Beruflich Dokumente
Kultur Dokumente
El presente trabajo monográfico pretende dar a conocer los resultados obtenidos tras la
realización de una encuesta en la Facultad de Ciencias en la escuela profesional de
Estadística e Informática de la Universidad Nacional Santiago Antúnez de Mayolo
(UNASAM). Este estudio tiene como principal objetivo evaluar el motivo del porque los
estudiantes tienen un bajo rendimiento académico. Teniendo en cuenta nuestro principal
objetivo del presente estudio, se estimó necesario el desarrollo de un estudio minucioso,
para lo cual se planteó el diseño y elaboración de un cuestionario que fue elaborado por
nosotros, el cual se adjuntara en este trabajo de investigación.
La metodología utilizada para el diseño y puesta en marcha de los cuestionarios ha sido
la que a continuación se detalla:
En primer lugar, se formó un grupo de 5 integrantes. Este grupo tenía como primer
objetivo el diseño de una encuesta, para lo cual, y a través de reuniones periódicas,
analizando los ítems más adecuados para la consecución del objetivo de la investigación,
se diseñó un cuestionario de aproximadamente 12 preguntas, para los estudiante; las
cuales fueron seleccionados 30 estudiantes, ya que estaba relacionado con nuestro
objetivo principal que es evaluar el motivo del porque los estudiantes tienen un bajo
rendimiento académico.
En segundo paso, se procedió a aplicar la encuesta a la muestra ya señalada, es decir, a
encuestar a los estudiantes, con la finalidad de tener datos específicos, que fueron muy
importantes para nuestro estudio.
En tercer paso, después de los datos proporcionados se pasó a analizar mediante algunas
fórmulas y programas que fueron de gran importancia para dicho estudio, se trabajó
usando metodologías que ya mencionaremos en el trabajo
Finalmente, después del empleo de las formulas, programas y sus metodologías se
obtuvo conclusiones (RESULTADOS)
RESUMEN
a. Teoría de la motivación
Pintrich y De Groot (1990) en el que se distinguen tres categorías de
constructos relevantes para la motivación en contextos educativos
(motivación de logro):
Un componente de expectativa, que se refiere a las creencias de los
estudiantes sobre su capacidad para realizar una tarea (es decir,
autoconcepto académico -aspecto que se tratará detenidamente en otro
apartado de este trabajo).
Un componente de valor, que se refiere a las metas de los alumnos y
sus creencias sobre la importancia e interés de la tarea (es decir, metas
académicas).
Un componente afectivo, que se relaciona con las reacciones
emocionales de los alumnos ante la tarea (es decir, las atribuciones
causales).
b. Teoría de motivación de logro
El modelo de expectativa-valor desarrollado por Eccles y Wigfield (1992)
se basa en la teoría de la motivación de logro y ofrece muchas más
posibilidades de intervención. Este modelo establece cuatro fuentes del
valor que puede tener una tarea para el ejecutor. El conocimiento de estas
fuentes por parte del docente puede ayudar a fomentar en el alumno la
motivación de realizar una tarea.
El valor de consecución, se refiere a la importancia que tiene para el
sujeto hacer bien esta actividad.
El valor intrínseco, es la motivación intrínseca que tiene el sujeto para
enfrentarse a esa actividad.
El valor de utilidad, es el uso futuro que cree que tiene esa actividad
para sus intereses y necesidades.
El coste o demanda de trabajo, es el sacrificio que el individuo debe
hacer para cumplir con los requisitos de la tarea
a) Teoría De La Inteligencia
Perkins (1991), por su parte, hace una descripción de la inteligencia como
potencia, contenido y estrategia. La inteligencia como potencia es que el
conjunto de estructuras neurofisiológicas radicales, centrada en el
funcionamiento cerebral. La consideración de la inteligencia como contenido
o conjunto de conocimientos presenta resultados muy discutibles.
Finalmente, la consideración de estrategia interpreta que la calidad de la
inteligencia se basa, en gran medida, en el repertorio de estrategias que se
pueden aplicar en una tarea determinada.
