Introduccin al Manejo de datos estadsticos

Primer informe de la base de datos a analizar en el curso

Hecho por:
Juan Sebastin Pinilla Snchez
C.C. 1110529960

Universidad Nacional
Medelln, 11 de abril de 2014

Base de datos Ranking de colegios por resultados en pruebas SABER 11 ao 2012

La base fue compilada por la revista Dinero en un intento por estudiar la calidad de la educacin media
en Colombia y encontrar relacin entre las diferentes variables identificadas, para el desempeo en la
prueba, en cada colegio tales como el calendario, jornada, departamento, ciudad y materia evaluada.
Composicin y finalidad u objetivos de las pruebas SABER 11
El examen del ICFES, hoy llamado SABER 11, fue creado en 1968 con el objeto exclusivo de
apoyar los procesos de admisin de las universidades. No era un requisito para el ingreso a la
educacin superior en el pas; se volvi obligatorio para ese propsito a partir de 1980.
Aunque no fuera su propsito inicial, los resultados del examen del ICFES se empezaron a utilizar,
cada vez ms, para evaluar la calidad de la educacin impartida por los colegios.
Esto qued reglamentado en el Decreto 2343 de 1980, el mismo que volvi obligatoria la presentacin
del examen para ingresar a cualquier programa de educacin superior.
La reforma principal que se le ha hecho al examen del ICFES tuvo lugar en el ao 2000.
La reforma de 2000 dio lugar a un examen con una estructura que sigue las reas curriculares de
educacin media establecidas en los Lineamientos.
Esta estructura se ha mantenido hasta la actualidad.
El examen SABER 11 vigente cuenta con nueve pruebas listadas a continuacin, ocho en un ncleo
comn y una electiva.
Ncleo comn.
Consta de aquellas pruebas que deben ser presentadas por todos los evaluados:
Lenguaje
Matemticas
Biologa
Fsica
Qumica
Ciencias Sociales
Filosofa
Ingls
Componente flexible. Est conformado por cuatro pruebas de profundizacin y dos interdisciplinares.
Cada evaluado escoge una de las siguientes, de acuerdo con sus intereses:
Profundizacin en Lenguaje
Profundizacin en Matemticas
Profundizacin en Sociales
Profundizacin en Biologa
Interdisciplinares:
Medio ambiente
Violencia y sociedad
Este examen se diligencia en su totalidad con papel y lpiz, y todas las preguntas son cerradas: se
presentan cuatro opciones de respuesta de las cuales una (y solo una) es correcta.
La aparicin de los Estndares no exigi una reorientacin del objeto de evaluacin del examen
SABER 11, en la medida en que este ya estaba orientado hacia la evaluacin de competencias. Slo se
hicieron ajustes menores y se han seguido haciendo para adecuarse de la mejor manera posible a
los Estndares.

El examen arroja resultados a nivel individual e institucional, que cumplen diferentes propsitos tales
como la premiacin y distinciones para estudiantes e instituciones, el uso de la prueba para la admisin
a programas de educacin superior, la categorizacin de los colegios y estudios para la prevencin de
desercin en IES.
Clasificacin de los datos
Se consideran como datos Cuasi-Experimentales pues la obtencin de los mismos ha tenido cierto
grado de control en la eleccin de preguntas a realizar en las pruebas SABER.
Anlisis de datos, seleccin de programa para el manejo de datos
Se selecciona como programas para el manejo de la base de datos, principalmente al programa
estadstico R y como programa secundario al programa para el manejo de hojas de clculo del paquete
de software libre llamado LibreOffice.
Se decide elegir el programa R porque es un software ligero, por su capacidad para almacenar y
manejar gran cantidad de datos y para realizar trabajos estadsticos de alto nivel, por su variedad de
opciones grficas, por su gran cantidad de documentacin y por ser un programa libre de costo
econmico (gratuito).
Se selecciona el programa de hojas de clculo como programa secundario o de apoyo para posibles
modificaciones que se consideren realizar a la Base Maestra.
Un anlisis inicial (para el presente informe) se har haciendo uso de promedios de resultados tanto
generales como de materias por variables tales como ciudad o departamento, jornada y calendario.
Adems, slo se tomarn en cuenta las materias pertenecientes al ncleo comn pues son las nicas que
se detallan en la base de datos.

