Resumen

El presente trabajo realiza un Análisis Exploratorio de Datos (EDA) sobre una muestra de 100 personas adultas con el objetivo de caracterizar la percepción ciudadana respecto a la política exterior y la confianza en organismos internacionales. Se examinaron variables sociodemográficas (edad, sexo, nivel educativo), hábitos informativos, actitudes hacia el multilateralismo y la participación en programas de intercambio internacional. Los resultados revelan una alta variabilidad en las escalas actitudinales (coeficientes de variación entre 52.39% y 57.96%), lo que evidencia una opinión pública variada frente a los asuntos globales. Aunque descriptivamente las personas que participaron en programas de intercambio registraron un promedio de confianza ligeramente superior (5.30 vs. 4.94), ambos grupos compartieron la misma mediana (5.00) y un rango intercuartílico de 5.00. Se concluye que, a nivel exploratorio, la experiencia de intercambio no muestra una diferencia significativa en la postura institucional.

Palabras clave: Análisis exploratorio de datos, confianza institucional, programas de intercambio, política exterior, actitud hacia el multilateralismo.

1. Introducción

1.1. Contextualización del problema

La forma en que los ciudadanos perciben la política exterior de su país no depende únicamente de las decisiones gubernamentales, sino también de un conjunto de factores individuales relacionados con su formación, sus experiencias personales y sus hábitos de consumo de información. En un mundo cada vez más interconectado, comprender qué lleva a una persona a confiar —o desconfiar— de organismos internacionales como la ONU, la OMS o el FMI resulta clave para entender cómo se construye la opinión pública sobre asuntos globales.

El presente estudio analiza una encuesta aplicada a 100 personas adultas, en la que se indagó por su nivel educativo, su exposición a experiencias internacionales (particularmente su participación en programas de intercambio), sus hábitos informativos y sus actitudes frente al multilateralismo, la confianza en organismos internacionales y la satisfacción con la política exterior nacional.

1.2. Importancia del tema

Identificar los factores asociados a la confianza en organismos internacionales tiene una utilidad práctica directa: permite a instituciones educativas y centros de estudios internacionales diseñar estrategias de formación y comunicación más efectivas en asuntos globales. Si se comprueba que la experiencia de intercambio se asocia con mayores niveles de confianza institucional, esto respaldaría la promoción de este tipo de programas como herramienta de educación cívica y global. De manera más amplia, este análisis contribuye a la discusión sobre cómo la educación y la experiencia internacional moldean actitudes políticas, un tema central para la psicología política y las relaciones internacionales.

1.3. Antecedentes

La literatura académica ofrece varios marcos que respaldan la relación entre la experiencia internacional, la educación, la exposición informativa y las actitudes hacia el ámbito internacional:

Teoría del contacto intergrupal: Formulada por Allport (1954), plantea que el contacto directo con miembros de otros grupos, bajo condiciones favorables, reduce el prejuicio y mejora las actitudes hacia el exogrupo. Este efecto fue confirmado en el metaanálisis de Pettigrew y Tropp (2006), respaldando la premisa de que experiencias como un intercambio internacional pueden modificar la valoración de instituciones y actores externos.
Educación y actitudes hacia la globalización: Hainmueller y Hiscox (2006) demostraron que el nivel educativo está fuertemente asociado con actitudes más favorables hacia la globalización y el comercio internacional. Asimismo, Hassan (2025) identificó que la calidad percibida de la educación recibida se relaciona con mayores niveles de confianza política.
Hábitos informativos y diplomacia pública: Earle y Hodson (2022) evidenciaron que el tipo de consumo de noticias influye en las actitudes sociopolíticas. Por su parte, la Oficina de Rendición de Cuentas del Gobierno de Estados Unidos (GAO, 2009) documentó que los programas de intercambio son utilizados deliberadamente como herramientas de diplomacia pública para mejorar la comprensión hacia otros países u organismos internacionales.

1.4. Pregunta problema

¿Existe una diferencia estadísticamente significativa en el nivel de confianza hacia los organismos internacionales entre las personas que han participado en un programa de intercambio y las que no?

1.5. Objetivo general

Determinar si existe una diferencia estadísticamente significativa en el nivel de confianza hacia los organismos internacionales entre las personas que han participado en un programa de intercambio y las que no, con el fin de generar evidencia empírica que oriente el diseño de estrategias de educación y comunicación en asuntos internacionales.

2. Marco Teórico

Para interpretar los resultados de este estudio sobre las percepciones, conocimientos y actitudes de los ciudadanos respecto a la política exterior, resulta fundamental definir las herramientas estadísticas empleadas para procesar la información proveniente de los 100 encuestados. Este análisis utiliza herramientas de estadística descriptiva, cuyo propósito es organizar, resumir y presentar un conjunto de datos de modo que sus características principales sean comprensibles.

2.1. Análisis Exploratorio de Datos (EDA)

El Análisis Exploratorio de Datos (EDA) es una etapa fundamental para comprender el comportamiento de los datos antes de realizar análisis estadísticos posteriores. La integración de representaciones gráficas y medidas numéricas permite identificar las características generales de los datos, reconocer patrones y detectar posibles valores atípicos. Este proceso facilita una interpretación inicial de la información y contribuye a la selección de los procedimientos estadísticos más adecuados para su análisis. En nuestro estudio, aplicamos el Análisis Exploratorio de Datos (AED) a la base de datos, compuesta por 100 observaciones (encuestados) y 11 variables. La fase inicial consistió en verificar la estructura de la base de datos y comprobar la ausencia de valores faltantes, lo que aseguró la calidad e integridad de la información antes de proceder con el cálculo de los estadísticos descriptivos y la elaboración de representaciones gráficas.

