COEFICIENTE VARIACION CARRERAS

Coeficiente de variación de carreras

Importa los datos de los promedios de los alumnos
Determina la media de cada carrera
Determina la varianza de promedios de cada carrera
Determina la desviación estándard de los promedios de cada carrera
Grafica datos de cada carrera

library(readr)
datos <- read.csv("~/SEMESTRE ene-jun 2018/Z PROBABILIDAD Y ESTADISTICAS/DATOS/ALUMNOS DE ISC INSCRITOS/alumnos inscritos ene-jun 2018.csv")

# datos

unique(datos$carrera) # unique identifica los valor no repetidos UNICOS

##  [1] ARQUITECTURA   BIOQUIMICA     CIVIL          ELECTRICA     
##  [5] ELECTRONICA    INDUSTRIAL     MECANICA       MECATRONICA   
##  [9] QUIMICA        SISTEMAS       GESTION        TIC           
## [13] INFORMATICA    ADMINISTRACION
## 14 Levels: ADMINISTRACION ARQUITECTURA BIOQUIMICA CIVIL ... TIC

length(unique(datos$carrera))    # CUÁNTOS SON

## [1] 14

DATOS DE TODOS LOS ALUMNOS DE ARQUITECTURA ambas retículas 3 y 4 con promedios > 0

arquitectura <- datos$promedio[which(datos$carrera == 'ARQUITECTURA' & datos$promedio > 0)]

datos.arquitectura <- data.frame(carrera = "ARQUITECTURA", media = mean(arquitectura), var = var(arquitectura), desv = sd(arquitectura), CV = sd(arquitectura) / mean(arquitectura) * 100)

datos.arquitectura

##        carrera    media      var    desv       CV
## 1 ARQUITECTURA 85.08945 13.13453 3.62416 4.259235

DATOS DE TODOS LOS ALUMNOS DE BIOQUIMICA ambas retículas 3 y 4 con promedios > 0

bioquimica <- datos$promedio[which(datos$carrera == 'BIOQUIMICA' & datos$promedio > 0)]


datos.bioquimica <- data.frame(carrera = "BIOQUIMICA", media = mean(bioquimica), var = var(bioquimica), desv = sd(bioquimica), CV = sd(bioquimica) / mean(bioquimica) * 100)

datos.bioquimica

##      carrera    media      var     desv       CV
## 1 BIOQUIMICA 84.41139 19.23151 4.385375 5.195241

DATOS DE TODOS LOS ALUMNOS DE CIVIL ambas retículas 3 y 4 con promedios > 0

civil <- datos$promedio[which(datos$carrera == 'CIVIL' & datos$promedio > 0)]


datos.civil <- data.frame(carrera = "CIVIL", media = mean(civil), var = var(civil), desv = sd(civil), CV = sd(civil) / mean(civil) * 100)

datos.civil

##   carrera    media      var     desv       CV
## 1   CIVIL 83.66679 18.41991 4.291842 5.129684

DATOS DE TODOS LOS ALUMNOS DE ELECTRICA ambas retículas 3 y 4 con promedios > 0

electrica <- datos$promedio[which(datos$carrera == 'ELECTRICA' & datos$promedio > 0)]


datos.electrica <- data.frame(carrera = "ELECTRICA", media = mean(electrica), var = var(electrica), desv = sd(electrica), CV = sd(electrica) / mean(electrica) * 100)

datos.electrica

##     carrera    media      var     desv       CV
## 1 ELECTRICA 84.78487 11.64047 3.411814 4.024083

DATOS DE TODOS LOS ALUMNOS DE ELECTRONICA ambas retículas 3 y 4 con promedios > 0

electronica <- datos$promedio[which(datos$carrera == 'ELECTRONICA'  & datos$promedio > 0)]


datos.electronica <- data.frame(carrera = "ELECTRONICA", media = mean(electronica), var = var(electronica), desv = sd(electronica), CV = sd(electronica) / mean(electronica) * 100)

