Especialización en Estadística · Estadística inferencial

Actividad 1

Valor de matrícula y renta en Ingeniería de Software · USCO, sede Neiva

Miller Andrés Galindo D. · Gustavo Andrés Casas

13.687Registros en la base institucional
465Estudiantes en la población de estudio
211Muestra 1 reportada
300Muestra 2 reportada

Las campanas son normales de referencia parametrizadas con la media y la desviación estándar de los datos; no prueban normalidad. Las líneas muestran la media y mediana observadas, que pueden diferir. El sombreado indica media ± una desviación estándar, no un intervalo de confianza. La varianza se presenta numéricamente en unidades al cuadrado, no como una posición en el eje horizontal. Las curvas pueden extenderse a valores negativos aunque las variables económicas no lo hagan.

Planteamiento del problema

En la Universidad Surcolombiana, el valor de la matrícula de los programas académicos de pregrado se determina de acuerdo con los criterios y variables establecidos en el Acuerdo 050 de 2015, mediante el cual se regula el proceso de liquidación de los derechos pecuniarios correspondientes a la matrícula. Para establecer el valor que debe pagar cada estudiante, se consideran diferentes variables socioeconómicas, entre las que se encuentran: el valor de la pensión mensual pagada durante el último grado de educación media, el estrato socioeconómico del lugar de residencia de la persona de quien depende económicamente el estudiante y los ingresos mensuales de dicha persona.

Sin embargo, algunos estudiantes manifiestan inconformidad frente al valor de la matrícula que deben asumir, argumentando que este resulta elevado en relación con sus condiciones económicas y familiares. Esta percepción ha generado cuestionamientos sobre la pertinencia, confiabilidad y representatividad de la información utilizada para calcular el valor de la matrícula, especialmente porque algunas de las variables consideradas pueden presentar dificultades durante su proceso de recolección, declaración, actualización y verificación.

En particular, la información relacionada con los ingresos mensuales de la persona responsable económicamente del estudiante puede experimentar variaciones a lo largo del tiempo, dependiendo de factores como la estabilidad laboral, la informalidad, el desempleo y las condiciones económicas del hogar. De igual manera, el valor de la pensión pagada en el último grado de educación media podría no reflejar necesariamente la capacidad económica actual del núcleo familiar, mientras que el estrato socioeconómico del lugar de residencia, por sí solo, no siempre constituye un indicador suficiente de la situación financiera real de una familia. Estas circunstancias podrían generar diferencias entre las condiciones socioeconómicas efectivas de los estudiantes y aquellas que se reflejan en la liquidación de sus matrículas.

A pesar de las manifestaciones de inconformidad, no se cuenta necesariamente con evidencia estadística representativa que permita establecer si el valor de las matrículas que pagan los estudiantes de pregrado corresponde efectivamente a una carga económica elevada, ni si existe una proporción significativa de estudiantes que acceden a valores de matrícula relativamente bajos. Por tanto, resulta necesario trascender las percepciones individuales y desarrollar un estudio estadístico que permita caracterizar el comportamiento del valor de la matrícula en la población estudiantil, considerando la diversidad de programas académicos, semestres, sedes y condiciones socioeconómicas.

En consecuencia, se plantea la necesidad de desarrollar una investigación estadística que, a partir de un diseño muestral probabilístico, proporcione información confiable, objetiva y representativa sobre los valores de matrícula pagados por los estudiantes de pregrado. Los resultados constituirán un insumo técnico para que la administración universitaria evalúe la situación planteada, examine la pertinencia de los mecanismos de liquidación y disponga de elementos objetivos para la toma de decisiones institucionales.

Pregunta de investigación

¿Cuál es el valor promedio de la matrícula que pagan los estudiantes de pregrado de la Universidad Surcolombiana y qué proporción de ellos paga un valor inferior a medio salario mínimo legal mensual vigente, de acuerdo con un estudio basado en un diseño muestral probabilístico? # Objetivos {#objetivos}

Objetivo general

Estimar, mediante la aplicación de un diseño muestral probabilístico, el valor promedio de la matrícula que pagan los estudiantes del programa de Ingeniería de Software de la Universidad Surcolombiana.

