577 Libro Didctica Estocstica

577
2
577
ndice
Introduccin ......................................................................................... 5
Modulo 1. La investigacin del pensamiento estocstico
Unidad 1: La investigacin del pensamiento estocstico
Leccin 1: Estocstica: Estadstica y Probabilidad .................................
Leccin 2: Investigacin sobre el aprendizaje de la Estocstica ..............
Unidad 2: Investigaciones sobre el desarrollo del pensamiento estocstico
Leccin 3: Cultura, Razonamiento y Pensamiento Estadstico ..................
Leccin 4: Desarrollo del Pensamiento Estadstico...................................
Modulo 2. Estocstica en la realidad
Unidad 3: Estocstica, sus aplicaciones y didctica
Leccin 5: Aplicaciones de la Estadstica................................................
Leccin 6: Aplicaciones de la Probabilidad..............................................
Leccin 7: Aplicaciones de la Estocstica y su Didctica...........................
Leccin 8: Proyectos y enseanza de la Estocstica ................................
Modulo 3. Estocstica en el Currculo
Unidad 4: Estocstica en los planes y programas
Leccin 9: La Estocstica en los Programas de Estudio ...........................
Leccin 10: La Estocstica en Programas de Estudio Internacionales ........
Unidad 5: La Estocstica y los Materiales Curriculares
Leccin 11: La Estocstica y los Materiales Curriculares ..........................
Unidad 6: La enseanza de la estocstica
Leccin 12: Diseo de Entornos de Aprendizaje......................................
Leccin 13: Prcticas de Enseanza en la Escuela ..................................
Anexos .................................................................................................
3
Didctica de la Estocstica
4
577
Introduccin
El volumen que se encuentra en sus manos es el material instruccional de la
asignatura Didctica de la Estocstica. Este es un curso para estudiantes de
Educacin en la Mencin Matemticas, quienes se desempean o desempearan,
como docentes de Matemticas de la III Etapa de la Educacin Bsica, as como
de la Educacin Media Diversificada y Profesional. La Estadstica y la Probabilidad
forman parte de los contenidos que debe trabajar un profesor de matemticas en
los niveles educativos antes sealados. De all que la meta del presente curso sea
poner en contacto al estudiante con los principales avances logrados por la
investigacin en didctica de la estocstica, con miras a brindarle elementos que
le permitan lograr slidos conocimientos, tericos y prcticos, sobre la enseanza
de la Estocstica, de manera que sus alumnos aprendan de manera eficaz
Probabilidad y Estadstica.
Este curso es uno de los elementos innovadores del nuevo diseo curricular de
la carrera de Educacin mencin Matemticas. Hasta donde conocemos, es el
primer curso dedicado a la didctica de la Estadstica y la Probabilidad que se
dicta en Venezuela, tanto para la formacin de profesores para Educacin Bsica
como de Media Diversificada y Profesional.
Una pregunta que debe surgir en este momento es por qu este curso no se
denomin Didctica de la Estadstica y la Probabilidad. Tambin ha podido
denominarse Educacin Estadstica o Didctica de la Estadstica, entre otras
posibilidades. Internacionalmente uno de las expresiones ms utilizadas es
Educacin Estadstica, esto se debe en parte a la fuerte influencia que tiene el
idioma ingls en el mundo actual, ya que esa expresin usualmente es una
traduccin de Statistics Education, que se utiliza para sealar el campo que se
ocupa de la enseanza de la estadstica y la probabilidad. No obstante, se prefiri
servirse de Didctica de la Estocstica, ya que el trmino didctica se utiliza para
aludir a aspectos de las prcticas de enseanza, as como de la investigacin de
esas prcticas. Mientras que el vocablo estocstica se utiliza como abreviatura de
las reas de Estadstica y Probabilidad. Por lo tanto con Didctica de la
Estocstica se estara sealando de forma resumida al campo que se ocupa de las
prcticas de enseanza de la estadstica y la probabilidad, as como tambin de la
investigacin de esas prcticas. Sin embargo, en ocasiones se utiliza como forma
alterna la expresin Educacin Estadstica o Didctica de la Estadstica.
Para el cumplimiento de la meta propuesta, se ha estructurado un curso en
tres mdulos, seis unidades y trece lecciones. En el tratamiento de cada leccin
se ha incorporado el material ms actual del que se dispona para el momento de
su elaboracin. Se ofrece a los estudiantes de Educacin en la Mencin
Matemticas un conjunto de lecciones que lo pueden ayudar en su labor de
ensear Estocstica en la III Etapa de la Educacin Bsica y en la Educacin
Media Diversificada y Profesional.
Cada leccin tiene un tiempo estimado de cuatro horas semanales de estudio.
En ese tiempo debe leer en forma detallada el material presentado y realizar las
actividades que se presentan. En la medida que trabaje con el material es
pertinente que recurra a su experiencia, como estudiante o docente en ejercicio,
de tal manera de comprender mejor los conceptos involucrados en la asignatura.
5
Sin embargo, el trabajo no tiene porque quedar all. Como estudiante
universitario, debe complementar lo tratado en este material con otras fuentes,
para lograr as otra perspectiva del tema que estudia. Es por ello que este
material se acompaa con una Seleccin de Lecturas, donde encontrar material
complementario a varias de las lecciones.
Asimismo, usted debera recurrir tambin a la discusin constructiva con
compaeros y colegas como posibles fuentes de experiencias y conocimientos. El
trabajo en grupo bien llevado ayuda a esclarecer dudas y que tanto usted como
sus compaeros tengan oportunidad de aprender. Lo importante es que se
dedique con seriedad al estudio de la asignatura.
Escribir un material para la enseanza siempre es un riesgo, ms todava si el
material es como en este caso para la educacin a distancia y en un rea donde
se desarrollan actualmente diversas investigaciones alrededor del mundo. Poner
por escrito el conjunto de lecciones que conforman este material es un riesgo que
asumimos como un paso inicial para el desarrollo de un material ms acabado,
aunque nunca culminado del todo. Es all donde los estudiantes, usuarios directos
del material, juegan un papel de mucha importancia. Aspiramos que nos hagan
llegar por escrito sus comentarios, crticas y/o sugerencias a travs de la valija
de la universidad o de la direccin electrnica asalced@gmail.com. El compromiso
es que todas sern consideradas para la elaboracin de nuevas versiones de este
material, que pueda ser utilizado por los estudiantes que siguen en la carrera.
Profesor Audy Salcedo
Caracas, octubre 2006
6
577
MDULO 1
La investigacin del pensamiento estocstico
Obetivo del Mdulo!
Distinguir los principales mtodos, problemas y resultados de la investigacin en
didctica de la estocstica y sus perspectivas de evolucin e implicaciones para
su enseanza.
"#$D%D 1! La investigacin del pensamiento estocstico
O&'E($)O DE L% "#$D%D!
Identificar diferentes tendencias en la investigacin en didctica de las
matemticas sobre el aprendizaje de la estocstica.
CO#(E#$DO*:
Teoras e investigacin en la enseanza, aprendizaje y evaluacin de la
estocstica. Concepciones alternas de los estudiantes en la estocstica. Creencias
e interpretaciones de la probabilidad y la estadstica. Visin estocstica de la
realidad. Raza, Gnero, Injusticia, repitencia, creencias y concepciones.
"#$D%D 2! Investigaciones sobre el desarrollo del pensamiento
estocstico
O&'E($)O DE L% "#$D%D!
Comprender las caractersticas de desarrollo del pensamiento estocstico en
jvenes y adolescentes.
CO#(E#$DO*:
Cultura, Razonamiento y Pensamiento estocstico. Desarrollo y madurez del
pensamiento estocstico del estudiante. Dificultades en el aprendizaje de la
estocstica.
7
8
577
Unidad 1
Leccin 1
Estocstica: Estadstica y Probabilidad
En esta leccin se trabajan dos conceptos bsicos para la Didctica de la
Estocstica: la Estadstica y la Probabilidad; particularmente, algunas
consideraciones sobre lo que se entiende por cada una de ellas. La concepcin
que se tenga sobre estas dos reas influir sobre la forma en que se enfocar su
enseanza y como se evaluar su aprendizaje. Si se entiende la estadstica y a la
probabilidad como reas estticas, donde todo est definido, entonces se
ensear en correspondencia a esta concepcin. Si se concibe como reas
meramente tericas entonces durante la enseanza las aplicaciones se quedarn
de lado. Siempre la concepcin que se tenga sobre un rea influir sobre la forma
que se ensea, de all que se comience por lo que se entiende por Estadstica y
Probabilidad.
Estadstica
Si se busca la palabra Estadstica en el Diccionario de la Real Academia
Espaola se encontrar que proviene del alemn y tres definiciones o acepciones:
f. Estudio de los datos cuantitativos de la poblacin, de los recursos naturales e
industriales, del trfico o de cualquier otra manifestacin de las sociedades
humanas. 2. f. Conjunto de estos datos. 3. f. Rama de la matemtica que utiliza
grandes conjuntos de datos numricos para obtener inferencias basadas en el
clculo de probabilidades. Sin embargo, la definicin que con mayor frecuencia se
puede encontrar en muchos diccionarios es Estad!stica, rama de las matemticas
que se ocupa de reunir, organizar " analizar datos numricos. La definicin de
estadstica es uno de los puntos de discusin permanentes en el seno de esta
rea.
La palabra estadstica, por s sola, se utiliza en varias formas. Para la mayora
de los ciudadanos, esa palabra est asociada a publicaciones oficiales que
recogen conjuntos de cifras respecto a un fenmeno en particular, por ejemplo,
accidentes de trnsito, nacimientos ocurridos, estudiantes por niveles educativos.
Para otros significa un conjunto de datos como los que se pueden encontrar en
los medios de comunicacin. En este caso realmente se estn refiriendo a
Estad!sticas, en plural, es decir, el grupo de datos estadsticos, organizados para
mostrar el comportamiento de un fenmeno de inters.
La asociacin de la palabra estadstica con conjunto de cifras no es gratuita ya
que inicialmente se utiliz en ese sentido. Sin embargo, la Estadstica es ms que
la recoleccin, organizacin y anlisis de datos.
9
Snchez - Crespo y Manzano (2 002) indican que una caracterstica de la
Estadstica, a travs del tiempo, es la gran cantidad de definiciones que se han
escrito sobre lo que debe entenderse por estadstica. Estos autores coinciden con
M.G. Kendall, quien seala que "la definicin de Estadstica ha sido una materia
que ha dividido a lo largo de la historia a los propios estadsticos. Desde Quetelet,
quien la consideraba la reina de las ciencias, hasta autores que la definen como
una tcnica ms, al servicio de otras ramas del conocimiento (p. 6). Ellos indican
que W.F. Willcox, en 1935, reuni 115 definiciones de Estadstica y aport una
ms para sustituirlas. El intento de Willcox al parecer fue fallido, ya que el
nmero de definiciones ha seguido aumentando, incluso Snchez - Crespo y
Manzano aportan una definicin ms:
Ciencia que se ocupa del estudio de fenmenos de tipo genrico,
normalmente complejos y enmarcados en un universo variable,
mediante el empleo de modelos de reduccin de la informacin y de
anlisis de validacin de los resultados en trminos de
representatividad (p. 10)
Estos autores sealan que, definida de esta forma, se evita la innecesaria
discusin sobre si la Estadstica es o no una rama de las Matemticas, a la vez
que establece su carcter genrico y su campo de accin en el estudio de
fenmenos complejos ubicados en un universo amplio y variable.
Rivas Gonzlez (1 979) en su definicin de estadstica plantea otros puntos de
discusin sobre lo que es estadstica: "... consideramos la estadstica, no como
una ciencia, sino como un conjunto de mtodos, que en lo sucesivo llamaremos
Mtodos Estadsticos (p. 4). Es la Estadstica una ciencia o un conjunto de
mtodos? Es una rama de la Matemtica? Kruskal (1 973) evita considerar estas
discusiones y define a la estadstica como:
La estadstica tiene por objeto el proceso de inferencia, y en particular
el planteamiento y anlisis de experimentos o encuestas, la naturaleza
de los errores de las observaciones y fuentes de variabilidad, que
oscurecen los modelos fundamentales, y el resumen eficiente de
conjuntos de datos (p. 391)
Kruskal define a la estadstica como una tcnica que est interesada no slo
describir los datos, sino tambin en generalizar lo observado en ellos para un
conjunto mayor (la poblacin) del cual fueron seleccionados. En cambio, Moore
(1 997) afronta los puntos histricos de discordia y sienta su posicin:
La estadstica es la ciencia de los datos. Con ms precisin, el objeto
de la estadstica es el razonamiento a partir de datos empricos. La
estadstica es una disciplina cientfica autnoma, que tiene sus
mtodos especficos de razonamiento. Aunque es una ciencia
matemtica, no es un subcampo de la Matemtica. Aunque es una
disciplina metodolgica, no es una coleccin de mtodos (p. 104).
El punto que presenta Moore es muy interesante. Los datos empricos, objeto
de la estadstica segn esta definicin, son nmeros recolectados con una
finalidad especfica en un contexto determinado. Por lo que los nmeros y
medidas estadsticas que se calculen tienen significado en el contexto donde se
les recolect. Para el clculo de un coeficiente de correlacin de Pearson slo se
requiere sumar, multiplicar, dividir, extraer una raz cuadrada, bsicamente
10
577
aritmtica; pero calcular el coeficiente de correlacin de Pearson y dar el
resultado no es Estadstica. Estadstica era la decisin de calcular ese coeficiente
y no otro, de acuerdo con la situacin que se analiza y los objetivos del estudio.
Estadstica es interpretar el resultado, analizar su representatividad y validez,
sobre la base del contexto donde se calcul y los resultados logrados en otras
oportunidades; con la intencin de generar una informacin.
Batanero (2 001) considera que la definicin de Cabria (1994) refleja
adecuadamente lo que es la estadstica hoy en da:
La estadstica estudia el comportamiento de los fenmenos llamados
de colectivo. Est caracterizada por una informacin acerca de un
colectivo o universo, lo que constituye su objeto material; un modo
propio de razonamiento, el mtodo estadstico, lo que constituye su
objeto formal y unas previsiones de cara al futuro, lo que implica un
ambiente de incertidumbre, que constituyen su objeto o causa final (p.
9).
En esta definicin destacan varios elementos importantes para la estadstica,
como lo son: el estudio de fenmenos colectivos, un modo propio de
razonamiento, las previsiones de cara al futuro en situaciones de incertidumbre.
Los fenmenos colectivos y la incertidumbre son caractersticas propias de la
sociedad actual, el pensamiento estadstico ayuda a comprender esos fenmenos
y a tomar decisiones en ambientes de incertidumbre.
Otro punto que surge al hablar de la definicin de la Estadstica es lo referente
a sus ramas o divisiones. Algunos optan por dividirla en estadstica terica y
aplicada, otros en estadstica descriptiva e inferencial, siendo esta ltima la ms
clsica. La estadstica descriptiva tiene como finalidad recolectar, organizar,
resumir y analizar los datos de un colectivo, (mediante la utilizacin de tablas,
grficos y medidas estadsticas) con la finalidad de caracterizarlo y descubrir
regularidades en sus elementos. Slo se desea describir el conjunto de datos. La
estadstica inferencial agrupa a todos aquellos mtodos que hacen posible la
estimacin de una o ms caractersticas de la poblacin o la toma de decisiones
referente a una o ms poblaciones. Esto incluye el diseo de experimentos,
aspecto que suelen descuidar los investigadores inexpertos. La probabilidad es
gran aliado de la estadstica inferencial, su desarrollo permiti ampliar el alcance
de las aplicaciones estadsticas. La probabilidad ayuda a conocer la cantidad de
datos necesarios en un estudio de inferencia estadstica y a determinar la
confiabilidad de las inferencias realizadas.
Esta forma de clasificar la estadstica pareciera omitir al anlisis exploratorio
de datos y al anlisis multivariante. El anlisis exploratorio de datos fue
introducido por John Tukey y su esencia es la bsqueda de patrones en los datos.
Los datos se inspeccionan, no para responder preguntas especficas como es la
prctica de la inferencia clsica, sino para identificar sus caractersticas sin
preguntas especficas. De esta manera el anlisis exploratorio precede a la
inferencia estadstica o anlisis confirmatorio.
11
John Tukey (1915 - 2000) fue un graduado en qumica que
se doctor en matemtica y se convirti en estadstico
debido a lo que l llam la experiencia con los problemas y
datos reales. Tukey desarroll el anlisis exploratorio de
datos diferencindolo del anlisis confirmatorio de datos,
pensaba que primero haba que indagar "qu dicen los
datos? En su libro Exploratory Data Analysis (1977) expone
la filosofa de su propuesta, en la cual le da preponderancia
grfica estadstica. En esa lnea invento dos instrumentos
importantes de la estadstica actual; los diagrama de tallo y
hoja (Stem-and-Leaf Diagram) y los de caja y bigote (Box-
and-Whisker Plot).
El anlisis multivariante, en un sentido amplio, son todos los mtodos
estadsticos que analizan simultneamente medidas mltiples de cada unidad de
anlisis de una investigacin. Esto significa que cualquier anlisis simultneo de
ms de dos variables se considera multivariante. Desde el punto de vista terico,
todas las tcnicas del anlisis multivariante actuales fueron desarrolladas hace
ms de treinta aos, sin embargo, debido a los complicados clculos que ellas
conllevan, slo eran conocidas por un limitado grupo de estadsticos. El desarrollo
de la informtica, tanto en software como en hardware, permiti automatizar los
complicados clculos que sustentan al anlisis multivariante. Con ello se logr
poner a disposicin de la mayora de los investigadores estas importantes
tcnicas de anlisis.
La estadstica en la actualidad es un instrumento altamente efectivo para
describir y analizar conjuntos de datos, tanto de las ciencias naturales como de
las ciencias sociales. Los profesionales de la estadstica colaboran con equipos
interdisciplinarios en el diseo de experimentos y el anlisis de cantidades o
caractersticas cuantitativas, al seleccionar las tcnicas apropiadas para un mejor
tratamiento e interpretacin de los resultados.
%ctividad 1.1
Compare y contraste las definiciones de estadstica y los comentarios sobre stas
presentados anteriormente. Seale las principales semejanzas y diferencias.
+robabilidad
Al igual que la estadstica la probabilidad no parece resumirse en una
definicin nica. La probabilidad inicialmente surge como un conocimiento
emprico asociada a los juegos de azar y posteriormente es cuando entra en el
mundo de la matemtica. Es clsica la referencia a una carta que enva Antoine
Gombaud, el Caballero de Mer, a Pascal plantendole algunas preguntas sobre
resultados al jugar a los dados. Pascal se interes en las preguntas y comenz
con Fermat un intercambio de cartas de las cuales se dice dieron origen a
elementos bsicos de la teora de la probabilidad.
Sin embargo, ya antes Cardano haba escrito su logra El #iber de #udo $leae,
donde se encuentran las primeras consideraciones razonadas en relacin a los
juegos de azar, as como una teora rudimentaria de probabilidad. El libro fue
12
577
escrito alrededor de 1 550, sin embargo, no fue publicado hasta 1663. Cardano
dio una definicin spera de probabilidad como una proporcin de eventos
igualmente probables: la probabilidad de un resultado particular era la suma de
las posibles maneras de lograr ese resultado dividido por "el circuito entero",
entendiendo este como la totalidad de posibles resultados de un evento.
Alguno de los libros que se publicaron en esa poca son: %e Ratiociniis en
#udo $leae de Christiaan Huygens (1 657), el primer texto en la teora de
probabilidad publicado, all se da fundamento matemtico a los conceptos de
probabilidad. $rs conjectandi (1713) de Jacques Bernoulli, donde estudia la
distribucin binominal y su clebre teora que da para esta distribucin la
expresin matemtica de la propiedad de estabilidad de las frecuencias relativas.
&he %octrine of Chances (1 738) de De Moivre, donde al parecer aparecen las
primeras indicaciones sobre las distribucin normal de probabilidades. &heor!e
$nal"tique des probabilits (1812) de Laplace, donde aparece una exposicin
completa y sistemtica de la teora matemtica de los juegos de azar, adems de
una gran cantidad de aplicaciones de la teora de la probabilidad a muchas
cuestiones cientficas y prcticas. Laplace era un firme creyente en el
determinismo y consideraba que la probabilidad slo exista por nuestra
ignorancia. Ms tarde Kolmogorov proporcionara una axiomtica satisfactoria
para sustentar la teora de las probabilidades, sin embargo, queda pendiente un
problema.
+robabilidad Clsica
La definicin clsica indica que la probabilidad de ocurrencia de un evento se
define como el cociente de la divisin del nmero de resultados favorables a un
evento entre el total de resultados posibles.
Los crditos de haber escrito la llamada definicin clsica de probabilidad se le
otorgan a Laplace, quien indic: Si todos los resultados del experimentos pueden
ser considerados equiprobables, se define la probabilidad de un evento A (P(A))
como el cociente entre el nmero de elementos de A y el nmero total de
elementos del espacio muestral. Sin embargo, algunos historiadores afirman que
esta definicin ya haba sido mencionada por Leibniz en 1 678 y Jacques Bernoulli
en 1 705.
Un supuesto bsico para la aplicacin de la definicin clsica de probabilidad
es la de eventos equiprobables: cada uno de los resultados posibles del
experimento aleatorio debe ser igualmente posible. Esta condicin indispensable
para la utilizacin de la definicin clsica, es tambin una limitante para su
utilizacin.
La definicin clsica es adecuada cuando se utiliza en juegos de azar como por
ejemplo ruletas normales, monedas no alteradas o dados no cargados, ya que en
estos casos se puede calcular la probabilidad de ocurrencia de un evento sin
necesidad de realizar el experimento aleatorio. No obstante, no es til cuando se
habla de la probabilidad de que llueva el 22 de julio de este ao o cul es la
probabilidad de que ocurra un accidente areo, ya que la probabilidad clsica
supone una especie de simetra en el mundo.
A pesar de las limitaciones de esta definicin, es la que se presenta con mayor
frecuencia a los estudiantes de Educacin Bsica y Media.
+robabilidad ,recuencial
13
Con esta definicin se determina qu tan frecuentemente ha ocurrido en el
pasado el evento de inters y se utiliza esa informacin para predecir la
probabilidad de que suceda en el futuro. Es por ello que la probabilidad
frecuencial se define como la frecuencia relativa observada de un evento durante
un gran nmero de intentos.
Tambin se define como el cociente de la divisin entre el nmero de veces
que ha ocurrido un evento en un perodo determinado entre en nmero total de
ensayos realizados. Es evidente que un supuesto de esta definicin es que los
fenmenos aleatorios considerados son repetibles. Esto significa que la
probabilidad de un evento cambia al realizar un nuevo ensayo, por lo tanto el
nmero que se obtiene como probabilidad ser ms preciso en la medida que
aumentan los ensayos realizados. Es por ello que tambin se define como el
lmite de una razn entre el nmero de veces que se registr ese resultado y el
nmero total de observaciones repetidas.
Esta definicin se utiliza desde hace muchos aos, especialmente para
determinar las probabilidades de ocurrencia nacimientos, defunciones,
accidentes, etc. Este clculo orienta sobre las primas que deben cobrar los
seguros.
+robabilidad *ubetiva
La probabilidad subjetiva est basada en la creencia que tiene una persona
sobre la posibilidad de ocurrencia de un evento. Se define como la probabilidad
asignada a un evento por parte de un individuo, basada en la evidencia que se
tenga disponible. La evidencia depende de la persona puede ser simplemente una
creencia del individuo o los datos que dispone sobre la ocurrencia del evento en
el pasado, de all su denominacin como subjetiva.
Para algunos se trata de una relacin cuasi lgica, donde se establece una
asociacin entre el evento y la evidencia de que dispone la persona; el valor
numrico que proporciona la persona representa el grado de creencia sobre la
posible ocurrencia del evento. La probabilidad subjetiva es juicio individual y por
tanto diferente al cambiar de individuo, siempre y cuando tengan distintos grados
de creencia sobre los posibles resultados; todos se consideran vlidos.
La definicin clsica y la frecuentista parten de la posibilidad de repeticin del
experimento aleatorio, pero en ocasiones las situaciones se presentan slo una
vez o un nmero reducido de ocasiones. En esos casos algunas personas hacen
uso de la probabilidad subjetiva, las decisiones se toman con base a la evidencia
disponible y la visin personal de quien hace el juicio. Muchas decisiones de tipo
poltica, social, econmica, administrativa se toman haciendo uso de la
probabilidad subjetiva, al encontrarse antes situaciones que se presentan por
primera vez. La decisin simplemente expresa el grado de creencia o confianza
individual sobre la verosimilitud relativa de que ocurra un evento incierto,
representa las "apuestas que se hacen sobre la concurrencia de ese evento.
Los matemticos y estadsticos parecen estar de acuerdo en los aspectos
referentes al clculo de probabilidades, sobre todo despus de los planeamientos
de Kolmogorov, el problema, como indica Mataln, es a qu se le calcula esa
probabilidad. Mataln (citado por Serrano 1996) expresa: de modo ms o menos
e'pl!cito, todos los tericos admiten que el clculo de probabilidades formaliza
algo que, en cierto sentido (e'iste) en todas partes* las divergencias se, refieren
14
577
a la naturaleza de ese (algo), el cual estar!a representado a travs de la
probabilidad matemtica. El problema que plantea este autor tiene que ver con
cules fenmenos se consideran o no aleatorios, lo cual a su vez est relacionado
con la nocin de aleatoriedad.
%ctividad 1.2
1. Compare y contraste las definiciones de probabilidad presentados
anteriormente. Seale las principales semejanzas y diferencias.
2. Mendenhall, Beaver y Beaver (2 002) sealan "la probabilidad de un
evento A es una medicin de nuestra creencia en que ocurrir el evento A.
Una manera prctica de interpretar esta medicin es con el concepto de
frecuencia relativa (p.123). Con este planteamiento, los autores parecen
indicar que toda probabilidad es subjetiva. Esta usted de acuerdo con ese
planteamiento? Argumente su respuesta
3. Lea el artculo #a aleatoriedad, sus significados e implicaciones educativas
de Batanero y Serrano (UNO, 5, 15-28). Sobre la base de la lectura
indique si modificara su prctica como docente al tratar los temas de
aleatoriedad y probabilidad. Argumente su respuesta.
-e.erencias
Batanero, C. (2 001). %idctica de la Estad!stica. Granada: Grupo de
Investigacin en Educacin Estadstica, Departamento de Didctica de la
Matemtica, Universidad de Granada
Batanero, C. y Serrano, L. (1 995). La aleatoriedad, sus significados e
implicaciones educativas. +,-. Revista de %idctica de las /atemticas,
01, 15 - 28
Kruskal, W. H. (1 973). Estadstica. En: D. L. Sills (Ed.) Enciclopedia
2nternacional de las Ciencias Sociales. (pp. 390 - 403). Mxico: Aguilar.
Mendenhall, Beaver y Beaver (2 002) Introduccin a la Probabilidad y la
Estadstica. Mxico: Thomson
Moore, D. (1 997). New Pedagogy and New Content: The Case of Statistics.
2nternational Statistical Revie3, 41, 123 - 165.
Rivas Gonzlez, E. (1 979). Estad!stica 5eneral. Caracas: Ediciones de la UCV
Snchez-Crespo B., G y Manzano A., V. (2 002). Sobre la definicin de
Estadstica. 6iptesis $lternativa. Boletn de IASE para Espaa, Mxico y
Venezuela. Vol. 3 N 2. Disponible en:
http://www.ugr.es/~iase/Hipotesis.htm
Serrano, L. (1996). Significados institucionales " personales de objetos
matemticos ligados a la apro'imacin frecuencial de la ense7anza de la
probabilidad. Tesis Doctoral. Granada: Universidad de Granada.
15
577
16
577
Unidad 1
Leccin
!nvestigacin sobre el aprendi"a#e de la Estocstica
Esta leccin est dedicada al estudio de algunos de los resultados ms
importantes de la investigacin respecto al aprendizaje de la estocstica. La
investigacin, como en otras reas del saber humano, es esencial para el
desarrollo de la didctica de la estocstica. Afortunadamente, esa investigacin
ha crecido en cantidad y calidad en los ltimos aos en diferentes partes del
mundo. En la medida que se la ha dado mayor nfasis a la estocstica en los
distintos niveles educativos, tambin ha crecido el inters por investigar sobre la
enseanza, aprendizaje y evaluacin de la estadstica y la probabilidad.
Batanero (2002) indica inicialmente la investigacin era muy dispersa, pero
que se ha consolidado con el tiempo, particularmente porque los investigadores
han tomado conciencia de la importancia de intercambio acadmico con sus
pares. Este intercambio se logra a travs de las publicaciones (Journal for
Research in Mathematics Education, Educational Studies in Mathematics,
Teaching Statistics, Journal of Statistics Education, Statistics Education Research
Newslette), la participacin en eventos (2nternational Conference on &eaching
Statistics - 2C-&S, International Congress on Mathematics Education - ICME,
European Research in Mathematics Education Conference - CERME) y la
adscripcin a asociaciones profesionales (International Association for Statistics
Education - IASE, American Statistical Association - ASA, Royal Statistical
Society - RSS). Todos estos son mecanismos dan impulso y difusin a la
investigacin que se desarrolla alrededor de la Educacin Estadstica.
Es muy variada la gama de investigaciones que se realizan en educacin
estadstica para conocer cmo se comprenden los conceptos de estadstica y
probabilidad. Una parte importante de las investigaciones se centran en las
concepciones o intuiciones elementales, las concepciones errneas o las falacias
en el pensamiento tanto del profesor como del estudiante. Algunos de los
resultados ms importantes en este aspecto se resumen a continuacin.
+roblemas en el anlisis de los datos estadsticos
Los errores y dificultades que manifiestan los estudiantes en relacin con la
estadstica son bastante variados, en este apartado se comentan algunos de
ellos. Se han seleccionado algunos tpicos de acuerdo con su relevancia para la
estadstica y para brindar una visin amplia del problema tratado.
/r.icos
Las representaciones grficas son fundamentales en estadstica, adems, es la
forma ms comn y conveniente de presentar los datos recolectados, de tal
manera que sea compresible para un pblico heterogneo. La constante aparicin
17
de grficos en los medios de comunicacin exige que el ciudadano sea capaz de
leer e interpretar correctamente la informacin all presentada, as como valorar
la evidencia presentada. Batanero (2 001) indica que, en ocasiones, los
profesores suponen que la elaboracin de tablas y grficos es muy sencilla, por lo
que dedican poco tiempo a su enseanza. De igual manera, la Estadstica
auspicia el desarrollo del pensamiento crtico, basado en la valoracin de la
evidencia presentada.
Curcio (1 989, citado por Batanero 2 001) indica que los estudiantes suelen
quedarse en la lectura de los grficos. Este autor distingue cuatro niveles
diferentes en la comprensin de los grficos: (a) Lectura del grfico (leer los
datos). Se requiere una lectura literal del grfico; no se realiza interpretacin de
la informacin contenida de ste. Es el nivel ms bsico, est referido a la
comprensin de los elementos del grfico. (b) Interpretar los datos (leer dentro
de los datos), interpretacin e integracin de los datos en el grfico, comparar
cantidades y el uso de otros conceptos y destrezas Matemticas. (c) Hacer
inferencia (leer ms all de los datos), realizar predicciones e inferencias a partir
de los datos, extraer informacin que no se refleja directamente en el grfico.
Requiere del conocimiento del contexto donde se extraen los datos. (d) Valorar
los datos (leer detrs de los datos), evaluar la confiabilidad y completitud de los
datos; cmo hacer un juicio sobre si realmente las preguntas de la encuesta
miden la prctica de deporte o cmo podramos medirlo de una forma ms fiable.
Curcio indica que los estudiantes presentan dificultades en los niveles
interpretacin de los datos, hacer inferencia y valorar los datos, aunque en
general ellas disminuyen con el proceso de formacin.
Al construir un grfico, los estudiantes incurren en errores como: (a) eleccin
de las escalas de representacin poco adecuadas para el objetivo que se
pretende, (b) omitir las escalas en alguno de los ejes horizontal o vertical, o en
ambos, (c) no especificar el origen de coordenadas. Algunas personas
seleccionan los grficos sin considerar las caractersticas de las variables que
desean representar, utilizan grficos reservados a variables cuantitativas para
representar variables cualitativas o viceversa. Por ejemplo, utilizan un polgono
de frecuencia con variables cualitativas o un diagrama de barras para representar
la evolucin del ndice de produccin industrial a lo largo de una serie de aos.
Este problema parece agravarse con la utilizacin de programas de computacin
que permiten la realizacin de grficos. Muchos alumnos seleccionan el grfico
por su "valor esttico, ms que por las caractersticas de la variable, la audiencia
a la que va dirigida u otros factores. Li y Shen (citado por Shaughnessy 1992)
%ctividad 2.1
Un presentador de TV mostr este grfico y dijo: "El grfico muestra que hay un
enorme aumento del nmero de robos comparando 1998 con 1999".
18
577

Consideras que la afirmacin del presentador es una interpretacin razonable del
grfico? Argumenta tu respuesta.
Fuente: PISA 2003
La media aritm0tica
Algunas investigaciones presentan evidencias sobre dificultades, que tienen
estudiantes universitarios, respecto a la media, tanto conceptuales como
procedimentales. Para Pollatsek, Lima y Well (1981) un porcentaje importante de
los estudiantes universitarios tiene dificultades para entender la necesidad de
ponderar los datos mediante el clculo de la media. Las evidencias indican que,
para muchos estudiantes, enfrentarse a la media es ms un acto de clculo que
conceptual. Otros estudiantes universitarios atribuyen propiedades inexistentes a
la operacin de hallar la media aritmtica, como la asociatividad, clausura a las
operaciones de clculo de medias, existencia de elemento neutro y elemento
inverso. Por ejemplo, pensaban que era posible "promediar promedios
(clausura) simplemente hallando la sumatoria de los promedios y dividiendo
entre el nmero de ellos (Mevarech, 1983).
Algunos estudiantes universitarios confunden la media con la moda y la
mediana, ya que al preguntarles por el significado de la expresin "el salario
medio de un empleado es 8 499 dlares) ofrecieron como respuesta: "la ma"or!a
de los empleados gana alrededor de 8 499 dlares), o "es el salario central* los
otros trabajadores ganan ms o menos de 8 499 dlares) (Eisenbach, citado por
Batanero 2 001). Los significados incorrectos atribuidos a la media pueden
clasificarse en cuatro categoras: valor ms frecuente (confusin con la moda),
valor razonable (significado coloquial), punto medio (confusin con la mediana) y
algoritmo (la media vista nicamente como el algoritmo de clculo) (Russell y
Mokros, citados por Batanero 2 001).
Una investigacin realizada con docentes en formacin muestra la existencia
de errores conceptuales y dificultad de aplicacin prctica de los conocimientos
sobre los promedios. Estas fallas pueden deberse a que la enseanza de los
promedios, habitualmente, se centra en la presentacin de los algoritmos,
frmulas y muy poca aplicacin, considerndola slo en casos "tpicos. Se le
otorga poca importancia a la interpretacin de los resultados, y la reflexin sobre
las condiciones de aplicacin de los procedimientos estadsticos, lo cual no
19
permite a los alumnos comprender el significado integral del concepto (Batanero,
Godino y Navas, 1 997).
Correlacin 1 regresin
Al parecer los estudiantes universitarios tienen escasa capacidad para estimar
la correlacin, salvo cuando sta es muy fuerte y est de acuerdo con sus teoras
previas. Cuando las teoras previas contradicen los datos presentados, aparece la
correlacin ilusoria. Se denomina correlacin ilusoria "cuando percibimos que
existe una correlacin basndonos en nuestras propias teoras, pero no existe
ningn hecho emprico que las sustente (Murphy y Medin, 1985, citado por
Estepa y Batanero, 1995). Existen cuatro concepciones sobre la asociacin
estadstica fuertemente arraigadas en los estudiantes: (a) Concepcin
determinista de la asociacin: cuando el estudiante slo admite un relacin uno a
uno entre los valores de la variable independiente y los de la variable
dependiente. Ellos consideran que para un valor de la variable independiente,
slo debe existir un valor de la variable dependiente. (b) Concepcin
unidireccional de la asociacin: cuando el estudiante nicamente considera la
existencia de asociacin cuando es positiva, la asociacin negativa es considerada
como independencia. (c) Concepcin local de la asociacin: cuando el estudiante
realiza el juicio de asociacin basndose en parte de los datos presentados y no
en todos; si la parte de los datos considerada presenta un tipo de asociacin,
adopta este tipo para todo el conjunto de datos. (d) Concepcin causal de la
asociacin: cuando el estudiante exige la existencia de relacin causal para
afirmar la existencia de asociacin. Algunas de estas concepciones parecer ser
resistentes al cambio, incluso despus de la instruccin. Es importante destacar
que algunas de las concepciones errneas de los estudiantes podran tener su
origen en los libros de texto. (Batanero, Estepa, Godino y Green, 1996 y Estepa y
Batanero, 1995).
Algunos estudiantes universitarios tienen dificultades al calcular el coeficiente
de correlacin, as como en el clculo de la recta de regresin. Asimismo, tienen
dificultades para relacionar conceptos analticos con conceptos estadsticos,
interpretar correctamente los valores que definen a la ecuacin de la recta de
regresin, el corte de la recta con el eje de ordenadas o la recta de regresin
pasa por el punto definido por las dos medias. Todo esto trae como consecuencia
la disminucin de la capacidad de utilizar la recta de regresin con eficacia.
Tambin presentan confusiones entre el sentido y la intensidad de la correlacin
y entre la variable dependiente e independiente. Son dificultades importantes a
tener en cuenta en la planificacin de la enseanza.
Muchos de estos resultados reseados necesitan ser investigados en diferentes
mbitos y con ms profundidad; sin embargo, pueden considerarse como indicios
de lo complejo que puede ser para los estudiantes este tema y la necesidad de
investigar.
(eorema del lmite central
El teorema del lmite central establece que, en condiciones muy generales, las
medias de muestras aleatorias de mediciones extradas de una poblacin tienden
a poseer una distribucin aproximadamente normal. Adems, el teorema
establece que la media de la distribucin muestral de medias es igual a la media
de la poblacin muestreada y que la varianza de la distribucin muestral es
menor que la de la poblacin. En la medida que se consideran tamaos de
20
577
muestra mayor, la distribucin muestral de medias se aproxima ms a la normal
y su dispersin se hace menor.
