Investigacion Estadistica I

Trabajo noviembre 14
Monográfico
sobre bajo
rendimiento 2018
académico.
Análisis de bajo rendimiento académico de los estudiantes de Estadística
e Informática IV ciclo de la Universidad Santiago Antúnez de Mayolo. Estadística I
Error! Use the Home tab to apply Título 1 to the text that
you want to appear here.
INTEGRANTES:
- Gonzales Moreno Zaida
- Jaramillo Cano Victoria
- Huerta Yocya Franz Renzo
- Pizarro Aramburu Eusebio
- Ramírez Melgarejo Jerevin
1
CONTENIDO
INTRODUCCIÓN .................................................................................................................. 4
RESUMEN ............................................................................................................................. 5
CAPÍTULO I .......................................................................................................................... 6
1. PLANTEAMIENTO DEL PROBLEMA ................................................................. 6
1.1. DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA ............................... 6
1.2. FORMULACIÓN DEL PROBLEMA ............................................................... 7
1.3. OBJETIVOS ...................................................................................................... 7
CAPÍTULO II ......................................................................................................................... 8
2. REVISIÓN BIBLIOGRAFÍCA ................................................................................ 8
2.1. MARCO TEÓRICO .......................................................................................... 8
3. TEORÍAS RELACIONADAS AL RENDIMIENTO ACADÉMICO ..................... 8
3.1. Variables relacionadas con el bajo rendimiento académico .............................. 8
3.1.1. Motivación: ........................................................................................................ 8
3.1.2. Inteligencia y Aptitudes ................................................................................... 10
3.1.3. Autoconcepto ................................................................................................... 11
4. RELACIÓN ENTRE EL AUTOCONCEPTO Y EL RENDIMIENTO

ACADÉMICO ....................................................................................................................... 12
4.1. Teorías Relacionadas A La Educación ............................................................ 12
5. RENDIMIENTO ACADÉMICO ............................................................................ 15
CAPÍTULO III ...................................................................................................................... 16
6. METODOLOGÍA ................................................................................................... 16
6.1. POBLACIÓN DE ESTUDIO: ......................................................................... 16
2
6.2. MUESTRA DE ESTUDIO .............................................................................. 16
6.3. UNIDAD DE ANÁLISIS ................................................................................ 17
6.4. OPERACIONALIZACIÓN DE VARIABLES ............................................... 17
6.5. DEFINICIÓN DE VARIABLES ..................................................................... 18
6.6. TÉCNICA DE RECOLECIÓN DE DATOS ................................................... 19
6.7. DISTRIBUCIÓN DE FRECUENCIAS ........................................................... 21
6.7.1. DISTRIBUCIÓN DE FRECUENCIAS N° 01 ................................................ 21
6.7.10. DISTRIBUCIÓN DE FRECUENCIAS N° 10 ............................................ 52
CAPÍTULO IV ..................................................................................................................... 63
DISCUSIONES ................................................................................................................ 63
CAPÍTULO V ....................................................................................................................... 64
CONCLUSIONES ............................................................................................................ 64
CAPÍTULO VI ..................................................................................................................... 65
REFERENCIAS BIBLIOGRÁFICAS ............................................................................. 65
3
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.
4
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 que tenemos solo el 30% de los estudiantes en
Estadística e Informática - IV ciclo estudia fuera de clase entre 4 a 8 horas, el rendimiento
académico mejoraría sustancialmente si dedicaran más tiempo práctico.
5
CAPÍTULO I
1. 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,
6
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.
1.1.1. 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
7
CAPÍTULO II
2. REVISIÓN BIBLIOGRAFÍCA
2.1.MARCO TEÓRICO
2.1.1. Citas textuales:
 “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).
 “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)
 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)
3. TEORÍAS RELACIONADAS AL RENDIMIENTO ACADÉMICO
3.1.Variables relacionadas con el bajo rendimiento académico
3.1.1. 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
8
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).
3.1.1.1.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).
3.1.1.2.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.
9
 El coste o demanda de trabajo, es el sacrificio que el individuo debe hacer

