49.143651 80.215156
## [1003] 65.852829 32.357728 66.680309 40.372844 43.226003 27.005610
## [1009] 34.345403 39.420474 98.208223 61.485708 77.378103 69.203990
## [1015] 76.983748 72.957060 73.410701 79.474476 64.004824 63.348162
## [1021] 62.126322 35.007936 28.504484 75.286664 92.362951 28.927600
## [1027] 82.657376 79.475880 62.293174 76.905582 51.413574 32.656768
## [1033] 84.262436 37.983069 79.321081 91.788950 69.015424 81.936107
## [1039] 33.041399 62.190392Problema 9:
¿Cual es el puntaje promedio de los estudiantes en cada ́area del conocimiento? Interprete los resultados.
#Puntaje promedio biologia
mean(Estudiantes$Puntaje_Biologia)## [1] 50.38197#Puntaje promedio humanidades
mean(Estudiantes$Puntaje_Humanidades)## [1] 61.83135#Puntaje promedio lenguaje
mean(Estudiantes$Puntaje_Lenguaje)## [1] 396678.9#Puntaje promedio matematicas
mean(Estudiantes$Puntaje_Matematicas)## [1] 50.3594Interpretación de resultados: El área con mayor puntaje es humanidades, por lo que la mayoría de estudiantes deben tener un buen puntaje en esta area.
Pregunta 10:
¿Qu ́e categor ́ıa de colegio tiene m ́as puntaje acumulado en cada ́a rea?Expreselo en valores y porcentajes por categoria.
# Crear un vector para almacenar las categorías
categorias <- 1:5
# Crear una matriz para almacenar los resultados
resultados <- matrix(NA, nrow = length(categorias), ncol = 5)
colnames(resultados) <- c("Puntaje acumulado Biología",
"Puntaje acumulado Matemática",
"Puntaje acumulado Lenguas",
"Puntaje acumulado Humanidades",
"Total de puntajes acumulados")
# Calcular puntaje acumulado por categoría en cada área
for (i in categorias) {
puntaje_biologia <- sum(Estudiantes$Puntaje_Biologia[Estudiantes$Categoria == i])
puntaje_matematica <- sum(Estudiantes$Puntaje_Matematicas[Estudiantes$Categoria == i])
puntaje_lenguas <- sum(Estudiantes$Puntaje_Lenguaje[Estudiantes$Categoria == i])
puntaje_humanidades <- sum(Estudiantes$Puntaje_Humanidades[Estudiantes$Categoria == i])
total_puntajes <- puntaje_biologia + puntaje_matematica + puntaje_lenguas + puntaje_humanidades
resultados[i, 1:4] <- c(puntaje_biologia, puntaje_matematica, puntaje_lenguas, puntaje_humanidades)
resultados[i, 5] <- total_puntajes
}
# Mostrar resultados
rownames(resultados) <- paste("Categoría", categorias)
print(resultados)## Puntaje acumulado Biología Puntaje acumulado Matemática
## Categoría 1 24991.09 22114.80
## Categoría 2 19633.21 21103.55
## Categoría 3 20177.60 20694.37
## Categoría 4 18185.98 19175.06
## Categoría 5 17675.30 17530.31
## Puntaje acumulado Lenguas Puntaje acumulado Humanidades
## Categoría 1 196939154.60 25502.03
## Categoría 2 279026263.32 23996.74
## Categoría 3 316557567.58 27669.71
## Categoría 4 20803.10 23786.47
## Categoría 5 20740.63 22584.09
## Total de puntajes acumulados
## Categoría 1 197011762.51
## Categoría 2 279090996.81
## Categoría 3 316626109.27
## Categoría 4 81950.61
## Categoría 5 78530.34Problema 11:
Obtenga tablas de frecuencias absolutas y relativas para cada tipo de sede y clasificaciones de rendimiento en la primaria.
