49Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34014949ISSN 2542-3401/ 1316-4821Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821Relevancia del análisis estadístico en la investigación cuantitativaRecibido (02/03/22 ) Aceptado (11/04/22) Resumen: La estadística es una de las ramas de la matemática que se utiliza en casi todas las profesiones, con el n de estimar procesos y servicios más ecaces y óptimos, mejoras de productos, procesos o calidad de atención. Su amplia variedad de usos la hace una herramienta de gran demanda en los conocimientos de los profesionales, además en la aplicación de la investigación cuantitativa, resulta un elemento fundamental para el manejo de datos. En este trabajo se expone una revisión bibliográca detallada, que comprende el análisis de la estadística en diferentes áreas profesionales y su relevancia en los procesos de investigación. Los resultados más destacados muestran que el uso de la estadística ofrece mejores apreciaciones de los procesos de investigación y una mejor comprensión de las propuestas cientícas. Palabras Clave: Uso de la estadística, investigación cuantitativa, manejo de datos.Relevance of statistical analysis in quantitative research Abstract: Statistics is one of the branches of mathematics that is used in almost all professions, in order to estimate more efcient and optimal processes and services, product improvements, processes or quality of care. Its wide variety of uses makes it a tool of great demand in the knowledge of professionals, in addition to the application of quantitative research, it is a fundamental element for data management. In this work, a detailed bibliographic review is presented, which includes the analysis of statistics in different professional areas and its relevance in research processes. The most outstanding results show that the use of statistics offers better insights into research processes and a better understanding of scientic proposals.Keywords: Use of statistics, quantitative research, data management.José Calizaya Lópezhttps://orcid.org/0000-0001-6221-0909jcalizayal@unsa.edu.peUniversidad Nacional de San Agustín de ArequipaArequipa, PerúRosa María Vela Aquizehttps://orcid.org/0000-0002-1141-4503rvelaa@unsa.edu.peUniversidad Nacional de San Agustín de ArequipaArequipa, PerúMarisol Benites Cubahttps://orcid.org/0000- 0002-5208-8855mbenites@unsa.edu.peUniversidad Nacional de San Agustín de ArequipaArequipa, PerúBarbara Eliana Coaguila Mitta https://orcid.org/0000-0003-1845-7503bcoaguilam@unsa.edu.peUniversidad Nacional de San Agustín de ArequipaArequipa, Perúhttps://doi.org/10.47460/uct.v26i113.569
50Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015050ISSN 2542-3401/ 1316-4821I.INTRODUCCIÓNLa estadística es una herramienta muy versátil y útil en muchas áreas profesionales. No aprovechar el poten-cial de la estadística puede signicar restarle calidad a un trabajo cientíco [1]. La estadística resulta especial-mente útil en la investigación cuantitativa, sin embar-go, puede emplearse en diferentes áreas, tanto sociales como técnicas. En el caso de la investigación social, es prudente usar la estadística desde el enfoque dialéctico materialista, que además de permitir la comprensión de la realidad, permite un aporte metodológico cuantitati-vo [2].La globalización de las industrias en el mundo ac-tual, demanda trabajos cientícos más exigentes, con pronósticos de fallas más precisos, con mayores recur-sos para la evaluación de tendencias en producto y ser-vicios. Estos avances del mundo, deberán ser atendidos desde la infancia, donde la enseñanza preescolar y pri-maria deberá incluir ideas y asignaturas que abran el camino a la sociedad digital, y es por ello que la estadís-tica deberá incorporarse a esta nueva visión educativa [3].La era digital involucra herramientas que aportan al desarrollo de las ciencias, y en consecuencia a la opti-mización de procesos y cálculos. Esta digitalización no deja de incluir a la estadística, que con el apoyo de los recursos informático puede dar solución a innumerables situaciones de investigación [4].La enseñanza de la solución de problemas profesio-nales está ligada a las habilidades para la sistematiza-ción de métodos estadísticos, además de la compren-sión y uso de datos, procesamiento de la información, clasicación, análisis e interpretación, que fundamen-tan los métodos de investigación cientíca [5].Los estudiantes universitarios, no muestran recepti-vidad con el estudio de la estadística, quizá por su gran contenido de procesamiento y cálculo o tal vez por el desconocimiento