Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS
Presenta
INTRODUCCIN......................................................................................................3
Captulo I. LA REESTRUCTURACIN DEL PORTAFOLIO DE PROGRAMAS DE
LA COORDINACIN DE LA IEC ............................................................................ 7
Captulo II. MTODOS DE RECOLECCIN DE DATOS ....................................... 9
Captulo III. ANLISIS DE REGRESIN .............................................................. 12
1. Modelos de opcin cualitativa ........................................................................ 13
a) Opcin binaria ............................................................................................. 13
i. Modelo probit ............................................................................................. 14
ii. Modelo logit ............................................................................................... 15
b) Opcin mltiple ........................................................................................... 19
2. Datos no ordenados....................................................................................... 20
3. Datos ordenados............................................................................................ 23
Captulo IV. DISEO DEL ESTUDIO Y PLAN DE RECOLECCIN DE DATOS .. 26
1. Descripcin del instrumento........................................................................... 26
2. Anlisis de regresin...................................................................................... 29
Captulo V. RESULTADOS Y ANLISIS............................................................... 30
1. Opciones Generales ...................................................................................... 30
2. Opciones Paquete ......................................................................................... 35
a) Anlisis descriptivo...................................................................................... 35
b) Anlisis de regresin ................................................................................... 37
CONCLUSIONES Y RECOMENDACIONES ........................................................ 44
ANEXOS ............................................................................................................... 46
1. Mtodo de mxima verosimilitud.................................................................... 47
2. Identificacin del mtodo estadstico apropiado ............................................ 49
3. Diseo de experimentos ................................................................................ 62
4. Resultado de la primera parte de la encuesta................................................ 63
5. Resultado de la segunda parte de la encuesta .............................................. 67
6. Software......................................................................................................... 70
BIBLIOGRAFA ..................................................................................................... 71
-2-
INTRODUCCIN
Antecedentes y justificacin
El Sistema Educativo UIA - ITESO (SUIA-ITESO) est formado por las siguientes
sedes:
2
Comunicacin Oficial del Consejo de Educacin Superior de la Provincia Mexicana de la
Compaa de Jess. No. 1, agosto 1999.
3
En el caso del Sistema Educativo Universidad Iberoamericana cada uno de las universidades
podr tramitar los registros de sus programas frente a la Secretara de Educacin Pblica y/o los
organismos que considere pertinentes.
4
Basado en Estatuto Orgnico de la Universidad Iberoamericana Ciudad de Mxico, artculo 7.
-3-
departamentos de esta Divisin. Esta Divisin ofrece 22 licenciaturas y 13
posgrados.
5
Basado en Estatuto Orgnico de la Universidad Iberoamericana Ciudad de Mxico, artculo 8.
6
Qualimerc, S.C., Estudio cualitativo de los factores que influyen en el proceso de eleccin de
universidad en la Ciudad de Mxico, Mxico D.F., 30 de junio de 1999, pp. 124 (preparado para la
Universidad Iberoamericana).
7
Ibidem, pg. 125.
-4-
Objetivo general
Objetivos especficos
Alcance
-5-
ofrecer un segundo ttulo, el de especialidad, adems del de licenciatura,
estudiando un periodo acadmico adicional.
Metodologa
Contenido capitular
8
Ver Anexo 6, pg. 70.
-6-
LA REESTRUCTURACIN DEL PORTAFOLIO
Captulo I.
DE PROGRAMAS DE LA COORDINACIN DE LA IEC
En este captulo se muestra a grandes rasgos la problemtica experimentada por la
Coordinacin de la IEC y su relacin con el principio, en calidad, de enfoque al cliente en una
organizacin.
La dificultad planteada nos conduce de entrada a adoptar una decisin que evitar
cualquier equvoco al respecto. As, pues, en el presente estudio se considerar a
los alumnos de nivel licenciatura de la carrera de IEC de la Universidad
Iberoamericana Ciudad de Mxico, inscritos en esa casa de estudios durante el
periodo acadmico de otoo del 2003, como el cliente de dicha disciplina. A su
vez, se define el concepto de cliente segn lo expuesto en la norma
ISO9000:2000, a saber:
9
Sistemas de gestin de la calidad: Fundamentos y vocabulario. Norma mexicana IMNC,
ISO9000:2000, COPANT/ISO 9000-2000, NMX-CC-9000-IMNC-2000 (pgs. 16 y 17).
-7-
de stos, satisfacer sus requisitos y esforzarse en exceder sus expectativas10.
Este mismo enfoque es el que se ha adoptado para este trabajo, y es el que prima
adems en el proceso de reestructuracin que actualmente emprende la
Coordinacin de IEC.
10
Norma Nacional Americana: Sistemas para la Gestin de la Calidad- Directrices para la Mejora
del Desempeo. ANSI/ISO/ASQ Q9004-2000, pg.5.
11
La Secretara de Educacin Pblica distingue tres modalidades de posgrado: doctorado,
maestra y especialidad.
-8-
Captulo II. MTODOS DE RECOLECCIN DE DATOS
Este captulo explica, de manera muy general, el proceso de recoleccin de informacin
realizado en una investigacin de mercados.
