Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Aplicación de técnicas estadísticas para la enseñanza en disciplinas específicas: Economía, Biología, Psicología, Ingeniería Civil  
y Enfermería.  
DOI: https://doi.org/10.46296/yc.v9i16.0610  
APLICACIÓN DE TÉCNICAS ESTADÍSTICAS PARA LA ENSEÑANZA EN  
DISCIPLINAS ESPECÍFICAS: ECONOMÍA, BIOLOGÍA, PSICOLOGÍA,  
INGENIERÍA CIVIL Y ENFERMERÍA  
APPLICATION OF STATISTICAL TECHNIQUES FOR TEACHING IN  
SPECIFIC DISCIPLINES: ECONOMICS, BIOLOGY, PSYCHOLOGY, CIVIL  
ENGINEERING AND NURSING  
Menéndez-Loor Ernesto Agenor 1  
1
Dirección De Investigación Vinculación E Innovación, Pontificia Universidad católica del  
Ecuador (PUCE) Sede Manabí. Portoviejo, Ecuador. Correo eamenendez@pucesm.edu.ec.  
ORCID ID: https://orcid.org/0000-0002-3749-7001  
Resumen  
La estadística es una herramienta esencial en una amplia variedad de disciplinas, ya que facilita  
el análisis de datos y la toma de decisiones fundamentadas, características indispensables en  
contextos académicos y profesionales. Este artículo examina la implementación de técnicas  
estadísticas en campos como la Economía, Biología, Psicología, Ingeniería Civil y Enfermería,  
destacando su relevancia para abordar problemas específicos en cada área. Se describe un  
enfoque metodológico basado en proyectos prácticos, que permite a los estudiantes aplicar los  
conceptos estadísticos en situaciones reales y relevantes para su disciplina. Además, se enfatiza  
la integración de herramientas tecnológicas como software especializado y plataformas  
interactivas, las cuales potencian el aprendizaje al hacerlo más dinámico y accesible. Los  
resultados obtenidos demuestran que estas estrategias pedagógicas no solo mejoran la  
comprensión de los conceptos estadísticos. En disciplinas como Enfermería e Ingeniería Civil,  
por ejemplo, la enseñanza adaptada ha mostrado un impacto positivo al conectar el aprendizaje  
estadístico con las necesidades concretas de estas áreas. En conclusión, personalizar la  
enseñanza de la estadística según las necesidades de cada disciplina incrementa  
significativamente el interés y la participación de los estudiantes. Al vincular los conceptos  
teóricos con situaciones prácticas, se fomenta un aprendizaje más significativo y se fortalecen  
habilidades esenciales para el ejercicio profesional.  
Palabras claves: enseñanza estadística, economía, biología, psicología, ingeniería civil,  
enfermería.  
Abstract  
Statistics is an essential tool across a wide range of disciplines, as it facilitates data analysis and  
informed decision-making characteristics in both academic and professional contexts. This article  
examines the implementation of statistical techniques in fields such as Economics, Biology,  
Psychology, Civil Engineering, and Nursing, highlighting their relevance in addressing specific  
problems within each area. A methodological approach based on practical projects is described,  
allowing students to apply statistical concepts to real and discipline-relevant situations.  
Furthermore, the integration of technological tools such as specialized software and interactive  
platforms is emphasized, enhancing the learning experience by making it more dynamic and  
accessible. The results obtained indicate that these pedagogical strategies not only improve the  
understanding of statistical concepts. For instance, in disciplines such as Nursing and Civil  
Engineering, adapted teaching methods have demonstrated a positive impact by connecting  
statistical learning with the specific needs of these fields. To sum up, tailoring the teaching of  
statistics to the needs of each discipline significantly increases students' interest and  
engagement. By linking theoretical concepts to practical scenarios, more meaningful learning is  
fostered, and essential skills for professional practice are strengthened.  
Keywords: statistical teaching, economics, biology, psychology, civil engineering, nursing.  
Información del manuscrito:  
Fecha de recepción: 30 de octubre de 2024.  
