paquetes
require("tidyverse")
require("ggthemes")
Cargo data set
df <- read.csv("odon210.csv", header = TRUE, sep=",")
str(df)
df2 <- read_csv("odon210.csv")
summary(df)
str(df2)
Convierto de factor a numero
df$Procedimiento <- as.numeric(df$Procedimiento)
df$Rx <- as.numeric(df$Rx)
df$Inter <- as.numeric(df$Inter)
promedio y desviación
options(digits = 3)
df %>%
group_by(docente) %>%
summarise(n=n(), Prom = mean(Procedimiento), DE = sd(Procedimiento)) %>%
ungroup()
Grafico boxplot para procedimiento
df %>%
ggplot(aes(x=docente, y=Procedimiento)) +
geom_boxplot() +
theme_economist() +
ggtitle("Boxplot Procedimiento por Docente")

Existe diferencia entre docentes en procedimiento?
diferenciaEntreDocentes <- aov(df$Procedimiento~df$docente)
diferenciaEntreDocentes
Call:
aov(formula = df$Procedimiento ~ df$docente)
Terms:
df$docente Residuals
Sum of Squares 7.4 224.6
Deg. of Freedom 3 45
Residual standard error: 2.23
Estimated effects may be unbalanced
summary(diferenciaEntreDocentes)
Df Sum Sq Mean Sq F value Pr(>F)
df$docente 3 7.4 2.45 0.49 0.69
Residuals 45 224.6 4.99
No existe diferencia significativa por docente en procedimiento
plot(diferenciaEntreDocentes)




Grafico boxplot para Rx
df %>%
ggplot(aes(x=docente, y=Rx)) +
geom_boxplot() +
theme_economist() +
ggtitle("Boxplot Radiografias por Docente")

Existe diferencia entre docentes en radiografias?
diferenciaEntreDocentes <- aov(df$Rx~df$docente)
diferenciaEntreDocentes
Call:
aov(formula = df$Rx ~ df$docente)
Terms:
df$docente Residuals
Sum of Squares 24 586
Deg. of Freedom 3 45
Residual standard error: 3.61
Estimated effects may be unbalanced
summary(diferenciaEntreDocentes)
Df Sum Sq Mean Sq F value Pr(>F)
df$docente 3 24 8.07 0.62 0.61
Residuals 45 586 13.02
No existe diferencia significativa por docente en procedimiento
plot(diferenciaEntreDocentes)




Grafico boxplot para interpretacion radiologica
df %>%
ggplot(aes(x=docente, y=Inter)) +
geom_boxplot() +
theme_economist() +
ggtitle("Boxplot Intepretacion radiologica por Docente")

Existe diferencia entre docentes en interpretacion radiologica?
diferenciaEntreDocentes <- aov(df$Inter~df$docente)
diferenciaEntreDocentes
Call:
aov(formula = df$Inter ~ df$docente)
Terms:
df$docente Residuals
Sum of Squares 145 908
Deg. of Freedom 3 45
Residual standard error: 4.49
Estimated effects may be unbalanced
summary(diferenciaEntreDocentes)
Df Sum Sq Mean Sq F value Pr(>F)
df$docente 3 145 48.3 2.39 0.081 .
Residuals 45 908 20.2
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
No existe diferencia significativa por docente en procedimiento
plot(diferenciaEntreDocentes)




Cargo data set
df <- read.csv("sala.csv", header = TRUE, sep=",")
str(df)
summary(df)
Grafico boxplot interpretacion por sala
df %>%
ggplot(aes(x=Sala, y=Puntajes)) +
geom_boxplot() +
theme_economist() +
ggtitle("Boxplot Intepretacion radiologica por Sala")

Existe diferencia entre evaluadores por sala?
diferenciaporsala
Welch Two Sample t-test
data: df$Puntajes by df$Sala
t = 0.8, df = 40, p-value = 0.4
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.85 4.16
sample estimates:
mean in group A mean in group B
35.3 34.1
No existe diferencia significativa entre evaluadores por sala.
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