Salazar Rios Yubel Yesenia PDF

UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO
FACULTAD DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA

ESCUELA PROFESIONAL DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
“FACTORES DE INFLUENCIA EN EL BAJO RENDIMIENTO ACADÉMICO

DE LOS ESTUDIANTES DE LA FACULTAD DE INGENIERÍA ESTADÍSTICA
E INFORMÁTICA DE LA UNA - PUNO 2015”
TESIS
PRESENTADA POR:
YUBEL YESSENIA SALAZAR RIOS
PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO ESTADÍSTICO E INFORMÁTICO
PROMOCIÓN 2014
PUNO – PERÚ
2017
DEDICATORIA
A Dios:
Por haberme permitido llegar hasta este

punto y haberme dado salud para lograr
mis objetivos, además de su infinita bondad
y amor.
A mi querida Madre, Susana

Nora Ríos Salas:
Por darme la vida, quererme mucho, creer

en mí y porque siempre me apoyaste. Mami
gracias por darme la educación para mi
futuro, todo esto te lo debo a ti.
A mi Hermano, Helan:
Por ser el motivo para seguir preparándome y

así poder serle un mejor ejemplo.
A mis Familiares:
A mi mamá Simona, por la gran paciencia y

comprensión que me tiene, Alberto por ser la
persona que va de la mano con mi mami, me
aconseja y apoya en mi carrera.
A mis Amigos y Amigas:
Hoy dedico a ellos esta tesis: A los TDA’s, mis

amigas hermanas del Colegio”VF”, mis
amigos y amigas que conocí en la Academia,
Universidad, Trabajo y otros lugares.
Yubel Yessenia Salazar Rios

AGRADECIMIENTO
 Mi más cordial reconocimiento y agradecimiento a todos y cada uno de
los Ingenieros de la Facultad de INGENIERÍA ESTADÍSTICA E
INFORMÁTICA, porque de alguna manera supieron brindarme su gama
de experiencia profesional.
 Mi agradecimiento al director y asesor de tesis, por su colaboración y
orientación en la realización del presente trabajo de investigación, ya que
supieron guiarme de la mejor manera con su repertorio amplio de
conocimientos.
 De igual modo mi agradecimiento a los Ingenieros de la facultad, por su
acertado asesoramiento en el desarrollo del presente trabajo de
investigación, gracias a su apoyo se pudo concluir el presente trabajo de
investigación.
 Agradezco también a los compañeros de la Facultad de Ingeniería
Estadística e Informática, que formaron parte del estudio y por su
comprensión y apoyo en el proceso de la recopilación de la información.
 Finalmente mi más sincero agradecimiento a todas las personas que
directa o indirectamente son parte de mi realización personal ya que
siempre estuvieron apoyándome moralmente cuando más lo necesitaba.

INDICE
RESUMEN ........................................................................................................ 10
ABSTRACT ...................................................................................................... 11
INTRODUCCIÓN .............................................................................................. 12
CAPÍTULO I
PLAN DE INVESTIGACIÓN
1.1. DESCRIPCIÓN DEL PROBLEMA............................................................... 14
1.2. FORMULACIÓN DEL PROBLEMA ............................................................. 15
1.3. OBJETIVOS ................................................................................................. 16
1.4. HIPÓTESIS DE LA INVESTIGACIÓN......................................................... 17
1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN. ............................................... 17
1.6. LIMITACIONES DE LA INVESTIGACIÓN .................................................. 18
CAPÍTULO II
MARCO TEÓRICO
2.1. ANTECEDENTES DE LA INVESTIGACIÓN .............................................. 19
2.2. BASE TEÓRICA ........................................................................................... 21
2.3. MARCO CONCEPTUAL .............................................................................. 48
2.4. OPERACIONALIZACIÓN DE LAS VARIABLES......................................... 51
CAPÍTULO III
MATERIALES Y MÉTODOS
3.1. POBLACIÓN................................................................................................. 52
3.2. MUESTRA .................................................................................................... 52
3.3. MÉTODO DE RECOPILACIÓN DE DATOS ............................................... 56
3.4. MÉTODO DE TRATAMIENTO DE DATOS ................................................ 57
CAPÍTULO IV
RESULTADOS Y DISCUSIONES
4.1. ANALISIS DESCRIPTIVO. .......................................................................... 60
4.2. DEFINICIÓN DE LAS VARIABLES. ............................................................ 68
4.3. SELECCIÓN DEL MODELO. ...................................................................... 70
4.4. OBTENCIÓN DE ESTIMADORES. ............................................................. 70
4.5. MODELO FINAL ESTIMADO. ..................................................................... 72
4.6. VALIDACIÓN DEL MODELO. ..................................................................... 72
4.7. COMPROBACIÓN DE SUPUESTOS ESTADÍSTICOS QUE DEBE

CUMPLIR UN MODELO DE REGRESIÓN LINEAL MÚLTIPLE ........................ 74
4.8 ANALISIS DE LOS RESULTADOS ............................................................. 81
CONCLUSIONES ............................................................................................. 86
RECOMENDACIONES Y SUGERENCIAS ...................................................... 88
BIBLIOGRAFÍA CONSULTADA ...................................................................... 89
ANEXOS ........................................................................................................... 94
ANEXO 01......................................................................................................... 95
ANEXO 02......................................................................................................... 97
ANEXO 03......................................................................................................... 99
ANEXO 04....................................................................................................... 109
ANEXO 05....................................................................................................... 120
ANEXO 06....................................................................................................... 123
ANEXO 07....................................................................................................... 125

ÍNDICE DE TABLAS
Tabla 1 Escala de Calificación de los Aprendizajes en la UNA-PUNO ............ 22
Tabla 2 Análisis de Varianza para la Regresión Múltiple ................................. 36
Tabla 3 Decisión para Durbin-Watson ............................................................. 47
Tabla 4 Operacionalización de Variables. ........................................................ 51
Tabla 5 Resultados de la Muestra Piloto. ......................................................... 54
Tabla 6 Distribución de los Tamaños Muestrales por Estrato. ......................... 56
Tabla 7 Cálculos de Medidas de la Nota del Promedio Ponderado Semestral de
los Estudiantes con Bajo Rendimiento Académico de la FINESI UNA-Puno .. 60
Tabla 8 Promedio de las Variables Cuantitativas para Determinar cómo es el
Comportamiento de Dichas Variables .............................................................. 61
Tabla 9 Modelo Final para el Bajo Rendimiento Académico de los Estudiantes de
la FINESI Una – Puno 2015 ............................................................................. 71
Tabla 10 Análisis de Varianza para el Bajo Rendimiento Académico de los
Estudiantes de la FINESI Una – Puno 2015 .................................................... 73
Tabla 11 Pruebas de Normalidad..................................................................... 74
Tabla 12 Coeficiente y su Análisis con el VIF. ................................................. 75
Tabla 13 Decisión del Estadístico Durbin - Watson ......................................... 78
Tabla 14 Resultado del Estadístico Durbin- Watson. ....................................... 79
Tabla 15 Notas de Promedio Ponderado de los Estudiantes con Bajo
Rendimiento Académico de la FINESI UNA-Puno 2015. ............................... 109
Tabla 16 Semestre Académico de los Estudiantes con Bajo Rendimiento
Académico de la FINESI UNA-Puno 2015. .................................................... 109
Tabla 17 Sexo de los Estudiantes con Bajo Rendimiento Académico de la FINESI
UNA-Puno 2015. ............................................................................................ 110

Tabla 18 Forma de Elección de la Carrera de los Estudiantes con Bajo
Tabla 19 Asistencia a Clases de los Estudiantes con Bajo Rendimiento
Tabla 20 Calidad de Metodología de Enseñanza de los Docentes Según los
Estudiantes con Bajo Rendimiento Académico de la FINESI UNA-Puno 2015.111
Tabla 21 Material Bibliográfico de los Estudiantes con Bajo Rendimiento
Tabla 22 Estudio de Carreras Paralelas de los Estudiantes con Bajo Rendimiento
Tabla 23 Hábitos de Estudio de los Estudiantes con Bajo Rendimiento
Académico de la FINESI UNA-Puno 2015 ..................................................... 113
Tabla 24 Apoyo Económico de los Padres de los Estudiantes con Bajo
Tabla 25 Suficiencia del Apoyo Económico de los Estudiantes con Bajo
Tabla 26 Situación Laboral de los Estudiantes con Bajo Rendimiento Académico
de la FINESI UNA-Puno 2015. ....................................................................... 114
Tabla 27 Propiedad de la Residencia de los Estudiantes con Bajo Rendimiento
Tabla 28 Situación de Convivencia de los Estudiantes con Bajo Rendimiento
Tabla 29 Servicios Básicos de la Residencia de los Estudiantes con Bajo

Tabla 30 Nivel de Alimentación de los Estudiantes con Bajo Rendimiento
Tabla 31 Nivel Educativo de sus Padres de los Estudiantes con Bajo Rendimiento
Tabla 32 Nivel Educativo de sus Madres de los Estudiantes con Bajo
Tabla 33 Sexo del Jefe del Hogar de los Estudiantes con Bajo Rendimiento
Tabla 34 Apoyo Moral de la Familia de los Estudiantes con Bajo Rendimiento
Tabla 35 Distribución de Tiempo Adicional a los Estudios de los Estudiantes con
Bajo Rendimiento Académico de la FINESI UNA-Puno 2015. ....................... 119
Tabla 36 Consumo de Bebidas Alcohólicas de los Estudiantes con Bajo
Tabla 37 Relación Sentimental de los Estudiantes con Bajo Rendimiento
Tabla 38 Base de datos Correspondientes a los Estudiantes con Bajo
Tabla 39 Regresión de las Variables Seleccionadas ..................................... 123

ÍNDICE DE GRÁFICOS
Grafico 1. Análisis de la normalidad de los errores .......................................... 74
Grafico 2. Análisis de los residuos cuadráticos en relación a los valores
estimados del Bajo Rendimiento Académico ................................................... 77
Grafico 3. Intervalos para la decisión de durbin -watson .................................. 80

RESUMEN
Lacoordinaciónacadémica de la Facultad de Ingeniería Estadística e Informática
reporta los siguientes indicadores, el 50.43% de los estudiantes tienen un
rendimiento académico deficiente y el 41.74% tienen un rendimiento académico
regular, esto indica que un porcentaje alto de estudiantes, tienen un bajo
rendimiento académico, por esta razon se ha planteado el siguiente objetivo de
investigación, determinar qué factores académicos, económicos, sociales y
personales influyen en el Bajo Rendimiento Académico de los Estudiantes de la
Facultad de Ingeniería Estadística e Informática de la UNA - Puno 2015. La
población en investigación estuvo constituida por 152 estudiantes con Bajo
Rendimiento Académico del cuarto al décimo nivel de la Escuela Profesional, de
la cual se seleccionó una muestra aleatoria estratificada con afijación óptima de
106 estudiantes. La recopilación de los datos se realizó aplicando encuestas a
los estudiantes de la muestra. La estimación del modelo se efectuó mediante los
metodos Stepwise, R2, el Cp, utilizando para el análisis dos programas
estadísticos,los cuales concordaron en el ajuste del modelo:
Yˆ  10.33  0.743 X 2  0.256 X 3  0.669 X 6  5.105 X 8  3.127 X 9  0.871X 10  0.391X 15  0.054 X 16  0.107 X 28
Donde: Yˆ es el Rendimiento Académico; X 2 asistencia a clases; X 3 número de
horas dedicadas al estudio diariamente; X 6 estudia paralelamente otra carrera;
X8 hábito de estudio muy negativo; X 9 hábito de estudio negativo, X10 hábito de
estudio tendencia a negativo; X15 tenencia de vivienda del estudiante; X16 calidad
de alimentación y X 28 Número de horas de descanso nocturno.
PALABRAS CLAVES: Bajo Rendimiento Académico, Hábito de estudio,
Influencia, Factores.
10
ABSTRACT
The academic coordination of the Faculty of Statistics and Informatics
Engineering reports the following indicators: 50.43% of the students have a poor
academic performance and 41.74% have a regular academic performance, those
indicates that a high percentage of students have a low performance Academic,
for this reason the following research objective has been proposed, to determine
what academic, economic, social and personal factors influence the Low
Academic Performance of Students of the Faculty of Statistics and Informatics
Engineering of UNA - Puno 2015. The population In researching was made up of
152 students with low academic performance from the fourth to the tenth level of
the Professional School, from which a stratified random sample was selected with
the optimal assignment of 106 students. The data collection was accomplished
by applying surveys to the students in the sample. The estimation of the model
was done using the methods Stepwise, R2, Cp, methods, using for the analysis
two statistical programs, which ones agreed in the adjustment of the model:
Yˆ  10.33  0.743 X 2  0.256 X 3  0.669 X 6  5.105 X 8  3.127 X 9  0.871X 10  0.391X 15  0.054 X 16  0.107 X 28
Where: Yˆ is the Academic Performance; X 2 Class attendance; X 3 Number of hours
of daily study; X 6 Studying another career at the same time; X 8 too much negative
habit study`s; X 9 negative habit study`s, X10 habit of study to negative tendency;
X15 house possession of the student; X16 Food quality and X 28 number of night
hours to rest.
KEYWORDS: Low Academic Performance, habit of study, Influence, Factors.
11
INTRODUCCIÓN
La calidad del Rendimiento Académico de los estudiantes universitarios y los
factores que los relacionan es una importante misión para la acreditación de la
educación que se imparte en la Universidad y responsabiliza a las autoridades
de la misma en el compromiso de evaluaciones de ejecución oportunas y en el
delineamiento de políticas tendientes a una óptima educación con visión de
futuro y en paralelo al avance de la ciencia y de la tecnología en el mundo.
En general, un complejo sistema de factores que circundan al Rendimiento
Académico donde los más relevantes son los factores educativos, económicos,
sociales y personales que interaccionados, juegan un papel importante en el
buen nivel de la educación universitaria.
La Universidad Nacional del Altiplano de Puno no es ajena a ser afectada por el
complejo sistema. En esta realidad, se desconoce de la existencia de un patrón
de comportamiento de estos factores, sin embargo, a priori se puede establecer
que la presencia de estos factores no son casos particulares de la UNA-Puno
sino los son en todas las Universidades del Perú.
La estructura de la presente investigación es la siguiente:
En el capítulo I, se describe el plan de investigación, la definición del problema,
formulación del problema, justificación de la investigación, objetivos y la
hipótesis.
En el capítulo II, se establece el marco teórico que contiene los antecedentes de
la investigación, la base teórica, la definición de términos básicos y la
operacionalización de variables.
12
En el capítulo III, correspondiente a materiales y métodos, que contiene la
población, el diseño de la muestra, los métodos de recopilación, tratamiento,
procesamiento y análisis de los datos.
En el capítulo IV, se presentan los resultados de la aplicación de los
instrumentos de investigación y para concluir tenemos las conclusiones,
sugerencias y recomendaciones.
13
CAPÍTULO I
PLAN DE INVESTIGACIÓN
1.1. DESCRIPCIÓN DEL PROBLEMA.
La Universidad Nacional del Altiplano-Puno (UNA-Puno) es una
Universidad pública, que en su seno alberga estudiantes mayormente de la
región y su misión es formar profesionales altamente calificados. La
universidad está organizada por facultades y una de ellas es la Facultad de
Ingeniería Estadística e Informática con la Escuela Profesional del mismo
nombre.
Una variable que mide la formación profesional es el Rendimiento
Académico de los estudiantes que puede ser influenciada por factores
sociales, económicos, académicos y personales, debido al constante
cambio de la sociedad, el aspecto tecnológico y a las actualizaciones
curriculares, por tanto, estas variables deben ser evaluadas con mucha
frecuencia.
14
Habiendo revisado el cuadro de mérito [2015-I] en la Oficina de la
Coordinación Académica de la Facultad de Ingeniería Estadística e
Informática de la UNA-Puno, se determinó que el 50.43% de los estudiantes
tienen un rendimiento académico deficiente (comprende desde 00 hasta 10
puntos de promedio ponderado semestral), el 41.74% de los estudiantes
tienen un rendimiento académico regular (comprende desde 11 hasta 13
puntos de promedio ponderado semestral), el 7.83% de los estudiantes
tienen un rendimiento académico bueno (comprende desde 14 hasta 17
puntos de promedio ponderado semestral) y el 00.00% de los estudiantes
tienen un rendimiento académico muy bueno (comprende desde 18 hasta
20 puntos de promedio ponderado semestral), lo cual indica que el 92.17%
de alumnos tienen un promedio ponderado semestral menor o igual a 13.99
puntos, es decir que tienen bajo rendimiento académico, por eso es
necesario determinar los factores que lo están afectando.
El Bajo Rendimiento Académico en la Facultad de Ingeniería Estadística e
Informática de la UNA-Puno ha traspasado el ámbito meramente educativo
para convertirse en un problema que debe preocupar a las autoridades de
la facultad, los cuales teniendo conocimiento de este problema no buscan
alternativas de solución, frente a esta situación se formula el problema de
la siguiente manera.
1.2. FORMULACIÓN DEL PROBLEMA
A fin de plantear la hipótesis de la investigación se formula el siguiente
enunciado del problema de investigación:
15
¿Cuáles son los factores de Influencia en el Bajo Rendimiento
Académico de los estudiantes de la Facultad de Ingeniería Estadística
e Informática de la UNA - Puno 2015?
1.3. OBJETIVOS
Objetivo general:
Determinar los factores académicos, económicos, sociales y personales
que influyen en el Bajo Rendimiento Académico de los Estudiantes de la
Facultad de Ingeniería Estadística e Informática de la UNA - Puno 2015.
Objetivos específicos:
 Determinar los factores académicos que influyen en el Bajo Rendimiento
Académico de los Estudiantes de la Facultad de Ingeniería Estadística e
Informática de la UNA - Puno 2015.
 Determinar los factores económicos que influyen en el Bajo Rendimiento
 Determinar los factores sociales que influyen en el Bajo Rendimiento
 Determinar los factores personales que influyen en el Bajo Rendimiento
16
1.4. HIPÓTESIS DE LA INVESTIGACIÓN
Los factores académicos, hábitos de estudio y asistencia a clases y el factor
económico tenencia de vivienda influyen significativamente en el Bajo
Rendimiento Académico de los estudiantes de la Facultad de Ingeniería
Estadística e Informática de la UNA-Puno, 2015.
1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN.
La UNA-Puno mediante sus Escuelas Profesionales tienen que garantizar
una formación sólida e integral de sus estudiantes, la Escuela Profesional
de Ingeniería Estadística e Informática tiene que cumplir con las
expectativas del mercado laboral de la región Puno y, determinar los
factores de influencia en el bajo rendimiento académico, es importante
porque necesitamos elevar y potenciar el rendimiento académico de los
alumnos y así mismo, la calidad de formación profesional, la mismo que
debe estar relacionada con el perfil profesional y cumplir con la acreditación
Universitaria.
El resultado de la investigación constituye una importante información para
las autoridades de la Facultad, las cuales tendrán que diseñar estrategias
de trabajo conjunto entre sus docentes, estudiantes y administrativos con
el fin de solucionar esta problemática. En el estudiante, tendrá una
repercusión práctica porque aportará información que servirá de material
de reflexión, donde los estudiantes tendrán la oportunidad de analizar los
factores que intervienen en su rendimiento académico.
17
1.6. LIMITACIONES DE LA INVESTIGACIÓN
La presente investigación tuvo un tiempo calendario considerando 2 fechas
para la recolección de datos (seguimiento de las unidades muestrales), por
lo que se tomaron en cuenta las mismas unidades en las dos fechas de
aplicación de la encuesta.
18
CAPÍTULO II
MARCO TEÓRICO
2.1. ANTECEDENTES DE LA INVESTIGACIÓN
 Ccallo (2015). Llegó a la conclusión de que los factores escolares que
influyen significativamente en el rendimiento académico de los
estudiantes en el área de matemática son: la motivación del estudiante
por aprender el curso de matemática (Motivado a veces), Horas de
práctica de ejercicios de Matemática (Horas de práctica), La edad del
estudiante (Edad).
 Vivar (2013). Llegó a la conclusión de que el grado de correlación es
positiva y muy baja con un coeficiente de 0,012 entre la motivación para
el aprendizaje y el nivel de logro del criterio Expresión y Comprensión
Oral del área de inglés habiendo obtenido el 48,1% de los estudiantes
del primer grado de secundaria de la institución educativa “Fe y Alegría
Nº 49”-Piura calificativos de 11 a 13, resultando su aprendizaje en
proceso. Para mejorar este resultado se pudo desarrollar más
19
profundamente las capacidades de comprensión y producción de
textos lo cual implica el desarrollo de dos habilidades (listenig-
speaking). Proceso que se relaciona a la vida cotidiana del entorno
familiar y social del estudiante en diversas situaciones comunicativas.
 Peralta (2012). Llegó a la conclusión de que existe relación significativa
entre hábitos de estudio y rendimiento académico, esta precisada por
la mayoría de los estudiantes del quinto semestre de la carrera
profesional de Ingeniería de Sistemas e Informática de la Universidad
Tecnológica de los Andes-Abancay, quienes resultaron con la menor
presencia de hábitos de estudio evidenciando un bajo rendimiento
académico, por lo que se puede afirmar que a menor presencia de
hábitos de estudio se obtendrá menores resultados académicos y a
mayor hábitos de estudio mayor rendimiento académico.
 Tito (2009). Llegó a la conclusión de que los factores económicos y
sociales que influyen en el rendimiento académico de los alumnos son:
lugar de alimentación, ocupación de los padres, cuando el alumno
trabaja, mayor número de hermanos y en el nivel de aprendizaje.
 Mamani (2003). Concluyó que mediante el método de componentes
principales se obtuvieron dos componentes más representativas, la
primera denominada “economía” recoge el 37.40% de la inercia, la
segunda denominada “académica” con un 22.86% de inercia,
explicando ambas el 60.26%de la variabilidad total.
 Ascencio (2000). Llegó a la conclusión, que los factores sociales,
económicos y culturales ejercen influencia en el rendimiento académico

