Este informe presenta un análisis estadístico de los datos recogidos mediante una encuesta aplicada a los estudiantes de la Universidad de La Sabana. El conjunto de datos abarca diversas variables que capturan aspectos sociodemográficos, académicos, y logísticos de los estudiantes, como el género, facultad, semestre cursado, frecuencia de asistencia a la universidad, y detalles relacionados con el transporte, entre otros.
La encuesta también captura la satisfacción de los estudiantes con respecto a diversos aspectos de su vida universitaria, lo que permitirá evaluar áreas de oportunidad para mejorar la calidad de vida y la satisfacción general de los estudiantes. El análisis incluirá tanto estadísticas descriptivas como visualizaciones gráficas para una mejor comprensión de los datos.
El objetivo principal de este estudio es proporcionar una visión integral de las condiciones y percepciones de los estudiantes, especialmente en relación con su experiencia de transporte hacia la universidad. A través de este análisis, se busca identificar patrones y tendencias que puedan informar futuras mejoras en las políticas de transporte y apoyo estudiantil.
A continuación, se explicaran las variables recolectadas dividiendolas por areas, explicando su importancia y su clasificación
Permite identificar posibles diferencias en los hábitos de movilidad entre las distintas disciplinas académicas.
Tipo de variable: Cualitativa (Nominal)
Puede revelar posibles desigualdades en el acceso al transporte o en las preferencias de movilidad entre hombres y mujeres.
Tipo de variable: Cualitativa (Nominal)
Permite analizar si existen variaciones en la movilidad a lo largo de las carreras.
Tipo de variable: Cuantitativa (Discreta)
Indica la frecuencia de uso del transporte y puede estar relacionado con la intensidad de la carga académica.
Tipo de variable: Cuantitativa (Discreta)
Permite identificar los principales orígenes de los estudiantes y evaluar la distancia promedio que recorren.
Tipo de variable: Cualitativa (Nominal).
Permite conocer las preferencias de los estudiantes y las restricciones que enfrentan en su movilidad.
Tipo de variable: Cualitativa (Nominal)
Es una variable clave para evaluar el impacto económico del transporte en los estudiantes.
Tipo de variable: Cuantitativa (Discreta)
Permite evaluar la calidad del servicio de transporte ofrecido por la universidad.
Tipo de variable: Cualitativa (Ordinal)
Es una medida directa de la eficiencia del sistema de transporte y puede estar relacionado con la satisfacción de los estudiantes.
Tipo de variable: Cuantitativa (Continua)
Indica la complejidad de los recorridos y puede aumentar el tiempo de viaje y los costos.
Tipo de variable: Cualitativa (Nominal)
Permite evaluar el impacto del costo del transporte en la economía de los estudiantes y la posibilidad de que deban sacrificar otros gastos para cubrirlo.
Tipo de variable: Cualitativa (Nominal)
Esta variable abierta permitirá identificar las necesidades y expectativas de los estudiantes en materia de transporte y generar propuestas concretas para mejorar el sistema.
Tipo de variable: Cualitativa (Nominal)
#mediante la siguiente función se realizan calculos para variables cualitativas
get_mode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}En esta sección, se analiza la columna “facultad” para determinar la cantidad de carreras diferentes, la carrera más repetida y cuántas veces se repite.
frecuencia_facultad <- as.data.frame(table(data_facultad))
frecuencia_facultad <- frecuencia_facultad[order(frecuencia_facultad$Freq, decreasing = TRUE), ]
frecuencia_facultad$cum_freq <- cumsum(frecuencia_facultad$Freq)
total_observaciones <- sum(frecuencia_facultad$Freq)
mediana_facultad <- frecuencia_facultad$data_facultad[which(frecuencia_facultad$cum_freq >= total_observaciones / 2)[1]]
moda_facultad <- frecuencia_facultad$data_facultad[which.max(frecuencia_facultad$Freq)]
frecuencia_facultad$num <- seq(1, nrow(frecuencia_facultad))
pseudo_media_facultad <- sum(frecuencia_facultad$num * frecuencia_facultad$Freq) / total_observaciones
#resultados
mediana_facultad # Mediana basada en las frecuencias## [1] Comunicación
## 6 Levels: Comunicación Educación EICEA ... Psicología y Ciencias del Comportamientomoda_facultad # Moda (valor más frecuente)## [1] EICEA
## 6 Levels: Comunicación Educación EICEA ... Psicología y Ciencias del Comportamientopseudo_media_facultad # Pseudo-media ponderada## [1] 2.055556Si bien se puede ver una mayoria de estudiantes pertenecientes la facultad de IECEA, se peude tambien ver que se tomaron en cuenta estudiantes de diversas carreras diferenets
En esta sección, se analiza la columna “Genero” para determinar la proporción de estudiantes encuestados respectiva a cada genero.
