Estadı́stica para Primaria y Bachillerato

Juan Carlos Correa, M.Sc., Ph.D.

6 de julio de 2010

Conceptos y el conocimiento de métodos estadı́sticos ayuda al hombre

actual a entender la información que es transmitida en los diversos medios
de comunicación. Este tipo de entendimiento es conocido como alfabetismo
estadı́stico. En este cursillo discutimos a qué edad debe un niño ser expuesto
a los primeros elementos de estadı́stica y qué tipos de elementos y actividades
deberı́an ser desarrollados para su aprehensión.
Si se mejora la intuición del estudiante con respecto al concepto de varia-
bilidad, esto mejorará su entendimiento de conceptos estadı́sticos.1

La perspectiva cognitiva
“Varios educadores de matemáticas y sicólogı́a han investigado los
procesos coognitivo en el razonamiento probabilı́stico. En un inten-
to de describir cómo los estudiantes desarrollan el razonamiento pro-
babilı́stico, Piaget e Inhelder (1975/1951) propusieron un modelo de
desarrollo cognitivo de tres etapas. En la primera etapa (antes de los
7 años de edad), ellos creen que un niño no puede distinguir entre
eventos necesarios (ocurrirán), y pueden se posibles (puede suceder).
Aquı́, el débil concepto de aleatoriedad del niño le impedirá entender
y analizar probabilidades de eventos. En la segunda etapa (hasta los
14 años), un niño pudiera reconocer la distinción entre necesario y
posible, pero pudiera no generar sistemáticamente la lista de todos los
posibles resultados de un evento. Ası́, los estudiantes pueden no ser ca-
paces de hacer un modelo de un experimento probabilı́stico y expresar
1
Meletiou, M. M. (2000) Developing Student´s Conceptions of Variation: Un Untapped
Well in Statistical Reasoning. Ph.D. Dissertation. The University of Texas at Austin

1
 la verosimilitud de un resultado como una razón. En la tercera etapa
(más de 14 años), Piaget e Inhelder sugieren que una persona habrı́a
desarrollado las habilidades de razonamiento combinatorio para ana-
lizar una situación de probabilidad y ser capaz de listar los posibles
resultados.”2

Drier (2000) presenta las posiciones de Fischbein de 1975, el cual argumenta

que los niños, aún en la etapa preoperativa de Piaget, poseen un entendi-
miento preconceptual de frecuencias relativas y de probabilidades basadas
en fundamentos intuitivos, y que la transformación de estas intuiciones en
conceptos operativos de probabilidad puede ser mediado a través de inter-
vención instruccional.

Otras teorı́as:

• Teorı́a de la información, la cual presupone que el individuo recibe

información permanentemente bajo el manto de incertidumbre.
• La teorı́a de la comunicación sugiere que los niños usan el lenguaje de
una forma probabilı́stica ya que sus desarrollos reflejan el patrón, pero
no de forma exacta, del lenguaje que oyen a su alrededor.
• Estes (1964) propone la teorı́a del estı́mulo del muestreo que dice que
los individuos desarrollan conceptos por medio de la repetición de ex-
periencias con su entorno y realizando inferencias estadı́sticas.

Cómo enseñar el concepto de variabilidad?

1. Juegos

2. Experimentos

Ciencias experimentales: Fı́sica, Quı́mica.

Biologı́a.
Sociedad.

3. Elementos de la vida diaria.

Cuánto dura un disco de vallenato?

Cuánto demora en llegar al colegio?
2
Drier, H. S. (2000) Children´s Probabilistic Reasoning with a Computer Microworld.
Ph.D. Dissertation. University of Virginia

2
 Cuántos minutos se agregan a un partido de fútbol?
a) Cuántas tarjetas amarillas se muestran en un partido?
b) Cuántos goles hace el local? El visitante?

La estadı́stica NO es matemáticas.
Nadie piensa que la contabilidad sea aritmética!
Qué tanto se debe enseñar de probabilidad? Es la combinatoria contraprodu-
cente? Debemos usar computador? Qué programas? Excel? Word? Debemos usar
simulación?

Lanzamiento de una moneda

Si lanzas la moneda porqué no siempre cae el mismo lado?

Cuál cree que es el lado que cae más frecuentemente?

Si lanzas la moneda 100 veces cuántas caras esperas obtener? Porqué?

Qué cambiarı́a si crees que la moneda fue de un tahúr?

Juego con dados

Seleccione dos dados distinguibles (de diferentes colores o tamaños)

Agitarlos bien y lanzarlos

Registrar los resultados de cada dado

Porqué no cae siempre un número que uno quiera?

Si ya cayó un resultado, cree ud. que en el próximo tiro no volverá a salir?

Cuántas veces en muchos lanzamientos caerá el resultado...?

