DIPLOMADO EN ACTUALIZACIÓN DOCENTE: USO DE SOFTWARE EDUCATIVO PARA MATEMÁTICAS

MÓDULO IV.

Probabilidad y Tratamiento de la Información con Software Matemático. Material del Participante

Elaboración del Material: Dr. Santiago Inzunza Cázares. M.C. Edmar Mota García. © 2011 Centro de Ciencias de Sinaloa. Universidad Autónoma de Sinaloa.

Introducción.
En los últimos años, la estadística y la probabilidad han venido ganando un espacio cada vez mayor en el currículo de matemáticas, desde el nivel elemental hasta el nivel universitario. Hasta antes de la década de los noventa, el estudio de estas áreas estaba prácticamente reservado para estudiantes universitarios que cursaban estudios superiores. Sin embargo, ante la relevancia que la estadística está teniendo en la sociedad moderna, se han realizado reformas a los currículos de matemáticas en diversos países para incorporar contenidos estadísticos en los niveles preuniversitarios (Inzunza, 2006). Entre las causas que han propiciado este notable interés por probabilidad y la estadística, Batanero y Godino (2005) señalan el carácter instrumental de la estadística como herramienta metodológica en la investigación de una diversidad de ciencias, y el valor que tiene en el desarrollo del razonamiento estadístico en una sociedad caracterizada por la disponibilidad de información y la necesidad de toma de decisiones en ambiente de incertidumbre. En cuanto a este último aspecto, Moore (1997) señala a la “cuantificación de la sociedad” como uno de los factores que han generado presión a los sistemas educativos, al requerir que los estudiantes sean más analíticos y que desarrollen habilidades de razonamiento y pensamiento estadístico. Ciertamente, la información de tipo cuantitativo se ha vuelto cada vez más común en la sociedad actual. De esta manera, poder evaluar la evidencia y argumentos basados en datos es una importante habilidad que los estudiantes deben desarrollar en el transcurso de su formación académica. El estudio de la estadística proporciona herramientas que los ciudadanos informados necesitan para actuar inteligentemente ante información cuantitativa en el mundo que los rodea. En el caso de México, a partir de 1993, con la reforma curricular para la educación secundaria, se incorporan contenidos específicos de estadística y probabilidad bajo el nombre de presentación y tratamiento de la información y nociones de probabilidad en los planes de estudios de matemáticas. Dichos contenidos se profundizan aún más ahora bajo el título de tratamiento de la información, y se replantea su enseñanza sugiriendo la utilización de herramientas computacionales en la más reciente reforma para la educación secundaria (SEP, 2006). Estadística Descriptiva y Análisis Exploratorio de Datos

que afirma que entre mayor sea el número de repeticiones de un experimento aleatorio la diferencia entre la probabilidad experimental y la teórica tiende a ser nula. las cuales tuvieron como catalizador principal a la tecnología computacional y al software estadístico con capacidades de representación gráfica y tratamiento de datos que en dicha época empezaban a estar disponibles cada vez por un mayor número de personas e instituciones. formulen preguntas de investigación. huecos o datos atípicos. 2000. describan y comparen conjuntos de datos. Explorar un conjunto de datos incluye examinar forma. a través de paquetes de software estadístico. 2006) La probabilidad en la escuela secundaria En recientes reformas curriculares en varios países -incluido el nuestro -. y propuestas de organizaciones como la NCTM (2000) se ha llamado la atención para fomentar en la enseñanza las relaciones entre los datos y la probabilidad. actualmente existe la tendencia que la enseñanza de la estadística sea orientada a datos. el enfoque centrado en la descripción de los datos se ha cambiado hacia un enfoque centrado en la exploración. En concordancia con lo anterior. Dicho enfoque se denomina Análisis Exploratorio de Datos (AED).Actualmente. Un enfoque de probabilidad experimental contribuye de manera importante a mostrar dicha relación. El fundamento teórico de una enseñanza de la probabilidad apoyada en experimentos. Con base en lo anterior. y en él. principalmente gráficas para obtener la máxima información de los datos. ya que las computadoras hacen posible manipular y desplegar datos en forma rápida y de diversas formas. centro y dispersión. quien en la década de los setenta. propongan y justifiquen conclusiones basadas en datos (NCTM. e investigar varias gráficas para ver si revelan agrupamientos de datos. Este cambio de enfoque ha sido derivado del trabajo de John Tukey (1977). donde se espera que los estudiantes realicen investigaciones. 2004). es evidente que la tecnología computacional juega un papel muy importante para la implementación de un enfoque basado en los principios del AED. para descubrir patrones y plantear hipótesis (Ben-Zvi. . recolecten datos diseñando encuestas y experimentos. está dado por el enfoque frecuencial de la probabilidad y la ley de los grandes números. desarrolló diversas herramientas para el análisis de datos. SEP. utilicen y comprendan gráficas estadísticas y medidas descriptivas. las representaciones gráficas ocupan un lugar fundamental. El AED emplea una variedad de técnicas.

fraccionarios y decimales (SEP 2006. la representación y la interpretación de datos provenientes de diversas fuentes. Con el fin de tener el mayor número de repeticiones posibles. función y en general en el significado de los números enteros. se pueden reunir los datos de varios equipos de estudiantes para lograr que la probabilidad experimental se acerque más a la probabilidad teórica. probabilidad. Lo importante es que los estudiantes exploren activamente situaciones probabilísticas mediante experimentos y simulaciones con el objetivo que los estudiantes desarrollen intuiciones y conceptos. monedas. chinchetas.Una metodología de enseñanza apropiada para la enseñanza de la probabilidad en el nivel secundaria consiste en desarrollar en el salón de clase diversos experimentos aleatorios como ruletas con áreas sombreadas en diferentes proporciones. En este eje se abordan problemas que requieren el análisis. Un aspecto de mucha relevancia en la implementación de este enfoque es relacionar los experimentos con situaciones análogas que ocurren en la vida real. en las que se puede identificar una tendencia a partir de su representación gráfica o tabular. la organización. el eje de Manejo de la Información tiene un significado muy amplio. Este trabajo se apoya fuertemente en nociones matemáticas tales como porcentaje. urnas y tómbolas con canicas de diversos colores. se puede pasar a la simulación de los fenómenos mediante el apoyo de algún paquete de computadora o una calculadora graficadora. 7) . Una vez que los estudiantes van adquiriendo mayor familiaridad con el cálculo de probabilidades empíricas con dispositivos físicos. dados. Es importante trabajar con datos reales o simulados en contextos que generen el interés de los estudiantes y su participación activa en la construcción de su propio conocimiento. Se ha considerado que la información puede provenir de situaciones tanto deterministas como aleatorias. De acuerdo con el programa de estudios de matemáticas más reciente para la educación secundaria en México. p.

Hoja de Cálculo y Proporcionalidad. Simulación de sucesos aleatorios mediante software. Medidas de Tendencia Central y de Dispersión. Cada sesión esta divida en la introducción de un problema y su solución a través de alguna herramienta computacional. Software para la representación y cálculo de las medidas de tendencia central y de dispersión. presenciales. Escalas y factor de proporcionalidad. 1. . Nociones de Probabilidad. Proporcionalidad. Relación directa e inversa. 2. arreglos. Análisis de la Información 1. Representación de la Información 1. 1. esperándose que los participantes realicen trabajos extraclase e interactúen en plataforma un mínimo de 18 horas. de 4 horas cada una. El módulo tiene una duración de 50 horas: 32 en aula. así como trabajo por equipos para obtener un plan de clase para cada tema trabajado. 1. 2. 1.Encuadre del Módulo. Estimación de Probabilidades. 3. 3. Al final de cada sesión par se espera la entrega de los participantes de un producto para cada sesión. Hoja de cálculo y estimación de las medidas de tendencia central 3. Definiciones de las medidas de tendencia central y de dispersión. 2. Diagramas y Tablas 1. 2. Para tal efecto el módulo propone una serie de dinámicas y discusiones que enriquecerán la perspectiva del docentealumno acerca de la importancia de la enseñanza de la estadística y la probabilidad en el nivel de secundaria. Tablas de frecuencias. Contenidos Temáticos: Los contenidos a abordar en el presente diplomado serán los que marca el programa de estudios de matemáticas en los tres grados sobre el eje de Manejo de la Información. 2. diagramas de árbol. Experimentación y sucesos aleatorios. 2. El número de sesiones presenciales es de 8 sesiones.

2. Dado el carácter de actualización profesional del módulo. Tipos de diagramas en probabilidad y estadística. 3. se requiere lo siguiente: • • • • • • • Un mínimo de 75% en asistencias a las sesiones de clase. Uso de Excel para la generación de representaciones. 3. La realización adecuada del respectivo trabajo final La realización adecuada de las prácticas y ejercicios sugeridos en cada sesión de clase La realización adecuada de los ejercicios en la plataforma virtual Cumplimiento de tareas y participaciones asignadas. Las inasistencias. Gráficas 1. Representaciones gráficas de experimentos. Las tareas y el trabajo final representan el 50% de la calificación. 2. Tipos de representaciones gráficas. La acreditación del módulo será evaluado de la siguiente manera: . Las asistencias y participación en foros y trabajos en plataforma el otro 50%. la evaluación del mismo estará basada en rúbricas de desempeño de los participantes. Para tener derecho a la aprobación. 3. Metodología de evaluación. aún justificadas. se tomarán como faltas. Diferentes tipos de software para la didáctica de diagramas.

La probabilidad y la estadística. ¿Cuál es el enfoque de tratamiento de la información según la reforma 2006? Cuales son las razones para evitar su tratamiento en la práctica diaria. Esquema de tratamiento de la información en secundaria y herramientas de software.Sesión 1. Productos de esta sesión Cuadro sinóptico de la manera de trabajar el eje temático en educación secundaria. Herramientas generales en la red. Reflexiones acerca de la reforma 2006. . Primer momento. Ejercicio ejemplo. Temas a desarrollar. El tratamiento de la Información en Secundaria. Segundo momento. Desarrollo de un plan de clase informal. Recordatorio de Hoja de Cálculo.

¿Que dice la Reforma 2006 respecto al eje de Manejo de la Información? ¿Cuál es el objetivo de la incorporación del dicho eje como parte del programa de Educación Básica? El programa de Secundaría 2006. Y no sólo resolviendo problemas. nos da una versión al respecto. función y en general en el significado de los números enteros. la organización. la representación y la interpretación de datos provenientes de diversas fuentes. donde el alumno pueda evidenciar la utilidad de la matemática en la vida cotidiana. Este trabajo se apoya fuertemente en nociones matemáticas tales como porcentaje. acerca de los propósitos del Eje dentro de la Enseñanza de las Matemáticas en los tres grados de Educación Secundaria: “En cuanto al eje Manejo de la información se resuelven problemas que requieren el análisis. fraccionarios y decimales” Es decir. Actividad 1: Observemos un reactivo tipo del Examen de PISA. . la inferencia y la resolución de problemas dentro de un contexto realista. sino realizando inferencias y proponiendo razones y significados acerca de lo que los resultados obtenidos nos arrojan. el eje de Manejo de la Información se ve como una manera de incorporar el análisis. probabilidad.

separada de las matemáticas por que involucra además aspectos empíricos y su enfoque es mayormente de aplicación. ¿cree que alguno de sus alumnos respondería correctamente el reactivo? Formados en equipos. Reunidos en equipos. Actividad 2: Después de haber resuelto el ejercicio anterior. utilice la información recabada en la actividad 2 y desarrolle un plan de clase sencillo en el que incorpore el ejercicio de la actividad 1.Según su experiencia. para esto se hace referencia a la utilización específica de materiales que incorporar el equipo de cómputo en ciertos temas específicos. acceda al archivo de planes y programas de estudio 2006 de Secundaria y aisle los temas del eje de manejo de la información que intervendrían o no en su caso en la Actividad 1. Con estos datos y reunidos en equipos. comente el problema con sus compañeros y de sus respuestas. pretenden incorporar las nuevas tecnologías en la práctica diaria. puntualice la ubicación de este ejercicio en planes y programas. ¿Se beneficiaría el plan de clase con el uso de tecnología? ¿Planes y programas me ayudan al respecto (para encontrar herramientas tecnológicas aptas para el plan de clase)? ¿Cuál seria la herramienta tecnológica propuesta para apoyar el plan de clase? . Actividad 3. Los planes y programas 2006. Reflexione sobre los siguientes cuestionamientos al momento de realizar la actividad. Hay autores que consideran la estadística un ciencia a parte. La probabilidad y la estadística tienen mucha relación entre si (literalmente los resultados y axiomas de una se utilizan en la otra) y están fundamentadas en el análisis de sucesos aleatorios.

