INTRODUCCIÓN

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

TÍTULO: Bajo rendimiento académico de los estudiantes de Estadística e Informática de la

Universidad Santiago Antúnez de Mayolo.

OBJETIVO: El objetivo que tenemos es hacer un estudio a los Alumnos de la escuela

profesional Estadística e Informática concretamente del IV ciclo y por ello se vio por
conveniente realizar una encuesta.
El problema de este estudio es el alto riesgo académico que se ha observado debido al bajo
rendimiento académico que presenta la mayoría de los estudiantes del IV ciclo de la
facultad de Estadística e Informática, mediante la encuesta identificaremos cuales son los
motivos principales por el cual se ven afectado su rendimiento académico y
determinaremos el nivel de rendimiento que tienen actualmente gracias a la recolección de
datos.
Este estudio nos ayudara como estudiantes de Sistemas e Informática a tener una noción del
rendimiento académico de una pequeña muestra de los alumnos de Estadística e
Informática de la Universidad Santiago Antúnez de Mayolo.
METODOLOGÍA: El presente estudio es de variable cualitativa y cuantitativa, los datos
fueron investigados mediante una encuesta en la Universidad Santiago Antúnez de Mayolo,
dirigidos a los alumnos del IV ciclo de la facultad de Estadística e Informática. En ello
empleamos técnicas de recolección de datos, análisis de datos, forma de procesamiento de
datos, operación de análisis, entre otros, para una mejor interpretación.
CONCLUSIONES: Según los estudios que tenemos solo el 66.6% piensan seguir un
estudio universitario y es satisfactorio saber cómo estudiantes que somos y tomando en
cuenta sus horas de estudio, sus promedios y anhelos se llegaría a un aproximado de 74 %.
 CAPÍTULO I
PLANTEAMIENTO DEL PROBLEMA
1.1 DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA
Hablar de rendimiento académico no dejará de ser un problema pero ¿qué hace que
realmente sea difícil de abordar el estudio de este fenómeno? Los estudiantes peruanos
en la actualidad muestran diferentes niveles de rendimiento académico en el aula de
clase, pero en su mayoría son niveles muy bajos. Según indican la mayoría de autores
existen diversos análisis del fenómeno y múltiples variables implicadas como son: la
poca hora de estudio a la que se dedican fuera de clase, la situación sentimental en la
que se encuentran, la capacidad de enseñanza que tienen los docentes, las actividades
que realizan pero que no tiene nada que ver con el aprendizaje de las materias que
cursan, etc. Es de así que el desarrollo de las capacidades cognoscitivas se va limitando
y desafortunadamente, este bajo rendimiento académico genera en ocasiones la
deserción y el desánimo de parte de los estudiantes para continuar con sus estudios.
Enfocándonos en un ámbito menos amplio se puede observar que en la Universidad
Nacional Santiago Antúnez de Mayolo hay una gran cantidad de estudiantes con niveles
de rendimiento académico muy bajo y un claro ejemplo de ello es lo sucedido en mayo
de 2017 cuando el Vicerrector académico de la UNASAM, Esmelin Nikin Alayo
explicó que por cumplimiento a lo aprobado por el Consejo Universitario, conforme
con el artículo 102 de la Ley Universitaria tomaron la decisión de retirar a los
estudiantes que fueron jalados reiteradamente en varios cursos. La autoridad
universitaria informó que se tenía a 473 estudiantes en esta situación, de los cuales 307
se encontraban suspendidos por haber desaprobado en tres oportunidades la misma
materia, 155 en cuatro oportunidades y 11 en cinco oportunidades, por esta razón la
UNASAM está tomando medidas como son las clases de reforzamiento académico,
pero aun así sigue habiendo una considerable cantidad de estudiantes en riesgo
académico. Por otro lado, del resto de estudiantes que no están en riesgo académico se
puede ver hay una cantidad imponente de estudiantes que tienen promedios ponderados
con notas aprobatorias mínimas, esto verdaderamente es algo lamentable, pero ¿a qué se
debe el bajo nivel de rendimiento académico de los estudiantes de la UNASAM?
 Ante la preocupante cifra que nos muestran el panorama de la educación en nuestra
prestigiosa Universidad Nacional Santiago Antúnez de Mayolo y debido la necesidad
de conocer la razón del bajo rendimiento académico de los estudiantes, se realizó una
serie de preguntas a 30 estudiantes de la Escuela Profesional de Estadística e
Informática del IV Ciclo de la Facultad de Ciencias, que cursan el semestre académico
2018-II, de esta manera saber cuáles son los motivos que ocasionan que los estudiantes
tengan tan bajo rendimiento académico.