Este teorema es fundamental para la estadstica inferencial, ya que brinda
sustento terico que evita tener que extraer infinitas muestras para el estudio de
la poblacin. Mndez (1 991 citados por Batanero 2 001) define dos niveles de
comprensin de este importante teorema: (1) las habilidades y conocimientos
que permiten resolver los ejercicios tipo presentados en los libros de texto,
(2) capacidad de aplicacin a situaciones reales. Al estudiar el nivel de
comprensin de este teorema en estudiantes universitarios, este autor encontr
que slo alguno de los estudiantes de la muestra se ubica en el nivel dos. En
general la comprensin se limita casi exclusivamente al nivel uno. Muy pocos
estudiantes son capaces de dar una explicacin intuitiva de su significado o
aplicarlo a casos reales.
,ormulacin de 2iptesis 1 sus pruebas
La formulacin de hiptesis es un proceso primordial en la inferencia
estadstica y en la que normalmente los estudiantes tienen serias dificultades. Un
error muy comn es formular las hiptesis a partir de los estadsticos, y no con
relacin a los parmetros. Este error puede deberse a la falta de familiaridad con
la notacin, pero tambin puede tener su origen en la incomprensin del sentido
inferencial de la prueba de hiptesis. Los estudiantes tambin confunden los
parmetros con las variables dependientes del problema, no logran plantear las
hiptesis a partir de las expresiones verbales del problema planteado (traduccin
a expresiones matemticas) o no logran establecer relaciones entre las hiptesis
formuladas y la unilateralidad o bilateralidad de la prueba.
La falta de comprensin de los estudiantes (y no pocos investigadores) de la
lgica del contraste puede tener razones epistemolgicas. Lo que hoy
comnmente se denomina contraste de hiptesis tiene tres posiciones
fundamentales: la de Fisher, la de Neyman - Pearson y la de Bayes. Para Fisher,
la prueba es de significacin y se utiliza para confrontar una hiptesis nula con
las observaciones. Las observaciones slo permiten rechazar la hiptesis, nunca
confirmarla. Un concepto fundamental es el valor p, el cual indica la fuerza de la
evidencia contra la hiptesis.
Para Neyman - Pearson, la prueba es un contraste entre dos hiptesis: la nula
y la alternativa. Es una regla de conducta inductiva, es un instrumento para la
toma de decisiones. A partir de una hiptesis que se supone cierta, se calculan
las probabilidades de las muestras particulares. Aceptar una hiptesis slo
significa decidir realizar una accin en lugar de otra, y no implica que uno
necesariamente crea que la hiptesis es cierta.
La posicin bayesiana admite la probabilidad subjetiva, la asignacin de
probabilidad de acuerdo con el conocimiento que se tenga del problema en
estudio. Permite calcular una probabilidad a posteriori, en funcin de la
informacin obtenida, por lo que aparentemente constituye una solucin al
clculo inductivo de la probabilidad de una hiptesis.
A pesar de las diferencias existentes entre las tres escuelas, en la actualidad
algunos profesores y libros de texto presentan los contrastes estadsticos con
elementos de todas ellas. De Fisher, se mantiene: (a) la inferencia se basa en
una probabilidad condicional; (b) la probabilidad de obtener los datos suponiendo
21
que 69 es cierta, (c) que 69 y 6: son mutuamente excluyentes y
complementarias. De Neyman - Pearson se toma que 69 es la hiptesis de no
diferencia, que el nivel de significacin debe escogerse antes de analizar los
datos y debe mantenerse constante, as como los dos tipos de error. De Bayer,
algunos investigadores toman la forma de interpretar los resultados (Batanero,
2 001).
Todo esto contribuye para que los estudiantes no logren comprender la
complejidad de la lgica de las pruebas de hiptesis, por lo cual buscan
mecanismos para simplificar el proceso y mecanizarlo. Por ello, slo logran una
comprensin procedimental de las pruebas y tienen muchas dificultades para
aplicar estas tcnicas en situaciones concretas en la realidad.
#ivel de signi.icacin
El nivel de significacin () es un concepto clave para el contraste de
hiptesis, y se define como "la probabilidad de rechazar una hiptesis nula, en el
caso de ser cierta, que se resume matemticamente como: = P (Rechazar H0
H0 cierta). Esto es una probabilidad condicional que significa, por ejemplo, que
cuando = 5%, que, en promedio, 5 de cada 100 veces en que la hiptesis nula
sea cierta, ser rechazada.
Estudiantes universitarios, con una buena preparacin estadstica y
comprensin de la idea de probabilidad condicional, presentan errores en la
interpretacin del nivel de significacin. Ellos consideran que un nivel de
significacin del 5% se interpreta como "que, en promedio, 5 de cada 100 veces
que rechacemos la hiptesis nula, estaremos equivocados. Al parecer, en estos
estudiantes predomina la concepcin del contraste como prueba probabil!stica de
la hiptesis, que los lleva a comprender el nivel de significacin como la
probabilidad a posteriori de la hiptesis nula. Es por ello que lo comprenden como
P (H0 sea cierta H0 ha sido rechazada), donde los sucesos de la probabilidad
condicional aparecen intercambiados. Otra posible causa se puede encontrar en
la definicin del nivel de significacin como la "probabilidad de cometer un error
de tipo I, expresin que comnmente se encuentra en los libros, pero que no
indica explcitamente que se trata de una probabilidad condicional. Los
estudiantes de la muestra, adems, revelaron falta de comprensin de las
relaciones existentes entre el nivel de significacin y otros elementos del
contraste de hiptesis como la distribucin del estadstico y las regiones de
rechazo y no rechazo (Falk, 1 986; Vallecillos y Batanero, 1 996).
)alor p
Este es un concepto que proviene de las pruebas de significacin de Fisher y la
idea es usarlo como un elemento de la fuerza probatoria de los datos contra la
hiptesis nula. En la medida que en p es menor, mayor es la evidencia en contra
de H0. No hay una norma que indique cun pequeo debe ser el valor p para que
el resultado sea estadsticamente significativo. Para Fisher, este valor es
arbitrario y debe estar ligado a la situacin que se evala, no obstante, considera
que un buen valor para comparar con p es 0,05. El valor p es el mximo
admisible para considerar los datos como significativos. Fisher indica que la
comparacin con el valor p lleva a dos posibles decisiones: rechazar la hiptesis
nula o reservarse el juicio por falta de evidencia.
22
577
Con frecuencia, se interpreta el valor p como la probabilidad de que la
hiptesis nula sea cierta, por lo tanto, un resultado significativo debe
comprenderse como que es muy improbable que H0 sea cierta. Otra
interpretacin errnea del valor p es considerarlo como indicador de la
probabilidad de que el resultado obtenido se deba al azar. Cohen (1 994) indica
que la mayora de las personas desea responder a la pregunta "dados estos
datos, cul es la probabilidad que H0 sea cierta? Esto es diferente a la pregunta
central de este proceso: "si H0 es cierta, cul es la probabilidad de que estos
datos sean extremos?.
La mayora de los programas estadsticos presentan el valor p como ndice de
juicio en el resumen de los contrastes de hiptesis, lo cual ha contribuido a la
difusin y utilizacin de p como elementos de decisin en el contraste estadstico.
No obstante, el uso de los programas unidos a una comprensin deficiente de la
probabilidad, as como la presencia de sesgos en su interpretacin, estar
ayudando a generar explicaciones errneas como las sealadas. La interpretacin
incorrecta de la probabilidad puede ser una fuente de error en la comprensin del
valor p.
Diferentes autores (Cohen, 1 990, 1 994, Thompson, 1 996, Robinson y Levin,
1 997, Wilkinson, 1 999, Cahan, 2 000, Levin y Robinson, 2 000, Krueger, 2 001,
Fan, 2 001, Guenther, 2 002, Markus, 2 002, Thompson, 2 002) han realizado
sealamientos con relacin al uso inapropiado que hacen algunos investigadores
de la estadstica en sus trabajos. La American Psychological Association (APA)
conform el Task Force on Statistical Inference (TFSI), un comit para el estudio
del problema del uso de la estadstica en sus publicaciones. Los acuerdos del
comit TFSI fueron presentados por Wilkinson (1 999) en el artculo Statistical
methods in psychology journals: Guidelines and explanations, con
recomendaciones especficas sobre el uso de la estadstica en la elaboracin de
artculos sobre investigaciones, que podran ser enviados a las publicaciones de la
APA. Asimismo, algunas revistas especializadas han realizado cambios en su
poltica editorial. En ellas se sugiere a los investigadores no centrar su trabajo
exclusivamente en el contraste de hiptesis y les recomienda reportar tambin el
tamao de los efectos, los intervalos de confianza y los valores p exactos, as
como reforzar la interpretacin y el anlisis de resultados con el uso de grficos
(Wilkinson, 1999, Thompson, 2002).
%ctividad 2.2
1. Considere el siguiente enunciado: Hay 10 personas en un ascensor, 4
mujeres y 6 hombres. El peso medio de las mujeres es de 58 kgs y el de
los hombres de 72. Cul es el peso medio de las 10 personas del
ascensor? Resulvalo. Proponga el problema a tres docentes que dicten
clases de matemtica en I o II etapa de Educacin Bsica. Propngaselo
tambin a tres docentes de matemtica de III etapa de Educacin Bsica o
Educacin Media. Solicteles que registren sus respuestas por escrito (una
hoja para cada uno). Analice las respuestas proporcionadas por los
docentes. Establezca si hay diferencia entre los dos grupos de docentes.
Elabore un breve informe con los resultados.
2. Lea el artculo Significado " comprensin de las medidas de posicin
central de Batanero (+,-, 0999, 01, ;:<1=>. Sobre la base de la lectura
23
indique si modificara su prctica como docente al tratar las medidas de
posicin central. Argumente su respuesta.
Di.icultades en la comprensin de la probabilidad
A los razonamientos incorrectos respecto a situaciones probabilsticas se les
conoce en la literatura especializada como sesgos en la interpretacin de la
probabilidad, se entiende por esto el conjunto de respuestas incorrectas que
tienen un origen similar. Algunos sesgos son producto de la aplicacin de
heursticas para la solucin de situaciones probabilsticas. Prez Echeverra
(1 990, citada por Serrano, 1 996) define a las heursticas como "mecanismos
por los que reducimos la incertidumbre que produce nuestra limitacin para
enfrentarnos a la complejidad de estmulos ambientales. Las heursticas pueden
ser muy tiles, pero su uso inapropiado en probabilidad puede generar errores de
razonamiento probabilstico. Las heursticas ms comunes identificadas en las
investigaciones son la representatividad y la disponibilidad. Las heursticas de la
representatividad y la disponibilidad le permiten al sujeto resumir cantidades
grandes de informacin y ofrecer rpidamente una conclusin; aunque a menudo
tambin da lugar a ideas falsas, particularmente con relacin a la probabilidad.
Shaugnessy (1 992) indica que las investigaciones realizadas en los ltimos
veinte aos han encontrado constantes evidencias que apoyan el uso de estas
heursticas. A continuacin se presentan los sesgos de mayor importancia que
reporta la investigacin.
-epresentatividad
Las personas que aplican la heurstica de la representatividad estiman la
probabilidad de un evento considerando hasta qu punto un resultado representa
algn aspecto de la poblacin considerada. Las preguntas que parecen plantearse
quienes utilizan esta heurstica son como las siguientes: qu probabilidad tiene
el objeto X de pertenecer a los objetos de tipo Y? Cul es la probabilidad que un
evento X se produzca luego del evento Y? Cul es la probabilidad de que un
evento Y produzca un suceso X? Preguntas de este tipo permiten evaluar a los
sujetos si X es representativo de Y. Si X es muy parecido a Y, (X es
representativo de Y) entonces la probabilidad de que X se derive de Y es muy
alta. Si al contrario, X es poco parecido a Y, entonces, se le considera poco
representativo y, por lo tanto, la probabilidad de que X provenga de Y ser
considerada baja. La representatividad se manifiesta de las siguientes formas:
?alacia del apostador o efecto negativo de presencia reciente. Al lanzar varias
veces una moneda y presentarse una seguidilla de caras, algunos sujetos creen
que aumentan las posibilidades de que en el prximo lanzamiento salga un sello.
Esto se conoce como la falacia del jugador o el efecto negativo de presencia
reciente. Segn esta falacia, luego de una corrida o seguidilla de resultados
iguales en un experimento aleatorio, lo ms seguro es que en el prximo intento
se obtenga un resultado diferente. Esa interrupcin de la seguidilla ayudar a que
se produzca una sucesin ms representativa de la totalidad de resultados
posibles del experimento aleatorio. Que la seguidilla contine en el prximo
lanzamiento es menos probable, ya que se hilara una secuencia menos
representativa de la totalidad de resultados posibles. De acuerdo con esto, cada
desviacin de resultados en una direccin va seguida por un desequilibrio
24
577
semejante, pero de direccin opuesta para restaurar el equilibrio "lgico, sin dar
mayor importancia al nmero de ensayos realizados (Kahneman y Tversky,
1 972). Quienes as razonan desestiman el denominado teorema de Bernoulli
conocido corrientemente como la ley de los grandes nmeros. Bernulli indica que
cuando la probabilidad de ocurrencia de un evento p es desconocida, se puede
lograr una buena estimacin de p al hallar la proporcin de xitos en un nmero
grande de ensayos. La probabilidad estimada (x/N) y la verdadera probabilidad
de p pueden diferir en algo, pero esa diferencia disminuye al aumentar el nmero
de ensayos.
?alacia del !ndice base. Sacrificio de la informacin probabilstica, sobre la
posible ocurrencia de un fenmeno, en beneficio de informacin cualitativa por la
supuesta representatividad de sta. Por ejemplo, a un grupo de sujetos se le
indica que una poblacin conformada por un 30% de ingenieros y 70% de
abogados, y de ella se extrae una persona al azar con las siguientes
caractersticas: hombre, de 45 aos, conservador, ambicioso y no est interesado
en la poltica. Luego se les pregunta: lo ms probable es que la persona descrita
sea abogado o ingeniero? Las respuestas abrumadoramente indican que se trata
de un ingeniero.
La razn es que la descripcin parece ser "ms representativa de un
estereotipo de ingeniero. Las personas que as responden parecen confiar ms en
las descripciones y desprecian la informacin de ndice de base. En este caso, el
70% del grupo es abogado, mientras que el 30% es ingeniero, por lo que podra
esperarse que al seleccionar una persona al azar lo ms probable es que sea
abogado. Sin embargo, pereciera que la descripcin es un mejor indicador, creen
que se trata de una representacin precisa de los atributos de una parte de la
poblacin y menosprecian la informacin cuantitativa confiable de los ndices de
base, las cuales no parecen tener mucho efecto sobre sus predicciones en cuanto
a la ocupacin de la persona.
2nsensibilidad al tama7o de la muestra. Es la confianza excesiva en la
muestra, siempre que el estadstico sea similar al valor considerado como
parmetro, sin considerar la cantidad de elementos que la conforma. Las
personas que presentan este sesgo consideran, por ejemplo, que obtener 7 caras
al lanzar 10 veces una moneda equivale a obtener 70 caras luego de 100
lanzamientos de la moneda. Para ellos, no hay diferencias entre la posibilidad de
obtener 2 caras en 3 lanzamientos de una moneda, 20 de 30 lanzamientos de
la misma moneda 200 de 300 lanzamientos. Ellos confan, en forma impropia,
en las pequeas muestras; suponen que cada serie de repeticiones de un
experimento aleatorio debe reproducir todas las caractersticas de la poblacin,
sin importar qu tan limitadas sean dichas series. Estos sujetos les asignan la
misma probabilidad de ocurrencia a una media de altura mayor de 180 cm, para
muestras de 1000, 100 y 10 hombres. Todo parece indicar que la similitud entre
una medida tomada en una muestra (estadstico) y una medida tomada en la
poblacin (parmetro) no depende de la cantidad de elementos que se
consideren. Por lo tanto, cuando las probabilidades son evaluadas por
representatividad, el valor de un estadstico es independiente del tamao de la
muestra. Existe poco aprecio por los estudios de la variabilidad del muestreo o se
desconocen (Tversky y Kahneman, 1 974).
Conceptos errneos sobre secuencias aleatorias. Algunas personas consideran
que si una familia tiene seis hijos, lo ms probable es que los nacimientos
25
ocurran en la secuencia HMHMHM donde H indica hombre y M mujer. Ellos
estiman que esa secuencia es ms probable que otras como HHHHMH o
HHHMMM, ya que se creen que HMHMHM parece representativa de la distribucin
50 - 50 de mujeres y hombres; que se supone ocurre en la poblacin. Por esa
misma razn, estas personas descartan la posibilidad de ocurrencia de
consideran que la secuencia MMMHHH. Las personas que as razonan esperan
que las sucesiones de eventos aleatorios representen siempre las caractersticas
esenciales de ese evento, sin importar qu tan larga es la sucesin examinada.
Ellos parecen ignorar que, desde un punto de vista normativo, las 64 secuencias
tienen la misma probabilidad de ocurrir. (Kahneman y Tversky, 1 972, Tversky y
Kahneman 1 974).
Disponibilidad
Tambin es llamado sesgo de la imaginacin. Cuando la persona estima la
probabilidad de un evento, de acuerdo con la facilidad o disponibilidad para
construir ejemplos de ese acontecimiento, se considera que emplean la heurstica
de la disponibilidad. Se gua slo por la informacin que se tiene sobre hechos
semejantes, por valoracin de la informacin disponible. Su uso inapropiado
genera el sesgo de disponibilidad o de la informacin disponible, en evaluaciones
o interpretaciones de probabilidad. Una experiencia que se ha realizado en varias
oportunidades (por ejemplo, Tversky y Kahneman, 1 974) es solicitarle a sujetos
considerar las palabras del idioma ingls que tienen a la letra - en la primera o
en la tercera posicin. Luego se le pregunta cul de los dos tipos de palabras es
ms probable encontrar en ese idioma. La mayora de los sujetos responde que la
- tiene ms posibilidades de aparecer en la primera posicin. Sin embargo, en
ese idioma la - es mucho ms frecuente en la tercera posicin que en la primera.
Todo parece indicar que la respuesta de los sujetos est sesgada por la facilidad
para evocar las palabras. Se estima que las palabras que comienzan con R son
ms fciles de generar que las que la tienen en la tercera posicin, por lo que se
piensa que las primeras son ms frecuentes. Algo similar ocurre cuando se les
pregunta a las personas sobre la vocal ms frecuente en el espaol. La mayora
indica la a por la facilidad que tiene para recordar palabras que contengan esa
vocal, aunque en realidad es la e.
En los casos anteriores, las personas parecen guiarse slo por la informacin
que se tiene sobre hechos semejantes, por valoracin de la informacin
disponible. La disponibilidad es un reflejo de nuestra propia percepcin de la
frecuencia relativa, lo que puede influir en las decisiones que se tomen en ciertas
circunstancias. Esta heurstica generalmente est asociada a experiencia y
perspectivas personales, por lo que en general son limitadas, por ello tambin se
le denomina el sesgo de la imaginacin (Tversky y Kahneman, 1 973, 1 974).
E3uiprobabilidad
Los individuos que muestran el sesgo de equiprobabilidad consideran que el
resultado del experimento "depende del azar" y, en consecuencia, todos los
resultados son igualmente posibles. Para ellos, pareciera existir una asociacin
entre azar y equiprobabilidad. Ante la pregunta si se lanzan dos dados, existe la
misma probabilidad de obtener dos veces un 5 que de obtener un 5 y un 6? Los
resultados, en diferentes contextos, con sujetos de diferentes edades, indican
que la mayora de los sujetos considera los dos eventos como igualmente
probables. Al parecer, este sesgo se debe a que las personas no logran
26
577
establecer conexiones entre los modelos combinatorios con experimentos
aleatorios.
La presencia de este sesgo tambin puede deberse a que los contactos
iniciales en la educacin formal respecto a la probabilidad se hace a travs de su
concepto clsico, el cual se basa en experimentos aleatorios donde todos los
eventos son igualmente probables. Generalmente, se inicia el estudio de la
probabilidad con experimentos aleatorios, cuyos resultados son todos igualmente
probables, por ejemplo, lanzamientos de dados, extraccin de una carta de un
mazo, lanzamiento de una moneda equilibrada. En este tipo de experimento
aleatorio, se utiliza la frmula de Laplace para asignar las probabilidades. Las
personas que presentan este sesgo parecen estar aplicando el concepto clsico
de probabilidad a situaciones donde los eventos no son equiprobables.
Consideran que todos los eventos asociados a un experimento aleatorio deben
ser equiprobables como los estudiados en los primeros grados, es lo que
Brousseau (1 983) denomina un obstculo didctico. Este tipo de estudiante, al
parecer, se qued slo con el concepto clsico de probabilidad, lo aplic en
algunas situaciones escolares con xito, por ello lo considera eficiente y aplicable
a otras situaciones que involucren probabilidad. Estos estudiantes no encuentra
razones para cambiar o modificar su concepcin, por lo cual ese concepcin se
convierte en un impedimento para el aprendizaje de nuevos conceptos (Lecoutre,
Durand y Cordier, 1 990, Lecoutre, 1 992, Lecoutre y Fischbein, 1 998). Al
parecer, la forma como se ensea la probabilidad en la escuela tiene mucho que
ver con el posible origen de este sesgo. La enseanza de la probabilidad debe
brindarle al estudiante la posibilidad de: (a) establecer relaciones entre la
combinatoria y los eventos aleatorios, (b) discriminar entre las situaciones donde
se puede o no aplicar el concepto clsico de probabilidad.
En.o3ue en el resultado aislado
Algunas personas interpretan situaciones probabilsticas de forma
determinista. Algunas personas pueden interpretar el pronstico "para hoy se
tiene un 70% posibilidad de lluvia como "hoy va a llover. Consideran que el
evento es seguro por estar su probabilidad de ocurrencia muy cercana al 100%.
Asimismo, cuando un evento tiene una probabilidad de ocurrencia menor al 50%,
estas personas entienden que la probabilidad de ocurrencia de ese evento es
baja, incluso lo estiman como de difcil ocurrencia. A esta forma de
razonamiento, Konold (1 989) la denomin el acercamiento del resultado o
enfoque en el resultado aislado.
Las personas que presentan este sesgo interpretan las situaciones
probabilsticas comparando la probabilidad dada con los valores 0%, 50% y
100%. Si la probabilidad de interpretar se encuentra cerca de los extremos (0%
100%), el evento ser considerado como imposible o seguro, respectivamente.
Mientras que, si est cercana al 50%, algunos lo consideran como eventos
"realmente aleatorios, no es verdaderamente un pronstico y no se sabe qu
puede pasar.
Este tipo de razonamiento sugiere dificultades para comprender el concepto
frecuentista de la probabilidad, el cual se utiliza para establecer la probabilidad
de ocurrencia de fenmenos aleatorios no equiprobables, pero con los cuales es
posible efectuar una serie de ensayos idnticos. La probabilidad de un evento en
particular se estima sobre la base de su frecuencia relativa en una larga cadena
27
de experimentos y ella slo orienta sobre la probabilidad de ocurrencia de ese
evento. Los sujetos que utilizan el enfoque en el resultado aislado consideran que
esa probabilidad es para predecir el xito o fracaso de un evento en un nico
ensayo. De all que al encontrarse, por ejemplo, con una probabilidad frecuencial
cercana a 1, consideren que es seguro que el evento ocurra en el prximo ensayo
(Konold, 1 989, 1 995, Konold et al.1 993; Serrano, Batanero y Ortiz de Haro,
1 996).
%ctividad 2.3
1. Considere el siguiente enunciado: Un Centro Meteorolgico est
evaluando la precisin de sus boletines meteorolgicos. Buscaron sus
registros de aquellos das en los que el meteorlogo haba informado
que habla un 70 por ciento de probabilidades de lluvia. Compararon
estas predicciones con los registros que indicaban si llovi o no en esos
das en particular. La prediccin del 70 por ciento de probabilidades de
lluvia puede considerarse muy precisa, si llovi entre el:
a. 95 y el 100 por ciento de esos das
b. 85 y el 94 por ciento de esos das
c. 75 y el 84 por ciento de esos das
d. 65 y el 74 por ciento de esos das
e. 55 y el 64 por ciento de esos das
Proponga el problema a tres docentes que dicten clases de matemtica
en I o II etapa de Educacin Bsica y a tres docentes de matemtica de
III etapa de Educacin Bsica o Educacin Media. Solicteles que
registren sus respuestas por escrito (una hoja para cada uno). Analice
las respuestas proporcionadas por los docentes. Establezca si hay
diferencia entre los dos grupos de docentes. Elabore un breve informe
con los resultados.
2. Lea el artculo 2nterpretacin de Enunciados de @robabilidad, en su
acepcin ?recuencial, por Estudiantes Espa7oles " Aenezolanos de
Salcedo (2 000). Sobre la base de la lectura indique si modificara su
prctica como docente al tratar la probabilidad. Argumente su
respuesta.
45acia donde se dirige la $nvestigacin en Didctica de la Estocstica6
Batanero, Garfield, Ottaviani y Truran (2 000) indican que uno de los
problemas de quienes investigan en Educacin Estadstica es la falta de
reconocimiento acadmico y sealan que una forma de lograrlo es definir "Qu es
la Investigacin en Educacin Estadstica" y convencer a otros de su validez como
disciplina cientfica. Para Batanero, Garfield, Ottaviani y Truran (2 000), si bien
se han propuesto algunas agendas de investigacin (Shaughnessy, 1 992 y
Shaughnessy, Garfield y Greer, 1 996), consideran que todava se necesita "una
mayor reflexin y discusin para clarificar qu debemos considerar como
investigacin en educacin estadstica, cmo establecer la validez de los
resultados de la investigacin, cules cuestiones deben ser estudiadas
prioritariamente, y qu marcos tericos y mtodos de investigacin deberan
recomendarse para llevar a cabo esta investigacin (p. 3).
28
577
Para Batanero et al (2 000) algunas de las preguntas siguientes son relevantes
para la comprensin de la educacin estadstica
Qu modelos psico-pedaggicos nos pueden ayudar a comprender el
desarrollo del razonamiento estadstico y como podemos usar estos
modelos para facilitar este desarrollo?
Qu teoras de enseanza-aprendizaje pueden contribuir a comprender y
explicar la enseanza y aprendizaje de la estadstica?
Qu entornos y mtodos de aprendizaje se corresponden con los
diferentes modelos de aprendizaje o de desarrollo cognitivo?
Deberamos adaptar algunas teoras sobre enseanza y aprendizaje al
caso especfico de la enseanza y aprendizaje de la estadstica?
En qu sentido la enseanza y aprendizaje de la estadstica es especficos
y cmo se relaciona con la enseanza y aprendizaje de la matemtica y de
otras disciplinas?
Cmo influye el contexto cultural en la transferibilidad de los resultados
de la investigacin?
Qu conocimiento base necesitamos para realizar una investigacin de
calidad en educacin estadstica? Cul es la mejor forma de preparar los
investigadores que sean capaces de desarrollar una buena investigacin
en este campo? Debiramos tratar de identificar y organizar un programa
para preparar investigadores en educacin estadstica?
Pero Batanero et al (2 000) consideran que la investigacin en Educacin
Estadstica debe ayudar a responder algunas preguntas ms especficas, alguna
de ellas son:
Cules son las diferencias entre cultura estadstica, razonamiento
estadstico y pensamiento estadstico? Cules son las metas de desarrollo
de los estudiantes de estos tipos de procesos cognitivos y cmo
evaluarlos?
Qu tipo de actividades, demostraciones, simulaciones y explicaciones
(del profesor, materiales multimedia y/o libro) pueden ayudar al
estudiante a construir una comprensin profunda de los conceptos
estadsticos, frente a una mera comprensin superficial de algoritmos y
procedimientos?
Cules son los efectos de las herramientas tecnolgicas sobre el
aprendizaje de los estudiantes?
Cmo ayudar a los estudiantes con escasos conocimientos matemticos a
comprender la inferencia estadstica?
Cmo hacer conscientes a los profesores de las actividades idneas para
usar en sus clases y mejorar el aprendizaje de los estudiantes?
Cules son las concepciones de los profesores sobre la probabilidad y
estadstica?
Estas ideas de Batanero et al (2 000) fueron discutidas por educadores
estadsticos de todo el mundo. Bacelar-Nicola, Bright, Chadjipadelis, Cordani,
29
Glencross, Ito, Jolliffe, Konold, Lajoie, Marie-Paule Lecoutre, Bruno Lecoutre,
Pfannkuch y Pratt escribieron algunas reacciones al artculo de Batanero et al.
Estas reacciones fueron estudiadas y respondidas de forma sucinta. Algunos de
los puntos que estacan Batanero et al (2 000) son:
Pareciera haber acuerdo sobre la dificultad de realizar investigacin en
educacin estadstica.
Parte de la investigacin en educacin estadstica proviene de la educacin
matemtica, por lo cual los marcos tericos y metodolgicos de la
educacin matemtica son muy importantes para la educacin estadstica.
Si bien es cierto que hay importante lazos con la educacin matemtica,
se considera que son dos disciplinas diferentes.
La Psicologa es otra rea de apoyo de la investigacin en educacin
estadstica. Desde hace mucho tiempo los investigadores en psicologa
han estado interesados por el pensamiento estocstico y en su desarrollo,
han realizado importantes aportes al conocimiento terico este aspecto y
lo continan.
Se considera que se ha logrado un importante avance en el estudio de las
concepciones errneas sobre la probabilidad, pero se debe hacer ms
nfasis al estudio del origen de las concepciones estadsticas errneas. Se
debe investigar si los sesgos descritos por los psiclogos son intuiciones
errneas fundamentales, que resultan de las experiencias cotidianas, o se
trata de interpretaciones errneas del material que ya ha sido enseado.
Un objetivo primario de cualquier investigacin en educacin estadstica
sera proporcionar una descripcin analtica de los procesos cognitivos
subyacentes en estas concepciones errneas con el fin de encontrar si hay
alguna coherencia interna en los juicios y razonamientos espontneos.
Los investigadores deben revisar con cuidado la investigacin existente
cuando preparen un artculo o diseen un experimento. No lograr
progresar en la construccin de una comunidad de investigacin
reconocida hasta que nos sea ms familiar lo que hacen otras personas en
diferentes disciplinas y diferentes pases en el mundo.
Para finalizar los autores destacan la necesidad de investigar en colaboracin,
omitiendo las distancias geogrficas, apoyados en la comunicacin electrnica. La
formacin de pequeos grupos de investigacin donde se lea y discutan trabajos
de investigacin, para poder ayudarse unos a otros en la investigacin en
educacin estadstica.
En nuestro pas son pocas las investigaciones que se encuentran sobre la
enseanza, el aprendizaje y la evaluacin de los aprendizajes de la probabilidad y
la estadstica, incluso se podra decir que es inexistente. Esta afirmacin puede
ser suportada por el trabajo de Serres (2 004), quien clasifica los temas de los
trabajos de grado realizados en las distintas maestras de educacin matemtica
del pas. En la clasificacin de Serres no se reporta ningn trabajo que aborde
temas que segn su criterio puedan ser clasificados como la enseanza, el
aprendizaje y la evaluacin de los aprendizajes de la probabilidad y la estadstica.
Es importante destacar que Serres examin 232 resmenes de Trabajos de
Grado, aunque en su trabajo no lo expresa, muy probablemente, esos fueron la
30
577
totalidad de los trabajos realizados hasta el momento que la investigadora realiz
su trabajo.
Al examinar diversas fuentes, slo es posible encontrar algunos trabajos en
referencia a la didctica de la estocstica en Venezuela. Con respecto a la
estadstica se ubicaron slo tres trabajos: Len (1 992), Ganuza y Fermn (1 994)
y Milln (1998). La profesora Len en su trabajo El @ensamiento Estad!stico,
describe de forma general lo que es la estadstica, cmo se divide y cmo
trabaja. Recalca la importancia de la estadstica inferencial y lo prudente que se
debe ser al aplicarla. Ganuza y Fermn (1 994) presentan reflexiones sobre la
necesidad de hacer una mejor enseanza de la estadstica a todo nivel. Para ellos
la enseanza de la estadstica en el pas es deficiente y plantean la necesidad de
un cambio. Los artculos de Len (1 992) y el de Ganuza y Fermn (1 994), puede
ser considerados ensayos. Milln (1 998) analiza el rendimiento estudiantil en
estadstica, especficamente en las carreras de formacin docente, destacando
una alta proporcin de aplazados. Como alternativa a este problema presenta
una estrategia para la enseanza basada en la aplicacin a procesos reales de
investigacin. La intencin es aplicar en forma crtica y adecuada las
herramientas estadsticas, problemas del contexto educativo, como una forma de
promover un aprendizaje significativo de la asignatura. De acuerdo con los
resultados, la estrategia pareciera ayudar a los estudiantes a mejorar sus
destrezas en cuanto a la seleccin del tratamiento estadstico, el anlisis e
interpretacin de resultados.
En cuanto a probabilidad, tambin son pocos los artculos que se encuentran:
Castro (1 993), Len (1 999a y b) y Salcedo (2 000). Castro (1 993) analiz las
respuestas proporcionadas por un grupo de estudiantes de la Universidad
Nacional Abierta, al solucionar un problema de probabilidad, determin que en
las respuestas de los estudiantes haba predominio del modelo determinista y
que ellos utilizaban esquemas operatorios de proporcionalidad y probabilidad en
forma simultnea. Este autor seala "los antecedentes indican que la formacin
de conceptos de probabilidad y la cabal compresin de algunos teoremas son
procesos laboriosos y de lenta gestacin. De ah la importancia de iniciar en la
Enseanza Media la preparacin para construir los conceptos de probabilidad (p.
10). Len (1 999a) reporta el trabajo realizado con un grupo de ocho estudiantes
voluntarios a los cuales se les aplic una prueba para medir el razonamiento
combinatorio y realizar clculos de probabilidad. De acuerdo con los resultados
los estudiantes (a) "tienen limitaciones para contar el nmero de elementos del
espacio muestral y de los eventos, lo cual afecta el clculo de probabilidades;
(b) "evidencian cierta capacidad para manipular, formular y enumerar elementos,
pero poco desarrollo del razonamiento combinatorio (p. 320). En otro trabajo
Len (1 999b) indaga sobre los trminos azar, experimento aleatorio,
probabilidad y frecuencia relativa. En l indica que "en su mayora, las
interpretaciones dadas por los estudiantes coinciden con la variedad de
significados que a estos vocablos se le ha dado a lo largo de la historia, aunque
tambin se encontraron opiniones no referidas previamente en la literatura (p.
327). Por otra parte, al explorar sobre la aplicabilidad de los conceptos antes
considerados, los resultados mostraron dificultad en su comprensin y aplicacin.
%ctividad 2.7
Ha pasado cierto tiempo desde que se public el artculo de Batanero, Garfield,
31
Ottaviani y Truran, razn por la cual se podra preguntar qu problemas se han
investigado en los ltimos aos? Realice una indagacin bibliogrfica (incluyendo
artculos que se encuentra en Internet) sobre investigaciones recientes en
didctica de la estocstica. Establezca algunos criterios que le permitan definir
cules son las principales reas de investigacin. Clasifique las investigaciones por
reas o temas de investigacin, tipos, metodologas e instrumentos usados en
cada una de ellas. Identifique cules son los ms usados.
-e.erencias
Batanero, C. (2 000). Significado y comprensin de las medidas de posicin
central. +,-, 0999, 01, ;:<1=
Batanero, C. (2 001). %idctica de la Estad!stica. Granada: Grupo de
Investigacin en Educacin Estadstica, Departamento de Didctica de la
Matemtica, Universidad de Granada
Batanero, C. (2 002). #os retos de la cultura Estad!stica. Bornadas
2nteramericanas de Ense7anza de la Estad!stica. Buenos Aires, 2002.
Conferencia inaugural. Disponible en: http://www.ugr.es/local/~batanero
Batanero, C. (2 002). Los retos de la cultura estadstica. Bornadas
2nteramericanas de Ense7anza de la Estad!stica, Buenos Aires. Conferencia
inaugural. Disponible en: http://www.ugr.es/~batanero
Batanero, C., Estepa, A., Godino, J., & Green D. R. (1 996). Judgments of
association in contingency tables: an empirical study of students' intuitive
strategies and preconceptions. Bournal for Research in /athematics
Education, 0CD0>, 151 - 169.
Batanero, C., Garfield, J. B., Ottaviani, M. G. y Truran, J. (2 000). Research into
statistical education: Some priority questions. Statistics Education
Research ,e3sletter 1(2), con discusin en SER, 2(1) y respuesta en
SER, 2(2).
Batanero, C., Garfield, J. B., Ottaviani, M. G. y Truran, J. (2000). Investigacin
en Educacin Estadstica: Algunas Cuestiones Prioritarias. Statistical
Education Research ,e3sletter :D0>. Reacciones de H. Bacelar, G. W.
Bright, T. Chadjipadelis, L. K. Cordani, M. Glencross, P. K. Ito, F. Jolliffe, C.
Konold, S. Lajoie, M. P. y B. Lecoutre, M. Pfannkuch, y D. Pratt, SER,
:D0>. Respuesta de los autores, SER,, 2(2).
Batanero, C., Godino, J. D. y Navas, F. (1 997). Concepciones de maestros de
primaria en formacin sobre los promedios. H. Salmern (Ed.), A22
Bornadas #-5SE. Evaluacin Educativa. (pp. 304 - 310). Universidad de
Granada
Brousseau, G. (1 983). Les obstacles epistmologuiques et les problmes en
mathmatiques. Recherches en %idactiques des /athematiques, ;(2),
164 - 198.
32
577
Cahan, S. (2 000). Statistical significance in not a "Kosher Certificante for
observed effects: A critical analysis of the two - step approach to the
evaluation of empitical results. Educational Researcher, 0E D:>, 31 - 34
Castro G., F. (1 993). Conflictos cognitivos en la adquisicin de conceptos de
probabilidad. Educacin /atemtica, : (5) 7 - 10
Cohen, J. (1994). The earth is round (p < .05). $merican @s"chologist, ;E, 997 -
1003
Estepa, A. y Batanero, C. (1 995). Concepciones iniciales sobre la asociacin
estadstica. Ense7anza de las Ciencias, :8 D0>, 155-170.
Falk, R. (1 986). Misconceptions of statistical significance. Bournal of Structural
#earning, E, 83 - 96.
Fan, X. (2 001). Statistical significance and effect size in education research: Teo
sides of a coin. &he Bournal of Educational Research, E; D1>, 275 - 282
Guenther, R. K. (2 002). How probable is the null Hypothesis. $merican
@s"chologist, 1C, 67 - 68
Kahneman D. y Tversky A. (1 972). Subjective probability: A judgment of
representativeness. Cognitive @s"cholog", 8, 430 - 454.
Konold, C. (1 989). Informal conceptions of probability. Cognition and
2nstruction, 4, 59 - 98
Konold, C. (1 995). Issues in assessing conceptual understanding in probability
an statistics. Bournal of Statistics Education, 0 (1). Disponible:
http://amstat.org/publications/jse
Konold, C., Pollatsek, A., Well, A., Lohmeier, J. y Lipson, A. (1 993).
