Introducción

En este informe se realiza un análisis exploratorio sobre una muestra simulada de 150 estudiantes universitarios. El objetivo principal es evaluar como influyen las carreras, la modalidad y las horas de estudio, en el puntaje final obtenido en el examen.

Datos de 150 estudiantes

library(dplyr)
## 
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
set.seed(12345)
n <- 150

datos_estudiantes <- data.frame(
  id_estudiante = 1:n,
  sexo = sample(c("Femenino", "Masculino"), size = n, replace = TRUE, prob = c(0.45, 0.55)),
  edad = round(rnorm(n, mean = 22, sd = 3)),
  carrera = sample(c("Estadística", "Matemática", "Informática"), size = n, replace = TRUE, prob = c(0.35, 0.25, 0.40)),
  modalidad = sample(c("Presencial", "Virtual Sincrónica", "Virtual Asincrónica"), size = n, replace = TRUE, prob = c(0.50, 0.30, 0.20)),
  horas_estudio = rpois(n, lambda = 5),
  satisfaccion = sample(c("Baja", "Media", "Alta", "Muy alta"), size = n, replace = TRUE, prob = c(0.10, 0.30, 0.40, 0.20)),
  puntaje_final_examen = round(pmin(pmax(rnorm(n, mean = 60, sd = 15), 0), 100))
)

Frecuencia absolutas de sexo, carrera y modalidad

table(datos_estudiantes$sexo)
## 
##  Femenino Masculino 
##        75        75
table(datos_estudiantes$carrera)
## 
## Estadística Informática  Matemática 
##          57          57          36
table(datos_estudiantes$modalidad)
## 
##          Presencial Virtual Asincrónica  Virtual Sincrónica 
##                  68                  36                  46

Frecuencia relativa de modalidad y satisfaccion

prop.table(table(datos_estudiantes$modalidad))
## 
##          Presencial Virtual Asincrónica  Virtual Sincrónica 
##           0.4533333           0.2400000           0.3066667
prop.table(table(datos_estudiantes$satisfaccion))
## 
##      Alta      Baja     Media  Muy alta 
## 0.3866667 0.0600000 0.3333333 0.2200000

Resumen general de la base de datos

summary(datos_estudiantes)
##  id_estudiante        sexo                edad         carrera         
##  Min.   :  1.00   Length:150         Min.   :15.00   Length:150        
##  1st Qu.: 38.25   Class :character   1st Qu.:20.00   Class :character  
##  Median : 75.50   Mode  :character   Median :22.00   Mode  :character  
##  Mean   : 75.50                      Mean   :22.24                     
##  3rd Qu.:112.75                      3rd Qu.:24.00                     
##  Max.   :150.00                      Max.   :30.00                     
##   modalidad         horas_estudio   satisfaccion       puntaje_final_examen
##  Length:150         Min.   : 1.00   Length:150         Min.   :22.00       
##  Class :character   1st Qu.: 3.00   Class :character   1st Qu.:52.25       
##  Mode  :character   Median : 5.00   Mode  :character   Median :61.00       
##                     Mean   : 4.88                      Mean   :61.14       
##                     3rd Qu.: 6.00                      3rd Qu.:71.75       
##                     Max.   :11.00                      Max.   :95.00
library(ggplot2)

Diagrama de caja segun carrera

ggplot(datos_estudiantes, aes(x = carrera, y= puntaje_final_examen, fill = carrera)) + geom_boxplot() + labs(title = "Comparación de Puntaje final según Carrera", x = "Carrera", y = "Puntaje Final") + theme_minimal()

Conclusión

Mediante el resumen y el diagrama obtenido, se observa que los estudiantes presentan un puntaje promedio de 60 puntos.