Entre estas herramientas proporciona un manual denominado “Matemáticas con la Hoja electrónica de Cálculo”. la columna y el renglón donde se ubica. Conceptos Básicos de Hoja de Cálculo. El elemento básico de una hoja de cálculo es la CELDA. Entre las operaciones que podemos realizar se encuentran: operaciones lógicas. L2C2 (Representan las mismas celdas anteriores). Las celdas dentro de una fórmula pueden referenciarse de forma absoluta o relativa. • . Un archivo de cualquier paquete de hoja electrónica de cálculo esta formada por una o más hojas de cálculo divididas en columnas y renglones (arreglo bidimensional) en las cuales podemos realizar operaciones y representar datos de una manera sencilla. la más sencillas es iniciar el texto de la celda con el símbolo = (igual). ejemplo: L1C1. El programa EMAT (Enseñanza de las Matemáticas con Tecnología) de la Dirección General de Materiales Educativos de la SEP surge para proporcionar aplicaciones de las herramientas tecnológicas en la educación secundaria. moneda. la primera forma las ubica a través de representar las columnas por una sucesión alfabética y los renglones por una sucesión numérica. Una celda se representa por coordenadas. ejemplo: A1. La segunda es la forma normal de operación en hoja de cálculo e implica que el movimiento del contenido de una celda con fórmulas mantiene la distancia entre la fórmula y las referencias • • • • • . matemáticas. de texto. Para incorporar una fórmula en una celda y poder realizar cálculos existen varias formas. La segunda forma es a través de números de renglón y columna anteponiendo las letras mayúsculas L y C.Recordando una herramienta sencilla para el eje de Tratamiento de la Información En el caso de ejercicios del eje de tratamiento de la información en el que se involucren gráficas y datos (es decir ejercicios de estadística) la herramienta más sencilla para apoyarnos es la hoja electrónica de cálculo. B2. Existen 2 formas de ubicar una celda.

trate de realizar el ejercicio expresado en la Actividad 1. Actividad de Cierre: Con todo lo realizado en la sesión construya un cuadro sinóptico donde resuma la forma de trabajar el eje de tratamiento de la información en tres ámbitos. a) el propuesto en planes y programas. Actividad 4: Utilizando Excel u otra hoja de cálculo. b) el que hemos realizado hasta ahora en nuestra práctica diaria y c) cómo se pudiera beneficiar con el uso de las tecnologías. • Con los datos incorporados en una hoja de cálculo podemos realizar gráficas que representen la información contenida en ellos. a cada coordenada. se logra mediante anteponer un signo de $. Esquematice los pasos mínimos que realizó para representar el ejercicio de forma electrónica. Las hojas de cálculo manejan una gran cantidad de tipos de representación gráfica de datos. Actividad 5: Por equipos intercambie los hallazgos y en su caso modifique el Plan de Clase incorporando los elementos comunes encontrados en el equipo. Juegue con las escalas de los ejes de la gráfica resultante y reflexione sobre si este u otro elemento pudiera apoyar la comprensión del ejercicio.fija. . La primera forma. en la que mantenemos los valores referenciados fijos. EL TRABAJO FINAL DE LA ACTIVIDAD ES SU PRIMER PRODUCTO DE TRABAJO.

Proporcionalidad Temas a desarrollar. .Sesión 2. Proporcionalidad con Software. Proporcionalidad como un factor de escala. Relación proporcional. Un plan de clase utilizando Excel con algún aspecto del plan de estudios referente al tema de proporcionalidad. Segundo momento. Primer momento. Proporcionalidad como una relación funcional. Ejemplos de proporcionalidad con Excel. Producto de la sesión. Directa e Inversa. Proporcionalidad en educación secundaria.

Un elemento que se incorpora en este tema en educación secundaria son la relaciones inversas de proporcionalidad y las relaciones múltiples de proporcionalidad. Cuando María complete 15 vueltas. poniendo énfasis en la búsqueda de los factores y elementos que intervienen en la relación. María llevaba 3 vueltas. Todos estos elementos son necesarios para que más tarde el alumno logre comprender propiedades básicas de estadística. ¿Cuántos se ocupan para hacer 32 hotcakes? ¿Cuál representa una relación de proporcionalidad? El componente crítico de las situaciones de proporcionalidad es la relación multiplicativa que existe entre las cantidades que representan la situación. Ana empezó primero. Proporcionalidad en Educación Secundaria. Actividad 1: Realicemos los siguientes ejercicios del programa EMAT: “Matemáticas con Hoja Electrónica de Cálculo” . Cuando ella llevaba 9 vueltas.Proporcionalidad Introducción: Resolvamos los siguientes problemas: Ana y María corren a igual velocidad en una pista. ¿cuántas llevará Ana? Para hacer 15 hotcakes se ocupan 3 huevos. En la educación secundaria los temas de proporcionalidad son una extensión de los vistos a final del tercer ciclo de educación primaria. Proporcionalidad Utilizando Hoja de Cálculo.

CANTIDAD DE DÓLARES B CANTIDAD DE PESOS 1 2 3 4 5 8 16 24 32 40 actividades expresivas 53 @ . La fórmula de B2 es = 8 * A2. Las dos cantidades que consideraremos son la distancia recorrida (d) y el tiempo que tarda en recorrerla (t).V ariación proporcional (1) Nombre Escuela • • • •• • •• • • •• • •• • • • Aritmética Edad Fecha La cantidad de dólares y su equivalente en pesos. Escribe ahora la fórmula de la celda B3. así como la distancia recorrida por un coche y el tiempo que tarda en recorrerla son cantidades relacionadas. En general podemos escribir: columna B = factor * columna A ¿Cuál es el factor en el ejemplo anterior? Piensa ahora en un coche que va a una velocidad constante de 80 km/h. ¿A cuántos pesos equivaldrían 2 dólares? ¿A cuántos pesos equivaldrían 4 dólares? ¿A cuántos pesos equivaldrían 5 dólares? Construye una hoja de cálculo relacionando estas dos cantidades. A continuación se abordará este tema. Pensemos primero en la situación en la que un dólar se puede cambiar por 8 pesos. Escribe la fórmula de la celda B6. A 1 2 3 4 5 6 La fórmula de A3 es = A2 + 1.

Escribe la fórmula de la celda B3: Escribe la fórmula de la celda B6: ¿Cuál es el factor en el ejemplo anterior? Cuando una cantidad se obtiene multiplicando otra por un factor constante se obtiene una variación proporcional. ¿Qué le pasa a la distancia recorrida si duplicamos el tiempo? Por ejemplo: ¿Cuántos kilómetros recorre el coche en cinco horas? Si se duplica el tiempo.Variación proporcional (1) • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • ¿Qué distancia recorrió en 2 horas? ¿Qué distancia recorrió en 4 horas? ¿Qué distancia recorrió en 5 horas y media? Construye una hoja de cálculo relacionando ambas cantidades. La fórmula de la celda B2 es = A2 * v. ¿ocurre lo mismo con la distancia? @ 54 actividades expresivas . A 1 2 3 4 5 6 7 TIEMPO (EN HORAS) B DISTANCIA (EN KILÓMETROS) C VELOCIDAD CONSTANTE 0 1 2 3 4 5 0 80 160 240 320 400 v (km/h) 80 La fórmula de la celda A3 es = A2 + 1. A continuación se plantean algunas preguntas para conocer otra propiedad de este tipo de variaciones.

• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Variación proporcional (1) ¿Qué le pasa a la distancia recorrida si triplicamos el tiempo? ¿Qué le pasa a la distancia recorrida si el tiempo se reduce a la mitad? ¿Qué le pasa a la distancia recorrida si el tiempo se reduce a la quinta parte? ¿A qué conclusión general puedes llegar entonces? actividades expresivas 55 @ .

7 ¿Cuál es el factor de proporcionalidad en el ejemplo anterior? Continúa llenando la tabla hasta que encuentres cuántas libras equivalen a 90 kg y escribe la respuesta: Observa ahora el tercer renglón de la hoja.V ariación proporcional (2) Nombre Escuela • • • • • • • • • • • • • • • • • • Aritmética Edad Fecha Resuelve el siguiente problema: si 0. ¿Podrías haber resuelto el problema considerando sólo esta información? ¿Cómo? Usa solamente los primeros 10 datos de tu tabla para responder las siguientes preguntas: ¿Cuántas libras equivalen a 3 600 kg? ¿Cuántos kilogramos equivalen a 500 libras? @ 56 actividades expresivas . ¿cuántas libras habrá en 90 kg? Construye una hoja de cálculo como la siguiente.45 0. A 1 2 3 4 5 6 7 LIBRAS B KILOGRAMOS C 1 2 3 4 5 6 0.25 2.8 2.9 1.45 kg equivalen a una libra. para ello relaciona ambas cantidades y encuentra las fórmulas para las columnas A y B.35 1.