Teoría bifactorial de Spearman Spearman (1904) concibe la estructura de la
inteligencia como un modelo bifactorial. Es decir, la inteligencia se compone
del Factor G, que representa la inteligencia general o energía que el sujeto
puede desplegar ante las exigencias de una actividad intelectual y Factor
Específico, que representa la inteligencia específica y exclusiva para cada
tarea.
Teoría de Carroll Carroll define una serie de componentes cognitivos para
describir el procesamiento inteligente, argumentando que son los
responsables del funcionamiento de la mente en la producción de respuestas
inteligentes. Dichos componentes son: Control, Atención, Aprehensión,
Integración Perceptiva, Codificación, Comparación, Formación de nuevas
representaciones, Transformación, Ejecución de la Respuesta y Componente
de Control.
1.1.3 Autoconcepto
El autoconcepto académico es la imagen que el sujeto se forma de sí a partir de
su rendimiento académico y las capacidades que lo determinan, aspectos
importantes para el sujeto, en la medida en que también lo son para el medio
que les rodea. Esta dimensión del autoconcepto nos parece fundamental puesto
que, en palabras de Kleinfeld (1972), el autoconcepto que un estudiante tiene
sobre sus potencialidades académicas puede limitar sus esfuerzos para rendir y,
por tanto, influenciar fuertemente en su rendimiento escolar.
CAPÍTULO III
METODOLOGÍA
Ahora es necesario entender los conceptos de población y de muestra que uno ha estudiado
para lograr comprender mejor su significado en la investigación educativa y social que se
llevó a cabo.
.
CAPITULO IV
4. DATOS: Los datos se obtuvieron mediantes una serie de preguntas realizadas a los estudiantes de Estadística e Informática mediante una
encuesta
RESULTADOS
DISTRIBUCIÓN DE FRECUENCIAS N° 01
TABLA N°01 (RENZO )
DISTRIBUCIÓN DE FRECUENCIAS N° 02
Variable de estudio: Género.
Tipo de variable: Variable cualitativa Nominal
Objeto de estudio: Estudiantes de la UNASAM.
Tabla N° 02
Distribución de los alumnos de Estadística e Informática de la UNASAM -IV ciclo según su género
GÉNERO fi Fi hi Hi hi%
MASCULINO 17 17 0.567 0.567 56.70%
FEMENINO 13 30 0.433 1 43.30%
TOTAL 30 - 1 - 100%
Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo - 2018
GRÁFICA N°0
43.3%
56.7%
MASCULINO FEMENINO
Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo - 2018
Interpretaciones:
EL 43.30 % de los estudiantes de Estadística e Informática de la UNASAM -IV Ciclo son
de género femenino.
El 56.70% de los estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de
género masculino.
GRÁFICO N°0 ¿
15
10 17
13
5
0
MASCULINO FEMENINO
género
MASCULINO FEMENINO
Fuente: Datos obtenidos mediante encuesta realizada a los estudiantes de Estadística e Informática de la
UNASAM - IV Ciclo - 2018
Interpretaciones:
13 estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de género
femenino.
17 estudiantes de Estadística e Informática de la UNASAM - IV Ciclo son de género
masculino.
Tabla N°03
Distribución de Frecuencias de los estudiantes de Estadística e Informática - IV ciclo según el año
de ingreso a la UNASAM
Año de fi Fi hi Hi hi% Hi% yi*hi (yi-u)2
Ingreso
2015 2 2 0,067 0,067 6,7% 6,7% 135,005 2,557
2016 8 10 0,267 0,334 26,7% 33,4% 538,272 0,359
2017 20 30 0,666 1 66,6% 100% 1,343,322 0,169
Total 30 _ 1 _ 100% _ 2,016,599 3,007
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Grafico N°
f
i DISTRIBUCIÓN DE ESTUDIANTES SEGÚN
SU AÑO DE INGRESO
25
20
15
10
0
2015- 2016- 2017-
Xi
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación f1: Hay 2 estudiantes que han ingresado en el año del 2015.
Interpretación f2: Hay 8 estudiantes que han ingresado en el año del 2016.
Interpretación f3: Hay 20 estudiantes que han ingresado en el año del 2017.
