Mostrando entradas con la etiqueta Rstudio. Mostrar todas las entradas
Mostrando entradas con la etiqueta Rstudio. Mostrar todas las entradas

jueves, 3 de marzo de 2016

Rstudio: Herramienta Estadística

En el Máster Universitario Tecnología Aprendizaje y Educación en sus primeras asignaturas:  
  • Tecnologías de la Información y la Comunicación Orientadas a la Educación.
  • Recursos y Herramientas Asíncronas para el Trabajo Colaborativo Educativo.
Impartidas por Jesús Romo y Oskar Casquero, tuvimos la experiencia de trabajar diferentes herramientas para el trabajo colaborativo y el aprendizaje.
Oskar Casquero, presenta una herramienta interesante para el estudio de estadísticas denominado Rstudio.  

www.rstudio.com
Rstudio es un software de análisis de códigos abiertos y gratuitos que posee características potentes y que puede ser instalado en diversos sistemas operativos.
Fue creado por JJ Allaire y esta disponible en 2 ediciones:
Rstudio de escritorio, este se ejecuta de forma local y esta disponible para Microsoft  Windows, Max OSx y Linux.
 Rstudio Server, este se utiliza accediendo a través de un navegador.
Durante la sesión trabajamos  la versión de escritorio, y pudimos tener la experiencia de ese entorno Rstudio.

Aprendizajes:
  • Integración de las bases de datos.
  • Generación de gráficos.
  • Análisis estadísticos de diferentes entornos de aprendizaje como son Moodle Y Google Apps.

El entorno de programación de Rstudio posee una consola en la cual escribimos los comandos que se ejecutan sobre los datos que previamente habíamos cargado.

Comandos utilizados en las tareas:

En el filtrado de datos:
Subset: filtrar los sujetos por entorno.
datosMoodle <- subset(notas.2grupo.v3, grupo=="Moodle")
datosGoogleApps <- subset(notas.2grupo.v3, grupo=="Google Apps")

Representación gráfica:
Plot:
Plot(Nota.2grupos.v1$nota, ylab=”Notas”, xlab=”Grupos”, type=”n”

Media estadística:
with: diferencias entre grupos.
With(notas.2gruposv1, tapply(nota,list(grupo), mean))

Diferencia entre grupos (métodos paramétricos)
t.test:
t.test(datosMoodle$nota, datosGoogleApps$nota)

aov(nota~(grupo*sexo), data= 2grupos.v3)



Conclusión:

Cada una de estas tareas nos ha involucrado en un poco de programación.
De manera particular en mi post sobre Experiencia Mutae me propuse una meta:
 Manejar Rstudio de forma adecuada, para poder trabajar en el futuro en  torno a las 
estadísticas.
 Ha sido un reto trabajar las tareas evaluables, sin embargo nos han servido de interacción grupal. 


Gracias compañeros y
 compañeras.     
 Gracias Team Barahona
cada uno ha aportado su granito 
para edificar y mejorar nuestras competencias.
Todos y todas  a la expectativa 
 de las materias siguientes.

Abrochemos los cinturones.









lunes, 29 de febrero de 2016

Tarea Evaluable T3: Análisis

  Tarea Evaluable T3

Unos investigadores desarrollan un nuevo entorno virtual basado en Goolge Apps. Para evaluar la incidencia de la utilización de este nuevo entorno en las calificaciones de los estudiantes durante, durante dos años se realiza el estudio de caso de dos grupos de estudiantes: un grupo de control que utiliza Moodle y un grupo experimental que utiliza Google Apps, el reparto de los sujetos entre ambos grupos se realiza siguiendo un criterio de paridad de sexo.

Se pide:
  1. Observar los datos y reflexionar acerca  de la relación que existe entre las variables calificación, grupo y sexo.
  2. Dibujar en Excel un gráfico de interacción de las medias de las calificaciones combinando las variables grupo y sexo. ¿Coinciden los resultados mostrados en el gráfico con tus reflexiones del apartado anterior?
  3. Analizar si existen diferencias estadísticamente significativas en las calificaciones  en función de grupo y sexo.
  4. Utilizar la función aov() de R para saber si existe un interacción estadísticamente significativa en as variables grupo y sexo.


     
Imagen 1
Reflexión:
Al cargar el archivo Notas.grupos.v3 a Rstudio, pude observar que en el entorno virtual Moodle, el sexo femenino  tenían mejores calificadores que los del sexo masculino.

En el entorno Google Apps el sexo masculino poseen mejores calificaciones que el femenino.

A simple vista podemos decir que los que han utilizado Google Apps han tenido mejores calificaciones que los de Moodle. 






En Rstudio realizamos las diferentes combinaciones de variables  para con esos datos graficar en Excel.


Imagen 2



Imagen 2.1


Imagen 4
Obteniendo los siguientes datos utilizando With para encontrar la media: 














Graficación en Excel con los datos arrojados:


Imagen 5

Imagen 6
Los datos arrojados en parte están en acuerdo con mis reflexiones, sin embargo en el gráfico hay un punto donde convergen los grupos y los sexos donde arroja un valor igual a  6.25. 
   
Imagen 7
.
Aplicándole una prueba aplicándole una prueba de t.test tomando en cuenta grupo y notas encontramos  :

imagen 8

Aplicando la función  aov(), tenemos:


Imagen 9

 En conclusión  podemos decir que si existe una diferencia significativa  tomando en cuenta el grupo, el sexo y las notas.





Webgrafía:

rolan.webs.uvigo.es