UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE
DEPARTAMENTO DE CIENCIAS EXACTAS
CARRERA TÉCNICA
PRIMER PARCIAL
INFORME N°2:
Análisis Estadístico De Una Base De Datos Académica Mediante Rstudio
AUTORES:
Chicaiza Arellano Erick Mateo
Chicaiza Cobos Hanz Héctor
Samaniego Paredes Brath Anthony
Tito Pilataxi Isaac Ariel
Zambrano Salcedo Jhon Bryan
ASIGNATURA:
Estadística NRC-27897
DOCENTE:
Ing. Salazar Escobar Hugo David
FECHA:
01 de mayo del 2026
SANGOLQUÍ – ECUADOR
INFORME DE PRÁCTICA DE LABORATORIO
DEPARTAMENTO: Ciencias Exactas CARRERA: Telecomunicaciones
ASIGNATURA: Estadística NIVEL: Tercero FECHA: 01/05/2026
DOCENTE: Ing. Hugo Salazar PRÁCTICA N°: 2 CALIFICACIÓN:
Análisis Estadístico De Una Base De Datos Académica Mediante Rstudio
Anthony Samaniego, Erick Chicaiza, Hanz Chicaiza, Isaac Tito y Jhon Zambrano
RESUMEN
En la presente práctica de laboratorio se trabajó con una base de datos obtenida desde
la plataforma Kaggle, correspondiente al rendimiento académico de 500 estudiantes. La base
de datos contiene variables cuantitativas y cualitativas relacionadas con factores personales,
familiares y académicos que pueden influir en el desempeño estudiantil. Para el desarrollo de
la práctica, se seleccionaron tres variables cuantitativas: edad, horas de estudio y puntuación
del último examen; además de tres variables cualitativas: género, nivel educativo más alto de
los padres y acceso a internet.
Los resultados obtenidos permitieron fortalecer el manejo de bases de datos reales, el
uso de herramientas estadísticas computacionales y la interpretación gráfica y numérica de
información académica. Asimismo, se evidenció la utilidad de RStudio como entorno eficiente
para el procesamiento y visualización de datos estadísticos.
Palabras Claves: RStudio, Kaggle, variables.
1. INTRODUCCIÓN:
En la actualidad, el análisis de datos se ha convertido en una herramienta esencial para
la toma de decisiones en ámbitos académicos, científicos y empresariales. La estadística
descriptiva permite organizar, resumir e interpretar grandes volúmenes de información
mediante métodos numéricos y gráficos, facilitando la comprensión de fenómenos complejos.
El acceso a plataformas de datos abiertos como Kaggle ha impulsado significativamente
el aprendizaje aplicado de la estadística y la ciencia de datos. Estas plataformas ofrecen
conjuntos de datos reales que permiten desarrollar competencias analíticas mediante el uso de
software especializado. En este contexto, RStudio representa uno de los entornos de
programación estadística más utilizados a nivel mundial, debido a su versatilidad para
manipular datos, realizar cálculos estadísticos y generar visualizaciones de alta calidad.
2. OBJETIVOS
2.1 OBJETIVO GENERAL:
− Aplicar técnicas de estadística descriptiva mediante el uso de RStudio sobre una base
de datos académica obtenida de Kaggle, analizando variables cualitativas y
cuantitativas relacionadas con el rendimiento estudiantil.
2.2 OBJETIVOS ESPECÍFICOS:
− Importar y organizar en RStudio una base de datos en formato CSV obtenida desde la
plataforma Kaggle.
− Analizar variables cualitativas mediante tablas de frecuencias y representaciones
gráficas personalizadas.
− Calcular e interpretar medidas estadísticas descriptivas y diagramas de cajas para
variables cuantitativas.
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
3. MARCO TEÓRICO:
RStudio y el Entorno R
RStudio es un entorno de desarrollo integrado (IDE) diseñado específicamente para el
lenguaje de programación R, el cual es un estándar en la computación estadística y el análisis
de datos. A diferencia de la consola básica de R, RStudio ofrece una interfaz gráfica robusta
que facilita la gestión de scripts, la visualización de gráficos y el manejo de variables en tiempo
real. Esta herramienta permite automatizar procesos complejos, asegurando la reproducibilidad
de los análisis científicos mediante el uso de librerías especializadas en minería de datos y
representación visual (RStudio Team, 2023).
Kaggle como Repositorio de Datos
En el ámbito de la ciencia de datos, Kaggle se posiciona como la plataforma líder para
el intercambio de conjuntos de datos (datasets) y la realización de competencias de aprendizaje
automático. El acceso a bases de datos académicas en Kaggle permite a los investigadores y
estudiantes trabajar con escenarios reales, superando las limitaciones de los datos ficticios de
libros de texto. La disponibilidad de archivos en formato CSV dentro de esta plataforma
optimiza la interoperabilidad con lenguajes como R y Python (Kaggle Inc., 2024).
Conceptos Estadísticos Aplicados
Figura 1 Cuadro Sinóptico
Clasificación de Variables
La estadística descriptiva se fundamenta en la naturaleza de los datos. Las variables
cualitativas representan categorías o atributos no numéricos (como el género o el acceso a
internet), mientras que las variables cuantitativas expresan magnitudes numéricas que permiten
realizar operaciones aritméticas (como la edad o la puntuación de un examen). La correcta
identificación de estas variables es crucial para seleccionar el método de representación gráfica
adecuado (Anderson et al., 2020).