Grafica N°
Distribución de estudiantes según su año de ingreso
Fi
30
25
20
15
10
Yi
2015 2016 2017
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación F1: Hay 2 estudiantes a lo más que han ingresado en el año del 2015.
Interpretación F2: Hay 8 estudiantes a lo más que han ingresado en el año del 2016.
Interpretación F3: Hay 20 estudiantes a lo más que han ingresado en el año del 2017.
Varianza muestral
∑(𝐲𝐢−𝐗)𝟐
Sx2= 𝐍−𝟏
Coeficiente de asimetría
𝟑(𝑿−𝑴𝒆)
As= 𝑺𝒙
3(2016,599−2017)
As= = -3,69 <0 (La distribución asimétrica negativa.)
0,326
Grafico N°
zona rural
40%
zona rural
zona urbana
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática
de la UNASAM de IV ciclo -2018
Sx=hi*306°
Zona rural
0,4*360=144°
Zona urbana
0,567*360°=204,12°
Zona urbana marginal
0,033*360°=11,88°
Gráfico N° 0
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Número de estudiantes
2 64 8
Horas de estudio
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos
de Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
11 estudiantes de IV ciclo de Estadística e Informática estudian de 0 a 2 horas fuera de clase.
1 estudiante de IV ciclo de Estadística e Informática estudia de 6 a 8 horas fuera de clase.
Gráfico N° 0
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Número de estudiantes
Yi
-1 1 3 5 7 9
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018
Gráfico N° 0
Distribución según el número de horas de estudio fuera de clases de los estudiantes
2 4
6 8
Horas de estudio
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
29 estudiantes de IV ciclo de Estadística e informática estudian a lo más 6 horas fuera de
clase.
9 estudiantes de IV ciclo de Estadística e informática estudian más de 4 horas fuera de clase.
MEDIDAS DE TENDENCIA CENTRAL
Promedio ( −
𝐗 )
−
X = ∑ 𝑌𝑖ℎ𝑖
−
X=1(0.367)+3(0.333)+5(0.267)+7(0.033)
−
X=2.932
Interpretación: La cantidad de horas promedio que los estudiantes estudian fuera de clase es 2.932
horas.
Media (Me)
𝑛
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖 + 𝐶 (2 )
𝑓𝑖
15 − 11
𝑀𝑒 = 2 + 2 ( )
10
𝑀𝑒 = 2.8
Interpretación: El 50% de los estudiantes estudia fuera de clase menor o igual a 2.8 horas, mientras
que el otro 50% supera dicha cantidad.
Moda (Mo)
𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 + ( )
(𝑓𝑖 − 𝑓𝑖−1 ) + (𝑓𝑖 − 𝑓𝑖+1
11
𝑀𝑒 = 0 + 2 ( )
11 + 1
𝑀𝑒 = 1.833
Interpretación: La mayoría de los estudiantes estudia 1.833 horas fuera de clase.
MEDIDAS DE DISPERCIÓN
Varianza Poblacional
∑ 𝑓𝑖(𝑌𝑖 − 𝜇) 2
𝜎𝑥2 =
𝑁
11(1 − 2.932) 2 + 10(3 − 2.932)2 + 8(5 − 2.932)2 + 1(7 − 2.932)2 91.867
𝜎𝑥2 = =
30 30
𝜎𝑥2 = 3.062 hr2
Varianza Muestral
∑ 𝑓𝑖(𝑌𝑖 − −
X)
2
𝑆𝑥2 =
𝑁−1
11(1 − 2.932) 2 + 10(3 − 2.932)2 + 8(5 − 2.932)2 + 1(7 − 2.932)2 91.867
𝑆𝑥2 = =
29 29
𝑆𝑥2 = 3.168 hr2
Desviación Estándar Poblacional
𝜎𝒙 = √𝜎𝑥2
𝜎𝒙 = √3.062
𝜎𝒙 = 1.750 hr.
Interpretación: La variabilidad que existe en el número de horas de estudio fuera de clase por los
estudiantes es de 1.750 hr.