1.2 FORMULACIÓN DEL PROBLEMA

¿Qué factores influyen en el bajo rendimiento académico de los estudiantes (IV ciclo) de la
escuela profesional de estadística e informática de la facultad de ciencias de la Universidad
Santiago Antúnez de Mayolo (UNASAM)?
1.3. OBJETIVOS
1.3.1. OBJETIVO GENERAL
Identificar las causas del bajo rendimiento académico de los estudiantes (IV ciclo) de la
escuela profesional de estadística e informática de nuestra prestigiosa Universidad Santiago
Antúnez de Mayolo (UNASAM) en el 2018.
1.3.2. OBJETIVOS ESPECÍFICOS
 Analizar los distintos factores que generan el bajo rendimiento académico de los
estudiantes de estadística e informática del IV ciclo de la UNASAM
 Realizar un análisis estadístico descriptivo de las características generales de los
estudiantes de estadística e informática del IV ciclo de la UNASAM
 Interpretar resultados obtenidos tras una aplicación de la estadística descriptiva en
los estudiantes de estadística e informática del IV ciclo de la UNASAM
 CAPÍTULO II
REVISIÓN BIBLIOGRAFÍCA
MARCO TEÓRICO
1. CITAS TEXTUALES:

o “En la actualidad tiene mayor predicamento la tendencia a considerar

que el aprendizaje se caracteriza por ser socio-constructivo, es decir
un proceso que es social, cultural e interpersonal “(Gajardo, 2012).

o “El rendimiento académico se basa en el perfil de habilidades,

conocimientos, actitudes y valores desarrollados por el alumno y se
expresa a medir a través de indicadores cuantitativos que son
expresados en calificaciones” (Navarro)

o El rendimiento académico consta en un juego de variables

personales, socioculturales y del proceso educativo, concluyendo que
los efectos más elevados y directos en el rendimiento académico son
los que ejercen las variables personales (Castejón y Navas )

I. TEORÍAS RELACIONADAS AL RENDIMIENTO ACADÉMICO

1.1 Variables relacionadas con el bajo rendimiento académico
1.1.1 Motivación
Berlyne (1960), Hunt (1960) y Bruner (1960) fueron, los pioneros en el estudio
de este tipo de motivación, la cual guarda mucha relación con la corriente
cognitivista de la motivación y es la base de la que parten todas las teorías
incluidas en este enfoque, ya que no cabe duda de que la cognición es algo
interno del sujeto.
Es importante resaltar que, desde hace ya algunos años, existe una corriente de
la psicología del aprendizaje1 que estudia de manera conjunta la cognición y la
motivación puesto que consideran el aprendizaje como proceso cognitivo y
motivacional a la vez. Defienden que para obtener buenos resultados
académicos, los alumnos necesitan poseer tanto “voluntad” como “habilidad”
(González Cabanach, Valle, Núñez y González-Pienda, 1996).

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

c. Relación entre motivación y rendimiento

De entre las dimensiones de motivación que más se han relacionado con
el rendimiento podemos destacar tres:
 “La percepción que los alumnos tienen de sus éxitos o fracasos
escolares. destaca que el modo en que los alumnos atribuyen sus
resultados a causas como habilidad, esfuerzo y suerte se asocia con la
ejecución escolar y las conductas académicas. “Marsh (1984)

d. Factores determinantes del bajo rendimiento académico

 “La percepción que los alumnos tienen de sus propias capacidades
incide en sus rendimientos posteriores” (Schunk, 1981).
 El interés del alumno y el nivel de aspiraciones incide en el
aprovechamiento escolar, es decir, un alumno que muestra interés por
lo que realiza y ajusta su nivel de aspiraciones a su nivel de
posibilidades obtendrá mejores rendimientos.

1.1.2 Inteligencia y Aptitudes

En el psicológico, la inteligencia se concibe como la capacidad de aprender, es
decir, una operación psicológica situada entre la base biológica y la adaptación
o resultado de la experiencia, el aprendizaje y los factores ambientales. Desde el
planteamiento operativo, se describe la inteligencia como un conjunto de
conductas observables y evaluables a través de los test y, por tanto, se define
como lo que miden las pruebas de inteligencia.

