ANALISIS descriptivo promedio alumnos ULTIMOS semestres

Análisis descriptivo promedio alumnos 3 últimos semestres

Este script hace un análisi descriptivo de datos de alumnos inscritos en los tres últimos semestre en el ITD

Alumnos que estuvieron inscritos en Ago-Jun 2017
Alumnos que estuvieron inscritos en Ene-Jun 2018
Alumnos que estuvieron inscritos en Ago-Dic 2018

Librerías necesarias para la ejecución del script

library(readr)   # Para poder leer datos de un archivo
library(dplyr)   # Para usar filtros sobre los datos

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)   # Para gráficas

## Warning: package 'ggplot2' was built under R version 3.4.4

Cargar datos alumnos por medio de read, de un archivo separado por coma CSV

datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/DatosPromediosAG2017-EN2018-AD2018-/master/todos%20los%20semestres.csv")

head(datos) # Los primeros seis registros

##          Carrera NoSemestre CrAprobados Carga Promedio     Semestre
## 1 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017
## 2 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017
## 3 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017
## 4 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017
## 5 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017
## 6 ADMINISTRACION          1          NA    27        0 Ago-Dic 2017

tail(datos) # los últimos seis registros

##       Carrera NoSemestre CrAprobados Carga Promedio     Semestre
## 18755     TIC         10         225    10    84.39 Ene-Jun 2018
## 18756     TIC         10         231    14    86.54 Ene-Jun 2018
## 18757     TIC         12         179    31    80.44 Ene-Jun 2018
## 18758     TIC         12         245     5    81.92 Ene-Jun 2018
## 18759     TIC         12         213    18    82.22 Ene-Jun 2018
## 18760     TIC         12         246    14    90.23 Ene-Jun 2018

Entendiendo los datos

Identificando números de columnas

Identificando valores,las carreras, no.de semestre y periodos semestrales

names(datos)

## [1] "Carrera"     "NoSemestre"  "CrAprobados" "Carga"       "Promedio"   
## [6] "Semestre"

¿Cuáles son las carreras?

distinct(datos, Carrera)

##                Carrera
## 1       ADMINISTRACION
## 2         ARQUITECTURA
## 3           BIOQUIMICA
## 4                CIVIL
## 5            ELECTRICA
## 6          ELECTRONICA
## 7  GESTION EMPRESARIAL
## 8           INDUSTRIAL
## 9          INFORMATICA
## 10            MECANICA
## 11         MECATRONICA
## 12             QUIMICA
## 13            SISTEMAS
## 14                 TIC
## 15       ARQUITECTURA 
## 16         BIOQUIMICA 
## 17        ELECTRONICA 
## 18         INDUSTRIAL

¿Cuáles son lao semestres en que están inscritos los alumnos?

distinct(datos, NoSemestre)

##    NoSemestre
## 1           1
## 2           2
## 3           3
## 4           4
## 5           5
## 6           6
## 7           7
## 8           8
## 9           9
## 10         10
## 11         11
## 12         12
## 13         13
## 14         14
## 15         18
## 16         15
## 17         19
## 18         17
## 19         16

¿Cuáles son los periodos semestrales a evaluar en que están inscritos los alumnos?

distinct(datos, Semestre)

##       Semestre
## 1 Ago-Dic 2017
## 2 Ago-Dic 2018
## 3 Ene-Jun 2018

Otros datos. Resumen de datos de las variables numéricas

summary(datos) ## Incluye todos los datos

##                 Carrera       NoSemestre      CrAprobados   
##  GESTION EMPRESARIAL:1954   Min.   : 1.000   Min.   :  0.0  
##  CIVIL              :1952   1st Qu.: 3.000   1st Qu.: 54.0  
##  MECATRONICA        :1622   Median : 5.000   Median :113.0  
##  INDUSTRIAL         :1605   Mean   : 5.429   Mean   :119.9  
##  QUIMICA            :1485   3rd Qu.: 8.000   3rd Qu.:178.0  
##  ARQUITECTURA       :1444   Max.   :19.000   Max.   :380.0  
##  (Other)            :8698                    NA's   :2635   
##      Carga          Promedio              Semestre   
##  Min.   : 3.00   Min.   :  0.00   Ago-Dic 2017:6556  
##  1st Qu.:23.00   1st Qu.: 80.00   Ago-Dic 2018:6258  
##  Median :27.00   Median : 83.50   Ene-Jun 2018:5946  
##  Mean   :25.75   Mean   : 72.89                      
##  3rd Qu.:30.00   3rd Qu.: 87.17                      
##  Max.   :46.00   Max.   :100.00                      
##

Determinando la media de la carrera de ADMINISTRACION

Filtrando como parámetro la carrera de ADMINISTRACION

# Datos de alumnos de ADMINISTRACION que tienen promedio mayor que 0
administracion <- filter(datos, Carrera == "ADMINISTRACION" & Promedio > 0)

# La media de su promedio
mean(administracion$Promedio)

## [1] 87.44905

# Datos de alumnos de ADMINISTRACION de Ago-Dic 2017, que tienen promedio mayor que 0
administracionAgoDic2017 <- filter(datos, Carrera == "ADMINISTRACION" & Promedio > 0 & Semestre == "Ago-Dic 2017")

# La media de su promedio de ese semestre
mean(administracionAgoDic2017$Promedio)

## [1] 87.1857

# Datos de alumnos de ADMINISTRACION de Ene-Jun 2018, que tienen promedio mayor que 0
administracionEneJun2018 <- filter(datos, Carrera == "ADMINISTRACION" & Promedio > 0 & Semestre == "Ene-Jun 2018")

# La media de su promedio de ese semestre
mean(administracionEneJun2018$Promedio)

## [1] 87.55068

# Datos de alumnos de ADMINISTRACION de Ago-Dic 2018, que tienen promedio mayor que 0
administracionAgoDic2018 <- filter(datos, Carrera == "ADMINISTRACION" & Promedio > 0 & Semestre == "Ago-Dic 2018")

# La media de su promedio de ese semestre
mean(administracionAgoDic2018$Promedio)

## [1] 87.67191

Determinando la MEDIA cuyo promedio sea mayor que 0, de cualquier semestre y de cualquier NoSemestre

# De cualquier carrera de cualquier semestre, cuyo promedio sea mayor que cero
datosfiltrados <- filter(datos, Carrera == "INDUSTRIAL" & Promedio > 0 & Semestre == "Ago-Dic 2017" & NoSemestre == 9)
mean(datosfiltrados$Promedio)

## [1] 85.01143

***** TODAS LAS CARRERAS

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera cuyos valores en la columna Promedio sea mayor que cero

filter(datos, Promedio > 0) %>%
  group_by(Carrera) %>%
  summarise(mean = mean(Promedio), desvstd = sd(Promedio), n = n())

## # A tibble: 18 x 4
##                Carrera     mean  desvstd     n
##                 <fctr>    <dbl>    <dbl> <int>
##  1      ADMINISTRACION 87.44905 4.117623  1105
##  2        ARQUITECTURA 85.24013 3.779739  1266
##  3       ARQUITECTURA  85.08945 3.624160   586
##  4          BIOQUIMICA 84.25941 4.389943   664
##  5         BIOQUIMICA  84.41139 4.385375   324
##  6               CIVIL 83.89269 4.313781  1690
##  7           ELECTRICA 84.56913 3.524380   710
##  8         ELECTRONICA 84.03612 4.519782   400
##  9        ELECTRONICA  85.14294 5.672286   197
## 10 GESTION EMPRESARIAL 86.88992 4.081610  1707
## 11          INDUSTRIAL 84.74403 4.470359  1409
## 12         INDUSTRIAL  85.18449 4.719669   659
## 13         INFORMATICA 84.23442 4.264997   335
## 14            MECANICA 82.54475 4.121457   885
## 15         MECATRONICA 83.72073 4.100071  1434
## 16             QUIMICA 84.68618 3.791154  1276
## 17            SISTEMAS 84.80859 4.477546  1252
## 18                 TIC 84.25411 4.312769   214

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral) cuyos valores en la columna Promedio sea mayor que cero

filter(datos, Promedio > 0) %>%
  group_by(Carrera, Semestre) %>%
  summarise(mean = mean(Promedio), desvstd = sd(Promedio), n = n())