Ahora toma en cuenta la siguiente tabla para responder las preguntas que aparecen abajo. MILLAS KILÓMETROS 1 2 3 4 5 6 7 8 9 1.8 14.7 millas? ¿Cuántas millas equivalen a 96 kilómetros? ¿Cuántas millas equivalen a 10 kilómetros? actividades expresivas 57 @ .6 11.5 libras? Usa el resultado anterior para encontrar la respuesta. ¿Cuántos kilogramos equivalen a 2.5 millas? ¿Cuántos kilómetros equivalen a 2.5 libras? Usa el sexto renglón de tu hoja para responder esta pregunta.2 12.0 9.4 8.5 millas? ¿Cuántos kilómetros equivalen a 4.6 libras? Usa la misma estrategia Regresemos ahora al tercer renglón de tu hoja. donde se indica que 2 libras equivalen a 0.6 3.9 kg (casi 1 kg). ¿Cuántos kilogramos equivalen a 1.2 4.8 6.4 ¿Cuántos kilómetros equivalen a 70 millas? ¿Cuántos kilómetros equivalen a 75 millas? ¿Cuántos kilómetros equivalen a 0. y busca cuántas libras equivalen aproximadamente a 1 kg.• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Variación proporcional (2) ¿Cuántos kilogramos equivalen a 0.

conviene preguntarnos cuántas millas puede navegar la embarcación con un solo galón. A 1 2 3 4 ¿Cuál es el factor de proporcionalidad en el ejemplo anterior? Ahora contesta la pregunta original.50. ¿qué distancia recorrerá con 300 galones? Construye una hoja de cálculo como la siguiente para relacionar los galones con las millas recorridas. Inserta el número 300 en la celda A4 y escribe una fórmula en B4 que calcule la cantidad de millas correspondiente. Escribe una fórmula en B3 para relacionar las cantidades de A2 y B2. ¿cuántos gramos contiene? GALONES B MILLAS 16 1 360 ? @ 58 actividades expresivas . ¿cuánto debería costar uno de 250 gramos? Si se determinó que el precio de un frasco de café es de $10.V ariación proporcional (3) Nombre Escuela • • • • • • • • • • • • • • • • • • Aritmética Edad Fecha Si una embarcación puede navegar 360 millas con 16 galones de combustible diesel. ¿Qué distancia recorrerá entonces con 300 galones? Usa tu hoja de cálculo para responder las siguientes preguntas: ¿Qué distancia recorrería la embarcación con 200 galones? ¿Qué distancia recorrería la embarcación con 80 galones? ¿Cuántos galones necesitará para recorrer 1 000 millas? Construye ahora una hoja de cálculo para resolver las siguientes situaciones: Si un frasco de café de 400 gramos cuesta $12. Para responder la pregunta.

Actividad 2: Construye un nuevo ejercicio con la hoja de cálculo donde se observe claramente que las relaciones son de proporcionalidad inversa. podemos utilizar las distintas estrategias para la proporcionalidad directa.Al terminar analicemos lo siguiente: ¿Cómo facilita Excel el trabajo con el campo de Proporcionalidad? Analicemos en plenaria los tres ejercicios y el nivel de dificultad asociado a ellos. es necesario recordar que. tanto en relación con la situación de nuestras aulas de medios como de nuestros alumnos. . podríamos escribir por ejemplo: 5 Ahora el recíproco de un valor es 1 . Aplícalo durante la semana con alumnos y observa sus reacciones. pero utilizando el recíproco.5 1 Cuando trabajamos con situaciones de proporcionalidad inversa. la relación multiplicativa se da entre un valor y el inverso o recíproco de otro. Si expresamos cualquier valor en forma fraccionaria. En el caso de proporcionalidad inversa. Los elementos más difíciles de comprender por parte de los alumnos son la situaciones de proporcionalidad múltiple y las situaciones de proporcionalidad inversa. valor 1 ó 2 5. Registra lo observado y entrega tu reporte al inicio de la siguiente sesión. Actividad FINAL DE SESIÓN (Tarea semanal) Utilizando las reflexiones anteriores construyan en equipo un plan de clase donde utilices los elementos vistos para tratar de aumentar la comprensión de los temas. en este tipo de relaciones.

La ruleta. Ejemplificación de sucesos aleatorios con software.Sesión 3 Nociones de Probabilidad Temas a desarrollar. ¿Qué es aleatorio? Experimentación en probabilidad. Segundo momento. Primer momento. La función Aleatorio en Excel. Otros ejemplos de sucesos aleatorios en software. Desarrollará una dinámica de trabajo para realizar experimentos y cómo obtener datos de ejemplo dentro del ámbito escolar. Muestreo y realizaciones de un suceso particular. La probabilidad como una manera de analizar sucesos aleatorios. Producto de la sesión. .

por ejemplo: El que una persona sana se convierta en adulta biológicamente (esto es que pueda reproducirse) es determinista. Aleatorio implica incertidumbre. Para entender estos ejercicios es necesario contar con varios conceptos. pero el punto exacto en el que esto sucede no lo es y varia aleatoriamente de persona a persona.¿Qué es aleatorio? Uno de los temas más difíciles de tratar en educación secundaria es las implicaciones de la aleatoriedad y las nociones del término aleatorio. Actividad 1: Nombra 3 situaciones aleatorias y 3 situaciones deterministas. Lo contrario a un fenómeno aleatorio es un fenómeno determinista. como los denominados de “bolsa de canicas”. la cantidad de lluvia en un lugar durante un tiempo determinado también lo es. Por el contrario existen otros fenómenos deterministas: La sucesión de los nombres de los días por ejemplo. Por ejemplo el que un medicamento haga más o menos efecto en un paciente es aleatorio. aún en secundaria se notan deficiencias en la comprensión de estos temas. Es decir cuando un fenómeno es aleatorio no es posible determinar con exactitud su ocurrencia con anticipación. . Aun cuando esas nociones son incorporadas en la enseñanza desde finales del segundo período de educación básica. Entre los ejercicios típicos se encuentran los ejercicios con elementos concretos. Estos últimos. Típicamente las situaciones aleatorias se analizan desde primaria. Existen fenómenos aleatorios en casi toda la naturaleza e incluso en situaciones humanas. Es aquel suceso que no es posible atribuirlo a una situación humana. como decíamos. Busca que al menos una situación sea relacionada. utilizando varios ejercicios que directamente van incorporando las nociones necesarias para comprender y poder estudiar los fenómenos estocásticos. La cantidad de personas que nacerán en un territorio determinado es otro fenómeno altamente aleatorio. son aquellos que dan sentido en cierto grado a las técnicas de manejo de la información que denominamos estadística.

3. f) Suceso imposible. c) Suceso elemental. es decir el efecto del tamaño de la muestra. Una situación muy interesante de analizar para entender las implicaciones de la probabilidad es el análisis de sucesos que se denominan “justos”. e) Suceso seguro. h) Muestreo.Actividad 2 En grupo y utilizando el material del módulo y en su caso la red internet. Analiza el siguiente problema: María y Esteban juegan a los dados. ¿Existe relación con la estadística? ¿Pudieras decir que información necesitarías conocer adicionalmente para contestar adecuadamente el problema? Generando Números aleatorios. Ahora utilizaremos la hoja de cálculo para generar números aleatorios. 4. María gana veinte pesos si el dado sale 2. Analiza el siguiente problema: La probabilidad de que nazca un varón es 1/2. ¿Cuánto debe ganar Esteban para que el juego sea equitativo? Construyan en equipos un problema de juego justo. d) Suceso compuesto. busque la definición y de un ejemplo de los siguientes puntos: a) Experimento. habrá más días en los cuales al menos el 60% de los nacimientos corresponden a varones: a) en un hospital grande (100 nacimientos al día) b) en un hospital pequeño (10 nacimientos al día) c) no hay ninguna diferencia. A lo largo de un año completo. g) Probabilidad. 5. Resuélvelo y comparte tus resultados. b) Suceso. Otro elemento importante para considerar es la comprensión del efecto que tiene la cantidad de experimentos dentro de un fenómeno aleatorio. .

Esta función quita la parte decimal del número en B2 y deja sólo su parte entera. Para cada una. registra en la tabla de abajo el resultado de la celda B4. Esta función escoge al azar un número entre cero y uno.C onstruyendo dados Nombre Escuela • • • • • • • • • • • • • • • • • • • • • • • Probabilidad Edad Fecha Abre una hoja de cálculo (por ejemplo en Excel) y escribe en la celda B1 la fórmula: = ALEATORIO( ). centra el número y dale un tamaño más grande). escribe en la celda B4 la fórmula: = B3 + 1 ¿Cuáles son los seis números diferentes que se pueden obtener en esta celda? ¿Son los que tiene un dado? Ya tienes construido un dado en la celda B4 (destaca la celda con algún color. ¿Cuáles son los seis números diferentes que se pueden obtener en esta celda? ¿Son los que tiene un dado? Por último. ¿Qué número te dio? Aprieta varias veces la tecla F9 y observa que cada vez te da otro número con esta propiedad. Escribe en la celda B2 la fórmula: = B1 * 6. ¿En qué rango caen los números de esta celda? Escribe ahora en la celda B3 la fórmula: = ENTERO (B2). Realiza ahora el siguiente experimento. VALOR DADO CONTEO (MARCA UNA DIAGONAL / DONDE CORRESPONDA) TOTALES 1 2 3 4 5 6 actividades expresivas 105 @ . Aprieta la tecla F9 120 veces.

Aprieta la tecla F9 120 veces. Para cada una. para que tengas simultáneamente dos dados. registra en la tabla de abajo la suma de los resultados de las celdas B4 y D4. Realiza ahora el siguiente experimento.Construyendo dados • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Analiza estos resultados y responde las siguientes preguntas: ¿A qué se debe que las cantidades no sean iguales? ¿Crees que cada valor debería haber aparecido exactamente 20 veces? ¿Crees que un dado real se comportaría de la misma manera? ¿Por qué decimos entonces que cada cara de un dado tiene la misma probabilidad de salir y que ésta es de un sexto? Discute con el grupo estas preguntas. A continuación usa la misma hoja de cálculo y sigue para la columna D los mismos pasos que en la columna B. SUMA DE LOS DOS DADOS CONTEO (MARCA UNA DIAGONAL / DONDE CORRESPONDA) TOTALES 1 2 3 4 5 6 7 8 9 10 11 12 @ 106 actividades expresivas .

una de cada seis veces.) Para responder aprieta la tecla F9 100 veces y registra en la tabla de abajo si los valores de las celdas B4 y D4 coinciden o no. Dicho de otra manera. un doble aparece en promedio. Considera ahora la siguiente pregunta: ¿En qué proporción cae un doble cuando se tira un par de dados muchas veces? (Recuerda que un doble sucede cuando en los dos dados sale el mismo número.• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Probabilidad Analiza estos resultados y responde las siguientes preguntas. debe ocurrir que los dados no coincidan cinco veces. ¿Cuál es? Por cada doble que sale. ¿Tienen todos los valores la misma probabilidad de aparecer? ¿Qué valor es más probable? ¿Qué valor es menos probable? Compara tus resultados con otros equipos. LOS DOS DADOS CONTEO (MARCA UNADIAGONAL / DONDE CORRESPONDA) TOTALES No coinciden Coinciden Divide ahora los totales para que obtengas esta proporción. actividades expresivas 107 @ . ¿Éste es el resultado que obtuviste? ¿Por qué fue diferente? Guarda tu hoja de calculo para que la utilices en la sesión siguiente.

Dicho producto deberá ser subido a la plataforma como tarea del módulo. Producto de la sesión. . Resumen de la temática de nociones de probabilidad. Desarrollo de un plan de clase para la temática. Segundo momento. Primer momento. Un plan de clase utilizando Excel o alguno de los materiales de software revisado basado en algún aspecto del plan de estudios referente al tema de probabilidad.Sesión 4 Nociones de Probabilidad II Temas a desarrollar. Planteamiento de un experimento aleatorio basado en sucesos comunes. La probabilidad como una herramienta para la toma de decisiones. Estimación de probabilidades con Probability Explorer. Uso de software para la estimación de probabilidades.

