paper.Rmd

---
title: "Profile performance analysis"
author: "Uayeb Caballero"
date: "30 de abril de 2020"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
library(dplyr)
library(ggplot2)
```

## Introducción

En este pequeño analisis vamos a estudiar cuales son las caracteristicas de los estudiantes con mayor riesgo a tener un desempeño academico bajo. la recolección de información se realizo mediante encuestan en aplicadas a los alumnos de base de datos I y programación orientada a objetos. Sabemos que es de gran importancia para los docentes la Universidad Nacional Autonoma de Honduras conocer mejors a sus alumnos y planificar intervenciones mas efectivas por lo que este estudio demuestra cuales deberian de ser esos driver a tener en cuenta al inicio del periodo academico.


## Variables capturadas

```{r reading_dataset, echo=FALSE}
survey <- read.csv("survey_cleaned.csv",sep = ",", header = T)

str(survey)

```

Como se puede observar se capturaron `r nrow(survey)` observaciones y `r length(names(survey))` columnas, estas fueron diseñadas en funciones de las siguientes categorias:

1. Información demografica
2. Registro
3. Matricula
4. ....


A continuación mostramos un resumen rapido de cada una de nuestra columnas:

```{r}
summary(survey)
```

## Tratamiento de columnas

Uno de los tratamientos tipicos es la deteccion de valores nulos y según la regla de negocio realizar algún tipo de transformación. por ejemplo, nuestro dataset mostro los siguientes valores nulos

```{r echo=FALSE}

na.summay <- c()

for( myname in names(survey)){
  
  s <- as.data.frame(prop.table(table(is.na(survey[,myname]))))
  operacion <- s %>% filter(Var1 == TRUE) %>% select(Freq)
  
  df_temp <- data.frame( 
    column.name=c(myname),  
    na.percentage = ifelse( length(operacion$Freq) == 0, 0, operacion$Freq[1] )
  )
  
  na.summay <- rbind(na.summay,df_temp)
  
}

na.summay %>% arrange(-na.percentage) %>% filter(na.percentage > 0)
```


### Tratamiento de anios_becas

Si analizamos anios_beca podremos encontrar la siguiente información

```{r}
summary(survey$anios_beca)
```

31 NA's en una columna donde saber que los NA's se pueden interpretar como ceros, por eso imputamos esos valores por el valor sugerido.

```{r}
survey[is.na(survey$anios_beca),"anios_beca"] <- 0
summary(survey$anios_beca)
```



## Analisis descriptivo de datos

En esta seccion comenzamos a sugerir un par de transformacion en funcion de su caracteristicas e interpretación, como por ejemplo:

#### Jornada

```{r}
df_perc <- as.data.frame(prop.table(table(survey$jornada)))
df_perc <- df_perc %>% arrange(-Freq)

df_perc

boxplot(df_perc$Freq)
hist(df_perc$Freq)
qqnorm(df_perc$Freq)


df_perc[df_perc$Var1 %in% c("Mañana, Tarde, Noche","Mañana, Noche") , "categoria"] <- "Jornada Completa"
df_perc[df_perc$Var1 %in% c("Tarde","Noche") , "categoria"] <- "Unica Jornada"
df_perc[df_perc$Var1 %in% c("Tarde, Noche") , "categoria"] <- "Doble Jornada"

df_perc <- df_perc %>% select(Var1,categoria)

survey <- left_join(survey,df_perc,by=c("jornada"="Var1"))

survey <- survey[,!(names(survey) %in% c("jornada"))]

names(survey)[length(names(survey))] <- "jornada"
prop.table(table(survey$jornada))
```


## Correlaciones 

```{r}
prop.table(table(survey$indice,survey$trabaja),1)


ggplot(survey) +
  aes(x = indice, fill = factor(trabaja)) +
  geom_bar(position = "stack") +
  theme(axis.text.x = element_text(angle = 45))

ggplot(survey) +
  aes(x = indice, fill = factor(trabaja)) +
  geom_bar(position = "fill") +
  theme(axis.text.x = element_text(angle = 45))



chisq.test(table(survey$indice,survey$trabaja))



```


H_0: Las categorias de indice y trabaja son independientes.
H_A: Las categorias son dependientes.

Regla: Aceptamos nuestras hipotesis nula cuando el p-value de nuestra prueba chis.test es menos a 0.05

Conclusion: Según nuestro p-value rechazamos nuestra hipotesis nula, por la tanta las variables son dependientes.

## Explicativa