## # A tibble: 42 x 5
## # Groups:   Carrera [?]
##           Carrera     Semestre     mean  desvstd     n
##            <fctr>       <fctr>    <dbl>    <dbl> <int>
##  1 ADMINISTRACION Ago-Dic 2017 87.18570 4.330804   407
##  2 ADMINISTRACION Ago-Dic 2018 87.67191 3.939032   299
##  3 ADMINISTRACION Ene-Jun 2018 87.55068 4.020138   399
##  4   ARQUITECTURA Ago-Dic 2017 85.04016 3.753101   621
##  5   ARQUITECTURA Ago-Dic 2018 85.43267 3.798172   645
##  6  ARQUITECTURA  Ene-Jun 2018 85.08945 3.624160   586
##  7     BIOQUIMICA Ago-Dic 2017 84.35411 4.332458   316
##  8     BIOQUIMICA Ago-Dic 2018 84.17342 4.445977   348
##  9    BIOQUIMICA  Ene-Jun 2018 84.41139 4.385375   324
## 10          CIVIL Ago-Dic 2017 83.95414 4.263399   715
## # ... with 32 more rows

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de ADMINISTRACION de los que están inscritos en cuarto semestre en los periodos semestrales

ADMINISTRACION“,”Ago-Dic 2017“, 4
ADMINISTRACION“,”Ene-Jun 2018“, 4
ADMINISTRACION“,”Ago-Dic 2018“, 4

parametros <- c("ADMINISTRACION", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 87.0675

parametros <- c("ADMINISTRACION", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 90.23863

parametros <- c("ADMINISTRACION", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 87.41836

# En cuál Periodo Semestral de alumnos de ADMINISTRACION de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de ARQUITECTURA inscritos en cuarto semestre en los periodos semestrales

ARQUITECTURA“,”Ago-Dic 2017“, 4
ARQUITECTURA“,”Ene-Jun 2018“, 4
ARQUITECTURA“,”Ago-Dic 2018“, 4

parametros <- c("ARQUITECTURA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.50449

parametros <- c("ARQUITECTURA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("ARQUITECTURA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.49708

# En cuál Periodo Semestral de alumnos de ARQUITECTURA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de BIOQUIMICA inscritos en cuarto semestre en los periodos semestrales

BIOQUIMICA“,”Ago-Dic 2017“, 4
BIOQUIMICA“,”Ene-Jun 2018“, 4
BIOQUIMICA“,”Ago-Dic 2018“, 4

parametros <- c("BIOQUIMICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 83.41105

parametros <- c("BIOQUIMICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("BIOQUIMICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 81.69316

# En cuál Periodo Semestral de alumnos de BIOQUIMICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de CIVIL inscritos en cuarto semestre en los periodos semestrales

CIVIL“,”Ago-Dic 2017“, 4
CIVIL“,”Ene-Jun 2018“, 4
CIVIL“,”Ago-Dic 2018“, 4

parametros <- c("CIVIL", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.80843

parametros <- c("CIVIL", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.26528

parametros <- c("CIVIL", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 81.69316

# En cuál Periodo Semestral de alumnos de CIVIL de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de ELECTRICA inscritos en cuarto semestre en los periodos semestrales

ELECTRICA“,”Ago-Dic 2017“, 4
ELECTRICA“,”Ene-Jun 2018“, 4
ELECTRICA“,”Ago-Dic 2018“, 4

parametros <- c("ELECTRICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.79188

parametros <- c("ELECTRICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.07231

parametros <- c("ELECTRICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.93333

# En cuál Periodo Semestral de alumnos de ELECTRICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de ELECTRONICA inscritos en cuarto semestre en los periodos semestrales

ELECTRONICA“,”Ago-Dic 2017“, 4
ELECTRONICA“,”Ene-Jun 2018“, 4
ELECTRONICA“,”Ago-Dic 2018“, 4

parametros <- c("ELECTRONICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.55333

parametros <- c("ELECTRONICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("ELECTRONICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 87.55333

# En cuál Periodo Semestral de alumnos de ELECTRONICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de GESTION EMPRESARIAL inscritos en cuarto semestre en los periodos semestrales

GESTION EMPRESARIAL“,”Ago-Dic 2017“, 4
GESTION EMPRESARIAL“,”Ene-Jun 2018“, 4
GESTION EMPRESARIAL“,”Ago-Dic 2018“, 4

parametros <- c("GESTION EMPRESARIAL", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.37556

parametros <- c("GESTION EMPRESARIAL", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 88.90451

parametros <- c("GESTION EMPRESARIAL", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.78184

# En cuál Periodo Semestral de alumnos de GESTION EMPRESARIAL de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de INDUSTRIAL de los que están inscritos en cuarto semestre en los periodos semestrales

INDUSTRIAL“,”Ago-Dic 2017“, 4
INDUSTRIAL“,”Ene-Jun 2018“, 4
INDUSTRIAL“,”Ago-Dic 2018“, 4

parametros <- c("INDUSTRIAL", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 83.11696

parametros <- c("INDUSTRIAL", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("INDUSTRIAL", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.46869

# En cuál Periodo Semestral de alumnos de INDUSTRIAL de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de INFORMATICA inscritos en cuarto semestre en los periodos semestrales

INFORMATICA“,”Ago-Dic 2017“, 4
INFORMATICA“,”Ene-Jun 2018“, 4
INFORMATICA“,”Ago-Dic 2018“, 4

parametros <- c("INFORMATICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("INFORMATICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.6955

parametros <- c("INFORMATICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

# En cuál Periodo Semestral de alumnos de INFORMATICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de MECANICA inscritos en cuarto semestre en los periodos semestrales

MECANICA“,”Ago-Dic 2017“, 4
MECANICA“,”Ene-Jun 2018“, 4
MECANICA“,”Ago-Dic 2018“, 4

parametros <- c("MECANICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.735

parametros <- c("MECANICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 84.25909

parametros <- c("MECANICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 81.96684

# En cuál Periodo Semestral de alumnos de MECANICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de QUIMICA de los que están inscritos en cuarto semestre en los periodos semestrales

QUIMICA“,”Ago-Dic 2017“, 4
QUIMICA“,”Ene-Jun 2018“, 4
QUIMICA“,”Ago-Dic 2018“, 4

parametros <- c("QUIMICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.77735

parametros <- c("QUIMICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.29887

parametros <- c("QUIMICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.8519

# En cuál Periodo Semestral de alumnos de QUIMICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de MECATRONICA inscritos en cuarto semestre en los periodos semestrales

MECATRONICA“,”Ago-Dic 2017“, 4
MECATRONICA“,”Ene-Jun 2018“, 4
MECATRONICA“,”Ago-Dic 2018“, 4

parametros <- c("MECATRONICA", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.98918

parametros <- c("MECATRONICA", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 85.11891

parametros <- c("MECATRONICA", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 83.29103

# En cuál Periodo Semestral de alumnos de MECATRONICA de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de SISTEMAS de los que están inscritos en cuarto semestre en los periodos semestrales

SISTEMAS“,”Ago-Dic 2017“, 4
SISTEMAS“,”Ene-Jun 2018“, 4
SISTEMAS“,”Ago-Dic 2018“, 4

parametros <- c("SISTEMAS", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 80.68414

parametros <- c("SISTEMAS", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 88.19977

parametros <- c("SISTEMAS", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 82.74018

# En cuál Periodo Semestral de alumnos de SISTEMAS de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Por ejemplo el promedio de los alumnos de la carrera de TIC inscritos en cuarto semestre en los periodos semestrales

TIC“,”Ago-Dic 2017“, 4
TIC“,”Ene-Jun 2018“, 4
TIC“,”Ago-Dic 2018“, 4

parametros <- c("TIC", "Ago-Dic 2017", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

parametros <- c("TIC", "Ene-Jun 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] 86.64222

parametros <- c("TIC", "Ago-Dic 2018", 4)
datosfiltrados <- filter(datos, Carrera == parametros[1] & Promedio > 0 & Semestre == parametros[2] & NoSemestre == parametros[3])

mean(datosfiltrados$Promedio)

## [1] NaN

# En cuál Periodo Semestral de alumnos de TIC de los tres semestre ("Ago-Dic 2017", "Ene-Jun 2018", "Ago-Dic 2018"),  hubo mejor promedio en 4to Semestre.