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Medidas de Tendencia Central
Estas medidas permiten resumir un conjunto de datos en un solo valor representativo:
• Media: Promedio aritmético de los datos.
• Mediana: Valor central que divide la distribución al 50%.
• Moda: Valor con mayor frecuencia absoluta.
Medidas de Dispersión
Indican qué tan alejados se encuentran los datos con respecto a la media. La varianza
mide el promedio de los cuadrados de las desviaciones, mientras que la desviación estándar
proporciona una medida de dispersión en las mismas unidades originales de la variable, siendo
fundamental para identificar la heterogeneidad de la muestra estudiantil (Lind et al., 2019)
Representaciones Gráficas
El uso de diagramas de barras y pastel es ideal para variables cualitativas, permitiendo
observar la distribución proporcional de las categorías. Por otro lado, el Diagrama de Cajas y
Bigotes (Boxplot) es una herramienta poderosa para variables cuantitativas, ya que visualiza
los cuartiles, la mediana y, fundamentalmente, identifica valores atípicos (outliers) que podrían
sesgar los resultados del rendimiento académico (Montgomery & Runger, 2018).
Figura 2 Diagrama de Cajas y Bigotes
Figura 3 Diagrama tipo pastel
4. DESARROLLO
Descripción del Procedimiento:
La práctica inició con la búsqueda de una base de datos académica en la plataforma
Kaggle. Se seleccionó el conjunto de datos titulado Student Academic Performance – 500
Students, disponible públicamente y orientado al análisis del desempeño estudiantil.
La base de datos contiene información de 500 estudiantes e incluye variables
relacionadas con edad, género, horas de estudio, acceso a internet, nivel educativo de los padres
y resultados académicos, entre otras. Este tipo de información permite estudiar factores que
influyen en el rendimiento educativo. Posteriormente, el archivo fue descargado en formato
CSV, formato ampliamente utilizado para el intercambio de datos tabulares debido a su
compatibilidad con múltiples programas estadísticos.
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Luego, el archivo fue importado al software RStudio mediante funciones de lectura de
datos, permitiendo cargar la base en un dataframe para su manipulación. Se escogieron las
siguientes variables:
Figura 5 Diagrama de frecuencias educación de Padres Figura 4 Diagrama de frecuencias Genero
Figura 6 Diagrama de frecuencias acceso a internet Figura 7 Diagrama de cajas y bigotes edad
Figura 9 Diagrama de cajas y bigotes estudio Figura 8 Diagrama de cajas y bigotes nota final
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
5. ANÁLISIS DE RESULTADOS:
Se analizó una base de datos de 500 estudiantes con información sobre su edad, género, horas
de estudio, acceso a internet, educación de padres y calificaciones.
La mitad de los estudiantes (50.8%) tienen acceso a internet en casa, mientras que la otra mitad
no lo tiene. Esto es importante porque afecta la capacidad para hacer tareas y acceder a material
educativo. Los estudiantes sin internet pueden estar en desventaja académica.
Los estudiantes estudian un promedio de 15.3 horas por semana, pero con grandes diferencias:
algunos estudian solo 2 horas y otras 30 horas semanales. Este tiempo dedicado al estudio
impacta directamente en el aprendizaje y las calificaciones.
La mayoría obtiene notas entre 45 y 68 puntos, con un promedio de 55.98/100. Hay variación:
desde calificaciones muy bajas (20 puntos) hasta excelentes (95 puntos).
6. CONCLUSIONES:
✓ Se logró importar y estructurar correctamente una base de datos real en formato CSV
dentro de RStudio, evidenciando la importancia del manejo adecuado de datos externos
en procesos estadísticos modernos. Esto permitió trabajar con información auténtica y
fortalecer habilidades en administración de bases de datos.
✓ El análisis de variables cualitativas mediante tablas de frecuencias y gráficos
personalizados permitió representar visualmente características relevantes de la
población estudiantil, como distribución por género, nivel educativo familiar y acceso a
internet. Esto demostró la utilidad de la estadística gráfica para interpretar información
categórica de manera clara y eficiente.
✓ Finalmente, se calcularon medidas descriptivas para variables cuantitativas y se
elaboraron diagramas de cajas que facilitaron la identificación de tendencias, dispersión
y posibles datos atípicos. Esto confirmó que las herramientas estadísticas
computacionales permiten obtener resultados rápidos, precisos y de gran valor
interpretativo.
7. REFERENCIAS BIBLIOGRÁFICAS
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Cochran, J. J. (2020).
Estadística para negocios y economía. Mexico: Cengage Learning.
Kaggle Inc. (2024). Kaggle. Retrieved from [Link]
Lind, D. A., Marchal, W. G., & Wathen, S. A. (2019). Estadística aplicada a los negocios y
la economía. McGraw-Hill.
Montgomery, D. C., & Runger, G. C. (2018). Probabilidad y estadística aplicadas a la
ingeniería. Limusa Wiley.
RStudio Team. (2023). RStudio: Integrated Development for R. Retrieved from
[Link]
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1