#Frecuencia absoluta
table(Estudiantes$Sede)##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 510 467 475 546table(Estudiantes$Clasificacion_Primaria)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 209 607 196 214 772#Frecuencia relativa
table(Estudiantes$Sede)/length(Estudiantes$Sede)##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 0.2552553 0.2337337 0.2377377 0.2732733table(Estudiantes$Clasificacion_Primaria)/length(Estudiantes$Clasificacion_Primaria)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 0.1046046 0.3038038 0.0980981 0.1071071 0.3863864Problema 12:
Desarrolle el ejercicio anterior para las clasificaciones de rendimiento en el bachillerato ¿Qu ́e conclusiones saca comparandolas con el rendimiento el primaria? ¿Qu ́e regla utiliz ́o la Secretar ́ıa de Educaci ́on para clasificar a los estudiantes de bachillerato?
#frecuencia absoluta
table(Estudiantes$Sede)##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 510 467 475 546table(Estudiantes$Clasificacion_Bachillerato)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 399 399 400 400 400#frecuencia relativa
table(Estudiantes$Sede)/length(Estudiantes$Sede)##
## RURAL RURAL ÉTNICO URBANA CIUDAD URBANA MUNICIPIO
## 0.2552553 0.2337337 0.2377377 0.2732733table(Estudiantes$Clasificacion_Bachillerato)/length(Estudiantes$Clasificacion_Bachillerato)##
## REND_ALTO REND_BAJO REND_INFERIOR REND_MEDIO REND_SUPERIOR
## 0.1996997 0.1996997 0.2002002 0.2002002 0.2002002Interpretación de resultados: Al comparar los datos de este problema con el problema anterior se puede notar que el numero de estudiantes con rendimiento superior y bajo disminuyo en bachrillerato mientras que las otras categorias de rendimiento aumentaron bachillerato.
Problema 13:
Obtenga diagramas de barras para la informacíon de los dos puntos anteriores.
#PRIMARIA
# frecuencia absoluta
barplot(table(Estudiantes$Sede),main="Freq abs sede",col="lightblue")
barplot(table(Estudiantes$Clasificacion_Primaria),main="Freq abs clasificación primaria",col="lightblue")
# frecuencia relativa
barplot(table(Estudiantes$Sede)/length(Estudiantes$Sede),main="Freq relativa sede",col="lightblue")
barplot(table(Estudiantes$Clasificacion_Primaria)/length(Estudiantes$Clasificacion_Primaria),main="Freq relativa clasificación primaria",col="lightblue")
#BACHILLERATO
# frecuencia absoluta
barplot(table(Estudiantes$Clasificacion_Bachillerato),main="Freq absoluta clasificacion bachillerato",col="lightblue")
# frecuencia relativa
barplot(table(Estudiantes$Clasificacion_Bachillerato)/length(Estudiantes$Clasificacion_Bachillerato),main="Freq relativa clasificacion bachillerato",col="lightblue")
Bloque 2:
Problema 14:
Cree una variable en el conjunto de datos que indique la cantidad de est ́ımulos (becas) recibidos por cada estudiante y el valor total de sus becas. Denote estas nuevas variables como Est ́ımulos yValor Becas. Al nuevo conjunto de datos ll ́amelo Info Estudiantes ampliada.
estimulos <- (Estudiantes$Estimulo_Departamental)+(Estudiantes$Estimulo_Municipal)+(Estudiantes$Estimulo_Nacional)
becas <- (Estudiantes$Beca_Departamental)+(Estudiantes$Beca_Municipal)+(Estudiantes$Beca_Nacional)
info_estudiantes_ampliada <- cbind(Estudiantes, estimulos)
info_estudiantes_ampliada <-cbind(info_estudiantes_ampliada,becas)Problema 15.
Obtenga un listado que contenga el valor de las becas de los estudiantes que tienen por lo menos un ́estımulo.
# Obtener los valores de becas para los estudiantes con al menos un estímulo
becas_con_estimulos <- info_estudiantes_ampliada[info_estudiantes_ampliada$estimulos > 0, ]$becasProblema 16.
Genere un histograma con la informaci ́on anterior. Interprete los resultados.
hist(becas_con_estimulos,col="lightblue")
Interpretación de resultados: La mayoría de estudiantes
reciben una cantidad de dinero menor a 500 mil pesos, y este valor de
becas cae drástricamente al llegar a los 600 mil pesos, por lo cual
podemos asumir que esta ayuda económica no contribuye de manera
importante al pago de la matricula de los colegios.
Problema 17.
