INTRODUCCIÓN

El presente trabajo monográfico pretende dar a conocer los resultados obtenidos tras la
realización de una encuesta en la Facultad de Ciencias en la escuela profesional de Estadística e
Informática de la Universidad Nacional Santiago Antúnez de Mayolo (UNASAM). Este estudio
tiene como principal objetivo evaluar el motivo del porque los estudiantes tienen un bajo
rendimiento académico. Teniendo en cuenta nuestro principal objetivo del presente estudio, se
estimó necesario el desarrollo de un estudio minucioso, para lo cual se planteó el diseño y
elaboración de un cuestionario que fue elaborado por nosotros, el cual se adjuntara en este
trabajo de investigación.
La metodología utilizada para el diseño y puesta en marcha de los cuestionarios ha sido la que a
continuación se detalla:
En primer lugar, se formó un grupo de 5 integrantes. Este grupo tenía como primer objetivo el
diseño de una encuesta, para lo cual, y a través de reuniones periódicas, analizando los ítems
más adecuados para la consecución del objetivo de la investigación, se diseñó un cuestionario
de aproximadamente 12 preguntas, para los estudiantes; las cuales fueron seleccionados 30
estudiantes, ya que estaba relacionado con nuestro objetivo principal que es evaluar el motivo
del porque los estudiantes tienen un bajo rendimiento académico.
En segundo paso, se procedió a aplicar la encuesta a la muestra ya señalada, es decir, a encuestar
a los estudiantes, con la finalidad de tener datos específicos, que fueron muy importantes para
nuestro estudio.
En tercer paso, después de los datos proporcionados se pasó a analizar mediante algunas
fórmulas y programas que fueron de gran importancia para dicho estudio, se trabajó usando
metodologías que ya mencionaremos en el trabajo
Finalmente, después del empleo de las formulas, programas y sus metodologías se obtuvo
conclusiones que el nivel de rendimiento que tienen los estudiantes de estadística e informática
del iv ciclo – Unasam es bajo-regular actualmente gracias a la recolección de datos y análisis de
los mismos.
RESUMEN

TÍTULO: Bajo rendimiento académico de los estudiantes de Estadística e Informática de la

Universidad Santiago Antúnez de Mayolo.

OBJETIVO: El objetivo que tenemos es hacer un estudio a los Alumnos de la escuela profesional
Estadística e Informática concretamente del IV ciclo y por ello se vio por conveniente realizar una
encuesta.

El problema de este estudio es el alto riesgo académico que se ha observado debido al bajo
rendimiento académico que presenta la mayoría de los estudiantes del IV ciclo de la facultad de
Estadística e Informática, mediante la encuesta identificaremos cuales son los motivos principales
por el cual se ven afectado su rendimiento académico y determinaremos el nivel de rendimiento
que tienen actualmente gracias a la recolección de datos.
Este estudio nos ayudara como estudiantes de Sistemas e Informática a tener una noción del
rendimiento académico de una pequeña muestra de los alumnos de Estadística e Informática de la
Universidad Santiago Antúnez de Mayolo.

METODOLOGÍA: El presente estudio es de variable cualitativa y cuantitativa, los datos fueron

investigados mediante una encuesta en la Universidad Santiago Antúnez de Mayolo, dirigidos a los
alumnos del IV ciclo de la facultad de Estadística e Informática. En ello empleamos técnicas de
recolección de datos, análisis de datos, forma de procesamiento de datos, operación de análisis,
entre otros, para una mejor interpretación.

CONCLUSIONES: Según los estudios, el alto riesgo académico que se ha observado debido al bajo
rendimiento académico que presenta la mayoría de los estudiantes en Estadística e Informática de
IV Ciclo - UNASAM, mediante la previa encuesta y análisis de datos identificamos es que: El nivel de
rendimiento que tienen los estudiantes de estadística e informática del iv ciclo – Unasam es bajo-
regular actualmente gracias a la recolección de datos y análisis de los mismos.
CAPÍTULO I
PLANTEAMIENTO DEL PROBLEMA
1.1 DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA
Hablar de rendimiento académico no dejará de ser un problema, pero ¿qué hace que realmente
sea difícil de abordar el estudio de este fenómeno? Los estudiantes peruanos en la actualidad
muestran diferentes niveles de rendimiento académico en el aula de clase, pero en su mayoría
son niveles muy bajos. Según indican la mayoría de autores existen diversos análisis del
fenómeno y múltiples variables implicadas como son: la poca hora de estudio a la que se dedican
fuera de clase, la situación sentimental en la que se encuentran, la capacidad de enseñanza que
tienen los docentes, las actividades que realizan pero que no tiene nada que ver con el
aprendizaje de las materias que cursan, etc. Es de así que el desarrollo de las capacidades
cognoscitivas se va limitando y desafortunadamente, este bajo rendimiento académico genera
en ocasiones la deserción y el desánimo de parte de los estudiantes para continuar con sus
estudios.

Enfocándonos en un ámbito menos amplio se puede observar que en la Universidad Nacional

Santiago Antúnez de Mayolo hay una gran cantidad de estudiantes con niveles de rendimiento
académico muy bajo y un claro ejemplo de ello es lo sucedido en mayo de 2017 cuando el
Vicerrector académico de la UNASAM, Esmelin Nikin Alayo explicó que por cumplimiento a lo
aprobado por el Consejo Universitario, conforme con el artículo 102 de la Ley Universitaria
tomaron la decisión de retirar a los estudiantes que fueron jalados reiteradamente en varios
cursos. La autoridad universitaria informó que se tenía a 473 estudiantes en esta situación, de
los cuales 307 se encontraban suspendidos por haber desaprobado en tres oportunidades la
misma materia, 155 en cuatro oportunidades y 11 en cinco oportunidades, por esta razón la
UNASAM está tomando medidas como son las clases de reforzamiento académico, pero aun así
sigue habiendo una considerable cantidad de estudiantes en riesgo académico. Por otro lado,
del resto de estudiantes que no están en riesgo académico se puede ver hay una cantidad
imponente de estudiantes que tienen promedios ponderados con notas aprobatorias mínimas,
esto verdaderamente es algo lamentable, pero ¿a qué se debe el bajo nivel de rendimiento
académico de los estudiantes de la UNASAM?
Ante la preocupante cifra que nos muestran el panorama de la educación en nuestra prestigiosa
Universidad Nacional Santiago Antúnez de Mayolo y debido la necesidad de conocer la razón
 del bajo rendimiento académico de los estudiantes, se realizó una serie de preguntas a 30
estudiantes de la Escuela Profesional de Estadística e Informática del IV Ciclo de la Facultad de
Ciencias, que cursan el semestre académico 2018-II, de esta manera saber cuáles son los
motivos que ocasionan que los estudiantes tengan tan bajo rendimiento académico.

1.2 FORMULACIÓN DEL PROBLEMA

¿Qué factores influyen en el bajo rendimiento académico de los estudiantes (IV ciclo) de la escuela
profesional de estadística e informática de la facultad de ciencias de la Universidad Santiago
Antúnez de Mayolo (UNASAM)?
1.3. OBJETIVOS
1.3.1. OBJETIVO GENERAL
Identificar las causas del bajo rendimiento académico de los estudiantes (IV ciclo) de la escuela
profesional de estadística e informática de nuestra prestigiosa Universidad Santiago Antúnez de
Mayolo (UNASAM) en el 2018.
1.3.2. OBJETIVOS ESPECÍFICOS
 Analizar los distintos factores que generan el bajo rendimiento académico de los
estudiantes de estadística e informática del IV ciclo de la UNASAM
 Realizar un análisis estadístico descriptivo de las características generales de los estudiantes
de estadística e informática del IV ciclo de la UNASAM
 Interpretar resultados obtenidos tras una aplicación de la estadística descriptiva en los
estudiantes de estadística e informática del IV ciclo de la UNASAM
 CAPÍTULO II
REVISIÓN BIBLIOGRAFÍCA
MARCO TEÓRICO
1. CITAS TEXTUALES:

o “En la actualidad tiene mayor predicamento la tendencia a considerar que

el aprendizaje se caracteriza por ser socio-constructivo, es decir un proceso
que es social, cultural e interpersonal “(Gajardo, 2012).
o “El rendimiento académico se basa en el perfil de habilidades,
conocimientos, actitudes y valores desarrollados por el alumno y se expresa
a medir a través de indicadores cuantitativos que son expresados en
calificaciones” (Navarro)
o El rendimiento académico consta en un juego de variables personales,
socioculturales y del proceso educativo, concluyendo que los efectos más
elevados y directos en el rendimiento académico son los que ejercen las
variables personales (Castejón y Navas)
I. TEORÍAS RELACIONADAS AL RENDIMIENTO ACADÉMICO
1.1 Variables relacionadas con el bajo rendimiento académico
1.1.1 Motivación
Berlyne (1960), Hunt (1960) y Bruner (1960) fueron, los pioneros en el estudio de este
tipo de motivación, la cual guarda mucha relación con la corriente cognitivista de la
motivación y es la base de la que parten todas las teorías incluidas en este enfoque, ya
que no cabe duda de que la cognición es algo interno del sujeto.
Es importante resaltar que, desde hace ya algunos años, existe una corriente de la
psicología del aprendizaje1 que estudia de manera conjunta la cognición y la motivación
puesto que consideran el aprendizaje como proceso cognitivo y motivacional a la vez.
Defienden que, para obtener buenos resultados académicos, los alumnos necesitan
poseer tanto “voluntad” como “habilidad” (González Cabanach, Valle, Núñez y
González-Pienda, 1996).
a. Teoría de la motivación
Pintrich y De Groot (1990) en el que se distinguen tres categorías de constructos
relevantes para la motivación en contextos educativos (motivación de logro):
  Un componente de expectativa, que se refiere a las creencias de los
estudiantes sobre su capacidad para realizar una tarea (es decir,
autoconcepto académico -aspecto que se tratará detenidamente en otro
apartado de este trabajo).
 Un componente de valor, que se refiere a las metas de los alumnos y sus
creencias sobre la importancia e interés de la tarea (es decir, metas
académicas).
 Un componente afectivo, que se relaciona con las reacciones emocionales de
los alumnos ante la tarea (es decir, las atribuciones causales).
b. Teoría de motivación de logro
El modelo de expectativa-valor desarrollado por Eccles y Wigfield (1992) se basa
en la teoría de la motivación de logro y ofrece muchas más posibilidades de
intervención. Este modelo establece cuatro fuentes del valor que puede tener
una tarea para el ejecutor. El conocimiento de estas fuentes por parte del
docente puede ayudar a fomentar en el alumno la motivación de realizar una
tarea.
 El valor de consecución, se refiere a la importancia que tiene para el sujeto
hacer bien esta actividad.
 El valor intrínseco, es la motivación intrínseca que tiene el sujeto para
enfrentarse a esa actividad.
 El valor de utilidad, es el uso futuro que cree que tiene esa actividad para sus
intereses y necesidades.
 El coste o demanda de trabajo, es el sacrificio que el individuo debe hacer
para cumplir con los requisitos de la tarea
c. Relación entre motivación y rendimiento
De entre las dimensiones de motivación que más se han relacionado con el
rendimiento podemos destacar tres:
 “La percepción que los alumnos tienen de sus éxitos o fracasos escolares.
destaca que el modo en que los alumnos atribuyen sus resultados a causas
como habilidad, esfuerzo y suerte se asocia con la ejecución escolar y las
conductas académicas. “Marsh (1984)
 d. Factores determinantes del bajo rendimiento académico
 “La percepción que los alumnos tienen de sus propias capacidades incide en
sus rendimientos posteriores” (Schunk, 1981).
 El interés del alumno y el nivel de aspiraciones incide en el aprovechamiento
escolar, es decir, un alumno que muestra interés por lo que realiza y ajusta su
nivel de aspiraciones a su nivel de posibilidades obtendrá mejores
rendimientos.

1.1.2 Inteligencia y Aptitudes

En el psicológico, la inteligencia se concibe como la capacidad de aprender, es decir,
una operación psicológica situada entre la base biológica y la adaptación o resultado
de la experiencia, el aprendizaje y los factores ambientales. Desde el planteamiento
operativo, se describe la inteligencia como un conjunto de conductas observables y
evaluables a través de los test y, por tanto, se define como lo que miden las pruebas
de inteligencia.
a) Teoría De La Inteligencia
Perkins (1991), por su parte, hace una descripción de la inteligencia como potencia,
contenido y estrategia. La inteligencia como potencia es que el conjunto de
estructuras neurofisiológicas radicales, centrada en el funcionamiento cerebral. La
consideración de la inteligencia como contenido o conjunto de conocimientos
presenta resultados muy discutibles. Finalmente, la consideración de estrategia
interpreta que la calidad de la inteligencia se basa, en gran medida, en el repertorio
de estrategias que se pueden aplicar en una tarea determinada.
Teoría bifactorial de Spearman Spearman (1904) concibe la estructura de la
inteligencia como un modelo bifactorial. Es decir, la inteligencia se compone del
Factor G, que representa la inteligencia general o energía que el sujeto puede
desplegar ante las exigencias de una actividad intelectual y Factor Específico, que
representa la inteligencia específica y exclusiva para cada tarea.
Teoría de Carroll Carroll define una serie de componentes cognitivos para describir
el procesamiento inteligente, argumentando que son los responsables del
funcionamiento de la mente en la producción de respuestas inteligentes. Dichos
componentes son: Control, Atención, Aprehensión, Integración Perceptiva,
 Codificación, Comparación, Formación de nuevas representaciones,
Transformación, Ejecución de la Respuesta y Componente de Control.

1.1.3 Autoconcepto
El autoconcepto académico es la imagen que el sujeto se forma de sí a partir de su
rendimiento académico y las capacidades que lo determinan, aspectos importantes
para el sujeto, en la medida en que también lo son para el medio que les rodea. Esta
dimensión del autoconcepto nos parece fundamental puesto que, en palabras de
Kleinfeld (1972), el autoconcepto que un estudiante tiene sobre sus potencialidades
académicas puede limitar sus esfuerzos para rendir y, por tanto, influenciar
fuertemente en su rendimiento escolar.
a) Teorías Sobre El Autoconcepto
Desde el punto de vista educativo, Beltrán (1995) destaca dos tendencias distintas
en la investigación actual. Una de ellas argumenta que el autoconcepto actúa
causalmente sobre el rendimiento académico y, por tanto, es preciso trabajar en la
escuela para mejorar la imagen que los estudiantes tienen de sí mismos dentro de
los programas educativos (corresponde con la tradicional educación
compensatoria). La otra defiende que el autoconcepto es una consecuencia del
rendimiento académico, por lo que aboga por el desarrollo de las capacidades
intelectuales mediante métodos de instrucción individualizada.

II. RELACIÓN ENTRE EL AUTOCONCEPTO Y EL RENDIMIENTO ACADÉMICO

Los resultados de numerosas investigaciones sobre la influencia del autoconcepto en el
rendimiento académico muestran la existencia de una persistente y significativa relación
entre ambas variables. Una cuestión no tan clara de dicha relación es la direccionalidad de
ésta. Actualmente, parece claro que la relación es, sin lugar a dudas, bidireccional. A este
respecto, Gonzalez-Pienda (1996) afirma que la influencia del autoconcepto sobre el
rendimiento puede ser inmediata, mientras que la incidencia del logro académico sobre el
autoconcepto se encontraría mediatizada por la elaboración cognitivo-afectiva del propio
concepto.
Darakjain y Michael (1982) y Byrne y Shavelson (1986). En esta línea, cabe destacar el
interesante trabajo de Gimeno Sacristán (1974) quien estudia las relaciones existentes entre
el autoconcepto, la popularidad social y el rendimiento académico con una elevada muestra
de alumnos de entre once y catorce años de edad. De entre las conclusiones destacamos
que: a) Los alumnos de alto rendimiento suelen dar altas autoimágenes académicas de sí
mismos; b) Las bajas autoimágenes son un reflejo del bajo rendimiento; c) Existen sujetos
de bajo rendimiento que dan altas autoimágenes de sí mismos.

2.1 Teorías Relacionadas a la Educación

a) Teoría De Paulo Freire:
El maestro debe de ser el ente que lleve a los aprendices a pensarse la sociedad en
la cual están desarrollando su proceso de aprendizaje, deben de construir desde los
conocimientos previos que estos llevan al aula de clase, ya que son ellos un reflejo
visible y fiable de las realidades sociales. Por su parte el aprendiz debe construir el
conocimiento como un acto político, desde la relación con el maestro y los demás
aprendices dentro del aula, para pasar de ser seres sociales pasivos a seres sociales
activos, críticos y pensantes de la sociedad en la que están sumergidos. El
pensamiento crítico dentro del aula no puede llevar a sus entes a ser seres
negativos, por el contrario el negativismo debe de estar totalmente alejado del
pensamiento crítico para no sesgar la mirada a lo positivo que se está viviendo y
poder seguir construyendo desde la realidad.
Según Freire el aprendiz debe construir el conocimiento como un acto político,
desde la relación con el maestro y los demás aprendices dentro del aula, para pasar
de ser seres sociales pasivos a seres sociales activos, críticos y pensantes. Freire
tiene mucha razón en ello, ya que hay muchos estudiantes que solo van a escuchar
y muy pocos de ellos opinan y dan su punto de vista crítico, el profesor debe de
relacionarse más con sus alumnos para que las clases no solo sea él quien hable,
sino de que todos opinen y que las clases se hagan más dinámicas.
b) Teoría De Jean – Jacques Rousseau:
Desde el vientre de la madre se puede decir que uno está vivo. Así pues, mientras
el niño va creciendo, según Rousseau, debe por su propia voluntad ir adquiriendo
conocimiento. Él dice: «Nacemos capacitados para aprender, pero no sabiendo ni
conociendo nada», al igual que dice que la educación del hombre empieza al nacer,
a base de experiencias propias y adquisiciones generales. Sin darnos cuenta, desde
 que nacemos somos libres y por nuestra propia voluntad conocemos lo que es
placer, dolor y rechazo. Rousseau también afirma que el aprendizaje es muy
necesario, especialmente en esta etapa de la vida. «Más bien, un niño está libre
cuando puede lograr su voluntad». Piensa que debemos dejar al niño manifestar su
voluntad y curiosidad por lo que le rodea. Es decir, dejar al niño tocar, saborear,
poner en práctica sus sentidos sensoriales para aprender
Según Rousseau, desde muy pequeños, nosotros ya vamos aprendiendo, desde el
momento en el que uno está vivo. Los padres a veces nos incapacitan de nuestra
libertad desde pequeños, al estar tirados en el piso cuando uno es bebé, desde ese
momento mediante el tacto ya estamos aprendiendo ya sea a diferenciar el calor y
el frio mediante el piso o lo que es sentir algún hincón o un pequeño dolor

