# ==============================================================================
# PROYECTO DE PROBABILIDAD Y ESTADÍSTICA - EPN (VERSIÓN ONLINE)
# ==============================================================================

# 1. GENERACIÓN DE LA BASE DE DATOS COMPLETA
set.seed(2026)
base_completa_epn <- data.frame(
  Estudiante_ID = 1:150,
  
  Provincia_Origen = sample(c("Pichincha", "Guayas", "Manabí", "Pastaza", "Napo", "Tungurahua", "Loja", "Azuay"), 
                            150, replace = TRUE, prob = c(0.65, 0.08, 0.05, 0.03, 0.02, 0.07, 0.05, 0.05)),
  
  Region = sample(c("Sierra", "Costa", "Amazonía"), 150, replace = TRUE, prob = c(0.82, 0.13, 0.05)),
  
  Etnia = sample(c("Mestizo", "Indígena", "Blanco", "Afroecuatoriano", "Montubio"), 
                 150, replace = TRUE, prob = c(0.84, 0.08, 0.05, 0.02, 0.01)),
  
  Tipo_Colegio = sample(c("Público", "Privado", "Fiscomisional"), 
                        150, replace = TRUE, prob = c(0.60, 0.30, 0.10)),
  
  Genero = sample(c("Masculino", "Femenino"), 150, replace = TRUE, prob = c(0.63, 0.37)),
  
  Periodo_Postulacion = sample(c("2022-A", "2022-B", "2023-A", "2023-B", "2024-A", "2024-B"), 
                               150, replace = TRUE)
)

# ==============================================================================
# COMPONENTE 2 DE LA ENTREGA: Visualización de las 10 primeras observaciones
# ==============================================================================
print("--- PRIMERAS 10 OBSERVACIONES DE LA BASE DE DATOS ---")
head(base_completa_epn, 10)


# ==============================================================================
# COMPONENTE 1 DE LA ENTREGA: Gráficos base para el póster (Sin librerías externas)
# ==============================================================================

# GRÁFICO A: Distribución por Provincias
# Responde a la pregunta de investigación sobre qué provincias tienen más acogida
tabla_provincias <- table(base_completa_epn$Provincia_Origen)
barplot(tabla_provincias[order(tabla_provincias, decreasing = TRUE)], 
        main = "Distribución de Estudiantes por Provincia de Origen",
        col = "steelblue", 
        las = 2, 
        ylab = "Cantidad de Estudiantes")

# GRÁFICO B: Distribución por Regiones
tabla_regiones <- table(base_completa_epn$Region)
barplot(tabla_regiones, 
        main = "Representatividad de la EPN por Región",
        col = c("#E69F00", "#56B4E9", "#009E73"), 
        ylab = "Cantidad de Estudiantes")

# GRÁFICO C: Evolución de la Demanda Efectiva de Aspirantes
tabla_periodo <- table(base_completa_epn$Periodo_Postulacion)
plot(tabla_periodo, 
     type = "b", 
     col = "darkred", 
     lwd = 2,
     main = "Evolución de la Demanda de Aspirantes a la EPN",
     xlab = "Periodo de Postulación", 
     ylab = "Total de Registros")

# GRÁFICO D: Tipo de Colegio según Género
tabla_cruzar <- table(base_completa_epn$Tipo_Colegio, base_completa_epn$Genero)
barplot(tabla_cruzar, 
        main = "Tipo de Colegio de Origen por Género",
        col = c("lightblue", "lightgreen", "coral"),
        legend = rownames(tabla_cruzar), 
        beside = TRUE,
        ylab = "Cantidad de Estudiantes")