0. Cargar bases de datos

library(readxl)
Graduados <- read_excel("C:/Users/Pedro Lizarazo/Desktop/Analisis datos IS Agroalimentarios/BD filtrada ISA.xlsx", 
    sheet = "Graduados")
#
Matriculados <- read_excel("C:/Users/Pedro Lizarazo/Desktop/Analisis datos IS Agroalimentarios/BD filtrada ISA.xlsx", 
    sheet = "Matriculados")
#
Inscritos <- read_excel("C:/Users/Pedro Lizarazo/Desktop/Analisis datos IS Agroalimentarios/BD filtrada ISA.xlsx", 
    sheet = "Inscritos")
#
Admitidos <- read_excel("C:/Users/Pedro Lizarazo/Desktop/Analisis datos IS Agroalimentarios/BD filtrada ISA.xlsx", 
    sheet = "Admitidos")

Se realizo un fitrado previo para la categoria PREGRADO y para los ID__nucleo pra los valores 11, 822, 823 y 824 que corresponden a programas de pregrado relacionados con el area de agroalimentos

Programas relacionados con ISA

library(dplyr)
## 
## Adjuntando el paquete: '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(stringr)
library(ggplot2)
#
Prog <- Graduados %>%
  filter(`ID NIVEL DE FORMACIÓN` == 6) %>% # Filtro solo para programas de pregrado universitario
  select(
    IES = `INSTITUCIÓN DE EDUCACIÓN SUPERIOR (IES)`,
    DEPA = `DEPARTAMENTO DE DOMICILIO DE LA IES`,
    SNIES = `CÓDIGO SNIES DEL PROGRAMA`,
    PACA = `PROGRAMA ACADÉMICO`
    ) %>% # Selecciono y renombro variables
  mutate(
    PACA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", PACA)),
    DEPA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", DEPA)),
    IES = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", IES))
    ) %>% # Retiro mayusculas, tildes y espacios
  mutate(
    PACA = str_squish(PACA),
    DEPA = str_squish(DEPA),
    IES = str_squish(IES)
    ) %>% # Retiro espacios iniciales, finales e intermedios
  group_by(., SNIES, PACA, IES, DEPA) %>% # Agrupo
  distinct(PACA) %>% 
  ungroup(., ) %>%
  arrange(., PACA) %>% # Ordeno
  select(., PACA, SNIES, IES, DEPA) # Selecciono el orden de las columnas
# 
names(Prog)
## [1] "PACA"  "SNIES" "IES"   "DEPA"

Programas no relacionados con agroalimentaria

NO_ISA <- c(4709, 6566, 124, 9833, 811, 921, 104543, 884, 52002, 52594, 51876, 20253, 3616, 4090,
            1686, 106481, 4255, 101578, 4282, 108508, 105589, 105426, 108343)
filter(Prog, SNIES %in% NO_ISA)
## # A tibble: 19 × 4
## # Groups:   SNIES, PACA, IES, DEPA [19]
##    PACA                               SNIES IES                            DEPA 
##    <chr>                              <dbl> <chr>                          <chr>
##  1 GASTRONOMIA                       106481 FUNDACION UNIVERSITARIA HORIZ… BOGO…
##  2 INGENIERIA AGROFORESTAL             4255 UNIVERSIDAD TECNOLOGICA DEL C… CHOCO
##  3 INGENIERIA AGROFORESTAL             4282 UNIVERSIDAD DE NARIÑO          NARI…
##  4 INGENIERIA AGROFORESTAL           101578 UNIVERSIDAD DE NARIÑO          NARI…
##  5 INGENIERIA AGROFORESTAL            52002 UNIVERSIDAD NACIONAL ABIERTA … BOGO…
##  6 INGENIERIA AGROFORESTAL            52594 FUNDACION UNIVERSITARIA INTER… CASA…
##  7 INGENIERIA AGROFORESTAL            52594 UNIVERSIDAD INTERNACIONAL DEL… CASA…
##  8 INGENIERIA AGROFORESTAL           105589 UNIVERSIDAD INTERNACIONAL DEL… CASA…
##  9 INGENIERIA DE PRODUCCION ANIMAL     3616 UNIVERSIDAD FRANCISCO DE PAUL… NORT…
## 10 INGENIERIA DE SISTEMAS              4090 CORPORACION UNIVERSIDAD DE LA… ATLA…
## 11 INGENIERIA ELECTRONICA              4709 UNIVERSIDAD DE SANTANDER - UD… SANT…
## 12 INGENIERIA EN PRODUCCION ACUICOLA   6566 UNIVERSIDAD DE NARIÑO          NARI…
## 13 INGENIERIA FORESTAL                  124 UNIVERSIDAD NACIONAL DE COLOM… ANTI…
## 14 INGENIERIA FORESTAL                 9833 UNIVERSIDAD DEL CAUCA          CAUCA
## 15 INGENIERIA FORESTAL                  811 UNIVERSIDAD DEL TOLIMA         TOLI…
## 16 INGENIERIA FORESTAL                  921 UNIVERSIDAD DISTRITAL-FRANCIS… BOGO…
## 17 INGENIERIA FORESTAL               104543 INSTITUTO TECNOLOGICO DEL PUT… PUTU…
## 18 INGENIERIA PECUARIA                51876 UNIVERSIDAD FRANCISCO DE PAUL… NORT…
## 19 INGENIERIA PESQUERA                  884 UNIVERSIDAD DEL MAGDALENA - U… MAGD…

