UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERÍA DE
SISTEMAS E INFORMÁTICA

CURSO: Estadística Y Probabilidades

TEMA: Análisis de los Alumnos de Estadística
PROFESORA: Zacarías Díaz, María Antonieta
ALUMNOS: Albornoz Trejo, David Dominick 17200255
Aucca Fonseca, Yakomo 17200115
Ballardo Sáenz, Abelardo Fernando 17200318
Carhuaricra Marcelo Franz 17200263

LIMA – PERÚ
AÑO 2018
 FORMULACIÓN DEL PROBLEMA:

Las profesoras de los grupos 2 y 3 del curso Estadística y Probabilidades de la EAP

Ingeniería de Software de la FISI-UNMSM en el periodo académico 2018-I desean
conocer la situación académica de los estudiantes matriculados en el curso, ya que
en los últimos semestres se ha visto que el rendimiento académico no ha sido
optimo, para ello
los alumnos de los grupos 5 y 6 del curso hacen un estudio de la situación
académica de esos alumnos. Para conocer la situación académica es necesario
analizar el rendimiento académico y el avance académico, para el rendimiento
académico se analizara las variables promedio ponderado y número de matrículas
en el curso, para analizar el avance académico se analizaran las variables año de
ingreso y número de créditos.
Con la información obtenida las profesoras de los respectivos grupos aplicaran un
aprendizaje significativo académico, puesto que se han planteado muchos retos,
impulsando la participación activa de los estudiantes, ya que a partir de este
semestre se dará una mayor ponderación a la evaluación continua (trabajos,
prácticas calificadas, intervenciones orales) y un menor peso a los exámenes
programados.

PREGUNTAS QUE VALIDAN TODA BUENA FORMULACIÓN DE UN PROBLEMA:

a. ¿Quién desea obtener información?

Las profesoras del curso de Estadística y Probabilidades de la EAP de Ingeniería
de Software.
b. ¿Qué información desea obtener?
La situación académica de los alumnos del curso de Estadística de la EAP
Ingeniería de Software.
c. ¿Qué variable permitirá obtener esa información?
Promedio ponderado, número de matrículas en el curso, año de ingreso y
créditos por alumno.
d. ¿En quién va a medir la variable?
En el alumno matriculado en el curso de Estadística y Probabilidades.

e. ¿En quienes se va medir la variable?

En los alumnos matriculados en el curso de Estadística y Probabilidades.

f. ¿De dónde?
De la EAP Ingeniería de Software.

g. ¿De cuándo?
Del periodo académico 2018-I.

h. ¿Para qué?
Para obtener información de la Situación Académica de los alumnos.
 INFORMACIÓN DEL RENDIMIENTO ACADÉMICO USANDO MEDIDAS
RESUMEN (G3)

Unidad de observación (UO): Alumno del curso de Estadística y Probabilidades de la

Escuela Profesional de Ingeniería Software.

Conjunto de unidades de observación: Todos los alumnos que ingresaron sus datos en
el archivo “Situación Académica de los alumnos del curso de Estadística y
Probabilidades” proporcionado por la profesora.

CARACTERÍSTICA:

 Nombre: Promedio Ponderado

 Definición conceptual: Nota obtenida por el alumno durante el último ciclo
cursado.
 Definición operacional: Suma del promedio del curso por la cantidad de
créditos del curso correspondiente, dividido entre la cantidad de créditos
totales.
Variable: Promedio Ponderado.
Tipo de Variable: Cuantitativa Continúa.
Escala: De Razón.
El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados: {13.7, 12.3, 12.6, …, 11}

Rango => R = [10.39-14.4]

Longitud de recorrido => LR = 14.4 – 10.39 = 4.01
Número de intervalos => m = 1 + 3.3* log (36) = 6.13 ≈ 6
Tamaño del intervalo => A = 4.01/ 6 ≈ 0.67

 Todo el recorrido de la variable se divide en 6 intervalos de tamaño 0.67

Construyendo tabla de frecuencias y polígono de frecuencias para observar el

comportamiento de la variable y visualizar la tendencia central.
 DISTRIBUCION DE LOS ALUMNOS DE ACUERDO AL
𝑋′𝑖−1 − 𝑋′𝑖 𝑥𝑖 𝑓𝑖 PROMEDIO PONDERADO
1
[10.39- 11.06> 10.72 3
0.9
[11.06- 11.73> 11.39 1 0.8

[11.73- 12.4> 12.06 6 0.7

[12.4 - 13.07> 12.73 10 0.6

[13.07- 13.74> 13.4 12 0.5

0.4
[13.74- 14.41> 14.07 4
0.3

0.2

0.1

0
3 1 6

1. Cálculo de la media aritmética, varianza, desviación estándar y coeficiente de

variación.

