Facultad de Ingeniería

Ingeniería Industrial

Avance de Informe Final:

“XXXXXXXXXXXXXXXXXXXXXXXXXXX”

Integrantes:

OLENKA GIOVANA OBREGON

JEANCARLO MARTIN QUEVEDO RUESTA

BRAYAN STHIF OSCANOA VILLENA

ARAUJO CACERES JIMMY SANTOS

ALDHAIR ANTONIO ARIZA PEREIRA

Docente:

MARIELY SOLEDAD ALMEYDA TORRES

Lima – Perú
2024
 INDICE
...................................................................................................................................................................1
CAPÍTULO 1................................................................................................................................................2
1.1 Antecedentes.................................................................................................................................2
1.2 Problema Central del Trabajo.........................................................................................................3
1.3 Justificación de la Investigación......................................................................................................3
1.4 Objetivos........................................................................................................................................3
CAPÍTULO-2................................................................................................................................................4
1. Conceptos básicos Estadísticos:......................................................................................................4
a. Identificación de la población:........................................................................................................4
b. Muestra:.........................................................................................................................................4
c. Unidad de análisis:..........................................................................................................................4
d. Variable:.........................................................................................................................................4
 V. cuantitativa:............................................................................................................................4
 V. Cuantitativa:...........................................................................................................................4
e. Parámetros estadísticos:................................................................................................................4
2 Tipo de Variables............................................................................................................................5
CAPÍTULO 1

1.1 Antecedentes

1.1.1 Impacto de la educación virtual en el rendimiento académico en

universidades peruanas:

La transición hacia la educación virtual en las universidades peruanas ha sido

acelerada por eventos como la pandemia de COVID-19. Un estudio de Sánchez et al.
(2021) en la Universidad Nacional Mayor de San Marcos encontró que la educación
virtual tuvo efectos mixtos en el rendimiento académico de los estudiantes. Mientras
algunos estudiantes se beneficiaron de la flexibilidad y accesibilidad de las clases en
línea, otros enfrentaron dificultades debido a la falta de interacción directa con los
profesores y compañeros, lo que impactó negativamente su rendimiento académico.

1.1.2 Satisfacción estudiantil en la Universidad Tecnológica del Perú (UTP):

La UTP ha implementado diversas plataformas y herramientas digitales para facilitar la

educación virtual. Un informe interno de la UTP (2020) evaluó la satisfacción de los
estudiantes con las clases virtuales, revelando que, aunque los estudiantes valoran la
accesibilidad y la comodidad de las clases en línea, tienen preocupaciones sobre la
calidad de la interacción con los profesores y el soporte técnico ofrecido. Estos
factores son cruciales para mantener la satisfacción y el rendimiento académico en un
entorno virtual.

Métodos de evaluación en entornos virtuales en la UTP:

La UTP ha desarrollado varios métodos para evaluar el rendimiento académico en

clases virtuales. Un estudio realizado por Pérez y García (2022) analizó la eficacia de
estos métodos, incluyendo exámenes en línea, proyectos grupales y foros de
discusión. Los resultados sugirieron que, aunque los estudiantes valoran la flexibilidad
de los exámenes en línea, la falta de familiaridad con las herramientas digitales y los
problemas técnicos pueden afectar negativamente su desempeño. Además, la calidad
de la retroalimentación de los profesores fue identificada como un factor clave para el
éxito académico en este entorno.

Descripción del Trabajo

El presente estudio tiene como objetivo principal analizar la satisfacción del

rendimiento académico en las clases virtuales en la Universidad Tecnológica del Perú
(UTP) durante el periodo 2023-2024. Para alcanzar este objetivo, se llevará a cabo
una investigación mixta que combinará métodos cualitativos y cuantitativos. La
investigación se centrará en obtener una comprensión profunda de las experiencias y
percepciones de los estudiantes y profesores respecto a las clases virtuales en la
UTP.
1.2 Problema Central del Trabajo

El problema central de este estudio es evaluar cómo la modalidad de clases virtuales

afecta la satisfacción y el rendimiento académico de los estudiantes de la UTP. Se
investigará si los recursos y métodos utilizados en la educación virtual son adecuados
para mantener un alto nivel de satisfacción y rendimiento académico, y se identificarán
las principales barreras y desafíos que enfrentan los estudiantes en este entorno.

