Taller 1

Autores:

Aguirre Kevin

Hinojosa Betsabe

Llumitaxi Tatiana

Quiroz Jose

Kamile Torres

Curso: CA3-001

Tema: Analisis descriptivo de una variable cuantitativa y cualitativa

Fecha: 15-10-2026

Desarrollo:

Variable Cualitativa En Marketing para evaluar un producto o servicio hacen una encuesta de satisfaccion a 43 personas ¿Cuál es su nivel de satisfacción con la atención recibida por nuestro equipo de soporte? Muy insatisfecho Insatisfecho Neutral (ni satisfecho ni insatisfecho) Satisfecho Muy satisfecho

x: Nivel de satisfaccion

la variable x toma los valores de: Muy satisfecho (10 personas), Satisfecho (15 personas), Neutral (10 personas), Insatisfecho (5 personas), Muy insatisfecho(3)

Atencion <- c(rep("Muy satisfecho",10),rep("Satisfecho",15),rep("Neutral", 10), rep("Insatisfecho", 5), rep("Muy Insatisfecho", 3))
Atencion
 [1] "Muy satisfecho"   "Muy satisfecho"   "Muy satisfecho"   "Muy satisfecho"  
 [5] "Muy satisfecho"   "Muy satisfecho"   "Muy satisfecho"   "Muy satisfecho"  
 [9] "Muy satisfecho"   "Muy satisfecho"   "Satisfecho"       "Satisfecho"      
[13] "Satisfecho"       "Satisfecho"       "Satisfecho"       "Satisfecho"      
[17] "Satisfecho"       "Satisfecho"       "Satisfecho"       "Satisfecho"      
[21] "Satisfecho"       "Satisfecho"       "Satisfecho"       "Satisfecho"      
[25] "Satisfecho"       "Neutral"          "Neutral"          "Neutral"         
[29] "Neutral"          "Neutral"          "Neutral"          "Neutral"         
[33] "Neutral"          "Neutral"          "Neutral"          "Insatisfecho"    
[37] "Insatisfecho"     "Insatisfecho"     "Insatisfecho"     "Insatisfecho"    
[41] "Muy Insatisfecho" "Muy Insatisfecho" "Muy Insatisfecho"
t <- table(Atencion)
t
Atencion
    Insatisfecho Muy Insatisfecho   Muy satisfecho          Neutral 
               5                3               10               10 
      Satisfecho 
              15 
#Frecuencia relativa
p <- round(prop.table(t)*100, 2)
p
Atencion
    Insatisfecho Muy Insatisfecho   Muy satisfecho          Neutral 
           11.63             6.98            23.26            23.26 
      Satisfecho 
           34.88

Analisis:

Segun los datos, de las 43 personas encuestadas para el nivel de satisfaccion que se logro tras la atencion del equipo de soprte que les supo ayudar tenemos una frecuencia más fuerte en el voto de satisfecho de los clientes, de las 43 personas el 34,88% de las personas votaron por satisfecho y luego podemos visualizar que hay una igualdad de votos de 23.26% entre Muy satisfecho y normal lo que nos quiere decir que la atencion no es mala en su mayoria, aunque haya puntos bajos como la insatisfaccion y muy insatisfecho con porcentajes de 11.63% y 6.98% respectivamente.

pie(t,main = "Atencion",col = c("red2","blue3","orange2", "green3", "pink2"),labels = paste(p,"%"))
legend("topright",c("Insatisfecho","Muy insatisfecho","Neutral", "Muy satisfecho", "Satisfecho"),fill = c("red2","blue3","orange2", "green3", "pink2"))

Analisis:

Segun la grafica podemos ver que la mayor votacion segun la atencion de soporte esta en satisfecho con un porcentaje del 34.88% que vendria a ser 15 personas de las 43 encuestadas, además de que Muy satisfecho y nuetral estan de igual porcetanje de 23.26% si estas tres relativas buenas respuestas son sumadas podemos decir que la mayoria de las personas esta satisfecha con la atencion del grupo de soporte y muy pocos estan insatisfechos 11.63% y muy insatisfecho 6.98%, con esto podemos deducir que podemos todavia mejorar la atencion de soporte.

Variable cuantativa

Promedio academico de 30 estudiantes (14.5,18,12.5,16,14.5,10,17.5,13,15,12.5,19,14.5,11,16,13,17,15,10.5,18,12,14.5,16,11.5,13,15,17.5,12.5,16,14,18.5)

datos <- c(14.5, 18.0, 12.5, 16.0, 14.5, 10.0, 17.5, 13.0, 15.0, 12.5, 
           19.0, 14.5, 11.0, 16.0, 13.0, 17.0, 15.0, 10.5, 18.0, 12.0, 
           14.5, 16.0, 11.5, 13.0, 15.0, 17.5, 12.5, 16.0, 14.0, 18.5)

