Análisis de la Tesis: Razonamiento Basado en Casos para la Gestión del Conocimiento y Desarrollo de Software PDF

ANÁLISIS DE LA TESIS “RAZONAMIENTO BASADO EN CASOS PARA LA GESTIÓN DEL CONOCIMIENTO, Y SU RELACIÓN EN LA GESTIÓN DE PROYECTOS DE DESARROLLO DE SOFTWARE”  Grupo 4 INTEGRANTES : ESPINOZA CHÁVEZ, ROBERT STUARD GRACE MADELEINE, JOAQUÍN CABALLERO NUÑEZ AGUIRRE, PO...

ANÁLISIS DE LA TESIS “RAZONAMIENTO BASADO EN CASOS PARA LA GESTIÓN DEL CONOCIMIENTO, Y SU RELACIÓN EN LA GESTIÓN DE PROYECTOS DE DESARROLLO DE SOFTWARE”  Grupo 4 INTEGRANTES : ESPINOZA CHÁVEZ, ROBERT STUARD GRACE MADELEINE, JOAQUÍN CABALLERO NUÑEZ AGUIRRE, POOL RIVERA TUESTA, ALVARO DANIEL Profesor: Aparicio Montenegro, Pablo Roberto  Ana María Huayna Dueñas Vda. de Díaz Magíster en Ingeniería de Sistemas por la Universidad Nacional Federico Villarreal. Estudios de doctorado en Ingeniería de Sistemas por la Universidad Nacional Federico Villarreal. Diplomado en Auditoría y Seguridad en TI. Ingeniera de Sistemas y Licenciada en Computación por la Universidad Nacional Mayor de San Marcos. Profesora en la Universidad Nacional Mayor de San Marcos desde el 2000, y en otras universidades particulares. Áreas de interés: diseño y análisis de algoritmos, minería de datos, inteligencia artificial e ingeniería de software. Participa en conferencias nacionales e internacionales sobre inteligencia artificial e ingeniería de software. Ha publicado artículos en la revista RISI de la Facultad de Ingeniería de Sistemas de la UNMSM. https://orcid.org/0000-0001-7726- 8206  Variable Gestión del Conocimiento Independiente: Es la variable que el investigador manipula o controla para observar su efecto en la variable dependiente. Variable Gestión de Proyectos de Dependiente: Desarrollo de Software Es la variable que se mide o se investiga en el estudio, y su valor depende de las modificaciones o cambios realizados en la variable independiente. VARIABLES I. Y D. CON SUS DIMENSIONES Generación del conocimiento DIMENSIONES DE LAS VARIABLE INDEPENDIENTE Utilización del conocimiento VARIABLES Gestión de conocimiento Capital intelectual Procesos de monitoreo y control VARIABLE DEPENDIENTE Procesos de iniciación Gestión de Proyectos de Desarrollo de Software Proceso de planificación Procesos de ejecución Reutilización VARIABLE INTERVINIENTE Participación DIMENSIONES DE LAS Razonamiento Basado en VARIABLES Casos Herramientas Lecciones aprendidas  Empresas especializadas en el campo de proyectos de desarrollo de Población: software en Perú, incluidas 300 empresas que desarrollaron software según PROMPERÚ.  Se seleccionó una muestra aleatoria sistemática de 44 empresas del sector de desarrollo de Muestra: software. La muestra se obtuvo utilizando una fórmula de población finita con un error estimado del 0.05% y un nivel de confianza del 95% Modelo de Estimación de Tamaño Muestral con Corrección Finita Unidad de Cada empresa dedicada al desarrollo Análisis de Software seleccionada en la muestra.  ESTADÍSTICA DESCRIPTIVA La asimetría refleja el nivel de desbalance o inclinación de una distribución con respecto a su simetría. Cuando una distribución es simétrica, su asimetría es igual a 0. Asimetría positiva: ocurre cuando la cola de la distribución se extiende más hacia la derecha, lo que significa que la mayoría de los datos se agrupan en el lado izquierdo de ASIMETRÍA la media. Asimetría negativa: se da cuando la cola de la distribución es más larga hacia la izquierda, lo que indica que la mayoría de los valores se concentran en el lado derecho de la media. Asimetría nula: si la distribución es completamente simétrica, la asimetría será cero, como en el caso de una distribución normal. Indica que tan apuntada o achatada se encuentra una distribución respecto a un comportamiento normal (distribución normal). Si los datos están muy concentrado hacia la media, la distribución es leptocúrtica (curtosis mayor a 0). CURTOSIS Si los datos están muy dispersos, la distribución es platicúrtica (curtosis menor a 0). El comportamiento normal exige que la curtosis sea igual a 0 (distribución mesocúrtica).  