Inconsistencies in students' reasoning about probability. Bournal for
Research in /athematics Education, 0; D1>, 392 - 414.
Lecoutre, Durand y Cordier (1 990). A study of two biases in probabilistic
judgment: representativeness and equiprobability. En J.P. Carveni, J.M.
Fabre, M. Gonzlez (eds), Cognitives Biases, (pp. 563 - 575). msterdam:
North Holland.
Lecoutre, M. P. y Fischbein, E. (1 998). volution avec lge de "misconceptions
dans les intuitions probabilistes en France et en Isral. Recherches en
%idactique des /athmatiques, :=D8>, 311 - 332.
Lecoutre, M.P. (1 992). Cognitive models and problems space in "purely random
situations. Educational studies in mathematics, 08, 557 - 568.
Len G., N (1 992) El pensamiento estadstico. Ense7anza de la /atemtica. 1(1)
25 - 26
Len G., N (1 999a). Aplicacin del anlisis combinatorio en la solucin de
problemas de probabilidad a nivel superior. En /emorias 222 Congreso
2beroamericano de Educacin /atemtica. (pp. 315 - 321). Caracas:
Asociacin Venezolana de Educacin Matemtica.
Len G., N (1 999b). Explorando las nociones bsicas de probabilidad a nivel
superior. En /emorias 222 Congreso 2beroamericano de Educacin
33
/atemtica, (pp. 322 - 328). Caracas: Asociacin Venezolana de
Educacin Matemtica.
Markus, K. A. (2 002). Beyond Objectivity and Subjectivity. $merican
@s"chologist, 1C, 68 - 69
Milln, Z. (1 999). La Investigacin: Una Estrategia Metodolgica para la
Enseanza de la Estadstica a Nivel Superior. En /emorias 222 Congreso
2beroamericano de Educacin /atemtica, (pp. 274 - 277). Caracas:
Asociacin Venezolana de Educacin Matemtica.
Pollatsek, A., Lima, S. y Well, A. D. (1 981). Concept or computation: Students
understanding of the mean. Educational Studies in /athematics, :0, 191 -
204
Robinson D. y Levin J. R. (1 997). Reflections on statistical and substantive
significance, whith a slice of replication. Educational Researcher, 04 D1>, 21
- 28
Salcedo, A. (2 000) Interpretacin de Enunciados de Probabilidad, en su acepcin
Frecuencial, por Estudiantes Espaoles y Venezolanos. Ense7anza de la
/atemtica. 9(2) 16 - 25
Serrano, L. (1996). Significados institucionales " personales de objetos
matemticos ligados a la apro'imacin frecuencial de la ense7anza de la
probabilidad. Tesis Doctoral. Granada: Universidad de Granada.
Serrano, L., Batanero, C. y Ortiz de Haro, J .J. (1 996) Interpretacin de
enunciados de probabilidad en trminos frecuenciales por alumnos de
bachillerato. Suma, 00, 43 - 50.
Serres V., Y. (2 004) Una visin de la comunidad venezolana de educacin
matemtica. Relime 7 (1) pp. 79-108
Shaughnessy, J. M. (1 992). Research in probability and statistics: reflections and
directions. En D.A Grows (Ed.), 6andbooF of Research on /athematics
&eaching and #earning (pp. 315 - 426). New York: Mc Millan.
Shaughnessy, M.; Garfield, J. y Greer, B. (1 996). Data Hadling. En A. Bishop
(Ed.). 2nternational 6andbooF of /athematics Education. (pp. 205 - 235).
Dordrecht: Kluwer.
Thompson B. (1 996) AERA Editorial policies regarding statistical significance
testing: thre suggested reforms. Educational Resaercher, 01 D0>, 26 - 30
Thompson, B. (2 002). What Future Quantitative Social Science Research Could
Look Like: Confidence Intervals for Effect Sizes. Educational Researcher,
8: D8>, 25 - 32.
Tversky A. y Kahneman D. (1 973). Availability: a heuristic for judging frequency
and probability. Cognitive @s"cholog", ;, 207 - 232
Tversky A. y Kahneman D. (1 974). Judgment under uncertainty: heuristics and
biases. Science, :=1, 1124 - 1131
Vallecillos J., A. y Batanero, C. (1 996). Conceptos activados en el contraste de
hiptesis estad!sticas " su comprensin por estudiantes universitarios.
Disponible en: http://www.ugr.es/local/~batanero
34
577
Wilkinson, L. (1 999). Statistical methods in psychology journals: Guidelines and
explanations. $merican @s"chologist, 1;, 594 - 604.
35
Unidad
Leccin $
%&lt&ra' (a"onamiento y Pensamiento Estadstico
Statistical thinFing 3ill one
da" be as necessar" for
efficient citizenship as the
abilit" to read and 3rite
HG Wells
Esta leccin est dedicada a presentar de manera general las ideas
fundamentales de tres conceptos de mucha importancia para la didctica de la
estocstica: cultura, razonamiento y pensamiento estadstico. En los ltimos aos
se han realizado fuertes crticas a la enseanza de la Estadstica centrada en la
realizacin de clculos, descuidando valiosos elementos de tipo conceptual. Se
indica que esa forma de ensear estadstica poco colabora en la comprensin de
las grandes ideas estadsticas y que la estadstica debe ser utilizada para
comprender algunos fenmenos del mundo actual. Lo adecuado es desarrollar el
Pensamiento Estadstico (Statistical Thinking).
La expresin Pensamiento Estadstico aparece en numerosas publicaciones.
Estadsticos educadores, psiclogos, educadores matemticos, educadores
estadsticos, son algunos de los que hacen mencin a esta expresin aunque una
buena parte de ellos no indica a que se refiere con ello. En algunos casos, se
puede inferir que los autores con Pensamiento Estadstico se refieren a necesidad
de ir ms all de la "aritmtica estadstica, entendiendo por esta el nfasis
excesivo que se le da tradicionalmente en la enseanza de la estadstica a la
manipulacin numrica. En contraste destacan la importancia que tienen las
ideas estadsticas, su comprensin y posterior aplicacin.
Wild y Pfannkuch (1 998) indican que el trmino Pensamiento Estadstico est
funcionando como un mantra con el cual se evoca algo vago, intuitivo, que se
utiliza a menudo en contraste con el uso mecnico de tcnicas estadsticas. Ellos
sealan que el Pensamiento Estadstico es como el sentido comGn que sabemos
que lo tiene cuando lo vemos, o ms exactamente su ausencia es tan obvia que
deslumbra. Vea los siguientes ejemplos,
o En cierta ocasin le preguntaron a un vendedor que como poda
vender tan baratos sus sandwiches de conejo, a lo que respondi:
"bueno, tengo que admitir que hay un poco de carne de caballo.
Pero la mezcla es solo 50:50; uso el mismo numero de conejos
que de caballos". [Darrel Huff, How to lie with statistics]
36
577
o El 33% de los accidentes mortales involucran a alguien que ha
bebido. Por tanto, el 67% restante ha sido causado por alguien que
no haba bebido. Conducir borracho (o borracha) es ms seguro!
o En cierta ocasin una periodista entrevistaba a un profesor
finlands sobre la educacin de su pas. En un pasaje de la
entrevista seal: "Vlijrvi describi el riguroso proceso de
seleccin que rige en la formacin de los maestros y revel que en
su universidad slo ingresa menos del 20% de los aspirantes a la
carrera docente. Al final de la entrevista destac los puntos ms
importantes de la educacin en Finlandia e indic: "La carrera
docente es muy exigente y slo ingresa el 20% de los aspirantes
[La Nacin, Domingo 13 de agosto de 2 006]
En algunos casos parece gracioso, pero este es el tipo de evidencia a las
cuales se refieren Wild y Pfannkuch, normalmente es ms fcil saber cuando no
se tiene el pensamiento estadstico, que definir qu es y cundo se tiene.
Adicionalmente, cuando se habla de pensamiento estadstico, tambin se
habla de Razonamiento Estadstico (Statistical Reasoning) y Cultura Estadstica
(Statistical Literacy
1
). delMas (2 002) seala que a menudo se utilizan de forma
indiferente trminos como cultura estadstica, razonamiento estadstico y
pensamiento estadstico. Ya en la leccin anterior se seal que uno de los retos
de la investigacin en educacin estadstica es ayudar a responder preguntas
como: Cules son las diferencias entre cultura estadstica, razonamiento
estadstico y pensamiento estadstico? Es por ello que no se pretende que en esta
leccin usted logre responder con presin esta pregunta, pero si que pueda
ubicarse en cuanto a los avances que se han logrado hasta ahora en ese sentido.
Cultura Estadstica
Son varias las definiciones que se han presentado para indicar lo que significa
Cultura Estadstica, algunas de estas definiciones las presenta Rumsey (2002):
La comprensin de la lengua estadstica: palabras, smbolos, y
trminos. Interpretacin de grficos y tablas. Evaluar el sentido de la
informacin estadstica que aparece en las noticias, los medios de
comunicacin, las encuestas, etc. (Garfield, 1 999)
La capacidad de entender conceptos estadsticos y razonar en el nivel
ms bsico (Snell, 1 999)
Comprenden el texto, el significado y las implicaciones de la
informacin estadstica en ellos, en el contexto del tpico al cual
pertenece (Watson, 1 997).
Gal (2 002) aporta importantes elementos para su compresin de lo que
significa Cultura Estadstica (CE):
La habilidad de las personas para interpretar y evaluar crticamente los
argumentos estadsticos de informacin y base de datos que aparecen
en diversos medios, as como su habilidad de discutir sus opiniones
con respecto a tal informacin estadstica.
1
)e *a trad&cido )tatistical Literacy como c&lt&ra estadstica' pero alg&nas personas lo trad&cen como
capacidad estadstica o al+abeti"acin estadstica o capacidad de leer y escribir estadstica
37
Para este autor el desarrollo de la CE en adultos requiere de algo ms que el
conocimiento formal de la estadstica. Gal propone un modelo sobre las bases de
conocimiento y otros procesos que deberan estar a la disposicin de adultos, y
en consecuencia de los estudiantes que se gradan en las escuelas o institutos
universitarios, de manera que puedan entender, interpretar, evaluar crticamente
y reaccionar a los mensajes estadsticos encontrados en los contextos de lectura.
El modelo basado en diferentes trabajos se resume en la siguiente tabla:
Modelo de conocimientos estadsticos de /al 82 992:
Elementos de conocimiento Elementos de Disposicionales
Habilidades para leer y escribir
Conocimiento estadstico
Conocimiento matemtico
Conocimiento del
contexto/mundo
Preguntas Crticas
Creencias y actitudes
Postura crtica
Cultura Estadstica
Elementos de conocimiento. La CE de una persona es basa en la activacin
conjunta de cinco elementos interrelacionados: habilidad para leer y escribir,
conocimiento estadstico, conocimiento matemtico, conocimiento del contexto y
preguntas crticas. A continuacin se presenta de manera general:
6abilidades para leer " escribir. Las habilidades para leer y escribir son crticas
para la CE porque virtualmente todos los mensajes estadsticos se transmiten por
texto escrito (por ejemplo, en peridicos) o texto oral (por ejemplo, en la
televisin).
Conocimiento estad!stico. Obviamente el conocimiento estadstico y los
conceptos probabilsticos se requieren para la CE. Los cinco componentes bsicos
de este conocimiento son: (a) Conocimiento de por qu son necesarios los datos
y de la forma cmo se pueden producir los datos. (b) Familiaridad con los
trminos e ideas bsicos relacionados con las estadsticas descriptivas. (c)
Familiaridad con trminos e ideas bsicas relacionados a presentaciones grficas
y tabulares. (d) Comprensin de las nociones bsicas de probabilidad (e)
Conocimiento de cmo se llega a conclusiones o inferencias estadsticas
Conocimiento matemtico. Algunos instrumentos matemticos se requieren
para la produccin de indicadores estadsticos comunes, como el porcentaje o la
media, la mediana, la probabilidad. Asimismo, la comprensin de resultados
estadsticos bsicos requiere de una dosis de familiaridad, intuitiva y hasta cierto
punto formal, con los procedimientos o cmputos matemticos bsicos que se
utilizan para generar estas estadsticas.
Conocimiento del conte'toHmundo. Interpretar correctamente mensajes
estadsticos requiere de la capacidad para ubicar el mensaje en el contexto
apropiado de la vida real, y de tener acceso a su conocimiento del mundo. Este
tipo de conocimiento tambin apoya los procesos del conocimiento general y es
fundamental para permitir "darle sentido a cualquier mensaje.
38
577
@reguntas cr!ticas. Los mensajes estadsticos son producidos por fuentes
diferentes (medios de comunicacin, anunciantes, polticos, centros de trabajo,
oficinas gubernamentales), con diferentes intereses, con necesidades distintas y
objetivos diversos; por lo que no necesariamente presentan un informe imparcial
de los hallazgos o interpretaciones. Es importante entonces hacer algunas
preguntas fundamentales, algunas de ellas pueden ser:
(1) De dnde provenan los datos (estn basados en cul afirmacin)? De
qu tipo de estudio se trataba? Es este tipo de estudio razonable en
este contexto?
(2) Se utiliz esta muestra? Cmo se obtuvo esta muestra? Es la muestra
lo suficientemente amplia? Esta muestra podra llevar razonablemente a
inferencias vlidas sobre la poblacin a la que est dirigida?
(3) Cun confiables o precisos fueron los instrumentos (pruebas,
cuestionarios, entrevistas) utilizados para generar los datos reportados?
(4) Bajo qu forma se distribuyen los datos no procesados? Es
importante?
(5) Las estadsticas reportadas son adecuadas para este tipo de datos? Los
valores atpicos podran hacer que los estadsticos descriptivos
representen errneamente la situacin real?
(6) Algn grfico en particular est dibujado de la forma inapropiada o
distorsiona las tendencias mostradas en los datos?
(7) Cmo se deriv esta afirmacin probabilstica? Hay suficientes datos
crebles para justificar las estimaciones dadas sobre probabilidad?
(8) Las afirmaciones realizadas son sensatas y estn respaldadas por los
datos?
(9) Debera ponerse a la disposicin de los interesados informacin o
procedimientos adicionales que permitan al lector evaluar la sensatez de
estos argumentos? Falta alguna informacin?
(10) Hay interpretaciones alternas en cuanto al significado de las
conclusiones o explicaciones diferentes en torno a las causas? Hay
implicaciones adicionales o diferentes que no son mencionadas?
Elementos Disposicionales: La CE no slo necesita de los conocimientos y
habilidades descritos anteriormente. Es necesario ser capaz de tomar una
postura crtica con respecto a la informacin estadstica, adems de poseer
ciertas actitudes y creencias, para motivar y sostener sus acciones. Ciertas
creencias y actitudes influyen en las posturas de los individuos y la habilidad para
tomar medidas en respuesta a la informacin estadstica. Se debe desarrollar una
actitud positiva de s mismos como individuos con Cultura Estadstica, sentirse
que son crticos de los mensajes estadsticos. Para Gal el desarrollo de la CE en
adultos requiere que se les preste atencin a todas las cinco bases del
conocimiento descritas anteriormente, no nicamente al conocimiento formal de
la estadstica.
Este autor considera que la presentacin de su modelo es un paso inicial para
llegar a dar una discusin ms profunda sobre la CE. Cree que hay tres reas en
las que se requieren investigaciones:
39
(a) Investigacin sobre habilidades de conocimiento estadstico de estudiantes
y adultos. Se tiene poca informacin sobre este aspecto. Diversos estudios
(TIMSS, PISA, IALS) suministraron datos preliminares sobre aspectos
limitados del conocimiento estadstico de las personas, aparentemente
porque sus fortalezas estn en otros temas matemticos. Son muchos los
elementos del conocimiento, bsicos para la CE que no se incluyen en este
tipo de pruebas (la comprensin de promedios y valores medios, el
conocimiento sobre muestreo o diseos experimentales, la comprensin
de las declaraciones relacionadas con la probabilidad o el azar). Se
necesita una informacin ms amplia sobre destrezas de conocimiento
estadstico y sobre los vacos que hayan en este sentido. Estudios
cualitativos podran facilitar un examen a fondo de los procesos de
pensamiento, comprensin y efectos de la enseanza en este sentido.
(b) Investigacin sobre las demandas de enseanza estadstica de diversos
ambientes funcionales. Se sabe muy poco sobre las demandas que
enfrentan los consumidores de diversos medios de comunicacin, como
diarios, revistas, materiales que hay en los lugares de trabajo, o
transmisiones de TV, en lo que respecta a la gama de temas estadsticos y
probabilsticos. Para el diseo de una enseanza efectiva y eficiente
dirigida a diferentes niveles.
(c) Investigacin sobre los elementos de disposicin. Aqu se destac la
importancia de considerar la inclinacin de las personas a aplicar una
postura crtica y las motivaciones, creencias y actitudes que afecten o
sustenten un comportamiento estadsticamente culto. Sin embargo, la
conceptualizacin y evaluacin de estas variables presentan muchos retos.
El desarrollo de mtodos de investigacin en este sentido es esencial para
la comprensin de los elementos que dan forma al comportamiento
estadsticamente culto en diferentes contextos. Los cambios en las
disposiciones deberan medirse como parte del impacto de las
intervenciones educativas realizadas para mejorar la CE de todas las
personas.
Para Gal (2 002) la CE comprende un sistema de bases de conocimientos y las
disposiciones que son algo ms que la capacidad de clculo o de la enseanza
cientfica. Su desarrollo requiere de la atencin de las cinco bases de
conocimiento descritas anteriormente, no slo del conocimiento formal de la
estadstica. Lo que se desea es que el ciudadano comn sea capaz de
(a) Entender con propiedad los resultados de encuestas, de muestras y de
experimentos, divulgados en diversos medios de comunicacin
(b) Comprender aspectos probabilsticos en declaraciones sobre riesgo y
efectos secundarios
(c) Discutir la utilidad de investigaciones estadsticas y su legitimidad, ser
crtico de mensajes de fuentes diversas, desarrollar creencia y actitudes
positivas hacia la estadstica, pero tambin la ser crtico de los mensajes
estadsticos con los que se encuentra en diversos contextos.
Cree que es algo suficientemente complejo y multifactico, que requiere la
atencin de los interesados en mejorar la habilidad de los ciudadanos para
40
577
enfrentarse y entender la informacin cuantitativa del mundo que se encuentra
alrededor de ellos.
%ctividad 3.1
1. Busca distintas definiciones del trmino "cultura, al menos tres, y
establece semejanzas y diferencias entre ellas. A que podemos llamar
cultura?
2. Statistical Literacy se ha traducido como cultura estadstica, pero tambin
se podra usar alfabetizacin estadstica o capacidad de leer y escribir
estadstica. Busca distintas definiciones del trmino "alfabetizacin, al
menos tres, y establece semejanzas y diferencias entre ellas. A que
podemos llamar alfabetizacin?
3. Busca distintas situaciones de la vida diaria donde consideres que es
importante tener "conocimientos de estadstica para comprenderlas. Por
ejemplo, recorta grficos o artculos de prensa donde se requieran ciertos
conocimientos de estadstica o probabilidad para comprenderlos. Considera
diversas fuentes, no slo medios de comunicacin social, as como
distintos momentos, no slo un da. De acuerdo con esa experiencia y las
indagaciones anteriores, Cules elementos pueden conformar la cultura
estadstica?
-a;onamiento Estadstico
Para lvarez y Vallecillos (2 003) el razonamiento estadstico tiene que ver con
o La comprensin de las hiptesis subyacentes a los diversos
procedimientos y de los efectos de su no cumplimiento
o La interpretacin de los problemas generales y la derivacin de los
problemas particulares
o La capacidad de eleccin del anlisis ms adecuado
o El anlisis de los resultados y aceptacin de las limitaciones respecto a las
conclusiones, etc.
Para Garfield y Gal (1 999) el razonamiento estadstico se puede definir como
la forma como las personas razonan sobre las ideas estadsticas y le da sentido a
la informacin estadstica. Esto involucra aspectos como las interpretaciones que
hacen a partir de conjuntos de datos, de las representaciones grficas, la
informacin cuantitativa. Para ello es necesario combinar aspectos conceptuales
como distribucin, centro, asociacin, incertidumbre, aleatoriedad y muestreo,
con ideas como de datos y probabilidad, para lograr hacer inferencias e
interpretar los resultados estadsticos.
En la leccin 2 se expusieron algunas de las dificultades que tienen los
estudiantes con conceptos estadsticos y de probabilidad. Resultados como los de
Tversky y Kahneman, (1 973, 1 974), Falk (1 986), Konold (1 989), Lecoutre,
(1 992), Estepa y Batanero (1 995), Vallecillos y Batanero (1 996) y Lecoutre y
Fischbein (1 998), son muestras de razonamiento estadstico incorrecto. En esos
trabajos se puede apreciar como las personas fallan al interpretar o tomar
41
decisiones que implican informacin estadstica, aun luego de haber culminado
cursos de estadstica.
Esos resultados muestran una separacin entre los conceptos estudiados en
un curso y la interconexin que hace el estudiante de ellos, por ejemplo, entre
saber como se hace una prueba de hiptesis y lo que ella significa. Los
estudiantes son capaces de "sacar las cuentas, hacer "aritmtica estadstica
pero no pueden argumentar sobre las ideas estadsticas.
Las diferencias encontradas en las investigaciones parecen no estar asociadas
con los resultados individuales de los estudiantes en los cursos. Garfield (2 002)
seala que los docentes podran estar pensando que si ellos han realizado una
buena enseanza y los estudiantes han realizado buenos exmenes, son capaces
de razonar correctamente acerca de informacin estadstica. Sin embargo,
muchos de ellos tienen dificultades para interpretar informacin estadstica,
particularmente en contextos aplicados, no tienen una comprensin integrada
necesaria para hacer los juicios e interpretaciones correctas. Es probable que
ellos apenas estn en las etapas iniciales del razonamiento estadstico.
Garfield (2 002) presenta las diferentes etapas de un modelo de Razonamiento
Estadstico
El ra;onamiento elemental. El estudiante sabe algunas palabras y
smbolos estadsticos, los usa sin entenderlos completamente, a
menudo los utiliza en forma inadecuada. Por ejemplo, los estudiantes
han aprendido trminos como media, mediana y desviacin tpica
como medidas que permiten resumir, pero compara la media con la
desviacin tpica o hace los juicios acerca de lo buena que es la media
o la desviacin tpica.
El ra;onamiento verbal. El estudiante solo tiene una comprensin
verbal de algunos conceptos. Puede escoger o proporcionar una
definicin correcta pero no comprende completamente los conceptos,
por ejemplo, sabe que la media es mayor que la mediana en
distribuciones sesgadas positivamente, pero no sabe por qu.
El ra;onamiento en transicin. El estudiante es capaz de identificar
correctamente uno o dos dimensiones de un proceso estadstico sin
integrar completamente estas dimensiones, tal como, que un tamao
de muestra mayor produce un intervalo de confianza ms estrecho,
que un error estndar menor lleva a un intervalo de confianza ms
estrecho, pero no es capaz de relacionarlos.
El ra;onamiento en proceso. El estudiante es capaz de identificar
correctamente las dimensiones de un concepto o el proceso estadstico
pero no los integra completamente o no entiende el proceso. Por
ejemplo, el estudiante sabe que una correlacin no implica causalidad
pero no puede explicar completamente por qu.
El proceso integrado de ra;onamiento. El estudiante tiene una
comprensin completa de un proceso estadstico, coordina las reglas y
la conducta. Puede explicar el proceso con sus propias palabras, por
ejemplo, explicar lo que significa un intervalo del 95% de confianza en
trminos del proceso de probar repetidas veces de una poblacin.
42
577
Garfield (2 002) considera que se necesita ms investigacin de aula para
ayudar a determinar los mtodos y los materiales instruccionales que se puedan
utilizar para ayudar a que los estudiantes desarrollen el razonamiento estadstico
correcto. La investigacin tambin es la va para hallar modelos de desarrollo del
razonamiento estadstico, que puedan ayudar a los docentes a comprender mejor
el proceso de desarrollo de ese razonamiento.
%ctividad 3.2
1. Busca distintas definiciones del trmino "razonamiento, al menos tres, y
razonamiento?
2. Algunos autores hablan del "razonamiento matemtico, busca algunas
definiciones o caracterizaciones de ese trmino. Busca al menos tres,
establece semejanzas y diferencias entre ellas. Cmo definir
razonamiento matemtico?
importante razonar estadsticamente, donde no basta con tener slo
"conocimientos de estadstica para comprenderlas. Considera diversas
fuentes, no slo medios de comunicacin social, as como distintos
momentos, no slo un da. De acuerdo con esa experiencia y las
indagaciones anteriores, Cmo podras caracterizar al razonamiento
estadstico?
+ensamiento Estadstico
El Pensamiento Estadstico (@E) es definido por Snee (1 990, citado por Wild y
Pfannkuch, 1 999) como el proceso del pensamiento que permite identificar,
caracterizar, cuantificar y controlar la variacin que est omnipresente en el
mundo actual. Para Garfield y Chance (2 000) es la manera como las personas
discurren frente a las ideas estadsticas y les dan sentido a la informacin
estadstica. Moore (1 997) present una lista de los elementos que conforman el
@E: la necesidad para los datos, la importancia de la produccin de los datos, la
medicin, modelacin e importancia de la variabilidad.
A partir de la revisin de la literatura existente sobre el @E y de entrevistas
exhaustivas realizadas a estudiantes de estadstica y a estadsticos, Wild y
Pfannkuch (1 999) identifican cuatro dimensiones que pretenden organizar
algunos de los elementos del @E que se producen durante la investigacin. Esos
elementos son:
Dimensin uno: El ciclo investigativo. Se refiere a la manera como el
sujeto acta y piensa durante la investigacin estadstica. Se parte del ciclo
estadstico: problema, plan, datos, anlisis, conclusiones; y cmo se trata la
abstraccin y resolucin de un problema estadstico basado en un problema real
mayor y pretende alcanzar cada meta del aprendizaje.
Dimensin dos: (ipos de pensamiento. Se consideran cinco elementos
como fundamentos del PE. Los autores los dividen en inherentes a la estadstica y
los generales aplicados en un contexto estadstico.
43
Reconocer la necesidad de datos. es esencial reconocer que las experiencias
personales y la evidencia basada en ancdotas son insuficientes, los datos
recopilados deliberadamente son necesarios para tener evidencia emprica.
&ransnumeracin. tiene lugar cuando encontramos maneras de obtener datos
(medidas o clasificacin) que capturan los elementos significativos del sistema
real. Est presente en todo anlisis estadstico de datos y se da cada vez que
cambiamos la forma de mirar esos datos con la esperanza de encontrarles nuevo
significado
Aariabilidad: la variabilidad y la manera como se le tome en cuenta, es lo que
hace que una actividad sea "estadstica. La incertidumbre es una caracterstica
del mundo actual y sta, a su vez, se debe a la variacin presente en todo, una
forma de disminuir la incertidumbre es con la utilizacin de la estadstica.
+n conjunto particular de modelos. todo razonamiento usa modelos. La
estadstica ha desarrollado mtodos para el diseo y anlisis de estudios, a partir
de modelos matemticos que incluyen componentes aleatorias.
Conocimiento del conte'to, conocimiento estad!stico " s!ntesis. el
conocimiento estadstico, el conocimiento contextual y la informacin que
provienen de los datos son necesarios para que se produzca el @E. El propio
pensamiento es la sntesis de estos elementos, que se realiza para producir
implicaciones, conceptos y conjeturas.
Entre los tipos de pensamiento que se utilizan en el contexto estadstico estn:
@ensamiento estratgico. el propsito de decidir qu haremos (favorecer el
futuro) y cmo lo haremos lo denominamos pensamiento estratgico. Se incluyen
algunos aspectos como: planear cmo abordar la tarea, divisin de tareas, plazos
para la realizacin de las tareas, divisin del trabajo, anticipacin a problemas y
planear cmo evitarlos. Una parte importante del pensamiento estratgico es
tener conciencia de las restricciones que se deben considerar en la planeacin.
/odelacin: la construccin de modelos y su utilizacin para comprender y
predecir el comportamiento del mundo que nos interesa estudiar es una forma
general del pensamiento.
$plicando &cnicas. una tcnica bsica en la resolucin de problemas en las
ciencias matemticas es encontrar la forma de ubicar un nuevo problema dentro
de un problema que ya ha sido resuelto antes de imaginar una solucin que
pueda ser aplicada o adaptada. La estadstica es si misma la manifestacin de
esta estrategia de resolucin de problemas. Con el uso de estadsticas, primero
reconocemos los elementos de nuestro contexto (desde lo general a lo
particular), operando sin un modelo, y as ubicamos los resultados en otro
contexto (de lo general a lo particular).
Dimensin tres: El ciclo interrogativo. Es un proceso de pensamiento
genrico en uso constante en la solucin de problemas estadsticos. El anlisis
detallado de las entrevistas indica que el pensador est siempre en estados
interrogativos mientras que busca la solucin de problemas estadsticos. El ciclo
se aplica en los niveles macro, pero tambin en los niveles muy detallados del
pensamiento porque el ciclo interrogativo es recurrente. Sus componentes son: la
generacin, la bsqueda, la interpretacin, la crtica, el juicio.
44
577
Dimensin cuatro: Disposiciones. Aqu se incluyen las cualidades
personales. El pensamiento estadstico es afectado por los atributos personales
que aqu se denominan disposiciones o actitudes. La naturaleza de estas
disposiciones emergi de las entrevistas de los estadsticos y se reconocieron
posteriormente en el trabajo en los estudiantes. Algunos de ellos son:
escepticismo, imaginacin, curiosidad y conocimiento, franqueza, propensin a
buscar un significado ms profundo, lgico y perseverante. Estos elementos son
genricos, pero parecen importantes en el contexto de la solucin de problemas
estadsticos. En relacin con la Educacin Estadstica surge una pregunta esencial
Pueden las "disposiciones ensearse?
Wild y Pfannkuch (1 999) consideran que si se logra entender los patrones y
estrategias de pensamiento que utilizan los estadsticos para solucionar
problemas del mundo real, y cmo son integrados, se podr mejorar las
habilidades de nuestros estudiantes en la solucin de problemas estadsticos. Con
ello se podr comenzar a desarrollar el pensamiento estadstico de los
estudiantes.
Uno de los problemas que ellos sealan es el relativo a las disposiciones. Para
ellos los estadsticos experimentados:
o Son capaces de hacer las preguntas necesarias para extraer los datos
apropiados para dirigir el problema de inters
o Comprenden el proceso estadstico como una totalidad. Conocen los
diferentes pasos de la investigacin estadstica y como deben intervenir
en ellos. Saben que el proceso es interactivo.
o Son escpticos, preguntan por aspectos como el diseo de la investigacin
y la forma como se logr la muestra.
o Siempre piensan en las variables: son las correctas? Cmo se
comportarn? Hay otras variables de la importancia? Estas son algunas
de las preguntan que constantemente se hacen.
o Relacionan los datos con el contexto. Saben que el contexto es importante
en estadstica, un cambio de contexto puede generar variaciones, por lo
tanto relacionan los datos con el contexto.
o Creen en la estadstica y su aplicabilidad.
La pregunta que puede surgir es se puede ensear todo lo anterior en la
escuela? Ms especifica Cmo es el tipo de enseanza que permite desarrollar
habilidades como esas en los estudiantes? Se puede lograr trabajando con
problemas cuya respuestas son nicas, que se encuentran al final del libro y que
el estudiante simplemente debe cotejar si es igual a la suya? A nivel
universitario, se debe considerar la carrera que cursa? En otras palabras, se
forma igual a un especialista de estadstica a un profesional no especialista en
estadstica? se le debe ensear de la misma forma a un profesional de la
estadstica que a un profesional de la educacin?
%ctividad 3.3
1. Busca distintas definiciones del trmino "pensamiento, al menos tres, y
45
razonamiento?
2. Algunos autores hablan del "pensamiento matemtico, busca algunas
definiciones o caracterizaciones de ese trmino. Busca al menos tres,
establece semejanzas y diferencias entre ellas. Cmo definir pensamiento
matemtico?
importante pensar estadsticamente, donde no basta con tener slo
"conocimientos de estadstica para comprenderlas. Considera diversas
fuentes, no slo medios de comunicacin social, as como distintos
momentos, no slo un da. De acuerdo con esa experiencia y las
indagaciones anteriores, Cmo podras caracterizar al pensamiento
estadstico?
4. Qu diferencias puedes establecer entre cultura, razonamiento y
pensamiento estadstico?
-e.erencias
lvarez, G. y Vallecillos, A. (2003). Razonamiento estadstico para la resolucin
de problemas en el nivel universitario: aspectos tericos y una aplicacin
@edagog!a +niversitaria 6 (3)
Assessment Resource Tools for Improving Statistical Thinking.
http://data.gen.umn.edu/artist/index.html
delMas, R. (2 002) Statistical Literacy, Reasoning, and Learning: A Commentary.
Journal of Statistics Education V 10, N 3 Disponible
http://www.amstat.org/publications/jse/v10n3/delmas_intro.html
Gal, I. (2 002). Adults statistical literacy: meaning, components, responsibility.
International Statistical Review. 70(1), 1 - 25.
Garfield, J. (2002). The Challenge of Developing Statistical Reasoning. Bournal of
Statistics Education Volume 10, Number 3,
www.amstat.org/publications/jse/v10n3/garfield.html
Garfield, J. y Chance, B. (2 000). Assessment in statistics education: Issues and
challenges. Mathematics Thinking and Learning, 2, 99-125.
Garfield, J., y Gal, I. (1999), Teaching and Assessing Statistical Reasoning. L.
Stiff (ed) %eveloping /athematical Reasoning in 5rades I<:0. Reston, VA:
National Council Teachers of Mathematics, 207-219.
Moore, D. (1997). New Pedagogy and New Content: The Case of Statistics.
Internacional Statistical Review 65, 123-165.
Rumsey, D. J. (2002). Statistical Literacy as a Goal for Introductory Statistics
Courses Bournal of Statistics Education Volume 10, Number 3,
www.amstat.org/publications/jse/v10n3/rumsey2.html
Wild, C. J., y Pfannkuch, M. (1 998). What is statistical thinking? En Pereira-
Mendoza L., et al. (Eds) (1998). Proceedings of the 5th International
Conference on Teaching Statistic. Volume 1-3. Singapore.
46
577
Wild, C. J., y Pfannkuch, M. (1 999). Statistical thinking in empirical enquiry.
International Statistical Review, 67(3), 223-265.
47
48
577
Unidad
Leccin ,
Desarrollo del Pensamiento Estadstico
Una pregunta lgica luego de la leccin anterior es existen diferencias entre
la cultura, el razonamiento y el pensamiento estadstico? Tambin podran surgir
algunas otras como Es importante esa diferencia? Qu implicaciones tiene para
la didctica de la estocstica? En esta leccin se resume la discusin que tienen
los especialistas en torno a este tema, as como algunas implicaciones para la
enseanza.
Cultura< ra;onamiento 1 pensamiento estadstico! 4Di.erencias6
Para Chance (2 002) un punto que diferencia al pensamiento estadstico del
razonamiento y la cultura, es la habilidad de ver el proceso en su totalidad
(incluyendo la interaccin), entender la relacin y el significando de la variacin
en este proceso, para tener la habilidad de explorar los datos en maneras ms
all de lo que se han prescrito en textos, y para engendrar las preguntas nuevas
ms all de las realizadas por el investigador principal. Para este autor el
estudiante que es capaz de pensar estadsticamente puede moverse ms all de
lo que se ensea en el curso, para preguntar espontneamente y para investigar
los asuntos y los datos implicados en un contexto especfico. Mientras que el
estudiante que razona estadsticamente trabaja estrechamente con los
instrumentos y conceptos aprendidos en el curso. Entretanto el que tiene una
cultura estadstica es capaz de comprender e interpretar la informacin
estadstica presentada, por ejemplo, en los medios de comunicacin.
Para delMas (2 002) existen por lo menos dos alternativas para ilustrar la
relacin entre cultura, razonamiento y pensamiento estadstico. La primera de
ellas es:
49
Desde este punto de vista que cada dominio tiene algn contenido que es
independiente de los otros dos, mientras que hay una cierta interseccin entre
ellos. Si esta perspectiva es correcta, entonces el docente puede desarrollar
algunos aspectos de un dominio independientemente de los otros dos. Al mismo
tiempo, algunas actividades emprendidas para el desarrollo de uno de ellos
puede ayudar a desarrollar otro de los dominios o los otros dos.
Una segunda alternativa para delMas (2002) es:
En esta perspectiva, la cultura estadstica se percibe como una gran meta que
abarca toda la enseanza, lo que debe tener todo ciudadano. En esta perspectiva
el desarrollo del razonamiento y el pensamiento estadstico se convierten en una
submeta dentro del desarrollo un ciudadano estadsticamente competente. La
cultura adems es la base para el desarrollo del razonamiento y el pensamiento
estadstico, por lo tanto le otorga una gran responsabilidad a los docentes de
Bsica y Media, como responsables de iniciar a los estudiantes en la estocstica.
Se requiere que este docente se capaz de "pensar estadsticamente.
%ctividad 7.1
Considera el siguiente grfico.
50
577
1. De acuerdo con esa representacin, Cules serian las relaciones entre
cultura, razonamiento y pensamiento estadstico? Consideras viable una
representacin de esa naturaleza?
2. Cules serian las relaciones entre cultura, razonamiento y pensamiento
estadstico de acuerdo con la siguiente representacin? Consideras viable
una representacin de esa naturaleza?
Para delMas (2 002) la siguiente tabla enumera las palabras que pueden
ayudar a orientar al docente sobre lo que se quiere que el estudiante debe
desarrollar en los diferentes dominios.
Cultura -a;onamiento +ensamiento
IDENTIFIQUE
DESCRIBA
REFORMULE
TRADUZCA
INTERPRETE
LEA
POR QU?
CMO?
EXPLIQUE
(EL PROCESO)
APLQUESE
CRTICA
EVALE
GENERALICE
Si la meta es ayudar a los estudiantes a desarrollar su cultura estadstica,
entonces los docentes pueden pedir que ellos proporcionen ejemplos de casos,
trminos o conceptos, describan grficos, distribuciones, interpreten resultados
de un procedimiento estadstico. Si el inters se centra en el razonamiento
estadstico se puede pedir a los estudiantes que expliquen por qu o cmo fueron
producidos los resultados (por ejemplo, explique el proceso que produce la
distribucin del muestreo de un estadstico, explique cmo la media acta como
punto de equilibrio, explique porqu la mediana no es afectada por valores
51
atpicos, por qu una muestra escogida al azar tiende a producir una muestra
representativa) o por qu se justifica una conclusin. En el caso del pensamiento
estadstico, se desafa a estudiantes a aplicar sus conocimientos a los problemas
del mundo real, a evaluar y criticar el diseo y las conclusiones de estudios, o a
generalizar el conocimiento obtenido en las aulas a situaciones nuevas.
