Data analisis of students marks with Descriptive Statistics

Descripción

Análisis similar al realizado en: Kaushik, M. y Mathur, B. (2014). Data Analysis of Students Marks with Descriptive Statistics. International Journal on Recent and Innovation Trends in Computing and Communication. 2. 2321 - 8169. https://ijritcc.org/index.php/ijritcc/article/view/3136/3136 utilizando R, basado en las medidas de tendencia central y variabilidad discutidas en el estudio.

Librerías necesarias

Para el análisis se necesitan las siguientes dos librerías:

library(ggplot2)
library(skewness)

Generamos un vector con las calificaciones

calificaciones <- c(20, 19, 17, 18, 17, 17, 17, 17, 17, 18, 
                    18, 19, 17, 19, 18, 17, 19, 18, 19, 16.8)

Calculamos la medidas de tendencias central

media <- mean(calificaciones)
mediana <- median(calificaciones)
moda <- as.numeric(names(sort(table(calificaciones), decreasing=TRUE)[1]))

Calculamos medidas de variabilidad

desviacion_estandar <- sd(calificaciones)
varianza <- var(calificaciones)
minimo <- min(calificaciones)
maximo <- max(calificaciones)
#curtosis <- kurtosis(calificaciones)
#asimetria <- skewness(calificaciones)

Resumimos los resultados en una tabla

resultados <- data.frame(
  Medida = c("Media", "Mediana", "Moda", "Desviación Estándar", 
             "Varianza", "Mínimo", "Máximo", "Curtosis", "Asimetría"),
  Valor = c(media, mediana, moda, desviacion_estandar, 
            varianza, minimo, maximo, NA, NA)
)
library(knitr)
kable(resultados, caption = "Medidas de Tendencia Central y Variabilidad")
Medidas de Tendencia Central y Variabilidad
Medida Valor
Media 17.8900000
Mediana 18.0000000
Moda 17.0000000
Desviación Estándar 0.9786672
Varianza 0.9577895
Mínimo 16.8000000
Máximo 20.0000000
Curtosis NA
Asimetría NA

Crear un histograma de las calificaciones

library(ggplot2)
ggplot(data.frame(calificaciones), aes(x=calificaciones)) +
  geom_histogram(binwidth=1, fill="blue", color="black") +
  labs(title="Histograma de Calificaciones de Estudiantes", x="Calificaciones", y="Frecuencia")

Análisis estadístico de los resultados de las pruebas de estado

Descripción

En esta sección se presenta un esquema para hacer el análisis estadístico de los resultados de las pruebas de estado para el ingreso a la educación superior en la Universidad de Santander, Colombia.

Pérez-Pulido, M. O., Aguilar-Galvis, F., Orlandoni-Merli, G., y Ramoni-Perazzi, J. (2016). Análisis estadístico de los resultados de las pruebas de estado para el ingreso a la educación superior en la Universidad de Santander, Colombia . Revista Científica, 27(3), 328–339. https://revistas.udistrital.edu.co/index.php/revcie/article/view/10662/12164

Instalación de librerías

# install.packages("quantreg")
# install.packages("ade4")

Cargar librerías

library(quantreg)
library(ade4)

Cargar los datos

# Cargar los datos
datos <- read.csv("ruta/a/tu/archivo.csv")  # Cambia la ruta al archivo correspondiente

Análisis factorial

# Realizar análisis factorial
af <- dudi.pca(datos[, c("variable1", "variable2", "variable3")], scannf = FALSE, nf = 2)  # Cambia las variables según tus datos
summary(af)

Regresión cuántica

# Realizar regresión cuántica
modelo <- rq(puntaje ~ lugar_procedencia + genero + estado_civil + ingresos_familiares + ocupacion_padres + tipo_plantel + numero_hermanos + posicion_hermanos + edad, 
              data = datos, tau = 0.5)  # Cambia 'puntaje' y las variables según tus datos
summary(modelo)

Conclusiones

En este análisis, se han utilizado técnicas de análisis factorial y regresión cuántica para evaluar los resultados de las pruebas de estado. Los resultados obtenidos permitirán identificar patrones y relaciones significativas entre las variables analizadas.