Desviación Estándar Muestral
𝑆𝒙 = √𝑆𝑥2
𝑆𝒙 = √3.168
𝑺𝒙 = 1.780 hr
Interpretación: La variabilidad que existe en el número de horas de estudio fuera de clase por los
estudiantes es de 1.780 hr.
Coeficiente de Variación Poblacional
𝜎𝑥
𝐶𝑉 = 100
𝜇
1.75
𝐶𝑉 = 100
2.932
𝐶𝑉 = 59.686 % > 15% (La distribución no es homogénea)
Coeficiente de Variación Muestral
𝑆𝑥
𝐶𝑉 = − 100
X
1.78
𝐶𝑉 = 100
2.932
𝐶𝑉 = 60.709 % > 15% (La distribución no es homogénea)
Coeficiente de Asimetría
𝟑( −
X − 𝑀𝑒)
𝐴𝑠 =
𝑺𝒙
𝟑(2.932 − 2.8)
𝐴𝑠 =
1.78
𝐴𝑠 = 0.222 > 0 (Distribución asimétrica positiva)
Tabla N°06
Distribución de estudiantes según su promedio ponderado del semestre 2018-I
[LI LS> Yi fi Fi hi Hi %hi %Hi *Fi *Hi *%Hi
[10 11> 10.5 4 4 0.133 0.133 13.3% 13.3% 30 1 100%
[11 12> 11.5 11 15 0.367 0.5 36.7% 50% 26 0.867 86.7%
[12 13> 12.5 7 22 0.234 0.734 23.4% 73.4% 15 0.5 50%
[13 14> 13.5 4 26 0.133 0.867 13.3% 86.7% 8 0.266 26.6%
[14 15> 14.5 3 29 0.1 0.967 10% 96.7% 4 0.133 13.3%
[15 16] 15.5 1 30 0.033 1 3.3% 100% 1 0.033 3.3%
TOTAL - 30 - 1 - 100% - - - -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
%h3: el 24.3% de los estudiantes de la escuela de estadística e informática tiene un
promedio ponderado del semestre 2018-I mayor igual a 12 y menor a 13
F4: Hay 26 estudiantes de la escuela de estadística e informática con un promedio
ponderado del semestre 2018- I mayor igual a 10 y menor a 14
Grafico N° 06
Distribución de estudiantes según su promedio ponderado
del semestre 2018-I
12
Numero de estudiantes
10
0
[10 11> [11 12> [12 13> [13 14> [14 15> [15 16>
Promedio Ponderado
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
Hay 11 estudiantes de la escuela de estadística e informática con un promedio ponderado del
semestre 2018- I mayor igual a 11 y menor a 12.
Hay 1 estudiante de dicha escuela con un promedio ponderado del semestre 2018- I mayor
igual a 15 y menor igual a 16
Grafico N° 06
15
Numero de estudiantes
10
0
10.5 11.5 12.5 13.5 14.5 15.5
Promedio Ponderado
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de
la UNASAM de IV ciclo -2018
Interpretación:
Hay 11 estudiantes de la escuela de estadística e informática con un promedio ponderado del
semestre 2018- I de 11.5
Hay 1 estudiante de dicha escuela con un promedio ponderado del semestre 2018- I de 15.5
Grafico N° 06
30
25
20
15
10
5
0
10.5 11.5 12.5 13.5 14.5 15.5
Promedio Ponderado
=12.3
Interpretación: El promedio ponderado de los estudiantes es de 12.3
Mediana (Me):
𝑛
−𝐹𝑖−1
Me=𝐿𝑖 + 𝑐 [ 2 ]
𝑓𝑖
15−4
Me=11 + 1 [ ]
11
Me=12
Interpretación: El 50% de los estudiantes tiene un promedio ponderado menor igual a 12 y el otro
50% superior a dicho promedio
Moda (Mo):
d1= 11-4= 7
d2=11-7= 4
𝑑1
Mo= 𝐿𝑖 + 𝑐 [𝑑1+𝑑2]
7
Mo= 11 + 1 [7+4]
Mo=11.636
Interpretación: La mayoría de los estudiantes tiene un promedio ponderado de 11.636