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.

a) Teorías Sobre El Autoconcepto

Desde el punto de vista educativo, Beltrán (1995) destaca dos tendencias
distintas en la investigación actual. Una de ellas argumenta que el
 autoconcepto actúa causalmente sobre el rendimiento académico y, por
tanto, es preciso trabajar en la escuela para mejorar la imagen que los
estudiantes tienen de sí mismos dentro de los programas educativos
(corresponde con la tradicional educación compensatoria). La otra defiende
que el autoconcepto es una consecuencia del rendimiento académico, por lo
que aboga por el desarrollo de las capacidades intelectuales mediante
métodos de instrucción individualizada.

II. RELACIÓN ENTRE EL AUTOCONCEPTO Y EL RENDIMIENTO

ACADÉMICO
Los resultados de numerosas investigaciones sobre la influencia del autoconcepto en
el rendimiento académico muestran la existencia de una persistente y significativa
relación entre ambas variables. Una cuestión no tan clara de dicha relación es la
direccionalidad de ésta. Actualmente, parece claro que la relación es, sin lugar a
dudas, bidireccional. A este respecto, Gonzalez-Pienda (1996) afirma que la
influencia del autoconcepto sobre el rendimiento puede ser inmediata, mientras que
la incidencia del logro académico sobre el autoconcepto se encontraría mediatizada
por la elaboración cognitivo-afectiva del propio concepto.
Darakjain y Michael (1982) y Byrne y Shavelson (1986). En esta línea, cabe
destacar el interesante trabajo de Gimeno Sacristán (1974) quien estudia las
relaciones existentes entre el autoconcepto, la popularidad social y el rendimiento
académico con una elevada muestra de alumnos de entre once y catorce años de
edad. De entre las conclusiones destacamos que: a) Los alumnos de alto rendimiento
suelen dar altas autoimágenes académicas de sí mismos; b) Las bajas autoimágenes
son un reflejo del bajo rendimiento; c) Existen sujetos de bajo rendimiento que dan
altas autoimágenes de sí mismos.

2.1 Teorías Relacionadas A La Educación

a) Teoría De Paulo Freire: El maestro debe de ser el ente que lleve a los
aprendices a pensarse la sociedad en la cual están desarrollando su proceso
 de aprendizaje, deben de construir desde los conocimientos previos que estos
llevan al aula de clase, ya que son ellos un reflejo visible y fiable de las
realidades sociales. Por su parte el aprendiz debe construir el conocimiento
como un acto político, desde la relación con el maestro y los demás
aprendices dentro del aula, para pasar de ser seres sociales pasivos a seres
sociales activos, críticos y pensantes de la sociedad en la que están
sumergidos. El pensamiento crítico dentro del aula no puede llevar a sus
entes a ser seres negativos, por el contrario el negativismo debe de estar
totalmente alejado del pensamiento crítico para no sesgar la mirada a lo
positivo que se está viviendo y poder seguir construyendo desde la realidad.
Según Freire el aprendiz debe construir el conocimiento como un acto
político, desde la relación con el maestro y los demás aprendices dentro del
aula, para pasar de ser seres sociales pasivos a seres sociales activos, críticos
y pensantes. Freire tiene mucha razón en ello, ya que hay muchos
estudiantes que solo van a escuchar y muy pocos de ellos opinan y dan su
punto de vista crítico, el profesor debe de relacionarse más con sus alumnos
para que las clases no solo sea él quien hable, sino de que todos opinen y que
las clases se hagan más dinámicas.
b) Teoría De Jean – Jacques Rousseau: Desde el vientre de la madre se puede
decir que uno está vivo. Así pues, mientras el niño va creciendo, según
Rousseau, debe por su propia voluntad ir adquiriendo conocimiento. Él dice:
«Nacemos capacitados para aprender, pero no sabiendo ni conociendo
nada», al igual que dice que la educación del hombre empieza al nacer, a
base de experiencias propias y adquisiciones generales. Sin darnos cuenta,
desde que nacemos somos libres y por nuestra propia voluntad conocemos lo
que es placer, dolor y rechazo. Rousseau también afirma que el aprendizaje
es muy necesario, especialmente en esta etapa de la vida. «Más bien, un niño
está libre cuando puede lograr su voluntad ». Piensa que debemos dejar al
niño manifestar su voluntad y curiosidad por lo que le rodea. Es decir, dejar
al niño tocar, saborear, poner en práctica sus sentidos sensoriales para
aprender
 Según Rousseau, desde muy pequeños, nosotros ya vamos aprendiendo,
desde el momento en el que uno está vivo. Los padres a veces nos
incapacitan de nuestra libertad desde pequeños, al estar tirados en el piso
cuando uno es bebé , desde ese momento mediante el tacto ya estamos
aprendiendo ya sea a diferenciar el calor y el frio mediante el piso o lo que
es sentir algún hincón o un pequeño dolor
III. RENDIMIENTO ACADÉMICO
El rendimiento académico es una problemática que preocupa hondamente a
estudiantes, padres, profesores y autoridades; y no solo en nuestro país, sino
también en otros muchos países latinoamericanos y de otros continentes.
Diversos autores coinciden al sostener que el rendimiento académico es el resultado
del aprendizaje suscitado por la actividad didáctica del profesor y producido en el
alumno. Para Martínez-Otero (2007), desde un enfoque humanista, el rendimiento
académico es “el producto que da el alumnado en los centros de enseñanza y que
habitualmente se expresa a través de las calificaciones escolares” (p. 34). Hace tres
quinquenios, Pizarro (1985) refería el rendimiento académico como una medida de
las capacidades respondientes o indicativas que manifiestan, en forma estimativa, lo
que una persona ha aprendido como consecuencia de un proceso de instrucción o
formación.
El propósito del rendimiento escolar o académico es alcanzar una meta educativa,
un aprendizaje. En tal sentido, son varios los componentes del complejo unitario
llamado rendimiento. Son procesos de aprendizaje que promueve la escuela e
implican la trasformación de un estado determinado en un estado nuevo; se alcanza
con la integridad en una unidad diferente con elementos cognitivos y de estructura.
El rendimiento varía de acuerdo con las circunstancias, condiciones orgánicas y
ambientales que determinan las aptitudes y experiencias. En el rendimiento
académico intervienen factores como el nivel intelectual, la personalidad, la
motivación, las aptitudes, los intereses, los hábitos de estudio, la autoestima o la
relación profesor-alumno; cuando se produce un desfase entre el rendimiento
académico y el rendimiento que se espera del alumno, se habla de rendimiento
discrepante; un rendimiento académico insatisfactorio es aquel que se sitúa por
 debajo del rendimiento esperado. En ocasiones puede estar relacionado con los
métodos didácticos. (Marti, 2003, p. 376).