20
de los estudiantes, siendo considerados dentro de estos la edad, lugar
de procedencia, tipo de colegio particular o estatal, tipo de preparación
universitaria, el factor académico y el silabo desde un enfoque
académico curricular, el rendimiento académico con respecto a su
promedio ponderado; el factor económico tiene una importante
implicancia en el rendimiento académico ya que afecta de diversas
formas a la calidad de la formación preuniversitaria, a la disponibilidad
de recursos y herramientas y de la tranquilidad emocional del
estudiantes y su entorno familiar inmediato.
2.2. BASE TEÓRICA
2.2.1. DEFINICIONES Y TEMAS RELACIONADOS
RENDIMIENTO ACADÉMICO
El rendimiento académico es una medida de las capacidades o indicativas
frente a estímulos educativos que manifiestan, en forma estimativa, lo que
una persona ha aprendido según objetivos o propósitos educativos pre
establecidos en los programas oficiales de estudio. Estos objetivos son
establecidos por el grupo social al que pertenece; este fija los niveles
mínimos de aprobación ante un determinado cúmulo de conocimientos o
aptitudes (Carrasco, 1985 citado en Miranda & Andrade, 2000).
El rendimiento académico es la suma de diferentes y complejos factores
que actúan en la persona que aprende, y ha sido definido con un valor
atribuido al logro del estudiante en las tareas académicas. Se mide
mediante calificaciones obtenidas, con una valoración cuantitativa, cuyos
21
resultados muestran las materias ganadas o perdidas, la deserción y el
grado de éxito académico (Pérez, Ramón, Sánchez 2000, Vélez Van, Roa
2005).
Las notas obtenidas, como un indicador que certifica el logro alcanzado,
son un indicador preciso y accesible para valorar el rendimiento académico,
si se asume que las notas reflejan los logros académicos en los diferentes
componentes del aprendizaje, que incluyen aspectos personales,
académicos y sociales (Rodríguez, Fita, Torrado 2004).
ESCALA DE MEDICIÓN DEL RENDIMIENTO ACADÉMICO
Las escalas y tipos de calificación del reglamento de gestión académica y
administrativa de la UNA Puno 2015 son de tipo numérica descriptiva
escala cuantitativa – cualitativa para determinar el logro de las
competencias además una nominación literal, la cual se utilizara para
efectos de esta investigación:
Tabla 1:
Escala de Calificación de los Aprendizajes en la UNA-PUNO
Calificación Apreciación
Nivel logro de competencia
Cuantitativa Cualitativa
18-20 Excelente Logra eficazmente la competencia
14-17 Bueno Logra la competencia de forma aceptable
11-13 Regular Logro de la competencia está el proceso
00-10 Deficiente No logra la competencia
Fuente: Reglamento de Evaluación del Aprendizaje 2015 – UNA PUNO
22
FACTORES PERSONALES
Todo ser humano tiene la necesidad, responsabilidad de estudiar y
prepararse para enfrentar los retos de la vida. Es muy importante tener
conciencia plena de este privilegio que tenemos de poder dedicar nuestra
vida a algo productivo, en esto se tiene muy en cuenta las actitudes
personales que tengan los educandos en el proceso de enseñanza-
aprendizaje. Estas se manifiestan en estados emocionales y situacionales
que varían de acuerdo a la maduración y las experiencias de aprendizaje
del individuo.
Las actitudes predisponen al individuo a actuar de manera positiva o
negativamente ante diferentes estímulos o circunstancias. Las actitudes
que aprende una persona por cualquier medio, influyen en su
comportamiento de acercamiento y evasión hacia las demás personas,
eventos e ideas y también en sus conceptos sobre el mundo físico y social.
Las actitudes no son estáticas por si solas, por el contrario, pueden
modificarse. Ejemplo: Se puede tener cierta inclinación hacia un maestro,
materia o amistad y por cierto motivo rechazarlo después. Si enfrentas con
entusiasmo la actividad de estudio al considerarla interesante y útil es muy
probable que el estudio adquiera propiedades positivas.
Si la actitud de un estudiante es generalmente positiva, concentrará la
atención en los aspectos estimulantes y satisfactorios de la actividad
académica; si la actitud es negativa, se concentrará en los aspectos
desagradables. El pensar positivamente hará que la escuela sea una
experiencia estimulante e incitante; Pensar hará que la escuela sea como
23
una carga aburrida y sin recompensas. La propia actitud hacia los estudios
es un factor crucial, que determinará si se hace o no el esfuerzo necesario
para adquirir la perseverancia y los hábitos de estudio necesarios para
obtener el éxito.
FACTORES ACADÉMICOS
Al haber una conciencia generalizada sobre el valor de la educación, habrá
exigencia por aspirar a una enseñanza de calidad como meta óptima para
alcanzar el desarrollo sustentable y lograr una sociedad justa.
Una educación de calidad requiere, por ende, cambios sustanciales a las
formas convencionales de cómo se ha venido abordando ésta y tendrá que
hacerse desde metodologías pedagógicas que hayan demostrado su
eficacia; así vemos como en estas prácticas educativas también ha habido
la necesidad de adecuar estrategias facilitadoras del proceso enseñanza-
aprendizaje.
Además, cabe recalcar que tanto como el docente y estudiante debe contar
con propios recursos académicos como libros, revistas, acceso a las
tecnologías de la información y por ende su práctica y utilización debida
para de esa forma poder establecer una estrecha relación con un
aprendizaje significativo.
FACTORES SOCIALES
Factores sociales son aquellos que tienen que ver con la relación de una
persona, en primer lugar con su medio más cercano como la familia, luego
24
está su entorno inmediato: la comunidad, el barrio, la escuela, los medios
de comunicación y otros (Encarta, 2005).
Factor social viene a ser el aspecto que permite adquirir actitudes,
conductas, comportamientos y costumbres para el mejoramiento y
desarrollo integral de la persona que le permita mejorar sus relaciones y
actividades con otras personas.
FACTORES ECONÓMICOS
Según el Diccionario Terminológico de Investigación Educativa (1996), el
término factor se conceptualiza como la condición que genera un
acontecimiento y según el diccionario Larousse (2006) indica que factores
económicos son todos aquellos bienes materiales que satisfacen las
necesidades de una persona, una familia, una institución. Cantidad de
dinero que una familia puede gastar en un periodo determinado sin
aumentar ni disminuir sus activos netos; como también son fuentes de
ingresos económicos, sueldos, salarios, dividendos, ingreso por intereses,
pagos de transferencia, alquileres y demás. (Diccionario de Economía,
2003).
HÁBITOS DE ESTUDIO
Sinónimo de costumbre y significa una disposición permanente a funcionar
en determinada forma y a ejecutar conductas con mayor aplomo y facilidad.
“Sin embargo, no se debe confundir el hábito con la rutina, ni con la
costumbre, ya que la primera es una degeneración del hábito y la segunda
25
tiene un carácter de generalidad, el hábito es individual” (Jaimes y Reyes,
2008: 20).
De la misma manera, Meneses citado por Jaimes y Reyes (2008) conciben:
El valor de los hábitos para la eficiencia personal es inconmensurable,
simplifica la acción y reduce la necesidad de estar atendiendo detalles. El
éxito depende del buen juicio de los individuos, de su constancia y de una
motivación fuerte y verdadera; los hábitos se fortalecen con la práctica
constante de ellos y en circunstancias que conducen a su robustecimiento
(Jaimes y Reyes, 2008: 20).
Por lo tanto, el hábito de estudio representa para la vida académica un
factor preponderante para alcanzar el éxito académico. Puede ser definido
como la aplicación de métodos y actitudes que facilitan la adquisición de
conocimientos cada vez más complejos.
CARACTERÍSTICAS DE UN ESTUDIANTE IDEAL
Los alumnos buscan en sus docentes características, que en conjunto con
las propias, facilite su aprovechamiento en los cursos que les importen. De
la misma manera los docentes buscan en sus alumnos tengan ciertas
características para el buen desarrollo de sus cursos. Un estudiante debe
cumplir las siguientes características para llegar a ser un buen estudiante.
1. Tiene interés por la materia y reconoce la importancia de su
aprendizaje.
2. Tiene alto sentido de la responsabilidad.
26
3. Sabe organizar su tiempo y lleva una vida equilibrada.
4. Dedica a la materia el tiempo que le demanda.
5. Es atento a lo expresado por los demás.
6. Participa activamente tanto en la clase como fuera de ella en
actividades que benefician su aprendizaje.
7. Sabe expresar sus ideas.
8. Sabe preguntarse sobre lo que se debe aprender de la materia.
9. Tiene habilidad para la toma de notas.
10. Tiene capacidad de síntesis.
11. Sabe adelantarse a los acontecimientos.
12. Sabe lo que se debe hacer antes, durante y después de los exámenes.
13. Sabe evaluar objetivamente su desempeño y sabe exigirse
personalmente.
14. Es respetuoso con su conocimiento, con sus compañeros y con su
profesor.
15. Son conscientes de la importancia del cambio.
MUESTREO ALEATORIO ESTRATIFICADO
El muestreo aleatorio estratificado se usa cuando se tiene una población
con mucha variabilidad. Cuando esto sucede los sujetos deben ser
27
agrupados de manera homogénea dando lugar a agrupaciones llamadas
estratos. Este proceso hace que dentro de los estratos los sujetos son
homogéneos y entre estratos los sujetos son heterogéneos.
Por tanto la población estará formada por 𝐿 estratos, cada uno de tamaño
𝑁ℎ y de cada uno de ellos se tendrá que tomar una muestra de tamaño 𝑛ℎ ,
en tota existen 𝐿 estratos. Donde:
𝑁 = 𝑁1 + 𝑁2 + 𝑁3 + ⋯ + 𝑁𝐿
𝑛 = 𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝐿
Por tanto, hay que hallar un tamaño de muestra 𝑛 y luego hay que distribuir
este tamaño para cada uno de los estratos.
El proceso para el diseño de una muestra fue:
Primero.- Dado el tamaño de la población N y los tamaños de los estratos
se halla el tamaño de muestra total considerando una aproximación,
utilizamos para ello el Muestreo Aleatorio Estratificado con Afijación óptima.
En la aproximación se halló un tamaño de muestra mediante la fórmula:

2
 L 
  Wh s h 
n0   h 1 
V
Donde:
ℎ: 1,2,3 … 𝐿
𝐿: Número total de estratos.
𝑛0 : Aproximación para el tamaño muestral.
𝑊ℎ : Ponderación para el estrato h.
28
𝑠ℎ : Desviación estándar para el estrato h.
𝑉: Varianza especificada.
𝑑2
𝑉= 2
𝑧𝛼/2
𝑛0
Si 𝑓 = 𝑛
< 0.05, 𝑛0 será nuestro tamaño de muestra definitivo, en caso
contrario se reajustará con la fórmula siguiente:
𝑛0
𝑛= 𝑛
1+ 0
𝑁
La afijación de mínima varianza o afijación de Neyman consiste en
determinar los valores de 𝑛ℎ (número de unidades que se extraen del
estrato h-ésimo para la muestra) de forma que para un tamaño de muestra
fijo igual a 𝑛 la varianza de los estimadores sea mínima. El desarrollo teórico
para obtener la expresión de la afijación en cada estrato y los estimadores
correspondientes se basa en la teoría de los multiplicadores de Lagrange
obteniéndose que el número de unidades que se extraen del estrato h-
ésimo es igual a:
Wh s h
nh  L
n
W s
h 1
h h
Donde:
𝑊ℎ : Es la ponderación del estrato h.
𝑛ℎ : Tamaño muestral correspondiente al estrato h.
29
MODELO DE REGRESIÓN MÚLTIPLE
En la mayor parte de los problemas de investigación en que se aplica el
análisis de regresión, se requiere más de una variable independiente en el
modelo de regresión. La complejidad de la mayoría de los mecanismos
científicos es tal que, con el objeto de estar en condiciones de pronosticar
una respuesta importante, se necesita un modelo de regresión múltiple.
Cuando este es lineal en los coeficientes, recibe el nombre de modelo de
regresión lineal múltiple.
Es decir, la regresión múltiple implica el uso de más de una variable
independiente para predecir una variable dependiente.
Un modelo de regresión múltiple es formulado:
y  0  11  2  2  ...  k  k   (1)
Donde y es la respuesta y 1 ,...,  k son los regresores. Se usa el término
lineal porque la ecuación es una función lineal de los parámetros
desconocidos 0 , 1 ,..., k .Los parámetros  j , j  0,1,..., k se llaman
coeficientes de regresión. El parámetro  j representa el cambio esperado
en la respuesta y por cambio unitario en xj cuando todas las demás
variables regresoras xi (i  j ) se mantienen constantes (Netter &
Wasserman, 1990).
30
ESTIMACIÓN DEL PARÁMETRO DEL MODELO
Montgomery, Peck& Vining (2006), Indican que se aplica el método de
mínimos cuadrados para estimar los coeficientes de regresión de la
ecuación (1). Supongamos que se dispone de n > k observaciones, y sea
yi la i-ésima respuesta observada, y xij la i-ésima observación o nivel del
regresor x j . Se supone que el término de error  del modelo tiene
E ( )  0,Var ( )   2 y que los errores no están correlacionados.
El modelo (1) se puede escribir:
yi  0  1 xi1  2 xi 2  ...  k xik   i i  1, 2,..., n
Matricialmente:
y  X 
Donde y es un vector de n 1 de las observaciones X es una matriz de
np de los niveles de las variables regresoras,  es un vector de p  1
los coeficientes de regresión y  es un vector de n 1 errores aleatorios.
Se desea determinar el vector ̂ de estimadores de mínimos cuadrados
que minimice:
n
S (  )    i2   '   ( y  X  ) '( y  X  )
i 1
Derivando parcialmente esta función se obtiene:
31
X ' X ˆ  X ' y
Las cuales son llamadas ecuaciones normales de mínimos cuadrados. Así
el estimador de  por mínimos cuadrados es: ˆ  ( X ' X ) 1 X ' y
El vector de valores ajustados yî que corresponden a los valores
observados yi es
ˆ  X ˆ  X ( X ' X ) 1 X ' y
y
La diferencia entre el valor observado yi y el valor ajustado î

y
correspondiente es el residual ei  yi  yî . Los n residuales se pueden
escribir matricialmente (Montgomery, Peck & Vining, 2006):
e  y  yˆ
ESTIMACIÓN DE 2
Montgomery, Peck& Vining (2006), mencionan que a partir de la suma de
cuadrados residuales se puede desarrollar un estimador de  :

2
n
SSRe s  ( yi  yî )2
i 1
n
  ei2
i 1
 e 'e
32
Se sustituye e  y  X ˆ y se obtiene
SS Re s  ( y  X ˆ ) '( y  X ˆ )
 y ' y  ˆ ' X ' y  y ' X ˆ  ˆ ' X ' X ˆ
 y ' y  2ˆ ' X ' y  ˆ ' X ' X ˆ
Como X ' X ˆ  X ' y , la última ecuación se transforma en:
SS Re s  y ' y  ˆ ' X ' y
La suma de cuadrados de residuales tiene n  p grados de libertad
asociados con ella,porque se estiman p parámetros en el modelo de
regresión.El cuadrado medio de residuales es:
SS Re s
MS Re s 
n p
Y se demuestra que el valor esperado de MSRe s es  ,por lo que un

2
estimador incesgado de  es :
2
ˆ 2  MS Re s
PRUEBA DE HIPÓTESIS EN LA REGRESIÓN LINEAL MÚLTIPLE
Montgomery, Peck& Vining (2006), Explican que, una vez estimados los
parámetros de modelo, surgen de inmediato dos preguntas:
o ¿Cuál es la adecuación general del modelo?
o ¿Cuáles regresores específicos parecen importantes?

33
Hay varios procedimientos de prueba de hipótesis que demuestran su
utilidad para contestar estas preguntas. Las pruebas formales requieren
que los errores aleatorios sean independientes y tengan una distribución
normal con promedio E ( i )  0 y una varianza Var ( i )   2
PRUEBA DE LA SIGNIFICANCIA DE LA REGRESIÓN
Montgomery, Peck & Vining (2006), sostienen que a prueba de la
significancia de la regresión es para determinar si hay una relación lineal
entre la respuesta y y cualquiera de las variables regresoras x1 , x2 ,..., xk
Este procedimiento suele considerarse como una prueba general o global
de la adecuación del modelo. Las hipótesis son:
H0 : 0  1  ...  k  0
H1 :  j  0 Al menos para una j .
El rechazo de la hipótesis nula implica que al menos uno de los regresores
x1 , x2 ,..., xk contribuye al modelo en forma significativa. El procedimiento de
prueba se realiza mediante el análisis de varianza, donde la suma total de
cuadrados SST se divide en una suma de cuadrados debido a la regresión,
SS R , y una suma de cuadrados residuales SSRes . Así:
SST  SS R  SSRe s
es cierta, entonces SS R 
2
Se demuestra que si H0 tiene una distribución
xk2 , con la misma cantidad de grados de libertad que la cantidad de variables
34
regresoras en el modelo. También se demuestra que SS Re s 
2
tiene una
2
distribución xn  k 1 y que SSRes y SS R son independientes.
El estadístico de prueba:
SS R k MS R
F0  
SSRe s (n  k  1) MSRe s
Tiene una distribución F( k ,n  k 1) .
Una fórmula de cálculo para SS R se deduce partiendo de:
SS Re s  y ' y  ˆ ' X ' y
Y ya que
2 2
 n   n 
  yi    yi 
   y ' y   i 1 
n
SST   yi 
2 i 1
i 1 n n
Se puede escribir la ecuación anterior en la forma:
 n    n  
2 2
  yi     yi  
SSRe s  y'y  i 1   ˆ ' X ' y   i 1  

n  n 
 
 
O bien
SSRes  SST  SS R
Por consiguiente, la suma de cuadrados de la regresión es:
35
2
 n 
  yi 
SS R  ˆ ' X ' y   i 1 
n
La suma de cuadrados de residuales es:
SS Re s  y ' y  ˆ ' X ' y
Y la suma total de cuadrados es:

2
 n 
  yi 
SST  y ' y   i 1 
n
El procedimiento de prueba se resume normalmente en una tabla de
análisis de varianza.
Tabla 2:
Análisis de Varianza para la Regresión Múltiple
Fuente de Grados de Suma de Cuadrado

F0
variación libertad cuadrados medio
Regresión k SSR MS R MS R M Re s
Residuales n  k 1 SSRes MS Re s
Total n 1 SST
Fuente: Montgomery, D.,& Vining, G. (2006). Introducción al Análisis de Regresión Lineal
36
PRUEBA SOBRE COEFICIENTES INDIVIDUALES DE REGRESIÓN
Montgomery, Peck& Vining (2006), mencionan que una vez determinada
que al menos uno de los regresores es importante, la pregunta lógica es
¿cuál(es) sirve(n) de ellos? Si se agrega una variable a un modelo de
regresión, la suma de cuadrados de la regresión aumenta, y la suma de
cuadrados residuales disminuye.
Se debe decidir si el aumento de la suma de cuadrados de la regresión es
suficiente para garantizar el uso del regresor adicional en el modelo. La
adición de un regresor también aumenta la varianza del valor ajustado ŷ ,
por lo que se debe tener cuidado de incluir sólo regresores que tengan valor
para explicar la respuesta, Además, si se agrega un regresor no importante
se puede aumentar el cuadrado medio de residuales, y con eso se
disminuye la utilidad del modelo.
La hipótesis para probar la significancia de cualquier coeficiente individual
de regresión, como por ejemplo  j , son:
H0 :  j  0
H1 :  j  0
Si no se rechaza H 0 :  j  0 quiere decir que se puede eliminar el regresor
x j del modelo. El estadístico de prueba para esta hipótesis es:
ˆ j ˆ j
t0  
ˆ 2c jj se( ˆ j )
37
Donde c jj es el elemento diagonal de ( X ' X )1 que corresponde a ˆ j . Se
rechaza la hipótesis nula H 0 :  j  0 sí t0  t( , n  k 1)