En la pgina web Assessment Resource Tools for Improving Statistical
Thinking (ARTIST - http://data.gen.umn.edu/artist/index.html) se ofrecen
algunas definiciones de trabajo para los trminos cultura, razonamiento y
pensamiento estadstico:
Cultura Estadstica. La cultura estadstica implica comprender y utilizar el
idioma y los instrumentos bsicos de la estadstica: conocer lo que significan los
trminos estadsticos, utilizar apropiadamente los smbolos estadsticos, conocer
e interpretar las representaciones de datos.
-a;onamiento estadstico. El razonamiento estadstico es la manera como
las personas argumentan sobre las ideas estadsticas y el sentido que le dan a la
informacin estadstica. El razonamiento estadstico implica conectar un concepto
a otro (por ejemplo, centro de la distribucin y la variabilidad) o combinar ideas
acerca de los datos y la probabilidad. Razonar estadsticamente significa entender
y estar en capacidad de explicar los procesos estadsticos y de interpretar
completamente los resultados estadsticos.
+ensamiento estadstico. El pensamiento estadstico implica la comprensin
del por qu y de cmo se realizan las investigaciones estadsticas. Esto incluye
reconocer y comprender el proceso investigativo completo (desde la pregunta de
investigacin a la recoleccin de datos, as como la seleccin de la tcnica para
analizarlos, probar las suposiciones, etc.), entendiendo cmo se utilizan los
modelos para simular los fenmenos aleatorios, cmo los datos se producen para
estimar las probabilidades, reconocimiento de cmo, cundo, y por qu los
instrumentos deductivos existentes se pueden utilizar, y son capaz de entender y
utilizar el contexto de un problema para emitir conclusiones y planear
investigaciones.
A partir de estas definiciones de trabajo, delMas (2002) ofrece algunos
ejemplos de tem que se pueden utilizar para evaluar la cultura, el razonamiento
y el pensamiento estadstico
Una muestra aleatoria de 30 estudiantes de primer ao de una
universidad fue seleccionada para estimar la puntuacin promedio de
un examen de diagnstico de matemticas, que es obligatorio para
todos los estudiantes de primer ao. El promedio de la muestra es de
81,7 puntos con una desviacin tpica muestral de 11,45 puntos.
Construya un intervalo de la confianza del 95% para estimar la
puntuacin promedio de los estudiantes de esa universidad respecto al
examen diagnstico de matemticas. Demuestre todo su trabajo para
recibir la puntuacin completa.
Para delMas, cuando los estudiantes indican la respuesta correcta (77,43;
85,98), slo estn evidenciando que recuerdan las instrucciones bsicas para
determinar el intervalo de confianza, trabajar apropiadamente con los datos y la
frmula, y realizan los clculos.
52
577
Si al estudiante se le preguntara Qu dice el intervalo de confianza del 95%
acerca de la puntuacin promedio de los estudiantes de esa universidad en el
examen de diagnstico de matemticas?, se estara intentando evaluar el
razonamiento estadstico. Sin embargo, delMas indica que la mayora de las
respuestas a esta pregunta puede ser slo evidencia de que el estudiante tiene
cierta idea de cmo interpretar el intervalo de confianza, pero poco aporta para
valorar su razonamiento estadstico. Para este autor un mejor tem sera:
Una muestra aleatoria de 30 estudiantes de primer ao de una
universidad pblica fue seleccionada para estimar la puntuacin
promedio de un examen de diagnstico de matemticas, que es
obligatorio para todos los estudiantes de primer ao. El promedio de la
muestra es de 81,7 puntos con una desviacin tpica muestral de
11,45 puntos. El intervalo de confianza del 95% construido a partir de
la muestra es (77,43; 85,98). A continuacin se enumeran algunas de
las formas como los investigadores podran interpretar el intervalo de
confianza. Para cada una de ellas, determnese si es o no es una
interpretacin vlida del intervalo de confianza. En cada caso indique
por qu es una interpretacin incorrecta del intervalo de confianza.
Algunas de las interpretaciones que se podran utilizar son:
a. El 95% de los estudiantes de primer ao tienen una puntuacin
promedio en la prueba diagnstica de matemticas entre 77,43 y
85,98.
b. Hay una probabilidad del 95% que la verdadera media de la
poblacin es encuentre entre 77,43 y 85,98.
c. Existe un 95% de confianza de que la verdadera media de la
poblacin est entre 77,43 y 85,98.
Si el inters del docente est en valorar el pensamiento estadstico del
estudiante, se podra utilizar el siguiente tem:
Un profesor de psicologa en una cierta universidad B ha ledo los
resultados del estudio de la universidad del estado. El profesor
quisiera saber si los estudiantes en su universidad son similares a los
estudiantes de la universidad del estado respecto a la puntuacin
promedio en el examen diagnstico de matemtica. El profesor recoge
la informacin de 53 estudiantes de primer ao matriculados este
semestre en una seccin grande (321 estudiantes) de la asignatura
"Introduccin a la psicologa. De acuerdo con esta muestra, el
intervalo de confianza del 95% para la puntuacin promedio en el
examen diagnstico de matemtica es (69,47; 75,72)
A continuacin se presentan dos conclusiones posibles que el profesor
de sociologa puede dar a su resultado. Para cada conclusin, indique
si es vlida o no, sealando el porqu de su respuesta. Observe que es
posible que ninguna de las dos conclusiones sea vlida.
a. La puntuacin promedio en el examen diagnstico de matemtica
de los estudiantes de primer ao en la universidad del estado es
ms baja que el promedio de estudiantes de primer ao de la
universidad &.
53
b. La puntuacin promedio en el examen diagnstico de matemtica
de los 53 estudiantes de primer ao matriculados en "Introduccin
a la psicologa, es ms baja que el promedio de estudiantes de
primer ao de la universidad del estado.
%ctividad 7.2
Selecciona un libro de matemtica de Educacin Media y un libro de Estadstica
para el mbito universitario. Sobre la base de las definiciones de trabajo que
presenta ARTIST y tomando como referencia los ejemplos proporcionados por
delMass, clasifica las preguntas, ejercicios y problemas que se ofrecen en los
libros seleccionados. Elabora una tabla que resuma la clasificacin lograda para
cada libro. Busca ejemplos de distintas naturaleza que puedan ser utilizados para
evaluar la cultura, el razonamiento y el pensamiento estadstico de los
estudiantes a los cuales va dirigido.
$mplicaciones para la ense=an;a 1 el aprendi;ae
Es variada la gama de investigadores que han formulado los que ellos
consideran que son los requisitos bsicos para que alguien alcance una "cultura
estadstica, a continuacin se presentan algunos de ellos:
Watson (1 997) identifica tres etapas como componentes de los objetivos
finales en el desarrollo de la cultura estadstica:
1. Comprensin de la terminologa bsica de estadstica
2. Comprensin del lenguaje estadstico y de los conceptos en un contexto
de una discusin social ms amplia
3. Desarrollo de una actitud cuestionadota, que permita aplicar los conceptos
ms sofisticados para contradecir los usos inapropiados de la estadstica.
Behar Gutirrez y Grima Cintas (2 003), presentan su interpretacin de las
ideas ofrecidas por Snee (1 993) y Wild y Pfannkuch (1 999), y como se
relacionan con el hecho educativo:
1. #a necesidad de los datos. Esto significa desarrollar la actitud
de evitar las especulaciones subjetivas y sentir la necesidad de
abordar la solucin de problemas con base en datos.
2. Desarrollar conciencia de la importancia del proceso de
generacin de los datos. Desafortunadamente muchos cursos y
textos de estadstica, se desarrollan a partir de lo datos,
pareciera que el pensamiento estadstico se iniciara despus de
que se tienen los datos. Cuando los datos aparecen, se ha
realizado un avance sustantivo en la solucin del problema.
Generar conciencia de lo relevante del proceso de obtencin de
los datos, saber que la forma de analizarlos est ntimamente
ligada a la forma como los datos son obtenidos (Muestreo,
Diseo de Experimentos, Fuentes secundarias). Antes de los
datos, y para llegar a ellos ha debido ocurrir un proceso de
"pensamiento estadstico.
54
577
3. Sentir la necesidad de tener en cuenta la variabilidad " la
incertidumbre como elementos clave, percibir de manera
natural la omnipresencia de la variabilidad e incluirla como una
componente importante en el proceso de modelacin de la
realidad.
4. Involucrar en la lgica de pensamiento las ideas de validez
e'terna (representatividad) y de validez interna (Control de
factores de confusin).
5. Comprender y apropiarse de los argumentos que justifican la
utilidad de la estimacin por medio de muestras, no obstante
que los resultados pueden variar de una muestra a otra.
6. Desarrollar la capacidad de abordar problemas faltos de
estructura, como lo son la mayora de las situaciones reales.
Realizar preguntas inteligentes para colocar en contexto la
situacin y convertirla en un verdadero problema estadstico.
7. Comprender que la significancia estad!stica est relacionada
con la medida de la variabilidad del azar, pero que no est en
relacin con la significancia prctica.
8. Aaloracin de la utilidad de la estad!stica: para comparar, para
predecir, para estimar, para valorar el impacto de un factor
sobre la variabilidad de otros, para construir indicadores, para
decidir entre diferentes opciones, sus alcances y limitaciones.
9. Desarrollar la habilidad de comunicar los resultados, su nivel de
generalidad y las condiciones para su aplicacin.
Chance (2 002) considera que las disposiciones que Wild y Pfannkuch
identificaron en estadsticos experimentados son parte de las metas que se
tienen en cursos introductorios de estadstica en el ambiente universitario. Esos
elementos son como los primeros pasos que deben dar todos estadsticos, pero
tambin es parte de lo que se necesita desarrollar en cada ciudadano para
entender la importancia y la necesidad de la investigacin cientfica apropiada.
Cree que tambin son los cimientos para el desarrollo del razonamiento
estadstico, sobre todo si se alienta a los estudiantes a razonar los instrumentos
estadsticos, incluyendo el conocimiento de la importancia de la recoleccin de los
datos y su interpretacin.
Sin embargo, la experiencia de Chance le indica que un nico curso
introductorio no basta ya que en muchas ocasiones se encuentra que sus
estudiantes luego de un corto tiempo han vuelto a sus "viejos hbitos en la
interpretacin de informacin estocstica. Por ello considera que en esos cursos
se debe hacer nfasis en los hbitos sealados por Wild y Pfannkuch,
particularmente en lo referente a la formulacin de preguntas, la justificacin de
procesos y la escritura en sus propia palabras. Los docentes por su parte deben
ensayar nuevas formas de ensear y realizar formas alternativas de evaluar a
sus estudiantes en los cursos de estadstica.
Para delMass (2 002) es importante establecer una fuerte triangulacin entre
los objetivos del curso, las actividades de enseanza y la evaluacin. Cree que
para ayudar al estudiante a desarrollar su cultura estadstica es necesario incluir
55
experiencias directas donde juzguen la validez de las conclusiones presentadas.
Por ejemplo, en una actividad se pueden presentar varias posibilidades y pedir
que ellos juzguen si es apropiado o no construir un intervalo de confianza en esas
circunstancias. Se solicitara a los estudiantes que calculen los intervalos slo en
las situaciones donde es pertinente, donde se cumplen las condiciones. Se desea
que ellos comprendan cmo se hace, pero tambin por qu y para qu se hace.
Es importante que ellos tengan oportunidad de confrontar con sus compaeros
sus ideas.
Considera que para que los estudiantes puedan resolver situaciones como la
presentada anteriormente para evaluar el razonamiento estadstico, es necesario
que ellos trabajen con datos verdaderos, ubicados en un contexto y donde se les
solicite una interpretacin real de los resultados. Los estudiantes pueden trabajar
en equipo, donde puedan confrontar sus ideas, con miras a llegar a acuerdo, pero
tambin deben compartir las interpretaciones del equipo con el resto de la clase.
Se debe incitar a los estudiantes a determinar si la interpretacin sealada se
ajusta a las observaciones hechas durante la actividad.
Para resolver situaciones como la presentada para evaluar el pensamiento
estadstico, delMass (2 002) considera que se puede seguir unas pautas similares
a las reseadas antes, pero haciendo ms nfasis en el uso de los modelos y en
la importancia de aspectos como el muestreo. Los estudiantes deben tener
oportunidad de trabajar con diversas muestras, comprender el papel de muestras
seleccionadas al azar y lograr un buen sentido de los datos.
Para Garfield (2 002) las actividades de clases deben ayudar a los estudiantes
a comprender los conceptos estadsticos y a razonar estadsticamente. Por
ejemplo, solicitarles que emparejen descripciones verbales con grficos puede
ayudar a desarrollar su razonamiento acerca de los datos y su distribucin.
Considerar diversas situaciones donde la desviacin tpica es ms grande o ms
pequea puede ayudarlos a desarrollar su razonamiento acerca de la variabilidad.
Las simulaciones de las distribuciones muestrales, mediante computadoras, que
permitan variar el tamao de la muestra y el parmetro, pueden ayudarlos a
desarrollar su razonamiento acerca de esas distribuciones.
Rumsey (2 002) considera que en los cursos de estadstica no se desarrolla
primero la cultura estadstica, luego se sigue con el razonamiento y finalmente se
llega al pensamiento estadstico. Por ello considera que los cursos iniciales no son
slo para desarrollar la cultura estadstica y considera que siempre se le deben
presentar los problemas estadsticos en contextos pertinentes, legtimos,
acompaados de preguntas de investigacin pertinentes. Luego de lograr un
conocimiento bsico funcional, los estudiantes necesitan desarrollar la habilidad
de preguntar, de cuestionar, de probar, de comparar, contrastar, explicar y
evaluar en un nivel ms alto. Los problemas estadsticos reales pueden ayudar en
esto. Ellos necesitan ser capaces de pensar estadsticamente por ellos mismo, de
identificar sus propias preguntas, de proponer sus propias soluciones utilizando la
estadstica. Cada vez que atraviesan el proceso, ellos pondrn a prueba su
comprensin de trminos y conceptos, adems de desarrollar habilidades de
razonamiento y de pensamiento.
Los planteamientos anteriores pueden generar ciertas interrogantes, alguna de
ellas pueden ser: Son eficaces estas recomendaciones? Hay que hacer
variaciones para poner en ejecucin estas recomendaciones? Realmente se logra
56
577
el desarrollo de la cultura estadstica? Es posible desarrollar el razonamiento y el
pensamiento estadstico? Estas y otras dudas slo se pueden despejar por medio
de la investigacin. Falta mucho por investigar con respecto a la cultura, el
razonamiento y el pensamiento estadstico.
%ctividad 7.3
1. Considera que es importante que en la EB y la EMDP se ensee
estadstica y probabilidad?
2. La EB y la EMDP deben colaborar en el desarrollo de la cultura estadstica
de los estudiantes? Cmo puede ayudar a desarrollar el razonamiento
estadstico? y el pensamiento estadstico?
3. Cules son los contenidos de estadstica y probabilidad previstos
actualmente en los programas de la EB y la EMDP?
4. Qu aspectos de los mencionados en esta leccin y la anterior podran ser
trabajados en la EB y la EMDP?
5. Escriba un ensayo breve sobre la base de las respuestas anteriores. Fije
posicin y argumntela
-e.erencias
Assessment Resource Tools for Improving Statistical Thinking.
http://data.gen.umn.edu/artist/index.html
Batanero, C. (2002). Estadstica y didctica de la matemtica: Relaciones,
problemas y aportaciones mutuas. En C. Penalva, G. Torregrosa y J. Valls
(Eds.), $portaciones de la didctica de la matemtica a diferentes perfiles
profesionales (pp. 95-120). Universidad de Alicante.
Behar Gutirrez, R. y Grima Cintas, P. (2003) La Estadstica en la Educacin
Superior Formamos Pensamiento Estadstico? 2ngenier!a " Competitividad
5 (2)
delMas, R. (2 002) Statistical Literacy, Reasoning, and Learning: A Commentary.
Journal of Statistics Education V 10, N 3 Disponible
http://www.amstat.org/publications/jse/v10n3/delmas_intro.html
Garfield, J. (2002). Components of Statistical Thinking and Implications for
Instruction and Assessment. Bournal of Statistics Education Volume 10,
Number 3, www.amstat.org/publications/jse/v10n3/chance.html
Garfield, J. (2002). The Challenge of Developing Statistical Reasoning. Bournal of
Statistics Education Volume 10, Number 3,
www.amstat.org/publications/jse/v10n3/garfield.html
Rumsey, D. J. (2002). Statistical Literacy as a Goal for Introductory Statistics
Courses Bournal of Statistics Education Volume 10, Number 3,
www.amstat.org/publications/jse/v10n3/rumsey2.html
Watson, J. (1997). Assessing Statistical Thinking Using the Media. En Gal I. y
Garfield, J. (Eds.) &he $ssessment Challenge in Statistics Education,
Amsterdam: IOS Press and International Statistical Institute.
57
Wild, C. J., y Pfannkuch, M. (1 998). What is statistical thinking? En Pereira-
Mendoza L., et al. (Eds) (1998). Proceedings of the 5th International
Conference on Teaching Statistic. Volume 1-3. Singapore.
Wild, C. J., y Pfannkuch, M. (1 999). Statistical thinking in empirical enquiry.
International Statistical Review, 67(3), 223-265.
58
577
MDULO 2
Estocstica en la realidad
Obetivo del Mdulo!
Analizar la relacin de la probabilidad y la estadstica con la realidad, las
prcticas escolares y su uso en la enseanza.
"#$D%D #> 3! Estocstica, sus aplicaciones y didctica
O&'E($)O DE L% "#$D%D!
Analizar diversas situaciones de la realidad en las que se aplica la probabilidad o
la estadstica
CO#(E#$DO*:
La probabilidad y la estadstica del entorno y de la actividad humana:
aplicaciones acadmicas, tecnolgicas y cotidianas de la estocstica. Diversos
conceptos de probabilidad. Medicin y Prediccin.
59
60
577
Unidad $
Leccin -
.plicaciones de la Estadstica
En esta leccin estudiaremos algunas aplicaciones de la estadstica en la vida
real. La importancia de este tema para la didctica de la estocstica es la
posibilidad de utilizar las aplicaciones de la estadstica en el aula de clases,
particularmente en una enseanza basada en proyectos. La estadstica tiene una
amplia aplicacin a problemas de las ciencias naturales y ciencias sociales, es un
instrumento importante para comprender fenmenos estocsticos. Obviamente
aqu slo presentamos algunas de las aplicaciones de la estadstica, a manera de
ilustracin de sus posibilidades de uso. Es importante que establezca nexos entre
lo trabajado en esta leccin y su posible utilizacin en el aula de clases.
El Censo
El censo es el estudio cuantitativo de todos los elementos de una poblacin en
un momento determinado. La caracterstica bsica del censo es el estudio de
variables estadsticas en todos los elementos de una poblacin, por lo tanto es un
estudio exhaustivo de los elementos de una poblacin que permite su descripcin
detallada con relacin a las variables estudiadas.
Los censos generales de la poblacin de un pas son los ms conocidos. En los
censos generales de la poblacin se renen datos demogrficos, econmicos y
sociales correspondientes a todos los habitantes de un pas o territorio,
establecidos en un momento determinado.
En Venezuela, como en la mayora de los pases del mundo, se realiza cada
diez (10) aos el Censo de +oblacin 1 )iviendas. Oficialmente el primer
censo en Venezuela se realiz en 1873 y el ms reciente se llev a cabo el ao
2001 (XIII censo de poblacin y vivienda), por lo que el prximo se debera
realizar el ao 2011. Con el Censo el estado venezolano logra conocer de manera
exhaustiva, en un momento determinado, las caractersticas de toda la poblacin
y de las viviendas del pas. Se logra informacin sobre cada uno de los habitantes
de un pas como por ejemplo: gnero, edad, situacin conyugal, nivel educativo,
caractersticas econmicas, etc. Tambin se logra informacin sobre fecundidad,
mortalidad, migracin. Respecto a las viviendas se logra conocer elementos
como: tenencia (propietario o no de la vivienda), condiciones (materiales
utilizados en la construccin, salubridad, servicios que posee, etc). Todos estos
datos son consolidados para generar informacin que permite describir el pas
para ese momento y establecer comparaciones con otros momentos. La
periodicidad en la realizacin del censo es lo que permite determinar los cambios
que se dan en un pas, en un perodo determinado.
61
Evolucin de la +oblacin )ene;olana< Censos 1?@3 A 2991
Fuente: Reporte sociodemogrfico. Censo de poblacin y vivienda
2 001. Situacin, dinmica y perspectivas de la poblacin. Disponible
en: www.ine.gov.ve
Los resultados del censo de poblacin y vivienda generalmente se utilizan
como base para tomar decisiones por parte del estado. Al conocer el tamao de
la poblacin, sus caractersticas y distribucin en el territorio nacional, el estado
puede formular polticas sobre educacin, salud, creacin de empleos, desarrollo
rural, desarrollo indgena, construccin de vivienda, desarrollo de medios
transportes y vas de comunicacin, seguridad social, etc., acordes con las
necesidades del pas o una cierta regin. Adems puede formular planes que
permitan la administracin y evaluacin de las polticas formuladas. Por ejemplo,
si se tiene informacin sobre la tasa de natalidad de una cierta regin, ella puede
ser utilizada para hacer estimaciones respecto a cuntos nios demandaran
educacin en los prximos aos y s la capacidad actual de la regin ser
suficiente para atenderlos. En caso de que las estimaciones indiquen que la
demanda del servicio superar a su oferta, se pueden establecer las previsiones
necesarias: construccin de nuevas instituciones de educacin, formacin del
recurso humano, dotacin de las escuelas, etc. Los resultados del censo son
esenciales para la planificacin general de las acciones futuras del estado y la
administracin de los recursos.
62
577
%ctividad B.1
1. La periodicidad del censo en Venezuela y en muchos pases es cada 10
aos, indaga si existe alguna razn tcnica para realizarlo de esa forma.
2. Indaga sobre otros usos que tienen los resultados del censo en Venezuela.
En Venezuela el organismo responsable de la realizacin del Censo de
Poblacin y Vivienda es el Instituto Nacional de Estadsticas (INE). Con los
resultados del censo el INE realiza proyecciones sobre distintos aspectos de
inters sobre la poblacin y logra la base para la obtencin de muestras en el
perodo intercensal.
$ndicadores del crecimiento de la poblacin segCn grupo de edad
Fuente: Reporte sociodemogrfico. Censo de poblacin y vivienda 2001.
Situacin, dinmica y perspectivas de la poblacin. Disponible en:
www.ine.gov.ve
El INE adems es el responsable de generar los registros administrativos del
pas. Los registros administrativos son hechos que se registran en el momento en
que se producen, como por ejemplo: suicidios, defunciones, nacimientos,
enfermedades, matrimonios. Son reportados por diversas dependencias del
Estado y producto de su actividad administrativa regular. El INE es el organismo
encargado de asesorar a los otros organismos del estados en materia de
estadstica y el responsable de consolidar los datos emanados por esos
organismos, as como de organizarlos y publicarlos. Los registros administrativos
son otra forma de conocer las caractersticas del pas y brinda informacin
actualizada al estado. Algunos de los registros administrativos que regularmente
reporta el INE son: estadsticas vitales (nacimientos, defunciones, matrimonios,
divorcios), fuerza de trabajo (activos, inactivos, desocupados, ocupados),
estadsticas de asistencia medica y salud (mortalidad de la poblacin en general
clasificada por causas, la mortalidad infantil clasificada por causas, enfermedades
de la poblacin), estadsticas judiciales (delitos cometidos por categora,
poblacin condenada, poblacin recluida), indicadores sociales, indicadores
econmicos, etc.
63
(asa de Mortalidad $n.antil< 1DD? A 299B
(por mil nacidos vivos)
(E) Cifra estimada
Fuente: Repblica Bolivariana de Venezuela en Cifras. N 2 Ao 2 005.
Disponible en: www.ine.gov.ve
%ctividad B.2
1. Usualmente no se logra el empadronamiento de toda la poblacin en los
censos de poblacin y vivienda, es lo que se denomina omisin censal.
Indaga como el INE logra solventar esa omisin.
2. En Venezuela, popularmente se afirma que hay siete (7) mujeres por cada
hombre, ser cierta esa creencia popular? Habr sido cierta en algn
perodo histrico? Busca los resultados de diferentes censos realizados en
pas y presenta evidencia para refutar o apoyar esa creencia popular.
3. Examina el grfico que presenta la Tasa de Mortalidad Infantil, 1998 -
2005 y la tabla Indicadores del crecimiento de la poblacin segn grupo de
edad. Qu proceso matemtico permite las estimaciones realizadas?
Crees que este proceso se podra ensear en Educacin Bsica o
Educacin media Diversificada y profesional? Presenta argumentos.
La $nvestigacin Cuantitativa
El fin de la investigacin es producir conocimiento y contribuir al desarrollo de
la sociedad. Existen muchas formas de generar ese conocimiento, una de ellas es
mediante la investigacin cuantitativa.
En un enfoque clsico, el investigador parte de una teora existente o alguna
intuicin realizada a partir de hechos reales para formular una conjetura o
hiptesis sobre cierta particularidad de la realidad. Cmo saber si la conjetura es
cierta? Una posibilidad es utilizar la estadstica. Para ello el investigador disea
un experimento que le permita evaluar la hiptesis, generar datos que puedan
ser sometidos a tcnicas estadsticas, los analiza y produce una respuesta a su
pregunta inicial. Los resultados lo llevaran a tomar una decisin sobre la
conjetura inicialmente formulada. Es lo que se denomina el enfoque
confirmatorio. Se responde a la pregunta confirman los datos la hiptesis de la
relacin de la variable x con la variable y, en un contexto definido?
Otra opcin es comenzar por el enfoque exploratorio. En este enfoque la
pregunta que orienta el tipo de trabajo que es Qu pueden decir los datos
acerca de la relacin de la de la variable x con la variable y, en un contexto
definido? Se trabaja con los datos de una forma ms amplia, en la bsqueda de
patrones en los datos. En cualquiera de los dos casos el investigador necesita de
los datos.
64
577
En la investigacin cientfica rara vez se utilizan los censos ya que por lo
general su realizacin es complicada, difcil y con una importante inversin de
dinero. En otras ocasiones el estudio completo de la poblacin implica su
destruccin, por ejemplo si se desea estudiar las caractersticas de las Cachamas
del Orinoco no es prctico capturar todos los peces para estudiarlos. Lo ms
recomendables es tomar slo algunos ejemplares y realizar el estudio a partir de
ellos. Es la inferencia estadstica, obtener informacin de una muestra de
individuos u objetos representativos de la poblacin, analizarla mediante
procedimientos estadsticos y generalizarlos a toda la poblacin.
Este procedimiento es utilizado en reas diferentes como: medicina,
educacin, economa, psicologa, biologa, sociologa, qumica, etc.
*alud
La estadstica es uno de los instrumentos que con ms frecuencia se utilizan
en el rea de la salud para tomar decisiones con miras a determinar mejores
procedimientos mdicos. La mayora de los medicamentos, producidos por
laboratorios, tienen el respaldo de estudios estadsticos que avalan sus
potencialidades y sus posibles efectos secundarios.
Los investigadores de los laboratorios farmacuticos invierten aos en dar con
un medicamento capaz de resolver algn problema de salud, sin solucin hasta
ese momento. La otra opcin es dar con un medicamento que muestre ventajas
sobre otros ya existentes en el mercado, por ejemplo que no tenga efectos
secundarios al atacar una enfermedad que ya tena tratamiento. Para dar con ese
medicamento los investigadores hacen uso de la estadstica.
Uno de los problemas de salud que no tenia solucin hasta hace algunos aos
era la disfuncin erctil o impotencia masculina. Se deca que en muchos pases
ms de la mitad de los hombres mayores de 40 aos sufra de disfuncin erctil y
su tratamiento era algo complicado. Sin embargo, el desarrollo del citrato de
sildenafil revolucion el manejo de esos pacientes. Ms conocido por el nombre
comercial dado por el multinacional laboratorio Pfizer, la Viagra es uno de esos
ejemplos de descubrimientos por casualidad.
El citrato de sildenafil estaba siendo investigado como antihipertensivo y
dilatador coronario. Ya se haba llegado a la fase de experimentacin en seres
humanos, sin embargo los resultados eran decepcionantes. Las pruebas
estadsticas realizadas a partir de los datos proporcionados por los ensayos
indicaban que no haba diferencias estadsticamente significativas entre los
paciente que reciban el citrato de sildenafil y los que tomaban el placebo. Sin
embargo, al cerrar la investigacin los mdicos se encontraron con una sorpresa,
los pacientes insistan en seguir tomando el medicamento. Se les inform que el
medicamento no funcionaba como dilatador coronario, pero ellos insistan en
seguir con el tratamiento. Al indagar cuales eran las razones de esa insistencia,
los mdicos encontraron que en esos pacientes el medicamento tena un efecto
favorable sobre la ereccin. Los investigadores del laboratorio comenzaron una
nueva investigacin con el sildenafil, esta vez para evaluar sus posibilidades de
uso contra la disfuncin erctil. Comenzaba as el descubrimiento ms importante
de la sexologa, despus de la pldora anticonceptiva.
65
La estadstica en este caso ayud a decidir sobre la ineficacia del citrato de
sildenafil como antihipertensivo y dilatador coronario, pero posteriormente brind
elementos que avalaban su uso como tratamiento contra la disfuncin erctil.
Se sabe que las manos de los mdicos y enfermeras pueden ser agentes de
contagios en centros hospitalarios. Por ello se recomienda que luego de tratar
con un paciente los mdicos y enfermeras se laven las manos con un agente
antibacteriano. Doebbling, Stanley, Sheetz, Pfaller, Houston, Annis, Li y Wenzel
(1 992) probaron dos tipos de sustancias limpiadoras con agentes antibacterianos
distintos en unidades de cuidados intensivos. El primer agente antibacteriano era
una solucin de 60% de alcohol, mientras que la segunda contena el antibitico
gluconato clorhexidrina. Cada mes cambiaban el tipo de limpiador sin dar aviso al
resto del personal sobre el cambio. Ellos adems registraban el nmero de
infecciones que ocurran con el uso de ambos limpiadores y el nmero de "das
paciente (nmero de das que esta el paciente en el hospital, si el paciente est
dos das en el hospital se registra como dos das paciente)
Florence Nightingale (1 820 - 1 910) considerada la madre
de la enfermera moderna y pionera en el uso de la
estadstica descriptiva en medicina. Durante la Guerra de
Crimea, se apoyo en datos para lograr la modificacin de
las condiciones sanitarias de las salas donde eran
atendidos los heridos de guerra. Demostr que con sus
medidas la tasa de mortalidad baj del 42% al 2%. Fue de
las primeras en utilizar los grficos para representar datos
en forma sencilla, se le considera la creadora del grfico de
sectores. Para ella los datos eran una manera de
comprender un fenmeno y con ello ayudar a salvar vidas.
Mostr cmo un fenmeno social poda ser medido y
analizado mediante la estadstica. Desarroll un modelo de
estadstica hospitalaria para generar datos y estadsticas
consistentes. Fue la primera mujer miembro de la
Statistical Society (1 858)
Los resultados indican que durante el tiempo que se us la sustancia que
contena el gluconato clorhexidrina, las infecciones bajaron en un 27%, respecto
a las ocurridas cuando se usaba la sustancia con 60% de alcohol. El anlisis
estadstico report diferencias estadsticamente significativas en la proporcin de
infecciones al usar las dos sustancias limpiadoras (p < 0,05 con una prueba t).
En ese mismo trabajo los investigadores reportan la existencia de una
preferencia en el uso del gluconato clorhexidrina como agente antibacteriano
entre el personal de ese hospital. Se encontr una diferencia estadsticamente
significativa en la disposicin a lavarse las manos con gluconato clorhexidrina del
48% contra un 30% del uso de la solucin de 60% de alcohol (p < 0,05 con una
prueba t) De este trabajo se desprende dos resultados importantes: (1) animar a
los mdicos y enfermeras a lavarse las manos entre una revisin de un paciente
y otro parece disminuir la proporcin de infecciones (2) aparentemente los
mdicos y enfermeras tiende a lavarse ms las manos cuando tienen a su
alcance un fuerte agente antibacteriano. Una investigacin como esta puede
orientar a los directivos de hospitales para la toma de decisiones que permita una
disminucin de la proporcin de infecciones en centros hospitalarios.
66
577
%ctividad B.3
1. Lea el artculo 2nterpretando correctamente en salud pGblica estimaciones
puntuales, intervalos de confianza " contrastes de hiptesis de Scotto y
Tobas-Garcs (2 003). Qu implicaciones podra tener la posicin de
estos autores respecto a la enseanza de la estadstica en general y a esos
temas en particular?
2. Consideras que los estudiantes de Educacin Bsica o Educacin Media
Diversificada y Profesional podran trabajar elementos de estadstica
inferencial como parte de su formacin en Estadstica? Presenta
argumentos.
Medios de Comunicacin
Los medios de comunicacin (impresos, radio, televisin) con frecuencia
presentan informaciones utilizando datos estadsticos. Los grficos, los
porcentajes, los promedios son algunos de los conceptos estadsticos con los que
se puede encontrar un ciudadano cualquiera al leer un diario o revista, ver
televisin o escuchar radio. A continuacin encontramos dos ejemplos del tipo de
noticia a las que nos referimos.
El Universal, Agosto 21,
2006, pgs. 1 - 1
El Universal, Agosto 21, 2006, pg. 2 - 1
67
En ocasiones este tipo de noticias son elaboradas a partir de investigaciones
realizadas por el propio medio, pero en otras ocasiones se elaboran sobre la base
de informes tcnicos o informes de investigacin. Para desarrollar este tipo de
informacin se requiere del periodista una habilidad que hasta hace algunos aos
se le exiga: la de convertir en noticias las encuestas, las investigaciones, etc. La
base de esa habilidad son los conocimientos bsicos de estadstica, que le
permitirn comprender el trabajo que lee para poder transformarlo en una
noticia, comprensible para un pblico amplio. De la interpretacin que logre el
periodista procesar depende en cierta medida la credibilidad que logre frente a
los lectores. Obviamente, de los conocimientos de estadstica del lector
depender la compresin que logre de la informacin, as como la evaluacin que
pueda hacer de ella. Por razones como estas es que muchos abogan por una
cultura estadstica para todos los ciudadanos.
Un ejemplo de esto se presenta a continuacin:
Tejero Puntes (2006) elabor un artculo sobre la
Economa Informal tomando como base el trabajo de la
Unidad de Anlisis de la Economa Informal del Centro de
Estudios para la Divulgacin del Conocimiento Econmico,
(Cedice). Seala que de los 11 millones que trabajan en el
pas ms de 5 millones lo hacen en la economa informal y
que slo en Caracas cerca de 300 000 personas se
dedican a a la buhonera.
El artculo de Tejero Puntes no presenta elementos que son de gran
importancia para evaluar la informacin que expone: la fecha en la cual se realiz
el estudio, el tamao de la muestra, el coeficiente de confianza y el margen de
error. La omisin de este tipo de informacin es frecuente en los medios de
comunicacin venezolana. Lo ms probable es que esa omisin se deba a
desconocimiento del periodista sobre la importancia de esos elementos.
Indagando un poco en Internet sobre el estudio se encontr el archivo
"datosbuhonero.pdf (http://cedice.org.ve/archivos/DatosBuhonero.pdf), el cual
pondra ser parte de los datos que manej Tejero Puntes en su artculo. El
estudio se denomin "Datos Bsicos del Buhonero Caraqueo y fue realizado en
diciembre del 2004, en la ciudad de Caracas, especficamente en: Boulevard de
Sabana Grande, Boulevard de Catia, Av. Principal de El Cementerio, Casco
Histrico y la Redoma de Petare. La muestra estuvo conformada por buhoneros
dueos de puesto que vendan mercanca seca (ropa y/o calzado). Se
encuestaron 376 buhoneros, los cuales representa aproximadamente al 10% de
los buhoneros de las zonas mencionadas. La informacin encontrada no esclarece
todas las dudas que se presentaron en el prrafo anterior, pero orienta un poco
sobre el origen de los datos.
Los siguientes grficos se encontraron en el archivo "datosbuhonero.pdf y
muestran parte de los resultados obtenidos en el estudio sobre los datos bsicos
del buhonero caraqueo.
68
577
*eEo -ango de Edades
Estado Civil Dependencia del Encuestado
#Cmero de 5ios por Encuestado #ivel %cad0mico
)alor Mensual de las )entas $ngresos por otras %ctividades
Fuente: Centro de Estudios para la Divulgacin del Conocimiento Econmico.
Disponible en: http://cedice.org.ve/archivos/DatosBuhonero.pdf
69
%ctividad B.7
1. Examina los grficos anteriores y elabora un perfil del buhonero
caraqueo.
2. Consideras que los estudiantes Educacin Bsica o Educacin Media
Diversificada y profesional podran elaborar el perfil del buhonero
caraqueo con la informacin proporcionada? Presenta argumentos
3. Presenta los grficos anteriores a dos o tres alumnos de 9 grado y
solictales que lean cada grfico.
-e.erencias
Doebbling, B.N., Stanley, G.L., Sheetz, C.T., Pfaller, M.A., Houston, A.K., Annis,
L., Li, N. y Wenzel, R.P. (1992) Comparative efficacy of alternative hand-
washing agents in reducing nosocomial infections in intensive care units.
The New England Journal of Medicine. 327 (2) 88 - 93
Instituto Nacional de Estadstica (2004) Reporte sociodemogrfico. Censo de
poblacin y vivienda 2001. Situacin, dinmica y perspectivas de la
poblacin. Disponible en: www.ine.gov.ve
Instituto Nacional de Estadstica (2005) Repblica Bolivariana de Venezuela en
Cifras. N 2 Ao 2005. Disponible en: www.ine.gov.ve
Tejero Puntes, S. (2006). 5 millones en la informalidad. El negocio de la
buhonera emplea a 300 000 personas en Caracas. El Universal. Agosto 21,
2006. Pag. 2 - 1
70
577
Unidad $
Leccin /
.plicaciones de la Probabilidad
En esta leccin se presentan algunas aplicaciones de la probabilidad en
situaciones de la vida real. Al igual que la estadstica, la probabilidad tiene una
amplia gama de aplicaciones, sin embargo, las aplicaciones de mayor relevancia
requieren de la compresin de conceptos que va ms all de lo previsto en cursos
iniciales de probabilidad. No obstante, le sugerimos que trate de establecer
vnculos entre lo que aqu estudia y sus posibilidades de uso en el aula de clases,
particularmente en el diseo de proyectos pedaggicos.
