Rendón Mayorga, César GuillermoBorda Muñoz, Andrés Hernando2025-08-292025-08-292025http://hdl.handle.net/20.500.12209/21426En este trabajo de grado se presentan los resultados de la implementación de las técnicas multivariadas análisis de componentes principales (PCA por sus siglas en inglés) y análisis de clusters (k-means) a una base de datos de las pruebas educativas SABER-11. Las técnicas implementadas en Python mediante el entorno de desarrollo de Google Colab, identificarón tres clusters de estudiantes (Bajo, Medio y Alto rendimiento) definidos por sus puntajes y características socioeconómicas como el acceso a internet y el estrato. Se concluye que estas técnicas son efectivas para segmentar y comprender la estructura de los datos de pruebas estandarizadas, revelando perfiles de rendimiento diferenciados.application/pdfspahttps://creativecommons.org/licenses/by-nc-nd/4.0/Estadística MultivariadaPrueba SABER 11Análisis de componentes principalesAnálisis de clustersMultivariate statisticsSABER 11 TestPrincipal component analysisCluster analysisinfo:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2instname:Universidad Pedagógica Nacionalreponame: Repositorio Institucional UPNrepourl: http://repositorio.pedagogica.edu.co/Attribution-NonCommercial-NoDerivatives 4.0 International