Influencia de la personalidad en la percepción del estrés durante la transición a la vida laboral en adultos jóvenes

El presente estudio se enfoca en explorar la relación entre las dimensiones de la personalidad (extroversión, neuroticismo y responsabilidad) y la percepción del estrés en individuos que atraviesan cambios significativos en sus vidas, como la transición de la universidad al mundo laboral. Para llevar a cabo la investigación, se reclutaron participantes de diversas universidades y empresas locales, utilizando cuestionarios estandarizados para evaluar tanto su personalidad como su percepción del estrés.

library(readxl)
BASE <- read_excel("BASE.xlsx")
BASE
## # A tibble: 50 × 7
##    ID_Participante  Edad Género    Extroversión Neuroticismo Responsabilidad
##              <dbl> <dbl> <chr>            <dbl>        <dbl>           <dbl>
##  1               1    32 Femenino            55           30              60
##  2               2    27 Masculino           40           38              50
##  3               3    29 Femenino            48           45              52
##  4               4    37 Femenino            62           35              65
##  5               5    32 Masculino           45           43              55
##  6               6    34 Femenino            53           50              57
##  7               7    26 Masculino           42           42              58
##  8               8    30 Femenino            37           50              45
##  9               9    31 Masculino           33           48              55
## 10              10    25 Femenino            45           35              62
## # ℹ 40 more rows
## # ℹ 1 more variable: `Estrés Perceptual` <dbl>

1. ¿Cuál es la población objetivo?

Adultos jóvenes que están en transición a la vida laboral.

2. ¿Existe una muestra? ¿Cuál es?

50 individuos de diferentes géneros, antecedentes educativos y ocupaciones.

3. Mencione un parámetro y un estadístico en este estudio

Parámetro de edad: 32.𝟶𝟸 Estadístico de edad: 31.94

4.Clasifique cada una de las variables de acuerdo consu naturaleza y nivel de medición.

Variable <- c("Extroversión","Neuroticismo","Responsabilidad","Estrés perceptual")
Naturaleza_de_la_variable <- c("Cuantitativa continua","Cuantitativa continua", "Cuantitativa continua","Cuantitativa continua")

Punto4 <- data.frame(Variable, Naturaleza_de_la_variable)
Punto4
##            Variable Naturaleza_de_la_variable
## 1      Extroversión     Cuantitativa continua
## 2      Neuroticismo     Cuantitativa continua
## 3   Responsabilidad     Cuantitativa continua
## 4 Estrés perceptual     Cuantitativa continua

5.Realice al menos 2 tablas de frecuencias no agrupadas para las variables categóricas.

library(readxl)

Tabla1 <- read_excel("Extroversión.xlsx")
Tabla1
## # A tibble: 27 × 7
##    Extroversión     f `f acumulada` `F relativa` `f relativa acumulada`
##           <dbl> <dbl>         <dbl>        <dbl>                  <dbl>
##  1           28     1             1         0.02                   0.02
##  2           30     1             2         0.02                   0.04
##  3           31     1             3         0.02                   0.06
##  4           32     1             4         0.02                   0.08
##  5           33     1             5         0.02                   0.1 
##  6           35     2             7         0.04                   0.14
##  7           36     1             8         0.02                   0.16
##  8           37     1             9         0.02                   0.18
##  9           38     6            15         0.12                   0.3 
## 10           40     2            17         0.04                   0.34
## # ℹ 17 more rows
## # ℹ 2 more variables: `f porcentual` <dbl>, `f porcentual acumulada` <dbl>
library (readxl)

Tabla2 <- read_excel("Neuroticismo.xlsx")
Tabla2
## # A tibble: 20 × 7
##    Neuroticismo     f `f acumulada` `f relativa` `f relativa acumulad`
##           <dbl> <dbl>         <dbl>        <dbl>                 <dbl>
##  1           20     1             1         0.02                  0.02
##  2           25     1             2         0.02                  0.04
##  3           28     1             3         0.02                  0.06
##  4           30     1             4         0.02                  0.08
##  5           35     3             7         0.06                  0.14
##  6           38     3            10         0.06                  0.2 
##  7           40     2            12         0.04                  0.24
##  8           41     1            13         0.02                  0.26
##  9           42     2            15         0.04                  0.3 
## 10           43     4            19         0.08                  0.38
## 11           45     8            27         0.16                  0.54
## 12           48     5            32         0.1                   0.64
## 13           50     2            34         0.04                  0.68
## 14           51     1            35         0.02                  0.7 
## 15           52     1            36         0.02                  0.72
## 16           53     5            41         0.1                   0.82
## 17           55     4            45         0.08                  0.9 
## 18           58     2            47         0.04                  0.94
## 19           60     2            49         0.04                  0.98
## 20           65     1            50         0.02                  1   
## # ℹ 2 more variables: `f porcentual` <dbl>, `f acumulada porcentual` <dbl>

6.Construya una tabla de frecuencias agrupada con la variable Edad

library(readxl)
Edad <- read_excel("Edad.xlsx")
Edad
## # A tibble: 7 × 7
##   EDAD        f `f acumulada` `f relativa` `f relativa acumulada` `f porcentual`
##   <chr>   <dbl>         <dbl>        <dbl>                  <dbl>          <dbl>
## 1 19.5-2…     3             3         0.06                   0.06              6
## 2 23.5- …     9            12         0.18                   0.24             18
## 3 27.5- …    14            26         0.28                   0.52             28
## 4 31.5-3…     9            35         0.18                   0.7              18
## 5 35.5-3…     9            44         0.18                   0.88             18
## 6 39.5-4…     4            48         0.08                   0.96              8
## 7 43.5-4…     2            50         0.04                   1                 4
## # ℹ 1 more variable: `f porcentual acumulada` <dbl>