III. RENDIMIENTO ACADÉMICO

El rendimiento académico es una problemática que preocupa hondamente a estudiantes,
padres, profesores y autoridades; y no solo en nuestro país, sino también en otros muchos
países latinoamericanos y de otros continentes.
Diversos autores coinciden al sostener que el rendimiento académico es el resultado del
aprendizaje suscitado por la actividad didáctica del profesor y producido en el alumno. Para
Martínez-Otero (2007), desde un enfoque humanista, el rendimiento académico es “el
producto que da el alumnado en los centros de enseñanza y que habitualmente se expresa
a través de las calificaciones escolares” (p. 34). Hace tres quinquenios, Pizarro (1985) refería
el rendimiento académico como una medida de las capacidades respondientes o indicativas
que manifiestan, en forma estimativa, lo que una persona ha aprendido como consecuencia
de un proceso de instrucción o formación.
El propósito del rendimiento escolar o académico es alcanzar una meta educativa, un
aprendizaje. En el rendimiento académico intervienen factores como el nivel intelectual, la
personalidad, la motivación, las aptitudes, los intereses, los hábitos de estudio, la
autoestima o la relación profesor-alumno; cuando se produce un desfase entre el
rendimiento académico y el rendimiento que se espera del alumno, se habla de rendimiento
discrepante; un rendimiento académico insatisfactorio es aquel que se sitúa por debajo del
rendimiento esperado. En ocasiones puede estar relacionado con los métodos didácticos.
(Marti, 2003, p. 376).
CAPÍTULO III
METODOLOGÍA
Ahora es necesario entender los conceptos de población y de muestra que uno ha estudiado para
lograr comprender mejor su significado en la investigación educativa y social que se llevó a cabo.
3.1 POBLACIÓN DE ESTUDIO:
El conjunto total de individuos que hemos tomado para nuestro estudio, poseen ciertas
características comunes observables como es la edad, el lugar donde estudian (Universidad Nacional
Santiago Antúnez de Mayolo) y otras características esenciales.
 Homogeneidad: Los miembros de nuestra población de estudio tuvieron ciertas
características comunes: estudiantes, promedio ponderado semestral, etc. A su vez se tomó
sus características según los tipos de variables (cualitativas y cuantitativas) que fueron
considerados muy importantes para nuestro estudio.
 Tiempo: El periodo de tiempo en la cual se ubicó nuestra población de interés de estudio fue
en una fecha establecida, 8 de noviembre de 2018.
 Espacio: El espacio o lugar donde se ubicó nuestra población de estudio fue dentro de la
Universidad Nacional Santiago Antúnez de Mayolo – Shancayán.
 Cantidad: El tamaño de la población que tomamos fue sumamente importante ya que de eso
determinamos el tamaño de nuestra muestra.
3.2 MUESTRA DE ESTUDIO
La nuestra que tomamos es un subconjunto fielmente representado de nuestra población. La
muestra que tomamos fue solo a estudiantes de la Escuela Profesional de Estadística e Informática,
30 estudiantes para ser más específicos, ya que nuestro estudio abarca el motivo del bajo nivel de
rendimiento académico de los estudiantes de la Universidad Nacional Santiago Antúnez de Mayolo.
3.3 UNIDAD DE ANÁLISIS
En la unidad de análisis tenemos a los estudiantes de la facultad de ciencias de la Universidad
Nacional Santiago Antúnez de Mayolo (UNASAM), situado en la ciudad de Huaraz-Ancash, en donde
tomamos como muestra a solo treinta estudiantes que cursaban el IV ciclo de la escuela profesional
de estadística e informática
Ante la muestra (treinta estudiantes) nosotros tomamos la decisión de saber por qué algunos
estudiantes llevaban dos o tres veces matriculados en el mismo curso. Es por ello que formulamos
algunas variables como su situación sentimental, sus promedios ponderados, sus lugares de
procedencia, horas de estudios extras que realizan fuera de la universidad, entre otros para analizar
 los factores que influyen en el bajo rendimiento académico. Ante esta muestra, decidimos encuestar
y nos dimos cuenta del porque muchos estudiantes cursan nuevamente diferentes cursos.

3.4 OPERACIONALIZACIÓN DE VARIABLES

A continuación, se presentará la clasificación de las variables en estudio de una manera más
detallada, trabajando con las variables, cualitativas (o categóricas) y cuantitativas:

VARIABLE TIPO ESCALA CATEGORIA O UNIDAD DE MEDIDA

EDAD CUANTITATIVA DE RAZON EDAD EN AÑOS
DISCRETA
GENERO CUALITATIVA NOMINAL FEMENINO/MASCULINO
AÑO DE INGRESO A LA CUANTITATIVA NOMINAL AÑO
UNIVERSIDAD DISCRETA
LUGAR DE PROCEDENCIA CUALITATIVA NOMINAL ZONA RURAL/ ZONA URBANA/ ZONA
URBANA MARGINAL
HORAS DE ESTUDIO DIARIAS CUANTITATIVA DE RAZON HORAS/DIARIAS
CONTINUA
PROMEDIO PONDERADO CUANTITATIVA DE RAZON PROMEDIO POR SEMESTRE
CONTINUA
NUMERO DE CURSOS CUANTITATIVA NOMINAL CANTIDAD
MATRICULADOS DISCRETA
SITUACION SENTIMENTAL CUALITATIVA NOMINAL SOLTERO/ EN UNA RELACION/ ACABO DE
TERMINAR UNA RELACION
RENDIMIENTO ACADEMICO CUANTITATIVA ORDINAL CATEGORIA
QUE LE BRINDA LA UNASAM DISCRETA
ACTIVIDAD LABORAL CUALITATIVA NOMINAL TRABAJA/NO TRABAJA
SITUACION FAMILIAR CUALITATIVA NOMINAL TIENE HIJOS/NO TIENE HIJOS
CAPACITACION DE LOS CUANTITATIVA ORDINAL CATEGORIA
DOCENTES DISCRETA
3.5 TÉCNICA DE RECOLECIÓN DE DATOS
Las técnicas de recolección de datos que usamos (método) fue “La encuesta” y como instrumento
que usamos fueron treinta hojas que contenían una serie de preguntas dirigidas a los estudiantes
sobre, ¿Cuál fue su promedio?, ¿Cuál es su lugar de procedencia?, ¿cuál era su situación
sentimental?, entre otras preguntas.

El tema primordial que tuvimos mediante esta encuesta fue sobre el rendimiento académico de los
estudiantes que cursaban el IV ciclo de la facultad de ciencias de la escuela profesional de Estadística
e Informática, porque se está viendo en muchos casos en donde los estudiantes están llevando por
segunda o tercera vez un curso, y es por eso que decidimos hacer la encuesta y realizar un análisis
para saber cuáles son los factores que influyen en el bajo rendimiento de los estudiantes.

Al utilizar métodos e instrumentos de recolección de datos, también hicimos unas preguntas extras
sobre su vivencia y sobre cómo se sentían en la universidad. Ante esto supimos que algunos de los
estudiantes están en riesgo académico, ya que algunos no solo se dedican al estudio, sino a otras
actividades y estos son algunos de los factores que causan el bajo rendimiento académico, los
estudiantes dejan de lado la dedicación y la entrega que se merece cada curso en la universidad

.
 CAPITULO IV

4. DATOS: Los datos se obtuvieron mediantes una serie de preguntas realizadas a los estudiantes de Estadística e Informática mediante una
encuesta