.
2
R2 y R2 AJUSTADO
Montgomery, Peck & Vining (2006), afirman que otras dos maneras de
evaluar la adecuación general del modelo son los estadísticos R 2 y R 2
2
Ajustado, esta última se representa por RAdj .
2
En general R aumenta siempre, cuando se agrega un regresor al modelo,
independientemente del valor de la contribución de esa variables, en
2
consecuencia, es difícil juzgar si un aumento de R dice en realidad algo
importante. Algunas personas que trabajan con modelos de regresión
2
prefieren usar el estadístico R ajustado, que se define:
SS Re s (n  p )
2
RAdj  1
SST (n  1)
SELECCIÓN DE VARIABLES Y CONSTRUCCIÓN DEL MODELO
En esta parte nuestro enfoque consiste en considerar las técnicas que nos
aseguren que la forma funcional del modelo es la correcta y que no se
violen las suposiciones básicas. En algunas aplicaciones, las
consideraciones teóricas o la experiencia pueden ayudar a seleccionar los
regresores que se van a usar en el modelo. Sin embargo, en la mayoría de
los problemas prácticos el analista tiene un grupo de regresores
candidatos, que deberían incluir a todos los factores influyentes, y debe
determinar el subconjunto real de regresores que debe usarse en el

38
modelo. La definición de un subconjunto adecuado de regresores para el
modelo es lo que se llama problema de selección de variables.
La construcción de un modelo de regresión que sólo incluya un subconjunto
de regresores disponibles implica dos objetivos compuestos:
1) Se desea que el modelo incluya tantos regresores como sea
posible, para que el contenido de información en ellos pueda influir sobre
el valor predicho de y .
2) Se desea que el modelo incluya los menos regresores que sea
posible, porque la varianza de la predicción ŷ aumenta a medida que
aumenta la cantidad de regresores. También, mientras más regresores
haya en un modelo, los costos de recolección de datos y los de
mantenimiento del modelo serán mayores. El proceso de encontrar un
modelo que sea un término medio entre los dos objetivos se llama
“selección de la mejor ecuación de regresión”.
El análisis de residuales útil para revelar formas funcionales de regresores,
que se debieran investigar, o para señalar nuevos regresores candidatos.
Ninguno de los procedimientos de selección de variables tiene garantía de
producir la ecuación de regresión óptima para un determinado conjunto de
datos, de hecho, en general no hay una sola ecuación óptima, sino más
bien varias igualmente buenas.
39
REGRESIÓN STEPWISE
La regresión stepwise, forma una secuencia de regresiones agregando o
eliminando variables independientes en cada etapa, el criterio para agregar
o eliminar una variable puede ser en base a estadísticas F* o en base a
coeficientes de correlaciones parciales. El procedimiento se puede resumir
en los siguientes:
1. Se calculan todas las regresiones simples para cada una de las k  1
variables independientes potenciales. Para cada una de las ecuaciones
de regresión simple se obtiene la estadística:
MSR( X k )
F* 
MSE( X k )
La variable independiente con el mayor valor F* es considerada, si este
valor F* excede a un nivel predeterminado, la variable independiente
debe ser considerada en la regresión, de otra manera el programa
termina, considerándose que ninguna variable independiente brinda la
suficiente ayuda como para ser considerada en el modelo de regresión.
2. Supongamos que x7 fue la variable independiente considerada para
entrar en la primera etapa la rutina de regresión stepwise ahora calcula
todas las regresiones con dos variables independientes donde x7 es una
de ellas. Para cada una de tales regresiones se calcula la estadística.
MSR( X k
F* 
X7 )
MSE( X k X7 )
40
Esta es la estadística que se utiliza para probar H 0 : k  0 cuando x7
y xk son variables independientes del modelo, las variables
independientes con el mayor valor F* es considerada en la segunda
etapa. Si este valor F* excede a un nivel predeterminado se tiene una
segunda variable a ser introducida en el modelo, de otra manera el
programa termina.
3. Supongamos que x3 fue la variable que es agregada en un segundo
paso, ahora la rutina stepwise examina si cualquiera de las otras
variables independientes que ya están en el modelo deben ser
eliminadas. En nuestra ilustración hay hasta en esta etapa solamente
una variable independiente en el modelo x7 , de manera que solamente
la estadística:
MSR( X 7
F* 
X3 )
MSE( X 7 X3 )
Debe ser estimada.
En las últimas etapas habrá un numero mayo de estadísticos F* para
cada uno de las variables en el modelo en la última que ha sido
considerada, la variables para el cual este valor F* cae debajo de un
límite predeterminado, la variable independiente debe ser eliminada del
modelo, en caso contrario debe ser retenida.
41
4. Supongamos que x7 fue retenida de manera que ambas x3 y x7 están
consideradas en el modelo, ahora la rutina stepwise examina que
variable independiente es la próxima candidata a ser agregada, lo
examina cuál de las variables independientes que ya están en el modelo
deben ser eliminadas y así sucesivamente hasta que no exista variable
independiente que pueda ser introducida o eliminada en este punto la
búsqueda termina.
VALIDACIÓN DEL MODELO
Gran parte de los procesos estadísticos para su buena aplicación hacen
uso de algunas suposiciones estadísticas, estas suposiciones son de
mucha importancia porque determinará el éxito o el fracaso del
procedimiento estadístico aplicado, para la valides en la aplicación y
elaboración de pronósticos con la ecuación de regresión lineal.
ESPECIFICACIÓN DEL MODELO
De todos los supuestos, este es el más riguroso y quizás el menos atractivo.
Una investigación econométrica parte de la especificación del modelo
econométrico en el que se basa el fenómeno que se está analizando.
Algunas preguntas importantes que surgen al especificar un modelo son:
¿cuál es la forma funcional del mismo, lineal en las variables o en los
parámetros, o en ambos? ¿Cuáles son los supuestos probabilísticos que
se hacen sobre las respuestas, los regresores y los errores que se incluyen
en el modelo?
42
Al omitir del modelo variables importantes al escoger la forma funcional
incorrecta o al plantear supuestos estocásticos equivocados sobre las
variables del modelo, será muy cuestionable la validez de la interpretación
que se dé a la regresión estimada.
MULTICOLINEALIDAD
Montgomery, Peck& Vining (2006), Se sospecha que la colinealidad está
presente en situaciones en que R2 es alto (por ejemplo: 0.7 y 1.0) y cuando
las correlaciones de orden cero son altas y a la vez ninguno o pocos de los
coeficientes de regresión parcial son individualmente significativos, con
base en la prueba “t” convencional. Si él R 2 es alto, quiere decir que la
prueba F del ANVA, en la mayoría de los casos se rechazará la hipótesis
nula de que el valor verdadero de todos los coeficientes parciales de la
pendiente sea simultáneamente cero, independientemente de la prueba t.
Para la detección de la multicolinealidad usaremos el factor de inflación
de varianza (VIF).
La idea de VIF es sencilla de entender. A medida en que es mayor la
multicolinealidad presente en uno de los regresores del modelo, la varianza
de su coeficiente comienza a crecer porque el denominador de la formula
se hace más chico. Es decir, La multicolinealidad “infla” la varianza del
coeficiente.
1
 Formalmente: VIFj 
1  R 2j
43
 Se observa claramente que el VIF se define como el inverso de la
tolerancia.
 El VIF tomara valores entre un mínimo de 1 o esta aproximado cuando
no hay ningún grado de multicolinealidad y no tendrá límite superior por
definición en el caso de multicolinealidad perfecta.
EL FACTOR VIF (FACTOR DE VARIANZA INFLACIONARIA)
Montgomery, Peck& Vining (2006), Para cada término del modelo mide el
efecto combinado que tienen las dependencias entre los regresores sobre
la varianza de ese término. Si hay uno o más VIF grandes hay
multicolinealidad la experiencia indica que si cualquiera de las VIF es mayor
de 5 o 10 es indicio de que los coeficientes asociados de regresión están
mal estimados debido la multicolinealidad.
NORMALIDAD
La regresión lineal múltiple supone que cada  i está distribuido
normalmente con media 0 y varianza constante 2 y con una correlacione
de los errores igual a cero y con covarianza igual a cero.
HOMOCEDASTICIDAD
Netter & Wasserman (1990), afirman que un supuesto importante del
modelo de regresión lineal clásico consiste en que las perturbaciones o
errores de la función de regresión poblacional son homocedásticas, esto
es, que todas tienen la misma varianza.
44
Cuando existe heterocedasticidad los estimadores mínimos cuadráticos
son insesgados y consistentes, mas no eficientes; es decir las varianzas de
las estimaciones de los parámetros no son las varianzas mínimas.
Anderson, L, Hair, F, Tatham E. & Black C, (1999), mencionan que la
prueba de homocedasticidad de dos variables métricas se evalúa mejor
gráficamente. La aplicación más común de esta forma de evaluación se
produce en la regresión múltiple, en relación con la dispersión de la variable
dependiente a lo largo de las variables independientes métricas. Dado que
el eje del análisis de las regresiones el valor teórico, el grafico de residuos
se usa para revelar la presencia de homocedasticidad (o su opuesto,
heterocedasticidad, desigual dispersión de la varianza).
Análisis gráfico de la Homocedasticidad.- consiste en preparar un
diagrama de dispersión para los errores al cuadrado en el eje de las
ordenadas, y los valores pronosticados ( yi ) en el eje de las abscisas. Si la
nube de puntos presenta un patrón tendencial, se dice que existe
heterocedasticidad, en caso contrario existirá homocedasticidad”.
AUTOCORRELACIÓN
Netter & Wasserman (1990), un supuesto importante del modelo lineal
clásico, es que no existe autocorrelación o relación serial entre los errores.
Si se viola este supuesto tenemos el problema de correlación serial o
autocorrelación.
La autocorrelación se presenta por diferentes razones, como por ejemplo,
la inercia de la mayoría de las series económicas de tiempo, el sesgo de
45
especificación que resulta de excluir algunas variables relevantes del
modelo o de la utilización de una forma funcional incorrecta, la exclusión de
variables rezagadas y la manipulación de datos.
Aunque los estimadores mínimo cuadráticos, continúan siendo insesgados
y consistentes en presencia de correlación, ellos dejan de ser eficientes.
Como resultado, las pruebas de significancia usual t y F no pueden
aplicarse legítimamente.
Para determinar si los errores están correlacionados, se utilizara la prueba
Durbin-Watson, para lo cual se seguirá el procedimiento siguiente:
H 0 : No hay correlación serial positiva.
H1 : Hay autocorrelación positiva.
Calculamos el estadístico Durbin-Watson “ d ”
 (e  et t 1 )2
d t 1
n
0d 4
 et2
t 1
Para un n dato y k (número de variables independientes) vamos a la tabla
y elegimos un valor du (superior) y dl (inferior).
46
Tabla 3:
Decisión para Durbin-Watson
Hipótesis nula Decisión Si
No autocorrelación positiva Rechazar 0  d  dl
No autocorrelación negativa
No tomar
decisión
dl  d  d u
No correlación negativa Rechazar 4  dl  d  4
No correlación negativa
No tomar
decisión
4  du  d  4  dl
No autocorrelación positiva o
negativa
No rechazar du  d  4  du
Fuente: NETTER,J.& WASSERMAN,W.(1990).Applied Linear Statistical Models
Si los valores muestrales de d son superiores a 2, probamos la existencia
de autocorrelación negativa considerando (4  d ) en lugar de d ,
análogamente al caso anterior.
LINEALIDAD
Pérez López (2008), La linealidad es un supuesto implícito en todas las
técnicas multivariantes basadas en medidas de correlación (regresión
múltiple, regresión logística, análisis factorial, etc.). Como los efectos no
lineales nunca están representados en el valor de la correlación, su
presencia tendría efectos nocivos en el modelo multivariante.
La no linealidad se resuelve tomando como modelo multivariante el modelo
no lineal que se detecte que ajusta mejor las variables en estudio. El
análisis gráfico permite detectar qué tipo de no linealidad puede estar
presente en nuestros datos.
47
Los gráficos de dispersión de las variables con secuencias no lineales y
los gráficos residuales con falta de aleatoriedad permiten detectar la falta
de linealidad, simplemente observando su forma. Si aparecen secuencias
no lineales de puntos en los gráficos de dispersión, tendremos problemas
de falta de linealidad. Lo mismo ocurre si aparecen secuencias no
aleatorias en los gráficos residuales.
2.3. MARCO CONCEPTUAL
2.3.1. DEFINICIONES Y TEMAS RELACIONADOS
Factores: Entendemos por factores a aquellos elementos que pueden
condicionar una situación, volviéndose los causantes de la evolución o
transformación de los hechos. Un factor es lo que contribuye a que se
obtengan determinados resultados al caer sobre él la responsabilidad de la
variación o de los cambios y estadísticamente es considerada como la
variable dependiente.
Rendimiento: El rendimiento se refiere al fruto o utilidad del trabajo o el
esfuerzo de una persona en relación con lo que cuesta, con lo que gasta,
con lo que en ello se ha invertido, etc.
Rendimiento Académico: El rendimiento académico hace referencia a la
evaluación del conocimiento adquirido en el ámbito escolar, terciario o
universitario. Un estudiante con buen rendimiento académico es aquel que
obtiene calificaciones positivas en los exámenes que debe rendir a lo largo
de una cursada. En otras palabras, el rendimiento académico es una
medida de las capacidades del alumno, que expresa lo que éste ha
48
aprendido a lo largo del proceso formativo. También supone la capacidad
del alumno para responder a los estímulos educativos. En este sentido, el
rendimiento académico está vinculado a la aptitud.
Influencia: La influencia es la acción y efecto de influir. Este verbo se
refiere a los efectos que una cosa produce sobre otra (por ejemplo, el viento
sobre el agua) o al predominio que ejerce una persona.
La Alimentación: Es la ingestión de alimento por parte de los organismos
para proveerse de sus necesidades alimenticias, fundamentalmente para
conseguir energía y desarrollarse. La alimentación tiene que ser una de las
principales preocupaciones del ser humano. La alimentación debe ser, por
sobre todas las cosas balanceada y nutritiva.
Internet: Internet es una red de ordenadores conectados en toda la
extensión del Globo Terráqueo, que ofrece diversos servicios a sus
usuarios como pueden ser el correo electrónico, el chat, Libros virtuales,
conferencias virtuales, educación virtual y muchos servicios. Todos los
servicios que ofrece Internet son llevados a cabo por miles de ordenadores
que están permanentemente encendidos y conectados a Internet,
esperando que los usuarios les soliciten los servicios y sirviéndolos una vez
son solicitados.
Material bibliográfico: El material bibliográfico es todo material escrito e
impreso, desde el cual se maneje alguna información de interés, el cual
puede ser almacenado de manera bibliográfica para hacer referencia del
mismo y para su fácil manejo.
49
Son todas las series de referencias sean nombres, páginas y autores,
títulos de algo que se ha leído es decir el material bibliográfico puede ir
desde una revista, un libro o hasta una dirección web.
50
2.4. OPERACIONALIZACIÓN DE LAS VARIABLES
Tabla 4:
Operacionalización de Variables
VARIABLES DIMENSION INDICADOR MEDICIÓN
NOTA
VARIABLE
DEPENDI
PROMEDIO
ENTE
 Nota [0-20]
PONDERADO
SEMESTRAL
Semestre  Del IV semestre al X semestre
Demográficos Edad  [16-35]
Sexo  Masculino  Femenino
Forma de elección de la
 Por vocación  Por oportunidad
carrera
Asistencia a clases  Mayor al 70%  Menor al 70%
Horas dedicadas al estudio  Nro. De horas/día
Calidad de metodología de
 Buena  Mala
enseñanza de los docentes
Académico Acceso al material
 Si  No
bibliográfico
Estudio de carrera paralela  Si  No
FACTORES DE INFLUENCIA EN EL RENDIMIENTO ACADÉMICO
Horas de uso de internet para

 Nro. De horas/día
labores académicas
 Positivo  Tendencia negativa
Hábitos de estudio  Tendencia Positiva  Negativa
 Muy negativa
Apoyo económico de los
VARIABLE INDEPENDIENTE
 Si  No
padres
El apoyo es suficiente  Si  No
Económico
Trabaja  Si  No
Tenencia de vivienda (durante la
semana de estudio)
 Casa propia  Casa Alquilado
Situación de  Con padres  Solo
convivencia(durante la
semana de estudio)  Con familiares  Otros
Servicios Básicos  Si  No
Calidad de alimentación  Buena  Mala
 Superior no
 Sin nivel
Social Nivel educativo del Padre y universitaria
de la Madre  Primaria  Superior universitaria
 Secundaria
 Nro. De integrantes de la familia hasta el 1er
Tamaño familiar
grado de consanguinidad
Sexo del jefe del hogar  Masculino  Femenino
Apoyo moral de su familia  Si  No
Práctica de deportes  Nro. de horas/día
Horas que duerme  Nro. de horas que duerme
Diversión adicional a sus
Personal  Juegos de internet  Diversión
estudios
Consumo de bebidas
 Si  No
alcohólicas
Tiene enamorado(a)  Si  No
Fuente: Elaborada por la autora 2015.
(*) Se realizará una Ficha técnica “Inventario de hábitos de estudio Autor: Luis Vicuña Peri -2005 “
Ámbito de aplicación: jóvenes de nivel secundario y superior.
51
CAPÍTULO III
MATERIALES Y MÉTODOS
3.1. POBLACIÓN
La población estuvo definida por los estudiantes con Bajo Rendimiento
Académico del cuarto al décimo semestre que se encontraban matriculados
en el semestre 2015-II de la Escuela Profesional de Ingeniería Estadística
e Informática de la UNA Puno (promedio ponderado semestral menor a
13.99 puntos).
3.2. MUESTRA
Para la determinación del tamaño muestra se utilizó el muestreo aleatorio
estratificado con afijación óptima, tomando como parámetro el promedio
ponderado semestral con una confianza del 95% y un error del 5% de la
media muestral. Para el cálculo de la varianza en cada uno de los estratos
se aplicaron una muestra piloto 40 Estudiantes, resultados que se muestran
en la Tabla Nº 5.
52
Se utilizó como primera aproximación al tamaño muestral la fórmula:
2
 L 
  Wh s h 
n0   h 1 
V
Donde:
𝐿: Número total de semestres.
𝑛0 : Primera aproximación para el tamaño muestral.
𝑊ℎ : Ponderación para el h-ésimo semestre.
𝑠ℎ : Desviación estándar para la muestra del h-ésimo semestre (obtenido
de la muestra piloto).
𝑉: Varianza especificada.
Donde la 𝑉 se obtiene de lo siguiente:
d2 L
V  y st   Wh y h d  % y st
Z 2 2 h 1
𝑑: Es el margen del error.
𝑍: Valor de la distribución normal (   0.05 ).
yst : Promedio de la muestra estratificada.
yh : Promedio para la muestra del h-ésimo semestre.

