ORGANIZADOR DE IDEAS Y MAPA METODOLÓGICO

ASPECTOS FUNDAMENTALES

ELABORADO POR: Mg. Christian A. Dios Castillo.

EXPLICATIVA

La capacidad predictiva de los modelos ARIMA en la

OBJETO DE
generacion de Datos Sintéticos de Precipitación -
ESTUDIO:
Escorrentía en la Microcuenca Amojú

META: determinar en futuro:

¿Cómo determinar La capacidad predictiva de los

modelos ARIMA en la generacion de Datos Sintéticos
PROBLEMA:
de Precipitación - Escorrentía en la Microcuenca
Amojú?

SOLUCIÓN: información

NIVEL DE
Aplicar SUSTANTIVO:
ALCANCE:

Aplicar información para determinar La capacidad

predictiva de los modelos ARIMA en la generacion
OBJETIVO: de Datos Sintéticos de Precipitación - Escorrentía en
la Microcuenca Amojú

La implantación de información Permitirá

determinar La capacidad predictiva de los modelos
HIPÓTESIS:
ARIMA en la generacion de Datos Sintéticos de
Precipitación - Escorrentía en la Microcuenca Amojú

VI: información

La capacidad predictiva de los modelos ARIMA en la

VD: generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú

Aplicación de información para determinar La

TÍTULO: capacidad predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú
Permitirá determinar

Aplicación
MAPA METODOLÓGICO
PREGUNTAS Y OBJETIVOS

ELABORADO POR: Mg. Christian A. Dios Castillo.

¿Cómo determinar La capacidad

predictiva de los modelos ARIMA en
PROBLEMA: la generacion de Datos Sintéticos de OBJETIVO:
Precipitación - Escorrentía en la
Microcuenca Amojú?

¿Cuál es el estado actual de La

capacidad predictiva de los modelos
ARIMA en la generacion de Datos
ACTUAL: OE1:
Sintéticos de Precipitación -
Escorrentía en la Microcuenca
Amojú ?

¿Qué factores influyen en La

capacidad predictiva de los modelos
FACTORES
ARIMA en la generacion de Datos
INFLUYENTE OE2:
Sintéticos de Precipitación -
S:
Escorrentía en la Microcuenca
Amojú ?

¿Qué características debe tener una

estrategia de solución para
DISEÑO DE determinar La capacidad predictiva
LA de los modelos ARIMA en la OE3:
SOLUCIÓN: generacion de Datos Sintéticos de
Precipitación - Escorrentía en la
Microcuenca Amojú ?

¿Qué resultados generará la

implantación información en La
RESULTADO capacidad predictiva de los modelos
S: ARIMA en la generacion de Datos OE4:
Sintéticos de Precipitación -
Escorrentía en la Microcuenca
Amojú ?
Aplicar información para determinar La
capacidad predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú

Diagnosticar el estado actual de La capacidad

predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú

Identificar los factores influyentes en La

capacidad predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú

Diseñar información para determinar La

capacidad predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú

Estimar los resultados que generará la

implantación información en La capacidad
predictiva de los modelos ARIMA en la
generacion de Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú
ORGANIZADOR DE IDEAS Y MAPA METODOLÓGICO
ASPECTOS FUNDAMENTALES
ELABORADO POR: Mg. Christian A. Dios Castillo.

CORRELACIONAL

OBJETO DE
el liderazgo de los docentes
ESTUDIO 1:

¿Existe una relación entre el liderazgo de los

PROBLEMA: docentes y el comportamiento de los estudiantes en
la IE ABC?

Determinar la existencia de una relación entre el

OBJETIVO: liderazgo de los docentes y el comportamiento de
los estudiantes en la IE ABC

Existe una relación entre el liderazgo de los docentes

HIPÓTESIS: y el comportamiento de los estudiantes en la IE ABC

X: el liderazgo de los docentes

Y: el comportamiento de los estudiantes

Análisis correlacional entre el liderazgo de los

TÍTULO: docentes y el comportamiento de los estudiantes en
la IE ABC
OBJETO DE
el comportamiento de los estudiantes
ESTUDIO 2:

ENTIDAD O
la IE ABC
LUGAR:
MAPA METODOLÓGICO
PREGUNTAS Y OBJETIVOS

ELABORADO POR: Mg. Christian A. Dios Castillo.