ESTADÍSTICA INFERENCIAL La prueba de normalidad es un método estadístico que se emplea para PRUEBA DE NORMALIDAD evaluar si un conjunto de datos sigue una distribución normal, lo que significa que los datos se organizan en una forma de campana simétrica en torno a la media. MENOR MAYO 50 R (DATOS DE LA SHAPIRO-WILK KOLGOMOROV-SMIRNOV MUESTRA) GL ( GRADO DE LIBERTAD) ---> PERMITE CONOCER EL TAMAÑO DE LA MUESTRA SI EL TAMAÑO DE LA MUESTRA > 50 Y PRESENTA DIST. NORMAL --> PRUEBA T Student SI EL TAMAÑO DE LA MUESTRA < 50 Y PRESENTA DIST. NORMAL --> PRUEBA Z Evalúa la significancia P.VALUE --> ÁMBITO MILITAR estadística de los SI EL P.VALUE > 0.05 : PRESENTA SIG --> USADO EN EL SOFTWARE SPSS V26 DISTRIBUCIÓN NORMAL resultados en una prueba de hipótesis.  Pruebas Paramétricas --> R de Pearson Pruebas no Paramétricas --> Chi cuadrado, Kendall, Rho de Spearman Usando el nivel de Significancia(Sig) de la presente tesis , sig =,000, utilizará la prueba no Paramétrica para las variables de investigación, finalmente se logró utilizar el sigma bilateral obtenido para poder interpretar los resultados y lograr determinar la hipótesis de la pregunta específica sin escala del cuestionario hecho, mediante la escala de Likert. ESTADÍSTICA DESCRIPTIVA Selección de Muestra y Recolección de Datos: Se seleccionó una muestra de 44 empresas medianas en el rubro de Consultoras de Software en Lima.Se utilizó un cuestionario virtual para recolectar datos, el cual fue exportado a Excel y luego a SPSS para su análisis. Análisis en SPSS Se crearon variables totalizadoras y se realizaron cálculos de frecuencias absolutas. Se realizó una baremación para clasificar las variables en subgrupos y se usaron estadígrafos básicos como la media y la desviación estándar para encontrar puntos de corte. Se analizaron los datos mediante tablas cruzadas y se usaron coeficientes de correlación (Rho de Spearman) para evaluar la influencia significativa entre dimensiones y variables. Interpretación de Resultados Estadísticos Variable Independendiente: Gestión del conocimiento Interpretación de Resultados Estadísticos Variable Independendiente: Gestión del conocimiento Asimetría (-0,743): Este valor de asimetría es negativo, lo que indica que la distribución de los datos presenta una asimetría negativa. Esto significa que la "cola" de la distribución está inclinada hacia la izquierda. En términos prácticos, los valores de los datos que se encuentran en el extremo izquierdo (por debajo de la media) son menos frecuentes en comparación con los que se encuentran en el extremo derecho (por encima de la media). Es decir, la mayor parte de los datos tiende a ser mayor que la media. Curtosis (-0,543): Este valor de curtosis es negativo, lo que indica una curtosis platicúrtica. En una distribución con curtosis negativa, los datos están más dispersos en torno a la media. Es decir, los datos no están concentrados cerca del valor central, y la distribución es más plana en comparación con una distribución normal. Las colas de la distribución son más delgadas, lo que sugiere que hay menos valores extremos o atípicos (outliers) en los datos. Desviación Estándar (3,745): La desviación estándar mide la dispersión de los datos respecto