𝑛𝑜
Si < 0.05, entonces, el tamaño de muestra será 𝑛0 , en caso contrario
𝑁
se corrige usando:
𝑛0
𝑛= 𝑛
1 + 𝑁0
Para la afijación de la muestra:
Wh s h
nh  L
n
W s
h 1
h h
53
𝑛ℎ : Número de estudiantes del semestre h.
Tabla 5:
Resultados de la Muestra Piloto
SEMESTRE 𝑵𝒉 𝑾𝒉 ̅𝒉
𝒚 𝒔𝒉
Cuarto Semestre 32 0,211 9,6325 7,9001987
Quinto Semestre 24 0,158 6,1175 8,8905875
Sexto Semestre 24 0,158 8,85708333 8,7161682
Séptimo Semestre 18 0,118 7,99 8,9451069
Octavo Semestre 25 0,164 9,886 7,8770814
Noveno Semestre 15 0,099 8,29733333 8,9781967
Décimo Semestre 14 0,092 11,6621429 6,429092
TOTAL 152 1
Fuente: Elaborada por la autora 2015.
Calculando la varianza especificada:
7
yst   ((0.211 9.6325)  (0.158  6.1175)  ...  (0.092 11.6621429))
h 1
yst  8.85743421 d  0.05  8.85743421  0.44287171

(0.44287171) 2
V  0.19613535
1.962
54
Cálculo de la primera aproximación para el tamaño muestral:
((0.211 7.9001987)  (0.158  8.8905875)  ...  (0.092  6.429092))

2
n0 
0.19613535
n0  349.250184
Como 𝑓 = 349.250184⁄152 = 2,29769857 > 0.05 se reajustó el tamaño de
muestra como sigue:
𝑛0 349.250184
𝑛= 𝑛0 = = 105,907249 ≅ 106
1 + 𝑁 1 + 349.250184
152
Por lo tanto se trabajó con 106 estudiantes que tienen un Bajo Rendimiento
Académico de la Facultad de Ingeniería Estadística e Informática, a los
cuales se realizó el seguimiento respectivo.
Los tamaños muestrales para los estratos son calculados a través de la
siguiente fórmula:
Wh s h
nh  L
n
W s
h 1
h h
Reemplazando se obtiene los siguientes tamaños muestrales por
semestre.
55
Tabla 6:
Distribución de los Tamaños Muestrales por Estrato
SEMESTRE ACADÉMICO TOTAL TAMAÑO MUESTRAL
Cuarto Semestre 32 21
Quinto Semestre 24 18
Sexto Semestre 24 17
Séptimo Semestre 18 14
Octavo Semestre 25 17
Noveno Semestre 15 11
Décimo Semestre 14 8
TOTAL 152 106
Fuente: Encuesta piloto aplicada por la investigadora.
La selección de las unidades muestrales en cada estrato se obtuvo
aleatoriamente, utilizando la tabla de números aleatorios.
3.3. MÉTODO DE RECOPILACIÓN DE DATOS
3.3.1. Método de recolección de la información
Recolección de variables de interés:
Para la recolección de las variables: semestre, edad, sexo, forma de
elección de la carrera, porcentaje de asistencia a clases, horas dedicadas
al estudio, calidad de la enseñanza de los docentes, calidad de la

56
metodología del docente, material bibliográfico, apoyo económico de los
padres, gasto en su educación, trabaja, situación de convivencia, propiedad
de residencia, servicios básicos, nivel de alimentación, nivel educativo del
padre, nivel educativo de la madre, tamaño familiar, sexo del jefe del hogar,
práctica de deportes, apoyo moral de su familia, horas que duerme,
diversión adicional a sus estudios, consumo de bebidas alcohólicas, tiene
enamorada(o), horas de uso de internet para labores académicas de
interés, se utilizó un cuestionario elaborado para esta investigación (Anexo
Nº 01) y para recolectar la variable hábitos de estudio, se utilizó un test
elaborado por el Dr. Luis Vicuña Peri (Anexo Nº 02).
Para el rendimiento académico:
La información del rendimiento académico de los estudiantes se extrajo de
la coordinación académica de la Facultad de Ingeniería Estadística e
Informática de la UNA Puno.
3.4. MÉTODO DE TRATAMIENTO DE DATOS
Una vez obtenidos los datos a través de los cuestionarios de investigación,
se analizó los datos cualitativos y cuantitativos, y posteriormente se
seleccionó el modelo correspondiente de regresión múltiple con sus
respectivos análisis para poder determinar e identificar los factores que
influyen en el Bajo Rendimiento Académico de los Estudiantes de la
Facultad de Ingeniería Estadística e Informática de la UNA – Puno 2015.
57
3.4.1 Método de análisis de datos
En el procesamiento de la información se utilizaron los siguientes
programas:
 SPSS Versión 24.0
 Statgraphics versión 6.1
 Microsoft Excel 2010
3.4.2 Regresión Múltiple
El objetivo de este es relacionar una variable de respuesta con un conjunto
de variables predictores, utilizando un modelo de regresión múltiple.
3.4.3 Variables Dummy
Se usa para determinar la relación entre variables cualitativas
independientes y una variable dependiente, entonces se crea las variables
dicótomas. Para identificar cuantitativamente las clases de una variable
cualitativa, en donde para este estudio se empleara 0 y 1:
1: alternativas marcadas en cada una de las preguntas
0: alternativas no marcadas en cada una de las preguntas
3.4.4 Método de Regresión Múltiple
El modelo de regresión múltiple es de la siguiente forma:
yi  0  1 x1i  2 x2i  3 x3i   4 x4i  5 x5i  6 x6i  7 x7i  8 x8i  9 x9i  10 x10i  11 x11i  12 x12i
 13 x13i  14 x14i  15 x15i  16 x16i  17 x17i  18 x18i  19 x19i   20 x20i   21x21i   22 x22i   23 x23i
 24 x24i   25 x25i   26 x26i   27 x27i  28 x28i   29 x29i  30 x30i  31x31i  
58
Donde:
yi : Representa la nota del promedio ponderado semestral del i-ésimo
alumno.
h : Parámetros a estimar.
X hi : Factores en estudio. Es el h-ésimo semestre del i-ésimo alumno.
3.4.5 Modelo Reducido
Para obtener el método de mínimos cuadrados ordinarios para los
coeficientes de regresión del modelo fue escrito matricialmente como:
y  X   i
Donde los  es un vector de parámetros correspondientes en el modelo
reducido.
59
CAPÍTULO IV
RESULTADOS Y DISCUSIONES
4.1. ANALISIS DESCRIPTIVO
Descripción de variables cuantitativas
En la siguiente tabla se observa las estadísticas descriptivas de la variable
dependiente en estudio.
Tabla 7:
Cálculos de Medidas de la Nota del Promedio Ponderado Semestral
de los Estudiantes con Bajo Rendimiento Académico de la FINESI
UNA-Puno 2015
Media Desv. Típ. Mínimo Máximo
Nota del promedio

8.770 2.3334 5.05 12.95
ponderado semestral
Fuente: cuadro de méritos [2015-II] facultad de Ingeniería Estadística e Informática
60
INTERPRETACIÓN DEL RESULTADO: Según la Tabla N° 7.
 Nota promedio:
El promedio de las notas del promedio ponderado semestral de los
estudiantes con Bajo Rendimiento Académico de la Facultad de Ingeniería
Estadística e Informática es 8.77, así como la mínima nota del promedio
ponderado semestral es de 5.05 y la máxima nota del promedio semestral
es 12.95.
En la siguiente tabla se observa la estadística de las variables
independientes en estudio.
Tabla 8:
Promedio de las Variables Cuantitativas para Determinar Cómo es el
Comportamiento de Dichas Variables
Media Desv. Típ. Mínimo Máximo
Edad 21,74 2,256 18 27
Horas dedicadas al estudio

0,52 0,864 0 4
diarias
Horas de uso de internet para

0,59 0,644 0 3
labores académicas
Tamaño familiar 4,60 1,711 0 12
Horas semanales de práctica de

0,44 0,570 0 2
deporte
Horas que duerme por día 7,27 1,404 2 11
Fuente: Encuesta
61
INTERPRETACIÓN DEL RESULTADO: Según la Tabla N° 8.
 Edad en años del estudiante: En promedio los estudiantes tienen 22
años de edad, la mínima edad de los estudiantes es de 18 años y la
máxima edad es de 27 años.
 Número de horas dedicadas al estudio diariamente: En promedio
los estudiantes se dedican media hora al estudio diariamente. La
máxima cantidad de horas dedicadas diariamente al estudio es 4 horas,
mientras que otros estudiantes no estudian diariamente.
 Horas de uso de internet para labores académicas: En promedio los
estudiantes usan media hora de internet para sus labores académicas.
La máxima cantidad de horas utilizadas para el internet es 3 horas
también hay estudiantes que no usan el internet para labores
académicas.
 Tamaño familiar del estudiante: En promedio los estudiantes tienen
5 personas que conforman su familia considerando solo el primer grado
de consanguinidad (padre, madre y hermanos), la máxima cantidad de
miembros que conforman su familia es de 12 personas, mientras
existen estudiantes que no tienen familia.
 Horas de práctica de deporte semanalmente del estudiante: En
promedio los estudiantes practican deporte media hora a la semana.
La máxima cantidad de horas que practican deporte diariamente los
estudiantes es de 2 horas a su vez hay estudiantes que no practican
deporte.
62
 Número de horas de descanso nocturno (sueño): En promedio los
estudiantes duermen 7 horas diarias. La mínima cantidad de horas de
descanso de los estudiantes es de 2 horas y la máxima es de 11 horas.
Descripción de las variables cualitativas
Se detalla los comportamientos de las variables cualitativas según las
tablas (anexo 04).
 Semestre académico: Se observa que, de cada 100 estudiantes con
Bajo Rendimiento Académico de la Facultad de Ingeniería Estadística
e Informática, 20 estudiantes cursan el cuarto semestre, 17 estudiantes
cursan el quinto semestre, 16 cursan el sexto semestre, 13 cursan el
séptimo semestre, 16 cursan el octavo semestre, 10 cursan el noveno
semestre, 8 cursan el décimo semestre.
 Sexo: Se observa que, de cada 100 estudiantes con Bajo Rendimiento
Académico de la Facultad de Ingeniería Estadística e Informática, 78
estudiantes son de sexo masculino, mientras que 22 estudiantes son
de sexo femenino.
 Forma de elección de la carrera: Se observa que, de cada 100
estudiantes con Bajo Rendimiento Académico de la Facultad de
Ingeniería Estadística e Informática, 76 estudiantes tuvieron una
elección por oportunidad, mientras que 24 estudiantes tuvieron una
elección por vocación.
 Asistencia a clases de los estudiantes: Se observa que, de cada 100
Ingeniería Estadística e Informática, 78 estudiantes asisten a clases
63
menos del 70% del total de asistencia, mientras que 22 estudiantes
asisten mayor al 70% del total de asistencia.
 Calidad de metodología de enseñanza de los docentes: Se observa
que, de cada 100 estudiantes con Bajo Rendimiento Académico de la
Facultad de Ingeniería Estadística e Informática, 76 estudiantes indican
que la calidad de metodología de enseñanza de los docentes es mala,
mientras 24 estudiantes indican que la calidad de metodología de
enseñanza de los docentes es buena.
 Material bibliográfico: Se observa que, de cada 100 estudiantes con
e Informática, 79 estudiantes indican no contar con material
bibliográfico, mientras que 21 estudiantes indican si contar con material
bibliográfico.
 Estudio de carrera paralela: Se observa que, de cada 100 estudiantes
con Bajo Rendimiento Académico de la Facultad de Ingeniería
Estadística e Informática, 50 estudiantes indican estudiar por lo menos
una carrera simultánea a ingeniería estadística e informática, mientras
que 50 estudiantes indican no estudiar una carrera simultánea a
ingeniería estadística e informática.
 Hábitos de estudio: Se observa que, de cada 100 estudiantes con
e Informática, 1 estudiante se encuentra en la escala positiva referente
al hábito de estudio, mientras 19 estudiantes tienen una tendencia
positiva referente al hábito de estudio, 23 estudiantes tienen una
tendencia negativa referente al hábito de estudio, 33 estudiantes se
64
encuentran en la escala negativa referente al hábito de estudio y 24
estudiantes se encuentran en la escala muy negativa referente al hábito
de estudio.
 Apoyo económico de los padres: Se observa que, de cada 100
Ingeniería Estadística e Informática, 40 estudiantes no cuentan con el
apoyo económico de sus padres, mientras que 60 estudiantes si
cuentan con el apoyo económico de sus padres.
 Suficiencia del apoyo económico: Se observa que, de cada 100
Ingeniería Estadística e Informática, 65 estudiantes consideran que el
apoyo económico de sus padres no es suficiente, mientras que 35
estudiantes consideran que el apoyo económico de sus padres es
suficiente.
 Situación laboral: Se observa que, de cada 100 estudiantes con Bajo
Rendimiento Académico de la Facultad de Ingeniería Estadística e
Informática, 47 estudiantes no trabajan, mientras que 53 estudiantes
trabajan.
 Propiedad de la residencia: Se observa que, de cada 100 estudiantes
Estadística e Informática, 64 estudiantes viven alquilados, mientras que
36 estudiantes viven en casa propia.
 Situación de convivencia: Se observa que, de cada 100 estudiantes
65
Estadística e Informática, 42 estudiantes viven solos, 33 estudiantes
convive con sus familiares y 25 conviven con sus padres.
 Servicios básicos: Se observa que, de cada 100 estudiantes con Bajo
Rendimiento Académico de la Facultad de Ingeniería Estadística e
Informática, 90 estudiantes cuentan servicios básicos en su residencia,
mientras que 10 no cuentan servicios básicos en su residencia.
 Nivel de alimentación: Se observa que, de cada 100 estudiantes con
e Informática, 59 estudiantes tienen un nivel de alimentación mala,
mientras que 41 estudiantes tienen un nivel de alimentación buena.
 Nivel educativo del padre: Se observa que, de cada 100 estudiantes
Estadística e Informática, de 2 estudiantes sus padres tienen un nivel
educativo de superior universitario, de 13 estudiantes sus padres tienen
un nivel educativo superior no universitario, de 55 estudiantes sus
padres tienen un nivel educativo de secundaria y de 23 estudiantes sus
padres tienen un nivel educativo de primaria y de 7 estudiantes sus
padres no tienen un nivel de estudio.
 Nivel educativo de la madre: Se observa que, de cada 100
Ingeniería Estadística e Informática, de 2 estudiantes sus madres
tienen un nivel educativo de superior universitario, de 9 estudiantes sus
madres tienen un nivel educativo superior no universitario, de 56
estudiantes sus madres tienen un nivel educativo de secundaria, de 26
66
estudiantes sus madres tienen un nivel educativo de primaria y de 7
estudiantes sus madres no tienen un nivel de estudio.
 Sexo del jefe del hogar: Se observa que, de cada 100 estudiantes con
e Informática, 69 estudiantes indican que el sexo del jefe de su hogar
es masculino, mientras que 31 estudiantes indican que el sexo del jefe
de su hogar es femenino.
 Apoyo moral de su familia: Se observa que, de cada 100 estudiantes
Estadística e Informática, 53 estudiantes no tienen un apoyo moral,
mientras que 47 estudiantes si tienen apoyo moral.
 Distribución de tiempo adicional a los estudios: Se observa que, de
cada 100 estudiantes con Bajo Rendimiento Académico de la Facultad
de Ingeniería Estadística e Informática, 44 estudiantes distribuyen su
tiempo adicional a los estudios en diversión, mientras que 56
estudiantes distribuyen su tiempo adicional a los estudios en juegos de
internet.
 Consumo de bebidas alcohólicas: Se observa que, de cada 100
Ingeniería Estadística e Informática, 14 estudiantes no consumen
bebidas alcohólicas, mientras que 86 estudiantes si consumen bebidas
alcohólicas.
 Tiene enamorado(a): Se observa que, de cada 100 estudiantes con
67
e Informática, 64 estudiantes tienen enamorado(a), mientras que 36
indican no tener enamorado(a).
4.2. DEFINICIÓN DE LAS VARIABLES
En base al marco teórico y referencias bibliográficas se han establecido las
variables de estudio, las cuales son:
yi : Representa la nota del promedio ponderado semestral del i-ésimo
alumno.
X1 : Forma de elección de la carrera del estudiante.
X 2 : La asistencia a clases del estudiante.
X 3 : Número de horas dedicadas al estudio diariamente.
X4: La calidad de la metodología de enseñanza de los docentes de la
Facultad de Ingeniería Estadística e Informática.
X 5 : El estudiante cuenta con material bibliográfico.
X 6 : El estudiante estudia una carrera paralela a Ingeniería Estadística e
Informática.
X7 : Número de horas de uso de internet del estudiante para labores
académicas.
X 8 : El hábito de estudio del estudiante es muy negativo.
X 9 : El hábito de estudio del estudiante es negativo.
X10 : El hábito de estudio del estudiante tiene tendencia negativa.
X11 : El hábito de estudio del estudiante tiene tendencia positiva.

68
X12 : El estudiante cuenta con apoyo económico de los padres para sus
estudios.
X13 : El estudiante considera suficiente el apoyo económico de sus padres.
X14 : El estudiante trabaja.
X15 : La tenencia de vivienda del estudiante.
X16 : Calidad de alimentación del estudiante.
X17 : El padre del estudiante no tiene nivel educativo.
X18 : El nivel educativo del padre del estudiante es primaria.
X19 : El nivel educativo del padre del estudiante es secundaria.
X 20 : El nivel educativo del padre del estudiante es superior no universitaria.
X 21 : La madre del estudiante no tiene nivel educativo.
X 22 : El nivel educativo de la madre del estudiante es primaria.
X 23 : El nivel educativo de la madre del estudiante es secundaria.
X 24 : El nivel educativo de la madre del estudiante es superior no
universitaria.
X 25 : Número de integrantes que conforma la familia del estudiante.
X 26 : El estudiante cuenta con apoyo moral de su familia.
X 27 : Número de horas semanales que el estudiante práctico deportes.
X 28 : Número de horas de descanso nocturno (sueño) del estudiante.
X 29 : El estudiante distribuye su tiempo adicional a sus estudios.

69
X 30 : El estudiante consume bebidas alcohólicas.
X 31 : El estudiante tiene enamorada(o).
4.3. SELECCIÓN DEL MODELO
El modelo seleccionado es la regresión lineal múltiple con variables Dummy
debido a que se cuenta con una variable dependiente cuantitativa y muchas
independientes entre cuantitativas y cualitativas.
4.4. OBTENCIÓN DE ESTIMADORES
Para seleccionar las variables significativas se ha utilizado el método de
selección de variables de Stepwise que consiste en: Primero se calculan
todas las regresiones simples para cada una de las k-1 variables
independientes potenciales. Para cada una de las ecuaciones de regresión
simple se obtiene el estadístico F:
MSR( xk )
F 
MSE ( xk )
El estimador con mayor valor de F es seleccionado como significativa en
esta etapa, sería la primera variable en el modelo. Así sucesivamente.
El procedimiento Stepwise presenta las siguientes variables significativas
(tabla Nº. 9).
70
Tabla 9:
Modelo Final para el Bajo Rendimiento Académico de los Estudiantes
de la FINESI Una – Puno
ERROR
VARIABLE INDEPENDIENTE COEFICIENTES t P
ESTÁNDAR
Constante 10.332 0.415 24.906 0.000
Asistencia a clases(x2) 0.743 0.212 3.504 0.001
Horas dedicadas al
0.256 0.090 2.846 0.005
estudio(x3)
Estudio de unas carreras

-0.669 0.126 -5.292 0.000
paralelas (x6)
Hábitos de estudio Muy

-5.105 0.263 -19.402 0.000
negativo (x8)
Hábitos de estudio
-3.127 0.247 -12.655 0.000
negativo (x9)
Hábitos de estudio
-0.871 0.250 -3.480 0.001
tendencia negativo (x10)
Tenencia de vivienda
0.391 0.128 3.062 0.003
(x15)
Calidad de Alimentación
0.054 0.123 2.333 0.045
(x16)
Horas que duerme el

0.107 0.440 2.450 0.016
estudiante (x28)
R-SQ. (ADJ.) = 0.932 SE=0.60975 DurbWat= 1.850

FUENTE: Elaborado por la ejecutora. Salida en SPSS vers. 24.0.
71
4.5. MODELO FINAL ESTIMADO
El modelo de regresión fue seleccionado de entre varios modelos, siendo
la función de regresión estimada:
Yˆ  10.33  0.743 X 2  0.256 X 3  0.669 X 6  5.105 X 8  3.127 X 9

 0.871X 10  0.391X 15  0.054 X 16  0.107 X 28
Donde:
Yˆ : Rendimiento Académico.
Informática.
X15 : La tenencia de vivienda del estudiante.
X16 : Calidad de alimentación del estudiante.
4.6. VALIDACIÓN DEL MODELO
Para determinar la validez del modelo en su conjunto, luego de observar
los resultados del método de selección de variables Stepwise, nos
quedamos con el siguiente cuadro ANVA.
72
Tabla 10:
Análisis de Varianza para el Bajo Rendimiento Académico de los
Estudiantes de la FINESI Una - Puno
FUENTE DE SUMA DE CUADRADOS

