Aplicación de La Distribución Binomial

2016
INDICE
1. EL PROBLEMA DE INVESTIGACIÓN ................................................................... 3

1.1. OBJETIVOS ............................................................................................................ 4
2. MARCO TEÓRICO ................................................................................................. 6
2.2. DISTRIBUCIÓN BINOMIAL..................................................................................... 8
2.3. LENGUAJES ALGORÍTMICOS. ............................................................................ 10
3. METODOLOGÍA ................................................................................................... 17
3.1. METODOLOGÍA DE INVESTIGACIÓN ................................................................. 17
3.2. ZONA DE ESTUDIO ............................................................................................. 18
3.3. TIPO DE INVESTIGACIÓN. .................................................................................. 19
3.4. DISEÑO DE LA INVESTIGACIÓN ........................................................................ 19
3.5. POBLACIÓN Y MUESTRA.................................................................................... 19
3.6. MÉTODOS ............................................................................................................ 21
3.7. TÉCNICAS ............................................................................................................ 25
4. RESULTADOS ..................................................................................................... 27
4.1. PRESENTACIÓN DE RESULTADOS ................................................................... 27
4.2. RESULTADOS DEL CUESTIONARIO .................................................................. 27
4.3. ANÁLISIS A INTERPRETACIÓN DE RESULTADOS............................................ 41
4.4. CONCLUSIONES ................................................................................................. 45
4.5. RECOMENDACIONES ......................................................................................... 46
4.6. BIBLIOGRAFIA. .................................................................................................... 47
1
CAPITULO I
2
1. EL PROBLEMA DE INVESTIGACIÓN
El presente trabajo se sustenta en las siguientes variables:
Académica, en esta parte principalmente afectaría a los estudiantes ya que al no

existir la ciencia de lenguajes algorítmicos en el currículum de la carrera, los
estudiantes tendrían inconvenientes en el aprendizaje de lenguajes de programación
ya que no sabrían cómo realizar un algoritmo correctamente y en consecuencia de
esto el software que desarrollen será inapropiado. Además complica a los maestros
de la ciencia de programación en la enseñanza de esta, a razón de no contar con
bases en la estructuración de algoritmos. Por otro lado este problema también afecta
a la carrera ingeniería en sistemas y a la Universidad Nacional de Loja en sí al no
contar con proyectos de software que sobresalgan en la ciudad de Loja. Así el
currículum también se ve afectado ya que al no estar adecuadamente estructurado,
tiende a tener poca validez en el ámbito estudiantil.
Social, afecta a las empresas industriales de tal forma que no habría un diseño
correcto de software para una empresa de este tamaño, sabiéndose que en la ciudad
de Loja no existen empresas industriales. Por el contrario las empresas comerciales
que saturan el mercado lojano se ven afectadas de tal forma que el software que se
diseña para este tipo de empresas debe ser muy preciso para que no colapse
durante su ejecución. Tomando en cuenta a las empresas de servicio que también se
ven vinculadas en este problema, deben tener un software funcional para poder
brindar un excelente servicio a la comunidad lojana.
Tecnológica, en esta parte los estudiantes no plantearían software que sea

compatible y funcional para cualquier equipo, además esto reduciría la calidad de
software desarrollado por parte de los estudiantes, lo cual conlleva a un consumo
excesivo de recursos del internet si nos referimos a creación de software para la
web. Además un software no bien estructurado no brindaría los resultados
esperados por el cliente, ocasionando pérdidas a la empresa.
¿Los estudiantes de la carrera ingeniería en sistemas no crean software

por la carencia de la ciencia lenguajes algorítmicos en el currículum de la
carrera?
3
1.1. OBJETIVOS
1.1.1. OBJETIVO GENERAL
Afirmar que el curriculum CIS-UNL carece de lenguajes algorítmicos útiles para

el desarrollo de software.
1.1.2. OBJETIVOS ESPECÍFICOS

Determinar el desconocimiento de leguajes algorítmicos en los estudiantes de
 la carrera Ingeniería en Sistemas.
 
 Análisis de la investigación aplicada a los estudiantes.
 
Presentar los resultados obtenidos de la investigación.
4
CAPITULO II
5
2. MARCO TEÓRICO
A continuación presentaremos los respectivos conceptos y formulas de la
distribución binomial y los lenguajes algorítmicos que utilizaremos en nuestro trabajo
investigativo para poder afirmar que existe la carencia de lenguajes algorítmicos en
el currículum de la carrera IS-UNL.
2.1. ANTECEDENTES
2.1.1. ANTECEDENTES NACIONALES

TEMA:
Desarrollo de un compilador en español para la ejecución de algoritmos en

pseudocódigo.
AUTORES:
Alondra María Ordoñez Ordoñez, Alex Patricio Román Macas. El año de

publicación es 2011. Desarrollada en la universidad nacional de Loja Cantón Loja
Provincia de Loja.
RESUMEN:
El presente documento contiene todo lo referente al desarrollo de un compilador en

español o Software Base para la unidad de Metodología de la programación de la
carrera de Ingeniería en Sistemas de la Universidad Nacional de Loja. El compilador
llamado ARK es un programa que lee otro programa escrito en un pseudocódigo
(lenguaje fuente), y lo traduce a un programa equivalente en lenguaje JAVA (el lenguaje
objeto). Como parte importante de este proceso de traducción, el compilador ARK
informa al usuario de la presencia de errores en el programa fuente en este caso el
pseudocódigo en español. Para el desarrollo del compilador ARK se utilizó el framework
ANTLR (ANother Tool for Languaje Recognition, Otra Herramienta Para
Reconocimiento de Lenguajes), una herramienta que opera sobre lenguajes,
proporcionando un marco para construir reconocedores, interpretes, compiladores y
traductores de lenguajes a partir de las descripciones gramaticales de los mismos. El
compilador ARK es una herramienta que servirá principalmente a los alumnos de
6
cuarto y quinto módulo de la carrera de Ingeniería en Sistemas, así como a otras
personas interesadas en la implementación de algoritmos en pseudocódigo. 1
COMENTARIO:
La siguiente tesis aporta a nuestro proyecto ya que está enfocado en la

enseñanza aprendizaje de los lenguajes algorítmicos, en especial de pseudocódigo
que como ellos mismo mencionan “el objetivo conducirá a demostrar la hipótesis
que plantea que el uso de esta herramienta ayuda a mejorar y agilizar el proceso de
enseñanza aprendizaje de los alumnos de cuarto y quinto módulo de la CIS-UNL”
Mediante esta tesis podemos notar que el mal manejo de los lenguajes
algorítmicos viene dado desde mucho tiempo atrás, por lo que este trabajo es una
referencia muy buena como información de la falta de los lenguajes algorítmicos
como ciencia en el currículum de la carrera de la Universidad Nacional de Loja.
2.1.2. ANTECEDENTES INTERNACIONALES

TEMA:
Un entorno para el aprendizaje de la programación.
AUTORES:
Norma Moroni Perla Señas. El año de publicación es 1996. Desarrollada en la

