Este documento describe un proyecto de investigación que busca determinar la influencia de la depresión en el rendimiento académico de jóvenes entre 18 y 19 años de edad en cursos de nivelación en la Escuela Politécnica del Ejército Extensión Latacunga. El estudio utilizará encuestas y una muestra de 42 estudiantes para analizar las posibles causas de depresión y su relación con las notas promedio. El objetivo es establecer si un alto nivel de depresión afecta negativamente el rendimiento

1. PONTIFICIA UNIVERSIDAD CATÓLICA
DEL ECUADOR SEDE AMBATO
ESCUELA POLITÉCNICA DEL EJÉRCITO
EXTENSIÓN LATACUNGA
PROYECTO DE INVESTIGACIÓN:
INFLUENCIA DE LA DEPRESIÓN EN EL RENDIMIENTO ACADÉMICO DE
LOS JÓVENES ENTRE 18 y 19 AÑOS DE EDAD DE LOS CURSOS DE
NIVELACIÓN EN LA ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN
LATACUNGA
REALIZADO POR:
IVÁN BLADIMIR COLLANTES VÁSCONEZ
ESTUDIANTE DE LA MAESTRÍA EN TECNOLOGÍAS
PARA LA GESTIÓN Y PRÁCTICA DOCENTE
DE LA PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
SEDE AMBATO
AMBATO, ECUADOR, FEBRERO DE 2013

2. INDICE
1. Título ………………………………………………………………… 3
2. Problema ……………………………………………………………. 4
3. Objetivos …………………………………………………………….. 6
4. Tipo de estudio estadístico ………………………………………… 7
5. Variables dependientes e independientes: tipos de datos y
escalas de medición ………………………………………………… 8
6. Población …………………………………………………………….. 9
7. Muestra ……………………………………………………………….. 11
8. Estructura de la base de datos estadística ………………………. 14
9. Análisis de frecuencia ……………………………………………… 17
10. Análisis descriptivo …………………………………………………. 21
11. Análisis exploratorio ………………………………………………… 23
12. Análisis de forma ………………………………………………….… 24
13. Análisis Comparativo ……………………………………………….. 25
14. Análisis Correlacional ………………………………………………. 28
15. Análisis Inferencial ………………………………………………….. 30
16. Conclusiones ………………………………………………………… 32
17. Anexos ………………………………………………………………... 33
2

3. 1. TÍTULO
INFLUENCIA DE LA DEPRESIÓN EN EL RENDIMIENTO ACADÉMICO DE
LOS JÓVENES ENTRE 18 y 19 AÑOS DE EDAD DE LOS CURSOS DE
NIVELACIÓN EN LA ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN
LATACUNGA
3

4. 2. PROBLEMA
Actualmente la depresión se ha convertido en un factor cada vez más común en
la población, específicamente en los jóvenes, convirtiéndose en un problema
grave de la sociedad actual; un joven desanimado vive una serie de factores
negativos los cuales pueden llevarlo a una depresión, teniendo como
consecuencias malas relaciones con la sociedad, bajo rendimiento académico e
incluso el suicidio.
Minuto Cívico del día lunes en la ESPE extensión Latacunga
En los jóvenes estudiantes de nivelación de la ESPE extensión Latacunga, se
evidencia un bajo rendimiento académico acompañado de un alto grado de
apatía hacia el aprendizaje y un quemeimportismo a su auto superación. La
edad de estos jóvenes oscila entre 18 y 19 años, por lo que todavía se les
considera adolescentes. Tomando en cuenta que estos jóvenes atraviesan un
4