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral), de cada número de semestre inscrito el alumno y cuyos valores en la columna Promedio sea mayor que cero

resumen <- as.data.frame(filter(datos, Promedio > 0) %>%
  group_by(Carrera, Semestre, NoSemestre) %>%
  summarise(mean = mean(Promedio), desvstd = sd(Promedio), n = n()))

resumen

##                 Carrera     Semestre NoSemestre     mean   desvstd  n
## 1        ADMINISTRACION Ago-Dic 2017          1 81.54667 4.0154742  3
## 2        ADMINISTRACION Ago-Dic 2017          2 85.57083 4.5204838 60
## 3        ADMINISTRACION Ago-Dic 2017          3 89.90392 4.2306931 51
## 4        ADMINISTRACION Ago-Dic 2017          4 87.06750 3.1259724 32
## 5        ADMINISTRACION Ago-Dic 2017          5 87.85796 3.7173871 49
## 6        ADMINISTRACION Ago-Dic 2017          6 85.30531 3.9358731 32
## 7        ADMINISTRACION Ago-Dic 2017          7 87.68661 4.1345834 62
## 8        ADMINISTRACION Ago-Dic 2017          8 85.37882 3.5474566 17
## 9        ADMINISTRACION Ago-Dic 2017          9 88.61683 4.6239802 63
## 10       ADMINISTRACION Ago-Dic 2017         10 85.46364 3.0874933 22
## 11       ADMINISTRACION Ago-Dic 2017         11 83.98167 2.0863227 12
## 12       ADMINISTRACION Ago-Dic 2017         12 80.67000       NaN  1
## 13       ADMINISTRACION Ago-Dic 2017         13 90.34000       NaN  1
## 14       ADMINISTRACION Ago-Dic 2017         14 84.88000 1.3293607  2
## 15       ADMINISTRACION Ago-Dic 2018          2 84.60429 2.2086252 28
## 16       ADMINISTRACION Ago-Dic 2018          3 88.54671 4.3308240 73
## 17       ADMINISTRACION Ago-Dic 2018          4 87.41836 3.8573411 55
## 18       ADMINISTRACION Ago-Dic 2018          5 88.60121 3.5459358 33
## 19       ADMINISTRACION Ago-Dic 2018          6 87.35357 2.1644491 14
## 20       ADMINISTRACION Ago-Dic 2018          7 87.97839 3.5957448 31
## 21       ADMINISTRACION Ago-Dic 2018          8 85.97800 4.4690830 15
## 22       ADMINISTRACION Ago-Dic 2018          9 89.08500 3.9593364 38
## 23       ADMINISTRACION Ago-Dic 2018         10 85.89333 3.0027032  6
## 24       ADMINISTRACION Ago-Dic 2018         11 87.29000 2.6870058  2
## 25       ADMINISTRACION Ago-Dic 2018         12 83.02667 2.1661102  3
## 26       ADMINISTRACION Ago-Dic 2018         13 85.02000       NaN  1
## 27       ADMINISTRACION Ene-Jun 2018          2 88.17299 4.3160618 77
## 28       ADMINISTRACION Ene-Jun 2018          3 86.51873 3.3789359 55
## 29       ADMINISTRACION Ene-Jun 2018          4 90.23863 4.0477698 51
## 30       ADMINISTRACION Ene-Jun 2018          5 87.59161 3.2038426 31
## 31       ADMINISTRACION Ene-Jun 2018          6 87.97167 3.7849615 48
## 32       ADMINISTRACION Ene-Jun 2018          7 85.96742 3.5123335 31
## 33       ADMINISTRACION Ene-Jun 2018          8 88.15639 4.0251377 61
## 34       ADMINISTRACION Ene-Jun 2018          9 84.74286 2.8009268 14
## 35       ADMINISTRACION Ene-Jun 2018         10 84.62263 2.6571013 19
## 36       ADMINISTRACION Ene-Jun 2018         11 83.14000 1.7441617  7
## 37       ADMINISTRACION Ene-Jun 2018         12 85.19600 1.3513808  5
## 38         ARQUITECTURA Ago-Dic 2017          1 82.29600 2.8130642  5
## 39         ARQUITECTURA Ago-Dic 2017          2 83.07063 3.7266319 79
## 40         ARQUITECTURA Ago-Dic 2017          3 86.65947 3.9829342 75
## 41         ARQUITECTURA Ago-Dic 2017          4 84.50449 3.9100044 78
## 42         ARQUITECTURA Ago-Dic 2017          5 85.22852 3.1772608 61
## 43         ARQUITECTURA Ago-Dic 2017          6 84.33969 2.9211032 65
## 44         ARQUITECTURA Ago-Dic 2017          7 85.61547 3.6038070 64
## 45         ARQUITECTURA Ago-Dic 2017          8 84.80643 3.7554220 56
## 46         ARQUITECTURA Ago-Dic 2017          9 87.69294 3.7716566 51
## 47         ARQUITECTURA Ago-Dic 2017         10 84.75339 3.1436946 56
## 48         ARQUITECTURA Ago-Dic 2017         11 84.85571 3.3996641 21
## 49         ARQUITECTURA Ago-Dic 2017         12 83.36857 1.5005602  7
## 50         ARQUITECTURA Ago-Dic 2017         13 83.76000 3.4931075  2
## 51         ARQUITECTURA Ago-Dic 2017         18 83.90000       NaN  1
## 52         ARQUITECTURA Ago-Dic 2018          2 87.50100 4.1721398 80
## 53         ARQUITECTURA Ago-Dic 2018          3 84.93015 3.6409383 67
## 54         ARQUITECTURA Ago-Dic 2018          4 84.49708 4.0423238 72
## 55         ARQUITECTURA Ago-Dic 2018          5 86.33232 3.6304534 69
## 56         ARQUITECTURA Ago-Dic 2018          6 84.54301 3.9948452 73
## 57         ARQUITECTURA Ago-Dic 2018          7 86.07193 3.2119039 57
## 58         ARQUITECTURA Ago-Dic 2018          8 84.62631 3.0486229 65
## 59         ARQUITECTURA Ago-Dic 2018          9 86.00790 3.7191380 62
## 60         ARQUITECTURA Ago-Dic 2018         10 85.24436 3.8566560 55
## 61         ARQUITECTURA Ago-Dic 2018         11 84.87687 2.9765634 16
## 62         ARQUITECTURA Ago-Dic 2018         12 82.85125 1.9780559 16
## 63         ARQUITECTURA Ago-Dic 2018         13 84.18000 2.3491511 10
## 64         ARQUITECTURA Ago-Dic 2018         14 82.34500 0.1060660  2
## 65         ARQUITECTURA Ago-Dic 2018         16 83.43000       NaN  1
## 66        ARQUITECTURA  Ene-Jun 2018          2 85.49292 3.7107819 72
## 67        ARQUITECTURA  Ene-Jun 2018          3 84.51230 3.7357472 74
## 68        ARQUITECTURA  Ene-Jun 2018          4 86.67408 3.8208079 71
## 69        ARQUITECTURA  Ene-Jun 2018          5 84.08173 3.7955576 75
## 70        ARQUITECTURA  Ene-Jun 2018          6 85.82610 3.2251902 59
## 71        ARQUITECTURA  Ene-Jun 2018          7 84.59323 2.8272171 65
## 72        ARQUITECTURA  Ene-Jun 2018          8 85.89000 3.6886565 63
## 73        ARQUITECTURA  Ene-Jun 2018          9 84.85679 3.8633048 56
## 74        ARQUITECTURA  Ene-Jun 2018         10 84.77400 2.9368053 20
## 75        ARQUITECTURA  Ene-Jun 2018         11 82.46944 2.0183641 18
## 76        ARQUITECTURA  Ene-Jun 2018         12 83.69909 2.2291274 11
## 77        ARQUITECTURA  Ene-Jun 2018         13 83.53000 1.7960512  2
## 78           BIOQUIMICA Ago-Dic 2017          1 85.50000       NaN  1
## 79           BIOQUIMICA Ago-Dic 2017          2 85.22421 3.6447699 19
## 80           BIOQUIMICA Ago-Dic 2017          3 86.21512 4.3975249 41
## 81           BIOQUIMICA Ago-Dic 2017          4 83.41105 2.9892453 19
## 82           BIOQUIMICA Ago-Dic 2017          5 83.99556 4.6136789 54
## 83           BIOQUIMICA Ago-Dic 2017          6 82.46412 3.5509489 17
## 84           BIOQUIMICA Ago-Dic 2017          7 85.98778 4.2471723 45
## 85           BIOQUIMICA Ago-Dic 2017          8 82.45097 2.9934054 31
## 86           BIOQUIMICA Ago-Dic 2017          9 86.52204 4.3352547 49
## 87           BIOQUIMICA Ago-Dic 2017         10 80.14267 2.3660862 15
## 88           BIOQUIMICA Ago-Dic 2017         11 81.30389 1.9301208 18
## 89           BIOQUIMICA Ago-Dic 2017         12 79.51500 1.0818734  2
## 90           BIOQUIMICA Ago-Dic 2017         13 80.35250 4.0803298  4
## 91           BIOQUIMICA Ago-Dic 2017         15 82.80000       NaN  1
## 92           BIOQUIMICA Ago-Dic 2018          2 85.88950 4.7906779 40
## 93           BIOQUIMICA Ago-Dic 2018          3 83.99206 4.8017874 63
## 94           BIOQUIMICA Ago-Dic 2018          4 81.69316 2.9149863 19
## 95           BIOQUIMICA Ago-Dic 2018          5 85.46872 4.3051189 39
## 96           BIOQUIMICA Ago-Dic 2018          6 82.74842 2.8181697 19
## 97           BIOQUIMICA Ago-Dic 2018          7 85.05375 4.8412495 48
## 98           BIOQUIMICA Ago-Dic 2018          8 83.03312 3.0815401 16