Existen varios mtodos para recopilar datos12. El que se escoja para determinada
investigacin depender de la ndole del problema, del tiempo y del dinero
disponibles. Existen dos mtodos fundamentales: cuestionario y observacin. El
cuestionario abarca desde la investigacin cualitativa hasta la cuantitativa. La
primera busca respuestas profundas y abiertas (no un simple s o no) y aporta
buenas hiptesis de trabajo. No obstante, se requiere de otros mtodos para
validarlas, y es entonces cuando se acude a la investigacin cuantitativa.
12
Cfr. McCARTHY, E. & PERRAULT W. Marketing. Un enfoque global. McGrawHill, Mxico, 13
ed.,1999.,cap. 8.
-9-
graban previamente en cinta de audio o en computadora y el sujeto responde
oprimiendo las teclas del telfono.
Luego de reunir los datos el siguiente paso es analizarlos para decidir lo que
significan. Este paso suele requerir la estadstica. Los paquetes estadsticos
programas de cmputo sencillos de usar que analizan los datos- facilitan este
paso. La tabulacin cruzada es uno de los mtodos ms frecuentes con que se
analizan e interpretan los datos de la investigacin de mercados. Muestra la
relacin de las respuestas a dos preguntas diferentes. En general a este nivel slo
se realiza un anlisis descriptivo del fenmeno investigado. Para realizar un
13
En este estudio, la poblacin es el conjunto de todos los alumnos inscritos en la licenciatura en
Ingeniera Electrnica y de Comunicaciones.
- 10 -
anlisis inferencial, es decir, para tratar de explicar lo observado y probablemente
atreverse a predecir un comportamiento, se utilizan herramientas estadsticas ms
complejas como lo es el anlisis de regresin, que revisaremos a continuacin
- 11 -
Captulo III. ANLISIS DE REGRESIN
Este captulo trata de dar una visin general de las tcnicas de anlisis de regresin, en
particular de las utilizadas en casos donde las respuestas son cualitativas.
E[ yi ] = f ( xi ), i = 1, 2, ..., N Ecuacin 1
yi = 0 + 1 xi + i, i = 1, 2, ..., N Ecuacin 2
Porque slo tiene una variable regresora (xi) y la ecuacin es lineal en los
parmetros.
14
Cfr. PINDYCK R. & RUBINFELD, D. Econometric models and economic forecast. McGraw Hill,
New York, 3 ed, 1991, cap 3.
- 12 -
La primera parte de un anlisis de regresin consiste en escoger qu modelo
parece ser el ms conveniente para el caso particular de estudio. Los siguientes
pasos consisten en estimar los parmetros desconocidos 0, 1, 2, .., M, y la
comprobacin de la adecuacin del modelo.
Existen muchos casos en los que el fenmeno que se busca modelar involucra
opciones cualitativas: en una eleccin se vota s o no; se usa como medio de
transporte el autobs, el metro o automvil propio, etc.15
a) Opcin binaria:
b) Opcin mltiple:
a) Opcin binaria
15
GREENE, W. Econometric Analysis. Prentice Hall, 1993, cap 21, pg. 635.
16
Vase al respecto el artculo de SCHMIDT,P. & STRAUSS, R. The prediction of occupation
using multiple logit models, en International Econometric Review, vol. 16, N 2, june 1975.
17
Una funcin de distribucin acumulada es aquella funcin de probabilidad que tiene como valor
la probabilidad de que el valor observado de una variable x sea menor o igual a una x particular.
- 13 -
Los atributos de los regresores x, que normalmente pueden tomar
cualquier valor de la recta real, deben de acotarse al intervalo (0,1).
Ecuacin 4
i. Modelo probit
Para entender este modelo se asumir que existe un ndice continuo terico zi,
determinado por una variable explicativa x:
z i = + xi Ecuacin 5
El modelo probit asume que z*i es una variable aleatoria distribuida normalmente
de modo que la probabilidad de que zi sea menor que (o igual a) z*i se puede
calcular a partir de la funcin acumulada normal de probabilidad. Como se sabe, la
funcin estandarizada acumulada normal se escribe como:
- 14 -
1
e
s
Pi = F ( Z i ) =
2
/2
ds Ecuacin 6
2
donde s es una variable aleatoria que est normalmente distribuida, con media
cero y varianza 1. Por construccin, la variable Pi estar definida en el intervalo
(0,1) y representa la probabilidad de que el individuo responda s. Ya que esta
probabilidad es medida por el rea bajo la curva normal estndar desde (-) hasta
zi, mayor ser la probabilidad de que el evento ocurra cuanto mayor sea el ndice
zi.