Las nociones que se analizaron la sesión anterior pueden ser apoyadas a través de numerosos recursos que se encuentran disponibles en la red. existen muchos otros programas computacionales que nos permiten interactuar con lo aleatorio y generar experimentos.usu. Además de Excel.edu pulse primeramente en el enlace que dice “Español”. . Actividad 1: Ingrese a la dirección: http://nlvm. Primeramente analizaremos la base de datos de manipulables virtuales y buscaremos un interactivo que permita iniciar con los conceptos probabilísticos.Usemos Probability Explorer.

que se recomienda a partir de sexto de primaria. Por ejemplo la probabilidad de obtener 5 o más caras sucesivas en 10 intentos es: 1 P 5= 10 5 2 Actividad 2: Siga las instrucciones del facilitador para trabajar con Probability Explorer. ¿Qué es inusual? Generalmente es algo poco probable. ¿Podemos realizar la actividad 1? 1 2 3 4 5 6 7 8 9 10      5 1 1 1 63 =252∗ ∗ = 0. Observe que el interactivo ruleta puede usarse desde educación preescolar. Use el manual rápido que aparece en el material del participante. analícelo y después seleccione el interactivo “Lanzamiento de una Moneda”. Pero. Seleccione el Interactivo “Ruleta”. No así el interactivo de la moneda.25 2 32 32 256 5 ¿Se cumple con los 10 experimentos anteriores? ¿Por qué si? ¿Por qué no? . ¿tenemos la intuición de dicho término? ¿Cómo lo podríamos verificar? Utilizando el manipulable lanza una moneda 10 veces. Experimentos Caras sucesivas Este ejercicio permite iniciar con la compresión de términos más avanzados. ¿Es inusual observar 5 o más caras? Registra las veces que caen 5 o más caras sucesivas.Luego seleccione “Análisis de Datos y Probabilidad”.

Actividad FINAL (Tarea de la Semana) Después de trabajar con Probability Explorer y formados en equipos realicen un plan de clase que será aplicado durante la semana a alumnos de Secundaria. . Realice un reporte al respecto y anote las observaciones de manera individual para exponer al inicio de la siguiente sesión y en plataforma.

Cuadro sinóptico con los distintos tipos de representación. Otras herramientas para la representación de datos. Introducción a la representación de la información. . Ejemplificacion mediante software. Producto de la sesión. Segundo momento. Primer momento.Sesión 5 Representación de la Información Temas a desarrollar. Herramientas para la representación. Uso de Excel para la representación. Diferencias entre las distintas representaciones.

” Además es una de la principales competencias para la vida (Plan 2006): Competencias para el manejo de la información. El alumno debe tener los conocimientos y competencias necesarios. evaluación y sistematización de información.¿Cómo representamos la información? Cuando analizamos datos debemos representarlos de alguna manera coherente que permita su interpretación adecuada. Actividad 1: Analice la siguiente gráfica: Precipitación Media Anual México 1000 900 800 700 600 Total mm 500 400 300 200 100 0 1990 1995 2000 2005 2006 2007 2008 2009 Año y la siguiente: . sintetizar y utilizar información. para. poder representar adecuadamente la información proporcionada. reflexionar. argumentar y expresar juicios críticos. uno de los pilares más importantes tiene que ver con la representación de la información. el conocimiento y manejo de distintas lógicas de construcción del conocimiento en diversas disciplinas y en los distintos ámbitos culturales. Se relacionan con: la búsqueda. analiza. analizar. Dentro de las competencias necesarias y el perfil de egreso de educación básica. en su momento. evalúa y comparte información proveniente de diversas fuentes y aprovecha los recursos tecnológicos a su alcance para profundizar y ampliar sus aprendizajes de manera permanente. el pensar. esto se plantea como parte de uno de los rasgos deseables: “Selecciona.

En particular utilizamos las representaciones tabulares para los datos en volumen y la representaciones gráficas. Leer entre los datos (integrar y comprender la gráfica) 3. Curcio (1989) nos proporciona categorías de niveles comprensión de gráficos y su información inherente. Existen muchas maneras de representar la información. darle sentido. La representación adecuada de la información permite interpretar de manera correcta su significado y su significancia (ciertas representaciones son más significativas para unos que para otros). Leer los datos (representados por la gráfica) 2. Leer más allá de los datos (predecir e inferir a través de la gráfica) Actividad 2 Capture los siguientes datos en una hoja de excel: .Precipitación Media Anual Mexico 1990 1995 2000 2005 2006 2007 2008 2009 ¿Cuál tiene más significado? ¿Cuál tiene errores? ¿Por qué? En equipos describe los diferentes tipos de representaciones que conoces. 1.

Estos datos representan los niveles de partículas suspendidas en gotas de agua y la cantidad de lluvia diaria registrada en una estación meteorológica. haga lo mismo con el programa de hoja de cálculo. Así como para datos estadísticos y muestrales. ¿Puede comparar los valores con esa gráfica? ¿Con la de barras? Explore con otros tipos de gráficas. ¿Cuál es la que mejor nos permite la interpretación de los datos? Los tipos de datos a analizar y la información que requerimos obtener son lo que nos dictarán el tipo de gráfico a utilizar. Actividad 3: Analice y lea en equipo los anexos “Nociones Básicas de Estadística” y “Estadística Descriptiva”.usu. ¿Que gráfico utilizaría si lo que necesita en tratar de encontrar la relación entre partículas y lluvia? Seleccione ambas columnas de datos e incorpore un gráfico de lineas. los gráficos de dispersión son la representación obligada para representar relaciones entre variables por lo que su utilidad es directa al tratar los temas al respecto del eje “Sentido Numérico y Pensamiento Algebraico”. Genere por equipos un cuadro sinóptico donde resuma los distintos tipos de representaciones analizados en los textos. Con este estudio complete el cuadro sinóptico agregando que software utilizaría hasta ahora para cada tipo de representación (deje en blanco si no encuentra por el momento algún paquete).edu y registre si existe un manipulable para observar alguna de las formas de representación. . Ingrese al sitio de manipulables http://nlvm.

La función Normal o de campana. Medidas de tendencia central y dispersión. continuando las temáticas utilizadas en los anteriores planes de clase. Varianza y Desviación Estándar. Ejercicios con software de medidas de tendencia central. La dispersión como un índice de probabilidad.Sesión 6 Representación de la Información Temas a desarrollar. Uso de Excel para el cálculo de las medidas de tendencia central. . Uso de Tinkerplots. Mediana y Moda. Producto de la sesión. Segundo momento. Primer momento. Por equipos generará un plan de clase modelo para la selección de datos y la construcción de las medidas de tendencia central. Media.

así como de las sección de medidas de tendencia central del anexo “Nociones Básicas de Estadística”. En un elevador hay 5 mujeres y 3 hombres. ingrese los datos que se le proporcionarán por plataforma y calcule las medidas de tendencia central de los datos.1. Actividad 2: Utilizando el anexo “Estadística descriptiva con Excel 2007”. trate de resolver los siguientes problemas: 1. Actividad 3: . El promedio de las mujeres pesa 56 Kg. El promedio de los hombres pesa 89 Kg.Medidas de Tendencia Central ¿Que conocemos de las medidas de tendencia central? Actividad 1: Basados en la lecturas de la seccion “3. Observe las siguientes gráficas de resultados de tiempos de respuesta en los frenos de los vehículos de dos marcas distintas A y B: B A ¿Cuál recomendaría y por qué? Realice por equipos un resumen donde justifique la selección de una u otra marca. ¿Cuál es el promedio en peso de todos los ocupantes del elevador? 2. Estadística.” de Batanero y Godino. Medidas de Tendencia Central” del anexo “Conocimientos Matemáticos.

Actividad FINAL (Tarea) Utilizando Hoja de Cálculo o Tinkerplots como software de ayuda. Pruebe el plan de clase con sus alumnos y registre las incidencias en un resumen que entregará a inicio de la siguiente sesión y en plataforma.0”. realice por equipos un plan de clase donde incorpore un problema tipo en el cual sea necesario una representación de la información como paso intermedio para dar conclusiones.Utilizando el manual del anexo “Tinkerplots 2. . ingrese los datos que se le proporcionarán en plataforma y calcule las medidas de tendencia central de los datos.

Producto de la sesión. . Construirá un mapa conceptual de los parámetros más importantes para la creación de ejercicios adecuados que hagan que los alumnos usen las herramientas de análisis de datos. El análisis exploratorio de datos en educación secundaria. Este mapa servirá para la construcción del proyecto integrador de la sesión final.Sesión 7 Análisis de Datos Temas a desarrollar.

Tradicionalmente el estudio se ha concentrado en la búsqueda de un modelo que exprese la regularidad de las observaciones. conduciendo a dos consecuencias: En primer lugar se disminuía la importancia visual de la representación de los datos. en las que se dispone de poca información sobre los objetos bajo estudio. la relación entre las variables puede no ajustarse bien a una línea recta. es la recta a la cual se ajusta). el análisis exploratorio de datos tiene las siguientes características que lo hacen un tema apropiado de estudio en la enseñanza secundaria: • Posibilidad de generar situaciones de aprendizaje referidas a temas de interés para el . Anteriormente a este enfoque. introducido por Tukey [3]. la obtención de una amplia variedad de gráficos y estadísticos diferentes y han hecho posible la aparición de una nueva filosofía en los estudios estadísticos: el análisis exploratorio de datos. por ejemplo. Aunque los estadísticos calculados presenten un valor estadísticamente significativo (en el ejemplo. Por el contrario. Las diferencias de los datos con respecto a esta estructura (diferencia en nuestro caso respecto a la recta). se genera dicho modelo desde las mismas. En este tipo de análisis el conjunto de valores de las variables observadas se supone que se ajusta a un modelo preestablecido. Como contrapartida. permiten de una forma sencilla. El propósito es extraer cuanta información sea posible. Al considerar la conveniencia o no de incluir un tema como objeto de enseñanza hemos de tener en cuenta su utilidad y que este tema se halle al alcance de los alumnos. nos encontrarnos ante una nueva filosofía en la aplicación de los métodos de análisis de datos. ya razonada. Por ejemplo. estudia la significación estadística del coeficiente de correlación u otros parámetros para descubrir si la relación entre las variables se debe o no al azar. Por ello. La regularidad indica la estructura simplificada de un conjunto de observaciones (en una nube de puntos. Economía. compara la línea con los residuos. aunque unida a ella se han desarrollado también algunas técnicas concreta para su aplicación. incluso las ya existentes. el análisis exploratorio se utiliza especialmente en las fases iniciales del estudio experimental en las diversas ciencias –Biología. calculando los estadísticos para aceptar o no una hipótesis. y con todas las herramientas posibles. el investigador no solamente necesita ajustar los puntos a una línea recta. Características del análisis exploratorio de datos Como hemos indicado. el coeficiente de correlación sea significativamente distinto de cero). las cuales han sido recogidas con el único propósito de poner tal hipótesis a prueba. Ciencias Humanas. que es previa a la toma de las observaciones. cuando se estudian las relaciones entre dos variables. representan las desviaciones o residuos de los datos. los datos no se suelen explorar para extraer cualquier otra información que pueda deducirse de los mismos. sino que estudia los estadísticos. se ha de tener en cuenta que los datos están constituidos por dos partes: la “regularidad” y las “desviaciones”.Enfoques confirmatorio y exploratorio en el análisis de datos Las capacidades de cálculo y representación gráfica de las computadoras actuales. confirmación o no de la hipótesis. en hipótesis. Al contemplar solamente dos alternativas. el análisis exploratorio de datos es básicamente el desglose de los mismos en las dos partes que hemos citado. Esta filosofía consiste en el estudio de los datos desde todas las perspectiva. dándosela exclusivamente a los cálculos y en segundo se equiparaba el análisis con el modelo confirmatorio. tales “hipótesis” no quedan contrastadas en el sentido estadístico del término al finalizar el análisis. En este caso al investigador le faltaría descubrir algo importante: el modelo latente no es el esperado. En lugar de imponer. el análisis de datos se basaba fundamentalmente en el cálculo de estadísticos. Para entender los principios por los que se guía el análisis exploratorio. en el sentido de conjeturar sobre las observaciones de las que disponemos. un modelo a las observaciones. que usualmente no tienen por qué presentar una estructura determinada. por lo que seria preciso la toma de nuevos datos (una replicación) sobre el fenómeno y efectuar sobre ellos un análisis estadístico tradicional con el fin de contrastarlas. siendo especialmente útil en el denominado paradigma cualitativo de investigación. Además de la utilidad. generar hipótesis nuevas.