a la media. En este caso, los datos se desvían en promedio 3,745 unidades de la media. Varianza (14,023): La varianza, que es el cuadrado de la desviación estándar, indica la cantidad de variabilidad en el conjunto de datos. Interpretación de Resultados Estadísticos Variable Dependiente: Gestión de proyectos de desarrollo de software Interpretación de Resultados Estadísticos Variable Dependiente: Gestión de proyectos de desarrollo de software Varianza (52,416) y Desviación Estándar (7,240): Mide la dispersión del 50% central de las respuestas, excluyendo los valores extremos. Un rango intercuartil de 7 indica que la mayoría de las respuestas están dentro de un intervalo de 7 unidades. Rango Intercuartil (7) La curtosis negativa sugiere que la distribución es más plana que una distribución normal, con colas menos extremas. Esto significa que los datos tienen menos valores extremos y la distribución es menos puntiaguda Asimetría (-0,899): Un valor de asimetría de -0,899 refleja una asimetría negativa más acentuada. La distribución presenta una cola más larga hacia la izquierda, lo que implica que hay menos datos con valores bajos y más datos por encima de la media. Esto sugiere una acumulación de datos en el extremo derecho, indicando que los valores altos son más comunes que los bajos. Curtosis (-0,509): El valor de curtosis de -0,509 indica que la distribución es platicúrtica. Esto significa que la distribución es más plana que la normal, y los datos están más dispersos en torno a la media. Al ser negativa, sigue indicando una menor concentración de datos alrededor del valor central y una baja probabilidad de valores atípicos extremos. Las colas son más delgadas que en una distribución normal. Interpretación de Resultados Estadísticos Variable Interviniente: Razonamiento basado en casos Interpretación de Resultados Estadísticos Variable Interviniente: Razonamiento basado en casos Mediana (53,00): La mediana es 53,00, lo que indica que el 50% de las respuestas están por debajo de este valor y el 50% están por encima. La mediana es mayor que la media, sugiriendo que la distribución puede estar sesgada a la baja. Varianza (28,408): La varianza de 28,408 indica la cantidad de dispersión en las respuestas. Una varianza moderada sugiere que hay una variabilidad significativa en las respuestas alrededor de la media. Desviación Estándar (5,330): La desviación estándar de 5,330 muestra que, en promedio, las respuestas se desvían 5,330 unidades de la media. Esto sugiere una dispersión moderada en los datos. Asimetría (-1,050): Un valor de asimetría de -1,050 refleja una considerable asimetría negativa. Esto señala que la distribución está significativamente inclinada hacia la izquierda. La mayor parte de los datos se concentra a la derecha de la media, mientras que hay menos datos en el extremo izquierdo. Cuanto más se aleja el valor de la asimetría de 0, más fuerte es esta inclinación hacia la izquierda, lo que indica que los valores altos son mucho más comunes que los bajos. Curtosis (-0,344): El valor de curtosis de -0,344 indica una distribución platicúrtica. La curva es más plana que en una distribución normal, pero la diferencia es menos marcada. Esto significa que los datos están algo dispersos alrededor de la media, pero con una leve tendencia hacia una mayor concentración. Al seguir siendo negativa, la probabilidad de encontrar valores extremos sigue siendo baja. Interpretación de la tabla El valor de 0,643 indica una correlación positiva moderada entre "Razonamiento Basado en Casos" y "Gestión del Conocimiento" con "Eficiencia en la Gestión de Proyectos de Desarrollo de Software". Esto significa que a