1 1
Pi = F ( z i ) = F ( + xi ) = zi
= ( + xi )
Ecuacin 7
1+ e 1+ e
(1 + e zi ) Pi = 1 Ecuacin 8
- 15 -
1 1 Pi
e zi = 1 = Ecuacin 9
Pi Pi
Pi
e zi =Ecuacin 10
1 Pi
Aplicando logaritmo a ambos lados de la ecuacin:
P
z i = ln i = + xi Ecuacin 11
1 Pi
18
Sterman, J. D. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex
World. NY: McGraw-Hill Higher Education. Chapter 4: Structure and Behaviour of Dynamic Systems
- 16 -
decrecer) para siempre: eventualmente, una o ms restricciones detienen el
crecimiento.
g ( P, C ) = g * (1 P ) P Ecuacin 12
C
2
g * (1 P ) P = g * P g * ( P ) Ecuacin 13
C C
El primer trmino g*P es un trmino estndar, de primer orden, de
retroalimentacin, y el segundo trmino, -g*P2/C, es no lineal en la poblacin y
representa la retroalimentacin negativa fuerte causada por la aproximacin de la
poblacin a la capacidad.
P inf = C Ecuacin 14
2
- 17 -
El modelo logstico es importante por varias razones. Primero, muchos procesos
de crecimiento tipo S pueden aproximarse satisfactoriamente a travs del modelo
logstico, salvo la restriccin de que el punto de inflexin ocurre en C/2
precisamente. Segundo, el modelo logstico se puede resolver analticamente.
Finalmente, el modelo logstico, intrnsecamente no lineal, puede transformarse en
una forma que es lineal.
Dada la ecuacin:
dp P
= g * (1 ) P Ecuacin 15
P C
dp
P
= g * dt Ecuacin 16
(1 ) P
C
Cdp 1 1
(C P) P = [ P + (C P) ]dp = g * dt Ecuacin 17
P P (0) exp( g * t )
= Ecuacin 20
(C P ) C P ( 0)
19
STERMAN, J. D. Business Dynamics: Systems Thinking and Modeling for a Complex World. NY:
McGraw-Hill Higher Education. 2000. Chapter 4: Structure and Behaviour of Dynamic Systems.
- 18 -
que se puede reordenar como:
C
P (t ) = Ecuacin 21
C
1+ [ 1] exp( g * t )
P (0)
o equivalentemente:
C
P (t ) = , Ecuacin 22
1 + exp[ g * (t h)]
b) Opcin mltiple
Una extensin natural de los modelos probit y logit sera el permitir analizar varias
ecuaciones regresoras a la vez. La especificacin general para un modelo de dos
ecuaciones es20:
E[1] = E[2] = 0,
Var[1] = Var[2] = 1,
Cov[1,2] = .
Ahora bien, existen los llamados modelos de opcin mltiple, diferentes al modelo
probit multivariado mencionado, en ste se deban tomar varias decisiones, cada
una de las cuales contaba con dos alternativas. En los modelos de opcin mltiple
20
GREENE, W. Econometric Analysis. Prentice Hall, 1993, cap 21, pg. 663.
21
Ibidem, cap 21, pg. 664
- 19 -
se debe tomar una sola decisin entre dos o ms opciones. Greene22 analiza dos
tipos de modelos de opcin mltiple: no ordenado y ordenado.
2. Datos no ordenados
u ij
= ' zij + ij , i = 1, 2, ..., N; j=1, 2, ..., J; Ecuacin 24
Ecuacin 25
22
GREENE, W. Econometric Analysis. Prentice Hall, 1993, pg 663.
23
Ibidem, cap 21, pg.665
- 20 -
que resuelve el problema es el asumir que 0=0. Las probabilidades resultan
entonces:
Ecuacin 27
En este modelo, los coeficientes son difciles de interpretar. Ntese que los
parmetros s son especficos para cada categora, es decir, si tenemos un caso
con 4 opciones, tendremos un conjunto de s para cada una de las opciones, en
el caso de tener dos regresores, se tendra un conjunto de 3 s para cada una de
las 4 categoras, en total, 12 s, de las cuales un conjunto (3 s) se anulan para
efectos de la normalizacin.
Ecuacin 28
Pij
ln = xi Ecuacin 29
'
Pi 0
j
- 21 -
Como ejercicio, se extender el modelo logit al caso de tres opciones24:
P
ln i 2 = 21 21 xi ,
P i1
P
ln i 3 = 31 31 xi , Ecuacin 30
Pi1
P
ln i 3 = 32 32 xi
Pi 2
P P P P P
ln i 3 = ln i 3 + ln i1 = ln i 3 ln i 2 = Ecuacin 31
Pi 2 Pi1 Pi 2 Pi1 Pi1
32 = 31 21
Ecuacin 32
32 = 31 21
21 = 2 1 , 31 = 3 1 , 32 = 3 2
Ecuacin 33
24
PINDYCK R. & RUBINFELD, D. Econometric models and economic forecast. McGraw Hill, New
York, 3 ed, 1991, cap 10, pg. 270
- 22 -
21 = 2 1 , 31 = 3 1, 32 = 3 2
P
ln i 2 = ( 2 1 ) + ( 2 1 ) xi
Pi1
P
ln i 3 = ( 3 1 ) + ( 3 1 ) xi Ecuacin 34
Pi1
P
ln i 3 = ( 3 2 ) + ( 3 2 ) xi
Pi 2
3. Datos ordenados
En este caso lo que procede es el uso de los modelos probit y logit ordenados.
El modelo se construye de la siguiente manera:
25
Ver Anexo 1, pg. 47.