Objetivos específicos

Datos de la población

Se utilizó la base de datos “BASE DE DATOSMatriculaUSCO2021”, que contiene 13.687 registros de estudiantes matriculados en los programas académicos de pregrado durante el año 2021. De esta base de datos se seleccionó los registros correspondientes al programa de Ingeniería de Software, jornada diurna, sede Neiva, donde la población estaba conformada por 465 estudiantes.

library(readxl)
## Warning: package 'readxl' was built under R version 4.6.2
#CARGAR LA BASE DE DATOS#
datos<-read_excel("BASE_DE_DATOSMatriculaUSCO2021.xlsx", sheet = 3)
## New names:
## • `` -> `...7`
## • `` -> `...8`
## • `` -> `...9`
##mostrar las primeras filas  el resumen en el documento final##
mediapb_vm<-mean(datos$`VALOR MATRICULA`) #media
mediapb_vr<-mean(datos$`RENTA`)
medianapb_vm<-median(datos$`VALOR MATRICULA`) #mediana
medianapb_vr<-median(datos$`RENTA`)
varianzapb_vm<-var(datos$`VALOR MATRICULA`) #varianza
varianzapb_vr<-var(datos$`RENTA`)
desviacionpb_vm<-sd(datos$`VALOR MATRICULA`) #desviación estandar
desviacionpb_vr<-sd(datos$`RENTA`)


datos_poblacion <- datos

Medidas descriptivas de la población

De acuerdo a población seleccionada, se calculó las siguiente medidas de tendencia central:

  • Media
  • Mediana
  • Varianza
  • Desviación estandar
tabla <- data.frame(
  Medida = c("Media", "Mediana", "Varianza", "Desviación estándar"),
  Matrícula = c(mediapb_vm, medianapb_vm, varianzapb_vm, desviacionpb_vm),
  Renta = c(mediapb_vr, medianapb_vr, varianzapb_vr, desviacionpb_vr)
)
knitr::kable(tabla, digits = 2, caption = "Resumen de la población",
             format.args = list(big.mark = ".", decimal.mark = ","))
Resumen de la población
Medida Matrícula Renta
Media 8,335433e+05 3,399916e+07
Mediana 5,362190e+05 1,459200e+07
Varianza 3,170704e+11 5,805564e+15
Desviación estándar 5,630901e+05 7,619425e+07

Normal de referencia: Población

Análisis de la población

Las medidas descriptivas de la población estudiada muestran diferencias importantes en los valores de matrícula y renta. Para la matrícula, se registra una media aproximada de \(\$833.543,30\) y una mediana de \(\$536.219,00\). Esto significa que, mientras el promedio se sitúa alrededor de los 834 mil pesos, al menos la mitad de los estudiantes presenta valores de matrícula iguales o inferiores a \(\$536.219\). La media supera a la mediana en aproximadamente \(\$297.324,30\), lo que sugiere que los valores elevados de matrícula podrían estar desplazando el promedio hacia arriba. Esta diferencia es compatible con una distribución asimétrica hacia la derecha, aunque su forma debe corroborarse mediante los gráficos y el coeficiente de asimetría.

En cuanto a la dispersión de la matrícula, la desviación estándar es aproximadamente de $563.090,10 y la varianza alcanza \(\$3,170704 \times 10^{11}\) pesos cuadrados. La desviación estándar permite apreciar la magnitud de la variabilidad en las mismas unidades monetarias de la variable, mientras que la varianza expresa esa dispersión en unidades al cuadrado. Al relacionar la desviación estándar con la media, se obtiene un coeficiente de variación aproximado del 67,55%. Este resultado indica una dispersión considerable respecto del promedio y evidencia que los valores de matrícula no se encuentran estrechamente concentrados alrededor de una única cantidad. El coeficiente de variación resulta útil para esta interpretación porque expresa la desviación estándar en relación con la media.