1. Graduados por ano para programas relacionados con ISA

#
Grad <- Graduados %>%
  filter(`ID NIVEL DE FORMACIÓN` == 6
    ) %>% # Filtro solo para programas de pregrado universitario
  select(
    ANO = `AÑO...1`,
    IES = `INSTITUCIÓN DE EDUCACIÓN SUPERIOR (IES)`,
    DEPA = `DEPARTAMENTO DE DOMICILIO DE LA IES`,
    SNIES = `CÓDIGO SNIES DEL PROGRAMA`,
    PACA = `PROGRAMA ACADÉMICO`,
    GRAD = GRADUADOS
    ) %>% # Selecciono y renombro variables
  filter(., !(SNIES %in% NO_ISA) ) %>% # Retiro programas que no aplican a ISA
  mutate(
    PACA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", PACA)),
    DEPA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", DEPA)),
    IES = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", IES))
    ) %>% # Retiro mayusculas, tildes y espacios
  mutate(
    PACA = str_squish(PACA),
    DEPA = str_squish(DEPA),
    IES = str_squish(IES)
    ) %>% # Retiro espacios iniciales, finales e intermedios
  group_by(PACA, DEPA, IES, ANO) %>% # Agrupo
  summarise(Suma = sum(GRAD)) %>% # Resumo como suma 
  ungroup() %>% # Desagrupo
  pivot_wider(names_from = ANO, values_from = Suma) %>% # Convertir a formato ancho
  arrange(., PACA, IES, DEPA) %>% # Ordeno
  select(., PACA, IES, DEPA, `2018`, `2019`, `2020`, `2021`, `2022`
    ) %>%  # Selecciono el orden de las columnas
  mutate(., ESLABON=case_when(
    str_detect(PACA, 'NEGOCIOS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'EMPRESAS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'ADMINISTRACION') ~ 'ADMINISTRACION',
    str_detect(PACA, 'AGRONOM') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGRICOL') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROPEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'ALIMENT') ~ 'ALIMENTOS',
    str_detect(PACA, 'AGROINDUST') ~ 'AGROINDUSTRIA',
    TRUE ~ 'OTROS'
  ) )
## `summarise()` has grouped output by 'PACA', 'DEPA', 'IES'. You can override
## using the `.groups` argument.
#
head(Grad)
## # A tibble: 6 × 9
##   PACA                    IES   DEPA  `2018` `2019` `2020` `2021` `2022` ESLABON
##   <chr>                   <chr> <chr>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> <chr>  
## 1 ADMINISTRACION AGROIND… UNIV… BOYA…     10      6      3      7      9 ADMINI…
## 2 ADMINISTRACION DE EMPR… UNIV… BOYA…     37     NA     NA     NA     NA ADMINI…
## 3 AGRONOMIA               CORP… RISA…     NA      1      1     NA     NA PRODUC…
## 4 AGRONOMIA               UNIV… BOGO…    200    220    196    241    250 PRODUC…
## 5 AGRONOMIA DEL TROPICO … UNIV… VALL…     15     14      9     29      7 PRODUC…
## 6 INGENIERIA AGRICOLA     FUND… SANT…     13     20      7     17     21 PRODUC…