De este modo se incluye también el empleo de otros contenidos matemáticos. 5: ‘El currículum tradicional de Estadística Descriptiva debiera transformarse en dirección al análisis exploratorio de datos. dar apoyo sustancial a la actitud investigadora. págs. construyendo gráficos. al contrario que en ella. • • • • En resumen. pero se aleja de ella por su intención. 30-3 1. Empleo preferente de los estadísticos de orden. Godino. C. Lo usual es trabajar sobre un fichero de datos que han sido codificados previamente e introducidos en el ordenador. A. transformando los valores originales de la variable a una nueva escala se puede lograr que dichos valores sean más manejables. aficiones. Actividad 1: AED “a mano”. Estos conjuntos de datos pueden ser obtenidos por los mismos estudiantes. No necesita una teoría matemática compleja. Batanero. escasos y muy alejados de la norma.. como indica Biehler [4]. A veces. mediante la realización de una encuesta a sus compañeros sobre temas diversos. como características físicas. bastante parecida a la estadística descriptiva tradicional. contra la tendencia de la mayor parte de las transposiciones didácticas de reducir el conocimiento a la técnica.pg. la mediana.2). Pues.) Uso de diferentes escalas o reexpresión: La escala en la que una de las variables es observada y registrada no es única. y el máximo. reduciendo los números a una variedad discreta en un mapa estadístico para facilitar la exploración de la estructura total. o incluyendo valores de variables relacionadas con otras áreas curriculares obtenidos en anuarios o publicaciones estadísticas. pues. etc. de lista de números a representaciones como la del “tronco”. la representación o el cálculo no son en el análisis exploratorio de datos un fin. ya que se pretende estudiarlos mediante cuantas perspectivas y técnicas tengamos a nuestro alcance. especialmente los referidos al concepto de función y el estudio de las propiedades de las funciones elementales.alumno.. También se requiere calcular el intervalo intercuartilico IR=Q3−Q1 . el primer cuartil Q1. “AED: Sus posibilidades en La Escuela Secundaria”. Los Diagramas de Caja o Boxplots se construyen utilizando 5 estadísticos de la distribución de frecuencias: el mínimo. Utilizando Diagramas de Caja. D. “Como el análisis de datos no supone que estos se distribuyen según una ley de probabilidad clásica (frecuentemente la normal. Seria esencial. pg. sin embargo. • Fuerte apoyo en representaciones gráficas: “Una idea fundamental del análisis exploratorio de datos es que al usar representaciones múltiples de los datos se convierte en un medio de desarrollar nuevos conocimientos y perspectivas. no utiliza sino nociones matemáticas muy elementales y procedimientos gráficos fáciles de realizar. empleo del tiempo libre. como el de la “caja” que hace posible la comparación de varias muestras”. el tercer cuartil Q 3. (Biehler [4]. Hasta aquí es. Jullien y Nin [5]. porque son sensibles a la mayor parte de los datos y con ellos se disminuye el efecto producido por los valores atípicos. Estepa y J. Esto puede ejempliflicarse al pasar de tablas a gráficos. sino un medio de descubrir la información oculta en los mismos”.

Ingrese a http://nlvm.Al analizar los pesos de los alumnos de una clase se obtuvieron los siguientes datos: Peso en Kg. . Abra Tinkerplots e ingrese los datos del problema. el AED permite realizar esa tarea tan importante y apartarnos de únicamente dejar al alumno en el análisis de descriptivo.? Actividad 2: Volvamos al primer ejercicio del módulo: Resuelva el ejercicio y explique por que de la respuesta. una de las razones del estudio del eje de tratamiento de la información es que los alumnos logren expresar juicios críticos y fundamentados acerca de situaciones en la vida cotidiana. Como nos dicen Batanero et al (1991).usu. Ingrese los datos y corrobore los resultados que obtuvo. dar valores a los estadísticos. Hombres 55 64 70 74 75 70 64 93 60 62 70 80 61 60 62 68 65 65 66 68 70 72 72 71 Mujeres 60 45 46 50 47 55 49 52 50 46 50 52 52 48 52 63 53 54 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60 Construya el Diagrama de Caja y explique los resultados. Como hemos estudiado. y pasar a desarrollar conclusiones sobre la información obtenida.edu yescoja el manipulable de diagrama de caja. ¿Cuál es la diferencia? ¿Por qué? ¿Cual usaría ud. ¿Hubo diferencia? Compare la forma de construcción y el resultado que obtuvo a mano con el que recomienda el plan de estudios de matematicas 2006 de la RS. Construya el Boxplot y comparelo.

. Actividad 3: Cajeme es un municipio del estado de Sonora.4% usa sistema de riego.Actividad 2: Los siguientes son los puntos obtenidos por Elena y María en las prácticas semanales de basquetbol.711 has. ¿De cuántas hectáreas estamos hablando? ¿Que implicaciones pudiera tener toda esta información? Comparta en plenaria las conclusiones. ¿Cuál debería escoger y por qué? Concluyamos con una actividad de reforzamiento. Tiene una superficie de 403. El entrenador duda entre escoger una u otra. La distribución de dichas hectáreas por tipo de uso es el siguiente: ¿Cuantas son las hectáreas que se usan para el ganado? De las hectáreas para uso agrícola el 59.

Propondrá una manera de evaluar dicho proyecto basado en las competencias básicas que se ven involucradas y las constrastará con aquellas requeridas para cada grado de educación secundaria. Construirá un proyecto educativo de clase que permita trabajar los temas de tratamiento de la información con tecnologías siguiendo la dinámica expuesta en la reforma 2006 de educación secundaria. principalmente del programa Habilidades Digitales para Todos. Producto de la sesión. así como las herramientas tecnológicas presentes en el aula. Exposición de las experiencias de aplicación de los planes de clase. Temas a desarrollar. Recapitulación de la información vista en el módulo. Primer momento. Segundo momento. El participante también comprenderá las competencias que se van incorporando y desarrollando al trabajar el eje de tratamiento de la información a través de un proyecto de estas características.Sesión 8 Construcción de un Proyecto Educativo con Tecnologías para el Eje de Tratamiento de la Información. Creación de un proyecto educativo con tecnologías. .

Forma de evaluación del proyecto. Los proyectos terminados serán incorporados al sitio: “Proyectos Colaborativos y Secuencias Didácticas” del Departamento de Tecnología Educativa para ser realizados por los docentes de todo el estado. Competencias a fortalecer. Calendario de actividades. Bloque o bloques que impacta. Aprendizajes esperados. Conocimientos previos y/o ruta de aprendizaje. El proyecto debe de contener las siguiente información: • • • • • • • Grado del proyecto. Por equipos construya un proyecto educativo utilizando Tecnología que apoye la enseñanza del eje de Tratamiento de la Información. .ACTIVIDAD DE CIERRE DE MODULO. El proyecto debe de tener una duración esperada de más de una sesión y tener productos de cada actividad propuesta y 1 producto final para evaluación del proyecto.

Sitio Web. Estepa y J. Suma. 2007. Principles and Standards for School Mathematics. “Tinkerplots 2. SEP-ILCE. SEP. Fuengirola. Godino.usu. DGME. Universidad de Granada. “Reforma y plan de estudios de la educación secundaria 2006”. VA. Documento Electrónico. DGME. SEP. Rzeszów. 2011. Reston. Universidad de Chile (2008) “Nociones Básicas de Estadística en Educación”. 2006. nº 9. http://www.(2000) “Matemáticas con la Hoja Electrónica de Cálculo”.0 Help”. (2000) “Fichero de Actividades Didácticas”.edu . C. Tercera edición. A. México. Descargado 05/09/2011. SEP. Los Materiales y Recursos”. JOSE LUIS. DGME. C.pdf Universidad de Massachusetts en Amherst. Poland. DGME. México. Batanero. http://nlvm. (2001) “Libro del Maestro Matemáticas Secundaria”. Recuperado y Traducido: 05/09/2011. 402pp. 2000.Bibliografía ARTEAGA. (2000) . P y BATANERO. D. 2000. 1991: 25-31 LUPIAÑEZ.demre. “Selección de Tareas y Competencias Matemáticas. 2001. NCTM. “Relating graph semiotic complexity to graph comprehension in statistical graphs produced by prospective teachers”. “AED: Sus posibilidades en La Escuela Secundaria”.cl/text/doc_tecnicos/p2009/estadistica_descriptiva. National Council of Teachers of Mathematics. Proceedings of the CERME 7. Utah University (2007) National Library of Virtual Manipulatives. NVLM.

LECTURAS Y MANUALES .

Probability Explorer (Stohl. simulación y análisis de los resultados de experimentos de probabilidad. Uso general de probability explorer (PE). . cambiante durante una simulación. 1999-2005) es una aplicación de software basada en investigación diseñada con herramientas que permiten a los estudiantes y los profesores para diseñar. En un nivel fundamental. Un gráfico de pastel (frecuencia relativa). Cuando el micromundo se abre. o la opción de diseñar su propio experimento. apilar (en un pictograma) o alineados en la secuencia en que ocurrieron. y canicas en una bolsa. y la tabla de datos (cuentas. Para iniciar PE pulse en el icono correspondiente.GUIA RÁPIDA DE PROBABILITY EXPLORER. Esto iniciará el micromundo. dados de 6 caras. fracciones. los datos se representan en el PE con los iconos generados al azar que se pueden clasificar. tanto en forma estática como dinámica. simular y analizar una variedad de situaciones probabilísticas. decimales y porcentajes) también están disponibles para mostrar los resultados. El entorno de software puede ser utilizado para las actividades de los grados superiores de primaria hasta preparatoria. el usuario puede elegir un experimento con monedas. gráfico de barras (frecuencia). Probabily Explorer (PE) fue diseñado a propósito como un entorno abierto de aprendizaje con múltiples formas de representar los datos para que los estudiantes participen en el diseño.

En el experimento de una bolsa de canicas. o use los iconos para modelar fenómenos del mundo real como el tiempo. los usuarios pueden utilizar la herramienta de peso para cambiar la probabilidad de un resultado y cambiar el Peso de la herramienta en tres diferentes puntos de vista. 1) Peso: una relación parte-parte (3:1:2) como en el azar. idear sus experimentos. Hay muchos iconos del mundo lúdico y real entre los que elegir para el diseño de un experimento único. un usuario puede realizar cualquier combinación de 6 colores diferentes en la bolsa. 3) Porcentaje: muestra un por ciento del total y que la probabilidad total debe ser 100%. jugando. . 1 / 6 y 2 / 6) como en probabilidad. Se trata de un diseño específico para conectar el aprendizaje de la probabilidad con números racionales y el razonamiento proporcional.Los niños pueden. Con todos los experimentos. con excepción de la bolsa de canicas.Con la opción de "Diseña tu propio experimento". para realizar un experimento con reemplazo. el usuario es llevado a la pantalla siguiente. 2) Peso / (peso total): una relación parte-todo (3 / 6.