## 99           BIOQUIMICA Ago-Dic 2018          9 86.00311 4.5542247 45
## 100          BIOQUIMICA Ago-Dic 2018         10 82.40786 3.1062617 28
## 101          BIOQUIMICA Ago-Dic 2018         11 82.90643 2.5297145 14
## 102          BIOQUIMICA Ago-Dic 2018         12 79.01286 2.0678871  7
## 103          BIOQUIMICA Ago-Dic 2018         13 80.55778 1.8923846  9
## 104          BIOQUIMICA Ago-Dic 2018         15 80.13000       NaN  1
## 105         BIOQUIMICA  Ene-Jun 2018          2 86.17462 4.3198297 65
## 106         BIOQUIMICA  Ene-Jun 2018          3 83.75632 3.0572504 19
## 107         BIOQUIMICA  Ene-Jun 2018          4 85.49289 4.7231036 38
## 108         BIOQUIMICA  Ene-Jun 2018          5 83.25842 2.8652114 19
## 109         BIOQUIMICA  Ene-Jun 2018          6 84.64635 4.8400875 52
## 110         BIOQUIMICA  Ene-Jun 2018          7 82.75000 3.5160898 17
## 111         BIOQUIMICA  Ene-Jun 2018          8 85.92500 4.5466172 46
## 112         BIOQUIMICA  Ene-Jun 2018          9 82.40900 2.7730033 30
## 113         BIOQUIMICA  Ene-Jun 2018         10 83.60842 3.2485728 19
## 114         BIOQUIMICA  Ene-Jun 2018         11 79.02625 1.6881599  8
## 115         BIOQUIMICA  Ene-Jun 2018         12 79.82625 1.6367907  8
## 116         BIOQUIMICA  Ene-Jun 2018         13 78.85000       NaN  1
## 117         BIOQUIMICA  Ene-Jun 2018         14 77.80000       NaN  1
## 118         BIOQUIMICA  Ene-Jun 2018         15 76.72000       NaN  1
## 119               CIVIL Ago-Dic 2017          1 76.25000       NaN  1
## 120               CIVIL Ago-Dic 2017          2 86.84293 4.2028211 75
## 121               CIVIL Ago-Dic 2017          3 84.03861 3.6768684 72
## 122               CIVIL Ago-Dic 2017          4 82.80843 3.2444622 70
## 123               CIVIL Ago-Dic 2017          5 85.52373 4.1774401 67
## 124               CIVIL Ago-Dic 2017          6 83.40329 3.5087380 82
## 125               CIVIL Ago-Dic 2017          7 84.61389 4.6588155 72
## 126               CIVIL Ago-Dic 2017          8 83.99321 4.5051467 81
## 127               CIVIL Ago-Dic 2017          9 84.70671 4.7932586 73
## 128               CIVIL Ago-Dic 2017         10 81.56349 3.3256400 63
## 129               CIVIL Ago-Dic 2017         11 82.99091 3.6196828 22
## 130               CIVIL Ago-Dic 2017         12 80.10087 1.7865404 23
## 131               CIVIL Ago-Dic 2017         13 81.33889 3.5937983  9
## 132               CIVIL Ago-Dic 2017         14 80.66000 1.0314310  5
## 133               CIVIL Ago-Dic 2018          2 85.88950 4.7906779 40
## 134               CIVIL Ago-Dic 2018          3 83.99206 4.8017874 63
## 135               CIVIL Ago-Dic 2018          4 81.69316 2.9149863 19
## 136               CIVIL Ago-Dic 2018          5 85.46872 4.3051189 39
## 137               CIVIL Ago-Dic 2018          6 82.74842 2.8181697 19
## 138               CIVIL Ago-Dic 2018          7 85.05375 4.8412495 48
## 139               CIVIL Ago-Dic 2018          8 83.03312 3.0815401 16
## 140               CIVIL Ago-Dic 2018          9 86.00311 4.5542247 45
## 141               CIVIL Ago-Dic 2018         10 82.40786 3.1062617 28
## 142               CIVIL Ago-Dic 2018         11 82.90643 2.5297145 14
## 143               CIVIL Ago-Dic 2018         12 79.01286 2.0678871  7
## 144               CIVIL Ago-Dic 2018         13 80.55778 1.8923846  9
## 145               CIVIL Ago-Dic 2018         15 80.13000       NaN  1
## 146               CIVIL Ene-Jun 2018          2 86.19672 3.7981357 67
## 147               CIVIL Ene-Jun 2018          3 84.14397 4.7258158 73
## 148               CIVIL Ene-Jun 2018          4 84.26528 4.3918757 72
## 149               CIVIL Ene-Jun 2018          5 82.45731 3.2544601 67
## 150               CIVIL Ene-Jun 2018          6 85.61364 4.3082821 66
## 151               CIVIL Ene-Jun 2018          7 82.90667 3.6509762 81
## 152               CIVIL Ene-Jun 2018          8 84.56901 4.6544615 71
## 153               CIVIL Ene-Jun 2018          9 82.40339 3.5699380 59
## 154               CIVIL Ene-Jun 2018         10 81.37250 3.3506966 28
## 155               CIVIL Ene-Jun 2018         11 79.78071 2.8437155 28
## 156               CIVIL Ene-Jun 2018         12 81.02364 2.4753597 11
## 157               CIVIL Ene-Jun 2018         13 79.54333 1.6121518  3
## 158               CIVIL Ene-Jun 2018         14 75.33000       NaN  1
## 159           ELECTRICA Ago-Dic 2017          2 86.53143 2.2420038  7
## 160           ELECTRICA Ago-Dic 2017          3 85.93808 4.1272267 26
## 161           ELECTRICA Ago-Dic 2017          4 84.79188 2.2815703 16
## 162           ELECTRICA Ago-Dic 2017          5 85.47611 2.7029796 36
## 163           ELECTRICA Ago-Dic 2017          6 83.89571 2.7279232 14
## 164           ELECTRICA Ago-Dic 2017          7 86.46756 3.9039026 45
## 165           ELECTRICA Ago-Dic 2017          8 84.68357 3.2801867 14
## 166           ELECTRICA Ago-Dic 2017          9 83.00792 3.1333219 48
## 167           ELECTRICA Ago-Dic 2017         10 81.91857 2.1593242  7
## 168           ELECTRICA Ago-Dic 2017         11 81.39417 1.9283269 12
## 169           ELECTRICA Ago-Dic 2017         12 81.35286 1.5123019  7
## 170           ELECTRICA Ago-Dic 2017         13 82.96667 3.2808739  3
## 171           ELECTRICA Ago-Dic 2017         14 78.70000       NaN  1
## 172           ELECTRICA Ago-Dic 2018          2 81.39294 4.4695103 17
## 173           ELECTRICA Ago-Dic 2018          3 86.96758 3.3041943 33
## 174           ELECTRICA Ago-Dic 2018          4 85.93333 0.9159622  6
## 175           ELECTRICA Ago-Dic 2018          5 85.05522 3.6022832 23
## 176           ELECTRICA Ago-Dic 2018          6 83.58267 2.0780192 15
## 177           ELECTRICA Ago-Dic 2018          7 84.84647 2.7019980 34
## 178           ELECTRICA Ago-Dic 2018          8 82.81231 2.3897669 13
## 179           ELECTRICA Ago-Dic 2018          9 86.19659 3.6542261 41
## 180           ELECTRICA Ago-Dic 2018         10 84.33615 3.4283318 13
## 181           ELECTRICA Ago-Dic 2018         11 81.60559 2.2176266 34
## 182           ELECTRICA Ago-Dic 2018         12 81.08000 0.8986657  4
## 183           ELECTRICA Ago-Dic 2018         13 81.96500 2.3342165  4
## 184           ELECTRICA Ago-Dic 2018         14 80.41000       NaN  1
## 185           ELECTRICA Ene-Jun 2018          2 86.96135 3.0046077 37
## 186           ELECTRICA Ene-Jun 2018          3 85.99000 0.7589466  7
## 187           ELECTRICA Ene-Jun 2018          4 85.07231 3.6314089 26
## 188           ELECTRICA Ene-Jun 2018          5 83.79600 2.2276150 15
## 189           ELECTRICA Ene-Jun 2018          6 85.35371 2.6899323 35
## 190           ELECTRICA Ene-Jun 2018          7 83.17615 2.5775975 13
## 191           ELECTRICA Ene-Jun 2018          8 86.33884 3.7885933 43
## 192           ELECTRICA Ene-Jun 2018          9 84.28857 3.3357016 14
## 193           ELECTRICA Ene-Jun 2018         10 81.78324 1.9621521 34
## 194           ELECTRICA Ene-Jun 2018         11 81.30333 0.9546238  6
## 195           ELECTRICA Ene-Jun 2018         12 82.06400 2.0661147  5
## 196           ELECTRICA Ene-Jun 2018         13 80.86000       NaN  1
## 197         ELECTRONICA Ago-Dic 2017          2 86.33667 5.7724193  9
## 198         ELECTRONICA Ago-Dic 2017          3 86.05636 4.7421796 33
## 199         ELECTRONICA Ago-Dic 2017          4 82.55333 3.2139540  9
## 200         ELECTRONICA Ago-Dic 2017          5 85.89419 3.7400863 31
## 201         ELECTRONICA Ago-Dic 2017          7 81.93885 2.8634809 26
## 202         ELECTRONICA Ago-Dic 2017          8 82.15000 