5. tiempo de transición educativa del nivel medio al superior, la depresión repercute
en este sector de la población en mayor grado que en estudiantes de cursos
superiores que ya han pasado esta etapa y presentan un mejor rendimiento
académico. Con la presente investigación se pretende conocer algunas de las
principales causas por las cuales aparece la depresión en estos estudiantes. Se
pretende además determinar los síntomas y signos con que se pueden
diagnosticar la depresión en los estudiantes, siendo la hipótesis fundamental el
descenso en el rendimiento académico.
Los comportamientos, las actitudes, las formas de relacionarse con el entorno,
con sus compañeros y profesores son señales que nos ayudan a saber si un
joven está cayendo en la depresión.
Como consecuencia de lo anterior se plantea el problema a investigar, la
influencia que tiene la depresión en el rendimiento académico de los jóvenes
entre 18 y 19 años de edad de los cursos de nivelación en la ESPE extensión
Latacunga (ESPE-EL).
5

6. 3. OBJETIVOS
OBJETIVO GENERAL:
Determinar la manera en que la depresión repercute en el rendimiento
académico de los jóvenes entre 18 y 19 años de edad.
OBJETIVOS ESPECÍFICOS:
• Determinar las causas que llevan a la depresión.
• Establecer las consecuencias.
• Cómo se relaciona un joven deprimido con la sociedad.
• Comprobar si la depresión es un factor que provoque el suicidio.
Lo que se quiere conocer: las causas de la depresión en jóvenes entre 18 y 19
años de edad, así como las consecuencias que se tiene y cómo estas
repercuten en su rendimiento académico.
6

7. 4. TIPO DE ESTUDIO ESTADÍSTICO: DESCRIPTIVO
TIPO DE ESTUDIO:
Observacional, descriptivo y documental.
LÍMITE DE ESPACIO:
Escuela Politécnica del Ejército Extensión Latacunga.
DISEÑO DE ESTUDIO:
La Escuela Politécnica del Ejército extensión Latacunga está ubicada en las
calles Quijano y Ordóñez y Hermanas Paez, Latacunga, Provincia de Cotopaxi,
Ecuador. Es también conocida como “ESPE – EL”.
UNIVERSO DE TRABAJO:
Curso de nivelación de la Escuela Politécnica del Ejército extensión Latacunaga,
periodo 2012 – 2013.
LÍMITE DE TIEMPO:
Septiembre 2012 – Febrero 2013
MATERIAL:
Referencias bibliográficas.
Referencias de publicaciones.
Computadora.
Cuestionarios.
Cámara digital para tomar evidencias.
7

8. 5. VARIABLES DEPENDIENTES E INDEPENDIENTES:
TIPOS DE DATOS Y ESCALAS DE MEDICIÓN
5.1 Variables independientes:
• Género.
• Edad
• Nivel de depresión.
5.2 Variables dependientes:
• Promedio de rendimiento académico.
5.3 Tipos de Datos:
• Género: Datos Cualitativos.
• Edad: Datos Cuantitativos.
• Nivel de depresión: Datos Cualitativos
• Promedio de rendimiento: Datos Cuantitativos.
5.4 Escalas de Medición:
• Género: Datos cualitativos Nominales.
• Edad: Datos cuantitativos de Razón.
• Nivel de depresión: Datos cualitativos Ordinales.
• Promedio de rendimiento: Datos cuantitativos de Razón.
8

9. 6. POBLACIÓN
La cantidad de jóvenes que estudian en la Escuela Politécnica del Ejército es
actualmente de 1354 alumnos de los cuales 252 son del curso de nivelación.
Los datos fueron proporcionados por la secretaría académica de admisión y
registro de la ESPE-EL.
La población por lo tanto es N = 252.
La población viste de una manera informal, por lo general pantalón de jean y
sudaderas con capucha, o las prendas que están últimamente de moda como
las blusas, pantalones entubados, chompas, etc.
La convivencia de los profesores con los alumnos es excelente, la mayor parte
conviven y toman la parte más positiva del maestro para poder mejorar
académica y personalmente.
Estudiantes de nivelación respondiendo las encuestas
La población es tradicionalmente sociable, pero casualmente dentro de la misma
existen jóvenes que actúan de una manera agresiva ya que manifiestan cierta
9