datos.electronica

##       carrera    media      var     desv       CV
## 1 ELECTRONICA 85.14294 32.17483 5.672286 6.662075

DATOS DE TODOS LOS ALUMNOS DE INDUSTRIAL ambas retículas 3 y 4 con promedios > 0

industrial <- datos$promedio[which(datos$carrera == 'INDUSTRIAL' & datos$promedio > 0)]


datos.industrial <- data.frame(carrera = "INDUSTRIAL", media = mean(industrial), var = var(industrial), desv = sd(industrial), CV = sd(industrial) / mean(industrial) * 100)

datos.industrial

##      carrera    media      var     desv       CV
## 1 INDUSTRIAL 85.18449 22.27528 4.719669 5.540526

DATOS DE TODOS LOS ALUMNOS DE MECANICA ambas retículas 3 y 4 con promedios > 0

mecanica <- datos$promedio[which(datos$carrera == 'MECANICA' & datos$promedio > 0)]


datos.mecanica <- data.frame(carrera = "MECANICA", media = mean(mecanica), var = var(mecanica), desv = sd(mecanica), CV = sd(mecanica) / mean(mecanica) * 100)

datos.mecanica

##    carrera    media      var    desv       CV
## 1 MECANICA 82.83413 19.07008 4.36693 5.271898

DATOS DE TODOS LOS ALUMNOS DE MECATRONICA ambas retículas 3 y 4 con promedios > 0

mecatronica <- datos$promedio[which(datos$carrera == 'MECATRONICA' & datos$promedio > 0)]


datos.mecatronica <- data.frame(carrera = "MECATRONICA", media = mean(mecatronica), var = var(mecatronica), desv = sd(mecatronica), CV = sd(mecatronica) / mean(mecatronica) * 100)

datos.mecatronica

##       carrera   media      var     desv       CV
## 1 MECATRONICA 84.0006 17.35334 4.165734 4.959172

DATOS DE TODOS LOS ALUMNOS DE QUIMICA retícula 3 > 0

quimica <- datos$promedio[which(datos$carrera == 'QUIMICA' & datos$promedio > 0)]


datos.quimica <- data.frame(carrera = "QUIMICA", media = mean(quimica), var = var(quimica), desv = sd(quimica), CV = sd(quimica) / mean(quimica) * 100)

datos.quimica

##   carrera    media      var     desv       CV
## 1 QUIMICA 84.81859 15.01137 3.874451 4.567926

DATOS DE TODOS LOS ALUMNOS DE SISTEMAS ambas retículas 3 y 4 con promedios > 0

sistemas <- datos$promedio[which(datos$carrera == 'SISTEMAS' & datos$promedio > 0)]


datos.sistemas <- data.frame(carrera = "SISTEMAS", media = mean(sistemas), var = var(sistemas), desv = sd(sistemas), CV = sd(sistemas) / mean(sistemas) * 100)

datos.sistemas

##    carrera    media     var     desv       CV
## 1 SISTEMAS 84.73406 18.9757 4.356111 5.140921

DATOS DE TODOS LOS ALUMNOS DE GESTION ambas retículas 1 y 2 con promedios > 0

gestion <- datos$promedio[which(datos$carrera == 'GESTION' & datos$promedio > 0)]


datos.gestion <- data.frame(carrera = "GESTION", media = mean(gestion), var = var(gestion), desv = sd(gestion), CV = sd(gestion) / mean(gestion) * 100)

datos.gestion

##   carrera    media      var     desv       CV
## 1 GESTION 86.85564 16.79823 4.098564 4.718823

DATOS DE TODOS LOS ALUMNOS DE TIC ambas retículas 1 y 2 con promedios > 0

tic <- datos$promedio[which(datos$carrera == 'TIC' & datos$promedio > 0)]


datos.tic <- data.frame(carrera = "TIC", media = mean(tic), var = var(tic), desv = sd(tic), CV = sd(tic) / mean(tic) * 100)

datos.tic

##   carrera    media      var     desv       CV
## 1     TIC 84.53895 19.99767 4.471875 5.289722

DATOS DE TODOS LOS ALUMNOS DE INFORMATICA ambas retículas 1 y 2 con promedios > 0

