Unidad 1-2: Paso 5: Presentación de resultados

Estudiantes:
Francisco Muñoz Rosero
Código: 1087410573

Estadística Descriptiva (100105A_611)

Grupo: 100105_88

Tutora:
María José Charfuelan

Universidad Nacional Abierta y a Distancia - UNAD

Tecnología en Logística Industrial

Bogotá, mayo de 2019

 Introducción

El presente trabajo busca integrar todos los temas estudiados durante el curso
estadística descriptiva analizando una serie de variables mediante tablas de
frecuencia, gráficos, así como también se busca aplicar conceptos de medidas de
tendencia central y medidas univariantes de dispersión además de establecer qué
tipo de correlación tienen las variables implicadas, todo esto con el fin de llegar a
unas conclusiones precisas que busquen dar solución a la problemática planteada.
 Justificación

Realizar el presente trabajo tiene como fin la compresión y la aplicación de los

conceptos involucrados en el área de la estadística descriptiva, identificando
diferentes variables dándoles su respectiva interpretación con el uso de las
herramientas y de los conocimientos de los cuales se dispone, la comprensión
profunda de conceptos de frecuencias, medidas de dispersión y de tendencia
central, grados de correlación entre variables además de la realización e
interpretación de gráficos, nos permitirá en futuro desempeñarnos de manera
productiva en el ámbito profesional ya que se estará en condición de tomar
decisiones acertadas al poseer la información correcta.
 Objetivos

Objetivo general
Desarrollar el contenido de la guía planteada para esta unidad

Objetivos específicos

 Comprender y asimilar los conceptos de variables estadísticas

 Aplicar los conocimientos aprendidos durante el proceso de realización del

trabajo

 Aprender a realizar y analizar tablas de frecuencia

 Elaborar e interpreta gráficos con los datos analizados

 Comprender y aplicar el concepto de moda

 Comprender y asimilar los conceptos de medidas univariantes.

 Aplicar los conocimientos aprendidos durante el proceso de realización del

trabajo

 Interpretar las diferentes medidas univariantes

 Elaborar e interpretar gráficos con los datos analizados

 Comprender y aplicar el concepto de moda, mediana y media

 Calcular coeficientes de correlación para determinar la confiabilidad de un

modelo matemático

 Calcular coeficientes de correlación entre dos variables para determinar su

grado de dependencia entre estas

 Realizar diagrama de dispersión para los ejercicios propuestos.

 Identificar variables dependientes e independientes y su correlación

 Establecer modelos matemáticos que permitan realizar predicciones

1.Tabla con las variables escogidas y ajustada con los 50 primeros datos de la
encuesta
2 Procesamiento de variables
2.1 Cualitativas grado de escolaridad del acudiente y materias con mayor dificultad
Tablas de frecuencias

Tabla 1: Frecuencias materias con mayor dificultad

Tabla 2: Frecuencias Grado de escolaridad del acudiente

Tabla3.Tabla de contingencia
 Gráficos
Materias
Materias concon mayor
mayor dificultad
dificultad
25
Grafico 1
15 Grafico 2
20
Frecuencias Absolutas

15 50
Frecuencia Escolaridad de los acudientes
Absoluta 22 1
30 10 3
25 7
5 6 18
20
15 0
Castellano
Castellano Matemáticas Ciencias
Matemáticas Ciencias
10 Naturales Sociales 26
5 Ciencias Naturales Ciencias Sociales
Total Materias
0 2
a a ia ia ia
g un si c ed ar it ar
in Ba M un
d
rs
N ec i ve Ninguna Basica Media
S
Un Secundaria Universitaria

Grafico 3 Grafico 4

Análisis
Podemos afirmar que las materias con mayor dificultad son castellano y matemáticas ya
que tienen una frecuencia absoluta de 15 y 22 respectivamente como se aprecia en la
tabla 1 y los gráficos 1y2, por otra parte, el grado de escolaridad de los acudientes en su
mayoría corresponde a educación de tipo medio representando un 52 por ciento como se
observa en la tabla 2, además las falencias en las dos materias mencionadas se
presentan en su mayoría en los estudiantes cuyos acudientes tienen un grado de
escolaridad medio y universitario como se distingue en la tabla 3.
 2.2 Cuantitativas discretas y continuas, materias aprobadas y desempeño
comportamiento, (Medidas univariantes calculadas con Excel)