1.3 Justificación de la Investigación

La justificación de esta investigación radica en la necesidad de entender y mejorar la

experiencia educativa en la UTP, especialmente en un contexto donde la educación
virtual ha tomado un rol protagónico. Al analizar la satisfacción y el rendimiento
académico en las clases virtuales, se busca proporcionar información valiosa que
permita a la UTP optimizar sus estrategias educativas, mejorar la calidad de la
enseñanza y asegurar que los estudiantes reciban una educación de alta calidad,
independientemente del formato de entrega.

1.4 Objetivos

4.1Objetivo General:

Analizar la satisfacción del rendimiento académico en las clases virtuales en la

Universidad Tecnológica del Perú (UTP) durante el periodo 2023-2024.

4.2Objetivos Específicos:
 Evaluar la percepción de los estudiantes sobre la efectividad de las clases
virtuales en la UTP.
 Identificar los factores internos y externos que afectan el rendimiento
académico de los estudiantes en las clases virtuales.
 Medir el nivel de satisfacción de los estudiantes y profesores con la modalidad
de enseñanza virtual en la UTP.
  Comparar los resultados de satisfacción y rendimiento académico entre las
clases virtuales y presenciales en la UTP.
 Proporcionar recomendaciones basadas en la evidencia para mejorar la
implementación de la educación virtual en la UTP.
 Evaluar en cuanto aporta el material de clases, actividades de desarrollo y
recursos ludicos para el aprendizaje
 Medir el nivel de respuesta y atención de la oficina de servicio de atención
estudiantil con respecto a inconvenientes en desarrollo de las clases virtuales.
 Evaluar el entorno educativo digital que ofrece la universidad para el desarrollo
del aprendizaje

CAPÍTULO-2
1. Conceptos básicos Estadísticos: Identificación de la población,
muestra, unidad de análisis, variable, parámetros estadísticos a inferir,
en la investigación
a. Identificación de la población: Todos los estudiantes
matriculados en la UTP durante el periodo de estudio 2024.
b. Muestra: 100 estudiantes aleatoriamente de diferentes facultades y
sedes de la UTP.
c. Unidad de análisis: Cada alumno responde a la encuesta sobre la
satisfacción de las clases virtuales.
d. Variable:
 V. cuantitativa: Nivel de satisfacción con las clases virtuales
(Muy satisfecho, Satisfecho, Neutral, Insatisfecho, Muy
insatisfecho).
 V. Cuantitativa: Rendimiento académico promediado a través
de las calificaciones obtenidas en las clases virtuales.

e. Parámetros estadísticos:

El promedio de la edad de los estudiantes de la Universidad Tecnológica del Perú

durante el ciclo 2024.
El promedio de la cantidad de quejas presentadas por los estudiantes de la
Universidad Tecnológica del Perú durante el ciclo 2024 ante algunos inconvenientes
sobre la plataforma virtual UTPclass.

Mediana de la cantidad de veces que los estudiantes de la Universidad Tecnológica

del Perú ciclo 2024 solicitaron ayuda al servicio de atencion estudiantil.

Varianza de la cantidad de horas en las plataformas virtuales educativas que pasan

los estudiantes de ingeniería industrial u otras carreras de la Universidad Tecnológica
del Perú durante el 2024.

Proporción de la cantidad de estudiantes de la Universidad Tecnológica del Perú

durante el ciclo 2024 que prefieren ingresar a la plataforma durante días de la
semana.

Promedio de la cantidad de horas en las plataformas virtuales educativas que pasan

los estudiantes de la Universidad Tecnológica del Perú durante el ciclo 2024.

Mediana de la cantidad de cursos en los que están matriculados los estudiantes de la

Universidad Tecnológica del Perú durante el ciclo 2024.

Mediana de la cantidad de cursos en modalidad presencial en los que están

matriculados los estudiantes de la Universidad Tecnológica del Perú durante el ciclo
2024.

