install.packages("tidyverse")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.0.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
install.packages("summarytools")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(summarytools)
## Warning in fun(libname, pkgname): couldn't connect to display ":0"
## system might not have X11 capabilities; in case of errors when using dfSummary(), set st_options(use.x11 = FALSE)
##
## Attaching package: 'summarytools'
## The following object is masked from 'package:tibble':
##
## view
install.packages("readxl")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(readxl)
datos <- read_excel("Encuesta.ing.xlsx")
ggplot()
descr(datos$EDAD)
## Descriptive Statistics
## datos$EDAD
## N: 42
##
## EDAD
## ----------------- --------
## Mean 19.71
## Std.Dev 2.43
## Min 17.00
## Q1 18.00
## Median 19.00
## Q3 21.00
## Max 28.00
## MAD 1.48
## IQR 3.00
## CV 0.12
## Skewness 1.49
## SE.Skewness 0.37
## Kurtosis 1.81
## N.Valid 42.00
## N 42.00
## Pct.Valid 100.00
ggplot(datos, aes(x = EDAD, y = "")) +
geom_boxplot(fill = "steelblue", width = 0.3, outlier.color = "red", outlier.shape = 16) +
coord_cartesian(xlim = c(17, 30)) +
scale_x_continuous(breaks = seq(17, 30, by = 2)) +
labs(title = "Distribución de la variable Edad",
x = "Edad",
y = "") +
theme_minimal(base_size = 13) +
theme(
axis.line = element_line(color = "black"),
panel.grid.major.y = element_blank(),
panel.grid.minor = element_blank(),
axis.ticks = element_line(color = "black"),
plot.title = element_text(face = "bold")
)
#tabla de frecuencia para Genero
freq(datos$GENERO)
## Frequencies
## datos$GENERO
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## --------------- ------ --------- -------------- --------- --------------
## Femenino 24 57.14 57.14 57.14 57.14
## Masculino 18 42.86 100.00 42.86 100.00
## <NA> 0 0.00 100.00
## Total 42 100.00 100.00 100.00 100.00
tabla_genero <- as.data.frame(table(datos$GENERO))
colnames(tabla_genero) <- c("Género", "Frecuencia")
tabla_genero$Porcentaje <- round((tabla_genero$Frecuencia / sum(tabla_genero$Frecuencia)) * 100, 1)
tabla_genero
## Género Frecuencia Porcentaje
## 1 Femenino 24 57.1
## 2 Masculino 18 42.9
# Gráfico de torta con porcentajes
ggplot(tabla_genero, aes(x = "", y = Frecuencia, fill = Género)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y") +
labs(title = "Distribución por Género", fill = "Género") +
theme_void() +
geom_text(aes(label = paste0(Porcentaje, "%")),
position = position_stack(vjust = 0.5), color = "white", size = 6)
#Preguntas de caracterizacion- Lugar de procedencia
freq(datos$PROCEDENCIA, order = "freq", round.digits = 1, report.nas = FALSE, justify = "center", style = "simple")
## Frequencies
## datos$PROCEDENCIA
## Type: Character
##
## Freq % % Cum.
## --------------------------- ------ ------- --------
## Interior de Catamarca 19 45.2 45.2
## Catamarca capital 16 38.1 83.3
## Tucumán 5 11.9 95.2
## Otra provincia 2 4.8 100.0
## Total 42 100.0 100.0
#Preguntas de caracterizacion- Trabajo
freq(datos$TRABAJO, order = "freq", round.digits = 1, report.nas = FALSE, justify = "center", style = "simple")
## Frequencies
## datos$TRABAJO
## Type: Character
##
## Freq % % Cum.
## ----------------------------------- ------ ------- --------
## No 18 42.9 42.9
## Solo estudio 18 42.9 85.7
## Eventualmente fines de semana 4 9.5 95.2
## Si 2 4.8 100.0
## Total 42 100.0 100.0
#variable nominal, herramienta utilizada para estudiar
freq(datos$HERRAMIENTA, order = "freq", round.digits = 1, report.nas = FALSE, justify = "center", style = "simple")