*istemas EEpertos &asados en +robabilidad
En los ltimos aos ha tomado gran auge el desarrollo de tcnicas que
permitan analizar problemas relacionados con el reconocimiento de patrones y el
anlisis de datos sobre la base de redes de Markov o redes Bayesianas. Uno de
esas tcnicas son los sistemas expertos probabilsticos, los cuales han
demostrado ser instrumentos tiles para la clasificacin y prediccin en
situaciones de incertidumbre, por ejemplo la prediccin meteorolgica o el
diagnstico de enfermedades.
Los sistemas expertos probabilsticos se aplican a situaciones que implican
cierto grado de incertidumbre dado que:
o Los hechos o datos pueden no ser conocidos con exactitud debido a hay
imprecisiones, involucra subjetividad, hay ausencia de informacin, no se
cuenta con ciertos datos, etc.
o No hay una relacin determinista entre las variables.
A continuacin se presenta un ejemplo de la medicina tomado de Castillo,
Gutirrez y Hadi (1 998).
Un centro mdico tiene una base de datos consistente en las historias clnicas
de , = 1 000 pacientes. Estas historias se resumen grficamente a continuacin.
71
Pacientes de un centro mdico clasificados por una enfermedad (adenocarcinoma
gstrico) y tres sntomas (dolor, vmitos y prdida de peso).
Hay 700 pacientes (regin sombreada) que tienen la enfermedad
adenocarcinoma gstrico (5), y 300 (regin no sombreada) que no la tienen (se
considera estar sano como otro valor posible de la enfermedad). Se considera
que hay tres sntomas ligados a esta enfermedad: dolor (%), prdida de peso (@)
y vmitos (A ). De acuerdo con esta informacin, cuando un paciente nuevo llega
al centro mdico, hay una probabilidad 700H1,000 = 70% de que el paciente
tenga adenocarcinoma gstrico. En probabilidad Bayesiana, esto es la
probabilidad inicial, o "a priori, puesto que se calcula con la informacin inicial,
es decir, la que se tiene antes de conocer informacin alguna sobre el paciente.
Por simplicidad de notacin, se utiliza g para indicar que la enfermedad est
presente y
g
para indicar que la enfermedad est ausente. De forma similar s
denotan los otros sntomas.
A partir de la grfica se extrae la siguiente informacin:
o Probabilidad "a priori: 440 de 1,000 pacientes vomitan.
44 0
1000
440
N
v card
v p '
0 1
0 1 = = =
card(v) denota el nmero de pacientes de la base de datos que vomitan.
Esto significa que el 44% de los pacientes vomitan.
o Verosimilitud.
5 0
700
350
g card
g v card
g v p '
0 1
0 ' 1
0 2 1 = = =
El 50% de los pacientes que tienen la enfermedad vomitan, mientras que
slo 30% de los pacientes que no tienen la enfermedad vomitan dado que
3 0
300
90
g card
g v card
g v p '
0 1
0 ' 1
0 2 1 = = =
72
577
o Verosimilitud. El 45% de los pacientes que tienen la enfermedad vomitan
y pierden peso
45 0
700
315
g card
g p v card
g p v p '
0 1
0 ' ' 1
0 2 ' 1 = = =
Mientras que slo el 12% de los que no tienen la enfermedad vomitan y
pierden peso
12 0
300
35
g card
g p v card
g p v p '
0 1
0 ' ' 1
0 2 ' 1 = = =
La probabilidad inicial de que el paciente tenga adenocarcinoma gstrico
(p(g) = 0.7), no es suficientemente alta para hacer un diagnstico (ntese que
tomar una decisin ahora implica una probabilidad 0.3 de equivocarse), el doctor
decide examinar al paciente para obtener ms informacin. Supngase que los
resultados del examen muestran que el paciente tiene los sntomas vmitos (A =
v) y prdida de peso (@ = p). Ahora, dada la evidencia (el paciente tiene esos
sntomas), cul es la probabilidad de que el paciente tenga la enfermedad? Esta
probabilidad "a posteriori puede ser obtenida de la probabilidad "a priori y de
las verosimilitudes, aplicando el teorema de Bayes en dos etapas, como sigue:
Tras observar que A = v la probabilidad "a posteriori es
795 0
3 0 x 3 0 5 0 x 7 0
5 0 x 7 0
g v p g p g v p g p
g v p g p
v g p '
0 ' ' 1 0 ' ' 1
' '
0 2 1 0 1 0 2 1 0 1
0 2 1 0 1
0 2 1 =
+
=
+
=
Tras observar que A = v y @ = p la probabilidad "a posteriori es
9 0
12 0 x 3 0 45 0 x 7 0
45 0 x 7 0
g p v p g p g p v p g p
g p v p g p
p v g p '
0 ' ' 1 0 ' ' 1
' '
0 2 ' 1 0 1 0 2 ' 1 0 1
0 2 ' 1 0 1
0 ' 2 1 =
+
=
+
=
Obsrvese que la probabilidad cambia tras observar las evidencias. La
probabilidad de tener la enfermedad era inicialmente 0,7, despus aument a
0,795, y luego a 0,9 tras observar la evidencia acumulada V = v y P = p,
respectivamente. Al final de la ltima etapa, el paciente tiene una probabilidad
0,9 de tener la enfermedad. Esta probabilidad puede considerarse al compararla
con la probabilidad "a priori 0,7, para que el doctor diagnostique que el paciente
tiene la enfermedad. Sin embargo, sera conveniente observar nuevas evidencias
antes de hacer este diagnostico.
Los mdicos utilizan los sntomas para hacer el diagnstico de las
enfermedades, dado que las enfermedades y los sntomas estn relacionados,
pero esta relacin no es perfecta. Los mismos sntomas pueden ser causados por
diferentes enfermedades. Estudiando estas relaciones entre sntomas y
enfermedades, los mdicos pueden aumentar su conocimiento, su experiencia y
diagnosticar enfermedades con un mayor grado de certeza. En esto es donde
puede ayudar los sistemas de expertos basados en probabilidad.
El ncleo de los sistemas expertos no probabilsticos es el conjunto de reglas
que describen las relaciones entre los objetos (variables). En los sistemas
expertos probabilsticos las relaciones entre las variables se describen mediante
su funcin de probabilidad conjunta, por ello, la funcin forma parte de lo que se
llama conocimiento. El diagnostico mdico es una de las reas en la que los
73
sistemas expertos han encontrado mayor numero de aplicaciones, son varios los
modelos de sistemas expertos probabilsticos que se han desarrollado para
resolver problemas con la estructura "sntomas-enfermedad.
El problema que se plantea es: Dado que un paciente presenta un subconjunto
de F sntomas S1 = s1,... SF = sF, cul es la enfermedad que tiene el paciente
con mayor probabilidad? Entonces, el problema consiste en calcular la
probabilidad de que el paciente tenga la enfermedad ei, dado el conjunto de
valores s1,J , sF de los sntomas S1, ... , SF. En otras palabras, para i = 1,..., m,
se desean calcular las probabilidades condicionales p(E = eiKS1 = s1, ... , SF = sF).
El problema puede considerarse como una clasificacin generalizada, tal como lo
muestra la tabla siguiente
Enfermedad e P(e/s1,.,s2)
e1 0,2
e2 0,1
e3 0,8
e4 0,4
e5 0,0
. .
La enfermedad e3 es la ms probable y la e5 la menos probable. Los sistemas
de expertos probabilsticos pueden ayudar en esta clasificacin y en el clculo de
probabilidades. Con ellos es posible:
o Crear bases de datos a partir de las variables de inters.
o Calcular las frecuencias absolutas y relativas de cualquier subconjunto de
variables a partir de la base de datos
o Calcular las probabilidades condicionales
o Aprender de la experiencia. Al tener nueva informacin esta se aade a la
base de datos y se cambian las frecuencias como corresponda.
o Trabajar con variables categricas de binomial o multinomial. Por
ejemplo:
Paciente Enfermedad
Sntomas
s1 . sn
1 e1 0 1 0
2 e2 1 1 1
3 e3 0 1 1
.
N em 1 0 1
Los sistemas expertos pueden ayudar a los especialistas a:
74
577
o Tomar una decisin con un margen de error menor. La mejor decisin con
la informacin que se tiene.
o Definir si se tiene informacin suficiente como para tomar la decisin ms
adecuada.
o Definir que tipo de prueba o evidencia necesita para lograr ms
informacin y tomar la decisin ms adecuada.
%ctividad F.1
Los sistemas expertos probabilsticos pueden utilizarse para resolver problemas
como el presentado anteriormente u otro tipo de problemas. Busque distintas
situaciones reales donde se utilicen sistemas expertos probabilsticos
La ciencia de tomar decisiones
En la leccin 2 se hizo referencia a diferentes trabajos de Kahneman y Tversky
sobre la interpretacin de la probabilidad. Estos trabajos fueron la base para un
acercamiento entre la psicologa y la economa.
Durante mucho tiempo teoras como la keynesiana, la de ciclo econmico o
mas recientemente la del homoeconomicus, eran las puntales de la economa. En
1979 Kahneman y Tversky publicaron su artculo &eor!a de la perspectiva en
Econometrica donde realizaban una profunda crtica a la teora de la utilidad
como modelo de la adopcin de decisiones bajo riesgo.
De acuerdo con Kahneman y Tversky la mente humana que aborrece la
perdida, la perdida de una cantidad de dinero nunca resulta totalmente
compensado por una ganancia equivalente: las prdidas son percibidas siempre
como mayores que las ganancias. Consideran que las personas subestiman los
resultados que consideran slo probables en comparacin con los resultados que
son obtenidos con seguridad, lo denominaron efecto certidumbre. Ellos
propusieron estas situaciones a diferentes personas:
o Usted ha decidido ver una excelente obra de teatro y ha adquirido una
entrada a 5000 bolvares. Cuando est a punto de entrar al teatro,
advierte que ha perdido la entrada. No recuerda tampoco el nmero de su
butaca, de modo que no puede probar al encargado que realmente ha
comprado una entrada. Gastara otros 5000 bolvares para una nueva
entrada?
o Usted ha reservado una entrada para ver una excelente obra de teatro,
que cuesta 5000 bolvares. Cuando llega al teatro advierte que ha perdido
los 5000 bolvares que lleva en el bolsillo Comprara otra entrada? (En el
supuesto de que tiene suficiente dinero como para hacerlo.)
En este caso, en ambas situaciones se produce una prdida similar, la mayor
parte de la gente compra una nueva entrada despus de haber perdido el dinero,
pero no despus de haber perdido la entrada. Las personas consideran que en el
primer caso al comprar una nueva entrada esta "costar ahora 10000 bolvares.
Mientras que en el segundo caso los 5000 bolvares no se cargan a la entrada
sino a otro "rubro, por ejemplo la perdida de dinero.
75
Tversky y Kahneman estiman que el valor asignado a una perdida es dos
veces mayor que el asignado a una ganancia de igual magnitud. Las experiencias
indican que 7 de 10 individuos prefieren un 25% de probabilidad de perder $
6000 a un 50% de probabilidad de perder $ 4000 o $ 2000 con igual probabilidad
(25%) para cada una.
En otra oportunidad trabajaron con inversionistas. Se les dio una suma
hipottica de Bs. 1 000 000 y se mostraron ms inclinados a aceptar una
ganancia segura de Bs. 500 000 sobre la inversin que aceptar un 50 y 50 por
ciento de probabilidades de ganar Bs. 1 000 000 o no ganar nada. Sin embargo,
en el caso de las posibles prdidas, la situacin se dio a la inversa: al ofrecerles
una suma hipottica de Bs. 2 000 000, la mayora de los inversionistas optaron
por no aceptar una prdida segura de Bs. 500 000 sobre la inversin y optaron,
en cambio, por un 50 y 50 por ciento de probabilidades de perder Bs. 1 000 000
o no perder nada.
Daniel Kahneman, recibi el Nobel de Economa 2002 por
haber integrado aspectos de la investigacin psicolgica en
la ciencia econmica, especialmente en lo que respecta al
juicio humano " la toma de decisiones bajo incertidumbre.
Kahneman, junto con Tversky, desarroll la Teora de la
Prospeccin (1 979), segn la cual los individuos toman
decisiones, en entornos de incertidumbre, que se apartan
de los principios bsicos de la probabilidad. A este tipo de
decisiones lo denominaron atajos heursticos que se
apartan de los principios bsicos de la probabilidad.
Este y otros trabajos de Kahneman cuestionan la teora de la utilidad
esperada, base de la mayora de los modelos econmicos actuales. Segn la
teora de la utilidad las decisiones individuales estn gobernadas por la
racionalidad. Se cree que los individuos son capaces de jerarquizar
consistentemente, todas sus alternativas y elegir aquellas, que dada sus
posibilidades, permiten alcanzar el mximo nivel de satisfaccin. Kahneman
consideran que otros aspectos, como la percepcin, las creencias, las emociones
y la memoria, tambin influencian las decisiones individuales bajo incertidumbre.
Los trabajos de Kahneman permiten hoy da hacer una descripcin mucho ms
adecuada del comportamiento individual en situaciones de incertidumbre que la
teora de la utilidad esperada.
%ctividad F.2
Considera la siguiente situacin:
En una cierta noche en una cierta cuidad, una persona ha sido atropellada por
un taxi, pero el conductor se ha dado a la fuga. En la ciudad slo hay dos lneas
de taxis: la Verde, que tiene el 85% de los automviles, y la Azul, que tiene el
restante 15%. Un testigo identifica al taxi como perteneciente a la compaa
Azul. Cuando la fiscala comprueba la confiabilidad del testigo bajo
circunstancias similares a la noche del accidente, ste identifica correctamente
el color del automvil un 80% de las veces y se equivoca el otro 20%. Cree
usted que el testigo es confiable?. Calcule la probabilidad de que el automvil
76
577
involucrado en el accidente pertenezca a la compaa Azul, tal como lo afirma el
testigo?
"n grupo de cient.icos internacionales a.irma 2aber encontrado un
modelo matemtico 3ue puede calcular la probabilidad de un ata3ue de
asma
2
El descubrimiento, publicado en la revista acadmica britnica Nature, podra
ayudar a quienes sufren de asma a controlar los sntomas ms efectivamente y
podra mejorar las pruebas de nuevos medicamentos.
A travs de un estudio en el que participaron 80 pacientes a lo largo de 18
meses, los expertos lograron predecir la probabilidad de que un ataque de asma
ocurra dentro del plazo de un mes. Para ello se basaron en mediciones que
calculan con qu velocidad una persona puede exhalar aire de sus pulmones.
Estas mediciones indican cun bien -o mal- funcionan los pulmones del paciente.
El modelo que crearon se basa en la teora del caos, que se aplica a sistemas
complicados y difciles de predecir, como el clima.
A travs de este modelo pudieron determinar que las mediciones de los 80
pacientes que participaron de la investigacin mostraban un cierto orden.
Observando estas fluctuaciones los cientficos pudieron calcular el riesgo de que
ocurra un ataque grave de asma dentro del plazo de 30 das.
Esta investigacin podra traer grandes beneficios tanto a pacientes como a
expertos, ya que en la actualidad se necesita de perodos largos de observacin
para determinar tras un gran nmero de ataques si una medicina funciona, pero
ahora no sera necesario esperar a que la persona sufra un ataque.
%ctividad F.3
1. Lea el artculo +n indicador privilegiado. el porcentaje (Zurbano, Corral y
Daz, 2 003). De acuerdo a los programas de matemticas y a su
experiencia, en la educacin venezolana se le da al tpico porcentaje el
enfoque que sugieren los autores? En la educacin venezolana, se
desarrollan suficientes vinculaciones entre el porcentaje y la
probabilidad? Qu implicaciones podra tener la posicin de estos
autores respecto a la enseanza de la estadstica en general y de ese
tema en particular? Escriba su posicin argumentada, en dos o tres
pginas.
2. Indague sobre otras aplicaciones de la probabilidad en la vida real. El
conocimiento de este tipo de aplicaciones podra generar cambios en la
enseanza de la probabilidad?
-e.erencias
Castillo, E., Gutirrez, J.M. y Hadi, A.S. (1 998) Expert Systems and Probabilistic
Network Models, Springer-Verlag.
Kahneman D. y Tversky. A. (1979). Prospect Theory: An Analysis of Decision
Making Under Risk. Econometrica, XVLII (1 979), 263-291
http://news.bbc.co.uk/hi/spanish/science/newsid_4561000/4561378.stm
77
78
577
Unidad $
Leccin 3
.plicaciones de la Estocstica y s& Didctica
En las lecciones anteriores se estudiaron algunas aplicaciones de la
Probabilidad y la Estadstica, por lo que una pregunta lgica es Qu relacin
tiene esto con la didctica de la estocstica? En esta leccin se estudiar esa
relacin. Lo que se desea es vincular las aplicaciones de la Estocstica en
situaciones de la vida real con su didctica y esa relacin puede ser utilizada en
la escuela.
#ecesidad de cambiar la ense=an;a de la Estocstica
En la leccin 2, se han expuesto algunas investigaciones sobre las dificultades
que presentan los estudiantes al trabajar temas de probabilidad y estadstica. Las
investigaciones han revelado que algunas de las dificultades que confrontan los
estudiantes podran tener su origen en las dificultades epistemolgicas propias de
la estocstica, las cuales se reflejan en su aprendizaje. ste puede ser el caso de
la inferencia estadstica, donde la polmica existente entre las tres escuelas
fundamentales parece influir de forma negativa en la enseanza de este tema.
Garfield y Alhgren (1 988) sealan que las falsas intuiciones de los estudiantes
son otro elemento que influye en los resultados que se estn obteniendo en los
distintos cursos de estadstica. Las falsas intuiciones que tienen los estudiantes
sobre conceptos estocsticos como por ejemplo como la probabilidad y la
correlacin, actan como obstculos didcticos al momento de estudiar esos
temas en el aula de clases. Otra de las fallas parece estar relacionadas con el uso
del razonamiento proporcional, el cual ha demostrado ser un tpico difcil para los
estudiantes en diversas investigaciones. Asimismo, estos autores consideran que
en ocasiones los estudiantes muestran una falta de inters hacia la estadstica
porque se les ha enseado en forma muy abstracta.
La forma como se lleva a cabo la enseanza, es sin duda otro elemento que
influye en los resultados encontrados en las investigaciones. La enseanza de la
matemtica y la estocstica, como parte de ella en Venezuela, y muchos pases
generalmente responde a lo que se denomina la enseanza tradicional, el cual se
sintetiza en la siguiente figura:
En este esquema el docente presenta los elementos tericos del tema a tratar,
generalmente de forma directa sin reflexin o justificacin alguna, luego coloca
algunos ejemplos usualmente para ilustrar procedimientos o algoritmos de
clculo. Posteriormente propone algunos ejercicios para ser realizados por los
79
Teora Ejemplos Ejercicios Evaluacin
estudiantes y prepararlos para la evaluacin que realizarn en una clase
posterior. Este esquema de clase responde a la que Charnay (1 994) denomina el
Modelo Normativo, el cual grafica de la siguiente manera:
En este modelo, tambin llamado centrado en el contenido, el inters central
es "comunicar el saber a los estudiantes, por lo que la labor del docente es
comunicar ese saber. El contenido, el saber o conocimiento a ser aprendido, ya
est acabado, ya est construido, por lo que slo hay que ensearlo. Para ello el
docente presenta la teora y propone ejemplos, mientras que los estudiantes
deben aprender, para lo cual primero que todo deben escuchar, estar atentos,
luego se entrenan, imitan, se ejercitan.
Villarroel (1 995) seala que este esquema de enseanza responde a tres
supuestos y que han permanecido inalterables a lo largo de la historia, de all que
muchos lo conciban como la "esencia de la enseanza. Los tres supuestos a los
que se refiere Villarroel son
o La transmisin de conocimientos. La enseanza se concibe como el
proceso de comunicacin mediante el cual alguien le transmite algo a
alguien, el docente enva el mensaje y los estudiantes lo reciben. El
mensaje es el conocimiento, por lo tanto el docente trasmite conocimiento
a sus estudiantes. Lo que trasmite el docente son saberes, conocimientos
que han sido construido por la sociedad a lo largo de su historia, por lo
tanto el mensaje es bsicamente informacin. El alumno debe apropiarse
de la informacin o ms exactamente debe ser capaz de reproducirla, por
lo cual debe memorizarla y comprenderla. Los alumnos se consideran
exitosos si en las evaluaciones reproducen la informacin proporcionada
por los docentes, es decir, logran memorizar la informacin y en el mejor
de los casos comprenderla; pero eso no asegura que se hayan apropiado
del conocimiento o sean capaces de aplicarla en nuevas situaciones. Por
esta va los estudiantes no se pueden apropiar del conocimiento porque
para ello deben "equiparar su horizonte lingstico (cdigo
comunicacional) al horizonte lingstico en que ese conocimiento fue
construido (cdigo cientfico) y luego con su propio interpretacin elaborar
su propio conocimiento referido al anterior (p.105). Esto significa que el
supuesto de la transmisin de conocimientos es falso.
o ,uncionalidad en la ense=an;a. La funcionalidad en la enseanza se
refiere a "la pretensin de que la transmisin de contenidos
correspondientes a una asignatura genera como efecto la formacin del
alumno en el marco de la disciplina que se est considerando (p. 105). La
operacionalizacin de este supuesto son las diferentes asignaturas que
conforman los planes de estudio en los distintos niveles de educacin. Que
80
577
una persona estudie ortografa en la universidad no significa que al
culminar los cursos correspondientes ser un especialista en esa rea. Por
hacer dos o tres cursos de estadstica en su carrera nadie se transforma
en un experto en estadstica. La funcionalidad de la enseanza tambin se
hace extensiva a las profesiones: se asume que el logro de un ttulo
garantiza que se desempear de manera eficiente en el campo laboral.
La experiencia indica que en los dos casos este supuesto es falso.
o Ense=abilidad eEterna a la ciencia. La responsabilidad y garanta de la
enseanza descansa en un cuerpo disciplinario ajeno y externo a la ciencia
que se ensea que se denomina Pedagoga. En esta lgica, la Pedagoga
es la encargada de ensear cualquier cosa, es por ello que en los planes
de estudio de formacin de profesores se encuentran asignaturas de
pedagoga y asignaturas del rea de formacin del profesor. En las
primeras, aprende los principios y procedimientos generales que pueden
aplicarse a la enseanza de cualquier rea, en las segundas, aprende el
rea a ensear. Se supone que al culminar la carrera, el estudiante habr
hecho la sntesis de lo aprendido en ambos tipos de asignatura y estar
apto para ensear, la responsabilidad de esa sntesis es exclusiva del
nuevo docente. Esto es falso, entre otras cosas porque no considera las
caractersticas propias del rea o ciencia a ensear. La naturaleza del rea
o ciencia a ser enseada brinda pautas sobre el proceso que se puede
llevar a cabo para su enseanza.
Al ensear matemtica bajo un esquema como el presentado anteriormente,
se niega la esencia de ella como ciencia y de su evolucin. A lo largo de la
historia se puede verificar que la matemtica se ha construido a partir de
preguntas o problemas, que han provocado investigacin y luego nuevos
conocimientos. No obstante, todos sabemos que la produccin de un nuevo
conocimiento matemtico es la consecuencia de un proceso de investigacin,
reflexin y discusin. Los estudiantes slo reciben el producto de esa
investigacin, casi nunca se hace referencia ni al contexto ni al momento
histrico al que corresponde ese conocimiento. En el esquema tradicional, se
ensea de forma dogmtica, el aprendizaje es un acto de fe, no se discuten ni los
conceptos ni las teoras, solo hay que aceptarlas y aprenderlas. Por eso con
mucha frecuencia se ve a la matemtica como algo "mgico, algo que slo
puede ser aprendido por los "escogidos.
En el caso de la probabilidad y la estadstica en Venezuela, este esquema
didctico, parece no producir buenos resultados. Por ejemplo, los resultados del
Sistema Nacional de Medicin y Evaluacin del Aprendizaje (SINEA) indican que
no hay dominio de las nociones fundamentales de probabilidad y estadstica en la
EB. Menos del 30% de los alumnos respondieron correctamente a las preguntas
relacionadas con esos tpicos (SINEA, 1998).
Otro indicador, podra ser los resultados de la Prueba de Aptitud Acadmica
(PAA). Los resultados de 2006, en los 4 modelos aplicados a recin egresados de
EMDP, indican que el porcentaje de respuestas correctas en tpicos de
probabilidad y estadstica oscila entre el 8,6% y 31,8%. A continuacin se
presentan cuatro ejemplos de los tems de la PAA 2006, al lado de cada
alternativa se encuentra el porcentaje se estudiantes que seal esa respuesta.
81
Ejemplo 1: Un matrimonio planifica tener solamente dos hijos. Cul es la
probabilidad que ambos sean de gnero masculino?
a. 1/3 (9,8%)
b. 1/2 (46,7%)
c. 1/4 (14,9%)
d. 1/6 (5,5%)
e. 1/5 (3,9%)
En blanco (19,1%) Muestra: 63045 Estudiantes
Ejemplo 2: En el siguiente conjunto de datos {7, 16, 23, 12, 3}, qu
diferencia hay entre el mayor de ellos y el promedio?
a. - 11 (5,9%)
b. 12,2 (18,9%)
c. 11 (23,6%)
d. - 10,8 (6,4%)
e. 10,8 (21,9%)
Ejemplo 3: Se lanza una moneda al aire dos veces. Cul es la probabilidad
que se obtengan dos caras?
a. 1/6 (6,1%)
b. 1/2 (49,0%)
c. 1/3 (6,3%)
d. 1/4 (17,5%)
e. 1/5 (3,7%)
Ejemplo 4: Una pequea empresa tiene ocho trabajadores. Un gerente que
gana Bs. 2200000 mensuales, dos empleados administrativos con un sueldo de
Bs. 1100000 mensuales cada uno y cinco obreros con sueldo mnimo de Bs.
460000 mensuales cada uno. Cul es le sueldo promedio mensual, en Bs., de un
trabajador de dicha empresa?
a. 840 000 (14,6%)
b. 838 500 (7,6%)
c. 837 500 (31,8%)
d. 858 000 (5,9%)
e. 860 000 (15,6%)
82
577
%ctividad @.1
1. Responda los tems de la PAA 2 006. Qu conocimientos son necesarios
para la resolucin de cada uno de ellos? Analiza los resultados de cada
tem.
2. Revisa los programas de matemtica de Educacin Bsica y Educacin
Media Diversificada y Profesional. Est previsto estudiar en esos niveles
los contenidos necesarios para la resolucin de los tems anteriores?
Presenta argumentos.
3. Consideras que los estudiantes Educacin Bsica o Educacin Media
Diversificada y profesional podran resolver de los tems anteriores?
Presenta argumentos
4. Elabora un breve informe sobre la base de los requerimientos anteriores.
Salcedo (2 003) estudi la interpretacin de enunciado de probabilidad por
parte de estudiantes con distintos niveles de formacin acadmica. Los
resultados indican que mientras mayor es el nivel de formacin acadmico,
mayor es el porcentaje de respuestas normativas y la argumentacin correcta de
la respuesta ofrecida. Sin embargo, los porcentajes son bajos en todos los grupos
estudiados [egresados de EB, egresados de EMDP y Estudiantes universitarios
con cursos de estadsticas aprobados] y sesgos [disponibilidad, equiprobabilidad,
insensibilidad al tamao de la muestra, conceptos errneos sobre secuencias
aleatorias y enfoque en el resultado aislado]. Los porcentajes oscilan entre: 7% y
84% para la respuesta normativa en los 5 sesgos estudiados, 2% y 26% para la
argumentacin correcta en 4 de los 5 sesgos considerados y entre el 2% y 24%
para respuesta normativa asociada con argumentacin correcta en 4 de los 5
sesgos evaluados. Slo en el sesgo del enfoque en el resultado aislado para el
caso de los estudiantes de Educacin Superior se alcanza altos porcentajes (entre
el 46% y 84%) de respuesta normativa, argumentacin correcta y respuesta
normativa asociada con argumentacin correcta.
4Gu0 se pude 2acer6
Las investigaciones han revelado que las personas tienen dificultades con las
ideas de estadstica y probabilidad y para interpretar correctamente informacin
de esas reas. Una primera fuente de posibles vas de solucin es la misma
estocstica. Tanto la estadstica como la probabilidad son inseparables de sus
aplicaciones, son instrumentos en la bsqueda de solucin a problemas externos
a ellas, ese es su principal valor en la sociedad actual. Por lo tanto parece lgico
que su enseanza refleje esa caracterstica, auque no se trata de hacer una
enseanza "utilitaria, sino, como indica Holmes (1 980), que los estudiantes
conozcan:
o Los diferentes campos de aplicacin y el modo como ha contribuido al
desarrollo de la sociedad, para que comprendan y aprecien su papel en
ella actualmente.
o Las formas bsicas de razonamiento estadstico, sus potencialidades y sus
limitaciones y as valoren a la estadstica.
83
Autores como Holmes (1 997) y Batanero (2 001) sealan que la enseanza
de la estadstica no puede estar desconectada de la realidad, no deben ensearse
las tcnicas estadsticas sin ningn contexto de referencia y aspirar que los
estudiantes aprendan de memoria algunos conceptos, slo dndole oportunidad
de "aplicar la estadstica a algunos problemas que les proporciona el docente en
clases.
Shaugnessy (1 992) seala que la mayora de los cursos de probabilidad y
estadstica que son ofrecidos en el mbito universitario son bsicamente de dos
tipos: (a) cursos basados en reglas, "receta para el clculo estadstico, (b)
cursos demasiado matematizados. Por lo tanto, rara vez los estudiantes en el
mbito universitario, con todas sus creencias previas y errores conceptuales
sobre la estocstica, tienen la posibilidad de mejorar su intuicin estadstica o de
conocer la aplicabilidad de la estadstica en sus reas de estudio. delMas y Bart
(1 987 citado por Shaugnessy 1 992) indican que la enseanza tradicional no slo
es insuficiente para superar las creencias y errores conceptuales de los
estudiantes, sino que incluso podra tener efectos negativos sobre la comprensin
de la estocstica. Esta observacin es vlida tanto para el nivel universitario
como para la educacin Media y Bsica. Sino se introducen actividades que
ayuden a los estudiantes a superar las dificultades que tienen en la compresin
de la estocstica, sus concepciones errneas, se corre el riesgo que los
estudiantes terminen dependiendo ms de ellas, incluso luego de haberla
estudiado en la escuela.
Para Shaugnessy (1 992), la enseanza estocstica equivale a ensear a
resolver problemas y considera que los institutos universitarios y universidades,
al igual que las escuelas de educacin media y secundaria, han sido lentas para
introducir cambios de la forma de enseanza de la estocstica.
Las sugerencias para mejorar la enseanza de la estocstica en el mbito
universitario giran en torno a la utilizacin de juegos leales y desleales,
simulaciones, paquetes de computacin interactivos, estadstica en hojas de
clculo y proyectos de investigacin estadstica. La enseanza y aprendizaje de la
estocstica implica la construccin de modelos de fenmenos fsicos, el desarrollo
y uso de estrategias, as como la comparacin y evaluacin de varios enfoques
diferentes a los problemas, a fin de controlar posibles interpretaciones o
representaciones erradas.
Ante esta situacin Garfield y Alhgren (1 988) recomiendan:
a. introducir la materia a travs de actividades y manipulaciones, y no
mediante abstracciones
b. utilizar ilustraciones visuales y poner nfasis en los mtodos de
exploracin de datos.
c. ensear estadsticas descriptivas por s solas, sin relacionarlas con la
probabilidad.
d. mostrar a los estudiantes el uso defectuoso de la estadstica (es decir, en
las noticias o anuncios).
e. usar estrategias para mejorar los conceptos de los alumnos acerca de los
nmeros racionales antes de aproximarse al razonamiento proporcional.
84
577
f. reconocer y afrontar los errores ms comunes en el pensamiento
probabilstico de los estudiantes.
g. crear situaciones que requieran razonamientos probabilstico que se
correspondan con la visin que tienen los estudiantes del mundo.
Una recomendacin que aparece con frecuencia en las investigaciones para
mejorar la comprensin de la probabilidad es dedicar ms tiempo a la utilizacin
de dispositivos como dados, monedas, ruletas, etc. que permitan a los
estudiantes realizar experimentaciones. Estas experimentaciones no tienen que
ser exclusivamente con respectos a juegos, sino que se pueden utilizar par
"simular fenmenos aleatorios de inters para los estudiantes y del mundo real.
Con ello, lo que se busca es que los estudiantes confronten sus concepciones
errneas de estocstica y sus observaciones empricas, de manera que puedan
reconciliar la disonancia entre ellas. Shaugnessy (1 992) sugiere que de esta
manera muchos estudiantes pueden cambiar sus creencias previas y errores
conceptuales sobre la estocstica, no obstante, reconoce que ese cambio suele
ser muy lento.
Con relacin a la estadstica, se seala que debe ensearse de una manera
activa, con un acercamiento multidisciplinario, que muestre la importancia que
tiene para cada ciudadano temer una cultura estadstica. En lugar de introducir
los conceptos y tcnicas fuera de contexto y nicamente algunas aplicaciones a
problemas tipo, se debe presentar la estadstica en la forma como se usa en la
realidad: para resolver problemas especficos. La presencia de la estadstica en
los planes de estudio para la formacin de profesionales no especialistas en ella,
se debe a las posibilidades que brinda en la comprensin de fenmenos de cada
carrera y en la resolucin de problemas desde la perspectiva cuantitativa. Para la
EB y EMDP lo que desea es comenzar a desarrollar una cierta cultura estadstica.
Adems, como indica Santal (1990), "En el mundo contemporneo, la educacin
cientfica no puede reducirse a una interpretacin unvoca y determinista de los
sucesos. Una cultura cientfica eficiente reclama una educacin en el pensamiento
estadstico y probabilstico. La idea es no centrarse en la enseanza de
contenido por el contenido en si, ayudar a los estudiantes a desarrollar una
actitud favorable hacia la estocstica y su forma de pensar.
"so de +ro1ectos
Para Holmes (1 997), una forma de seguir estas recomendaciones es
introducir en las clases de estadstica el trabajo con proyectos estadsticos de
investigacin, ya que con ellos:
se coloca a la estadstica en un contexto y la hacen ms relevante;
los estudiantes se sienten ms motivados, sobre todo si son ellos los
que seleccionan el problema a trabajar;
es posible trabajar con datos verdaderos, posibilitando el estudio real
de conceptos claves para la estadstica: variabilidad, confiabilidad,
necesidad de medicin;
se acentan la aplicacin de la estadstica y de su utilidad en la
resolucin de problemas reales;
se demuestra que la estadstica no es exclusivamente matemtica
85
Hiebert y Lefevre (1 987, citados por Batanero 2 001) sealan que cuando los
conceptos y procedimientos no estn conectados, los estudiantes pueden dar
respuestas a los problemas sin comprender lo que hacen. La enseanza
tradicional de la estadstica favorece el estudio por separado de los conceptos y
procedimientos. Los proyectos estadsticos de investigacin posibilitan que los
estudiantes logren una mejor conexin entre lo conceptual y lo procedimental en
la aplicacin de la estadstica.
Un esquema bsico de la investigacin con el apoyo de la Estadstica incluye
pasos como los siguientes:
Esquema bsico de investigacin con apoyo de la Estadstica
Al realizar proyectos estadsticos, sobre la base de los pasos anteriores, se
contrastan las creencias o predicciones de los estudiantes con la evidencia
emprica y se emiten conclusiones sobre la base de los datos recolectados. Los
estudiantes pueden mejorar su capacidad de argumentacin, juzgar con
propiedad la evidencia presentada, formular conjeturas e incentivar su
creatividad, desarrollar su pensamiento estadstico y conocer los diferentes
matices que posee la realidad social. Asimismo, incita la curiosidad del
estudiante, incentiva la bsqueda de respuestas, valora su participacin en la
toma de decisiones y le ayuda a reconocer lo variado de la realidad social.
Los proyectos estadsticos de investigacin pueden realizase en forma
individual y en equipo. En ambos casos, los estudiantes deberan tener
oportunidad de presentar sus trabajos para que sean conocidos y evaluados por
sus compaeros. Se trata de constituir en el aula una pequea comunidad de
personas que aprenden, tal como lo hace la comunidad cientfica actualmente.
Batanero (2 003) resalta la importancia de trabajo cooperativo en la enseanza
de la estadstica:
las recientes teoras de aprendizaje destacan el valor de la interaccin
social y el discurso en la construccin del conocimiento, de all la
86
577
necesidad de que los docentes de estadstica programen actividades que
favorezcan el trabajo cooperativo de los alumnos en sus clases;
es necesaria la colaboracin entre profesores (de diferentes niveles
educativos) e investigadores en educacin estadstica en la recoleccin de
datos sobre la enseanza o en la evaluacin del aprendizaje, as como el
anlisis y la interpretacin de estos datos, con miras a lograr mejoras en
la educacin estadstica.
Todos los estudiantes son ciudadanos, por lo que deben estar preparados para
manejarse con propiedad en una sociedad donde abunda el uso de datos y
grficos para comunicar informacin e influir en las decisiones. La estadstica ms
que una forma de hacer, es una forma de pensar que puede ayudar a resolver
problemas cientficos y de la vida cotidiana, por lo tanto su enseanza debe ser
un fiel reflejo de ella.
*imulaciones
Konold (1 995) considera que las actividades que usualmente se realizan en el
aula no les dan oportunidad a los estudiantes para verificar la ausencia de validez
de algunos de sus "conocimientos sobre probabilidad. Este investigador
considera que es necesario que el docente estimule a los estudiantes para que
examinen si sus creencias sobre eventos aleatorios: (a) coinciden con las
creencias de otros, (b) son coherentes con sus propias creencias sobre otras
cosas relacionadas, si se confirman con la evidencia emprica.
Moore (1 998) recomienda dar a los estudiantes la oportunidad de
experimentar con datos y problemas reales, realizar simulacin con el
computador puede contribuir a mejorar la comprensin del estudiante de las
ideas estadsticas.