Fecha de aceptación: 27 de diciembre de 2024.  
Fecha de publicación: 10 de enero de 2025.  
6
23  
Menéndez-Loor. (2025)  
analizar experimentos ecológicos y  
genéticos (Tobias et al., 2022). En  
Psicología, los métodos estadísticos  
permiten realizar análisis de datos  
1
. Introducción  
La estadística es una disciplina clave  
que permite a los profesionales  
interpretar, analizar y presentar  
datos de manera efectiva en una  
variedad de contextos. Su aplicación  
va más allá de la simple teoría,  
siendo una herramienta esencial  
para la resolución de problemas  
complejos en diversas áreas del  
conocimiento (Cohen et al., 2021).  
En un mundo donde la disponibilidad  
de datos crece exponencialmente, el  
dominio de técnicas estadísticas se  
ha convertido en una competencia  
crucial para los profesionales de  
disciplinas como la Economía,  
Biología, Psicología, Ingeniería Civil  
y Enfermería, áreas que dependen  
en gran medida de la interpretación  
precisa de datos para la toma de  
decisiones informadas (Tufte, 2020).  
derivados  
de  
experimentos  
conductuales y encuestas, mientras  
que, en Ingeniería Civil, la  
estadística es fundamental para  
garantizar la calidad en proyectos de  
construcción y el análisis de riesgos  
(
Pérez et al., 2023). En Enfermería,  
las herramientas estadísticas son  
esenciales para evaluar la  
efectividad de intervenciones y  
mejorar los procesos de atención al  
paciente, especialmente en el  
análisis de datos clínicos  
epidemiológicos (Polit Beck,  
021).  
y
&
2
A medida que las necesidades  
educativas evolucionan, la  
metodología basada en proyectos se  
ha consolidado como una estrategia  
El proceso de enseñanza de la  
pedagógica  
eficaz  
para  
la  
estadística  
particulares  
enfrenta  
según  
desafíos  
campo  
enseñanza de la estadística, pues  
permite a los estudiantes conectar  
el  
disciplinar al que se aplique. En  
Economía, por ejemplo, la  
estadística es vital para la  
modelización de datos  
los  
conceptos  
teóricos  
con  
aplicaciones prácticas en contextos  
específicos (Miller et al., 2022). El  
uso de tecnologías educativas, como  
software estadístico especializado y  
recursos interactivos en línea, ha  
facilitado este proceso, haciendo que  
macroeconómicos y la predicción de  
tendencias, mientras que, en  
Biología, se utiliza para diseñar y  
6
24  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Aplicación de técnicas estadísticas para la enseñanza en disciplinas específicas: Economía, Biología, Psicología, Ingeniería Civil  
y Enfermería.  
el aprendizaje sea más accesible y  
atractivo (Green & Emerson, 2019).  
Además, la incorporación de  
estudios de caso personalizados ha  
demostrado ser un medio eficaz para  
vincular la estadística con los  
problemas reales que enfrentan los  
profesionales en cada disciplina,  
Este estudio tiene como objetivo  
analizar cómo las técnicas  
estadísticas pueden ser adaptadas  
para la enseñanza en diversas  
disciplinas,  
beneficios  
destacando  
de  
que  
los  
enfoques  
integran  
metodológicos  
tecnología y estudios de caso para  
mejorar la comprensión de los  
conceptos estadísticos. A través de  
un enfoque práctico, se busca  
evaluar cómo estas estrategias  
impactan el aprendizaje de los  
estudiantes y su aplicabilidad en el  
ámbito profesional.  
promoviendo aprendizaje  
un  
significativo y aplicable.  
Diversos estudios han documentado  
la efectividad de estas estrategias  
pedagógicas. Garfield y Ben-Zvi  
(2008) señalan que el aprendizaje  
basado en proyectos promueve una  
comprensión más profunda de los  
conceptos estadísticos al involucrar  
activamente a los estudiantes en  
situaciones reales de resolución de  
problemas. Según Green y Emerson  
En las siguientes secciones, se  
detallarán las implementaciones de  
estas estrategias en cada disciplina,  
los resultados obtenidos en términos  
de aprendizaje y aplicabilidad, y las  
implicaciones de estos hallazgos  
para el diseño de programas  
educativos en estadística.  