Respecto de la renta, la media es aproximadamente de \(\$33.999.160\) y la mediana de \(\$14.592.000\). La diferencia entre ambas medidas asciende a \(\$19.407.160\) y el promedio equivale a cerca de 2,33 veces la mediana. En consecuencia, el valor medio se encuentra considerablemente por encima del punto que divide las observaciones en dos mitades. Este comportamiento sugiere la influencia de rentas elevadas sobre el promedio, por lo que conviene presentar conjuntamente la media y la mediana para evitar que una sola medida oculte las diferencias existentes dentro de la población. Estas cifras deben interpretarse según la definición y periodicidad de la variable RENTA en la base de datos, sin asumir que corresponden a ingresos mensuales.

La dispersión de la renta es especialmente marcada: su desviación estándar asciende aproximadamente a \(\$76.194.250\) y su varianza a \(\$5{,}805564 \times 10^{15}\) pesos cuadrados. El coeficiente de variación calculado con los valores reportados es cercano al 224,11%, lo que significa que la desviación estándar supera en más de dos veces el promedio. En términos relativos, la renta presenta una variabilidad mucho mayor que la matrícula. Esta comparación se fundamenta en los coeficientes de variación y no únicamente en las varianzas, cuyas magnitudes dependen de la escala de los datos. La combinación de una elevada dispersión y una media notablemente superior a la mediana hace pertinente revisar los valores más altos, aunque estas medidas, por sí solas, no permiten clasificarlos como datos atípicos ni como errores de registro.

En conjunto, los resultados evidencian que la población presenta heterogeneidad tanto en el valor de matrícula como en la renta, siendo esta última la variable con mayor dispersión relativa. Por ello, la caracterización de los estudiantes no debería apoyarse exclusivamente en los promedios, sino considerar también las medianas y las medidas de dispersión. Asimismo, los resultados no permiten afirmar que las variables tengan una distribución normal ni establecer, por sí solos, que exista una relación directa entre renta y matrícula. Para examinar estos aspectos sería necesario complementar el análisis con gráficos de distribución, medidas de asimetría y un análisis conjunto de ambas variables.

Primera muestra

A partir de esta población, se seleccionó una muestra aleatoria de 211 estudiantes, considerando un nivel de confianza del 95% y un margen de error del 5%.

# ==========================================
# MODIFICA TUS VARIABLES AQUÍ
# ==========================================
N <- 465    # Tamaño de la población (ej. estudiantes Fac. Ciencias Exactas USCO)
Z <- 1.96   # Nivel de confianza (1.96 corresponde a un 95% de certeza)
p <- 0.5   # Probabilidad de éxito (0.50 maximiza la muestra si no hay estudios previos)
e <- 0.05   # Error de estimación máximo aceptado (0.05 corresponde a un 5%)
# ==========================================

# Probabilidad de fracaso
q <- 1 - p  

# Cálculo directo exacto y redondeo
muestra <- (N * Z^2 * p * q) / ((e^2) * (N - 1) + (Z^2) * p * q)
muestra_redondeada <- ceiling(muestra)
muestra_redondeada
## [1] 211

Medidas descriptivas de la muestra 1

De acuerdo a muestra seleccionada, se calculó las siguiente medidas de tendencia central:

  • Media
  • Mediana
  • Varianza
  • Desviación estandar
library(readxl)

#CARGAR LA BASE DE DATOS#
datos<-read_excel("BASE_DE_DATOSMatriculaUSCO2021.xlsx", sheet = 4)

