TOMA DE DATOS

Los datos fueron recolectasos mediente un recorrido por los direfetes edificios de la Universidad Javeriana, el dato de ruido se registro gracias a la aplicacion Air Casting que permitio un dato sobre decibeles y las coordenadas del recorrido.

Cada persona hizo este ejercicio, lo que dejo comor esultado 3 bases de datos, que se jutaron para formar una “megabase” y de alli se moderaron para obtener las siguientes graficas:

library(readxl)

doc2_bioest <- read_excel("doc2_bioest.xlsx")

sonido=doc2_bioest$X1.Measurement_Value
edificio=doc2_bioest$edificio

datos_ok=data.frame(sonido,edificio)


##exploración

require(table1)
require(ggplot2)


table1(~sonido|edificio,data=datos_ok)
Acacias
(N=220)		 Almendros
(N=382)		 Biblioteca
(N=716)		 Bienestar
(N=255)		 CDE_p
(N=119)		 Cedro_r
(N=946)		 Central
(N=56)		 Educon
(N=255)		 Guayacanes
(N=406)		 Lagos
(N=288)		 Palmas
(N=233)		 Saman
(N=126)		 Overall
(N=4002)
sonido
Mean (SD) 62.9 (4.97) 64.4 (6.50) 58.3 (6.86) 59.9 (7.12) 63.2 (7.70) 62.1 (8.73) 60.8 (7.08) 59.1 (8.42) 61.0 (7.37) 61.0 (5.81) 58.9 (7.45) 66.0 (4.60) 61.1 (7.63)
Median [Min, Max] 63.0 [41.0, 77.0] 66.0 [44.0, 78.0] 59.0 [36.0, 78.0] 60.0 [41.0, 80.0] 64.0 [48.0, 80.0] 64.0 [34.0, 82.0] 60.0 [50.0, 73.0] 61.0 [39.0, 78.0] 63.0 [44.0, 77.0] 62.0 [47.0, 78.0] 58.0 [44.0, 80.0] 66.0 [50.0, 81.0] 62.0 [34.0, 82.0] 
ggplot(datos_ok,aes(x=edificio,y=sonido,fill=edificio))+geom_boxplot()+theme_bw()

##confirmatoria-modelo
mod=lm(sonido~edificio,data=datos_ok)
summary(mod)
## 
## Call:
## lm(formula = sonido ~ edificio, data = datos_ok)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -28.056  -3.886   1.114   4.944  21.137 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         62.8864     0.4950 127.049  < 2e-16 ***
## edificioAlmendros    1.5430     0.6214   2.483 0.013064 *  
## edificioBiblioteca  -4.6140     0.5659  -8.153 4.71e-16 ***
## edificioBienestar   -2.9452     0.6756  -4.360 1.34e-05 ***
## edificioCDE_p        0.3237     0.8354   0.387 0.698415    
## edificioCedro_r     -0.8303     0.5495  -1.511 0.130866    
## edificioCentral     -2.1006     1.0989  -1.912 0.055993 .  
## edificioEducon      -3.7883     0.6756  -5.608 2.19e-08 ***
## edificioGuayacanes  -1.8864     0.6146  -3.069 0.002161 ** 
## edificioLagos       -1.8829     0.6574  -2.864 0.004202 ** 
## edificioPalmas      -4.0237     0.6902  -5.830 5.98e-09 ***
## edificioSaman        3.0740     0.8202   3.748 0.000181 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 7.342 on 3990 degrees of freedom
## Multiple R-squared:  0.07555,    Adjusted R-squared:  0.073 
## F-statistic: 29.64 on 11 and 3990 DF,  p-value: < 2.2e-16
require(agricolae)
compara=LSD.test(mod,"edificio")
#compara

bar.group(compara$groups,ylim=c(0,90))

Al analizar los datos, se puede ver que se mantiene una tendencia entre los edicifios mas ruidosos y los mas silenciosos.

Siendo Saman el edificio con mayores registros de ruido, seguido de Almendros y posteriormente CDE, esto podria ser explicado por la cercania de los dos primeros eficicios y en el tercero por ser un lugar en donde se hacen deportes. Asi mismo se mantienen como edidicios con menos ruido el edificio Palmas y la Biblioteca, el primero podria ser explicado porque es un edificio donde hay mayormente laboratorios y salas de computacion que estan cerradas y pueden contener el ruido en el interior y el segundo por la cultura que se mantiene de mantener niveles de ruido bajos o moderados dentro de las bibliotecas.

Al tomarse como referencia Almendros, los edificios con los valores que mas se alejen de este tienen un mayor grado de significancia, como se puede apreciar en la tabla hecha por summary.