Muchos de los estudiantes inicialmente analizan experimentos (por ejemplo. Con un experimento de bolsa de canicas diseñado anteriormente. . Además. las imágenes de los gráficos se han copiado y guardado como una imagen la sección de notas para que los estudiantes se refieren a ellas en una sesión posterior de análisis. ya que no toman en cuenta el orden (jugador A y luego jugador B). papel y tijeras) teniendo en cuenta sólo los 6 resultados posibles. Este tipo de capacidad de diseño fomenta la reflexión sobre los datos y la capacidad de ver las tendencias a través de conjuntos de datos. Los datos son simulados en parejas y se pueden apilar ya sea ordenados o no ordenados para que los estudiantes puedan analizar los datos en dos formatos diferentes. Los resultados están alineados en el orden en que ocurrieron y las gráficas de pastel y de barra son visibles. una simulación de 100 realizaciones con remplazo fue realizada y se obtuvieron los resultados de la gráfica inferior. Estos dos puntos de vista diferentes puede ayudar a los estudiantes a entender la importancia del orden. el entorno de software puede ser utilizado para explorar las ideas a partir de combinaciones y permutaciones. Si un usuario diseña un experimento y quiere simular dos eventos a la vez. el herramienta de “Peso” se puede mostrar junto con la bolsa de canicas y se actualizará de forma dinámica como vayamos incorporando canicas generadas en la bolsa.Para estudiantes que necesitan ayuda para conectar los conceptos de parte / todo dentro de la relación de probabilidad. el análisis del juego de piedra.

Manual Rápido de TinkerPlots Version 2.0 .

en una colección de gatos. Al igual que un procesador de textos u hoja de cálculo. una colección de gatos podrían incluir.tp. En una colección de diferentes países del mundo. la colección encontrada en Cats. Un gato en particular puede tener los valores de "Hombre" de género. los estudiantes realmente pueden diseñar sus propios resúmenes estadísticos. longitud. introducirlos datos que se recogen o buscar en Internet. y puede crear sus propios resúmenes estadísticos (con gráficos o tablas) de estos datos. Esto les da una sensación de estar en control de lo que producen. El valor aparece justo a la derecha del nombre del atributo en las tarjetas de datos. "21" de longitud. Los nombres de atributos de una colección se enumeran en el lado izquierdo de cada tarjeta de datos. el género. Por ejemplo. junto con el texto que explica sus resultados y fotos hasta que tome o localizar en Internet. Términos utilizados en Tinkerplots Colección (Collection) Una colección es un conjunto de datos acerca de varios casos. geografía. y "Negro" para color de pelo. Atributo numérico (Numeric Attribute) . y color del pelo. Con él. Lo que hace TinkerPlots diferente de cualquier otro paquete de "gráficos" u hoja de cálculo es que. TinkerPlots es una herramienta general que los profesores y los estudiantes verán de utilidad a través de una amplia gama de temas. deportes. historia. cada país es un caso. con TinkerPlots. Viene con una variedad de listas para el análisis de las colecciones de datos. por cada gato. contiene información sobre 24 gatos. Por ejemplo.Introducción TinkerPlots ™ es software de desarrollo para la visualización y simulación de datos. y mucho más. ciencias. que viene con TinkerPlots. Cada caso tiene también un icono de caso en una pantalla de salida de TinkerPlots. salud. Caso (Case) Un caso es la unidad básica de un conjunto de datos o colección. La información sobre cada caso se registra en una tarjeta de las tarjetas de datos. elaborada a partir de temas como matemáticas. cada gato es un caso. los estudiantes pueden crear datos con una toma de muestras. También pueden utilizar TinkerPlots para producir informes que incluyen estos gráficos. Valor (Value) Cada caso tiene un valor para cada atributo. Atributo (Attribute) Casos tienen atributos (también conocidos como variables). Por ejemplo.

Para un atributo numérico como la edad. . “Barsino”. Puede representar los atributos numéricos en una recta numérica y encontrar a su media. Barra de Colores de Atributos (Attribute color bar) A la izquierda de cada nombre de atributo en las tarjetas de datos está una barra de color del atributo que muestra el esquema de color utilizado para ese atributo. Cuando se selecciona un atributo. Es posible que desee tener "hombres" y "mujeres" en recipientes separados. El género es un atributo categórico con los posibles valores de "Hombre" y "Mujeres". los iconos de casos con diferentes valores se colorean con matices distintos. y así sucesivamente. tiene números para los valores. como el rojo. la barra de colores está por debajo de un nombre de atributo. verde y morado. Puede modificar el esquema de color de un atributo haciendo doble clic sobre la barra de color. Impresión Colorizada (Color Plot) Cuando se selecciona un atributo de las tarjetas de datos. 24-31 en la 32-39 que viene. "Pinto". Para los atributos numéricos. Color de pelo es también un categórico con los valores de "Negro". Atributo categórico (Category Attribute) Un atributo categórico tiene valores que son letras o palabras.Un atributo numérico. un rectángulo de color gris alrededor de su nombre en las tarjetas de datos. puede colocar los 16-23 años de edad en una bandeja. por ejemplo. en el siguiente. mientras que los casos con los valores más pequeños son casi blanco. Los casos con los valores más grandes tienen el tono más oscuro (rojo oscuro. por ejemplo. Los contenedores están separados por líneas gris claro. por ejemplo). los iconos del caso toman los colores seleccionados para dicho caso. y los iconos del caso en la trama de color con paleta de colores de atributo. Contenedores (Bins) Contenedores son divisiones de las pantallas de salida de Tinkerplots que contienen todos los casos de un tipo determinado. y así sucesivamente. A diferencia de los atributos numéricos. como la longitud o la edad. "Blanca". como la edad. Atributos seleccionados (Selected Attribute) Este es el atributo seleccionado en las tarjetas de datos o tabla de casos. Puede representar gráficamente los atributos de la categoría por la separación de los casos en sus diferentes categorías. Para los atributos categóricos. los iconos de casos son de color con un gradiente de colores diferentes-rojo. En una tabla de casos. no puede representar los atributos de la categoría en una recta numérica o encontrar su media.

lo que provocaría que todos los gatos menores de 2 años entraran en la sección de “casos excluidos”.Atributo totalmente separados (Totally separated bins) Cuando se separa un atributo en un contenedor tanto como sea posible dentro de una pantalla de salida. podría haber sido dejado en blanco porque era un gato callejero y nadie sabía su edad. La edad de un gato. por ejemplo. Cuando un atributo numérico. el icono del caso se trasladará a la parte derecha de la ventana de dibujo en la sección de “casos excluidos”. tal como la edad es “totalmente separado”. el atributo se denomina que está totalmente separado. Si pones la edad en un eje de la trama. el eje aparece como una línea continua y las marcas de separación no están visibles. En este caso. Además. el icono del caso para que dicho gato se pondrá color gris. Tipo de Icono de Caso (Case Icon Type) . suponga que quería que su gráfica sólo mostrara los gatos que eran mayores de 2 años. cuando el atributo Edad está seleccionado. Usted puede establecer el valor mínimo del eje de Edad en 2. un caso no podrá contar con un valor de un atributo. Los casos excluidos (Casos excluidos) A menudo.

Hay varios tipos de iconos de caso que usted puede elegir para un gráfico TinkerPlots, incluyendo círculo (por defecto), cuadrado, barra de valores, y el rectángulo difuminado. Cambiar el tipo de icono de caso le permite hacer una gráfica con iconos de gatos, por ejemplo. Fórmula en Atributo (Attribute Formula) Puede utilizar una fórmula dentro de un atributo para calcular los valores de un atributo. Por ejemplo, podría utilizar una fórmula para convertir las alturas medidas en pulgadas a la altura medida en centímetros, o de dividir el atributo “ingreso” de varios países por el atributo “población” para hacer un nuevo atributo, “Ingreso por Población”.

Trabajando con documentos Tinkerplots.
Partes de un documento.
La imagen inferior muestra las partes de una pantalla de salida de tinkerplots. Cuando abrimos un documento nuevo esta pantalla aparece en blanco. Debemos arrastrar un objeto de la barra de objectos (Object toolbar) para ir creando nuestro reporte Tinkerplots.

Los documentos en Tinkerplots están formados por graficadores (plots), tablas de caso, tabla de propiedades y texto (como títulos y resúmenes).

Crear un nuevo documento.
Seleccione New del menú File.

Iconificar objetos y presentarlos en otra ventana.
Los objetos dentro de una pantalla de tinkerplot puede iconificarze para mejorar su visualización. Para iconificar hay que hacerlo pequeño y el sistema automáticamente lo convertirá en un ícono.

Para volverlos a su tamaño normal hay que arrastrar la esquina del icono hasta que lo hagamos del tamaño deseado. También podemos mandarlos a una ventana nueva. Para esto seleccionamos el objeto y pulsamos derecho para activar el menú contextual, seleccionamos a su vez la opción “View in Window”.

Trabajando con Colecciones.
En TinkerPlots, los conjuntos de datos, o las colecciones, se almacenan en una pila de tarjetas de datos o tabla de casos. Con las tarjetas de datos se puede ver un caso en el momento, agregar o cambiar los datos, arrastre los atributos en las pantallas de gráficos, y cambiar el esquema de color de los atributos. Puede utilizar otros objetos, es decir, las tablas de casos y las pantallas, para ver los datos de muestra de otras maneras.

Haciendo una nueva colección.
Hay dos manera de crear una nueva colección. Introduciendo valores con tarjetas de datos o con tablas de casos. La primera forma incorpora un caso, experimento o muestra a la vez, incorporando información sobre el caso (a través de los atributos) como si fueran tarjetas o cartas de una baraja. Este tipo de forma de introducir datos es la mas sencillas pero la mas laboriosa.

La segunda forma incorpora los datos en forma tabular. Cada columna es un atributo y cada fila un caso, muestra, experimento o realización. Usando Tarjetas de casos. 1. Abra un archivo nuevo, pulsando en File y después en New. 2. Arrastre el objeto de pila de cartas desde la barra de objetos hacia el documento. Esto creará una pila de cartas o casos en el documento nuevo. 3. En cada tarjeta, pulsa doble en la sección que dice < new attribute> para incorporar un nuevo valor para la tarjeta. Primero hay que darle nombre al atributo: por ejemplo “Peso”. Una vez dado el nombre automáticamente se nos dará la opción de colocar el valor para ese atributo en la columna “Value”. 4. Para incorporar un nuevo atributo hay que pulsar doble en la sección de nuevo atributo justo abajo de donde dejamos el anterior atributo. 5. Para crear un nuevo caso, hay que pulsar en la flecha derecha justo en la esquina superior derecha de la pila de cartas. 6. Guarde inmediatamente para no perder la información. Usando Tablas de casos. 1. Abra un archivo nuevo, pulsando en File y después en New. 2. Arrastre el objeto de tabla de casos desde la barra de objetos hacia el documento. Esto creará una nueva tabla de casos en el documento nuevo. Los nombres de los atributos se incorporan en la primer fila y cada color descriptivo del caso en la primer columna. Esto asemeja mucho a hoja de cálculo. 3. Pulse en el titulo de cada columna, donde dice new para incorporar un nuevo atributo.