##mostrar las primeras filas  el resumen en el documento final##
mediam_vm<-mean(datos$`VALOR MATRICULA`) #media
mediam_vr<-mean(datos$RENTA)
medianam_vm<-median(datos$`VALOR MATRICULA`) #mediana
medianam_vr<-median(datos$RENTA)
varianzam_vm<-var(datos$`VALOR MATRICULA`) #varianza
varianzam_vr<-var(datos$RENTA)
desviacionm_vm<-sd(datos$`VALOR MATRICULA`)#desviación estandar
desviacionm_vr<-sd(datos$RENTA)


datos_muestra_1 <- datos
tabla <- data.frame(
  Medida = c("Media", "Mediana", "Varianza", "Desviación estándar"),
  Matrícula = c(mediam_vm, medianam_vm, varianzam_vm, desviacionm_vm),
  Renta = c(mediam_vr, medianam_vr, varianzam_vr, desviacionm_vr)
)
knitr::kable(tabla, digits = 2, caption = "Resumen de la muestra 1",
             format.args = list(big.mark = ".", decimal.mark = ","))
Resumen de la muestra 1
Medida Matrícula Renta
Media 8,164976e+05 3,922789e+07
Mediana 5,220550e+05 1,320000e+07
Varianza 3,254481e+11 1,145206e+16
Desviación estándar 5,704806e+05 1,070143e+08

Normal de referencia: Muestra 1

Análisis de la muestra 1

La muestra 1, conformada por 211 estudiantes, presenta un valor promedio de matrícula de \(\$816.497,62\) y una mediana de \(\$522.055\). Esto indica que al menos la mitad de los estudiantes paga una matrícula igual o inferior a esta última cifra. La media superior a la mediana, junto con la concentración de observaciones en los valores bajos y la prolongación del histograma hacia la derecha, evidencia una distribución asimétrica positiva. La desviación estándar de \(\$570.480,61\) refleja una dispersión considerable, por lo que el promedio, por sí solo, no describe suficientemente las diferencias entre los valores pagados.

En cuanto a la renta, el promedio alcanza \(\$39.227.885,57\), mientras que la mediana se sitúa en \(\$13.200.000\). Esta diferencia y la desviación estándar de \(\$107.014.311,63\) muestran una heterogeneidad especialmente marcada, asociada con la presencia de valores elevados que desplazan la media hacia arriba. El histograma presenta una fuerte concentración en valores bajos y una extensa cola derecha, que se apartan notablemente de la curva normal de referencia.

En conjunto, ambas variables presentan asimetría positiva, más pronunciada en la renta. Por ello, conviene interpretar sus promedios acompañados de las medianas y las medidas de dispersión, sin asumir que los datos siguen una distribución normal.

Según las medidas descriptivas reportadas, la muestra de 211 estudiantes del programa de Ingeniería de Software en Neiva presenta valores de matrícula ampliamente dispersos, con un valor típico cercano a la mediana de \(\$522.055\) y un promedio de \(\$816.497\). El coeficiente de variación de 69.9%, la desviación estándar de \(\$570480\), el rango de \(\$2.426.942\) y la asimetría positiva de 1,25 permite determinar que no existe homogeneidad en los valores liquidados de la matricula.

Con relación a los cuartiles, el primer cuartil indica que el 25% de los estudiantes paga hasta \(\$398.783\); la mediana señala que el 50% paga hasta \(\$522.055\); y el tercer cuartil muestra que el 75% paga hasta \(\$1.130.469\). En consecuencia, el 50% central de los valores de matrícula se encuentra entre \(\$398.783\) y \(\$1.130.469\).

Segunda muestra

A partir del parámetro poblacional, se seleccionó una segunda muestra aleatoria de 300 estudiantes, considerando un nivel de confianza del 99,6% y un margen de error del 5%.

library(readxl)

#CARGAR LA BASE DE DATOS#
datos<-read_excel("BASE_DE_DATOSMatriculaUSCO2021.xlsx", sheet = 5)

##mostrar las primeras filas  el resumen en el documento final##
mediam2_vm<-mean(datos$`VALOR MATRICULA`) #media
mediam2_vr<-mean(datos$RENTA)
medianam2_vm<-median(datos$`VALOR MATRICULA`) #mediana
medianam2_vr<-median(datos$RENTA)
varianzam2_vm<-var(datos$`VALOR MATRICULA`) #varianza
varianzam2_vr<-var(datos$RENTA)
desviacionm2_vm<-sd(datos$`VALOR MATRICULA`)#desviación estandar
desviacionm2_vr<-sd(datos$RENTA)


datos_muestra_2 <- datos

Medidas descriptivas de la muestra 2

De acuerdo a la muestra 2 seleccionada, se calculó las siguiente medidas de tendencia central:

  • Media
  • Mediana
  • Varianza
  • Desviación estandar
tabla2 <- data.frame(
  Medida = c("Media", "Mediana", "Varianza", "Desviación estándar"),
  Matrícula = c(mediam2_vm, medianam2_vm, varianzam2_vm, desviacionm2_vm),
  Renta = c(mediam2_vr, medianam2_vr, varianzam2_vr, desviacionm2_vr)
)
knitr::kable(tabla2, digits = 2, caption = "Resumen de la muestra 2",
             format.args = list(big.mark = ".", decimal.mark = ","))
Resumen de la muestra 2
Medida Matrícula Renta
Media 7,971510e+05 2,848063e+07
Mediana 5,131820e+05 1,266090e+07
Varianza 2,973240e+11 1,286234e+15
Desviación estándar 5,452742e+05 3,586410e+07

Normal de referencia: Muestra 2

Análisis de la muestra 2

La muestra 2, conformada por 300 estudiantes, presenta un valor promedio de matrícula de \(\$797.150,98\) y una mediana de \(\$513.182\). Esto indica que al menos la mitad de los estudiantes paga una matrícula igual o inferior a esta última cifra. La diferencia entre ambas medidas, junto con la concentración del histograma en valores bajos y su prolongación hacia la derecha, muestra una distribución asimétrica positiva. Por su parte, la desviación estándar de \(\$545.274,23\) evidencia una dispersión considerable respecto del promedio, por lo que este debe interpretarse acompañado de la mediana para describir mejor los valores pagados.

En relación con la renta, la media alcanza \(\$28.480.627,45\), mientras que la mediana se ubica en \(\$12.660.900\). El promedio supera en más del doble a la mediana, lo que sugiere la influencia de valores elevados sobre la media. Asimismo, la desviación estándar de \(\$35.864.104,37\), superior al promedio, refleja una marcada heterogeneidad. El histograma respalda esta interpretación al mostrar una concentración de observaciones en los valores bajos y una cola extendida hacia los valores altos, con diferencias visibles respecto de la curva normal de referencia.

En conjunto, ambas variables presentan asimetría positiva y una dispersión importante, especialmente la renta en relación con su promedio. Por tanto, la curva normal debe entenderse como una referencia comparativa y no como evidencia de que los datos siguen esa distribución. Para caracterizar esta muestra, resulta más informativo considerar conjuntamente la media, la mediana y la desviación estándar que utilizar únicamente el promedio

Comparación de distribuciones normales

Las curvas comparan la distribución de valores individuales, no la distribución muestral de la media ni su error estándar. Dentro de cada variable se usa la misma escala para los tres grupos.

Parámetros utilizados en las curvas de referencia
Grupo Variable N Omitidos Media Mediana Varianza DE
Población VALOR MATRICULA 465 0 833.543,3 536.219 3,163886e+11 562.484,3
Población RENTA 465 0 33.999.155,1 14.592.000 5,793079e+15 76.112.277,6
Muestra 1 VALOR MATRICULA 211 0 816.497,6 522.055 3,254481e+11 570.480,6
Muestra 1 RENTA 211 0 39.227.885,6 13.200.000 1,145206e+16 107.014.311,6
Muestra 2 VALOR MATRICULA 300 0 797.151,0 513.182 2,973240e+11 545.274,2
Muestra 2 RENTA 300 0 28.480.627,4 12.660.900 1,286234e+15 35.864.104,4

Para las curvas de la población completa se usa varianza con divisor N; para las muestras, divisor n−1. Las tablas originales se conservan con sus cálculos var() y sd(), que usan n−1 incluso en la sección poblacional; por ello sus valores pueden diferir levemente de esta tabla. Los gráficos excluyen valores faltantes o no finitos e informan cuántos; no se imputan datos.

