Ejemplo de ABR

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 10

Universidad Continental

Informe del ABR de


Estadística aplicada
INTEGRANTES:

Índice
Pág.
Índice 2
Resumen 3
1. El problema de investigación 4
1.1. El problema o tema de investigación 4
1.2. Variables a medir 4
2. Población 4
3. Marco Muestral 4
4. Método de muestreo 4
5. Tamaño de muestra 4
6. Materiales 5
7. Resultados 5
8. Conclusiones 9
9. Bibliografía 9

Resumen
El estudio tiene como objetivo analizar la influencia de las herramientas digitales en el
rendimiento académico de los estudiantes de estadística aplicada. Se consideran tres
variables principales: el uso de herramientas digitales, el nivel de habilidad y conocimientos
de los estudiantes, y su motivación y preferencias en relación con estas herramientas.

La población de estudio son todos los estudiantes que están cursando estadística aplicada
en el presente semestre. El tamaño de la muestra se calculará utilizando fórmulas de tamaño
de muestra, dependiendo de si se conoce o no la población. Se utilizará un muestreo
aleatorio simple para seleccionar a los estudiantes de manera aleatoria.

Se recolectarán los datos mediante encuestas, entrevistas o formularios. Se utilizarán


métodos estadísticos como el análisis de correlación, análisis de varianza, regresión lineal y
pruebas de hipótesis para probar las hipótesis planteadas en el estudio.

Así, este estudio busca investigar cómo el uso de herramientas digitales en la enseñanza de
estadística aplicada influye en el rendimiento académico de los estudiantes, considerando su
nivel de habilidad, conocimientos, motivación y preferencias. Los datos se recolectarán a
través de instrumentos como encuestas y se aplicarán métodos estadísticos para analizar los
resultados y probar las hipótesis planteadas.
1. PROBLEMA DE INVESTIGACIÓN

1.1. EL PROBLEMA O TEMA DE INVESTIGACIÓN


Influencia de herramientas digitales (R, Excel) en el rendimiento académico de estudiantes
de estadística aplicada en ingeniería.

1.2. VARIABLES A MEDIR

● Las herramientas digitales que se utilizan (R, Excel)


● Nivel de habilidad y conocimiento en el uso de su herramienta de preferencia
● La frecuencia de uso de las herramientas digitales
● La nota del consolidado 1 y parcial

2. POBLACIÓN (POBLACIÓN OBJETIVO)

Todos los alumnos matriculados en el curso de Estadística aplicada, en el semestre …


(colocar el semestre correspondiente)

3. MARCO MUESTRAL

El listado de todos los alumnos matriculados en el curso de Estadística aplicada, en el


semestre … (colocar el semestre correspondiente)

4. MÉTODO DE MUESTREO

Un muestreo aleatorio simple en el que se seleccionan al azar estudiantes de la población de


interés.

5. TAMAÑO DE MUESTRA

Dado que conocemos el tamaño de la población, el tamaño requerido de la muestra se


calculará de la siguiente manera:
2
z Np(1− p)
(1− ∝2 )
n=
( N −1 ) E 2+ z2 p(1− p)
(1− ∝2 )
Donde: (colocar los valores que correspondan)
N = 100 (tamaño de la población)
α = 0.05 (nivel de significancia)
Z(1-α/2) = 1.96 (valor crítico de la distribución normal estándar para un nivel de confianza del
95%)
E = 0.1 (margen de error deseado)
p = 0.5 (estimación conservadora de la proporción poblacional)

Sustituyendo los valores en la fórmula, obtenemos:

n = (1.96^2 * 100 * 0.5 * 0.5) / [(100 - 1) * 0.1^2 + (1.96^2 * 0.5 * 0.5)]

Simplificando la expresión:

n = (3.8416 * 100 * 0.25) / [99 * 0.01 + 3.8416 * 0.5 * 0.5]


n = 96.04 / 1.2304
n = 49.2411812961
n ≈ 49

Por lo tanto, se requeriría una muestra de aproximadamente 49 individuos para alcanzar el


nivel de confianza del 95%, con un tamaño de población de 100, una proporción esperada de
0.5, un error muestral tolerable de 0.1 y un valor crítico de Z = 1.96.

6. MATERIALES

Se recolectó la información a través de un formulario (cuestionario), el cual fue elaborado por


el equipo de trabajo con el objetivo de recolectar datos que sirvan a los propósitos de la
investigación.