Datos obtenidos mediante encuesta

N° Edad Género Ingreso Procedencia H.E.D.F.C. PP 2018-I C.M. Situación C.E.. Trabaja Tiene C. D.
E.. 2018-II Sentimental UNASAM Hijos
1 19 M 2016 Z.R. 0-2 13≤PP<14 8 Relación 3 No No 4
2 20 M 2017 Z.U. 4-6 11≤PP<12 7 Relación 1 No Si 4
3 23 M 2015 Z.U. 2-4 11≤PP<12 4 Soltero 3 Sí No 3
4 18 M 2017 Z.U. 4-6 12≤PP<13 6 Relación 2 No No 2
5 19 M 2016 Z.U. 0-2 10≤PP<11 5 Relación 3 No Sí 3
6 21 M 2016 Z.U. 0-2 10≤PP<11 5 Relación 3 Sí No 1
7 20 F 2016 Z.U. 0-2 11≤PP<12 4 Soltera 1 Sí No 2
8 20 F 2017 Z.R. 2-4 11≤PP<12 6 Relación 4 No No 3
9 21 M 2016 Z.R. 2-4 11≤PP<12 6 Soltero 4 No No 4
10 21 M 2017 Z.U. 4-6 15≤PP<16 6 Relación 1 Sí Sí 1
11 21 M 2017 Z.U.M. 4-6 12≤PP<13 5 Relación 3 Sí No 3
12 20 F 2017 Z.U. 2-4 13≤PP<14 6 Soltera 1 No No 4
13 20 F 2017 Z.R. 0-2 12≤PP<13 6 Relación 5 Sí No 3
14 18 F 2017 Z.U. 0-2 11≤PP<12 4 Soltera 3 No No 4
15 19 F 2017 Z.R. 4-6 12≤PP<13 5 Relación 3 Sí No 5
16 19 F 2017 Z.R 2-4 11≤PP<12 4 Soltera 4 No No 3
17 20 M 2016 Z.R. 4-6 14≤PP<15 6 Terminó una 4 No No 4
relación
18 20 M 2017 Z.U. 6-8 14≤PP<15 6 Soltero 3 No No 4
19 19 F 2017 Z.R. 0-2 11≤PP<12 5 Relación 4 No No 3
20 20 M 2017 Z.R. 2-4 11≤PP<12 5 Terminó una 3 Si No 4
Relación
21 18 F 2017 Z.U. 2-4 10≤PP<11 4 Relación 5 No No 4
22 19 M 2017 Z.R. 0-2 13≤PP<14 7 Soltero 1 No No 1
23 19 F 2017 Z.U. 4-6 12≤PP<13 6 Soltera 3 No No 3
24 19 F 2017 Z.R. 0-2 14≤PP<15 6 Soltera 4 No No 4
25 20 M 2016 Z.U. 2-4 11≤PP<12 6 Soltero 3 No No 3
26 21 M 2017 Z.R. 2-4 11≤PP<12 5 Soltero 4 Sí No 3
27 18 M 2017 Z.U. 0-2 13≤PP<14 8 Relación 3 No No 4
28 22 M 2016 Z.U. 0-2 10≤PP<11 4 Soltero 4 No Sí 4
29 19 F 2017 Z.U. 4-6 12≤PP<13 6 Terminó una 3 Sí No 3
Relación
30 22 F 2015 Z.U. 2-4 12≤PP<13 6 Relación 3 No No 4
 N° E: Número de Encuesta
M: Masculino
F: Femenino
Z.R: Zona Rural
Z.U: Zona Urbana
Z.U.M: Zona Urbana Marginal
H.E.D.F.C: Horas de Estudio al día, fuera de clase
PP: Promedio Ponderado
C.M: Cursos Matriculados
C.E: Calidad De Educación que Brinda La UNASAM
C.D: Capacidad del docente

RESULTADOS

DISTRIBUCIÓN DE FRECUENCIAS N° 01
 Variable en estudio : Edades.
 Tipo de variable : Cuantitativa discreta
 Unidad de observación : Estudiantes

Tabla N° 01.- Distribución de frecuencias de acuerdo la edad de los estudiantes de la escuela profesional de
Estadística e Informática de la Facultad de Ciencias – UNASAM.

Variable fi Fi hi Hi %hi %Hi

18 4 4 0.133 0.133 13.30% 13.30%

19 9 13 0.300 0.433 30.00% 43.30%

20 9 22 0.300 0.733 30.00% 73.30%

21 5 27 0.167 0.900 16.70% 90.00%

22 2 29 0.067 0.967 6.70% 96.70%

23 1 30 0.033 1.000 3.30% 100.00%

Total 30 - 1 - 100% -

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Gráfico N° 01

Distribución bastones de acuerdo a la edad de los estudiantes de la escuela profesional de Estadística e

Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 18 estudiantes tienen 19 y 20 años.

 5 estudiantes tienen 21 años.
Gráfico N° 02

Distribución de acuerdo la edad de los estudiantes de la escuela profesional de Estadística e Informática de

la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 (------)
Gráfico N° 03

Distribución de acuerdo la edad de los estudiantes de la escuela profesional de Estadística e Informática de la

Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 (_--_--_)
MEDIDAS DE TENDENCIA CENTRAL

Promedio ( −
𝐗 )

−
X = ∑ 𝑋𝑖𝑓𝑖

−
X=18(4)+19(9)+20(9)+21(5)+22(2)+23(1)

−
595
X= = 19.833
30

Interpretación:

La cantidad de edad promedio que los estudiantes tienen son 19.83 años.

Mediana (Me)

Dato 18 18 18 18 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20

N° 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Dato 20 20 21 21 21 21 21 22 22 23

N° 21 22 23 24 25 26 27 28 29 30

𝑋30 + 𝑋30
+1
2 2
𝑀𝑒 =
2

𝑋15 + 𝑋16
𝑀𝑒 =
2

20 + 20
𝑀𝑒 =
2

𝑀𝑒 = 20
Interpretación:

El 50% de los estudiantes tiene la edad menor o igual a 20 años, mientras que el otro 50% supera dicha
cantidad.

Moda (Mo)

𝑀𝑜1 = 19

𝑀𝑜2 = 20

Interpretación:

La mayoría de estudiantes tienen edades de 19 y 20 años.

MEDIDAS DE DISPERCIÓN

Varianza Poblacional

∑ 𝑓𝑖(𝑋𝑖 − 𝜇) 2
𝜎𝑥2 =
𝑁

𝜎𝑥2
4(18 − 19.83̂) 2 + 9(19 − 19.83̂)2 + 9(20 − 2.19.83̂)2 + 5(21 − 19.83̂)2 + 2(22 − 19.83̂)2 + 1(23 − 19.83̂)2
=
30

46.167
𝜎𝑥2 = = 1,539 𝑎ñ𝑜𝑠 2
30

Varianza Muestral

∑ 𝑓𝑖(𝑋𝑖 − −
X)
2
𝑆𝑥2 =
𝑁−1

𝜎𝑥2
4(18 − 19.83̂) 2 + 9(19 − 19.83̂)2 + 9(20 − 2.19.83̂)2 + 5(21 − 19.83̂)2 + 2(22 − 19.83̂)2 + 1(23 − 19.83̂)2
=
30 − 1

46.167
𝜎𝑥2 = = 1,592 𝑎ñ𝑜𝑠 2
29
Desviación Estándar Poblacional

𝜎𝒙 = √𝜎𝑥2

𝜎𝒙 = √1,539

𝜎𝒙 = 1.241 𝑎ñ𝑜𝑠

Interpretación:

La variabilidad que existe en las edades de los estudiantes es de 1.241 años.

Desviación Estándar Muestral

𝑆𝒙 = √𝑆𝑥2

𝑆𝒙 = √1.592

𝑺𝒙 = 1.262 𝑎ñ𝑜𝑠

Interpretación:

La variabilidad que existe en las edades de los estudiantes es de 1.262 años.

Coeficiente de Variación Poblacional

𝜎𝑥
𝐶𝑉 = 100
𝜇

1.241
𝐶𝑉 = 100
19,833

𝐶𝑉 = 6.25% < 15% (La distribución es homogénea)

Coeficiente de Variación Muestral

𝑆𝑥
𝐶𝑉 = − 100
X

1.262
𝐶𝑉 = 100
19.833

𝐶𝑉 = 6.36 % < 15% (La distribución es homogénea)

Coeficiente de Asimetría

𝟑( −
X − 𝑀𝑒)
𝐴𝑠 =
𝑺𝒙

𝟑(19.833 − 20)
𝐴𝑠 =
1.262

𝐴𝑠 = −0,367 < 0 (Distribución asimétrica negativa

DISTRIBUCIÓN DE FRECUENCIAS N° 02
 Variable de estudio: Género.
 Tipo de variable: Variable cualitativa Nominal
 Objeto de estudio: Estudiantes de la UNASAM.

Tabla N° 02
Distribución de los alumnos de Estadística e Informática de la UNASAM -IV ciclo según su género
GÉNERO fi Fi hi Hi hi%
MASCULINO 17 17 0.567 0.567 56.70%
FEMENINO 13 30 0.433 1 43.30%
TOTAL 30 - 1 - 100%
Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo – 2018
GRÁFICO N°04

GÉNERO DE LOS ALUMNOS DE ESTADISTICA

INFORMATICA DE LA UNASAM - IV CICLO

20
Número de estudiantes

15

10 17
13
5

0
MASCULINO FEMENINO
Género
MASCULINO FEMENINO

Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo - 2018
Interpretaciones:
 13 estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de género femenino.
 17 estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de género masculino.
GRÁFICA N°05

GÉNERO DE LOS ALUMNOS DE SM=360° (0.567)

ESTADISTICA INFORMATICA DE LA SM= 204.12°
UNASAM - IV CICLO SF360° (0.433)
SF=155.88°

43.3%
56.7%

MASCULINO FEMENINO

Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo - 2018
Interpretaciones:
 EL 43.30 % de los estudiantes de Estadística e Informática de la UNASAM -IV Ciclo son de género
femenino.
 El 56.70% de los estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de género
masculino.
MEDIDAS DE TENDENCIA CENTRAL
 Moda= 17
Interpretación: El Género con mayor frecuencia en los estudiantes de Estadística e Informática - IV Ciclo
es el masculino.