26
Cfr. GREENE, W. Econometric Analysis. Prentice Hall, 1993, pg. 672
- 23 -
y* = ' x + Ecuacin 35
3, si, y* z 2
yi = 2, si, z1 < y* < z 2
1, si, 0 < y* z1
0, si, y* 0
Prob(y=0) = ( 'x),
Prob(y=1) = ( z1 x) - ( x),
Prob(y=2) = ( z2 x) - (z1 -x ),
.
.
.
Prob(y=N) = 1 - ( zN-1 x) ,
Para que todas las probabilidades sean positivas, se debe cumplir la condicin
- 24 -
0< z1 < z2 < ... < zN-1.
f( )
0 .4
0 .3
02
0 .1
y= 0 y= 1 y= 2 y= 3 y= 4
0
- x 1 - x 2 - x 3 - x
F u e n te : G R E E N E , W . E c o n o m e tric A n a ly s is . P re n tic e H a ll, 1 9 9 3 , c a p 2 1 , p g . 6 7 3
27
GREENE, W. Econometric Analysis. Prentice Hall, 1993, cap 21, pg. 673.
- 25 -
DISEO DEL ESTUDIO Y PLAN DE
Captulo IV.
RECOLECCIN DE DATOS
El objetivo de este captulo es dar a conocer el instrumento utilizado para recopilar la
informacin junto con el proceso de aplicacin del mismo y las tcnicas de anlisis
propuestas.
Automatizacin de procesos
Consultora
Desarrollo de hardware
Desarrollo de software
28
Ver Anexo 3, pg. 62.
- 26 -
Operadora de servicios
Redes de computadoras
Sistemas de informacin
Ventas
Ninguna de las anteriores
S
No
P3. Dnde?
UIA
Otra institucin nacional
Estados Unidos / Canad
Europa
Asia
Otro
Ingeniera Electrnica
Ingeniera Electrnica en Cmputo
Ingeniera Electrnica en Control e Instrumentacin
Ingeniera Electrnica en Telecomunicaciones
Cmputo
Telecomunicaciones
Control e Instrumentacin
Ninguna de las anteriores
29
Hasta la fecha, en la Universidad Iberoamericana se entiende por subsistema la opcin que
elegir el alumno de licenciatura que tpicamente cursa el ltimo ao, que le permitir orientarse
hacia el mbito de su preferencia profesional. En el caso de la licenciatura en Ingeniera Fsica,
por ejemplo, el estudiante debe elegir entre fsica, materiales o sistemas alternativos de energa.
- 27 -
Opciones Paquete, (P12,13,14,15).
PLAN A PLAN B
10 semestres
10 se
10mestres
semestres Lic. en Ing. e n
Lic. En Ing. Cmputo y
Electrnica ELectrnica
Ing. en Cmputo y Electrnica o
Ing. Electrnica Especialidad Ing. en Telecomunicaciones y Electrnica Especialidad Lic. en Ing. e n
Ing. Mecatrnica Especialidad
Te lecomunicac iones
y ELectrnica
Especialidad
o
Lic. Mecatrnica
Duracin: 9 semestres
Duracin: 9 semestres Ttulo: Licenciatura
Ttulo: Licenciatura Opciones de carreras:
Opciones de carreras: Ing. Electrnica o Ing. en Cmputo y Electrnica
o Ing. en Telecomunicaciones y
Electrnica
o Ing. Mecatrnica
- 28 -
impreso que fue respondido por 106 alumnos de los 151 inscritos en el periodo
acadmico de otoo 2003, los que representan el 70.2% de la poblacin.
2. Anlisis de regresin
30
Cfr HAIR ET AL. Multivariate Data Analysis. Prentice Hall International, 1998, 5 ed, cap 1
31
Ver Anexo 2, pg.49.
32
Ver Anexo 6, pg. 70.
- 29 -
Captulo V. RESULTADOS Y ANLISIS
En este captulo se muestran los resultados del anlisis descriptivo y de regresin. Adems,
se detallan comentarios acerca de los resultados de esta ltima.
1. Opciones Generales
15 16 15 16
13
11 13 11 12
8
5 6 5
2 2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 Ms
14
9
Fuente: Elaboracin propia con base en la encuesta
33
Ver Anexo 4, pg. 63.
34
Ver Anexo 6, pg. 70.
35
Semestre 0 significa que el alumno es de nuevo ingreso.
- 30 -
estara revelando el desconocimiento de un rea de desarrollo profesional, o bien
la falta de direccionamiento.
Ninguna de las
anteriores
Automatizacin
18.0
de procesos
Ventas
28.0
2.7
Sistemas de
16.0
informacin
12.7
Consultora
8.0
7.3 6.7
Redes de
0.7
computadoras
Desarrollo de
Operadora de hardware
servicios Desarrollo de
software 10
Fuente: Elaboracin propia con base en la encuesta
- 31 -
La siguiente pregunta, cuyos resultados se vierten en la figura 4, refleja que la casi
totalidad de los alumnos (95%) piensa estudiar una maestra, de los cuales slo el
10.7% deseara hacerlo en la Universidad Iberoamericana. El mayoritario 82.3%
preferira optar por una institucin en el extranjero (Europa 41.9%, Estados Unidos
y Canad 37.2%, Asia 7%, otros pases 4.7%). Menos significativo resulta el dato
de que slo el 2% de la muestra estudiara una maestra en otra institucin
nacional.
