setwd("~/Pye 1pm")
library(readxl)
carreras<- read_excel("datosproy.xlsx")library(pacman)
p_load("prettydoc", "xfun", "fdth", "modeest", "beanplot", "datasets", "DT", "ggplot2", "readr")La ingeniería industrial es una profesión de ingeniería que se ocupa de la optimización de procesos, sistemas u organizaciones complejos mediante el desarrollo, la mejora y la implementación de sistemas integrados de personas, riqueza, conocimiento, información y equipamiento, energía, materiales y procesos.
La administración de empresas es un método y práctica organizacional basado en la gestión de sociedades mercantiles con el objetivo de llevarlas a su mayor optimización posible.
Objetivo
El objetivo de este presente estudio es conocer de una manera descriptiva y cuantitativa como es la oferta laboral económica para las carreras de ingenieria industrial y administraciòn de empresas. Este conjunto de datos los recaudamos por medio de internet, de paginas donde empresas solicitan empleados de dichas carreras como las uqe se hablaran que son ingenieria industrial y administración de empresas.
Datos con los que se trabajarán, se muestran en una tabla interactiva
datatable(carreras)Como se puede observar contamos con 40 empleos diferentes, en los cuales son de 20 de ingenieria industrial y 20 de licenciatura en administracion, a continuacion vamos a comparar los datos.
A continuacion se mostraran las siguientes ciudades en las que se solicitan empleos
tablaciud <- table(carreras$Ciudad)
tablaciud##
## Apodaca Baja california Cd Hidalgo Cd Obregon
## 1 1 1 2
## DF Guadalajara Guadalupe Guanajuato
## 6 2 1 1
## Hermosillo Huamantla Iztapalapa Jalisco
## 1 1 1 1
## Mazatlan Mérida Miguel Hidalgo Nayarit
## 1 1 1 1
## Nogales Puebla Queretaro San Luis Potosi
## 1 3 1 1
## Siltepec Sin especificar Sinaloa Tizayuca
## 1 1 1 1
## Tlalnepantla de Baz Valladolid Zapopan Zaragoza
## 1 1 3 2Con los datos presentados nos podemos dar cuenta que la mayor recoleccion de empleos se encuentra al sur de mexico, encabezado por el DF y zapopan.
Análisis exploratorio de los datos
summary(carreras)## Puesto Perfil Sueldo Estado
## Length:40 Length:40 Min. : 7000 Length:40
## Class :character Class :character 1st Qu.: 9000 Class :character
## Mode :character Mode :character Median :11000 Mode :character
## Mean :14823
## 3rd Qu.:14625
## Max. :85000
## Ciudad Pais Especialidad Grado minimo
## Length:40 Length:40 Length:40 Length:40
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Fuente
## Length:40
## Class :character
## Mode :character
##
##
## Grafico de caja y bigote de los diferentes sueldos de ambas carreras
boxplot(carreras$Sueldo, col="red")
Aqui se puede observar como es que los sueldos se concentran los 10,000, los sueldos que salen de 0, son trabajos en los que no se especifica la cantidad. Tambien es importante observar como es que el grafico aisla los sueldos que son mayores a 25,000, poniendo que estos son raros de hallar un trabajo con ese sueldo.
Histograma de frecuencias absolutas de los sueldos brutos mensuales de ambas carreras
hist(carreras$Sueldo, col="red")
## Varianza
var(carreras$Sueldo)## [1] 176179957Desviación estándar
sd(carreras$Sueldo)## [1] 13273.28##Grafico de dispersion en los sueldos de ambas carreras
plot(carreras$Sueldo, col="red")
## Estimación de parámetros
¿Qué carrera se puede observar que gana más dinero?
Para saber la respuesta es necesario hacer una prueba de hipótesis Realizando un grafico comparativo del conjunto de datos de los sueldos de ambas carreras
boxplot(carreras$Sueldo ~ carreras$Perfil, col="red")
# ¿Que grado académico está percibiendo más sueldo?
boxplot(carreras$Sueldo ~ carreras$`Grado minimo`, col="red")