medida que mejora el "Razonamiento Basado en Casos" y la "Gestión del Conocimiento", también tiende a mejorar la eficiencia en la gestión de proyectos. ESTADÍSTICA INFERENCIAL DEFINICIÓN: La estadística inferencial es una rama de la estadística que se enfoca en hacer conclusiones y generalizaciones sobre una población a partir de la información obtenida de una muestra de la misma. IMPORTANCIA: Permite hacer generalizaciones precisas sobre una población a partir de una muestra Ayuda a tomar decisiones informadas Es importante en los negocios y la industria Pruebas de Normalidad Se aplicaron las pruebas Kolmogorov-Smirnova y Shapiro-Wilk para determinar si los datos seguían una distribución normal.Dado que los datos no eran normales (Sig < 0.05 en ambas pruebas), se utilizó la prueba no paramétrica Rho de Spearman en lugar de pruebas paramétricas como el R de Pearson. CONTRASTACIÓN DE LA HIPÓTESIS Definición: Nos permite comparar dos o más alternativas, cuantificando la probabilidad de que las diferencias entre ellas sean esperables por azar. Hipótesis Nula (Ho): La hipótesis nula indica que un parámetro de población (tal como la media, la desviación estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser una afirmación inicial que se basa en análisis previos o en conocimiento especializado. Hipótesis Alterna (Ha): La hipótesis alternativa indica que un parámetro de población es más pequeño, más grande o diferente del valor hipotético de la hipótesis nula. La hipótesis alternativa es lo que usted podría pensar que es cierto o espera probar que es cierto. CONTRASTACIÓN DE LA HIPÓTESIS GENERAL: Hipótesis general Ho: El Razonamiento Basado en Casos para la Gestión del Conocimiento no se relaciona significativamente con la eficiencia en la Gestión de Proyectos de Desarrollo de Software. Ha: El Razonamiento Basado en Casos para la Gestión del Conocimiento se relaciona significativamente con la eficiencia en la Gestión de Proyectos de Desarrollo de Software. CONTRASTACIÓN DE LA HIPÓTESIS GENERAL : CONTRASTACIÓN DE LA HIPÓTESIS ESPECÍFICA: Hipótesis específica Ho: El Razonamiento Basado en Casos no se relaciona significativamente con la eficiencia en la Gestión de Proyectos de Desarrollo de Software. Ha: El Razonamiento Basado en Casos se relaciona significativamente con la eficiencia en la Gestión de Proyectos de Desarrollo de Software CONTRASTACIÓN DE LA HIPÓTESIS ESPECÍFICA SPSS PRUEBA DE NORMALIDAD EN EL SPSS Teniendo en consideración la digitalización manual de los datos correspondientes a la tesis, se dispondrá a determinar la Prueba de normalidad de las variables, por ende: 1) Ir al apartado analizar -->Estadísticos Descriptivos--> Explorar 2) Se colocará las variables a determinar en la lista de Dependientes. 3) En el apartado de Gráficos, se habilitará las opciones de Gráficos de normalidad con Pruebas, además de habilitar el diagrama de Tallo y hojas 4) Por último, dar click en aceptar. En el visor de Resultados se visualiza todo el contenido con las características previamente asignadas, resaltando principalmente la prueba de normalidad. Además, se incluye el diagrama de tallo y hojas, que será analizado en etapas posteriores. CONTRASTACIÓN DE LA PRUEBA DE NORMALIDAD TESIS DE HUAYNA - CON 44 DATOS CONTRASTACIÓN DE LA PRUEBA DE NORMALIDAD GRUPAL - CON 27 DATOS En esta investigación, se cuenta con 44 grados de libertad (GL) según la tesis, pero el análisis se realizará sobre 27. Si el número de grados de libertad es superior a 50, se empleará la prueba de Kolmogorov-Smirnov. Sin embargo, al ser menor a 50, se utilizará la prueba de Shapiro-Wilk para evaluar la normalidad de los datos. Se analizará