Las fórmulas a utilizar para el cálculo de la media y la varianza son:

2
1 m
 X i    fi
1
x =  X i fi
n i 1
S2 =
N
0 S2 x 2

X i 1
'
 X 'i Fi Xi fi Xifi (Xi- - u)2 fi
[10.39- 11.06> 3 10.72 3 32.16 12.85
[11.06- 11.73> 4 11.39 1 11.39 1.96
[11.73- 12.4> 10 12.06 6 72.36 3.19
[12.4 - 13.07> 20 12.73 10 127.3 0.03
[13.07- 13.74> 32 13.40 12 160.8 4.46
[13.74- 14.41> 36 14.07 4 56.28 6.55
460.29 29.04

Luego: x = 12.79 S2 = 0.80 S = 0.89 CV = 0.07

 2. Cálculo de la mediana

a. N/2 = 18

b. El Intervalo F4 = 20 > 18, a esta cuarta frecuencia le pertenece el

intervalo es decir [12.4 - 13.07>, en ese intervalo se encuentra la
mediana

c. Usando la fórmula Me = 12.06 + 0.67 (18-10)/ (20-10) = 12.59

3. Cálculo de la moda

El comportamiento de la variable nos muestra dos valores frecuentes Mo1 =

13.11
Mo2 = 13.25

10,39 10,82 11 11,55 11,77 12,12 12,13 12,15 12,3 12,37 12,4 12,49 12,5 12,6 12,62 12,7 12,78
12,8 12,86 12,87 13,09 13,11 13,11 13,2 13,25 13,25 13,5 13,6 13,62 13,63 13,7 13,72 14,01
14,07 14,3 14,4

CUADRO DE LAS MEDIDAS RESUMEN

Tendencia central Dispersión

~
x x̂ 1 x̂ 2 LR S2 S CV
x
12.79 12.59 13.11 13.25 4.02 0.80 0.89 0.07
 DISTRIBUCION DE LOS ALUMNOS DE ACUERDO AL PROMEDIO
PONDERADO

~
x x x̂ 1 x̂ 2

14

12

10

0
10,05 10,72 11,39 12,06 12,73 13,40 14,07 14,74

INTERPRETACIÓN:

El coeficiente de Variación, CV, nos dice que los datos no están muy dispersos, y al ver los
valores de tendencia central la media y la mediana estos no son muy diferentes, elegimos a la
media como indicador de tendencia central, concluimos que la mayoría de datos están en
torno a la media, es decir, el promedio ponderado de la mayoría de alumnos está cerca 12.79

El promedio ponderado medio es de 12.79

La mayoría de alumnos tiene una tendencia en su promedio hacia 12.79.

De lo anterior se desprende que la mayoría tiene un promedio regular aprobatorio.

 INFORMACION DEL RENDIMIENTO ACADEMICO A TRAVÉS DE MEDIDAS
RESUMEN USANDO LA VARIABLE NUMERO DE MATRICULAS EN EL
CURSO (G3)

1 1 1 1 1 1 2 1 1
1 1 1 1 1 1 1 2 2
1 2 1 1 2 2 1 1 1
1 1 1 1 1 2 1 1 1

Unidad de observación (UO): Alumno del curso de Estadística y Probabilidades de la

Escuela Profesional de Ingeniería Software.

Conjunto de unidades de observación: Todos los alumnos que ingresaron sus datos en
el archivo “Situación Académica de los alumnos del curso de Estadística y
Probabilidades” proporcionado por la profesora.

CARACTERÍSTICA:

 Nombre: Número de matrículas en el curso.

