Você está na página 1de 13

CAPACITACIN DOCENTE 2013

ALCALDA DE FLORIDABLANCA Capacitacin docente 2013

DIPLOMADO EN DIDCTICA DE LA MATEMTICA Y LA LECTO- ESCRITURA ENFOCADO POR COMPETENCIAS


MDULO: RAZONAMIENTO MATEMATICO ENFOCADO AL ANALISIS ESTADISTICO
Propsito del taller: Reflexionar sobre el uso de la estadstica a travs de

situaciones de la vida cotidiana. Introducir a la recoleccin de datos a partir de un problema del entorno. Construir conceptos bsicos de estadstica desde la experiencia del estudiante.

I ETAPA INICIAL
Matemticas vs Estadstica http://www.youtube.com/watch?feature=endscreen&v=Xtedyz6Oksk&NR=1 La estadstica, es una ciencia relativamente nueva pero con miles de aos de uso emprico, Mara y Jos parten de Nazaret a Beln para ser censados por los romanos. Hace 2000 aos ste imperio llevaba un control estadstico de lo que posean sus colonias para luego cobrar impuestos En la actualidad los procedimientos estadsticos son de particular importancia en las ciencias biolgicas y sociales para reducir y abstraer datos. Una definicin que describe la estadstica de manera utilitaria es la que dice que es: un conjunto de tcnicas para describir grupos de datos y para tomar decisiones en ausencia de una informacin completa. La estadstica a diferencia de la matemtica no genera resultados exactos, los resultados siempre tienen asociada un grado de incertidumbre o error. La estadstica trata de lograr una aproximacin de la realidad, la cual es siempre mucho ms compleja y rica que el modelo que podemos abstraer. Si bien esta ciencia es ideal para describir procesos cuantitativos, tiene serios problemas para explicar el porqu cualitativo de las

CAPACITACIN DOCENTE 2013

cosas. En general podemos hablar de dos tipos de estadsticas, las descriptivas que nos permiten resumir las caractersticas de grandes grupos de individuos y las inferenciales que nos permite dar respuestas a preguntas (hiptesis) sobre poblaciones grandes a partir de datos de grupos pequeos o muestras Recomendaciones Metodolgicas Ensear Estadstica con informacin construida en la clase y al mismo tiempo descifrar cmo hacer que una investigacin sea el hilo conductor del curso.En estas recomendaciones metodolgicas de cmo impartir conocimientos bsicos de Estadstica en la educacin secundaria, quisiera compartir algunos conceptos que me parecen atractivos para discutir: Dos propuestas a considerar, Una historia, Un ejemplo de docencia a discutir. Una verdad relativa Un deseo Dos propuestas a considerar 1- La informacin que se genera en la clase puede ser la base sobre la cual se construye la teora de una asignatura. 2- Si lo que se ensea en clase son herramientas operacionales, estas deben funcionar en condiciones reales. .Una historia La escalera. Hace unos aos tuve un encuentro con un profesor de matemticas que imparta clases en una carrera de ingeniera, en una tarde clida de abril l estaba explicando la teora para resolver una derivada doble, a modo de ejemplo dio un ejercicio, el cual resolvieron los estudiantes luego de una tarde de arduo clculo, asustado por el nivel de anlisis que tena el grupo, se me ocurri preguntar sin ninguna malicia para qu les pudiera servir dicho anlisis, en cuales aspectos de la vida real podran darle uso? Ante mi sorpresa los alumnos no supieron que decir y el profesor muy seriamente me explic que si alguien se suba una escalera apoyada en una pared y esta se comenzara a deslizar se poda saber por la derivada la velocidad de cada dentro de un intervalo, por ejemplo entre 3 y 2 metros antes de caer al suelo. Me imagin cayendo con la escalera y al mismo tiempo haciendo el clculo con que me iba a dar el golpe y sinceramente no qued