Mediana de la cantidad de cursos en modalidad remota en los que están matriculados

los estudiantes de la Universidad Tecnológica del Perú durante el ciclo 2024

Varianza del nivel de satisfacción en cuanto a recursos lúdicos durante el ciclo 2024

2 Tipo de Variables

Variables Tipo de variables

Genero Cualitativa Nominal
¿Qué carrera estudias? Cualitativa Nominal
Edad Cualitativa Ordinal
¿Cantidad de cursos virtuales Cuantitativa Discreta
que llevas en el ciclo?
¿Cuántas horas diarias le Cuantitativa Discreta
dedicas a tus clases virtuales?
¿Qué tan satisfecho te sientes Cualitativa Ordinal
con las clases virtuales?
 ¿Qué día y turno llevas los
cursos virtuales?
En un grado de satisfacción del 1 Cuantitativa Discreta
al 5 ¿en cuánto beneficia los
instrumentos presentados por los
docentes para su aprendizaje?
En un grado de satisfacción del 1 Cuantitativa Discreta
al 5 ¿En cuánto beneficia la
realización de actividades
grupales a su aprendizaje?
En un grado de satisfacción del 1 Cuantitativa Discreta
al 5 ¿en cuanto aporta los
recursos ludicos a su
aprendizaje?
¿CUANTO TIEMPO DEMORA Cuantitativa Discreta
EN RESPONDERTE LOS
ENCARGADOS DEL SAE PARA
RESPONDER TUS DUDAS?
¿Con que frecuencia solicita Cualitativa Ordinal
recursos o instrumentos a su
docente para su aprendizaje?
¿Con que frecuencia haces uso Cualitativa Ordinal
del foro para preguntar algo al
docente?
¿NIVEL DE ENSEÑANZA DE LA Cualitativa Ordinal
UTP EN LA MODALIDAD
VIRTUAL?

2. Cálculo de muestra estadística y tipo de muestreo

a. Cálculo de muestra estadística
 b. Tipo de muestreo
El tipo de muestreo que se empleo es probabilístico ya que
nuestro estudio y análisis es la universidad UTP, tiene la
probabilidad de escoger a cualquier de los estudiantes.
3. Gráficos y Tablas Estadísticas por Variable
a. Análisis descriptivo de las variables cualitativas
En este apartado se darán a conocer las tablas de frecuencia,
gráficos e interpretaciones de las variables cualitativas
establecidas en la encuesta realizada.

Tabla 1. ¿Cuál es su edad?

Datos de Edades.

Fuente: Elaboración Propia

Gráfico: Estadística de datos de edades.

Fuente: Elaboración Propia.
Interpretación:

Tabla 2. ¿Cuál es tu genero?

Genero de los encuestados (Datos)

Fuente: Elaboración Propia.

Grafico

Genero de los encuestados (Porcentaje)

Fuente: Elaboración Propia

Interpretación: El mayor número de estudiantes que fueron

encuestados son hombres, dado que su frecuencia absoluta es
55.

Tabla 3. ¿Qué carrera estudias?

Datos de carreras universitarias que se están ejerciendo.

Fuente: Elaboración Propia

Gráfico 2
 Estadística de carreras universitarias que se están ejerciendo.

Fuente: Elaboración Propia

Interpretación: La carrera más frecuente entre los encuestados

es Ingeniería Industrial, seguido de otras carreras y luego
Ingeniera de sistemas.

Tabla 4. ¿Cantidad de cursos que llevas en el ciclo?

Cantidad de cursos

Fuente: Elaboración Propia

 Gráfico 3
Estadística de cantidad de cursos virtuales

Fuente: Elaboración Propia

Interpretación:

Tabla 5: ¿Cuantas horas diarias le dedicas a tus clases

virtuales?
Horas que le dedican los estudiantes a las clases virtuales.

Fuente: Elaboración Propia

Grafico
Estadísticas de horas diarias que les dedican los estudiantes a
sus clases virtuales.
 Fuente: Elaboración Propia

Interpretación:

Tabla 6: ¿Que tan satisfecho te sientes con las clases virtuales?

Nivel de satisfacción con las clases virtuales (Datos)

Fuente: Elaboración Propia

Grafico
Nivel de satisfacción de las clases virtuales (Estadística)
 Fuente: Elaboración Propia
Interpretación: Un 6% de los estudiantes encuestados estan
insatisfechos con las clases virtuales.