2.2. Clasificación y Naturaleza de las Variables

Las variables se definen como características o cualidades de una muestra o población a las que se les puede asignar un valor (Zambrano Monserrate et al., 2023). Estas se dividen principalmente en dos categorías: cuantitativas, las cuales se expresan numéricamente y se subdividen en continuas (valores incontables o complejos de contar) y discretas (valores finitos o contables, sin que esta distinción dependa de si usan enteros o decimales); y cualitativas, que no se expresan en números y pueden clasificarse como dicótomas (si toman solo dos valores, como el sexo) o politómicas (si adoptan tres o más valores, como el nivel educativo) (Zambrano Monserrate et al., 2023). Existe, además, una clasificación por la naturaleza o nivel de medición de la variable: nominal (categorías sin orden), ordinal (categorías con un orden lógico pero sin distancias medibles entre ellas), de intervalo (numérica, donde el cero es un punto de referencia arbitrario) y de razón (numérica, donde el cero indica ausencia real del atributo). Para el desarrollo del informe, la base se separó en dos bloques:

Variables Cuantitativas (5): edad, interes_politica_exterior, actitud_multilateralismo, confianza_organismos_internacionales y satisfaccion_politica_exterior_pais. Estas recibieron medidas de tendencia central, de dispersión y de posición, así como histogramas y diagramas de caja.
Variables Cualitativas (6): sexo, nivel_educativo, conocimiento_tratados, apoyo_integracion_regional, frecuencia_lectura_noticias y ha_participado_programa_intercambio. Se describieron mediante tablas de frecuencia y diagramas de barras.

2.3. Tablas de Frecuencia

Una tabla de frecuencias es el instrumento que resume una variable mostrando cuántas veces se repite cada valor o categoría. Sus elementos básicos son:

Frecuencia absoluta: Número de observaciones que pertenecen a cada categoría.
Frecuencia relativa o proporción: Cociente entre la frecuencia absoluta y el total de observaciones. Indica qué parte del total representa cada categoría.
Porcentaje: La frecuencia relativa multiplicada por 100, que suele ser la forma más intuitiva de interpretar el resultado.
Frecuencias acumuladas: Suma progresiva de las anteriores; resultan especialmente útiles en variables ordinales o agrupadas en intervalos.

2.4. Medidas de Tendencia Central

Estos valores resumen en un único número el centro en torno al cual se agrupan los datos:

Media aritmética: Es el promedio de todas las observaciones. Es la medida más utilizada, ya que incorpora toda la información; sin embargo, resulta sensible a los valores extremos.
Mediana: Es el valor que ocupa la posición central de los datos ordenados de menor a mayor. Divide el conjunto en dos mitades iguales y no se ve afectada por valores extremos, por lo que se recomienda su uso cuando la distribución es asimétrica.
Moda: Es el valor que se repite con mayor frecuencia. Es la única medida de tendencia central aplicable a variables cualitativas.

La comparación entre estas tres medidas proporciona información sobre la forma de la distribución. Cuando la media y la mediana son similares, la distribución tiende a ser simétrica. Si la media se distancia de la mediana, se evidencia sesgo.

2.5. Medidas de Dispersión

Mientras que las medidas de tendencia central señalan la ubicación del centro de un conjunto de datos, las medidas de dispersión describen el grado de separación de los datos respecto a ese centro. Es posible que dos conjuntos presenten la misma media pero exhiban comportamientos estadísticos completamente diferentes:

Rango: Diferencia entre el valor máximo y el mínimo. Es la medida más simple, aunque solo considera dos observaciones.
Varianza: Promedio de las desviaciones al cuadrado respecto de la media. Al elevar al cuadrado, queda expresada en unidades cuadradas, lo que dificulta su interpretación directa.
Desviación estándar: Raíz cuadrada de la varianza. Es la medida más interpretable.
Coeficiente de variación: Cociente entre la desviación estándar y la media, expresado en porcentaje. Al ser una medida relativa, permite comparar la dispersión de variables medidas en escalas distintas, algo que la desviación estándar por sí sola no permite.

Este apartado justifica la inclusión de una función personalizada en el informe. Si bien la edad presenta la mayor desviación estándar absoluta (\(13.16\) años), esta comparación no es adecuada, ya que las variables se expresan en distintas unidades. Al calcular el coeficiente de variación, se observa que la edad es la variable más homogénea (\(CV = 31.71\%\)), mientras que las escalas de opinión superan el \(50\%\). Entre estas, la confianza en los organismos internacionales muestra la mayor heterogeneidad (\(CV = 57.96\%\)). En síntesis, la muestra es relativamente uniforme en cuanto a la edad, pero presenta una mayor diversidad de opiniones sobre política exterior.

2.6. Cuartiles y Medidas de Posición

Los cuartiles separan a un conjunto de datos en cuatro subconjuntos iguales. Por lo general, se definen tres cuartiles denotados como \(Q_1\), \(Q_2\) y \(Q_3\). El primer cuartil (\(Q_1\)) es el valor debajo del cual se clasifica el \(25\%\) de las observaciones, el segundo cuartil (\(Q_2\)) es la mediana (\(50\%\)), y el tercer cuartil (\(Q_3\)) es el valor debajo del cual está el \(75\%\) de las observaciones (Zambrano Monserrate et al., 2023).

A partir de ellos se define el Rango Intercuartílico (\(IQR = Q_3 - Q_1\)), que mide la amplitud del \(50\%\) central de los datos. Su ventaja frente al rango simple es que ignora las colas de la distribución y, por lo tanto, no se ve alterado por valores extremos.