(2019), la integración de tecnologías  
educativas mejora la retención y  
participación de los estudiantes en el  
aprendizaje de la estadística.  
Además, en el campo de la  
enfermería, Polit y Beck (2021)  
destacan la relevancia de la  
2
. Metodología  
La investigación se desarrolló  
mediante un enfoque descriptivo-  
estadística  
resultados  
para  
de  
interpretar  
investigaciones  
analítico,  
utilizando  
revisión  
clínicas y aplicar evidencia en la  
toma de decisiones profesionales.  
bibliográfica y análisis de estudios de  
caso. Las estrategias pedagógicas  
se evaluaron a través de:  
6
25  
Menéndez-Loor. (2025)  
1
. Análisis  
de  
proyectos  
actividades prácticas, como el  
análisis de datos macroeconómicos  
(PIB, inflación, tasas de interés), ha  
sido crucial para conectar la teoría  
económica con la realidad del  
mercado. Además, los estudiantes  
educativos: Integración de  
actividades prácticas basadas  
en la recolección y análisis de  
datos reales.  
2
3
. Uso  
de  
tecnología:  
Incorporación  
de  
software  
pudieron pronósticos  
económicos que les permitieron  
abordar problemas complejos,  
realizar  
estadístico como SPSS, R y  
Excel.  
. Enfoque  
interdisciplinario:  
desarrollando una mayor capacidad  
crítica y analítica para evaluar  
políticas económicas y estrategias  
de inversión.  
Diseño de problemas que  
reflejen situaciones reales en  
cada disciplina.  
El estudio se centró en estudiantes  
de nivel universitario de las  
El más utilizado es el Modelo de  
Regresión Lineal  
disciplinas  
analizando  
seleccionadas,  
desempeño  
Este es uno de los modelos más  
utilizados en econometría para  
analizar la relación entre una  
variable dependiente Y y una o más  
su  
y
percepción frente a las técnicas  
propuestas.  
variables  
independientes  
3
. Resultados y discusión  
푋 , 푋 , … … 푋 :  
1
2
푘
Economía  
푌 = 훽 + 훽 푋 + 훽 푋 + ⋯ 훽 푋  
푖
0
1
1푖  
2
2푖  
푘
푘푖  
+
휀푖  
El uso de modelos econométricos y  
análisis de series temporales  
permitió a los estudiantes no solo  
comprender las dinámicas de los  
mercados financieros, sino también  
predecir comportamientos futuros  
basados en datos históricos. La  
Donde:  
•
•
푌
:
Variable dependiente  
Resultado)  
푋 : Variables independientes  
푖
(
1
푖
(Predictoras).  
•
•
훽0: Intercepto.  
integración  
estadísticas  
de  
herramientas  
en  
훽푘: Coeficiente de las variables  
intermedias  
avanzadas  
6
26  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Aplicación de técnicas estadísticas para la enseñanza en disciplinas específicas: Economía, Biología, Psicología, Ingeniería Civil  
y Enfermería.  
Biología  
En biología,  
푛
2
̅
푆퐶푇 = ∑(푌 − 푌)  
푖
la  
enseñanza  
푖ꢀ1  
contextualizada de pruebas de  
hipótesis y análisis de varianza  
Suma de Cuadrados entre grupos  
SCT):  
(
(ANOVA) no solo permitió a los  
푘
estudiantes realizar experimentos  
ecológicos, sino que también  
2
̅
̅
푆퐶퐺 = ∑ ꢁ (푌 − 푌)  
푗
푖
푗ꢀ1  
proporcionó  
una  
herramienta  
esencial para evaluar la variabilidad  
de los datos en estudios de  
biodiversidad, genética y ecología.  
