Facultad de Ingeniería

Carrera Profesional de Ingeniería de Sistemas e

Informática

Aplicativo para calcular la prueba de

hipótesis para la proporción
poblacional mostrando el
procedimiento de desarrollo
(HipoTest)

Estudiantes:
Jorge Luis Hinostroza Lurquin
Gabriel Jordan Soto Cabezas

Lima – Perú
2023
 Índice

1. CAPÍTULO 1 - ASPECTOS GENERALES 3

1.1. Descripción del Problema 4
1.2. Definición de Objetivos
1.2.1. Objetivo General 4
1.2.2. Objetivos Específicos 5
1.3. Alcances y Limitaciones
1.3.1. Alcances 5
1.3.2. Limitaciones 5
1.4. Justificación 5
1.5. Estado del Arte 6
2. CAPÍTULO 2 - MARCO TEÓRICO 7
2.1. Marco teórico de programación orientada a objetos 8
2.2. Marco teórico de las fórmulas y/o el sistema 9
3. CAPÍTULO 3 - DESARROLLO DE LA SOLUCIÓN 12
3.1. Diagrama de clases 13
3.2. Modelamiento de base de datos 14
3.3. Entorno visual de los formularios 14
3.4. Código fuente 18
4. CAPÍTULO 4 – RESULTADOS 23
4.1. Recopilación de información 24
4.2. Resultados de la encuesta 25
4.3. Presupuesto 29
5. CONCLUSIONES 30
6. RECOMENDACIONES 31
7. BIBLIOGRAFÍAS 31
8. ANEXOS 32

2
CAPÍTULO 1:
ASPECTOS GENERALES

3
1.1. Descripción del problema
Como estudiantes de estadística, hemos experimentado de primera mano los
desafíos que surgen al aprender sobre pruebas de hipótesis de proporción. La
complejidad de las fórmulas y los cálculos necesarios, junto con la interpretación
precisa de los resultados, a menudo ha sido una tarea desalentadora. A medida
que avanzamos en nuestros estudios, nos hemos dado cuenta de que no
estamos solos en esta situación. Algunos investigadores como Chia-Shih,
Marchan Inzunza y Jimenez, han abordado estos desafíos y han documentado
las dificultades que muchos estudiantes y profesionales enfrentan al realizar
pruebas de hipótesis de proporción.

Investigaciones recientes, como la realizada por Chia-Shih y Marchan (2021),

señalan que uno de los principales obstáculos para los estudiantes es la
abrumadora naturaleza de las fórmulas y los pasos matemáticos involucrados
en las pruebas de hipótesis. A menudo, estos cálculos pueden ser difíciles de
comprender y realizar, lo que puede llevar a errores en los resultados y a una
comprensión incompleta de los conceptos clave. Además, según un estudio de
Inzunsa y Jiménez (2013), muchos estudiantes encuentran dificultades para
interpretar correctamente los resultados de las pruebas de hipótesis y aplicarlos
de manera efectiva en situaciones prácticas. De esta manera, los desafíos que
enfrentamos como estudiantes en la comprensión y aplicación de las pruebas
de hipótesis de proporción reflejan un problema más amplio que afecta a muchos
en la comunidad de aprendices y profesionales de estadística.

1.2. Descripción de objetivos

1.2.1. Objetivo general
Realizar un aplicativo que permita calcular la prueba de hipótesis de
una proporción poblacional.
1.2.2. Objetivos específicos
● Mostrar el procedimiento de desarrollo.

4
 ● Realizar una representación visual del área de rechazo y aceptación
de una hipótesis.
● Exportar el desarrollo completo del ejercicio calculado en formato
PDF.

1.3. Alcances y limitaciones

1.3.1. Alcances
● Permite realizar cálculos precisos para pruebas de hipótesis de
proporción, automatizando procesos matemáticos complejos.
● Se podrá comprender los conceptos estadísticos mediante
representaciones gráficas que mejoren la comprensión y la
comunicación visual de los resultados.
● Se podrá descargar un PDF del desarrollo del ejercicio.
● Se podrá visualizar la Z tabulada mediante un documento de drive.