G.L F P
VARIACIÓN CUADRADOS MEDIOS
MODELO 535.674 8 66.959 180.096 0.000f
ERROR 36.064 97 0.372
TOTAL 571.739 105
R-squared = 0.937 Stnd. error of est. = 0.60975
R-squared (Adj. for d.f.)= 0.932 Durbin-Watson statistic = 1.850
INTERPRETACIÓN: Como se observa en la tabla Nº 10, el modelo
seleccionado en su conjunto presenta significancia estadística 𝑝(0.00) <
𝛼(0.05), esto implica que al menos una de las variables regresoras influyen
significativamente en el Bajo Rendimiento Académico de los estudiantes.
El coeficiente de determinación fue de R 2  93.70% , lo cual indica que las
variables seleccionadas explican significativamente en un 93.70% el Bajo
Rendimiento Académico de los Estudiantes de la FINESI de la UNA – Puno.
73
4.7. COMPROBACIÓN DE SUPUESTOS ESTADÍSTICOS QUE DEBE
CUMPLIR UN MODELO DE REGRESIÓN LINEAL MÚLTIPLE
Para determinar la normalidad de los errores, se hizo uso del gráfico de la
normal.
4.7.1. NORMALIDAD
Grafico 1. Análisis de la normalidad de los errores
Tabla 11:
Pruebas de Normalidad
Kolmogorov-Smirnova
Estadístico Gl Sig.
Unstandardized Residual 0,072 106 0,200*
*. Esto es un límite inferior de la significación verdadera.
74
INTERPRETACIÓN.- El gráfico de la prueba de la normalidad a través de
los errores mostrados en el Gráfico Nº 01, muestra normalidad en los
errores debido a que los puntos se encuentran cerca de la línea central.
La prueba estadística de Kolmogorov-Smirnov confirma que los errores se
ajustan a una distribución normal 𝑝(0.200) > 𝛼(0.05), con lo que se cumple
con el supuesto.
4.7.2. MULTICOLINEALIDAD
Para observar el supuesto de multicolinealidad se hicieron uso los factores
VIF que se muestra a continuación en la tabla Nº 12.
Tabla 12:
Coeficiente y su análisis con el VIF.
Modelo TOLERANCIA VIF
Asistencia a clases(x2) 0.459 2.178
Horas dedicadas al estudio(x3) 0.588 1.702
Estudio de unas carreras paralelas (x6) 0.879 1.138
Hábitos de estudio Muy negativo (x8) 0.281 3.557
Hábitos de estudio negativo (x9) 0.260 3.849
Hábitos de estudio tendencia negativo (x10) 0.311 3.217
Tenencia de vivienda (x15) 0.937 1.067
Calidad de Alimentación (x16) 0.281 2.317
Horas que duerme el estudiante (x28) 0.935 1.069
FUENTE: Datos procesados por la ejecutora. Salida en Spss versión 24.0
75
INTERPRETACIÓN: Para cada término del modelo mide el efecto
combinado que tienen las dependencias entre los regresores sobre la
varianza de ese término. Si hay uno o más VIF grandes hay
multicolinealidad la experiencia indica que si cualquiera de las VIF es mayor
de 5 o 10 es indicio de que los coeficientes asociados de regresión están
mal estimados debido la multicolinealidad.
De acuerdo a la Tabla Nº 12 se observa mediante los VIF de las variables
seleccionadas que tienen una buena aproximación a 1 de lo cual podemos
decir que no hay ningún grado de multicolinealidad ya que no supera los
valores mencionados en el párrafo anterior.
4.7.3. LINEALIDAD
Para verificar el cumplimiento de la linealidad de los datos se hizo uso del
análisis factorial, más específicamente el determinante, obteniendo un
valor de 2.520E-11 que es próximo a 0 pero no cero, esto indica la linealidad
de las variables. Anexo 06.
4.7.4. HETEROCEDASTICIDAD
Para verificar el cumplimiento de homocedasticidad de los errores se hizo
uso del método gráfico.
76
Grafico 2. Análisis de los residuos cuadráticos en relación a los valores
estimados del Bajo Rendimiento Académico
INTERPRETACIÓN.- El análisis gráfico de los residuos obtenidos al
cuadrado frente a sus respectivos valores estimados por la ecuación de
regresión mostrados en el Gráfico Nº 02 nos permitió deducir la no
presencia de un patrón sistemático entre las dos variables lo cual sugirió la
inexistencia de Heterocedasticidad.
77
4.7.5. AUTOCORRELACIÓN
ANÁLISIS DE PRUEBA DE AUTOCORRELACIÓN
El estadístico de Durbin Watson nos permite observar la presencia o
ausencia de autocorrelación.
Tabla 13:
Decisión del Estadístico Durbin – Watson
Hipótesis nula Decisión Si
No autocorrelación positiva Rechazar 0  d  dl
No autocorrelación negativa
No tomar
decisión
dl  d  d u
No correlación negativa Rechazar 4  dl  d  4
No correlación negativa
No tomar
decisión
4  du  d  4  dl
No autocorrelación positiva o
negativa
No rechazar du  d  4  du
FUENTE: Datos procesados por la ejecutora.
78
Tabla 14:
Resultado del Estadístico Durbin- Watson.
Resumen del modelo
Modelo R R R cuadrado Error estándar Durbin-

cuadrado ajustado de la estimación Watson
1 0.682a 0.465 0.460 1.71444
2 0.864b 0.746 0.741 1.18641
3 0.922c 0.851 0.846 0.91459
4 0.943d 0.889 0.885 0.79120
5 0.943e 0.889 0.886 0.78900
6 0.955f 0.912 0.908 0.70690
7 0.959g 0.920 0.916 0.67476
8 0.962h 0.926 0.922 0.65265
9 0.966i 0.933 0.928 0.62512
10 0.968j 0.937 0.932 0.60975 1.850
a. Predictores: (Constante), X11
b. Predictores: (Constante), X11, X10
c. Predictores: (Constante), X11, X10, X8
d. Predictores: (Constante), X11, X10, X8, X9
e. Predictores: (Constante), X10, X8, X9
f. Predictores: (Constante), X10, X8, X9, X6
g. Predictores: (Constante), X10, X8, X9, X6, X3
h. Predictores: (Constante), X10, X8, X9, X6, X3, X2
i. Predictores: (Constante), X10, X8, X9, X6, X3, X2, X15
j. Predictores: (Constante), X10, X8, X9, X6, X3, X2, X15, X16, X28
FUENTE: Datos procesados por la ejecutora.
79
El valor del estadístico Durbin - Watson que arrojo el paquete estadístico
SPSS, es d  1.850
PRUEBA DE HIPÓTESIS PARA EL ESTADÍSTICO DURBIN- WATSON
H 0 : No hay autocorrelación
H a : Hay autocorrelacion
ESTADÍSTICO DURBIN-WATSON
 (e i  ei 1 ) 2
d i 1
n
0d 4
 ei 2
i 1
Grafico 3. Intervalos para la decisión de durbin -watson
INTERPRETACIÓN: Según la Tabla Nº 14 y el Gráfico Nº 03 podemos ver
las condiciones para la decisión de la aceptación o rechazo de las hipótesis
planteadas para analizar la autocorrelación de los errores en el modelo
estimado con el estadístico d de Durbin-Watson.
80
De la Tabla de Durbin - Watson se tiene que para n=106 observaciones y
tres variables explicativas excluyendo el término de intersección a un nivel
de significancia del 5% se tienen un límite inferior dl=1.482 y un límite
superior du=1.604; puesto que el valor estimado d=1.650 se encuentra en
el rango du  d  4  du  1.604  1.850  2.396 , aceptamos la hipótesis de no
autocorrelación positiva o negativa.
4.8 ANALISIS DE LOS RESULTADOS
 Según la naturaleza de los datos se ha determinado utilizar como método
la regresión lineal múltiple con variables dummy, para ello se ha procedido
de la siguiente manera:
 Se caracterizaron todos factores posible a incluir como variables
dependientes, luego; se ha recolectado la información utilizando el anexo
01 y 02 previamente preparado.
 Antes de someterlo al procesamiento, se construyó las variables Dummy
para las cualitativas.
 Se utilizó el método de Stepwise para seleccionar las variables
significativas, usando los programas del Statgraphics Vers.6.1 y SPSS
versión 24.0, los resultados son:
La asistencia a clases del estudiante, Es de mucha importancia que el
estudiante asista a clase con regularidad, con el propósito de sacarle el
máximo partido a la explicación del tema, lo cual no ocurre en estudiantes
con bajo rendimiento.
Número de horas dedicadas al estudio diariamente, La disciplina y los
métodos de estudio en esta etapa ayudan a mejorar el rendimiento
académico.
81
El estudiante estudia una carrera paralela a Ingeniería Estadística e
Informática, Estudiar una carrera es una tarea que requiere tiempo y
muchísimo esfuerzo. No es fácil aprobar todas las asignaturas y pasar
curso por semestre, por muy "cercanas" que sean la una a la otra siempre
van a requerir estudios diferentes, y no va a ser fácil compaginar ni los
horarios de clase, ni las materias, ni por supuesto las prácticas. Este
deviene al bajo rendimiento académico.
El hábito de estudio del estudiante es muy negativo, estos son aquellas
conductas que los estudiantes con bajo rendimiento académico no
practican, a su vez ellos tienen malos hábitos como memorizar, tratar de
incorporar el contenido a aprender a último momento, tratar de aprender en
un lugar con poca luz, desordenado y ruidoso, estudiar cansado o con
hambre, etc.
El hábito de estudio del estudiante es negativo, Los estudiantes con
bajo rendimiento académico no repiten un acto diariamente,
aproximadamente a la misma hora y mismo lugar, los hábitos de estudio
que ellos realizan son muy escasos por lo cual esto tiene una consecuencia
en su promedio final de los distintos cursos que el estudiante curse.
El hábito de estudio del estudiante tiene tendencia negativa, Los
estudiantes con bajo rendimiento académico cuentan con pocos hábitos de
estudio, pero podrían incorporar con la práctica continua, y luego se
vuelven naturales.
La tenencia de vivienda del estudiante. El régimen de tenencia de
vivienda se divide en dos alquilada y propia, es muy importante para el
82
estudiante ya que al ser alquilada este genera un gasto adicional a sus
estudios y no se enfrentan a la misma comodidad de ser casa alquilada.
Calidad de alimentación del estudiante. La alimentación en los
estudiantes de la universidad es muy importante porque ellos necesitan
alimentarse bien a fin de no contraer enfermedades, tener energías para
estudiar y estar físicamente activos.
Número de horas de descanso nocturno (sueño) del estudiante.
Estudiar en último momento o no dormir la noche antes del examen puede
ser contraproducente, los expertos señalan que un tiempo adecuado de
sueño y descanso ayudan a retener más los conocimientos adquiridos, así
como es posible aprender mientras se duerme.
 Se ha procedido a revisar el cumplimiento de supuestos de un modelo
de regresión para validar el modelo final obtenido.
Normalidad, existe cuando los estimadores son eficientes, los intervalos
de confianza de los parámetros y contrastes de significación son precisos,
este análisis se hizo gráficamente como también el estudio analítico de la
normalidad de los residuos mediante el contraste no-paramétrico de
Kolmogorov-Smirnov.. En el gráfico se muestra normalidad en los errores
debido a que los puntos se encuentran cerca de la línea central y la prueba
estadística de Kolmogorov-Smirnov confirma que los errores se ajustan a
una distribución normal 𝑝(0.200) > 𝛼(0.05), con lo que se cumple con el
supuesto.
Multicolinealidad, es una situación en la que se presenta una fuerte
correlación entre variables explicativas del modelo, para determinar si
existe multicolinealidad se utilizó el VIF (Factores de Inflación de la
83
Varianza), en el trabajo de investigación se observó que el factor VIF de las
variables seleccionadas tienen una buena aproximación a 1 de lo cual
podemos decir que no hay ningún grado de multicolinealidad ya que no
supera los valores.
Linealidad, la linealidad es un supuesto implícito en todas las técnicas
multivariantes basadas en medidas de correlación (regresión múltiple,
regresión logística, análisis factorial, etc.). Como los efectos no lineales
nunca están representados en el valor de la correlación, su presencia
tendría efectos nocivos en el modelo multivariante. Para verificar el
cumplimiento de la linealidad de los datos se hizo uso del análisis factorial,
más específicamente el determinante, obteniendo un valor de 2.520E-11
que es próximo a o pero no cero, esto indica la linealidad de las variables.
Heterocedasticidad, cuando la varianza de las perturbaciones no es
constante a lo largo de las observaciones. Esto implica el incumplimiento
de una de las hipótesis básicas sobre las que se asienta el modelo de
regresión lineal, para verificar el cumplimiento de homocedasticidad de los
errores se hizo uso del método gráfico. Se hizo el análisis gráfico de los
residuos obtenidos al cuadrado frente a sus respectivos valores estimados
por la ecuación de regresión que permitió deducir la no presencia de un
patrón sistemático entre las dos variables lo cual sugirió la inexistencia de
Heterocedasticidad.
Autocorrelación, es la relación que se da entre las variables
seleccionadas, contraviniendo uno de los supuestos para estimar el modelo
a partir de la independencia que debería existir entre estas variables, el
estadístico de Dubin Watson nos permite observar la presencia o ausencia
84
de autocorrelación. El valor del estadístico Durbin - Watson que arrojo el
paquete estadístico SPSS, es d=1.850 se tiene que para n=106
observaciones y tres variables explicativas excluyendo el término de
intersección a un nivel de significancia del 5% se tienen un límite inferior
dl=1.482 y un límite superior du=1.604; puesto que el valor estimado
d=1.650 se encuentra en el rango du  d  4  d u 
1.604  1.850  2.396 , aceptamos la hipótesis de no autocorrelación
positiva o negativa.
85
CONCLUSIONES
Con la presente investigación se ha logrado cumplir los objetivos
propuestos para la investigación:
PRIMERO: Los factores académicos que influyen en el Bajo Rendimiento
Informática, son: La asistencia a clases del estudiante, número de horas
dedicadas al estudio diariamente, el estudiante estudia una carrera paralela
a Ingeniería Estadística e Informática, el hábito de estudio del estudiante
es muy negativo, el hábito de estudio del estudiante es negativo, El hábito
de estudio del estudiante tiene tendencia negativa.
SEGUNDO: El factor económico que influye en el Bajo Rendimiento
Informática es: La tenencia de vivienda del estudiante.
TERCERO: El factor social que influye en el Bajo Rendimiento Académico
de los Estudiantes de la Facultad de Ingeniería Estadística e Informática,
es la calidad de alimentación del estudiante.
CUARTO: El factor personal que influye en el Bajo Rendimiento Académico
de los Estudiantes de la Facultad de Ingeniería Estadística e Informática
es: Número de horas de descanso nocturno (sueño) del estudiante.
QUINTO: El modelo estimado de regresión múltiple para explicar el Bajo
Rendimiento Académico de los Estudiantes de la Facultad de Ingeniería
Estadística e Informática de la UNA Puno con un ANVA significativo,
coeficiente de terminación del 93.20% y libre de violación de supuestos es:
86
Yˆ  10.33  0.743 X 2  0.256 X 3  0.669 X 6  5.105 X 8  3.127 X 9
 0.871X 10  0.391X 15  0.054 X 16  0.107 X 28
Donde:
Rendimiento Académico( Yˆ ),La asistencia a clases del estudiante ( X 2 ),
Número de horas dedicadas al estudio diariamente ( X 3 ), El estudiante
estudia una carrera paralela a Ingeniería Estadística e Informática( X 6 ), El
hábito de estudio del estudiante es muy negativo( X 8 ), El hábito de estudio
del estudiante es negativo( X 9 ), El hábito de estudio del estudiante tiene
tendencia negativa( X10 ), La tenencia de vivienda del estudiante( X15 ),
Calidad de alimentación del estudiante( X16 ), Número de horas de descanso
nocturno (sueño) del estudiante( X 28 ).
87
RECOMENDACIONES Y SUGERENCIAS
 A las autoridades de Facultad de Ingeniería Estadística e Informática
se recomienda, que al inicio del semestre académico, se realice
programas y cursos sobre hábitos de estudio para los estudiantes de
dicha facultad.
 Se recomienda a los estudiantes de la Facultad de Ingeniería
Estadística e Informática que asistan a clases para elevar el
Rendimiento Académico.
 La calidad de alimentación es un factor muy importante por lo que se
recomienda se sensibilice a los estudiantes de la Facultad de Ingeniería
Estadística e Informática, mediante la oficina de proyección social.
 Debido al bajo rendimiento académico, se sugiere analizar en otras
facultades u otras universidades, comparándose con las variables
tomadas en este estudio o agregándole nuevas para próximas
investigaciones.
88
BIBLIOGRAFÍA CONSULTADA
TESIS
CCALLO, Roger. (2015). Factores que influyen en el rendimiento
académico del área de matemáticas en estudiantes de la I.E.S.
“Pedro Vilcapaza” – Juliaca 2014. Tesis para optar el título de
Ingeniero Estadístico e Informático. Universidad Nacional del
Altiplano, Puno.
VIVAR, Magali del Socorro. (2013). La motivación para el aprendizaje y su
relación con el rendimiento académico en el área de Inglés de los
estudiantes del primer grado de educación secundaria, Tesis para
optar el grado de magíster en educación con Mención en Teorías y
práctica educativa. Universidad de Piura.
PERALTA, Marleny. (2012). Hábitos de estudio y rendimiento académico de
los estudiantes de la Carrera Profesional de Ingeniería de Sistemas
e Informática de la Universidad Tecnológica de los Andes – Abancay
- 2010. Tesis para optar el título profesional de segunda
especialización en Didáctica Universitaria. Universidad Nacional del
Altiplano – Puno.
TITO, Vuile. (2009). Factores económicos y sociales que influyen en el
rendimiento académico de los alumnos del colegio secundario gran
unidad escolar-José Antonio Encinas de la ciudad de juliaca-2008.
Tesis para optar el título profesional de Ingeniero Estadístico e
Informático. Universidad Nacional del Altiplano – Puno.
89
MAMANI, Zonia. (2003). Análisis de componentes principales de los
factores relacionados al rendimiento académico de los estudiantes
de la carrera profesional de Ingeniería Estadística e Informática de
la Universidad Nacional del Altiplano de Puno año 2001. Tesis para
optar el título profesional de Ingeniero Estadístico e Informático.
Universidad Nacional del Altiplano – Puno.
ASCENCIO, Alberto l. (2000). Factores que influyen en el Rendimiento
Académico de los estudiantes regulares del primer nivel de Medicina
Humana en la Universidad Nacional del Altiplano, Tesis para optar
el título profesional de Médico Cirujano. Universidad Nacional del
Altiplano-Puno.
LIBROS
COCHRAN,W., Técnicas de Muestreo, México : Continental
ENRIQUES, T. (2005). Modulo de Simulacion para inversion en la crianza de
truchas Arco Iris en Jaulas flotantes. Puno: Programa de Generacion
de empleo alternativo.
GUJARATI,D., Econometría(4ªed),México: McGraw-Hill.
HANKE,J.E., Y WICHERN,D.W. (2006). Pronósticos en los negocios (8ª
ed.), México.
HERNANDEZ S, R. (2006). Metodología de la investigación (4ª ed.),
México:McGraw-Hill
90
MITACC MEZA, M. Tópicos de Estadística Descriptiva y Probabilidad, Perú:
San Marcos.
MITACC MEZA, M. Tópicos de Inferencia Estadística, Perú: San Marcos.
MONTGOMERY, D., Peck,E., y Vining,G. (2006). Introducción al Análisis
de Regresión Lineal (3ª ed.) México:Continental
VALDERRAMA M, S. (2007). Pasos para elaborar proyectos y de tesis de
investigación (1ª ed.)
PERÉZ L, C. (2008). Técnicas de Análisis Multivariante de Datos
Aplicaciones con SPSS (1ª ed.) Madrid:España
REFERENCIAS WEB
http://www.fcctp.usmp.edu.pe/cultura/imagenes/pdf/22_14.pdf
HORA: 5:30 pm FECHA: 25/09/16
http://sisbib.unmsm.edu.pe/bibvirtual/publicaciones/inv_educativa/2011_n
27/a11v15n27.pdf
HORA: 7:00 pm FECHA: 25/09/16
http://www.eumed.net/rev/ced/11/jtq.htm
HORA: 10:00 am FECHA: 28/09/16
http://www.ince.mec.es/revistaeducacion/re342/re342_21.pdf
HORA: 1:00 pm FECHA: 01/10/16
91
https://www.uv.mx/cpue/num12/opinion/completos/izardesempeno%20AC
ADÉMICO.html
HORA: 5:00 pm FECHA: 09/10/16
http://tecnociencia.uach.mx/numeros/v5n2/data/Factores_que_influyen_en
_el_rendimiento_ACADÉMICO_del_estudiante_universitario.pdf
HORA: 10:00 pm FECHA: 15/10/16
http://tecnociencia.uach.mx/numeros/v5n2/data/Factores_que_influyen_en
_el_rendimiento_ACADÉMICO_del_estudiante_universitario.pdf
HORA: 11:00 am FECHA: 26/09/16
http://www.scielo.sa.cr/scielo.php?pid=S1409-
42582013000300004&script=sci_arttext
HORA: 6:00 pm FECHA: 29/09/16
http://www.salvador.edu.ar/uc4-pub-01-1-1-04.htm
HORA: 2:00 pm FECHA: 03/10/16
http://www.slideshare.net/EverRomero/factores-que-influyen-en-el-
rendimiento-acadmico-de-las-escuelas-de-alto-desempeo-en-espaol-y-
matemticas-y-la-valoracin-de-los-materiales-educativos-version-digital-
12858967
HORA: 11:00 am FECHA: 08/10/16
92
http://www.slideshare.net/1234509876/variables-del-rendimiento-
acadmico-universidad
HORA: 5:00 pm FECHA: 19/09/16
http://www.redalyc.org/pdf/440/44031103.pdf
HORA: 9:00 am FECHA: 21/09/16
http://www.coesi.com.pe/archivos/cursos/muestreo/Muestreo_estratificado
.pdf
HORA: 11:00 am FECHA: 28/09/16
http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1018-
130X2001000200003
HORA: 10:00 am FECHA: 23/09/16
http://www.monografias.com/trabajos71/escala-calificaciones-evaluacion-
curricular/escala-calificaciones-evaluacion-curricular2.shtml
HORA: 08:00 pm FECHA: 27/09/16
93
ANEXOS
94
ANEXO 01
FORMATO DE ENCUESTA
Estimado(a) estudiante, La presente encuesta se realiza con un fin investigativo, por lo que se ruega pueda brindar la
información de la manera más apropiada, agradeciendo enormemente el tiempo y la importancia que se presta para
poder llevar a cabo la recopilación de la información necesaria para desarrollar esta investigación. Se le pide que llene o
marque con un aspa [x] según corresponda los siguientes datos:
(Llene la información pedida en los espacios en blanco)