DISTRIBUCIÓN DE FRECUENCIAS N°03

 Variable de estudio: Año de ingreso de los estudiantes de la UNASAM.
 Tipo de variable: Variable cualitativa.
 Objeto de estudio: Estudiantes de la UNASAM.
Tabla N°03
Distribución de Frecuencias de los estudiantes de Estadística e Informática - IV ciclo según el año de ingreso
a la UNASAM
Año de Ingreso fi Fi hi Hi hi% Hi% yi*hi (yi-u)2

2015 2 2 0,067 0,067 6,7% 6,7% 135,005 2,557

2016 8 10 0,267 0,334 26,7% 33,4% 538,272 0,359

2017 20 30 0,666 1 66,6% 100% 1,343,322 0,169

Total 30 _ 1 _ 100% _ 2,016,599 3,007

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Grafico N°06

DISTRIBUCIÓN DE ESTUDIANTES SEGÚN

SU AÑO DE INGRESO
25
Número de Estudiantes

20

15

10

0
2015- 2016- 2017-
Año de Ingreso

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

 Interpretación f1: Hay 2 estudiantes que han ingresado en el año del 2015.
 Interpretación f2: Hay 8 estudiantes que han ingresado en el año del 2016.
 Interpretación f3: Hay 20 estudiantes que han ingresado en el año del 2017.
Grafica N°07
Distribución de estudiantes según su año de ingreso

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

 Interpretación F1: Hay 2 estudiantes a lo más que han ingresado en el año del 2015.
 Interpretación F2: Hay 8 estudiantes a lo más que han ingresado en el año del 2016.
 Interpretación F3: Hay 20 estudiantes a lo más que han ingresado en el año del 2017.

MEDIDAS DE TENDENCIA CENTRAL

 Promedio ( )

=∑Yi*hi

=2016,599
Interpretación: El promedio de los estudiantes son a mediados del año 2016,599.
 Mediana (Me)
Me = 2017
Interpretación: El 50% de los estudiantes han ingresados a menor o igual al año del 2017, mientras que
el otro 50% supera a dicho año.
  Moda (Mo)
Mo = 2017
Interpretación: La mayoría de estudiantes ingresaron en el año del 2017.

MEDIDAS DE DISPERSIÓN
 Varianza poblacional
∑(𝐲𝐢−𝐔)𝟐
Ϭx2= 𝐍
3,077
Ϭx2= =0,103 Ei2
30

 Varianza muestral
∑(𝐲𝐢−𝐗)𝟐
Sx2= 𝐍−𝟏
3,077=
Sx2= 29
0,106 Ei2

 Desviación estándar poblacional

Ϭx=√ 𝐎𝒙2
Ϭx=√𝑜, 106 𝐴𝑖 2=0,321 Ei
Interpretación: La variabilidad que existe entre los estudiantes ingresados es de 0,321 Ei.
 Desviación estándar muestral
SX=√𝐒 𝒙2
SX=√0,106 𝐴𝑖 2=0,326 Ei
Interpretación: La variabilidad que existe entre los estudiantes ingresados es de 0,326 Ei.
 Coeficiente de variación poblacional
Ϭ𝐱
C.V= 𝑼
*100%
0,321 𝐸𝑖
C.V=2016,599*100% = 0,016% <15% (La distribución es homogénea.)

 Coeficiente de variación muestral

𝐒𝐱
C.V= 𝑿 *100%
0,326 𝐸𝑖
C.V=2016,599*100% = 0,016% <15% (La distribución es homogénea.)

 Coeficiente de asimetría
𝟑(𝑿−𝑴𝒆)
As= 𝑺𝒙
3(2016,599−2017)
As= 0,326
= -3,69 <0 (La distribución asimétrica negativa.)
DISTRIBUCIÓN DE FRECUENCIAS N°04
Variable de estudio: Lugar de procedencia.
Tipo de variable: Variable cualitativa.
Objeto de estudio: Estudiantes de la UNASAM.

Tabla N°04
Distribución de estudiantes según su lugar de procedencia.
Lugar de procedencia fi Fi hi Hi hi% Hi%
Zona rural 12 12 0,4 0,4 40% 40%
Zona urbana 17 29 0.567 0.967 56.7% 96,7%
Zona urbana marginal 1 30 0.033 1 3.3% 100%
Total 30 - 1 - 100% -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Grafico N°08

NÚMERO DE ESTUDIANTE SEGUN SU LUGAR DE

PROCEDENCIA

zona rural
18 zona urbana
16 zona urbana marginal
Número de Estudiantes

14
12
10 17
8
12
6
4
2 1
0
zona rural zona urbana zona urbana marginal
Lugar de procedencia

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística

e Informática de la UNASAM de IV ciclo -2018

 Interpretación f1: Hay 12 estudiantes que provienen de zona rural.

  Interpretación f2: Hay 17 estudiantes que provienen de zona urbana.
 Interpretación f3: Hay 1 estudiante que proviene de zona urbana marginal.

Grafico N°09

PORCENTAJE DE ESTUDIANTES SEGUN SU LUGAR DE

zona urbana PROCEDENCIA
marginal
3,3%

zona rural
40%
zona rural

zona urbana

zona urbana zona urbana

marginal
56,7%

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de
la UNASAM de IV ciclo -2018

Sx=hi*306°
Zona rural
0,4*360=144°
Zona urbana
0,567*360°=204,12°
Zona urbana marginal
0,033*360°=11,88°

 Interpretación h1: El 40% de los estudiantes provienen de zona rural.

 Interpretación h2: El 56,7% de los estudiantes provienen de zona urbana.
 Interpretación h3: El 3,3% de los estudiantes provienen de zona urbana marginal.
MEDIDAS DE TENDENCIA CENTRAL
 Moda: Zona urbana
Interpretación: La mayoría de los estudiantes provienen de zona urbana

DISTRIBUCIÓN DE FRECUENCIAS N°05

 Variable en estudio: Número de horas de estudio fuera de clase
 Tipo de Variable: Cuantitativa Continua
 Unidad de observación: Estudiantes de la UNASAM
Tabla N° 05
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Li Ls Yi fi Fi hi Hi %hi %Hi *Fi *Hi *%Hi
[0 2> 1 11 11 0.367 0.367 36.7% 36.7% 30 1 100%
[2 4> 3 10 21 0.333 0.7 33.3% 70% 19 0.633 63.3%
[4 6> 5 8 29 0.267 0.967 26.7% 96.7% 9 0.3 30%
[6 8] 7 1 30 0.033 1 3.3% 100% 1 0.033 3.3%
Total - 30 - 1 - 100% - - - -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Gráfico N° 10
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Número de estudiantes

2 4 6 8
Horas de estudio
 Fuente: Datos obtenidos mediante encuesta realizada a los alumnos
de Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 11 estudiantes de IV ciclo de Estadística e Informática estudian de 0 a 2 horas fuera de clase.
 1 estudiante de IV ciclo de Estadística e Informática estudia de 6 a 8 horas fuera de clase.
Gráfico N° 11
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Número de estudiantes

Yi
-1 1 3 5 7 9
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018

Gráfico N° 12
Distribución según el número de horas de estudio fuera de clases de los estudiantes

Ojiva Mayor Ojiva Menor

*Fi
Número de estudiantes

2 4 6 8
Horas de estudio
 Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 29 estudiantes de IV ciclo de Estadística e informática estudian a lo más 6 horas fuera de clase.
 9 estudiantes de IV ciclo de Estadística e informática estudian más de 4 horas fuera de clase.
MEDIDAS DE TENDENCIA CENTRAL
 Promedio ( −
𝐗 )

−
X = ∑ 𝑌𝑖ℎ𝑖
−
X=1(0.367)+3(0.333)+5(0.267)+7(0.033)
−
X=2.932

Interpretación: La cantidad de horas promedio que los estudiantes estudian fuera de clase es 2.932 horas.

 Mediana (Me)
𝑛
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖 + 𝐶 (2 )
𝑓𝑖

15 − 11
𝑀𝑒 = 2 + 2 ( )
10
𝑀𝑒 = 2.8
Interpretación: El 50% de los estudiantes estudia fuera de clase menor o igual a 2.8 horas, mientras que el
otro 50% supera dicha cantidad.
 Moda (Mo)
𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 + ( )
(𝑓𝑖 − 𝑓𝑖−1 ) + (𝑓𝑖 − 𝑓𝑖+1
11
𝑀𝑒 = 0 + 2 ( )
11 + 1
𝑀𝑒 = 1.833
Interpretación: La mayoría de los estudiantes estudia 1.833 horas fuera de clase.

