ANALISIS ESTADISTICO DE ENCUESTA SOBRE TIPO DE RESIDUOS QUE GENERA UN

CIUDADANO Y LA DISPOSICIÓN FINAL DE ÉSTOS

MÓNICA AMAYA CORZO

UNIDADES TECNOLÓGICAS DE SANTANDER

GESTION EMPRESARIAL

BUCARAMANGA

2019
ANALISIS ESTADISTICO DE ENCUESTA SOBRE TIPO DE RESIDUOS QUE GENERA UN
CIUDADANO Y LA DISPOSICIÓN FINAL DE ÉSTOS

MÓNICA AMAYA CORZO

ANALISIS DE DATOS

DOCENTE

HÉCTOR TORRES CALDERÓN

ESTADISTICA

UNIDADES TECNOLÓGICAS DE SANTANDER

GESTION EMPRESARIAL

BUCARAMANGA

2019
 OBJETIVOS

GENERAL

- Describir mediante el uso de herramientas estadísticas el comportamiento actual de un

evento particular.

ESPECIFICOS

- Utilizar las medidas de tendencia central como base fundamental del análisis particular de
datos agrupados y no agrupados.

- Describir los resultados obtenidos utilizando métodos gráficos como por ejemplo el
diagrama circular y el histograma.

- Plantear conclusiones en base a los resultados obtenidos en el análisis.

 TABLA DE CONTENIDO

Introducción

Marco teórico

Análisis estadístico

Conclusiones

Posibles causas de error

Bibliografía

Anexos
 INTRODUCCION

Según la UNESCO (1997, p. 123) la enseñanza de la Estadística es fundamental para el ciudadano

al favorecer la adquisición de conocimientos y habilidades que le permiten acceder a la sociedad
de la información. Bajo esta lógica la estadística y el procesamiento de datos juega un papel clave
para el rol del ciudadano en un mundo cada vez más interconectado, debido a que el sujeto
moderno es demandado a poseer competencias para leer e interpretar tablas y gráficos que se
presentan en los medios informativos para la toma de decisiones (HOLMES, 1980); Esta idea
cobra relevancia toda vez que se aspira al desarrollo de un pensamiento experto en la ciudadanía.
(RODRIGUEZ, 2016).
 MARCO TEORICO

Uno de los principales objetivos de la estadística descriptiva es sintetizar e interpretar información

mediante métodos gráficos y/o numéricos de naturaleza cualitativa y/o cuantitativa (RODRIGUEZ,
2016) De manera puntual, las gráficas estadísticas brindan una idea subjetiva del comportamiento
cotidiano del evento en cuestión con una restricción, no es posible “cuantificar” esta tendencia de
manera concreta con objetivo de establecer un análisis conveniente. En base a lo anterior descrito
surge la idea de “cuantificar” esta tendencia con miras de establecer una predicción propicia y una
conclusión concreta.

En este sentido cabe señalar que Moore (1991) definió la estadística como la ciencia de los datos y
señaló que el objeto de la estadística es el razonamiento a partir de datos empíricos, subrayando la
importancia del contexto, siendo la distribución de ellos una de las características esenciales en el
análisis estadístico que trata de predecir propiedades de un conjunto de datos y no de cada dato
aislado (BAKKER; GRAVEMEIJER, 2004). Por tal motivo la enseñanza de la estadística pretende
que los estudiantes desarrollen las habilidades de leer, analizar, criticar y hacer inferencias a partir
de distribuciones de datos (SHAUGHNESSY, 2007).

De esta forma las medidas numéricas permiten sintetizar información cuantitativa y/o cualitativa
proporcionando un valor representativo del conjunto de datos. Entre las medidas de resumen más
importantes se encuentra la media aritmética (promedio aritmético) que se obtiene de sumar todas
las observaciones y dividir esta suma por el número de observaciones (datos) que hay en un
grupo. Dicho algoritmo fue introducido primeramente por astrónomos de Babilonia y extendido en la
Edad Media por el astrónomo danés Tycho Brahe (PLACKETT, 1970), siendo conservado hasta
nuestros días. Otras medidas numéricas de resumen son la mediana y la moda las cuales son
también aplicables a datos cuantitativos o información de naturaleza ordinal e información
cualitativa respectivamente.