Tabla 7: ¿Qué día y turno llevas las clases virtuales?

 Dia y Turno que llevan las clases virtuales los estudiantes.

Fuente: Elaboración Propia

Grafico

Fuente: Elaboración Propia

Interpretación:

Tabla 8: En un grado de satisfacción del 1 al 5 ¿en cuánto beneficia los

instrumentos presentados por los docentes para su aprendizaje?
 Fuente: Elaboración Propia
Grafico
Instrumentos presentados por los docentes para su aprendizaje (Estadística)

Fuente: Elaboración Propia

Interpretación:
Tabla 9: En un grado de satisfacción del 1 al 5 ¿En cuánto beneficia la realización de
actividades grupales a su aprendizaje?

Fuente: Elaboración Propia

Gráfico: Actividades grupales a su aprendizaje (Estadística)

Fuente: Elaboración Propia

Interpretación:
Tabla 10: En un grado de satisfacción del 1 al 5 ¿en cuánto aporta los recursos
ludicos a su aprendizaje?

Fuente: Elaboración Propia

Grafico
Los recursos ludicos a su aprendizaje (Estadistica)
Fuente: Elaboración Propia
Interpretación:

Tabla 11: ¿CUANTO TIEMPO DEMORA EN RESPONDERTE LOS ENCARGADOS DEL

SAE PARA RESPONDER TUS DUDAS?
 b. Análisis descriptivo de las variables cualitativas
En este apartado se darán a conocer las tablas de frecuencia,
gráficos e interpretaciones de las variables cualitativas
establecidas en la encuesta realizada

Tabla ¿Cantidad de cursos virtuales que llevas en el ciclo?

Grafico:

c. Medidas de Tendencia Central / Dispersión:

a. Medidas de Tendencia Central: Media, Mediana y Moda

b. Medidas de Dispersión: Varianza, Desviación Estándar,

Coeficiente de variabilidad.

4. Distribución Muestral:
 CAPÍTULO-3

1. Pruebas de Hipótesis Estadísticas y análisis de resultados

En este apartado se analizará las pruebas de hipótesis estadísticas y
procedimientos que permiten tomar decisiones sobre la validez de una
afirmación o hipótesis sobre una población basada en una muestra de
datos.

En esta tabla, cada fila representa una carrera, y las columnas representan el grado de
satisfacción del 1 al 5. Los números en la tabla indican la cantidad de respuestas de cada carrera
para cada grado de satisfacción.
Pruebas de Hipótesis Estadísticas para la media con varianza conocida
Supongamos que queremos comparar la satisfacción promedio entre dos carreras:
ING. INDUSTRIAL y ING. SISTEMAS. Utilizaremos la varianza poblacional ficticia
𝜎2=10σ2=10.
ING. INDUSTRIAL:
Número de respuestas = 2+5+20+16+6=492+5+20+16+6=49
Media de satisfacción =
(2⋅1+5⋅2+20⋅3+16⋅4+6⋅5)/49=3.08(2⋅1+5⋅2+20⋅3+16⋅4+6⋅5)/49=3.08
Varianza de la muestra =
((1−3.08)2⋅2+(2−3.08)2⋅5+(3−3.08)2⋅20+(4−3.08)2⋅16+(5−3.08)2⋅6)/48=1.23((1−3.08)2
⋅2+(2−3.08)2⋅5+(3−3.08)2⋅20+(4−3.08)2⋅16+(5−3.08)2⋅6)/48=1.23
ING. SISTEMAS:
Número de respuestas = 2+2+6+2+3=152+2+6+2+3=15
Media de satisfacción =
(2⋅1+2⋅2+6⋅3+2⋅4+3⋅5)/15=3.27(2⋅1+2⋅2+6⋅3+2⋅4+3⋅5)/15=3.27
Varianza de la muestra =
((1−3.27)2⋅2+(2−3.27)2⋅2+(3−3.27)2⋅6+(4−3.27)2⋅2+(5−3.27)2⋅3)/14=1.91
((1−3.27)2⋅2+(2−3.27)2⋅2+(3−3.27)2⋅6+(4−3.27)2⋅2+(5−3.27)2⋅3)/14=1.91
Prueba de Hipótesis:
Hipótesis nula 𝐻0H0 : La satisfacción promedio en ING. INDUSTRIAL es igual a la
satisfacción promedio en ING. SISTEMAS.
Hipótesis alternativa 𝐻1H1 : La satisfacción promedio en ING. INDUSTRIAL es
diferente a la satisfacción promedio en ING. SISTEMAS.
Nivel de significancia 𝛼=0.05α=0.05
Estadístico de prueba 𝑍=(Media de ING. INDUSTRIAL−Media de ING.
SISTEMAS)Varianza poblacionalTaman˜o de muestra ING. INDUSTRIAL+Varianza
poblacionalTamaño de muestra ING. SISTEMASZ=Tamaño de muestra ING.
INDUSTRIAL Varianza poblacional +Tamaño de muestra ING. SISTEMAS Varianza
poblacional (Media de ING. INDUSTRIAL−Media de ING. SISTEMAS)
Sustituyendo los valores:
𝑍=(3.08−3.27)1049+1015≈−0.467
Z=4910 +1510 (3.08−3.27) ≈−0.467
El valor crítico de 𝑍Z para un nivel de significancia de 𝛼=0.05α=0.05 es
aproximadamente ±1.96 (dos colas).
Como 𝑍=−0.467Z=−0.467 cae dentro del intervalo crítico, no rechazamos la hipótesis
nula. Concluimos que no hay evidencia suficiente para afirmar que la satisfacción
promedio en ING. INDUSTRIAL es diferente de la satisfacción promedio en ING.
SISTEMAS.