Universidad Nacional del Sur en el país de Argentina.
RESUMEN:
Un curso introductorio de programación puede diseñarse siguiendo distintos

paradigmas. Se advierte una búsqueda permanente de nuevas estrategias
metodológicas que permitan abordar la tarea con mayor probabilidad de éxito,
cualquiera sea el modelo elegido. La computadora que es propuesta como herramienta
para la enseñanza de otras disciplinas debiera ser la herramienta natural para la
enseñanza de la programación en todas sus etapas. Si partirnos de la necesidad de
desarrollar un curso introductorio basado en el paradigma imperativo y siguiendo una
metodología estructurada y modular, es importante disponer de un lenguaje algorítmico
menos rígido que un lenguaje de programación. Se propone un
1
Norma Moroni Perla Señas, Un entorno para el aprendizaje de la programación,
de http://sedici.unlp.edu.ar/handle/10915/24234
7
entorno de programación adecuado que permite al alumno desarrollar los algoritmos
trabajando directamente sobre la computadora evitando tener que recordar
expresamente detalles del diseño estructural de los mismos. 2
COMENTARIO:
Este trabajo nos ayuda señalando que el implementar nuevas estrategias

metodológicas como son los lenguajes algorítmicos por la razón de ser menos
rígidos que un lenguaje de programación, obteniendo una mayor efectividad de
enseñanza en los alumnos ya que permite al alumno desarrollar algoritmos
correctamente y por ende evitando tener que recordar detalles explícitos del diseño
estructural de esos algoritmos. Demostrando la necesidad de implementar los
lenguajes algorítmicos durante el desarrollo de programas computacionales.
2.2. DISTRIBUCIÓN BINOMIAL

Si P es la probabilidad de que ocurra un evento en un solo intento (probabilidad
de éxito) y Q = 1- P la probabilidad de que no ocurra en un solo intento (probabilidad
de fracaso); la probabilidad de que el suceso ocurra exactamente X veces en n
intentos se calcula así:
Se denomina experimento binomial a aquel número fijo, n, de repeticiones

independientes de un experimento, y por lo tanto se caracteriza porque:
  Las n pruebas son estadísticamente independientes.

 
Los resultados de cada prueba son dos mutuamente excluyentes, éxito (E) y fracaso (F).
 
La probabilidad p de éxito es invariante en cada una de las pruebas.
El espacio maestral del experimento binomial es el conjunto:
ᘯ= {(w1, w2,....wn) / wi = E ó F}.
2
Alondra María Ordóñez Ordoñez & Alex Patricio Román Macas. (2011). Desarrollo de
un compilador en español para la ejecución de algoritmos en pseudocódigo (Tesis de
pregrado). Universidad Nacional de Loja, Loja.
8
Se denomina variable binomial a la variable aleatoria X definida en el conjunto ᘯ
como el número de éxitos que ocurren en los n experimentos. Los posibles valores
de X son: 0, 1,2,3,....,n.
Se dice que la variable aleatoria x definida como el número de éxitos que ocurren
en los n experimentos, tiene distribución binomial con parámetros n y p, y se escribe
X ~ B(n,p), así su función de probabilidad es:
Combinaciones
En muchos problemas de probabilidad es necesario conocer el número de

maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto
se le denomina número de combinaciones de r objetos tomados de entre n objetos.
Entonces si k es cualquier valor de la variable binomial, el evento [ X=k ] consiste de
todos los elementos del conjunto ᘯ que contengan k éxitos(E) y n-k fracasos(F). La
probabilidad de cada uno de estos eventos elementales es igual a pk * qn-k. El
número de estos eventos es igual a:
Variables Aleatorias Discretas
Primero definimos una variable aleatoria como una función valorada

numéricamente, cuyo valor está regido por factores en los que interviene el azar.
Está representada por un símbolo o letra tales como X, Y, Z, etc. Está asociado a un
experimento probabilístico. Por ejemplo se puede representar las siguientes
variables así:
3 Córdova Manuel. (2003). Estadística descriptica e inferencial. Ciudad: Lima Editorial.

MOSHERA. S.R.L. (p. 268-269)
9
X= ventas mensuales de computadoras.
Y= exportaciones mensuales de sacos de café.
Z= ingresos mensuales de los docentes.
A= producción de tornillos diaria en una fábrica.
Se denominan variables aleatorias discretas aquellas que toman valores enteros

provenientes de la enumeración o del conteo como por ejemplo:
M=número de accidentes en una semana.
N=número de defectos en un proceso productivo.
O=número de cosechas perdidas.
P=número de terremotos.4
En el presente trabajo estadístico, se propone afirmar, mediante la aplicación de la

distribución binomial, la carencia o falta de la ciencia de lenguajes algorítmicos, ya que
situándonos en simples observaciones hacia ex-estudiantes de la carrera de ingeniería
en sistemas de la Universidad Nacional de Loja, nos hemos dado cuenta que se
complica el poder presentar un proyecto de creación o desarrollo de software.
Para todo esto tenemos que tener muy en claro algunos conceptos de las
ciencias de lenguajes algorítmicos, conceptos que aclararemos a continuación.
Antes que nada hay que aceptar que la base de un buen programador se da en
buen manejo de los lenguajes algorítmicos, por lo que debería darse más
importancia en la enseñanza de dicha materia a estudiantes que recién ingresan a
la carrera Ingeniería en Sistemas.
2.3. LENGUAJES ALGORÍTMICOS.

Es una serie de símbolos y reglas que se utilizan para describir de manera
explícita un proceso secuencial, realizando un análisis y eligiendo el método a
utilizar para hacer dicho análisis, independientemente del lenguaje de programación.
En otras palabras es el conjunto de operaciones organizadas correctamente,
conformando el algoritmo.
4 Hurtado Enrique. Estadística descriptiva y Analítica (p.67-68)

10
Algoritmo, es una serie de pasos secuenciales y organizados que describe el
proceso a seguir para solucionar un problema específico.
Tipos de algoritmos
Gráficos: Es la representación gráfica de las operaciones que realiza un

algoritmo (diagrama de flujo).
No Gráficos: Representa en forma descriptiva las operaciones que debe realizar
un algoritmo (pseudocódigo).
Diagrama de flujo, o diagrama de actividades es la representación gráfica de un
algoritmo o proceso que se basan en la utilización de diversos símbolos para
representar operaciones específicas. Se les llama diagramas de flujo porque los
símbolos utilizados se conectan por medio de flechas para indicar la secuencia de la
operación.
Símbolos de diagramas de flujo.
Indica el inicio y el final de nuestro diagrama de flujo.
Indica la entrada y salida de datos.
Símbolo de proceso y nos indica la asignación de un valor en la memoria y/o la

ejecución de una operación aritmética.
Símbolo de decisión indica la realización de una comparación de valores.
Se utiliza para representar los subprogramas.
Conector dentro de página. Representa la continuidad del diagrama dentro de la