Diccionario de la base de datos

Ranking de colegios por resultados en las pruebas SABER 11 del ao 2012
Tabla de variables presentes en la base de datos
Nombre
variable

Definicin

Escala de medicin

Puesto
Nacional

Ordena de forma descendente cada Cantidad entera

colegio segn su valor del promedio
general, siendo el numero uno el
colegio con ms alto promedio
Gral. y el ltimo con el ms bajo

De 1 a 12.617

Colegio

Nombre respectivo de cada colegio, Medida cualitativa

se repite cuando ste posee ms de
una jornada

Sin restriccin de
nombre, alfanumrico,
menos de 12.617 colegios
distintos.

Calendario

Tipo de calendario acadmico usado Medida cualitativa

por la institucin educativa para la
distribucin del tiempo destinado a
ejecucin y evaluacin de
actividades acadmicas. El
calendario acadmico debe
determinar las fechas precisas de
iniciacin y finalizacin de las
siguientes actividades.

Solo se tiene uno de los

siguientes valores por
colegio:
A, B, F(1) y F(2).

Alumnos
evaluados

Cantidad de alumnos evaluados por Cantidad entera

la institucin. Esta cantidad aparece
en color rojo si el nmero de
evaluados representa menos de un
90% de los estudiantes del colegio.
En naranja aparecen los datos por
verificar.

Entre 1 y 1.092
estudiantes.

Promedio
general

Promedio general de la prueba para Medida numrica

cada colegio, que puede ir de cero a decimal
cien (aunque ningn colegio se
ubica en algn extremo). Este
promedio se puede considerar como
la variable principal de la base de
datos, sobre la cual se estudiar la
relacin que pueden guardar el resto
de variables con sta.

Entre 30 y 72

Matemticas

Promedio de los resultados en la

Medida numrica
materia Matemticas obtenidos por decimal
el colegio.

Entre 0 y 100

Qumica

Promedio de los resultados en la

Entre 0 y 100

Medida numrica

Rango

materia Qumica obtenidos por el

colegio.

decimal

Fsica

Promedio de los resultados en la

materia Fsica obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

Biologa

Promedio de los resultados en la

materia Biologa obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

Filosofa

Promedio de los resultados en la

materia Filosofa obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

Ingls

Promedio de los resultados en la

materia Ingls obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

Lenguaje

Promedio de los resultados en la

materia Lenguaje obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

Sociales

Promedio de los resultados en la

materia Sociales obtenidos por el
colegio.

Medida numrica
decimal

Entre 0 y 100

D.E.

Desviacin estndar respectiva a

Medida numrica
cada materia, por lo cual existen 8 decimal
columnas con el mismo nombre,
cada una ubicada en la primera
columna a la derecha despus de
cada materia.
No se conoce la procedencia exacta
ni el modo de clculo de estos
datos.

Entre 0 y 36

Ciudad

Hace referencia a la ciudad a la cual Dato cualitativo

pertenece el colegio evaluado.

Cualquier ciudad de pas

que posea por lo menos
una institucin de
educacin media.

Departamento

Hace referencia a la ciudad a la cual Dato cualitativo

pertenece el colegio evaluado.

Cualquiera de los 32
departamentos.

Jornada

Indica el tipo de jornada referente al Dato cualitativo

colegio y que, a su vez, se evala de
forma aparte a cualquier otra
jornada presente en el colegio.

Existen cinco jornadas:

-Completa u ordinaria
-Maana
-Noche
-Sabatina-Dominical
-Tarde

Nota: para la materia Ingls, la base registra datos faltantes y sin conocimiento de causa, el programa R
los identificar como NA's.

ANLISIS DE LA BASE COMPLETA

Resumen por materia para el total de los colegios

Promedio Matemticas Qumica Fsica Biologa Filosofa Ingls Lenguaje Sociales
Gral.