Pruebas de Hipótesis Estadísticas para la media con varianza desconocida

Para realizar esta prueba, supondremos una varianza poblacional ficticia de 10 para
ambas carreras.
ING. INDUSTRIAL:
Media de satisfacción (𝑥ˉ1xˉ1 ) = 3.5
Tamaño de la muestra (𝑛1n1 ) = 49
Varianza poblacional (𝜎12σ12 ) = 10
ING. SISTEMAS:
Media de satisfacción (𝑥ˉ2xˉ2 ) = 3.2
Tamaño de la muestra (𝑛2n2 ) = 15
Varianza poblacional (𝜎22σ22 ) = 10
Hipótesis:
𝐻0:𝜇1=𝜇2H0 :μ1 =μ2
𝐻1:𝜇1≠𝜇2H1 :μ1 =μ2
Estadístico de prueba t para la diferencia de medias con varianza desconocida:
𝑡=(𝑥ˉ1−𝑥ˉ2)𝑠12𝑛1+𝑠22𝑛2t=n1 s12 +n2 s22 (xˉ1 −xˉ2 )
𝑡=(3.5−3.2)1049+1015≈1.30t=4910 +1510 (3.5−3.2) ≈1.30
Con 62 grados de libertad y un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de t
es aproximadamente ±1.67 (dos colas). Como 𝑡=1.30t=1.30 no cae fuera del intervalo
crítico, no rechazamos la hipótesis nula. Concluimos que no hay suficiente evidencia
para afirmar que hay una diferencia significativa en la satisfacción promedio entre
ING. INDUSTRIAL e ING. SISTEMAS asumiendo varianza desconocida.

Pruebas de Hipótesis Estadísticas para la diferencia de medias con varianza conocida

Datos:
ING. INDUSTRIAL:
Media de satisfacción (𝑥ˉ1xˉ1 ) = 3.4
Varianza de la muestra (𝑠12s12 ) = 15
ING. SISTEMAS:
Media de satisfacción (𝑥ˉ2xˉ2 ) = 3.0
Varianza de la muestra (𝑠22s22 ) = 15
Hipótesis:
𝐻0:𝑥ˉ1−𝑥ˉ2=0H0 :xˉ1 −xˉ2 =0
𝐻1:𝑥ˉ1−𝑥ˉ2≠0H1 :xˉ1 −xˉ2 =0
Estadístico de prueba t para la diferencia de medias con varianza desconocida
iguales:
𝑡=(𝑥ˉ1−𝑥ˉ2)𝑠12𝑛1+𝑠22𝑛2
t=n1 s12 +n2 s22 (xˉ1 −xˉ2 )
𝑡=(3.4−3.0)1549+1515≈1.50
t=4915 +1515 (3.4−3.0) ≈1.50
Con 62 grados de libertad y un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de t
es aproximadamente ±1.67 (dos colas). Como 𝑡=1.50t=1.50 no cae dentro del
intervalo crítico, no rechazamos la hipótesis nula. Concluimos que no hay suficiente
evidencia para afirmar que hay una diferencia significativa en la satisfacción promedio
entre ING. INDUSTRIAL e ING. SISTEMAS asumiendo varianza desconocida igual.