5.2221528  6
## 203         ELECTRONICA Ago-Dic 2017          9 83.77340 3.5025303 47
## 204         ELECTRONICA Ago-Dic 2017         10 80.37000 1.3772073  3
## 205         ELECTRONICA Ago-Dic 2017         11 81.27056 2.6943219 18
## 206         ELECTRONICA Ago-Dic 2017         12 79.57900 1.4778622 10
## 207         ELECTRONICA Ago-Dic 2017         13 78.91000 1.6808569  6
## 208         ELECTRONICA Ago-Dic 2017         14 79.41000 0.3818377  2
## 209         ELECTRONICA Ago-Dic 2017         15 78.29500 1.5716128  4
## 210         ELECTRONICA Ago-Dic 2017         19 79.42000       NaN  1
## 211         ELECTRONICA Ago-Dic 2018          2 87.18769 4.0737087 13
## 212         ELECTRONICA Ago-Dic 2018          3 91.13033 2.9300565 30
## 213         ELECTRONICA Ago-Dic 2018          4 87.55333 5.4618739  6
## 214         ELECTRONICA Ago-Dic 2018          5 84.77179 3.7144972 28
## 215         ELECTRONICA Ago-Dic 2018          6 81.22500 2.7702243  8
## 216         ELECTRONICA Ago-Dic 2018          7 84.96750 3.8125102 28
## 217         ELECTRONICA Ago-Dic 2018          9 82.16833 3.1651357 24
## 218         ELECTRONICA Ago-Dic 2018         10 82.20600 6.2195241  5
## 219         ELECTRONICA Ago-Dic 2018         11 82.87000 2.7556815 32
## 220         ELECTRONICA Ago-Dic 2018         12 80.61000 1.6292329  3
## 221         ELECTRONICA Ago-Dic 2018         13 79.76800 1.5377892 10
## 222         ELECTRONICA Ago-Dic 2018         14 79.53500 1.8625520  4
## 223         ELECTRONICA Ago-Dic 2018         15 79.59333 1.2150857  3
## 224         ELECTRONICA Ago-Dic 2018         16 80.04000       NaN  1
## 225        ELECTRONICA  Ene-Jun 2018          2 93.27743 4.8019202 35
## 226        ELECTRONICA  Ene-Jun 2018          3 87.50750 6.6826315  8
## 227        ELECTRONICA  Ene-Jun 2018          4 85.42679 3.8868611 28
## 228        ELECTRONICA  Ene-Jun 2018          5 82.42000 3.2509471  8
## 229        ELECTRONICA  Ene-Jun 2018          6 84.96800 3.6001412 30
## 230        ELECTRONICA  Ene-Jun 2018          8 82.09240 3.0859322 25
## 231        ELECTRONICA  Ene-Jun 2018          9 82.24000 6.0227901  5
## 232        ELECTRONICA  Ene-Jun 2018         10 83.14314 3.5438910 35
## 233        ELECTRONICA  Ene-Jun 2018         11 80.21667 1.6685722  3
## 234        ELECTRONICA  Ene-Jun 2018         12 79.75364 1.6306948 11
## 235        ELECTRONICA  Ene-Jun 2018         13 79.55800 1.4633250  5
## 236        ELECTRONICA  Ene-Jun 2018         14 79.62667 1.6873747  3
## 237        ELECTRONICA  Ene-Jun 2018         15 79.91000       NaN  1
## 238 GESTION EMPRESARIAL Ago-Dic 2017          1 83.30000 4.1012193  2
## 239 GESTION EMPRESARIAL Ago-Dic 2017          2 83.40722 4.4496024 79
## 240 GESTION EMPRESARIAL Ago-Dic 2017          3 89.77239 4.1191398 71
## 241 GESTION EMPRESARIAL Ago-Dic 2017          4 85.37556 3.0313091 63
## 242 GESTION EMPRESARIAL Ago-Dic 2017          5 87.76810 3.9204741 58
## 243 GESTION EMPRESARIAL Ago-Dic 2017          6 87.15761 3.6818614 67
## 244 GESTION EMPRESARIAL Ago-Dic 2017          7 89.19540 3.6858758 63
## 245 GESTION EMPRESARIAL Ago-Dic 2017          8 85.40925 3.8196057 53
## 246 GESTION EMPRESARIAL Ago-Dic 2017          9 87.87426 4.6189630 68
## 247 GESTION EMPRESARIAL Ago-Dic 2017         10 85.94943 2.8362547 35
## 248 GESTION EMPRESARIAL Ago-Dic 2017         11 86.48636 3.9129995 11
## 249 GESTION EMPRESARIAL Ago-Dic 2017         12 84.15000 1.9378682  7
## 250 GESTION EMPRESARIAL Ago-Dic 2017         13 85.27750 0.2794489  4
## 251 GESTION EMPRESARIAL Ago-Dic 2017         14 84.95167 2.3670523  6
## 252 GESTION EMPRESARIAL Ago-Dic 2018          2 84.68200 3.5824663 55
## 253 GESTION EMPRESARIAL Ago-Dic 2018          3 87.11879 3.5309430 66
## 254 GESTION EMPRESARIAL Ago-Dic 2018          4 85.78184 3.4494713 76
## 255 GESTION EMPRESARIAL Ago-Dic 2018          5 89.31913 3.3721283 69
## 256 GESTION EMPRESARIAL Ago-Dic 2018          6 85.64963 2.5139580 54
## 257 GESTION EMPRESARIAL Ago-Dic 2018          7 87.98745 3.9578966 55
## 258 GESTION EMPRESARIAL Ago-Dic 2018          8 87.82836 3.4225693 61
## 259 GESTION EMPRESARIAL Ago-Dic 2018          9 89.57129 3.5839439 62
## 260 GESTION EMPRESARIAL Ago-Dic 2018         10 85.03650 3.4687931 40
## 261 GESTION EMPRESARIAL Ago-Dic 2018         11 85.63429 3.3202820 14
## 262 GESTION EMPRESARIAL Ago-Dic 2018         12 84.78611 2.9177331 18
## 263 GESTION EMPRESARIAL Ago-Dic 2018         13 86.50333 2.3215799  3
## 264 GESTION EMPRESARIAL Ago-Dic 2018         16 87.50000       NaN  1
## 265 GESTION EMPRESARIAL Ene-Jun 2018          2 86.24143 5.1807538 70
## 266 GESTION EMPRESARIAL Ene-Jun 2018          3 85.57975 3.5009735 79
## 267 GESTION EMPRESARIAL Ene-Jun 2018          4 88.90451 3.8251524 71
## 268 GESTION EMPRESARIAL Ene-Jun 2018          5 85.28900 2.8308127 60
## 269 GESTION EMPRESARIAL Ene-Jun 2018          6 87.82643 3.9740195 56
## 270 GESTION EMPRESARIAL Ene-Jun 2018          7 87.44859 3.4307401 64
## 271 GESTION EMPRESARIAL Ene-Jun 2018          8 89.52689 3.7319935 61
## 272 GESTION EMPRESARIAL Ene-Jun 2018          9 85.06511 3.6707042 47
## 273 GESTION EMPRESARIAL Ene-Jun 2018         10 85.20765 3.5202619 17
## 274 GESTION EMPRESARIAL Ene-Jun 2018         11 84.14750 2.6476342 16
## 275 GESTION EMPRESARIAL Ene-Jun 2018         12 85.36800 3.3489954  5
## 276          INDUSTRIAL Ago-Dic 2017          2 85.68699 3.5969698 83
## 277          INDUSTRIAL Ago-Dic 2017          3 88.71957 3.6310254 69
## 278          INDUSTRIAL Ago-Dic 2017          4 83.11696 3.3836202 79
## 279          INDUSTRIAL Ago-Dic 2017          5 86.30055 5.0334555 73
## 280          INDUSTRIAL Ago-Dic 2017          6 83.91757 3.1690311 74
## 281          INDUSTRIAL Ago-Dic 2017          7 85.63141 4.7758505 85
## 282          INDUSTRIAL Ago-Dic 2017          8 82.15709 3.5613434 86
## 283          INDUSTRIAL Ago-Dic 2017          9 85.01143 5.0522752 70
## 284          INDUSTRIAL Ago-Dic 2017         10 80.55500 3.5431326 50
## 285          INDUSTRIAL Ago-Dic 2017         11 83.18769 2.8939741 13
## 286          INDUSTRIAL Ago-Dic 2017         12 78.83909 2.5317403 11
## 287          INDUSTRIAL Ago-Dic 2017         13 79.41000 0.1272792  2
## 288          INDUSTRIAL Ago-Dic 2017         14 78.91000       NaN  1
## 289          INDUSTRIAL Ago-Dic 2018          2 85.65413 3.0713652 75
## 290          INDUSTRIAL Ago-Dic 2018          3 88.50154 3.0843619 78
## 291          INDUSTRIAL Ago-Dic 2018          4 84.46869 2.5894279 84
## 292          INDUSTRIAL Ago-Dic 2018          5 88.00200 3.9017341 70
## 293          INDUSTRIAL Ago-Dic 2018          6 83.34446 3.3611435 74
## 294          INDUSTRIAL Ago-Dic 2018          7 86.94676 5.0535789 71
## 295          INDUSTRIAL Ago-Dic 2018          8 83.81493 3.4670994 69
## 296          INDUSTRIAL Ago-Dic 2018          9 85.59687 4.5528591 80
## 297          INDUSTRIAL Ago-Dic 2018         10 81.01734 2.9105213 64
## 298          INDUSTRIAL Ago-Dic 2018         11 80.82895 3.0715810 19
## 299          INDUSTRIAL Ago-Dic 2018         12 79.32571 3.1846170 21
## 300          INDUSTRIAL Ago-Dic 2018         13 82.43000 3.1291213  5
## 301          INDUSTRIAL Ago-Dic 2018         14 77.41000 2.0002250  3
## 302         INDUSTRIAL  Ene-Jun 2018          2 90.46408 2.8710083 76
## 303         INDUSTRIAL  Ene-Jun 2018          3 85.74133 3.0683911 83
## 304         INDUSTRIAL  Ene-Jun 2018          4 88.27100 3.6647206 70
## 305         INDUSTRIAL  Ene-Jun 2018          5 83.08779 3.3962714 77
## 306         INDUSTRIAL  Ene-Jun 