si los datos siguen una distribución normal tomando en cuenta el nivel de significancia (Sig) o el p-value. Si el valor de Sig es mayor a 0,05, se considerará que los datos son normales, permitiendo el uso de pruebas paramétricas, como el coeficiente de correlación de Pearson. En caso contrario, si Sig es menor a 0,05, se concluirá que los datos no son normales y se recurrirá a pruebas no paramétricas, como Kendall, Chi cuadrado o el coeficiente de Spearman, siendo este último el que se aplicará en la tesis dado que el valor de Sig es inferior a 0,05. DIAGRAMA DE TALLOS Y HOJAS GRUPAL - CON 27 DATOS DIAGRAMA DE TALLOS Y HOJAS GRUPAL - CON 27 DATOS DIAGRAMA DE TALLOS Y HOJAS GRUPAL - CON 27 DATOS DIAGRAMA DE TALLOS Y HOJAS GRUPAL - CON 27 DATOS DIAGRAMA DE TALLOS Y HOJAS GRUPAL - CON 27 DATOS ANÁLISIS DE CONFIABILIDAD El análisis de confiabilidad es una técnica estadística que permite medir la coherencia interna y la estabilidad de un conjunto de datos o de un instrumento, como una encuesta o test. Su propósito es verificar si los elementos del instrumento están alineados entre sí y si miden con precisión lo que se pretende. El método más utilizado para evaluar esta confiabilidad es el alfa de Cronbach, que mide la consistencia interna. Para hallar el análisis de confiabilidad: 1) Ir a Analizar-->Escala--> Análisis de Fiabilidad  Un Alfa de Cronbach de 0.956 refleja un grado de fiabilidad 2) Seleccionaremos todas los ítems sumamente elevado, lo que implica que los ítems del instrumento relacionados a cada dimensión, los presentan una alta consistencia interna y evalúan de manera precisa cuales disponen a tener una respuesta el constructo planteado. En términos generales, un coeficiente de del 1 al 5, están serán medidas mediante Cronbach superior a 0.9 se califica como excelente, lo cual denota la escala de Likert. que las respuestas de los participantes son coherentes y que los ítems del cuestionario mantienen una sólida congruencia interna.  ANÁLISIS DE CONFIABILIDAD INTERPRETACIÓN Variable Independiente: Gestión de Conocimiento (ITEM 1-9) El valor obtenido es 0,897, lo que indica una alta consistencia interna. Esto significa que los ítems evaluados están fuertemente correlacionados entre sí, lo que sugiere que el instrumento mide de manera coherente la variable o concepto en estudio. INTERPRETACIÓN Variable Dependiente: Gestión de Proyectos de Desarrollo de Software (ITEM 10-26) El valor obtenido es 0,943, lo que indica una excelente consistencia interna. Este valor sugiere que los ítems están muy altamente correlacionados entre sí y que el instrumento mide de manera precisa y confiable el concepto o variable en cuestión. Variable Interviniente: Razonamiento Basado en Casos (ITEM 27-38) INTERPRETACIÓN El valor obtenido es 0,771, lo que indica una buena consistencia interna. Este valor sugiere que los ítems están razonablemente correlacionados entre sí, lo que refleja una adecuada fiabilidad del instrumento para medir el concepto evaluado. ANÁLISIS DE CONFIABILIDAD EN MICROSOFT EXCEL Variable Independiente: Gestión de Conocimiento El valor obtenido es 0,897, lo que indica una alta consistencia interna. Esto significa que los ítems evaluados están fuertemente correlacionados entre sí, lo que sugiere que el instrumento mide de manera coherente la variable o concepto en estudio. Variable Dependiente: Gestión de Proyectos de Desarrollo de Software El valor obtenido es 0,943, lo que indica una excelente consistencia interna. Este valor sugiere que los ítems están muy altamente correlacionados entre sí y que el instrumento mide de manera precisa y confiable el concepto o variable en cuestión. Variable