2. Matriculados por ano para programas relacionados con ISA

#
Matr <- Matriculados %>%
  filter(`ID NIVEL DE FORMACIÓN` == 6
    ) %>% # Filtro solo para programas de pregrado universitario
  select(
    ANO = `AÑO...1`,
    IES = `INSTITUCIÓN DE EDUCACIÓN SUPERIOR (IES)`,
    DEPA = `DEPARTAMENTO DE DOMICILIO DE LA IES`,
    SNIES = `CÓDIGO SNIES DEL PROGRAMA`,
    PACA = `PROGRAMA ACADÉMICO`,
    MATR = MATRICULADOS
    ) %>% # Selecciono y renombro variables
 filter(., !(SNIES %in% NO_ISA) ) %>% # Retiro programas que no aplican a ISA
   mutate(
    PACA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", PACA)),
    DEPA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", DEPA)),
    IES = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", IES))
    ) %>% # Retiro mayusculas, tildes y espacios
  mutate(
    PACA = str_squish(PACA),
    DEPA = str_squish(DEPA),
    IES = str_squish(IES)
    ) %>% # Retiro espacios iniciales, finales e intermedios
  group_by(PACA, DEPA, IES, ANO) %>% # Agrupo
  summarise(Suma = sum(MATR)) %>% # Resumo como suma 
  ungroup() %>% # Desagrupo
  pivot_wider(names_from = ANO, values_from = Suma) %>% # Convertir a formato ancho
  arrange(., PACA, IES, DEPA) %>% # Ordeno
  select(., PACA, IES, DEPA, `2018`, `2019`, `2020`, `2021`, `2022`
    ) %>%  # Selecciono el orden de las columnas
  mutate(., ESLABON=case_when(
    str_detect(PACA, 'NEGOCIOS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'EMPRESAS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'ADMINISTRACION') ~ 'ADMINISTRACION',
    str_detect(PACA, 'AGRONOM') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGRICOL') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROPEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'ALIMENT') ~ 'ALIMENTOS',
    str_detect(PACA, 'AGROINDUST') ~ 'AGROINDUSTRIA',
    TRUE ~ 'OTROS'
  ) )
## `summarise()` has grouped output by 'PACA', 'DEPA', 'IES'. You can override
## using the `.groups` argument.
#
head(Matr)
## # A tibble: 6 × 9
##   PACA                    IES   DEPA  `2018` `2019` `2020` `2021` `2022` ESLABON
##   <chr>                   <chr> <chr>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> <chr>  
## 1 ADMINISTRACION AGROIND… UNIV… SANT…     NA     NA     NA    182    273 ADMINI…
## 2 ADMINISTRACION AGROIND… UNIV… BOYA…     63     58     45     61     42 ADMINI…
## 3 ADMINISTRACION DE EMPR… UNIV… BOYA…    864     NA     NA     NA     NA ADMINI…
## 4 AGROECOLOGIA            FUND… BOGO…     NA     NA      8     17     23 PRODUC…
## 5 AGRONOMIA               CORP… RISA…     NA      2     NA     NA     NA PRODUC…
## 6 AGRONOMIA               UNIV… CALD…     NA      2     NA     NA     NA PRODUC…