Los estudiantes pudieron aplicar  
estos métodos en ensayos clínicos y  
Suma de Cuadrados dentro de los  
grupos (SCW):  
푛ꢂ  
푘
2
̅
푆퐶푊 = ∑ ∑(푌 − 푌 )  
푖푗  
푗
푗ꢀ1 푖ꢀ1  
pruebas  
fortaleciendo la capacidad de  
interpretar los resultados de  
investigaciones científicas y clínicas  
de manera precisa. Esta  
experimentales,  
Grados de libertad (g.l.):  
•
•
•
Entre grupos k - 1  
Dentro de los grupos: n – k  
Total, n-1  
metodología es fundamental para la  
validación de hipótesis biológicas,  
Media cuadrática (MC):  
como  
la  
comparación  
de  
tratamientos o la evaluación de  
푀퐶푒푛푡푟푒  
푆퐶퐺  
factores  
ambientales  
en  
la  
=
,
푀퐶푑푒푛푡푟표  
ꢃ − ꢄ  
푆퐶푊  
conservación de especies.  
=
,
− ꢃ  
ꢁ
Entre  
los  
procesos  
más  
realizados:  
Estadístico F:  
El ANOVA evalúa si existen  
diferencias significativas entre las  
medias de más de dos grupos.  
푀퐶푒푛푡푟푒  
퐹 =  
푀퐶퐷푒푛푡푟표  
Donde:  
푌 : Valor individual  
Suma de Cuadrados total (SCT):  
•
ꢅ
6
27  
Menéndez-Loor. (2025)  
̅
푌: Media Global  
Ejemplo para la Fiabilidad: Alfa de  
Cronbach  
•
•
•
•
•
̅
푌 : Media del grupo j  
ꢆ
ꢁꢆ= Tamaño del grupo j  
ꢃ: Número de grupos  
"
Para evaluar la consistencia interna  
del instrumento utilizado, se calculó  
el coeficiente de fiabilidad Alfa de  
Cronbach (α). Este indicador permite  
determinar en qué medida los ítems  
n: Tamaño total de la muestra  
Psicología  
La integración de cuestionarios  
psicológicos y análisis factorial en el  
aprendizaje estadístico promovió  
una comprensión profunda del  
de  
un  
cuestionario  
miden  
consistentemente un constructo  
común. Su cálculo se realiza  
mediante la fórmula:  
comportamiento  
permitiendo  
humano,  
ꢉ
휎푖2  
ꢋ
푁
ꢈ
푖ꢀ1  
a
los estudiantes  
훼 =  
ꢇꢄ −  
2
휎
ꢊ
푁 − ꢄ  
realizar investigaciones psicológicas  
más detalladas. A través del análisis  
de la estructura de los datos  
Donde:  
•
•
•
푁: Numero de ítems.  
obtenidos  
de  
encuestas  
y
2
푖
휎 : Varianza de cada ítem  
entrevistas, los estudiantes pudieron  
identificar patrones y correlaciones  
significativas en el comportamiento,  
2
ꢊ
휎 : Varianza total del test.  
Ingeniería Civil  
emociones  
individuos  
y
pensamientos de  
grupos. Esta  
y
En ingeniería civil, los estudiantes  
adquirieron habilidades prácticas al  
aplicar simulaciones de Monte Carlo  
metodología fortaleció los conceptos  
estadísticos clave, como la fiabilidad  
y validez de los instrumentos de  
medición, y facilitó la interpretación  
y
modelos probabilísticos para  
evaluar la resistencia de materiales  
en condiciones de incertidumbre.  
Estos modelos permitieron optimizar  
el diseño estructural, calculando la  
probabilidad de fallos en materiales  
bajo diferentes condiciones de carga  
y desgaste. La estadística se utilizó  
como una herramienta clave para la  
de  
fenómenos  
psicológicos  
complejos en contextos sociales y  
clínicos.  
6
28  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Aplicación de técnicas estadísticas para la enseñanza en disciplinas específicas: Economía, Biología, Psicología, Ingeniería Civil  
y Enfermería.  
toma de decisiones en la gestión de  
proyectos, ayudando a los futuros  
ingenieros a prever riesgos, estimar  
costos y plazos de manera más  
eficiente, y mejorar la seguridad en  
las infraestructuras mediante el  
análisis de datos estructurales.  