Mnimo

33.00

24.00

29.30

23.00

30.0

21.00

20.50 29.00

20.00

Mediana

43.10

43.90

44.50

43.40

44.2

39.50

41.40 45.30

43.30

Mximo

71.70

84.30

65.40

83.40

67.6

65.10

91.40 68.00

67.70

Promedio
Aritmtico

43.94

44.93

45.12

44.02

44.7

39.78

43.35 45.88

43.78

Ciudades con mayor nmero de colegios

Ciudad

Bogot

Cantidad de 1664
colegios

Cali

Medelln

Barranquilla Cartagena

Ccuta

598

467

392

249

174

Departamentos con mayor nmero de colegios

Departamento Bogot

Valle

Cundinamarca Antioquia

Santander

Atlntico

Cantidad de
colegios

1203

950

689

633

1664

1475

Cantidad de colegios por calendario acadmico

Calendario A

Calendario B

Calendario F(1)

Calendario F(2)

10034 Colegios

344 Colegios

660 Colegios

1579 Colegios

Cantidad de colegios por jornada acadmica

Maana

Tarde

Completa u ordinaria

Noche

Sabatina-Dominical

4783 colegios

1583 colegios

3890 colegios

1471 colegios

890 colegios

Resumen del nmero de estudiantes evaluados por colegio

Mnimo

Primer cuartil

Mediana

Tercer cuartil Media

Mximo

Total de estudiantes

17

32

61

1092

579712

45.95

Resumen comparativo de resultados por calendario acadmico

A

F(1)

F(2)

Mnimo

33.30

37.50

33.00

33.90

Mediana

43.50

53.75

41.60

40.70

Mximo

67.60

71.70

63.10

62.40

Media

44.15

54.12

42.32

41.04

Resumen comparativo de resultados por jornada acadmica

Maana

Tarde

Completa u
ordinaria

Noche

SabatinaDominical

Mnimo

34.30

33.30

34.10

33.00

33.80

Mediana

43.70

43.50

44.20

40.60

40.30

Mximo

67.40

56.50

71.70

58.40

55.00

Media

44.26

43.71

45.66

40.73

40.43

Materias
Aunque la materia con el resultado mnimo ms bajo es sociales, filosofa es quien presenta media,
mediana y el mximo mas bajo de entre todas las materias, por lo cual es la materia con peor
desempeo en la prueba.
En el otro extremo tenemos a Lenguaje y a Qumica (Las materias con mejor desempeo), que
presentan las medias y medianas mas altas, aunque los mximos se encuentran en Matemticas e
Ingls.
Ciudades y departamentos en la prueba
Se hace comprensible y lgico que quienes tengan ms cantidad de colegios sean las ciudades y
departamentos ms poblados.
Calendario acadmico
Tenemos que la mayor parte de los colegios (al rededor de 10 mil) estudian en calendario A, caso
contrario a los colegios del calendario B, que son el menor nmero de colegios (344).
Adems, encontramos que en general son mejores los resultados del calendario B, presentan la media y
la mediana ms alta, seguido del calendario A. El calendario con peores resultados es el calendario
F(2).
Jornada acadmica
Tenemos que la mayora de los colegios (al rededor de 5 mil) estudian en la jornada Maana, seguido
de los colegios de la jornada Completa u ordinaria (4 mil aproximadamente), luego tenemos a la
jornada de la Tarde seguido de la Noche (con al rededor de 1500 colegios cada una), finalmente la
jornada Sabatina-Dominical es la que cuenta con menor numero de colegios (menos de mil).
Adicional a esto, encontramos que es la jornada Completa u ordinaria la que presenta el mejor
desempeo promedio en la prueba, en orden le sigue la jornada Maana, Tarde, Noche y SabatinaDominical.

ANLISIS PARA LOS PRIMEROS MIL COLEGIOS

Resumen por materia

Promedio Matemticas Qumica Fsica Biologa Filosofa Ingls Lenguaje Sociales
Gral.