Interviniente: Razonamiento Basado en Casos El valor obtenido es 0,771, lo que indica una buena consistencia interna. Este valor sugiere que los ítems están razonablemente correlacionados entre sí, lo que refleja una adecuada fiabilidad del instrumento para medir el concepto evaluado. PRUEBA DE HIPÓTESIS TESIS DE HUAYNA - CON 44 DATOS PRUEBA DE HIPÓTESIS TESIS DE HUAYNA - CON 44 DATOS Según los resultados obtenidos para comprobar la hipótesis general se ha VARIABLE INDEPENDIENTE En el tesis se hablan de 3 obtenido que el coeficiente de correlación Gestión de conocimiento variables, pero en la tabal Rho de Spearman, que tiene el valor de 0,643**, que se interpreta como una anterior, solo se ven 2 correlación positiva moderada y el VARIABLE DEPENDIENTE variables. La realidad es sigma(bilateral) es de ,000 el mismo que Gestión de Proyectos de Desarrollo que juntas la es menor al parámetro teórico de 0,05 lo de Software independiente y la que nos permite afirmar que la hipótesis interviniente, y luego está alterna se cumple entonces: El solo la variable Razonamiento Basado en Casos para la VARIABLE INTERVINIENTE Gestión del Conocimiento se relaciona dependiente. La cual es Razonamiento Basado en casos significativamente con la eficiencia en la la que se va a medir Gestión de Proyectos de Desarrollo de Software. PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 1 2 Existen 3 variables, y en la tesis se trabajó solo con 2. Esta segunda es la suma de la variable independiente y la interviniente. Por lo cual, se calcula dicha variable PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 3 Se observa el texto (etiquetas) de las variables, con click derecho cambiamos 4 a nombre de variables PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 6 7 5 8 PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 9 10 PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 11 PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS Esto es para hallar la prueba de normalidad, en la que nos confirma que se usa Rho Spearman PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 12 13 14 PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS 15 14 16 17 PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS PRUEBA DE HIPÓTESIS GRUPAL - CON 27 DATOS el coeficiente de correlación Rho de Spearman, que tiene el valor de 0,607**, que se interpreta como una correlación positiva moderada y el sigma(bilateral) es de 0,001 el mismo que es menor al parámetro teórico de 0,05 lo que nos permite afirmar que la hipótesis alterna se cumple entonces: El Razonamiento Basado en Casos para la Gestión del Conocimiento se relaciona significativamente con la eficiencia en la Gestión de Proyectos de Desarrollo de Software. SPSS: CAMBIO DE COMAS A PUNTOS Se observa que los números son enteros, por lo que procedemos a agregarles decimarles SPSS: CAMBIO DE COMAS A PUNTOS 1 En decimales modificamos la cantidad de decimales, en nuestro caso solo le ponemos 1 decimal SPSS: CAMBIO DE COMAS A PUNTOS Ahora observamos que los numeros antes enteros, son decimales SPSS: CAMBIO DE COMAS A PUNTOS 2 3 SPSS: CAMBIO DE COMAS A PUNTOS 4 en Moneda, nos vamos a Separador decimal, y escogemos “Coma”, pues es el valor que desamos modificar 5 7 6  SPSS: CAMBIO DE COMAS A PUNTOS 8 9 10 SPSS: CAMBIO DE COMAS A PUNTOS 13 12 11 SPSS: CAMBIO DE COMAS A PUNTOS Y estos son nuestros intentos de que se pase de comas a decimales como separador decimal. El de rojo es la que si funcionó SPSS: CAMBIO DE COMAS A PUNTOS ¡LISTO! Mejora en la Interpretación de la Estadística Descriptiva  ANÁLISIS DE LA TESIS Aplicación de la Metodología 5'S para mejorar la productividad del