Moja databáza (IZ)

Vytvorenie dátového rámca

V tomto cvičení pracujeme s malou databázou 10 zamestnancov výrobnej firmy.

library(dplyr)
library(knitr)
library(kableExtra)

Zamestnanec <- c("Novák", "Kováčová", "Hrivnák", "Šimek", "Polák",
                 "Tóthová", "Urban", "Marek", "Klein", "Holubová")

Oddelenie <- c("Výroba", "Administratíva", "Výroba", "Výroba", "Údržba",
               "Administratíva", "Údržba", "Výroba", "Administratíva", "Údržba")

DlzkaRoky <- c(6, 3, 8, 2, 10, 4, 5, 1, 2, 7)
TreningHod <- c(30, 20, 40, 15, 45, 25, 35, 10, 18, 38)
PlatEUR <- c(1600, 1300, 1800, 1200, 1900, 1350, 1700, 1150, 1250, 1750)
Vykonnost <- c(85, 74, 90, 68, 95, 77, 88, 65, 70, 91)

udaje <- data.frame(Zamestnanec, Oddelenie, DlzkaRoky, TreningHod, PlatEUR, Vykonnost)

kable(udaje, caption = "Základná databáza pracovníkov") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover"))

Základná databáza pracovníkov

Zamestnanec	Oddelenie	DlzkaRoky	TreningHod	PlatEUR	Vykonnost
Novák	Výroba	6	30	1600	85
Kováčová	Administratíva	3	20	1300	74
Hrivnák	Výroba	8	40	1800	90
Šimek	Výroba	2	15	1200	68
Polák	Údržba	10	45	1900	95
Tóthová	Administratíva	4	25	1350	77
Urban	Údržba	5	35	1700	88
Marek	Výroba	1	10	1150	65
Klein	Administratíva	2	18	1250	70
Holubová	Údržba	7	38	1750	91

Práca s dplyr

Vyber pracovníkov s výkonnosťou nad 80 a zoraď podľa platu.

udaje %>%
  filter(Vykonnost > 80) %>%
  arrange(desc(PlatEUR)) %>%
  kable(caption = "Pracovníci s výkonnosťou nad 80, zoradení podľa platu") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover"))

Pracovníci s výkonnosťou nad 80, zoradení podľa platu

Zamestnanec	Oddelenie	DlzkaRoky	TreningHod	PlatEUR	Vykonnost
Polák	Údržba	10	45	1900	95
Hrivnák	Výroba	8	40	1800	90
Holubová	Údržba	7	38	1750	91
Urban	Údržba	5	35	1700	88
Novák	Výroba	6	30	1600	85

Sumarizácia podľa oddelení

udaje %>%
  group_by(Oddelenie) %>%
  summarise(
    PriemerVykon = mean(Vykonnost),
    PriemerPlat = mean(PlatEUR),
    PriemerTrening = mean(TreningHod),
    n = n(),
    .groups = "drop"
  ) %>%
  kable(digits = 1, caption = "Priemerné hodnoty podľa oddelení") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover"))

Priemerné hodnoty podľa oddelení

Oddelenie	PriemerVykon	PriemerPlat	PriemerTrening	n
Administratíva	73.7	1300.0	21.0	3
Výroba	77.0	1437.5	23.8	4
Údržba	91.3	1783.3	39.3	3

Vizualizácie (ggplot2)

library(ggplot2)

# Stĺpcový graf
ggplot(udaje, aes(x = Zamestnanec, y = Vykonnost, fill = Oddelenie)) +
  geom_col() +
  theme_minimal() +
  labs(title = "Výkonnosť zamestnancov podľa oddelenia",
       x = "Zamestnanec", y = "Výkonnosť (0–100)") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Scatter plot: Vykonnosť vs. Tréningové hodiny

ggplot(udaje, aes(x = TreningHod, y = Vykonnost, color = Oddelenie)) +
  geom_point(size = 3) +
  geom_smooth(method = "lm", se = FALSE, linetype = "dashed") +
  theme_minimal() +
  labs(title = "Vzťah medzi tréningom a výkonnosťou",
       x = "Tréningové hodiny", y = "Výkonnosť")

T-test – porovnanie oddelení

Porovnáme Výrobu a Administratívu z hľadiska priemernej výkonnosti:

t.test(
  udaje$Vykonnost[udaje$Oddelenie == "Výroba"],
  udaje$Vykonnost[udaje$Oddelenie == "Administratíva"]
)

    Welch Two Sample t-test

data:  udaje$Vykonnost[udaje$Oddelenie == "Výroba"] and udaje$Vykonnost[udaje$Oddelenie == "Administratíva"]
t = 0.51265, df = 3.6181, p-value = 0.6379
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -15.49634  22.16301
sample estimates:
mean of x mean of y 
 77.00000  73.66667 

Interpretácia: Ak p-hodnota < 0.05 → rozdiel medzi oddeleniami je štatisticky významný. -> nie je štat. významný (0.6379)

Jednoduchá lineárna regresia

model <- lm(Vykonnost ~ DlzkaRoky + TreningHod, data = udaje)
summary(model)

Call:
lm(formula = Vykonnost ~ DlzkaRoky + TreningHod, data = udaje)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.6642 -0.9590 -0.1071  0.7449  2.6241 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  54.9321     1.9132  28.713  1.6e-08 ***
DlzkaRoky    -0.1661     0.7372  -0.225  0.82814    
TreningHod    0.9480     0.1836   5.162  0.00131 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.575 on 7 degrees of freedom
Multiple R-squared:  0.9834,    Adjusted R-squared:  0.9787 
F-statistic: 207.8 on 2 and 7 DF,  p-value: 5.849e-07

Interpretácia:

Model ukázal, že tréningové hodiny majú silný a štatisticky významný vplyv na výkonnosť – s každou ďalšou hodinou tréningu sa výkon zvýši približne o 0,95 bodu. Premenná dĺžka zamestnania nemá významný efekt a asi by si mala vyradiť z modelu (+ máme malo ) pričom model ako celok vysvetľuje až 98 % variability výkonnosti pracovníkov.

library(broom)

coef.tbl <- tidy(model, conf.int = TRUE)
coef.tbl %>%
  kable(digits = 3, caption = "OLS model: Výkonnosť ~ Dĺžka + Tréning") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover"))

OLS model: Výkonnosť ~ Dĺžka + Tréning

term	estimate	std.error	statistic	p.value	conf.low	conf.high
(Intercept)	54.932	1.913	28.713	0.000	50.408	59.456
DlzkaRoky	-0.166	0.737	-0.225	0.828	-1.909	1.577
TreningHod	0.948	0.184	5.162	0.001	0.514	1.382