 Definición conceptual: Cantidad de veces matriculado en el curso.
 Definición operacional: Verificar las veces que se ha matriculado en el curso
atraves del SUM.
Variable: Número de matrículas en el curso.
Tipo de Variable: Cuantitativa Discreta.
El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados: {1, 2,}

1. Cálculo de la media aritmética, varianza, desviación estándar y coeficiente de

variación.

Las fórmulas a utilizar para el cálculo de la media y la varianza son:

 
2
1 n 1 n
x =  xi
n i 1
S2 =  xi  x
n i 1
.

x = 43/36 = 1.19 S2 = 0.16 S = 0.39

1. Mediana.
- Ordenamos los datos de menor a mayor
111111111111111111111111111112222222

- Cómo el número de datos es par, entonces el valor de la mediana estará dado por la
semisuma de los datos centrales.
Luego. ~x = 1
 2. Moda.
x̂ 1 = 1 x̂ 2 = 2

Indicadores de dispersión.

3. Longitud de recorrido.
LR = 2 - 1 = 1

4. Coeficiente de Variación.

CV = S / x = 0.33

Al coeficiente de variación se le considera como un indicador de dispersión relativa.(No tiene

unidades)

CUADRO RESUMEN

Tendencia Central Dispersión

~
x x̂ 1 x̂ 2 LR S2 S CV
x
1.19 1 1 2 1 0.16 0.39 0.33

Interpretación.
El CV = 0.33 indica que hay una …vooole
.
 INFORMACION DEL RENDIMIENTO ACADEMICO A TRAVÉS DE MEDIDAS
RESUMEN USANDO LA VARIABLE PROMEDIO PONDERADO (G2)
Datos del promedio ponderado de los alumnos del curso de estadística I, grupo 2
Semestre 2018-I de la EAP Ingeniera de Software, FISI, para ver la tendencia de la
situación académica de los alumnos.

12.9 12.6 12.9 12.9 13.3 12.0 15.1

12.5 13.3 12.5 11.9 12.1 13.4 15.2
12.1 12.2 12.2 12.1 12.8 11.6 14.4
12.0 9.0 11.8 12.4 13.6 12.6 13.4

CONCEPTOS BÁSICOS:

Unidad de observación (UO): Alumno del curso de Estadística y Probabilidades de la

Escuela Profesional de Ingeniería Software del Periodo Académico 2018 – I del Grupo 2.

Conjunto de unidades de observación: Todos los alumnos que ingresaron sus datos en el
archivo “Situación Académica de los alumnos del grupo 3 del curso de Estadística y
Probabilidades” proporcionado por la profesora.

CARACTERÍSTICA:

 Nombre: Promedio Ponderado

 Definición conceptual: Año en el que el Alumno logró su admisión a la
UNMSM.
 Definición operacional: Observar en la Constancia de Ingreso la fecha
emitida.

Tipo de Variable: Cuantitativa Continúa.

Escala: De Razón.
El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados: {13.7, 12.3, 12.6, …, 11}

Indicadores Tendencia Central

1. Media Aritmética

18

x
i 1
i

  12.7% (Observación: el símbolo porcentaje es la unidad de la variable)

28

2. Mediana.
 - Ordenamos los datos de menor a mayor

9 11.69 11.82 11.91 12.05 12.09 12.11 12.12 12.13 12.25 12.28 12.47
12.5 12.58 12.6 12.60 12.85 12.9 12.9 12.98 13.3 13.34 13.41
13.48 13.63 14.48 15.18 15.25

- Cómo el número de datos es par, entonces el valor de la mediana estará dado por la
semisuma de los datos centrales.
Luego. Me = 12.59%

3. Moda.
Mo= 12.9

Indicadores de dispersión.