1.3.2. Limitaciones
● La aplicación supone que los usuarios tienen datos correctos y
precisos para realizar las pruebas de hipótesis.
● La aplicación se centra en pruebas de hipótesis de proporción y
puede no ser adecuada para otros tipos de pruebas estadísticas.
● La aplicación estará únicamente disponible como aplicación de
escritorio.

1.4. Justificación
La creación de un aplicativo para calcular la prueba de hipótesis para la
proporción poblacional, con la inclusión del procedimiento de desarrollo,
responde a varias necesidades fundamentales. En primer lugar, simplificar un
proceso estadístico que puede resultar confuso y propenso a errores cuando se
realiza manualmente. Esto es crucial para garantizar la precisión de las
conclusiones basadas en datos. Además, la accesibilidad y la disponibilidad en

5
 línea de esta herramienta permitirían a una amplia gama de usuarios, desde
estudiantes hasta profesionales, realizar análisis estadísticos de manera más
eficiente y en cualquier momento y lugar. El componente educativo de mostrar
el procedimiento paso a paso podría mejorar la comprensión de la estadística y
promover un uso más informado de esta disciplina en diversas áreas. Además,
un aplicativo bien diseñado podría contribuir a la investigación al facilitar el
análisis de datos y proporcionar resultados claros y confiables.

1.5. Estado del arte

1.5.1. Prueba de hipótesis
Aplicativo de prueba de hipótesis general en muestras independientes
hecho en Visual Basic, donde con la prueba estadística T-Student se
pudo hallar las muestras independientes y este a su vez pudo corroborar
la hipótesis de comparación de medianas. Enfocado en facilitar el
progreso del lenguaje de programación y campo de estadística en
estudiantes de 5to grado de secundaria. (Autor: Cordova Quispe, Junior
Alexis).

Ilustración 1

6
CAPÍTULO 2:
MARCO TEÓRICO

7
2.1. Marco teórico de programación orientada a objetos
El marco teórico de la Programación Orientada a Objetos (POO) es fundamental
para comprender los conceptos y principios que rigen este paradigma de
programación. La POO se basa en la organización de software en torno a
"objetos", que son instancias de clases, y se centra en la encapsulación, la
herencia y otros conceptos más.

2.1.1. Objeto
Un objeto es una instancia concreta de una clase los cuales tienen
propiedades (atributos) y comportamientos (métodos). Como ejemplos
de objetos pueden ser un auto, una persona, una cuenta bancaria, etc.
2.1.2. Clase
Una clase es un plano o una plantilla que define la estructura y el
comportamiento de los objetos. Asimismo, define los atributos
(propiedades) y los métodos (funciones) que los objetos de esa clase
tendrán. En ejemplos de clases podemos tener "Auto", "Persona",
"CuentaBancaria", etc.
2.1.3. Encapsulación
La encapsulación es el principio que consiste en ocultar los detalles
internos de un objeto y exponer solo una interfaz pública. Los atributos
de una clase suelen declararse como privados o protegidos, y se acceden
mediante métodos (getters y setters) para controlar el acceso.
2.1.4. Herencia
La herencia permite la creación de nuevas clases basadas en las clases
existentes. Donde la clase derivada (subclase) hereda los atributos y
métodos de la clase base (superclase). Por lo que esto promueve la
reutilización de código y la jerarquía de clases.
2.1.5. Mensaje
En POO, la interacción entre objetos se logra a través del envío de
mensajes. Un objeto invoca un método en otro objeto para solicitarle que
realice una acción específica.

8
 2.1.6. Composición
La composición es un principio que sugiere que los objetos complejos
pueden construirse a partir de objetos más simples. Permite crear
estructuras de datos y comportamientos más complejos al combinar
objetos.
2.1.7. Relaciones entre clases
Las relaciones entre clases pueden ser de varios tipos, como asociación,
agregación y composición, y se utilizan para modelar las interacciones
entre objetos en un sistema.