Donde:  
•
•
푁:  
Número  
total  
de  
simulaciones  
퐼(. ): Función indicadora (1 si  
la condición se cumple, 0 en  
caso contrario)  
•
푋푐푟푖푡: Valor critico o límite de  
resistencia  
Estos son algunos procesos de  
los más importantes:  
Enfermería  
La simulación de Monte Carlo se  
basa en generar un gran número de  
muestras aleatorias para evaluar la  
probabilidad de un evento.  
En el ámbito de la enfermería, el  
análisis de datos epidemiológicos y  
la evaluación de tratamientos  
clínicos fueron esenciales para  
tomar decisiones informadas en la  
práctica clínica. El uso de pruebas  
estadísticas en el análisis de la  
efectividad de tratamientos, la  
prevalencia de enfermedades y la  
identificación de factores de riesgo  
Fórmula general:  
푋 = 푓(푈 )  
푖
푖
Donde:  
•
•
•
푋 : Resultado de la simulación en  
푖
la iteración  
ayudó  
a
los estudiantes  
a
푈 : Vector de variables aleatorias  
푖
comprender la importancia de la  
estadística en la medicina basada en  
la evidencia. Este enfoque permitió a  
los futuros enfermeros y enfermeras  
desarrollar competencias en la  
interpretación de estudios clínicos, la  
de entrada  
푓(. ): Modelo matemático que  
relaciona las variables aleatorias  
con el resultado  
La estimación de la probabilidad de  
fallo (푃 ) se realiza mediante:  
ꢌ
aplicación  
de  
protocolos  
de  
ꢉ
investigación en salud, y la gestión  
de programas de salud pública para  
mejorar los resultados en el cuidado  
de los pacientes.  
ꢄ
푃ꢌ = ∑ 퐼(푋 > 푋푐푟푖푡)  
푖
푁
푖ꢀ1  
6
29  
Menéndez-Loor. (2025)  
Entre los procesos más utilizados:  
Z-test  
• 퐸 : Frecuencia esperada en la  
푖
categoría ꢅ  
Para comparar proporciones entre  
grupos, como la prevalencia de una  
enfermedad se utiliza el estadístico  
Z:  
4
. Conclusiones  
La implementación de técnicas  
estadísticas adaptadas cada  
a
disciplina mejora significativamente  
la comprensión y la aplicabilidad de  
los conceptos estadísticos. Al  
푝ꢄ − 푝ꢍ  
푍 =  
ꢄ
ꢄ
ꢁ2  
√
푝(ꢄ − 푝) ꢎ  
+
ꢏ
ꢁ1  
adaptar  
las  
a
herramientas  
los contextos  
Donde:  
estadísticas  
específicos de áreas como la  
economía, biología, psicología,  
•
•
푝ꢄ − 푝ꢍ: Proporciones  
muestrales de los grupos 1 y 2.  
ingeniería civil y enfermería, se  
facilita no solo la enseñanza de  
conceptos complejos, sino también  
su integración en la práctica  
푥
푥
ꢑ
ꢐ
푝 = ꢎ + ꢏ:  
Proporción  
푛
푛
ꢑ
ꢐ
combinada.  
ꢒ , ꢒ = Casos favorables para  
•
•
1
2
los grupos 1 y 2  
profesional.  
contextualizado permite que los  
estudiantes comprendan mejor  
Este  
enfoque  
ꢁ , ꢁ = Tamaños de muestras  
1
2
de los grupos 1 y 2  
cómo las estadísticas se utilizan para  
resolver problemas reales en sus  
campos de estudio, lo que, a su vez,  
mejora su capacidad para tomar  
decisiones basadas en datos.  
