Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 10 vistas

    Ejercicio Practica

    Cargado por

    Rajinders B Mendoza
    Este código R analiza las notas de estudiantes mediante la lectura de un archivo CSV, filtrado y agrupamiento de datos, y la creación de un gráfico de barras apiladas para visualizar las diferencias en las notas promedio entre secciones.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Ejercicio Practica

    Cargado por

    Rajinders B Mendoza
    10 vistas5 páginas
    Este código R analiza las notas de estudiantes mediante la lectura de un archivo CSV, filtrado y agrupamiento de datos, y la creación de un gráfico de barras apiladas para visualizar las diferencias en las notas promedio entre secciones.

    Título original

    ejercicio practica

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este código R analiza las notas de estudiantes mediante la lectura de un archivo CSV, filtrado y agrupamiento de datos, y la creación de un gráfico de barras apiladas para visualizar las diferencias en las notas promedio entre secciones.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    10 vistas5 páginas

    Ejercicio Practica

    Cargado por

    Rajinders B Mendoza
    Este código R analiza las notas de estudiantes mediante la lectura de un archivo CSV, filtrado y agrupamiento de datos, y la creación de un gráfico de barras apiladas para visualizar las diferencias en las notas promedio entre secciones.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    Toggle Sidebar

    Android App

    Analiza este código datos <- read.csv(file.choose(),header = TRUE,sep=”,”) View(datos)


    #Ver los encabezados head(datos) summary(datos)

    Str(datos)

    Datos<- datos[¡is.na(datos$Nota),] View(datos_filtrados)

    #cambiamos Nota a Numerico datos$Nota<-as.numeric(datos$Nota)

    #Filtrar Datos datos_filtrados <- subset(datos,Grado==”4SEC” & Seccion %in%


    c(“A”,”B”))

    #Promedio de Notas por Seccion promedios_por_seccion<- aggregate(Nota~Seccion,data =


    datos_filtrados,FUN = mean)

    #Grafico de Barras
    barplot(promedios_por_seccion$Nota,names.arg=promedios_por_seccion$Seccion, main =
    “Comparacion de Notas Promedio”, xlab = “Sección”,ylab=”Nota Promedio”, col =
    “lightblue”,ylim=c(0,20))

    Text(x = barplot(promedios_por_seccion$Nota,ylim = c(0,20)), y =


    promedios_por_seccion$Nota + 0.5,
    labels=round(promedios_por_seccion$Nota,2),pos=3,cex=0.8 )

    Legend(“topright”,legend=c(“Nota Promedio”),fill = “lightblue”,border=NA)


    #promedio_notas <- mean(datos_filtrados$Nota) #print(promedio_notas)

    Edit

    Here’s a brief analysis of the given code:

    This R code reads a CSV file using the read.csv() function and assigns the data to an object
    named datos. The header = TRUE argument indicates that the first row of the CSV file
    contains column names, and sep = “,” specifies that columns are separated by commas.

    The head(datos) function call displays the first six rows of the dataset, while
    summary(datos) provides a summary of the dataset’s columns. The str(datos) function call
    displays the structure of the dataset, including the data types of each column.

    The code then filters out rows with missing values in the Nota column and assigns the
    resulting data frame to datos_filtrados. It also converts the Nota column to numeric format
    using as.numeric().

    Next, the code filters the data further based on the Grado and Seccion columns, keeping
    only rows with Grado equal to “4SEC” and Seccion equal to either “A” or “B”.

    The code then calculates the mean Nota for each Seccion using the aggregate() function and
    stores the result in promedios_por_seccion.

    Finally, the code creates a bar plot of the mean Nota for each Seccion using barplot() and
    adds text labels to the bars using text(). The legend() function adds a legend to the plot.

    Overall, this code calculates and visualizes the mean Nota for each Seccion in a filtered
    dataset.
    Answer
    2
    3

    Ahora respondeme estas preguntas Qué pasos seguimos para preparar los datos antes de
    crear el gráfico de barras apiladas? ¿Por qué es importante filtrar y agrupar los datos
    correctamente en este ejercicio? Visualización y Análisis: ¿Cómo se presenta la
    información en el gráfico de barras apiladas? ¿Qué nos dice este gráfico sobre las
    diferencias en las notas promedio entre los diferentes grados y secciones? ¿Qué
    conclusiones podemos extraer al comparar las notas promedio entre diferentes grados y
    secciones? Aplicación Práctica: ¿Cómo podríamos usar esta información para identificar
    áreas de mejora en el rendimiento académico de los estudiantes? ¿Qué acciones podríamos
    tomar basadas en los resultados obtenidos en este ejercicio?

    Edit

    Here are the answers to your questions:

    Preparación de datos

    Qué pasos seguimos para preparar los datos antes de crear el gráfico de barras apiladas?
    Para preparar los datos, seguimos los siguientes pasos:

    Leer el archivo CSV y asignar los datos a un objeto llamado datos.


    Verificar la estructura de los datos con str(datos).
    Filtrar los datos para eliminar filas con valores perdidos en la columna Nota.
    Convertir la columna Nota a formato numérico.
    Filtrar los datos para seleccionar solo las filas con Grado igual a “4SEC” y Seccion igual a
    “A” o “B”.
    Agrupar los datos por Seccion y calcular la media de Nota para cada grupo.
    ¿Por qué es importante filtrar y agrupar los datos correctamente en este ejercicio?
    Es importante filtrar y agrupar los datos correctamente para asegurarnos de que solo se
    incluyan las filas relevantes en el análisis y que se calcule la media de Nota para cada grupo
    de manera precisa. Si no se filtran y agrupan los datos correctamente, el gráfico de barras
    apiladas podría mostrar resultados incorrectos o engañosos.

    Visualización y Análisis

    ¿Cómo se presenta la información en el gráfico de barras apiladas?


    La información se presenta en un gráfico de barras apiladas, donde cada barra representa la
    media de Nota para una sección específica (A o B). La altura de cada barra indica la media
    de Nota para esa sección.

    ¿Qué nos dice este gráfico sobre las diferencias en las notas promedio entre los diferentes
    grados y secciones?
    El gráfico nos muestra las diferencias en las notas promedio entre las secciones A y B para
    el grado 4SEC. Podemos ver qué sección tiene una nota promedio más alta o más baja.

    ¿Qué conclusiones podemos extraer al comparar las notas promedio entre diferentes grados
    y secciones?
    Podemos extraer conclusiones sobre las fortalezas y debilidades de cada sección en
    términos de rendimiento académico. Por ejemplo, si una sección tiene una nota promedio
    significativamente más alta que la otra, podríamos concluir que esa sección tiene un
    enfoque más efectivo en la enseñanza.

    Aplicación Práctica

    ¿Cómo podríamos usar esta información para identificar áreas de mejora en el rendimiento
    académico de los estudiantes?
    Podríamos usar esta información para identificar áreas de mejora en la enseñanza y el
    aprendizaje en cada sección. Por ejemplo, si una sección tiene una nota promedio más baja,
    podríamos investigar qué factores contribuyen a este resultado y desarrollar estrategias para
    mejorar el rendimiento de los estudiantes en esa sección.

    ¿Qué acciones podríamos tomar basadas en los resultados obtenidos en este ejercicio?
    Podríamos tomar acciones como:

    Desarrollar programas de apoyo para estudiantes que necesitan mejorar su rendimiento en


    una sección específica.
    Proporcionar recursos adicionales para los profesores que enseñan en secciones con notas
    promedio más bajas.
    Revisar y ajustar los planes de estudio y los métodos de enseñanza para asegurarnos de que
    sean efectivos para todos los estudiantes.

    También podría gustarte