10. falta de respeto hacia sus compañeros y compañeras e incluso se ha conocido
casos extremos de estudiantes que han intentado faltar el respeto a sus
profesores, lo que es totalmente desagradable y muy mal visto por la sociedad.
Hubieron 2 casos de suicidio en los últimos 4 semestres, pero se consideraron
aislados y debidos a un alto nivel de depresión en cada uno de ellos.
10

11. 7. MUESTRA
Para determinar el tamaño de la muestra, la misma que es necesaria definir para
poder realizar el cálculo inferencial, se procedió a realizar una encuesta a 20
alumnos en base a una muestra aleatoria, considerando el promedio de notas de
las 4 asignaturas técnicas obtenidas en la primera unidad del curso de
nivelación, cuyos resultados se pueden observar en la tabla No 1:
¿Cuál es su promedio en la primera unidad del curso de nivelación en las
asignaturas de álgebra, geometría, física y química?
Tabla No. 1
Respuestas de la prueba piloto
__ __
Caso Género (Masculino/Femenino) Edad (años cumplidos) x x− x ( x − x )2
1 Femenino 1 18 4.18 -2.10 4.40
2 Femenino 1 18 6.98 0.70 0.49
3 Femenino 1 19 6.24 -0.03 0.00
4 Femenino 1 18 6.18 -0.10 0.01
5 Femenino 1 19 8.02 1.74 3.04
6 Femenino 1 18 5.88 -0.40 0.16
7 Femenino 1 18 5.60 -0.67 0.45
8 Femenino 1 18 9.34 3.07 9.41
9 Femenino 1 18 9.91 3.64 13.25
10 Masculino 0 18 8.65 2.38 5.65
11 Masculino 0 19 4.40 -1.87 3.51
12 Masculino 0 19 4.38 -1.90 3.60
13 Masculino 0 18 3.90 -2.37 5.63
14 Masculino 0 18 4.18 -2.10 4.40
15 Masculino 0 18 4.78 -1.50 2.24
16 Masculino 0 18 7.66 1.39 1.93
17 Masculino 0 19 7.50 1.23 1.51
18 Masculino 0 18 6.88 0.60 0.36
19 Masculino 0 18 4.63 -1.65 2.71
20 Masculino 0 18 6.20 -0.07 0.01
∑= 125.45 ∑= 62.76
___
___
X = 6.27 σ 2
=
∑(X − X ) 2
⇒ σ2 =
62.76
N −1 19
∴ σ 2 = 3.30
11

12. Este último valor corresponde a la varianza, dato que es utilizado para encontrar
el tamaño de la muestra:
Nσ 2
n= 2
(N − 1) B2 + σ 2
Zα / 2
En donde:
n = tamaño de la muestra
N = población bajo estudio (N = 252)
Z = valor estandarizado para un nivel de confianza del 95%
σ2 = varianza poblacional (σ2 = 3.30)
B = es el error muestral (B = medio punto)
El cálculo completo se lo realizó en RStudio donde se obtuvieron los siguientes
resultados:
Z = 1.959964
σ2 = 3.298363
n = 42
La codificación en RStudio es:
datos<-c(4.18,6.98,6.24,6.18,8.02,5.88,5.60,9.34,9.91,8.65,4.40,4.38,3.90,4.18,
4.78,7.66,7.50,6.88,4.63,6.20)
varianza<-var(datos)
niveldeconfianza<-95
alfa<-1-(niveldeconfianza/100)
z <-qnorm(c(1-alfa/2), mean=0, sd=1, lower.tail=TRUE)
print(z)
12

13. N<-252
error<-0.5 # medio punto es el Error máximo permitido
n<-(N*varianza)/((N-1)*(error/z)^2+varianza)
n<-round(n,0)
print(n)
La pantalla de RStudio con esta codificación es la siguiente:
13