almacén, ALFET CONTRATISTAS GENERALES S.A.C., Áncash 2021 TABLA DE POBLACIÓN, MUESTRA,MUESTRO Y UNIDAD DE ANÁLISIS ANÁLISIS INFERENCIAL ANÁLISIS INFERENCIAL Y LA PRUEBA DE HIPOTESIS Como se mostró, se obtuvo una significancia no mayor a 5% tanto en la productividad pre y post, se utilizará la prueba no paramétrica de Wilcoxon para la hipótesis general. Además, según la regla de decisión se rechaza la hipótesis nula y nos quedamos con la hipótesis alterna que dice que los datos no provienen de una distribución normal. Prueba de la Hipótesis General H0 = La aplicación de la Metodología 5's no mejora la productividad del almacén ALFET CONTRATISTAS GENERALES S.A.C., Ancash, 2021. Para afirmar o negar lo anterior se hará uso de la siguiente regla de decisión: Sig p_valor Ha: La aplicación de la Metodología 5's mejora la > 0,05 No rechazamos la hipótesis nula Sig productividad del almacén ALFET CONTRATISTAS p_valor ≤ 0,05 Rechazamos la hipótesis nula GENERALES S.A.C., Ancash, 2021. ANÁLISIS INFERENCIAL Y LA PRUEBA DE HIPOTESIS Tras realizar la prueba de Wilcoxon se obtuvo una significancia de 0% y al ser menor al 5% se rechaza la hipótesis nula y nos quedamos con la hipótesis alterna la cual nos dice que la Metodología 5’s mejora la productividad del almacén ALFET CONTRATISTAS GENERALES S.A.C., Ancash, 2021. ¿Qué es la prueba de WILCOXON? La prueba de los rangos con signo de Wilcoxon es una prueba no paramétrica para comparar el rango medio de dos muestras relacionadas y determinar si existen diferencias entre ellas. Se utiliza como alternativa a la prueba t de Student cuando no se puede suponer la normalidad de dichas muestras. HISTOGRAMA DE FRECUENCIA DEL PRE TEST DE PRODUCTIVIDAD MEDIANA MEDIA DESVIACIÓN ESTÁNDAR MIN, MAX Y Rango CURTOSIS ASIMETRIA INTERPRETACIÓN: MEDIA MEDIANA La mediana de 0.609756 sugiere que el 50% de los La media de productividad de 0.597053 indica empleados tuvieron una productividad por encima de que, en promedio, los empleados alcanzaron este valor. Dado que la media es similar a la mediana, aproximadamente un 59.71% de productividad esto sugiere una distribución relativamente simétrica, en el periodo anterior. Este valor sugiere un pero también señala que algunos trabajadores tienen un rendimiento. rendimiento significativamente inferior. DESVIACIÓN ESTÁNDAR La desviación estándar de 0.048350 indica que la variabilidad en la productividad entre los empleados es baja, lo que significa que la mayoría de los trabajadores se concentran alrededor de la media. Esto puede ser un indicativo de un ambiente de trabajo relativamente uniforme, pero también puede señalar la necesidad de desarrollar más las habilidades.  MIN, MAX Y Rango ASIMETRIA El rango de productividad varía entre un La asimetría negativa de -0.441 indica que hay una mínimo de 0,4983 y un máximo de 0,6757. Esta mayor concentración de datos hacia la derecha de la diferencia de 0.1774 sugiere que aunque hay media, lo que sugiere que la mayoría de los empleados que están cerca de la media, trabajadores se desempeñan por encima de la media, algunos apenas alcanzan la productividad pero también hay un pequeño número de empleados mínima, lo que podría señalar áreas de mejora que tienen un rendimiento. significativamente más en la capacitación y motivación bajo. CURTOSIS La curtosis de -0.955 indica que la distribución es plana, lo que significa que hay más valores extremos en comparación con una distribución normal. Esto sugiere que la productividad de los empleados varía significativamente y que algunos trabajadores son excepcionalmente productivos, mientras que otros no tanto.  