7
Asia 10.7
95 UIA
S 4.7
Otro
41.9 2.0
5 Europa Otra institucin
No nacional
37.2
Estados Unidos/
Canad
11
Fuente: Elaboracin propia con base en la encuesta
Figura 4: De izquierda a derecha: Distribucin por deseo de estudiar una maestra, en porcentaje;
distribucin por lugar/ institucin donde estudiar una maestra, en porcentaje.
- 32 -
Por lo que refiere a la figura 5, sta revela claramente que el 80% de los
encuestados hubiese preferido estudiar una licenciatura con un nombre que
denotara mayor especificidad en su enunciacin (por ejemplo, Ingeniera en
Telecomunicaciones y Electrnica, que encabeza las preferencias con un 50.7%).
Ing. Electrnica
18.7
Ing. en Telecomunicaciones
y Electrnica
Ing. en Cmputo y
50.7 8.7 Electrnica
22
Ing. Mecatrnica
Figura 5: Distribucin por mejor nombre para la licenciatura (primera opcin), en porcentaje
- 33 -
Las especialidades preferidas (ver figura 6) son la de Telecomunicaciones (52%) y
la de Control e Instrumentacin (26%).
Control e Ninguna de
Instrumentacin las anteriores
10.7
26 Cmputo
11.3
52
Telecomunicaciones
- 34 -
2. Opciones Paquete
a) Anlisis descriptivo
100%
100%
Paquete
Paquete Primera
Primera Segunda
Segunda Tercera
Tercera Cuarta
Cuarta
AA
9sem1carr0esp
10sem1c arr1esp
BB
9sem3carr0esp
10sem3c arr1esp
C
C
9sem1carr0esp
10sem1carr1esp
D
D
9sem3carr0esp
10sem3carr1esp
Fuente: Elaboracin propia con base en la encuesta
Fuente: Elaboracin propia con base en la encuesta
36
Ver Anexo 5, pg. 67.
- 35 -
A C
10 semestres, 1 carrera,
10 semestres, 1 carrera,
1 especialidad
1 especialidad
33.0 26.7
D B
9 semestres,
9 semestres,
B D
3 carreras,
3 carreras, 10.7
15.3 10 semestres, 3 carreras,
10 semestres, 3 carreras,
0 especialidad
0 especialidad
1 especialidad
1 especialidad
52.4 54.7
3.9 3.3
C A
9 semestres, 1 carrera,
9 semestres, 1 carrera,
0 especialidad
0 especialidad
Figura 8: Distribucin por paquete de plan de estudios escogido como primera opcin, en
porcentaje.
- 36 -
b) Anlisis de regresin
Nominal Regression
Case Processing Summary
Marginal
N Percentage
1op Plan A 34 33.0%
Plan B 54 52.4%
Plan C 4 3.9%
Plan D 11 10.7%
Beca No 85 82.5%
Si 18 17.5%
Preparatoria Privada 98 95.1%
Publica 5 4.9%
Trabaja No 74 71.8%
Si 29 28.2%
Genero Femenino 14 13.6%
Masculino 89 86.4%
EstadoCivil Soltero 99 96.1%
Casado 4 3.9%
Valid 103 100.0%
Missing 3
Total 106
Subpopulation 100a
a. The dependent variable has only one value observed
in 100 (100.0%) subpopulations.
37
Stepwise en modo foward entry es un procedimiento que permite ir aadiendo paso a paso
aquellos regresores (xs) que resultan significativos.
- 37 -
Step Summary
-2 Log
Model Action Effect(s) Likelihood Chi-Square df Sig.
0 Entered Intercept 220.307
1 Semestre
Entered 212.441 7.866 3 .049
s
Stepwise Method: Forward Entry
' j x j
k =1
( 0 , j + 1, j x1, i )
Pr ob( yi = j) = e J
, para j= 1,2,3,4 Ecuacin 37
1 + e
0, k + 1, k x1, i )
k =1
-2 Log
Model Likelihood Chi-Square df Sig.
Intercept Only 220.307
Final 212.441 7.866 3 .049
- 38 -
La tabla 3, con informacin de ajuste del modelo, consiste en una prueba de
cocientes de verosimilitud del modelo obtenido (semestres) frente a uno en el cual
todos los parmetros son cero. Como el nivel de significancia de la prueba es
menor a 0.05, se puede concluir que el modelo final (semestres) se prefiere frente
a la hiptesis nula.
Goodness-of-Fit
Chi-Square df Sig.
Pearson 313.492 294 .208
Deviance 212.441 294 1.000
Pseudo R-Square
Cox and Snell .074
Nagelkerke .083
McFadden .036
-2 Log
Likelihood of
Reduced
Effect Model Chi-Square df Sig.
Intercept 250.761 38.319 3 .000
Semestres 220.307 7.866 3 .049
The chi-square statistic is the difference in -2 log-likelihoods
between the final model and a reduced model. The reduced model
is formed by omitting an effect from the final model. The null
hypothesis is that all parameters of that effect are 0.
