Preguntas del jurado

Sustentación de tesis

Preguntas del jurado en la sustentación de Ingeniería Estadística

40 preguntas que hace el jurado de Ingeniería Estadística, con lo que busca, cómo responder y una respuesta modelo.

Te respondemos en menos de 15 minutos, de 8:00 a.m. a 9:00 p.m., todos los días.

  • Diagnóstico sin costo
  • Garantía de devolución. Está en nuestro contrato.
  • Jurado simulado por voz
Preguntas
40
Bloques
6
Respuesta modelo
En cada una
Práctica
Jurado por voz

La sustentación

Así es la sustentación de tesis de Ingeniería Estadística.

La sustentación de tesis de Ingeniería Estadística en el Perú se hace ante un jurado de tres docentes que dominan la teoría estadística mejor que nadie en la universidad: estadísticos, matemáticos e ingenieros que han trabajado con encuestas, pronósticos o modelos de riesgo. Según el artículo 45 de la Ley Universitaria 30220, el título se obtiene con una tesis o un trabajo de suficiencia profesional aprobados, y en esta carrera la tesis casi siempre aplica o compara modelos sobre datos reales: regresión logística o de conteo, series de tiempo para pronóstico, modelos con diseño muestral complejo sobre encuestas oficiales como la ENAHO del INEI, análisis multivariado o algoritmos de clasificación.

Por eso la pregunta de fondo en Ingeniería Estadística es casi siempre la misma: por qué ese modelo y no otro. El jurado te pedirá que justifiques la elección por la naturaleza de la variable respuesta y de los datos, que muestres qué supuestos verificaste y cómo, que expliques la validación con datos que el modelo no vio y que interpretes los coeficientes en el lenguaje del problema, no solo en el del software. Un tesista que sabe decir qué hace su modelo cuando un supuesto falla, y que puede reproducir cada resultado desde su código en R o Python, demuestra el criterio que la carrera exige.

Problema y objetivosFundamento teórico y estadísticoMetodología: datos, muestra, calidad de datos y reproducibilidadResultados, supuestos y validación del modeloDiscusión y conclusionesAplicación práctica, ética y uso responsable de datos

Bloque 01

Problema y objetivos.

01¿Qué problema real resuelve su tesis y qué decisión permite tomar?

Qué busca el jurado

Comprobar que la tesis no es un ejercicio de software, sino una respuesta estadística a una necesidad concreta.

Cómo responder

Describe el problema del usuario de los resultados y qué decisión mejora con tu modelo.

Respuesta modelo

“La empresa prestadora de agua potable de Cusco planifica su producción y sus compras de insumos de tratamiento con promedios de años anteriores, y en los meses de mayor turismo se queda corta. Mi tesis compara modelos de series de tiempo para pronosticar el volumen mensual facturado con doce meses de anticipación. El área de planeamiento usa ese pronóstico para programar la producción y el inventario de cloro.”

02¿Cuál es su variable respuesta y qué tipo de variable es?

Qué busca el jurado

Es el punto de partida de toda elección de modelo: el jurado verifica que el tesista identifica bien la naturaleza de la respuesta.

Cómo responder

Define la variable respuesta, su escala de medición y su distribución esperada, y menciona las variables explicativas principales.

Respuesta modelo

“Mi variable respuesta es si el hogar está en situación de pobreza monetaria o no, es decir, una variable dicotómica. Por eso no corresponde una regresión lineal, sino un modelo para respuesta binaria. Las variables explicativas son la educación del jefe de hogar, el número de miembros, el acceso a servicios, la tenencia de tierra y la actividad principal.”

03¿Por qué eligió ese modelo y no otro?

Qué busca el jurado

Es la pregunta central de la carrera: el jurado quiere una justificación técnica, no una preferencia.

Cómo responder

Relaciona la elección con el tipo de respuesta, la estructura de los datos, los supuestos y el objetivo, sea explicar o predecir. Menciona qué alternativas descartaste y por qué.

Respuesta modelo

“Elegí la regresión logística binaria porque la respuesta es dicotómica y mi objetivo es explicar el efecto de cada factor con razones de probabilidades interpretables. Descarté el modelo de probabilidad lineal porque puede dar probabilidades fuera del intervalo de cero a uno, y el probit porque da resultados muy parecidos pero coeficientes menos intuitivos para los usuarios de política social.”

04¿Su objetivo es explicar o predecir?

Qué busca el jurado

Verificar que el tesista entiende que esa diferencia cambia la forma de elegir y validar el modelo.

