Presentacion

• Trabajo final

• Asignatura: Probabilidad y estadistica

• Docente: Andres Ochoa

• Estudiantes

• Angie Melissa Ocoro Hurtado (202310176), ocoro.angie@correounivalle.edu.co

• Juan Camilo López Quintana (202310177), juan.lopez.quintana@correounivalle.edu.co

• Cristian Camilo Llanos Alvarez (201943852), cristian.llanos@correounivalle.edu.co

• Universidad del Valle

Descripción

Base de datos: Data Science Job Salaries 2024

Conjunto de datos:

work_year: El año en que se pagó el salario.

nivel_experiencia: El nivel de experiencia en el trabajo durante el año con los siguientes valores posibles: EN Nivel inicial / Junior MI Nivel medio / Intermedio SE Nivel superior / Experto EX Nivel ejecutivo / Director

tipo_empleo : El tipo de empleo para el puesto : PT Tiempo parcial FT Tiempo completo CT Contrato FL Freelance

job_title : El puesto que desempeñó durante el año.

salario: El monto total del salario bruto pagado.

sala_moneda: la moneda del salario pagado como código de moneda ISO 4217.

salario_in_usd: El salario en USD (tipo de cambio dividido por el tipo de cambio promedio en USD para el año respectivo a través de fxdata.foorilla.com).

Employee_residence: país de residencia principal del empleado durante el año laboral como código de país ISO 3166.

remote_ratio: La cantidad total de trabajo realizado de forma remota, los valores posibles son los siguientes: 0 Sin trabajo remoto (menos del 20%) 50 Parcialmente remoto 100 Totalmente remoto (más del 80%)

company_location: El país de la oficina principal del empleador o sucursal contratante como código de país ISO 3166.

tamaño_empresa : El número promedio de personas que trabajaron para la empresa durante el año: S menos de 50 empleados (pequeña) M 50 a 250 empleados (mediana) L más de 250 empleados (grande)

Tamaño de muestra: 13973

Número de variables: 11

Estadisticas Descriptiva del Conjunto de Datos Salaries2024.

   work_year    experience_level   employment_type     job_title        
 Min.   :2020   Length:13972       Length:13972       Length:13972      
 1st Qu.:2023   Class :character   Class :character   Class :character  
 Median :2023   Mode  :character   Mode  :character   Mode  :character  
 Mean   :2023                                                           
 3rd Qu.:2024                                                           
 Max.   :2024                                                           
     salary         salary_currency    salary_in_usd    employee_residence
 Min.   :   14000   Length:13972       Min.   : 15000   Length:13972      
 1st Qu.:  104000   Class :character   1st Qu.:103000   Class :character  
 Median :  142200   Mode  :character   Median :141600   Mode  :character  
 Mean   :  166001                      Mean   :150029                     
 3rd Qu.:  188000                      3rd Qu.:185900                     
 Max.   :30400000                      Max.   :800000                     
  remote_ratio    company_location   company_size      
 Min.   :  0.00   Length:13972       Length:13972      
 1st Qu.:  0.00   Class :character   Class :character  
 Median :  0.00   Mode  :character   Mode  :character  
 Mean   : 33.33                                        
 3rd Qu.:100.00                                        
 Max.   :100.00                                        

Histograma work:year

Histograma salary

Histograma salary_in_usd

Histograma remote_ratio

Boxplot salary and salary_in_usd

Boxplot work_year

Boxplot salary

Boxplot salary_in_usd

Boxplot remote_ratio

correlacion entre las variables work_year y salary_in_usd

• r = 1 La relacion es creciente y fuerte entre las variables work_year y salary_in_usd

Graficos de dispersion

Conclusiones

• Como equipo, hemos logrado cumplir con éxito el objetivo establecido para este trabajo final. Hemos realizado un análisis exhaustivo y meticuloso de nuestro conjunto de datos, prestando especial atención a su selección, descripción, evaluación crítica y elaboración de estadísticas descriptivas. Este proceso nos ha permitido comprender mejor la naturaleza y las características de los datos con los que trabajamos, sentando así una base sólida para futuros análisis y desarrollos en nuestro proyecto, con el uso de la libreria ggplot se logra mostrar al usuario graficos mas amigables.