#mediante los siguientes calculos se definen los siguientes parametros:
moda_genero <- get_mode(data2)
f_moda_genero <- sum(data2 == moda_genero)
proporcion_genero <- f_moda_genero/ length(data2)
# genero mas encuestado
moda_genero## [1] "Femenino"# frecuencia de genero mas encuestado
f_moda_genero## [1] 22# proporción de genero mas encuestado
proporcion_genero## [1] 0.6111111Se peude ver una mayoria de encuestados del genero femenino, sin embargo, se tiene una proporción no muy lejana al 0.5 significando una paridad relativa en el genero de los encuestados
En esta sección, se analiza la columna “Semestre” para determinar los semestres mas representativos de los encuestados
#mediante los siguientes calculos se definen los siguientes parametros:
mediana_semestre <- median(data3, na.rm = TRUE)
media_semestre <- mean(data3, na.rm = TRUE)
moda_semestre <- get_mode(data3)
# semestre con mayor cantidad de estudiantes encuestados
moda_semestre## [1] 4# Mediana de semestres encuestados
mediana_semestre## [1] 5# promedio de semestre encuestados
media_semestre## [1] 4.694444Se puede ver que las medidas que las medidas de tendencia central tienden a valores de 4 a 5 semestre, lo que demuestra que los estudiantes encuestados tienden a un tiempo considerable en la universidad
En esta sección, se analiza la columna “días” para la frecuencia de ida de los encuestados
#mediante los siguientes calculos se definen los siguientes parametros:
mediana_dias <- median(data4, na.rm = TRUE)
media_dias <- mean(data4, na.rm = TRUE)
moda_dias <- get_mode(data4)
# cantidad de días a la semana con mayor frecuencia
moda_dias## [1] 5# Mediana de días de asistencia semanales de encuestados
mediana_dias## [1] 5# promedio de días de asistencia semanales de encuestados
media_dias## [1] 4.611111Se puede observar una tendencia marcada de las medidas de tendencia central a indicar que la mayoria de estudiantes encuestados asisten a la universidad 5 dias a la semana, presumiblemente siendo los dias laborales estandar, siendo en los cuales se realiza su transito
En esta sección, se analiza la columna “Ciudad” para identificar la ciudad de residencia de los estudiantes encuestados, siendo muy relevante debido a la variación de distancias segun ciudades.
#mediante los siguientes calculos se definen los siguientes parametros:
ciudades_unicas <- length(unique(data5))
moda_ciudad <- get_mode(data5)
f_moda_ciudad <- sum(data5 == moda_ciudad)
# número de ciduades diferentes de encuestados
ciudades_unicas## [1] 7# ciduad con mayor cantidad de estudiantes encuestados
moda_ciudad## [1] "Chía"# frecuencia de ciudad mas encuestada
f_moda_ciudad## [1] 15Se peude ver que la gran mayoria de estudiantes encuestados residen en la ciduad de Chia, alvergando un gran porcentaje de los encuestados determinando su tiempo de transito
En esta sección, se analiza la columna “Transporte” para identificar el metodo de transporte usual en los estudiantes encuestados
#mediante los siguientes calculos se definen los siguientes parametros:
transporte_unico <- length(unique(data6))
moda_transporte <- get_mode(data6)
f_moda_transporte <- sum(data6 == moda_transporte)
# número de metodos de transporte diferentes usados por los encuestados
transporte_unico## [1] 6# medio de transporte mas usado de estudiantes encuestados
moda_transporte## [1] "Wheels"# frecuencia de metodo de transporte mas usado
f_moda_transporte## [1] 17Se puede notar una tendencia marcada al uso de wheels de de los estudiantes encuestados
En esta sección, se analiza la columna “costo_diario” para al determinación de valores estadisticos de lsoc sotos diarios de los estudiantes encuestados
#mediante los siguientes calculos se definen los siguientes parametros:
mediana_costo <- median(data7, na.rm = TRUE)
media_costo <- mean(data7, na.rm = TRUE)
moda_costo <- get_mode(data7)
# costo de transporte diario con mayor frecuencia
moda_costo## [1] 10000# Mediana de costos diarios
