Professional Documents
Culture Documents
Sntesis:
Se considera una metodologa de enseanza y aprendizaje de Estadstica en Ingeniera
que constituye un cambio en la concepcin de la metodologa docente usualmente
empleada en las universidades espaolas con la finalidad de alcanzar una mejora en la
calidad de la enseanza. Los procesos a modelizar con tcnicas estadsticas suelen ser
altamente complejos y son difciles de caracterizar pues es habitual que dependan de
muchas variables, que es lo usual al trabajar con datos reales.
Por tanto, para trabajar con datos reales se tienen en cuenta los conocimientos que
poseen los estudiantes de informtica y en el manejo y utilizacin de programas de
ordenador (como son, por ejemplo, EXCEL, MATLAB o MAPLE), conocimientos y
habilidades que han adquirido en asignaturas ya cursadas previamente, como son
Informtica y Matemticas.
El objetivo es incidir en la enseanza de la Estadstica basada en la resolucin de
problemas y casos prcticos con datos reales de diversos aspectos del mbito de la
tecnologa y las ciencias, para as potenciar los factores que condicionan positivamente
el aprendizaje al colocar a los estudiantes ante casos y problemas relativos al mundo de
la Ingeniera.
Se intenta as mejorar aspectos que inciden en la calidad en la enseanza y en el
aprendizaje como son la motivacin, los modos de aprendizaje, las metas y objetivos
que los estudiantes se plantean.
Palabras clave
Aprendizaje en contexto real, Aplicacin de conocimientos, Metodologas didcticas.
1. INTRODUCCIN
La enseanza-aprendizaje de la Estadstica en Escuelas de Ingeniera es un proceso
dirigido a la adquisicin por los alumnos de conocimientos cientficos, prcticos y tiles
que se acumulen en sus experiencias de modo que les capaciten para afrontar con xito
los futuros cambios y avances en la tecnologa, aspecto de gran relevancia prctica,
tanto personal como social, debido al continuo avance e innovacin tecnolgica, como
se indica en Campos et al. (2007a).
Para poder tratar con la incertidumbre existente en todo proceso de ndole estadstica, se
hace necesario estimar a partir de las muestras un modelo de tipo estadstico que defina
al proceso del que proceden los datos. Adems el aprendizaje estadstico basado en
datos reales va a permitir cuantificar claramente aspectos como la capacidad de
generalizacin del sistema por parte del alumno. Este modelo estadstico del proceso
construido a partir de casos prcticos puede servir tanto para realizar una tarea de
inters en Ingeniera como para conseguir un mejor entendimiento de los datos
disponibles y, por tanto, del proceso tecnolgico que los ha generado.
Como nuestro deseo es que el alumno adquiera un aprendizaje significativo nos hemos
propuesto incidir en nuevas metodologas didcticas en la imparticin de esta
Asignatura de Estadstica en Escuelas de Ingeniera. Los alumnos, previamente, reciben
materiales que les permiten conocer los principios que establece la Estadstica y
colecciones de datos experimentales para su anlisis. De esta manera van a adquirir una
informacin terica y prctica, objetiva y cientfica sobre el tema, para as conseguir los
objetivos cognoscitivos que nos proponemos.
Como hemos sealado, nos ha parecido muy importante en la didctica de Estadstica
incidir en que vale la pena realizar un buen trabajo con datos reales para crear en el
alumno el hbito del tratamiento estadstico de datos numricos del mbito de la
Ingeniera y adems para que desarrolle la habilidad necesaria para el ajuste de modelos
tericos a datos experimentales y luego realice las necesarias pruebas de diagnstico de
validez del modelo propuesto. Acerca del modo en que los estudiantes aprenden
Estadstica es de inters el trabajo de Gelman. A. (2006), mientras que Vardeman(1994)
propone dirigir la enseanza de Estadstica hacia la resolucin de problemas y casos
prcticos.
Se considera que el aprendizaje significa poder deducir y establecer modelos cientficos,
relaciones entre variables y conceptos a partir del conocimiento adquirido en una
asignatura de Estadstica en Escuelas de Ingeniera, aunque se disponga de informacin
interpretacin
de
las
representaciones
grficas
de
datos
experimentales.
4. Conocimiento, identificacin y seleccin de fuentes estadsticas de informacin.
5. Capacidad para detectar y modelar la presencia de naturaleza aleatoria en
problemas reales
de la Ingeniera.
6. Interpretacin de los resultados a partir de los modelos estadsticos
considerados.
7. Identificacin de relaciones o asociaciones entre factores asociados a un
problema.