para cumplir con los requisitos de la tarea
3.1.1.3.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)
3.1.1.4.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.
3.1.2. 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.
3.1.2.1.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
10
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.
3.1.3. 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.
3.1.3.1.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
11
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.
4. 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.
4.1.Teorías Relacionadas A La Educación
4.1.1. 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
12
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.
4.1.2. 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
13
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.
14
5. 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 tal sentido, son varios los componentes del complejo unitario llamado
rendimiento. Son procesos de aprendizaje que promueve la escuela e implican la
trasformación de un estado determinado en un estado nuevo; se alcanza con la integridad
en una unidad diferente con elementos cognitivos y de estructura. El rendimiento varía de
acuerdo con las circunstancias, condiciones orgánicas y ambientales que determinan las
aptitudes y experiencias. 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).
15
CAPÍTULO III
6. 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.
6.1. 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:
a. 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.
b. 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.
c. Espacio: El espacio o lugar donde se ubicó nuestra población de estudio fue
dentro de la Universidad Nacional Santiago Antúnez de Mayolo –
Shancayán.
d. Cantidad: El tamaño de la población que tomamos fue sumamente
importante ya que de eso determinamos el tamaño de nuestra muestra.
6.2. 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.
16
6.3. 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.
6.4. OPERACIONALIZACIÓN DE VARIABLES
A continuación se presentara la clasificación de las variables en estudio de una

manera más detallada, trabajando con las variables, cualitativas(o categóricas) y
cuantitativas:
17
Error! Use the Home tab to apply Título 1 to the text that you want to appear here.
6.5. DEFINICIÓN DE VARIABLES
N° VARIABLE TIPO ESCALA CATEGORIA O UNIDAD DE MEDIDA ABREV.
CUANTITATIVA
1 EDAD DE RAZON EDAD EN AÑOS EDAD
DISCRETA
FEMENINO/
2 GENERO CUALITATIVA NOMINAL GENERO
MASCULINO
AÑO DE INGRESO A LA CUANTITATIVA
3 NOMINAL AÑO INGRESO
UNIVERSIDAD DISCRETA
ZONA RURAL/ ZONA URBANA/ ZONA
4 LUGAR DE PROCEDENCIA CUALITATIVA NOMINAL PROCEDENCIA
URBANA MARGINAL
CUANTITATIVA
5 HORAS DE ESTUDIO DIARIAS DE RAZON HORAS/DIARIAS H.E.D.F.C.
CONTINUA
CUANTITATIVA
6 PROMEDIO PONDERADO DE RAZON PROMEDIO POR SEMESTRE PP 2018-I
CONTINUA
NUMERO DE CURSOS CUANTITATIVA
7 NOMINAL CANTIDAD C.M. 2018-II
MATRICULADOS DISCRETA
SOLTERO/ EN UNA RELACION/ SITUACION
8 SITUACION SENTIMENTAL CUALITATIVA NOMINAL
ACABO DE TERMINAR UNA RELACION SENTIMENTAL
CALIDAD DE EDUCACIÓN QUE CUANTITATIVA
9 ORDINAL CATEGORIA C.E.. UNASAM
BRINDA LA UNASAM DISCRETA
10 ACTIVIDAD LABORAL CUALITATIVA NOMINAL TRABAJA/NO TRABAJA Trabaja
11 SITUACION FAMILIAR CUALITATIVA NOMINAL TIENE HIJOS/NO TIENE HIJOS Tiene Hijos
CUANTITATIVA
12 CAPACIDAD DE LOS DOCENTES ORDINAL CATEGORIA C. D.
DISCRETA
18
6.6.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
19
Error! Use the Home tab to apply Título 1 to the text that you want to appear here.
N° Edad Género Ingreso Procedencia H.E.D.F.C. PP 2018-I C.M. Situación C.E. Trabaja Tiene C.
E.. 2018-II Sentimental UNASAM Hijos D.
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
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 Rel. 4 No No 4
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
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
20
6.7.DISTRIBUCIÓN DE FRECUENCIAS
6.7.1. DISTRIBUCIÓN DE FRECUENCIAS N° 01
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.
21
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
Interpretación:
 Hay 13 estudiantes de Estadística e Informática de la UNASAM -IV Ciclo que
están en la edad de 18 y 19 años
 Hay 4 estudiantes de Estadística e Informática de la UNASAM -IV Ciclo que están
en la edad de 18 años
22
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.
Interpretación:
 Hay 13 estudiantes de Estadística e Informática de la UNASAM -IV Ciclo que
están en la edad de 18 y 19 años
 Hay 4 estudiantes de Estadística e Informática de la UNASAM -IV Ciclo que están
en la edad de 18 años
MEDIDAS DE TENDENCIA CENTRAL
 Promedio ( −
𝐗 )
−
X = ∑ 𝑋𝑖𝑓𝑖
−
X=18(4)+19(9)+20(9)+21(5)+22(2)+23(1)
−
595
X= 30 = 19.833
Interpretación:
La cantidad de edad promedio que los estudiantes tienen son 19.83 años.
23
 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
𝜎2𝑥 =
𝑁
̂)2 + 9(20 − 2.19.83
̂) 2 + 9(19 − 19.83
4(18 − 19.83 ̂)2 + 5(21 − 19.83
̂ )2 + 2(22 − 19.83
̂)2 + 1(23 − 19.83
̂ )2
𝜎2𝑥 =
30
46.167
𝜎2𝑥 = = 1,539 𝑎ñ𝑜𝑠2
30
 Varianza Muestral
∑ 𝑓𝑖(𝑋𝑖 − − 2
X)
𝑆2𝑥 =
𝑁−1
24
𝜎2𝑥
̂) 2 + 9(19 − 19.832
̂) + 9(20 − 2.19.832
̂) + 5(21 − 19.832
̂ ) + 2(22 − 19.832
̂) + 1(23 − 19.832
̂)
4(18 − 19.83
=
30 − 1
46.167
𝜎2𝑥 = = 1,592 𝑎ñ𝑜𝑠2
29
 Desviación Estándar Poblacional
𝜎𝒙 = √𝜎2𝑥
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)
25
 Coeficiente de Asimetría
3( 𝑋− − 𝑀𝑒)
𝐴𝑠 =
𝑆𝑥
3(19.833 − 20)
𝐴𝑠 =
1.262
𝐴𝑠 = −0,367 < 0 (Distribución asimétrica negativa
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
Interpretaciones:
26
 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
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.
 Moda= 17
27
Interpretación:
El Género con mayor frecuencia en los estudiantes de Estadística e Informática - IV
Ciclo es el masculino.
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 fi Fi hi Hi hi% Hi% yi*hi (yi-u)2
Ingreso
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
25
20
Número de Estudiantes
15
10
0
2015- 2016- 2017-
Año de Ingreso
28
Interpretación
 Interpretación f1: Hay 2 estudiantes que han ingresado en el año del 2015.
Grafica N°07
Interpretación
 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.
 Promedio ( )
=∑Yi*hi
29
=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= 30 =0,103 Ei2
 Varianza muestral
∑(𝐲𝐢−𝐗)𝟐
Sx2= 𝐍−𝟏
Sx 2=3,077= 0,106 Ei2