CAPACITACIN DOCENTE 2013

convencido de la utilidad presentada! Creo que los estudiantes tampoco. Un ejemplo de docencia a discutir. Podemos describir la estadstica como: un conjunto de tcnicas para describir grupos de datos y para tomar decisiones en ausencia de una informacin completa. Un curso de estadstica debe respetar esta definicin! La primera pregunta que surge es De dnde sacar los datos?. La enseanza clsica dira que se debe recurrir a los ejercicios de los libros de texto donde hay ejemplos resueltos y que no tienen complicaciones extraas. Un primera debilidad de este tipo de enseanza es que la realidad es complicada, llena de ruidos y estos ejemplos no nos preparan para estos ruidos, sin embargo la principal debilidad es ensear con ejemplos que llegan fuera del contexto del estudiante y este no logra apropiarse de ellos ni sentirse motivado. La metodologa que se sugiere usar, comienza por definir como sujeto de estudio al propio estudiante, cada uno de ellos sern la unidad de investigacin y cada uno aportar la informacin de s mismo que luego compartir con los dems. Durante el proceso de enseanza se sugiere recorrer los siguientes pasos: A) Definir los objetivos a resolver con la informacin que se usar en el curso, el cual se enfoca como una investigacin. Un ejemplo de objetivo podra ser: describir las causas que inciden con el B) rendimiento acadmico del grupo. Se construyen de manera colectiva preguntas de investigacin surgidas de ste tema. Por ejemplo se estudia lo suficiente?, la edad es relevante para prestar atencin en clase?, las notas son una buena medida de lo que sabe un estudiante?, etc. Variable: es una caracterstica observable de un objeto que varia, las variables pueden ser: a) Cualitativas b) Cuantitativas, que son las que analizaremos numricamente. A partir de la definicin se definen qu variables se recolectarn datos. Por ejemplo: Horas de estudio semanales, conformidad con la docencia recibida, edad, peso, sexo de los estudiantes, etc. C) Se ensea a codificar y re codificar variables, se propone que junto a las variables descriptivas tambin halla variables actitudinales por ejemplo en escala

CAPACITACIN DOCENTE 2013

Likert para conocer la opinin de los alumnos. Se elabora una encuesta para recolectar la informacin. Se comienza a modelar la realidad! D) Se llena una matriz de datos, fundamentalmente numricos, los alumnos juegan el rol de entrevistado y entrevistador simultneamente. Se trabaja en grupos pequeos, cada grupo genera sus datos, se entrevistan entre ellos y luego el grupo intercambian su informacin con los otros grupos. No es necesario que todos tengan la misma cantidad de entrevistados, solo se le pide un nmero mnimo, generalmente ms de 30 alumnos. De esta manera al final hay varias bases de datos, cada grupo tendr sus propios datos de una muestra. Finalmente en la matriz de datos cada fila es un alumno y cada columna es una variable. En este momento, a partir de la observacin de la realidad se cre un modelo numrico terico que permitir estudiar esta realidad. E) Con los datos obtenidos se desarrolla el programa de estadstica, se sugiere trabajar alternando breves momentos tericos con la resolucin de ejercicios. Se comienza haciendo estudios descriptivos de las variables, luego se construyen grficos y se construyen probabilidades. Permanentemente se deben discutir los resultados observables los cuales deben generar cierta polmica. El estudiante se debe motivar con los resultados que obtiene. Al finalizar cada curso se debe reflexionar sobre las preguntas de investigacin iniciales, y que dicen los datos sobre ellas. Por ejemplo: Ser varn o mujer la edad inciden sobre el rendimiento acadmico. Entonces se discute y se trata que la informacin nos diga lo que puede decir. En este momento se ha generado informacin que se siente viva. Simultneamente a los resultados se debe recordar la teora estadstica que fue necesaria usar. En resumen, difcilmente el estudiante se olvidar que es lo que hizo, en qu contexto aplic las pruebas estadsticas y para que le sirviera la asignatura. Adicionalmente en ste proceso aprendi a recorrer un proceso de investigacin con resultados que le permitirn reflexionar sobre su realidad. Una Verdad relativa La realidad observable siempre es ms emocionante que un ejercicio de un libro de texto.