misma página.
11
Conector fuera de página. Representa la continuidad del diagrama dentro de la
misma página.
Indica la salida de información por impresora.
Indica la salida de información por pantalla o monitor.
Líneas de flujo o dirección. Indican las secuencias en que se realizan las

operaciones.
Pseudocódigo, mezcla de lenguaje de programación y español (o inglés o

cualquier otro idioma) que se emplea, dentro de la programación estructurada, para
realizar el diseño de un programa. En esencial, el pseudocódigo se puede definir
como un lenguaje de especificaciones de algoritmos que sirven para que el
programador diseñe o estructure claramente sus ideas de cómo resolver el
problema computacional.
Es la representación narrativa de los pasos que debe seguir un algoritmo para
dar solución a un problema determinado. El pseudocódigo utiliza las estructuras de
un lenguaje de programación real, pero está diseñado para la lectura humana en
lugar de la lectura del lenguaje máquina, siendo independiente de cualquier
lenguaje de programación ya que solo es la organización de cómo se va a resolver
el problema. Normalmente el pseudocódigo omite detalles que no son esenciales
para la comprensión humana del algoritmo, tales como declaraciones de variables,
código especifico del programa (sistema) y algunos otros pasos esenciales en un
programa computacional.
12
Clase sumar_numeros
Método Principal ()
Real N1, N2, SUMA
IMPRIMA “DIGITE PRIMER NUMERO”
LEA N1
IMPRIMA “DIGITE SEGUNDO NUMERO”
LEA N2
SUMA= N1+ N2
IMPRIMA “LA SUMA ES”, SUMA
Fin Método
Fin Clase
Diagramas estructurados (Nassi-Schneiderman), el diagrama estructurado N-S

también conocido como diagrama de chapín es como un diagrama de flujo en el que
se omiten las flechas de unión y las cajas son contiguas. Las acciones sucesivas se
pueden escribir en cajas sucesivas y como en los diagramas de flujo, se pueden
escribir diferentes acciones en una caja.
5 Suaza Olga, Suaza Jorge. Fundamentos de programación, de

http://fundamentosdelogica.jimdo.com/instituto-tecnologico-metropolitano-itm-politecnico-
jic/fundamentos-de-programacion-logica-y-programacion/lenguajes-algoritmicos/
13
La Distribución binomial es una de las distribuciones estadísticas que nos permiten
ver la ocurrencia de que algo pueda o no suceder, en este caso relacionado con la vida
Social, queremos inferir la probabilidad que los estudiantes de la CIS-UNL se vinculan
con la sociedad para poder resolver los problemas que estos presentan. Teniendo en
cuenta una probabilidad de éxito de 0,6316 que se obtuvo mediante la tabulación del
cuestionario guiado, se tiene el siguiente resultado:
B (19; 0,6316) ( = 19) = (1919) × 0,631619 × 0,368419−19 = 0,00016
n= 19
k = 19
p=0,6316 q=1-
0,6316=0,3684
Viendo así que la probabilidad de que los estudiantes vinculen los problemas
sociales es muy bajo por lo que se debería poner mayor atención en promover la
vinculación de los estudiantes con los problemas sociales.
En lo académico se quiere estimar cuál sería la probabilidad de que todos los

estudiantes tengan una buena estructuración de algoritmos, con una probabilidad de
éxito del 0,55.
B(19 ; 0,55) ( = 19) = (1919) × 0,5519 × 0,4519−19 = 0,000011
n=19
k=19
p=0,55 q=1-
0,55=0,45
La probabilidad de que los estudiantes tengan una buena estructuración de

algoritmos es demasiado baja, lo que es muy preocupante ya que esto es la base
para ser un buen programador.
Para lograr crear un software o tecnologías de calidad se tiene que crear

programas con un tiempo de vida útil lo bastante largo para que tengan competencia
en el mercado, y se ha notado que según estimaciones de los estudiantes el buen
manejo de algoritmos son una influencia positiva en el tiempo de vida útil del
programa computacional. Obteniendo una probabilidad de éxito del 0,8947 que lleva
a la siguiente deducción:
14
B(19 ; 0,8947) ( = 19) = (1919) × 0,894719 × 0,105319−19 = 0,12
n=19
k=19
p=0,8947 q=1-
0,8947=0,1053
Los resultados de la probabilidad de que el buen manejo de algoritmos ayude a

crear software con mayor tiempo de vida útil es lo bastante aceptable con un 12%,
lo que nos lleva a inferir que el buen manejo de algoritmos ayuda mucho para la
creación de nuevas tecnologías.
15
CAPITULO III
16
3. METODOLOGÍA
A continuación presentaremos la metodología que se aplicó en el presente
trabajo investigativo, haciendo uso de métodos, técnicas, y el proceso respectivo
que se sigue para realizar dichos proyectos siendo esta de vital importancia dentro
de cualquier proceso investigativo, contribuyendo como un esquema para poder
llegar a tener un progreso correcto dentro del trabajo investigativo.
3.1. METODOLOGÍA DE INVESTIGACIÓN
Malacatus Cobos Cristian Eduardo:

Nacido el 10 de Junio de 1987 en la ciudad de Cariamanga. Mis estudios
secundarios los cruce en el “Instituto Superior Tecnológico Mariano Samaniego” de
mi ciudad de origen, graduado en la especialidad de “Físico-Matemáticas”.
Actualmente curso mis estudios superiores en la Universidad Nacional de Loja en la
carrera de Ingeniería en Sistemas.
En lo que tiene que ver a experiencia a la realización de proyectos de
investigación, no tengo mucha experiencia, pero estoy dispuesto a colaborar de la
mejor manera en la elaboración de este proyecto y con el equipo de trabajo.
Yangua Chuquirima Cristhian Yangua:

Nacido el 12 de Diciembre de 1991 en la ciudad de Cariamanga. Mis estudios
secundarios los cruce en el Colegio Nacional “Eloy Alfaro” de mi ciudad de origen,
graduado en la especialidad de “Físico-Matemáticas”. Actualmente curso mis estudios
superiores en la Universidad Nacional de Loja en la carrera de Ingeniería en Sistemas.
Salazar Leon Jorge Michael:

Nacido el 16 de Noviembre de 1995 en la provincia de el Oro cantón Balsas. Mis
estudios primarios los realice en la escuela privada “UESFA”, y continué mis
estudios secundarios en el Colegio Nacional Técnico “Vicente Anda Aguirre” de mi
ciudad de origen, graduado en la especialidad de “Físico-Matemáticas”. Actualmente
curso mis estudios superiores en la Universidad Nacional de Loja en la carrera de
Ingeniería en Sistemas, en lo que tiene que ver a experiencia a la realización de
proyectos de investigación, no tengo mucha experiencia, pero estoy dispuesto a
colaborar de la mejor manera en la elaboración de este proyecto.
17
Roman Paladines Gabriela Alexandra:
Nací en la ciudad de Portovelo el 7 de febrero de 1993. Mis estudios primarios los
realice en la escuela "Matilde hidalgo de procel" .Continúe mis estudios secundarios
en el "Instituto superior tecnología Beatriz Cueva de Ayora" en la especialidad de
fisicomatemático, ahora curso mis estudios superiores en la Universidad Nacional
de Loja en la carrera de Ingeniería en Sistemas. En lo que cabe destacar sobre la
espera encía en la realización del proyecto de investigación mis conocimientos son
muy escasos pero mi disponibilidad es la mejor además tengo aptitudes para
trabajar en equipo.
Guamán Maza Omar Stalin:

Nací en la ciudad de Loja el 15 de mayo de 1990. Mis estudios primarios los
realice en la Escuela “Fe y Alegría” hoy conocida como “Eduviges Portalet”.
Continúe mis estudios secundarios en la “Unidad Educativa Experimental Bernardo
Valdivieso” en la especialidad de Informática, ahora curso mis estudios superiores
en la Universidad Nacional de Loja Carrera de Ingeniera en Sistemas.
En lo que cuenta a la experiencia en la realización de proyectos de investigación
mis conocimientos son muy escasos. Pero tengo toda la predisposición de adquirir
conocimientos en este campo, además de que cuento con buenas aptitudes para
trabajar en equipo.
3.2. ZONA DE ESTUDIO

Conocer la ubicación de la zona de estudio y el sitio de interés, es algo principal
para poder desarrollar el presente proyecto investigativo.
El desarrollo de esta investigación se realizara en el campus sede de la

UNIVERSIDAD NACIONAL DE LOJA, en el “ÁREA DE LA ENERGÍA, LAS
INDUSTRIAS Y LOS RECURSOS NATURALES NO RENOVABLES”. En el sector la
Argelia calles Av. Reinaldo Espinoza y Calle 9.
18
CARRERA DE
INGENIERIA EN
SISTEMAS DE
LA
UNIVERSIDAD
NACIONAL DE
LOJA
Ilustración 1 Mapa de la CIS-UNL
3.3. TIPO DE INVESTIGACIÓN.

El presente trabajo investigativo es de tipo descriptiva ya que se desea describir, en
todos sus componentes principales la realidad de la carencia de los lenguajes
algorítmicos por parte de los estudiantes de la CIS-UNL
3.4. DISEÑO DE LA INVESTIGACIÓN

La presente investigación se apoyará en afirmar que el currículum CIS-UNL
carece de lenguajes algorítmicos útiles para el desarrollo de software basándonos
en plantear los objetivos que se quieren cumplir en el trabajo investigativo.
Primeramente, aplicando un cuestionario guiado a un determinado número de
estudiantes de la CIS-UNL para la recolección de información necesaria y poder
hacer un análisis de esta, aplicando la distribución binomial en el análisis e
interpretación de los resultados ya que este es nuestro tema de estudio y con esto
obtener los resultados esperados afirmando la carencia de los lenguajes
algorítmicos como ciencia en el currículum de la CIS-UNL.
3.5. POBLACIÓN Y MUESTRA

El universo de trabajo utilizado para esta investigación serán todos los alumnos
de la CIS (Carrera de Ingeniería en Sistemas) de la Universidad Nacional de Loja, a
partir del segundo ciclo, se utilizará la técnica de muestreo por criterio ya que los
estudiantes tomarán en cuenta solamente a los individuos que se cree que podrían
19
proporcionar información valiosa, y que contribuyan de manera positiva con este
proyecto, por lo cual los alumnos del primer ciclo no fueron considerados en la
misma, debido a que no poseen un nivel de conocimiento aceptable para aportar
información acerca del tema.
CALCULO DE LA MUESTRA
Para extraer el dato de la muestra se realiza con la siguiente formula.
Fórmula para calcular la muestra

2 ∗ ∗ ∗ = ( − 1) 2 + 2 ∗ ∗
En donde:
Z = nivel de confianza
N = número de la población
p = probabilidad a favor
q = probabilidad en contra
E = error de estimación
n = tamaño de la muestra
Desarrollo
El nivel de confianza y el margen de error de estimacion se muestran en la

siguiente tabla:
Tabla 1. Calculo nivel de confianza.
20
n =?
E = 5% (0,05)
Z = 95% (0,95)
N = 196
p = 94% (0,94)
q = 6% (0,06)
(0,95)2 ∗ 196 ∗ 0,94 ∗ 0,06 = (196 − 1)(0,05)2 + (0,95)2(0,94)(0,06) = 18,52
El valor de la muestra es de 18,52 redondeando tendríamos 19 estudiantes.

Datos de la población a investigar:
Unidad Número de personas Técnica
Alumnos CIS-UNL 196 Secretaria de la CIS-UNL
Muestra 19 Cuestionario guiado
3.6. MÉTODOS.
Bajo tres métodos se realizó el siguiente trabajo investigativo: deductivo,
inductivo y enfoque de sistemas, todos ellos con una estructura definida y ordenada
de toda la información y datos que pudimos obtener y recolectar.
3.6.1. MÉTODO DEDUCTIVO

La deducción va de lo general a lo particular. El método deductivo es aquel que
parte de los datos generales aceptados como valederos, para deducir por medio del
razonamiento lógico, varias suposiciones, es decir, parte de verdades previamente
establecidas como principios generales, para luego aplicarlo a casos individuales y
comprobar así su validez.6
6
Colbert García Rivas Plata Maestría en tecnología de la construcción Consultado el 25
de Julio del 2016 de http://colbertgarcia.blogspot.com/2008/04/metodo-deductivo-y-
metodo-inductivo.html
21
El método deductivo se forma de una forma secuencial, prosiguiendo con los
siguientes pasos para este proyecto:
 Conformación del grupo de trabajo tras la asignación de la tarea de realizar

un trabajo acerca de un tema referente a la materia de “Estadística
Inferencial” se reunieron los compañeros de la clase para realizar el presente
trabajo de investigación

 Adquisición del tema tras un sorteo de los temas para la realización del
trabajo de investigación, recayó sobre el presente grupo el tema “Distribución
Binomial”, acerca del cual se realizaría el presente trabajo

 Búsqueda del problema, la búsqueda de un problema referente a la CIS-UNL
en donde son estudiantes los realizadores de la presente investigación

 Formulación del Tema.- Luego de un análisis del problema hemos obtenido

 Vinculación del Problema con las variables de interés Social Académica y
Tecnológica

 Planteamiento de los objetivos generales y específicos del trabajo investigativo

 Redacción del marco teórico, investigación de la temática

 Metodología que se aplicara en el proyecto investigativo

 Formular las preguntas del cuestionario guiado

 Aplicar cuestionarios a 19 estudiantes de la CIS-UNL

 Tabulación de los resultados obtenidos en la investigación

 17 estudiantes que representan el 89,47% de la población investigada,
afirmaron que es necesaria la implementación de la ciencia de lenguajes
algorítmicos en el currículum de la carrera