2.2. Marco teórico de las fórmulas y/o el sistema

El cálculo de hipótesis para la proporción poblacional es una técnica estadística
utilizada para tomar decisiones basadas en muestras de una población en
relación con una característica específica que se está estudiando.

2.2.1. Población y muestra

En estadística, la "población" se refiere al conjunto completo de
elementos que se están estudiando. Por ejemplo, si estamos
investigando la proporción de votantes que apoyan a un candidato en
un país, la población sería el conjunto completo de votantes en ese país.
La "muestra" es un subconjunto representativo de la población. Debido
a que a menudo es impráctico o costoso analizar toda la población, se
toma una muestra para realizar inferencias sobre la población en su
conjunto.
2.2.2. Hipótesis nula (H0) e hipótesis alternativa (H1)
En el cálculo de hipótesis, se establecen dos hipótesis:
Hipótesis Nula (H0): Es una afirmación que asume que no hay un efecto
o diferencia real en la población. Por ejemplo, H0 podría afirmar que la
proporción de votantes que apoyan a un candidato es igual al 50%.

9
 Hipótesis Alternativa (H1): Es la afirmación que se está tratando de
probar. En el ejemplo anterior, H1 podría afirmar que la proporción de
votantes que apoyan al candidato no es igual al 50%.
2.2.3. Nivel de significancia (α)
El nivel de significancia es la probabilidad de cometer un error tipo I al
rechazar incorrectamente la H0 cuando es verdadera. Es típicamente
establecido antes del análisis y se representa como α. Normalmente el
valor utilizado para α es 0.05, lo que significa que estamos dispuestos a
aceptar un 5% de probabilidad de cometer un error tipo I.
2.2.4. Estadístico de prueba
El estadístico de prueba es un valor calculado a partir de los datos de la
muestra que se utiliza para tomar decisiones sobre la H0. En el caso de
la proporción poblacional, un estadístico de prueba común es el
estadístico Z (Z-test) cuando se tienen muestras grandes, o el
estadístico t (t-test) cuando se tienen muestras pequeñas
2.2.5. Región crítica y región de aceptación
La región crítica es el conjunto de valores del estadístico de prueba que
llevarían a rechazar la H0 si el valor calculado cae dentro de esta región.
Asimismo, la región de aceptación es el conjunto de valores del
estadístico de prueba que llevarían a no rechazar la H0 si el valor
calculado cae dentro de esta región.
2.2.6. Toma de decisiones
Si el valor calculado del estadístico de prueba cae dentro de la región
crítica, se rechaza la H0 en favor de la H1.
Si el valor calculado cae dentro de la región de aceptación, no se puede
rechazar la H0.
2.2.7. P-valor
El p-valor es la probabilidad de obtener un estadístico de prueba igual o
más extremo que el valor observado, asumiendo que la H0 es
verdadera. Un p-valor pequeño sugiere evidencia en contra de la H0.

10
2.2.8. Intervalo de confianza
Junto con el cálculo de hipótesis, también se pueden construir intervalos
de confianza para la proporción poblacional. Estos intervalos
proporcionan un rango estimado para la verdadera proporción
poblacional con cierto nivel de confianza.

11
CAPÍTULO 3:
DESARROLLO DE LA
SOLUCIÓN

12
3.1. Diagrama de clases

Ilustración 2

13
3.2. Modelamiento de la base de datos
En el presente proyecto no se ha utilizado ningún motor de base de datos
ya que el mismo no requiere de almacenamiento de información para ser
consultada por los usuarios.