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.

3.1 POBLACIÓN DE ESTUDIO :

El conjunto total de individuos que hemos tomado para nuestro estudio, poseen ciertas
características comunes observables como es la edad, el lugar donde estudian (Universidad
Nacional Santiago Antúnez de Mayolo) y otras características esenciales.
 Homogeneidad: Los miembros de nuestra población de estudio tuvieron ciertas
características comunes: estudiantes, promedio ponderado semestral, etc. A su vez se
tomó sus características según los tipos de variables (cualitativas y cuantitativas) que
fueron considerados muy importantes para nuestro estudio.
 Tiempo: El periodo de tiempo en la cual se ubicó nuestra población de interés de
estudio fue en una fecha establecida, 8 de noviembre de 2018.
 Espacio: El espacio o lugar donde se ubicó nuestra población de estudio fue dentro
de la Universidad Nacional Santiago Antúnez de Mayolo – Shancayán.
 Cantidad: El tamaño de la población que tomamos fue sumamente importante ya que
de eso determinamos el tamaño de nuestra muestra.
3.2 MUESTRA DE ESTUDIO
La nuestra que tomamos es un subconjunto fielmente representado de nuestra población. La
muestra que tomamos fue solo a estudiantes de la Escuela Profesional de Estadística e
Informática, 30 estudiantes para ser más específicos, ya que nuestro estudio abarca el
motivo del bajo nivel de rendimiento académico de los estudiantes de la Universidad
Nacional Santiago Antúnez de Mayolo.

3.3 UNIDAD DE ANÁLISIS

En la unidad de análisis tenemos a los estudiantes de la facultad de ciencias de la
Universidad Nacional Santiago Antúnez de Mayolo (UNASAM), situado en la ciudad de
 Huaraz-Ancash, en donde tomamos como muestra a solo treinta estudiantes que cursaban
el IV ciclo de la escuela profesional de estadística e informática
Ante la muestra (treinta estudiantes) nosotros tomamos la decisión de saber por qué algunos
estudiantes llevaban dos o tres veces matriculados en el mismo curso .Es por ello que
formulamos algunas variables como su situación sentimental, sus promedios ponderados,
sus lugares de procedencia, horas de estudios extras que realizan fuera de la universidad,
entre otros para analizar los factores que influyen en el bajo rendimiento académico. Ante
esta muestra, decidimos encuestar y nos dimos cuenta del porque muchos estudiantes
cursan nuevamente diferentes cursos.