Pruebas de Hipótesis Estadísticas para la diferencia de medias con varianza

desconocida iguales
Supongamos que las varianzas de las muestras son iguales y ficticias, ambas con un
valor de 15.
ING. INDUSTRIAL:
Media de satisfacción (𝑥ˉ1xˉ1 ) = 3.4
Varianza de la muestra (𝑠12s12 ) = 15
ING. SISTEMAS:
Media de satisfacción (𝑥ˉ2xˉ2 ) = 3.0
Varianza de la muestra (𝑠22s22 ) = 15
Hipótesis:
𝐻0:𝑥ˉ1−𝑥ˉ2=0H0 :xˉ1 −xˉ2 =0
𝐻1:𝑥ˉ1−𝑥ˉ2≠0H1 :xˉ1 −xˉ2 =0
Estadístico de prueba t para la diferencia de medias con varianza desconocida
iguales:
𝑡=(𝑥ˉ1−𝑥ˉ2)𝑠12𝑛1+𝑠22𝑛2
t=n1 s12 +n2 s22 (xˉ1 −xˉ2 )
𝑡=(3.4−3.0)1549+1515≈1.22
t=4915 +1515 (3.4−3.0) ≈1.22
Con 62 grados de libertad y un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de t
es aproximadamente ±1.67 (dos colas). Como 𝑡=1.22t=1.22 no cae fuera del intervalo
crítico, no rechazamos la hipótesis nula. Concluimos que no hay suficiente evidencia
para afirmar que hay una diferencia significativa en la satisfacción promedio entre
ING. INDUSTRIAL e ING. SISTEMAS asumiendo varianza desconocida igual.

Pruebas de Hipótesis Estadísticas para la diferencia de medias con varianza

desconocida diferentes
Supongamos que las medias de satisfacción y las varianzas de las muestras para las
carreras ING. INDUSTRIAL e ING. SISTEMAS son las siguientes:
ING. INDUSTRIAL:
Media de satisfacción (𝑥ˉ1xˉ1 ) = 3.4
Varianza de la muestra (𝑠12s12 ) = 15
ING. SISTEMAS:
Media de satisfacción (𝑥ˉ2xˉ2 ) = 3.0
Varianza de la muestra (𝑠22s22 ) = 20
Hipótesis:
𝐻0:𝑥ˉ1−𝑥ˉ2=0H0 :xˉ1 −xˉ2 =0
𝐻1:𝑥ˉ1−𝑥ˉ2≠0H1 :xˉ1 −xˉ2 =0
Estadístico de prueba t para la diferencia de medias con varianza desconocida
diferentes: 𝑡=(𝑥ˉ1−𝑥ˉ2)𝑠12𝑛1+𝑠22𝑛2
t=n1 s12 +n2 s22 (xˉ1 −xˉ2 )
𝑡=(3.4−3.0)1549+2015≈1.22
t=4915 +1520 (3.4−3.0) ≈1.22
Con 62 grados de libertad y un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de t
es aproximadamente ±1.67 (dos colas). Como 𝑡=1.22t=1.22 no cae dentro del
intervalo crítico, no rechazamos la hipótesis nula. Concluimos que no hay suficiente
evidencia para afirmar que hay una diferencia significativa en la satisfacción promedio
entre ING. INDUSTRIAL e ING. SISTEMAS asumiendo varianza desconocida
diferente.

