Caso.5

Objetivo

*Identificar medidas de dispersión y visualizar datos de alumnos inscritos de una institución de educación superior.

Paso 1. Cargar librerias

library(readr)
library(dplyr)    
library(ggplot2)

Paso 2. Cargar los datos de la dirección citada. read.csv()

datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/datos/promedios%20alumnos/datos%20alumnos%20promedios%20SEP%202020.csv", encoding = "UTF-8")

Identificar los primeros seis registros Identificar los últios seis registros

head(datos)

##   No..Control Alumno Semestre Cr..Apr. Carga Promedio  Carrera
## 1    20190001      1       11      198    19    80.21 SISTEMAS
## 2    20190002      2       11      235    10    84.33 SISTEMAS
## 3    20190003      3        9      235    10    95.25 SISTEMAS
## 4    20190004      4        9      226    19    95.00 SISTEMAS
## 5    20190005      5       10      231    14    82.32 SISTEMAS
## 6    20190006      6        9      212    23    95.02 SISTEMAS

tail(datos)

##      No..Control Alumno Semestre Cr..Apr. Carga Promedio        Carrera
## 5924    20195924   5924        2       27    28    92.83 ADMINISTRACION
## 5925    20195925   5925        7       94    13    80.95 ADMINISTRACION
## 5926    20195926   5926        5      103    32    92.68 ADMINISTRACION
## 5927    20195927   5927        4       79    34    86.18 ADMINISTRACION
## 5928    20195928   5928        5      108    32    90.48 ADMINISTRACION
## 5929    20195929   5929        7      169    32    92.33 ADMINISTRACION

Paso 3. Genera gráfica de caja de promedios de alumnos en función de las carreras para identificar cuartiles (1 gráfica)

*Se requiere library(dplyr) para utilizar las funciones filter() y select()

ggplot(filter(datos, Promedio > 0), aes(x = Carrera, y = Promedio, color= Carrera ) ) +
    geom_boxplot() +
  labs(title = "Promedios de Administración")

Paso 4. 4. Identificar medidas de tendencia central con histograma y líneas de sus media y mediana de cada carrera en función de los promedios (14 gráficas)

Carrera de ADMINISTRACION Variables de interés es Carrera y Promedio *Se utiliza la función filter() de la librería dplyr para filtrar registros u observaciones de un conjunto de datos

administracion <- filter (datos, Promedio > 0 & Carrera == "ADMINISTRACION") 

mean(administracion$Promedio)

## [1] 89.44312

median(administracion$Promedio)

## [1] 89.605

ggplot(administracion, aes(Promedio)) +
  geom_histogram(bins = 30) +
  geom_vline(aes(xintercept = median(Promedio),
                  color = "mediana"),
              linetype = "solid",
              size = 2) +
    geom_vline(aes(xintercept = mean(Promedio),
                  color = "media"),
              linetype = "solid",
              size = 2) +
  labs(title = "Histograma de Promedio de Administración",subtitle =  paste("Media = ", round(mean(administracion$Promedio),2), ", Mediana = ", round(median(administracion$Promedio),2)))

Arquitectura

ARQUITECTURA=filter(datos, Promedio>0&Carrera=="ARQUITECTURA")
mean(ARQUITECTURA$Promedio)

## [1] 86.46481

median(ARQUITECTURA$Promedio)

## [1] 86.58

ggplot(ARQUITECTURA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Arquitectura", subtitle = paste("Media= ", round(mean(ARQUITECTURA$Promedio),2),"Mediana= ", round(median(ARQUITECTURA$Promedio),2)))

Bioquimica

BIOQUIMICA=filter(datos, Promedio>0&Carrera=="BIOQUIMICA")
mean(BIOQUIMICA$Promedio)

## [1] 84.68143

median(BIOQUIMICA$Promedio)

## [1] 84.06

ggplot(BIOQUIMICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Bioquimica", subtitle = paste("Media= ", round(mean(BIOQUIMICA$Promedio),2),"Mediana= ", round(median(BIOQUIMICA$Promedio),2)))

Civil

CIVIL=filter(datos, Promedio>0&Carrera=="CIVIL")
mean(CIVIL$Promedio)

## [1] 84.281

median(CIVIL$Promedio)

## [1] 83.915

ggplot(CIVIL, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Civil", subtitle = paste("Media= ", round(mean(CIVIL$Promedio),2),"Mediana= ", round(median(CIVIL$Promedio),2)))

Electrica

ELECTRICA=filter(datos, Promedio>0&Carrera=="ELECTRICA")
mean(ELECTRICA$Promedio)

## [1] 83.77305

median(ELECTRICA$Promedio)