Cómo responder

Di cuál es tu objetivo y cómo eso influyó en el modelo, en las métricas y en la validación.

Respuesta modelo

“Mi objetivo es predecir qué clientes de la caja municipal de Piura caerán en morosidad en los siguientes seis meses. Por eso priorizo la capacidad predictiva en datos nuevos, medida con el área bajo la curva ROC en un conjunto de prueba, por encima de la interpretación de cada coeficiente. Si mi objetivo fuera explicar, habría puesto más peso en la significancia y la interpretabilidad.”

05Formule su hipótesis. ¿Cómo la contrasta estadísticamente?

Qué busca el jurado

Comprobar que la hipótesis está planteada en términos de parámetros y tiene una prueba asociada.

Cómo responder

Plantea la hipótesis de investigación y tradúcela a hipótesis nula y alternativa sobre parámetros del modelo.

Respuesta modelo

“Mi hipótesis es que el modelo SARIMA pronostica el volumen facturado con menor error que el suavizamiento de Holt Winters. La contrasto comparando los errores de pronóstico de ambos modelos en los últimos 24 meses, que no usé para estimar, con la prueba de Diebold Mariano, cuya hipótesis nula es que ambos modelos tienen igual precisión.”

06¿Cuál es el alcance de sus resultados?

Qué busca el jurado

Comprobar que el tesista sabe a qué población y a qué nivel de desagregación puede inferir.

Cómo responder

Delimita la población a la que infieres, el periodo y las condiciones bajo las que el modelo es válido.

Respuesta modelo

“Mis estimaciones son representativas de los hogares rurales de Ayacucho para el año de la encuesta, porque usé los factores de expansión y el diseño muestral de la ENAHO. No puedo inferir a nivel de provincia, porque la encuesta no fue diseñada para ese nivel y los errores estándar serían demasiado grandes.”

07¿Qué aporta su tesis frente a estudios anteriores?

Qué busca el jurado

Saber si el tesista identifica su contribución metodológica frente a lo publicado.

Cómo responder

Señala la mejora metodológica, el tipo de datos o la comparación de modelos que añades.

Respuesta modelo

“Los estudios previos sobre pobreza rural que revisé estiman la regresión logística tratando la ENAHO como si fuera una muestra aleatoria simple. Mi aporte es incorporar el diseño muestral complejo, con estratos, conglomerados y factores de expansión, y mostrar cómo cambian los errores estándar y la significancia de algunos factores cuando se hace correctamente.”

Bloque 02

Fundamento teórico y estadístico.

08Explique el modelo que usó en términos matemáticos.

Qué busca el jurado

Comprobar que el tesista entiende la formulación y no solo el comando del software.

Cómo responder

Escribe o explica la ecuación del modelo, la función de enlace si la hay, los parámetros y el método de estimación.

Respuesta modelo

“La regresión logística modela el logaritmo de la razón de probabilidades de ser pobre como una combinación lineal de las variables explicativas; la función de enlace es el logit. Los parámetros se estiman por máxima verosimilitud, y con diseño complejo se usa la pseudo máxima verosimilitud, que incorpora los pesos de muestreo en la función de verosimilitud.”

09¿Qué es un diseño muestral complejo y por qué importa en su análisis?

Qué busca el jurado

Verificar que el tesista entiende el efecto del diseño en la inferencia.

Cómo responder

Explica la estratificación, los conglomerados y los pesos desiguales, y su efecto en las estimaciones y los errores estándar.

Respuesta modelo

“La ENAHO tiene una muestra probabilística, de áreas, estratificada, multietápica e independiente en cada departamento, según su ficha técnica. Los conglomerados hacen que los hogares de un mismo conglomerado se parezcan entre sí, lo que aumenta la varianza, y los factores de expansión corrigen las probabilidades desiguales de selección. Si ignoro el diseño, los errores estándar salen subestimados y puedo declarar significativo un factor que no lo es.”

10¿Qué es el efecto de diseño y cuánto le salió?

Qué busca el jurado

Comprobar que el tesista cuantificó la consecuencia práctica del diseño complejo.

Cómo responder

Define el efecto de diseño como la razón entre la varianza con el diseño real y la varianza con muestreo aleatorio simple, y da tus valores.

Respuesta modelo

“El efecto de diseño es la razón entre la varianza de un estimador bajo el diseño real y la que tendría con muestreo aleatorio simple del mismo tamaño. Para la proporción de hogares pobres en mi subpoblación obtuve un efecto de diseño de 2,3, es decir, la varianza real es más del doble de la que habría reportado ignorando los conglomerados.”

