El archivo 06_imputacion_20224.R desarrolla la identificación, tratamiento, imputación y validación de valores faltantes del periodo 20224 de Saber 11. El proceso parte de 1.065.888 registros y aplica métodos diferenciados según la naturaleza estadística de cada variable. Las variables socioeconómicas e institucionales se imputaron principalmente mediante MICE, utilizando logreg para variables binarias, polyreg para nominales y polr para ordinales. Las variables de inglés se trataron mediante imputación del puntaje y reconstrucción de sus variables derivadas, mientras que la fecha de nacimiento válida se completó mediante muestreo aleatorio de valores observados, utilizando la semilla reproducible 5477976. Además, se eliminaron 4 registros estructuralmente incompletos y dos representaciones redundantes de la fecha de nacimiento. Cada tratamiento fue validado para comprobar que los valores originalmente observados no fueran modificados. Como resultado, la base final quedó conformada por 1.065.884 registros y 77 variables, con 0 valores nulos, quedando preparada para las siguientes etapas de análisis y modelado.

Tugas menganalisis kecepatan unduh WiFi menggunakan R

A reproducible R benchmark exploring how input data volume and ETL workload complexity affect runtime and throughput. Using synthetic data generated in R, the analysis applies repeated timing measurements, simple linear regression, ggplot2 visualizations, and an interactive Plotly chart to examine ETL performance.

Perlita Illona Indrasari 2507016004

Qissya Nasuha Amalia (2507016034)

NAMA:NADIA NIM:2507016010