Pasos para el análisis de datos a través
de R-Studio.
En el presente análisis muestro los pasos
necesarios para evaluar si existía una
diferencia estadísticamente significativa...
Este estudio se realizó por 2 años
consecutivos; los datos evaluados a
continuación corresponden al primer año.
Abrimos R-Studio.
Nos abrirá esta interfaz.
En la ventana superior derecha hacemos clic
en la pestaña Import Dataset, y luego en
la opción Text File.
Buscamos y seleccionamos el archivo
(Notas-2grupos-v1.csv).
En la imagen siguiente podremos ver en la
parte superior de la ventana un cuadro de
texto (Input File) el cual muestra los...
Le damos
clic
en Import
y nos
muestra
los
siguientes
datos.
Podemos ver
una nueva
ventana en la
parte superior
izquierda que
nos muestra
una tabla con
los datos
cargados.
Además nos podemos percatar de que en
la ventana inferior izquierda
que dice Console aparece un texto en
color azul que an...
Ahora vamos a la ventana Console e ingresamos
los siguientes códigos para filtrar los datos de la
tabla y crear una nueva ...
Notas.2grupos.v1 es el nombre de la tabla
original de la cual filtramos los datos y creamos
la nueva tabla llamada datosMo...
Si utilizáramos este código para otros datos
tendríamos que cambiar las siguientes partes:
datosMoodle: es el nombre de la...
Ahora ingresamos otra línea de código.
datosGoogleApps <- subset(Notas.2grupos.v1,
grupo=="Google Apps")
Que nos dará como...
De nuevo (Notas.2grupos.v1) es el nombre de
la tabla original de la cual filtramos los datos y
creamos la nueva tabla llam...
Ahora vamos a hacer la representación
gráfica, y para ello ingresamos el
siguiente código.
plot(Notas.2grupos.v1$grupo,
No...
Ahora el análisis diferencial entre grupos, y
para ello usamos el siguiente código.
with(Notas.2grupos.v1, tapply(nota,
li...
Aquí podemos ver que la nota media de los
estudiantes que utilizaron la interfaz virtual
de Google Apps fue de (7.25) y de...
y ya para el final analizaremos si existe una
diferencia estadísticamente significativa
entre las calificaciones.
Para lo ...
y como resultado obtenemos que
P-value = 0.007427
Al llevar este valor a porcentaje nos arroja:
0.007427 * 100 = 0.7427%
P...
R-Studio, diferencia estadísticamente significativa 1
R-Studio, diferencia estadísticamente significativa 1
R-Studio, diferencia estadísticamente significativa 1
Próxima SlideShare
Cargando en…5
×

R-Studio, diferencia estadísticamente significativa 1

578 visualizaciones

Publicado el

A continuación presento un análisis estadístico en el cual determino si existe una diferencia significativa entre las calificaciones que obtuvieron los estudiantes de un grupo de 40 personas, el cual fue dividido en partes iguales para trabajar en dos entornos virtuales de aprendizaje distintos (uno Moodle y el otro Google Apps).

Publicado en: Educación
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
578
En SlideShare
0
De insertados
0
Número de insertados
75
Acciones
Compartido
0
Descargas
2
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

R-Studio, diferencia estadísticamente significativa 1

  1. 1. Pasos para el análisis de datos a través de R-Studio.
  2. 2. En el presente análisis muestro los pasos necesarios para evaluar si existía una diferencia estadísticamente significativa entre las calificaciones que obtuvieron los estudiantes de un grupo de 40 personas, el cual fue dividido en partes iguales para trabajar en dos entornos virtuales de aprendizaje distintos (uno Moodle y el otro Google Apps).
  3. 3. Este estudio se realizó por 2 años consecutivos; los datos evaluados a continuación corresponden al primer año.
  4. 4. Abrimos R-Studio.
  5. 5. Nos abrirá esta interfaz.
  6. 6. En la ventana superior derecha hacemos clic en la pestaña Import Dataset, y luego en la opción Text File.
  7. 7. Buscamos y seleccionamos el archivo (Notas-2grupos-v1.csv).
  8. 8. En la imagen siguiente podremos ver en la parte superior de la ventana un cuadro de texto (Input File) el cual muestra los datos como están originalmente en el archivo, y en la parte inferior en otro cuadro de texto (Data Frame) vemos los datos como serán mostrados luego de ser cargados a R-Studio.
  9. 9. Le damos clic en Import y nos muestra los siguientes datos.
  10. 10. Podemos ver una nueva ventana en la parte superior izquierda que nos muestra una tabla con los datos cargados.
  11. 11. Además nos podemos percatar de que en la ventana inferior izquierda que dice Console aparece un texto en color azul que antes no estaba, este es el llamado a los datos.
  12. 12. Ahora vamos a la ventana Console e ingresamos los siguientes códigos para filtrar los datos de la tabla y crear una nueva a partir del elemento (Moodle o Google Apps). datosMoodle <-subset(Notas.2grupos.v1, grupo=="Moodle") Como resultado de ingresar esta línea de código nos arroja una tabla con 20 elementos filtrados a partir del elemento Moodle.
  13. 13. Notas.2grupos.v1 es el nombre de la tabla original de la cual filtramos los datos y creamos la nueva tabla llamada datosMoodle
  14. 14. Si utilizáramos este código para otros datos tendríamos que cambiar las siguientes partes: datosMoodle: es el nombre de la tabla nueva que vamos a crear. Notas.2grupos.v1: es el nombre de la tabla que cargamos previamente y de donde haremos el filtrado. grupo=="Moodle": (grupo) es el nombre de la columna y (Moodle) es el elemento que filtrará.
  15. 15. Ahora ingresamos otra línea de código. datosGoogleApps <- subset(Notas.2grupos.v1, grupo=="Google Apps") Que nos dará como resultado otra tabla con 20 elementos pero con la diferencia de que estos fueron filtrados a partir del elemento Google Apps.
  16. 16. De nuevo (Notas.2grupos.v1) es el nombre de la tabla original de la cual filtramos los datos y creamos la nueva tabla llamada datosGoogleApps
  17. 17. Ahora vamos a hacer la representación gráfica, y para ello ingresamos el siguiente código. plot(Notas.2grupos.v1$grupo, Notas.2grupos.v1$nota, xlab="Grupos", ylab="Notas", type="n")
  18. 18. Ahora el análisis diferencial entre grupos, y para ello usamos el siguiente código. with(Notas.2grupos.v1, tapply(nota, list(grupo), mean))
  19. 19. Aquí podemos ver que la nota media de los estudiantes que utilizaron la interfaz virtual de Google Apps fue de (7.25) y del grupo de Moodle fue de (6.25).
  20. 20. y ya para el final analizaremos si existe una diferencia estadísticamente significativa entre las calificaciones. Para lo cual ingresaremos el siguiente código. t.test(datosMoodle$nota, datosGoogleApps$nota)
  21. 21. y como resultado obtenemos que P-value = 0.007427 Al llevar este valor a porcentaje nos arroja: 0.007427 * 100 = 0.7427% Por consiguiente, como conclusión podemos decir que sí existe una diferencia estadísticamente significativa entre las notas de los dos grupos.

×