3. Admitidos por ano para programas relacionados con ISA

#
Admi <- Admitidos %>%
  filter(`ID NIVEL DE FORMACIÓN` == 6
    ) %>% # Filtro solo para programas de pregrado universitario
  select(
    ANO = `AÑO...1`,
    IES = `INSTITUCIÓN DE EDUCACIÓN SUPERIOR (IES)`,
    DEPA = `DEPARTAMENTO DE DOMICILIO DE LA IES`,
    SNIES = `CÓDIGO SNIES DEL PROGRAMA`,
    PACA = `PROGRAMA ACADÉMICO`,
    ADMI = ADMITIDOS
    ) %>% # Selecciono y renombro variables
  filter(., !(SNIES %in% NO_ISA) ) %>% # Retiro programas que no aplican a ISA
  mutate(
    PACA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", PACA)),
    DEPA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", DEPA)),
    IES = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", IES))
    ) %>% # Retiro mayusculas, tildes y espacios
  mutate(
    PACA = str_squish(PACA),
    DEPA = str_squish(DEPA),
    IES = str_squish(IES)
    ) %>% # Retiro espacios iniciales, finales e intermedios
  group_by(PACA, DEPA, IES, ANO) %>% # Agrupo
  summarise(Suma = sum(ADMI)) %>% # Resumo como suma 
  ungroup() %>% # Desagrupo
  pivot_wider(names_from = ANO, values_from = Suma) %>% # Convertir a formato ancho
  arrange(., PACA, IES, DEPA) %>% # Ordeno
  select(., PACA, IES, DEPA, `2018`, `2019`, `2020`, `2021`, `2022`
    ) %>%  # Selecciono el orden de las columnas
  mutate(., ESLABON=case_when(
    str_detect(PACA, 'NEGOCIOS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'EMPRESAS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'ADMINISTRACION') ~ 'ADMINISTRACION',
    str_detect(PACA, 'AGRONOM') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGRICOL') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROPEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'ALIMENT') ~ 'ALIMENTOS',
    str_detect(PACA, 'AGROINDUST') ~ 'AGROINDUSTRIA',
    TRUE ~ 'OTROS'
  ) )
## `summarise()` has grouped output by 'PACA', 'DEPA', 'IES'. You can override
## using the `.groups` argument.
#
head(Admi)
## # A tibble: 6 × 9
##   PACA                    IES   DEPA  `2018` `2019` `2020` `2021` `2022` ESLABON
##   <chr>                   <chr> <chr>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> <chr>  
## 1 ADMINISTRACION AGROIND… UNIV… SANT…     NA     NA     NA    124     55 ADMINI…
## 2 ADMINISTRACION AGROIND… UNIV… BOYA…     14     13      9     17      4 ADMINI…
## 3 ADMINISTRACION DE EMPR… UNIV… BOYA…    101     NA     NA     NA     NA ADMINI…
## 4 AGROECOLOGIA            FUND… BOGO…     NA     NA      9      6      9 PRODUC…
## 5 AGRONOMIA               UNIV… VALL…     92     73     73     68     54 PRODUC…
## 6 AGRONOMIA               UNIV… BOGO…   1075   1343   1679   1878   1864 PRODUC…

4. Inscritos por ano para programas relacionados con ISA

#
Insc <- Inscritos %>%
  filter(`ID NIVEL DE FORMACIÓN` == 6
    ) %>% # Filtro solo para programas de pregrado universitario
  select(
    ANO = `AÑO...1`,
    IES = `INSTITUCIÓN DE EDUCACIÓN SUPERIOR (IES)`,
    DEPA = `DEPARTAMENTO DE DOMICILIO DE LA IES`,
    SNIES = `CÓDIGO SNIES DEL PROGRAMA`,
    PACA = `PROGRAMA ACADÉMICO`,
    INSC = INSCRITOS
    ) %>% # Selecciono y renombro variables
  filter(., !(SNIES %in% NO_ISA) ) %>% # Retiro programas que no aplican a ISA
   mutate(
    PACA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", PACA)),
    DEPA = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", DEPA)),
    IES = toupper(chartr("áéíóúÁÉÍÓÚ", "aeiouAEIOU", IES))
    ) %>% # Retiro mayusculas, tildes y espacios
  mutate(
    PACA = str_squish(PACA),
    DEPA = str_squish(DEPA),
    IES = str_squish(IES)
    ) %>% # Retiro espacios iniciales, finales e intermedios
  group_by(PACA, DEPA, IES, ANO) %>% # Agrupo
  summarise(Suma = sum(INSC)) %>% # Resumo como suma 
  ungroup() %>% # Desagrupo
  pivot_wider(names_from = ANO, values_from = Suma) %>% # Convertir a formato ancho
  arrange(., PACA, IES, DEPA) %>% # Ordeno
  select(., PACA, IES, DEPA, `2018`, `2019`, `2020`, `2021`, `2022`
    ) %>%  # Selecciono el orden de las columnas
  mutate(., ESLABON=case_when(
    str_detect(PACA, 'NEGOCIOS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'EMPRESAS') ~ 'ADMINISTRACION',
    str_detect(PACA, 'ADMINISTRACION') ~ 'ADMINISTRACION',
    str_detect(PACA, 'AGRONOM') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGRICOL') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROPEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'AGROEC') ~ 'PRODUCCION PRIMARIA',
    str_detect(PACA, 'ALIMENT') ~ 'ALIMENTOS',
    str_detect(PACA, 'AGROINDUST') ~ 'AGROINDUSTRIA',
    TRUE ~ 'OTROS'
  ) )
## `summarise()` has grouped output by 'PACA', 'DEPA', 'IES'. You can override
## using the `.groups` argument.
head(Insc)
## # A tibble: 6 × 9
##   PACA                    IES   DEPA  `2018` `2019` `2020` `2021` `2022` ESLABON
##   <chr>                   <chr> <chr>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> <chr>  
## 1 ADMINISTRACION AGROIND… UNIV… SANT…     NA     NA     NA    124     55 ADMINI…
## 2 ADMINISTRACION AGROIND… UNIV… BOYA…     14     15     19     17      5 ADMINI…
## 3 ADMINISTRACION DE EMPR… UNIV… BOYA…    249     NA     NA     NA     NA ADMINI…
## 4 AGROECOLOGIA            FUND… BOGO…     NA     NA      9      6     10 PRODUC…
## 5 AGRONOMIA               UNIV… VALL…     79     60     45     52     40 PRODUC…
## 6 AGRONOMIA               UNIV… BOGO…   1363   5381   2819   3222   2143 PRODUC…