## Frequencies
## datos$HERRAMIENTA
## Type: Character
##
## Freq % % Cum.
## ----------------------- ------ ------- --------
## Apuntes digitales 16 38.1 38.1
## Libros fisicos 10 23.8 61.9
## Videos educativos 10 23.8 85.7
## Chat gpt/ IA 4 9.5 95.2
## Otro 2 4.8 100.0
## Total 42 100.0 100.0
#grafico de barras lugar de procedencia del estudiante
ggplot(datos, aes(x = PROCEDENCIA, fill = PROCEDENCIA)) +
geom_bar() +
labs(title = "Procedencia de los estudiantes",
x = "",
y = "Nº de estudiantes") +
theme_linedraw()
freq(datos$RENDIMIENTO, round.digits = 1, report.nas = FALSE, justify = "center", style = "simple")
## Frequencies
## datos$RENDIMIENTO
## Type: Character
##
## Freq % % Cum.
## -------------- ------ ------- --------
## Alto 17 40.5 40.5
## Bajo 21 50.0 90.5
## Muy alto 1 2.4 92.9
## Muy bajo 3 7.1 100.0
## Total 42 100.0 100.0
metodos <- datos %>%
group_by(METODO) %>%
summarise(Frecuencia = n()) %>%
mutate(Porcentaje = round(Frecuencia / sum(Frecuencia) * 100, 1))
#Variable Nominal. Metodo de estudio utilizado
ggplot(data = metodos, aes(x = "", y = Frecuencia, fill = METODO)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y") +
labs(title = "Método de estudio utilizado", fill = "Método") +
theme_void() +
geom_text(aes(label = paste0(Porcentaje, "%")),
position = position_stack(vjust = 0.5), color = "white", size = 4)
freq(datos$TECNICA, order = "freq", round.digits = 1, report.nas = FALSE, justify = "center", style = "simple")
## Frequencies
## datos$TECNICA
## Type: Character
##
## Freq % % Cum.
## ------------------------------- ------ ------- --------
## Hacer resúmenes 13 31.0 31.0
## Subrayado y resaltado 12 28.6 59.5
## Lectura en voz alta 6 14.3 73.8
## Fichas o notas 3 7.1 81.0
## Otra 3 7.1 88.1
## Ninguna de las anteriores 2 4.8 92.9
## Repetición espaciada 2 4.8 97.6
## Mapas conceptuales 1 2.4 100.0
## Total 42 100.0 100.0
freq(datos$RENDIMIENTO, round.digits = 1, report.nas = FALSE, justify = "center", headings = FALSE)
##
## Freq % % Cum.
## -------------- ------ ------- --------
## Alto 17 40.5 40.5
## Bajo 21 50.0 90.5
## Muy alto 1 2.4 92.9
## Muy bajo 3 7.1 100.0
## Total 42 100.0 100.0
freq(datos$SATIFACCION, round.digits = 1, report.nas = FALSE, justify= "center", headings = FALSE)
##
## Freq % % Cum.
## ---------------------- ------ ------- --------
## Insatisfecho 6 14.3 14.3
## Muy insatisfecho 4 9.5 23.8
## Muy satisfecho 2 4.8 28.6
## Neutral 22 52.4 81.0
## Satisfecho 8 19.0 100.0
## Total 42 100.0 100.0
datos%>%
group_by(GENERO) %>%
freq(SATIFACCION, report.nas = FALSE, headings = FALSE)