Mnimo

50.50

48.30

45.00

40.00

44.30

35.50

46.10 46.00

44.00

Mediana

54.00

57.40

53.00

51.80

53.50

48.00

61.55 54.65

53.15

Mximo

71.70

84.30

65.40

83.40

67.60

65.10

91.40 68.00

67.70

Promedio
Aritmtico

55.23

59.04

53.77

53.35

54.03

48.74

64.05 55.25

53.66

Ciudades con mayor nmero de colegios

Ciudad

Bogot

Cantidad de 307
colegios

Cali

Medelln

Barranquilla Cartagena

Bucaramanga

77

45

41

27

28

Departamentos con mayor nmero de colegios

Departamento Bogot

Valle

Cundinamarca Antioquia

Santander

Atlntico

Cantidad de
colegios

107

97

69

49

307

94

Cantidad de colegios por calendario acadmico

Calendario A

Calendario B

Calendario F(1)

Calendario F(2)

739

223

22

16

Cantidad de colegios por jornada acadmica

Maana

Tarde

Completa u ordinaria

Noche

Sabatina-Dominical

315

30

649

Resumen del nmero de estudiantes evaluados por colegio

Mnimo

Primer cuartil

Mediana

Tercer cuartil Media

Mximo

Total de estudiantes

20

38.50

70.00

323

50918

50.92

Resumen comparativo de resultados por calendario acadmico

A

F(1)

F(2)

Mnimo

50.50

50.60

50.70

50.70

Mediana

53.30

58.80

55.05

53.20

Mximo

67.60

71.70

63.10

62.40

Media

54.25

58.47

55.57

54.51

Porcentaje de colegios
en los primeros mil

7,36%

64,82%

3,33%

1,01%

Resumen comparativo de resultados por jornada acadmica

Maana

Tarde

Completa u
ordinaria

Noche

SabatinaDominical

Mnimo

50.60

50.60

50.50

50.70

51.90

Mediana

53.10

52.45

54.80

54.85

53.45

Mximo

67.40

56.50

71.70

58.40

55.00

Media

54.14

52.59

55.89

54.70

53.45

1,89%

16,68%

0,27%

0,22%

Porcentaje de colegios 6,59%

en los primeros mil

Materias
Se observa por su media y mediana que la materia con peor desempeo en la prueba dentro de este
selecto grupo de los primeros mil es de nuevo filosofa. En penltimo puesto Fsica.
En el otro extremo tenemos a Ingls seguido de Matemticas, que presentan las medias y medianas ms
altas, tambin los mximos y mnimos.
Ciudades y departamentos en la prueba
Se observa que las 6 ciudades que mayor colegios presentan en este grupo de mil, son las mismas que
ms colegios tienen en todo el pas excepto por el caso de Ccuta que ya no aparece en ste grupo de 6
para dar el ltimo lugar a la ciudad de Bucaramanga.
Calendario acadmico
Tenemos que la mayor parte de los colegios (739) estudian en calendario A que representan a su vez
un 7 por ciento de los colegios del mismo calendario, luego tenemos a los colegios del calendario B,
que tienen a 223 de sus 344 colegios (un 65% de su clase) en el grupo de los mil. Con una baja
representacin estn los colegios del calendario F(1) y los del F(2) con 3% y 1%, respectivamente, de
sus colegios integrantes en el grupo de los mil.
Adems, encontramos que en general los mejores resultados del grupo son los del calendario B,
presentan la media y la mediana ms alta, seguido del calendario F(1) y en el mismo orden el
calendario F(2) y el calendario A.
Jornada acadmica
Tenemos que la mayora de los colegios (649) estudian en la jornada Completa siendo un 16,7% del
total de esta jornada , seguido de los colegios de la jornada Maana (315) con un 6,6% de los colegios
de la jornada, luego tenemos a la jornada de la Tarde con 30 de sus colegios (un 2%) en el grupo de los
mil mejores, finalmente tenemos a los grupos de la Noche y la jornada Sabatina-Dominical que cuentan
con menor numero de colegios al tener slo 4 y 2 respectivamente (un 0,3% de cada jornada).
Adicional a esto, encontramos que es la jornada Completa u ordinaria la que presenta el mejor
desempeo promedio en la prueba, en orden le sigue la jornada Noche, Maana,Sabatina-Dominical y
Tarde.

ANLISIS PARA LOS PRIMEROS CIEN COLEGIOS

Resumen por materia

Promedio Matemticas Qumica Fsica Biologa Filosofa Ingls Lenguaje Sociales
Gral.