29
 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
30
Interpretación
La variabilidad que existe entre los estudiantes ingresados es de 0,326 Ei.
 Coeficiente de variación poblacional
Ϭ𝐱
C.V= *100%
𝑼
0,321 𝐸𝑖
C.V=2016,599*100% = 0,016% <15% (La distribución es homogénea.)
 Coeficiente de variación muestral

𝐒𝐱
C.V= *100%
𝑿
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= = -3,69 <0 (La distribución asimétrica negativa.)
0,326
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 1 30 0.033 1 3.3% 100%

marginal
Total 30 - 1 - 100% -
Interpretación
 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.
31
32
Grafico N°08
Grafico N°09
Interpretación
 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.
33
34

 Moda: Zona urbana.
Interpretación
La mayoría de los estudiantes provienen de zona urbana.
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% - - - -
Gráfico N° 10
35
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
Gráfico N° 12
36
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.
 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
37
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.
 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
𝜎𝑥2 =
30
91.867
𝜎𝑥2 =
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
𝑆𝑥2 =
29
91.867
=
29
𝑆𝑥2 = 3.168 hr2
 Desviación Estándar Poblacional
𝜎𝒙 = √𝜎𝑥2
38
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)
39
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% - - - -
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
40
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
Interpretación:
41
 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
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
2
Me=𝐿𝑖 + 𝑐 [ ]
𝑓𝑖
42
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:
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
43
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= *100 = *100
𝑈 12.3
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)
44
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%

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.