## Group: GENERO = Femenino
##
## Freq % % Cum.
## ---------------------- ------ -------- --------
## Insatisfecho 5 20.83 20.83
## Muy insatisfecho 2 8.33 29.17
## Muy satisfecho 1 4.17 33.33
## Neutral 9 37.50 70.83
## Satisfecho 7 29.17 100.00
## Total 24 100.00 100.00
##
## Group: GENERO = Masculino
##
## Freq % % Cum.
## ---------------------- ------ -------- --------
## Insatisfecho 1 5.56 5.56
## Muy insatisfecho 2 11.11 16.67
## Muy satisfecho 1 5.56 22.22
## Neutral 13 72.22 94.44
## Satisfecho 1 5.56 100.00
## Total 18 100.00 100.00
ggplot(datos, aes(x = GENERO, fill = RENDIMIENTO)) +
geom_bar(position = "stack") +
xlab("Género") + # Etiqueta del eje X
ylab("Cantidad de estudiantes") + # Etiqueta del eje Y
labs(fill = "Nivel de Rendimiento") + # Título de la leyenda
scale_y_continuous(limits = c(0, 25))
freq(datos$DIAS_DE_ESTUDIO,round.digits = 1, report.nas = FALSE, justify = "center", )
## Frequencies
## datos$DIAS_DE_ESTUDIO
## Type: Numeric
##
## Freq % % Cum.
## ----------- ------ ------- --------
## 0 1 2.4 2.4
## 1 1 2.4 4.8
## 2 4 9.5 14.3
## 3 13 31.0 45.2
## 4 10 23.8 69.0
## 5 3 7.1 76.2
## 6 6 14.3 90.5
## 7 4 9.5 100.0
## Total 42 100.0 100.0
descr(datos$PARCIALES_AP,round.digits = 1, headings = FALSE)
##
## PARCIALES_AP
## ----------------- --------------
## Mean 2.3
## Std.Dev 1.3
## Min 0.0
## Q1 1.0
## Median 2.0
## Q3 3.0
## Max 5.0
## MAD 1.5
## IQR 1.8
## CV 0.5
## Skewness 0.0
## SE.Skewness 0.4
## Kurtosis -0.4
## N.Valid 42.0
## N 42.0
## Pct.Valid 100.0
ggplot(datos, aes(x = PROCEDENCIA, y = PARCIALES_AP)) +
geom_boxplot(aes(fill = PROCEDENCIA)) +
labs(title = "Parciales Aprobados por Lugar de Procedencia",
x = "Lugar de Procedencia",
y = "Número de Parciales Aprobados") +
theme_minimal() +
theme(legend.position = "none")
freq(datos$LIBRE,round.digits = 1, report.nas = FALSE, justify = "center", )
## Frequencies
## datos$LIBRE
## Type: Numeric
##
## Freq % % Cum.
## ----------- ------ ------- --------
## 0 23 54.8 54.8
## 1 16 38.1 92.9
## 2 2 4.8 97.6
## 3 1 2.4 100.0
## Total 42 100.0 100.0
ggplot(datos, aes(x = HORAS_ESTUDIO)) + # Cambia 'Horas_de_Estudio' por el nombre correcto de la variable
geom_histogram(binwidth = 1, fill = "skyblue", color = "black", alpha = 0.7) + # Definir el tamaño de los bins
xlab("Horas de Estudio") + # Etiqueta del eje X
ylab("Nº estudiantes") + # Etiqueta del eje Y
labs(title = "Distribución de las Horas de Estudio") + # Título del gráfico
theme_dark() + # Estilo minimalista
theme(
axis.title.x = element_text(size = 14, face = "bold"), # Tamaño y negrita del título del eje X
axis.title.y = element_text(size = 14, face = "bold"), # Tamaño y negrita del título del eje Y
axis.text.x = element_text(size = 12, face = "bold"), # Tamaño y negrita de los valores del eje X
axis.text.y = element_text(size = 12, face = "bold") # Tamaño y negrita de los valores del eje Y
)
ggplot(datos, aes(x = HORAS_ESTUDIO, color = GENERO)) +
geom_freqpoly(bins = 8, size = 1) +
scale_x_continuous(limits = c(0, 8), breaks = 0:8) +
scale_y_continuous(limits = c(0, 12), breaks = seq(0, 12, 2)) +
labs(
title = "Distribución de horas de estudio según género",
x = "Horas de estudio por día",
y = "N° de estudiantes",
color = "Género"
) +
theme_minimal() +
theme(
axis.title.x = element_text(size = 14, face = "bold"),
axis.title.y = element_text(size = 14, face = "bold"),
axis.text.x = element_text(size = 12, face = "bold"),
axis.text.y = element_text(size = 12, face = "bold"),
plot.title = element_text(size = 16, face = "bold", hjust = 0.5)
)