2018          6 86.85861 5.0123173 72
## 307         INDUSTRIAL  Ene-Jun 2018          7 84.05070 3.3067232 71
## 308         INDUSTRIAL  Ene-Jun 2018          8 85.60735 4.5845451 83
## 309         INDUSTRIAL  Ene-Jun 2018          9 81.15292 3.0186290 65
## 310         INDUSTRIAL  Ene-Jun 2018         10 81.26500 2.7300183 24
## 311         INDUSTRIAL  Ene-Jun 2018         11 79.60200 2.8023382 30
## 312         INDUSTRIAL  Ene-Jun 2018         12 80.23333 2.1522159  3
## 313         INDUSTRIAL  Ene-Jun 2018         13 77.43200 1.3928999  5
## 314         INFORMATICA Ago-Dic 2017          3 87.39667 4.5406391 21
## 315         INFORMATICA Ago-Dic 2017          5 84.55409 4.0782964 22
## 316         INFORMATICA Ago-Dic 2017          7 85.52833 5.6030833 12
## 317         INFORMATICA Ago-Dic 2017          8 82.48636 4.6544221 11
## 318         INFORMATICA Ago-Dic 2017          9 84.44080 3.4762239 25
## 319         INFORMATICA Ago-Dic 2017         10 82.62250 4.4766384  4
## 320         INFORMATICA Ago-Dic 2017         11 82.76250 3.7842484  8
## 321         INFORMATICA Ago-Dic 2017         12 80.18200 3.6088311 10
## 322         INFORMATICA Ago-Dic 2017         13 81.44000       NaN  1
## 323         INFORMATICA Ago-Dic 2018          3 83.77542 3.5246498 24
## 324         INFORMATICA Ago-Dic 2018          5 85.49737 4.0801019 19
## 325         INFORMATICA Ago-Dic 2018          7 85.12714 3.8866157 21
## 326         INFORMATICA Ago-Dic 2018          9 87.92900 5.1969787 10
## 327         INFORMATICA Ago-Dic 2018         10 80.93000 3.3971949  4
## 328         INFORMATICA Ago-Dic 2018         11 83.63200 3.2851004 10
## 329         INFORMATICA Ago-Dic 2018         12 82.07667 2.8293521  3
## 330         INFORMATICA Ago-Dic 2018         13 81.83800 1.8288849  5
## 331         INFORMATICA Ago-Dic 2018         14 80.27250 2.0402713  8
## 332         INFORMATICA Ene-Jun 2018          2 84.66111 2.8607467 27
## 333         INFORMATICA Ene-Jun 2018          4 85.69550 4.1993464 20
## 334         INFORMATICA Ene-Jun 2018          6 84.46048 4.0821961 21
## 335         INFORMATICA Ene-Jun 2018          8 86.79545 5.5179133 11
## 336         INFORMATICA Ene-Jun 2018          9 82.96909 4.9712985 11
## 337         INFORMATICA Ene-Jun 2018         10 82.78182 2.5009031 11
## 338         INFORMATICA Ene-Jun 2018         11 80.67000 5.0204581  2
## 339         INFORMATICA Ene-Jun 2018         12 82.10000 3.2332646  6
## 340         INFORMATICA Ene-Jun 2018         13 79.67625 2.3655923  8
## 341            MECANICA Ago-Dic 2017          1 82.75000       NaN  1
## 342            MECANICA Ago-Dic 2017          2 81.14850 5.5224730 20
## 343            MECANICA Ago-Dic 2017          3 85.33077 4.3351795 39
## 344            MECANICA Ago-Dic 2017          4 82.73500 2.8215776 20
## 345            MECANICA Ago-Dic 2017          5 82.86238 3.9804601 42
## 346            MECANICA Ago-Dic 2017          6 79.14750 1.7269689  8
## 347            MECANICA Ago-Dic 2017          7 82.40560 3.9067812 50
## 348            MECANICA Ago-Dic 2017          8 82.56000 3.9327281  9
## 349            MECANICA Ago-Dic 2017          9 82.81868 4.1530665 53
## 350            MECANICA Ago-Dic 2017         10 79.12429 1.3684563 14
## 351            MECANICA Ago-Dic 2017         11 81.22000 2.4488847 23
## 352            MECANICA Ago-Dic 2017         12 80.38429 1.2087164  7
## 353            MECANICA Ago-Dic 2017         13 80.21000 1.7819091  2
## 354            MECANICA Ago-Dic 2017         14 80.30800 0.6294204  5
## 355            MECANICA Ago-Dic 2018          2 83.89962 2.1583076 26
## 356            MECANICA Ago-Dic 2018          3 82.85741 4.4015075 58
## 357            MECANICA Ago-Dic 2018          4 81.96684 4.6496261 19
## 358            MECANICA Ago-Dic 2018          5 83.17833 5.2063092 30
## 359            MECANICA Ago-Dic 2018          6 80.98562 2.3376226 16
## 360            MECANICA Ago-Dic 2018          7 82.65763 4.0778230 38
## 361            MECANICA Ago-Dic 2018          8 78.77800 2.4843852  5
## 362            MECANICA Ago-Dic 2018          9 82.96809 4.1582729 47
## 363            MECANICA Ago-Dic 2018         10 82.65333 4.0473603  9
## 364            MECANICA Ago-Dic 2018         11 81.41296 2.2638969 27
## 365            MECANICA Ago-Dic 2018         12 79.11300 1.4668640 10
## 366            MECANICA Ago-Dic 2018         13 80.21000 1.9111829 11
## 367            MECANICA Ago-Dic 2018         14 80.45333 1.2341124  3
## 368            MECANICA Ene-Jun 2018          2 85.15413 4.9203451 63
## 369            MECANICA Ene-Jun 2018          3 81.48667 4.9517697 21
## 370            MECANICA Ene-Jun 2018          4 84.25909 4.9396909 33
## 371            MECANICA Ene-Jun 2018          5 81.64526 2.4500983 19
## 372            MECANICA Ene-Jun 2018          6 82.89211 4.1695124 38
## 373            MECANICA Ene-Jun 2018          7 79.00800 2.5018933  5
## 374            MECANICA Ene-Jun 2018          8 82.76702 3.8893941 47
## 375            MECANICA Ene-Jun 2018          9 82.71000 3.9396256  9
## 376            MECANICA Ene-Jun 2018         10 81.39187 3.1504802 32
## 377            MECANICA Ene-Jun 2018         11 79.03700 1.3510000 10
## 378            MECANICA Ene-Jun 2018         12 80.58667 1.6758842 12
## 379            MECANICA Ene-Jun 2018         13 80.33250 1.1142524  4
## 380         MECATRONICA Ago-Dic 2017          2 84.35737 3.1188561 38
## 381         MECATRONICA Ago-Dic 2017          3 84.63543 4.3488592 46
## 382         MECATRONICA Ago-Dic 2017          4 82.98918 4.4016127 61
## 383         MECATRONICA Ago-Dic 2017          5 85.18515 4.5685245 66
## 384         MECATRONICA Ago-Dic 2017          6 81.51959 2.9342397 49
## 385         MECATRONICA Ago-Dic 2017          7 83.81803 3.8420276 61
## 386         MECATRONICA Ago-Dic 2017          8 81.37542 3.6760351 48
## 387         MECATRONICA Ago-Dic 2017          9 85.08346 3.6614981 52
## 388         MECATRONICA Ago-Dic 2017         10 81.82243 3.0902557 37
## 389         MECATRONICA Ago-Dic 2017         11 84.38800 2.4024458 15
## 390         MECATRONICA Ago-Dic 2017         12 80.46286 1.9171656  7
## 391         MECATRONICA Ago-Dic 2017         13 79.23000 1.5903302  5
## 392         MECATRONICA Ago-Dic 2017         14 80.28250 1.6219191  8
## 393         MECATRONICA Ago-Dic 2018          2 84.01462 3.4100853 26
## 394         MECATRONICA Ago-Dic 2018          3 84.65046 4.0428496 65
## 395         MECATRONICA Ago-Dic 2018          4 83.29103 2.8551337 39
## 396         MECATRONICA Ago-Dic 2018          5 85.11295 4.3595170 44
## 397         MECATRONICA Ago-Dic 2018          6 83.00965 4.2659913 57
## 398         MECATRONICA Ago-Dic 2018          7 85.76714 4.8723610 63
## 399         MECATRONICA Ago-Dic 2018          8 81.66396 2.5090065 48
## 400         MECATRONICA Ago-Dic 2018          9 84.57362 3.8200026 58
## 401         MECATRONICA Ago-Dic 2018         10 82.14950 3.6787191 40
## 402         MECATRONICA Ago-Dic 2018         11 83.60412 3.6346373 17
## 403         MECATRONICA Ago-Dic 2018         12 80.15643 2.6206095 14
## 404         MECATRONICA Ago-Dic 2018         13 80.85000 0.9899495  2
## 405         MECATRONICA Ago-Dic 2018         15 80.12000       NaN  1
## 406         MECATRONICA Ene-Jun 2018          2 86.49157 3.6804645 70
## 407         MECATRONICA Ene-Jun 2018          3 83.71650 3.3325201 40
## 408         MECATRONICA Ene-Jun 2018          4 85.11891 4.4342466 46
## 409         MECATRONICA Ene-Jun 2018          5 83.20797 4.2798976 59
## 410         