1 Introducció

En primer, carreguem els paquets que necessitem

library(tidyverse)
library(knitr)

Carreguem les dades

dades <- read_csv2("data/empleats.csv")
head(dades, 7)
## # A tibble: 7 × 13
##   id_empleat nom        ciutat departament nivell_estudis  edat anys_experiencia
##        <dbl> <chr>      <chr>  <chr>       <chr>          <dbl>            <dbl>
## 1          1 Roger Ser… Sabad… Màrqueting  Grau              23              0.3
## 2          2 Laia Puig  Lleida Màrqueting  Batxillerat       27              3.4
## 3          3 Carla Sala Tarra… Atenció al… Doctorat          22              0.3
## 4          4 Irene Prat Sabad… Vendes      Doctorat          60             16.1
## 5          5 Gerard Ro… Barce… Atenció al… Grau              26              3.9
## 6          6 Roger Sala Tarra… Tecnologia  Màster            45              5  
## 7          7 Marta Rie… Sabad… Atenció al… Grau              46             17.1
## # ℹ 6 more variables: salari_brut_anual <dbl>, vendes_mensuals <dbl>,
## #   satisfaccio_laboral <dbl>, hores_teletreball_setmana <dbl>,
## #   data_contractacio <date>, te_carnet_conduir <chr>

Una presentació millorada:

knitr::kable(dades[1:10, 1:7])
id_empleat nom ciutat departament nivell_estudis edat anys_experiencia
1 Roger Serra Sabadell Màrqueting Grau 23 0.3
2 Laia Puig Lleida Màrqueting Batxillerat 27 3.4
3 Carla Sala Tarragona Atenció al Client Doctorat 22 0.3
4 Irene Prat Sabadell Vendes Doctorat 60 16.1
5 Gerard Roca Barcelona Atenció al Client Grau 26 3.9
6 Roger Sala Tarragona Tecnologia Màster 45 5.0
7 Marta Riera Sabadell Atenció al Client Grau 46 17.1
8 Xavier Font Lleida Finances Màster 26 1.1
9 Sara Soler Sabadell Atenció al Client Doctorat 56 26.9
10 Jordi Vila Girona Màrqueting Grau 25 3.2

1.1 Característiques dels nostres empleats

L’edat mitjana dels nostres empleats és 39 anys.

mean(dades$edat)
## [1] 38.53571

1.2 Subsecció 1 de la Introducció

Bla, bla, bla.

Podeu posar negretes i cursives.

1.3 Subsecció 2

A continuació, sumem 4 + 3.

a <- 4
b <- 3
c <- a + b
c
## [1] 7

Aquí també podem carregar dades, per exemple datasets que venen per defecte en RStudio

data(cars)

I mostrar les primeres files:

head(cars, 10)
##    speed dist
## 1      4    2
## 2      4   10
## 3      7    4
## 4      7   22
## 5      8   16
## 6      9   10
## 7     10   18
## 8     10   26
## 9     10   34
## 10    11   17

I fer un resum estadístic de les dues variables:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Puc generar un gràfic a partir de les dades

2 Metodologia

3 Gràfic de l’evolució del bitcoin (versió millorada)