CAPACITACIN DOCENTE 2013

Un Deseo Solo espero que disfruten enseando estadstica al mismo tiempo que sus estudiantes aprendan a mirar el mundo desde una perspectiva cuantitativa. Resumen http://www.youtube.com/watch?v=jmMUo4bv98g

II. ETAPA DE INFORMACION


Construccin de Variables a partir de informacin. Para poder analizar datos, ya sea de forma manual o por computadora, hay que entender que trataremos a partir del estudio de la realidad observable crear un modelo numrico terico donde se estudian variables para describirlas y analizar sus relaciones. Para hacer esto primero es necesario definir algunos trminos tericos. Variable: es una caracterstica observable de un objeto y que vara. Las variables se pueden clasificar de diferentes maneras, un enfoque es reconocer dos grandes grupos de variables las Cualitativas y Cuantitativas. Anlisis de datos A partir de la realidad observable se debe crear un modelo numrico terico para intentar estudiar sta realidad Los estudiantes analizan los datos a travs de ordenar y clasificar objetos. En bachillerato, de acuerdo con Susanne Churchman en el libro "Bringing Math Home: A Parents' Guide to Elementary School Math" (trayendo las matemticas a casa: una gua para padres sobre las matemticas en la escuela primaria) los estudiantes deben ser capaces de comparar partes de los datos en grficos o en juegos y sacar conclusiones acerca de los datos en su conjunto. Puedes ensearle a los estudiantes estas habilidades de anlisis de datos involucrndolos en actividades de estimar, ordenar y clasificar por medio de grficos como las barras, los histogramas, los grficos de tortas.

CAPACITACIN DOCENTE 2013

GRAFICOS PARA VARIABLES CUALITATIVAS O CUANTITATIVAS DISCRETAS Diagrama de barras: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia: f, fr % - Se levanta para cada valor de la X una barra que representa la frecuencia de dicho valor. Si unimos mediante una poligonal los puntos ms altos de cada barra obtenemos el polgono de frecuencias. Diagrama de barras acumuladas: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr %a - Se levanta para cada valor de la X una barra que representa la frecuencia acumulada de dicho valor. Si unimos mediante una poligonal los puntos ms altos de cada barra obtenemos el polgono de frecuencias acumuladas. GRAFICOS PARA VARIABLES CUANTITATIVAS CONTINUAS SI TODOS LOS INTERVALOS TIENEN LA MISMA AMPLITUD Histograma : - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia: f, fr % - Se levanta para cada valor del intervalo de la X un rectngulo de altura la frecuencia de dicho intervalo. Si unimos mediante una poligonal los puntos medios de cada uno de dichos rectngulos el polgono de frecuencias.

CAPACITACIN DOCENTE 2013

Diagrama de barras acumuladas: - En el eje de las X : Se representan los valores de la variable - En el eje de las Y : Se representan los valores de la frecuencia acumulada: F, Fr %a - Se levanta para cada valor del intervalo de la X un rectngulo de altura la frecuencia acumulada de dicho valor. Si unimos mediante una poligonal las diagonales de dichos rectngulos obtenemos el polgono de frecuencias acumuladas. DIAGRAMAS DE SECTORES Se dibuja un crculo y los porcentajes correspondientes a cada valor. PARAMETROS DE CENTRALIZACION. Entre los parmetros de centralizacin, tambin llamados de tendencia central o de posicin central, tres son las definiciones destacables: La MODA: es el valor de la variable que tiene mayor frecuencia en la muestra, es decir, el que se repite ms (moda se asocia con lo ms frecuente). En nuestro ejemplo es el valor 0, que tiene una frecuencia absoluta de cuatro, que es la ms grande. La moda puede definirse para cualquier tipo de variables. Tambin se puede hablar de moda local o secundaria, que sera cualquier valor ms frecuente que sus adyacentes, es decir, con ms frecuencia que la que tengan el anterior y el posterior, lo que requiere al menos orden en los datos; no hay ninguna moda secundaria en nuestro ejemplo. La MEDIANA: es el valor que est en el centro de la distribucin, es decir, el valor que supera a la mitad de los de la muestra y se ve superado por la otra mitad (salvo empates en ambos casos); se calcula buscando el valor de la muestra que ocupa el lugar (n+1)/2, con los datos ordenados. En nuestro ejemplo es el valor 1, que corresponde al sptimo lugar (que deja seis por debajo y seis por encima). La mediana no puede definirse para variables cualitativas puras, sino slo para ordinales y cuantitativas, ya que necesita un orden en los datos. La MEDIA MEDIA ARITMETICA: es el centro de gravedad de la distribucin, o fiel de la balanza entre todos los datos. Se calcula sumando los datos y dividiendo entre el tamao de la muestra, esto es, entre el nmero de datos. En nuestro