En la variable edad, el resumen de posición ubicó el primer cuartil en \(Q_1 = 30.75\) años y el tercer cuartil en \(Q_3 = 54.00\) años, con un rango intercuartílico de \(IQR = 23.25\) años. Estos resultados indican que la mitad central de los participantes se concentra en la etapa adulta madura. Para las variables de escala, los \(IQR\) se mantuvieron amplios (entre \(5\) y \(6\) puntos), lo que respalda estadísticamente la dispersión observada en las opiniones de la muestra.

2.7. Criterio para la Detección de Valores Atípicos

Los valores atípicos y los valores faltantes son problemas comunes al analizar datos. Si no se manejan adecuadamente, pueden llevar a conclusiones inexactas o sesgadas. Los valores atípicos son datos inusualmente altos o bajos que se desvían significativamente del resto del conjunto, mientras que los valores faltantes corresponden a la ausencia de datos en una observación específica.

El criterio más difundido para detectar valores atípicos es la regla de \(1.5 \times IQR\), que establece los siguientes límites:

\[\text{Límite Inferior} = Q_1 - 1.5 \times IQR\]

\[\text{Límite Superior} = Q_3 + 1.5 \times IQR\]

Toda observación fuera de esos límites se considera atípica. Este mismo criterio define la longitud de los bigotes en un diagrama de caja.

La aplicación rigurosa de este criterio estadístico a las cinco variables cuantitativas de la base dio como resultado la etiqueta de Sin atípicos para todas ellas. Además, los diagramas de caja confirmaron visualmente que ninguna observación superó los límites de los bigotes, lo que garantiza que la muestra de 100 encuestados es consistente y no presenta errores de digitación ni sesgos extremos que justifiquen la eliminación de registros.

2.8. Gráficos Estadísticos

La representación gráfica complementa las tablas porque permite captar de un vistazo la forma de la distribución, algo que los indicadores numéricos por sí solos no transmiten. Cada tipo de gráfico corresponde a la naturaleza de la variable:

Histograma: Representa variables cuantitativas agrupando los valores en intervalos; la altura de cada barra corresponde a la frecuencia. Permite apreciar si la distribución es simétrica, sesgada, uniforme o bimodal. A diferencia del diagrama de barras, sus barras van pegadas porque la escala del eje horizontal es continua.
Diagrama de barras: Representa variables cualitativas; cada barra corresponde a una categoría y las barras aparecen separadas, ya que no existe continuidad entre categorías.
Diagrama de caja (boxplot): Representa gráficamente el resumen de cinco números. La caja se extiende de \(Q_1\) a \(Q_3\), la línea interior marca la mediana, los bigotes llegan hasta los límites de \(1.5 \times IQR\) y los puntos fuera de ellos señalan valores atípicos. Es la herramienta más eficiente para comparar dispersión y detectar anomalías.

En coherencia con el Análisis Exploratorio de Datos (AED), se utilizaron histogramas para verificar visualmente la forma plana de las distribuciones de las variables de percepción. Asimismo, se emplearon diagramas de barras para ilustrar las proporciones de las variables categóricas, como el nivel educativo o la frecuencia de lectura de noticias (que presentó un \(38\%\) en el nivel bajo). Además, se aplicaron diagramas de caja para verificar gráficamente la ausencia de valores atípicos en las métricas numéricas, consolidando una base descriptiva sólida previa al análisis inferencial.

3. Metodología

Para cumplir con los objetivos del estudio, se estableció un diseño de investigación cuantitativo, no experimental y de corte transversal. A continuación, se detallan las fuentes de información, la delimitación muestral, la clasificación de variables, las técnicas estadísticas y el flujo de procesamiento desarrollado en el entorno R.

3.1. Origen de los Datos

La información analizada proviene del archivo Base_Politica_Exterior.xlsx, suministrado como insumo para el desarrollo del taller. Corresponde a una fuente secundaria, dado que el equipo investigador no participó en el diseño del instrumento de recolección ni en la aplicación de la encuesta. La base consolida registros individuales sobre percepciones, conocimientos y actitudes frente a la política exterior, así como variables socio-demográficas. Se encuentra estructurada en una única hoja rectangular donde la primera fila contiene los encabezados de las variables y las filas subsiguientes representan los registros individuales.

3.2. Población y Muestra

Población de referencia: Comprende a la ciudadanía adulta de la cual se pretende caracterizar la percepción sobre la política exterior y los organismos internacionales. Sin embargo, al carecer de información explícita sobre el marco muestral, la delimitación geográfica o el método de muestreo utilizado, no es posible establecer sus límites exactos.
Muestra: Está constituida por los \(n = 100\) individuos registrados en la base de datos. Ante la ausencia de un diseño muestral probabilístico documentado, los resultados obtenidos se presentan estrictamente como estadísticas descriptivas de la muestra y no como estimaciones inferenciales o generalizables. En esta etapa exploratoria no se aplican pruebas de hipótesis ni intervalos de confianza.

3.3. Estructura y Dimensiones de la Base

La base de datos cuenta con 100 observaciones y 11 variables, dimensión que se verificó mediante la función dim(datos). Tras aplicar la verificación de celdas vacías con colSums(is.na(datos)), se confirmó la ausencia total de datos faltantes (\(NA = 0\)) en todas las columnas. En consecuencia, el análisis se llevó a cabo sobre el \(100\%\) de los registros, sin requerir procedimientos de imputación o eliminación de observaciones.