¿Existe una relación entre el liderazgo

PROBLEMA: de los docentes y el comportamiento OBJETIVO:
de los estudiantes en la IE ABC?

¿Qué características emergentes

CARACTERÍSTICAS OBJETO
tiene el liderazgo de los docentes en OE1:
DE ESTUDIO 1
la IE ABC?

CARACTERÍSTICAS OBJETO ¿Qué características emergentes

tiene el comportamiento de los OE2:
DE ESTUDIO 2
estudiantes en la IE ABC?

¿Qué factores influyen en la relación

FACTORES INFLUYENTES entre el liderazgo de los docentes y el OE3:
EN LA RELACIÓN comportamiento de los estudiantes
en la IE ABC ?

¿Existe una relación significativa entre

EXISTENCIA DE LA el liderazgo de los docentes y el
OE4:
RELACIÓN comportamiento de los estudiantes
en la IE ABC ?

¿Qué características tiene la relación

CARACTERÍSTICAS DE LA entre el liderazgo de los docentes y el
OE5:
RELACIÓN comportamiento de los estudiantes
en la IE ABC ?
Determinar la existencia de una relación entre
el liderazgo de los docentes y el comportamiento
de los estudiantes en la IE ABC

Identificar las características emergentes que

tiene el liderazgo de los docentes en la IE ABC

Identificar las características emergentes que

tiene el comportamiento de los estudiantes en la
IE ABC

Identificar los factores influyentes en la relación

entre el liderazgo de los docentes y el
comportamiento de los estudiantes en la IE ABC

Determinar la existencia de una relación

significativa entre el liderazgo de los docentes y
el comportamiento de los estudiantes en la IE
ABC

Determinar las características que tiene la

relación entre el liderazgo de los docentes y el
comportamiento de los estudiantes en la IE ABC
MARCO TEÓRICO
Independiente: información
a} Concepto.
b) Características.
c) Modelo.

OPERACIONALIZACIÓN DE VARIABLES

VARIABLE DEFINICIÓN CONCEPTUAL

Es una herramienta que permite estructurar una

estrategia considerando aspectos no solamente
Independiente: información
financieros, sino intangibles.
(Kaplan y Norton, 2005)
mación

Aspecto (Parte) Contenido

DIMENSIÓN INDICADOR

Temas Estratégicos Especificación de la

diferenciación de la
empresa

Definición de las
perspectivas

Definición de los
objetivos por cada
Mapa Estratégico perspectiva

Determinación de
las relaciones entre
los objetivos

Definición de
indicadores por
objetivos

Determinación de
iniciativas por
objetivos

Cuadro de mando
Establecimiento de
responsable por
objetivos

Establecimiento de
metas por
indicadores

Establecimiento de
semáforos por
indicadores
pacidad predictiva de los modelos ARIMA en la generacion de Datos Sintéticos de Precipitación - Escorren
a} Concepto.
b) Características.
c) Factores influyentes. Variables intervinientes
d) Modelo. Aspecto (Parte)

VARIABLE DEFINICIÓN CONCEPTUAL DIMENSIÓN

Eficiencia

Dependiente: La
capacidad predictiva
de los modelos
Es el grado en que se equilibran la
ARIMA en la
producción y la capacidad de producir.
generacion de Datos
Sintéticos de (DeGerencia.com, 2012)
Precipitación -
Escorrentía en la
Microcuenca Amojú

Eficacia
Indicadores de
medición

INDICADOR PREGUNTA CATEGORÍA ITEM

¿Cuál será el resultado del costo < 1

Relación costo /
/ beneficio al final del período >1 1
beneficio
establecido? =1

<1
¿Cuál será el resultado del VAN
VAN >1 3
al final del período establecido?
=1

¿Cuál será el resultado del TIR al < 1 %

TIR
final del período establecido? >1 %
6
=1 %

0 - 1 año
Tiempo de ¿Cuál es el período de 2 - 3 años
2
recuperación recuperación de la inversión? 4 - 5 años
6 a más años

Relación Objetivos ¿Cuál será el resultado de la <1

logrados / objetivos relación objetivos logrados / >1 4
planteados objetivos planteados? =1

Posicionamiento de ¿Cuál será el posicionamiento 1° lugar.

la empresa en el de la empresa al finalizar el 2° lugar. 5
mercado período del plan estratégico? 3° lugar, etc.