14. 8. ESTRUCTURA DE LA BASE DE DATOS ESTADÍSTICA
Se consideran 4 variables (2 cuantitativas y 2 cualitativas) y 42 casos.
Se desea realizar un estudio, para estimar la proporción de los jóvenes de 18 y
19 años de edad del curso de nivelación en la ESPE extensión Latacunga en
los que la depresión influye en su rendimiento académico.
8.1 Hipótesis
Un alto nivel de depresión en los jóvenes entre 18 y 19 años afecta el
rendimiento académico de los estudiantes. del curso de nivelación en la Escuela
Politécnica del Ejército extensión Latacunga.
8.2 Operacionalización de la hipótesis
Si se encuentra que la depresión en adolescentes de 18 y 19 años de edad en el
curso de nivelación de la ESPE extensión Latacunga es frecuente, entonces
podremos decir que su rendimiento académico se verá afectado.
8.3 Preguntas aplicadas
Las preguntas que se aplicaron a 42 estudiantes de manera aleatoria fueron:
¿A qué genero pertenece? (Masculino / Femenino)
¿Cuál es su edad? (años cumplidos)
¿Cuál es su nota promedio de las asignaturas de Álgebra, Geometría, Física y
Química en la primera unidad del curso de nivelación?
¿Se ha sentido deprimido en este periodo? (siempre / a veces / nunca)
14

15. 8.4 Base de datos
Las respuestas a las preguntas fueron codificadas como se indica a
continuación:
¿A qué genero pertenece? (Msculino = 0 / Femenino = 1)
¿Se ha sentido deprimido en este periodo? (siempre=0 / a veces=2 / nunca=1)
Las respuestas que se obtuvieron se registran en la tabla No 2.
15

16. Tabla No. 2
ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN LATACUNGA
Objetivo:
La siguiente encuesta tiene por objeto recabar información sobre el rendimiento
académico en jóvenes del curso ne nivelación.
¿A qué genero pertenece? (Msculino = 0 / Femenino = 1)
¿Cuál es su edad? (años cumplidos)
¿Cuál es su nota promedio de las asignaturas de Álgebra, Geometría, Física
Química en la primera unidad del curso de nivelación?
¿Se ha sentido deprimido en este periodo? (siempre = 0 / a veces = 2 / nunca = 1)
Caso Género (Masculino/Femenino) Edad (años cumplidos) Notas Depresión
1 Masculino 0 18 8.7 nunca 1
2 Masculino 0 19 4.4 siempre 0
3 Masculino 0 19 4.4 siempre 0
4 Femenino 1 18 4.2 siempre 0
5 Femenino 1 18 7.0 a veces 2
6 Masculino 0 18 3.9 siempre 0
7 Masculino 0 18 4.2 a veces 2
8 Masculino 0 18 4.8 siempre 0
9 Femenino 1 19 6.2 nunca 1
10 Masculino 0 18 7.7 a veces 2
11 Femenino 1 18 6.2 a veces 2
12 Femenino 1 19 8.0 nunca 1
13 Masculino 0 19 7.5 nunca 1
14 Masculino 0 18 6.9 siempre 0
15 Masculino 0 18 4.6 siempre 0
16 Masculino 0 18 6.2 siempre 0
17 Femenino 1 18 5.9 siempre 0
18 Femenino 1 18 5.6 siempre 0
19 Femenino 1 18 9.3 a veces 2
20 Masculino 0 18 6.0 siempre 0
21 Masculino 0 19 5.5 siempre 0
22 Masculino 0 18 5.2 a veces 2
23 Masculino 0 18 5.5 a veces 2
24 Masculino 0 19 4.5 siempre 0
25 Masculino 0 19 4.5 siempre 0
26 Femenino 1 18 9.9 nunca 1
27 Masculino 0 18 6.7 siempre 0
28 Masculino 0 18 7.5 nunca 1
29 Masculino 0 18 4.4 a veces 2
30 Masculino 0 18 7.9 nunca 1
31 Masculino 0 18 6.1 a veces 2
32 Masculino 0 18 7.0 nunca 1
33 Masculino 0 18 6.9 nunca 1
34 Masculino 0 18 6.7 nunca 1
35 Masculino 0 18 6.9 nunca 1
36 Masculino 0 18 5.5 siempre 0
37 Masculino 0 18 6.0 a veces 2
38 Masculino 0 19 6.0 a veces 2
39 Masculino 0 18 6.3 a veces 2
40 Masculino 0 18 5.5 a veces 2
41 Masculino 0 18 5.8 siempre 0
42 Masculino 0 18 7.8 nunca 1
Latacunga, Febrero de 2013
16