MECATRONICA Ene-Jun 2018          6 85.50778 4.5448299 63
## 411         MECATRONICA Ene-Jun 2018          7 81.79240 2.6610460 50
## 412         MECATRONICA Ene-Jun 2018          8 84.28525 3.8420757 61
## 413         MECATRONICA Ene-Jun 2018          9 81.96511 3.7990367 45
## 414         MECATRONICA Ene-Jun 2018         10 82.65812 3.3148539 16
## 415         MECATRONICA Ene-Jun 2018         11 80.64000 3.0061245 14
## 416         MECATRONICA Ene-Jun 2018         12 82.32500 0.7848885  2
## 417         MECATRONICA Ene-Jun 2018         14 77.89000       NaN  1
## 418             QUIMICA Ago-Dic 2017          2 85.56569 3.7538297 65
## 419             QUIMICA Ago-Dic 2017          3 86.50258 3.3738536 62
## 420             QUIMICA Ago-Dic 2017          4 82.77735 3.6333804 49
## 421             QUIMICA Ago-Dic 2017          5 84.89948 2.8461402 58
## 422             QUIMICA Ago-Dic 2017          6 82.04483 3.5687119 29
## 423             QUIMICA Ago-Dic 2017          7 84.53276 2.6759040 58
## 424             QUIMICA Ago-Dic 2017          8 84.03600 4.7168877  5
## 425             QUIMICA Ago-Dic 2017          9 85.36196 4.0620527 51
## 426             QUIMICA Ago-Dic 2017         10 85.80000       NaN  1
## 427             QUIMICA Ago-Dic 2017         11 84.23000 3.2817320 18
## 428             QUIMICA Ago-Dic 2017         13 82.94700 3.4980282 10
## 429             QUIMICA Ago-Dic 2017         15 82.98500 0.1484924  2
## 430             QUIMICA Ago-Dic 2017         17 79.15000       NaN  1
## 431             QUIMICA Ago-Dic 2018          2 83.21714 3.6751753 42
## 432             QUIMICA Ago-Dic 2018          3 88.02087 4.5026870 69
## 433             QUIMICA Ago-Dic 2018          4 82.85190 2.0873146 58
## 434             QUIMICA Ago-Dic 2018          5 84.73508 3.9057520 61
## 435             QUIMICA Ago-Dic 2018          6 83.37800 4.0210843 40
## 436             QUIMICA Ago-Dic 2018          7 85.46000 3.0495735 58
## 437             QUIMICA Ago-Dic 2018          8 82.93800 3.7300134 25
## 438             QUIMICA Ago-Dic 2018          9 84.58382 2.6937091 55
## 439             QUIMICA Ago-Dic 2018         10 86.08333 3.9648749  3
## 440             QUIMICA Ago-Dic 2018         11 82.78875 2.3367188 24
## 441             QUIMICA Ago-Dic 2018         13 81.29167 0.9853815  6
## 442             QUIMICA Ago-Dic 2018         15 81.00000       NaN  1
## 443             QUIMICA Ene-Jun 2018          2 88.18794 4.7143793 68
## 444             QUIMICA Ene-Jun 2018          3 83.82000 2.2756386 62
## 445             QUIMICA Ene-Jun 2018          4 85.29887 3.6947424 62
## 446             QUIMICA Ene-Jun 2018          5 82.96907 3.8061841 43
## 447             QUIMICA Ene-Jun 2018          6 85.22263 3.0420714 57
## 448             QUIMICA Ene-Jun 2018          7 82.52704 3.6303494 27
## 449             QUIMICA Ene-Jun 2018          8 84.83643 2.8969435 56
## 450             QUIMICA Ene-Jun 2018          9 84.36000 4.6845010  5
## 451             QUIMICA Ene-Jun 2018         10 83.75448 3.4760123 29
## 452             QUIMICA Ene-Jun 2018         11 86.06000       NaN  1
## 453             QUIMICA Ene-Jun 2018         12 81.79714 1.6906381  7
## 454             QUIMICA Ene-Jun 2018         14 81.81714 1.5039361  7
## 455             QUIMICA Ene-Jun 2018         18 79.28000       NaN  1
## 456            SISTEMAS Ago-Dic 2017          2 82.26338 3.6560862 65
## 457            SISTEMAS Ago-Dic 2017          3 87.02362 5.3847153 47
## 458            SISTEMAS Ago-Dic 2017          4 80.68414 2.9943524 29
## 459            SISTEMAS Ago-Dic 2017          5 83.51929 3.3863952 56
## 460            SISTEMAS Ago-Dic 2017          6 83.47571 4.8955962 28
## 461            SISTEMAS Ago-Dic 2017          7 86.27567 4.4349805 60
## 462            SISTEMAS Ago-Dic 2017          8 85.94813 3.7202874 32
## 463            SISTEMAS Ago-Dic 2017          9 89.47075 4.2468743 53
## 464            SISTEMAS Ago-Dic 2017         10 83.54423 3.4401909 26
## 465            SISTEMAS Ago-Dic 2017         11 83.69857 2.9079895 21
## 466            SISTEMAS Ago-Dic 2017         12 81.99545 2.2688736 11
## 467            SISTEMAS Ago-Dic 2017         13 82.89857 4.1721434  7
## 468            SISTEMAS Ago-Dic 2017         14 79.77000 0.7264067  4
## 469            SISTEMAS Ago-Dic 2017         17 83.72333 0.2821938  3
## 470            SISTEMAS Ago-Dic 2018          2 86.17812 3.0862906 16
## 471            SISTEMAS Ago-Dic 2018          3 85.10985 4.1345146 65
## 472            SISTEMAS Ago-Dic 2018          4 82.74018 3.5732990 57
## 473            SISTEMAS Ago-Dic 2018          5 89.00550 4.5629118 40
## 474            SISTEMAS Ago-Dic 2018          6 81.32625 2.2903670 24
## 475            SISTEMAS Ago-Dic 2018          7 85.01604 3.6760453 53
## 476            SISTEMAS Ago-Dic 2018          8 84.26714 4.6937357 28
## 477            SISTEMAS Ago-Dic 2018          9 87.15593 4.2199576 59
## 478            SISTEMAS Ago-Dic 2018         10 84.01529 1.8255072 17
## 479            SISTEMAS Ago-Dic 2018         11 86.09375 3.3110701 16
## 480            SISTEMAS Ago-Dic 2018         12 82.00667 3.4864030 12
## 481            SISTEMAS Ago-Dic 2018         13 82.73400 2.3879761  5
## 482            SISTEMAS Ago-Dic 2018         14 81.39000 1.5192103  5
## 483            SISTEMAS Ago-Dic 2018         15 77.41000 2.0506097  2
## 484            SISTEMAS Ene-Jun 2018          2 85.47716 4.2506270 67
## 485            SISTEMAS Ene-Jun 2018          3 82.34567 3.4658300 60
## 486            SISTEMAS Ene-Jun 2018          4 88.19977 4.3409358 44
## 487            SISTEMAS Ene-Jun 2018          5 80.96038 3.1691696 26
## 488            SISTEMAS Ene-Jun 2018          6 84.30036 3.4055575 55
## 489            SISTEMAS Ene-Jun 2018          7 84.13000 4.5546631 28
## 490            SISTEMAS Ene-Jun 2018          8 86.59133 4.3199190 60
## 491            SISTEMAS Ene-Jun 2018          9 85.45593 3.0615422 27
## 492            SISTEMAS Ene-Jun 2018         10 85.83000 3.7671771 18
## 493            SISTEMAS Ene-Jun 2018         11 82.27750 4.0301751 12
## 494            SISTEMAS Ene-Jun 2018         12 82.55222 3.1464654  9
## 495            SISTEMAS Ene-Jun 2018         13 81.51500 2.0535579  4
## 496            SISTEMAS Ene-Jun 2018         14 75.98000       NaN  1
## 497                 TIC Ago-Dic 2017          3 86.33778 5.6841595  9
## 498                 TIC Ago-Dic 2017          5 83.77118 4.6589335 17
## 499                 TIC Ago-Dic 2017          7 82.51882 3.6843552 17
## 500                 TIC Ago-Dic 2017          9 85.62950 2.8187632 20
## 501                 TIC Ago-Dic 2017         11 82.37857 3.3061076  7
## 502                 TIC Ago-Dic 2018          3 82.35000 4.0692881 18
## 503                 TIC Ago-Dic 2018          5 86.78375 4.4279952  8
## 504                 TIC Ago-Dic 2018          7 84.08059 4.6862905 17
## 505                 TIC Ago-Dic 2018          9 83.96941 4.4321136 17
## 506                 TIC Ago-Dic 2018         11 85.61667 2.6959352  6
## 507                 TIC Ago-Dic 2018         13 82.54500 1.8738330  2
## 508                 TIC Ene-Jun 2018          2 85.79045 4.9725365 22
## 509                 TIC Ene-Jun 2018          4 86.64222 4.2584028  9
## 510                 TIC Ene-Jun 2018          6 83.71588 4.6873514 17
## 511                 TIC Ene-Jun 2018          8 83.41118 4.1272553 17
## 512                 TIC Ene-Jun 2018         10 83.11714 2.1767691  7
## 513                 TIC Ene-Jun 2018         12 83.70250 4.4206815  4