Genere el histograma anterior nuevamente pero mostrando porcentaje de estudiantes y no cantidad de estudiantes. Interprete los resultados.
hist(becas_con_estimulos,col="lightblue",prob=T)
Interpretación de resultados: Como se puede evidenciar en el grafico, la gran mayoría de estudiantes reciben un estimulo por 500.000 pesos o menos, mientras unos pocos reciben mas de esta cantidad.
Problema 18.
Consulte ćomo modificar el t ́ıtulo del gr ́afico, poner nombres a los ejes y modificar el tamãno de la letra en cada caso. ¿Qu ́e otras caracter ́ısticas del histograma pueden ser modificadas? Genere nuevamente el histograma modificandolas. Interprete los resultados.
hist(becas_con_estimulos,
probability = TRUE,
main= "Grafica de porcentaje de Estudiantes con cada valor beca",
xlab = "Valor de Becas",
ylab = "Densidad",
col="lightblue"
)
Interpretación de resultados: Existen varias opciones
para personificar el diseño del histograma.
Bloque 3:
Problema 19:
Obtenga un listado de las identificaciones de los estudiantes que tienen alg ́un tipo de est ́ımulo.
# Obtener las identificaciones de los estudiantes con al menos un estímulo
id_con_estimulos <- info_estudiantes_ampliada[info_estudiantes_ampliada$estimulos > 0, ]$ID_estudiante
id_con_estimulos## [1] 153532 771993 982124 424957 600050 250407 118864 841171 634203 432377
## [11] 588265 433215 217258 738628 612717 882772 838258 119521 715390 985728
## [21] 699747 598324 742838 657516 218016 618099 810816 490743 313193 608159
## [31] 487831 352717 944658 926563 585229 728651 669918 901702 117781 420786
## [41] 697900 926926 683465 837884 203294 642541 592202 473259 335621 260825
## [51] 401474 766408 773354 677047 970557 980266 454007 783358 379799 391301
## [61] 743377 796246 946836 231797 562593 567068 407778 804362 360450 503279
## [71] 108083 880478 965832 679853 489406 682967 108969 547876 490643 405323
## [81] 870917 245212 331916 944951 781368 299522 221373 343101 502169 849651
## [91] 332618 759177 251464 641029 142083 990026 768394 645751 315705 424475
## [101] 730665 989001 313577 243336 165174 492882 471212 350353 913826 968160
## [111] 507522 927705 826661 433020 179709 273319 895111 400640 978867 382703
## [121] 882486 615094 433633 187534 680633 247637 220846 972693 682297 949655
## [131] 869067 644627 361979 794548 735191 452371 291501 511213 749613 643352
## [141] 166294 138202 103184 514035 819141 712706 286093 331046 806009 699605
## [151] 821246 355073 159535 617149 324626 952993 773010 440093 821269 487027
## [161] 964919 467649 257138 494989 497764 970951 122959 509079 771946 401155
## [171] 620819 786303 508445 494365 412167 945277 606914 674665 131821 787158
## [181] 313720 184868 811816 739924 987737 816287 312821 396825 201132 346455
## [191] 937604 896061 566699 834216 469148 423933 516018 495961 158615 738586
## [201] 160602 178352 520976 456150 984970 381231 566423 422898 840513 557326
## [211] 143754 761217 881731 786654 766027 659806 765253 544081 570601 162713
## [221] 412402 508144 708761 666659 526893 293901 553412 518638 604886 992956
## [231] 346829 518516 530657 818439 654033 673665 778838 797099 869196 518955
## [241] 154819 608839 877996 762384 566364 900433 520714 981293 573302 344552
## [251] 986210 596307 551048 104223 851341 877000 109078 439783 443434 804179
## [261] 944454 113714 408349 832072 276108 691960 429068 751537 325751 657812
## [271] 514923 769928 842547 901668 189034 278073 839016 570576 607544 188536
## [281] 438732 141059 239572 614289 140940 645509 508859 306548 677477 225111
## [291] 275591 246409 163037 127814 945817 559928 570995 620281 125639 429038
## [301] 679481 482505 583672 950949 470642 534098 252844 598597 870313 579258
## [311] 182104 530426 808817 141414 837942 388763 452085 685347 939705 657803
## [321] 969620 875101 876491 740176 154718 850903 450626 293865 652864 132547
## [331] 586379 414453 160787 526740 214424 214642 940446 221175 273613 341782
## [341] 451891 352137 350727 659957 538725 686380 817776 287688 929917 448088
## [351] 