4. Grabe inmediatamente su trabajo.

Trabajando con atributos.
Un atributo es un rasgo o característica de un caso. Si usted recolectó datos sobre el peso que sus estudiantes llevan en sus mochilas, peso de la mochila sería uno de los atributos que estaría interesado en ingresar. También podríamos obtener de sus estudiantes el grado, sexo, edad y peso corporal. Cada una de estas características es también un atributo. En las tarjetas de datos, los nombres de atributos se enumeran en la columna de la izquierda. En las tablas de casos, los atributos se enumeran en la fila superior. En las pantallas, los casos están dispuestos a lo largo del eje vertical u horizontal de acuerdo a los valores de sus atributos.

por ejemplo). Para controlar esta opción de visualización. Primero es necesario que la fila de unidades sea visible. A diferencia de los nombres de atributos. haga clic en la columna de la Unidad del atributo. Para agregar nuevos casos: En una tarjeta de casos: Como vimos es sencillo agregar un nuevo caso en una tabla de casos. los nombres de las unidades pueden tener espacios y símbolos ("$ dólares EE. En una pantalla: Hay que pulsar el icono de “Add Case”. Para entrar una unidad de medida. 2. para esto seleccione “Show Units” en el menú “Options” que se encuentra en la parte superior derecha de la tabla de casos. Usted puede entrar la unidad de medida en la columna de “Unidad” de las tarjetas de datos. . y el peso se puede medir en kilos.En las tarjetas de datos. Ingresar un nuevo valor y pulsar Enter. 3. Pulse Intro.UU. 1. seleccione la pantalla adecuada y elija “Hide Attribute Units” en el submenú de opciones del menú “Plot”. La altura se puede medir en centímetros.". solo hay que seleccionar el último caso y pulsar flecha abajo. De manera predeterminada. Agregando nuevos casos. Escriba el nombre de la unidad. También puede ver y agregar unidades en una tabla de casos. por ejemplo.Algunos atributos tienen unidades. la unidad aparecerá junto con el nombre del atributo en los ejes del gráfico.

sitúa el cursor sobre el dispositivo. Para eliminar varios elementos a la vez. usted puede construir un modelo de toma de muestras para lanzar una monedas (sesgada o no) o la probabilidad de lluvia. haga clic en el botón + debajo del dispositivo. . haga clic en el botón -. incluyendo el muestreo sin reemplazo. • Haga una pausa la recopilación de datos haciendo clic en el botón de pausa. Esto elimina el último elemento añadido. haga clic en el botón Detener o pulse la tecla Esc. arrastre un rectángulo de selección alrededor de ellos. cambiando el valor del atributo “Repeat”. Partes del Muestreador.Trabajando con el muestreador (Sampler) Puede utilizar un sampler para modelar los procesos probabilísticos y la generación de datos. y analizar los datos de la tabla de resultados en una pantalla para explorar las cuestiones acerca de la probabilidad de varios eventos. • Detener la recopilación de datos. • Para quitar un elemento de un dispositivo. El menú desplegable de opciones en la parte inferior izquierda del dispositivo incluye varias opciones. barras o pilas). haga clic en el . Al hacer clic en el botón RUN crea automáticamente la tabla de resultados a la derecha. • Ajuste el número de resultados recogidos por realización. • Para cambiar el tipo de dispositivo de un mezclador (o bolsa de canicas. El atributo “Join” combina los resultados de cada tres juntos en un solo atributo. ejecutar la toma de muestras y recolectar datos en una tabla de resultados. La siguiente figura muestra un muestreador a la izquierda. a continuación. ruleta. cambiando el valor del atributo “Draw”. Para agregar un sampler a su documento. • Ajuste la velocidad de muestreo mediante el ajuste del regulador de velocidad de ejecución. • Para añadir un elemento a un dispositivo (mezclador. por defecto) a una ruleta u otro dispositivo. y está diseñado para representar la situación de lanzar una moneda tres veces (Draw 3). arrastre el icono de la toma de muestras de la barra de herramientas de objetos en el documento. • Para iniciar la recopilación de datos.(menos) abajo del dispositivo. Se muestran los resultados de la ejecución del muestreador cinco veces (repetir 5). Vistazo al Muestreador. Por ejemplo. haga clic en el botón RUN. una H y T una. El dispositivo en el muestreador (mezclador) se ha llenado con dos elementos. • Ajuste el número de elementos por resultado.. arrastre el nuevo dispositivo al ya existente.

Luego. También son útiles cuando se tienen muchos elementos distintos. ya sea con (por defecto) o sin reemplazo. como los estudiantes mencionados por su nombre. utilizando el cursor. seleccione Replacement | Without Replacement en el menú de opciones del dispositivo. . Cuando se ejecuta la toma de muestras a baja velocidad. utilice el dispositivo pilas. También puede seleccionar “Show Count” del menú del dispositivo en “Options” en la esquina inferior izquierda del dispositivo. Aquí se da una breve descripción de ellos y para lo que cada uno es particularmente útil. diseñado para modelar el lanzamiento de una moneda. Para ello sería necesario mucho trabajo para entrar directamente los valores a un mezclador. por ejemplo. Mezcladores son muy útiles cuando se tiene un pequeño número de elementos para entrar. Usted puede llenar los mezcladores y las pilas con un cierto número de elementos discretos. se puede ver como los elementos son eliminados uno a uno conforme el muestreo continúa. se puede muestrear de ellos. mostrándola abierta para sugerir que los elementos salen para no regresar. Simplemente haga clic en el botón + en la barra de dispositivo para agregar más elementos y haga clic y edite los nombres de los elementos. como en el mezclador mostrado abajo. Hay seis tipos de dispositivos se pueden utilizar en la toma de muestras. y luego editar el número que aparece arriba de cada tipo de elemento. Supongamos. La parte superior o "apertura" de la mezcla o de las pilas va a cambiar cuando se establece "sin sustitución". puede arrastrar la parte superior de cada pila. Para ingresar un gran número de elementos duplicados. basta con editar las etiquetas a lo largo del eje inferior. Mezclador y Pilas. para ajustar el número en la pila. Para especificar el muestreo sin reemplazo. Dado que los dispositivos de mezcla y las pilas tienen un número fijo de elementos discretos.Tipos de Dispositivos en un Muestreador. En un dispositivo de pilas. que desea determinar las probabilidades asociadas con muestrear a los niños y niñas de una escuela en la que hay 41 niños y 45 niñas.

Supongamos que queremos un modelo de moneda que se inclinaba ligeramente a favor de la cara. Una forma de hacerlo sería crear.Ruleta y Barras Las Ruletas y las barras consisten en elementos que tienen áreas en lugar de las frecuencias. Algunas personas encuentran que la ruleta es la manera más fácil para modelar diversos dispositivos de azar. Usted puede especificar un rango de. Puede ajustar estas áreas. también puede seleccionar los “Equalize Angles” (para la ruleta) o “Equalize Heights” (para las barras) en el menú de opciones del dispositivo. 100 elementos y que 51 de ellos fueran caras y 49 fueran cruces. Las barras son útiles cuando se tienen muchos elementos diferentes con una variedad de probabilidades. como se muestra a continuación. tendría que añadir. que inicialmente le da una serie de barras que están a la misma altura y por lo tanto de igual área (una distribución uniforme). Por ejemplo. Haciendo clic y arrastrando el cursor sobre cada barra. como los dados. que consisten en un único objeto con múltiples caras o elementos. por ejemplo. suponga que desea hacer una distribución del número de minutos que tiene que esperar para el siguiente autobús. y editar los valores. usted puede cambiar la altura de estas barras para dibujar una forma aproximada a la distribución (noción de distribución). ya sea por arrastre directamente en el dispositivo. por ejemplo. por ejemplo. Usando la ruleta. Pero si usted quiere un sesgo muy pequeño. o mediante la selección de “Show Percent” o “Show Proportion” en el menú “Options” de dispositivo. de 0 a 10. se puede crear un pequeño sesgo arrastrando el límite entre las dos rebanadas. Para hacer que todos los elementos sean iguales. 3 caras y 2 cruces en un mezclador. La forma en este ejemplo sugiere que lo más probable es que el próximo autobús llegará dentro de 7 minutos. .

En TinkerPlots. la mejor manera de aprender TinkerPlots es simplemente empezar a experimentar con el programa. separar y apilar y diferentes tipos de iconos y sus opciones para crear lo que quieres lo que se denomina “escenarios” o “stages”. Se utilizan comandos como ordenar. Debido a esto. Curva de Distribución. La curva de distribución permite ampliar las posibilidades del dispositivo de barras. No tiene gráficos de dispersión. histogramas o gráficos circulares. Trabajando con Pantallas (Plots) TinkerPlots no tiene un menú de tipos de gráficos. esto es que sus valores siempre serán los mismo para cada experimento. la construcción de gráficos sea hace de manera progresiva mediante la organización de los iconos en las pantallas o plots. no se puede muestrear de ellos sin reemplazo. Contador de Datos.Dado que las barras y la ruleta se componen de áreas en lugar de números discretos de elementos. y mediante la combinación de estos se puede hacer muchos tipos de gráficos. Casi todas las operaciones trabajan con todas las demás operaciones. El contador de datos permite construir una distribución empírica sistemática. Partes de las Pantallas . al crear un área bajo una curva que represente las probabilidades de una distribución particular.

Ordenar. . ordena los valores de acuerdo a un atributo seleccionado. Operaciones Básicas. Gráfico de puntos apilados. Si la pantalla está en blanco es por 2 razones: O no hemos ingresado ningún dato.Para crear una pantalla hay que arrastrar el icono de “Plot” hacia el documento. Las operaciones básicas con los datos en las pantallas. por lo que hay que relacionar una pantalla con una colección en particular. La figura muestra la forma de crear un gráfico de un atributo númerico mienstras mostramos los casos individuales de una manera separada y limpia. separa los elementos en categorías de valores. son: • • • Apilar Ordenar. Creando Gráficos y Tablas comunes. O tenemos dos o más colecciones de datos en el documento. Separar Apilar simplemente apila los elementos ya sea vertical u horizontalmente. Separar.

Separar completamente al atributo.Esto separará el atributo de manera horizontal. 2. 3. Lo cual hace útil en analizar distribuciones de diferentes poblaciones por ejemplo. La pantalla mostrará la zona en la que la podemos dejar. Este gráfico se puede convertir a este: Si arrastramos un atributo categórico al eje vertical. Arrastre un atributo numérico desde una tarjeta de datos hacia el eje horizontal. Pulsar el botón de apilar verticalmente. Histrograma . Gráficos de barras.Para generarlo: 1. Un gráfico de puntos puede convertirse en barras como este si pulsamos el boton “Count N” de la barra de herramientas de pantalla. justo en la parte inferior de la zona de dibujo. Seleccionar un caso y arrastrarlo hacia la derecha para eliminar las marcas de los bines.

Colocar un atributo en el eje horizontal. 2. Selecciona que atributo vas a utilizar para colorear el gráfico. Selecciona la opción de icono a “Fusion Circular” Fusionar circularmente. .Para crear un histograma como este Podemos iniciar con el gráfico de puntos. 4. Crear un diagrama de caja. Colorea con otro atributo. pero conservando los bines (paso 2). Gráficos de Pastel. Para generar gráficos de pastel: 1. Luego pulsamos “Stack Vertically” apilar verticalmente y luego Fusionar (Fuse) Rectangularmente. 3. hasta un máximo de 8. de la barra de tipos de icono. Ordena los valores.