Dataframe resumen

library(openxlsx)
write.xlsx(
  list(Programas = Prog, Graduados = Grad, Matriculados = Matr, Inscritos = Insc, Admitidos = Admi), 
  file = "Resumen.xlsx", 
  colNames = TRUE, 
  rowNames = TRUE, 
  showNA = TRUE
)

library(tidyr)
Mayor_afinidad <- c("INGENIERIA AGROINDUSTRIAL", "INGENIERIA AGRONOMICA", "INGENIERIA DE ALIMENTOS")
# Inscritos
Res.Ins <- Insc %>% pivot_longer(., 
                      cols = "2018":"2022",
                      names_to = "Year",
                      values_to = "Number" ) %>% 
  filter(., PACA %in% Mayor_afinidad ) %>%
  group_by(., Year, PACA) %>% 
  ungroup(.,) %>% 
  summarise(., INSCRITOS= round(mean(Number, na.rm = TRUE), digits = 1 ) )
## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.
# Admitidos
Res.Adm <- Admi %>% pivot_longer(., 
                      cols = "2018":"2022",
                      names_to = "Year",
                      values_to = "Number" ) %>% 
  filter(., PACA %in% Mayor_afinidad ) %>%
  group_by(., Year, PACA) %>% 
  ungroup(.,) %>% 
  summarise(., ADMITIDOS= round(mean(Number, na.rm = TRUE), digits = 1 ) )
## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.
# Matriculados
Res.Mat <- Matr %>% pivot_longer(., 
                      cols = "2018":"2022",
                      names_to = "Year",
                      values_to = "Number" ) %>% 
  filter(., PACA %in% Mayor_afinidad ) %>%
  group_by(., Year, PACA) %>% 
  ungroup(.,) %>% 
  summarise(., MATRICULADOS = round(mean(Number, na.rm = TRUE)/10, digits = 1 ) )
## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.
# Graduados
Res.Grad <- Grad %>% pivot_longer(., 
                      cols = "2018":"2022",
                      names_to = "Year",
                      values_to = "Number" ) %>% 
  filter(., PACA %in% Mayor_afinidad ) %>%
  group_by(., Year, PACA) %>% 
  ungroup(.,) %>% 
  summarise(., GRADUADOS= round(mean(Number, na.rm = TRUE), digits = 1 ) )
## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.