¿Cuál será el nivel de

<1%
Nivel de crecimiento crecimiento de la empresa al >1 % 7
de la empresa final del período del plan
=1 %
estratégico?
MATRIZ DE CRUCE DE VARIABLES

Variable
Dependiente
Dependiente: La capacidad predictiva de los
modelos ARIMA en la generacion de Datos
Variable Independiente
Sintéticos de Precipitación - Escorrentía en la
Microcuenca Amojú
Independiente: información Eficiencia Eficacia

Precisión de la visión y
Temas Estratégicos misión. Precisión de la visión y misión.

Colaboración de
Mapa Estratégico participantes. Colaboración de participantes.

Precisión de los objetivos de Precisión de los objetivos de

Cuadro de mando cada perspectiva. cada perspectiva.
MATRIZ DE CONSISTENCIA

TÍTULO PROBLEMA OBJETIVOS

Aplicación de ¿Cómo determinar La

información para capacidad predictiva GENERAL.-
determinar La de los modelos
capacidad predictiva de ARIMA en la
los modelos ARIMA en generacion de Datos Aplicar información para determinar
la generacion de Datos Sintéticos de La capacidad predictiva de los
Sintéticos de Precipitación - modelos ARIMA en la generacion de
Precipitación - Escorrentía en la Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca Amojú? Escorrentía en la Microcuenca
Microcuenca Amojú Amojú
ESPECÍFICOS.-
1.-Diagnosticar el estado actual de
La capacidad predictiva de los
modelos ARIMA en la generacion de
Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca
Amojú
2.-Identificar los factores influyentes
en La capacidad predictiva de los
modelos ARIMA en la generacion de
Datos Sintéticos de Precipitación -
Escorrentía en la Microcuenca
Amojú
3.-Diseñar información para
determinar La capacidad predictiva
de los modelos ARIMA en la
generacion de Datos Sintéticos de
Precipitación - Escorrentía en la
Microcuenca
4.-Estimar losAmojú
resultados que
generará la implantación
información en La capacidad
predictiva de los modelos ARIMA en
la generacion de Datos Sintéticos de
Precipitación - Escorrentía en la
Microcuenca Amojú
 HIPÓTESIS VARIABLES INDICADORES

La implantación de
información Permitirá INDEPENDIENTE.- VARIABLE INDEPENDIENTE.-
determinar La
capacidad predictiva
de los modelos ARIMA información
en la generacion de
Datos Sintéticos de
Precipitación - Temas Estratégicos
Escorrentía en la
Microcuenca Amojú
Mapa Estratégico

Cuadro de mando

DEPENDIENTE.- VARIABLE DEPENDIENTE.-

La capacidad predictiva de los Eficiencia

modelos ARIMA en la
generacion de Datos
Sintéticos de Precipitación -
Escorrentía en la Microcuenca
Amojú Eficacia
 TIPO Y DISEÑO DE INVESTIGACIÓN POBLACIÓN Y MUESTRA

Tipo de investigación.- Población.-

Aplicada.
Explicativa. Muestra.-
No experimental.
Prospectiva.

Diseño de investigación.-

T1 T2
M O P RE
MAPA METODOLÓGICO
CRONOGRAMA DE TRABAJO

ELABORADO POR: Mg. Christian A. Dios Castillo.

N° ACTIVIDAD OCT NOV DIC ENE FEB

Diseño y evaluación de los
1 instrumentos de recolección
de datos.
2 Recolección de datos.
Diagnóstico de la situación
3
encontrada.

4 Diseño de la estrategia de
solución.

Experimentación o
5 Estimaciones de impacto:
Inferencias.

6 Redacción del informe final.

MAPA METODOLÓGICO
PRESUPUESTO

ELABORADO POR: Mg. Christian A. Dios Castillo.