17. 9. ANÁLISIS DE FRECUENCIA
Se muestra la tabla de frecuencias de cada variable y sus gráficos:
9.1 Género
Tabla No. 3
Género Frecuencia %
Femenino 9 21
Masculino 33 79
Total 42 100
17

18. 9.2 Edad
Tabla No. 4
Edad Frecuencia %
18 años 30 71
19 años 12 29
Total 42 100
18

19. 9.3 Rendimiento académico
Tabla No. 5
Notas 3.9 4.2 4.4 4.5 4.6 4.8 5.2 5.5 5.6 5.8 5.9 6 6.1 6.2 6.3 6.7 6.9 7 7.5 7.7 7.8 7.9 8 8.7 9.3 9.9 Total
Frecuencia 1 2 3 2 1 1 1 4 1 1 1 3 1 3 1 2 3 2 2 1 1 1 1 1 1 1 42
% 2.4 4.8 7.1 4.8 2.4 2.4 2.4 9.5 2.4 2.4 2.4 7.1 2.4 7.1 2.4 4.8 7.1 4.8 4.8 2.4 2.4 2.4 2.4 2.4 2.4 2.4 100.0
19

20. 9.4 Nivel de depresión
Tabla No. 6
Depresión Frecuencia %
A veces 13 31
Nunca 12 29
Siempre 17 40
Total 42 100
20

21. 10. ANÁLISIS DESCRIPTIVO: MEDIDAS DE CENTRALIZACIÓN Y
DISPERSIÓN
Para la variable cuantitativa de rendimiento académico se obtuvo:
10.1 Media, Mediana, Moda, Cuartiles.
Los resultados obtenidos en RSrtudio fueron:
# Medidas de tendencia central
> DATOS<-read.csv("Base.csv")
> # Media
> media<-mean(DATOS$Notas)
> print(media)
[1] 6.185714
> # Mediana
> mediana<-median(DATOS$Notas)
> print(mediana)
[1] 6.05
> # Moda
> frecuencia<-table(DATOS$Notas)
> print(frecuencia)
3.9 4.2 4.4 4.5 4.6 4.8 5.2 5.5 5.6 5.8 5.9 6 6.1 6.2 6.3 6.7 6.9 7
7.5 7.7 7.8 7.9 8 8.7 9.3 9.9
1 2 3 2 1 1 1 4 1 1 1 3 1 3 1 2 3 2
2 1 1 1 1 1 1 1
> # Moda = 5.5
> # Cuartiles
> cuartil1<-quantile(DATOS$Notas,.25)
> print(cuartil1)
25%
5.275
> cuartil2<-quantile(DATOS$Notas,.5)
> print(cuartil2)
50%
6.05
> cuartil3<-quantile(DATOS$Notas,.75)
> print(cuartil3)
75%
6.975
> resumen<-summary(DATOS$Notas)
> print(resumen)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.900 5.275 6.050 6.186 6.975 9.900
> resumen2<-fivenum(DATOS$Notas)
> print(resumen2)
[1] 3.90 5.20 6.05 7.00 9.90
21