Al respecto, Graham (2013, citado por Hernández, Fernández y Baptista, 2014) señala que para
cada nivel de medición existe una medida de tendencia central apropiada para interpretar los
datos.

Bajo esta lógica, Hurtado (2010) señala que el análisis estadístico ideal incluye análisis de
frecuencias absolutas y porcentuales, y la moda como medida de tendencia central. En estos tipos
de análisis, la moda es apropiada pues esta medida consiste en la categoría o puntuación que se
presenta con mayor frecuencia. En algunos estudios, puede suceder que no exista una moda
debido a la variabilidad de los datos.
En cuanto a su utilidad en la investigación, puede decirse que los resultados de la moda pueden
ser útiles para identificar las preferencias de un grupo en estudio, lo cual facilitará la planificación,
preparación, proyección y realización de proyectos dirigidos a satisfacer las necesidades de la
mayoría. Por ejemplo, puede dar una idea del desarrollo de habilidades o requerimientos en el
marco de un análisis a futuro.

Con respecto a las variables en nivel de medición ordinal, Hernández, Fernández y Baptista (2014)
señalan que las medidas de tendencia central pertinentes tales como lo son la moda, y la mediana,
esta última representada en el valor que divide una distribución de datos por la mitad.

Es necesario recalcar el uso de la mediana porque esta es ventajosa cuando existan valores
extremos en la distribución de los datos ya que no es susceptible a ellos, por lo cual puede ser
utilizada como descriptora típica de la localización en la distribución (LEÓN, 2019).

Algunas consideraciones para el empleo de la mediana en la investigación son las siguientes:

1. Para obtener el valor de la mediana, se deben ordenar los datos en forma ascendente.

2. Si el número de datos es impar, se elige el dato que se encuentra en la mitad.

3. Si el número de datos es par, la mediana es el promedio de los valores centrales. Cuando el

nivel de medición de la variable en estudio es de intervalo, suele utilizarse además de la moda y la
mediana, la media aritmética, la cual consiste en el promedio aritmético de una distribución de
datos y es sensible a los valores extremos.

De otra forma, si se desea tomar en cuenta los valores extremos bajo un análisis susceptible a los
últimos, la media aritmética juega un papel importante como herramienta descriptiva de
comportamiento general.

La fórmula de cálculo es la siguiente:

Donde:

= Promedio o media aritmética.

= Sumatoria de puntuaciones obtenidas por todos los casos.

n = tamaño de la muestra.
 ANALISIS ESTADÍSTICO

Nombre del proyecto: Estudio estadístico de la disposición final de residuos

Nombre de la variable: Edad

Gráfica de la variable: RANGOCLAS

fi
E
18-24 19
20
18 24-30 10
16 30-36 6
14
36-42 5
12
10 42-48 3
8 48-52 0
6
4
2
0
18-24 24-30 30-36 36-42 42-48 48-52 Gráfico 1.Histograma edad

RANGOCLA PORCENTA
SE JE
18-24 44,1860465
24-30 23,255814
30-36 13,9534884
36-42 11,627907
42-48 6,97674419
48-52 0
7%
12% Gráfico 2.Diagrama Circular
44% edad
14%

23%

18-24 24-30 30-36 36-42 42-48 48-52

Análisis de la gráfica:
Se dispone de un conjunto de datos estadísticos de carácter cuantitativo de los cuales es posible
hacer un análisis de media, mediana y moda.

