Encuesta de hábitos de estudio

Demostración con datos ficticios

Leli Liliana Díaz Izquierdo

Pregunta y alcance

¿Cómo se distribuyen los puntajes de los dos grupos del archivo de práctica? Este informe es un análisis descriptivo de 36 registros ficticios. No representa estudiantes reales ni estima un efecto causal de la modalidad de estudio.

source("src/curso.R", encoding = "UTF-8")
comprobar_raiz()
datos <- leer_encuesta()
resumen <- resumir_encuesta(datos)

Datos y calidad

La unidad es un registro por participante ficticio. Hay 36 registros y 3 valores faltantes en horas. Los faltantes se conservan como tales; no se sustituyen automáticamente por cero. El diccionario admite puntajes de 0 a 100 y verifica ID único y grupos A/B antes de calcular.

Resumen por grupo

knitr::kable(resumen, digits = 2,
  col.names = c("Grupo", "Registros", "Horas observadas", "Media de horas", "Media de puntaje"),
  caption = "Resumen descriptivo. La media de horas usa solo los valores observados.")
Resumen descriptivo. La media de horas usa solo los valores observados.
Grupo Registros Horas observadas Media de horas Media de puntaje
A 18 17 8.24 71.83
B 18 16 6.50 70.33

La cantidad de registros y el denominador de horas se muestran separados. El promedio de un grupo no describe por sí solo toda su distribución.

Distribución de los puntajes

figura_encuesta(datos)
Dos distribuciones de puntajes de grupos A y B, con sus observaciones individuales.
Figura 1: Puntajes ficticios por grupo. Los puntos muestran las observaciones; la caja resume la distribución.

Interpretación y límites

Los resúmenes y la figura permiten comparar las distribuciones dentro de este archivo. No hay un diseño de muestreo de una población real ni asignación aleatoria que justifique generalización o causalidad. No se añade un contraste estadístico únicamente porque esté disponible como función.

La limpieza, el diseño de recolección y la interpretación forman parte del análisis. Una diferencia observada debe describirse con magnitud, denominadores y contexto antes de atribuirle una explicación.

Reproducir

Desde la raíz del curso se ejecuta quarto render proyecto/informe.qmd. El código lee archivos del proyecto en una sesión de renderizado y no utiliza objetos guardados de una consola anterior.

list(R = as.character(getRversion()),
     huella_datos = unname(tools::md5sum("datos/encuesta.csv")),
     paquetes = vapply(c("dplyr", "ggplot2", "knitr"),
                      function(p) as.character(utils::packageVersion(p)), character(1)))
$R
[1] "4.3.3"

$huella_datos
[1] "e0ec841b69806cc877a78dfbbe79a63d"

$paquetes
  dplyr ggplot2   knitr
"1.1.4" "3.4.4"  "1.45"