Diagnóstico gráfico de normalidad

Los gráficos Q-Q contrastan los cuantiles observados con los de una normal. La proximidad a la recta es compatible con una aproximación normal; curvaturas y desviaciones sistemáticas indican discrepancias. Este diagnóstico no convierte los datos en normales.

Propiedades del estimador

Dentro de las propiedades empleadas para realizar una estimación, se consideran las siguientes:

# =================================
# PROPIEDADES DEL ESTIMADOR
# =================================

##INSESGADO##

#De acuerdo a los resultados obtenidos de la Media Poblacional vs Media Muestral y la Varianza Poblacional vs Varianza Muestral, se evidencian que existe una diferencia, donde el estimador no es igual al parametro. #

# Calcular la diferencia
sesgome <- mediam_vm - mediapb_vm
sesgome
## [1] -17045.74
# Mostrar resultados
cat("Media poblacional:", mediapb_vm, "\n")
## Media poblacional: 833543.4
cat("Media muestral:", mediam_vm, "\n")
## Media muestral: 816497.6
cat("Diferencia:", sesgome, "\n")
## Diferencia: -17045.74
# Una diferencia en una sola muestra no demuestra sesgo del estimador.

# Calcular la diferencia
sesgova <- varianzam_vm - varianzapb_vm
sesgova
## [1] 8377690116
# Mostrar resultados
cat("Varianza poblacional:", varianzapb_vm, "\n")
## Varianza poblacional: 317070441630
cat("Varianza muestral:", varianzam_vm, "\n")
## Varianza muestral: 325448131746
cat("Diferencia:", sesgova, "\n")
## Diferencia: 8377690116
##CONSISTENCIA##
#INSERTAR LA TABLA POBLACIONAL, MUESTRA 1 Y MUESTRA 2#

Análisis del estimador

Media Muestral (\(\bar{X}\))

En cuanto a la insesgadez, la media muestral es teóricamente un estimador insesgado de la media poblacional (\(\mu\)), ya que su valor esperado coincide con el parámetro real independientemente de la forma de la distribución. En los datos empíricos presentados, para la variable Matrícula, el parámetro poblacional es \(\mu = 833.543,35\), mientras que la Muestra 1 arroja \(\bar{x}_1 = 816.497,62\) y la Muestra 2 obtiene \(\bar{x}_2 = 797.150,98\); las leves diferencias observadas obedecen exclusivamente al error aleatorio de muestreo y no a un sesgo sistemático del estimador. Algo similar ocurre en la variable Renta, donde frente a un parámetro \(\mu = 33.999.156,12\), las muestras oscilan alrededor de dicho centro (\(\bar{x}_1 = 39.227.885,57\) y \(\bar{x}_2 = 28.480.627,45\)), viéndose notoriamente afectadas por observaciones atípicas en las colas derechas.

Respecto a la consistencia, la media muestral cumple plenamente con esta propiedad, pues a medida que el tamaño de la muestra aumenta (\(n_1 = 211 \rightarrow n_2 = 300 \rightarrow N = 465\)), la dispersión del estimador disminuye y converge en probabilidad hacia el parámetro poblacional. Sobre la eficiencia, la media muestral es el estimador lineal insesgado de mínima varianza (ELIO); sin embargo, en presencia de distribuciones fuertemente asimétricas como las que exhiben los gráficos de Matrícula y Renta, pierde eficiencia relativa frente a estimadores robustos debido a la alta sensibilidad de su error estándar ante valores extremos. Finalmente, en relación con la suficiencia, la media muestral es un estadístico suficiente únicamente si se asume una distribución subyacente de la familia exponencial (como la normal), pero dado que las gráficas demuestran una clara desviación de la normalidad, la media por sí sola no logra capturar toda la información contenida en la muestra sobre la estructura de la distribución.

Interpretación de la matrícula

Volver a la portada ↑