- 39 -
La tabla 6 muestra el resultado de la prueba de cocientes de verosimilitud (del
ingls likelihood ratio test); esta prueba es usada frecuentemente y compara un
modelo con constantes especficas del modelo, en lugar de compararlo a un
modelo donde todos los s son cero, como lo presentado en la tabla 3. As, se
puede comparar el modelo completo con un modelo reducido. En este caso, el
modelo reducido es aquel que omite el efecto del nmero de semestres cursados.
Si la significancia de la prueba es pequea (menos que 0.05) el efecto contribuye
al modelo. En este caso result que el efecto de la variable semestres s
contribuye significativamente al modelo.
Parameter Estimates
La tabla 7 indica los valores estimados para las s en los casos de los planes A, B
y C, cabe mencionar que el modelo parece ser efectivo al predecir la preferencia
de los perfiles que optaron por los planes A y B, no as para el plan C. A diferencia
del modelo de regresin lineal, los coeficientes s en este caso son multiplicativos
en la respuesta. Los parmetros del modelo representan el cambio en y dado un
cambio de unidad de x, manteniendo constante todo lo dems. No representan
necesariamente efectos causales.
donde x1,i tendr el valor del nmero de semestres cursados por el estudiante.
38
Cfr HAIR ET AL. Multivariate Data Analysis. Prentice Hall International, 1998, 5 ed, cap 5
- 40 -
relacin entre variables explicativas (regresores) y la respuesta obtenida en
modelos de opcin mltiple (variable claramente discreta).
La tabla 7 indica igualmente los intervalos de confianza para los trminos e de los
modelos que predicen los planes A, B y C. Se observa, pues, que, por ejemplo, se
tiene un 95% de confianza de que la media de una nueva muestra que opte como
primer eleccin por el plan A pertenecer al intervalo (0.702, 1.060).
Classification
Predicted
Percent
Observed Plan A Plan B Plan C Plan D Correct
Plan A 5 29 0 0 14.7%
Plan B 4 49 0 1 90.7%
Plan C 1 3 0 0 .0%
Plan D 4 7 0 0 .0%
Overall Percentage 13.6% 85.4% .0% 1.0% 52.4%
El trmino de error del modelo se puede interpretar como el hecho de que dos o
ms estudiantes, con los mismos atributos observados (los regresores), escojan
diferentes planes de estudio como su primera opcin. Claro que tambin puede
provenir del hecho de que el estudiante respondi al aventn.
Descriptives
Descriptive Statistics
- 42 -
Con base en los resultados de la tabla 9 y de los de la primera parte de la
encuesta, ya analizados, se puede concluir que el estudiante actual de IEC tiene
tpicamente el siguiente perfil:
22 aos en promedio
No est becado
No trabaja
Es soltero
Casi la totalidad de los estudiantes piensan estudiar una maestra pero slo
el 10% de los estudiantes pensara en estudiarla en la UIA dado que
prefieren estudiar en el extranjero.
- 43 -
CONCLUSIONES Y RECOMENDACIONES
El plan de estudios (de entre los que se les mostraron) que claramente prefiere(
52.4%) el tipo de estudiantes que ha estado atrayendo la licenciatura de la IEC
hasta el momento es el plan tipo B: Poder escoger entre tres carreras (Ing.
Mecatrnica, Ing. En Cmputo y Electrnica o Ing. en Telecomunicaciones y
Electrnica) y tener la posibilidad de estudiar un periodo acadmico ms
obteniendo as el doble ttulo (licenciatura y especialidad).
- 46 -
1. Mtodo de mxima verosimilitud
ln L
= (d ij Pij )x i , para j = 1, 2, ..., J.
j i
La matriz de las segundas derivadas (matriz Hessiana) tiene J2 bloques, cada uno
de tamao k x k:
39
GREENE, W. Econometric Analysis. Prentice Hall, 1993, cap 21, pg.667
- 47 -
P (1 P )x x' .
i
ij ij i i
Como la matriz Hessiana no involucra el trmino dij, estos son los valores
esperados.
- 48 -
2. Identificacin del mtodo estadstico apropiado40
1. Identifique el primer anlisis, simple, que debe realizarse con los datos.
3. Use el diagrama para cada anlisis diferente que deba realizar con los
datos.
40
Cfr HAIR ET AL. Multivariate Data Analysis. Prentice Hall International, 1998, 5 ed, cap 3
41
Diagrama de flujo es la traduccin del ingls flow chart.
- 49 -
Diagrama de flujo 1
- 50 -
Diagrama de flujo 2
Graphical methods
Descriptive
analysis
- 51 -
Diagrama de flujo 3
Diagrama de flujo 4
- 52 -
- 53 -
- 54 -
- 55 -
- 56 -
- 57 -
Chapter V sections A, B & C.
- 58 -
- 59 -
- 60 -
- 61 -
3. Diseo de experimentos
el nivel alto, que ofrece una carrera llamada Ingeniera Electrnica, que es
como los estudiantes conocen comnmente la carrera de Ingeniera
Electrnica y de Comunicaciones;
El nivel bajo ofrece obtener dos ttulos y, por lo tanto, estudiar un semestre
ms, es decir, 10 semestres en total.