11¿Qué condiciones debe cumplir una serie para ajustar un modelo ARIMA?

Qué busca el jurado

Verificar el dominio de la estacionariedad y de la identificación del modelo.

Cómo responder

Explica la estacionariedad, cómo la evaluaste y cómo la lograste con diferenciación, y cómo identificaste los órdenes con las funciones de autocorrelación.

Respuesta modelo

“El modelo ARIMA requiere que la serie, después de diferenciarla, sea estacionaria en media y varianza. La serie de volumen facturado tenía tendencia y estacionalidad anual, así que apliqué logaritmo para estabilizar la varianza, una diferencia regular y una estacional, y verifiqué la estacionariedad con la prueba de Dickey Fuller aumentada. Los órdenes los propuse con la ACF y la PACF y elegí entre candidatos con el AIC.”

12¿Cómo funciona el algoritmo de clasificación que comparó con la regresión logística?

Qué busca el jurado

En tesis de aprendizaje estadístico, comprobar que el tesista entiende el algoritmo y sus hiperparámetros.

Cómo responder

Explica la lógica del algoritmo, sus hiperparámetros principales y cómo los ajustaste.

Respuesta modelo

“El bosque aleatorio construye muchos árboles de decisión, cada uno con una muestra bootstrap de los clientes y un subconjunto aleatorio de variables en cada división, y clasifica por votación. Ajusté el número de árboles y el número de variables por división con validación cruzada de cinco particiones, buscando el mayor área bajo la curva ROC.”

13¿Qué antecedentes metodológicos respaldan su elección?

Qué busca el jurado

Ver que el tesista conoce la literatura estadística y aplicada que sustenta su modelo.

Cómo responder

Menciona textos de referencia del método y estudios aplicados recientes que usaron modelos comparables.

Respuesta modelo

“Para el análisis de encuestas complejas me apoyo en la literatura clásica de muestreo y en la documentación del paquete survey de R. Revisé doce estudios aplicados de los últimos cinco años, ocho de ellos con la ENAHO, y solo tres incorporaban el diseño muestral, lo que justifica mi enfoque.”

Bloque 03

Metodología: datos, muestra, calidad de datos y reproducibilidad.

14¿De dónde provienen sus datos y cómo los obtuvo?

Qué busca el jurado

Comprobar la trazabilidad y la legitimidad de la fuente.

Cómo responder

Indica la fuente, el periodo, la forma de acceso, la unidad de análisis y los módulos o tablas que usaste.

Respuesta modelo

“Usé los microdatos de la ENAHO que el INEI publica en su portal de microdatos, en particular los módulos de características de la vivienda, educación, empleo y el de sumarias, que contiene la condición de pobreza. La unidad de análisis es el hogar, y uní los módulos con las variables de identificación del conglomerado, la vivienda y el hogar.”

15¿Cuál es su población y cuál su muestra?

Qué busca el jurado

Ver que el tesista distingue la población de inferencia de la muestra que proviene de la encuesta o de la base institucional.

Cómo responder

Define la población objetivo, explica que la muestra viene del diseño de la fuente y da el número de casos efectivos después de los filtros.

Respuesta modelo

“La población son los hogares rurales del departamento de Ayacucho. La muestra no la diseñé yo: son los hogares rurales de Ayacucho seleccionados por la ENAHO, que después de eliminar los registros con información incompleta en las variables clave suman 1 146 hogares. Con los factores de expansión, esa muestra representa a la población objetivo.”

16¿Cómo trató los datos faltantes?

Qué busca el jurado

Comprobar que el tesista evaluó el mecanismo de los faltantes y no eliminó casos sin pensar.

Cómo responder

Indica el porcentaje de faltantes por variable, el mecanismo que asumiste y el método que usaste, con su justificación.

Respuesta modelo

“El ingreso declarado del segundo miembro tenía 6 por ciento de faltantes y no eran completamente al azar, porque se concentraban en hogares con actividad independiente. Por eso no eliminé esos casos: usé imputación múltiple por ecuaciones encadenadas con cinco imputaciones y combiné los resultados con las reglas de Rubin. Las demás variables tenían menos de 1 por ciento de faltantes.”

17¿Cómo dividió sus datos para validar el modelo?

Qué busca el jurado

Verificar que la validación se hizo con datos que el modelo no vio, y que la división respeta la estructura de los datos.