Dos familias
Tenemos dos familias, los papás tienen alrededor de 30 años y las mamás 28
años. Ambas familias tienen dos hijos y viven en el mismo barrio. Cree que ambas
consumen lo mismo en idénticas cantidades? Cree que les gusta el mismo tipo de
música? Porqué?

3
 El entusiasmo por la estadı́stica en el currı́culo entre especialistas
en educación matemática es avalado por la comunidad matemática en
general. En recientes reportes que se refieren al currı́culo, la Conferen-
ce Board of the 45 Mathematical Sciences (1982, 1983) describen el
análisis elemental de datos y estadı́stica como “más importante” que
tópicos avanzados en matemáticas actuales y recomienda que estos tó-
picos sean incluı́dos tan temprano como en el currı́culo de la escuela
media.3

Varias recomendaciones de docentes para superar las dificultades en el apren-

dizaje de estocástica puede resumirse ası́: Los profesores deben

1. presentar los tópicos a través de actividades y simulaciones, no abstarc-

ciones;

2. tratar de despertar en los estudiantes el sentimiento que las matemáticas

se relacionan de una forma útil con la realidad y no es solo sı́mbolos, reglas
y convenciones;

3. usar ilustración visual y enfatizar en métodos exploratorios;

4. enseñar estadı́stica descriptiva sin relacionarla con probabilidad;

5. señalar errores comunes en estadı́stica (por ejemplo en noticias y en pu-

blicidad);

6. usar estrategias para mejorar los conceptos de números racionales en los

estudiantes antes de aproximarse a trabajar con proporciones;

7. reconocer y confrontar errores comunes en el pensamiento probabilı́stico

de los estudiantes;

8. crear situaciones que requieran razonamiento probabilı́stico que corres-

ponda a la visión del mundo de los estudiantes.

Posner, Strike, Hewson and Gertzog (1982) recomiendan las si-

guientes estrategias de enseñanza dirigida al cambio conceptual.
1. Desarrole clases, demostraciones, problemas y laboratorios que
puedan ser usados para crear conflictos cognitivo en los estudian-
tes.
3
Garfield, J. y Ahlgren, A. (1988) Difficulties in Learning Basic Concepts in Probability
and Statistics: Implications for Research Journal for Research in Mathematics Education,
Vol. 19, No. 1, pp. 44-63

4
 2. Prepare la instrucción tal que los maestros gasten una cantidad
sustancial de sus tiempos en diagnosticar errores en la forma
de pensamiento de sus estudiantes e identificar los movimientos
defensivos de estso estudinates para resistir al cambio.
3. Desarrolle las estrategias que los maestros puedan incluir en su
repectorio para tratar con los errores de los estudiantes y sus
resistencias al cambio.
4. Ayude a los estudiantes a hacer que el contenido cientı́fico tenga
contenido representativo en diversos modos (e. g. verbal, ma-
temática, pictórica) y ayudar a los estudiantes a trasladar la
representación de un modo a otro.
5. Desarrollar técnicas de evaluación que ayuden al maestro a seguir
el proceso del cambio conceptual de los estudiantes.4

“La variación es el corazón de toda la investigación estadı́stica. Si no existiera

variación en los conjuntos de datos, no habrı́a necesidad de la estadı́stica.”
Entender la variabilidad en un conjunto de datos es el ladrillo de construcción
básico de todos los tópicos presentados en una clase introductoria de estadı́stica.
Si los estudiantes no entienden esta idea básica, es un problema significativo en la
educación estadı́stica.
The most recent research in statistics education is trying to pull all these
different foci together: using the theories of how students learn to guide what kind
of instructional strategies should be tested and used in the introductory classroom
(Lovett, 2001). Certainly one pedagogical approach that has been recommended
repeatedly by recent researchers is the use of active learning techniques instead
of traditional lecturing (Gnanadesikan, Scheaffer, Watkins Witmer, 1997; Moore,
1997; Shaughnessy, 1977).
The use of active learning is based partly on the theories on constructivism
and cooperative learning.
Interpretación y construcción de gráficos
Interpretación de estadı́sticas oficiales: El IPC Qué es la canasta familiar? Qué
es la inflación?
Comunicación de resultados.

Conclusiones débiles: Estudios observacionales.

Conclusiones fuertes: Estudios experimentales.