GRAFICANDO UNA Carrera ggplot

ADMINISTRACIÓN

resadmin <- subset(resumen, resumen$Carrera == "ADMINISTRACION")

mi.grafica <- ggplot(data = resadmin)

mi.grafica <- ggplot(data = resadmin)

mi.grafica <- mi.grafica + aes(x = resadmin$Semestre, y = resadmin$mean)

mi.grafica <- mi.grafica + aes(group = resadmin$Semestre,resadmin$NoSemestre, colour = resadmin$Semestre)

mi.grafica <- mi.grafica + geom_line()

mi.grafica <- mi.grafica + ggtitle("ADMINISTRACIÓN, Media de promedios de alumnos inscritos en semestres..")

mi.grafica <- mi.grafica + ylab("Media de cada semestre")

mi.grafica <- mi.grafica + xlab("Periodo Semestral, No de Semestre")

mi.grafica

ANALISIS descriptivo promedio alumnos ULTIMOS semestres

Rubén Pizarro

11 de octubre de 2018

Análisis descriptivo promedio alumnos 3 últimos semestres

Este script hace un análisi descriptivo de datos de alumnos inscritos en los tres últimos semestre en el ITD

Librerías necesarias para la ejecución del script

Cargar datos alumnos por medio de read, de un archivo separado por coma CSV

Entendiendo los datos

Identificando números de columnas

Identificando valores,las carreras, no.de semestre y periodos semestrales

¿Cuáles son las carreras?

¿Cuáles son lao semestres en que están inscritos los alumnos?

¿Cuáles son los periodos semestrales a evaluar en que están inscritos los alumnos?

Otros datos. Resumen de datos de las variables numéricas

Determinando la media de la carrera de ADMINISTRACION

Filtrando como parámetro la carrera de ADMINISTRACION

Determinando la MEDIA cuyo promedio sea mayor que 0, de cualquier semestre y de cualquier NoSemestre

***** TODAS LAS CARRERAS

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera cuyos valores en la columna Promedio sea mayor que cero

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral) cuyos valores en la columna Promedio sea mayor que cero

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de ADMINISTRACION de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ARQUITECTURA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de BIOQUIMICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de CIVIL inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ELECTRICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ELECTRONICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de GESTION EMPRESARIAL inscritos en cuarto semestre en los periodos semestrales

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de INDUSTRIAL de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de INFORMATICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de MECANICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de QUIMICA de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de MECATRONICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de SISTEMAS de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de TIC inscritos en cuarto semestre en los periodos semestrales

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral), de cada número de semestre inscrito el alumno y cuyos valores en la columna Promedio sea mayor que cero

GRAFICANDO UNA Carrera ggplot

ADMINISTRACIÓN

ANALISIS descriptivo promedio alumnos ULTIMOS semestres

Rubén Pizarro

11 de octubre de 2018

Análisis descriptivo promedio alumnos 3 últimos semestres

Este script hace un análisi descriptivo de datos de alumnos inscritos en los tres últimos semestre en el ITD

Librerías necesarias para la ejecución del script

Cargar datos alumnos por medio de read, de un archivo separado por coma CSV

Entendiendo los datos

Identificando números de columnas

Identificando valores,las carreras, no.de semestre y periodos semestrales

¿Cuáles son las carreras?

¿Cuáles son lao semestres en que están inscritos los alumnos?

¿Cuáles son los periodos semestrales a evaluar en que están inscritos los alumnos?

Otros datos. Resumen de datos de las variables numéricas

Determinando la media de la carrera de ADMINISTRACION

Filtrando como parámetro la carrera de ADMINISTRACION

Determinando la MEDIA cuyo promedio sea mayor que 0, de cualquier semestre y de cualquier NoSemestre

*********** TODAS LAS CARRERAS ******

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera cuyos valores en la columna Promedio sea mayor que cero

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral) cuyos valores en la columna Promedio sea mayor que cero

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de ADMINISTRACION de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ARQUITECTURA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de BIOQUIMICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de CIVIL inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ELECTRICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de ELECTRONICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de GESTION EMPRESARIAL inscritos en cuarto semestre en los periodos semestrales

Utilizando parámetros por medio de un arreglo

Por ejemplo el promedio de los alumnos de la carrera de INDUSTRIAL de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de INFORMATICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de MECANICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de QUIMICA de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de MECATRONICA inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de SISTEMAS de los que están inscritos en cuarto semestre en los periodos semestrales

Por ejemplo el promedio de los alumnos de la carrera de TIC inscritos en cuarto semestre en los periodos semestrales

Determinar la media, desviación estándar y el número de observaciones (n) de cada carrera de cada semestre (periodo semestral), de cada número de semestre inscrito el alumno y cuyos valores en la columna Promedio sea mayor que cero

GRAFICANDO UNA Carrera ggplot

ADMINISTRACIÓN

***** TODAS LAS CARRERAS