Interpretación:
 14 estudiantes mantienen una relación actualmente.
 03 estudiantes terminaron una relación.
45
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

 Moda (Mo)
𝐌𝐨𝟏 = 𝟏𝟗 𝐲 𝑀𝑜2 = 20
Interpretación:
La mayoría de estudiantes tienen edades de 19 y 20 años.
46
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 fi Fi hi Hi hi%
brinda la 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%
GRÁFICO N°18
Interpretación:
47
 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
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
 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.
48
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% -
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
49
UNASAM
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
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.
 Media o promedio ( ):
∑ 𝑦𝑖∗𝑓𝑖
= 𝑛
(1∗3)+(2∗2)+(3∗11)+(4∗13)+(5∗1) 97
= =
30 30
=3.233
Interpretación
50
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:
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
51
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= *100 = *100
𝑈 3.233
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)

Tabla N° 10
Distribución de frecuencias de acuerdo a la condición laboral de los estudiantes de la escuela
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% -

52
Gráfico N° 22
Distribución barras de acuerdo la condición laboral de los estudiantes de la escuela

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
53
Fuente: Datos obtenidos mediante encuesta realizada en noviembre de 2018
Moda (Mo)
𝑀𝑜 = 20 .
Interpretación:
La mayoría de estudiantes de Estadística e Informática del IV ciclo – UNASAM , no
tienen trabajo actualmente.
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% -
Gráfico N° 24
Distribución de acuerdo a si los estudiantes tienen hijos o no
Número de Estudiantes
Tienen Hijos No
Tiene Hijos
Interpretación:
 26 estudiantes de IV ciclo de Estadística e Informática no tienen hijos.
54
 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)
Tienen hijo
STH=47.88°
No tienen Hijo
STH360°
86.7% (0.867)
STH=312.12°
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.
 Moda = No tienen hijos
Interpretación
La mayoría de estudiantes no tienen hijos.
55
Tabla N° 12
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% -

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.

Interpretación:
 El 36.7% de la cantidad total de estudiantes están inscritos en 4 cursos.
56
 El 3.3% de la cantidad total de estudiantes están inscritos en 5 cursos.
57
Gráfico N° 27
Distribución de acuerdo a la cantidad de cursos inscritos de los estudiantes de la escuela

Interpretación:
 Hay 3 estudiantes de Estadistica e Informatica –IV ciclo de la UNASAM que
tienen un curso matriculado
tienen 4 curso matriculado
Gráfico N° 28
Distribución de acuerdo a la cantidad de cursos inscritos de los estudiantes de la escuela
58
59
Interpretación:
tienen un curso matriculado
tienen 4 curso matriculado

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.
60
Moda (Mo)
𝑀𝑜 = 4
Interpretación:
La mayoría de estudiantes están inscritos en 4 cursos.
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.
61
 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)
62
CAPÍTULO IV
DISCUSIONES
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.
Los resultados obtenidos de trabajos anteriores respecto al rendimiento académico, muestran

una diferencia significativa en el rendimiento de los alumnos según las valoraciones que
perciben de las familias. En este caso, se acepta la hipótesis de que aquellos alumnos con
mejor percepción de las familias obtienen a su vez mejores puntuaciones en rendimiento,
medido a través de la nota media obtenida en el curso anterior.
Evaluando el análisis sobre la comparación de investigaciones previas a la nuestra difieren en

que no solo el estudiante que obtiene mejores puntuaciones no solo depende del ingreso
económico sino también de la dedicación y practica que el alumno muestra sobre sus materias.
63
CAPÍTULO V
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.
64
CAPÍTULO VI
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.
65
 Martí, E. (2003). Representar el mundo externamente. La construcción infantil de los

sistemas externos de representación. Madrid: Antonio Machado.
66

Investigacion Estadistica I

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Estadistica I

Cargado por

Copyright:

Formatos disponibles

Trabajo noviembre 14

1. PLANTEAMIENTO DEL PROBLEMA ................................................................. 6

1.1. DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA ............................... 6

1.2. FORMULACIÓN DEL PROBLEMA ............................................................... 7

1.3. OBJETIVOS ...................................................................................................... 7

2. REVISIÓN BIBLIOGRAFÍCA ................................................................................ 8

2.1. MARCO TEÓRICO .......................................................................................... 8

3. TEORÍAS RELACIONADAS AL RENDIMIENTO ACADÉMICO ..................... 8

3.1. Variables relacionadas con el bajo rendimiento académico .............................. 8

3.1.1. Motivación: ........................................................................................................ 8