3.4 OPERACIONALIZACIÓN DE VARIABLES

A continuación se presentara la clasificación de las variables en estudio de una manera
más detallada, trabajando con las variables, cualitativas(o categóricas) y cuantitativas:

VARIABLE TIPO ESCALA CATEGORIA O UNIDAD DE MEDIDA

EDAD CUANTITATIVA DE RAZON EDAD EN AÑOS
DISCRETA
GENERO CUALITATIVA NOMINAL FEMENINO/MASCULINO
AÑO DE INGRESO A LA CUANTITATIVA NOMINAL AÑO
UNIVERSIDAD DISCRETA
LUGAR DE PROCEDENCIA CUALITATIVA NOMINAL ZONA RURAL/ ZONA URBANA/ ZONA
URBANA MARGINAL
HORAS DE ESTUDIO CUANTITATIVA DE RAZON HORAS/DIARIAS
DIARIAS CONTINUA
PROMEDIO PONDERADO CUANTITATIVA DE RAZON PROMEDIO POR SEMESTRE
CONTINUA
NUMERO DE CURSOS CUANTITATIVA NOMINAL CANTIDAD
MATRICULADOS DISCRETA
SITUACION CUALITATIVA NOMINAL SOLTERO/ EN UNA RELACION/
SENTIMENTAL ACABO DE TERMINAR UNA RELACION
RENDIMIENTO CUANTITATIVA ORDINAL CATEGORIA
ACADEMICO QUE LE DISCRETA
BRINDA LA UNASAM
ACTIVIDAD LABORAL CUALITATIVA NOMINAL TRABAJA/NO TRABAJA
SITUACION FAMILIAR CUALITATIVA NOMINAL TIENE HIJOS/NO TIENE HIJOS
CAPACITACION DE LOS CUANTITATIVA ORDINAL CATEGORIA
DOCENTES DISCRETA
3.5 TÉCNICA DE RECOLECIÓN DE DATOS
Las técnicas de recolección de datos que usamos (método) fue “La encuesta” y como
instrumento que usamos fueron treinta hojas que contenían una serie de preguntas dirigidas
a los estudiantes sobre, ¿Cuál fue su promedio?, ¿Cuál es su lugar de procedencia?, ¿cuál
era su situación sentimental?, entre otras preguntas.
El tema primordial que tuvimos mediante esta encuesta fue sobre el rendimiento académico
de los estudiantes que cursaban el IV ciclo de la facultad de ciencias de la escuela
profesional de Estadística e Informática, porque se está viendo en muchos casos en donde
los estudiantes están llevando por segunda o tercera vez un curso, y es por eso que
decidimos hacer la encuesta y realizar un análisis para saber cuáles son los factores que
influyen en el bajo rendimiento de los estudiantes.
Al utilizar métodos e instrumentos de recolección de datos, también hicimos unas preguntas
extras sobre su vivencia y sobre cómo se sentían en la universidad. Ante esto supimos que
algunos de los estudiantes están en riesgo académico, ya que algunos no solo se dedican al
estudio, sino a otras actividades y estos son algunos de los factores que causan el bajo
rendimiento académico, los estudiantes dejan de lado la dedicación y la entrega que se
merece cada curso en la universidad

.
 CAPITULO IV

4. DATOS: Los datos se obtuvieron mediantes una serie de preguntas realizadas a los estudiantes de Estadística e Informática mediante una
encuesta

Datos obtenidos mediante encuesta

N° E.. Edad Género Ingreso Procedencia H.E.D.F.C. PP 2018-I C.M. 2018-II Situación Sentimental C.E.. UNASAM Trabaja Tiene Hijos C. D.

