Actividad_Final_Parte_II_v2.1
Carles Fabregat, Lídia Novell, Tatiana Velez, Queralt Calvet, Maria Paradell
26 de maig de 2024
### Requisitos actividad:
#- Usar R-Markdown, exportando el resultado posteriormente a: HTML, Word o PDF.
#- Es necesario entregar todo el código R usado para depurar datos, crear tablas y gráficos.
#- NO SE ACEPTARÁ ningún trabajo en el que no se entregue el código R usado.Índice
- Tema
- Datos
- Depuración
- Análisis
- Conclusiones
- Limitaciones
- Referencias
1.Tema
El objetivo de esta visualización es explorar y analizar los datos de comportamiento y actitud de los estudiantes utilizando técnicas de visualización en R.
2.Datos
Los datos provienen del archivo “Student_Attitude_and_Behavior_limpio.csv” el cual se limpio durante la primera parte de la práctica. El archivo contiene información sobre el comportamiento y actitud de los estudiantes, incluyendo las diferentes variables: Certification.Course, Sex, Department, Height.CM., Weight.KG., X10th.Mark, X12th.Mark, college.mark, hobbies, daily.studing.time, prefer.to.study.in, salary.expectation, Do.you.like.your.degree., Possibility_of_carrer, social.medai…video, Travelling.Time, Stress.Level, Financial.Status, part.time.job, willingness_category, avg_score.
Finalmente, la base de datos cuenta con 235 observaciones y 21 variables de las cuales 14 son carácteres y las otras 7 son numéricas.
3.Depuración
En esta sección, se llevaron a cabo las siguientes tareas de depuración de datos:
- Eliminación de filas con valores faltantes.
- Cambio de nombre de algunas variables para una mayor claridad.
NOTA: En la primera parte de la práctica ya se realizó una primera depuración, buscando y eliminando los registros con algun caracter NA que nos pudiera compormeter la itegradad de los datos.
En esta sección crearemos 3 índices con los datos que tenemos:
Índice de estudio: Esta variable se calcula como la suma de las horas diarias de estudio y las preferencias de estudio, ponderadas por su importancia. Por ejemplo, asignamos un valor mayor a aquellos que prefieren estudiar por la mañana o por la noche en comparación con los que prefieren hacerlo en cualquier momento. Cuanto mayor sea el índice, más enfocado estará el estudiante en sus estudios.
Índice de salud: Esta variable es un cálculo de la salud general de un estudiante, calculada a partir de su altura, peso y nivel de estrés. Se usará el índice de masa corporal (IMC) calculado a partir de la altura y el peso, y luego se ajustará según el nivel de estrés. Un estudiante con un IMC saludable y un nivel de estrés bajo tendría un índice de salud alto.
Índice de ocio: Esta variable representa la cantidad de tiempo libre que tiene un estudiante, calculada a partir de sus horas diarias de estudio, horas de ocio (hobbies) y tiempo de viaje. Cuanto más bajo sea este índice, más ocupado estará el estudiante y menos tiempo tendrá para actividades de ocio.
4.Análisis
En esta sección se presentan diferentes tablas y gráficos que resumen y visualizan los datos de manera efectiva.
4.1.Tabla Resumen de Género
| Género | Altura (Mediana) | Peso (Mediana) | Nota (Mediana) |
|---|---|---|---|
| Female | 150.3 | 50.5 | 75.9 |
| Male | 161.0 | 66.0 | 70.2 |
Esta tabla muestra un resumen de las características por género, incluyendo la altura media, el peso medio y la nota media.
4.2.Tabla Resumen de Género 2
| Género | Estudio (Mediana) | Salud (Mediana) | Tiempo Libre (Mediana) |
|---|---|---|---|
| Female | 2.99 | 0.02 | 2.59 |
| Male | 2.70 | 0.01 | 2.35 |
Esta tabla muestra un resumen de los índices por género, incluyendo el índice de estudio, el índice de salud y el índice de tiempo libre.