4
Slauson, L. V. (2008) STUDENTS CONCEPTUAL UNDERSTANDING OF VARIA-
BILITY. Ph.D. DISSERTATION, The Ohio State University

5
 Encuestas.
Lectura de artı́culos informativos de periódicos y revistas.
Qué equipo es mejor: Medellı́n o Nacional? Cuántos goles por partido?
Relaciones entre variables.
Concepto de variable aleatoria.
Promedio (la media) vs. lo tı́pico (la moda)
La probabilidad solo desde el punto de vista de una frecuencia relativa.
Concepto difı́cil: Independencia
Concepto difı́cil: Probabilidad condicional.
El concepto imposible: La varianza
Construir medidas de dispersión.
Podremos evitar la probabilidad?
Qué produce más espuma: Una Coca Cola o una Pepsi Cola?
Qué caldo de gallina es mejor: maggi o knorr?
Cuántos hijos tiene una familia?
Elementos de muestreo.
Betanero refiere que en Inglaterra se implementó la enseñanza de estadı́stica
desde 1961. Los puntos básicos son

La estadı́stica es una parte de la educación general deseable para los futu-

ros ciudadanos adultos, quienes precisan adquirir la capacidad de lectura e
interpretación de tablas y gráficos estadı́sticos que con frecuencia aparecen
en los medios informativos.

Es útil para la vida posterior, ya que en muchas profesiones se precisan unos

conocimientos básicos del tema.

Su estudio ayuda al desarrollo personal, fomentando un razonamiento crı́tico,

basdao en la elaboración de la evidencia objetiva.

Ayuda a comprender os restantes temas del currı́culo, tanto de la educación

obligatoria como posterior, donde con frecuencia aparcen gráficos, resúmenes
o conceptos estadı́sticos.

Betanero, C. (200*) Los Retos de la Cultura Estadı́stica. Universidad de Gra-

nada, España.
Según Betanero el objetivo principal no es convertir a los futuros ciudada-
nos en “estadı́sticos aficionados”...Lo que se pretende es proporcionar una cultura
estadı́stica, por esta entendemos

“que se refiere a dos componentes interrelacionados:

6
 1. capacidad para interpretar y evaluar crı́ticamente la información
estadı́stica, los argumentos apoyados en datos o los fenómenos
estocásticos que las personas pueden encontrar en diversos con-
textos, incluyendo los medios de comunicación, pero no limitán-
dose a ellos, y
2. capacidad para discutir o comunicar sus opiniones respecto a
tales informaciones estadı́sticas cuando sea relevante”

Watson (1997) presenta un modelo que comprende tres componentes de sofis-

ticación progresiva: el conocimiento básico de los conceptos estadı́sticos y proba-
bilı́sticos, la comprensión de razonamientos y argumentos estadı́sticos cuando se
presentan en un contexto más amplio de algún informe en los medios de comuni-
cación o en el trabajo y una actitud crı́tica que se asume al cuestionar argumentos
que estén basados en evidencia estadı́stica no suficiente.
En los estándares americanos curriculares recientes (NCTM, 2000) se recogen
las siguientes recomendaciones de los que los niños de los niveles de 3o a 5o los
niños deben ser capaces de hacer:

Diseñar investigaciones para contestar una pregunta y considerar cómo los

métodos de recolección de datos afectan al conjunto de datos.

Recoger datos de observación, encuestas y experimentos.

Representar datos en tablas, gráficos de lı́nea, puntos y barras.

Reconocer las diferencias al representar datos numéricos y categóricos.

Usar las medidas de posición central, particularmente la mediana y com-

prender qué es lo que cada una indica sobre el conjunto de datos.

Comparar distintas representaciones de los mismos datos y evaluar qué as-

pectos importantes del conjunto de datos se muestra mejor con cada una de
ellas.

Proporcionar y justificar conclusiones y predicciones basados en los datos y

diseñar estudios para estudiar mejor las conclusiones ypredicciones.

Tenemos derecho a la información, pero tenemos la obligación de saber leerla.

Olénski, J. (2003) The Citinzes’ Right to Information and the Duties of a
Democratic State in Modern IT Enviroment. International Statistical Review, Vol.
71, No. 1, pp. 33-48

1. Énfasis en los elementos del pensamiento estadı́stico:

7
 a) la necesidad de los datos,
b) la importancia de la producción de datos,
c) la omnipresencia de la variabilidad,
d ) la medición y la modelación de la variabilidad.

Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165

1. Incorporar más datos y conceptos, menos recetas y derivaciones. Cuando sea

posible, automatice cálculos y gráficos. Un curso introductorio debe:

a) depender fuertemente de datos reales (no solo realistas),

b) enfatizar en conceptos estadı́sticos, por ejemplo, causalidad vs. aso-
ciación, estudios observacionales vs. experimentales, estudios de corte
transversal vs. longitudinales,
c) depender mejor de computadores en lugar de recetas computacionales,
d ) tratar las derivaciones como secundarias en orden de importancia.

Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165

1. Fomentando el aprendizaje activo, mediante las siguientes alternativas a las

clases tradicionales:

a) grupos para la solución de problemas y discusiones,

b) ejercicios de laboratorio,
c) demonstarciones basadas en datos generados en clase,
d ) presentaciones orales y escritas,
e) proyectos, bien sean individuales o en grupo.

Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165
Together, Schwartz et al.s and Watson and Moritzs analyses of sampling and
inference highlight the following important aspects: 1) The goal of sampling: to re-
liably obtain information about a population, whose entirety is inaccessible. Thus,
such information must be obtained indirectly; 2) The method for attaining this
goal: selecting a subset of the population in such a manner (called random) that
information obtained directly from it will provide similar reliable information about

8
the larger population; 3) The desired relationship between the sample and popu-
lation: the subset of the population should have the representativeness propertyit
should be a small-scale replica of the population; 4) The inference: generalizing
from the sample to the larger population.
This characterization describes aspects and images presumably entailed in a
coherent understanding of sampling and inference.
Saldanha, L. A. (2004) IS THIS SAMPLE UNUSUAL?: AN INVESTIGA-
TION OF STUDENTS EXPLORING CONNECTIONS BETWEEN SAMPLING
DISTRIBUTIONS, AND STATISTICAL INFERENCE. Ph.D. Dissertation, Van-
derbilt University
Maternity Ward Problem A certain town is served by two hospitals. In the
larger hospital about 45 babies are born each day. In the smaller hospital about 15
babies are born each day. As you know, about 50 % of all babies are boys. However,
the exact percentage varies from day to day. Sometimes it may be higher than 50 %,
sometimes it may be lower. For a period of 1 year, each hospital recorded the days
on which more/less than 60 % of the babies born were boys. Which hospital do
you think recorded more such days? 1) The larger hospital 2) The smaller hospital
3) About the same (that is, within 5 % of each other)
Observing students writing and talking about their statistical work made it
more transparent to me that the majority of introductory statistics students are
in the process of gaining statistical understanding. In each class, there might be a
few students who do not at all understand, for example, hypothesis testing. There
also might be one or more students, who have a solid understanding of the con-
cept. However, most students can be found on a continuum between those two
extremes. Students who have listened to the same lectures, read the same text-
book and been assigned the same homework, have widely varying understanding
of the material covered in those lectures and in that textbook. Moreover, the same
student can, even within the confines of one test, show a varying degree of un-
derstanding. However, there is very little research that details what introductory
statistics students understand and do not understand. This study will contribute
to building a knowledge base of introductory statistics students’ understanding.
If statistics teaching is to improve, more knowledge is needed about how students
think and reason about concepts such as hypothesis testing at different stages of
their learning process.
Aquilonius, B. C. (2005) How Do College Students Reason About Hypothesis
Testing in Introductory Statistics Courses? Ph.D. Dissertation. UNIVERSITY OF
CALIFORNIA Santa Barbara
Lovett, M. C. y Greenhouse, J. B. (2000) Applying Cognitive Theory to Sta-
tistics Instruction. The American Statistician, Vol. 54, No. 3, pp. 96
Principio 1. Los estudiantes aprenden mejor lo que ellos mismos practican.

9
 Guı́a: Identifique las habilidades que los estudiantes se suponene deben apren-
der, y entonces darles la oportunidad de ejecutar y practicar esta habilidades.
Principio 2. El conocimiento tiende a ser especı́fico al contexto en el cual es
aprendido.
Guı́a: Presénteles problemas en diferentes contextos ası́ pueden ellos ejercitar
lo aprendido en formas diferentes.
Principio 3: El aprendizaje es más eficientes cuando los estudiantes reciben
retroalimenatción instantánea a medida que ellos resuelven los problemas
Guı́a: Trate de minimizar el tiempo entre el proceso de pensamiento y la re-
troalimentación dada por el instructor.
Principio 4: El aprendizaje involucra la integración del nuevo conocimiento con
el conocimiento previo.
Guı́a: Estudie los conocimientos, preconcepciones y prejuicios más relevantes
y adecúe la instrucción para construir sobre lo que los estudiantes ya saben.
Principio 5: El aprendizaje de los estudiantes se vuelve menos eficiente a me-
dida que su carga mental se incrementa.
Presente la información necesaria durante el proceso de aprendizaje de tal
forma que los estudiantes se enfoquen en el material a ser aprendido.

Aprendizaje cooperativo. Los estudiantes trabajan juntos en la solución de

problemas, discutir conceptos, compartir ideas y conocimientos.

Aprendizaje Activo. Los estudiantes se involucran en la recolección de datos;

la reflexión y la exploración de conceptos estadı́sticos.

Enfocarse en Prejuicios. La instrucción está diseñada para que los estudian-

tes confronten sus prejuicios y tengan la oportunidad de relexionar y derivar
un entendimeinto conceptual más coherente.

Uso de Tecnologı́a. La utilización de software tal como Excel para proce-

samiento y análisis de datos, el Word para la escritura de reportes y el
Powerpoint para presentaciones.

10