MATERIALES
SUB TOTAL
UNIDAD DE COSTO
N° DESCRIPCIÓN CANTIDAD
MEDIDA UNITARIO EFECTIVO VALORIZADO

1 Papel bond. Millar. 2 20.00 40.00

2 Tinta para impresora. Unidad. 1 80.00 80.00
3 Folder manila. Unidad. 3 1.00 3.00
TOTAL: 83.00 40.00

EQUIPOS
UNIDAD DE COSTO SUB TOTAL
N° DESCRIPCIÓN CANTIDAD
MEDIDA UNITARIO EFECTIVO VALORIZADO
1 PC. Unidad. 1 800.00 800.00
2 Impresora. Unidad. 1 150.00 150.00
3 Escáner. Unidad. 1 150.00 150.00
TOTAL: 150.00 950.00

SERVICIOS
UNIDAD DE COSTO SUB TOTAL
N° DESCRIPCIÓN CANTIDAD
MEDIDA UNITARIO EFECTIVO VALORIZADO
1 Internet. (1) Horas 2,880 1.00 2,880.00
2 Movilidad y viáticos. Meses 12 300.00 3,600.00

3 Alquiler de proyector Horas 240 20.00 4,800.00

multimedia. (2)
TOTAL: 3,600.00 7,680.00

(1).- 8 horas diarias x 30 días al mes x 12 meses

(2).- 5 horas a la semana x 4 semanas al mes x 12 meses.

RESUMEN TOTAL
SUB TOTAL
N° DESCRIPCIÓN
EFECTIVO VALORIZADO IMPORTE

1 Materiales. 83.00 40.00 123.00

2 Equipos. 150.00 950.00 1,100.00
3 Servicios. 3,600.00 7,680.00 11,280.00
TOTAL: 3,833.00 8,670.00 12,503.00
%: 31% 69% 100%
B TOTAL

IMPORTE

40.00
80.00
3.00
123.00

B TOTAL
IMPORTE
800.00
150.00
150.00
1,100.00

B TOTAL
IMPORTE
2,880.00
3,600.00

4,800.00

11,280.00
MAPA METODOLÓGICO Datos a ingresar
CÁLCULO MUESTRAL Datos calculados

ELABORADO POR: Mg. Christian A. Dios Castillo.

Para Población Finita: < 100,000 individuos.

𝒏=
(𝑵×𝒁_𝜶^𝟐×𝒑×𝒒)/(𝒆^𝟐×(𝑵−𝟏)+
𝒁_𝜶^𝟐×𝒑×𝒒)
n= 376.32
=
1.52

Nivel de Confianza o Seguridad: 1-a 97.5% Za = 2.24

1-a Coeficiente Es el porcentaje de confianza de que la Muestra será representativa de la

(Za) Población.
90.0% 1.645
95.0% 1.96
97.5% 2.24
99.0% 2.576

N: Total de Población: 300

p: Proporción Esperada: 0.5 La probabilidad de que el resultado sea favorable.
q (1-p) : 0.5 La probabilidad de que el resultado NO sea favorable.
e: Nivel de error aceptado: 3% Es el error máximo aceptado en la representatividad de la muestra.
 247

á representativa de la

le.
d de la muestra.
MAPA METODOLÓGICO
EVALUACIÓN DE CONFIABILIDAD Y VALIDEZ DE UN INSTRUMENTO
ELABORADO POR: Mg. Christian A. Dios Castillo.

CONFIABILIDAD
MÉTODO: TEST RE-TEST.

Es la aplicación del mismo instrumento en diferentes

momentos para analizar su estabilidad en el tiempo.
Coeficiente de Correlación:

ESTUDIANTES 1° APLICACIÓN 2° APLICACIÓN r= 0.65

X Y
1 11 17 NIVEL DE CONFIABILIDAD:
2 10 11 NO CONFIABLE
3 5 10
4 6 5
5 10 17
6 9 20
7 9 12
8 11 14
9 10 20
10 5 11
TOTAL 86 137

CONSISTENCIA INTERNA
MÉTODO: ALFA DE CRONBACH.

