1.2 DIAGNÓSTICO

4.8 RECURSOS ............................................................................................................44 CAPÍTULO 5: RESULTADOS Y ANÁLISIS ......................................................................46 5.1 PLANTEL CUAJIMALPA .........................................................................................47 5.1.1 Análisis de Reprobación Asignaturas Plantel Cuajimalpa .................................54 5.1.2 Confiabilidad del Modelo Estocástico Plantel Cuajimalpa .................................59 5.1.3 Prueba de Bondad de Ajuste Chi-Cuadrada (��2) en Minitab............................63 5.2 PLANTEL ÁLVARO OBREGÓN ..............................................................................65 5.2.1 Análisis de Reprobación Asignaturas Plantel Álvaro Obregón ..........................69 5.2.2 Confiabilidad del Modelo Estocástico Plantel Álvaro Obregón ..........................73 5.2.3 Prueba de Bondad de Ajuste Chi-Cuadrada ��2 en Minitab ...............................76 CAPITULO 6: CONCLUSIONES ......................................................................................80 REFERENCIAS ................................................................................................................83 ANEXOS ..........................................................................................................................86 SCRIPT GENERACIONAL PLANTEL CUAJIMALPA 2007-2020..................................87 SCRIPT GENERACIONAL PLANTEL ÁLVARO OBREGÓN 2007-2020 .......................89 ÍNDICE DE FIGURAS ...................................................................................................91 ÍNDICE DE TABLAS .....................................................................................................91 ÍNDICE DE GRÁFICAS .................................................................................................92 INDICE DE ECUACIONES ...........................................................................................93

UnADM | DCEIT | PT2

AGRADECIMIENTOS

En Primer lugar, quiero agradecer a Dios por la vida que me concede, le agradezco por haberme acompañado y guiado a lo largo de mi carrera, por ser mi fortaleza en los momentos de debilidad y por brindarme una vida llena de aprendizajes, experiencias y sobre todo felicidad.

Deseo expresar mi agradecimiento al Lic. Pedro Daniel Lara Maldonado, por la dedicación y apoyo que ha brindado a este trabajo, por el respeto a mis sugerencias e ideas, por su dirección y el rigor que ha facilitado a las mismas. Gracias por la confianza ofrecida desde que llegué a solicitarle me acompañara en esta aventura de vida.

Por su orientación y atención a mis consultas, por sus amables sugerencias en momentos de duda y por la revisión cuidadosa que ha realizado a este informe final de resultados, mi agradecimiento a la Dra. María del Alba Pacheco Blas, de UNADM.

Un trabajo de investigación es también fruto del reconocimiento y del apoyo vital que nos ofrecen las personas que nos estiman, sin el cual no tendríamos la fuerza y energía que nos anima a crecer como personas y como profesionales.

Gracias a mi familia, a mis padres y a mis hermanos , porque su acompañamiento me motiva a ir detrás de mis sueños y que no importa la distancia , que ellos están presentes en mi corazón.

Gracias a mis amigos y compañeros en Unadm, que siempre me han prestado un gran apoyo moral y humano, necesarios en los momentos difíciles de este trabajo y a lo largo de esta aventura.

Pero, sobre todo, gracias a mis hijos, por su paciencia, comprensión y solidaridad con este proyecto, por el tiempo que me han concedido, un tiempo robado a la historia familiar. Sin su apoyo este trabajo nunca se habría escrito y, por eso, este trabajo es también el suyo.

UnADM | DCEIT| PT2 1

A todos, muchas gracias.

RESUMEN

Se realizó un modelo matemático estocástico usando cadenas de Markov para predecir la deserción escolar en Educación Media Superior, aplicado en él IEMS CDMX casos Plantel Cuajimalpa y Álvaro Obregón; se utilizaron las cohortes de 2007 al 2020. Debido a la distribución de los datos que sigue la variable aleatoria discreta se diseña un proceso estocástico definiendo a la variable de estudio, una vez obtenidos los porcentajes iniciales se grafica la caminata aleatoria que nos ayuda a diseñar el grafo, con dicha información se plantea la matriz estocástica, en la cual se describen las transiciones que ocurren en la cadena de Markov, que al ejecutar en el Script diseñado en R Studio se obtienen los pronósticos a 10 años siguientes y posteriormente a largo plazo. Uno de los resultados obtenidos indica que se tiene 33% de probabilidad de que en los primeros años de implementarse esta modalidad ocurra deserción, que luego disminuye con el tiempo. Además, se observa que las asignaturas con mayor porcentaje de reprobación son las ciencias exactas, por lo que la variable asignatura influye en la deserción. Este análisis es una estimación formal de los cambios temporales de riesgo, así se cuantifica el impacto de las deserciones.

UnADM | DCEIT| PT2 2

Palabras Clave: abandono escolar; deserción; Educación Media Superior; Cd. de México; Cadenas de Markov.

C A P Í T U L O

1

INTRODUCCIÓN

n este capítulo se hace referencia a los antecedentes que se tienen sobre el tema de laE deserción escolar en el contexto social ya que esta problemática no solo es a nivel nacional si no a nivel mundial. Además de hacer una reseña del modelo matemático que se empleará para pronosticar este fenómeno dentro del Instituto de Educación Media Superior de la Ciudad de México (IEMS CDMX) para su modalidad semiescolar en los Planteles Cuajimalpa y Álvaro Obregón. Y del uso del software estadístico R Studio que nos ayudara a obtener la predicción a las diez generaciones siguientes en cuanto a conocer los porcentajes de deserción y de reprobación de ciencias exactas en comparación con ciencias sociales.

UnADM | DCEIT| PT2 3