Taller #1

Author

Anthony Piedra

Grupo: AP4-002

Tema: Análisis descriptivo de dos variables

Integrantes

ANTHONY MATEO PIEDRA MARIÑO
ALEJANDRA ABIGAIL ANALUISA
EMILY CRISTINA GALLARDO CRUZ
ANDREW STEVEN QUIÑA IBARRA

Fecha: 13/10/2026

Variable cualitativa

Método de estudio preferido de los estudiantes del AP4-002

Se consultó a 35 estudiantes sobre el método de estudio que prefieren utilizar. Las categorías son resúmenes, videos, lectura y ejercicios prácticos.

metodo <- c(
  rep("Resúmenes", 10),
  rep("Videos", 9),
  rep("Lectura", 7),
  rep("Ejercicios prácticos", 9)
)

metodo

 [1] "Resúmenes"            "Resúmenes"            "Resúmenes"           
 [4] "Resúmenes"            "Resúmenes"            "Resúmenes"           
 [7] "Resúmenes"            "Resúmenes"            "Resúmenes"           
[10] "Resúmenes"            "Videos"               "Videos"              
[13] "Videos"               "Videos"               "Videos"              
[16] "Videos"               "Videos"               "Videos"              
[19] "Videos"               "Lectura"              "Lectura"             
[22] "Lectura"              "Lectura"              "Lectura"             
[25] "Lectura"              "Lectura"              "Ejercicios prácticos"
[28] "Ejercicios prácticos" "Ejercicios prácticos" "Ejercicios prácticos"
[31] "Ejercicios prácticos" "Ejercicios prácticos" "Ejercicios prácticos"
[34] "Ejercicios prácticos" "Ejercicios prácticos"

Distribución de frecuencias

frecuencia_metodo <- table(metodo)
frecuencia_metodo

metodo
Ejercicios prácticos              Lectura            Resúmenes 
                   9                    7                   10 
              Videos 
                   9

La tabla muestra cuántos estudiantes prefieren cada método de estudio.

Tabla de porcentajes

porcentaje_metodo <- prop.table(frecuencia_metodo) * 100
round(porcentaje_metodo, 2)

metodo
Ejercicios prácticos              Lectura            Resúmenes 
               25.71                20.00                28.57 
              Videos 
               25.71

El porcentaje permite observar qué parte del total de estudiantes representa cada método de estudio.

Gráfico de barras

barplot(
  frecuencia_metodo,
  main = "Método de estudio preferido",
  col = c("lightblue", "lightgrey", "lightgreen", "lightpink"),
  xlab = "Método de estudio",
  ylab = "Número de estudiantes",
  las = 2
)

Interpretación de la variable cualitativa

De los 35 estudiantes considerados, 10 prefieren estudiar mediante resúmenes, 9 mediante videos, 7 mediante lectura y 9 mediante ejercicios prácticos. En estos datos, los resúmenes son el método más frecuente, mientras que la lectura es el menos frecuente. Estos resultados describen únicamente los datos inventados para la actividad.

Variable cuantitativa

Horas de estudio al día de los estudiantes del AP4-002

Para el mismo grupo de 35 estudiantes, se asignaron valores de horas de estudio al día. Los datos representan horas y pueden incluir fracciones de hora.

horas <- c(
  1, 2, 2, 3, 1, 2, 4,
  3, 2, 1, 5, 2, 3, 4,
  2, 1, 3, 2, 4, 3, 2,
  5, 1, 2, 3, 4, 2, 3,
  1, 4, 2, 3, 5, 2, 4
)

horas

 [1] 1 2 2 3 1 2 4 3 2 1 5 2 3 4 2 1 3 2 4 3 2 5 1 2 3 4 2 3 1 4 2 3 5 2 4

Tabla de distribución de frecuencias

frecuencia_horas <- table(horas)
frecuencia_horas

horas
 1  2  3  4  5 
 6 12  8  6  3

Esta tabla indica cuántos estudiantes tienen cada cantidad de horas de estudio al día.

Medidas de tendencia central

Media

mean(horas)

[1] 2.657143

La media es el promedio de las horas de estudio de los 35 estudiantes.

Mediana

median(horas)

[1] 2

La mediana es el valor que queda en el centro cuando se ordenan las horas de menor a mayor.

Moda

moda_horas <- names(frecuencia_horas)[frecuencia_horas == max(frecuencia_horas)]
moda_horas

[1] "2"

La moda es la cantidad de horas que más se repite en los datos.

Medidas descriptivas adicionales

min(horas)

[1] 1

max(horas)

[1] 5

range(horas)

[1] 1 5

var(horas)

[1] 1.467227

sd(horas)

[1] 1.211291

El mínimo y el máximo muestran los extremos de los datos. La varianza y la desviación estándar permiten describir cuánto varían las horas de estudio respecto de su promedio.

Histograma

hist(
  horas,
  main = "Horas de estudio al día",
  col = "lightblue",
  xlab = "Horas de estudio",
  ylab = "Frecuencia",
  breaks = seq(0.5, 5.5, by = 1)
)

Diagrama de caja

boxplot(
  horas,
  main = "Distribución de las horas de estudio",
  col = "lightgreen",
  ylab = "Horas al día"
)

Interpretación de la variable cuantitativa

En este ejercicio se describen las horas de estudio al día asignadas a 35 estudiantes. La media representa el promedio de horas, la mediana indica el valor central y la moda muestra la cantidad de horas que más se repite. El histograma permite observar cómo se distribuyen los valores, y el diagrama de caja resume su dispersión.

Conclusión

En este taller se practicó el análisis descriptivo de una variable cualitativa y una cuantitativa utilizando datos de 35 estudiantes. Para el método de estudio preferido se elaboraron tablas de frecuencias, porcentajes y gráficos. Para las horas de estudio al día se calcularon medidas de tendencia central y dispersión, además de gráficos para visualizar la distribución.

Bibliografia

@book{diaz2013estadistica, title={Estad{'}stica aplicada a la Administraci{'o}n y Econom{'}a}, author={D{'}az Mata, Alfredo}, year={2013}, publisher={Mc Graw Hill} }

@book{lind_marchall, author = {A. Lind, Douglas and A. Wathen, Samuel and G. Marchal, William}, address = {Madrid}, edition = {17ª edición}, isbn = {9781456272159}, keywords = {Economía y Empresa}, language = {spa}, publisher = {McGraw-Hill,}, title = {ESTADÍSTICA APLICADA A LOS NEGOCIOS Y LA ECONOMÍA}, year = {2019}, }

@book{webster2000estadistica, title={Estad{'}stica aplicada a los negocios y la econom{'}a}, author={Webster, Allen L}, year={2000}, publisher={McGraw-Hill} }

Firma

Anthony Mateo Piedra Mariño