3.4. Clasificación y Naturaleza de las Variables

Las 11 variables de la base de datos se clasificaron según su tipo de dato, naturaleza matemática, nivel de medición y rango de valores observados:

Tabla 3.1
Clasificación de variables cuantitativas (\(n = 100\))

Variable	Tipo	Naturaleza	Recorrido Observado
`edad`	Cuantitativa discreta	De razón	18 a 65 años
`interes_politica_exterior`	Cuantitativa discreta	De intervalo (Escala 1–10)	1 a 10
`actitud_multilateralismo`	Cuantitativa discreta	De intervalo (Escala 1–10)	1 a 10
`confianza_organismos_internacionales`	Cuantitativa discreta	De intervalo (Escala 1–10)	1 a 10
`satisfaccion_politica_exterior_pais`	Cuantitativa discreta	De intervalo (Escala 1–10)	1 a 10

Nota: La variable edad se trata como escala de razón al poseer un cero absoluto. Las cuatro escalas de percepción corresponden conceptualmente a escalas ordinales tipo Likert (1 a 10); no obstante, siguiendo la convención metodológica en ciencias sociales, se analizan como variables de intervalo para permitir el cálculo de medias y desviaciones estándar.

Tabla 3.2
Clasificación de variables cualitativas (\(n = 100\))

Variable	Tipo	Naturaleza	Categorías Registradas
`sexo`	Cualitativa politómica	Nominal	Femenino, Masculino, Otro
`nivel_educativo`	Cualitativa politómica	Ordinal	Secundaria, Técnico, Universitario, Postgrado
`conocimiento_tratados`	Cualitativa politómica	Ordinal	Bajo, Medio, Alto
`frecuencia_lectura_noticias`	Cualitativa politómica	Ordinal	Baja, Media, Alta
`apoyo_integracion_regional`	Cualitativa dicótoma	Nominal	Sí, No
`ha_participado_programa_intercambio`	Cualitativa dicótoma	Nominal	Sí, No

Nota: En la lectura inicial de R, estas variables ingresaron como cadenas de texto (character), validado mediante str(datos).

3.5. Procedimientos Estadísticos Utilizados

El abordaje exploratorio incluyó la ejecución de los siguientes métodos descriptivos:

Análisis cualitativo: Construcción de tablas de frecuencia absoluta (\(n_i\)), relativa (\(p_i\)) y porcentual (\(\%\)), acompañadas de diagramas de barras para caracterizar la distribución por categorías.
Análisis cuantitativo de tendencia central y posición: Cálculo de media aritmética (\(\bar{X}\)), mediana (\(\tilde{X}\)), moda (\(Mo\)), cuartiles (\(Q_1, Q_3\)) y rango intercuartílico (\(IQR = Q_3 - Q_1\)).
Análisis cuantitativo de dispersión: Estimación del rango simple, varianza (\(s^2\)), desviación estándar (\(s\)) y Coeficiente de Variación (\(CV\% = \frac{s}{\bar{X}} \times 100\)).
Detección de datos anómalos: Evaluación del criterio de \(1.5 \times IQR\) mediante los límites de control: \[\text{Límite Inferior} = Q_1 - 1.5 \times IQR \quad \text{y} \quad \text{Límite Superior} = Q_3 + 1.5 \times IQR\] Complementado visualmente mediante diagramas de caja (boxplots) e histogramas de frecuencia.

3.6. Entorno de Software y Paquetes Empleados

El procesamiento se realizó en el lenguaje de programación R (v4.3+) dentro de la interfaz RStudio, haciendo uso de los siguientes paquetes especializados:

readxl: Importación de la base de datos mediante read_excel().
dplyr: Filtrado, selección y manipulación estructurada de objetos mediante tuberías (%>%).
modeest: Estimación exacta de la moda a través de la función mfv().
knitr: Formateo dinámico de tablas de salida en PDF con kable().
graphics (R Base): Construcción y personalización de paneles gráficos (barplot, hist, boxplot).

Adicionalmente, se programaron funciones personalizadas para automatizar el cálculo del coeficiente de variación (cv()) y la validación de atípicos (identificar_atipicos()), optimizando el flujo de trabajo sintáctico sin alterar los datos originales.

library(readxl)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(modeest)

# Cargar la base de datos
datos <- read_excel("Base_Politica_Exterior.xlsx")

4. Características Generales y Valores Faltantes

# Dimensiones de la base
dim(datos)

## [1] 100  11

# Nombres de las variables
colnames(datos)

##  [1] "edad"                                
##  [2] "sexo"                                
##  [3] "nivel_educativo"                     
##  [4] "interes_politica_exterior"           
##  [5] "conocimiento_tratados"               
##  [6] "actitud_multilateralismo"            
##  [7] "confianza_organismos_internacionales"
##  [8] "apoyo_integracion_regional"          
##  [9] "frecuencia_lectura_noticias"         
## [10] "ha_participado_programa_intercambio" 
## [11] "satisfaccion_politica_exterior_pais"

# Estructura de las variables
str(datos)

## tibble [100 × 11] (S3: tbl_df/tbl/data.frame)
##  $ edad                                : num [1:100] 48 36 48 30 21 37 30 50 40 55 ...
##  $ sexo                                : chr [1:100] "Masculino" "Otro" "Femenino" "Otro" ...
##  $ nivel_educativo                     : chr [1:100] "Técnico" "Universitario" "Secundaria" "Universitario" ...
##  $ interes_politica_exterior           : num [1:100] 8 1 4 2 8 5 5 7 3 7 ...
##  $ conocimiento_tratados               : chr [1:100] "Bajo" "Alto" "Bajo" "Bajo" ...
##  $ actitud_multilateralismo            : num [1:100] 6 9 7 3 6 1 7 7 4 1 ...
##  $ confianza_organismos_internacionales: num [1:100] 3 2 8 6 7 1 8 1 9 1 ...
##  $ apoyo_integracion_regional          : chr [1:100] "No" "No" "Sí" "Sí" ...
##  $ frecuencia_lectura_noticias         : chr [1:100] "Baja" "Alta" "Baja" "Media" ...
##  $ ha_participado_programa_intercambio : chr [1:100] "Sí" "Sí" "No" "Sí" ...
##  $ satisfaccion_politica_exterior_pais : num [1:100] 1 8 8 3 3 6 1 8 5 1 ...