Shaughnessy (1 992) reporta los efectos de la enseanza sobre algunos
sesgos en la interpretacin de la probabilidad por parte de los estudiantes
universitarios con pocos conocimientos de estocstica. Luego de varias
intervenciones didcticas, encontr diferencias significativas entre los grupos
control y los experimentales, a favor de estos ltimos, quienes dependan mucho
menos de las heursticas. Este autor considera que el xito se le puede atribuir al
modelo de enseanza utilizado para la realizacin de las actividades. Primero, los
estudiantes deban adivinar los resultados del experimento aleatorio. Luego,
deban realizar el experimento aleatorio muchas veces, para recopilar sus datos,
los cuales posteriormente deban organizarlos. Despus, los estudiantes
respondieron a las preguntas basados nicamente en sus datos, comparando
seguidamente sus resultados experimentales con los pronsticos iniciales. Los
estudiantes confrontaron, de forma explcita, sus concepciones errneas con la
evidencia experimental. Inmediatamente, se construy un modelo de
probabilidad terica que pudiera explicar los datos experimentales que se haban
recopilado. Los estudiantes compararon las tres piezas de informacin: sus
predicciones, los resultados empricos experimentales y los resultados predichos
por el modelo. Todo esto permiti colocar a los estudiantes en posicin de tener
que reconciliar la disonancia entre sus concepciones errneas de estocstica y
sus observaciones empricas.
Este modelo de intervencin didctica puede apoyarse en simulaciones,
facilitando el trabajo de estudiantes y docentes. En ocasiones, los experimentos
87
aleatorios no pueden ser reproducidos en el aula (observar el sexo de un recin
nacido, el clima que se registrar en un tiempo determinado, las respuestas
posibles a una encuesta de inters social) por lo que se hace necesario recurrir a
la simulacin.
Batanero (2 001) indica que en la simulacin se ponen en correspondencia dos
experimentos aleatorios diferentes, de tal manera que a cada suceso elemental
del primer experimento le corresponda uno y slo un suceso elemental del
segundo. As se realiza un experimento aleatorio y sus resultados indican la
ocurrencia o no de los sucesos del experimento aleatorio de inters. Una
posibilidad es utilizar materiales manipulables para simular un experimento que
no se puede reproducir en el aula (lanzamiento de una moneda, extraer bolas o
fichas de una bolsa o caja, etc.)
De esta manera los estudiantes recolectan "observaciones sobre
experimentos aleatorios y se posibilita que cada estudiante trabaje con datos
"propios. La simulacin posibilita el estudio detallado del fenmeno en el aula,
elimina las variables irrelevantes a su estructura y permite que se dedique el
tiempo al estudio del fenmeno en s. Por ejemplo, el lanzamiento de una
moneda se puede utilizar para simular los nacimientos que ocurren en un hospital
cualquiera. Uno de los lados de la moneda representar los nacimientos de nios
y el otro los nacimientos de nias, "se modela as la realidad de un da
cualquiera en ese hospital. Los datos recolectados pueden utilizarse en un
proyecto estadstico, donde se estudie por ejemplo, la variabilidad en muestras
grandes y muestras pequeas.
&ase de datos
La utilizacin de datos reales es otro aspecto importante si se desea vincular la
enseanza de la estocstica con sus aplicaciones en la vida. Entonces los
estudiantes deben tener oportunidad de utilizar la estadstica y la probabilidad
para resolver problemas que ellos planteen o que el docente presente. Ello
permitira que los estudiantes tomaran la decisin sobre qu datos recoger,
recogerlos, analizarlos y presentar sus conclusiones respecto a un problema
planteado.
Si bien la recoleccin de los datos es un elemento clave en el proceso de
investigacin, tambin es cierto que es un proceso que puede ser laborioso y en
el cual se puede invertir un buen tiempo. En el marco del aula de clases, el
tiempo invertido en recoleccin limita el disponible para el tratamiento de los
datos, lo cual podra atentar contra los objetivos de la actividad.
Una opcin es plantearse trabajos de investigacin o proyectos de
investigacin que conlleven la utilizacin de datos ya recolectados. Se podran
utilizar datos de los censos de organismos gubernamentales, as como de grupos
de investigacin o personas particulares a los cuales tenga acceso el docente o
los estudiantes. En la actualidad, la mayora de los institutos u oficinas
gubernamentales de estadstica tienen pginas Web donde publican informacin
estadstica actualizada sobre los principales indicadores econmicos y sociales.
Las pginas Web de los institutos gubernamentales de estadstica constituyen
una gran base de datos para investigaciones estadsticas y la oportunidad para
docentes y estudiantes de aplicar la estadstica a situaciones reales.
88
577
%ctividad @.2
Realiza una bsqueda en Internet para hallar bases de datos que puedan ser
usadas en actividades de enseanza de la estocstica. Selecciona una y desarrolla
una actividad de aprendizaje donde la incorpores. No omitas detalles sobre como
utilizaras esa base de datos en la actividad.
89
"so de (ecnologa
Las calculadoras, las computadoras y los programas que se han desarrollado
han cambiado la forma de hacer estadstica. Anteriormente, el acento
fundamental se haca en los clculos y muy pocas veces se utilizaban los mtodos
grficos. El software existente facilita el anlisis de un mayor nmero de datos y
el acceso a diversas tcnicas estadsticas, desde una simple media aritmtica a
complejos anlisis multivariantes, adems de amplias posibilidades de
graficacin.
Ese acceso a la computadora y a los programas tambin est provocando
cambios en la enseanza de la estocstica. Por ejemplo, la computadora permite
realizar grficos en muy poco tiempo y cambiarlos rpidamente sin mayor
problema, si es necesario. Esto es una gran ventaja en la enseanza, ya que
posibilita que el estudiante pueda evaluar los cambios que ocurren al suprimir
uno o ms datos. As mismo puede realizar los clculos nuevamente sobre la
base de los datos modificados. Todo ello en conjunto puede ayudar al estudiante
a comprender mejor conceptos de estadstica y probabilidad.
Los proyectos estadsticos de investigacin pueden apoyarse en las
calculadoras y las computadoras, las cuales facilitan el trabajo y permiten que se
haga menos matemtica y ms estadstica. Batanero (2 000) indica que en los
cursos tradicionales, se le da gran importancia al clculo, con papel y lpiz,
aspecto que pierde importancia frente a las calculadoras y las computadoras. Los
estudiantes deben usar calculadoras (cientficas o graficadoras) y programas de
computadoras en la resolucin de problemas estadsticos, donde se utilicen datos
reales. Los datos de los proyectos estadsticos tambin pueden ser generados por
simulaciones. Dada una situacin problemtica, se puede utilizar procedimientos
o rutinas del computador para generar supuestos datos de esa situacin. Un
programa tan comn como una hoja de clculo puede ser utilizado para generar
cientos de nmeros aleatorios, y lograr con ello los "resultados de un
experimento aleatorio. Adems, esa misma hoja de clculo puede utilizarse para
representar grficamente los datos obtenidos y efectuar mediciones estadsticas.
Las calculadoras y las computadoras tambin pueden ayudar en las
simulaciones. En ocasiones se requiere una cantidad importante de datos para
apreciar con propiedad los fenmenos aleatorios, por lo que se debe repetir el
experimento un gran nmero de veces. Con el uso de material manipulable para
simular el experimento aleatorio, se invierte un tiempo importante en esta
actividad, con la posibilidad de que los estudiantes pierdan inters en la actividad
o se distraigan del objetivo inicial. Las calculadoras y las computadoras pueden
generar nmeros aleatorios que pueden ser utilizados para las simulaciones.
Batanero (2 001) seala que, si bien es importante que el estudiante realice
algunas actividades de simulacin con material manipulable, es el computador la
herramienta que proporciona mayor potencia en la realizacin de simulaciones,
construccin de modelos y anlisis de ellos.
Una de las dificultades que presenta el uso del software estadstico
especializado son los altos costos, para suplirlos se puede hacer uso de las hojas
de clculo que comnmente se encuentran en las maquinas. Estos programas se
encuentran disponibles en la mayora de las computadoras y cuentan con una
gran variedad de funciones estadsticas, las cuales permiten aplicar las tcnicas
estadsticas ms conocidas, tanto de estadstica descriptiva como inferencial, a
90
577
situaciones de investigacin o en proyectos planteados por el profesor o por los
mismos estudiantes. Asimismo estos programas cuentan con "Macro, los cuales
permiten integrar en diversas funciones de las hojas de clculo para desarrollar
pequeos programas. Los Macros de las hojas de clculo permiten desarrollar
aplicaciones de mayor complejidad de las que corrientemente se usan en este
tipo de programa, utilizando un lenguaje de programacin y automatizar tareas
rutinarias. Estas tareas pueden ser archivadas y ejecutarse nuevamente cuando
se necesite. El docente puede crear los macros ajustndolos a las necesidades de
su clase y posibilitar que los estudiantes los utilicen como un medio para
confrontar sus ideas intuitivas con la evidencia "emprica. Tambin puede
utilizarse lenguajes de programacin como Java o Flash para desarrollar
simulaciones (applet)
En Internet tambin se encuentran de forma gratuita pequeos programas,
desarrollados en lenguajes de programacin como Java o Flash, diseados
especialmente para la enseanza de tpicos de probabilidad y estadstica. Los
programas de simulacin permiten que el estudiante pueda manipular, cambiar
algunos parmetros e inmediatamente verificar las consecuencias del cambio en
pantalla. Esta interaccin con el programa, junto a la orientacin del docente
(mediante la formulacin de preguntas apropiadas), puede ayudar al estudiante a
reconocer patrones o resultados importantes que le permitan comprender mejor
conceptos de estadstica y probabilidad.
%ctividad @.3
1. Revisa con detenimiento la hoja de clculo de una computadora que
tengas a disposicin y determina cules funciones estadsticas tiene
incorporadas. Qu tipo actividades de permitira realizar esas funciones?
Presenta un ejemplo.
2. Realiza una bsqueda en Internet para hallar simulaciones desarrolladas
en lenguaje de programacin Java o Flash para la enseanza de la
estadstica. Utiliza por lo menos uno. Evalalo, determina ventajas,
desventajas, fortalezas y debilidades. Desarrolla una actividad de
aprendizaje donde incorpores el programa que utilizaste.
-e.erencias
Batanero, C. (2 001). $leatoriedad, modelizacin, simulacin. Presentado en la X
Jornadas sobre el Aprendizaje y la Enseanza de las Matemticas,
Zaragoza. Disponible en: http://www.ugr.es/local/~batanero
Charnay, R. (1994). Aprender (por medio de) la resolucin de problemas. En:
Parra, C. y Saiz, I. (Comps) %idctica de matemticas. $portes "
refle'iones. Paidos Educador
Sistema Nacional de Medicin y Evaluacin de los Aprendizajes (1998). 2nforme
del docente 3, 6 y 9 grado. Caracas: Ministerio de Educacin
Villarroel, C. (1995). La enseanza universitaria: de la transmisin del saber a la
construccin del conocimiento. En: Educacin Superior " Sociedad 6 (1)
103 - 122.
91
Salcedo, A. (2003) Sesgos en la interpretacin de la probabilidad en diferentes
niveles de formacin acadmica. Universidad Central de Venezuela Trabajo
de Ascenso no publicado.
92
577
Unidad $
Leccin 4
Proyectos y ense5an"a de la Estocstica
En la leccin anterior se presentaron los proyectos como una alternativa para
la enseanza de la estocstica. En esta leccin se presentan algunas ideas para la
realizacin de proyectos para la enseanza de la estocstica. Es importante que
vincule las ideas que aqu se presentan con su experiencia como docente.
$deas para +ro1ectos
En los proyectos los estudiantes pueden elegir un tema de su inters o puede
ser propuesto por el docente, a partir de una duda o inquietud. Es importante
que los estudiantes definan los objetivos, elijan los instrumentos que utilizaran
obtener los datos para dar respuesta a la interrogante planteada y si es necesario
seleccionar las muestras, analizar e interpretar los datos.
A continuacin se presentan situaciones o inquietudes que pueden ser
utilizados para la creacin de un proyecto. Para todas las propuestas usted debe:
o El posible grado donde la utilizara. No se gue exclusivamente por el
programa.
o Fijar los objetivos
o Establecer que datos son necesarios
o Cmo animara a los estudiantes para realizar el proyecto?
o Conceptos de estadstica y/o probabilidad que podran ser trabajados.
o Estructura de la clase (o clases) donde se trabajara el proyecto
o Dificultades con las que se podra encontrar. Cmo las solventara?
%nlisis demogr.ico
Batanero (1 999) propone el proyecto Anlisis Demogrfico. En este proyecto
se trabaja con una serie de variables demogrficas, como por ejemplo: Tasa de
natalidad, Tasa de mortalidad, Mortalidad infantil, Esperanza de vida, Producto
Nacional Bruto. Esta informacin puede ser localizada en Internet o en anuarios
estadsticos para la mayora de los pases del mundo. Batanero sugiere utilizar
este tipo de informacin los estudiantes de Media podran realizar anlisis
descriptivo, con fines exploratorios. Rouncenfield (1 995) propone utilizarlo para
que los estudiantes comparen las variables en los diferentes grupos de pases y
formulando por si mismos preguntas de su inters.
93
%ctividad ?.1
Busque en Internet los datos sealados anteriormente y elabore una matriz con
ellos. Qu actividades les planteara a estudiantes de 9no grado para trabajar
con esa matriz? Realcela. Luego de hacerla mantiene el criterio de realizarla con
estudiantes de 9no grado? En caso de no mantenerla en ese grado a Cul la
cambiara? En caso de mantenerla Qu cambios le hara para que la realizaran
estudiantes de 7mo grado? Qu cambios le hara para que la realizaran
estudiantes 2do de ciencia?
Mensae Misterioso
En la biblioteca pblica ha encontrado un viejo libro que en una de sus pginas
tiene la siguiente inscripcin.
?& *(&{=!& )= /$[="/%!/&$ %$)& ="%)//!% ?= *=(+/=$ %? =")/
%$= *=(+/=$ %*(=!/%( /+*&(%$!/% )=? (%]%j& )=? ="%)//!& { ?
% )/f/!?%)=" !&$^= "= *=)= =$!&$(%(, %)=+% )= %!=(!%?& %
" & *%(% ?% "&?!/&$ )= *(&]?=+% )= ?% [/)% (=%?.
Se sabe que es quien escribi tena la intencin de comunicar algo. Cmo se
podra averiguar el contenido de este mensaje? Qu mtodo utilizars para
descifrarlo?
4(iene ventaa el e3uipo 3ue uega en su propia casa6
Con frecuencia se indica que en el Bisbol, el equipo que juega en su casa,
tiene ventaja porque cuenta con un "jugador extra: el pblico. Ser esto cierto?
Durante el campeonato de bisbol se pueden recolectar los datos que permitan
esclarecer la duda. Los alumnos tratarn de ver si es cierta la creencia de que el
jugar en su propio campo favorece al equipo, analizando, para cada uno de los
equipos que participan en el campeonato. Los estudiantes tambin pueden
recolectar datos en la hemeroteca. (Es una variacin de una propuesta de
Batanero (2 001))
%ctividad ?.2
Que datos deben conseguir los estudiantes para saber si tiene ventaja el equipo
que juega en su propia casa? Qu medidas debe calcular? A qu grado la
propondra?
Estimando el tiempo
Esprame 5 minutos! En diez minutos salgo! Llevo dos horas esperando!
Llegue hace 15 minutos! Estos son ejemplos de expresiones relacionadas con el
tiempo que usamos con cierta regularidad. Todas ellas tienen en comn que
quien la expresa hace de alguna manera una estimacin del tiempo, ya sea
transcurrido o por transcurrir. Pero, qu tan bueno es usted estimando el
tiempo? Tiende usted sobrestimar o subestimar el tiempo? Es consistente su
estimacin del tiempo? Qu tan buena es su estimacin del tiempo en
comparacin con otras personas?
94
577
Estimando distancias
Eso mide como un metro! Para ver, con medio metro es suficiente!
Cmprate 4 metros, hasta va a sobrar! Al igual que el tiempo en muchas
ocasiones debemos estimar longitudes. Se pueden estimar longitudes?
Sobrestima o subestima usted las longitudes? Son consistentes sus
estimaciones de la longitud? Qu tan buena es su estimacin de la longitud en
comparacin con otras personas?
"n metro aproEimado
Con mucha frecuencia algunas personas extienden uno de sus brazos y utilizan
la distancia que hay desde el extremo del dedo medio de la mano de ese brazo
hasta el hombro del brazo contrario, como una aproximacin al metro. Muchas
veces esas personas confan en esa longitud como si fuera una medida exacta del
metro. Significa esto que todas las personas adultas tienen esa medida igual?
Los brazos de todas las personas tienen esa misma longitud? Ser esa longitud
equivalente a un metro? Ser una buena estimacin de un metro de longitud?
Cmo podemos saber si realmente esa medida es adecuada como equivalencia
del metro?
*ndrome de DoHn
El sndrome de Down fue descrito por primera vez por el medico ingls
Longdon Down. En 1959 se descubri que un nio afectado por este sndrome
cuenta con 47 cromosomas en lugar de los 46 que tienen las clulas normales. El
sndrome de Down no es hereditario ya que no est escrito sobre los
cromosomas, se debe a un cambio en el nmero de cromosomas. Pero, de que
depende que cambie le nmero de cromosomas? Aunque no se sabe
exactamente porque se da ese cambio, algunas personas creen que est
asociado a la edad de la madre, aunque algunos consideran que esta asociado a
la edad del padre. Cmo se puede saber si hay alguna relacin entre la edad de
uno de los progenitores y el nacimiento de un nio con sndrome de Down?
(basado en una propuesta de Castelnuovo (2 001))
%ctividad ?.3
1. Cul de los proyectos anteriores les propondra a estudiantes de 2do ao
de EMDP? Justifique su respuesta
2. Considere la posibilidad de hacer un proyecto junto con uno o ms
profesores de ese mismo grado. Detalle el proyecto que realizara.
Desarrllelo. Converse con los docentes para explorar las posibilidades de
llevarlo a cabo. Presente un pequeo informe sobre lo realizado
3. Lea el artculo El Papel de los Proyectos en la Enseanza y Aprendizaje de
la Estadstica (Batanero y Daz, 2 004). Sobre la base de la lectura y su
experiencia presente un ensayo, de dos o tres paginas, sobre las
posibilidades de realizar en la educacin venezolana proyectos para la
enseanza de la estadstica. Presente argumentos a favor o en contra.
95
-e.erencias
Batanero, C. (1999) Anlisis Exploratorio de Datos en la Escuela Secundaria. En
$tas da ConferLncia 2nternacional E'periLncias e E'pectativas do Ensino de
Estat!stica < %esafios para o Sculo MM2
Castelnuovo, E. (2001) %e Aiaje con la matemtica. 2maginacin " razonamiento
matemtico. Mxico: Trillas
Rouncenfield (1995). The statistics of poverty and inequality. Bournal of Statistics
Education, 3(2).
96
577
MDULO $
Estocstica en el %&rrc&lo
Obetivo del Mdulo!
Disear actividades de aprendizaje para los contenidos de estadstica y
probabilidad incluidos en el currculo oficial.
"#$D%D #> 7! Estocstica en los planes y programas
O&'E($)O DE L% "#$D%D!
Analizar el enfoque de la enseanza de la probabilidad y la estadstica propuesto
en los programas oficiales y su relacin con otros contenidos.
CO#(E#$DO*:
La estocstica en los programas oficiales. Contenidos bsicos de la estadstica y
la probabilidad. Estndares NCTM y otros programas. Integracin de la
estadstica y la probabilidad con otros contenidos matemticos.
"#$D%D #> B! La Estocstica y los Materiales Curriculares
O&'E($)O DE L% "#$D%D!
Analizar diversos materiales curriculares utilizados en enseanza de la
estocstica
CO#(E#$DO*:
Materiales curriculares en estocstica, tipos y caractersticas. Recursos en
Internet. Fuentes de datos. Software especializado para la enseanza de la
estadstica y la probabilidad. Simulaciones.
"#$D%D #> F! La enseanza de la estocstica
O&'E($)O DE L% "#$D%D!
Disear entornos de aprendizaje para la enseanza de la estadstica y la
probabilidad, haciendo uso de diversas tecnologas.
CO#(E#$DO*:
Diseo y criterios para el anlisis de entornos de aprendizaje para la enseanza
de la estadstica y la probabilidad con diversas tecnologas. Proyectos
integradores. Actividades extracurriculares en estadstica y probabilidad.
Prcticas Escolares.
97
98
577
Unidad ,
Leccin 6
La Estocstica en los Programas de Est&dio
Conocer los programas de estudio de matemtica es muy importante para los
profesores de matemticas, ms aun para un profesor en formacin como es el
caso de los estudiantes de este curso. En esta leccin se inicia el trabajo con los
programas de estudio, particularmente con los contenidos de estocstica que se
encuentran presentes en la III etapa de Educacin Bsica y en la Educacin
Media Diversificada y Profesional. Sin embargo, tambin se le da una mirada a
los contenidos de estocstica presentes en la I y II etapa de Educacin Bsica. La
razn es muy sencilla, de acuerdo con los programas, los estudiantes
venezolanos comienzan a estudiar estocstica desde el primer grado de EB, por
lo tanto no se puede obviar lo previsto en los programas para esas dos etapas.
Se supone que al comenzar el trabajo en estocstica en la III etapa, los
estudiantes han logrado ciertos conocimientos, habilidades y actitudes en el rea
de la estocstica, por lo que es conveniente que el profesor de matemticas est
al tanto de ello.
La Estocstica 1 los +rogramas
4Estocstica en Educacin &sica6
En Venezuela hasta 1972 la estadstica y la probabilidad estaban reservadas
para el mbito universitario
3
. A partir de ese ao los programas de matemtica
de la Educacin Media presentan una unidad sobre nociones de probabilidad y
estadstica. A finales de la dcada de los ochenta que estos temas se incluyen
tambin en la Educacin Bsica. Al respecto Becerra y Moya (1989) sealan que
su presencia desde el primer grado es una de las principales innovaciones que
presentan los programas. La razn que presentan estos autores es que esta rea
constituye una de las herramientas fundamentales para el desarrollo cientfico y
tecnolgico.
Uno de los primeros pases en incorporar la estadstica y probabilidad a la
educacin formal no universitaria fue Inglaterra. En 1 961 se integra al currculo
de ese pas temas de probabilidad y estadstica exclusivamente para estudiantes
de 16 a 19 aos que cursan la especializacin en matemticas. En principio lo
que se quera era dar a los estudiantes una visin ms amplia de las posibilidades
de aplicacin de la matemtica a la vida real (Holmes, 2 002). Aos despus, se
$
Al parecer la primera institucin formal donde se estudi estadstica en Venezuela fue la Escuela de
@reparacin Estad!stica fundada en 1939, cuya funcin era la preparacin personal a nivel medio para
la estadstica y el censo. La funcin de esta escuela fue reglamentada al promulgarse la Ley de
Estadstica y Censos Nacionales en 1944, durante el gobierno de Isaas Medina Angarita. La Escuela
de Estadstica y Ciencias Actuariales de la Universidad Central de Venezuela, fundada en 1953, fue la
primera en el mbito universitario en Venezuela.
99
inici en ese mismo pas el School Council Project por medio del cual se
recolectaron evidencias de que era posible iniciar la enseanza de probabilidad y
estadstica desde la escuela primaria (Holmes, 1 980). Para los integrantes de
este proyecto las razones que justifican la incorporacin de estos temas a la
educacin elemental son:
o La estadstica es una parte de la educacin general deseable para los
futuros ciudadanos adultos, quienes precisan adquirir la capacidad de
lectura e interpretacin de tablas y grficos estadsticos que con frecuencia
aparecen en los medios informativos.
o Es til para la vida posterior, ya que en muchas profesiones se precisan
unos conocimientos bsicos del tema.
o Su estudio ayuda al desarrollo personal, fomentando un razonamiento
crtico, basado en la valoracin de la evidencia objetiva.
o Ayuda a comprender los restantes temas del currculo, tanto de la
educacin obligatoria como posterior, donde con frecuencia aparecen
grficos, resmenes o conceptos estadsticos.
Para Godino, Batanero y Caizares (1 987) las razones por las cuales se debe
incluir la estadstica y probabilidad en el currculo de Educacin Bsica son:
o Es una parte de la educacin general deseable para los futuros ciudadanos
adultos, es decir, es un componente de la cultura bsica en nuestra
sociedad;
o Es til para la vida posterior, el trabajo y tiempo libre.
o Ayuda al desarrollo personal, fomentando el cultivo de las capacidades
intelectuales y sociales;
o Ayuda a comprender otros temas del currculo
En nuestro pas la estadstica fue introducida en la Educacin Bsica en la
reforma curricular llevada a cabo a mediado de los aos ochenta. A lo largo de
los programas de matemtica se agregaron contenidos de estadstica (desde 1 a
9 grado), constituyendo una singularidad en la educacin elemental del pas. En
esa misma reforma tambin se incorpor la probabilidad a Educacin Bsica,
especficamente a partir de la II Etapa (desde 5 Grado). Se consider que el
elemento incertidumbre se encuentra presente en la vida cotidiana, la idea de
probabilidad no es ajena al mundo del nio y la escuela no puede obviar esto.
Tanto la estadstica como la probabilidad son consideradas instrumentos
fundamentales para el desarrollo cientfico y tecnolgico, por ende necesarias en
la escuela.
Los diseadores de la reforma curricular efectuada a finales de los aos
noventa mantuvieron un criterio semejante respecto a la importancia de estos
contenidos. Consideran que son amplias las posibilidades que ofrecen la
estadstica y la probabilidad para interrelacionar todas las reas acadmicas
presentes en la educacin bsica. En el programa de estudio del rea de
matemtica de la I Etapa de la Educacin Bsica se le indica al docente:
En la primera etapa de la Educacin Bsica se presentarn situaciones
sencillas, basadas en la realidad cotidiana, donde el estudiante podr recolectar,
100
577
organizar y clasificar datos e interpretar su significado. Con esto, el alumno se
inicia en la comprensin de contenidos que le sern muy tiles en su vida diaria
(Ministerio de Educacin, 1 997, p. 8)
Al docente de la II Etapa de Educacin Bsica se le seala en el programa de
estudio:
El estudio de la estadstica y la probabilidad permiten al nio valorar
su utilidad para interpretar situaciones ambientales y sociales, y tomar
decisiones referidas a aquellas en su vida familiar y escolar, a partir
del anlisis de informaciones obtenidas en tablas y grficos. Es un
excelente medio para interrelacionar la matemtica con diversas reas
cientficas y sociales, y para reforzar valores como la honestidad en la
presentacin de resultados.
Las medidas de tendencia central, media, mediana y moda, permiten
interpretar propiedades generales de un conjunto de datos
presentados. Estos datos deben ser interesantes y relevantes para el
nio. Los medios de comunicacin social y el propio ambiente de la
clase, ofrecen informacin que es til para el trabajo con este bloque
(Ministerio de Educacin, 1 998, p. 124)
%ctividad D.1
1. Revise los argumentos presentados por Holmes (1 980), Godino, Batanero
y Caizares (1 987) y los expuestos por las autoridades educativas
venezolanas, a travs de los programas, sobre la importancia de que se
estudie estadstica y probabilidad en la Educacin Bsica o Elemental.
2. Revise las lecciones 3 y 4, donde se discute aspectos referentes a la
cultura, razonamiento y pensamiento estadstico. Vincule lo expresado en
esas lecciones con la revisin que realiz en el punto 1 de esta actividad.
3. Haga un anlisis comparativo y elabore un escrito de dos o tres pginas
donde presente su posicin respecto a la importancia de que se estudie
estadstica y probabilidad en la Educacin Bsica o Elemental. Si lo desea
puede buscar otras fuentes de informacin para complementar.
En la Tabla I se resumen los contenidos que contemplan los programas de
estudio, producto de las reformas de 1 985 y 1 996, de la Educacin Bsica para
Estadstica y Probabilidad.
Tabla I
Grado Reforma 1 985 Reforma 1 996
1ro Elaboracin y aplicacin de encuestas
sencillas, construccin e interpretacin
de tablas, grficos de barras y
pictogramas
Elaboracin y aplicacin de encuestas
sencillas, construccin e
interpretacin de tablas, grficos de
barras y pictogramas
2do. Elaboracin y aplicacin de encuestas
sencillas, construccin e interpretacin
de tablas, grficos de barras y
Elaboracin y aplicacin de encuestas
sencillas, construccin e
101
pictogramas barras y pictogramas. Nocin de
azar, sucesos imposibles, seguros y
probables.
3ro. Elaboracin y aplicacin de encuestas,
construccin e interpretacin de tablas,
grficos de barras y pictogramas
Elaboracin y aplicacin de
encuestas, construccin e
barras y pictogramas. Nocin de
azar, experimento aleatorio,
construccin e interpretacin de
tablas para el registro de resultados,
experimento aleatorio.
4to. Elaboracin y aplicacin de encuestas,
construccin e interpretacin de tablas,
grficos de barras y pictogramas
Elaboracin y aplicacin de
encuestas, construccin e
barras y pictogramas. Determinacin
de la moda en datos no agrupados.
5to. Media aritmtica, moda, mediana,
Nocin de azar, sucesos imposibles,
seguros y probables. Clculo de
probabilidades a partir de la definicin
clsica.
Media aritmtica, Nocin de azar,
sucesos imposibles, seguros y
probables. Clculo de probabilidades
a partir de la definicin clsica.
6to. Distribuciones de frecuencia,
grficos de barras y sectores. Clculo
de probabilidades a partir de la
definicin clsica. Diagrama de rbol.
Distribuciones de frecuencia,
grficos de barras y sectores.
Construccin e interpretacin de
histogramas, clculo de la media
aritmtica y la mediana. Nociones de
conteo. Clculo de probabilidades a
partir de la definicin clsica.
Diagrama de rbol.
Fuente: Ministerio de Educacin 1985, 1997, 1998
%ctividad D.2
3. Compare los contenidos de estocstica previstos a estudiar en las dos
primeras etapas de Educacin Bsica en ambas reformas. Encuentre
semejanzas y diferencias. Destaque los cambios ms importantes
realizados en la reforma de 1 996.
4. Revise exclusivamente los contenidos de estadstica reforma de 1 996, en
resumen qu estudian de Estadstica los alumnos de las dos primeras
etapas de Educacin Bsica? Realice el mismo trabajo con los contenidos
de probabilidad, qu estudian de probabilidad los alumnos de las dos
primeras etapas de Educacin Bsica?
5. De acuerdo con los programas oficiales, defina el perfil del egresado de la
II etapa de la EB en cuanto a la estocstica. Argumente sus repuestas.
102
577
103
Estocstica en $$$ etapa de E& 1 EMD+
Tal como se expres antes en 1 996 se llev a cabo una reforma de los
programas de matemticas de la Educacin Bsica, sin embargo esta reforma
slo incluy las dos primeras etapas. Hasta la fecha no se han producido cambios
oficiales en los programas de estudio de la III etapa, por lo que siguen vigentes
los programas de 1 985. A continuacin se resumen los contenidos previstos en
cuanto a probabilidad y estadstica en la III etapa de EB.
*0ptimo grado
7
Objetivos generales
IX. Aplicar el concepto de probabilidad al plantear y resolver problemas.
X. Estudiar nociones elementales de Estadstica Descriptiva.
Objetivos especficos
28. Resolver problemas donde se apliquen las nociones elementales de
Probabilidad.
29. Representar eventos de un experimento aleatorio mediante diagramas de
rbol.
30.
30.1. Agrupar datos estadsticos en intervalos de clase.
30.2. Determinar la frecuencia absoluta y la frecuencia absoluta acumulada
en una coleccin de datos agrupados.
31. Elaborar histogramas de frecuencia absoluta.
Contenidos
Resolver problemas donde se apliquen las nociones de probabilidad. Diagrama de
rbol. Distribuciones de frecuencia, Frecuencia absoluta y relativa. Construccin e
interpretacin de histogramas de frecuencia absoluta.
Octavo grado
Objetivos generales
XII. Aplicar nociones elementales de probabilidad compuesta.
XIII. Aplicar nociones elementales de estadstica descriptiva.
26.I
26.1. Identificar cuando dos sucesos son independientes.
26.2. Calcular la probabilidad compuesta de sucesos independientes.
27.
27.1. Calcular la Media Aritmtica y la Moda de una distribucin de datos
agrupados.
,
La numeracin que se presenta es la original de los programas
104
577
27.2. Resolver problemas en los que se utilicen la Media Aritmtica y la Moda
de una distribucin de datos agrupados.
Contenidos
Identificar sucesos independientes, calculo de probabilidad compuesta de sucesos
independientes. Clculo de la media y la moda de distribuciones de frecuencia.
Resolver problemas donde se utilicen la media y la moda de una distribucin de
frecuencia
#oveno grado
Objetivos generales
IX. Resolver problemas en los cuales se utilicen nociones elementales de
Estadstica y Probabilidad.
26.
26.1. Resolver problemas en los cuales se utilicen nociones elementales de
Estadstica.
26.2. Resolver problemas en los cuales se utilicen nociones elementales de
Probabilidad.
Contenidos
Resolver problemas en los cuales se utilicen las nociones elementales de
estadstica y probabilidad.
El modelo de currculum en espiral fue el utilizado para disear los programas
de matemticas de la EB en 1 985. De acuerdo con este modelo, un mismo
contenido se estudia en diferentes grados, pero variando el nivel cognoscitivo con
que se trabaja en cada grado, a mayor grado un nivel ms complejo.
%ctividad D.3
1. Examine los programas de matemticas de la III etapa de EB. Evale la
importancia que se le confiere a la probabilidad y la estadstica en esos
programas con respectos a los otros tpicos que se encuentran en eso
programas.
2. Revise los contenidos de estocstica a estudiar en la III etapa de EB.
Establezca relaciones con los contenidos previstos para las dos primeras
etapas. Cul es su opinin en cuanto al orden y secuencia de esos
contenidos? Para facilitar el trabajo puede considerar por separado lo
referente a estadstica y a probabilidad.
EB en cuanto a Probabilidad y Estadstica. Con perfil nos referimos a las
habilidades, conocimientos y actitudes que se supone debe haber logrado
un egresado de la educacin Bsica. Recuerde que en la definicin de este
perfil interviene lo estudiado en las dos etapas anteriores. Consulte los
programas de estudio oficiales de matemticas de las tres etapas de EB,
all obtendr informacin sobre otros punto de inters que le permitirn
complementar lo expuesto en esta leccin. Argumente sus repuestas.
105
En la EMDP tambin se encuentran contenidos de estocstica, ms aun, como
se expres antes fue en ese nivel cuando se incluy por primera vez contenidos
de estocstica en un nivel diferente al universitario. Los programas de 1 972
incluyen contenidos de probabilidad y estadstica tanto en el 1er ao como en el
2do de la EMDP (en aquel momento 4to y 5to ao de bachillerado). El programa
de matemtica de 1972, estableca los siguientes contenidos para estocstica.
Tabla II
Ao Reforma 1972
1ro. Variable estadstica, Escalas de medicin. Muestreo. Poblacin.
Distribuciones de frecuencia. Frecuencia absoluta y relativa.
2do. Concepto de probabilidad, mtodos de conteo, mtodos combinatorios,
probabilidad de la unin de sucesos, sucesos independientes, probabilidad
condicional, aplicacin de regla de Bayes
Fuente: Ministerio de Educacin (1 972)
En 1 990, el Centro Nacional para el Mejoramiento de la Enseanza de la
Ciencia (CENAMEC) produjo unos nuevos programas denominados de
"articulacin, que fueron puestos en prctica de forma experimental en varias
instituciones de EMDP del pas. Estos programas son los que utilizan con
frecuencia los profesores de matemtica para dictar sus clases y han quedado
como los programas de matemtica de la EMDP. En los programas de articulacin
slo se encuentran contenidos de estocstica en la unidad V del segundo ao, la
cual se presenta a continuacin.
"#$D%D ). +-O&%&$L$D%D< E*(%DI*($C% J (EO-I% COM&$#%(O-$%
En esta unidad se estudian las ideas fundamentales de probabilidad, estadstica
y teora combinatoria como tcnica de conteo, para ser aplicada en el clculo de
probabilidades. Se conoce el concepto de azar, el cual es utilizado para modelar
situaciones de incertidumbre. Se resuelven problemas en espacios muestrales
simples usando tcnicas de conteo. Se desarrolla el binomio de Newton y se
resuelven problemas de aplicacin. Finalmente se incluye una seccin dedicada
a mtodos numricos.
O&'E($)O*
B.1. +robabilidades
El estudiante comprender ideas fundamentales de la teora de probabilidad.
Conocer el concepto de azar y lo utilizar para modelar situaciones en las
cuales se presenta incertidumbre o ignorancia. Resolver problemas en espacios
muestrales simples, usando tcnicas de conteo y aplicacin de los conocimientos
de teora combinatoria.
B.2. &inomio de #eHton.
El estudiante conocer la frmula general del binomio de Newton y aplicar esta
frmula y los conocimientos de teora combinatoria para desarrollar potencias de
un binomio.
B.3. M0todos num0ricos
El estudiante podr describir, mediante valores, caractersticas de las
106
577
distribuciones de probabilidad asociadas a experimentos a travs de datos.
CO#(E#$DO*
B.1. +robabilidades
5.1.1. Interpretacin de la probabilidad.
5.1.2. Experimentos y sucesos.
5.1.3. Repaso de operaciones en teora de conjuntos.
5.1.4. Definicin de la probabilidad en espacios muestrales finitos.
5.1.5. Mtodos de conteo.
5.1.6. Mtodos combinatorios.
5.1.7. Probabilidad de la unin de sucesos.
5.1.8. Sucesos independientes.
5.1.9. Probabilidad condicional.
5.1.10. Regla de Bayes.
B.2. &inomio de #eHton.
5.2.1. Potencias de un binomio.
5.2.2. Frmula general del binomio de Newton.
5.2.3. Ejercicios de aplicacin.
B.3. M0todos num0ricos.
5.3.1. Medidas de tendencia central: media, moda, mediana.
5.3.2. Medidas de dispersin: rangos.
5.3.3. Cuartiles, deciles y percentiles.
5.3.4. Varianza de una poblacin: Desviacin tpica o estndar.
5.3.5. Varianza de una muestra: desviacin.
5.3.6. Regla emprica: curva normal, franja de normalidad.
*"/E-E#C$%* ME(ODOLK/$C%*
El docente debe recalcar claramente y mediante ejemplos la diferencia
entre sucesos disjuntos y sucesos independientes, ya que estos conceptos
son confundidos frecuentemente.
Para introducir el teorema de Bayes se recomienda usar ejemplos, antes
de presentar su enunciado, con el objeto de ejercitar el concepto de
probabilidad condicional. Si es posible, hacer que el mismo estudiante sea
quien llegue a enunciar el teorema y pueda dar su demostracin; el hecho de
plantear las tesis del teorema resulta estimulante para el estudiante.
En cuanto a la teora combinatoria, recomendamos al profesor
107
introducirla ligndola al clculo de probabilidades en espacios muestrales
simples (S = s1, s2,..., sn} es un espacio, muestral simple si la probabilidad
asignada a cada uno de los resultados s1, s2,..., sn es 1/n de modo que si un
suceso A contiene m de estos resultados, P (A) = m/n).