Escala de actitud hacia el curso de matemática: 1: Incorrecto. 2: Regular.

PREGUNTAS: ÍTEMES
ESTUDIANTE 1 2 3 4 5
1 3 1 3 1 1
2 3 1 3 3 1
3 1 1 1 1 1
4 2 1 1 3 1
5 1 1 1 1 1
6 1 3 3 1 1
7 2 1 1 3 2
8 1 1 1 1 2
TOTAL: 14 10 14 14 10
VARIANZA: 0.79 0.5 1.07 1.07 0.21
SUM.VARIANZAS: 4.19
Coeficiente de Confiabilidad: De homogeneidad. VARIANZA:
Es la diferencia promedio entre los resultados
rtt = 0.48 mayor varianza, mayor heterogeneidad de las

NIVEL DE CONSISTENCIA:
NO CONFIABLE
 Elaborado por el Pre elaborado por el
Tesista. autor de una teoría.

VALIDEZ
MÉTODO: VERSIONES EQUIVALENTES.

Es la aplicación de diferentes instrumentos en el mismo

momento para analizar la correlación entre ambos.
Coeficiente de Correlación:

ESTUDIANTES TEST 1 TEST 2 r= 0.67

X Y
1 35 42 CONCLUSIÓN:
2 40 48 NO CONFIABLE
3 20 5
4 30 5
5 33 35
6 24 28
7 18 18
8 25 32
9 22 22
10 17 21
TOTAL 264 256

3: Correcto.

6 TOTAL
1 10
2 13
1 6
1 9
1 6
1 10
3 12
1 7
11 73
0.55 6.98
 medio entre los resultados de cada estudiante y el promedio de todos. A
ayor heterogeneidad de las respuestas entre los estudiantes.
Correlación:
MAPA METODOLÓGICO
EVALUACIÓN DE CONFIABILIDAD Y VALIDEZ DE UN INSTRUMENTO
MÉTODO: EVALUACIÓN DE EXPERTO
ELABORADO POR: Mg. Christian A. Dios Castillo.

NOMBRE DEL EXPERTO:

4 3 2
Aspecto/Dimensión/E
N Excelente Buena Regular
strategia
Medición de
1 conocimientos
previos.
2 Las motivaciones.
Las
3 X
problematizaciones.
4 La didáctica. X
5 La evaluación. X
TOTAL 0 2 1
LIKER: 0 6 2

MÁXIMO: 20
MÍNIMO: 5
MEDIO: 12.5

ESCALA CUALITATIVA:
5.00 8.75
8.76 12.51
12.52 16.27
16.28 20.00
 1

Inadecuada

2
2 10 REGULAR:

DISTANCIA: 15
INTERVALO: 3.75

INADECUADA:
REGULAR:
BUENA:
EXCELENTE:
 MATRIZ DE RELACIÓN DEL INSTRUMENTO DE RECOLECCIÓN DE
DATOS Y LA VARIABLE DEPENDIENTE

La capacidad predictiva de los modelos

ARIMA en la generacion de Datos
V.D: Sintéticos de Precipitación - Escorrentía en
la Microcuenca Amojú

INDICADOR===>> #REF! #REF!

1 X
2 X
3 X
4 X
PREGUNTA 5 X
===> 6 X
7 X
8 X
9 X
10 X
 VARIABLE
#REF!
DEPENDIENTE

INDICADOR TIPO ESCALAS PRE TEST

=1
#REF! Cuantitativo - continuo. >1 0.9
<1

=1
#REF! Cuantitativo - continuo. >1 1.1
<1
POST TEST DIFERENCIA

1.2 0.3

1.4 0.3
 DIMENSIÓN===>> Comprensión de necesidades y uso de herramientas.

Comprensión de las características de uso de la

INDICADOR===>>
herramenta.