# Valores faltantes
colSums(is.na(datos))

##                                 edad                                 sexo 
##                                    0                                    0 
##                      nivel_educativo            interes_politica_exterior 
##                                    0                                    0 
##                conocimiento_tratados             actitud_multilateralismo 
##                                    0                                    0 
## confianza_organismos_internacionales           apoyo_integracion_regional 
##                                    0                                    0 
##          frecuencia_lectura_noticias  ha_participado_programa_intercambio 
##                                    0                                    0 
##  satisfaccion_politica_exterior_pais 
##                                    0

5. Análisis de Variables Cuantitativas

# Función para el Coeficiente de Variación (%)
cv <- function(x) { (sd(x, na.rm = TRUE) / mean(x, na.rm = TRUE)) * 100 }

# Selección de variables cuantitativas
vars_cuant <- datos %>% select(edad, interes_politica_exterior, actitud_multilateralismo, 
                               confianza_organismos_internacionales, satisfaccion_politica_exterior_pais)

5.1. Medidas de Tendencia Central

data.frame(
  Media = sapply(vars_cuant, mean),
  Mediana = sapply(vars_cuant, median),
  Moda = sapply(vars_cuant, function(x) mfv(x)[1])
)

##                                      Media Mediana Moda
## edad                                 41.51    42.5   46
## interes_politica_exterior             5.81     6.0    9
## actitud_multilateralismo              5.71     6.0   10
## confianza_organismos_internacionales  5.06     5.0    1
## satisfaccion_politica_exterior_pais   5.16     5.0    2

5.2. Medidas de Dispersión

data.frame(
  Rango = sapply(vars_cuant, function(x) diff(range(x))),
  Varianza = sapply(vars_cuant, var),
  Desviacion_Estandar = sapply(vars_cuant, sd),
  Coef_Variacion_Pct = sapply(vars_cuant, cv)
)

##                                      Rango   Varianza Desviacion_Estandar
## edad                                    47 173.282727           13.163690
## interes_politica_exterior                9   9.266566            3.044103
## actitud_multilateralismo                 9   9.298889            3.049408
## confianza_organismos_internacionales     9   8.602424            2.932989
## satisfaccion_politica_exterior_pais      9   8.054949            2.838124
##                                      Coef_Variacion_Pct
## edad                                           31.71209
## interes_politica_exterior                      52.39421
## actitud_multilateralismo                       53.40469
## confianza_organismos_internacionales           57.96421
## satisfaccion_politica_exterior_pais            55.00241

5.3. Medidas de Posición y Resumen de Cinco Números

t(sapply(vars_cuant, summary))

##                                      Min. 1st Qu. Median  Mean 3rd Qu. Max.
## edad                                   18   30.75   42.5 41.51   54.00   65
## interes_politica_exterior               1    3.00    6.0  5.81    9.00   10
## actitud_multilateralismo                1    3.00    6.0  5.71    8.25   10
## confianza_organismos_internacionales    1    3.00    5.0  5.06    8.00   10
## satisfaccion_politica_exterior_pais     1    2.75    5.0  5.16    8.00   10

5.4. Histogramas

par(mfrow = c(2, 3))
hist(datos$edad, main="Histograma de Edad", xlab="Edad", col="skyblue", border="white")
hist(datos$interes_politica_exterior, main="Interés Pol. Exterior", xlab="Escala", col="lightblue", border="white")
hist(datos$actitud_multilateralismo, main="Actitud Multilateralismo", xlab="Escala", col="lightgreen", border="white")
hist(datos$confianza_organismos_internacionales, main="Confianza Org. Int.", xlab="Escala", col="coral", border="white")
hist(datos$satisfaccion_politica_exterior_pais, main="Satisfacción Pol. Exterior", xlab="Escala", col="wheat", border="white")
par(mfrow = c(1, 1))

6. Análisis de Variables Cualitativas

vars_cual <- c("sexo", "nivel_educativo", "conocimiento_tratados", 
               "apoyo_integracion_regional", "frecuencia_lectura_noticias", 
               "ha_participado_programa_intercambio")

for(var in vars_cual) {
  cat("## Variable:", var, "\n\n")
  
  freq_abs <- table(datos[[var]])
  freq_rel <- prop.table(freq_abs)
  porcentaje <- freq_rel * 100
  
  tabla_freq <- data.frame(
    Frecuencia = as.vector(freq_abs),
    Proporcion = round(as.vector(freq_rel), 4),
    Porcentaje = round(as.vector(porcentaje), 2),
    row.names = names(freq_abs)
  )
  
  print(knitr::kable(tabla_freq))
  cat("\n\n")
  
  barplot(freq_abs, main = paste("Frecuencia de", var), col = "steelblue", ylab = "Frecuencia")
  cat("\n\n---\n\n")
}

Variable: sexo

	Frecuencia	Proporcion	Porcentaje
Femenino	37	0.37	37
Masculino	34	0.34	34
Otro	29	0.29	29

Variable: nivel_educativo

	Frecuencia	Proporcion	Porcentaje
Postgrado	23	0.23	23
Secundaria	30	0.30	30
Técnico	19	0.19	19
Universitario	28	0.28	28