El profesor debe hacer nfasis en los siguientes mtodos de conteo:
i) regla de multiplicacin
ii) variaciones y permutaciones: muestreo con reposicin y muestreo sin
reposicin.
iii) mtodos combinatorios.
Ser aconsejable introducir cada uno de estos mtodos por medio de
ejemplos.
Recomendamos no hacer demasiado nfasis en el "lgebra de nmeros
combinatorios.
Sugerimos, as mismo, al profesor, resolver problemas con enunciados
que resulten atractivos para los estudiantes.
Finalmente, le recomendamos, presentar al estudiante problemas novedosos
relacionados con la vida cotidiana, que lo motiven a analizar situaciones en las
cuales la estadstica le proporcione nuevos parmetros para la interpretacin de
resultados. Estos problemas resultarn particularmente tiles al estudiante si se
resuelven utilizando datos escolares, hechos econmicos, anlisis de
poblaciones, promedios, produccin, etc.
Fuente: CENAMEC - Ministerio de Educacin (1 990)
%ctividad D.7
1. Compare los contenidos de estocstica previstos a estudiar en la EMDP en
ambos programas. Encuentre semejanzas y diferencias. Destaque los
cambios ms importantes realizados en los programas CENAMEC.
EMDP en cuanto a Probabilidad y Estadstica. Recuerde que en la definicin
de este perfil tambin interviene lo estudiado en etapas anteriores.
Consulte los programas de estudio oficiales de matemticas de EMDP, all
obtendr informacin sobre otros punto de inters que le permitirn
complementar lo expuesto en esta leccin.
3. Qu opina del perfil definido en el punto anterior de esta actividad? Qu
relacin puede establecer con relacin a la cultura, razonamiento y
pensamiento estadstico? Si lo llamaran a una consulta sobre posibles
cambios sobre ese perfil, Qu recomendara? Argumente sus repuestas.
4. Lea el artculo #a inferencia estad!stica bsica en la ense7anza secundaria
de Moreno Verdejo y Vallecilos Jimnez. Sobre la base de la lectura
considere la posibilidad de incluir contenidos de estadstica inferencial en la
educacin venezolana. Presente argumentos a favor o en contra al
respecto.
108
577
109
-e.erencias
Batanero, C. (2 002) #os Retos de la Cultura Estad!stica. Conferencia inaugural
Jornadas Interamericanas de Enseanza de la Estadstica. Buenos Aires,
2002.
Becerra R. y Moya A. (1 989). La matemtica como una perspectiva innovadora y
fundamental en el nivel de Educacin Bsica. En @onencias " &rabajos
#ibres 2 Congreso ,acional de Educacin. Oficina Sectorial de Planificacin y
Presupuesto, (pp. 207 - 216). Oficina Sectorial de Planificacin y
Presupuesto (Edit.). Caracas: Ministerio de Educacin.
Centro Nacional para el Mejoramiento de la Enseanza de la Ciencia y la
Matemtica (CENAMEC). (1 990) @rograma de articulacin Contenidos de
/atemtica para la Educacin /edia, %iversificada " @rofesional. @rimer "
Segundo $7o. (Ciencias) Caracas. El autor.
Godino, J. D., Batanero, C. y Caizares, M. J. (1 987). $zar " @robabilidad.
?undamentos %idcticos " @ropuestas Curriculares. Sntesis: Madrid.
Holmes, P. (1 980). &eaching Statistics 11 -16. Sloug: Foulsham Educational.
Holmes, P. (2 002). Some lessons to be learnt from curriculum developments in
statistics. En B. Phillips (Ed.), @roceedings of the Si'th 2nternational
Conference on &eaching of Statistics. Ciudad del Cabo: IASE. CD ROM.
Ministerio de Educacin (1 997). @rograma de /atemtica Educacin Nsica.
@rimera Etapa. Caracas: El autor.
Ministerio de Educacin (1 998). @rograma de Estudio Orea de /atemtica. 22
Etapa de Educacin Nsica. Caracas: El autor.
Ministerio de Educacin (1 972) @rogramas de estudio de :P " 0P a7o de
Ciencias. Caracas. El autor.
Ministerio de Educacin (1 985) @rogramas de estudio de :P a 4P grado de
Educacin Nsica. Caracas. El autor.
Ministerio de Educacin (1 985) @rogramas de estudio de :er grado de Educacin
Nsica. Caracas. El autor.
Ministerio de Educacin (1 985) @rogramas de estudio de CP a EP grado de
Educacin Nsica. Caracas. El autor.
110
577
Unidad ,
Leccin 17
La Estocstica en Programas de Est&dio !nternacionales
En la leccin anterior se revisaron los programas de estudios de matemtica
de la Educacin Bsica y Media Diversificada y Profesional, especficamente en lo
referente a estocstica. En esta leccin se realizar una revisin similar pero en
programas de estudios de otros pases. Especficamente se trabajar con tres
pases: Estados Unidos, Inglaterra y Colombia.
Sin duda la realidad de esos pases es distinta a la de Venezuela, sin embargo,
se considera pertinente tener referencia sobre lo que se hace en otras latitudes
respecto a la enseanza de la estocstica. La seleccin de los pases se puede
explicar de la siguiente forma: en los Estados Unidos funciona el ,ational Council
of &eachers of /athematics (Consejo Nacional de Profesores de Matemtica)
organismo que ha publicado varios documentos que pretenden orientar la
Educacin Matemtica de ese pas, ya que all no se cuenta con un programa de
estudios nico. Por ello ese consejo produjo un conjunto de "estndares de
calidad de la Educacin Matemtica, un documento que busca orientar la
enseanza de la matemtica en ese pas con ciertos parmetros de calidad. En
esos estndares se le brinda un espacio importante a la estocstica, de all que se
considere adecuado conocer su planteamiento. Inglaterra fue uno de los primeros
pases en incorporar contenidos de estadstica y probabilidad en niveles de
educacin distintos al universitario, por lo que parece adecuado conocer cual es
su planteamiento en la actualidad. El otro pas es Colombia, pas latinoamericano
vecino, produjo un documento en la misma lnea de los estndares del ,ational
Council of &eachers of /athematics. Considerando que la situacin de Colombia
es un poco ms parecida a la de Venezuela que la de Estados Unidos e
Inglaterra, se considera pertinente conocer su planteamiento respecto a la
enseanza de la estocstica.
Los estndares del #C(M
En los Estados Unidos no hay un currculum nico que se aplique a nivel
nacional. Cada estado, incluso cada municipio, puede tener su propio currculum.
Este es uno de los motivos por los cuales el ,ational Council of &eachers of
/athematics (NCTM) ha realizado diversos documentos para orientar la
enseanza de la matemtica en ese pas. Primero fue la $genda for $ction
(1 980), donde se haca un fuerte nfasis en la resolucin de problemas, la
comprensin y la aplicacin de la Matemtica. Luego fue el Curriculum and
Evaluation Standard for School /athematics (1 989), donde por primera vez se
aboga por unos estndares educativos en matemtica para los Estados Unidos.
111
Este documento tuvo una importante difusin a nivel mundial, traducindose a
varios idiomas.
El NCTM sigui trabajando sobre la idea de los estndares y organiz diversas
reuniones, consultas y discusiones con profesores de matemticas, educadores
matemticos, investigadores, etc. Todo ese trabajo se tradujo en la publicacin
de un nuevo documento: @rinciples and Standards for School /athematics
(2 000). De acuerdo con el NCTM, este documento tiene por objetivo convertirse
en una gua, en un punto de discusin y reflexin para la comunidad de
educadores matemticos.
En los @rinciples and Standards for School /athematics del NCTM se
encuentran una serie de lineamientos a considerar sobre la comprensin
matemtica, conocimiento y desarrollo de habilidades para los distintos niveles
educativos del sistema norteamericano. En el documento se establecen cuatro
estndares bsicos por tpico de la matemtica: la resolucin de problemas, el
razonamiento matemtico, la comunicacin y conexiones. A continuacin se
presentan los lineamientos para estadstica y probabilidad, organizadas por
grupos de grados de estudio.
+reescolar a 2do grado
o Plantear preguntas y recolectar datos sobre s mismo y el ambiente donde
se desenvuelven.
o Ordenar y clasificar objetos de acuerdo con sus atributos. Organizar datos
respecto a los objetos.
o Representar datos usando objetos concretos, diseos y nmeros (tablas,
grficos de barra, de lnea y pictograma)
o Describir partes de datos y conjuntos de datos como un todo para
determinar que muestran.
o Identificar aspectos individuales de los datos, como el valor que ocurre
con mayor frecuencia.
o Discutir acontecimientos relacionados con las experiencias de los alumnos
como probables e improbables.
o Utilizar vocabulario como: ms probable, menos probable, cierto,
imposible.
o Realizar experiencias tales como lanzar dados y monedas
3er a Bto grado
o Platear preguntas y recolectar datos sobre si mismo y el ambiente donde
se desenvuelven. Preguntas de su escuela, su comunidad y contenidos
estudiados en otras reas.
o Concebir investigaciones para responder a una pregunta y considerar
como los mtodos de recoleccin de datos afectan la naturaleza de un
conjunto de datos.
o Recolectar datos usando la observacin, las encuestas o la experiencia.
o Representar datos usando tablas y grficos como los de lnea o de barras.
112
577
o Reconocer las diferencias al representar datos numricos o categricos.
o Describir la forma y caractersticas importantes de un conjunto de datos y
comparar conjuntos de datos relacionados, con nfasis en el modo como
estn distribuidos los datos, utilizar trminos como amplitud y datos
atpicos.
o Usar medidas de tendencia central (moda, mediana, media) comprender
lo que cada una de ellas indica acerca del conjunto de datos.
o Comparar diferentes representaciones de un mismo conjunto de datos y
discutir como cada representacin muestra un aspecto importante de los
datos.
o Hacer nfasis en la descripcin y anlisis de un conjunto de datos, realizar
comparaciones que involucren dos o ms conjuntos de datos.
o Proponer y justificar conclusiones y predicciones que estn basadas en
datos y concebir estudios para posteriormente investigar las conclusiones
y predicciones.
o Comenzar a comprender que muchos conjuntos de datos son muestras de
poblaciones, pensar sobre los factores que afectan la representatividad de
una muestra.
o Describir acontecimientos como probables o improbables y discutir el
grado de probabilidad usando palabras como cierto, igualmente probables,
igualmente improbables.
o Predecir las probabilidades de ocurrencia de experiencias simples y probar
esas predicciones.
o Comprender que la medida de la probabilidad de un evento puede ser
representada por un nmero entre 0 y 1.
o Los alumnos deben usar software computacional que los ayude a
organizar y representar sus datos, incluido software grfico y hojas de
clculo. La hoja de clculo permite a los alumnos organizar y ordenar un
conjunto grande de datos y crear una variedad de grficos.
Fto a ?vo grado
o Formular preguntas, concebir estudios y recolectar datos acerca de una
caracterstica particular para dos poblaciones diferentes o diferentes
caractersticas dentro de una misma poblacin.
o Seleccionar, crear y utilizar representaciones grficas apropiadas para los
datos que se manejan, incluido el histograma, los grficos de caja y bigote
y diagramas de dispersin.
o Encontrar, usar e interpretar medidas de tendencia central y de
dispersin, incluyendo la media y la amplitud intercuartlica.
o Discutir y comprender la correspondencia entre conjuntos de datos y sus
representaciones grficas, especialmente histograma, grficos de tallo y
hoja, grficos de caja y bigote y diagrama de dispersin (analizar la
simetra y asimetra de los grficos)
113
o Utilizar instrumentos para investigar relaciones y tendencias en datos
bivariados, incluidos grficos de dispersin y recta de regresin.
o Utilizar observaciones acerca de las diferencias entre una o ms muestras
para formular conjeturas acerca de las poblaciones de donde se tomaron
las muestras.
o Formular conjeturas acerca de posibles relaciones entre dos caractersticas
de una muestra con base en diagramas de dispersin y la recta de
regresin.
o Usar conjeturas para formular nuevas preguntas y plantear nuevos
estudios para responderlas.
o Comprender y utilizar la terminologa apropiada para describir
acontecimientos complementarios y mutuamente excluyentes.
o Usar la proporcionalidad y la compresin bsica de probabilidad para
formular y probar conjeturas acerca de los resultados de experiencias y
simulaciones.
o Calcular probabilidades de sucesos compuestos y simples, usando
mtodos tales como listas, diagramas de rbol y modelo de rea.
o Cmo es que el cambio de valores de los datos afecta la media y la
mediana de un conjunto de datos? Para responder a estas preguntas, los
profesores propondrn a sus alumnos usar una calculadora para crear una
tabla de valores y calcular la media y la mediana. Despus podran
cambiar un o dos valores de los datos de la tabla y ver si los valores de la
media y la mediana cambian. Esta relacin puede ser efectivamente
demostrada usando software a travs del cual los alumnos puedan
controlar los valores de los datos y observar como la media y la mediana
son afectadas.
o Los profesores pueden proponer a los alumnos a representar grficamente
muchos conjuntos de datos y observar las relaciones entre los grficos.
Software de graficacin y calculadoras graficadoras pueden ayudar en
este trabajo, por ejemplo, para investigar relaciones lineales y no lineales.
o Las simulaciones en computador pueden ayudar a evitar superar errores
de pensamiento probabilstico. Las simulaciones permiten a los alumnos
acceder a muestras relativamente grandes pueden ser generadas
rpidamente y modificadas fcilmente, facilitando el aprendizaje de las
probabilidades.
Dno a 12vo grado
o Comprender las diferencias entre varios tipos de estudios
o Comprender las diferencias entre los tipos de inferencia que podemos
legtimamente realizar
o Conocer las caractersticas de estudios bien concebidos, incluido el papel
de lo aleatorio
o Comprender el significado de los datos cualitativos y cuantitativos, los
datos univariantes y los bivariantes
114
577
o Comprender diferentes grficos como histograma, los grficos de caja y
bigote (individuales y paralelos) y diagramas de dispersin
o Comprender las diferencias entre un estadstico y un parmetro
o Concebir investigaciones, estudios de observaciones y experiencias
teniendo en consideracin aspectos como: Preguntas claras y ambiguas,
Cul es la poblacin en estudio? Cul es la muestra? Cmo debe ser
seleccionada? Cul debe ser el tamao de la muestra?
o Grficos de tallo y hoja, de puntos, circulares y de barras.
o Para datos univariados cuantitativos, ser capaz de apreciar la distribucin
de los mismos, describir su forma, centro y dispersin. Seleccionar y
calcular estadsticos
o Para datos bivariados cuantitativos, ser capaz de apreciar un grfico de
dispersin, describir su forma, su centro y dispersin. Determinar el
coeficiente de correlacin usando instrumentos tecnolgicos.
o Apreciar y discutir datos bivariados donde por lo menos una de las
variables es categrica.
o Reconocer como una transformacin lineal de los datos univariados afecta
su forma, centro y dispersin
o Identificar tendencias en datos bivariados y encontrar funciones (por
ejemplo, lineal, exponencial, cuadrtica) que modelen los datos o su
transformacin de modo que puedan ser modelados.
o Examinar las caractersticas de los grficos, ser capaz de explicar las
diferencias en las medidas de tendencia central (media y mediana) y de
dispersin (desviacin tpica y amplitud intercuartil)
o Comprender que los coeficientes de correlacin informan sobre: los modos
como los datos estn asociados a la recta de regresin, la intensidad de la
relacin entre dos variables.
o Usar simulaciones para explorar la variabilidad de muestras estadsticas
de una poblacin conocida y construir distribuciones muestrales.
o Comprender como es que una muestra estadstica refleja los valores de
los parmetros de la poblacin y usar distribuciones muestrales cmo
base para inferencia informal.
o Evaluar informes publicados que estn basados en datos, examinando la
concepcin del estudio, el apropiado anlisis de datos y la validez de las
conclusiones.
o Comprender como es que las tcnicas estadsticas bsicas son utilizadas
para monitorear caractersticas del proceso del mercado de trabajo.
o Usar un modelo determinado para los datos para hacer predicciones y
reconocer y explicar las limitaciones de esas predicciones.
o Comprender el significado de la recta de regresin y su papel al hacer
predicciones e inferencias, sus limitaciones y posibles extensiones.
115
o Comprender los conceptos de espacio muestral y distribuciones de
probabilidad y construir espacios muestrales y distribuciones en casos
simples.
o Utilizar simulaciones para construir distribuciones empricas de
probabilidades.
o Calcular e interpretar el valor esperado de variables aleatorias en casos
simples.
o Comprender los conceptos de probabilidad condicionada y sucesos
independientes.
o Comprender como se calcula la probabilidad de un suceso compuesto.
o Identificar sucesos mutuamente excluyentes o condicionados utilizando los
conocimientos de combinaciones, permutaciones y conteo para el clculo
de probabilidades asociadas a tales sucesos.
o Usando software dinmico, los alumnos pueden modificar la posicin de
las rectas candidatas a rectas de regresin y ver los efectos de esos
movimientos en los residuos cuadrados.
o Usando tecnologa, los alumnos deben ser capaces de determinar una
ecuacin de la recta de regresin y el coeficiente de correlacin.
A medida que los alumnos trabajen con conjunto de datos mayores y ms
complejos, se pueden ordenar los datos y representarlos en grficos
rpidamente, utilizando tecnologa de modo que se puedan enfocar en el anlisis
de los datos y comprender lo que ellos significan.
En las clases de ciencias se desarrollan experiencias de laboratorio donde se
generan y recogen datos. Los profesores de matemtica pueden considerar
trabajar en conjunto con los profesores de ciencias. La colaboracin puede
acordarse de modo que los alumnos realicen experimentos y recojan datos en la
clase de ciencias y los analicen en la clase de matemticas.
%ctividad 19.1
1. Si las escuelas de un municipio cualquiera de los Estados Unidos decidieran
tomar al pie de la letra los estndares en cuanto a probabilidad y
estadstica, Cul sera el perfil del egresado de las escuelas de ese
municipio en cuanto a Probabilidad y Estadstica. Si lo considera apropiado
puede buscar ms informacin en Internet.
2. Qu opina del perfil definido en el punto anterior de esta actividad? Qu
relacin puede establecer con relacin a la cultura, razonamiento y
pensamiento estadstico? Argumente sus repuestas.
3. En una universidad cercana a su domicilio, busque los programas de las
asignaturas de estadstica que debe cursar un estudiante que curse la
licenciatura en educacin mencin integral. Busque los programas de las
asignaturas de estadstica que deben cursar un estudiante que curse la
licenciatura en educacin mencin matemtica (profesor de matemticas).
Establezca el perfil en cuanto a probabilidades y estadstica de un
egresado de cada una de esas carreras. Compare los perfiles definidos con
116
577
el logrado en el punto 1 de esta actividad.
117
Currculo #acional $ngl0s
Como se seal anteriormente, el sistema educativo ingls fue uno de los
primeros en incorporar contenidos de estocstica en los niveles iniciales de la
educacin. Es por ello que se considera adecuado conocer qu se estudia sobre
estadstica y probabilidad en ese sistema educativo. Al igual que en el caso de los
estndares del NCTM, la informacin est organizada por grupos de grados de
estudio. Es importante acotar que hay una doble mencin de los grados 10 - 11,
la primera de ellas se refiere al ciclo normal mientras que la segunda se refiere al
ciclo que ellos denominan avanzado. Esta son las dos alternativas que tienen los
estudiantes una vez que culmine el 9no grado.
/rados 1 L 2 8B A @ a=os:
o Resolver problemas relevantes usando listas simples, tablas y grficos
para ordenar, clasificar y organizar la informacin.
o Discutir lo que han hecho y explicar sus resultados.
/rados 3 L F 8@ A 11 a=os:
o Solucionar problemas que necesitan de datos
o Interpretar listas, tablas y grficos usados en la vida diaria; construir e
interpretar tablas de frecuencia, incluyendo tablas para datos discretos
agrupados.
o Representar e interpretar datos discretos usando grficos y diagramas,
incluyendo los pictogramas, grficos de barra y de lnea. Interpretar una
amplia gama de grficos y diagramas, usando las Tecnologas de la
Comunicacin e Informacin en forma apropiada.
o Saber que el modo es un promedio y que el rango (amplitud) es una
medida de la dispersin, utilizar ambas ideas de describir conjuntos de
datos
o Reconocer la diferencia entre los datos discretos y continuos
o Elaborar conclusiones a partir de estadsticos y de grficos, reconocer
cuando la informacin que se le presenta es engaosa
o Explorar la duda, la certeza y desarrollar la comprensin de la idea de
probabilidad con situaciones del aula de clase; discutir acerca de los
eventos usando un vocabulario que incluya las palabras como: "cierto,
"justo, "injusto e "igualmente probable.
/rados @ L D 811 A 17 a=os:
o Identificar problemas que se puedan tratar por medio de los mtodos
estadsticos
o Discutir cmo es que los datos se relacionan con un problema; identificar
las fuentes posibles de desequilibrio y planificar para reducirlo al mnimo
o Identificar qu los datos primarios se necesitan recoger y en cul formato
(incluyendo datos agrupados, considerando intervalos de clase iguales y
con una misma amplitud)
118
577
o Disear un experimento o examinarlo; decidir qu datos secundarios se
pueden utilizar.
o Planificar y utilizar bases de datos discretos y continuos, recolectar datos
utilizando varios mtodos incluyendo observacin, experimentacin
controlada, el registro de datos, cuestionarios y encuestas.
o Recolectar los datos de fuentes secundarias, incluyendo las tablas y las
listas de fuentes impresas y basadas en las TIC.
o Disear y utilizar las tablas de dos entradas para los datos discretos y
agrupados.
o Construir, utilizando papel y las TIC, grficos circulares para datos
categricos y diagramas para los datos continuos, incluyendo grficos de
lnea para las series de tiempo, diagramas de dispersin, diagramas de
frecuencia y diagramas de tallo y hoja
o Calcular la media, la amplitud y la mediana de pequeos conjuntos de
datos, primero con datos discretos y luego con datos continuos; identificar
la clase modal en tablas de datos agrupados
o Hallar la mediana para grandes conjuntos de datos y hacer una estimacin
de la medida en grandes conjuntos de datos agrupados
o Dibujar y utilizar la recta de regresin, comprendiendo lo que representa
o Establecer relaciones entre los dados y las preguntas iniciales
o Interpretar una gran variedad de grficos y diagramas y extraer
conclusiones de ellos
o Examinar los datos para descubrir regularidades y excepciones.
o Lograr una compresin bsica de la correlacin
o Comparar distribuciones y hacer inferencias, usando las formas de las
distribuciones y las medidas de tendencia central y amplitud.
o Evaluar y verificar resultados, responder las preguntas iniciales y
modificar la forma de abordarlas si es necesario.
o Comprender que los procesos aleatorios son imprevisibles
o Comprender y utilizar la escala de las probabilidades (0 - 1)
o Comprender y utilizar las estimaciones o las medidas de la probabilidad de
modelos tericos, incluyendo resultados igualmente probables o de la
frecuencia relativa
o Enumerar todos los resultados para eventos simples o para dos eventos
sucesivos, de una manera sistemtica
o Identificar resultados mutuamente excluyentes y saber que la suma de las
probabilidades de todos estos resultados es 1
o Utilizar el vocabulario de la probabilidad en la interpretacin de resultados
que implican incertidumbre y la prediccin
119
o Comparar las probabilidades obtenidas a partir de los datos
experimentales y las probabilidades tericas
o Comprender que si repiten un experimento, se pueden obtener resultados
diferentes, y que aumentar el tamao de la muestra lleva generalmente a
una mejor estimacin de la probabilidad y de las caractersticas de la
poblacin
/rados 19 L 11 817 A 1F a=os:
o Identificar preguntas claves que se pueden ser analizadas usando los
mtodos estadsticos
o Identificar qu datos primarios se necesitan recoger y en cul formato
con una misma amplitud)
o Disear un experimento o examinarlo; decidir qu datos secundarios se
pueden utilizar.
agrupados.
o Construir, utilizando papel y las TIC, grficos circulares para datos
categricos y diagramas para los datos continuos, incluyendo grficos de
lnea para las series de tiempo, diagramas de dispersin, diagramas de
frecuencia y diagramas de tallo y hoja
o Calcular la media, la amplitud y la mediana de pequeos conjuntos de
datos, primero con datos discretos y luego con datos continuos; identificar
la clase modal en tablas de datos agrupados
o Hallar la mediana para grandes conjuntos de datos y hacer una estimacin
de la medida en grandes conjuntos de datos agrupados
o Lograr una compresin bsica de la correlacin como una medida de
asociacin entre dos variables, identificar la existencia de correlacin
utilizando la recta de regresin
120
577
distribuciones y las medidas de tendencia central y amplitud.
o Evaluar y verificar resultados, responder las preguntas iniciales y
modificar la forma de abordarlas si es necesario.
o Discutir las implicaciones de los resultados en el contexto del problema
o Interpretar las estadsticas sociales incluyendo los nmeros de ndice (por
ejemplo, el ndice general de precios al consumidor); series de tiempo
(por ejemplo, crecimiento de la poblacin);y datos de investigaciones (por
ejemplo, el censo nacional)
o Comprender y utilizar la escala de las probabilidades (0 - 1)
modelos tericos, incluyendo resultados igualmente probables o de la
frecuencia relativa
poblacin
/rados 19 L 11 817 A 1F a=os: %van;ado
o Identificar preguntas claves que pueden ser analizadas usando los
mtodos estadsticos
o Identificar qu datos primarios se necesitan recoger y en cul formato
con una misma amplitud); seleccionar y justificar un plan de muestreo y
un mtodo para investigar una poblacin, incluyendo muestras aleatorias
y estratificadas
o Planificar una experiencia de investigacin; decidir qu fuentes de datos
secundarios se pueden utilizar.
121
agrupados.
o Enfrentar problemas prcticos, como las no respuesta y datos faltantes
o Construir, utilizando papel y las TIC, grficos circulares y de lnea,
diagramas de dispersin, de tallo y hoja, tablas y grficos de frecuencia
acumulada, grficos de caja y bigote e histogramas para datos continuos
agrupados.
o Calcular la mediana, los cuartiles y la amplitud intercuartlica para grandes
conjuntos de datos y calcular la media para grandes conjuntos de datos
agrupados
o Usar las funciones estadsticas relevantes de una calculadora o una hoja
de clculo
o Comprender que la correlacin mide la asociacin entre dos variables;
distinguir entre correlacin positiva, negativa y nula utilizando rectas de
regresin; percibir que una correlacin cero no implica necesariamente la
no existencia de relacin entre las variables sino la inexistencia de relacin
lineal
distribuciones y las medidas de tendencia central y de dispersin,
incluyendo mediana y cuartiles
modelos tericos, o de frecuencia relativa
o Saber cuando debe sumar o multiplicar dos probabilidades: si A y B son
mutuamente excluyentes, entonces la probabilidad de ocurrencia de A o B
es P(A) + P(B), pero si A y B con eventos independientes, la probabilidad
de ocurrencia de A o B es P(A) * P(B)
o Usar diagramas de rbol para representar los resultados de
acontecimientos compuestos, reconociendo cuando es que los eventos son
independientes
122
577
poblacin
%ctividad 19.2
Defina el perfil del egresado del sistema de educacin ingls en cuanto a
Probabilidad y Estadstica. Si lo considera apropiado puede buscar ms
informacin en Internet. Qu opina del perfil definido por el Currculo Nacional
Ingls? Qu relacin puede establecer con relacin a la cultura, razonamiento y
pensamiento estadstico?
Los estndares de la Educacin Matemtica Colombiana
En Colombia Ministerio de Educacin Nacional y Asociacin Colombiana de
Facultades de Educacin produjeron el documento "Estndares Bsicos de
Calidad. Matemticas. Con el se busca:
precisar expectativas ambiciosas y desafiantes para el aprendizaje de
las matemticas que orienten los desarrollos curriculares, consoliden
los cambios y los promuevan en la enseanza de las matemticas;
para ayudar a todos los estudiantes a comprender, hacer y usar
matemticas y, para que sirvan de gua en el conjunto de decisiones
institucionales con respecto al currculo: qu tipo de contenidos, a
travs de qu proyectos, en que marco contextual, para qu tipo de
alumnos, con qu metas de formacin, etc. (Pg. 8)
Al igual que en los casos anteriores, en el documento se precisan metas por
grupos de grados de estudio, con la finalidad de orientar el trabajo del docente. A
continuacin se exponen los estndares respecto al Pensamiento Aleatorio y
Sistemas de Datos, como lo denominan en el documento colombiano.
/rados 1 L 3
poblacin
o Clasificar objetos de acuerdo a cualidades o atributos y organizar
informacin relativa.
o Interpretar cualitativamente datos referidos a situaciones del entorno
escolar.
o Describir situaciones o eventos a partir de un conjunto de datos.
123
o Representar datos relativos a su entorno usando objetos concreto,
pictogramas y diagramas de barras
o Identificar regularidades y tendencias en un conjunto de datos.
o Explicar - desde su experiencia - posibilidad o imposibilidad de ocurrencia
de eventos cotidianos.
o Predecir si la posibilidad de ocurrencia de un evento es mayor que la de
otro.
o Resolver y formular preguntas que requieran para su solucin coleccionar
y analizar datos del entorno prximo.
/rados 7 L B
o Representar datos usando tablas y grficas (pictogramas, grficas de
barras, diagramas de lneas, diagramas circulares).
o Comparar diferentes representaciones del mismo conjunto de datos.
o Interpretar informacin presentada en tablas y grficas. (pictogramas,
grficas de barras, diagramas de lneas, diagramas circulares).
o Conjeturar y poner a prueba predicciones acerca de la posibilidad de
ocurrencia de eventos.
o Comparar y describir distribucin de un conjunto de datos.
o Usar e interpretar la mediana (promedio)
o Resolver y formular problemas a partir de un conjunto de datos
provenientes de observaciones, consultas y experimentos.
/rados F L @
o Comparar e interpretar datos provenientes de diversas fuentes (prensa,
revistas, televisin, experimentos, consultas, entrevistas).
o Reconocer relacin entre un conjunto de datos y su representacin.
o Usar representaciones grficas adecuadas para presentar diversos tipos de
datos. (diagramas de barras, diagramas circulares...)
o Usar medidas de tendencia central (media, mediana, moda) para
interpretar comportamiento de un conjunto de datos.
o Usar modelos (diagramas de rbol, por ejemplo) para discutir y predecir
posibilidad de ocurrencia de un evento.
o Conjeturar acerca del resultado de un experimento aleatorio usando
proporcionalidad y nociones bsicas de probabilidad.
o Resolver y formular problemas a partir de un conjunto de datos
presentados en tablas, diagramas de barras, diagramas circulares
o Predecir y justificar razonamientos y conclusiones usando informacin
estadstica.
/rados ? L D
124
577
o Reconocer cmo diferentes maneras de presentacin de informacin
pueden originar distintas interpretaciones.
o Interpretar analtica y crticamente informacin estadstica proveniente de
diversas fuentes (prensa, revistas, televisin, experimentos, consultas,
entrevistas)
o Interpretar conceptos de media, mediana y moda.
o Seleccionar y usar algunos mtodos estadsticos adecuados segn el tipo
de informacin.
o Comparar resultados experimentales con probabilidad matemtica
esperada.
o Resolver y formular problemas seleccionando informacin relevante en
conjuntos de datos provenientes de fuentes diversas. (prensa, revistas,
televisin, experimentos, consultas, entrevistas).
o Reconocer tendencias que se presentan en conjuntos de variables
relacionadas.
o Calcular la probabilidad de eventos simples usando mtodos diversos.
(listados, diagramas de rbol, tcnicas de conteo)
o Usar conceptos bsicos de probabilidad (espacio muestral, evento,
independencia...)
/rados 19 L 11
o Comparar estudios provenientes de medios de comunicacin.
o Justificar inferencias provenientes de los medios o de estudios diseados
en el mbito escolar
o Disear experimentos aleatorios (de las ciencias fsicas, naturales o
sociales) para estudiar un problema o pregunta.
o Describir tendencias que se observan en conjuntos de variables
relacionadas.
o Interpretar nociones bsicas relacionadas con el manejo de informacin
como poblacin, muestra, variable, estadgrafo y parmetro).
o Usar comprensivamente algunas medidas de centralizacin, localizacin,
dispersin y correlacin (percentiles, cuartiles, centralidad, distancia,
rango, varianza, covarianza y normalidad)
o Interpretar conceptos de probabilidad condicional e independencia de
eventos.
o Resolver y plantear problemas usando conceptos bsicos de conteo y
probabilidad. (Combinaciones, permutaciones, espacio muestral, muestreo
aleatorio, muestreo con reemplazamiento)
o Proponer inferencias a partir del estudio de muestras probabilsticas.
%ctividad 19.3
125
1. Defina el perfil del egresado del sistema de educacin colombiano en
cuanto a Probabilidad y Estadstica, a partir de los estndares antes
presentados. Si lo considera apropiado puede buscar ms informacin en
Internet. Qu opina del perfil definido los estndares de la Educacin
Matemtica Colombiana? Qu relacin puede establecer con relacin a la
cultura, razonamiento y pensamiento estadstico?
2. Busque en Internet informacin que le permita definir el perfil en
cuanto a Probabilidad y Estadstica del egresado de la educacin media de
otro pas latinoamericano. Haga un anlisis de ese perfil semejante al
realizado en el punto anterior.
3. Compare el perfil del egresado de la EMDP venezolana en cuanto a
probabilidad y estadstica, con los definidos por usted en esta leccin
(Estados Unidos, Inglaterra, Colombia y otro pas latinoamericano) y el de
los egresados de las licenciaturas en educacin integral y educacin
matemtica. Encuentre semejanzas y diferencias. Destaque los aspectos
de mayor inters en cuanto a la formacin de un ciudadano. Escriba un
ensayo breve a partir de la comparacin realizada.
-e.erencias
Ministerio de Educacin Nacional y Asociacin Colombiana de Facultades de
Educacin (2 003) Estndares Nsicos de Calidad. /atemticas. Ministerio
de Educacin Nacional: Colombia
National Council of Teachers of Mathematics (2 000). @rinciples and standards for
school mathematics. Reston. NCTM
National curriculum online. National Curriculum for England. Disponible:
http://www.nc.uk.net
126
577
127
Unidad -
Leccin 11
La Estocstica y los Materiales %&rric&lares
En esta leccin se trabajan algunos materiales curriculares que pueden ser
incorporados a actividades de aprendizaje de la estocstica. La idea es presentar
materiales como la calculadora cientfica, las hojas de clculo, los medios de
comunicacin social y los manipulables virtuales que pueden ser utilizados en las
aulas de clases para el proceso de enseanza y aprendizaje de la estocstica. En
esta se presentaran los materiales y algunas posibilidades de uso en el aula.
Eemplo de Materiales Curriculares
La Calculadora Cient.ica
Actualmente las calculadoras cientficas son muy potentes. La gran mayora de
ellas presentan funciones estadsticas que le permiten calcular diferentes medidas
estadsticas. Por ejemplo, con una calculadora sencilla como la
Casio fx-85ES es posible calcular: media aritmtica, desviacin
tpica de la muestra, desviacin tpica de la poblacin, valor
mnimo de la serie, valor mximo de la serie, regresin lineal,
regresin cuadrtica, regresin logartmica, regresin
exponencial, generar nmeros aleatorios, etc.
En este tipo de calculadora es posible trabajar con los datos
estadsticos en forma de columna de la misma forma como se
colocaran en una hoja de clculo o en un programa
especializado en estadstica. Al trabajar con medidas estadsticas
de una variable se puede utilizar una columna para introducir los
datos y la otra para indicar la frecuencia de cada uno de ellos.
Cuando se trabaja con dos variables se utiliza una columna para introducir los
datos de la variable x y la otra para los de la variable y. Adems de las medidas
sealadas la calculadora proporciona los valores parciales utilizados para el
clculo de ellas, como por ejemplo. x, x
2
, n, xy, y, y
2
, x
2
y, x
3
, etc.
Usualmente hay un cierto rechazo hacia el uso de la calculadora en las clases
de matemticas. Entre las razones que sealan algunas personas para no usar la
calculadora en la clase de matemticas se encuentra: los estudiantes no
desarrollan habilidades de clculo, se hacen dependientes de la calculadora, no
aprenden matemtica. Esta visin se corresponde bsicamente con la creencia de
que hacer matemtica es hacer cuentas, realizar clculos. Utilizadas de forma
apropiada las calculadoras pueden incorporarse a las clases de matemticas para
hacer ms matemticas y alejarse un poco de la matemtica centrada
exclusivamente en el clculo.
128
577
En la enseanza de la estocstica, las calculadoras apoyan al estudiante en los
clculos y permiten que dedique ms tiempo a la compresin de las situaciones
que se le presentan y de las ideas matemticas. Con la calculadora el proceso de
trabajo estadstico es muy similar al que se realizara manualmente, con la
ventaja de una mayor celeridad en los clculos, en consecuencia se puede
dedicar ms tiempo al anlisis e interpretacin de resultados, as como a la
compresin de los conceptos involucrados en el problema o situacin estudiada.
Una actividad que se puede realizar con apoyo de una calculadora cientfica es la
siguiente.
La estatura y el nmero de calzado
Tiene alguna relacin el nmero de calzado de una persona con su estatura?
Siempre que una persona sea alta necesariamente utilizar un nmero de
calzado alto? Si una persona utiliza un nmero de calzado bajo entonces ser
una persona de baja estatura?
Este tipo de pregunta se puede formular a los estudiantes para motivarlos a la
realizacin de la actividad. A los estudiantes se les puede presentar una tabla
como la siguiente para que todos incluyan sus datos:
Estudiante Estatura Nmero de calzado
1
2
3
4
5
6
7
8
9
10
.
20
Pregunte a los estudiantes:
De acuerdo con los datos habr alguna relacin entre la estatura y el nmero
de calzado? Siempre un nmero de calzado alto est asociado con sujeto de
estatura alta? Destaque estudiante con la misma altura y diferente nmero de
calzado o viceversa. Escuche las opiniones de los estudiantes. Guelos para que
busquen la mejor herramienta posible para analizar el problema.
Solicteles que grafiquen la informacin en un eje de coordenadas cartesiana.
Una vez construida la grfica, pregunte sobre la funcin matemtica que
podra utilizarse para "modelar los datos de estatura y nmero de calzado.
129
Con ayuda de la calculadora, halle la ecuacin de la recta que permite calcular
el nmero de calzado en funcin de la estatura.
Utilice la ecuacin de la recta hallada para estimar el nmero de calzado de
cada estatura considerada. Con ayuda de la calculadora completa la siguiente
tabla:
Estudiante Estatura Nmero de
calzado
Nmero de
calzado estimado
Diferencia
1
2
3
4
5
6
7
8
9
10
.
20
Discuta los resultados con los estudiantes.