3.3. Entorno visual de los formularios

Pantalla de carga al iniciar el aplicativo:

Ilustración 3

Formulario principal:

Ilustración 4

14
Uso del aplicativo para resolver problemas estadísticos:

Ilustración 5

Recursos educativos dentro del aplicativo:

Ilustración 6

15
 Ilustración 7

Ventana - Acerca del programa:

Ilustración 8

16
Opción - Nueva operación:

Ilustración 9

Opción - Guardar operación como PDF:

Ilustración 10

17
3.4. Código fuente
En esta sección, se presenta el código fuente de la aplicación "HipoTest", que
fue desarrollada para realizar pruebas de hipótesis de proporciones. La
aplicación está escrita en Java y utiliza varias bibliotecas, incluyendo
jLaTeXMath y iText para la representación de fórmulas matemáticas y la
funcionalidad de cálculo estadístico.
El código fuente se organiza en varias secciones, y cada sección cumple una
función específica en la aplicación. Las secciones incluyen la inicialización de
variables, la interfaz gráfica de usuario, eventos de botones y menús, cálculos
estadísticos, y más. Este código es la base de la aplicación "HipoTest" y permite
a los usuarios realizar pruebas de hipótesis de proporciones de manera
interactiva.

Paquete: Formularios

Clase Principal:

Métodos de cálculo y procesamiento de datos:

private void ejecutar() {

try {
setearValores();
obtenerValores();
validarEntradas();
} catch (NumberFormatException ex) {
JOptionPane.showMessageDialog(null, "Ingrese
únicamente valores válidos", "Error de cálculo",
JOptionPane.ERROR_MESSAGE);
}
}

ejecutar(): Este método es llamado desde algún evento de interfaz de usuario,

como un botón, y es el punto de entrada principal para realizar cálculos. Realiza
las siguientes acciones:

● Llama a setearValores() para configurar las variables en un modelo llamado

Modelo.
● Llama a obtenerValores() para obtener los valores configurados en el
modelo.

18
● Llama a validarEntradas() para verificar si los valores ingresados son
válidos y realizar cálculos si lo son. Si se produce una excepción
NumberFormatException, muestra un mensaje de error en caso de que se
ingresen valores no numéricos.

private void setearValores() {

Modelo.setValPlantHipo((String)
cboPlantHipo.getSelectedItem());
Modelo.setValPropHipo(sliProp.getValue());
Modelo.setValSig(sliSig.getValue());
Modelo.setValMuestra(Integer.parseInt(tpaMuestra.getTex
t()));
Modelo.setValExito(Integer.parseInt(tpaExito.getText())
);
}

setearValores(): Este método configura las variables en el modelo Modelo

utilizando los valores seleccionados o ingresados desde la interfaz de usuario,
como la selección de un elemento en un combo box (cboPlantHipo) y valores
de deslizadores (sliProp, sliSig) y campos de texto (tpaMuestra, tpaExito).
Convierte los valores de texto a números enteros utilizando Integer.parseInt().

private void obtenerValores() {

plantHipo = Modelo.getValPlantHipo();
propHipo = Modelo.getValPropHipo();
sig = Modelo.getValSig();
muestra = Modelo.getValMuestra();
exito = Modelo.getValExito();
}

obtenerValores(): Este método obtiene los valores configurados en el modelo

Modelo y los asigna a variables locales. Estos valores ahora se pueden utilizar
en cálculos adicionales.

private void validarEntradas() {

if (!plantHipo.equals("-------------Seleccione---------
-----")) {
if (muestra >= exito) {
if (muestra > 0 && exito > 0) {

19
 realizarCalculos();
mostrarResultados();
} else {
JOptionPane.showMessageDialog(null,
"Ingrese valores mayores a 0", "Error de cálculo",
JOptionPane.ERROR_MESSAGE);
}
} else {
JOptionPane.showMessageDialog(null, "Las
ocaciones de éxito debe ser menor al tamaño de muestra", "Error
de cálculo", JOptionPane.ERROR_MESSAGE);
}
} else {
JOptionPane.showMessageDialog(null, "Ingrese un
planteamiento de hipótesis", "Error de cálculo",
JOptionPane.ERROR_MESSAGE);
}
}

validarEntradas(): Este método verifica si los valores ingresados o

seleccionados son válidos antes de realizar cálculos. Realiza las siguientes
validaciones:

● Verifica si el valor seleccionado en cboPlantHipo no es igual a "-------------

Seleccione--------------". Si es igual, muestra un mensaje de error.
● Verifica si el valor de muestra es mayor o igual que el valor de exito. Si no
lo es, muestra un mensaje de error.
● Verifica si muestra y exito son mayores que cero. Si no lo son, muestra un
mensaje de error.
● Si todas las validaciones son exitosas, llama a realizarCalculos() y
mostrarResultados().

private void realizarCalculos() {

resZcal = Calculo.Zcal(exito, muestra, propHipo);
}

realizarCalculos(): Este método realiza cálculos específicos, como el cálculo

de resZcal utilizando los valores de exito, muestra, y propHipo. Los detalles
exactos de los cálculos no se proporcionan en el código.

20
 private void mostrarResultados() {
jInternalFrame1.setVisible(false);
//Porción de código para mostrar entorno gráfico y otros
cálculos
}

mostrarResultados(): Este método muestra todos los componentes gráficos

necesarios para mostrar el procedimiento de resolución. Todos los
componentes se muestran dentro de un JInternalFrame.

Paquete: Calculos

Clase: Cálculo

public class Calculo {

public static double Zcal(int x, int n, int P) {
double pPor = (double) P / 100;
double pMuestralObservada = (double) x / n;
double desviacionEstandar = Math.sqrt((pPor * (1 -
pPor)) / n);
double Zcal = (pMuestralObservada - pPor) /
desviacionEstandar;
return Math.round(Zcal*1000.0) / 1000.0;
}
}

En esta implementación, el método Zcal calcula la estadística Z necesaria para

realizar pruebas de hipótesis de proporciones. Los parámetros de entrada
incluyen el número de éxitos observados en la muestra (x), el tamaño de la
muestra (n), y el valor de la proporción hipotética (P) en porcentaje. El resultado
se redondea a tres decimales para mayor precisión.

Este método puede ser comparado con la siguiente fórmula estadística para su
mejor comprensión:

21
Esta clase es esencial para los cálculos estadísticos fundamentales dentro de
la aplicación "HipoTest". La estadística Z calculada se utiliza en la toma de
decisiones basada en las hipótesis planteadas por el usuario.

Paquete: Calculos

Clase: TablaZ

package Calculos;
public class TablaZ {
public static double Caso3 (int significancia) {
double[] izq = {-2.325, -2.055, -1.885, -1.775, -1.645,
-1.555, -1.475, -1.405, -1.345, -1.285};
return izq[significancia - 1];
}

public static double Caso2 (int significancia) {

double[] der = {2.325, 2.055, 1.885, 1.775, 1.645,
1.555, 1.475, 1.405, 1.345, 1.285};
return der[significancia - 1];
}

public static double Caso1A (int significancia) {

double[] izq = {-2.585, -2.325, -2.17, -2.055, -1.96, -
1.885, -1.815, -1.745, -1.695, -1.645};
return izq[significancia - 1];
}

public static double Caso1B (int significancia) {

double[] der = {2.585, 2.325, 2.17, 2.055, 1.96, 1.885,
1.815, 1.745, 1.695, 1.645};
return der[significancia - 1];
}
}

Esta clase permite calcular el valor de Z tabulado, para determinar las áreas de
rechazo, según el nivel de significancia determinado por el usuario. Debido a la
gran cantidad de valores dentro de la tabla Z, se ha restringido que el nivel de
significancia debe ser únicamente un valor entero, esto ha simplificado mucho
la complejidad del programa y ha permitido almacenar los valores de la tabla Z
en arreglos unidimensionales.

22
CAPÍTULO 4:
RESULTADOS

23
4.1. Recopilación de información
Para el análisis de los resultados recaudados por el uso del aplicativo, se ha
proporcionado una encuesta al estudiante donde se obtendrán los datos de las
frecuencias y porcentajes de su eficiencia.