Variable: conocimiento_tratados

	Frecuencia	Proporcion	Porcentaje
Alto	33	0.33	33
Bajo	33	0.33	33
Medio	34	0.34	34

Variable: apoyo_integracion_regional

	Frecuencia	Proporcion	Porcentaje
No	33	0.33	33
Sí	67	0.67	67

Variable: frecuencia_lectura_noticias

	Frecuencia	Proporcion	Porcentaje
Alta	34	0.34	34
Baja	38	0.38	38
Media	28	0.28	28

Variable: ha_participado_programa_intercambio

	Frecuencia	Proporcion	Porcentaje
No	67	0.67	67
Sí	33	0.33	33

6. Análisis de Valores Atípicos (Outliers)

7.1. Resumen de Cinco Números y Rango Intercuartílico (IQR)

resumen_posicion <- data.frame(
  Min = sapply(vars_cuant, min),
  Q1 = sapply(vars_cuant, function(x) quantile(x, 0.25)),
  Mediana = sapply(vars_cuant, median),
  Q3 = sapply(vars_cuant, function(x) quantile(x, 0.75)),
  Max = sapply(vars_cuant, max),
  IQR = sapply(vars_cuant, IQR)
)
resumen_posicion

##                                      Min    Q1 Mediana    Q3 Max   IQR
## edad                                  18 30.75    42.5 54.00  65 23.25
## interes_politica_exterior              1  3.00     6.0  9.00  10  6.00
## actitud_multilateralismo               1  3.00     6.0  8.25  10  5.25
## confianza_organismos_internacionales   1  3.00     5.0  8.00  10  5.00
## satisfaccion_politica_exterior_pais    1  2.75     5.0  8.00  10  5.25

7.2. Diagramas de Caja (Boxplots)

par(mfrow = c(2, 3))
boxplot(datos$edad, main="Boxplot - Edad", col="lightblue")
boxplot(datos$interes_politica_exterior, main="Boxplot - Interés Pol. Ext.", col="lightgreen")
boxplot(datos$actitud_multilateralismo, main="Boxplot - Multilateralismo", col="lightpink")
boxplot(datos$confianza_organismos_internacionales, main="Boxplot - Confianza Org.", col="lightyellow")
boxplot(datos$satisfaccion_politica_exterior_pais, main="Boxplot - Satisfacción", col="lavender")
par(mfrow = c(1, 1))

7.3. Identificación Numérica de Valores Atípicos (1.5 * IQR)

identificar_atipicos <- function(x) {
  q1 <- quantile(x, 0.25)
  q3 <- quantile(x, 0.75)
  iqr_val <- q3 - q1
  lim_inf <- q1 - 1.5 * iqr_val
  lim_sup <- q3 + 1.5 * iqr_val
  outliers <- x[x < lim_inf | x > lim_sup]
  if(length(outliers) == 0) return("Sin atípicos") else return(outliers)
}

lapply(vars_cuant, identificar_atipicos)

## $edad
## [1] "Sin atípicos"
## 
## $interes_politica_exterior
## [1] "Sin atípicos"
## 
## $actitud_multilateralismo
## [1] "Sin atípicos"
## 
## $confianza_organismos_internacionales
## [1] "Sin atípicos"
## 
## $satisfaccion_politica_exterior_pais
## [1] "Sin atípicos"

8. Resultados e Interpretación

En esta sección se presentan los resultados descriptivos y visuales derivados del análisis de los 100 registros de la base de datos sobre percepción de política exterior. No se identificaron valores faltantes (\(NA = 0\)) en ninguna de las 11 variables analizadas.

8.1. Caracterización Socio-Demográfica de la Muestra

Figura 1

Distribución por Sexo y Nivel Educativo de los Encuestados

par(mfrow = c(1, 2))
# Gráfico 1: Sexo
tab_sexo <- table(datos$sexo)
barplot(tab_sexo, main = "Distribución por Sexo", col = c("pink", "lightblue", "lightgray"),
        ylab = "Frecuencia absoluta", xlab = "Categorías de Sexo")

# Gráfico 2: Nivel Educativo
tab_edu <- table(datos$nivel_educativo)
barplot(tab_edu, main = "Nivel Educativo", col = "steelblue",
        ylab = "Frecuencia absoluta", xlab = "Nivel académico alcanzado")

Figura 1. Distribución de frecuencias para Sexo y Nivel Educativo

par(mfrow = c(1, 1))

Tabla 1
Frecuencias absolutas y relativas para sexo y nivel educativo

tabla_demog <- data.frame(
  Variable = c(rep("Sexo", 3), rep("Nivel Educativo", 4)),
  Categoria = c(names(tab_sexo), names(tab_edu)),
  `Frecuencia (n)` = c(as.vector(tab_sexo), as.vector(tab_edu)),
  `Porcentaje (%)` = c(as.vector(prop.table(tab_sexo)*100), as.vector(prop.table(tab_edu)*100))
)
knitr::kable(tabla_demog, caption = "Tabla 1. Resumen socio-demográfico de la muestra")

Tabla 1. Resumen socio-demográfico de la muestra
Variable	Categoria	Frecuencia..n.	Porcentaje….
Sexo	Femenino	37	37
Sexo	Masculino	34	34
Sexo	Otro	29	29
Nivel Educativo	Postgrado	23	23
Nivel Educativo	Secundaria	30	30
Nivel Educativo	Técnico	19	19
Nivel Educativo	Universitario	28	28

Interpretación de la Figura 1 y Tabla 1: En la variable Sexo se observa que el 37% de los entrevistados son hombres, el 34% son mujeres y el 29% respondió Otro; esto indica que la muestra es equilibrada, sin sesgo hacia un solo género. Por otro lado, en la variable Nivel Educativo, la categoría modal es Secundaria con un 30%, seguida de un nivel Universitario con un 28%. Además no se registran valores faltantes. En el contexto de la investigación, esto indica que más de la mitad de los encuestados (51%) cuenta con educación superior (universidad o posgrado). No se registran valores faltantes en ninguna de las dos variables. Tanto la variable Sexo como la variable Nivel Educativo evidencian una diversidad en la muestra, lo que evita que los resultados sobre la política exterior esten sesgados por la visión de un solo grupo de género o un solo grupo de nivel educativo.