Un posible factor de error en las estimaciones realizadas puede encontrarse en
que los datos fueron recolectados entre adolescentes, quienes no han completado
su desarrollo fsico. Discuta esto con sus estudiantes.
Solicite a los estudiantes que recolecten datos de estatura y nmero de
calzado entre los adultos de su alrededor. Proporcione instrucciones precisas
como realizar la medicin o solicitar la informacin. Con los datos recolectados
entre todos ellos, realice el problema nuevamente. Cambian los mrgenes de
error?
%ctividad 11.1
1. Cules conceptos matemticos estn involucrados en una actividad como
la anterior?
2. En qu grado realizara una actividad como la descrita anteriormente?
Razone su respuesta
3. Lea el Sobre la base de la lectura y su experiencia elabore un escrito de
dos o tres pginas sobre las posibilidades de utilizacin de la calculadora
en la educacin media venezolana para la enseanza de la estocstica.
Este tipo de actividad se puede realizar ms cmodamente con calculadoras
graficadoras. Con ellas es posible introducir una forma de representacin que no
130
577
es posible con las cientficas: el grfico de dispersin de los datos. De esta forma
los estudiantes podran analizar datos grfica y numricamente y comparar los
resultados observados y esperados de ambas formas. Adicionalmente las
calculadoras graficadoras tienen incorporadas funciones estadsticas de mayor
envergadura: intervalos de confianza, pruebas de hiptesis, distribuciones de
probabilidad y anlisis de varianza. Sin embargo, preferimos comentar el caso de
las calculadoras cientficas ya que son ms econmicas, se encuentran con mayor
frecuencia en las tiendas de todo el pas y son ms fciles de usar.
Las 5oas de Clculo
La computadora es otra herramienta interesante para la enseanza de la
estadstica en la educacin media. En ella se pueden instalar programas
especializados en estadstica muy potentes como SPSS, SPAD, SAS,
STATGRAPHICS, STATISTICS, etc. el problema de utilizacin de este tipo de
paquetes es su costo y los requerimientos de hardware. Actualmente es posible
conseguir en Internet programas libres como Idams y R, que si bien es cierto no
tienen problemas de costo, mantienen altos requerimientos de hardware.
Ante esta situacin una alternativa eficiente son las hojas de clculo. La
mayora de ellas cuentan con una gran variedad de funciones estadsticas. Una
hoja de clculo como Excel contiene funciones como coeficiente de correlacin,
error tpico, coeficiente de asimetra, coeficiente de curtosis, desviacin tpica (de
la poblacin y la muestra) media aritmtica, media geomtrica, media armnica,
valor mximo, valor mnimo, mediana, moda, intervalos de confianza,
distribuciones de probabilidad, etc. Adicionalmente es posible realizar grficos de
diferentes tipos.
Asimismo el programa Excel contiene un conjunto de funciones adicionales
denominadas "anlisis de datos, que se encuentra dentro del men
herramientas. Con las funciones que all se encuentran es posible realizar anlisis
estadsticos ms complejos y avanzados, ya que incluye funciones como: anlisis
de varianza de uno y dos factores, pruebas F, pruebas t, pruebas z, etc. El uso de
estas herramientas es poco frecuente ya que no se instala de manera directa al
instalar el programa, sino que hay que hacer una rutina especial para instalarlo.
Recuerde, con la ayuda del programa Excel, para instalar las funciones
adicionales de estadstica se debe:
1. Elegir Complementos en el men 5erramientas.
2. En la lista Complementos disponibles, seleccione el cuadro
5erramientas para anlisis y, a continuacin, haga clic en %ceptar.
En algunas ocasiones la rutina de instalacin solicita el disco con el programa
Excel.
Es aleatoria esa funcin aleatoria?
La mayora de los reproductores digitales de msica (CD, MP3, wma) tienen
una funcin que permite escuchar las canciones que contiene en forma
"aleatoria. Una vez activada esta funcin, el usuario debe seleccionar una
cancin inicial y luego el reproductor seleccionar las canciones restantes de
forma aleatoria, obviando el orden en que estn grabadas en el CD o en el
reproductor. La pregunta que puede surgir es es realmente aleatoria esa
seleccin?
131
Usando estos reproductores los estudiantes junto a sus profesores, podran
explorar la nocin aleatoriedad. Qu significa una seleccin aleatoria? Qu
diferencia hay en una seleccin mediante una regla y una seleccin aleatoria? Es
realmente aleatoria esa funcin de esos reproductores? En clases se puede
trabajar con estos reproductores para explorar este tipo de preguntas.
Se puede disear una actividad de clases con los reproductores y la funcin
aleatoria. Se puede solicitar a los estudiantes que trabajen con un nmero bajo
de canciones (unas 11 canciones) y anotar el orden en que el reproductor
selecciona las canciones luego de seleccionar la cancin inicial. Se puede variar la
cancin inicial y nuevamente anotar el orden en que el reproductor selecciona las
canciones restantes.
Si se trabaja en grupos, cada uno podra trabajar con una cancin inicial y
repetir varias veces la experiencia del orden en que selecciona el reproductor las
canciones restantes. Anotaran la frecuencia de aparicin de cada cancin. La
hoja de clculo puede utilizarse para calcular la frecuencia relativa de cada
cancin y graficarla. El anlisis de los datos ayudara a los estudiantes a
determinar si la funcin es realmente aleatoria o hay algn patrn en la seleccin
de las canciones.
Aunque tiene algunas limitaciones a nivel tcnico, la utilizacin de una hoja de
clculo como Excel, es muy comn encontrarlo en las computadoras del pas, lo
cual es sin duda una ventaja respecto a los programas especializados en
estadstica. Esto lo hace ms accesible que la mayora de los programas
especializados. Adicionalmente, el programa es muy amigable, sus funciones
utilizan una sintaxis comn, lo cual facilita su uso y tiene una variada capacidad
grfica. Todas estas caractersticas posibilitan su utilizacin en la EB y EMDP.
Es importante destacar que diferentes entes interesados en la formacin
estadstica del ciudadano (IASE, ASA, NCTM) incluyen la habilidad de
procesamiento de datos a travs de un programa estadstico como una de las
metas a lograr en los niveles iniciales de la educacin.
%ctividad 11.2
1. Realice la actividad sobre la estatura y el nmero de calzado con la hoja de
clculo Excel. Qu cambios le realizara? Qu pueden ganar los
estudiantes al realizar la actividad con una computadora y no con una
calculadora?
2. Lea el artculo #as herramientas computacionales en la ense7anza de la
@robabilidad " la Estad!stica de Inzunsa (2 003). Sobre la base de la
lectura y su experiencia elabore un escrito de dos o tres pginas sobre las
posibilidades de utilizacin de la computadora en la educacin media
venezolana para la enseanza de la estocstica.
132
577
Los Medios de Comunicacin *ocial
Todos los ciudadanos deberan desarrollar su sentido crtico frente a la
informacin que aparece en los medios de comunicacin social. En estos medios
se presentan informaciones en forma de texto o grfica que el ciudadano debe
evaluar de forma crtica para no ser vctima de informaciones tendenciosas.
Una forma de lograr esto es enfrentar a los estudiantes con interpretaciones
estadsticas inapropiadas. Para ello se puede hacer uso de los propios errores que
se producen en los medios de comunicacin y discutirlas con los estudiantes. Por
ejemplo, si un programa de radio se indica que de acuerdo a la encuesta
realizada en su pgina Web el 68% de los venezolanos apoya la realizacin de
eleccin de los alcaldes de forma anual, Es apropiada esa conclusin?, A quin
est representando ese 68%?
Si vemos en un noticiero de televisin que el nmero de accidentes viales lleg
a 50 durante el fin de semana largo, seguramente muchos nos escandalizaremos.
Ahora bien, es realmente alarmante la cifra? Cmo podemos saber si es
perentorio que las autoridades tomen medidas extraordinarias para un prximo
fin de semana largo? Ser muy diferente de los accidentes ocurridos en otros
fines de semana largos?
Pero no son slo los medios de comunicacin con sus noticias los que pueden
presentar informaciones tendenciosas, tambin lo hacen empresas que ofrecen la
solucin a la calvicie en tres das o que le ofrecen que usted lograr un cuerpo
escultural en slo dos semanas con un mnimo de esfuerzo. Tambin es el
estado, quien a travs de sus organismos manipula cifras para informar sobre los
logros del gobierno x o y.
Todo ese tipo de informacin puede ser utilizada para ser trabajada con los
estudiantes. Lo importante es que los estudiantes tengan oportunidad de
discurrir sobre buenos y malos usos de la estadstica. Para ello, sin duda que los
medio de comunicacin son en elementos de gran importancia.
%ctividad 11.3
Busca en peridicos o revistas un artculo o reportaje que este acompaado por
uno o ms grficos estadsticos (cualquiera). Puede ser que el artculo o reportaje
contenga ms de un grfico. No importa la fecha del peridico o revista. Lee
detenidamente el artculo o reportaje. Analiza el artculo y su relacin con el
grfico. Lo expresado en el artculo se puede concluir a partir de ese grfico?
Las afirmaciones realizadas son sensatas y estn respaldadas por los datos all
presentados? Observa el grfico con detenimiento. Est bien construido? Est
dibujado de forma apropiada o distorsiona las tendencias mostradas en los datos?
Con base a tus respuestas realiza un informe donde emitas su opinin. Las
preguntas son para orientar tu trabao< no para ser respondidas
individualmente.
Manipulables )irtuales
133
En Internet es posible encontrar una variedad importantes de manipulables
virtuales que han sido desarrollados para apoyar la enseanza y el aprendizaje
de la estadstica.
Como se expres en la leccin 7, algunas investigaciones recomiendan
confrontar las creencias de los estudiantes con evidencia emprica. Dadas las
caractersticas de la probabilidad y la estadstica, en la generacin de evidencia
emprica se puede invertir un tiempo importante corriendo el riesgo que los
estudiantes pierdan el inters en la actividad. Las simulaciones pueden ayudar en
este proceso de generacin de datos reales y de representar un fenmeno
estocstico. Las simulaciones que se encuentran en Internet brinda la posibilidad
de que el usuario, de manera sencilla, pueda cambiar elementos, introducir
datos, logrando resultados de forma inmediata en la pantalla, potenciando las
posibilidades de compresin de ideas estocsticas. Se trata de una manipulacin
virtual.
La mayora de las simulaciones que se encuentran en la red estn
desarrolladas en el lenguaje de programacin Java (Java-Sun) y se les denomina
"Applet. Los applet son programas relativamente pequeos (menos de 100 Kb)
que se encuentran en pginas Web, desde donde se ejecutan. Algunos applet
pueden ser descargados y utilizados sin estar conectado a Internet. En los
ltimos aos tambin ha comenzado a aparecer simulaciones desarrolladas en el
lenguaje de programacin Flash, que al parecer brinda mayores posibilidades que
el lenguaje Java. La mayora de las simulaciones relacionadas con estocstica que
se encuentran en la red estn en idioma ingls.
Algunas de las pginas Web donde se encuentran simulaciones para la
enseanza de la estocstica son:
o Rice Virtual Lab in Statistics.
http://www.ruf.rice.edu/~lane/stat_sim/index.html
Grficos, medidas de tendencia central, distribuciones muestrales,
intervalos de confianza para la media y para la proporcin, distribuciones
de probabilidad, ANOVA, etc.
o Virtual Laboratories in Probability and Statistics.
http://www.math.uah.edu/stat/
Probabilidad, distribucin de Poisson, combinatoria, distribucin normal,
muestras aleatorias, estimacin puntual, intervalos de confianza,
contraste de hiptesis.
o Institute of Statistics and Decision Sciences - Duke University.
http://www.stat.duke.edu/sites/java.html.
Estadstica descriptiva, Distribuciones de probabilidad (Normal, t,
binomial), ANOVA, Intervalos de confianza, Regresin, coeficiente de
correlacin Spearman, pruebas t, probabilidad y procesos estocsticos,
o Simulation Applets
http://www-sop.inria.fr/mefisto/java/tutorial1/tutorial1.html
Variables aleatorias, procesos estocsticos (en Francs).
134
577
o Proyecto Descartes
http://www.cnice.mecd.es/Descartes/
Es un proyecto del ministerio de educacin espaol para la enseanza de
la matemtica en bachillerato. Los temas de estadstica que trabaja son:
organizacin de datos, estadstica descriptiva, correlacin, regresin,
distribucin normal.
o Experimental statistical Flash
http://noppa5.pc.helsinki.fi/koe/flash/flash.html
Correlacin, grficos de dispersin, probabilidad, distribuciones de
probabilidad, medidas de tendencia central.
o Flash demos for understanding statistics
http://www.math.tamu.edu/~dallen/flash-demo/
Histogramas, correlacin, varianza, diagramas de torta, medidas de
tendencia central.
%ctividad 11.7
Realiza una bsqueda en Internet para hallar simulaciones que puedan ser usadas
en actividades de enseanza de la estocstica (puede utilizar las nombradas
anteriormente). Explora los materiales manipulables virtuales disponibles en esas
pginas. Selecciona tres simulaciones: una de probabilidad, una de estadstica
descriptiva y otra de estadstica inferencial. Desarrolla actividades de aprendizaje
donde incorpores cada una de las simulaciones seleccionadas. No omitas detalles
sobre como utilizaras esa simulaciones en la actividad.
Manipulables concretos
Sin duda que los manipulables concretos son de gran ayuda para la enseanza
de la estocstica, pero en algunas ocasiones no estn al alcance de los
estudiantes e incluso del profesor. En otros casos los manipulables concretos
pueden usarse como el inicio de la actividad para que el estudiante se ubique
mejor sobre el trabajo que realiza con el manipulable virtual.
Al igual que los materiales virtuales, los concretos ayudan a generar datos
reales para ser tratados estadsticamente o para confrontar las creencias de los
estudiantes. En el caso de la probabilidad es importante que no solo se use
material concreto cuyos eventos sean siempre equiprobables, como las monedas
o los dados, es conveniente que tambin se usen materiales cuyos posibles
resultados no son igualmente probables. La utilizacin de instrumentos como
chinches o cilindros ayuda a que los estudiantes comprendan que no todos los
eventos asociados a un experimento aleatorio son equiprobables y que no
siempre se aplica la definicin clsica para calcular la probabilidad de ocurrencia
de un evento.
Census at *c2ool
Es un proyecto auspiciado por la Royal Statistical Society Centre for Statistical
Education y la Universidad de Nottingham Trent de Inglaterra, que actualmente
135
cuenta con la participacin del Reino Unido, Sudfrica Canad, Nueva Zelanda y
Australia. Algunos de los objetivos de este proyecto internacional son:
Ayudar a los estudiantes participantes a desarrollar habilidades que les
permitan analizar datos y aprender estadstica.
Proporcionar datos reales para las actividades de anlisis de datos en las
escuelas
Aumentar el conocimiento de cules son los censos nacionales;
Demostrar cmo la tecnologa de la informacin y la comunicacin (TIC)
se puede utilizar eficazmente en la enseanza y aprendizaje,
especialmente en el anlisis de datos.
Census At School (http://www.censusatschool.ntu.ac.uk/) ha logrado
conformar una base de datos internacional disponible para todos los interesados.
Esta base de datos permite a los estudiantes de los pases participantes del
proyecto, comparar sus resultados con las de otros estudiantes participantes.
Tambin se han desarrollado un conjunto de materiales de apoyo al profesor.
%ctividad 11.B
Visita la pgina de Census At School (http://www.censusatschool.ntu.ac.uk/) en
Internet y realiza un arqueo (inventario) de los recursos disponibles para el
docente y para el estudiante. Presenta un informe sobre lo encontrado y
argumenta como podras utilizar esos recursos en sus clases de estadstica de
cualquier nivel.
136
577
137
Unidad /
Leccin 1
Dise5o de Entornos de .prendi"a#e
En el curso de Didctica del lgebra y la Trigonometra estudi algunos
criterios para disear y evaluar entornos de aprendizaje (leccin 11). En esta
leccin usted debe utilizar esos criterios para disear entornos de aprendizaje
para tpicos de estocstica.
Como recordar el entorno de aprendizaje se percibe como el conjunto de
actividades que se realizan en contextos determinados para lograr el aprendizaje.
Se le ofrece a los estudiantes la posibilidad de usar distintos instrumentos o
materiales curriculares para lograr un mismo objetivo. Algunos de los pasos que
debe cumplir para el diseo de un entorno de aprendizaje son:
o Seleccionar las metas u objetivos del entorno de aprendizaje
o Seleccionar los contenidos.
o Elaborar una lista de recursos o herramientas disponibles que puedan
ser tiles para el logro de los objetivos.
o Ajustar entorno de aprendizaje a las nuevas ideas que resulten del
proceso mismo de diseo.
Es recomendable que revise la leccin 11 del curso de Didctica del lgebra y
la Trigonometra.
Entornos de aprendi;ae para tpicos de estocstica
Un tema que podra resultar interesante para estudiantes de III etapa de EB y
de EMDP es determinar el perfil del estudiante de una seccin, grado o escuela
especifica. Esto permitira introducir al alumno en tcnicas para la recoleccin de
datos como la observacin, la encuesta, la medicin, el procesamiento e
interpretacin de datos estadsticos.
%ctividad 12.1
1. Si se desea establecer el perfil de alimentacin de los estudiantes
(caractersticas de su alimentacin) de sptimo grado de una escuela
(todas las secciones) cules variables podran considerar los estudiantes?
Cmo podra recolectarse la informacin? Cmo podra presentarse la
informacin recolectada? Qu ventajas o desventajas tiene que sean los
estudiantes quienes recolecten los datos? Qu tipo de variables se deben
incluir si entre los contenidos est la media aritmtica y la desviacin
tpica?
138
577
2. Bosqueje el diseo de un entorno de aprendizaje de diversos contenidos de
estocstica trabajndolo mediante un tema como el planteado en el punto
1 de esta actividad. Incluya por lo menos dos tipos de materiales
curriculares.
3. Es pertinente una actividad como esta para estudiantes de sptimo
grado? Cules son las condiciones necesarias para realizarla? Argumente
su respuesta.
La estadstica tiene la particularidad que es aplicable a las ms diversas reas
del conocimiento, desde las llamadas ciencias naturales hasta las ciencias
sociales. En trminos de la enseanza eso brinda la posibilidad de integrar el
trabajo de profesores distintas asignaturas o reas. Se podra dar el caso de un
trabajo en equipo, donde los datos producidos en otras disciplinas son tratados y
analizados en matemticas desde una perspectiva e interpretados en otras
asignaturas desde el contexto donde se produjeron.
%ctividad 12.2
1. Bosqueje el diseo de un entorno de aprendizaje para estudiantes de
segundo ao de EMDP y que permitan tratar diversos contenidos de
estocstica. No se limite por el programa de estudios, sea creativo.
Incluya por lo menos dos tipos de materiales curriculares.
2. Consulte con profesores de otras asignaturas de ese ao para conocer
si sus asignaturas pueden integrase a un entorno de aprendizaje como
el bosquejado por usted. Pregunte por los objetivos y contenidos de sus
asignaturas que podran incluirse. Complemente la informacin ofrecida
por los profesores con la revisin de programas y libros de esas
asignaturas.
3. Por qu es pertinente un entorno de aprendizaje para estudiantes de
segundo ao de EMDP? Cules son las condiciones necesarias para
realizarla? Argumente su respuesta.
4. Lea el material La Ciencia en tu Escuela. Mdulo de Matemticas. Serie
4: Estadstica (Alfaro Aguilar, 2 003) Considera que lo planteado por el
autor es un entorno de aprendizaje para estadstica? Argumente su
respuesta.
139
Unidad /
Leccin 1$
Prcticas de Ense5an"a en la Esc&ela
En esta leccin usted tendr la oportunidad de documentar las prcticas de
enseanza de la Estocstica en la escuela. Como futuro profesor de matemticas
es adecuado que conozca de primera fuente las situaciones que se viven en el
aula de clases, en este caso particular respecto a la enseanza de la estocstica.
El anlisis de esas situaciones le permitir identificar prcticas adecuadas e
inadecuadas, de tal manera de reflexionar sobre su propia prctica con miras a
mejorarla.
Se puede argumentar que lo adecuado es reflexionar sobre su propia prctica
como docente, pero eso conlleva a una serie de recursos los cuales no
necesariamente estn a su disposicin (por ejemplo, cmara de video). Es por
ello que se plantea la observacin y entrevista con otros docentes, con la
finalidad de documentar prcticas pedaggicas reales y poder elaborar una
descripcin. Se utilizarn dos formas diferentes de recoleccin de informacin ya
que es una manera de lograr dos perspectivas distintas de un mismo objeto o
sujeto. Una forma de recoleccin de informacin complementa a la otra. Sin
embargo, lo ms importante es que usted reflexione sobre esas prcticas
pedaggicas reales, haciendo uso de lo aprendido en las lecciones precedentes.
Cmo se ense=a la estocstica en la E& 1 EMD+
Usted deber seleccionar por lo menos a cinco profesores de la localidad
donde vive o trabaja y solicitarles permiso para observar las clases donde dicta
los contenidos de estocstica, adems de responderles algunas preguntas
relacionadas con sus clases. La idea es que observe un mnimo de cuatro (4)
horas de clases consecutivas (dos semana).
Uno de los problemas con que se puede encontrar es que los profesores
seleccionados dejan las clases de estadstica y probabilidad para el final del ao
escolar, dado que esos contenidos se encuentran al final de programa. Si usted
cursa esta asignatura en el segundo semestre electivo del ao, muy
probablemente no podr hacer la observacin de las clases. El otro problema que
podra encontrarse es que en ocasiones los docentes no dictan los contenidos de
estocstica en sus cursos de EB y EMDP, por lo menos eso es lo que han
manifestado diversos docentes que hemos entrevistado en diferentes partes del
pas. Si se encuentra en cualquiera de esos dos casos, entonces deber realizar
slo las actividades referentes a las entrevistas.
Establezca contacto con los docentes. Recuerde que es importante que sean
de su localidad y que estn dispuestos a colaborar con usted en la realizacin de
140
577
este trabajo. Llegue a un acuerdo con ellos para determinar cul sera el mejor
momento para realizar las observaciones. El conjunto de horas de observacin
deben realizarse durante la cobertura del tema de estocstica, desde que
comienza a trabajar ese tema. Indqueles que la informacin recolectada es
confidencial, que ni su nombre ni el de la institucin donde trabaja aparecern
mencionados explcitamente en el informe. Las observaciones tendrn por
objetivo documentar la dinmica y organizacin de una clase real de
matemticas. Para efectos de organizacin, en una hoja aparte identifique cada
profesor y cada institucin con un cdigo, recuerde que efectuar mas de una
observacin por profesor, por lo que no es conveniente confundir la observacin
de un profesor con otro.
%ctividad 13.1
1. Fotocopie el cuestionario "Hoja de observacin de clases que se encuentra
al final de esta leccin (anexo A).
2. Recuerde que para las sesiones de observacin debe llevar un cuaderno de
anotaciones o de campo, lpiz con sacapuntas o bolgrafo, y si es posible,
y el profesor lo permite, un grabador. Identifique claramente cada sesin
de observacin: fecha, hora, cdigo del profesor, cdigo de la institucin,
duracin del perodo de observacin y nmero de alumnos presentes.
Luego de culminada cada sesin de observacin realice las anotaciones
que considere necesarias para el trabajo. Nunca deje para otro momento
la realizacin de las anotaciones, corre el riesgo de olvidar elementos
relevantes de ellas.
3. Luego de realizar todas las observaciones, organice la informacin
recogida. Lea cuidadosamente esa informacin. Haga anotaciones sobre
todos los asuntos que le llamen la atencin, resalte aquellos asuntos que le
parezcan particularmente importantes. Elabore una narrativa de cada una
de las clases observadas.
4. Solicite al profesor un tiempo para la entrevista, si se lo permite, utilice un
grabador. Revise el Guin de entrevista que se encuentra al final de esta
leccin (anexo B). Prepare las preguntas con tiempo, revise el orden,
ajstelas a la situacin que se le presenta, incorpore preguntas si es
necesario, repregunte sino le queda claro algo, solicite detalles si lo
considera adecuado.
5. Trascriba las entrevistas realizadas. Revise las respuestas ofrecidas por los
docentes durante las entrevistas. Analice las entrevistas, haga anotaciones
sobre todos los asuntos que le llamen la atencin, resalte aquellos asuntos
que le parezcan particularmente importantes.
6. Elabore un nico informe a partir de las clases observadas y las entrevistas
realizadas.
Recuerde que la entrevista est pensada como un complemento de la
observacin de clases, ella le permitir profundizar sobre aspectos detectados en
las observaciones, as como contrastar lo expresado por el docente y lo
observado por usted durantes las clases. Si por alguna razn no se lograra la
141
observacin de las clases del profesor, debe utilizar un medio alternativo para
complementar lo indicado por el profesor en la entrevista. En estos casos la
recoleccin y anlisis de diferentes materiales impresos producidos por el
profesor y sus estudiantes, pueden ayudar en la documentacin de las prcticas
de enseanza. Por ejemplo, se podran analizar los cuadernos de apuntes de los
estudiantes, las guas de estudio producidas por el profesor, los ejercicios o
problemas propuestos a los estudiantes, los textos utilizados por el profesor para
preparar las clases, las evaluaciones parciales realizadas, los exmenes, etc.
%ctitudes de los docentes 2acia la estocstica
En diferentes estudios se ha observado una asociacin directa y
estadsticamente significativa entre altas puntuaciones de los estudiantes en
pruebas de matemtica y una actitud positiva hacia la asignatura (ver por
ejemplo, Third Internacional Math and Science Study (TIMSS) de 1 995). Los
estudios tambin revelan que una actitud negativa hacia la matemtica
normalmente esta asociada a un bajo rendimiento acadmico en ella. Lo ms
grave de esto es que el bajo rendimiento normalmente refuerza la actitud
negativa hacia las matemticas, as como un alto rendimiento acadmico en
matemtica puede ayudar a reforzar una actitud positiva hacia ella.
Las actitudes son respuestas emocionales que se manifiestan mediante la
evaluacin favorable o desfavorable hacia una entidad particular. Se forman a
travs del tiempo, por repeticin de respuestas emocionales que se automatizan.
No necesariamente son observables, normalmente son inferidas a partir de lo que
la persona manifiesta respecto al ente de inters. Es importante destacar que las
actitudes se pueden cambiar pero no se logra fcilmente.
En el caso de los estudiantes, hay diversos elementos que pueden ayudar a
generar una actitud favorable o desfavorable hacia las matemticas: sus padres,
la comunidad, los compaeros, sus maestros y profesores. Un docente que tenga
una actitud negativa hacia la matemtica con frecuencia comunicar de muchas
formas ese sentimiento a sus estudiantes.
Pozo y Gmez (2 000) sealan que las actividades de enseanza, aprendizaje
y evaluacin que emplea el docente durante sus clases pueden ayudar a reforzar
o cambiar las actitudes que tienen los estudiantes, aunque no exista un propsito
explcito de ensearlas. Ellos sealan que en muchas ocasiones se refuerzan
actitudes contrarias a los objetivos planteados en la actividad, ya que la forma de
llevarla a cabo produce un mensaje distinto, es lo que algunos autores
denominan el currculo oculto.
En ocasiones ese "mensaje distinto es producto de la actitud que tienen los
docentes hacia la asignatura que ensean, de manera implcita transmiten una
actitud no conciente hacia lo que ensean. No por el hecho de que una persona
ensee matemtica se debe suponer que tiene una actitud positiva hacia ella. A
veces no es hacia la matemtica en general sino respecto a una parte de ella. As
como hay reas de la matemtica que son de mayor agrado para un docente,
tambin hay tpicos que le desagradan. Cuando a los docentes les toca ensear
ese o esos tpicos que le desagradan, es posible que no lo hagan de buen nimo
y que de forma explcita o implcita comuniquen a los estudiantes su desagrado.
En otras ocasiones, los docentes optan por no ensear esos tpicos que le
desagradan, aun cuando se encuentre en el programa.
142
577
Ese podra ser el caso de la estocstica en EB y EMDP. Conversaciones
informales con docentes de esos niveles educativos, de diversas partes del pas,
indican que no se cubren los contenidos de estadstica y probabilidad previstos en
el programa oficial. Garca (2 006) realiz una investigacin donde participaron
44 docentes de matemtica Estado Vargas, cubriendo con ello la totalidad de
instituciones de III etapa de EB y EMDP de ese Estado. De los docentes
encuestados:
o 38 indicaron que no lograron cubrir objetivos propuestos en el Programa
Oficial de Matemticas en el transcurso del ao escolar.
o 35 sealan que el contenido sacrificado es el correspondiente a
probabilidad y estadstica. La falta de tiempo es la razn esgrimida.
Parece comprensible que si el tiempo no alcanza, se sacrifiquen los contenidos
que se encuentran al final del programa: los de estadstica y probabilidad. Sin
embargo, en el mismo trabajo, de los docentes encuestados:
o 40 indican que no tienen o no conocen material de apoyo para preparar
sus clases de estadstica y probabilidad.
o 39 revela que desconoce estrategias didcticas o propuestas actualizadas
para ser utilizadas en la enseanza de la estadstica y la probabilidad.
Ser un problema de tiempo o ser un problema de actitud hacia la
estadstica y la probabilidad? Ser un problema del valor que le asignan los
docentes de EB y EMDP a la estadstica y la probabilidad? Si la consideran de
poca utilidad, muy probablemente consideren que no es importante ensearla.
%ctividad 13.2
1. Fotocopie el cuestionario "Actitud hacia la estocstica y su enseanza que
se encuentra al final de esta leccin (Anexo C)
2. Aplique el cuestionario a por lo menos 5 docentes de su localidad que
enseen matemticas (deben ser los mismos de la actividad anterior).
Pueden ser de EB o de EMDP.
3. Tabule y organice las respuestas ofrecidas por los docentes en el
cuestionario. Analice las respuestas, elabore un informe a partir de ellas.
La documentacin de las prcticas de otros docentes lo ayuda a conocer como
trabajan algunos de sus futuros colegas. Sin embargo, quedarse all es como
tomar una fotografa y nunca ms observarla. Como se seal al comienzo, lo
ms importante es que usted reflexione sobre esas prcticas pedaggicas reales.
Usted ha estudiado en este curso distintos elementos que le deben ayudar a
hacer una reflexin sobre las prcticas escolares documentadas. La reflexin
sobre la prctica escolar, propia o de otros colegas, coadyuvar en el
mejoramiento de su propia prctica escolar.
%ctividad 13.3
Sobre la base de las actividades 13.1 y 13.2, elabore un cuerpo de conclusiones y
recomendaciones sobre la enseanza de la estocstica en su localidad.
143
144
577
-e.erencias
Wise, S. L. (1985). The development and validation of a scale measuring
attitudes toward statistics. Educational and @s"chological /easurement, 45,
401-405
Pozo, J.I. y Gmez C., M.A. (2 000): $prender " ense7ar ciencia. Madrid: Morata
Garca, R. (2 006) %ise7o de un material instruccional para la ense7anza de la
estad!stica " la probabilidad en la tercera etapa de la educacin bsica.
Trabajo especial de grado para optar al Ttulo de Licenciado en Educacin
Mencin Matemticas. Universidad Central de Venezuela. No publicado
145
146
577
%neEo %
5oa de observacin de clases
Cdigo del Profesor(a): Cdigo del Plantel:
Fecha de la Entrevista: Observacin N:
Realice anotaciones que le permitan posteriormente describir:
1. Cmo inicia el profesor la clase?
2. Cules son las actividades que le siguen al inicio de clases?
3. Desarrollo de la clase? Cmo lleva adelante la clase? Cules actividades
realiza el docente? Cules son las actividades propuestas por el docente a
los estudiantes? Cules actividades desarrollan los estudiantes? En qu
aspectos de la clase hace nfasis? Hay espacios para la participacin de los
estudiantes durante el desarrollo de la clase? Hace referencia a un libro de
texto en particular durante la clase? Dicta contenidos o asignaciones para
que los estudiantes las copien en sus cuadernos? Asigna problemas o
ejercicios de algn libro de texto? Hace nfasis en la manipulacin de
smbolos, en la comprensin de los conceptos o en la interpretacin de los
resultados?
4. Cules recursos utiliza en la clase? Cmo los utiliza?
4.1. Libro o libros que usa el docente
4.2. Otro material escrito de apoyo que use el docente
4.3. Libros que poseen los alumnos
4.4. Guas, hojas de actividades u otro material escrito que reparta el
docente
4.5. Guas, hojas de actividades u otro material escrito que trae el alumno
4.6. Retroproyector
4.7. Lminas de acetato
4.8. Rotafolio
4.9. Calculadoras
4.10. Computadoras
4.11. Medios de comunicacin Social
4.12. Bases de datos
4.13. Juegos
4.14. Manipulables concretos
4.15. Manipulables virtuales
4.16. Tiza Blanca
4.17. Tizas de Colores
147
4.18. Pizarra
4.19. Borrador
5. Cul es su estilo de enseanza? Observe si el profesor establece un dilogo
con los estudiantes o tiene un estilo predominantemente expositivo.
6. Cmo es el cierre de la clase? Coloca ejercicios en la pizarra para que los
realicen? Asigna problemas o ejercicios de algn libro de texto? Asigna
lecturas? Indica que trabajarn en la prxima clase?
148
577
%neEo &
/uin de entrevista
5
Cdigo del Profesor(a): Cdigo del Plantel:
Fecha de la Entrevista: Entrevista N:
1. Qu libro o libros utiliza para preparar las clases de matemtica?
2. Cules materiales curriculares utiliza frecuentemente en sus clases de
matemticas?
3. Cul o cules libros utiliz para preparar las clases de probabilidad y
estadstica?
4. Describa con detalles cmo se desarrolla una clase suya de estadstica y
probabilidad.
5. Describa como sera para usted una clase ideal, la mejor clase, de estadstica
y probabilidad.
6. Hace uso usted de recursos manipulables en el aula cuando ensea
estadstica y probabilidad?
7. Indique dos ejemplos de problemas o ejercicios que utilice en clase cuando
ensea estadstica y probabilidad.
8. Qu otro material curricular en el desarrollo de una clase de estadstica y
probabilidad si estuviera a su alcance?
9. Indique de cul libro o libros de texto escoge los problemas o ejercicios de
estadstica y probabilidad que le asigna a sus estudiantes.
10. Presente dos ejemplos de problemas o ejercicios que resuelve en clase.
11. Indique de cul libro o libros de texto escoge los problemas o ejercicios de
estadstica y probabilidad que incluye en sus exmenes.
12. Cul libro le recomienda a sus estudiantes para estudiar?
13. Describa el tipo de tareas que asigna para desarrollar en sus casas
14. Presente dos ejemplos del tipo de problemas que usted le propone a sus
estudiantes en los exmenes.
15. Indique tres razones por las que no dicta clases sobre estadstica y
probabilidad durante el ao escolar
16. Si el problema es de tiempo, por qu no se "sacrifican otros contenidos?
17. Si no dicta clases sobre estadstica y probabilidad durante el ao escolar,
cmo hace con ese contenido? simplemente se obvia? Cmo lo evala?
18. Si coloca un trabajo para cumplir con los contenidos de estadstica y
probabilidad en que consiste el trabajo?
-
En caso de que el profesor no imparta clases sobre estadstica y probabilidad, reformule las
preguntas para adaptarlas a la situacin
149
%neEo C
%ctitud 2acia la estocstica 1 su ense=an;a
Para cada una de las siguientes afirmaciones, marque la categora que refleja
mejor cmo usted se siente actualmente respecto a la afirmacin. Le
agradecemos coloque una nica respuesta para cada afirmacin. Por favor
coloque su opinin en todas las afirmaciones. Gracias por su colaboracin
6
.
1. Completamente en desacuerdo
2. En desacuerdo
3. Indiferente
4. De acuerdo
5. Completamente de acuerdo
1 2 3 4 5
1. La estadstica y la probabilidad me son
tiles en mi profesin.
2. Quisiera dar a mis estudiantes ms clases
de estadstica.
3. Quisiera haber podido evitar tomar el
curso de estadstica que hice en la
universidad.
4. Se deben incluir ms contenidos de
estadstica y probabilidad en la Educacin
bsica y Educacin Media.
5. Todo ciudadano debe tener conocimientos
de estadstica para desempearse mejor en
la vida diaria.
6. Nunca logro cubrir los objetivos de
probabilidad y estadstica propuestos en el
programa oficial de Matemticas.
7. Un buen profesional debe tener
conocimientos bsicos de estadstica y
probabilidad.
8. Cuando estudiaba, cursar estadstica fue
una experiencia muy desagradable.
9. Mis conocimientos de estadstica y
probabilidad me ayudan a entender mejor la
investigacin que se realiza en educacin.
10. La estadstica y la probabilidad realmente
no son muy tiles porque nos dice lo que
todos sabemos.
11. Cuando logro dar contenidos de
/
Desarrollado por Audy Salcedo, inspirado en Wise (1 985)
150
577
estadstica y probabilidad, mis estudiantes
los disfrutan y comprenden su utilidad para la
vida diaria
1 2 3 4 5
12. A mi la estadstica y la probabilidad me
parecen muy misteriosas.
13. Estudiar estadstica y probabilidad es una
prdida de tiempo.
14. La estadstica y la probabilidad son
demasiado complicadas para que mis
estudiantes las entiendan.
15. La estadstica es un aspecto importante
de la investigacin cientfica.
16. Uno se convierte en un "consumidor ms
eficaz" de los resultados de la investigacin si
tiene cierto conocimiento de estadstica.
17. Tengo dificultad para establecer cmo la
estadstica y la probabilidad se relacionan con
mi campo de trabajo.
18. La estadstica y la probabilidad son tiles
para comprender informaciones que
aparecen en los medios de comunicacin
19. Me gusta dar clases de estadstica y
probabilidad, pero nunca me alcanza el
tiempo para llegar a esos contenidos
20. Los conocimientos de estadstica y
probabilidad realmente son intiles para la
mayora de los profesionales.
21. La estadstica y la probabilidad se deben
cursar slo en la universidad, nunca en
Educacin bsica o Educacin Media.
22. La estadstica y la probabilidad me son
muy tiles en mi vida diaria.
23. A nadie le hace falta tener conocimientos
de estadstica o probabilidad para ejercer
mejor su ciudadana.
24. Realmente me emociona cuando tengo
que dar clases de estadstica o probabilidad a
mis estudiantes.
25. Me siento intimidado cuando tengo que
dar clases de estadstica o probabilidad a mis
estudiantes.
151
26. El pensamiento estadstico un da ser tan
necesario para la ciudadana eficiente como
la capacidad de leer y de escribir.
152

577 Libro Didctica Estocstica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

577 Libro Didctica Estocstica

Uploaded by

Copyright:

Available Formats

577

You might also like