Cómo responder

Explica la proporción de entrenamiento y prueba, el método de partición y por qué es adecuado para tus datos.

Respuesta modelo

“Separé el 70 por ciento de los clientes para entrenar y el 30 por ciento para la prueba final, con partición estratificada para mantener la misma proporción de morosos en ambos grupos. Dentro del entrenamiento usé validación cruzada de cinco particiones para ajustar hiperparámetros. El conjunto de prueba solo lo usé una vez, al final.”

18En series de tiempo, ¿por qué no usó validación cruzada aleatoria?

Qué busca el jurado

Comprobar que el tesista respeta el orden temporal de los datos.

Cómo responder

Explica que mezclar observaciones al azar usaría el futuro para predecir el pasado y describe el esquema que usaste.

Respuesta modelo

“Porque en una serie de tiempo el orden importa: una partición aleatoria permitiría que el modelo aprenda de meses posteriores a los que pronostica. Usé los primeros once años para estimar y los últimos dos para evaluar, y además una validación con origen móvil, en la que reestimé el modelo agregando un mes a la vez y pronostiqué los doce siguientes.”

19¿Cómo garantiza la calidad y la validez de sus datos?

Qué busca el jurado

Ver que el tesista entiende que con datos secundarios la validez depende de la documentación de la fuente y de una depuración documentada.

Cómo responder

Describe la documentación metodológica de la fuente, las reglas de consistencia que aplicaste y el tratamiento de valores atípicos.

Respuesta modelo

“La validez de los datos se apoya en la documentación metodológica de la fuente y en mi depuración. En la base de la empresa de agua revisé valores atípicos con descomposición STL y encontré dos meses con facturación anómala por un cambio de sistema; los confirmé con el área comercial y los corregí con la cifra conciliada que me entregaron. Cada corrección está documentada en mi código.”

20¿Su análisis es reproducible?

Qué busca el jurado

Comprobar una exigencia creciente en estadística: que otro investigador obtenga los mismos resultados.

Cómo responder

Indica el software y sus versiones, la organización del código, la semilla aleatoria y dónde está disponible.

Respuesta modelo

“Todo el análisis está en scripts de R, desde la lectura de los microdatos hasta las tablas finales, con las versiones de los paquetes registradas. Fijé una semilla para la imputación múltiple y la validación cruzada. El código está en un repositorio que indico en los anexos, y cualquier persona con acceso a los microdatos públicos puede reproducir mis resultados.”

21¿Por qué usó R o Python y no un software comercial?

Qué busca el jurado

Ver que la elección de la herramienta tiene razones técnicas.

Cómo responder

Menciona las funciones específicas que necesitabas, la reproducibilidad y la disponibilidad de paquetes validados.

Respuesta modelo

“Usé R porque el paquete survey implementa correctamente la estimación con estratos, conglomerados y pesos, incluida la regresión logística con diseño complejo, y porque los scripts permiten reproducir todo el análisis. Para el bosque aleatorio de la caja usé Python con scikit learn, porque facilita el ajuste de hiperparámetros con validación cruzada.”

Jurado simulado

Ensaya estas preguntas en voz alta antes del día.

En tu plataforma de estudio un jurado simulado te pregunta y te repregunta por voz sobre tu propia tesis, como el día de la sustentación.

Conoce tu plataforma de estudio

Bloque 04

Resultados, supuestos y validación del modelo.

22Interprete el coeficiente más importante de su modelo.

Qué busca el jurado

Comprobar que el tesista traduce el coeficiente al lenguaje del problema.

Cómo responder

Da el coeficiente, su transformación interpretable, su intervalo de confianza y su significado práctico.

Respuesta modelo

“El coeficiente de tener jefe de hogar con educación secundaria completa es negativo; su exponencial da una razón de probabilidades de 0,54, con intervalo de confianza al 95 por ciento entre 0,38 y 0,77. Significa que, manteniendo constantes las demás variables, la chance de ser pobre en esos hogares es aproximadamente la mitad que en los hogares cuyo jefe solo tiene primaria.”

23¿Qué supuestos verificó y qué pasó cuando alguno no se cumplió?

Qué busca el jurado

Es la pregunta que separa a un estadístico de un usuario de software.

Cómo responder

Enumera los supuestos de tu modelo, la prueba o el gráfico con que verificaste cada uno y la corrección que aplicaste si falló.