▪ La población
La población de la investigación está compuesta por todos los estudiantes
que estén cursando la asignatura de estadística inferencial de la
Universidad Tecnológica del Perú en Lima.
▪ La muestra
La investigación está sujeta como representación significativa, una
muestra de 17 estudiantes que están cursando la asignatura de estadística
inferencia de la Universidad Tecnológica del Perú en Lima.
▪ Las encuestas
Como método fundamental tenemos una encuesta de satisfacción
realizada hacia 17 estudiantes en la cual se dio a conocer el modo de
pensar con respecto a la experiencia y eficiencia del aplicativo.
▪ Las técnicas de procesamiento de análisis de datos

o Las tablas estadísticas: Se muestran los resultados en tablas acerca

de la cantidad y el porcentaje de las encuestas realizadas.
o Los gráficos estadísticos: Esto permitirá ver los distintos gráficos. Es
la representación gráfica de los resultados de las encuestas
estadísticas.

24
4.2. Resultado de la encuesta
Análisis de la encuesta aplicada
Aplicativo para calcular la prueba de hipótesis para la proporción poblacional
mostrando el procedimiento de desarrollo
4.2.1. Pregunta Nº 1:
Objetivo general
¿Usted considera que el aplicativo realizado permite calcular
correctamente la prueba de hipótesis de una proporción poblacional?

Tabla 1

Objetivo general

Estado Frecuencia Porcentaje

Completamente satisfecho 13 72%

Satisfecho 4 22%
Insatisfecho 1 6%
Completamente insatisfecho 0 0%

Fuente: Elaboración propia

25
 ● Análisis: Según los resultados se observa que el 72% de los
encuestados que se encuentran “Completamente satisfecho”.

4.2.2. Pregunta Nº 2:
Objetivo específico
¿Usted considera que el aplicativo muestra correctamente el
procedimiento de desarrollo del cálculo de la prueba de hipótesis de una
proporción poblacional?

Tabla 2
Objetivo específico

Estado Frecuencia Porcentaje

Si 12 67%
Tal vez 5 22%
No 1 6%

Fuente: Elaboración propia

26
 ● Análisis: Según los resultados se observa que el 67% de los
encuestados considera que el aplicativo “Si” muestra correctamente
el procedimiento de desarrollo.

4.2.3. Pregunta Nº 3:
Objetivo específico
¿Usted considera que el aplicativo realiza una representación visual del
área de rechazo y aceptación de una hipótesis de forma eficaz?

Tabla 3

Objetivo específico

Estado Frecuencia Porcentaje

Siempre 12 67%
Casi siempre 3 17%
Pocas veces 3 17%
Nunca 0 0%

Fuente: Elaboración propia

27
 ● Análisis: Según los resultados se observa que el 67% de los
encuestados considera que el aplicativo realiza una representación
visual del área de rechazo y aceptación de una hipótesis de forma
eficaz.

4.2.4. Pregunta Nº 4:
Objetivo específico
¿Usted considera que el aplicativo permite exportar correctamente el
desarrollo completo del ejercicio calculado en formato PDF?

Tabla 4

Objetivo específico

Estado Frecuencia Porcentaje

Si 13 67%
Tal vez 4 22%
No 1 6%

Fuente: Elaboración propia

28
 ● Análisis: Según los resultados se observa que el 72% de los
encuestados considera que el aplicativo permite exportar
correctamente el desarrollo completo del ejercicio calculado en
formato PDF.

4.3. Presupuesto

Tabla 5

Concepto Cantidad Precio unitario Precio total

Hardware y software 1 0 0
Servicio de internet 1 120 120
Servicio de luz 1 140 140
Total 260

Fuente: Elaboración propia

El costo de Hardware y Software es de cero, porque el aplicativo se ha realizado con

dispositivos periféricos propios y con un software gratuito.

29
CONCLUSIONES
● El aplicativo permite calcular ejercicios de prueba de hipótesis de una
proporción poblacional y que será en beneficio de los estudiantes y docentes,
tal como se planteó en el objetivo general del informe, esto pudo ser
comprobado a través de la encuesta, ya que en la primera pregunta que
guarda relación con el objetivo general se obtuvo que el 72% de los
encuestados se encuentran completamente satisfechos.