3.1.2. Inteligencia y Aptitudes ................................................................................... 10

3.1.3. Autoconcepto ................................................................................................... 11

4. RELACIÓN ENTRE EL AUTOCONCEPTO Y EL RENDIMIENTO

4.1. Teorías Relacionadas A La Educación ............................................................ 12

5. RENDIMIENTO ACADÉMICO ............................................................................ 15

CAPÍTULO III ...................................................................................................................... 16

6.1. POBLACIÓN DE ESTUDIO: ......................................................................... 16

6.2. MUESTRA DE ESTUDIO .............................................................................. 16

6.3. UNIDAD DE ANÁLISIS ................................................................................ 17

6.4. OPERACIONALIZACIÓN DE VARIABLES ............................................... 17

6.5. DEFINICIÓN DE VARIABLES ..................................................................... 18

6.6. TÉCNICA DE RECOLECIÓN DE DATOS ................................................... 19

6.7. DISTRIBUCIÓN DE FRECUENCIAS ........................................................... 21

6.7.1. DISTRIBUCIÓN DE FRECUENCIAS N° 01 ................................................ 21

6.7.2. DISTRIBUCIÓN DE FRECUENCIAS N° 02 ................................................ 26

6.7.3. DISTRIBUCIÓN DE FRECUENCIAS N° 03 ................................................ 28

6.7.4. DISTRIBUCIÓN DE FRECUENCIAS N° 04 ................................................ 31

6.7.5. DISTRIBUCIÓN DE FRECUENCIAS N° 05 ................................................ 35

6.7.6. DISTRIBUCIÓN DE FRECUENCIAS N° 06 ................................................ 40

6.7.7. DISTRIBUCIÓN DE FRECUENCIAS N° 07 ................................................ 45

6.7.8. DISTRIBUCIÓN DE FRECUENCIAS N° 08 ................................................ 47

6.7.9. DISTRIBUCIÓN DE FRECUENCIAS N° 09 ................................................ 49

6.7.10. DISTRIBUCIÓN DE FRECUENCIAS N° 10 ............................................ 52

6.7.11. DISTRIBUCIÓN DE FRECUENCIAS N° 11 ............................................ 54

6.7.12. DISTRIBUCIÓN DE FRECUENCIAS N° 11 ............................................ 56

REFERENCIAS BIBLIOGRÁFICAS ............................................................................. 65

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

1. PLANTEAMIENTO DEL PROBLEMA

pero ¿a qué se debe el bajo nivel de rendimiento académico de los estudiantes de la

1.2.FORMULACIÓN DEL PROBLEMA

¿Qué factores influyen en el bajo rendimiento académico de los estudiantes (IV

1.3.1. OBJETIVO GENERAL

 Analizar los distintos factores que generan el bajo rendimiento académico

2.1.1. Citas textuales:

 “En la actualidad tiene mayor predicamento la tendencia a considerar que el

 “El rendimiento académico se basa en el perfil de habilidades,

 El rendimiento académico consta en un juego de variables personales,

Berlyne (1960), Hunt (1960) y Bruner (1960) fueron, los pioneros en el

motivacional a la vez. Defienden que para obtener buenos resultados académicos,

Pintrich y De Groot (1990) en el que se distinguen tres categorías de

El modelo de expectativa-valor desarrollado por Eccles y Wigfield (1992)

 El coste o demanda de trabajo, es el sacrificio que el individuo debe hacer

3.1.1.3.Relación entre motivación y rendimiento

De entre las dimensiones de motivación que más se han relacionado con el

3.1.1.4.Factores determinantes del bajo rendimiento académico

En el psicológico, la inteligencia se concibe como la capacidad de aprender, es

Perkins (1991), por su parte, hace una descripción de la inteligencia como

funcionamiento cerebral. La consideración de la inteligencia como contenido

El autoconcepto académico es la imagen que el sujeto se forma de sí a partir

3.1.3.1.Teorías Sobre El Autoconcepto

Desde el punto de vista educativo, Beltrán (1995) destaca dos tendencias

autoconcepto actúa causalmente sobre el rendimiento académico y, por tanto,

4.1.Teorías Relacionadas A La Educación