 Establecer conclusiones referente a los resultados

 Escribir recomendaciones sobre el tema de investigación

 Exposición de la investigación y de los resultados obtenidos
22
3.6.2. MÉTODO INDUCTIVO
La palabra "inductivo" viene del verbo inducir, y éste del latín inducere, que es un
antónimo de deducir o concluir. La inducción va de lo particular a lo general.
Empleamos el método inductivo cuando de la observación de los hechos particulares
obtenemos proposiciones generales, o sea, es aquél que establece un principio general
una vez realizado el estudio y análisis de hechos y fenómenos en particular. 7
El método inductivo es el que hace una revisión de los pasos del método
deductivo para corregir posibles errores ya que la investigación siempre es dinámica
y los pasos son:
Los estudiantes si conocen acerca de los lenguajes algorítmicos pero no de una

manera completa y sistémica ocasionando inconvenientes en el desarrollo de
software y además lleva a los estudiantes a pensar de una forma ilógica y
desorganizada. Con la aplicación de la distribución binomial sobre la información
obtenida nos ayudara a entender cómo afecta a los estudiantes el no conocer de
una manera adecuada los lenguajes algorítmicos.
El cuestionario guiado aplicado a los estudiantes de la carrera de sistemas, nos

ayudó a obtener la información sobre el desconocimiento de los lenguajes
algorítmicos que existe en los estudiantes. Durante el desarrollo del proyecto los
objetivos planteados fueron realizados, además la temática de la distribución
binomial y los lenguajes algorítmicos fueron definidos en el marco teórico.
El tema del presente trabajo investigativo comprende variables tanto académica,

social y tecnológica, entendiéndose que el no conocer de una manera adecuada los
lenguajes algorítmicos afecta a la creación de software.
3.6.3. ENFOQUE DE SISTEMAS

Es un método de investigación, una forma de pensar, que enfatiza el sistema total en
vez de sistemas componentes, se esfuerza por optimizar la eficacia del sistema total en
lugar de mejorar la eficacia de sistemas cerrados. Se basa principalmente en
7
Colbert García Rivas Plata Maestría en tecnología de la construcción Consultado el 25
de Julio del 2016 de http://colbertgarcia.blogspot.com/2008/04/metodo-deductivo-y-
metodo-inductivo.html
23
la visión de no ser reduccionista en su análisis, es el medio para solucionar
problemas de cualquier tipo.8
El enfoque de sistemas es un método de investigación para advertir las causas

del problema y actuar de una manera correcta para resolver este:
En la educación
- Se fomentaría el uso de los lenguajes algorítmicos para ser más ordenados.

- Implementar a los Lenguajes algorítmicos como materia principal en el
primer ciclo de la CIS-UNL.
- Motivar a los estudiantes mediante concursos o eventos que promuevan el
desarrollo de software.
En la tecnología
- Usar tecnologías que ayudan a comprender mejor la estructuración de un

algoritmo como programas pseint, dfd, entre otros.
- Usar las tecnologías de información y comunicación para mejorar la
difusión de la ciencia de Lenguajes algorítmicos.
- Estar pendientes del lanzamiento de nuevas tecnologías para el desarrollo
de software y así construir software con mucho más tiempo de vida útil.
En lo social
- Formar equipos afines a una misma ideología de desarrollo de software

para cumplir con las metas de crear programas de calidad.
- Tener más contacto con el cliente para poder saber todos sus
requerimientos y así desarrollar un software amable.
- Hacer que los estudiantes vinculen problemas sociales con la programación
computacional para que obtengan práctica y así al ser unos profesionales
cumplan con las expectativas de ser unos excelentes programadores.
8
Instituto Tecnológico de Sonora Definición de enfoque de sistemas Consultado el 25
de Julio del 2016 de
http://biblioteca.itson.mx/oa/ciencias_administrativa/oa3/enfoque_sistemas/s3.htm
24
3.7. TÉCNICAS
3.7.1. Cuestionario guiado

Esta técnica que hemos utilizado nos sirvió para recaudar información
determinada de una población específica, para determinar que existe la carencia de
lenguajes algorítmicos en el currículum de la carrera de ingeniería en sistemas de la
universidad de Loja, donde se las efectúa a modo de cuestionario guiado facilitando
la recopilación de información útil y confiable.
3.7.2. Internet
Esta técnica nos proporcionó mucha información relacionada a los conceptos
básicos sobre los lenguajes algorítmicos y nos ayudó a redactar mejor nuestra
metodología.
3.7.3. Bibliografía
Es una técnica que nos brindó información por medio de libros y sitios web que
nos ofrecieron información y conceptos precisos sobre los temas que hemos
abordado en el presente proyecto.
25
CAPITULO IV
26
4. RESULTADOS
Con los resultados obtenidos gracias al cuestionario guiado, proseguimos a
establecer que existe una carencia de conocimiento sobre lenguajes algorítmicos en
el currículum de la carrera de ingeniería en sistemas de la UNL, exponiendo los
resultados de la siguiente manera:
4.1. PRESENTACIÓN DE RESULTADOS

Con respecto a los resultados obtenidos en la investigación podemos afirmar que
los lenguajes algorítmicos son un pilar importante en el currículum de la cerrera de
ingeniería en sistemas de la universidad de Loja.
Tenemos otros elementos que influyen en la presente investigación como la

inseguridad de los alumnos al realizar tareas o exámenes, un razonamiento
desordenado al momento de realizar un programa computacional y dificultad en la
realización de proyectos inciden de manera directa en nuestra investigación.
El desconocimiento de los lenguajes algorítmicos provoca vacíos de

conocimiento en todo el trayecto universitario y a la vez provocaría malos trabajos a
nivel profesional.
4.2. RESULTADOS DEL CUESTIONARIO

La información expuesta a continuación muestra los resultados obtenidos al
aplicar el cuestionario guiado a la carrera de ingeniería en sistemas de la UNL,
mostrando de manera gráfica los datos con sus respectivos porcentajes.
4.2.1. Aplicación del Cuestionario Guiado

La información expuesta al aplicar el cuestionario guiado a la población escogida
en la carrera de ingeniería en sistemas de la UNL muestra la interpretación de los
resultados obtenidos.
A continuación, se muestra descriptivamente y gráficamente los datos con sus