MEDIDAS DE DISPERSIÓN:
Varianza Poblacional
U= = 12.3
𝛴𝑓𝑖 (𝑦𝑖 − 𝑈)2
𝜎𝑥2 =
𝑁
2 2 2 2 2 2
4(10.5−12.3) +11(11.5−12.3) +7(12.5−12.3) +4(13.5−12.3) +3(14.5−12.3) +1(15.5−12.3)
𝜎𝑥2 =
30
12.96+7.04+0.28+5.76+14.52+10.24 50.8
𝜎𝑥2 = =
30 30
𝜎𝑥2 =1.693
Varianza Muestra
∑𝑓𝑖 (𝑦𝑖−𝑥̅ )2
𝑠𝑥2 =
𝑛−1
2 2 2 2 2 2
4(10.5−12.3) +11(11.5−12.3) +7(12.5−12.3) +4(13.5−12.3) +3(14.5−12.3) +1(15.5−12.3)
𝑆𝑥2 =
29
𝑆𝑥2 =1.751
Desviación estándar poblacional
𝜎𝑥 = √𝑜𝑥2 =√1.693
𝜎𝑥 =1.301
La variabilidad que existe en el promedio ponderado de los estudiantes es de 1.30
Desviación estándar muestral
𝑠𝑥 = √𝑆𝑥2 = √1.751
𝑠𝑥 = 1.323
La variabilidad que existe en el promedio ponderado de los estudiantes es de 1.32
Coeficiente de variación poblacional
σx 1.301
CV= *100 = *100
𝑈 12.3
Coeficiente de asimetría
Me=12
3(𝑥̅ −𝑀ⅇ) 3(12.3−12)
As= =
𝑠𝑥 1.323
Tabla N° 03
Distribución de los estudiantes de Estadística e Informática del IV ciclo según el rendimiento
académico que les brinda la UNASAM
Calidad de educación que fi Fi hi Hi hi%
brinda la UNASAM
Muy Malo 5 5 0.167 0.167 16.70%
Malo 1 6 0.034 0.201 3.40%
Regular 14 20 0.467 0.668 46.70%
Bueno 8 28 0.266 0.934 26.60%
Muy Bueno 2 30 0.066 1 6.60%
Total 30 - 1 - 100.00%
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
GRÁFICO N°
CALIDAD DE EDUCACIÓN QUE BRINADA LA UNASAM A LOS
ESTUDIANTES DE ESTADISTICA E INFORMATICA DE IV CICLO
14
14
12
NÚMERO DE ALUMNOS
10 MUY MALO
8
8 MALO
5 REGULAR
6
BUENO
4
2
1 MUY BUENO
2
0
MUY MALO MALO REGULAR BUENO MUY BUENO
RENDIMIENTO QUE OFRECE LA UNASAM
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
Hay 1 alumno de Estadística e Informática de IV Ciclo que afirma recibir una MALA
calidad de educación por parte de la UNASAM
Hay 14 alumnos de Estadística e Informática de IV Ciclo que afirman recibir una calidad de
educación REGULAR por parte de la UNASAM
GRÁFICO N°
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
Hay 3.40% alumno de Estadística e Informática de IV Ciclo que afirma recibir una MALA
calidad de educación por parte de la UNASAM
Hay 46.70% alumnos de Estadística e Informática De IV Ciclo que afirman recibir una
calidad de educación REGULAR por parte de la UNASAM
Tabla N° 0
Distribución acuerdo a si los estudiantes tiene hijos o no
Variable fi Fi hi Hi %hi &Hi
Tiene Hijos 4 4 0.133 0.133 13.3% 13.3%
No tiene Hijos 26 30 0.867 1 86.7% 100%
Total 30 - 1 - 100% -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Gráfico N° 0
Distribución de acuerdo a si los estudiantes tienen hijos o no
Número de Estudiantes
Gráfico N° 0
Distribución de acuerdo a si los estudiantes tienen hijos o no
13.3%
STH=360° (0.133)
STH=47.88°
Tienen hijo STH360° (0.867)
STH=312.12°
No tienen Hijo
86.7%
Interpretación:
86.7% de los estudiantes de IV ciclo de Estadística e Informática no tienen hijos.
