ODON210_2018_1erSemestre

Los paquetes

library(tidyverse)
library(ggplot2)
library(ggthemes)
library(forcats)
library(ggsignif)

Abro mi data set

df <- read.csv("ODON210_2018.csv", header = TRUE, sep = ",")
glimpse(df)

Observations: 56
Variables: 7
$ X.                  <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20...
$ Nombre.Estudiante   <fctr> ALONSO CARRILLO.FRANCISCA JAVIERA, ÁLVAREZ LATIN.SALVADOR HERNÁN, ...
$ Docente             <fctr> Dr.Santana, Dr.Santana, Dr.Aguilera, Dr.Araya, Dr.Aguilera, Dr.Santa...
$ X1era.acumulativa   <dbl> 0.0, 4.1, 5.5, 5.5, 5.3, 0.0, 0.0, 5.5, 5.0, 0.0, 5.9, 3.3, 6.4, 0.0,...
$ Revelado            <dbl> 7.0, 7.0, 7.0, 7.0, 7.0, 7.0, 7.0, 4.5, 7.0, 7.0, 7.0, 7.0, 5.3, 7.0,...
$ Prom.prueba.entrada <dbl> 4.325, 4.525, 6.000, 5.325, 6.450, 5.350, 4.700, 5.600, 4.325, 5.675,...
$ P.salida.seminarios <dbl> 6.45, 5.40, 7.00, 6.40, 5.75, 7.00, 6.40, 6.45, 7.00, 7.00, 4.50, 5.4...

Genero tablas por docentes para revelado

df %>% 
  group_by(Docente) %>% 
  summarise(n=n(), "Promedio Revelado" = mean(Revelado), "DE"= sd(Revelado))

anovarevelado <- aov(df$Revelado~df$Docente)
summary(anovarevelado)  #No existen diferencias significativas por docente. 

            Df Sum Sq Mean Sq F value Pr(>F)
df$Docente   3  2.915  0.9716   1.984  0.128
Residuals   52 25.465  0.4897               

Genero tablas por docentes para pruebas de entrada

Lo grafico

Anova prueba entrada y docente

anovapruebaentrada <- aov(df$Prom.prueba.entrada~df$Docente)
summary(anovapruebaentrada)  #Existen diferencias significativas por docente. 

            Df Sum Sq Mean Sq F value  Pr(>F)   
df$Docente   3   7.54  2.5133   5.043 0.00384 **
Residuals   52  25.92  0.4984                   
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

TukeyHSD(anovapruebaentrada) #Existen entre Dr.Santana y Dr.Aguilera 

  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = df$Prom.prueba.entrada ~ df$Docente)

$`df$Docente`
                              diff         lwr          upr     p adj
Dr.Araya-Dr.Aguilera   -0.29226190 -1.00046824  0.415944428 0.6939616
Dr.Santana-Dr.Aguilera -0.98178571 -1.67808857 -0.285482856 0.0025035
Dr.Uribe-Dr.Aguilera   -0.32742674 -1.04912393  0.394270450 0.6270310
Dr.Santana-Dr.Araya    -0.68952381 -1.38582667  0.006779048 0.0531817
Dr.Uribe-Dr.Araya      -0.03516484 -0.75686202  0.686532355 0.9992172
Dr.Uribe-Dr.Santana     0.65435897 -0.05566095  1.364378899 0.0809645

Prueba salida de seminarios

df %>% 
  group_by(Docente) %>% 
  summarise(n=n(), "Promedio Prueba salidas" = mean(P.salida.seminarios), "DE"= sd(P.salida.seminarios))

Grafico por docente/pruebas de salida de seminarios

ANOVA para pruebas de salida según docentes

anovapruebasalida <- aov(df$P.salida.seminarios~df$Docente)
summary(anovapruebasalida) #NO existen diferencias  

            Df Sum Sq Mean Sq F value Pr(>F)
df$Docente   3   4.62   1.539   1.346  0.269
Residuals   52  59.46   1.143               

Primera prueba acumulativa

df %>% 
  group_by(Docente) %>% 
  summarise(n=n(), "Promedio Primera prueba" = mean(X1era.acumulativa), "DE"= sd(X1era.acumulativa))

df %>% 
  ggplot(aes(x=reorder(Docente,X1era.acumulativa), y=X1era.acumulativa)) + 
  geom_boxplot() +
  theme_economist()