7. Construya un gráfico circular

library(readxl)
library(ggplot2)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
file_path <- "BASE.xlsx"
datos <- read_excel(file_path, sheet = "Hoja1")

colnames(datos) <- trimws(colnames(datos))

frecuencias <- datos %>%
  group_by(Género) %>%
  summarise(Frecuencia = n()) %>%
  mutate(Porcentaje = round((Frecuencia / sum(Frecuencia)) * 100, 1))

ggplot(frecuencias, aes(x = "", y = Frecuencia, fill = Género)) +
  geom_bar(stat = "identity", width = 1, color = "Black") +
  coord_polar("y") +
  geom_text(aes(label = paste0(Porcentaje, "%")), 
            position = position_stack(vjust = 0.5), 
            color = "Black") +
  labs(title = "Diagrama Circular - Género") +
  theme_void() +
  scale_fill_brewer(palette = "Pastel1")

8.Un histograma para la variable Edad con su respectivo polígono de frecuencia.

library(readxl)
library(ggplot2)

file_path <- "BASE.xlsx"
datos <- read_excel(file_path, sheet = "Hoja1")

colnames(datos) <- trimws(colnames(datos))

# Crear el histograma con el polígono de frecuencia
ggplot(datos, aes(x = Edad)) +
  geom_histogram(aes(y = after_stat(count)), bins = 10, fill = "skyblue", color = "black", alpha = 0.7) +
  geom_freqpoly(aes(y = after_stat(count)), bins = 10, color = "red", size = 1.2) +
  labs(title = "Histograma y Polígono de Frecuencia - Edad",
       x = "Edad",
       y = "Frecuencia") +
  theme_minimal()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

9.Diagrama de barras

library(readxl)
library(ggplot2)

file_path <- "BASE.xlsx"
datos <- read_excel(file_path, sheet = "Hoja1")

colnames(datos) <- trimws(colnames(datos))

# Crear el diagrama de barras para Género
ggplot(datos, aes(x = Género)) +
  geom_bar(fill = "skyblue", color = "black", alpha = 0.7) +
  labs(title = "Diagrama de Barras - Género",
       x = "Género",
       y = "Frecuencia") +
  theme_minimal()

10.Calcular las correlaciones entre las variables de personalidad (Extroversión, Neuroticismo y Responsabilidad) y la percepción del estrés, utilizando el coeficiente de correlación de Pearson. Realice el grafico de dispersión.

library(readxl)
library(ggplot2)
library(GGally)
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
file_path <- "BASE.xlsx"
datos <- read_excel(file_path, sheet = "Hoja1")

colnames(datos) <- trimws(colnames(datos))
colnames(datos)[colnames(datos) == "Estrés Perceptual"] <- "Estres_Perceptual"

correlaciones <- cor(datos[, c("Extroversión", "Neuroticismo", "Responsabilidad", "Estres_Perceptual")], 
                     method = "pearson")
print(correlaciones)
##                   Extroversión Neuroticismo Responsabilidad Estres_Perceptual
## Extroversión        1.00000000   0.06356769       0.6706540        0.03972123
## Neuroticismo        0.06356769   1.00000000       0.2083653        0.79850139
## Responsabilidad     0.67065401   0.20836525       1.0000000        0.32560799
## Estres_Perceptual   0.03972123   0.79850139       0.3256080        1.00000000
library(corrplot)
## corrplot 0.95 loaded
corrplot(correlaciones, method = "color", col = colorRampPalette(c("blue", "white", "red"))(200),
         addCoef.col = "black", tl.cex = 0.8, number.cex = 0.7)

pairs_plot <- ggpairs(datos[, c("Extroversión", "Neuroticismo", "Responsabilidad", "Estres_Perceptual")])
print(pairs_plot)

11. Mencione 3 recomendaciones específicas para abordar las implicaciones prácticas de estos hallazgos. Estas deben estar fundamentadas en los resultados del análisis y dirigidas a promover la salud mental y el bienestar en el contexto laboral.

Recomendación 1: las personas con altos niveles de neuroticismo tienden a experimentar más estrés, lo que indica la importancia de estrategias para manejarlo. Se recomienda que los lugares de trabajo implementen programas que incluyan técnicas de regulación emocional, mindfulness y apoyo psicológico, con un enfoque especial en quienes presentan esta tendencia.

Recomendación 2: los extrovertidos tienden a manejar mejor el estrés en entornos sociales, ya que la correlación entre Extroversión y Estrés Perceptual es baja. Por ello, se recomienda promover un ambiente de trabajo colaborativo que incluya dinámicas de equipo y mentorías, permitiendo aprovechar su capacidad para afrontar situaciones sociales exigentes.

Recomendación 3: las personas con un alto sentido de responsabilidad pueden sentir más estrés debido a la presión de cumplir con expectativas elevadas. Para manejar esta situación, recomendamos aplicar estrategias de gestión del tiempo y definir claramente las expectativas laborales. Esto puede incluir entrenamientos en priorización y delegación de tareas, lo que ayudaría a disminuir la carga percibida y el estrés asociado.