1. Longitud de recorrido.
LoR = 15.25 - 9 = 6.25%

2. Desviación Media.

18

x i 
DeM  i 1
= 0.7 %
28

xi xi  
9 3.7
11.69 1.01
11.82 0.88
11.91 0.79
12.05 0.65
12.09 0.61
12.11 0.59
12.12 0.58
12.13 0.57
12.25 0.45
12.28 0.42 18 datos
u = 12.7 %
12.47 0.23
12.5 0.2
12.58 0.12
12.6 0.1
12.60 0.01
12.85 0.15
12.9 0.2
12.9 0.2
12.98 0.28
13.3 0.6
13.34 0.64
 13.41 0.71
13.48 0.78
13.63 0.93
14.48 1.78
15.18 2.48
15.25 2.55
22.21

Interpretación.
Observando la columna de las desviaciones, xi   , tenemos que 18 datos se alejan de la
media en menos de 0.65 o lo que es equivalente a que el 64% de los datos se aleja de la media
en menos de 0.65 por lo que podríamos interpretar como que los datos no están muy
dispersos.
 3. Varianza.

x
2
i

X2   X
2

Obtenemos la varianza según la fórmula planteada

xi xi2
9 81
11.69 136.6561
11.82 139.7124
11.91 141.8481
12.05 145.2025
12.09 146.1681
12.11 146.6521
12.12 166.41
12.13 147.1369
12.25 150.0625
12.28 150.7984
12.47 155.5009
12.5 156.25
12.58 158.2564
12.6 158.76
12.60 158.76
12.85 165.1225
12.9 166.41
12.9 166.41
12.98 168.4804
13.3 176.89
13.34 177.9556
13.41 179.8281
13.48 181.7104
13.63 185.7769
14.48 209.6704
15.18 230.4324
15.25 232.5625
355.9 4580.4236

355
𝜇= = 12.67%
28
4580.4236
𝜎 2𝑥 = − (12.67)2 = 3.05%2
28
El valor de la varianza calculada a partir de la fórmula (b) proporciona un valor aproximado de
ella.

4. Desviación estándar.

𝜎 = 1.74%

Los indicadores de dispersión: longitud de recorrido, desviación media, varianza y desviación

estándar son llamados indicadores de dispersión absoluta ya que están expresados en
términos de las unidades de la variable en estudio.

5. Coeficiente de Variación.

CoV = 0.137

Al coeficiente de variación se le considera como un indicador de dispersión relativa.(No tiene

unidades)

CUADRO RESUMEN

Tendencia Central Dispersión

 Me Mo LoR DeM 2  CoV
12.7 12.59 12.9 6.25 0.7 3.05 1.74. 0.137

Interpretación.
El CoV = 0.137 nos dice que la dispersión de los datos es baja, ahora observamos los
indicadores de tendencia central, como no existe mucha diferencia entre el valor de la media y
el valor de la mediana, se elige la media aritmética como indicador de tendencia central, luego
concluimos que la mayoría de los datos están en torno a la medía, es decir, en la mayoría de
los cursos el promedio ponderado está en torno al 46.6 % a mitad del periodo académico.
 INFORMACION DEL RENDIMIENTO ACADEMICO A TRAVÉS DE MEDIDAS
RESUMEN USANDO LA VARIABLE NUMERO DE MATRICULAS EN EL
CURSO (G2)

Datos del Número de matrículas en el curso de los alumnos del curso de estadística I,
grupo 2 Semestre 2018-I de la EAP Ingeniera de Software, FISI, para ver la tendencia de
la situación académica de los alumnos.

2 1 3 1 1 1 1
1 1 1 1 2 1 1
1 1 1 1 1 1 3
1 3 1 1 1 1 1

CONCEPTOS BÁSICOS:

Unidad de observación (UO): Alumno del curso de Estadística y Probabilidades de la

Escuela Profesional de Ingeniería Software del Periodo Académico 2018 – I del Grupo 2.

Conjunto de unidades de observación: Todos los alumnos que ingresaron sus datos en el
archivo “Situación Académica de los alumnos del grupo 3 del curso de Estadística y
Probabilidades” proporcionado por la profesora.

CARACTERÍSTICA:

 Nombre: Número de matrículas en el curso

 Definición conceptual: Cantidad de veces que el alumno lleva nuevamente
el curso
 Definición operacional: Revisar el historial académico del alumno en el
SUM

Tipo de Variable: Cuantitativa discreta

El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados: {1,2,3}

Indicadores Tendencia Central

4. Media Aritmética

28

x
i 1
i

  1.28%
28
(Observación: el símbolo porcentaje es la unidad de la variable)
 5. Mediana.
- Ordenamos los datos de menor a mayor
1111111111111111111111122333

- Cómo el número de datos es par, entonces el valor de la mediana estará dado por la
semisuma de los datos centrales.
Luego. Me = 1

6. Moda.
Mo= 1

Indicadores de dispersión.

