EDA: Análisis de Rendimiento y Uso de Celular
Equipo de Proyecto Integrador
2025-11-26
1. Resumen General de los Datos
Antes de tomar decisiones, observamos la integridad de nuestra base de datos descargada de la nube.
glimpse(df_eda)## Rows: 186
## Columns: 35
## $ id <fct> 0597e33c-bfcb-4cbb-ac47-a730f3f89270, 1…
## $ created_at <dttm> 2025-11-26 18:51:31, 2025-11-26 18:51:…
## $ demo_01_sexo <fct> Hombre, Mujer, Prefiero no indicar, Muj…
## $ demo_02_carrera <fct> Ingeniería Comercial, Medicina, Ingenie…
## $ demo_03_edad <int> 18, 19, 19, 18, 18, 20, 19, 18, 18, 19,…
## $ demo_04_semestre <ord> 2, 2, 3, 2, 2, 4, 2, 2, 2, 2, 2, 2, 2, …
## $ demo_05_escolaridad_padre <fct> Post-grado Universitario, Post-grado Un…
## $ demo_06_escolaridad_madre <fct> Post-grado Universitario, Post-grado Un…
## $ demo_07_ingresos <dbl> 20000, 10000, 30000, 6000, 20000, 22000…
## $ demo_08_afecta_economia <lgl> FALSE, TRUE, FALSE, FALSE, FALSE, FALSE…
## $ demo_09_trabaja <lgl> FALSE, FALSE, FALSE, TRUE, FALSE, FALSE…
## $ rend_01_promedio <dbl> 89.00, 90.00, 90.00, 91.00, 60.00, 80.0…
## $ rend_02_otra_carrera <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALS…
## $ rend_03_satisfecho <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRU…
## $ rend_04_materias_completas <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FAL…
## $ rend_05_beca <lgl> TRUE, FALSE, TRUE, TRUE, TRUE, TRUE, TR…
## $ uso_01_horas_dia <dbl> 4.0, 6.0, 2.0, 4.0, 4.0, 6.0, 2.0, 8.0,…
## $ uso_02_veces_revisa_clase <dbl> 4.0, 4.0, 2.0, 5.0, 6.0, 8.0, 3.0, 16.0…
## $ uso_03_llamadas <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FAL…
## $ uso_03_mensajes <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRU…
## $ uso_03_redes <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRU…
## $ uso_03_juegos <lgl> TRUE, FALSE, TRUE, FALSE, TRUE, TRUE, F…
## $ uso_03_lectura <lgl> TRUE, TRUE, TRUE, TRUE, FALSE, TRUE, TR…
## $ uso_03_internet <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRU…
## $ uso_03_ia <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRU…
## $ uso_04_distraccion_redes <int> 1, 5, 1, 2, 5, 4, 3, 5, 1, 3, 2, 3, 2, …
## $ uso_05_pierde_hilo <int> 1, 4, 1, 1, 5, 4, 2, 5, 1, 2, 2, 3, 3, …
## $ uso_06_herramienta_acad <int> 5, 5, 1, 3, 4, 5, 3, 5, 1, 3, 5, 2, 5, …
## $ uso_07_revisar_vibracion <int> 1, 5, 1, 1, 3, 3, 2, 5, 1, 2, 2, 2, 1, …
## $ uso_08_necesidad_constante <lgl> TRUE, TRUE, TRUE, FALSE, TRUE, FALSE, F…
## $ uso_09_ansiedad_bateria <lgl> TRUE, TRUE, TRUE, FALSE, TRUE, TRUE, FA…
## $ uso_10_uso_restringido <lgl> TRUE, FALSE, TRUE, TRUE, TRUE, TRUE, TR…
## $ uso_11_celular_cerca <lgl> TRUE, FALSE, FALSE, TRUE, FALSE, TRUE, …
## $ uso_12_ansiedad_sin_celular <lgl> TRUE, FALSE, TRUE, FALSE, FALSE, FALSE,…
## $ uso_13_incomodidad_sin_celular <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FAL…print(paste("Total de encuestas válidas:", nrow(df_eda)))## [1] "Total de encuestas válidas: 186"print(paste("Total de variables:", ncol(df_eda)))## [1] "Total de variables: 35"2. Análisis de Datos Faltantes (Missing Data)
Verificamos si existen columnas vacías que puedan afectar el análisis estadístico.