7. RESULTADOS (colocar los resultados de sus análisis)

Prueba de independencia

H0: O = E; La frecuencia de uso y el rendimiento académico son independientes. H1: O ≠ E:


Está relacionada la frecuencia de uso con el rendimiento académico.
gl = (6-1)(3-1) = 10

Tabla de valores esperados,

Cálculo del estadístico de prueba,


como p-valor < 0.05. Se rechaza la Ho

Concluimos que la frecuencia de uso de las herramientas está relacionada con el rendimiento
académico.

Análisis de regresión múltiple

Estadísticas de la regresión

Coeficiente de correlación 0.69208765


múltiple
Coeficiente de 0.47898532
determinación R^2
R^2 ajustado 0.44425101

Error típico 2.39382355

Observaciones 49

Coeficiente Error típico Estadístico t Probabilidad


s
Intercepción 8.63741278 1.44300197 5.98572489 3.2785E-07

¿Con qué frecuencia 0.06526265 0.22378669 0.29162884 0.77191059


utiliza RStudio para el
desarrollo del curso?
¿Con qué frecuencia 1.0135512 0.25214656 4.01969083 0.00021939
utiliza Excel para el
desarrollo del curso?
¿Cuál es su nivel de 0.81960123 0.42590387 1.92438078 0.06064414
habilidad y conocimiento
en el uso de su
herramienta de
preferencia?

El R^2 ajustado cuenta con un valor de 0.44, lo que nos dice que el modelo que se estima no
es muy bueno.
Analizando los coeficientes bi:

H0: bi = 0
H1: bi ≠ 0

Nos podemos percatar que el p-valor del b2 es 0.77 > 0.05. Por lo que no podemos rechazar
Ho, entonces b2 = 0.
Del mismo modo el p-valor del b3 es 0.06 > 0.05. Por lo que no podemos rechazar Ho,
entonces b3 = 0.

Probaremos otro modelo.

Estadísticas de la regresión

Coeficiente de correlación múltiple 0.6913759

Coeficiente de determinación R^2 0.47800063

R^2 ajustado 0.45530501

Error típico 2.36989708

Observaciones 49

Error Estadístico
Coeficientes Probabilidad
típico t

Intercepción 8.7014 1.4119789 6.16254162 1.6516E-07


¿Con qué frecuencia utiliza Excel para el
1.0032 0.2471543 4.0591177 0.00018929
desarrollo del curso?

¿Cuál es su nivel de habilidad y


conocimiento en el uso de su 0.8545 0.4046937 2.11139213 0.04020209
herramienta de preferencia?

El R^2 ajustado es de 0.45, lo que nos indica que el modelo no será muy ideal. Analizando
los coeficientes bi
H0: bi = 0
H1: bi ≠ 0

Nos podemos percatar que ambos valores del p-valor, tanto del b1 como del b3 son menores
a 0.05 con lo que b1 ≠ 0 y b3 ≠ 0. Entonces, formamos el modelo final:
ŷ = 8. 7 + 1. 0032𝑥1 + 0. 8545𝑥3

8. CONCLUSIONES

 Se llegó a analizar la influencia de las herramientas digitales en el rendimiento académico


de los estudiantes de estadística aplicada
 Se consideraron tres variables principales: la frecuencia de uso de herramientas digitales,
el nivel de habilidad y conocimientos de los estudiantes, y su motivación y preferencias en
relación con estas herramientas
 Los datos se recolectaron mediante encuestas, entrevistas o formularios.
 Se utilizaron métodos estadísticos como el análisis de correlación, regresión lineal y
pruebas de hipótesis para analizar los datos y probar las hipótesis planteadas en el
estudio.

9. BIBLIOGRAFÍA

De La A Muñoz, Gisela Fabiola.(2016-2017 ). Análisis del rendimiento académico en los/as


estudiantes. Universidad Andina Simón Bolívar.
Agresti, A., & Finlay, B. (2018). Statistical Methods for the Social Sciences. Pearson.
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2015). Introduction to Linear Regression
Analysis. Wiley.
Ott, R. L., Longnecker, M. T., & Bakewell, W. E. (2015). An Introduction to Statistical Methods
and Data Analysis. Cengage Learning.
DeGroot, M. H., & Schervish, M. J. (2011). Probability and Statistics. Pearson.
McClave, J. T., Benson, P. G., & Sincich, T. (2014). Statistics for Business and Economics.
Pearson.

También podría gustarte