PREGUNTA==> 2 3 7
1 2 1 1
2 2 1 3
3 2 1 3
4 2 1 1
5 2 2 2
6 1 2 1
7 1 3 2
8 2 3 2
9 2 1 2
10 2 2 2
ALUMNOS
11 2 1 1
12 1 2 2
13 1 2 1
14 2 1 2
15 2 2 1
16 1 1 2
17 2 3 3
18 1 3 3
19 2 1 3
20 1 1 1
PROMEDIO: 1.65 1.7 1.9 1.75
MEDIANA: 2 1.5 2 2.00
DS: 0.49 0.80 0.79 0.70
CV: 0.30 0.47 0.41 0.40

RESULTADOS FRECUENCIA FRECUENCIA FRECUENCIA PROMEDIO

1 7 10 7 8
2 13 6 8 9
3 0 4 5 3
TOTAL 20 20 20
LIKER 33 34 38 35

2 3 7
3 3
1 20% 25% 1
35% 35%
1
50%
2 2 2
65% 30% 40%
 INCORRECT
NIVEL DE REGULAR CORRECTA
A
CALIFICACIÓN

1 2 3

2.14
1.16

ESCALAS
MÍNIMO: 20 INTERVALO: 8
MEDIO: 40
MÁXIMO: 60
DIFERENCIA: 40
Se compara con las Escalas.

ORDEN NIVEL MIN MAX

7
1 MUY ALTO 52 60
2 ALTO 44 51
3
25% 1 3 MEDIANO 36 43
35%
4 BAJO 28 35
2 5 NINGUNO 20 27
40%
 1
1 2 3

20%

50%

30%
 50%

30%
 RESULTADO POR GRUPOS

GRUPO===> GE GC NOTA
1 20 16 1
2 16 15 2
3 0 14 3
4 0 12 4
5 19 13 5
6 0 16 6
7 18 17 7
8 0 18 8
9 15 19 9
10 0 17 10
ALUMNOS
11 11 14 11
12 9 12 12
13 16 18 13
14 20 19 14
15 20 13 15
16 0 11 16
17 17 12 17
18 15 11 18
19 14 8 19
20 11 11 20
21 0 12
22 15 15
23 15 13
24 0 9
25 10 11
PROMEDIO: 10.4 13.8
MEDIANA: 14.0 13.0
DS: 7.85 3.06

Coeficiente de
0.75 0.22
variabilidad:

> 0.33 : HETEROGÉNEA

<= 0.33 : HOMOGÉNEA
 GE GC

Media 11.52 Media 13.84

Error típico 1.42257982 Error típico 0.61286214
Mediana 15 Mediana 13
Moda 0 Moda 12
Desviación estándar 7.11289908 Desviación estándar 3.06431069
Varianza de la muestra 50.5933333 Varianza de la muestra 9.39
Curtosis -0.86752548 Curtosis -0.81510686
Coeficiente de asimetría -0.84581895 Coeficiente de asimetría 0.11690858
Rango 20 Rango 11
Mínimo 0 Mínimo 8
Máximo 20 Máximo 19
Suma 288 Suma 346
Cuenta 25 Cuenta 25

CV: 0.61743916 0.22140973

NOTA Frecuencia DN
1 6 0.01878731
2 0 0.02290217 7
3 0 0.02737187 6
4 0 0.03207365
5
5 0 0.03684752
6 0 0.04150344 4
7 0 0.04583275 3
8 0 0.04962307 2
9 1 0.05267535 1
0
1 2 3 4 5 6 7 8 9 10 11 12 13
10 1 0.05482103
11 2 0.05593748
12 0 0.05595959
13 0 0.05488608
14 1 0.05277957
15 5 0.04976058
16 2 0.0459961
17 3 0.0416843
18 2 0.03703736
 19 1 0.0322644
20 1 0.02755644
y mayor... 0
 NOTA Frecuencia
1 0 2.004467306E-05 4.5
4
2 0 7.459902519E-05 3.5
3 0 0.00024958391 3
2.5
4 0 0.000750670367 2
5 0 0.002029697035 1.5
6 0 0.004933582767 1
0.5
7 0 0.010780598601 0
8 1 0.021177397584
9 1 0.03739827413
10 0 0.059371741468
11 4 0.084733914675
12 4 0.108713633436
13 3 0.125389164151
14 2 0.13001254514
15 2 0.121188042187
16 2 0.101550843513
17 2 0.076499140783
18 2 0.051805853839
19 2 0.031539178058
20 0 0.017261207071
y mayor... 0