518744 146070 527834 578790 239536 616002 808868 500745 487559 211550
## [361] 603432 781523 206404 163738 440124 135109 755384 512370 557418 681210
## [371] 550452 337347 534527 720457 879947 184208 687155 832330 766414 627658
## [381] 732306 854561 502514 977684 226255 998224 350056 292885 272255 758982
## [391] 884750 645444 717065 664426 257427 214443 688702 236280 146128 152126
## [401] 708490 396273 554391 932473 829887 172226 222305 569069 181781 742832
## [411] 915063 280109 671665 383339 129328 581956 140771 784081 427371 417540
## [421] 145088 711015 384686 153086 654543 614304 397502 236912 398747 836826
## [431] 469465 492477 377077 284515 920016 396398 361314 778716 407454 587053
## [441] 228472 179227 329134 110847 597567 632056 755700 394747 811734 863733
## [451] 633145 488133 841447 898593 655493 638465 979985 600521 307194 863442
## [461] 618198 292869 550579 913244 562317 537208 398141 954731 199960 172314
## [471] 477361 444190 572293 216902 163370 274871 688155 245742 983860 914321
## [481] 248072 395460 347641 954807 762106 788735 507424 268072 175808 622218
## [491] 429114 950799 634530 120711 710890 618965 423337 637004 734390 643067
## [501] 884035 717212 258386 140852 563118 976208 272211 494406 532345 461140
## [511] 279346 432755 120071 364424 187531 883039 263866 113559 464261 827588
## [521] 379804 639014 436492 170766 145290 413835 893523 636734 661649 191725
## [531] 911937 134669 607125 380288 322683 446564 979794 795780 418141 416056
## [541] 791859 775984 202959 935824 863479 872182 570370 237330 628554 271033
## [551] 573616 483777 408232 509111 816552 331910 944165 614514 334256 995312
## [561] 996560 676312 570771 809251 345134 461013 349415 757544 888100 666174
## [571] 237428 116449 928420 477582 791878 113611 594407 649113 446832 379569
## [581] 523400 500485 416611 806952 288752 157938 237921 881847 922184 309379
## [591] 280320 794823 328898 559954 264047 944453 367739 914423 696437 495483
## [601] 574307 816201 969539 760089 188647 483297 492561 156060 174536 261255
## [611] 642770 827014 862679 403105 459676 621476 224132 309649 808081 836672
## [621] 421745 301397 543943 506243 486638 200359 258045 252480 105287 686401
## [631] 377565 146468 340023 845732 593965 563787 929645 811579 492320 104754
## [641] 234345 901790 646627 930483 651386 625541 325900 957480 842927 967687
## [651] 370088 298474 779985 383675 108700 179653 562675 896307 697594 369151
## [661] 946429 178879 300233 490451 650007 156358 315654 174182 980411 649890
## [671] 187399 362487 373262 995010 772351 735330 296115 207228 432993 978667
## [681] 862821 284476 866707 314827 174104 648236 676494 578419 982924 907184
## [691] 864150 605547 806834 698835 148873 943886 164320 127879 700069 844072
## [701] 289841 987372 178168 961539 856474 942080 942610 652101 799798 999772
## [711] 206490 435583 122835 821754 894668 772296 504866 356646 490717 194779
## [721] 657502 796928 811598 655243 702887 918099 968863 404309 475446 133714
## [731] 100208 849040 618630 110601 191671 387648 596353 198230 968584 551994
## [741] 898773 337091 350698 689203 519072 192676 214815 857600 392557 756668
## [751] 539871 673168 759778 172234 939612 420616 806811 698087 799879 418520
## [761] 978284 953635 989263 843942 285138 444180 598769 688505 177247 298122
## [771] 307749 112802 445643 500479 216714 725512 894367 536436 100203 233704
## [781] 369740 151434 184293 390585 740860 846443 297058 566712 960329 872371
## [791] 505521 233049 262660 351645 835030 669651 296825 211795 156862 778809
## [801] 112519 923808 365834 345133 297796 189743 710792 781017 677076 179734
## [811] 691602 253029 439190 147281 171549 671180 450300 366160 449477 467451
## [821] 697095 372151 708787 216538 327381 819481 372478 661537 172924 387526
## [831] 234417 923120 725753 903040 304167 641409 466836 751954 724979 358420
## [841] 815638 989311 551622 862769 633527 390372 279536 299516 246444 380779
## [851] 710419 908178 204030 851027 610887 154040 356833 709525 663767 759681
## [861] 