Resumen de datos para graficar

Resumen <- Res.Ins %>%
  full_join(., Res.Adm, by=c("Year","PACA") ) %>%
  full_join(., Res.Mat, by=c("Year","PACA") ) %>%
  full_join(., Res.Grad, by=c("Year","PACA") ) %>% 
  pivot_longer(., cols = 3:6, names_to = "Tipo", values_to = "Numero" )
Resumen
## # A tibble: 60 × 4
## # Groups:   Year [5]
##    Year  PACA                      Tipo         Numero
##    <chr> <chr>                     <chr>         <dbl>
##  1 2018  INGENIERIA AGROINDUSTRIAL INSCRITOS     157. 
##  2 2018  INGENIERIA AGROINDUSTRIAL ADMITIDOS      68.5
##  3 2018  INGENIERIA AGROINDUSTRIAL MATRICULADOS   42.3
##  4 2018  INGENIERIA AGROINDUSTRIAL GRADUADOS      30.4
##  5 2018  INGENIERIA AGRONOMICA     INSCRITOS     210. 
##  6 2018  INGENIERIA AGRONOMICA     ADMITIDOS     115  
##  7 2018  INGENIERIA AGRONOMICA     MATRICULADOS   80.5
##  8 2018  INGENIERIA AGRONOMICA     GRADUADOS      51.4
##  9 2018  INGENIERIA DE ALIMENTOS   INSCRITOS     211. 
## 10 2018  INGENIERIA DE ALIMENTOS   ADMITIDOS     129. 
## # ℹ 50 more rows

Resumen para texto

Resumen2 <- Resumen %>%
  group_by(., PACA, Tipo) %>% 
  summarise(., Media= round(mean(Numero, na.rm = TRUE), digits = 0 ) )
## `summarise()` has grouped output by 'PACA'. You can override using the
## `.groups` argument.
print(Resumen2)
## # A tibble: 12 × 3
## # Groups:   PACA [3]
##    PACA                      Tipo         Media
##    <chr>                     <chr>        <dbl>
##  1 INGENIERIA AGROINDUSTRIAL ADMITIDOS       68
##  2 INGENIERIA AGROINDUSTRIAL GRADUADOS       29
##  3 INGENIERIA AGROINDUSTRIAL INSCRITOS      145
##  4 INGENIERIA AGROINDUSTRIAL MATRICULADOS    43
##  5 INGENIERIA AGRONOMICA     ADMITIDOS      103
##  6 INGENIERIA AGRONOMICA     GRADUADOS       49
##  7 INGENIERIA AGRONOMICA     INSCRITOS      186
##  8 INGENIERIA AGRONOMICA     MATRICULADOS    75
##  9 INGENIERIA DE ALIMENTOS   ADMITIDOS      119
## 10 INGENIERIA DE ALIMENTOS   GRADUADOS       37
## 11 INGENIERIA DE ALIMENTOS   INSCRITOS      211
## 12 INGENIERIA DE ALIMENTOS   MATRICULADOS    62

Resumen de relaciones entre inscritos, admitidos, matriculados y graduados

Relacion <- Resumen %>% 
  pivot_wider(., names_from = Tipo, values_from = Numero) %>% 
  mutate(., 
         ADMI_INSC= (ADMITIDOS/INSCRITOS)*100,
         MATR_ADMI= (MATRICULADOS/ADMITIDOS)*100,
         GRAD_MATR= (GRADUADOS/MATRICULADOS*100) ) %>% 
  group_by(., PACA) %>%
  ungroup(., ) %>%
  summarise(.,
            Rel_Admi_Insc = round(mean(ADMI_INSC), digits = 1 ),
            Rel_matr_admi = round(mean(MATR_ADMI), digits = 1 ),
            Rel_grad_matr = round(mean(GRAD_MATR), digits = 1 ) ) %>% 
  mutate(., DESERCION= 100-Rel_grad_matr)
#
print(Relacion)
## # A tibble: 3 × 5
##   PACA                      Rel_Admi_Insc Rel_matr_admi Rel_grad_matr DESERCION
##   <chr>                             <dbl>         <dbl>         <dbl>     <dbl>
## 1 INGENIERIA AGROINDUSTRIAL          46.9          62.8          67.1      32.9
## 2 INGENIERIA AGRONOMICA              56            72.8          65.3      34.7
## 3 INGENIERIA DE ALIMENTOS            60.4          52.9          59.9      40.1

#
ggplot(Resumen, aes(x = as.numeric(Year), y = Numero, colour = PACA)) +
  geom_point() +
  geom_line() +
  facet_wrap(~Tipo) +
  labs(x = "Año", y = "Número"
  ) +
  theme_bw()+
  theme(legend.position = "bottom")

#
ggplot(Resumen, aes(x = as.numeric(Year), y = Numero, colour = Tipo)) +
  geom_point() +
  geom_line() +
  facet_wrap(~PACA) +
  labs(x = "Año", y = "Número"
  ) +
  theme_bw()+
  theme(legend.position = "bottom")

#