## [1] 83.24

ggplot(ELECTRICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Electrica", subtitle = paste("Media= ", round(mean(ELECTRICA$Promedio),2),"Mediana= ", round(median(ELECTRICA$Promedio),2)))

Electronica

ELECTRONICA=filter(datos, Promedio>0&Carrera=="ELECTRONICA")
mean(ELECTRONICA$Promedio)

## [1] 86.6572

median(ELECTRONICA$Promedio)

## [1] 86.67

ggplot(ELECTRONICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Electronica", subtitle = paste("Media= ", round(mean(ELECTRONICA$Promedio),2),"Mediana= ", round(median(ELECTRONICA$Promedio),2)))

Gestion Empresarial

GESTION=filter(datos, Promedio>0&Carrera=="GESTION EMPRESARIAL")
mean(GESTION$Promedio)

## [1] 87.66966

median(GESTION$Promedio)

## [1] 87.59

ggplot(GESTION, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Gestion Empresarial", subtitle = paste("Media= ", round(mean(GESTION$Promedio),2),"Mediana= ", round(median(GESTION$Promedio),2)))

Industrial

INDUSTRIAL=filter(datos, Promedio>0&Carrera=="INDUSTRIAL")
mean(INDUSTRIAL$Promedio)

## [1] 85.01737

median(INDUSTRIAL$Promedio)

## [1] 84.64

ggplot(INDUSTRIAL, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Industrial", subtitle = paste("Media= ", round(mean(INDUSTRIAL$Promedio),2),"Mediana= ", round(median(INDUSTRIAL$Promedio),2)))

Informatica

INFORMATICA=filter(datos, Promedio>0&Carrera=="INFORMATICA")
mean(INFORMATICA$Promedio)

## [1] 86.26577

median(INFORMATICA$Promedio)

## [1] 86.64

ggplot(INFORMATICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Informatica", subtitle = paste("Media= ", round(mean(INFORMATICA$Promedio),2),"Mediana= ", round(median(INFORMATICA$Promedio),2)))

Mecanica

MECANICA=filter(datos, Promedio>0&Carrera=="MECANICA")
mean(MECANICA$Promedio)

## [1] 82.58467

median(MECANICA$Promedio)

## [1] 82.02

ggplot(MECANICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Mecanica", subtitle = paste("Media= ", round(mean(MECANICA$Promedio),2),"Mediana= ", round(median(MECANICA$Promedio),2)))

Mecatronica

MECATRONICA=filter(datos, Promedio>0&Carrera=="MECATRONICA")
mean(MECATRONICA$Promedio)

## [1] 84.45948

median(MECATRONICA$Promedio)

## [1] 84.085

ggplot(MECATRONICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Mecatronica", subtitle = paste("Media= ", round(mean(MECATRONICA$Promedio),2),"Mediana= ", round(median(MECATRONICA$Promedio),2)))

Quimica

QUIMICA=filter(datos, Promedio>0&Carrera=="QUIMICA")
mean(QUIMICA$Promedio)

## [1] 86.05215

median(QUIMICA$Promedio)

## [1] 85.67

ggplot(QUIMICA, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Quimica", subtitle = paste("Media= ", round(mean(QUIMICA$Promedio),2),"Mediana= ", round(median(QUIMICA$Promedio),2)))

Sistemas

SISTEMAS=filter(datos, Promedio>0&Carrera=="SISTEMAS")
mean(SISTEMAS$Promedio)

## [1] 85.90464

median(SISTEMAS$Promedio)

## [1] 85.34

ggplot(SISTEMAS, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de Sistemas", subtitle = paste("Media= ", round(mean(SISTEMAS$Promedio),2),"Mediana= ", round(median(SISTEMAS$Promedio),2)))

TIC´S

TIC=filter(datos, Promedio>0&Carrera=="TIC")
mean(TIC$Promedio)

## [1] 84.31719

median(TIC$Promedio)

## [1] 83.24

ggplot(TIC, aes(Promedio))+
  geom_histogram(bins = 30)+
  geom_vline(aes(xintercept=median(Promedio),
                 color="media"),
             linetype="solid",
             size=2)+
  geom_vline(aes(xintercept=mean(Promedio),
                 color="mediana"),
             linetype="solid",
             size=2)+
  labs(title = "Histograma de Promedio de TIC´S", subtitle = paste("Media= ", round(mean(TIC$Promedio),2),"Mediana= ", round(median(TIC$Promedio),2)))