7. Longitud de recorrido.
LoR = 3 - 1 = 2

8. Desviación Media.

28

x i 
DeM  i 1
= 0.40
28

xi xi  
2 0.72
1 0.28
1 0.28
1 0.28
1 0.28
1 0.28
3 1.72
3 1.72
1 0.28
1 0.28
1 0.28 23 datos
u = 1.28 %
1 0.28
1 0.28
1 0.28
1 0.28
1 0.28
2 0.72
1 0.28
1 0.28
1 0.28
1 0.28
1 0.28
 1 0.28
0 0.28
1 0.28
1 0.28
3 1.72
1 0.28
13.04

Interpretación.
Observando la columna de las desviaciones, xi   , tenemos que 23 datos se alejan de la
media en menos de 0.29 o lo que es equivalente a que el 82% de los datos se aleja de la
media en menos de 0.29 por lo que podríamos interpretar como que los datos no están muy
dispersos.

9. Varianza.

x
2
i

X2   X
2

Obtenemos la varianza según la fórmula planteada

xi xi2
2 4
1 1
1 1
1 1
1 1
1 1
1 1
3 9
3 9
1 1
1 1
1 1
1 1
 1 1
1 1
1 1
1 1
2 4
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
3 9
1 1
36
𝜇 = 28 = 1.28%

58
𝜎 2 𝑥 = 28 − (1.28)2 = 0.43%2

10. Desviación estándar.

𝜎 = 0.65%

Los indicadores de dispersión: longitud de recorrido, desviación media, varianza y desviación

estándar son llamados indicadores de dispersión absoluta ya que están expresados en
términos de las unidades de la variable en estudio.

11. Coeficiente de Variación.

CoV = 0.5

Al coeficiente de variación se le considera como un indicador de dispersión relativa. (No tiene

unidades)

CUADRO RESUMEN

Tendencia Central Dispersión

 Me Mo LoR DeM 2  CoV
1.28 1% 1 2 0.40 0.43 0.65 0.5
Interpretación.
El CoV = 0.5 nos dice que la dispersión de los datos es baja, ahora observamos los indicadores
de tendencia central, como no existe mucha diferencia entre el valor de la media y el valor de
la mediana, se elige la media aritmética como indicador de tendencia central, luego
concluimos que la mayoría de los datos están en torno a la medía, es decir, en la mayoría de
los cursos el numero de matrículas en el curso está en torno al 0.4 % a mitad del periodo
académico.
 INFORMACION DEL AVANCE ACADEMICO USANDO TABLAS
BIDIMENSIONALES RESPECTO A LA VARIABLE AÑO DE INGRESO Y
NUMERO DE CREDITOS ACUMULADOS

Unidad de observación (UO): Alumno del curso de Estadística y Probabilidades de la

Escuela Profesional de Ingeniería Software del Periodo Académico 2018–I del Grupo 2
o 3.

Conjunto de unidades de observación: Todos los alumnos que ingresaron sus datos en
el archivo “Situación Académica de los alumnos del grupo 2 o 3 del curso de Estadística
y Probabilidades” proporcionado por la profesora.