respectivos porcentajes que se obtuvo del cuestionario aplicado a los estudiantes de
la CIS-UNL.
27
1. ¿Conoce la existencia de los lenguajes algorítmicos?
RESPUESTA CANTIDAD PORCENTAJE
SI 18 94,74%
NO 1 5,26%
TOTAL 19 100%
PREGUNTA 1
5,26%
94,74%
SI NO
2. ¿Tiene problemas al hacer programas computacionales?
SI 10 52,63%
NO 9 47,37%
TOTAL 19 100%
PREGUNTA 2
47,37%
52,63%
SI NO
28
3. ¿Has utilizado alguna vez software amable?
SI 18 94,74%
NO 1 5,26%
TOAL 19 100%
PREGUNTA 3
5,26%
94,74%
SI NO
4. ¿Estructura bien sus problemas computacionales?
SI 13 68,42%
NO 6 31,58%
TOTAL 19 100%
PREGUNTA 4
31,58%
68,42%
SI NO
29
5. ¿Vincula los problemas sociales con la programación computacional?
SIEMPRE 12 63,16%
A VESES 5 26,32%
NUNCA 1 5,26%
TEGNOLOGIA 1 5,26%
TOTAL 19 100%
PREGUNTA 5
5,26%
5,26%
26,32%
63,16%
SIEMPRE A VECES NUNCA TECNOLOGIA
6. ¿Se siente segur@ al realizar tareas o exámenes de la materia de programación??
SI 11 57,89%
NO 8 42,11%
TOTAL 19 100%
PREGUNTA 6
42,11%
57,89%
SI NO
30
7. ¿Tiene interés en la materia de programación?
SI 18 94,74%
NO 1 5,26%
TOTAL 19 100%
PREGUNTA 7
5,26%
94,74%
SI NO
8. ¿Ha tenido dificultades con el docente que imparte la materia de programación?
NO 12 63,16%
SI 7 36,84%
TOTAL 19 100%
PREGUNTA 8
36,84%
63,16%
NO SI
31
9. Los pasos lógicos de programación son: Problema, diagrama de flujo, algoritmo,
ejecución y resultado. ¿Utiliza estos pasos para resolver un problema computacional?
SIEMPRE 8 38,10%
A VESES 7 33,33%
NUNCA 4 19,05%
ALGUNOS 2 9,52%
TOTAL 19 100%
PREGUNTA 5
9,52%
19,05% 38,10%
33,33%
SIEMPRE A VECES NUNCA ALGUNOS
10. ¿Piensa usted que la ciencia de lenguajes algorítmicos mejoría sus calificaciones en
la materia de programación?
SI 19 100%
NO 0 0%
TOTAL 19 100%
PREGUNTA 10
0,00%
100,00%
SI NO
32
11. ¿Cree que el aprender la correcta estructuración de un algoritmo le ayudara a
mejorar en la materia de programación?
SI 19 100%
NO 0 0%
TOTAL 19 100%
PREGUNTA 11
0,00%
100,00%
SI NO
12. ¿Cómo se califica en la estructuración de un algoritmo?
RESPUESTA CANTIDA PORCENTAJ

D E
BUENO 11 55%
REGULAR 7 35%
INENTENDIBLE 1 5%
MALO 1 5%
TOTAL 20 100%
PREGUNTA 12
5% 5%
35,00% 55,00%
BUENO REGULAR INENTENDIBLE MALO
33
13. ¿Al programar utiliza algoritmos?
SI 17 89,47%
NO 2 10,53%
TOTAL 19 100%
PREGUNTA 13
10,53%
89,47%
SI NO
14. ¿Es necesario que un programa computacional tenga lógica?
SIEMPRE 19 100%
NUNCA 0 0%
TOTAL 19 100%
PREGUNTA 14
0,00%
100,00%
SIEMPRE NO
34
15. ¿Le es difícil insertar un cálculo matemático dentro de un algoritmo?
NO 15 78,95%
SI 4 21,05%
TOTAL 19 100%
PREGUNTA 15
21,05%
78,95%
NO SI
16. ¿Cree que el desconocimiento de lenguajes algorítmicos lo lleva a un razonamiento

desordenado al momento de programar?
NO 18 94,74%
SI 1 5,26%
TOTAL 19 100%
PREGUNTA 16
5,26%
94,74%
NO SI
35
17. ¿Piensa que la constante práctica de algoritmos reduce el tiempo para resolver un
problema computacional?
SI 18 94,74%
NO 1 5,26%
TOTAL 19 100%
PREGUNTA 17
5,26%
94,74%
SI NO
18. ¿Se le dificulta crear proyectos en desarrollo de software?
SI 11 57,89%
NO 8 42,11%
TOTAL 19 100%
PREGUNTA 18
42,11%
57,89%
SI NO
36
19. ¿Se le facilita aprender algún lenguaje de programación?
SI 14 73,68%
NO 5 26,32%
TOTAL 19 100%
PREGUNTA 19
26,32%
73,68%
SI NO
20. ¿Analizas bien el problema computacional antes de resolverlo?
SI 16 84,21%
NO 3 15,78%
TOTAL 19 100%
PREGUNTA 20
15,78%
84,21%
SI NO
37
21. ¿Un análisis eficiente al problema ayuda que el programa computacional sea
rápido, seguro, fácil, económico?
SIEMPRE 17 85%
A VECES 2 10%
INDISPENSABLE 1 5%
TOTAL 20 100%
PREGUNTA 21
5%
10,00%
85,00%
SIEMPRE A VECES INDISPENSABLE
22. ¿Cree que el buen manejo de algoritmos influye en el tiempo de vida útil de un
programa computacional?
SI 17 89,47%
NO 2 10,53%
TOTAL 19 100%
PREGUNTA 22
10,53%
89,47%
SI NO
38
23. Al aplicar lenguajes algorítmicos en el desarrollo de software ¿Cree que se
reducirán los errores de ejecución en los programas computacionales?
SI 18 94,74%
NO 1 5,26%
TOTAL 19 100%
PREGUNTA 23
5,26%
94,74%
SI NO
24. ¿Cree que los lenguajes algorítmicos son de utilidad en el transcurso de su carrera
profesional?
SI 19 100%
NO 0 0%
TOTAL 19 100%
PREGUNTA 24
0,00%
100,00%
SI NO
39
25. ¿Cree necesaria la implementación de los lenguajes algorítmicos como ciencia en el
currículum de la carrera?
SI 17 89,47%
NO 2 10,53%
TOTAL 19 100%
PREGUNTA 25
10,53%
89,47%
SI NO
40
4.3. ANÁLISIS E INTERPRETACIÓN DE RESULTADOS
El presente trabajo investigativo tiene como objetivo revelar los resultados con el
propósito de que se implemente la ciencia lenguajes algorítmicos en el currículum
de la CIS-UNL tomando en cuenta los siguientes resultados obtenidos que ayudaran
a demostrar la importancia de esta ciencia que sirve a los estudiantes para que
puedan pensar lógicamente y desarrollar software. Entre el análisis e interpretación
de resultados se procederá a aplicar la distribución binomial en los datos obtenidos
al haber aplicado el cuestionario guiado, donde nos plantearemos los siguientes
problemas con estos datos, teniendo que:
Existe una mayoría de 17 cuestionados que si utilizan algoritmos al programar. Y

una cantidad de 2 cuestionados que no utilizan algoritmos al programar.
( ) = 1719 = 0.8947
( ) = 192 = 0.1053
Calcular la probabilidad de que 4 estudiantes de 19 cuestionados no utilicen algoritmos al programar en ( ; ) donde:
= 19 = 0.1053 = 4
= 1 − = 1 − 0.1053 = 0.8947 ( = ) = ( ) ∗ ∗ −
( = 4) = (194) ∗ 0.10534 ∗ 0.894719−4
(
19
= 4) = ( 4) ∗ 0.10534 ∗ 0.894715
( = 4) = 3,876 ∗ 0.00012 ∗ 0.19 ( = ) = .
41
Existe una mayoría de 18 cuestionados que si creen que el desconocimiento de
los lenguajes algorítmicos les lleva a un razonamiento desordenado al momento de
programar. Y un cuestionado que no cree que el desconocimiento de los lenguajes
algorítmicos les lleva a un razonamiento desordenado al momento de programar.
( ) = 1819 = 0.9474
( ) = 191 = 0.0526
Calcular la probabilidad de que más de 15 estudiantes de 19 cuestionados tengan un razonamiento

desordenado al momento de programar por el desconocimiento de los lenguajes algorítmicos en ( ; )donde:
= 19 = 0.9474
= 16,17,18,19 = 1 − = 1 − 0.9474 = 0.0526
( = )=()∗ ∗ −
( > ) = ( = ) + ( = ) + ( = ) + ( = ) ( = 16) = ( 1916) ∗ 0.947416 ∗ 0.052619−16