8. Elaboracin de previsiones y escenarios.
9. Obtencin de conclusiones y redaccin de informes.
3. EXPERIMENTACIN Y METODOLOGA EN ESTADSTICA
A partir de una experimentacin muestral adecuada se puede obtener conocimiento de
la poblacin de la cual se tom la muestra y, por tanto, del comportamiento de futuras
muestras. As por ejemplo, a partir de una muestra de tems de un proceso productivo se
podrn sacar conclusiones acerca de su estado de control y de su capacidad; si una
muestra posterior est en desacuerdo con las expectativas que se tienen se dir que su
estado del proceso de fabricacin ha cambiado estadsticamente, es decir, que se ha
alterado porque esta ltima muestra difiere significativamente de la primera.
Como nuestro deseo es que el alumnado adquiera un aprendizaje significativo, nos
hemos propuesto incidir en nuevas metodologas didcticas en la imparticin de esta
asignatura de Estadstica en consonancia con Garfield (1995).
Los alumnos, previamente, reciben materiales didcticos, con preferencia libros de
reconocida solvencia, que les permiten conocer los principios que establece la
8
10
2.
OBJETIVOS DE PROCEDIMIENTO:
1. Alcanzar una buena motivacin del alumnado mediante su implicacin
intelectual y personal.
2. Conseguir que el alumno comprenda todas las implicaciones de las tcnicas
Estadsticas.
3. Reconocer, identificar y estimar factores importantes en un experimento en
Estadstica.
OBJETIVOS DE ACTITUDES Y VALORES:
1. Pretender sensibilizar e implicar al alumno mediante adopcin de los
correspondientes mtodos de anlisis.
2. Concienciar al alumno del beneficio tecnolgico de la toma de decisiones
fundamentada en mtodos estadsticos aplicados a la Ingeniera.
COMPETENCIAS, HABILIDADES A ADQUIRIR POR LOS ALUMNOS:
1. Diferenciar entre estudios descriptivos e inferenciales.
2. Aplicar las tcnicas de muestreo para el Control Estadstico del Proceso.
11
12
Resolucin de problemas.
Toma de decisiones.
Razonamiento crtico.
Aprendizaje autnomo.
Liderazgo.
Iniciativa.
COMPETENCIAS PERSONALES
Capacidad de abstraccin.
COMPETENCIAS INSTRUMENTALES
Resolucin de problemas.
COMPETENCIAS SISTMICAS
Aprendizaje autnomo
14
15
6. RESULTADOS OBTENIDOS
Debemos sealar que este trabajo es aplicable a otras Asignaturas de una titulacin de
Ingeniera, orientados a alcanzar unos objetivos que persiguen la adquisicin por los
alumnos de las capacidades siguientes:
1. Aplicar conocimientos de estadstica, ciencia e ingeniera.
2. Disear y realizar experimentos as como analizar e interpretar datos.
3. Disear un sistema, componente o proceso que deba cumplir ciertas necesidades
o
requerimientos.
4. Trabajar en equipos multidisciplinares.
5. Detectar, identificar, formular y resolver problemas de ndole estadstica en
Ingeniera.
6. Conocer herramientas estadsticas que en la prctica se utilizan tanto en la etapa
de diseo de
productos como en la de fabricacin.
7. Usar las tcnicas, habilidades y herramientas estadsticas contemporneas
necesarias para
la prctica de la Ingeniera.
Hemos pretendido que los alumnos se involucren positivamente en la asignatura y
hemos observado que muestran un inters muy efectivo para ampliar sus aptitudes, han
buscado y utilizado bibliografa adecuada y han desarrollado sus capacidades para
aprender nuevas tcnicas y aplicarlas a casos prcticos de inters en la Ingeniera. Con
la direccin y tutora del profesor, los alumnos han dedicado una parte importante del
tiempo en la bsqueda de la informacin que necesitan.
Se ha realizado una buena recopilacin de casos con datos reales de libros y revistas
especializadas y resolucin y desarrollo, como aspecto fundamental, de abundantes
casos prcticos. Se ha tratado de identificar aquellos aspectos que hayan de ser
resaltados a los alumnos y sobre los cuales stos hayan de realizar un mayor esfuerzo.
Asimismo se han analizado aquellos conceptos que segn nuestra experiencia ofrecern
mayores dificultades al estudiante con el propsito de reflexionar acerca de los medios
ms adecuados para reducirlas tales como bibliografa adecuada, ejercicios ilustrativos o
16
el diseo de unas prcticas con ordenador que ayuden a solventar los problemas de
comprensin.
Se destaca la necesidad de profundizar en el anlisis de datos reales y el desarrollo de
casos prcticos que propicien una mayor implicacin del estudiante. Se destaca, la
necesidad de potenciar la lgica y el razonamiento estadstico, que se han manifestado
como indispensables y la importancia del trabajo prctico con alumnos en pequeos
grupos a modo de tutora.
Como el trabajo planteado era ambicioso, es natural que como siempre ocurre, queden
algunos temas
pendientes en la especializacin en estos conocimientos: la planificacin de una
asignatura de Mster, el
anlisis y reorganizacin de un curso, el desarrollo de actividades de experimentacin y
recogida de datos, evaluacin mejor de carga de trabajo que supone para los alumnos.