Respuesta modelo

“En el SARIMA verifiqué que los residuos fueran ruido blanco con la prueba de Ljung Box, que dio p igual a 0,41, y que no tuvieran heterocedasticidad condicional con la prueba ARCH. La normalidad de residuos falló por dos meses atípicos de la pandemia; los modelé con variables de intervención y, con eso, los residuos pasaron la prueba de Jarque Bera.”

24¿Cómo evaluó la bondad de ajuste?

Qué busca el jurado

Verificar que el tesista usa las medidas adecuadas para su tipo de modelo.

Cómo responder

Menciona las medidas de ajuste propias de tu modelo y sus valores, y explica por qué el R cuadrado clásico no aplica si es el caso.

Respuesta modelo

“En la regresión logística no uso el R cuadrado clásico. Evalué el ajuste con la prueba de Hosmer Lemeshow adaptada al diseño complejo, que no rechazó el ajuste, y con la capacidad de discriminación, con un área bajo la curva ROC de 0,78. También revisé la tabla de clasificación con el punto de corte elegido.”

25¿Qué métricas usó para comparar sus modelos de pronóstico?

Qué busca el jurado

Comprobar que la comparación se hizo con métricas adecuadas y fuera de la muestra de estimación.

Cómo responder

Indica las métricas, su resultado en el periodo de prueba y la prueba formal de comparación si la usaste.

Respuesta modelo

“En los 24 meses de prueba, el SARIMA tuvo un MAPE de 3,8 por ciento y una raíz del error cuadrático medio menor que Holt Winters, que tuvo un MAPE de 5,6 por ciento. La prueba de Diebold Mariano dio p igual a 0,02, así que la diferencia en precisión es significativa y no se debe solo a la variabilidad del periodo de prueba.”

26Su clase de interés era minoritaria. ¿Cómo manejó el desbalance?

Qué busca el jurado

Ver que el tesista no se dejó engañar por una exactitud alta en datos desbalanceados.

Cómo responder

Explica la proporción de cada clase, por qué la exactitud no basta y qué métricas o técnicas usaste.

Respuesta modelo

“Solo el 9 por ciento de los clientes cayó en morosidad, así que un modelo que dijera que nadie es moroso tendría 91 por ciento de exactitud y sería inútil. Por eso evalué con el área bajo la curva ROC, la sensibilidad y la precisión de la clase morosa, ajusté pesos de clase en el entrenamiento y elegí el punto de corte según el costo que la caja asigna a cada tipo de error.”

27¿Revisó multicolinealidad entre sus variables explicativas?

Qué busca el jurado

Comprobar que los coeficientes son estables e interpretables.

Cómo responder

Indica la medida usada, los valores y qué hiciste con las variables problemáticas.

Respuesta modelo

“Calculé el factor de inflación de varianza generalizado. El número de miembros y la tasa de dependencia del hogar tenían valores altos porque miden algo parecido, así que mantuve solo la tasa de dependencia, que es más interpretable. Después de ese cambio, ningún factor superó el valor de 2,5.”

28¿Qué tan bueno es su pronóstico para los próximos meses?

Qué busca el jurado

Ver que el tesista presenta la incertidumbre y no solo una cifra puntual.

Cómo responder

Presenta el pronóstico con sus intervalos de predicción y explica cómo crece la incertidumbre con el horizonte.

Respuesta modelo

“Presento el pronóstico de doce meses con intervalos de predicción al 80 y al 95 por ciento. Para el primer mes, el intervalo al 95 por ciento es estrecho, pero para el duodécimo se amplía bastante, porque los errores se acumulan. Por eso recomiendo a la empresa actualizar el modelo cada mes con el dato nuevo y no planificar el año entero con una sola corrida.”

Bloque 05

Discusión y conclusiones.

29¿Por qué el modelo más complejo no superó al más simple?

Qué busca el jurado

Medir si el tesista entiende el sobreajuste y el valor de la parsimonia.

Cómo responder

Explica la diferencia entre ajuste en entrenamiento y desempeño en prueba, y por qué un modelo simple puede generalizar mejor.

Respuesta modelo

“El bosque aleatorio tuvo un área bajo la curva casi perfecta en entrenamiento, pero en el conjunto de prueba bajó a 0,81, apenas por encima de la regresión logística, que obtuvo 0,79. Eso indica cierto sobreajuste. Como la diferencia es pequeña y la regresión logística es interpretable para los analistas de crédito, recomiendo usarla como modelo principal.”

30¿Cómo cambian sus resultados si ignora el diseño muestral?