CAPACITACIN DOCENTE 2013

ejemplo, la suma de los datos es 26 y el nmero de ellos 13, de forma que la media vale 26/13 = 2.00 ; por su propia naturaleza, la media slo es definible para variables cuantitativas, ya que si no hay nmeros no se puede sumar. Es la ms importante de las medidas de centralizacin y en general de todos los parmetros estadsticos y al ser centro de gravedad tiene la propiedad de que si hallamos las diferencias de cada dato con ella (llamadas desviaciones), la suma de estas diferencias o desviaciones es SIEMPRE CERO para cualquier distribucin de cualquier variable, lo que resulta clave para la definicin de las medidas de dispersin. En nuestro ejemplo, con media de 2, las desviaciones (que se obtienen restando cada dato menos la media) son: -2 -2 -2 -2 -1 -1 -1 0 0 +1 +2 +3 +5

que como puede calcularse suman cero (las negativas, que proceden de datos inferiores a la media, suman 11, y las positivas, que proceden de datos superiores a la media, suman +11, de modo que todas suman 0). Existen otras medidas de centralizacin de uso menos frecuente, como la media ponderada (que es una media aritmtica con distintos pesos de importancia para los distintos datos), la media geomtrica (raz ensima del producto de los datos) o la media armnica (la inversa de la media aritmtica de los inversos de los datos).

PARAMETROS DE DISPERSION. Por su parte, las medidas de dispersin se basan en la idea de medir las diferencias entre unos datos y otros midiendo las diferencias de cada dato con la media, esto es, usando las desviaciones; sin embargo, como stas siempre suman cero, es preciso considerar su valor absoluto o su cuadrado para que ello no ocurra (seran ya todas positivas). Las ms importantes medidas de dispersin son las siguientes: La DESVIACION ABSOLUTA MEDIA: es la media aritmtica de los valores absolutos de las desviaciones, por lo que se calcula tomando como positivas todas las desviaciones, sumndolas y dividiendo entre n; en nuestro ejemplo la suma de los valores absolutos (no confundir con frecuencias absolutas, que no tiene nada que ver) sale 22 y por tanto la desviacin absoluta media vale 22/13 = 1.69 ; el tener que usar valores absolutos complica los desarrollos matemticos con este parmetro y por eso se usa poco, pese a su valor intuitivo. Es mucho ms importante:

CAPACITACIN DOCENTE 2013

La VARIANZA: es la media aritmtica de los cuadrados de las desviaciones, por lo que se calcula elevando al cuadrado cada desviacin, sumando esos cuadrados y dividiendo entre n; en nuestro ejemplo resulta 58 la suma de cuadrados de las desviaciones, con lo que la varianza es 58/13 = 4.46 ; el cuadrado es matemticamente mucho ms manejable que el valor absoluto, lo que hace de la varianza la reina de los parmetros de dispersin desde un punto de vista terico. Sin embargo, el hecho de que carezca de interpretacin intuitiva y que sus unidades sean cuadradas (hermanos cuadrados?) hace que es la prctica se use mucho ms su raz cuadrada, la DESVIACION STANDARD o DESVIACION TIPICA, con mucho la ms usada de las medidas de dispersin, y que en nuestro ejemplo valdra 2.11, con lo que el informe ms habitual para nuestros datos dara una media de 2.00 y la desviacin tpica de 2.11 como parmetros ms informativos. Por motivos difciles de explicar aqu, relacionados con cuestiones de inferencia estadstica, es ms recomendable usar el denominador n-1 en lugar del n al calcular la varianza y la desviacin tpica de una muestra, quedndose el n para el caso en que se conoce toda la poblacin; en nuestro ejemplo, pues, sera mejor calcular como varianza 58/12 = 4.83 y como desviacin standard su raz cuadrada 2.20 (estos ltimos seran la varianza muestral o quasivarianza y la desviacin tpica muestral y seran los utilizados en la prctica, aunque la definicin terica sea con denominador n por ser la varianza una "media"). A efectos comparativos entre distintas muestras e incluso entre distintas variables, se define: El COEFICIENTE DE VARIACION, que es el cociente, a menudo expresado en tanto por ciento, entre la desviacin tpica y la media de una distribucin. Es una especie de desviacin tpica relativa, y en nuestro ejemplo valdra 2.2011/2.00 = 1.100055 bien 11005.05% (ntese que no es un verdadero porcentaje, porque puede valer ms del 100%); este resultado indicara mucha dispersin en los datos del ejemplo en relacin con la media. Adems de las citadas, la ms simple de las medidas de dispersin es el RANGO, RECORRIDO AMPLITUD, que es la diferencia entre el valor mximo y el mnimo de la muestra, y que indica qu extensin de la recta de los nmeros ocupan los datos de nuestra muestra.