Semestre Edad Sexo
1.1 ¿Por qué elegiste la carrera profesional de Ingeniería Estadística e Informática?
2 [ ] Por vocación 1 [ ] Por oportunidad
1.2 La asistencia a tus clases en porcentaje es:
2 [ ] Mayor al 70% 1 [ ] Menor al 70%
1.4 Las horas diarias dedicadas al estudio fuera de tu horario de clases son: ……Horas
1.5 ¿Cómo consideras la calidad de metodología de enseñanza de los docentes de la FINESI?:
2 [ ] Buena 1 [ ] Mala
1.6 ¿Cuentas con el suficiente material bibliográfico para tus estudios?:
2 [ ] Si 1 [ ] No
1.7 ¿Estudia una carrera paralela a Ing. Estadística e Informática?:
2 [ ] Si 1 [ ] No
1.8 ¿Cuantas horas al día usa internet para sus labores académicas?: …...Horas
2.1 ¿cuentas con el apoyo económico de tus padres para tus estudios?:
2 [ ] Si 1 [ ] No
2.2 ¿Consideras suficiente el apoyo económico?:
2 [ ] Si 1 [ ] No
2.3 Actualmente ¿Trabajas?:
2 [ ] Si 1 [ ] No
2.4 Durante la semana Ud. Vive en:
2 [ ] Casa propia 1 [ ] Alquilado
3.1 Durante la semana Ud. Convive con:
4 [ ] Mis padres 3 [ ] Familiares 2 [ ] Solo 1 [ ] Otros (…..…..…)
95
3.2 En la casa donde vives, ¿Cuenta con los servicios básicos?
2 [ ] Si 1 [ ] No
3.3 Tu alimentación es:
2 [ ] Buena 1 [ ] Mala
3.4 Marque. El nivel educativo de su padre y madre:
Nivel Sin nivel primaria Secundaria Superior no Superior

universitaria universitaria
Padre
Madre
3.5 ¿Cuantas personas conforman tu familia?: ……

(Para contabilizar solo considerar 1er grado de consanguinidad: padre, madre, hermanos)
3.6 ¿De qué sexo es el jefe de su hogar?:
2 [ ] Masculino 1 [ ] Femenino
3.7 ¿Tienes el apoyo moral de tu familia para tus estudios?:
2 [ ] Si 1 [ ] No
4.1 ¿Cuantas horas al día practicas deportes?: …...Horas
4.2 ¿Cuántas horas duerme al día?: ……Horas
4.3 Adicional a tus estudios. Distribuyes tu tiempo para:
2 [ ] Juegos en internet 1 [ ] Diversión
4.4 ¿En qué cantidad consumes bebidas alcohólicas?:
2 [ ] Si 1 [ ] No
4.5 ¿Tienes Enamorado(a)?:
2 [ ] Si 1 [ ] No
GRACIAS POR SU COLABORACION
96
ANEXO 02
INVENTARIO DE HÁBITOS DE ESTUDIO CASM 85 R 2005
INSTRUCCIONES
El presente trabajo es un inventario de Hábitos de estudio, que permitirá conocer las formas dominantes de trabajo
en los alumnos de la Facultad de Ingeniería Estadística e Informática de la UNAP y de esta manera sugerir
alternativas de solución para aislar aquellas conductas que puedan estar perjudicando el éxito en sus estudios.
Para ello tiene que poner una “X” en el cuadro que mejor describa si caso particular; PROCURE CONTESTAR NO
SEGÚN LO QUE DEBERÍA HACER O HACEN SUS COMPAÑEROS, SINO DE LA FORMA COMO USTED ESTUDIA AHORA
I.- ¿CÓMO ESTUDIA USTED? Siempre Nunca

1 Leo todo lo que tengo que estudiar subrayando los puntos más importantes
2 Subrayo las palabras cuyo significado no se
3 Regreso a los puntos subrayados con el propósito de aclararlos
4 Busco de inmediato en el diccionario el significado de las palabras que no se
5 Me hago preguntas y me respondo en mi propio lenguaje lo que comprendido
6 Luego, escribo en mi propio lenguaje lo que he comprendido
7 Doy una leída parte por parte y repito varias veces hasta recitarlo de memoria
8 Trato de memorizar lo que estudio
9 Repaso lo que he estudiado después de 4 a 8 horas
10 Me limito a dar una leída general a todo lo que tengo que estudiar
11 Trato de relacionar el tema que estoy estudiando con otros temas ya estudiados
12 Estudio solo para los exámenes
II. ¿CÓMO HACE USTED SUS TAREAS? Siempre Nunca
13 Leo la pregunta, busco en el libro y escribo la respuesta casi como dice el libro
14 Leo la pregunta, busco en el libro, leo todo y luego contesto como he comprendido
15 Las palabras que no entiendo las escribo como están en el libro sin averiguar su
significado
16 Le doy importancia al orden y prestación del trabajo que a la comprensión del tema
17 En mi casa, me falta tiempo para terminar con mis tareas, las completo en la
universidad preguntando a mis amigos
18 Pido ayuda a mis padres u otras personas y dejo que me resuelvan todo o gran parte
de la tarea
19 Dejo para último momento la ejecución de mis tareas por eso no las concluyo dentro
del tiempo fijado
20 Empiezo a resolver una tarea, me canso y paso a otra
21 Cuando no puedo resolver una tarea me da rabia o mucha cólera y ya no lo hago
22 Cuando tengo varias tareas empiezo por la más difícil y luego voy pasando a las más
fáciles
III. ¿CÓMO PREPARA USTED SUS EXÁMENES? Siempre Nunca
23 Estudia por lo menos dos horas todos los días
24 Espero que se fije la fecha de un examen o práctica para ponerme a estudiar
25 Cuando hay un examen oral, recién en el salón de clase me pongo a revisar mis
apuntes
26 Me pongo a estudiar el mismo día del examen
27 Repaso momentos antes del examen
97
28 Preparo un plagio por si acaso me olvido de un tema
29 Confío que mi compañero me “sople” alguna respuesta en el momento del examen
30 Confío en mi buena suerte por eso sólo estudio aquellos temas que supongo que el
profesor preguntará
31 Cuando tengo dos o más exámenes el mismo día, empiezo a estudiar por el tema más
difícil y luego el más fácil
32 Me presento a rendir mis exámenes sin haber concluido con el estudio de todo el
tema
33 Durante el examen s eme confunden los temas, se me olvida li que he estudiado
IV. ¿CÓMO ESCUCHA USTED SUS CLASES? Siempre Nunca

34 Trato de tomar apuntes de todo lo que dice el profesor
35 Sólo tomo apuntes de las cosas más importantes
36 Inmediatamente después de una clase ordeno mis apuntes
37 Cuando el profesor utiliza alguna palabra que no se, levanto la mano y pido su
significado
38 Estoy más atento a las bromas de mis compañeros que a la clase
39 Me canso rápidamente y me pongo hacer otras cosas
40 Cuando me aburro me pongo a jugar o conversar con mi amigo
41 Cuando no puedo tomar nota de lo que dice el profesor me aburro y lo dejo todo
42 Cuando no entiendo un tema mi mente se pone a pensar, soñando despierto
43 Mis imaginaciones o fantasías me distraen durante las clases
44 Durante las clases me distraigo pensando lo que voy a hacer a la salida
45 Durante las clases me gustaría dormir o tal vez irme de clases
V. ¿QUÉ ACOMPAÑA SUS MOMENTOS DE ESTUDIO? Siempre Nunca

46 Requiero de música sea de la radio, CD o la computadora
47 Requiero la compañía de la TV
48 Requiero de tranquilidad y silencio
49 Requiero de algún alimento que como mientras estudio
50 Su familia, que conversan, ven TV o escuchan música
51 Interrupciones por parte de sus padres pidiéndole algún favor
52 Interrupciones de visitas, amigos, que le quitan el tiempo
53 Interrupciones sociales, fiestas, paseos, citas, etc.
98
ANEXO 03
DICOTOMIZACIÓN DE VARIABLES DUMMY
Los cuadros nos ayudarán a dicotomizar a las variables cualitativas
independientes para realizar todos los análisis que se indicó en este estudio, y
que fue tomado por el investigador y también se explica el llenado del (anexo Nº
05) teniendo referencia con la encuesta del (anexo Nº 01)
I.-VARIABLES INDEPENDIENTES REFERIDO A FACTORES ACADÉMICO
1.1 ¿Por qué elegiste la carrera profesional de Estadística e Informática?
2) Por oportunidad 1) Por vocación
Cuadro N° 01 MUESTRA DE VARIABLES

DICOTÓMICAS
Variable Ind=X1
2 1
1 0
Variable en estudio:
X1 : Forma de elección de la carrera del estudiante.

1.2 La asistencia a tus clases en porcentaje es:
2) Mayor al 70% 1) Menor al 70%

DICOTÓMICAS
Variable Ind=X2
2 1
1 0
99
1.3 Las horas diarias dedicadas al estudio fuera de tu horario de clases
son:….
1.4 ¿Cómo consideras la calidad de la metodología de enseñanza de los
docentes de la FINESI?
2) Buena 1) Mala

DICOTÓMICAS
Variable Ind=X4
2 1
1 0
X 4 : La calidad de la metodología de enseñanza de los docentes de la

FINESI.
1.5 ¿Cuentas con el suficiente material bibliográfico para tus estudios?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X5
2 1
1 0
100
X 5 : El estudiante cuenta con material bibliográfico.
1.6 ¿Estudia una carrera paralela a Ing. Estadística e Informática?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X6
2 1
1 0

Informática.
1.7 ¿Es Cuántas horas al día usa internet para sus labores académicas?...
X 7 : Número de horas de uso de internet del estudiante para labores

académicas.
1.8 Hábitos de estudio
3) Tendencia Negativa 2) Negativo 1) Muy negativo
4) Tendencia positivo 5) Positivo
101
Cuadro N° 06 MUESTRA DE VARIABLES DICOTÓMICAS
Variable Ind=X8 Variable Ind=X9 Variable Ind=X10 Variable Ind=X11
1 1 0 0 0
2 0 1 0 0
3 0 0 1 0
4 0 0 0 1
5 0 0 0 0
Variables dicotómicas en estudio:

X11 : El hábito de estudio del estudiante tiene tendencia positiva.
II.-VARIABLES INDEPENDIENTES REFERIDO A FACTORES ECONOMIA
2.1 ¿Cuentas con el apoyo económico de tus padres para tus estudios?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X12
2 1
1 0
X12 : El estudiante cuenta con apoyo económico de los padres para sus
estudios.
102
2.2 ¿Consideras suficiente el apoyo económico?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X13
2 1
1 0
X13 : El estudiante considera suficiente el apoyo económico de sus padres.
2.3 Actualmente ¿trabajas?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X14
2 1
1 0
X14 : El estudiante trabaja.
2.4 Durante la semana Ud. Vive en:
2) Casa 1) Alquilado
103
DICOTÓMICAS
Variable Ind=X15
2 1
1 0
X15 : La propiedad de la residencia donde vive el estudiante.
III.-VARIABLES INDEPENDIENTES REFERIDO A FACTORES HOGAR
3.3 Tu alimentación es:
2) Buena 1) Mala

DICOTÓMICAS
Variable Ind=X16
2 1
1 0
X16 : El nivel de alimentación del estudiante.
3.4 Marque. El nivel educativo de su padre y madre:
3.4.1 Padre
5) sin nivel 4) primaria 3) secundaria 2) superior no
universitaria 1) superior universitaria
104
5 1 0 0 0
4 0 1 0 0
3 0 0 1 0
2 0 0 0 1
1 0 0 0 0
X17 : El padre del estudiante no tiene nivel educativo.
X18 : El nivel educativo del padre del estudiante es primaria.
X19 : El nivel educativo del padre del estudiante es secundaria.
X 20 : El nivel educativo del padre del estudiante es superior no

universitaria.
3.4.2 Madre
5) sin nivel 4) primaria 3) secundaria 2) superior no
universitaria 1) superior universitaria

5 1 0 0 0
4 0 1 0 0
3 0 0 1 0
2 0 0 0 1
1 0 0 0 0
105
X 21 : La madre del estudiante no tiene nivel educativo.
X 22 : El nivel educativo de la madre del estudiante es primaria.
X 23 : El nivel educativo de la madre del estudiante es secundaria.
X 24 : El nivel educativo de la madre del estudiante es superior no

universitaria.
3.5 ¿Cuántas personas conforman tu familia?....
X 25 : Número de integrantes que conforma la familia del estudiante.
3.7 ¿Tienes el apoyo moral de tu familia para tus estudios?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X26
2 1
1 0
X 26 : El estudiante cuenta con apoyo moral de su familia.
IV.-VARIABLES INDEPENDIENTES REFERIDO A FACTORES PERSONAL
4.1 ¿Cuántas horas a la semana practicas deporte?.......
106
X 27 : Número de horas semanales que el estudiante práctico deportes.
4.2 ¿Cuántas horas duerme al día?
4.3 Adicional a tus estudios. Distribuyes tu tiempo para:
2) Juegos en internet 1) Diversión

DICOTÓMICAS
Variable Ind=X29
2 1
1 0
X 29 : El estudiante distribuye su tiempo adicional a sus estudios en.

4.4 ¿Consumes bebidas alcohólicas?
2) Si 1) No

DICOTÓMICAS
Variable Ind=X30
2 1
1 0
107
X 30 : El estudiante consume bebidas alcohólicas.
4.5 ¿Tienes enamorado(a)?
1) No 2) Si

DICOTÓMICAS
Variable Ind=X31
2 1
1 0
X 31 : El estudiante tiene enamorada(o).
108
ANEXO 04
COMPORTAMIENTO DE LA VARIABLE DEPENDIENTE EN ESTUDIO
Tabla 15:
Notas de Promedio Ponderado de los Estudiantes con Bajo
Rendimiento Académico de la FINESI UNA-Puno 2015.
nota Frecuencia Porcentaje
Deficiente 77 72.6
Regular 29 27.4
Total 106 100.0
Fuente: Encuestas
COMPORTAMIENTO DE LAS VARIABLES INDEPENDIENTE
SEMESTRE ACADÉMICO
Tabla 16:
Semestre Académico de los Estudiantes con Bajo Rendimiento
Académico de la FINESI UNA-Puno 2015.
Semestre Frecuencia Porcentaje
CUARTO 21 19.8
QUINTO 18 17.0
SEXTO 17 16.0
SÉPTIMO 14 13.2
OCTAVO 17 16.0
NOVENO 11 10.4
DÉCIMO 8 7.5
Total 106 100.0
Fuente: Elaborado por la ejecutora

109
SEXO
Tabla 17:
Sexo de los Estudiantes con Bajo Rendimiento Académico de la
FINESI UNA-Puno 2015.
Sexo Frecuencia Porcentaje
MASCULINO 83 78.3
FEMENINO 23 21.7
Total 106 100.0

FORMA DE ELECCION DE LA CARRERA
Tabla 18:
Forma de Elección de la Carrera de los Estudiantes con Bajo
Forma de
elección de la Frecuencia Porcentaje
carrera
por
80 75.5
oportunidad
por vocación 26 24.5
Total 106 100.0

110
ASISTENCIA A CLASES DE LOS ESTUDIANTES
Tabla 19:
Asistencia a Clases de los Estudiantes con Bajo Rendimiento
Asistencia a
Frecuencia Porcentaje
clases
Menor al 70% 83 78.3
Mayor al 70% 23 21.7
Total 106 100.0

CALIDAD DE METODOLOGÍA DE ENSEÑANZA DE LOS DOCENTES
Tabla 20:
Calidad de Metodología de Enseñanza de los Docentes Según los
Estudiantes con Bajo Rendimiento Académico de la FINESI UNA-Puno
2015.
Calidad de
metodología de
enseñanza de Frecuencia Porcentaje
los docentes
es
MALA 80 75.5
BUENA 26 24.5
Total 106 100.0

111
MATERIAL BIBLIOGRAFICO
Tabla 21:
Material Bibliográfico de los Estudiantes con Bajo Rendimiento
Material
bibliográfico
NO 84 79.2
SI 22 20.8
Total 106 100.0

ESTUDIO DE CARRERA PARALELA
Tabla 22:
Estudio de Carreras Paralelas de los Estudiantes con Bajo
Estudia
carreras Frecuencia Porcentaje
paralelas
NO 53 50.0
SI 53 50.0
Total 106 100.0

112
HABITOS DE ESTUDIO
Tabla 23:
Hábitos de Estudio de los Estudiantes con Bajo Rendimiento
Académico de la FINESI UNA-Puno 2015
Hábitos de estudio Frecuencia Porcentaje
MUY NEGATIVO 25 23.6
NEGATIVO 35 33.0
TENDENCIA
25 23.6
NEGATIVO
TENDENCIA
20 18.9
POSITIVO
POSITIVO 1 0.9
Total 106 100.0

APOYO ECONOMICO DE LOS PADRES
Tabla 24:
Apoyo Económico de los Padres de los Estudiantes con Bajo
Apoyo Frecuencia Porcentaje

económico de
los padres
NO 42 39.6
SI 64 60.4
Total 106 100.0
113
SUFICIENCIA DEL APOYO ECONOMICO
Tabla 25:
Suficiencia del Apoyo Económico de los Estudiantes con Bajo
El apoyo Frecuencia Porcentaje

es
suficiente
NO 69 65.1
SI 37 34.9
Total 106 100.0
SITUACION LABORAL
Tabla 26:
Situación Laboral de los Estudiantes con Bajo Rendimiento
Trabaja Frecuencia Porcentaje
NO TRABAJA 50 47.2
SI TRABAJA 56 52.8
Total 106 100.0
114
PROPIEDAD DE LA RESIDENCIA
Tabla 27:
Propiedad de la Residencia de los Estudiantes con Bajo Rendimiento
Propiedad de la
residencia
ALQUILADO 68 64.2
CASA PROPIA 38 35.8
Total 106 100.0

SITUACION DE CONVIVENCIA
Tabla 28:
Situación de Convivencia de los Estudiantes con Bajo Rendimiento
Situación de
convivencia
SOLO 45 42.5
FAMILIARES 35 33.0
PADRES 26 24.5
Total 106 100.0

115
SERVICIOS BÁSICOS
Tabla 29:
Servicios Básicos de la Residencia de los Estudiantes con Bajo
Servicios
básicos
NO 11 10.4
SI 95 89.6
Total 106 100.0

NIVEL DE ALIMENTACION
Tabla 30:
Nivel de Alimentación de los Estudiantes con Bajo Rendimiento
Nivel de
alimentación
MALA 62 58.5
BUENA 44 41.5
Total 106 100.0

116
NIVEL EDUCATIVO DEL PADRE
Tabla 31:
Nivel Educativo de sus Padres de los Estudiantes con Bajo
Nivel educativo padre Frecuencia Porcentaje
SUPERIOR UNIVERSITARIO 2 1.9

SUPERIOR NO
14 13.2
UNIVERSITARIO
SECUNDARIA 58 54.7
PRIMARIA 25 23.6
SIN NIVEL 7 6.6
Total 106 100.0

NIVEL EDUCATIVO DE LA MADRE
Tabla 32:
Nivel Educativo de sus Madres de los Estudiantes con Bajo
Nivel educativo madre Frecuencia Porcentaje
SUPERIOR UNIVERSITARIO 2 1.9
SUPERIOR NO UNIVERSITARIO 9 8.5
SECUNDARIA 60 56.6
PRIMARIA 28 26.4
SIN NIVEL 7 6.6
Total 106 100.0

117
SEXO DEL JEFE DEL HOGAR
Tabla 33:
Sexo del Jefe del Hogar de los Estudiantes con Bajo Rendimiento
Sexo del Jefe del

Hogar
FEMENINO 33 31.1
MASCULINO 73 68.9
Total 106 100.0

APOYO MORAL DE SU FAMILIA
Tabla 34:
Apoyo Moral de la Familia de los Estudiantes con Bajo Rendimiento
Apoyo moral de su
familia
NO 56 52.8
SI 50 47.2
Total 106 100.0