Tabla 4: Medidas univariantes materias aprobadas Tabla 5: Medidas univariantes Desempeño

comportamiento

Tabla 6: Cuartiles variables

Análisis de los datos y asociación con la problemática estudiada

En cuanto respecta a las materias aprobadas al remitirnos a los datos que nos
brinda la tabla 4 y 6 podemos afirmar que: dé de 50 estudiantes que consta la
muestra, el 50% aprobó entre 5 y 8 materias y el otro 50% aprobó entre 8 y 10,
como lo indica la mediana y el segundo cuartil, por otro lado al analizar las
medidas de dispersión de la tabla citada no hay una diferencia significativa entre
el número de materias aprobadas por los estudiantes ,además al observar la
asimetría negativa y una curtosis platicúrtica se puede afirmar que las mayores
frecuencias se encuentran al lado derecho de la mediana, al asociar esto con la
problemática estudiada habría que prestar atención al 50% que aprobó entre 5 y 8
materias estableciendo en cuales se presentan mayores dificultades.
En lo que concierne al desempeño en comportamiento es posible afirmar apoyado
en los datos de la tabla 5 y 6, que dé de 50 estudiantes que consta la muestra, el
50% posee un desempeño de entre 3 y 4,75 puntos mientras que el porcentaje
restante posee un desempeño de 4,75 y 5 puntos como lo indica la mediana, por
otra parte, las medidas de dispersión nos indican que no existe una diferencia
significativa entre los comportamientos de los estudiantes además un coeficiente
de asimetría negativo así como una curtosis de la misma naturaleza denota que el
desempeño de comportamiento con mayores frecuencias se inclina hacia el lado
derecho de la mediana, en conclusión para la problemática estudiada sería
necesario ver como este desempeño de comportamiento afecta otras variables
tales como materias aprobadas o materias con bajo desempeño.

2.3 Regresión y correlación entre variables cuantitativas (Desempeño

comportamiento materias aprobadas y materias con bajo rendimiento)
 Relacion desempeño comportamiento -Materias aprobadas
12

10
Numero de materias Aprobadas

8 f(x) = 0.62 x + 5.62

R² = 0.1
6

0
2.5 3.0 3.5 4.0 4.5 5.0 5.5
Desempeño comportamiento

Grafico 5: Diagrama de dispersión desempeño comportamiento/materias aprobadas

Re lacion comport amie nto núme ro de mate rias con de se mpe ño

bajo
6

f(x) = − 0.62 x + 4.38

2 R² = 0.1

0
2.5 3.0 3.5 4.0 4.5 5.0 5.5

Grafico 6: Diagrama de dispersión desempeño comportamiento/materias con bajo desempeño

De acuerdo al diagrama de dispersión mostrado en el grafico 5 podemos

determinar que existe una relación lineal creciente entre las variables con una
correlación positiva débil, mientras que en el grafico 6 se observa una relación
lineal decreciente entre las variables relacionadas, con una correlación negativa
débil. En los mencionados gráficos también se observan los modelos matemáticos
los cuales no son confiables dado que los coeficientes de correlación son
cercanos a 0, podemos decir que la correlación entre el comportamiento y el
número de materias tanto aprobadas como con bajo desempeño no es un factor
que influya en el rendimiento académico.

3. Propuesta de solución a la problemática

Los bajos rendimientos de los estudiantes se presentan en su mayoría en las
materias matemáticas y castellano representando estas un 74% como se
determina en la tabla 1 de este documento además de los gráficos 1 y 2 en donde
se evidencia que hay un mayor número de estudiantes que poseen falencias en
estas asignaturas, se debe prestar más atención a estas materias por parte de
docentes e indagar en otros factores que puedan afectar el bajo rendimiento en las
mencionadas materias, los acudientes también deben prestar atención al respecto
estableciendo así un trabajo conjunto hogar-institución educativa, por otra parte
el desempeño en comportamiento arrojo una relación muy baja con el número de
materias con bajo desempeño y de materias aprobadas como se aprecia en los
gráficos 5 y 6 ,en conclusión se debe investigar más a fondo sobre los factores
causantes de esta problemática es posible que falte acompañamiento docente o
del acudiente.

Recomendaciones
Se sugiere incluir en un estudio estadístico de este tipo más variables para su
análisis como son la formación y número de docentes que imparten las materias y
disposición de material educativo por parte la institución, así como también
asistencias a clase por parte de los estudiantes.

Bibliografía
Martínez, C. (2011). Capítulo 2. Distribuciones de frecuencia. En: Estadística y
muestreo, 13a ed. [Online] Bogotá: Ecoe Ediciones.(pp 2 – 10). Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=67&docID=10560355&tm=1498531579762 

 Montero, J. M. (2007). Conceptos Generales Estadística descriptiva. Madrid:

Paraninfo. (pp 3 - 16). Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=0a7332df0d4700
de0bd272caa41e1718

 Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

Statistical Descriptive.   Cengage Learning Paraninfo, S.A. (pp 4 – 10).
Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900008&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=84a84913a25d9
dfd21d0a0d3deb41dea

García, J. E (2005). Análisis de Datos Unidimensionales.et al. Madrid: Paraninfo.

(pp 26 -42). Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052300007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=03f8699ec7ccf10
e8745c0ceb7b85bf1

 Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

Statistical Descriptive.   Cengage Learning Paraninfo, S.A. (pp 41-50). Recuperado
de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100008&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=99feba20c3312c
bea60961107ffc27a0

Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 151
– 158). Recuperado de: http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b82c81e98fcc13
61e1929abe203c8219

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City:

Cengage Learning. (pp 675–686). Recuperado de:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184ed89e5
7d11ede116134cfce41