Paso 5. Identificar varianza y desviación estándar en una gráfica de dispersión de los promedios de cada carrera (14 gráficas)

n <- nrow(administracion)
ggplot(administracion, aes(x = 1:n, y = Promedio)) +
   geom_point() +
    labs(title = "Dispersión de Promedio de Administración", subtitle =  paste("Varianza = ", round(var(administracion$Promedio),2), ", DesvStd = ", round(sd(administracion$Promedio),2), ", C.V. = ",  round(sd(administracion$Promedio) / mean(administracion$Promedio) *  100, 2 )))

####Arquitectura

n=nrow(ARQUITECTURA)
ggplot(ARQUITECTURA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Aquitectura", subtitle = paste("Varianza= ", round(var(ARQUITECTURA$Promedio),2),", DesvStd= ", round(sd(ARQUITECTURA$Promedio),2),".C.V.= ", round(sd(ARQUITECTURA$Promedio)/mean(ARQUITECTURA$Promedio)*100,2)))

Bioquimica

n=nrow(BIOQUIMICA)
ggplot(BIOQUIMICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Bioquimica", subtitle = paste("Varianza= ", round(var(BIOQUIMICA$Promedio),2),", DesvStd= ", round(sd(BIOQUIMICA$Promedio),2),".C.V.= ", round(sd(BIOQUIMICA$Promedio)/mean(BIOQUIMICA$Promedio)*100,2)))

Civil

n=nrow(CIVIL)
ggplot(CIVIL, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Civil", subtitle = paste("Varianza= ", round(var(CIVIL$Promedio),2),", DesvStd= ", round(sd(CIVIL$Promedio),2),".C.V.= ", round(sd(CIVIL$Promedio)/mean(CIVIL$Promedio)*100,2)))

Electrica

n=nrow(ELECTRICA)
ggplot(ELECTRICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Electrica", subtitle = paste("Varianza= ", round(var(ELECTRICA$Promedio),2),", DesvStd= ", round(sd(ELECTRICA$Promedio),2),".C.V.= ", round(sd(ELECTRICA$Promedio)/mean(ELECTRICA$Promedio)*100,2)))

Electronica

n=nrow(ELECTRONICA)
ggplot(ELECTRONICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Electronica", subtitle = paste("Varianza= ", round(var(ELECTRONICA$Promedio),2),", DesvStd= ", round(sd(ELECTRONICA$Promedio),2),".C.V.= ", round(sd(ELECTRONICA$Promedio)/mean(ELECTRONICA$Promedio)*100,2)))

Gestion Empresarial

n=nrow(GESTION)
ggplot(GESTION, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Gestion Empresarial", subtitle = paste("Varianza= ", round(var(GESTION$Promedio),2),", DesvStd= ", round(sd(GESTION$Promedio),2),".C.V.= ", round(sd(GESTION$Promedio)/mean(GESTION$Promedio)*100,2)))

Industrial

n=nrow(INDUSTRIAL)
ggplot(INDUSTRIAL, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Industrial", subtitle = paste("Varianza= ", round(var(INDUSTRIAL$Promedio),2),", DesvStd= ", round(sd(INDUSTRIAL$Promedio),2),".C.V.= ", round(sd(INDUSTRIAL$Promedio)/mean(INDUSTRIAL$Promedio)*100,2)))

Informatica

n=nrow(INFORMATICA)
ggplot(INFORMATICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Informatica", subtitle = paste("Varianza= ", round(var(INFORMATICA$Promedio),2),", DesvStd= ", round(sd(INFORMATICA$Promedio),2),".C.V.= ", round(sd(INFORMATICA$Promedio)/mean(INFORMATICA$Promedio)*100,2)))

Mecanica

n=nrow(MECANICA)
ggplot(MECANICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Mecanica", subtitle = paste("Varianza= ", round(var(MECANICA$Promedio),2),", DesvStd= ", round(sd(MECANICA$Promedio),2),".C.V.= ", round(sd(MECANICA$Promedio)/mean(MECANICA$Promedio)*100,2)))

Mecatronica

n=nrow(MECATRONICA)
ggplot(MECATRONICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Mecatronica", subtitle = paste("Varianza= ", round(var(MECATRONICA$Promedio),2),", DesvStd= ", round(sd(MECATRONICA$Promedio),2),".C.V.= ", round(sd(MECATRONICA$Promedio)/mean(MECATRONICA$Promedio)*100,2)))

Quimica

n=nrow(QUIMICA)
ggplot(QUIMICA, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Quimica", subtitle = paste("Varianza= ", round(var(QUIMICA$Promedio),2),", DesvStd= ", round(sd(QUIMICA$Promedio),2),".C.V.= ", round(sd(QUIMICA$Promedio)/mean(QUIMICA$Promedio)*100,2)))