Media 27,8372093
Mediana 25,5
Moda 22,0714286
59,5781503
Varianza 5
7,71868838
Desviación 3

Q1 21,3947368
Q2 25,5
Q3 33,25

Nombre de la variable: Tipo de desecho

   Fi
Orgánicos 14
Papel 12
Plástico 12
Otro 5

Gráfico 3.Histograma Tipo

de desecho

Gráfica de la variable:

PORCENTAJE
S
Orgánicos 32,55813953
Papel 27,90697674
16
Plástico 27,90697674
14 Otro 11,62790698
12

10

0
Organicos Papel Plastico Otro
 12%
33%
28%

28%
Gráfico 4.Diagrama circular
Tipo de desecho

Organicos Papel Plastico Otro

Análisis de la gráfica:

Nombre de la variable: Disposición de residuos

Gráfica de la variable:

20
18   Fi
16
Reutilización 8
Separar 16
14
Convertir 1
12
No sabe 18
10
8
6 Gráfico 5.Histograma
Disposición de residuos
4
2
0
Reutilizacion Separar Convertir No sabe
 19%
42%

37%
2%

Gráfico 6.Diagrama
circular Disposición de
residuos
Reutilizacion Separar Convertir No sabe

Nombre de la variable: Frecuencia de reutilización de hojas de papel

Gráfica de la variable:

25 PORCENTAJ
E
  Fi
20 Reutilizació
Siempre
n 4
18,60465116
Pocas
Separarveces37,20930233
18
15
Nunca 2,325581395
Convertir 21
9%
10 No sabe 41,86046512
Gráfico 7.Histograma
49%
5 Frecuencia de
42%
reutilización de hojas de
papel
0
Siempre Pocas veces Nunca

Gráfico 8.Diagrama
Circular de reutilización
de hojasPORCENTAJ
de papel
E
Siempre Siempre
Pocas veces 9,30232558
Nunca
Pocas veces 41,8604651
Nunca 48,8372093

Nombre de la variable: Disposición final de residuos

Gráfica de la variable:

30
  Fi
25
Botadero 25
Relleno Sanitario 8
20
Ríos 3
15
Otros 7

10
Gráfico 9. Histograma
PORCENTAJE
Disposición final de
5 S
residuos
Botadero 58,13953488
0 Relleno
Botadero Relleno Sanitario Rios Otros Sanitario 18,60465116
Ríos 6,976744186
Otros 16,27906977

Gráfico 10.Diagrama
16% Circular Disposición final
7%
de residuos
58%
19%

Botadero Relleno Sanitario

Rios Otros

Nombre de la variable: Frecuencia para separar residuos

Gráfica de la variable:
 35

30 Xi fi
0 30
25
1 5
20 2 6
3 2
15

10
Gráfico 11. Histograma
Frecuencia para separar
5 residuos

0
0 1 2 3

PORCENTAJ
Xi
E
5%
14% 0 69,7674419
1 11,627907
12% 2 13,9534884
70% 3 4,65116279

Gráfico 12.Diagrama
Circular Frecuencia para
separar residuos

0 1 2 3

Análisis de la gráfica:

Media 0,53488372
Mediana 0
Moda 0
0,80692266
Varianza
1
Desviación 0,89828874

Q1 0
Q2 0
Q3 1

Nombre de la variable: Dificultad para separar

18 Gráfica de la
16 variable:
16
2%
14
14
12 33% 37%
12   Fi
10 Falta de
espacios 16
8 Pérdida de
6 28% tiempo 12
Desconoce
4 formas de
2 hacerlo 14
Desconoce
0 1 ventajas 1
Falta de espacios Perdida de tiempo Desconoce formas de Desconoce ventajas
hacerlo Gráfico 13. Histograma
Falta de espacios Perdida de tiempo
Desconoce formas de hacerlo Desconoce ventajas dificultad para separar

PORCENTAJ
E
Falta de
espacios 37,2093023
Pérdida de
tiempo 27,9069767
Desconoce
formas de
hacerlo 32,5581395
CONCLUSIONES Desconoce
ventajas 2,3255814
- En base a las medidas de tendencia central, se logró determinar que la
media aritmética en la edad es de 27,83 años lo que sugiere una población bastante
Gráficojoven
14.Diagrama
en la muestra estudiada.
Circular Dificultad para
separar
- La mayor cantidad de residuos generados por la muestra poblacional son de carácter
orgánico con un 32% del total.