22. 10.2 Rango, Varianza, Desviación Estándar.
Se obtuvieron en RStudio los siguientes resultados:
# Medidas de dispersión
> DATOS<-read.csv("Base.csv")
> rango<-range(DATOS$Notas)
> print(rango)
[1] 3.9 9.9
> rango<-rango[2]-rango[1]
> print(rango)
[1] 6
> # Varianza
> varianza<-var(DATOS$Notas)
> print(varianza)
[1] 2.051986
> # Desviación Estándar
> desv<-sd(DATOS$Notas)
> print(desv)
[1] 1.432476
> coeficientevariacion<-(desv/mean(DATOS$Notas))*100
> cat("Rango=",rango, "n")
Rango= 6
> cat("Varianza=",varianza,"n")
Varianza= 2.051986
> cat("Desviación estándar=",desv,"n")
Desviación estándar= 1.432476
> cat("Coeficiente de Variación=",coeficientevariacion,"%")
Coeficiente de Variación= 23.1578 %
22

23. 11. ANÁLISIS EXPLORATORIO (CAJAS Y ALAMBRES)
Con los resultados anteriormente obtenidos de valores extremos y cuartiles se
realizó el gráfico de cajas y alambres en RStudio:
La codificación y resultados en RStudio es:
DATOS<-read.csv("Base.csv")
> library(aplpack, pos=4)
> boxplot(DATOS$Notas, ylab="notas",col=5) # la línea horizontal es la
mediana Q2, la línea inferior es Q1 y la superior Q3
> boxplot(DATOS$Notas, ylab="notas",col=5)
> resumen<-summary(DATOS$Notas)
> print(resumen)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.900 5.275 6.050 6.186 6.975 9.900
23

24. 12. ANÁLISIS DE FORMA
Se analizó la asimetría, curtosis, barras y la gráfica mostrando la normal ideal en
RStudio y los resultados fueron los siguientes:
> # Análisis de forma
> DATOS<-read.csv("Base.csv")
> datos1<-DATOS$Notas
> library(Rcmdr)
> library(abind, pos=4)
> library(e1071, pos=4)
> resumen<-numSummary(datos1,
+ statistics=c("mean", "sd", "quantiles",
"cv","skewness", "kurtosis"),
+ quantiles=c(0,.25,.5,.75,1), type="2")
> print(resumen)
# Curtosis negativa platicúrtica
mean sd cv skewness kurtosis 0% 25% 50% 75%
100% n
6.185714 1.432476 0.231578 0.5188808 -0.009285982 3.9 5.275 6.05 6.975
9.9 42
> x<-datos1
> h<-hist(x, breaks=10, col="green")
> xfit<-seq(min(x)-2,max(x)+2,length=50)
> yfit<-dnorm(xfit,mean=mean(x),sd=sd(x))
> yfit <- 2.1*yfit*diff(h$mids[1:2])*length(x)
> lines(xfit, yfit, col="blue", lwd=3)
24

25. 13. ANÁLISIS COMPARATIVO
Se analizaron las tablas de frecuencia comparativa y tallos y hojas comparativos
en RStudio y los resultados fueron los siguientes:
Análisis comparativo entre el nivel de depresión y el rendimiento académico
La codificación es:
notas<-(DATOS$Notas)
depresion<-(DATOS$Depresion)
library(Rcmdr)
boxplot(notas~depresion,
ylab="Notas",
xlab="Depresión", col=rainbow(3))
# Existe un alto porcentaje de notas bajas y depresión
25

26. > # Diagrama de puntos
> DATOS<-read.csv("Base.csv")
> datos1<-DATOS$Notas
> dotchart(datos1, cex=.9,
+ main="Gráfico de Puntos",
+ xlab="Notas")
Para el diagrama de tallo y hojas, el tallo se formó con el dígito de los enteros y
la hoja con los dígitos de los decimales. Por ejemplo para la nota 3.9, el dígito 3
26