4.3.Mediana de Notas por Nivel de Estrés y Preferencia de Estudio
| Nivel de estrés | Hora de estudio | Nota Media |
|---|---|---|
| 1 | Anytime | 78.66667 |
| 1 | Morning | 77.33333 |
| 1 | Night | 50.83333 |
| 2 | Anytime | 75.40000 |
| 2 | Morning | 71.66667 |
| 2 | Night | 73.36667 |
| 3 | Anytime | 74.33333 |
| 3 | Morning | 69.95000 |
| 3 | Night | 68.00000 |
| 4 | Anytime | 73.53333 |
| 4 | Morning | 69.66667 |
| 4 | Night | 77.00000 |
Esta tabla muestra la mediana de las notas por nivel de estrés y preferencia de estudio.
4.4.Distribución de Notas por Ocio
| Ocio Favorito | Nota Mínima | Nota Media | Nota Máxima | Número de estudiantes |
|---|---|---|---|---|
| Cinema | 40.33333 | 76.33333 | 91.66667 | 78 |
| Reading books | 45.33333 | 76.33333 | 92.43333 | 36 |
| Sports | 45.00000 | 71.00000 | 90.53333 | 85 |
| Video Games | 45.00000 | 69.83333 | 88.00000 | 36 |
Esta tabla muestra la distribución de las notas por ocio favorito, incluyendo la nota mínima, la nota media y la nota máxima, así como el número de estudiantes.
4.5.Mediana de Salario Esperado por y Notas
| Salario Esperado | Nota Media | Número de Estudiantes |
|---|---|---|
| [0-10k) | 71.66667 | 29 |
| [10k-25k) | 73.70000 | 166 |
| [25k-40k) | 72.33333 | 20 |
| [40k-60k) | 72.25000 | 12 |
| [60k+] | 66.16667 | 7 |
| NA | 58.76667 | 1 |
Esta tabla muestra la mediana del salario esperado por horquilla de salario y la nota media correspondiente, junto con el número de estudiantes en cada horquilla.
4.6.Resumen de Salud por Nivel de Estrés
| Nivel de estrés | Altura Mínima | Altura Mediana | Altura Máxima | Peso Mínimo | Peso Mediana | Peso Máximo |
|---|---|---|---|---|---|---|
| 1 | 100.0 | 165 | 174 | 39 | 54 | 80 |
| 2 | 4.5 | 160 | 192 | 35 | 60 | 106 |
| 3 | 90.0 | 160 | 190 | 20 | 59 | 93 |
| 4 | 90.0 | 156 | 190 | 39 | 60 | 90 |
Esta tabla resume las medidas de salud (altura y peso) por nivel de estrés, incluyendo la altura mínima, la altura mediana, la altura máxima, el peso mínimo, el peso mediano y el peso máximo.
5.Gráficos
5.1.Gráfico de Barras: Nivel de Estrés por Género
Este gráfico de barras muestra el nivel de estrés por género. En el se puede observar que el nivel de estrés medio es medio-bajo acumulando la mayoría de los estudiantes en este rango.
5.2.Gráfico de Densidad: Distribución de Notas por Género
Este gráfico de densidad muestra la distribución de las notas por género. Donde se puede concluir que las notas promedio más altas las tienen las mujeres alrededor de un 80% mientras que los hombres (siendo un mayor número de estudiantes) tienen una nota media de 72,5%.
5.3.Gráfico de Pastel: Distribución de Departamentos
Este gráfico de pastel muestra la distribución de los estudiantes por departamento. El departamento con mayor densidad de estudiantes es el “BCA”, seguido por el departamento de “Commerce” (el cual supone la mitad de la densidad del primero) y los departamentos “B.com ISM” y “B.com Accounting and Finance” se reparten con el 20% aproximadamente de los estudiantes.
5.4.Gráfico de Violín: Distribución de Peso por Ocio
Este gráfico de violín muestra la distribución de la nota media por ocio favorito. En el se puede ratificar los datos observados en las tablas anteriores, donde el ocio que más nota promedio acumula es el “cinema” y el “reading books” los cuales tienen una mayor densidad en el 80%-85% de las notas y “sports” y “video games” entre 65% y el 75%.
5.5.Gráfico de Cajas: Distribución de notas promedio por departamento
Este gráfico de cajas muestra la distribución de las notas promedio por departamento. El departamento con mayores notas promedio es el de Commerce, que aun siendo menos estudiantes que en BCA, sacan unas notas mayores. En este caso, se puede ver como el departamento de “B.com ISM” es el que menos nota promedio tiene dentro de los departamentos.