( = 16) = 1000 ∗ 0.42 ∗ 0.00014 ( = ) = .
19 ) ∗ 0.947417 ∗ 0.052619−17
( = 17) = ( 17
( = 17) = 170.78 ∗ 0.39 ∗ 0.0027 ( = ) = .
19 ) ∗ 0.947418 ∗ 0.052619−18
( = 18) = ( 18
( = 18) = 19.06 ∗ 0.38 ∗ 0.0526 ( = ) = .
19 ) ∗ 0.947419 ∗ 0.052619−19
( = 19) = ( 19
( = 19) = 1 ∗ 0.36 ∗ 1 ( = ) = .
( > 15) = 0.06 + 0.18 + 0.38 + 0.36 ( > ) = .
42
Existen 11 cuestionados que si tienen dificultades al crear proyectos en
desarrollo de software. Y 8 cuestionados que no tienen dificultades al crear
proyectos en desarrollo de software.
( ) = 1119 = 0.5789
( ) = 198 = 0.4211
Calcular la probabilidad de que al menos 8 estudiantes de 19 cuestionados tengan dificultades al crear proyectos en desarrollo de software en ( ; )
donde:
= 19 = 0.5789
= 8,9,10,11, … . . = 1 − = 1 − 0.5789 = 0.4211
( = )=()∗ ∗ −
( ≥ )= − ( < )
( < )= ( = )+ ( = )+ ( = )+ ( = )+ ( = )+ ( = )+ ( = )+ ( = )
19 ) ∗ 0.57890 ∗ 0.421119−0
( = 0) = ( 0
( = 0) = 1 ∗ 1 ∗ 0.000000072 ( = ) = .
19 ) ∗ 0.57891 ∗ 0.421119−1
( = 1) = ( 1
( = 1) = 19 ∗ 0.5789 ∗ 0.000000173 ( = ) = .
19 ) ∗ 0.57892 ∗ 0.421119−2
( = 2) = ( 2
( = 2) = 171 ∗ 0.3351 ∗ 0.000000411 ( = ) = .
19 ) ∗ 0.57893 ∗ 0.421119−3
( = 3) = ( 3
( = 3) = 969 ∗ 0.1940 ∗ 0.000000977 ( = ) = .
19 ) ∗ 0.57894 ∗ 0.421119−4
( = 4) = ( 4
( = 4) = 3,876 ∗ 0.1123 ∗ 0.00000232 ( = ) = .
19 ) ∗ 0.57895 ∗ 0.421119−5
( = 5) = ( 5
( = 5) = 11,628 ∗ 0.0650 ∗ 0.0000055 ( = ) = .
( = 6) = (196) ∗ 0.57896 ∗ 0.421119−6
( = 6) = 27,132 ∗ 0.038 ∗ 0.000013
43
( = ) = . ( = 7) = (197) ∗ 0.57897 ∗ 0.421119−7
( = 7) = 50,388 ∗ 0.022 ∗ 0.000031 ( = ) = .
( < 8) = 0.000000072 + 0.0000019 + 0.000024 + 0.000184 + 0.0010 + 0.0042 + 0.0134 + 0.0343
( < ) = . ( ≥ 8) = 1 − ( < 8) ( ≥ 8) = 1 −
0.0531 ( ≥ ) = .
Existen 17 cuestionados que si creen necesaria la implementación de los

lenguajes algorítmicos como ciencia en el currículum de la carrera. Y una cantidad
de 2 cuestionados que no creen necesaria la implementación de los lenguajes
algorítmicos como ciencia en el currículum de la carrera.
( ) = 1719 = 0.8947
( ) = 192 = 0.1053
Calcular la probabilidad de que al menos 16 cuestionados crean necesaria la implementación

de los lenguajes algorítmicos como ciencia en el curriculum de la CIS-UNL en ( ; ) donde:
= 19 = 0.8947 = 16
= 1 − = 1 − 0.8947 = 0.1053 ( = ) = ( ) ∗ ∗ −
( ≥ ) = ( = ) + ( = ) + ( = ) ( = 17) = ( 1917) ∗ 0.894717 ∗ 0.105319−17

( = 17) = 171.27 ∗ 0,1608 ∗ 0,011 ( = ) = .
19 ) ∗ 0.894718 ∗ 0.105319−18
( = 18) = ( 18
( = 18) = 18,91 ∗ 0,1349 ∗ 0,1053 ( = ) = .
19 ) ∗ 0.894719 ∗ 0.105319−19
( = 19) = ( 19
( = 19) = 1 ∗ 0,12 ∗ 1 ( = ) = .
( ≥ 16) = 0,28 + 0,27 + 0,12 ( ≥ ) = ,
44
4.4. CONCLUSIONES
 El 94,74% de estudiantes si conocen la ciencia de lenguajes algorítmicos,

pero no de una manera completa ni sistémica lo que ocasiona problemas al
entrar a la materia de programación.

 El no conocer la correcta estructuración de un algoritmo lleva a los estudiantes a
resolver los problemas computacionales de una manera desorganizada.

 El 94,74% de los estudiantes tienen interés en la materia de programación
pero no utilizan frecuentemente los lenguajes algorítmicos en el desarrollo de
sus programas computacionales.

 La mayoría de problemas que tienen los estudiantes para desarrollar software
se deben al desconocimiento de metodologías necesarias para el desarrollo
de esta temática.

 Los lenguajes algorítmicos ayudan a los estudiantes a pensar de manera
lógica y ordenada.

 Hacer un correcto análisis del problema computacional hace que se reduzca
el tiempo de resolución de este.

 La correcta estructuración de algoritmos antes de programar ayuda a que el
estudiante tenga menos dificultades para entender la lógica de su problema.

 El 52,63% de la población investigada manifestó, que tiene problemas al
hacer programas computacionales por la diversidad de tecnologías.

 Los estudiantes necesitan poner en práctica los lenguajes algorítmicos
durante su carrera profesional.

 La constante práctica de algoritmos reduce el tiempo de resolución en un
94,74%.