MEDIDAS DE DISPERCIÓN
 Varianza Poblacional
∑ 𝑓𝑖(𝑌𝑖 − 𝜇) 2
𝜎𝑥2 =
𝑁
 11(1 − 2.932) 2 + 10(3 − 2.932)2 + 8(5 − 2.932)2 + 1(7 − 2.932)2 91.867
𝜎𝑥2 = =
30 30
𝜎𝑥2 = 3.062 hr2
 Varianza Muestral
∑ 𝑓𝑖(𝑌𝑖 − −
X)
2
𝑆𝑥2 =
𝑁−1
11(1 − 2.932) 2 + 10(3 − 2.932)2 + 8(5 − 2.932)2 + 1(7 − 2.932)2 91.867
𝑆𝑥2 = =
29 29
𝑆𝑥2 = 3.168 hr2
 Desviación Estándar Poblacional

𝜎𝒙 = √𝜎𝑥2

𝜎𝒙 = √3.062
𝜎𝒙 = 1.750 hr.
Interpretación: La variabilidad que existe en el número de horas de estudio fuera de clase por los estudiantes
es de 1.750 hr.
 Desviación Estándar Muestral

𝑆𝒙 = √𝑆𝑥2

𝑆𝒙 = √3.168
𝑺𝒙 = 1.780 hr
Interpretación: La variabilidad que existe en el número de horas de estudio fuera de clase por los estudiantes
es de 1.780 hr.
 Coeficiente de Variación Poblacional
𝜎𝑥
𝐶𝑉 = 100
𝜇
1.75
𝐶𝑉 = 100
2.932
𝐶𝑉 = 59.686 % > 15% (La distribución no es homogénea)
 Coeficiente de Variación Muestral
𝑆𝑥
𝐶𝑉 = − 100
X
1.78
𝐶𝑉 = 100
2.932
𝐶𝑉 = 60.709 % > 15% (La distribución no es homogénea)
  Coeficiente de Asimetría
𝟑( −
X − 𝑀𝑒)
𝐴𝑠 =
𝑺𝒙
𝟑(2.932 − 2.8)
𝐴𝑠 =
1.78
𝐴𝑠 = 0.222 > 0 (Distribución asimétrica positiva)

DISTRIBUCIÓN DE FRECUENCIAS N°06

 Variable en Estudio: Promedio Ponderado.
 Tipo de Variable: Cuantitativa Continua
 Unidad de observación: Estudiantes de la UNASAM

Tabla N°06
Distribución de estudiantes según su promedio ponderado del semestre 2018-I
[LI LS> Yi Fi Fi hi Hi %hi %Hi *Fi *Hi *%Hi

[10 11> 10.5 4 4 0.133 0.133 13.3% 13.3% 30 1 100%

[11 12> 11.5 11 15 0.367 0.5 36.7% 50% 26 0.867 86.7%

[12 13> 12.5 7 22 0.234 0.734 23.4% 73.4% 15 0.5 50%

[13 14> 13.5 4 26 0.133 0.867 13.3% 86.7% 8 0.266 26.6%

[14 15> 14.5 3 29 0.1 0.967 10% 96.7% 4 0.133 13.3%

[15 16] 15.5 1 30 0.033 1 3.3% 100% 1 0.033 3.3%

TOTAL - 30 - 1 - 100% - - - -

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
 %h3: el 24.3% de los estudiantes de la escuela de estadística e informática tiene un promedio
ponderado del semestre 2018-I mayor igual a 12 y menor a 13
 F4: Hay 26 estudiantes de la escuela de estadística e informática con un promedio ponderado del
semestre 2018- I mayor igual a 10 y menor a 14
Grafico N° 13

Distribución de estudiantes según su promedio ponderado

del semestre 2018-I
12
Numero de estudiantes

10

0
[10 11> [11 12> [12 13> [13 14> [14 15> [15 16>
Promedio Ponderado

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
 Hay 11 estudiantes de la escuela de estadística e informática con un promedio ponderado del
semestre 2018- I mayor igual a 11 y menor a 12.
 Hay 1 estudiante de dicha escuela con un promedio ponderado del semestre 2018- I mayor igual a
15 y menor igual a 16

Grafico N° 14

Distribución de estudiantes según su promedio

ponderado del semestre 2018-I

15
Numero de estudiantes

10

0
10.5 11.5 12.5 13.5 14.5 15.5
Promedio Ponderado
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de
la UNASAM de IV ciclo -2018
Interpretación:
 Hay 11 estudiantes de la escuela de estadística e informática con un promedio ponderado del
semestre 2018- I de 11.5
 Hay 1 estudiante de dicha escuela con un promedio ponderado del semestre 2018- I de 15.
Grafico N°15

Distribución de estudiantes según su promedio

ponderado del semestre 2018-I
35
Numero de estudiantes

30
25
20
15
10
5
0
10.5 11.5 12.5 13.5 14.5 15.5
Promedio Ponderado

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e

Informática de la UNASAM de IV ciclo -2018
Interpretación:
 Hay 11 estudiantes de la escuela de Estadística e Informática con un promedio ponderado del
semestre 2018- I de 11.5
 Hay 1 estudiante de dicha escuela con un promedio ponderado del semestre 2018- I de 15.5

MEDIDAS DE TENDENCIA CENTRAL:

 Media o promedio ( ):
∑ 𝑦𝑖∗𝑓𝑖
= 𝑛
(10.5∗4)+(11.5∗11)+(12.5∗7)+(13.5∗4)+(14.5∗3)+(15.5∗1) 369
= 30
= 30

=12.3
Interpretación: El promedio ponderado de los estudiantes es de 12.3
 Mediana (Me):
 𝑛
−𝐹𝑖−1
Me=𝐿𝑖 + 𝑐 [ 2 𝑓𝑖
]
15−4
Me=11 + 1 [ 11
]

Me=12
Interpretación: El 50% de los estudiantes tiene un promedio ponderado menor igual a 12 y el otro 50%
superior a dicho promedio
 Moda (Mo):
d1= 11-4= 7
d2=11-7= 4
𝑑1
Mo= 𝐿𝑖 + 𝑐 [𝑑1+𝑑2]
7
Mo= 11 + 1 [ ]
7+4

Mo=11.636
Interpretación: La mayoría de los estudiantes tiene un promedio ponderado de 11.636

MEDIDAS DE DISPERSIÓN:
 Varianza Poblacional
U= = 12.3
𝛴𝑓𝑖 (𝑦𝑖 − 𝑈)2
𝜎𝑥2 =
𝑁
4(10.5−12.3)2 +11(11.5−12.3)2 +7(12.5−12.3)2 +4(13.5−12.3)2 +3(14.5−12.3)2 +1(15.5−12.3)2
𝜎𝑥2 =
30
12.96+7.04+0.28+5.76+14.52+10.24 50.8
𝜎𝑥2 = 30
= 30

𝜎𝑥2 =1.693
 Varianza Muestra
∑𝑓𝑖 (𝑦𝑖−𝑥̅ )2
𝑠𝑥2 =
𝑛−1
4(10.5−12.3)2 +11(11.5−12.3)2 +7(12.5−12.3)2 +4(13.5−12.3)2 +3(14.5−12.3)2+1(15.5−12.3)2
𝑆𝑥2 = 29

𝑆𝑥2 =1.751
 Desviación estándar poblacional

𝜎𝑥 = √𝑜𝑥2 =√1.693
𝜎𝑥 =1.301
La variabilidad que existe en el promedio ponderado de los estudiantes es de 1.30
  Desviación estándar muestral

𝑠𝑥 = √𝑆𝑥2 = √1.751
𝑠𝑥 = 1.323
La variabilidad que existe en el promedio ponderado de los estudiantes es de 1.32
 Coeficiente de variación poblacional
σx 1.301
CV= *100 = *100
𝑈 12.3

CV=10.58% <15% (La distribución es homogénea)

 Coeficiente de variación muestral
sx 1.323
CV=
𝑈
*100 =
12.3
*100

CV=10.76% <15% (La distribución es homogénea)

 Coeficiente de asimetría
Me=12
3(𝑥̅ −𝑀ⅇ) 3(12.3−12)
As= =
𝑠𝑥 1.323

As=0.680 >0 (La distribución es asimétrica positiva)

DISTRIBUCIÓN DE FRECUENCIAS 07
 Variable en estudio: Situación sentimental.
 Tipo de variable: Cualitativa Nominal
 Unidad de observación : Estudiantes
Tabla N° 07

Distribución de frecuencias de acuerdo a la situación sentimental de los estudiantes de la escuela profesional

de Estadística e Informática de la Facultad de Ciencias – UNASAM.

Situación
fi Fi hi Hi %hi %Hi
Sentimental

Relación 14 14 0.467 0.467 46.70% 46.70%

Soltero 13 27 0.433 0.900 43.30% 90.00%

Terminó una
3 30 0.100 1.000 10.00% 100.00%
relación

Total 30 1.000 100.00%

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Gráfico N° 16

Distribución barras de acuerdo a la situación sentimental de los estudiantes de la escuela profesional de

Estadística e Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 14 estudiantes mantienen una relación actualmente.

 03 estudiantes terminaron una relación.

Gráfico N° 17
Distribución de acuerdo a la situación sentimental de los estudiantes de la escuela profesional de Estadística

e Informática – UNASAM.
Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018
MEDIDAS DE TENDENCIA CENTRAL:

Moda (Mo)

𝑀𝑜1 = 19

𝑀𝑜2 = 20

Interpretación:

La mayoría de estudiantes tienen edades de 19 y 20 años.