Además, este tipo de enseñanza  
práctica promueve una actitud  
positiva hacia el uso de la  
estadística, al mostrar su relevancia  
directa y su valor como herramienta  
esencial para la investigación, el  
Prueba de chi-cuadrado (푿ퟐ)  
Utilizada para analizar la asociación  
entre variables categóricas  
(
푂 − 퐸 )  
푖 푖  
2
푋 = ∑  
퐸푖  
Donde:  
•
푂 : Frecuencia observada en  
푖
la categoría ꢅ  
6
30  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Aplicación de técnicas estadísticas para la enseñanza en disciplinas específicas: Economía, Biología, Psicología, Ingeniería Civil  
y Enfermería.  
análisis y la resolución de problemas  
en diversas profesiones.  
influyen  
profesional a largo plazo. Si bien los  
beneficios inmediatos en el  
en  
el  
desempeño  
El desarrollo de metodologías  
específicas y el uso de tecnologías  
educativas son esenciales para  
superar las barreras tradicionales en  
la enseñanza estadística. Las  
aprendizaje son evidentes, es  
necesario investigar cómo la  
formación estadística práctica afecta  
el desarrollo profesional de los  
egresados en sus respectivas áreas.  
Estudiar la relación entre la  
competencia estadística adquirida  
en el ámbito académico y su  
aplicación en el entorno laboral  
podría proporcionar información  
valiosa para mejorar los programas  
educativos y garantizar que los  
metodologías  
adaptativas,  
que  
incluyen actividades  
prácticas,  
simulaciones y análisis de datos en  
tiempo real, permiten que los  
estudiantes  
se  
enfrenten  
a
escenarios del mundo real, lo que  
refuerza su aprendizaje. Las  
tecnologías  
educativas,  
como  
profesionales mejor  
estén  
plataformas de simulación y software  
de análisis de datos, complementan  
la enseñanza al proporcionar un  
entorno interactivo y dinámico que  
facilita la comprensión de conceptos  
abstractos. Estas herramientas no  
preparados para abordar los  
desafíos  
estadísticos  
en sus  
que  
enfrentarán  
carreras.  
Además, sería útil investigar el  
impacto de las tecnologías  
educativas en la mejora continua de  
las habilidades estadísticas a lo largo  
de la vida profesional, contribuyendo  
a una práctica más eficaz y basada  
en la evidencia.  
solo  
mejoran  
la  
experiencia  
también  
educativa,  
fomentan  
sino  
un  
que  
enfoque  
más  
colaborativo y multidisciplinario en el  
aprendizaje de la estadística,  
eliminando las limitaciones de los  
métodos tradicionales de enseñanza  
que a menudo no logran captar el  
interés de los estudiantes.  
Futuras investigaciones podrían  
explorar cómo estas estrategias  
6
31  
Menéndez-Loor. (2025)  
Bibliografía  
Cohen, J., West, S. G., & Aiken, L. S.  
(2021).  
Applied  
Multiple  
Regression/Correlation  
Analysis for the Behavioral  
Sciences. Routledge.  
Garfield, J., & Ben-Zvi, D. (2008).  
Developing  
Statistical  
Students'  
Thinking:  
A
Research Agenda. Springer.  
Green, S. B., & Emerson, R. W.  
(2019). Statistical Methods for  
Social Scientists. Pearson.  
Miller, R., Davis, M., & Thompson, J.  
(
2022).  
Project-Based  
in Statistics  
Learning  
Education.  
Journal  
of  
Educational Statistics, 34(2),  
55-173.  
1
Pérez, C., Rodríguez, P., & López,  
M. (2023). Statistical Analysis  
in  
Civil  
Engineering:  
and Best  
Applications  
Practices. Wiley.  
Polit, D. F., & Beck, C. T. (2021).  
Nursing Research:  
Generating and Assessing  
Evidence for Nursing  
Practice. Wolters Kluwer.  
Tobias, R., Dean, D., & Hesketh, G.  
(2022). Statistical Methods for  
Ecological and Environmental  
Research.  
Cambridge  
University Press.  
Tufte, E. R. (2020). The Visual  
Display of Quantitative  
Information. Graphics Press.  
6
32