 Las diferentes sintaxis de lenguajes de programación dificultan el aprendizaje
de programación en un 73,68%.
45
4.5. RECOMENDACIONES
Alguna de las recomendaciones que se pueden dar de acuerdo a los resultados
obtenidos del siguiente proyecto de investigación son las siguientes:
 Que la carrera de ingeniería en sistemas añada la asignatura de lenguajes

algorítmicos a su malla curricular en el primer ciclo.

 Que los algoritmos se practiquen más en la carrera.

 Realizar actividades que fomenten el interés de los lenguajes algorítmicos en
los estudiantes.

 Que se usen los lenguajes algorítmicos como parte de la metodología de
enseñanza en la materia de programación.

 En las materias que se imparte el desarrollo de software, los algoritmos del
programa tengan un porcentaje de calificación del 50% aunque este sea
pequeño.

 Que en el curriculum de la carrera se implemente las materias necesarias
para garantizar que el estudiante conozca a profundidad sobre la ciencia de
lenguajes algorítmicos.

 Buscar nuevas metodologías de enseñanza para garantizar el aprendizaje de
los estudiantes acerca de los lenguajes algorítmicos.

 Fomentar que los estudiantes se relacionen más a los problemas que la
sociedad presenta, para que al momento de desarrollar software creen
programas amables.

 Que los estudiantes sean más ordenados al programar siguiendo los pasos
lógicos de la programación.

 Que los docentes sean más rigurosos con el uso de algoritmos al programar.
46
4.6. BIBLIOGRAFIA.
Norma Moroni Perla Señas, Un entorno para el aprendizaje de la

programación, de http://sedici.unlp.edu.ar/handle/10915/24234
 Alondra María Ordóñez Ordoñez & Alex Patricio Román Macas. (2011).
Desarrollo de un compilador en español para la ejecución de algoritmos
en pseudocódigo (Tesis de pregrado). Universidad Nacional de Loja, Loja.

 Córdova Manuel. (2003). Estadística descriptica e inferencial. Ciudad: Lima
Editorial. MOSHERA. S.R.L. (p. 268-269)

 Hurtado Enrique. Estadística descriptiva y Analítica (p.67-68)

 Suaza Olga, Suaza Jorge. Fundamentos de programación, de

http://fundamentosdelogica.jimdo.com/instituto-tecnologico-metropolitano-
itm-politecnico-jic/fundamentos-de-programacion-logica-y-
programacion/lenguajes-algoritmicos/
Colbert García Rivas Plata Maestría en tecnología de la construcción

Consultado el 25 de Julio del 2016 de
http://colbertgarcia.blogspot.com/2008/04/metodo-deductivo-y-metodo-
inductivo.html
Colbert García Rivas Plata Maestría en tecnología de la construcción
http://colbertgarcia.blogspot.com/2008/04/metodo-deductivo-y-metodo-
inductivo.html
Instituto Tecnológico de Sonora Definición de enfoque de sistemas
http://biblioteca.itson.mx/oa/ciencias_administrativa/oa3/enfoque_sistemas/s3.htm
47

Aplicación de La Distribución Binomial

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aplicación de La Distribución Binomial

Transféré par

Droits d'auteur :

Formats disponibles

2016

1. EL PROBLEMA DE INVESTIGACIÓN ................................................................... 3

Académica, en esta parte principalmente afectaría a los estudiantes ya que al no

Tecnológica, en esta parte los estudiantes no plantearían software que sea

¿Los estudiantes de la carrera ingeniería en sistemas no crean software

1.1.1. OBJETIVO GENERAL

Afirmar que el curriculum CIS-UNL carece de lenguajes algorítmicos útiles para

1.1.2. OBJETIVOS ESPECÍFICOS

2.1.1. ANTECEDENTES NACIONALES

Desarrollo de un compilador en español para la ejecución de algoritmos en

Alondra María Ordoñez Ordoñez, Alex Patricio Román Macas. El año de

El presente documento contiene todo lo referente al desarrollo de un compilador en

La siguiente tesis aporta a nuestro proyecto ya que está enfocado en la

2.1.2. ANTECEDENTES INTERNACIONALES

Un entorno para el aprendizaje de la programación.

Norma Moroni Perla Señas. El año de publicación es 1996. Desarrollada en la

Un curso introductorio de programación puede diseñarse siguiendo distintos

Este trabajo nos ayuda señalando que el implementar nuevas estrategias

2.2. DISTRIBUCIÓN BINOMIAL

Se denomina experimento binomial a aquel número fijo, n, de repeticiones

  Las n pruebas son estadísticamente independientes.

El espacio maestral del experimento binomial es el conjunto:

ᘯ= {(w1, w2,....wn) / wi = E ó F}.

En muchos problemas de probabilidad es necesario conocer el número de

Variables Aleatorias Discretas

Primero definimos una variable aleatoria como una función valorada

3 Córdova Manuel. (2003). Estadística descriptica e inferencial. Ciudad: Lima Editorial.

Y= exportaciones mensuales de sacos de café.

Z= ingresos mensuales de los docentes.

A= producción de tornillos diaria en una fábrica.

Se denominan variables aleatorias discretas aquellas que toman valores enteros

M=número de accidentes en una semana.

N=número de defectos en un proceso productivo.

O=número de cosechas perdidas.

En el presente trabajo estadístico, se propone afirmar, mediante la aplicación de la

2.3. LENGUAJES ALGORÍTMICOS.

4 Hurtado Enrique. Estadística descriptiva y Analítica (p.67-68)

Gráficos: Es la representación gráfica de las operaciones que realiza un

Símbolos de diagramas de flujo.

Indica el inicio y el final de nuestro diagrama de flujo.

Indica la entrada y salida de datos.

Símbolo de proceso y nos indica la asignación de un valor en la memoria y/o la

Símbolo de decisión indica la realización de una comparación de valores.

Se utiliza para representar los subprogramas.

Conector dentro de página. Representa la continuidad del diagrama dentro de la

Indica la salida de información por impresora.

Indica la salida de información por pantalla o monitor.

Líneas de flujo o dirección. Indican las secuencias en que se realizan las

Pseudocódigo, mezcla de lenguaje de programación y español (o inglés o

Diagramas estructurados (Nassi-Schneiderman), el diagrama estructurado N-S

5 Suaza Olga, Suaza Jorge. Fundamentos de programación, de

En lo académico se quiere estimar cuál sería la probabilidad de que todos los

La probabilidad de que los estudiantes tengan una buena estructuración de

Para lograr crear un software o tecnologías de calidad se tiene que crear

Los resultados de la probabilidad de que el buen manejo de algoritmos ayude a

3.1. METODOLOGÍA DE INVESTIGACIÓN

Malacatus Cobos Cristian Eduardo:

Yangua Chuquirima Cristhian Yangua:

Salazar Leon Jorge Michael:

Guamán Maza Omar Stalin:

3.2. ZONA DE ESTUDIO

El desarrollo de esta investigación se realizara en el campus sede de la

Ilustración 1 Mapa de la CIS-UNL