print(datos)
 [1] 14.5 18.0 12.5 16.0 14.5 10.0 17.5 13.0 15.0 12.5 19.0 14.5 11.0 16.0 13.0
[16] 17.0 15.0 10.5 18.0 12.0 14.5 16.0 11.5 13.0 15.0 17.5 12.5 16.0 14.0 18.5
t <- table(datos)
print(t)
datos
  10 10.5   11 11.5   12 12.5   13   14 14.5   15   16   17 17.5   18 18.5   19 
   1    1    1    1    1    3    3    1    4    3    4    1    2    2    1    1 
p <- round(prop.table(t) * 100, 2)
print(p)
datos
   10  10.5    11  11.5    12  12.5    13    14  14.5    15    16    17  17.5 
 3.33  3.33  3.33  3.33  3.33 10.00 10.00  3.33 13.33 10.00 13.33  3.33  6.67 
   18  18.5    19 
 6.67  3.33  3.33

Analisis

Tras hacer una tabla con los datos podemos visualizar que la mayoria de estudiantes tienen notas mayor a 14, el promedio de notas que mas se repite entre los estudiantes es de 14.5 y 16 con un 13.33% cada uno mayor que los demas, esto podemos concluir que pueden los estudiantes seguir mejorando y que los que estan con un promedio bajo de notas darles algun tipo de ayuda academica para que ellos puedan esforzarse y subir su promedio academico.

Diagrama de barras

PromedioEstudiantes <- c("10-12.5","13-15.5","16-18.5", "19")
frecuencia <- c(8, 11, 10, 1)
names(frecuencia) <- PromedioEstudiantes
diagrama <- barplot (frecuencia,
main = "Promedio estudiantes",
xlab = "Promedio",
ylab = "Estudiantes",
col = c("red2", "blue2","orange2", "green1"),
ylim = c(0, 30))

Analisis

Dentro de un promedio de 30 estudiantes se pudo observar que la mayor parte de estudiantes tiene un nivel bueno de conocimiento siendo estos los estudiantes que obtienen entre 13 y 15.5 (11 alumnos) y los que están entre 16 y 18.5 (10 alumnos), lo que indica que la gran mayoría aprueba con un nivel bueno; sin embargo, un grupo de 8 estudiantes en el rango más bajo de 10 a 12.5 a los que se les debería dar un seguimiento o apoyo para evitar que tengan problemas con la materia y por último el porcentaje de 19 que un solo estudiante puedo obtenerlo por lo cual se demuestra que las calificaciones sobresalientes son casos poco aislados dentro del aula de clases.

1. Media aritmética

Fórmula: x̄ = Σx / n

Descripción: La media es el resultado de sumar todos los valores y dividir el total para la cantidad de datos.

Desarrollo: Σx = 14.5 + 18.0 + 12.5 + 16.0 + 14.5 + 10.0 + 17.5 + 13.0 + 15.0 + 12.5 + 19.0 + 14.5 + 11.0 + 16.0 + 13.0 + 17.0 + 15.0 + 10.5 + 18.0 + 12.0 + 14.5 + 16.0 + 11.5 + 13.0 + 15.0 + 17.5 + 12.5 + 16.0 + 14.0 + 18.5

x̄ = 438 / 30 = 14,6

Análisis: El promedio de los 30 valores es 14,60, esto significa que, al repartir la suma de los valores en partes iguales entre los 30 datos, cada parte sería de 14,60.

2. Mediana

Fórmula : posición = (n + 1) / 2

Descripción: La mediana es el valor que queda en el centro cuando ordenamos todos los datos de menor a mayor.

Datos ordenados: 10 – 10,5 – 11 – 11,5 – 12 – 12,5 – 12,5 – 12,5 – 13 – 13 – 13 – 14 – 14,5 – 14,5 – 14,5 – 14,5 – 15 – 15 – 15 – 16 – 16 – 16 – 16 – 17 – 17,5 – 17,5 – 18 – 18 – 18,5 – 19

Desarrollo: posición = (30 + 1) / 2 = 15,5. Como n es par, se promedian las posiciones 15 y 16: (14,5 + 14,5) / 2 = 14,5

Análisis: La mediana es 14,50. Esto significa que, al ordenar los datos, la mitad queda antes del centro y la otra mitad después del centro, los dos valores centrales son iguales a 14,50.

3. Moda

Fórmula: Mo = valor con mayor frecuencia

Descripción: La moda es el valor que más veces se repite dentro de los datos,se cuenta la frecuencia de cada dato y se toma la mayor.

Desarrollo: el 14,5 aparece 4 veces y el 16 aparece 4 veces. Los demás aparecen 3 veces o menos (12,5; 13 y 15 aparecen 3 veces).

Moda = 14,5 y 16 (distribución bimodal)

Análisis: Los datos tienen dos modas: 14,50 y 16,00. Esto significa que son los valores que aparecen con mayor frecuencia, cuatro veces cada uno. Como ambos comparten la frecuencia más alta, no existe una única moda.