1 19 M 2016 Z.R. 0-2 13≤PP<14 8 Relación 3 No No 4

2 20 M 2017 Z.U. 4-6 11≤PP<12 7 Relación 1 No Si 4
3 23 M 2015 Z.U. 2-4 11≤PP<12 4 Soltero 3 Sí No 3
4 18 M 2017 Z.U. 4-6 12≤PP<13 6 Relación 2 No No 2
5 19 M 2016 Z.U. 0-2 10≤PP<11 5 Relación 3 No Sí 3
6 21 M 2016 Z.U. 0-2 10≤PP<11 5 Relación 3 Sí No 1
7 20 F 2016 Z.U. 0-2 11≤PP<12 4 Soltera 1 Sí No 2
8 20 F 2017 Z.R. 2-4 11≤PP<12 6 Relación 4 No No 3
9 21 M 2016 Z.R. 2-4 11≤PP<12 6 Soltero 4 No No 4
10 21 M 2017 Z.U. 4-6 15≤PP<16 6 Relación 1 Sí Sí 1
11 21 M 2017 Z.U.M. 4-6 12≤PP<13 5 Relación 3 Sí No 3
12 20 F 2017 Z.U. 2-4 13≤PP<14 6 Soltera 1 No No 4
13 20 F 2017 Z.R. 0-2 12≤PP<13 6 Relación 5 Sí No 3
14 18 F 2017 Z.U. 0-2 11≤PP<12 4 Soltera 3 No No 4
15 19 F 2017 Z.R. 4-6 12≤PP<13 5 Relación 3 Sí No 5
16 19 F 2017 Z.R 2-4 11≤PP<12 4 Soltera 4 No No 3
17 20 M 2016 Z.R. 4-6 14≤PP<15 6 Terminó una relación 4 No No 4
18 20 M 2017 Z.U. 6-8 14≤PP<15 6 Soltero 3 No No 4
19 19 F 2017 Z.R. 0-2 11≤PP<12 5 Relación 4 No No 3
20 20 M 2017 Z.R. 2-4 11≤PP<12 5 Terminó una Relación 3 Si No 4
21 18 F 2017 Z.U. 2-4 10≤PP<11 4 Relación 5 No No 4
22 19 M 2017 Z.R. 0-2 13≤PP<14 7 Soltero 1 No No 1
23 19 F 2017 Z.U. 4-6 12≤PP<13 6 Soltera 3 No No 3
24 19 F 2017 Z.R. 0-2 14≤PP<15 6 Soltera 4 No No 4
25 20 M 2016 Z.U. 2-4 11≤PP<12 6 Soltero 3 No No 3
26 21 M 2017 Z.R. 2-4 11≤PP<12 5 Soltero 4 Sí No 3
27 18 M 2017 Z.U. 0-2 13≤PP<14 8 Relación 3 No No 4
28 22 M 2016 Z.U. 0-2 10≤PP<11 4 Soltero 4 No Sí 4
29 19 F 2017 Z.U. 4-6 12≤PP<13 6 Terminó una Relación 3 Sí No 3
30 22 F 2015 Z.U. 2-4 12≤PP<13 6 Relación 3 No No 4
 N° E: Número de Encuesta
M: Masculino
F: Femenino
Z.R: Zona Rural
Z.U: Zona Urbana
Z.U.M: Zona Urbana Marginal
H.E.D.F.C: Horas de Estudio al día, fuera de clase
PP: Promedio Ponderado
C.M: Cursos Matriculados
C.E: Calidad De Educación que Brinda La UNASAM
C.D: Capacidad del docente

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

GÉNERO DE LOS ALUMNOS DE

ESTADISTICA INFORMATICA DE LA
UNASAM - IV CICLO

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 ¿

GÉNERO DE LOS ALUMNOS DE

ESTADISTICA INFORMATICA DE LA
UNASAM - IV CICLO
20
Número de estudiantes

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.

MEDIDAS DE TENDENCIA CENTRAL

 Moda= 17

Interpretación: El Género con mayor frecuencia en los estudiantes de Estadística e Informática -

IV Ciclo es el masculino.
DISTRIBUCIÓN DE FRECUENCIAS N°03
Variable de estudio: Año de ingreso de los estudiantes de la UNASAM.
Tipo de variable: Variable cualitativa.
Objeto de estudio: Estudiantes de la UNASAM.

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.

MEDIDAS DE TENDENCIA CENTRAL

 Promedio( )
=∑Yi*hi
=2016,599
Interpretación: El promedio de los estudiantes son a mediados del año 2016,599.
 Mediana (Me)
Me = 2017
Interpretación: El 50% de los estudiantes han ingresados a menor o igual al año del 2017,
mientras que el otro 50% supera a dicho año.
 Moda (Mo)
Mo = 2017
Interpretación: La mayoría de estudiantes ingresaron en el año del 2017.
MEDIDAS DE DISPERSIÓN
 Varianza poblacional
∑(𝐲𝐢−𝐔)𝟐
Ϭx2= 𝐍
3,077
Ϭx2= 30 =0,103 Ei2

 Varianza muestral
∑(𝐲𝐢−𝐗)𝟐
Sx2= 𝐍−𝟏

Sx2=3,077= 0,106 Ei2

29

 Desviación estándar poblacional

Ϭx=√ 𝐎𝒙2
Ϭx=√𝑜, 106 𝐴𝑖 2=0,321 Ei
Interpretación: La variabilidad que existe entre los estudiantes ingresados es de 0,321 Ei.
 Desviación estándar muestral
SX=√𝐒 𝒙2
SX=√0,106 𝐴𝑖 2=0,326 Ei
Interpretación: La variabilidad que existe entre los estudiantes ingresados es de 0,326 Ei.
 Coeficiente de variación poblacional
Ϭ𝐱
C.V= *100%
𝑼
0,321 𝐸𝑖
C.V=2016,599*100% = 0,016% <15% (La distribución es homogénea.)