Qué busca el jurado

Comprobar que el tesista entiende y puede mostrar el aporte de su enfoque.

Cómo responder

Compara estimaciones y errores estándar con y sin diseño, y señala qué conclusiones cambian.

Respuesta modelo

“Los coeficientes cambian poco, pero los errores estándar con diseño son entre 30 y 60 por ciento mayores. Con eso, la variable de acceso a crédito agrario, que aparecía significativa al ignorar el diseño, deja de serlo. Si no hubiera considerado el diseño, habría recomendado una política basada en un efecto que mis datos no sostienen.”

31¿Sus resultados coinciden con los antecedentes?

Qué busca el jurado

Ver que la discusión compara magnitudes y explica las diferencias.

Cómo responder

Compara tus coeficientes o métricas con los de otros estudios y atribuye las diferencias a datos, periodo, método o diseño.

Respuesta modelo

“La razón de probabilidades asociada a la educación del jefe de hogar es parecida a la de dos estudios con la ENAHO en otras regiones de la sierra. La diferencia aparece en el tamaño del hogar, que en mi estudio pesa menos; lo atribuyo a que yo uso la tasa de dependencia en lugar del número de miembros, y a que incorporo el diseño muestral.”

32¿Su conclusión responde al objetivo y a la hipótesis?

Qué busca el jurado

Verificar la coherencia entre objetivo, prueba y conclusión.

Cómo responder

Lee la conclusión general y señala en ella el resultado del contraste y lo que implica para el usuario del modelo.

Respuesta modelo

“Mi conclusión general es que el modelo SARIMA pronostica el volumen facturado con un MAPE de 3,8 por ciento en el periodo de prueba, significativamente menor que Holt Winters según Diebold Mariano. Eso responde al objetivo de identificar el mejor modelo de pronóstico y confirma la hipótesis planteada.”

33¿Qué limitaciones tiene su modelo?

Qué busca el jurado

Valorar que el tesista conoce dónde su modelo deja de funcionar.

Cómo responder

Menciona limitaciones de datos, de supuestos, de periodo y de generalización.

Respuesta modelo

“Mi modelo de morosidad se entrenó con clientes de un periodo de crecimiento económico; si cambian las condiciones, su desempeño puede deteriorarse y debe monitorearse. Tampoco incluye variables de comportamiento de pago en otras entidades, porque la caja no me dio acceso a esa información. Y la validación es interna, con datos de la misma institución.”

34¿Qué recomendaciones metodológicas deja?

Qué busca el jurado

Comprobar que el tesista proyecta mejoras concretas.

Cómo responder

Propón extensiones del modelo, nuevas variables o validaciones que superen tus limitaciones.

Respuesta modelo

“Recomiendo probar un modelo multinivel que capture la variación entre distritos, y evaluar la estabilidad de los coeficientes con varias ediciones de la ENAHO. También sugiero a futuros tesistas reportar siempre el efecto de diseño, para que los lectores sepan cuánto cambia la inferencia.”

Bloque 06

Aplicación práctica, ética y uso responsable de datos.

35¿Cómo protegió la información personal de su base de datos?

Qué busca el jurado

Evaluar el cumplimiento de la protección de datos cuando se trabaja con bases institucionales.

Cómo responder

Explica la anonimización, el acceso restringido, el uso exclusivo para la tesis y la base legal.

Respuesta modelo

“La caja municipal me entregó la base sin nombres ni documentos de identidad, con un código por cliente, y firmé un compromiso de confidencialidad. Trabajé en una computadora de la institución y solo saqué resultados agregados. La Ley 29733 de Protección de Datos Personales exige un tratamiento con consentimiento o base legal, y la anonimización previa fue la forma de cumplirla.”

36¿Su modelo de clasificación puede discriminar injustamente a algún grupo?

Qué busca el jurado

Ver si el tesista reflexionó sobre el uso ético de modelos que afectan a personas.

Cómo responder

Explica qué variables excluiste y por qué, y si evaluaste el desempeño del modelo por grupos.

Respuesta modelo

“Excluí el sexo y la edad como predictores directos, porque no quería que la caja negara créditos por esas características. Además, comparé la tasa de falsos positivos entre hombres y mujeres y entre zonas urbanas y rurales, y no encontré diferencias grandes. Recomiendo que el modelo apoye la decisión del analista y no la reemplace.”

37¿Cómo garantiza que no buscó el modelo que daba el resultado que quería?