Podemos afirmar que la relacin de competencias y habilidades que se proporcionan al
alumno le permiten alcanzar un excelente bagaje para el desarrollo de su actividad
profesional en cualquier mbito de la Ingeniera, tal y como a continuacin se indica,
en las actividades relacionadas con los perfiles profesionales siguientes:
La docencia y la investigacin.
Proyectos de I+D+I.
Industria y servicios.
17
7. OBSERVACIONES FINALES
Es importante que cada profesor conozca cul es la actitud de sus alumnos antes,
durante y al acabar su formacin.
8. REFERENCIAS BIBLOGRFICAS
Arzaga, J. L. Ramrez (Eds.) (2005). Gua de adaptacin al EEES. B. Ed. Universidad
de Cantabria
Campos, C. A. et al. (2007): Una experiencia de adaptacin al EEES de estudios de
Estadstica en la Ingeniera. I Jornadas de Innovacin Docente, Tecnologas de la
Informacin y la Comunicacin e Investigacin Educativa en la Universidad de
18
9. APNDICE
Ejemplo de un desarrollo temtico
La finalidad de este caso prctico reside en la necesidad de los Lmites de Control para
la toma de decisiones. En el cuadro siguiente se presentan los datos experimentales
observados referentes a dos mtodos de fabricacin, denominados A y B, donde se
indica el nmero de piezas inspeccionadas y el nmero de piezas defectuosas
encontradas a lo largo de varios meses, en los que se suponen las fabricaciones
estables..
19
U-Ins. A
U-Def. A
Prop.Def. A
enero
527
0.00760
febrero
610
0.00820
marzo
428
0.01170
abril
400
0.00500
mayo
498
15
0.03010
junio
500
0.00600
julio
395
0.00760
agosto
393
0.00510
septiembre
625
0.00480
octubre
465
13
0.02800
noviembre
446
0.01120
diciembre
510
0.00590
Mtodo A
Mes
U-Ins. B
U-Def. B
Prop.Def. B
enero
169
0.00590
febrero
99
0.03030
marzo
208
0.00480
abril
196
0.00510
mayo
132
0.00760
junio
89
0.01120
julio
167
0.00600
agosto
200
0.00500
septiembre
171
0.01170
octubre
122
0.00820
noviembre
107
0.02800
diciembre
132
0.00760
Mtodo B
20
Mes_D
U-Ins. A_D
U-Def. A_D
PropDef. A_D
enero
527
0.00759
febrero
610
0.00820
marzo
428
0.01168
abril
400
0.00500
junio
500
0.00600
julio
395
0.00759
agosto
393
0.00509
septiembre
625
0.00480
noviembre
446
0.01121
diciembre
510
0.00588
Prop.Def. A
0.03
0.02
0.01
10
12
Mes
Grfico 1
21
Prop.Def. B
0.03
0.02
0.01
10
12
Mes
Grfico 2
Mean
Median
TrMean
StDev
SEMean
U-Ins. A
12
483.1
481.5
477.9
78.0
22.5
U-Ins. B
12
149.3
149.5
149.5
41.2
11.9
U-Def. A
12
5.25
3.50
4.60
4.25
1.23
U-Def. B
12
1.417
1.000
1.300
0.793
0.229
Prop.Def. A
12
0.01093
0.00759
0.00962
0.00877
0.00253
Prop.Def. B
12
0.01095
0.00758
0.00963
0.00882
0.00254
Variable
Minimum
Maximum
Q1
Q3
U-Ins. A
393.0
625.0
407.0
522.8
U-Ins. B
89.0
208.0
110.8
189.8
U-Def. A
2.00
15.00
3.00
5.00
U-Def. B
1.000
3.000
1.000
1.750
Prop.Def. A
0.00480
0.03012
0.00529
0.01156
22
Prop.Def. B 0.00481
0.03030
0.00531
0.01158
23
Grfico P, Mtodo A
0.03
Proportion
UCL=0.02464
0.02
0.01
P=0.01087
0.00
LCL=0
0
10
Sample Number
Grfico P, Mtodo B
0.04
UCL=0.03480
Proportion
0.03
0.02
0.01
P=0.009487
0.00
LCL=0
0
10
Sample Number
Al poner los lmites de control, se aprecia claramente que el mtodo B est en estado de
control y su variabilidad es aleatoria.
24
0.03
Proportion
UCL=0.02499
0.02
0.01
P=0.01087
0.00
LCL=0
0
10
Sample Number
Proportion
0.03
0.02
0.01
P=0.009487
0.00
LCL=0
0
10
Sample Number
25
Tamaos medios empleados: 485 (para el grfico P Chart A) y 150 (para el grfico P
Chart B)
Se aprecia claramente que el caso A est fuera de especificaciones mientras que en el
caso B la variabilidad es debida a causas aleatorias.
26