27. representa el tallo y el dígito 9 representa la hoja. El tallo de los datos del
rendimiento académico dio como resultado:
> # Diagrama de Tallo Hojas
> DATOS<-read.csv("Base.csv")
> datos1<-DATOS$Notas
> stem.leaf(datos1, na.rm=TRUE)
1 | 2: represents 1.2
leaf unit: 0.1
n: 42
1 3. | 9
6 4* | 22444
10 4. | 5568
11 5* | 2
18 5. | 5555689
(8) 6* | 00012223
16 6. | 77999
11 7* | 00
9 7. | 55789
4 8* | 0
3 8. | 7
2 9* | 3
1 9. | 9
Lo cual indica que hay un alto número de estudiantes que están con un
rendimiento menor al mínimo requerido para aprobar el curso de nivelación.
27

28. 14. ANÁLISIS CORRELACIONAL
Se analizaron el gráfico de dispersograma y el coeficiente de correlación de
Pearson así como los coeficientes de la recta y la gráfica de la recta en RStudio
y se obtuvieron los siguientes resultados:
> # Dispersograma y coeficiente de correlación de Pearson
> BASEDEDATOS<-read.csv("Base.csv")
> x<-BASEDEDATOS$Edad
> y<-BASEDEDATOS$Notas
> datos<-data.frame(x,y)
> cor(datos[,c("x","y")], use="complete.obs") # El coeficiente de
correlación es -0.2952495
x y
x 1.0000000 -0.2952495
y -0.2952495 1.0000000
> # Regresión
> regresion<- lm(y~x)
> # Coeficientes de la recta Y
> cat("Coefientes aproximados:n")
Coefientes aproximados:
>
cat("y=",regresion$coefficients[2],"x","+",regresion$coefficients[1],"
n")
y= -0.925 x + 23.1
> cat("Aproximación de las Y mediante el modelo lineal:n")
Aproximación de las Y mediante el modelo lineal:
> print(regresion$fitted.values)
1 2 3 4 5 6 7 8 9 10 11 12
13 14 15 16 17 18 19 20 21 22
6.450 5.525 5.525 6.450 6.450 5.525 6.450 6.450 5.525 6.450 5.525 5.525
5.525 6.450 6.450 6.450 6.450 6.450 6.450 6.450 5.525 5.525
23 24 25 26 27 28 29 30 31 32 33 34
35 36 37 38 39 40 41 42
6.450 5.525 5.525 6.450 6.450 6.450 6.450 6.450 6.450 6.450 6.450 6.450
6.450 6.450 6.450 5.525 6.450 6.450 6.450 6.450
> print("Aproximación de otros valores de Y:n")
[1] "Aproximación de otros valores de Y:n"
> # Correlograma
> library(lattice, pos=4)
> xyplot(y ~ x,
+ xlab="Edad entre 18 y 19 años",
+ ylab="Rendimiento Académico",
+ main = "Dispersograma",
+ pch=16) # Dispersograma
> # Gráfica de la recta
> xx<-BASEDEDATOS$Notas
> yy<-BASEDEDATOS$Edad
> scatterplot(yy~xx, reg.line=lm,
28

29. + xlab="Rendimiento Académico",
+ ylab="Edad entre 18 y 19 años",
+ main="Recta de Regresión Edad Vs Rendimiento Académico")
29

30. 15. ANÁLISIS INFERENCIAL
15.1 Parámetros de interés y relaciones.
El parámetro de interés del presente proyecto de investigación es el promedio de
notas de todos los estudiantes del curso de nivelación de la ESPE – EL.
La relación buscada es entre el nivel de depresión de los estudiantes y su
rendimiento académico.
Las conjeturas relativas a la población objeto de las pruebas de la hipótesis
planteada en el numeral 8.1 presentan el enfoque de 3 muestras por nivel de
depresión (siempre, a veces, nunca) y por lo tanto se realizará una prueba
ANOVA con un solo factor P.
15.2 Prueba de la hipótesis.
Se consideran los siguientes elementos:
Hipótesis nula H0 : µsiempre = µa veces = µnunca
Hipótesis alterna H1 : µsiempre ≠ µa veces ≠ µnunca
El estadístico de prueba y la región de rechazo se los calculó con el soporte de
R Commander para N muestras y superó la prueba de normalidad y de
homocedastecidad y que por lo tanto se aplica la prueba ANOVA con un factor.
El ANOVA se complementa con las postpruebas y la determinación de los
grupos de homogeneidad.
Los resultados que se obtuvieron R Commander fueron:
30

31. Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
nunca - a veces == 0 1.4756 0.4348 3.394 0.00443 **
siempre - a veces == 0 -0.8489 0.4002 -2.121 0.09834 .
siempre - nunca == 0 -2.3245 0.4095 -5.676 < 1e-04 ***
Ya que el factor P calculado es menor que 0.05, se rechaza la hipótesis nula y
se confirma la hipótesis alterna, la misma que está planteada originalmente en el
numeral 8.1 de esta investigación.
31

32. 16. CONCLUSIONES
Se ha podido observar por medio de las investigaciones realizadas que la
depresión en los estudiantes adolescentes entre 18 y 19 años de edad existe y
es un problema real, la misma que puede llegar a causar baja autoestima y por
ende un decrecimiento en el rendimiento académico.
Lógicamente existen muchas otras causas para el mal rendimiento académico,
pero de acuerdo con el estudio realizado la depresión es un factor muy
importante a tomar en cuenta.
La depresión se presenta tanto en hombres como en mujeres, llegando a
manifestarse en lo que se conoce como bipolaridad o estados de ánimo
cambiantes a los extremos.
Por último solo nos queda mencionar que nuestro objetivo fue un gran éxito ya
que lo que nos propusimos desde un principió lo hemos logrado; logramos
describir y dar a conocer y más que nada comprobar que efectivamente la
depresión en los jóvenes adolescentes estudiantes de nivelación de la ESPE
extensión Latacunga se da en diferentes formas y que afecta en todos los
sentidos al rendimiento académico de los estudiantes.
Debe ser motivo de estudio ahora identificar los motivos y más que nada las
causas que inducen a la depresión dentro de los hogares de estos estudiantes
que se ven afectados en su rendimiento académico, causando un perjuicio
económico al Estado y a otros jóvenes que pierden la oportunidad de estudiar en
las diferentes Universidades públicas.
32

33. 17. ANEXOS
17.1 Fuentes bibliográficas.
Quevedo Urías, Héctor. Estadística para Ingeniería y Ciencias. México 2008.
Anthony E. James. Depresión y trastornos emocionales. Estados Unidos 2000.
Pazmiño Maji, Rubén. Desarrollo de estadística bajo Winidams y R. Ecuador
2012.
17.2 Encuestas aplicadas a los estudiantes de nivelación de la ESPE-EL.
ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN LATACUNGA
Objetivo:
La siguiente encuesta tiene por objeto recabar información sobre el rendimiento
académico en jóvenes del curso ne nivelación.
¿A qué genero pertenece? (Msculino = 0 / Femenino = 1)
¿Cuál es su edad? (años cumplidos)
¿Cuál es su nota promedio de las asignaturas de Álgebra, Geometría, Física
Química en la primera unidad del curso de nivelación?
¿Se ha sentido deprimido en este periodo? (siempre = 0 / a veces = 2 / nunca = 1)
Caso Género (Masculino/Femenino) Edad (años cumplidos) Notas Depresión
1 Masculino 0 18 8.7 nunca 1
2 Masculino 0 19 4.4 siempre 0
3 Masculino 0 19 4.4 siempre 0
4 Femenino 1 18 4.2 siempre 0
5 Femenino 1 18 7.0 a veces 2
6 Masculino 0 19 3.9 siempre 0
7 Masculino 0 18 4.2 a veces 2
8 Masculino 0 18 4.8 siempre 0
9 Femenino 1 19 6.2 nunca 1
10 Masculino 0 18 7.7 a veces 2
33

34. 34

35. 35