Sistemas

n=nrow(SISTEMAS)
ggplot(SISTEMAS, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de Sistemas", subtitle = paste("Varianza= ", round(var(SISTEMAS$Promedio),2),", DesvStd= ", round(sd(SISTEMAS$Promedio),2),".C.V.= ", round(sd(SISTEMAS$Promedio)/mean(SISTEMAS$Promedio)*100,2)))

TIC´S

n=nrow(TIC)
ggplot(TIC, aes(x=1:n, y=Promedio))+
  geom_point()+
  labs(title = "Dispersion de promedio de TIC", subtitle = paste("Varianza= ", round(var(TIC$Promedio),2),", DesvStd= ", round(sd(TIC$Promedio),2),".C.V.= ", round(sd(TIC$Promedio)/mean(TIC$Promedio)*100,2)))

Paso 6. Determinar una tabla para todos los parámetros estadísticos solicitados

tabla <- datos %>%
    group_by (Carrera) %>%
    summarize(n = n(), media = mean(Promedio), mediana = median(Promedio), vari = var(Promedio), 
              desvstd = sd(Promedio), cv = desvstd / media * 100)

## `summarise()` ungrouping output (override with `.groups` argument)

tabla

## # A tibble: 14 x 7
##    Carrera                 n media mediana  vari desvstd    cv
##    <chr>               <int> <dbl>   <dbl> <dbl>   <dbl> <dbl>
##  1 ADMINISTRACION        497  74.5    88.4 1125.    33.5  45.0
##  2 ARQUITECTURA          675  70.1    85.4 1163.    34.1  48.7
##  3 BIOQUIMICA            441  68.6    82.8 1126.    33.6  48.9
##  4 CIVIL                 648  73.1    83.1  834.    28.9  39.5
##  5 ELECTRICA             280  60.7    81.8 1414.    37.6  61.9
##  6 ELECTRONICA           161  67.3    85.3 1324.    36.4  54.1
##  7 GESTION EMPRESARIAL   585  74.2    86.7 1013.    31.8  42.9
##  8 INDUSTRIAL            707  74.2    83.7  819.    28.6  38.6
##  9 INFORMATICA           101  60.6    83.6 1581.    39.8  65.6
## 10 MECANICA              301  61.7    80.7 1302.    36.1  58.4
## 11 MECATRONICA           432  70.8    83.4  981.    31.3  44.3
## 12 QUIMICA               568  72.6    84.6  996.    31.6  43.5
## 13 SISTEMAS              452  70.9    84.1 1081.    32.9  46.4
## 14 TIC                    81  66.6    81.7 1209.    34.8  52.2

Paso 7. Interpretacion

** El caso 5 trata sobre identificar medidas de dispersión y visualizar datos de alumnos inscritos de una institución de educación superior. * Primeramente nos daremos cuenta que nos muestra la identificación de los primero 6 y los últimos 6 datos de los datos de los alumnos. * En el siguiente paso sacaremos lo que es el promedio de administración de estos mismos datos de cada carrera y nos daremos cuenta que el más alto es el de la carrera de administración y el más bajo es el de mecánica * Identificaremos la varianza y la desviación estándar en una gráfica de dispersión de los promedios de cada carrera utilizando nrow para tomar los datos de cada carrera y ggplot para hacer la gráfica. * Finalmente identificaremos los parametros estadisticos de todas las carreras en esta tabla tendremos las media, mediana, la vari, la desvstd y la cv, tambien aqui podremos que el mayor sera industrial y la menor sera informatica. * En conclusion, los alumnos establecieron un buen promedio y que gracias a los histogramas nos podemos dar cuenta de una forma un poco mas precisa donde esta ubicado la media y mediana de los promedios de las diferentes carreras.

Caso.5

Brenda Sanchez

2/10/2020

Objetivo

Paso 1. Cargar librerias

Paso 2. Cargar los datos de la dirección citada. read.csv()

Paso 3. Genera gráfica de caja de promedios de alumnos en función de las carreras para identificar cuartiles (1 gráfica)

Paso 4. 4. Identificar medidas de tendencia central con histograma y líneas de sus media y mediana de cada carrera en función de los promedios (14 gráficas)

Arquitectura

Bioquimica

Civil

Electrica

Electronica

Gestion Empresarial

Industrial

Informatica

Mecanica

Mecatronica

Quimica

Sistemas

TIC´S

Paso 5. Identificar varianza y desviación estándar en una gráfica de dispersión de los promedios de cada carrera (14 gráficas)

Bioquimica

Civil

Electrica

Electronica

Gestion Empresarial

Industrial

Informatica

Mecanica

Mecatronica

Quimica

Sistemas

TIC´S

Paso 6. Determinar una tabla para todos los parámetros estadísticos solicitados

Paso 7. Interpretacion