1)
 Nombre: Año de Ingreso
 Definición conceptual: Año en el que el Alumno logró su admisión a la
UNMSM.
 Definición operacional: Observar en la Constancia de Ingreso la fecha
emitida.
Variable 1: Año de Ingreso
Tipo de Variable: Categórica.
Escala: Ordinal.
El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados para el GRUPO 2: {2011, 2016, 2017}
Datos diferenciados para el GRUPO 3: {2011, 2014, 2015, 2016, 2017}
2)
 Nombre: Número Acumulado de Créditos
 Definición conceptual: Número de créditos de todos los cursos aprobados
hasta el periodo académico actual.
 Definición operacional: Suma de créditos correspondientes a cada curso
aprobado desde el ciclo de inicio hasta el anterior periodo académico que
se cursa actualmente.
Variable 2: Número Acumulado de Créditos
Tipo de Variable: Cuantitativa Continúa.
Escala: De Razón.
El Conjunto de Datos constituyen los datos muéstrales.
Datos diferenciados para el GRUPO 2: {31, 35, 37, 38,…, 83}
Datos diferenciados para el GRUPO 3: {37, 39, 41, 43,…, 85}
 GRUPO 2 GRUPO 3
Cuadro N°2
Cuadro N°1 Clasificación de los alumnos del curso de
Clasificación de los alumnos del curso de Estadísticas y Probabilidades de la EAP
Estadísticas y Probabilidades de la EAP Ingeniería de Software del periodo académico 2018-I
Ingeniería de Software del periodo académico 2018-I Del GRUPO 3 de acuerdo al Número Acumulado de Créditos y
Del GRUPO 2 de acuerdo al Número Acumulado de Créditos y el Año de ingreso
el Año de ingreso
Número
Año de Ingreso
Número Acumulado de
Año de Ingreso Créditos 2011 2014 2015 2016 2017
Acumulado de
Créditos 2011 2016 2017 37 1
31 1 39 2
35 1 41 1
37 1 43 2 13
38 1 47 1
39 7 49 1
43 1 9 54 1 2
44 1 55 1 1 1
47 1 58 1
51 2 59 1
54 1 62 1
66 1 63 1
83 2 66 1
67 1
74 2
INFORMACION OBTENIDA: 85 1
Se interpreta que la mayoría de los alumnos, el 71.4%, del Grupo 2 ingresaron INFORMACION OBTENIDA:
el año 2017, también considerando toda la tabla podemos concluir que para Se interpreta que la mayoría de los alumnos, el 83.3%, del Grupo 3 ingresaron el
valores altos de la variable “Año de Ingreso” se tiene un número de datos altos año 2016 o 2017, donde podemos concluir que para el valor 2017 de la variable
que corresponden a valores bajos de la variable “Número Acumulado de “Año de Ingreso” se tiene un numero de datos altos y concentrados en valores
Créditos”. bajos de la variable “Número Acumulado de Créditos” y para el valor 2016 de la
variable “Año de Ingreso” se tiene un numero de datos medios y dispersos.
 Gráfica N°1
GRUPO 2 Clasificación de los alumnos del curso de
Estadísticas y Probabilidades de la EAP
Ingeniería de Software del periodo académico 2018-I
Del GRUPO 2 de acuerdo al Número Acumulado de Créditos y el Año de ingreso

11
10
9 Año de Ingreso
8 2017
Año de Ingreso
Alumnos

7
6 2016
5
4
3
2
1
0
31 35 37 38 39 43 44 47 51 54 66 83

Número Acumulado de Créditos

INFORMACION OBTENIDA:
Se interpreta que la mayoría de los alumnos, el 71.4%, del Grupo 2 ingresaron el año
2017, también considerando toda la gráfica podemos concluir que para valores altos de la
variable “Año de Ingreso” se tiene un número de datos altos que corresponden a valores bajos
de la variable “Número Acumulado de Créditos”.

Gráfica N°2
GRUPO 3 Clasificación de los alumnos del curso de
Estadísticas y Probabilidades de la EAP
Ingeniería de Software del periodo académico 2018-I
Del GRUPO 3 de acuerdo al Número Acumulado de Créditos y el Año de ingreso
16
15
14
13
12 Año de Ingreso
11 2017
10 Año de Ingreso
Alumnos

9 2016
8
Año de Ingreso
7
6 2015
5
4
3
2
1
0
37 39 41 43 47 49 54 55 58 59 62 63 66 67 74 85

Número Acumulado de Créditos

INFORMACION OBTENIDA:
Se interpreta que la mayoría de los alumnos, el 83.3%, del Grupo 3 ingresaron el año 2016 o
2017, donde podemos concluir que para el valor 2017 de la variable “Año de Ingreso” se tiene
un numero de datos altos y concentrados en valores bajos de la variable “Número Acumulado
de Créditos” y para el valor 2016 de la variable “Año de Ingreso” se tiene un numero de datos
medios y dispersos