Mnimo

62.00

62.80

53.30

57.80

54.30

48.20

70.90 56.90

52.50

Mediana

63.65

70.20

59.75

63.70

58.75

56.50

83.95 61.05

58.80

Mximo

71.70

84.30

65.40

83.40

67.60

65.10

91.40 67.40

67.70

Promedio
Aritmtico

64.29

70.99

59.93

64.54

59.38

56.71

82.95 61.27

58.61

Ciudades con mayor nmero de colegios

Ciudad

Bogot

Cantidad de 43
colegios

Cali

Medelln

Barranquilla Barrancabermeja Floridablanca

13

Departamentos con mayor nmero de colegios

Departamento Bogot

Valle

Cundinamarca Antioquia

Santander

Atlntico

Cantidad de
colegios

15

43

Cantidad de colegios por calendario acadmico

Calendario A

Calendario B

Calendario F(1)

Calendario F(2)

26

72

Cantidad de colegios por jornada acadmica

Maana

Tarde

Completa u ordinaria

Noche

Sabatina-Dominical

12

88

Resumen del nmero de estudiantes evaluados por colegio

Mnimo

Primer cuartil

Mediana

Tercer cuartil Media

Mximo

Total de estudiantes

21

47

62.25

187

5031

50.31

Resumen comparativo de resultados por calendario acadmico

A

F(1)

F(2)

Mnimo

62.10

62.00

63.10

62.40

Mediana

63.85

63.50

63.10

62.40

Mximo

67.60

71.70

63.10

62.40

Media

64.27

64.34

63.10

62.40

Porcentaje de colegios
en los primeros cien

0,26%

20,93%

0,15%

0,06%

Resumen comparativo de resultados por jornada acadmica

Maana

Tarde

Completa u
ordinaria

Noche

SabatinaDominical

Mnimo

62.10

NA

62.00

NA

NA

Mediana

63.50

NA

63.65

NA

NA

Mximo

67.40

NA

71.70

NA

NA

Media

63.85

NA

64.35

NA

NA

0%

2,26%

0%

0%

Porcentaje de colegios 0,25%

en los primeros cien

Materias
Se observa por su media y mediana que la materia con peor desempeo en la prueba dentro de este
selecto grupo de los primeros cien es de nuevo filosofa. En penltimo puesto Sociales.
En el otro extremo tenemos de nuevo a Ingls seguido de Matemticas, que presentan las medias y
medianas ms altas, tambin los mximos y mnimos.
Ciudades y departamentos en la prueba
Se observa que las se mantienen las primeras 4 ciudades del total y del grupo de los mil. Esta vez no
aparece Cartagena ni Ccuta para dar lugar a las ciudades nororientales de Floridablanca y
Barrancabermeja.
Calendario acadmico
Tenemos que la mayor parte de los colegios (72) estudian en calendario B que representan a su vez un
21 por ciento de los colegios del mismo calendario, luego tenemos a los colegios del calendario B, que
tienen a 26 colegios (un 0,3% de su clase) en el grupo de los cien. Con una baja representacin estn
los colegios del calendario F(1) y los del F(2) con 0,15% y 0,06%, respectivamente, de sus colegios
integrantes en el grupo de los cien (slo hay de a 1 colegio de estas jornadas en los cien).
Adems, encontramos que en promedio los mejores resultados del grupo son los del calendario B,
seguido del calendario A y en el mismo orden el calendario F(1) y el calendario F(2).
Jornada acadmica
Tenemos que la mayora de los colegios (88) estudian en la jornada Completa siendo un 2,3% del total
de esta jornada , seguido de los colegios de la jornada Maana (12) con un 0,25% de los colegios de la
jornada, el resto de jornadas no tienen colegios que hagan parte de los cien mejores.
Adicional a esto, encontramos que es la jornada Completa u ordinaria la que presenta el mejor
desempeo promedio en la prueba.

Conclusiones

En general, las ciudades que mejor desempeo muestran son, a su vez, las ms pobladas y con
mayor nmero de colegios. Cabe notar que Santander es un departamento que sobresale en gran
medida en los mejores desempeos del examen por 3 ciudades: Bucaramanga, Barrancabermeja
y Floridablanca.