118
DISTRIBUCION DE TIEMPO ADICIONAL A LOS ESTUDIOS
Tabla 35:
Distribución de Tiempo Adicional a los Estudios de los Estudiantes
con Bajo Rendimiento Académico de la FINESI UNA-Puno 2015.
Diversión adicional a
los estudios
DIVERSIÓN 47 44.3
JUEGOS EN INTERNET 39 55.7
Total 106 100.0
CONSUMO DE BEBIDAS ALCOHOLICAS
Tabla 36:
Consumo de Bebidas Alcohólicas de los Estudiantes con Bajo
Nivel de consumo
de bebidas Frecuencia Porcentaje
alcohólicas
NO 38 35.8
SI 68 64.2
Total 106 100.0
TIENE ENAMORADO(A)
Tabla 37:
Relación Sentimental de los Estudiantes con Bajo Rendimiento
Tiene
enamorado(a)
NO 38 35.8
SI 68 64.2
Total 106 100.0
119
ANEXO 05
Tabla 38:
Base de datos correspondientes a los Estudiantes con Bajo Rendimiento Académico de la FINESI UNA-Puno 2015.
No nota semestre edad sexo x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 x20 x21 x22 x23 x24 x25 x26 x27 x28 x29 x30 x31
68 7,39 7 24 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 6 0 1 5 1 1 1
69 10,83 7 26 1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 1 0 0 0 1 0 0 4 1 0 7 0 1 1
70 9,53 7 21 2 0 0 0 0 0 1 1 0 0 1 0 1 0 0 1 0 1 0 0 0 0 1 0 0 5 1 1 8 0 1 1
71 10,63 7 24 1 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 1 0 0 0 1 0 0 4 0 0 6 1 1 0
72 11,25 7 24 1 0 0 1 0 1 0 1 0 0 0 1 1 0 1 0 1 1 0 0 0 0 1 0 0 3 1 1 9 1 1 1
73 10,28 7 23 1 1 0 0 0 0 1 1 0 0 1 0 1 0 1 0 1 0 1 0 0 1 0 0 0 5 1 1 8 0 1 0
74 6,78 8 21 1 0 0 0 0 0 1 0 0 1 0 0 1 1 0 1 0 0 1 0 0 0 1 0 0 5 0 0 7 1 1 1
75 9,25 8 22 2 0 1 1 0 0 0 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 1 0 0 5 1 0 7 0 1 1
76 5,44 8 21 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 3 0 0 7 1 1 1
77 10,49 8 27 1 0 0 0 0 0 1 1 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 7 0 1 8 0 1 1
78 8,61 8 22 1 0 0 0 0 0 0 0 0 1 0 0 1 1 0 1 0 0 0 1 0 0 1 0 0 6 0 0 11 1 1 1
79 9,6 8 26 1 0 0 0 0 1 1 1 0 1 0 0 0 0 1 1 1 0 1 0 0 0 1 0 0 3 0 1 5 0 1 1
80 8,93 8 24 1 1 0 0 1 0 1 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 0 1 2 0 0 9 1 1 0
81 12,27 8 23 1 0 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 0 1 0 0 1 0 0 0 0 0 0 7 1 1 0
82 12 8 22 1 0 0 1 0 1 0 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 1 0 0 4 1 0 8 0 1 1
83 6,17 8 24 2 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 4 1 1 7 1 0 0
84 11,95 8 22 2 1 1 0 1 0 1 1 0 0 0 1 0 0 1 1 1 0 0 1 0 0 1 0 0 2 1 0 8 0 1 1
85 7,22 8 20 1 0 0 1 0 0 1 0 1 0 0 0 1 0 1 1 0 0 1 0 0 0 1 0 0 4 0 1 7 1 1 1
86 8,66 8 21 1 0 0 1 0 0 0 0 0 1 0 0 1 1 0 1 1 0 0 1 0 0 1 0 0 5 0 0 9 1 1 1
87 8,84 8 23 1 0 0 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 3 1 0 8 1 1 1
88 6,52 8 20 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 5 0 0 8 0 1 0
89 6,09 8 21 2 0 0 1 0 0 0 0 1 0 0 0 1 1 0 1 0 0 1 0 0 0 1 0 0 3 0 1 7 1 1 0
90 6,17 9 24 1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 1 0 0 0 1 0 4 0 0 9 1 1 1
91 6,95 9 26 1 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 5 0 0 3 1 1 1
92 10,06 9 21 1 0 0 0 0 1 0 1 0 0 1 0 1 1 0 0 1 1 0 0 0 1 0 0 0 7 1 1 6 0 1 1
93 6,55 9 21 1 1 0 0 0 1 0 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 5 0 0 7 1 1 1
94 11,87 9 22 1 1 1 1 1 1 0 1 0 0 0 1 1 1 0 0 1 0 0 1 0 0 0 1 0 6 1 0 7 0 1 0
95 10,18 9 20 2 0 0 0 0 0 0 1 0 0 1 0 1 0 1 0 1 1 0 0 0 0 1 0 0 4 1 1 9 1 0 1
96 10,7 9 22 2 0 0 0 0 0 1 1 0 0 1 0 1 1 0 1 1 1 0 0 0 0 1 0 0 3 1 2 7 0 1 1
97 6,74 9 23 1 0 0 1 0 1 1 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 4 0 1 9 0 1 1
98 10,77 9 21 1 1 0 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 4 1 0 9 0 1 0
99 9 9 25 1 0 0 0 0 0 1 1 0 0 1 0 1 1 0 0 0 0 1 0 0 0 0 1 0 4 1 0 7 0 1 1
120
33 10,59 5 21 1 1 1 0 0 0 0 1 0 0 1 0 1 1 0 0 1 0 0 1 0 0 0 1 0 3 1 1 7 1 1 0
34 6,11 5 21 2 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 5 0 0 9 1 0 0
35 11,93 5 23 1 0 1 0 0 1 0 1 0 0 0 1 1 1 0 0 1 0 0 1 0 0 0 1 0 4 1 0 8 1 0 0
36 11,3 5 20 1 0 1 1 1 0 0 2 0 0 0 1 1 0 0 0 1 0 1 0 0 0 1 0 0 6 1 0 6 0 1 1
37 6,67 5 22 1 0 0 0 0 0 1 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 1 0 4 0 0 8 0 1 1
38 6,35 5 23 2 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0 1 0 0 0 1 0 0 3 0 1 8 0 1 1
39 7,06 5 24 1 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 3 0 0 8 1 1 1
40 10,95 5 21 1 0 1 1 0 0 1 0 0 0 1 0 1 0 1 0 1 0 1 0 0 0 1 0 0 6 1 0 6 1 1 0
41 11,02 6 20 2 0 1 2 1 0 1 2 0 0 0 1 1 1 0 0 1 0 0 1 0 0 1 0 0 4 1 0 7 1 0 1
42 12,23 6 20 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 0 1 0 6 0 1 6 1 1 0
43 8,3 6 22 1 1 0 0 0 0 1 1 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0 0 0 10 1 1 2 1 1 1
44 7,91 6 25 1 1 0 0 0 0 1 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1 5 1 1 6 1 1 0
45 7,57 6 19 2 0 0 0 1 0 1 0 0 1 0 0 0 0 1 1 0 0 0 0 1 0 1 0 0 5 0 1 8 1 1 1
46 5,36 6 22 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0 0 0 0 1 0 0 0 1 0 3 0 0 7 1 1 1
47 6,17 6 27 1 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 7 1 0 5 0 1 1
48 5,5 6 20 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 4 0 1 8 0 1 1
49 6,41 6 21 1 1 0 1 0 0 0 0 1 0 0 0 0 1 1 1 0 0 0 0 1 0 1 0 0 6 1 1 9 1 1 1
50 7,95 6 20 2 0 0 1 1 0 1 1 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 1 0 5 0 0 7 1 1 1
51 12,63 6 19 2 1 1 2 1 0 0 1 0 0 0 1 1 0 1 0 1 0 0 1 0 0 1 0 0 4 1 1 7 0 1 1
52 7 6 21 1 0 0 1 0 0 1 0 0 1 0 0 1 0 1 0 0 0 1 0 0 0 1 0 0 4 0 0 7 1 1 0
53 5,39 6 19 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 1 1 0 0 1 0 0 1 0 0 4 0 0 8 0 1 0
54 6,28 6 21 1 0 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0 1 3 0 1 8 0 1 1
55 5,05 6 23 1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 1 0 0 0 1 0 0 5 0 1 6 1 1 0
56 8,85 6 22 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 4 0 0 7 1 1 1
57 12,02 6 19 2 0 1 1 0 0 1 1 0 0 0 1 1 1 0 0 1 1 0 0 0 0 1 0 0 3 1 0 8 1 1 1
58 5,43 6 20 1 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 2 0 0 8 0 1 1
59 11,97 6 24 1 0 1 0 1 1 1 1 0 0 0 1 1 0 1 0 1 1 0 0 0 0 1 0 0 4 1 0 7 1 0 0
60 12,95 7 19 1 1 1 4 1 1 0 3 0 0 0 1 1 1 0 0 1 0 1 0 0 0 0 0 0 7 1 0 7 1 1 0
61 12,94 7 22 1 1 1 4 1 1 0 2 0 0 0 1 1 1 0 0 1 1 0 0 0 1 0 0 0 4 1 1 6 0 1 0
62 8,1 7 24 2 1 0 0 0 0 0 1 0 1 0 0 0 0 1 0 1 0 0 1 0 0 1 0 0 3 0 1 7 0 1 0
63 7,56 7 22 1 0 0 0 1 0 1 0 0 1 0 0 1 1 1 1 0 0 1 0 0 0 0 1 0 6 0 0 8 1 1 1
64 7,76 7 21 1 1 0 0 1 0 1 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 5 1 0 8 1 1 1
65 10,49 7 22 1 0 0 1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0 4 1 2 6 0 1 1
66 11,05 7 25 1 0 1 0 1 1 0 1 0 0 0 1 1 1 0 1 1 0 1 0 0 0 0 1 0 7 1 0 6 1 1 1
67 12,3 7 22 1 0 0 1 1 0 0 1 0 0 0 1 1 1 0 1 1 1 0 0 0 1 0 0 0 3 1 0 7 1 0 0
68 7,39 7 24 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 6 0 1 5 1 1 1
69 10,83 7 26 1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 1 0 0 0 1 0 0 4 1 0 7 0 1 1
70 9,53 7 21 2 0 0 0 0 0 1 1 0 0 1 0 1 0 0 1 0 1 0 0 0 0 1 0 0 5 1 1 8 0 1 1
71 10,63 7 24 1 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 1 0 0 0 1 0 0 4 0 0 6 1 1 0
121
72 11,25 7 24 1 0 0 1 0 1 0 1 0 0 0 1 1 0 1 0 1 1 0 0 0 0 1 0 0 3 1 1 9 1 1 1
73 10,28 7 23 1 1 0 0 0 0 1 1 0 0 1 0 1 0 1 0 1 0 1 0 0 1 0 0 0 5 1 1 8 0 1 0
74 6,78 8 21 1 0 0 0 0 0 1 0 0 1 0 0 1 1 0 1 0 0 1 0 0 0 1 0 0 5 0 0 7 1 1 1
75 9,25 8 22 2 0 1 1 0 0 0 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 1 0 0 5 1 0 7 0 1 1
76 5,44 8 21 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 3 0 0 7 1 1 1
77 10,49 8 27 1 0 0 0 0 0 1 1 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 7 0 1 8 0 1 1
78 8,61 8 22 1 0 0 0 0 0 0 0 0 1 0 0 1 1 0 1 0 0 0 1 0 0 1 0 0 6 0 0 11 1 1 1
79 9,6 8 26 1 0 0 0 0 1 1 1 0 1 0 0 0 0 1 1 1 0 1 0 0 0 1 0 0 3 0 1 5 0 1 1
80 8,93 8 24 1 1 0 0 1 0 1 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 0 1 2 0 0 9 1 1 0
81 12,27 8 23 1 0 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 0 1 0 0 1 0 0 0 0 0 0 7 1 1 0
82 12 8 22 1 0 0 1 0 1 0 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 1 0 0 4 1 0 8 0 1 1
83 6,17 8 24 2 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 4 1 1 7 1 0 0
84 11,95 8 22 2 1 1 0 1 0 1 1 0 0 0 1 0 0 1 1 1 0 0 1 0 0 1 0 0 2 1 0 8 0 1 1
85 7,22 8 20 1 0 0 1 0 0 1 0 1 0 0 0 1 0 1 1 0 0 1 0 0 0 1 0 0 4 0 1 7 1 1 1
86 8,66 8 21 1 0 0 1 0 0 0 0 0 1 0 0 1 1 0 1 1 0 0 1 0 0 1 0 0 5 0 0 9 1 1 1
87 8,84 8 23 1 0 0 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 3 1 0 8 1 1 1
88 6,52 8 20 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 5 0 0 8 0 1 0
89 6,09 8 21 2 0 0 1 0 0 0 0 1 0 0 0 1 1 0 1 0 0 1 0 0 0 1 0 0 3 0 1 7 1 1 0
90 6,17 9 24 1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 1 0 0 0 1 0 4 0 0 9 1 1 1
91 6,95 9 26 1 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 5 0 0 3 1 1 1
92 10,06 9 21 1 0 0 0 0 1 0 1 0 0 1 0 1 1 0 0 1 1 0 0 0 1 0 0 0 7 1 1 6 0 1 1
93 6,55 9 21 1 1 0 0 0 1 0 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 5 0 0 7 1 1 1
94 11,87 9 22 1 1 1 1 1 1 0 1 0 0 0 1 1 1 0 0 1 0 0 1 0 0 0 1 0 6 1 0 7 0 1 0
95 10,18 9 20 2 0 0 0 0 0 0 1 0 0 1 0 1 0 1 0 1 1 0 0 0 0 1 0 0 4 1 1 9 1 0 1
96 10,7 9 22 2 0 0 0 0 0 1 1 0 0 1 0 1 1 0 1 1 1 0 0 0 0 1 0 0 3 1 2 7 0 1 1
97 6,74 9 23 1 0 0 1 0 1 1 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 4 0 1 9 0 1 1
98 10,77 9 21 1 1 0 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 4 1 0 9 0 1 0
99 9 9 25 1 0 0 0 0 0 1 1 0 0 1 0 1 1 0 0 0 0 1 0 0 0 0 1 0 4 1 0 7 0 1 1
100 7,92 9 24 2 0 0 0 0 0 1 0 0 1 0 0 1 0 1 0 1 0 0 1 0 0 0 1 0 3 0 0 8 0 1 1
101 10,9 10 23 1 0 0 1 0 1 1 1 0 0 1 0 1 1 0 1 1 1 0 0 0 0 0 0 0 3 1 0 9 0 1 0
102 6,9 10 24 1 0 0 1 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 0 0 1 0 0 5 0 0 8 0 1 1
103 9,31 10 23 1 0 0 0 0 0 1 1 0 0 1 0 1 1 0 0 0 0 0 1 0 0 0 1 0 4 1 0 10 0 1 1
104 5,21 10 21 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 1 0 0 1 0 0 0 0 1 0 3 0 0 7 0 1 1
105 7,45 10 25 1 0 0 0 0 0 1 0 0 1 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 4 0 1 6 0 1 1
106 6,41 10 27 1 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 0 0 0 1 0 0 3 1 0 8 1 1 1
122
ANEXO 06
Tabla 39:
Regresión de las Variables Seleccionadas
ANOVAa
Modelo Suma de cuadrados gl Media cuadrática F Sig.
Regresión 266.051 1 266.051 90.515 .000b
1 Residuo 305.687 104 2.939
Total 571.739 105

Regresión 426.758 2 213.379 151.593 .000c
2 Residuo 144.980 103 1.408
Total 571.739 105
Regresión 486.419 3 162.140 193.837 .000d
3 Residuo 85.320 102 .836
Total 571.739 105
Regresión 508.513 4 127.128 203.081 .000e
4 Residuo 63.226 101 .626
Total 571.739 105
Regresión 508.241 3 169.414 272.138 .000f
5 Residuo 63.498 102 .623
Total 571.739 105
Regresión 521.269 4 130.317 260.789 .000g
6 Residuo 50.470 101 .500
Total 571.739 105
Regresión 526.209 5 105.242 231.150 .000h
7 Residuo 45.530 100 .455
Total 571.739 105
Regresión 529.569 6 88.262 207.209 .000i
8 Residuo 42.169 99 .426
Total 571.739 105
Regresión 533.443 7 76.206 195.014 .000j
9 Residuo 38.296 98 .391
Total 571.739 105
Regresión 535.674 8 66.959 180.096 .000k
10 Residuo 36.064 97 .372
Total 571.739 105
a. Variable dependiente: nota