informatica <- datos$promedio[which(datos$carrera == 'INFORMATICA' & datos$promedio > 0)]


datos.informatica <- data.frame(carrera = "INFORMATICA", media = mean(informatica), var = var(informatica), desv = sd(informatica), CV = sd(informatica) / mean(informatica) * 100)

datos.informatica

##       carrera    media      var     desv       CV
## 1 INFORMATICA 84.12641 17.16531 4.143104 4.924855

DATOS DE TODOS LOS ALUMNOS DE ADMINISTRACION ambas retículas 3 y 4 con promedios > 0

administracion <- datos$promedio[which(datos$carrera == 'ADMINISTRACION' & datos$promedio > 0)]

datos.administracion <- data.frame(carrera = "ADMINISTRACION", media = mean(administracion), var = var(administracion), desv = sd(administracion), CV = sd(administracion) / mean(administracion) * 100)

datos.administracion

##          carrera    media      var     desv       CV
## 1 ADMINISTRACION 87.55068 16.16151 4.020138 4.591784

Todos los datos concentrados en un data.frame

datos.carreras <- rbind(datos.arquitectura, datos.bioquimica, datos.civil, datos.electrica, datos.electronica, datos.industrial, datos.mecanica, datos.mecatronica, datos.quimica, datos.sistemas, datos.gestion, datos.tic, datos.informatica, datos.administracion)

datos.carreras

##           carrera    media      var     desv       CV
## 1    ARQUITECTURA 85.08945 13.13453 3.624160 4.259235
## 2      BIOQUIMICA 84.41139 19.23151 4.385375 5.195241
## 3           CIVIL 83.66679 18.41991 4.291842 5.129684
## 4       ELECTRICA 84.78487 11.64047 3.411814 4.024083
## 5     ELECTRONICA 85.14294 32.17483 5.672286 6.662075
## 6      INDUSTRIAL 85.18449 22.27528 4.719669 5.540526
## 7        MECANICA 82.83413 19.07008 4.366930 5.271898
## 8     MECATRONICA 84.00060 17.35334 4.165734 4.959172
## 9         QUIMICA 84.81859 15.01137 3.874451 4.567926
## 10       SISTEMAS 84.73406 18.97570 4.356111 5.140921
## 11        GESTION 86.85564 16.79823 4.098564 4.718823
## 12            TIC 84.53895 19.99767 4.471875 5.289722
## 13    INFORMATICA 84.12641 17.16531 4.143104 4.924855
## 14 ADMINISTRACION 87.55068 16.16151 4.020138 4.591784

# substring(datos.carreras$carrera, 1,7)

Plot medias y CV

par(mfrow=c(1,2))

plot(x = 1:length(datos.carreras$carrera), datos.carreras$media,  type="o",
 pch=1, col="blue", xlab="Carreras",
 ylab="Medias",
 main="Promedios de Carreras",
 ylim=c(80,90))

# par(1,2)

plot(x = 1:length(datos.carreras$carrera), datos.carreras$CV,  type="o",
 pch=1, col="red", xlab="Carreras",
 ylab="CV",
 main="Coef. de Variación de Carreras",
 ylim=c(0,10))

COEFICIENTE VARIACION CARRERAS

Rubén Pizarro

21 de febrero de 2018

Coeficiente de variación de carreras

DATOS DE TODOS LOS ALUMNOS DE ARQUITECTURA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE BIOQUIMICA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE CIVIL ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE ELECTRICA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE ELECTRONICA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE INDUSTRIAL ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE MECANICA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE MECATRONICA ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE QUIMICA retícula 3 > 0

DATOS DE TODOS LOS ALUMNOS DE SISTEMAS ambas retículas 3 y 4 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE GESTION ambas retículas 1 y 2 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE TIC ambas retículas 1 y 2 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE INFORMATICA ambas retículas 1 y 2 con promedios > 0

DATOS DE TODOS LOS ALUMNOS DE ADMINISTRACION ambas retículas 3 y 4 con promedios > 0

Todos los datos concentrados en un data.frame

Plot medias y CV