## 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.
## Warning: Removed 4 rows containing missing values or values outside the scale range
## (`geom_path()`).
# Rendimiento segun genero
datos %>%
group_by(GENERO) %>%
freq(RENDIMIENTO, report.nas = FALSE, headings = FALSE)
## Group: GENERO = Femenino
##
## Freq % % Cum.
## -------------- ------ -------- --------
## Alto 11 45.83 45.83
## Bajo 12 50.00 95.83
## Muy bajo 1 4.17 100.00
## Total 24 100.00 100.00
##
## Group: GENERO = Masculino
##
## Freq % % Cum.
## -------------- ------ -------- --------
## Alto 6 33.33 33.33
## Bajo 9 50.00 83.33
## Muy alto 1 5.56 88.89
## Muy bajo 2 11.11 100.00
## Total 18 100.00 100.00
ggplot(datos, aes(x = GENERO, fill = RENDIMIENTO)) +
geom_bar(position = "stack") + # Usa "stack" para apilar las barras por niveles de dificultad
xlab("Género") + # Etiqueta del eje X
ylab("Cantidad de estudiantes") + # Etiqueta del eje Y
labs(fill = "Rendimiento percibido") + # Título de la leyenda
scale_y_continuous(limits= c(0,30)) + # recorrido del eje y
theme(axis.title.x = element_text(size = 14, face = "bold"), # Tamaño y negrita ("bold") del título del eje X
axis.title.y = element_text(size = 14, face = "bold"), # Tamaño y negrita del título del eje Y
axis.text.x = element_text(size = 12, face = "bold"), # Tamaño y negrita de los valores del eje X
axis.text.y = element_text(size = 12, face = "bold"), # Tamaño y negrita de los valores del eje Y
legend.title = element_text(size = 10, face = "bold"), # Tamaño y negrita del título de la leyenda
legend.text = element_text(size = 8) # Tamaño del texto de la leyenda
)
ggplot(datos, aes(y = METODO, x = PARCIALES_AP)) +
geom_boxplot(aes(fill = METODO), position = position_dodge(width = 0.75)) +
labs(
title = "Relación parcial AP / Metodo",
y = "Método",
x = "Número de Parciales Aprobados"
) +
theme_minimal() +
theme(legend.position = "none")
ggplot(datos, aes(x = METODO, y = LIBRE, fill = METODO)) +
geom_bar(stat = "identity", width = 0.6) +
scale_y_continuous(limits = c(0, 15), breaks = seq(0, 12, 2)) +
labs(
title = " Condicion de libre segun método de estudio",
x = "-",
y = "Numero de materias reprobadas"
) +
theme_minimal(base_size = 13)
ggplot(datos, aes(x = TECNICA, y = PARCIALES_AP, fill = TECNICA)) +
geom_bar(stat = "identity", width = 0.6) +
scale_y_continuous(limits = c(0, 32), breaks = seq(0,32, 2)) +
labs(
title = " Parciales aprobados por tecnica de estudio",
x = "-",
y = "Numero de parciales aprobados"
) +
theme_minimal(base_size = 13)
datos_resumidos <- datos %>%
group_by(SECUNDARIA) %>%
summarise(PARCIALES_TOTAL = sum(PARCIALES_AP, na.rm = TRUE))
print(datos_resumidos)
## # A tibble: 4 × 2
## SECUNDARIA PARCIALES_TOTAL
## <chr> <dbl>
## 1 Escuela Técnica 7
## 2 Escuela agro-técnica 24
## 3 Otro tipo 11
## 4 Secundaria común/ bachillerato 54
ggplot(datos, aes(x = SECUNDARIA, y = PARCIALES_AP)) +
geom_bar(stat = "identity", fill = "#0073C2FF") +
scale_y_continuous(limits = c(0, 60), breaks = seq(0, 60, by = 5)) + # Escala de 0 a 60 de 2 en 2
labs(title = "Parciales aprobados según tipo de secundaria",
y = "Total de parciales aprobados") +
theme_minimal()
ggplot(datos, aes(x = GENERO, y = PARCIALES_AP)) +
geom_boxplot(aes(fill = GENERO), position = position_dodge(width = 0.75)) +
labs(
title = "Relación Parciales Aprobados / Género",
x = "Género",
y = "Número de Parciales Aprobados"
) +
theme_minimal() +
theme(legend.position = "none")