El calendario ms sobresaliente en la prueba es el calendario B, en el que se encuentran los

colegios que se desempean mejor en el examen. Seguido est el calendario A con una
moderada representacin entre los mejores colegios. Los otros calendarios parecen no ser los
ms adecuados para un ptimo desempeo.

En cuanto a la jornada acadmica son mejores los colegios de jornadas Completas u ordinarias,
el segundo puesto se lo lleva la jornada de la Maana.

Las materias que en general hacen a un colegio sobresalir en las pruebas son Matemticas e
Ingls. Por otro lado, las que menos y que precisan de ms atencin son Sociales, Fsica y, sin
duda alguna, Filosofa que fue la que en los tres grupos estudiados present peor desempeo.
Una explicacin para este ltimo fenmeno es el hecho de que la materia de Filosofa queda en
ltimo lugar en el pliego de preguntas, por lo que adems del posible cansancio mental
experimentado por los estudiantes que pueden llevar a un desempeo distinto en la materia que
si estuviera al principio, tambin da posibilidad a que sea una materia en la cual no se lean todas
las preguntas o se le dedique mucho tiempo porque ya est muy prximo el tiempo de
finalizacin del examen. Una alternativa un poco ms justa, podra ser poner las preguntas en
orden aleatorio y sin agrupar.

Bibliografa Cibergrafa

www.icfes.gov.co/examenes/component/docman/doc_view/775-alineacion-del-examen-saber11?Itemid=
http://www.slideshare.net/DrWalterLopezMoreno/presentation-r
https://www.dropbox.com/s/5peouk33iaceb4r/manual_rb.pdf

Anexo:
Script para primer anlisis de la base: Ranking de colegios por resultados en las pruebas
SABER 11 del ao 2012

#Anlisis de la base completa

ICFES2012=read.csv("20121126_Documento_165135_20121123.csv", header=T, sep=";", dec=",")
summary(ICFES2012)
summary(ICFES2012$ALUMNOS.EVALUADOS)
sum(ICFES2012$ALUMNOS.EVALUADOS)
by(ICFES2012$PROMEDIO.GENERAL,ICFES2012$CALENDARIO, summary)
by(ICFES2012$PROMEDIO.GENERAL,ICFES2012$JORNADA, summary)
by(ICFES2012$PROMEDIO.GENERAL,ICFES2012$CIUDAD, summary)
by(ICFES2012$PROMEDIO.GENERAL,ICFES2012$DEPARTAMENTO, summary)
#Los mejores 1000 colegios
ICFES2012PMIL=ICFES2012[-(1001:12617),]
summary(ICFES2012PMIL)
summary(ICFES2012PMIL$ALUMNOS.EVALUADOS)
sum(ICFES2012PMIL$ALUMNOS.EVALUADOS)
by(ICFES2012PMIL$PROMEDIO.GENERAL,ICFES2012PMIL$CALENDARIO, summary)
by(ICFES2012PMIL$PROMEDIO.GENERAL,ICFES2012PMIL$JORNADA, summary)
by(ICFES2012PMIL$PROMEDIO.GENERAL,ICFES2012PMIL$CIUDAD, summary)
by(ICFES2012PMIL$PROMEDIO.GENERAL,ICFES2012PMIL$DEPARTAMENTO, summary)
#Los mejores 100 colegios
ICFES2012PCIEN=ICFES2012[-(101:12617),]
summary(ICFES2012PCIEN)
summary(ICFES2012PCIEN$CIUDAD)
summary(ICFES2012PCIEN$ALUMNOS.EVALUADOS)
sum(ICFES2012PCIEN$ALUMNOS.EVALUADOS)
by(ICFES2012PCIEN$PROMEDIO.GENERAL,ICFES2012PCIEN$CALENDARIO, summary)
by(ICFES2012PCIEN$PROMEDIO.GENERAL,ICFES2012PCIEN$JORNADA, summary)
by(ICFES2012PCIEN$PROMEDIO.GENERAL,ICFES2012PCIEN$CIUDAD, summary)
by(ICFES2012PCIEN$PROMEDIO.GENERAL,ICFES2012PCIEN$DEPARTAMENTO, summary)