DISTRIBUCIÓN DE FRECUENCIAS N°O8

Variable de estudio: Rendimiento Académico Que Brinda La UNASAM
Tipo de variable: Variable cualitativa. Ordinal
Objeto de estudio: Estudiantes de la UNASAM.
Tabla N° 08
Distribución de los estudiantes de Estadística e Informática del IV ciclo según el rendimiento académico que
les brinda la UNASAM
Calidad de educación que brinda la fi Fi hi Hi hi%
UNASAM

Muy Malo 5 5 0.167 0.167 16.70%

Malo 1 6 0.034 0.201 3.40%

Regular 14 20 0.467 0.668 46.70%

Bueno 8 28 0.266 0.934 26.60%

Muy Bueno 2 30 0.066 1 6.60%

Total 30 - 1 - 100.00%

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
GRÁFICO N°18

CALIDAD DE EDUCACIÓN QUE BRINADA LA UNASAM A LOS

ESTUDIANTES DE ESTADISTICA E INFORMATICA DE IV CICLO
14
14

12
NÚMERO DE ALUMNOS

10 MUY MALO
8
8 MALO
5 REGULAR
6
BUENO
4
2
1 MUY BUENO
2

0
MUY MALO MALO REGULAR BUENO MUY BUENO
RENDIMIENTO QUE OFRECE LA UNASAM

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
 Hay 1 alumno de Estadística e Informática de IV Ciclo que afirma recibir una MALA calidad de
educación por parte de la UNASAM
 Hay 14 alumnos de Estadística e Informática de IV Ciclo que afirman recibir una calidad de educación
REGULAR por parte de la UNASAM
GRÁFICO N°19

CALIDAD DE EDUCACIÓN QUE BRINADA LA UNASAM A LOS ESTUDIANTES DE

ESTADISTICA E INFORMATICA DE IV CICLO

6.60% 16.70%
3.40%
26.60%
MUY MALO
MALO
REGULAR
BUENO
46.70%
MUY BUENO

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Interpretación:
 Hay 3.40% alumno de Estadística e Informática de IV Ciclo que afirma recibir una MALA calidad de
educación por parte de la UNASAM
 Hay 46.70% alumnos de Estadística e Informática De IV Ciclo que afirman recibir una calidad de
educación REGULAR por parte de la UNASAM
MEDIDAS DE TENDENCIA CENTRAL:
 MODA= 14

Interpretación: La calidad de educación que reciben los alumnos de Estadística e Informática de IV Ciclo por
parte de la UNASAM es regular.

DISTRIBUCIÓN DE FRECUENCIAS N°09

Tabla N°09
Distribución de estudiantes según la opinión que tienen sobre la capacitación de sus docentes
Nivel de Capacitación fi Fi hi Hi %hi %Hi

MUY MALO (1) 3 3 0.1 0.1 10% 10%

MALO (2) 2 5 0.067 0.167 6.7% 16.7%

REGULAR (3) 11 16 0.367 0.534 36.7% 53.4%

BUENO (4) 13 29 0.433 0.967 43.3% 96.7%

MUY BUENO (5) 1 30 0.033 1 3.3% 100%

TOTAL 30 - 1 - 100% -

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Interpretación:
 f3: Hay 11 estudiantes que opinan que sus docentes tienen una capacitación de 3
 H2: 0.067 proporción de estudiantes que opinan que sus docentes tienen una capacitación a lo mas
de 2
 %h4: El 43.3% de los estudiantes opinan que sus docentes tienen una capacitación de 4(bueno)
Grafico N°20

Fuente: Datos obtenidos mediante encuesta realizada a los

alumnos de Estadística e Informática de la UNASAM de IV
ciclo -2018
Interpretación:
 Hay 11 estudiantes de la escuela de estadística e informática que opinan que sus docentes tienen una
capacitación de 3
 Hay 1 estudiante de dicha escuela que opina que sus docentes tienen una capacitación de 5

Grafico N°21

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de

Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 Hay 3 estudiantes que opinan que sus docentes tienen una capacitación de 1
 Hay 5 estudiantes que opinan que sus docentes tienen una capacitación a lo más de 2

MEDIDAS DE TENDENCIA CENTRAL:

 Media o promedio ( ):
∑ 𝑦𝑖∗𝑓𝑖
= 𝑛
(1∗3)+(2∗2)+(3∗11)+(4∗13)+(5∗1) 97
= 30
= 30

=3.233
Interpretación: La capacitación de los docentes en promedio según la opinión de los estudiantes es de 3.23
 Mediana (Me):
Me=3
Interpretación: El 50% de los estudiantes opina que sus docentes tienen una capacitación menor igual a 3 y
el otro 50% superior a dicha capacitación

 Moda (Mo):
Mo= 4
Interpretación: La mayoría de los estudiantes opina que sus docentes tienen una capacitación de 4
MEDIDAS DE DISPERSIÓN:
 Varianza Poblacional
U= = 3.233
𝛴𝑓𝑖 (𝑦𝑖 − 𝑈)2
𝜎𝑥2 =
𝑁
3(1−3.233)2 +2(2−3.233)2 +11(3−3.233)2 +13(4−3.233)2 +1(5−3.233)2
𝜎𝑥2 = 30
14.958+3.04+0.597+7.647+3.122 29.364
𝜎𝑥2 = 30
= 30

𝜎𝑥2 =0.979
Varianza Muestra:
∑𝑓𝑖 (𝑦𝑖−𝑥̅ )2
𝑠𝑥2 =
𝑛−1
3(1−3.233)2 +2(2−3.233)2 +11(3−3.233)2 +13(4−3.233)2 +1(5−3.233)2
𝑆𝑥2 = 29

𝑆𝑥2 =1.012
  Desviación estándar poblacional:

𝜎𝑥 = √𝑜𝑥2 =√0.979
𝜎𝑥 =0.989
Interpretación: La variabilidad que existe en la capacitación de los docentes según la opinión de los
estudiantes es de 0.99
 Desviación estándar muestral:

𝑠𝑥 = √𝑆𝑥2 = √1.012
𝑠𝑥 = 1.005
Interpretación: La variabilidad que existe en la capacitación de los docentes según la opinión de los
estudiantes es de 1.01
 Coeficiente de variación poblacional:
σx 0.989
CV= *100 = *100
𝑈 3.233

CV=30.59% > 15% (La distribución no es homogénea)

 Coeficiente de variación muestra:
sx 1.005
CV=
𝑈
*100 =
3.233
*100

CV=31.09% > 15% (La distribución es homogénea)

 Coeficiente de asimetría:
Me=3
3(𝑥̅ −𝑀ⅇ) 3(3.233−3)
As= 𝑠𝑥
= 1.005

As=0.696 >0 (La distribución es asimétrica positiva)

DISTRIBUCIÓN DE FRECUENCIAS 10
 Variable en estudio: Condición Laboral.
 Tipo de variable: Cualitativa Nominal
 Unidad de observación : Estudiantes
Tabla N° 10

Distribución de frecuencias de acuerdo a la condición laboral de los estudiantes de la escuela profesional de

Estadística e Informática de la Facultad de Ciencias – UNASAM.

Variable fi Fi hi Hi %hi %Hi

No 20 20 0.667 0.667 66.70% 66.70%

Sí 10 30 0.333 1.000 33.30% 100.00%

Total 30 - 1.000 - 100.00% -

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Gráfico N° 22

Distribución barras de acuerdo la condición laboral de los estudiantes de la escuela profesional de Estadística
e Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 20 estudiantes no tienen trabajo actualmente.

 10 estudiantes tienen trabajo actualmente.
Gráfico N° 23

Distribución de acuerdo la condición laboral de los estudiantes de la escuela profesional de Estadística e

Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018

MEDIDAS DE TENDENCIA CENTRAL

Moda (Mo)

𝑀𝑜 = 20 .

Interpretación:

La mayoría de estudiantes de Estadística e Informática del IV ciclo – UNASAM , no tienen trabajo

actualmente.

DISTRIBUCIÓN DE FRECUENCIAS N°11

 Variable en estudio: Tiene hijos o no tiene hijos

 Tipo de Variable: Cualitativa Nominal
 Unidad de observación: Estudiantes de la UNASAM
Tabla N° 11
Distribución acuerdo a si los estudiantes tiene hijos o no
Variable fi Fi hi Hi %hi &Hi
Tiene Hijos 4 4 0.133 0.133 13.3% 13.3%
No tiene Hijos 26 30 0.867 1 86.7% 100%
Total 30 - 1 - 100% -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Gráfico N° 24

Distribución de acuerdo a si los estudiantes tienen hijos o no

Número de Estudiantes

Tienen Hijos No Tiene Hijos

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 26 estudiantes de IV ciclo de Estadística e Informática no tienen hijos.
 4 estudiantes de IV ciclo de Estadística e Informática tienen hijos.
Gráfico N° 25
Distribución de acuerdo a si los estudiantes tienen hijos o no

13.3%

STH=360° (0.133)
STH=47.88°
Tienen hijo
STH360° (0.867)
No tienen Hijo STH=312.12°

86.7%

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos

de Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 86.7% de los estudiantes de IV ciclo de Estadística e Informática no tienen hijos.
 13.3% de los estudiantes de IV ciclo de Estadística e Informática tienen hijos.