b. Predictores: (Constante), X11
c. Predictores: (Constante), X11, X10
d. Predictores: (Constante), X11, X10, X8
e. Predictores: (Constante), X11, X10, X8, X9
123
f. Predictores: (Constante), X10, X8, X9
g. Predictores: (Constante), X10, X8, X9, X6
h. Predictores: (Constante), X10, X8, X9, X6, X3
i. Predictores: (Constante), X10, X8, X9, X6, X3, X2
j. Predictores: (Constante), X10, X8, X9, X6, X3, X2, X15
k. Predictores: (Constante), X10, X8, X9, X6, X3, X2, X15, x16, X28
124
ANEXO 07
Tabla 40:
Matriz de Correlaciones
nota X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30 X31
nota 1,000 ,285 ,638 ,523 ,516 ,515 -,351 ,657 -,676 -,286 ,328 ,682 ,264 ,108 -,132 ,017 ,621 ,447 -,269 -,041 -,120 ,362 ,047 -,211 -,230 ,063 ,581 ,026 -,132 -,069 -,230 -,127
X1 ,285 1,000 ,338 ,370 ,287 ,195 -,132 ,361 -,110 -,121 -,007 ,229 -,166 -,003 ,099 -,015 ,143 -,028 -,142 ,045 ,113 ,298 -,209 -,043 ,113 ,184 ,208 ,018 -,080 -,021 -,020 -,214
X2 ,638 ,338 1,000 ,507 ,551 ,464 -,252 ,476 -,292 -,224 -,131 ,682 ,192 ,191 -,144 -,059 ,486 ,200 -,211 ,085 -,140 ,250 -,093 -,004 -,140 -,025 ,328 -,129 -,136 ,009 -,180 -,131
X3 ,523 ,370 ,507 1,000 ,446 ,475 -,274 ,570 -,154 -,237 -,154 ,550 ,197 ,225 -,177 ,121 ,315 ,251 -,266 -,051 ,060 ,406 -,091 -,212 -,072 ,115 ,287 -,065 -,102 ,009 -,227 -,212
X4 ,516 ,287 ,551 ,446 1,000 ,411 -,132 ,532 -,317 -,074 -,213 ,622 ,148 ,089 -,076 ,031 ,365 ,166 -,186 ,045 -,063 ,298 -,120 -,043 -,063 -,035 ,296 -,136 -,112 ,156 -,146 -,123
X5 ,515 ,195 ,464 ,475 ,411 1,000 -,233 ,469 -,175 -,260 -,120 ,586 ,129 ,162 -,029 ,103 ,466 ,419 -,282 -,010 -,136 ,345 -,162 -,043 -,136 -,004 ,215 -,072 -,067 -,058 -,126 -,151
X6 -,351 -,132 -,252 -,274 -,132 -,233 1,000 -,191 ,022 ,221 -,022 -,241 ,000 -,099 ,151 ,079 -,191 -,111 ,076 ,022 -,038 -,102 -,076 ,171 -,038 ,033 -,151 -,083 ,034 ,019 ,081 ,000
X7 ,657 ,361 ,476 ,570 ,532 ,469 -,191 1,000 -,411 -,307 ,213 ,531 ,209 ,155 -,215 -,110 ,473 ,290 -,280 ,074 -,128 ,404 -,198 -,122 -,010 ,077 ,480 -,024 -,192 -,120 -,172 -,105
X8 -,676 -,110 -,292 -,154 -,317 -,175 ,022 -,411 1,000 -,390 -,309 -,268 -,141 ,106 -,009 ,048 -,288 -,217 ,104 ,005 ,121 -,169 -,096 ,121 ,210 -,158 -,347 ,075 ,209 ,049 ,098 -,002
X9 -,286 -,121 -,224 -,237 -,074 -,260 ,221 -,307 -,390 1,000 -,390 -,339 -,169 -,220 ,181 ,061 -,347 -,274 ,115 ,082 ,056 -,214 ,089 ,080 -,025 -,002 -,422 -,230 -,008 ,021 ,170 ,148
X10 ,328 -,007 -,131 -,154 -,213 -,120 -,022 ,213 -,309 -,390 1,000 -,268 ,087 -,080 -,054 -,137 ,118 ,177 ,059 -,152 -,058 ,070 ,083 -,131 -,058 ,195 ,410 ,349 -,125 -,130 -,029 -,002
X11 ,682 ,229 ,682 ,550 ,622 ,586 -,241 ,531 -,268 -,339 -,268 1,000 ,243 ,203 -,124 -,009 ,572 ,382 -,288 ,073 -,128 ,286 -,064 -,070 -,128 -,072 ,414 -,164 -,060 ,042 -,219 -,193
X12 ,264 -,166 ,192 ,197 ,148 ,129 ,000 ,209 -,141 -,169 ,087 ,243 1,000 ,553 -,611 ,042 ,174 ,316 -,233 ,041 -,095 ,108 -,126 ,092 -,095 -,064 ,186 -,047 ,186 -,102 -,052 ,078
X13 ,108 -,003 ,191 ,225 ,089 ,162 -,099 ,155 ,106 -,220 -,080 ,203 ,553 1,000 -,696 ,195 ,106 ,124 -,209 ,059 ,044 ,203 -,317 ,190 -,035 -,085 ,141 -,154 ,267 -,064 -,043 -,030
X14 -,132 ,099 -,144 -,177 -,076 -,029 ,151 -,215 -,009 ,181 -,054 -,124 -,611 -,696 1,000 -,121 -,009 -,078 ,128 -,054 ,023 -,119 ,202 -,163 ,099 ,013 -,091 ,106 -,207 ,184 ,050 ,003
X15 ,017 -,015 -,059 ,121 ,031 ,103 ,079 -,110 ,048 ,061 -,137 -,009 ,042 ,195 -,121 1,000 ,009 ,057 -,110 -,091 ,197 ,055 ,059 -,136 ,039 ,035 -,076 -,029 ,079 -,164 ,021 ,108
X16 ,621 ,143 ,486 ,315 ,365 ,466 -,191 ,473 -,288 -,347 ,118 ,572 ,174 ,106 -,009 ,009 1,000 ,407 -,349 ,163 -,224 ,293 ,004 -,157 -,147 -,130 ,355 ,017 -,001 -,096 -,152 -,169
X17 ,447 -,028 ,200 ,251 ,166 ,419 -,111 ,290 -,217 -,274 ,177 ,382 ,316 ,124 -,078 ,057 ,407 1,000 -,429 -,217 -,104 ,281 ,060 -,234 -,104 -,138 ,357 ,137 ,043 -,101 -,161 ,001
Correlación
X18 -,269 -,142 -,211 -,266 -,186 -,282 ,076 -,280 ,104 ,115 ,059 -,288 -,233 -,209 ,128 -,110 -,349 -,429 1,000 -,611 -,292 -,131 ,083 -,014 ,013 ,133 -,090 -,057 -,188 ,104 ,120 -,048
X19 -,041 ,045 ,085 -,051 ,045 -,010 ,022 ,074 ,005 ,082 -,152 ,073 ,041 ,059 -,054 -,091 ,163 -,217 -,611 1,000 -,148 -,169 -,052 ,171 ,031 -,106 -,169 -,121 ,130 -,041 ,034 ,045
X20 -,120 ,113 -,140 ,060 -,063 -,136 -,038 -,128 ,121 ,056 -,058 -,128 -,095 ,044 ,023 ,197 -,224 -,104 -,292 -,148 1,000 -,081 -,074 ,099 ,082 ,062 -,099 ,194 ,111 -,069 ,108 ,040
X21 ,362 ,298 ,250 ,406 ,298 ,345 -,102 ,404 -,169 -,214 ,070 ,286 ,108 ,203 -,119 ,055 ,293 ,281 -,131 -,169 -,081 1,000 -,348 -,183 -,081 ,071 ,255 ,001 -,205 -,001 -,168 -,196
X22 ,047 -,209 -,093 -,091 -,120 -,162 -,076 -,198 -,096 ,089 ,083 -,064 -,126 -,317 ,202 ,059 ,004 ,060 ,083 -,052 -,074 -,348 1,000 -,684 -,304 ,109 ,103 ,181 -,115 ,100 -,028 ,100
X23 -,211 -,043 -,004 -,212 -,043 -,043 ,171 -,122 ,121 ,080 -,131 -,070 ,092 ,190 -,163 -,136 -,157 -,234 -,014 ,171 ,099 -,183 -,684 1,000 -,159 -,137 -,223 -,166 ,235 -,068 ,059 ,091
X24 -,230 ,113 -,140 -,072 -,063 -,136 -,038 -,010 ,210 -,025 -,058 -,128 -,095 -,035 ,099 ,039 -,147 -,104 ,013 ,031 ,082 -,081 -,304 -,159 1,000 -,072 -,175 -,007 ,002 -,069 ,108 -,039
X25 ,063 ,184 -,025 ,115 -,035 -,004 ,033 ,077 -,158 -,002 ,195 -,072 -,064 -,085 ,013 ,035 -,130 -,138 ,133 -,106 ,062 ,071 ,109 -,137 -,072 1,000 ,131 ,065 -,387 ,127 -,174 ,011
X26 ,581 ,208 ,328 ,287 ,296 ,215 -,151 ,480 -,347 -,422 ,410 ,414 ,186 ,141 -,091 -,076 ,355 ,357 -,090 -,169 -,099 ,255 ,103 -,223 -,175 ,131 1,000 ,094 -,104 ,045 -,267 -,121
X27 ,026 ,018 -,129 -,065 -,136 -,072 -,083 -,024 ,075 -,230 ,349 -,164 -,047 -,154 ,106 -,029 ,017 ,137 -,057 -,121 ,194 ,001 ,181 -,166 -,007 ,065 ,094 1,000 -,141 -,039 -,064 -,005
X28 -,132 -,080 -,136 -,102 -,112 -,067 ,034 -,192 ,209 -,008 -,125 -,060 ,186 ,267 -,207 ,079 -,001 ,043 -,188 ,130 ,111 -,205 -,115 ,235 ,002 -,387 -,104 -,141 1,000 -,097 ,021 -,008
X29 -,069 -,021 ,009 ,009 ,156 -,058 ,019 -,120 ,049 ,021 -,130 ,042 -,102 -,064 ,184 -,164 -,096 -,101 ,104 -,041 -,069 -,001 ,100 -,068 -,069 ,127 ,045 -,039 -,097 1,000 -,362 -,152
X30 -,230 -,020 -,180 -,227 -,146 -,126 ,081 -,172 ,098 ,170 -,029 -,219 -,052 -,043 ,050 ,021 -,152 -,161 ,120 ,034 ,108 -,168 -,028 ,059 ,108 -,174 -,267 -,064 ,021 -,362 1,000 ,261
X31 -,127 -,214 -,131 -,212 -,123 -,151 ,000 -,105 -,002 ,148 -,002 -,193 ,078 -,030 ,003 ,108 -,169 ,001 -,048 ,045 ,040 -,196 ,100 ,091 -,039 ,011 -,121 -,005 -,008 -,152 ,261 1,000
125
nota ,002 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,001 ,000 ,000 ,003 ,136 ,089 ,433 ,000 ,000 ,003 ,337 ,109 ,000 ,316 ,015 ,009 ,262 ,000 ,395 ,089 ,242 ,009 ,097
X1 ,002 ,000 ,000 ,001 ,023 ,089 ,000 ,131 ,109 ,472 ,009 ,045 ,486 ,155 ,441 ,072 ,387 ,073 ,324 ,124 ,001 ,016 ,330 ,124 ,029 ,016 ,426 ,207 ,416 ,419 ,014
X2 ,000 ,000 ,000 ,000 ,000 ,005 ,000 ,001 ,011 ,091 ,000 ,024 ,025 ,070 ,273 ,000 ,020 ,015 ,193 ,076 ,005 ,171 ,484 ,076 ,398 ,000 ,094 ,083 ,463 ,032 ,090
X3 ,000 ,000 ,000 ,000 ,000 ,002 ,000 ,057 ,007 ,057 ,000 ,021 ,010 ,035 ,109 ,000 ,005 ,003 ,302 ,269 ,000 ,176 ,015 ,231 ,121 ,001 ,253 ,148 ,465 ,010 ,014
X4 ,000 ,001 ,000 ,000 ,000 ,089 ,000 ,000 ,226 ,014 ,000 ,065 ,183 ,219 ,376 ,000 ,044 ,028 ,324 ,260 ,001 ,110 ,330 ,260 ,362 ,001 ,082 ,127 ,055 ,068 ,105
X5 ,000 ,023 ,000 ,000 ,000 ,008 ,000 ,037 ,004 ,110 ,000 ,093 ,048 ,384 ,148 ,000 ,000 ,002 ,458 ,082 ,000 ,048 ,332 ,082 ,484 ,013 ,232 ,248 ,276 ,099 ,061
Sig. (unilateral)
X6 ,000 ,089 ,005 ,002 ,089 ,008 ,025 ,411 ,012 ,411 ,006 ,500 ,156 ,061 ,211 ,025 ,128 ,220 ,411 ,350 ,150 ,219 ,040 ,350 ,368 ,061 ,199 ,366 ,423 ,204 ,500
X7 ,000 ,000 ,000 ,000 ,000 ,000 ,025 ,000 ,001 ,014 ,000 ,016 ,057 ,014 ,131 ,000 ,001 ,002 ,225 ,095 ,000 ,021 ,107 ,461 ,215 ,000 ,403 ,024 ,109 ,039 ,142
X8 ,000 ,131 ,001 ,057 ,000 ,037 ,411 ,000 ,000 ,001 ,003 ,075 ,140 ,463 ,312 ,001 ,013 ,145 ,478 ,109 ,041 ,163 ,109 ,015 ,053 ,000 ,223 ,016 ,311 ,159 ,493
X9 ,001 ,109 ,011 ,007 ,226 ,004 ,012 ,001 ,000 ,000 ,000 ,041 ,012 ,032 ,268 ,000 ,002 ,121 ,200 ,286 ,014 ,183 ,208 ,399 ,494 ,000 ,009 ,467 ,416 ,041 ,065
X10 ,000 ,472 ,091 ,057 ,014 ,110 ,411 ,014 ,001 ,000 ,003 ,189 ,206 ,292 ,080 ,114 ,035 ,274 ,060 ,277 ,238 ,199 ,090 ,277 ,023 ,000 ,000 ,101 ,091 ,382 ,493
X11 ,000 ,009 ,000 ,000 ,000 ,000 ,006 ,000 ,003 ,000 ,003 ,006 ,018 ,103 ,465 ,000 ,000 ,001 ,229 ,095 ,001 ,256 ,237 ,095 ,232 ,000 ,046 ,271 ,334 ,012 ,024
X12 ,003 ,045 ,024 ,021 ,065 ,093 ,500 ,016 ,075 ,041 ,189 ,006 ,000 ,000 ,333 ,038 ,000 ,008 ,338 ,166 ,134 ,100 ,175 ,166 ,258 ,028 ,317 ,028 ,149 ,298 ,213
X13 ,136 ,486 ,025 ,010 ,183 ,048 ,156 ,057 ,140 ,012 ,206 ,018 ,000 ,000 ,022 ,140 ,104 ,016 ,273 ,326 ,018 ,000 ,026 ,360 ,192 ,075 ,058 ,003 ,259 ,329 ,379
X14 ,089 ,155 ,070 ,035 ,219 ,384 ,061 ,014 ,463 ,032 ,292 ,103 ,000 ,000 ,108 ,462 ,214 ,096 ,292 ,408 ,112 ,019 ,048 ,156 ,447 ,176 ,141 ,017 ,030 ,305 ,488
X15 ,433 ,441 ,273 ,109 ,376 ,148 ,211 ,131 ,312 ,268 ,080 ,465 ,333 ,022 ,108 ,463 ,281 ,130 ,177 ,021 ,289 ,273 ,083 ,346 ,360 ,220 ,382 ,211 ,046 ,414 ,136
X16 ,000 ,072 ,000 ,000 ,000 ,000 ,025 ,000 ,001 ,000 ,114 ,000 ,038 ,140 ,462 ,463 ,000 ,000 ,047 ,010 ,001 ,485 ,054 ,066 ,092 ,000 ,433 ,498 ,164 ,059 ,042
X17 ,000 ,387 ,020 ,005 ,044 ,000 ,128 ,001 ,013 ,002 ,035 ,000 ,000 ,104 ,214 ,281 ,000 ,000 ,013 ,145 ,002 ,269 ,008 ,145 ,079 ,000 ,081 ,330 ,153 ,049 ,496
X18 ,003 ,073 ,015 ,003 ,028 ,002 ,220 ,002 ,145 ,121 ,274 ,001 ,008 ,016 ,096 ,130 ,000 ,000 ,000 ,001 ,091 ,199 ,444 ,448 ,086 ,181 ,280 ,027 ,145 ,110 ,314
X19 ,337 ,324 ,193 ,302 ,324 ,458 ,411 ,225 ,478 ,200 ,060 ,229 ,338 ,273 ,292 ,177 ,047 ,013 ,000 ,065 ,041 ,300 ,040 ,375 ,141 ,042 ,109 ,092 ,338 ,364 ,325
X20 ,109 ,124 ,076 ,269 ,260 ,082 ,350 ,095 ,109 ,286 ,277 ,095 ,166 ,326 ,408 ,021 ,010 ,145 ,001 ,065 ,205 ,226 ,156 ,201 ,264 ,156 ,023 ,129 ,243 ,135 ,341
X21 ,000 ,001 ,005 ,000 ,001 ,000 ,150 ,000 ,041 ,014 ,238 ,001 ,134 ,018 ,112 ,289 ,001 ,002 ,091 ,041 ,205 ,000 ,031 ,205 ,235 ,004 ,498 ,018 ,497 ,043 ,022
X22 ,316 ,016 ,171 ,176 ,110 ,048 ,219 ,021 ,163 ,183 ,199 ,256 ,100 ,000 ,019 ,273 ,485 ,269 ,199 ,300 ,226 ,000 ,000 ,001 ,132 ,147 ,032 ,121 ,154 ,389 ,155
X23 ,015 ,330 ,484 ,015 ,330 ,332 ,040 ,107 ,109 ,208 ,090 ,237 ,175 ,026 ,048 ,083 ,054 ,008 ,444 ,040 ,156 ,031 ,000 ,051 ,081 ,011 ,044 ,008 ,243 ,274 ,177
X24 ,009 ,124 ,076 ,231 ,260 ,082 ,350 ,461 ,015 ,399 ,277 ,095 ,166 ,360 ,156 ,346 ,066 ,145 ,448 ,375 ,201 ,205 ,001 ,051 ,232 ,036 ,472 ,491 ,243 ,135 ,346
X25 ,262 ,029 ,398 ,121 ,362 ,484 ,368 ,215 ,053 ,494 ,023 ,232 ,258 ,192 ,447 ,360 ,092 ,079 ,086 ,141 ,264 ,235 ,132 ,081 ,232 ,090 ,255 ,000 ,097 ,037 ,456
X26 ,000 ,016 ,000 ,001 ,001 ,013 ,061 ,000 ,000 ,000 ,000 ,000 ,028 ,075 ,176 ,220 ,000 ,000 ,181 ,042 ,156 ,004 ,147 ,011 ,036 ,090 ,168 ,145 ,325 ,003 ,108
X27 ,395 ,426 ,094 ,253 ,082 ,232 ,199 ,403 ,223 ,009 ,000 ,046 ,317 ,058 ,141 ,382 ,433 ,081 ,280 ,109 ,023 ,498 ,032 ,044 ,472 ,255 ,168 ,075 ,346 ,256 ,479
X28 ,089 ,207 ,083 ,148 ,127 ,248 ,366 ,024 ,016 ,467 ,101 ,271 ,028 ,003 ,017 ,211 ,498 ,330 ,027 ,092 ,129 ,018 ,121 ,008 ,491 ,000 ,145 ,075 ,161 ,414 ,466
X29 ,242 ,416 ,463 ,465 ,055 ,276 ,423 ,109 ,311 ,416 ,091 ,334 ,149 ,259 ,030 ,046 ,164 ,153 ,145 ,338 ,243 ,497 ,154 ,243 ,243 ,097 ,325 ,346 ,161 ,000 ,059
X30 ,009 ,419 ,032 ,010 ,068 ,099 ,204 ,039 ,159 ,041 ,382 ,012 ,298 ,329 ,305 ,414 ,059 ,049 ,110 ,364 ,135 ,043 ,389 ,274 ,135 ,037 ,003 ,256 ,414 ,000 0,003
X31 ,097 0,014 0,090 0,014 0,105 0,061 0,500 0,142 0,493 0,065 0,493 0,024 0,213 0,379 0,488 0,136 0,042 0,496 0,314 0,325 0,341 0,022 0,155 0,177 0,346 0,456 0,108 0,479 0,466 0,059 0,003
a. Determinante = 2,520E-11
126

Salazar Rios Yubel Yesenia PDF

Cargado por

Copyright:

Formatos disponibles

Salazar Rios Yubel Yesenia PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Salazar Rios Yubel Yesenia PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

FACULTAD DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA

“FACTORES DE INFLUENCIA EN EL BAJO RENDIMIENTO ACADÉMICO

YUBEL YESSENIA SALAZAR RIOS

PARA OPTAR EL TÍTULO PROFESIONAL DE:

INGENIERO ESTADÍSTICO E INFORMÁTICO

Por haberme permitido llegar hasta este

A mi querida Madre, Susana

Por darme la vida, quererme mucho, creer

Por ser el motivo para seguir preparándome y

A mi mamá Simona, por la gran paciencia y

A mis Amigos y Amigas:

Hoy dedico a ellos esta tesis: A los TDA’s, mis

Yubel Yessenia Salazar Rios

 Mi más cordial reconocimiento y agradecimiento a todos y cada uno de

los Ingenieros de la Facultad de INGENIERÍA ESTADÍSTICA E

INFORMÁTICA, porque de alguna manera supieron brindarme su gama

 Mi agradecimiento al director y asesor de tesis, por su colaboración y

orientación en la realización del presente trabajo de investigación, ya que

supieron guiarme de la mejor manera con su repertorio amplio de

 De igual modo mi agradecimiento a los Ingenieros de la facultad, por su

acertado asesoramiento en el desarrollo del presente trabajo de

investigación, gracias a su apoyo se pudo concluir el presente trabajo de

 Agradezco también a los compañeros de la Facultad de Ingeniería

Estadística e Informática, que formaron parte del estudio y por su

comprensión y apoyo en el proceso de la recopilación de la información.

 Finalmente mi más sincero agradecimiento a todas las personas que

directa o indirectamente son parte de mi realización personal ya que

siempre estuvieron apoyándome moralmente cuando más lo necesitaba.

1.1. DESCRIPCIÓN DEL PROBLEMA............................................................... 14

1.2. FORMULACIÓN DEL PROBLEMA ............................................................. 15

1.3. OBJETIVOS ................................................................................................. 16

1.4. HIPÓTESIS DE LA INVESTIGACIÓN......................................................... 17

1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN. ............................................... 17

1.6. LIMITACIONES DE LA INVESTIGACIÓN .................................................. 18

2.1. ANTECEDENTES DE LA INVESTIGACIÓN .............................................. 19

2.2. BASE TEÓRICA ........................................................................................... 21

2.3. MARCO CONCEPTUAL .............................................................................. 48

2.4. OPERACIONALIZACIÓN DE LAS VARIABLES......................................... 51

3.3. MÉTODO DE RECOPILACIÓN DE DATOS ............................................... 56

3.4. MÉTODO DE TRATAMIENTO DE DATOS ................................................ 57

4.1. ANALISIS DESCRIPTIVO. .......................................................................... 60

4.2. DEFINICIÓN DE LAS VARIABLES. ............................................................ 68

4.3. SELECCIÓN DEL MODELO. ...................................................................... 70

4.4. OBTENCIÓN DE ESTIMADORES. ............................................................. 70

4.5. MODELO FINAL ESTIMADO. ..................................................................... 72

4.6. VALIDACIÓN DEL MODELO. ..................................................................... 72

4.7. COMPROBACIÓN DE SUPUESTOS ESTADÍSTICOS QUE DEBE

4.8 ANALISIS DE LOS RESULTADOS ............................................................. 81

RECOMENDACIONES Y SUGERENCIAS ...................................................... 88

BIBLIOGRAFÍA CONSULTADA ...................................................................... 89

ANEXO 05....................................................................................................... 120

ANEXO 06....................................................................................................... 123

ANEXO 07....................................................................................................... 125

Tabla 1 Escala de Calificación de los Aprendizajes en la UNA-PUNO ............ 22

Tabla 2 Análisis de Varianza para la Regresión Múltiple ................................. 36

Tabla 3 Decisión para Durbin-Watson ............................................................. 47

Tabla 4 Operacionalización de Variables. ........................................................ 51

Tabla 5 Resultados de la Muestra Piloto. ......................................................... 54