# Gráfico de nulos
gg_miss_var(df_eda, show_pct = TRUE) +
labs(title = "Porcentaje de datos faltantes por variable", y = "% Faltante") +
theme_minimal()
3. Detección de Outliers (Variables Numéricas)
Aquí identificamos valores extremos. Nota: No eliminaremos filas todavía, solo identificamos casos para decidir si aplicamos filtros en los modelos posteriores (ej: ANOVA o Regresión).
3.1 Distribución de Variables Clave
# Boxplot de Edad
p1 <- ggplot(df_eda, aes(y = demo_03_edad, x = "")) +
geom_boxplot(fill = "#F39C12", alpha = 0.7, outlier.colour = "red") +
labs(title = "Distribución Edad", y = "Años") + theme_minimal()
# Boxplot de Promedio
p2 <- ggplot(df_eda, aes(y = rend_01_promedio, x = "")) +
geom_boxplot(fill = "#3498DB", alpha = 0.7, outlier.colour = "red") +
labs(title = "Promedio Académico", y = "Nota (0-100)") + theme_minimal()
# Boxplot de Horas de Uso
p3 <- ggplot(df_eda, aes(y = uso_01_horas_dia, x = "")) +
geom_boxplot(fill = "#2ECC71", alpha = 0.7, outlier.colour = "red") +
labs(title = "Uso Celular (Horas/Día)", y = "Horas") + theme_minimal()
# Unir gráficos (requiere librería patchwork)
p1 + p2 + p3
3.2 Zoom a los casos extremos
Listamos los IDs de los casos que parecen errores o extremos para discutirlos en grupo.
# Casos con promedios dudosos (muy bajos o perfectos)
outliers_notas <- df_eda %>%
filter(rend_01_promedio < 10 | rend_01_promedio == 100) %>%
select(id, demo_02_carrera, rend_01_promedio)
print("Casos con notas extremas:")## [1] "Casos con notas extremas:"outliers_notas# Casos con uso de celular excesivo (> 15 horas)
outliers_uso <- df_eda %>%
filter(uso_01_horas_dia > 15) %>%
select(id, demo_02_carrera, uso_01_horas_dia)
print("Casos con uso excesivo (>15h):")## [1] "Casos con uso excesivo (>15h):"outliers_uso4. Análisis Univariado (Categorías)
Vemos la composición de la muestra por carrera y semestre.
# Gráfico de barras por carrera
df_eda %>%
count(demo_02_carrera) %>%
mutate(demo_02_carrera = fct_reorder(demo_02_carrera, n)) %>%
ggplot(aes(x = n, y = demo_02_carrera)) +
geom_col(fill = "steelblue") +
geom_text(aes(label = n), hjust = -0.1) +
labs(title = "Participantes por Carrera", x = "Cantidad", y = NULL) +
theme_minimal()
5. Matriz de Correlación Inicial
Una vista rápida para ver qué variables numéricas se relacionan entre sí (ej: ¿A más horas de uso, menor promedio?).
# Seleccionar solo numéricas y quitar filas con NA para la correlación
df_num <- df_eda %>%
select(where(is.numeric)) %>%
select(-demo_07_ingresos) %>% # Excluimos ingresos temporalmente si tiene muchos NA o ceros
na.omit()
matriz_cor <- cor(df_num)
corrplot(matriz_cor, method = "color", type = "upper",
tl.col = "black", tl.cex = 0.7,
addCoef.col = "black", number.cex = 0.6, # Agregar números
title = "Mapa de Calor de Correlaciones", mar = c(0,0,1,0))
### Instrucciones para tu equipo: 1. Instalar librerías (el script lo
intenta hacer automático con pacman, pero si falla, que
instalen install.packages("corrplot"),
patchwork, naniar). 2. Darle al botón
Knit (tejer) en RStudio. 3. Analizar el HTML resultante
para tomar decisiones sobre qué filtrar.
¡Este reporte les dará una base sólida para el ANOVA sin borrar datos a ciegas!