Qué busca el jurado

Evaluar la integridad científica frente a la tentación de probar especificaciones hasta obtener significancia.

Cómo responder

Explica que la estrategia de modelamiento se definió antes y que reportas todos los modelos probados.

Respuesta modelo

“Definí en el proyecto los modelos candidatos, las métricas y el periodo de prueba antes de analizar, y en la tesis reporto todos los modelos que estimé, no solo el ganador. El conjunto de prueba lo usé una sola vez. Ajustar el modelo mirando los datos de prueba es una forma sutil de falsear resultados, conducta que el Código Nacional de Integridad Científica califica como falta grave.”

38¿Cómo citó y usó los datos del INEI?

Qué busca el jurado

Comprobar el uso correcto de una fuente oficial y el respeto de su documentación.

Cómo responder

Explica cómo citaste la encuesta, qué documentación metodológica revisaste y qué límites de uso respetaste.

Respuesta modelo

“Cité la ENAHO con su año, su ficha técnica y el portal de microdatos del INEI, y usé las variables de diseño que la documentación indica para el cálculo de varianzas. No presento estimaciones para niveles de desagregación para los que la encuesta no fue diseñada, y aclaro que los resultados son de mi análisis y no cifras oficiales.”

39¿Cómo comunicaría sus resultados a alguien que no es estadístico?

Qué busca el jurado

Medir la capacidad de traducir resultados técnicos a decisiones, algo que el jurado valora mucho.

Cómo responder

Da un ejemplo de cómo explicarías tu resultado principal sin jerga, con una cifra y una implicancia.

Respuesta modelo

“Al jefe de planeamiento de la empresa de agua no le hablaría de órdenes autorregresivos. Le diría que el modelo se equivoca en promedio menos de 4 por ciento al pronosticar el volumen del mes siguiente, que en temporada alta conviene programar más producción desde mayo y que cada mes debe actualizarse con el dato real.”

40¿Cómo se implementaría su modelo en la institución?

Qué busca el jurado

Cerrar con la aplicación profesional y la sostenibilidad del modelo.

Cómo responder

Describe quién lo usaría, con qué frecuencia se actualiza, cómo se monitorea su desempeño y qué recursos necesita.

Respuesta modelo

“Dejé un script en R que lee la base mensual de facturación, reestima el SARIMA y genera el pronóstico con sus intervalos en una hoja de cálculo. El analista de planeamiento lo ejecuta cada inicio de mes. Si el error del último trimestre supera un umbral que acordamos, el script avisa que el modelo debe revisarse.”

Errores

Los errores que más puntos cuestan.

No saber explicar por qué ese modelo y no otro. Es la pregunta que define una sustentación de Ingeniería Estadística. Responder que el modelo es el más usado o que el asesor lo sugirió es insuficiente: justifícalo por el tipo de variable respuesta, la estructura de los datos, los supuestos y el objetivo.

Ignorar el diseño muestral de una encuesta oficial. Analizar la ENAHO u otra encuesta compleja como si fuera una muestra aleatoria simple subestima los errores estándar. El jurado lo detecta en cuanto ve que no usaste estratos, conglomerados ni factores de expansión.

Validar con los mismos datos con que estimaste. Reportar el ajuste en entrenamiento como si fuera desempeño predictivo es un error grave. Muestra siempre resultados en datos que el modelo no vio, respetando el orden temporal en series de tiempo.

Mencionar supuestos sin haberlos verificado. Decir que los residuos son normales o que no hay multicolinealidad sin mostrar la prueba o el gráfico invita a que el jurado te pida la evidencia en ese momento.

Interpretar los coeficientes en lenguaje de software. Leer el número de la salida sin transformarlo ni explicarlo en términos del problema muestra que no entiendes tu modelo. Traduce cada coeficiente clave a una razón de probabilidades, una elasticidad o un cambio esperado.

Celebrar una exactitud alta con clases desbalanceadas. Una exactitud de 90 por ciento no dice nada si la clase de interés es el 10 por ciento. Usa métricas adecuadas y explica el punto de corte.

Preparación

Cómo prepararte antes de la fecha.

Días 14 a 11: escribe tu justificación del modelo. En una página, explica por qué elegiste tu modelo, qué alternativas descartaste y por qué. Escribe la ecuación del modelo, el método de estimación y la lista de supuestos con la prueba que usaste para cada uno.