721684 944547 656401 362138 262208 164904 294149 403298 966682 226276
## [871] 656630 671820 977083 749114 776603 340341 826496 992703 291541 911909
## [881] 642271 407719 924545 719110 111477 640950 531914 859191 500022 517828
## [891] 162216 565542 443216 827545 296417 444269 226919 775957 779691 210180
## [901] 807740 123740 979488 149259 179762 660520 978890 659706 806032 307833
## [911] 108355 651291 579279 814558 676600 605616 242701 354400 984933 528067
## [921] 713702 447286 918036 447094 304927 340989 843792 456495 663463 566060
## [931] 797182 906752 163772 620550 314292 702540 727546 155234 254757 720839
## [941] 135162 236979 503146 412522 214921 781602 730142 709750 125572 784549
## [951] 430507 378121 689169 439412 120708 702486 712111 877749 199585 559869
## [961] 138865 304393 981540 354283 551238 933240 344726 426669 379295 928502
## [971] 685855 427881 761251 631595 159522 160866 933535 630219 896692 245731
## [981] 252016 182628 615334 705462 356824 501027 263253 169556 800551 357508
## [991] 846969 729173 675771 971550 117696 201925 533351 593651 903609 739202
## [1001] 229622 762905 779606 442025 530157 106708 702949 995600 869446 602030
## [1011] 191215 406594 449990Problema 20:
Obtenga un listado de las identificaciones de los estudiantes que perteneciendo al tipo de sede RURAL ́ETNICO recibieron alg ́un tipo de est ́ımulo.
#Filtrar estudiantes
id_con_estimulos2 <- info_estudiantes_ampliada[info_estudiantes_ampliada$Sede == "RURAL ÉTNICO" & info_estudiantes_ampliada$estimulos > 0 ,]$ID_estudiante
id_con_estimulos2## [1] 771993 600050 841171 634203 699747 598324 944658 683465 946836 407778
## [11] 108969 245212 343101 332618 768394 313577 243336 895111 882486 972693
## [21] 682297 869067 361979 452371 511213 643352 712706 699605 122959 786303
## [31] 494365 606914 131821 313720 201132 896061 158615 178352 456150 984970
## [41] 557326 412402 708761 293901 604886 869196 518955 154819 762384 596307
## [51] 551048 104223 851341 109078 276108 691960 751537 514923 842547 189034
## [61] 614289 140940 677477 246409 950949 870313 182104 141414 452085 939705
## [71] 876491 652864 526740 214642 451891 518744 146070 527834 487559 603432
## [81] 681210 879947 627658 272255 758982 664426 146128 152126 829887 742832
## [91] 280109 671665 383339 784081 711015 153086 654543 236912 396398 361314
## [101] 587053 329134 755700 898593 655493 638465 979985 863442 618198 398141
## [111] 954731 199960 172314 572293 245742 120711 717212 432755 120071 187531
## [121] 145290 893523 636734 380288 418141 775984 202959 863479 872182 573616
## [131] 408232 944165 995312 116449 806952 881847 922184 559954 944453 495483
## [141] 574307 816201 969539 760089 483297 492561 156060 174536 261255 403105
## [151] 506243 200359 258045 105287 845732 929645 492320 651386 383675 562675
## [161] 369151 490451 650007 735330 432993 284476 314827 578419 942080 942610
## [171] 799798 206490 490717 194779 811598 198230 350698 192676 214815 756668
## [181] 759778 177247 298122 112802 500479 233704 369740 262660 112519 345133
## [191] 297796 671180 708787 216538 234417 304167 751954 815638 989311 551622
## [201] 862769 908178 204030 154040 294149 671820 776603 111477 517828 162216
## [211] 565542 443216 226919 179762 978890 806032 108355 651291 605616 528067
## [221] 340989 456495 566060 155234 781602 730142 430507 378121 689169 439412
## [231] 344726 928502 427881 631595 252016 182628 356824 501027 169556 846969
## [241] 675771 971550 117696 229622 191215 406594Problema 21:
Realice an ́alisis descriptivos para los puntajes en cada ́area de conocimiento. Compare por sede, clasificaci ́on en bachillerato y clasificaci ́on en primaria. Interprete los resultados compar ́andolos. ¿Qu ́e categor ́ıa de colegio tiene mejor desempe ̃no en cada ́area? ¿Qu ́e tipo de sede? ¿Existen diferencias significa-tivas entre los tipos de sede? ¿Tiene sentido la clasificaci ́on que se hace para bachillerato? Argumente sus respuestas con base las medidas descriptivas y en gr ́aficos apropiados.