CAPACITACIN DOCENTE 2013

III ETAPA DE DESARROLLO


Actividad 1

Contesta las Siguientes preguntas


Por

qu es tan aburrido estudiar estadstica? Para entender la estadstica aplicada hay que tener grandes conocimientos matemticos? Por qu algunos directores obligan a sus dirigidos utilizar mtodos estadsticos y a la hora de resolver les aconsejan que consulten a un especialista? Cul es el papel que juega la estadstica en la investigacin cientfica? Cmo se relaciona la estadstica aplicada con le mtodo cientfico? Qu rol debe cumplir la estadstica en las ciencias biolgicas? Porqu usar estadstica en biologa? Para qu sirve la estadstica? Para qu no sirve? Toda pregunta tiene una solucin estadstica? Qu paquete estadstico usar? Son confiables los programas estadsticos? Por qu se pueden obtener diferentes resultados dependiendo del programa estadstico usado? Dnde interviene el azar en todo esto? Qu es la probabilidad? Qu importancia tiene el concepto de probabilidad y de azar en las ciencias biolgicas? Qu sentido tiene hablar de probabilidades ante la observacin de un fenmeno natural? Qu es la variabilidad? De qu manera se puede expresar la variabilidad? Qu informacin da el desvo estndar y el error estndar? Cundo se usa cada uno? Qu son los grados de libertad? Por qu es importante la distribucin normal en los datos biolgicos? En qu casos no es necesario poner a prueba la existencia de distribucin normal? En qu casos es imprescindible poner a prueba la normalidad de los datos? Qu prueba de normalidad conviene usar?

10

CAPACITACIN DOCENTE 2013

Cules son los pasos a seguir si la distribucin de los datos no es normal? Cul es el objetivo de tomar muestras? Cunto ms n mejor? Cul es la diferencia entre un muestreo y un censo? En qu consiste la independencia? Cul es su importancia como supuesto? Cul es el tamao de muestra necesario? De qu depende el tamao de muestra adecuado en un determinado experimento? Qu son muestras independientes? Qu son muestras no independientes? Cmo se garantiza la independencia en el muestreo? Qu es la pseudo replicacin?

Actividad 2 Busquemos un producto innovador para lanzar al mercado, y saquemos una encuesta para ver la acogida que tiene el producto.

Exitos.

IV
Qu aprendimos?

ETAPA DE EVALUACION

11

CAPACITACIN DOCENTE 2013

BIBLIOGRAFA

BERNABEU, N. Tcnicas de estudio I. Comprender y organizar la informacin y el conocimiento. Madrid: Bruo, 2002. BERNABEU, N. Tcnicas de estudio II. Valorar y enjuiciar los textos: la lectura crtica. Madrid: Bruo, 2003. BLAXTER, L.; HUGHES, C.; TIGHT, M. Cmo se hace una investigacin. Barcelona: Gedisa, 2001. CHEVALIER, B. Lecture et prise de notes. Paris: Nathan, 1992. CHEVALIER, B. Mthodes pour apprendre lcole, au collge. Paris: Nathan, 1993. ILLESCAS, M.J. Con ingenio ser un genio IV. Tcnicas de estudio y trabajo intelectual. Madrid: Editex, 2004. Organizacin Internacional de la Propiedad Intelectual http://www.wipo.int/portal/index.html.es WRAY, D.; LEWIS, M. Aprender a leer y escribir textos de informacin. Madrid: Morata, 2000.

12

CAPACITACIN DOCENTE 2013

13