Pruebas de Hipótesis Estadísticas para la proporción

Supongamos que las proporciones de estudiantes satisfechos en el nivel 4 para las
carreras ING. INDUSTRIAL e ING. SISTEMAS son las siguientes:
ING. INDUSTRIAL:
Proporción (p1) = 0.35
ING. SISTEMAS:
Proporción (p2) = 0.25
Hipótesis:
𝐻0:𝑝1−𝑝2=0H0 :p1−p2=0
𝐻1:𝑝1−𝑝2≠0H1 :p1−p2=0
Estadístico de prueba z para la diferencia de proporciones:
𝑧=(𝑝1−𝑝2)𝑝1(1−𝑝1)𝑛1+𝑝2(1−𝑝2)𝑛2
z=n1p1(1−p1) +n2p2(1−p2) (p1−p2)
𝑧=(0.35−0.25)0.35(1−0.35)100+0.25(1−0.25)100≈0.50
z=1000.35(1−0.35) +1000.25(1−0.25) (0.35−0.25) ≈0.50
Con un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de z es aproximadamente
±1.96 (dos colas). Como 𝑧=0.50z=0.50 cae dentro del intervalo crítico, no rechazamos
la hipótesis nula. Concluimos que no hay suficiente evidencia para afirmar que hay
una diferencia significativa en la proporción de estudiantes satisfechos en el nivel 4
entre ING. INDUSTRIAL e ING. SISTEMAS.

Pruebas de Hipótesis Estadísticas para la diferencia de proporciones

Supongamos que queremos comparar la proporción de estudiantes satisfechos en el
nivel 4 entre las carreras de ING. INDUSTRIAL e ING. SISTEMAS.
Supongamos las siguientes proporciones:
ING. INDUSTRIAL:
Proporción de estudiantes satisfechos en el nivel 4 (𝑝1p1 ) = 0.35
ING. SISTEMAS:
Proporción de estudiantes satisfechos en el nivel 4 (𝑝2p2 ) = 0.25
Hipótesis:
𝐻0:𝑝1−𝑝2=0H0 :p1 −p2 =0 (no hay diferencia en la proporción)
𝐻1:𝑝1−𝑝2≠0H1 :p1 −p2 =0 (hay diferencia en la proporción)
Estadístico de prueba z para la diferencia de proporciones:
𝑧=(𝑝1−𝑝2)𝑝1(1−𝑝1)𝑛1+𝑝2(1−𝑝2)𝑛2
z=n1 p1 (1−p1 ) +n2 p2 (1−p2 ) (p1 −p2 )
𝑧=(0.35−0.25)0.35(1−0.35)100+0.25(1−0.25)100≈0.50
z=1000.35(1−0.35) +1000.25(1−0.25) (0.35−0.25) ≈0.50
Donde:
𝑝1p1 y 𝑝2p2 son las proporciones de estudiantes satisfechos en el nivel 4 para ING.
INDUSTRIAL e ING. SISTEMAS respectivamente.
𝑛1n1 y 𝑛2n2 son los tamaños de las muestras para ING. INDUSTRIAL e ING.
SISTEMAS respectivamente.
Con un nivel de significancia 𝛼=0.05α=0.05, el valor crítico de z es aproximadamente
±1.96 (dos colas). Como 𝑧=0.50z=0.50 cae dentro del intervalo crítico, no rechazamos
la hipótesis nula.

Pruebas de Hipótesis Estadísticas para la varianza

Supongamos que queremos realizar una prueba de hipótesis para determinar si la
varianza de la satisfacción de los estudiantes en la carrera de ING. INDUSTRIAL es
diferente de la varianza de la satisfacción en la carrera de ING. SISTEMAS.
Hipótesis:
𝐻0:𝜎12=𝜎22H0 :σ12 =σ22 (las varianzas son iguales)
𝐻1:𝜎12≠𝜎22H1 :σ12 =σ22 (las varianzas son diferentes)
Para realizar esta prueba, necesitaríamos calcular las varianzas muestrales (𝑠12s12 y
𝑠22s22 ) de cada carrera y luego usar un estadístico de prueba que siga una
distribución F. La fórmula para el estadístico F es:
𝐹=𝑠12𝑠22F=s22 s12
Luego, compararíamos este valor de F con los valores críticos de la distribución F
para determinar si rechazamos o no la hipótesis nula.

Anexos/ Referencias