library(readxl)
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, unionlibrary(ggplot2)
options(max.print = 2000)
# Resumen descriptivo de los puntajes en cada materia
Resumen <- Estudiantes %>%
summarise(
Media_Biologia = mean(Puntaje_Biologia),
Media_Matematicas = mean(Puntaje_Matematicas),
Media_Humanidades = mean(Puntaje_Humanidades),
Mediana_Biologia = median(Puntaje_Biologia),
Mediana_Matematicas = median(Puntaje_Matematicas),
Mediana_Humanidades = median(Puntaje_Humanidades)
)
Resumen## # A tibble: 1 × 6
## Media_Biologia Media_Matematicas Media_Humanidades Mediana_B…¹ Media…² Media…³
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 50.4 50.4 61.8 50.2 43.5 63.4
## # … with abbreviated variable names ¹Mediana_Biologia, ²Mediana_Matematicas,
## # ³Mediana_Humanidades# Gráficos para comparar puntajes por área y sede
ggplot(Estudiantes, aes(x = Sede, y = Puntaje_Biologia)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Biología por Sede")
ggplot(Estudiantes, aes(x = Sede, y = Puntaje_Matematicas)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Matemáticas por Sede")
ggplot(Estudiantes, aes(x = Sede, y = Puntaje_Lenguaje)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Lenguaje por Sede")
ggplot(Estudiantes, aes(x = Sede, y = Puntaje_Humanidades)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Humanidades por Sede")
# Gráficos para comparar puntajes por área y clasificación en bachillerato
ggplot(Estudiantes, aes(x = Clasificacion_Bachillerato, y = Puntaje_Biologia)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Biología por Clasificación en Bachillerato")
ggplot(Estudiantes, aes(x = Clasificacion_Bachillerato, y = Puntaje_Matematicas)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Matemáticas por Clasificación en Bachillerato")
ggplot(Estudiantes, aes(x = Clasificacion_Bachillerato, y = Puntaje_Lenguaje)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Lenguaje por Clasificación en Bachillerato")
ggplot(Estudiantes, aes(x = Clasificacion_Bachillerato, y = Puntaje_Humanidades)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Humanidades por Clasificación en Bachillerato")
# Gráficos para comparar puntajes por área y categoría
ggplot(Estudiantes, aes(x = Categoria, y = Puntaje_Biologia)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Biología por categoría")
ggplot(Estudiantes, aes(x = Categoria, y = Puntaje_Matematicas)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Matemáticas por categoría")
ggplot(Estudiantes, aes(x = Categoria, y = Puntaje_Lenguaje)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Lenguaje por categoría")
ggplot(Estudiantes, aes(x = Categoria, y = Puntaje_Humanidades)) +
geom_bar(stat = "summary", fun = "mean") +
labs(title = "Comparación de Puntajes de Humanidades por categoría")
Interpretación de resultados:
Preguntas 1 y 2 Para biología el mejor desempeño lo tiene la categoría 1, sede URBANA CIUDAD Para matemáticas el mejor desempeño lo tiene la categoría 2, sede URBANA CIUDAD Para lenguaje el mejor desempeño lo tiene la categoría 3, sede URBANA MUNICIPIO Para humanidades el mejor desempeño lo tiene la categoría 3, sede RURAL
Pregunta 3 Si, ya que es por lo general la sede URBANA CIUDAD la que tiene el mayor desempeño
Pregunta 4 La clasificación si tiene sentido y es coherente ya que en los gráficos podemos observar que cuanto menor es el puntaje menor es también la clasificación en cada asignatura