La razn de haber limitado slo a dos niveles cada factor obedece a la necesidad
de obtener un nmero lo ms reducido posible de opciones a ordenar, para
facilidad del encuestado.
- 62 -
4. Resultado de la primera parte de la encuesta
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11
2 2 3 4 3 2 1 4 1 2 3
7 1 3 2 3 4 1 4 1 2 3
1 1 4 3 4 1 2 3 2 1 4
1 1 5 3 4 2 1 3 1 2 4
9 1 3 2 3 4 1 2 1 3 4
6 1 4 2 3 4 1 2 1 3 4
4 1 1 2 1 4 3 1 2 3 4
1 1 4 2 4 1 3 3 2 1 4
2 1 3 2 4 3 1 3 1 2 4
1 1 2 1 4 3 2 4 2 3 1
2 1 3 3 4 2 1 4 3 2 1
4 1 3 2 1 4 3 1 2 3 4
7 1 4 4 2 3 1 2 1 3 4
1 1 3 3 4 2 1 3 1 2 4
1 1 3 4 2 1 3 3 4 2 1
3 1 3 4 2 1 3 3 2 1 4
9 1 4 1 4 3 2 4 2 3 1
1 1 4 1 4 2 3 2 3 1 4
6 1 5 2 1 4 3 2 1 3 4
7 1 4 4 3 2 1 3 1 2 4
1 1 4 3 4 1 2 3 2 1 4
1 1 3 2 3 1 4 2 3 1 4
1 1 3 2 3 1 4 2 4 1 3
1 1 4 3 4 1 2 3 2 1 4
4 2 5 3 1 4 2 2 1 3 4
9 1 4 2 4 3 1 3 1 2 4
1 1 4 3 4 1 2 3 2 1 4
1 1 6 3 4 1 2 3 2 1 4
7 1 4 3 2 4 1 2 1 3 4
3 1 4 2 4 1 3 3 2 1 4
9 1 3 4 3 1 2 4 3 1 2
1 1 4 3 4 1 2 3 2 1 4
2 1 3 3 2 4 1 3 1 2 4
2 1 2 1 2 3 4 1 3 2 4
8 1 4 3 4 2 1 4 1 2 3
2 1 4 4 3 2 1 4 2 3 1
2 1 4 2 3 4 1 2 1 3 4
8 1 1 4 2 3 1 2 1 3 4
2 1 3 3 4 2 1 3 1 2 4
4 1 3 2 1 3 4 1 2 3 4
7 1 3 1 3 4 2 2 1 3 4
9 2 6 3 4 1 2 4 3 2 1
6 1 4 2 3 4 1 3 1 2 4
9 1 4 3 4 2 1 3 1 2 4
- 63 -
9 1 1 4 2 3 1 2 1 3 4
1 1 4 2 4 3 1 3 1 2 4
6 1 1 3 2 4 1 2 1 3 4
1 1 3 4 3 1 2 3 2 1 4
1 1 3 2 3 1 4 3 4 1 2
2 1 4 3 4 2 1 3 1 2 4
7 1 3 2 4 3 1 3 1 2 4
9 1 4 3 2 4 1 2 1 3 4
1 1 1 3 4 1 2 3 2 1 4
1 1 4 2 4 1 3 3 2 1 4
9 1 4 1 2 4 3 2 3 4 1
3 1 1 1 4 2 3 4 2 1 3
7 1 4 3 1 4 2 1 2 3 4
4 1 3 3 1 4 2 1 2 4 3
1 1 4 2 4 1 3 3 2 1 4
2 1 4 3 4 2 1 3 1 2 4
1 1 4 1 4 3 2 3 1 2 4
6 1 4 3 2 4 1 2 1 3 4
7 1 4 2 4 3 1 3 1 2 4
1 1 4 4 3 1 2 3 2 1 4
7 1 1 4 3 2 1 3 1 2 4
9 1 3 4 2 1 3 2 3 1 4
4 1 4 4 2 1 3 2 3 1 4
6 1 1 1 2 4 3 1 2 3 4
7 1 4 1 4 2 3 3 2 1 4
9 1 4 1 4 2 3 3 1 2 4
9 1 1 3 4 2 1 3 1 2 4
1 1 4 2 4 3 1 3 1 2 4
7 1 1 3 2 4 1 2 1 3 4
2 2 6 2 3 4 1 2 1 3 4
4 1 2 1 2 4 3 1 2 3 4
4 1 4 4 2 3 1 2 1 3 4
1 1 1 4 3 2 1 3 1 2 4
1 1 4 3 4 1 2 3 2 1 4
2 1 4 2 3 1 4 4 3 1 2
6 1 3 3 2 4 1 2 1 4 3
4 1 4 4 1 3 2 1 2 3 4
5 1 3 2 4 3 1 3 1 2 4
1 1 4 2 4 1 3 3 2 1 4
9 1 4 1 4 2 3 4 3 2 1
1 1 4 4 3 1 2 3 2 1 4
3 1 3 2 1 4 3 1 3 4 2
9 2 6 2 4 3 1 4 1 3 2
9 1 4 1 2 4 3 1 2 3 4
3 1 3 1 4 2 3 1 2 3 4
1 1 3 4 3 1 2 3 2 1 4
3 1 4 4 2 3 1 3 1 2 4
7 1 1 3 4 2 1 4 1 2 3
6 1 4 3 4 2 1 3 1 2 4
2 1 4 1 2 3 4 2 1 3 4
- 64 -
1 1 3 1 4 2 3 3 2 1 4
1 1 4 2 4 3 1 3 1 2 4
2 1 4 3 2 4 1 2 1 3 4
9 1 3 1 4 3 2 4 2 3 1
3 1 3 1 3 4 2 2 1 3 4
1 1 5 2 4 1 3 3 2 1 4
9 1 4 2 4 3 1 3 1 2 4
9 1 3 1 4 3 2 4 2 3 1
2 1 3 3 1 4 2 1 2 4 3
6 1 3 3 2 4 1 2 1 3 4
7 1 4 3 1 4 2 1 2 3 4