 Coeficiente de variación muestral

𝐒𝐱
C.V= 𝑿 *100%
0,326 𝐸𝑖
C.V=2016,599*100% = 0,016% <15% (La distribución es homogénea.)

 Coeficiente de asimetría
𝟑(𝑿−𝑴𝒆)
As= 𝑺𝒙
3(2016,599−2017)
As= = -3,69 <0 (La distribución asimétrica negativa.)
0,326

DISTRIBUCIÓN DE FRECUENCIAS N°04

Variable de estudio: Lugar de procedencia.
Tipo de variable: Variable cualitativa.
Objeto de estudio: Estudiantes de la UNASAM.
Tabla N°04
Distribución de estudiantes según su lugar de procedencia.
Lugar de fi Fi hi Hi hi% Hi%
procedencia
Zona rural 12 12 0,4 0,4 40% 40%
Zona urbana 17 29 0.567 0.967 56.7% 96,7%
Zona urbana 1 30 0.033 1 3.3% 100%
marginal
Total 30 - 1 - 100% -
Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística e Informática de la
UNASAM de IV ciclo -2018

Grafico N°

fi NUMERO DE ESTUDIANTE SEGUN

SU LUGAR DE PROCEDENCIA
18
16
14
12
10
8
6
4
2
0 Xi
zona rural zona urbana zona urbana marginal

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de Estadística

e Informática de la UNASAM de IV ciclo -2018

 Interpretación f1: Hay 12 estudiantes que provienen de zona rural.

 Interpretación f2: Hay 17 estudiantes que provienen de zona urbana.
 Interpretación f3: Hay 1 estudiante que proviene de zona urbana marginal.
Grafico N°

PORCENTAJE DE ESTUDIANTES SEGUN SU LUGAR DE

zona urbana PROCEDENCIA
marginal
3,3%

zona rural
40%
zona rural

zona urbana

zona urbana zona urbana

marginal
56,7%

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°

 Interpretación h1: El 40% de los estudiantes provienen de zona rural.

 Interpretación h2: El 56,7% de los estudiantes provienen de zona urbana.
 Interpretación h3: El 3,3% de los estudiantes provienen de zona urbana marginal.

MEDIDAS DE TENDENCIA CENTRAL

 Moda: Zona urbana
Interpretación: La mayoría de los estudiantes provienen de zona urbana
DISTRIBUCIÓN DE FRECUENCIAS N°05
Variable en estudio: Número de horas de estudio fuera de clase
Tipo de Variable: Cuantitativa Continua
Unidad de observación: Estudiantes de la UNASAM
Tabla N° 05
Distribución según el número de horas de estudio fuera de clases de los estudiantes
Li Ls Yi fi Fi hi Hi %hi %Hi *Fi *Hi *%Hi
[0 2> 1 11 11 0.367 0.367 36.7% 36.7% 30 1 100%
[2 4> 3 10 21 0.333 0.7 33.3% 70% 19 0.633 63.3%
[4 6> 5 8 29 0.267 0.967 26.7% 96.7% 9 0.3 30%
[6 8] 7 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

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

Ojiva Mayor Ojiva Menor

*Fi

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)

DISTRIBUCIÓN DE FRECUENCIAS N°06

Variable en Estudio: Promedio Ponderado.
Tipo de Variable: Cuantitativa Continua
Unidad de observación: Estudiantes de la UNASAM

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

Distribución de estudiantes según su promedio

ponderado del semestre 2018-I

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

Distribución de estudiantes según su promedio

ponderado del semestre 2018-I
35
Numero de estudiantes

30
25
20
15
10
5
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

MEDIDAS DE TENDENCIA CENTRAL:

 Media o promedio ( ):
∑ 𝑦𝑖∗𝑓𝑖
= 𝑛
(10.5∗4)+(11.5∗11)+(12.5∗7)+(13.5∗4)+(14.5∗3)+(15.5∗1) 369
= =
30 30

=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

CV=10.58% <15% (La distribución es homogénea)

 Coeficiente de variación muestral
sx 1.323
CV= *100 = 12.3 *100
𝑈
CV=10.76% <15% (La distribución es homogénea)

 Coeficiente de asimetría
Me=12
3(𝑥̅ −𝑀ⅇ) 3(12.3−12)
As= =
𝑠𝑥 1.323

As=0.680 >0 (La distribución es asimétrica positiva)

DISTRIBUCIÓN DE FRECUENCIAS N°O7

Variable de estudio: Rendimiento Académico Que Brinda La UNASAM
Tipo de variable: Variable cualitativa. Ordinal
Objeto de estudio: Estudiantes de la UNASAM.