13.3% de los estudiantes de IV ciclo de Estadística e Informática tienen hijos.
Tabla N°12
Distribución de estudiantes según la opinión que tienen sobre la capacitación de sus docentes
Nivel de Capacitación fi Fi hi Hi %hi %Hi
MUY MALO (1) 3 3 0.1 0.1 10% 10%
MALO (2) 2 5 0.067 0.167 6.7% 16.7%
REGULAR (3) 11 16 0.367 0.534 36.7% 53.4%
BUENO (4) 13 29 0.433 0.967 43.3% 96.7%
MUY BUENO (5) 1 30 0.033 1 3.3% 100%
TOTAL 30 - 1 - 100% -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018
Interpretación:
f3: Hay 11 estudiantes que opinan que sus docentes tienen una capacitación de 3
H2: 0.067 proporción de estudiantes que opinan que sus docentes tienen una capacitación a
lo mas de 2
%h4: El 43.3% de los estudiantes opinan que sus docentes tienen una capacitación de 4
Grafico N°12
14
12
10
Estudiantes
8
6
4
2
0
1 2 3 4 5
Capacitación de los docentes
Grafico N°12
Distribución de estudiantes según la opinión que
tienen sobre la capacitación de sus docentes
35
30
25
20
Estudiantes
15
4
10
5
1 2 3 4 5
Capacitación de los docentes
Interpretación:
Hay 3 estudiantes que opinan que sus docentes tienen una capacitación de 1
Hay 5 estudiantes que opinan que sus docentes tienen una capacitación a lo más de 2
Moda (Mo):
Mo= 4
Interpretación: La mayoría de los estudiantes opina que sus docentes tienen una capacitación de 4
MEDIDAS DE DISPERSIÓN:
Varianza Poblacional
U= = 3.233
2
𝛴𝑓𝑖 (𝑦𝑖 − 𝑈)
𝜎𝑥2 =
𝑁
2 2 2 2 2
3(1−3.233) +2(2−3.233) +11(3−3.233) +13(4−3.233) +1(5−3.233)
𝜎𝑥2 =
30
14.958+3.04+0.597+7.647+3.122 29.364
𝜎𝑥2 = =
30 30
2
𝜎𝑥 =0.979
Varianza Muestra:
2
∑𝑓𝑖 (𝑦𝑖−𝑥̅ )2
𝑠𝑥 =
𝑛−1
2 2 2 2 2
3(1−3.233) +2(2−3.233) +11(3−3.233) +13(4−3.233) +1(5−3.233)
𝑆𝑥2 =
29
𝑆𝑥2 =1.012
Desviación estándar poblacional:
𝜎𝑥 = √𝑜𝑥2 =√0.979
𝜎𝑥 =0.989
Interpretación: La variabilidad que existe en la capacitación de los docentes según la opinión de los
estudiantes es de 0.99
Desviación estándar muestral:
𝑠𝑥 = √𝑆𝑥2 = √1.012
𝑠𝑥 = 1.005
Interpretación: La variabilidad que existe en la capacitación de los docentes según la opinión de los
estudiantes es de 1.01
Coeficiente de variación poblacional:
σx 0.989
CV= *100 = *100
𝑈 3.233
CAPÍTULO VI
CONCLUSIONES
CAPÍTULO VII
REFERENCIAS BIBLIOGRÁFICAS
Navarro E.R.(2003) El rendimiento académico :concepto, investigación y desarrollo.
Revista electrónica Iberoamericana sobre Calidad, eficiencia y cambio de la educación.
Castejon Navas (1993) Un modelo estructural sobre los determinantes cognitivos-
motivacionales del rendimiento académico. Revista de psicología general y aplicada
UNIVERSIDAD COMPLUTENSE DE MADRID (2003) Factores Determinantes Del Bajo
Rendimiento Académico en los universitarios. Web: https://biblioteca.ucm.es/tesis/edu/ucm-
t27044.pdf
Freund, John E., Simón, Gary A., (2003). Estadística Elemental., Editorial Pearson
Educación., México.