9 1 4 1 2 4 3 2 3 1 4
2 1 3 1 4 2 3 3 2 1 4
3 1 3 3 4 2 1 3 2 1 4
1 1 3 3 4 2 1 3 1 2 4
3 1 1 2 3 4 1 2 1 3 4
7 1 4 2 3 4 1 2 1 4 3
7 1 4 3 2 4 1 2 1 4 3
1 2 3 4 3 2 1 3 2 1 4
1 1 3 3 4 1 2 3 2 1 4
7 1 4 3 2 4 1 2 1 3 4
9 1 3 2 4 3 1 4 2 3 1
7 1 3 1 4 3 2 3 1 2 4
1 1 3 4 3 2 1 3 1 2 4
9 1 6 1 4 3 2 3 1 2 4
4 1 6 1 2 4 3 1 2 4 3
7 1 1 1 2 3 4 2 1 3 4
2 2 4 4 3 2 1 3 1 2 4
1 1 4 2 4 1 3 3 2 1 4
1 1 4 2 4 1 3 4 2 3 1
1 1 3 3 4 2 1 4 1 3 2
6 1 1 3 2 4 1 2 1 3 4
3 1 4 1 4 3 2 3 1 2 4
9 1 3 2 3 4 1 2 1 3 4
8 1 1 3 2 4 1 3 1 2 4
8 1 3 4 3 2 1 4 2 3 1
7 1 4 2 4 3 1 3 1 2 4
1 1 3 2 4 3 1 3 1 2 4
9 1 3 4 3 2 1 4 2 3 1
9 1 6 2 3 4 1 2 1 4 3
6 1 3 2 4 3 1 3 1 2 4
2 1 3 2 3 4 1 4 3 2 1
1 1 4 3 4 1 2 4 2 1 3
9 1 3 2 4 3 1 4 2 1 3
4 1 4 4 1 2 3 2 4 3 1
1 1 3 4 2 3 1 1 2 3 4
7 1 3 3 4 2 1 4 1 2 3
2 1 4 2 3 4 1 4 1 3 2
7 1 3 3 4 2 1 4 1 2 3
7 1 3 1 4 2 3 3 1 2 4
- 65 -
7 1 3 2 4 3 1 3 1 2 4
9 1 5 4 1 3 2 1 2 4 3
6 1 3 4 2 3 1 2 1 3 4
1 1 4 3 4 1 2 3 2 1 4
7 1 4 2 3 4 1 2 1 3 4
9 1 3 2 4 3 1 3 1 2 4
- 66 -
5. Resultado de la segunda parte de la encuesta
(Opciones paquete)
Cuadro 1 Codificacin
Predictor Nivel alto Nivel bajo
Beca S = 1 No = 0
Insitucin Pblica = 1 Privada = 0
Trabaja S = 1 No = 0
Sexo Masculino = 1 Femenino = 0
Estado civil Casado = 1 Soltero = 0
- 69 -
6. Software
SPSS es un software de SPSS Inc. (Statistical Package for the Social Sciences)
muy prctico y fcil de usar a la hora de procesar datos y que implementa gran
variedad de temas estadsticos en los distintos mdulos del programa. Se utiliz
la versin 12.
- 70 -
BIBLIOGRAFA
- 71 -
NDICE
calidad .............................................. 8 observacin.................................... 10
cliente ........................................... 7, 8 opcin binaria................................. 13
cuestionario ...................................... 9 opcin mltiple ............................... 19
encuesta. 9, 25, 27, 30, 31, 33, 38, 65 probit .......... 13, 14, 15, 19, 21, 24, 25
logstica multinomial ....................... 44 producto ........................................... 7
logit. 13, 14, 15, 16, 19, 23, 24, 25, 50 regresin 9, 11, 12, 13, 16, 17, 31, 40,
muestra .............................. 10, 33, 35 47
muestreo aleatorio.......................... 10 sistemtico ..................................... 10
multinomial ............. 21, 22, 31, 40, 47 SPSS........................................ 33, 73
norma ............................................... 7 tabulacin cruzada ......................... 10
normal ............................................ 15 verosimilitud ....................... 24, 43, 50
- 72 -