ANALISIS ENCUESTA CURSO SEMINARIO DE CONSTRUCCIONES

Se realizó una encuesta en clase, donde se tomaron datos de todos los estudiantes y las profesoras del curso.

M<-read.csv("Matriz.csv",sep = ";")
NO <- M$X
PESO <- M$PESO
EDAD <- M$EDAD
ESTATURA <- M$ESTATURA
SEXO <- M$SEXO
EST.CIVIL <- M$EST..CIVIL
REGION <- M$REGIÓN
N.ACAD <- M$NIVEL.ACADÉMICO

Variables en la encuesta: de cada encuestado se recopilaron los siguientes datos

colnames(M)

 [1] "X"               "NOMBRE"          "EDAD"            "PESO"           
 [5] "ESTATURA"        "ESTRATO"         "NIVEL.ACADÉMICO" "X.HNOS"         
 [9] "SEXO"            "X..HIJOS"        "EST..CIVIL"      "MATRICULADO.S.N"
[13] "REGIÓN"         

Tamaño de muestra: en total se recopilaron datos de 25 personas

length(NO)

[1] 25

Distribución de edades: para ver mejor la distribución de edades se distribuyeron en grupos con rango igual a 10 años y se obtuvo la siguiente gráfica

hedad <- hist(EDAD, breaks = seq(20,50,by=10), col="orange", labels = TRUE, xlab = "Edad", ylab = "Frecuencia ", ylim = c(0,25), main = NULL)

Cantidad hombres y mujeres: en la siguiente gráfica se puede apreciar que se el número de mujeres encuestadas es superior al de los hombres

tablasex <- as.data.frame(table(SEXO))
fabs0 <- tablasex$Freq
pltsex <- barplot(table(SEXO), col = c("blue","red"),xlab = "Sexo", ylab = "Cantidad", ylim = c(0,16),  names.arg = c("Hombre","Mujer"))
text(pltsex, c(5,7), labels = fabs0)

Porcentaje Solteros y Casados: en la gráfica se evidencia que el 84% de la muestra son solteros.

tablacivil <- as.data.frame(prop.table(table(EST.CIVIL))*100)
fabs <- tablacivil$Freq
pltcivi<- barplot((prop.table(table(EST.CIVIL)))*100, col = c("blue","red"), ylab = "Frecuencia Absoluta (%)", ylim = c(0,100), xlab = "Estado Civil", names.arg = c("Solteros","Casados"))
text(pltcivi,c(42,8), labels = fabs)

Región Proveniente: con un total de 19, se observa que la mayoría de los encuestrados proceden de la ciudad de Santiago de Cali.

tablareg <- as.data.frame(table(REGION))
fabs1 <- tablareg$Freq
pltreg <- barplot(table(REGION), col = c("blue","red","yellow","purple","black"), xlab = "Ciudad", ylab = "Cantidad", ylim = c(0,25), legend.text = c("Cali","Popayan","Santander","Pasto","Palmira"), names.arg =FALSE)
text(pltreg,c(20,3,2,3,2), labels = fabs1)

Porcentaje estudiantes pregrado y Posgrado: en la gráfica se observa que el 48% de los encuestados sin estudiantes de posgrado.

tablacad <- as.data.frame(prop.table(table(N.ACAD))*100)
fabs2 <- tablacad$Freq
pltcad<- barplot((prop.table(table(N.ACAD)))*100, col = c("blue","red","yellow"), ylab = "Frecuencia Absoluta (%)", ylim = c(0,100), legend.text = c("Pregrado","Maestria","Doctorado"), xlab = "Nivel Académico", names.arg = FALSE)
text(pltcad,c(26,20,4), labels = fabs2)

Medidas de Tendencia Central - EDAD: se puede observar que la distribución de los datos es asimetrica debido a que la mediana=25 se encuentra algo distante a la media =28.56, tambien se observa que la moda=23 queda justo en el primer quintil.

#Media y Mediana
summary(EDAD)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  21.00   23.00   25.00   28.56   30.00   49.00 

#Moda
mlv(EDAD, method = "discrete")

Mode (most frequent value): 23 
Bickel's modal skewness: 0.44 
Call: mlv.integer(x = EDAD, method = "discrete") 

Medidas de Dispersión - EDAD: debido a que los datos oscilan entre 21 y el maximo, la dispersión de los datos es alta, se puede evidenciar en el dato de la varianza.

#Varianza
round(var(EDAD),2)

[1] 74.92

#Desviación Estándar
round(sd(EDAD),2)

[1] 8.66

#Coeficiente de Variación
round((sd(EDAD)/28.56)*100,2)

[1] 30.31

Medidas de Tendencia Central - PESO: se observa que la media=67.64 se encuentra por debajo de la mediana=70 y la moda=57 está de nuevo en el primer quintil.

#Media y Mediana
summary(PESO)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  50.00   57.00   70.00   67.64   75.00   98.00 

#Moda
mlv(PESO, method = "discrete")

Mode (most frequent value): 57 
Bickel's modal skewness: 0.52 
Call: mlv.integer(x = PESO, method = "discrete") 

Medidas de Dispersión - PESO: la varianza tiene un valor muy alto por lo que indica que los datos se encuentran muy dispersos en la muestra.

#Varianza
round(var(PESO),2)

[1] 156.16

#Desviación Estándar
round(sd(PESO),2)

[1] 12.5

#Coeficiente de Variación
round((sd(PESO)/67.64)*100,2)

[1] 18.47

Medidas de Tendencia Central - ESTATURA: la media de estatura de los encuestados se encuentra por encima de la mediana de la muestra, sin embargo, son muy cercanos por lo que tiene una distribución simétrica.

#Media y Mediana
summary(ESTATURA)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.520   1.600   1.670   1.677   1.750   1.880 

#Moda
mlv(ESTATURA, method = "discrete")

Mode (most frequent value): 1.6 
Bickel's modal skewness: 0.4 
Call: mlv.default(x = ESTATURA, method = "discrete") 

Medidas de Dispersión - ESTATURA: la dispersión de los datos es muy baja, por lo que los datos obtenidos en la muestra son homogéneos.

#Varianza
round(var(ESTATURA),2)

[1] 0.01

#Desviación Estándar
round(sd(ESTATURA),2)

[1] 0.1

#Coeficiente de Variación
round((sd(ESTATURA)/1.677)*100,2) 

[1] 6.24