de la importancia de la misma en la vida profesional [6]. El manejo apropiado de la infor-mación es cada vez más necesario, para el mejoramien-to de las condiciones de vida, las situaciones sociales o el desarrollo industrial, es por ello que la enseñanza de la estadística en universidades y sus implicaciones en la investigación, resultan una necesidad en los tiempos actuales.La inferencia estadística ha venido evolucionando de tal manera que los modelos matemáticos se aplican en una diversidad de áreas, no solamente en las ciencias sino además en las áreas sociales, en la vida cotidiana, donde la toma de decisiones juega un papel fundamen-tal, considerando que los fenómenos de la vida común son aleatorios [7].En este trabajo se aborda el tema de la estadísti-ca como un recurso necesario e indispensable para el proceso de investigación cuantitativa. Para descubrir un poco más sobre la visión de algunos cientícos, se han analizado algunos documentos académicos, donde se muestran posturas del aporte estadístico a diferentes aplicaciones profesionales.La revisión bibliográca fue detallada, sin ser ex-haustiva, y permitió conocer la relevancia de los mo-delos estadísticos en la investigación social, técnica, en todas sus variantes metodológicas, además de explorar las aplicaciones informáticas que facilitan los procesos de la estadística.II.DESARROLLOEn esta sección se abordan los elementos teóricos básicos que destacan el uso de la estadística en la inves-tigación cuantitativa.Algunos autores [8] exponen que el enfoque cuanti-tativo parte del paradigma explicativo del positivismo, donde el acercamiento a la investigación de un proble-ma se realiza desde un punto de vista racional, objetivo, que permite la observación, manipulación y vericación de predicciones acerca del mismo. La vericación de postulados e hipótesis muestran la validez o falsedad de los mismos, por lo tanto, cualquier problema planteado debe ser susceptible a comprobaciones experimentales que prueben su validez y de esta manera pueda ser acep-tado como parte constituyente de una teoría formal. Los investigadores que utilizan la metodología de investigación cuantitativa hacen uso de un modelo o estrategia general que les provee las herramientas ade-cuadas para ello, a este modelo se le conoce como el método cientíco, el cual consiste en una serie de eta-pas que permiten elaborar conclusiones sobre aquello investigado. Por lo general el método cientíco consta de las siguientes etapas: 1) Formulación de preguntas que denan un problema 2) Investigar a profundidad el problema 3) formulación de una hipótesis 4) verica-ción o refutación de la hipótesis 5) Obtención de resul-tados 6) Generación de conclusiones 7) divulgación o socialización del trabajo realizado.El método cientíco es riguroso y debe involucrar procesos de vericación, los cuales serán más óptimos si se aplican procesos estadísticos (Fig.1). Estos proce-sos matemáticos pueden favorecer grandemente a los resultados de la investigación y además a las futuras in-vestigaciones que puedan surgir de la primera.Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821
51Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015151ISSN 2542-3401/ 1316-4821Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821Fig. 1. Elementos del método cientícoFuente: Adaptado de [9]Fig. 2. Clasicación elemental de la estadísticaFuente: PropiaEl método cientíco es una técnica que permite for-mular un problema, y a partir de diferentes pruebas esta-blecer hipótesis y resultados. En el método cientíco la estadística juega un papel fundamental, ya que permite la evaluación de variables, análisis de comportamiento, y denición de parámetros.Las características principales del método cientíco consisten en las siguientes:•Obtener nuevos conocimientos•Observación sistemática, metódica, elaborada y analítica con el n de generar hipótesis.•Falsabilidad y reproducibilidad, tal que demuestra la veracidad de algo y además puede ser reproducido por otros cientícos para obtener los mismos resultados•Es un método aceptado por la comunidad cientíca para validar un estudio.En el presente la estadística es utilizada para una diversidad de ciencias fácticas, y permite el estudio a partir de muestras de datos, que facilitan los procesos de recolección, de análisis y de interpretación de infor-mación. La estadística tiene dos importantes y grandes cate-gorías, que son: la estadística descriptiva y la estadística inferencial (Fig.2). Ambas pueden ser aplicadas en una variedad de situaciones dando origen a la estadística aplicada.
52Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015252ISSN 2542-3401/ 1316-4821En los estudios cuantitativos es común encontrar di-ferentes técnicas estadísticas [8], entre ellas es posible mencionar las siguientes:•Análisis de frecuencia acumulada•Análisis de regresión•Análisis de varianza (ANOVA)•Análisis factorial conrmatorio•Correlación: coeciente de correlación de Pearson y coeciente de correlación de Spearman•Frecuencia estadística•Gráca estadística•Iconografía de las correlaciones•Prueba de χ² o prueba de chi cuadrada o prueba de ji cuadrada•Prueba de la diferencia menos signicante de Fisher•Prueba t de Student•U de Mann-WhitneyB. Estadística en la actualidadEn el presente, la estadística se ejecuta con elemen-tos informáticos, softwares especializados que permi-ten el procesamiento de la información de forma rápida, efectiva y dinámica. El poder de cómputo en el proce-samiento de datos se hace cada vez más inmediato, y las herramientas informáticas ofrecen a su vez un mayor número de recursos, ecuaciones y opciones de graca-ción. 1.Salesforce Analytics CloudEste software ofrece recursos en el manejo de pro-ductividad de la empresa, gestión de servicios, gestión de contratos, entre otras funciones como:2.RStudio EstadísticasEs un software de código abierto, que ofrece impor-tantes prestaciones para la atención empresarial, gestio-nes estadísticas, recursos de personal.3.MATLAB SoftwareEste software permite en análisis, procesamiento, cálculo y visualización de variables estadísticas.4.IBM SPSSEs una de las herramientas más utilizadas, permite ejecutar estadísticas descriptivas, regresión, estadísticas avanzadas y todo tipo de grácos estadísticos.Todos los softwares mencionados, ofrecen una va-riedad de servicios, que pueden enlistarse como sigue:•Análisis de la supervivencia•Análisis de regresión•Análisis multivariante•Análisis predictivo•Control estadístico de procesos•Métricas de rendimiento•Previsión•Serie temporal•Simulación estadística•Visualización de datosLos grácos estadísticos en la actualidad permiten identicar gran cantidad de información sobre el tema de estudio, tal que, no sean necesarias muchas explica-ciones textuales. Sin embargo, los recursos grácos no pueden exceder su presencia en los documentos cientí-cos, porque crean saturación en el contexto. La investigación cuantitativa debe elaborarse con los elementos de rigor de la ciencia, y además con los criterios estadísticos que sustente el tratamiento de da-tos y la vericación de la información.C. El pensamiento estadísticoEl pensamiento estadístico, desarrollado en las no-velas de ciencia cción de H.G. Wells, relacionaron un supuesto futuro de la humanidad con los tratamientos estadísticos del entonces, logrando suponer ideas bas-tante acercadas a la realidad actual.Para Deming [10], el pensamiento estadístico consta de cuatro partes:•La apreciación de un sistema.•El conocimiento sobre la variación.•La teoría del conocimiento.•La psicología Todos estos, estarían incluidos en los principios in-evitables del pensamiento estadístico, establecidos por la Special Publication on Statistical Thinking [11]. •Todo trabajo ocurre en un sistema de procesos in-terconectados;•Variación hay en todos los procesos; y•Entender y reducir la variación son las claves del éxitoHay que distinguir las diferencia entre el pensamien-to estadístico y las técnicas estadísticas [12], cuyas dis-tinciones se integran en la gura 3. Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821
53Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015353ISSN 2542-3401/ 1316-4821Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaIII.METODOLOGÍAEn este trabajo se ha realizado un análisis de conte-nido de algunos documentos académicos y cientícos, que ofrecen información relevante sobre el uso de la estadística en la investigación cuantitativa. El proceso de selección de la información estuvo de-limitado por trabajos publicados en fuentes conables, revistas indexadas y de carácter abierto. Además, aque-llos trabajos que ofrecieran información relevante sobre las aplicaciones estadísticas.Se analizó en particular el trabajo desarrollado por González [13], que muestra la relevancia de la estadísti-ca en el pensamiento complejo y la creatividad. La estadística ha sido considerada en este artículo como un elemento para la mejora de la calidad y de los procesos, para la optimización de variables y como re-curso de apoyo a la investigación cuantitativa.IV.RESULTADOSLos resultados estuvieron enfocados en dos áreas principales: el área de la estadística como herramienta para los procesos de investigación cuantitativa y el área del pensamiento estadístico.A.La estadística como recurso para la investiga-ción cuantitativaSe presenta la estadística como un recurso informá-tico, en el presente, que permite atender situaciones de estimación, mejoramiento de procesos, visualización de datos, tratamiento de información, que permita predecir o diagnosticar determinados escenarios de la vida real, de casos sociales o de casos industriales.Los trabajos revisados muestran que la estadística es una herramienta muy poderosa para los procesos de in-vestigación [8] y ella ofrece importantes elementos para la toma de decisiones. Los elementos estadísticos más utilizados en la investigación cuantitativa son:•Uso de matrices de información para el manejo de datos•El investigador puede elegir con facilidad las prue-bas que considere necesarias para su ejecución.•La moda, la mediana y la media, representan las medidas de tendencia central.•El rango, la desviación estándar y la varianza per-miten estimar los errores de medida y en consecuencia, optimizar la investigación.•La asimetría y la curtosis permiten estimar el com-portamiento de la gráca, y vericar a su vez, el com-portamiento de los datos.•Cuando se analizan dos categorías, se encuentra una razón.•Vericar la relación entre el número de casos de una categoría y el número total de casos, corresponde al cál-culo de una tasa.•Las pruebas de hipótesis se realizan con la estadís-tica inferencial.•Las distribuciones de probabilidad teórica pueden ser la Normal, t, F y Chi-cuadrado.•La distribución normal ocurre en datos agrupados, que mantienen una relación entre si.•La probabilidad de cometer algún error en las prue-bas de hipótesis, se llama nivel de signicancia.En la investigación cuantitativa, se pueden encontrar diferentes análisis y pruebas paramétricas [14], sin em-bargo, las más utilizadas son:•Coeciente de correlación de Pearson.•Regresión lineal simple y múltiple.•Prueba “t” para deferencia de grupos.•Contraste de la diferencia de proporciones Diferen-cia de grupos.•Análisis de varianza (ANOVA).•Análisis de covarianza (ANCOVA).UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821Fig. 3. Pensamiento estadístico y métodos estadísticos [13], [12], [11].
54Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015454ISSN 2542-3401/ 1316-4821Las pruebas estadísticas no paramétricas, que utili-zan variables nominales u ordinales, pueden ser las si-guientes:•Chi_cuadrado.•Coeciente de correlación e independencia de Pear-son.•V de Cramer.•Lamda.•Gamma.•Tau b.•D de Somers y Eta.Los análisis multivariados más utilizados son:•Análisis de regresión múltiple.•Análisis de Factores.•Análisis multivariado de variancias (MANOVA) y correlación canónica.•Análisis discriminante.•Análisis de Jerarquización.B.El pensamiento estadísticoReconocer el pensamiento estadístico entre los em-pleados de una empresa puede signicar estar en el camino del éxito, ya que esto contribuye a la toma de decisiones y los procesos de innovación.El pensamiento estadístico ayudará a mejorar la productividad de una empresa, evitar la variabilidad innecesaria y proponer nuevas mejoras del producto o servicio.El proceso de enseñanza de la estadística puede re-sultar complejo, sobre todo porque hay prejuicios sobre las dicultades de la estadística en cuanto a las necesi-dades de cálculo y procesamiento de datos. Sin embar-go, en la actualidad, los recursos informáticos ofrecen herramientas importantes para el manejo de datos y pro-cesamiento de datos, que hacen más rápido y efectivo el tratamiento estadístico. Esto puede resumirse en un único problema en la enseñanza de la estadística: gene-rar el pensamiento estadístico.El pensamiento estadístico puede impulsar la in-novación y la creatividad [13], dando origen a nuevas propuestas de desarrollo con altas probabilidades de éxito. Además, el pensamiento estadístico puede evitar situaciones complejas o inseguras, aportando mejoras considerables en la empresa.En el caso particular de la ingeniería, la investiga-ción cuantitativa suele ser la más utilizada, por lo que el uso de herramientas estadísticas es vital para el desem-peño de la profesión. En estos profesionales, desarrollar un pensamiento estadístico puede ayudarles a mejorar sus diseños de ingeniería, mejorar su competitividad en distintos países y ser más innovadores en ciencias y tec-nologías.El pensamiento estadístico puede contribuir a la pro-ducción industrial, a las mejoras sociales, a las mejoras educativas en pro del desarrollo nacional y a las mejo-ras en el desempeño de los trabajadores.El desarrollo de la estadística en las nuevas pro-puestas industriales será fundamental para encaminar nuevos desarrollos en una industria globalizada, y será este, el perl más idóneo para la propuesta de nuevos productos y servicios, tomando en cuentas las necesi-dades internacionales de desarrollo. La industria digita-lizada se vislumbra como una industria cambiante, sin parámetros rígidos de desarrollo, y será la estadística la que promueva las nuevas propuestas para el avance de la ciencia.V.CONCLUSIONESUna vez realizado el proceso de investigación, se ha podido llegar a las siguientes conclusiones:1.La estadística es una de las ramas de la matemáti-ca, que hacen posible el tratamiento de datos masivos, indispensables para las nuevas formas de tecnología aplicadas al desarrollo industrial y social.2.El Big Data, representa una de las herramientas tecnológicas que utiliza patrones de datos para clasicar y organizar la información, requiriendo altos estudios de estadísticas para su aplicación.3.La investigación cuantitativa, presente en numero-sos estudios de diferentes áreas profesionales, requiere principalmente, de la estadística para el manejo de in-formación, manejo de datos, y análisis de variables.4.La estadística permite la predicción e inferencia de comportamientos de variables, así como la parametriza-ción de variables.5.La estadística ofrece importantes aportes al desa-rrollo de la inteligencia articial para múltiples aplica-ciones cientícas. Que mejoran procesos y productos en casi todas las áreas profesionales.6.Una investigación cuantitativa no es concebible sin recursos estadísticos, pues estos facilitan la com-prensión de las variables y el comportamiento de la investigación, dando origen a un estudio completo y argumentado con soportes cientíco.REFERENCIAS[1]G. Ledesma, M. Calderón y L. Rodríguez, Pedago-gía y Sociedad., vol. 20, nº 49, pp. 98-123, julio 2017. [2]F. Enrique y M. Peña, «Improcedencias al usar la estadística en las investigaciones sociales,» VARONA, Revista Cientíco-Metodológica, nº 70, pp. 13-19, ene-ro-junio 2020. [3]G. d. Pino y S. Estrella, «Educación estadística: re-Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821
55Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015555ISSN 2542-3401/ 1316-4821Calizaya et al., Relevancia del Análisis Estadístico en la Investigación Cuantitativalaciones con la matemática,» Pensamiento Educativo. Revista de Investigación Educacional Latinoamericana, vol. 49, nº 1, pp. 53-64, 2012. [4]R. Vilà, «¿Cómo hacer un análisis cuantitativo de datos de tipo descriptivo con el paquete estadístico SPSS?,» Butlletí LaRecerca, pp. 1-8, junio 2006. [5]A. Faustino y S. Pérez Luis, «UTILIZACIÓN DE LAS TIC EN LA ENSEÑANZA DE LA ESTADÍSTI-CA EN LA EDUCACIÓN SUPERIOR ANGOLANA,» Prisma Social, núm. 11, diciembre, 2013, pp. 0-31, vol. 11, pp. 0-31, diciembre 2013. [6]L. Ramos, «La educación estadística en el nivel uni-versitario: retos y oportunidades,» Revista Digital de Investigación en Docencia Universitaria, vol. 13, nº 2, pp. 67-83, julio-diciembre 2019. [7]C. Batanero, M. Gea, P. Arteaga y J. Contreras, «La estadística en la educación obligatoria: Análisis del currículo español,» Matemática, Educación e Internet, vol. 14, nº 2, pp. 1-14, marzo-agosto 2014. [8]J. Calizaya, Y. Alemán, R. Bellido y F. Ceballos, La investigación cuantitativa en las ciencias sociales, Se-gunda ed., Quito: AutanaBooks, 2022. [9]G. Westreicher, septiembre 2020. [En línea]. Avai-lable: https://economipedia.com/deniciones/meto-do-cientico.html.[10]E. Deming, La nueva economía, 2 ed., D. d. Santos, Ed., 1997. [11]Special Publication on Statical Thinking, 1999. [En línea]. Available: https://www.researchgate.net/publica-tion/295937226_Statistical_thinking_for_management.[12]R. D. Snee, «Statistical Thinking and Its Contri-bution to Total Quality,» de The American Statistian, 1990. [13]L. González, «Importancia del pensamiento esta-dístico en la ingeniería y su relación con el pensamiento complejo y creativo,» Minerva Journal, vol. 2, nº 6, pp. 22-27, noviembre 2021. [14]Vocación Estadística, abril 2018. [En línea]. Available: http://vocacionxestadistica.blogspot.com/2018/04/metodologia-estadistica-en-una.ht-ml#:~:text=Los%20elementos%20estad%C3%ADs-ticos%20m%C3%A1s%20utilizados,y%20el%20in-ter%C3%A9s%20del%20investigador..UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821RESUMEN CURRICULARJoséManuelCalizayaLópez.DoctorenCienciasdelaEducación,MagísterenCienciasconMenciónenGestiónSocial-DesarrolloSostenibleyLicenciadoenTrabajoSocial.DocentePrincipal,DocenteinvestigadorUNSA-INVESTIGA–CONCYTECymiembrodelInstitutodeInvestigacionesSocialesdelaUniversidadNacionaldeSanAgustín,Arequipa,Perú.MarisolBenitesCuba.LicenciadaenTurismoyHotelería.MagisterenEconomíaconmenciónenFormulación,EvaluaciónyGestióndeProyectosdeInversión.DestacadainvestigadoraeneláreadedesarrolloyserviciosturísticosenlaRegiónArequipa.DocentedelaEscuelaProfesionaldeTurismoyHoteleríadelaUniversidadNacionaldeSanAgustín,Arequipa,Perú.
56Tolentino S. y Caraballo S. Simulación numérica del ujo de aire.UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15)ISSN 2542-34015656ISSN 2542-3401/ 1316-4821Calizaya et al., Relevancia del Análisis Estadístico en la Investigación CuantitativaUNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 26, Nº 113 Junio 2022 (pp. 49-56)ISSN-e: 2542-3401, ISSN-p: 1316-4821RosaMaríaVelaAquize.MaestroenGerenciaSocialyRecursosHumanos.EstudiosdedoctoradoenCienciasSociales.DocentedelprogramadeestudiosdeTrabajoSocialdelaUniversidadNacionaldeSanAgustíndeArequipa.BarbaraElianaCoaguila-Mitta.DoctorenCienciasdelaEducación,MaestroenEducación:DocenciayGestiónEducativa,LicenciadaenTrabajoSocial.DocentedelprogramadeestudiosdeTrabajoSocialdelaUniversidadNacionaldeSanAgustíndeArequipa.