0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
1.90819582357449E-17
-0.01
7 8 9 10 11 12 13 14 15 16 17 18 19 20
4.5 0.15
4 0.13
3.5 0.11
3 0.09
2.5
0.07
2
1.5 0.05
1 0.03
0.5 0.01
0 -0.01
 PRUEBA DE HIPÓTESIS

GRUPO===> GE GC NOTA
1 18 16 1
2 16 15 2
3 17 14 3
4 15 12 4
5 14 13 5
6 16 16 6
7 14 17 7
8 16 18 8
9 15 19 9
10 13 17 10
ALUMNOS
11 18 14 11
12 16 12 12
13 16 18 13
14 15 19 14
15 17 13 15
16 15 11 16
17 13 12 17
18 15 11 18
19 14 8 19
20 16 11 20
21 15 12
22 14 15
23 15 13
24 17 9
25 15 11
PROMEDIO: 15.4 13.8
Es la diferencia
promedio entre MEDIANA: 15.0 13.0
los resultados de DS: 1.35 3.06
cada estudiante y
el promedio de
VARIANZA: 1.83 9.39
todos. A mayor
varianza, mayor
heterogeneidad Coeficiente de
de las 0.09 0.22
variabilidad:
calificaciones
entre los
estudiantes.
> 0.33 : HETEROGÉNEA
<= 0.33 : HOMOGÉNEA

Prueba t para dos muestras suponiendo varianzas desiguales

 GE GC
Media 15.4 13.84
Varianza 1.833333333333 9.39
Observaciones 25 25

Diferencia hipotética
de las medias 0
Grados de libertad 33
Estadístico t 2.328271766966
P(T<=t) una cola 0.013086445773
Valor crítico de t
(una cola) 1.69236030903
P(T<=t) dos colas 0.026172891546
Valor crítico de t
(dos colas) 2.034515297449
MÉTODO DE DIFERENCIA DE DOS MEDIAS
Hipótesis.
Hipótesis Alterna (H1). me > mc. El promedio de notas del GE es mayor que el promedio de notas de
Hipótesis Nula (H0). me <= mc. El promedio de notas del GE es menor o igual que el promedio de no

1.- Definición del método en función a la muestra.

a) <= 30 individuos o casos.- t students.

b) > 30 individuos o casos.- Prueba Z.

Para nuestro caso: t students.

2.- Determinación del método en función al tipo de diseño de contrastación.-

2.1.- > 30 individuos o casos.- Prueba Z para medias de dos muestras.
2.2.- <= 30 individuos o casos.- t students.
a) Diseño Pre-experimental (sin GC).- Prueba t para medias de dos muestras empareja
b) Diseño Cuasi-experimental (con GC).-
b.1) Prueba t para dos muestras suponiendo varianzas iguales
b.2) Prueba t para dos muestras suponiendo varianzas desigua

Por lo tanto, se deben calcular las varianzas de GE y GC.

Para nuestro caso: CUASI-EXPERIMENTAL.

Varianza GE: 1.83
Varianza GC: 9.39
b.2) Prueba t para dos muestras suponiendo varianzas desiguales.

Prueba t para dos muestras suponiendo varianzas desiguales

GE GC
Media 15.4 13.84
Varianza 1.83333333 9.39

Observaciones 25 25
Diferencia hipotética de
las medias 0
Grados de libertad 33
Estadístico t 2.32827177
P(T<=t) una cola 0.01308645
Valor crítico de t (una
cola) 1.69236031
P(T<=t) dos colas 0.02617289
 Valor crítico de t (dos
colas) 2.0345153

3.- Evaluación de resultados.-

3.1.- Si t < Valor crítico de t.- Se acepta la H0.

3.1.- Si t >= Valor crítico de t.- Se acepta la H1.

Para nuestro caso:

Acepta la H1
ayor que el promedio de notas del GC.
nor o igual que el promedio de notas del GC.

ntrastación.-
s muestras.

medias de dos muestras emparejadas.

tras suponiendo varianzas iguales en la Población.

tras suponiendo varianzas desiguales en la Población.

zas desiguales.