MEDIDAS DE TENDENCIA CENTRAL

 Moda = No tienen hijos
Interpretación: La mayoría de estudiantes no tienen hijos.
DISTRIBUCIÓN DE FRECUENCIAS N°12
Tabla N° 01.- Distribución de frecuencias de acuerdo a la cantidad de cursos inscritos de los estudiantes de la
escuela profesional de Estadística e Informática de la Facultad de Ciencias – UNASAM.

CURSOS
fi Fi hi Hi %hi %Hi
MATRICULADOS

1 3 3 0.100 0.100 10.00% 10.00%

2 2 5 0.067 0.167 6.70% 16.70%

3 11 16 0.367 0.534 36.70% 53.40%

4 13 29 0.433 0.967 43.30% 96.70%

5 1 30 0.033 1.000 3.30% 100.00%

Total 30 - 1.000 - 100.00% -

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Gráfico N° 26

Distribución bastones de acuerdo a la cantidad de cursos inscritos de los estudiantes de la escuela profesional
de Estadística e Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 El 36.7% de la cantidad total de estudiantes están inscritos en 4 cursos.

 El 3.3% de la cantidad total de estudiantes están inscritos en 5 cursos.
Gráfico N° 27

Distribución de acuerdo a la cantidad de cursos inscritos de los estudiantes de la escuela profesional de

Estadística e Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 Hay 3 estudiantes de Estadistica e Informatica –IV ciclo de la UNASAM que tienen un curso
matriculado
 Hay 13 estudiantes de Estadistica e Informatica –IV ciclo de la UNASAM que tienen 4 curso
matriculado
Gráfico N° 28

Distribución de acuerdo a la cantidad de cursos inscritos de los estudiantes de la escuela profesional de

Estadística e Informática de la Facultad de Ciencias – UNASAM.

Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018.

Interpretación:

 (_--_--_)

MEDIDAS DE TENDENCIA CENTRAL

Promedio ( −
𝐗 )

−
X = ∑ 𝑋𝑖𝑓𝑖

−
X=1(3)+2(2)+3(11)+4(13)+5(1)

−
97 ̂
X= = 3.23
30

Interpretación:

La cantidad de edad promedio que los estudiantes tienen son 19.83 años.
Mediana (Me)

Dato 1 1 1 2 2 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4

N° 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Dato 4 4 4 4 4 4 4 4 4 5

N° 21 22 23 24 25 26 27 28 29 30

𝑋30 + 𝑋30
+1
2 2
𝑀𝑒 =
2

𝑋15 + 𝑋16
𝑀𝑒 =
2

3+3
𝑀𝑒 =
2

𝑀𝑒 = 3

Interpretación:

El 50% de los estudiantes tiene la cantidad menor o igual a 3 cursos inscritos, mientras que el otro 50% supera
dicha cantidad.

MEDIDAS DE TENDENCIA CENTRAL

Moda (Mo)

𝑀𝑜 = 4

Interpretación: La mayoría de estudiantes están inscritos en 4 cursos.

MEDIDAS DE DISPERCIÓN

Varianza Poblacional

∑ 𝑓𝑖(𝑋𝑖 − 𝜇) 2
𝜎𝑥2 =
𝑁

3(1 − 3.23̂) 2 + 2(2 − 3.23̂ )2 + 11(3 − 3.23̂)2 + 13(4 − 3.23̂)2 + 1(5 − 3.23̂)2
𝜎𝑥2 =
30
 8296.134
𝜎𝑥2 = = 276,538 𝑐𝑢𝑟𝑠𝑜𝑠 2
30

Varianza Muestral

∑ 𝑓𝑖(𝑋𝑖 − −
X)
2
𝑆𝑥2 =
𝑁−1

3(1 − 3.23̂) 2 + 2(2 − 3.23̂)2 + 11(3 − 3.23̂)2 + 13(4 − 3.23̂)2 + 1(5 − 3.23̂)2
𝜎𝑥2 =
30 − 1

8296.134
𝜎𝑥2 = = 286,074 𝑐𝑢𝑟𝑠𝑜𝑠 2
29

Desviación Estándar Poblacional

𝜎𝒙 = √𝜎𝑥2

𝜎𝒙 = √276,538

𝜎𝒙 = 16.629 𝑐𝑢𝑟𝑠𝑜𝑠

Interpretación:

La variabilidad que existe en las edades de los estudiantes es de 16.914 𝑐𝑢𝑟𝑠𝑜𝑠.

Desviación Estándar Muestral

𝑆𝒙 = √𝑆𝑥2

𝑆𝒙 = √286,074

𝑺𝒙 = 16.914 𝑐𝑢𝑟𝑠𝑜𝑠

Interpretación:

La variabilidad que existe en las edades de los estudiantes es de 16.914 𝑐𝑢𝑟𝑠𝑜𝑠.

 Coeficiente de Variación Poblacional

𝜎𝑥
𝐶𝑉 = 100
𝜇
 16.629
𝐶𝑉 = 100
3,233

𝐶𝑉 = 514.37% >15% (La distribución no es homogénea)

 Coeficiente de Variación Muestral

𝑆𝑥
𝐶𝑉 = − 100
X

16.913
𝐶𝑉 = 100
3,233

𝐶𝑉 = 523,16 % > 15% (La distribución no es homogénea)

 Coeficiente de Asimetría

𝟑( −
X − 𝑀𝑒)
𝐴𝑠 =
𝑺𝒙

𝟑(3.233 − 3)
𝐴𝑠 =
16.914

𝐴𝑠 = 0,041 > 0 (Distribución asimétrica positiva)

 CAPÍTULO V
DISCUSIONES
CAPÍTULO VI
CONCLUSIONES

En este capítulo se muestra la síntesis de los resultados obtenidos en la presente investigación.

Consideramos la eficacia y eficiencia de los procesos de investigación que comenzó con la recolección de los
datos realizados mediante una encuesta efectuada en noviembre de 2018 a los estudiantes de la facultad de
estadística IV ciclo de la Universidad Santiago Antúnez de Mayolo con la finalidad de identificar las causas del
bajo rendimiento académico de los estudiantes de dicha facultad.

Analizando los distintos factores que generan el bajo rendimiento académico de los estudiantes de Estadística
e Informática del Iv ciclo de la UNASAM obtuvimos que la mayoría de estudiantes en Estadística e Informática
- IV ciclo tienen edades de 19 y 20 años de los cuales el 36.7% están inscritos en 4 cursos.

El 13.3% de los estudiantes en Estadística e Informática - IV ciclo tienen un promedio ponderado del semestre
2018-I mayor igual a 10 y menor a 11. A este resultado se suma que solo el 50% de los estudiantes en
Estadística e Informática - IV ciclo estudia fuera de clase menor o igual a 2.8 horas, mientras que el otro 50%
supera dicha cantidad.

Dentro de los factores más críticos se obtuvieron que hay 46.70% alumnos en Estadística e Informática de IV
Ciclo que afirman recibir una calidad de educación REGULAR por parte de la universidad. Además, El 86.7%
de los estudiantes en Estadística e Informática - IV ciclo no tienen hijos y sumado a ello el 33% de los
estudiantes en Estadística e Informática - IV ciclo trabajan y estudian, haciendo de esto que el rendimiento
académico baje por factores dentro y fuera de la universidad.

Por lo tanto, el alto riesgo académico que se ha observado debido al bajo rendimiento académico que
presenta la mayoría de los estudiantes en Estadística e Informática de IV Ciclo - UNASAM, mediante la previa
encuesta y análisis de datos identificamos es que: El nivel de rendimiento que tienen los estudiantes de
estadística e informática del iv ciclo – Unasam es bajo-regular actualmente gracias a la recolección de datos
y análisis de los mismos.
CAPÍTULO VII
REFERENCIAS BIBLIOGRÁFICAS
 Navarro E.R.(2003) El rendimiento académico :concepto, investigación y desarrollo.
Revista electrónica Iberoamericana sobre Calidad, eficiencia y cambio de la educación.
 Castejon Navas (1993) Un modelo estructural sobre los determinantes cognitivos-motivacionales del
rendimiento académico. Revista de psicología general y aplicada
 UNIVERSIDAD COMPLUTENSE DE MADRID (2003) Factores Determinantes Del Bajo Rendimiento
Académico en los universitarios. Web: https://biblioteca.ucm.es/tesis/edu/ucm-t27044.pdf

 Mario Arturo Vilchis Rodríguez. Funciones y aplicaciones de la estadística .Web:

https://ddd.uab.cat/pub/tesis/2016/hdl_10803_399337/gsvl1de1.pdf

 Freund, John E., Simón, Gary A., (2003). Estadística Elemental., Editorial Pearson Educación., México.

 Carmen Batanero Carmen Díaz (2011)ESTADÍSTICA CON PROYECTOS .Web

:https://www.ugr.es/~batanero/pages/ARTICULOS/Libroproyectos.pdf

 Liliana Orellana(2001) Estadística descriptiva

 Martínez-Otero, V. (2007). Los adolescentes ante el estudio. Causas y consecuencias del rendimiento
académico. Madrid: Fundamentos
 Pizarro, R. (1985). Rasgos y actitudes del profesor efectivo (Tesis de Maestría). Pontificia Universidad
Católica de Chile.
 Martí, E. (2003). Representar el mundo externamente. La construcción infantil de los sistemas
externos de representación. Madrid: Antonio Machado.