- La mayoría de individuos con un 41,86% no sabe qué hacer con los residuos al momento
de su disposición final.

- Es concluyente, destacable y quizás preocupante observando el punto de vista ambiental

que el 48,83% de población muestral nunca reutiliza una hoja de papel perjudicando de
manera directa el medio ambiente.
 - La mayoría de residuos generados (58,13%) terminan en un botadero para su disposición
final, en lugar de un punto de reciclaje o reutilización.

- Quizás lo más preocupante es que el 69, 76% de la población muestral nunca separa
residuos, es decir, no participa en la primera etapa del proceso de reutilización el cual
consta de la separación y posterior entrega a los puntos estipulados para esta actividad.

Posibles causas de error

Entre las posibles causas de error se encuentra la incertidumbre propia de un análisis
estadístico, que teniendo en cuenta que es un análisis aproximado cuenta inclusive con un
error autóctono e inevitable.

BIBLIOGRAFIA

LEÓN PIRELA ANDRÉS ROLANDO, PÉREZ CARLOS EDUARDO (2019) “Análisis estadístico en
investigaciones positivistas: medidas de tendencia central” Tomado de: www.revistaorbis.org.ve /
núm 43 (año 15) 50-60

RODRÍGUEZ ALVEAL FRANCISCO ENRIQUE, MALDONADO FUENTES ANA CAROLINA,

SANDOVAL RUBILAR PEDRO RODRIGO “Comprensión de las medidas de tendencia central: un
estudio comparativo en estudiantes de pedagogía en matemática en dos instituciones formadoras
chilenas” Tomado de: http://dx.doi.org/10.1590/S1414-40772016000300013

CORDOVÍ HERNÁNDEZ VALIA DALGIS, VALENCIANO VIVIAN BENITO,  SERRANO LUANDA

PRUNA, MUGUERCIA BLES ALCIDES Y ANTÚNEZ COCA C. JOSÉ “Aprendizaje de las medidas
de tendencia central a través de la herramienta exelearning”

BAKKER, A.; GRAVEMEIJER, K. P. E. Learning to reason about distribution. En: GARFIELD, J.;
BEN ZVI, D. (Eds.). The challenge of developing statistical literacy, reasoning and thinking.
Dordrecht, The Netherlands: Kluwer, 2004. p. 147-168
HOLMES, P. Teaching Statistic. Sloug: Foulsham Educational, UK, p.11- 16, 1980.

MOORE, D. S. Teaching statistics as a respectable subject. En: GORDON, F.; GORDON, S. (Eds.).
Statistics for the twenty-first century. Washington, Mathematical Association of America, p. 14-25,
1991.

PLACKETT, R. L. The Principle of the Arithmetic Mean. In: PEARSON, E.; KENDALL, M. G.
Studies in the History of Statistics and Probability. London: Griffin. 1970. v. 1.

SHAUGHNESSY, J. M. Research on statistics learning and reasoning. En: LESTER, F. (Ed.).

Second handbook of research on mathematics teaching and learning. Greenwich, CT: Information
Age y NCTM, 2007. p. 957-1010.

UNESCO. 50 Years for Education [en línea]. 1997.

Ficha Técnica
Saber que hacen los encuestados para
Objetivo General mejorar el medio ambiente y el manejo de las
basuras
Hombres y mujeres entre los 18 y 48 años de
Descripción de la población
edad
62 personas.
Tamaño de Muestra

El margen de error es de 4,29% y el nivel de

Margen de error y confiabilidad
confianza es del 95%
Técnica aplicada para realizar el trabajo de
Encuesta con preguntas de selección múltiple
campo
Periodo de recogida de la información Tres días hábiles para recoger la información
ANEXOS