Estudio de caracterización de la población del curso Seminario

Realizamos una encuesta para conocer las caracteristicas de la población del curso Seminario de Construcciones (Análisis Estadístico)

La encuesta se realizó en el horario de clases, se preguntó a cada estudiante las variables definidas por la Profesora, las variables fueron:

E<-read.csv("estadisitca.csv")
colnames(E)

 [1] "Nombre"      "Edad"        "Estatura"    "Peso"        "Ocupacion"  
 [6] "Estrato"     "Hermanos"    "Hijos"       "Civil"       "Sexo"       
[11] "Region"      "Matriculado"

as.factor(E$Ocupacion)

 [1] 2 1 1 1 1 1 2 2 2 1 1 3 1 1 1 1 1 2 1 1 1 3 1
Levels: 1 2 3

as.factor(E$Civil)

 [1] 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1 2 1
Levels: 1 2

as.factor(E$Sexo)

 [1] 2 1 1 1 1 2 1 1 2 2 2 2 1 2 2 2 2 1 2 1 2 2 1
Levels: 1 2

as.factor(E$Matriculado)

 [1] 1 1 1 2 1 2 2 1 2 1 1 1 1 1 1 1 2 1 1 1 2 2 1
Levels: 1 2

as.factor(E$Region)

 [1] 1 1 1 1 1 1 2 1 1 1 4 5 1 1 1 3 4 1 2 1 1 1 1
Levels: 1 2 3 4 5

Sexo<-factor(E$Sexo)
levels(Sexo) <- c("Mujer","Hombre")
Tabla1<-table(Sexo)
Tabla1

Sexo
 Mujer Hombre 
    10     13 

Tablaf<-as.data.frame(Tabla1)
transform(Tablaf,
          FreA= cumsum(Freq),
          Rel= round(prop.table(Freq),4),
          RelAc= round(cumsum(prop.table(Freq)), 4))

En el curso tenemos 10 mujeres y 13 hombres, es decir que el 43,48% del curso son mujeres y el 56,52% son hombres.

plot(Sexo_f)

Ecivil<-factor(E$Civil)
levels(Ecivil) <- c("Soltero","Casado")
Ecivil

 [1] Soltero Soltero Soltero Soltero Soltero Soltero Soltero Soltero
 [9] Casado  Soltero Soltero Soltero Soltero Soltero Soltero Soltero
[17] Soltero Casado  Soltero Soltero Soltero Casado  Soltero
Levels: Soltero Casado

plot(Ecivil)

Tabla2<-table(Ecivil)
Tabla2

Ecivil
Soltero  Casado 
     20       3 

Tablaf2<-as.data.frame(Tabla2)
transform(Tablaf2,
          FreA= cumsum(Freq),
          Rel= round(prop.table(Freq),4),
          RelAc= round(cumsum(prop.table(Freq)), 4))

En el curso hay 20 personas solteras que equivalen al 86,96% y 3 personas casadas que son el 13,04%.

Region<-factor(E$Region)
levels(Region) <- c("Valle","Cauca", "Quindio", "Nariño", "Cundinamarca")
Region

 [1] Valle        Valle        Valle        Valle        Valle       
 [6] Valle        Cauca        Valle        Valle        Valle       
[11] Nariño       Cundinamarca Valle        Valle        Valle       
[16] Quindio      Nariño       Valle        Cauca        Valle       
[21] Valle        Valle        Valle       
Levels: Valle Cauca Quindio Nariño Cundinamarca

Tabla3<-table(Region)
Tabla3

Region
       Valle        Cauca      Quindio       Nariño Cundinamarca 
          17            2            1            2            1 

plot(Region)

El curso tiene mayor presencia de estudiantes del Valle del Cauca,

Edad<-E$Edad
hist(Edad,xlim=c(20,40))

summary(E$Edad)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  21.00   23.00   25.00   28.52   29.00   49.00 

Hijos<-E$Hijos
hist(Hijos)

median(Hijos)#mediana

[1] 0

mean(Hijos)#media

[1] 0.3478261

var(Hijos)#Varianza

[1] 0.6007905

sd (Hijos)#desviacion

[1] 0.7751068

summary(Hijos)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  0.0000  0.0000  0.3478  0.0000  3.0000 

Peso<-E$Peso
hist(Peso)

median(Peso)

[1] 70

mean(Peso)

[1] 68.08696

var(Peso)

[1] 155.1739

sd(Peso)

[1] 12.45688

summary(Peso)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  50.00   57.00   70.00   68.09   75.50   98.00 

Est<-E$Estatura
hist(Est)

Error in hist.default(Est) : 'x' must be numeric