8.2. Análisis de Edad y Variables de Actitud Político-Exterior

Tabla 2

Medidas de tendencia central, dispersión y posición para variables cuantitativas

cv <- function(x) { (sd(x, na.rm = TRUE) / mean(x, na.rm = TRUE)) * 100 }
vars_cuant <- datos %>% select(edad, interes_politica_exterior, actitud_multilateralismo, 
                               confianza_organismos_internacionales, satisfaccion_politica_exterior_pais)

resumen_cuant <- data.frame(
  Variable = colnames(vars_cuant),
  Media = sapply(vars_cuant, mean),
  Mediana = sapply(vars_cuant, median),
  `Desv. Est.` = sapply(vars_cuant, sd),
  `CV (%)` = sapply(vars_cuant, cv),
  Q1 = sapply(vars_cuant, function(x) quantile(x, 0.25)),
  Q3 = sapply(vars_cuant, function(x) quantile(x, 0.75)),
  IQR = sapply(vars_cuant, IQR)
)
knitr::kable(resumen_cuant, digits = 2, caption = "Tabla 2. Estadísticos descriptivos cuantitativos")

Tabla 2. Estadísticos descriptivos cuantitativos
	Variable	Media	Mediana	Desv..Est.	CV….	Q1	Q3	IQR
edad	edad	41.51	42.5	13.16	31.71	30.75	54.00	23.25
interes_politica_exterior	interes_politica_exterior	5.81	6.0	3.04	52.39	3.00	9.00	6.00
actitud_multilateralismo	actitud_multilateralismo	5.71	6.0	3.05	53.40	3.00	8.25	5.25
confianza_organismos_internacionales	confianza_organismos_internacionales	5.06	5.0	2.93	57.96	3.00	8.00	5.00
satisfaccion_politica_exterior_pais	satisfaccion_politica_exterior_pais	5.16	5.0	2.84	55.00	2.75	8.00	5.25

Figura 2

Distribución e identificación de atípicos para Confianza en Organismos Internacionales y Edad

par(mfrow = c(2, 2))

# Histograma Edad
hist(datos$edad, main = "Distribución de Edad", xlab = "Años", col = "skyblue", border = "white")

# Boxplot Edad
boxplot(datos$edad, main = "Boxplot - Edad", col = "skyblue", ylab = "Años")

# Histograma Confianza
hist(datos$confianza_organismos_internacionales, main = "Confianza en Org. Internacionales", 
     xlab = "Escala (1 a 10)", col = "coral", border = "white")

# Boxplot Confianza
boxplot(datos$confianza_organismos_internacionales, main = "Boxplot - Confianza Org.", 
        col = "coral", ylab = "Escala (1 a 10)")

Figura 2. Histogramas y Diagramas de Caja

par(mfrow = c(1, 1))

Interpretación de la Figura 2 y Tabla 2: La edad promedio de los encuestados es de 41.51 años y la mediana es de 42.50 años, abarcando el 50% central de la muestra a adultos de entre 30.75 y 54.00 años (Q1 y Q3). Su coeficiente de variación es del 31.71%, lo cual señala una variabilidad moderada. Por su parte, la media de la variable Interés en Política Exterior es de 5.81 y su mediana de 6.00 (en escala de 1 a 10), concentrando el 50% de las respuestas entre los puntajes 3.00 y 9.00. En la variable Actitud hacia el Multilateralismo, la media fue de 5.71 y la mediana de 6.00, concentrándose el 50% de los datos entre los puntajes 3.00 y 8.25. Para la variable Confianza en Organismos Internacionales, el puntaje promedio fue de 5.06 y la mediana de 5.00, abarcando el 50% central entre 3.00 y 8.00. Finalmente, la variable Satisfacción con la Política Exterior del País presentó una media de 5.16 y una mediana de 5.00, concentrando el 50% de las respuestas entre los puntajes 2.75 y 8.00. A excepción de la edad, todas las variables de escala registran un coeficiente de variación entre el 52.39% y el 57.96%, lo cual refleja una alta variabilidad con opiniones muy dispersas respecto al promedio.No se registraron datos faltantes. Asimismo, en los diagramas de caja no se identifican valores atípicos en ninguna de las variables cuantitativas analizadas.