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°

CALIDAD DE EDUCACIÓN QUE BRINADA LA UNASAM A LOS ESTUDIANTES

DE ESTADISTICA E INFORMATICA DE IV CICLO

MUY MALO MALO REGULAR BUENO MUY BUENO

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

MEDIDAS DE TENDENCIA CENTRAL:

 MODA= 14

Interpretación: La calidad de educación que reciben los alumnos de Estadística e Informática de

IV Ciclo por parte de la UNASAM es regular.

DISTRIBUCIÓN DE FRECUENCIAS N°08

Variable en estudio: Tiene hijos o no tiene hijos
Tipo de Variable: Cualitativa Nominal
Unidad de observación: Estudiantes 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

Tienen Hijos No Tiene Hijos

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de
Estadística e Informática de la UNASAM de IV ciclo -2018
Interpretación:
 26 estudiantes de IV ciclo de Estadística e Informática no tienen hijos.
 4 estudiantes de IV ciclo de Estadística e Informática tienen hijos.

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%

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos

de Estadística e Informática de la UNASAM de IV ciclo -2018

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.

MEDIDAS DE TENDENCIA CENTRAL

 Moda = No tienen hijos
Interpretación: La mayoría de estudiantes no 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

Distribución de estudiantes según la opinión que tienen

sobre la capacitación de sus docentes

14
12
10
Estudiantes

8
6
4
2
0
1 2 3 4 5
Capacitación de los docentes

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 que opinan que sus docentes
tienen una capacitación de 3
 Hay 1 estudiante de dicha escuela que opina que sus docentes tienen una capacitación de 5

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

Fuente: Datos obtenidos mediante encuesta realizada a los alumnos de

Estadística e Informática de la UNASAM de IV ciclo -2018

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

MEDIDAS DE TENDENCIA CENTRAL:

 Media o promedio ( ):
∑ 𝑦𝑖∗𝑓𝑖
=
𝑛
(1∗3)+(2∗2)+(3∗11)+(4∗13)+(5∗1) 97
= =
30 30
=3.233
Interpretación: La capacitación de los docentes en promedio según la opinión de los estudiantes es
de 3.23
 Mediana (Me):
Me=3
Interpretación: El 50% de los estudiantes opina que sus docentes tienen una capacitación menor
igual a 3 y el otro 50% superior a dicha capacitación

 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

CV=30.59% > 15% (La distribución no es homogénea)

 Coeficiente de variación muestra:
sx 1.005
CV= *100 = *100
𝑈 3.233

CV=31.09% > 15% (La distribución es homogénea)

  Coeficiente de asimetría:
Me=3
3(𝑥̅ −𝑀ⅇ) 3(3.233−3)
As= =
𝑠𝑥 1.005

As=0.696 >0 (La distribución es asimétrica positiva)

 CAPÍTULO V
DISCUSIONES

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

 Mario Arturo Vilchis Rodríguez. Funciones y aplicaciones de la estadística .Web:

https://ddd.uab.cat/pub/tesis/2016/hdl_10803_399337/gsvl1de1.pdf

 Freund, John E., Simón, Gary A., (2003). Estadística Elemental., Editorial Pearson
Educación., México.

 Carmen Batanero Carmen Díaz (2011)ESTADÍSTICA CON PROYECTOS .Web

:https://www.ugr.es/~batanero/pages/ARTICULOS/Libroproyectos.pdf

 Liliana Orellana(2001) Estadística descriptiva

 Martínez-Otero, V. (2007). Los adolescentes ante el estudio. Causas y consecuencias del

rendimiento académico. Madrid: Fundamentos
 Pizarro, R. (1985). Rasgos y actitudes del profesor efectivo (Tesis de Maestría). Pontificia
Universidad Católica de Chile.
 Martí, E. (2003). Representar el mundo externamente. La construcción infantil de los
sistemas externos de representación. Madrid: Antonio Machado.