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. Se tomaron en cuenta cuatro opciones: resúmenes, videos, lectura y ejercicios prácticos, con el fin de conocer cuáles son los métodos más elegidos y comparar las preferencias de los estudiantes.

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 de distribución de frecuencias muestra que 10 estudiantes prefieren los resúmenes, 9 los videos, 7 la lectura y 9 los ejercicios prácticos, para un total de 35 estudiantes. Esto nos permite observar que los resúmenes son el método más elegido, mientras que la lectura es el menos preferido. Por su parte, los videos y los ejercicios prácticos tienen la misma frecuencia, lo que demuestra que ambas opciones cuentan con una aceptación similar.

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 nos permite observar qué parte de los 35 estudiantes representa cada método de estudio. Los resúmenes representan el 28,57 %, los videos el 25,71 %, la lectura el 20 % y los ejercicios prácticos el 25,71 %. Así podemos ver que los resúmenes son la opción más elegida, mientras que la lectura tiene el porcentaje más bajo.

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 analizados, podemos observar que 10 prefieren estudiar mediante resúmenes, 9 mediante videos, 7 mediante lectura y 9 mediante ejercicios prácticos. Esto nos muestra que los resúmenes son la opción más elegida por los estudiantes, aunque los videos y los ejercicios prácticos también tienen una buena aceptación. Por otro lado, la lectura es el método menos preferido dentro de este grupo.

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 

La tabla nos permite observar cuántos estudiantes tienen cada cantidad de horas de estudio al día. Se puede notar que las horas no son iguales para todos, ya que algunos estudiantes dedican menos tiempo a estudiar, mientras que otros estudian durante más horas. Esta información nos ayuda a conocer cómo se distribuye el tiempo de estudio dentro del grupo y sirve como base para calcular otras medidas estadísticas que nos permiten comprender mejor los datos.

Medidas de tendencia central

Media

mean(horas)
[1] 2.657143

La media representa el promedio de horas que los estudiantes dedican al estudio durante el día. Al sumar las horas registradas y dividirlas para los 35 estudiantes, obtenemos un valor aproximado de 2,66 horas diarias. Esto quiere decir que, en promedio, los estudiantes de este ejercicio dedican alrededor de dos horas y cuarenta minutos al estudio cada día. Sin embargo, este valor no significa que todos estudien exactamente ese tiempo, sino que resume los datos en una sola cifra.

Mediana

median(horas)
[1] 2

La mediana es el valor que se encuentra en el centro cuando organizamos las horas de estudio de menor a mayor. En este caso, la mediana es de 2 horas, lo que significa que la mitad central de los datos se encuentra alrededor de ese valor. Esta medida nos permite conocer el tiempo de estudio que ocupa la posición central y complementa la información que nos proporciona la media, ya que no depende únicamente del promedio de todas las horas registradas.

Moda

moda_horas <- names(frecuencia_horas)[frecuencia_horas == max(frecuencia_horas)]
moda_horas
[1] "2"

La moda corresponde al valor que más se repite dentro de los datos. En este ejercicio, la moda es de 2 horas, por lo que esta es la cantidad de tiempo de estudio que aparece con mayor frecuencia entre los estudiantes. Esto nos permite identificar cuál es el tiempo de estudio más común en el grupo analizado, aunque no quiere decir que todos los estudiantes estudien durante dos horas al día.

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

Al revisar las medidas descriptivas, observamos que el tiempo mínimo de estudio es de 1 hora, mientras que el máximo es de 5 horas diarias. Esto indica que existe una diferencia entre los estudiantes que dedican menos tiempo y aquellos que estudian durante más horas. La varianza y la desviación estándar nos ayudan a comprender qué tanto se dispersan los datos con respecto al promedio. En conjunto, estas medidas permiten tener una idea más clara de las diferencias en los hábitos de estudio representados en el ejercicio.

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)
)

En el histograma podemos observar cómo se distribuyen las horas de estudio de los 35 estudiantes. Las barras representan la frecuencia con la que aparece cada cantidad de horas, permitiéndonos identificar cuáles son más comunes y cuáles se presentan con menor frecuencia. Este gráfico facilita la comparación de los datos y nos ayuda a comprender de manera visual cómo se concentra el tiempo de estudio dentro del grupo. Además, complementa los resultados obtenidos mediante las tablas y las medidas estadísticas.

Diagrama de caja

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

El diagrama de caja permite observar de forma resumida la distribución de las horas de estudio, mostrando la posición central de los datos y su dispersión. A través de este gráfico podemos tener una idea de cómo se encuentran distribuidos los tiempos de estudio y qué tan diferentes son entre sí. Junto con el histograma, nos ayuda a interpretar mejor los datos y a reconocer las variaciones existentes entre los estudiantes del ejercicio.

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

Firma del estudiante

Anthony Mateo Piedra Mariño