Académique Documents
Professionnel Documents
Culture Documents
ESTADISTICA APLICADA
ANALISIS DE CONGLOMERADOS
Edad
Peso
Numero de hermanos
Frecuencia de pérdida
Horas dedicadas al estudio
Artefactos electrónicos usados
Nota más alta
Nota más baja
Cantidad personas con quien vives
Cantidad libros usados en promedio
DATOS INICIALES
alumnos9
Materias Edad Peso Horas est Artef elect Frec perdida Nota alta Num herm
1 Ed.Religiosa 13 40 1 0 1 4 1
2 Etica y valor 13 41 1 1 1 3 2
3 Historia 14 45 3 0 1 3 3
4 Geografia 12 39 0 0 0 4 2
5 Demografia 12 38 1 0 1 3 3
6 Dibujo 14 43 2 0 2 5 0
7 Artes plastic 15 44 4 0 2 3 1
8 Artes esce 15 46 3 1 2 4 2
9 Ed.fis y dep 13 41 1 0 2 3 0
10 Ten e inf 12 40 2 2 2 4 4
11 Agro 12 40 2 1 1 3 2
12 Conducta 16 48 3 1 0 3 3
13 Disciplina 14 45 1 0 1 5 5
14 Geometria 14 43 2 0 1 3 1
15 Estadistica 12 39 3 0 1 3 1
16 Biologia 13 40 0 1 1 3 0
17 Fisica 14 42 1 2 1 4 3
18 Quimica 15 46 2 3 2 3 3
19 Lect critica 13 41 4 2 2 3 4
20 Catedra paz 13 42 5 1 0 5 2
21 Ed sexual 12 41 3 1 2 3 1
22 Ed ambient 12 38 2 1 2 4 1
23 Matematicas 15 47 4 1 2 3 2
24 Prub saber 13 45 1 3 2 3 2
Can per viv Nota baja Can libros
1 3 1 1
2 4 2 2
3 5 1 3
4 3 2 2
5 2 1 3
6 4 2 1
7 3 2 2
8 3 2 1
9 4 1 2
10 3 2 1
11 2 1 2
12 3 2 0
13 4 1 0
14 5 2 3
15 2 1 1
16 3 1 2
17 4 2 3
18 3 2 1
19 4 1 3
20 5 2 2
21 2 1 1
22 5 2 2
23 4 1 1
24 3 2 2
MATERIAS VS VARIABLES
> View(alumnos9)
> alumnos9=as.data.frame(alumnos9)
> View(alumnos9)
> datos = alumnos9[,-c(1,12)]
> rownames(datos) = unclass(alumnos9$Materias)
> head(datos)
Edad Peso Horas est Artef elect Frec perdida Nota alta Num herm
Ed.Religiosa 13 40 1 0 1 4 1
Etica y valor 13 41 1 1 1 3 2
Historia 14 45 3 0 1 3 3
Geografia 12 39 0 0 0 4 2
Demografia 12 38 1 0 1 3 3
Dibujo 14 43 2 0 2 5 0
Can per viv Nota baja Can libros
Ed.Religiosa 3 1 1
Etica y valor 4 2 2
Historia 5 1 3
Geografia 3 2 2
Demografia 2 1 3
Dibujo 4 2 1
OBSERVACIONES RELEVANTES:
Vemos en la parte inferior izquierda del grafico que existe una concentracion del color azul tenue, lo cual nos muestra que
las conglomerados(materias) por ejemplo Demografia esta cerca a Biologia,Educacion fisica,Estadistica,Agropecuarias en
cuanto a sus valores numericos (similares).Vemos ademas en la parte inferior derecha concentracion del color Naranja
tenue,los cual nos lleva a decir que existe distancia considerable entre Disciplina , Conducta en relacion a los
conglomerados Geometria,Estadistica,Educacion sexual, Agropecuarias,Quimica,Biologia,Lectura critica,Tecnologia e
informatica,Etica y valores, Historia,Geometria,Dibujo,Catedra de la paz(Disimilares)
GRAFICO DE SINGLE
OBSERVACIONES RELEVANTES:
Primero que todo la grafica nos muestra la variedad de cluster que se pueden formar, lo cual nos lleva decir que los
conglomerados entre si , sus valores numericos asociados a las variables tienen cierta similitud.
Podemos observar que entre Agropecuaria y estadistica forman un cluster y su diferencia numerica es de 2,entre
Educacion sexual,Agropecuarias,Estadistica,Educacion reiligiosa,Educacion fisica forman otro cluster su distancia
numerica seria de 2,5 y un cluster mas extenso entre Bilogia,Educacion ambiental,Geografia,Historia,Geometria, Etica y
valores,Fisica,Dibujo, y Quimica su diferencia numerica sera de 3,5 entre los valores internos de las variables.
GRAFICO DE COMPLETE
OBSERVACIONES RELEVANTES:
Las distancias entre las materias (cluster) van desde 1 hasta 7. Un cluster entre conducta y Disciplina su distancia mas
lejana entre su valores internos es de 5,entre Agropecuarias y Estadistica su distancia mas lejana es de 2, otro cluster
formado por Agropecuarias,Estadistica,Educacion Religiosa y educacion fisica su distancia mas lejana es de 4. Esto nos
llevaria a rgumentar que entre los aglomerados (materias) existen valores distantes ,por lo cual podemos decir que
existen cluster disimilares.
GRAFICO DE AVERAGE
( Promedio)
OBSERVACIONES RELEVANTES:
A una distancia de 2,5 entre los promedios de los cluster se ubican la mayoria de los cluster, entre ellos Historia y
Geometria, Demografia,Educacion sexual,Agropecuaria, Estadistica
GRAFICO PARA EL METODO DE WARD
OBSEVACIONES RELEVANTES
Vemos que con el metodo de Ward nos resultan varios cluster y que las distancias entre ellos son mayores por lo cual nos
da idea de que las similutudes son menores por lo cual el numero de cluster deben ser menores.
En el cluster N°2 estan los aglomerados: Tecnologia e informatica,Lectura critica,Pruebas saber,Quimica.En este cluster se ubican los
alumnos con edades promedios de 13 años, pesos promedio de 43 kilogramos, horas de estudio un poco mas de 2 horas, artefactos
electronicos utilizados a estudiar 3, las materias en promedio la han perdido 2 veces,la nota mas alta es de 3.25,tienen en promedio
3 hermanos,cantidad promrdio de personas que viven con ellos 3, nota mas baja 1.75 puntos, utilizan aproximadamente 2 libros.
En el clusterN° 3 estan los aglomerados: Educacion ambiental,Catedra de paz,Geometria,Fisica,Etica y valores, Historia. Los alumnos
que pertenecen a este cluster tienen una edad promedio de 13 años , peso promedio de 42 kilogramos,horas de estudio un poco mas
de 2 horas, aproximadamente usan un artefacto electronico como ayuda, han perdido las materias aproximdamente una vez,nota mas
alta en promedio para las materias 3.7, numero de hermanos 2, cantidad de personas con quien viven aproximadamente 5 y nota mas
baja aproximadamente 1.8, utilizan aproximadamente 3 libros.
En el cluster N°4 estan los aglomerados: Dibujo,Disciplina,Conducta, Artes escenicas,Matematicas y Artes placsticas.Los alumnos que
pertenecen a este grupo tienen una edad promedio de 14 años, un peso promedio de 46 kilogramos aproximadamente de didican 3
horas de estudio en promedio,aproximadamente utilizan un artefacto electronico como ayuda,aproximadamente pierden 2 veces las
materias, nota mas alta 3.8, nota mas baja 1.6, aproximadamente usan 1 libro.