PRODUCTIVIDAD POST MediA: 0,770100 Mediana: 0,784193 La media de productividad post mejora a La mediana de 0.784193 sugiere que el 0.770100, lo que indica un aumento 50% de los empleados ahora tienen un significativo en el rendimiento promedio rendimiento por encima de este valor. de los empleados tras la implementación Esto es un indicador positivo de que de las 5'S. Este incremento en los medios más empleados han alcanzado niveles refleja una mejora general en la eficiencia de productividad más altos en operativa. comparación con el pre test. Desviación Estándar: 0.101886 La desviación estándar ha aumentado a 0,101886, indicando una mayor variabilidad en la productividad. Esto podría interpretarse como que, aunque la mayoría de los empleados han mejorado, algunos han superado significativamente a otros, lo que sugiere la existencia de un grupo de alto rendimiento. Mínimo: 0.6061 y Máximo: 0.9091 El rango de productividad ahora varía entre 0.6061 y 0.9091, lo que indica una mejora general y que los empleados que antes estaban en el extremo inferior también han avanzado. La diferencia de 0.3030 resalta un aumento en la productividad de los empleados menos productivos. Rango: 0.3030 Este rango más amplio refleja no solo una mejora en la productividad general, sino también que los empleados están alcanzando niveles de eficiencia más altos, lo que puede ser el resultado directo de las nuevas metodologías aplicadas. Asimetria: -0.087 La asimetría de -0.087 indica un nivel de inclinación hacia la derecha, lo que sugiere que, aunque la mayoría de los empleados se desempeñan bien, hay un pequeño número de empleados que aún tienen bajo rendimiento, aunque en menor cantidad que en el pre test. Curtosis: -1.657 La curtosis de -1.657 sugiere que la distribución se ha vuelto más plana, indicando que hay menos valores extremos y que la productividad se ha homogenizado en general. Esto implica que más empleados están funcionando a niveles de rendimiento similares, lo cual es un buen indicativo de cohesión en el equipo. HISTOGRAMA DE FRECUENCIA DEL PRE TEST DE PRODUCTIVIDAD INTERPRETACIÓN El histograma de la productividad antes de la mejora muestra una asimetría negativa , lo que significa que los valores superiores a la media son más frecuentes. Además, la curtosis platicúrtica indica que los datos están dispersos y no concentrados alrededor de la media. Esto es típico de procesos donde la productividad varía de manera amplia HISTOGRAMA DE FRECUENCIA DEL POST TEST DE PRODUCTIVIDAD INTERPRETACIÓN El histograma posterior a la implementación de las 5'S sigue mostrando una asimetría negativa , con valores superiores a la media siendo los más frecuentes. La dispersión aún es alta, pero ha habido un aumento claro en los valores medios y máximos de productividad, lo que indica una mejora general en el rendimiento. COMPARATIVA DE HISTOGRAMAS 1. Asimetria Pre Prueba: Asimetría negativa; la mayoría de los valores están por encima de la media. Post prueba: Sigue asimétrico negativo, pero con más valores concentrados en niveles altos. 2. Curtosis Pre Prueba: Platicúrtica; distribución plana con baja concentración alrededor de la media. Post Prueba: También platicúrtica, pero con menor dispersión, indicando un rendimiento más homogéneo. 3. Distribución de los datos Pre prueba: Rango de 0.49 a 0.67, reflejando un rendimiento bajo y disparidad significativa. Post prueba: Rango ampliado de 0.60 a 0.91, mostrando una mejora general en la productividad. 4. Concentración de valores Pre prueba: Mayoría cerca de la media, con algunos valores bajos que afectan el rendimiento. Post Prueba: Mayor concentración en niveles altos de productividad, indicando avances significativos. Gracias!! !