Días 10 a 8: vuelve a correr todo. Ejecuta tu código desde cero y verifica que obtienes las mismas tablas de la tesis. Revisa el tratamiento de faltantes, la partición de datos, la semilla y las versiones de los paquetes. Si trabajaste con una encuesta compleja, ten a mano los efectos de diseño.

Días 7 a 5: practica la interpretación. Explica en voz alta tus coeficientes principales, tus métricas de validación y tus intervalos, primero en lenguaje técnico y luego como se lo dirías a un gerente o a un funcionario. Prepara la respuesta sobre qué pasa si un supuesto falla.

Días 4 a 2: ensaya la exposición. Entre 15 y 20 diapositivas con el problema, los datos, la justificación del modelo, los diagnósticos de supuestos, la comparación de modelos y la aplicación. Deja diapositivas de respaldo con salidas completas, gráficos de residuos y la tabla de todos los modelos probados.

Día 1: prepara materiales. Tesis impresa con pestañas en metodología, resultados y anexos de código, la laptop con el proyecto de R o Python listo para ejecutarse y la presentación en dos dispositivos.

Para practicar la defensa, entra a la plataforma de MiTítulo: con un tutor que conoce tu tesis repasas la justificación de tu modelo y tus supuestos, y con el jurado simulado por voz respondes preguntas como estas y recibes correcciones sobre lo que dijiste. Si quieres que un estadístico revise tu modelamiento o tu validación antes del día, te acompañamos. Escríbenos al WhatsApp y revisamos tu caso sin costo.

Preguntas

Preguntas sobre la sustentación de Ingeniería Estadística.

¿Qué preguntas son infaltables en una sustentación de Ingeniería Estadística?

Por qué elegiste ese modelo y no otro, qué supuestos verificaste y cómo, cómo validaste el modelo con datos que no usó para estimar, cómo interpretas tus coeficientes principales y, si usaste una encuesta oficial, cómo incorporaste el diseño muestral.

¿Tengo que llevar mi código a la sustentación?

Conviene tenerlo listo en la laptop y en los anexos. El jurado puede pedirte que muestres cómo obtuviste una tabla o que expliques un paso del procesamiento, y poder ejecutarlo en el momento demuestra que el análisis es tuyo y reproducible.

¿Es obligatorio usar el diseño muestral si trabajo con la ENAHO?

Si vas a inferir a la población, sí. La ENAHO tiene una muestra estratificada y por conglomerados con factores de expansión, y ignorar ese diseño subestima los errores estándar y puede cambiar tus conclusiones sobre significancia.

¿Qué hago si un supuesto de mi modelo no se cumplió?

Dilo y explica qué hiciste: una transformación, un modelo alternativo, errores estándar robustos o variables de intervención. El jurado valora más un supuesto que falló y fue tratado que uno que se declaró cumplido sin evidencia.

¿Puedo comparar modelos estadísticos con algoritmos de aprendizaje automático?

Sí, y es cada vez más frecuente. Lo importante es compararlos con las mismas particiones de datos y las mismas métricas, y discutir no solo cuál predice mejor, sino cuál conviene usar según la interpretabilidad que necesita el usuario.

¿Cómo practico las preguntas sobre la elección del modelo?

Defiende tu elección de modelo en voz alta frente a alguien que te contradiga. El jurado simulado por voz de la plataforma de MiTítulo cumple ese papel con preguntas sobre tu tesis y te señala qué argumento quedó débil.

Fuentes

Normas y fuentes citadas.

  • Ley 30220, Ley Universitaria, artículo 45. SUNEDU, Oficio Múltiple 017-2021. img.lpderecho.pe
  • Instituto Nacional de Estadística e Informática (INEI), Encuesta Nacional de Hogares (ENAHO), ficha técnica: muestra probabilística, de áreas, estratificada, multietápica e independiente en cada departamento, con factores de expansión. inei.gob.pe
  • Ley 29733, Ley de Protección de Datos Personales. lpderecho.pe
  • Código Nacional de Integridad Científica, Resolución de Presidencia 028-2024-CONCYTEC-P. busquedas.elperuano.pe
  • Lumley, T., paquete survey de R para análisis de encuestas complejas.

Sigue

Sigue preparándote.

Ya sabes qué te van a preguntar. Ahora practica con tu propia tesis.

Escríbenos al WhatsApp y revisamos tu caso sin costo. Te respondemos en menos de 15 minutos, de 8:00 a.m. a 9:00 p.m., todos los días.

Escríbenos al WhatsApp
Revisamos tu caso sin costo
Revisamos tu caso sin costo