● El aplicativo genera un procedimiento de desarrollo tal como refiere el

segundo objetivo específico, si hay una gran aceptación de la aplicación por
parte de los encuestados porque el 67% de ellos consideran que se muestra
correctamente el procedimiento de desarrollo del cálculo de la prueba de
hipótesis de una proporción poblacional.

● En la pregunta ¿Usted considera que el aplicativo realiza una representación

visual del área de rechazo y aceptación de una hipótesis de forma eficaz? Si
hay una gran aceptación por parte de los encuestados porque el 67% de ellos
consideran que “Siempre” el aplicativo genera la representación gráfica.

● El aplicativo permite exportar correctamente el desarrollo completo del

ejercicio calculado en formato PDF tal como refiere el último objetivo
específico, esto pudo ser comprobado a través de la encuesta, ya que en la
tercera pregunta que guarda relación con el objetivo general se obtuvo que el
67% de los encuestados se encuentran completamente satisfechos.

● Nuestro aplicativo, a comparación de aplicativo mostrado en la sección de

estado del arte (SPSS), presenta ciertas diferencias como son:

o Facilidad de uso

o Entorno amigable con el usuario

o Simplicidad de diseño

o Enfocado al aprendizaje del usuario

30
RECOMENDACIONES
Luego de consultar a los encuestados sobre qué recomendaciones nos brindarán
con el propósito de mejorar el aplicativo, estos fueron los resultados obtenidos:

● Mejorar la interfaz del usuario haciéndolo más dinámico para la interacción

del usuario-aplicativo.
● Mejorar la interpretación de resultados empleando no solo números naturales
sino también decimales para que sea más exacta.

REFERENCIAS BIBLIOGRÁFICAS
Inzunsa, S. & Jiménez, J. (2013). Caracterización del razonamiento estadístico de
estudiantes universitarios acerca de las pruebas de hipótesis. Revista
Latinoamericana De Investigación En Matemática Educativa, 16(2), 179-211.
https://doi.org/10.12802/relime.13.1622

Marchant, C. & Su, C. S. (2021). The statistical reasoning level of Chilean students of
pedagogy in mathematics on statistical hypotheses tests. Acta Scientiae, 23(6),
209-236. https://doi.org/10.17648/acta.scientiae.5772

Gómez, D. S., Molina, M. D., Mulero, J., Nueda, M. J., & Pascual, A. (2016).
Aplicaciones diseñadas con Shiny: un recurso docente para la enseñanza de la
estadística. XIV Jornadas de Redes de Investigación en Docencia Universitaria.
Investigación, innovación y enseñanza universitaria: enfoques pluridisciplinares,
2029-2041.

Colaboradores de Wikipedia. (2023). SPSS. Wikipedia, la enciclopedia libre.

https://es.wikipedia.org/wiki/SPSS

31
ANEXOS
A. Encuesta de satisfacción
A continuación, se presenta la encuesta que fue proporcionada a los estudiantes
que utilizaron el Aplicativo para la prueba de hipótesis para la proporción
poblacional.

1) ¿Usted considera que el aplicativo realizado permite calcular correctamente la

prueba de hipótesis de una proporción poblacional?

Completamente satisfecho
Satisfecho
Insatisfecho
Completamente insatisfecho

2) ¿Usted considera que el aplicativo muestra correctamente el procedimiento de

desarrollo del cálculo de la prueba de hipótesis de una proporción poblacional?

Si
Tal vez
No

3) ¿Usted considera que el aplicativo realiza una representación visual del área de
rechazo y aceptación de una hipótesis de forma eficaz?

Siempre
Casi siempre
Pocas veces
Nunca

32
4) ¿Usted considera que el aplicativo permite exportar correctamente el desarrollo
completo del ejercicio calculado en formato PDF?

Si
Tal vez
No

5) ¿Qué recomendaciones nos brindarías con el propósito de mejorar el aplicativo?

B. Modelo Lean Canvas

C. Repositorio Git del aplicativo

https://github.com/jlhinostroza/curso_integrador1/tree/master

33