8.3. Experiencia Internacional y Confianza Institucional

Figura 3

Comparación de la Confianza en Organismos Internacionales según Participación en Programas de Intercambio

boxplot(confianza_organismos_internacionales ~ ha_participado_programa_intercambio, 
        data = datos,
        main = "Confianza en Organismos Internacionales según Intercambio",
        xlab = "¿Ha participado en programas de intercambio?",
        ylab = "Nivel de Confianza (1-10)",
        col = c("darksalmon", "lightgreen"))

Figura 3. Confianza por participación en programas de intercambio

Tabla 3
Estadísticos comparativos de confianza según participación en intercambios

comp_intercambio <- datos %>%
  group_by(ha_participado_programa_intercambio) %>%
  summarise(
    n = n(),
    Media = round(mean(confianza_organismos_internacionales), 2),
    Mediana = round(median(confianza_organismos_internacionales), 2),
    `Desv. Est.` = round(sd(confianza_organismos_internacionales), 2),
    IQR = round(IQR(confianza_organismos_internacionales), 2)
  )
knitr::kable(comp_intercambio, caption = "Tabla 3. Confianza según grupo de intercambio")

Tabla 3. Confianza según grupo de intercambio
ha_participado_programa_intercambio	n	Media	Mediana	Desv. Est.	IQR
No	67	4.94	5	2.88	5
Sí	33	5.30	5	3.08	5

Interpretación de la Figura 3 y Tabla 3: De acuerdo con los datos, el 33% de la muestra ha participado en programas de intercambio, mientras que un 67% no. Se observa una ligera diferencia en el promedio de confianza hacia organismos internacionales a favor de quienes han participado en intercambias (5.30) frente a quienes no lo han hecho (4.94). No obstante, ambos datos cuentan con una mediana de 4.00 y un rango intercuartílico es 5.00, lo que refleja una dispersión y distribución de respuestas muy similar para ambas variables. Además, no se observan valores atípicos para ninguna de las dos variables (no se muestran puntos fuera de los bigotes superiores o inferiores).

9. Conclusiones

El estudio llevado a cabo ilustra la percepción de los ciudadanos hacia los Organismos Internacionales considerando variables sociodemográficas como edad, sexo y nivel educativo. A través del análisis de 100 personas adultas, se exploró si la participación en programas de intercambio genera diferencias visibles en el nivel de confianza institucional, aportando evidencia preliminar para orientar estrategias de comunicación y educación internacional.

En función del análisis exploratorio de datos realizado sobre la muestra, se presentan las siguientes conclusiones:

Las variables de actitud hacia el multilateralismo, interés en política exterior, satisfacción con la gestión nacional y confianza en organismos internacionales registraron coeficientes de variación elevados (entre el 52.39% y el 57.96%). Esto refleja una población con opiniones muy heterogéneas y divididas frente a los asuntos globales.
La revisión de los diagramas de caja confirmó la inexistencia de valores atípicos en todas las variables cuantitativas, lo que demuestra un comportamiento continuo y libre de registros anómalos.
Se presentó una distribución equilibrada de la muestra en cuanto a género y un nivel educativo predominantemente medio-alto (51% entre nivel universitario y postgrado), ideal para la evaluación de políticas públicas internacionales al reducir el riesgo de sesgos sistemáticos.
Al comparar a las personas que han participado en programas de intercambio (33%) con aquellas que no (67%), se observó que, a pesar de una ligera ventaja en el promedio a favor del grupo con experiencia internacional, ambos grupos comparten la misma mediana (5.00) y el mismo rango intercuartílico (5.00). Esto sugiere que la experiencia de intercambio no muestra una diferencia significativa en la postura hacia los organismos internacionales.

En conclusión, el análisis de la percepción ciudadana demuestra que la política exterior no es un área aislada de la sociedad, sino un reflejo dinámico de las experiencias y el entorno de sus habitantes. A través del estudio exploratorio realizado a 100 personas adultas, se logró indagar el papel que desempeñan las experiencias internacionales en la confianza hacia los organismos multilaterales, evidenciando una alta variabilidad en las posturas de la población y sugiriendo la necesidad de profundizar en el análisis inferencial para determinar si la participación en intercambios genera diferencias estadísticamente significativas

Referencias

Allport, G. W. (1954). The nature of prejudice. Addison-Wesley. https://ia601500.us.archive.org/17/items/in.ernet.dli.2015.188638/2015.188638.The-Nature-Of-Prejudice.pdf

Earle, M., & Hodson, G. (2022). News media impact on sociopolitical attitudes. PLOS ONE, 17(3), e0264031. https://doi.org/10.1371/journal.pone.0264031

Hainmueller, J., & Hiscox, M. J. (2006). Learning to love globalization: Education and individual attitudes toward international trade. International Organization, 60(2), 469–498. https://www.mit.edu/~jhainm/Paper/INO60_2-06014-Hainmueller-Hiscox.pdf

Hassan, B. (2025). Quality of schooling and political trust among students. Frontiers in Political Science, 7, 1389088. https://doi.org/10.3389/fpos.2025.1389088

Khan, R. N. (2024, 10 de julio). Exploratory data analysis. Statistics: Meaning from Data. OER Collective. https://oercollective.caul.edu.au/statistics/chapter/2-exploratory-data-analysis/

Oluleye, A. (2023). Exploratory data analysis with Python cookbook: Over 50 recipes to analyze, visualize, and extract insights from structured and unstructured data. Packt Publishing. https://www.oreilly.com/library/view/exploratory-data-analysis/9781803231105/

Pettigrew, T. F., & Tropp, L. R. (2006). A meta-analytic test of intergroup contact theory. Journal of Personality and Social Psychology, 90(5), 751–783. https://doi.org/10.1037/0022-3514.90.5.751

U.S. Government Accountability Office. (2009). Higher education: Approaches to attract and fund international students in the United States and abroad (GAO-09-379). https://www.gao.gov/assets/a289105.html

Zambrano Monserrate, M., Berrús Zhumi, A., & Goncalves Guillén, G. (2023). Principios de Estadística. Universidad Espíritu Santo. https://es.scribd.com/document/863566652/principios-de-estadistica

Declaratoria de IA

Aspecto	Información
Uso de IA	Sí
Herramientas	Grammarly, Gemini, Claude
Finalidad	Asistencia en la programación del código en R Markdown, sugerencia de fuentes bibliográficas y corrección de redacción