mediana_costo## [1] 10000# promedio de costos diarios
media_costo## [1] 12861.11Se puede observar una tendencia a precios diarios alrededor de 10 mil pesos, tendiendo a variar ligeramente
En esta sección, se analiza la columna “Satisfacción” para identificar el nivel de satisfación respecto a la puntualidad de transporte
#mediante los siguientes calculos se definen los siguientes parametros:
moda_satisfacción <- get_mode(data8)
f_moda_satisfacción <- sum(data8 == moda_satisfacción)
proporcion_satisfacción <- f_moda_satisfacción/ length(data8)
# Respuesta de satisfacción mas repetida
moda_satisfacción## [1] "Neutral"# frecuencia de nivel de satisfacción mas repetido
f_moda_transporte## [1] 17#proporcion de nivel de satisfacción respecto a los demas
proporcion_satisfacción## [1] 0.5555556Se puede observar una tendencia al nivel de satisfacción neutral respecto a la puntualidad del transporte, abarcando mas de la mitad de la proporción de respuestas
En esta sección, se analiza la columna “Tiempo” para conocer el tiempo estimado de los estudiantes encuestados, tiempo medido por intervalos
#mediante los siguientes calculos se definen los siguientes parametros:
moda_tiempo <- get_mode(data9)
f_moda_tiempo <- sum(data9 == moda_tiempo)
proporcion_tiempo <- f_moda_tiempo/ length(data9)
# Intervalo de tiempo mas repetido en los encuestados
moda_tiempo## [1] "De 10 a 30 minutos"# frecuencia de intervalo de tiempo
f_moda_tiempo## [1] 16#proporcion de frecuencia del intervalo respecto a los demas
proporcion_tiempo## [1] 0.4444444Se puede observar una mayoria de estudiantes que tienen un tiempo de transporte estimado de 10 a 30 minutos, sin embargo la proporcion nos muestra que tambien una gran cantidad de estudiantes tienen tiempos mayores
En esta sección, se analiza la columna “Transbordos” para conocer la cantidad de estudiantes que necesitan realizar transbordos
#mediante los siguientes calculos se definen los siguientes parametros:
moda_transbordos <- get_mode(data10)
f_moda_transbordos <- sum(data10 == moda_transbordos)
proporcion_transbordos <- f_moda_transbordos/ length(data10)
# ¿La mayoria de estudiantes utilizan transbordos para realizar su transporte?
moda_transbordos## [1] "No"# Cantidad de estudiantes que NO utilizan transbordos
f_moda_transbordos## [1] 26#proporcion de no uso de transbordos
proporcion_transbordos## [1] 0.7222222Se peude ver que la gran mayoria de estudiantes encuestados no recurren al uso de transbordos
En esta sección, se analiza la columna “Reducción de gastos” para determinar cuantos estudiantes encuestados han necesito reducir gastos en otros ambitos para el pago de su transporte
#mediante los siguientes calculos se definen los siguientes parametros:
moda_gastos <- get_mode(data11)
f_moda_gastos <- sum(data11 == moda_gastos)
proporcion_gastos <- f_moda_gastos/ length(data11)
# ¿La mayoria de estudiantes han necesitadod e reducir gastos para cubrir su transporte?
moda_gastos## [1] "No"# Cantidad de estudiantes que no redujeron gastos
f_moda_gastos## [1] 20#proporcion de estudiantes que no redujeron gastos
proporcion_gastos## [1] 0.5555556Se puede observar que la mayoria de estudiantes no necesitaron reducir sus gastos para cubrir su costo de transporte diario
En esta sección, se analiza la columna “Mejoras” para concoer las propuestas de mejoras realizadas por los estudiantes encuestados
#mediante los siguientes calculos se definen los siguientes parametros:
mejoras_unicas <- length(unique(data12))
moda_mejoras <- get_mode(data12)
f_moda_mejoras <- sum(data12 == moda_mejoras)
# número de sugerencias de mejoras diferentes
mejoras_unicas## [1] 6# sugerencia de mejora mas repetida
moda_mejoras## [1] "Mejores tarifas para estudiantes"# frecuencia de mejora mas solicitada
f_moda_mejoras## [1] 22Se peude ver que la gran mayoria de estudiantes encuestados residen en la ciduad de Chia, alvergando un gran porcentaje de los encuestados determinando su tiempo de transito