5.6.Gráfico de Cajas: Distribución de notas promedio por departamento
Este gráfico de barras muestra la proporción de estudiantes con y sin trabajo a tiempo parcial. Los estudiantes que tienen un trabajo a tiempo parcial significan el escaso 20% de los estudiantes, mientras que los otros no tienen un trabajo.
5.7.Gráfico de Dispersión: Relación entre Índice de Esudio y la Nota Promedio
Este gráfico de dispersión muestra la relación entre el índice de estudio y la nota promedio. Este abrumador gráfico muestra la relación que hay entre el índice de estudio y la nota promedio, mostrando la linea de tendencia entre ellos. Viendo este gráfico, podemos ver que posiblemente haya una mejor fórmula para poder caluclar el índice de estudio y obtener una mayor relación 1 a 1.
6.Conclusiones
Después de analizar el conjunto de datos y realizar varias operaciones de procesamiento, podemos extraer algunas conclusiones generales:
Distribución de las Características: El conjunto de datos proporciona una amplia variedad de características que abarcan desde información demográfica hasta hábitos de estudio y preferencias de ocio. Esto nos permite obtener una visión holística de los estudiantes y sus comportamientos.
Relación entre Variables: Se observan relaciones interesantes entre diferentes variables. Por ejemplo, hay una correlación positiva entre el índice de estudio y las notas promedio, lo que indica que los estudiantes que estudian más tienden a obtener mejores resultados académicos.
Impacto de las Preferencias y Hábitos: Las preferencias de ocio y los hábitos de estudio parecen influir en el rendimiento académico. Los estudiantes que disfrutan de actividades intelectuales como la lectura tienden a tener mejores notas en comparación con aquellos que prefieren actividades más pasivas como ver películas o jugar videojuegos.
Distribución de las Notas: Las notas promedio varían según el departamento y el género. Por ejemplo, el departamento de “Commerce” tiene las notas más altas en promedio, mientras que las mujeres tienden a obtener mejores notas en comparación con los hombres.
Nivel de Estrés y Rendimiento Académico: Aunque la mayoría de los estudiantes tienen un nivel de estrés medio-bajo, existe una relación entre el nivel de estrés y el rendimiento académico. Los estudiantes con niveles más altos de estrés pueden enfrentar desafíos adicionales en términos de rendimiento académico.
En general, el análisis de este conjunto de datos nos proporciona información valiosa sobre los factores que pueden influir en el rendimiento académico de los estudiantes. Esto puede ser útil para identificar áreas de mejora y desarrollar estrategias para apoyar el éxito estudiantil.
7.Limitaciones
Limitaciones de R en el Análisis de Datos
Complejidad y Curva de Aprendizaje
R es muy potente, pero no es la aplicación más intuitiva para principiantes. Aprenderlo bien puede ser todo un reto porque su sintaxis es bastante particular y necesitas tener un buen entendimiento de conceptos estadísticos y de programación.
Uso de Librerias Reducido
En esta práctica, usamos algunas librerías como tidyverse y ggplot. Aunque son muy útiles, R tiene una cantidad enorme de librerías adicionales que podríamos utilizar para análisis más avanzados y visuales.
8.Referencias
En este informe hemos utilizado diversas fuentes de datos y guías para estructurar y visualizar nuestros análisis. A continuación, se listan estas referencias para aquellos interesados en profundizar en los recursos utilizados:
Origen de los datos: Los datos analizados en este informe provienen del conjunto de datos “Student Attitude and Behavior” disponible en Kaggle. Puedes acceder al conjunto de datos completo en el siguiente enlace: Student Attitude and Behavior.
Guía RMarkdown: Para la generación y estructuración de este documento, utilizamos RMarkdown, una herramienta poderosa para la creación de documentos reproducibles. Una guía útil para entender y utilizar RMarkdown se encuentra aquí: RMarkdown Cheat Sheet.
Guía para Gráficos en R: La visualización de datos se realizó principalmente con la librería
ggplot2. Para obtener más ideas y ejemplos sobre cómo crear gráficos efectivos en R, puedes visitar: R Graph Gallery.Visualizador del documento final en HTML: El documento final se puede visualizar en formato HTML para facilitar su lectura y distribución. Puedes ver una versión publicada de este documento en RPubs: RPubs - Carles Fabregat.