Texto 1. Si un cuadro de texto no contiene nada. Solo algunas consideraciones: Para editar el texto (formateo del texto) se debe visualizar la herramienta de formato de texto. Arrastra el icono de texto a un lugar dentro de del documento. Arrastra un caso todo hacia la derecha hasta que desaparezcan los bines. pero TinkerPlots no es un procesador de textos. Se pueden tener un numero indeterminado de cuadros de texto. Selecciona boxplot al pulsar en la marca de triangulo a la derecha del icono de gráfico“Hat”. consulte Backpack Report. Para un ejemplo de un informe.1. También se puede copiar y pegar imágenes y texto desde otras aplicaciones hacia Tinkerplots para enriquecer lo que contiene un reporte. localizado en la carpeta de demostración. 2. A su vez podemos copiar las pantallas de Tinkerplots hacia otra aplicación. desde el menu “Edit”.tp. 3. Selecciona un atributo y colócalo en el eje vertical. seleccionando “Copy Picture” del menu “Edit” al seleccionar un objeto de un documento. se le incorpora un borde gris para su fácil localización y manipulación. Escribe texto dentro. Separa el atributo completamente. Solo cabe recordar que si realizamos algún cambio necesitaremos repetir la operación ya que el objeto se copia a la aplicación destino como Imagen. Haciendo un reporte TinkerPlots cuenta con las herramientas básicas necesarias para escribir e imprimir un informe. Si su informe es largo y complejo. quizás sea mejor copiar los resultados de TinkerPlots y pegarlos en otra aplicación diseñada específicamente para la redacción del informe. . 2.

Ibrahim Dahlstrom-Hakki. Kosoom Kreetong.com www. Inc. Bill O'Connor. Amy Robinson. REC-0337675. Kristin Ferraioli.Créditos Traducción: M. Andee Rubin. Macintosh Tooltips using SolarPanel © Gabriele de Simone. Rick Billstein. TinkerPlots™ is a trademark of the University of Massachusetts. Linda Tetley Advisors: Heather Dever. Richard Lehrer. Robert Gould. Susan Friel.2006 Pthreads-win32 contributors The pthreads-win32 library and its use are covered under the terms of the GNU Library General Public License a copy of which may be found in the reference materials that come with TinkerPlots. Dynamic Document Model. Rachel Wing. Bossom Copyright © 1999. Scott Johnson.keypress. Rebecca Gibson. Leona Schauble. Matt Litwin. Deborah Lucas. Jim Hammerman. Formula Editor © 1999 by Pacific Tech www. Miller Development Team: Clifford Konold. All other trademarks are held by their respective holders. Jim Williamson. Josephine Noah.PacificT. William Finzer. Craig D. Heather Gomez. Stephen Chu. Stephen Chu. William Finzer. KCPT Framework. and conclusions or recommendations expressed in this publication are those of the authors and do not necessarily reflect the views of the National Science Foundation. All rights reserved. Fathom Dynamic Data™ is a trademark of KCP Technologies.com. Kathy Jansen. Doug McFarlane. Laurel Shortell. Jim Hammerman. Sibel Kazak. Steve Rasmussen. Edmar Mota García Software Designers: Clifford Konold. and Fathom Data Engine ©2004 by KCP Technologies. Amy Doherty. Joan Garfield. Miller Activity Consultants: Julie Downs.POSIX Threads Library for Win32 Copyright © 1998 John E. Khalimahtul Khalil. 1998–99 Pthreads-win32 . Heather Dever Production Editors: Andrew Jones. Uri Wilensky. Rommel Manuel Design Consultants: Rich Lehrer. Christine Osborne Publisher: Steven Rasmussen NSF Program Officer: John Bradley Funded by the National Science Foundation under awards ESI-9818946. Andres Marti. Minjoung Kim. Craig D. Amy Doherty. Leonid Vainerovsky Collaborating Software Engineers: Kirk Swenson. Key Curriculum Press 1150 65th Street Emeryville. Amy Brodesky. CA 94608 techsupport@keypress. Robert Gould Content Editors: Jocelyn Van Vliet. Jim Mamer. Zhihui Zhang. Jim Stoddard. Anthony Harradine. Craig D.C. Dick Lesh. Mike Shaughnessy. Rich Lehrer. Miller. Dan Konold. Josh Konold Icon Design: Suzanne Anderson. Nancy Moriarty. Paul Velleman. Koeno Gravemeijer. Meg Meyer. Tamar Chestnut. Teri Hedges. findings. and ESI-0454754. Any opinions.com . Arthur Bakker. Jim Williamson Field Test Teachers: Deborah Lucas. Brandy Vickers. John Gambino. Antony Partensky. Ann Frederickson. Andee Rubin Evaluators: Joan Garfield. Ira Papick. Miller Lead Software Engineer: Craig D.

número de pulsaciones por minuto. Por ejemplo.. físico. eventual. FENÓMENOS ESTOCÁSTICOS La principal razón para introducir el estudio de las situaciones aleatorias y las nociones básicas sobre probabilidad en la enseñanza primaria es que las tales situaciones son frecuentes en la vida cotidiana. donde una característica es el carácter imprevisible del resultado. etc. sin intención. la oca. color de pelo..1. 1... Se dice de lo que depende de la suerte o el azar". El azar en la realidad Al tratar de buscar ejemplos de fenómenos aleatorios encontramos cuatro grandes campos de aplicación de la estadística relacionados con el hombre: el mundo biológico. por chiripa. por chamba . inesperado inopinado. • Esta definición nos remite al juego de dados. fortuito. vemos que muchas características heredadas en el nacimiento no se pueden prever de antemano: el sexo. de rechazo. accidental. de rebote. Si buscamos la palabra azar encontramos: "Del árabe 'zahr'. etc. . peso al nacer. etc. • Si buscamos la palabra aleatorio en el "Diccionario del uso del español" (M. cuentos y canciones infantiles. sin plan.Probabilidad B: Conocimientos Matemáticos 1. dependen incluso del momento en que se miden.. social y político. organizan sorteos. Hay muchas otras palabras relacionadas con “azar” y “aleatorio”: casual.2. imprevisible. Moliner (1983) encontramos: "Incierto. los niños usan canciones como “Pito –pito” para echar a suertes en el escondite o en el rescate. flor. Algunos rasgos como la estatura. un ejemplo típico de lo que todo el mundo acepta como fenómenos aleatorios. juegan al parchís. recuento de hematíes. prensa y literatura encontramos con frecuencia referencias al azar. 1. 739 . Esta variedad de expresiones indica que los fenómenos aleatorios son cercanos a nuestra experiencia y que incluso los niños son capaces de observar el carácter imprevisible de estos fenómenos. siendo el azar la "supuesta causa de los sucesos no debidos a una necesidad natural ni a una intervención intencionada humana ni divina". ocasional. por la que se pintaba en una de las caras del dado". Nuestro mundo biológico Dentro del campo biológico. juegos.. Azar y lenguaje En nuestras conversaciones. impensado. por suerte. sin querer. También hay muchas expresiones que se usan en los juegos infantiles. con este mismo significado: por suerte.

intensidad. la posibilidad de heredar una cierta enfermedad o defecto. Godino En medicina. ¿quién ganará el próximo partido?. Cuando hacemos una póliza de seguros no sabemos si la cobraremos o por el 740 . ¿Cuántos viajeros usarán el autobús? ¿Cuántos clientes habrá en la caja del supermercado el viernes a las 7 de la tarde? En nuestros ratos de ocio practicamos juegos de azar tales como quinielas o loterías. ¿Qué mejor fuente de ejemplos sobre fenómenos aleatorios que los meteorológicos?. También en nuestro mundo físico dependemos de ciertas materias primas como el petróleo. o la posibilidad de un diagnóstico correcto cuando hay varias posibles enfermedades que presentan síntomas parecidos varían de uno a otro chico. La duración. . extensión de las lluvias. . Por último. etc. En la escuela... También lo son las posibles consecuencias de estos fenómenos: el volumen de agua en un pantano. o para ir de vacaciones. la escuela. Acudimos a encuentros deportivos cuyos resultados son inciertos y en los que tendremos que hacer cola para conseguir las entradas. En agricultura y zootecnia se utilizan estos modelos para prever el efecto del uso de fertilizantes o pesticidas. Otra fuente de variabilidad aleatoria es la medida de magnitudes. citamos los problemas de fiabilidad y control de la calidad de los aparatos y dispositivos que usamos: coche. la magnitud de daños de una riada o granizo son ejemplos en los que se presenta la ocasión del estudio de la estadística y probabilidad. evaluar el rendimiento de una cosecha o las consecuencias de la extensión de una epidemia. televisor. etc. o el modo en que se determina el recuento de glóbulos rojos a partir de una muestra de sangre son ejemplos de situaciones aleatorias.. por ejemplo. el trabajo. Para desplazarnos de casa a la escuela. así como en los tipos diferentes de caracteres o capacidades de los individuos. El mundo físico Además del contexto biológico del propio individuo. observamos el efecto del azar sobre el cociente intelectual o en la intensidad de respuesta a un estímulo. la estimación de estas necesidades. la duración de un cierto síntoma. Cuando se hacen predicciones sobre la población mundial o en una región dada para el año 2050. tormentas o granizos. la intensidad y dirección del viento son variables aleatorias. el precio. la familia. se están usado estudios probabilísticos de modelos de crecimiento de poblaciones. longitudes. El número de hijos de la familia. Cuando pesamos. de igual forma que cuando se hacen estimaciones de la extensión de una cierta enfermedad o de la esperanza de vida de un individuo. la posibilidad de contagio o no en una epidemia. y en el ámbito de la psicofisiología. nube tóxica.C. las temperaturas máximas y mínimas. localización de fuentes de energía. Batanero y J. Por último. están sujetos a variaciones de un claro carácter aleatorio.. el riesgo de reacción a la misma. El efecto posible de una vacuna. El mundo social El hombre no vive aislado: vivimos en sociedad. medimos tiempo. la edad de los padres al contraer matrimonio. las creencias o aficiones de los miembros varían de una familia a otra. la edad en que se sufre una enfermedad infantil. Uno de los problemas que se puede plantear es la estimación del error del instrumento y asignar una estimación lo más precisa posible de la medida. carbón y otros minerales. el tipo de trabajo. dependemos del transporte público que puede sufrir retrasos. o sobre la posibilidad de extinción de las ballenas. nos hallamos inmersos en un medio físico variable. cometemos errores aleatorios. D. ¿podemos prever las preguntas del próximo examen?. etc. etc. el ocio están llenos de situaciones en las que predomina la incertidumbre.

¿Podrías acabar de clasificar estas palabras según la mayor o menor confianza que expresan en que ocurra un suceso? Busca en el diccionario nuevas palabras o frases para referirte a hechos que pueden ocurrir y compáralas con las dadas anteriormente. puede ser. Utilizamos la expresión "experimento aleatorio" para describir este tipo de situaciones. estadísticas demográficas. la propia acción de observar el fenómeno se considera como un experimento. producción de los distintos bienes. hay igual probabilidad. a diferentes resultados. han buscado una lista de expresiones para utilizar en la descripción del pronóstico. de las que diariamente escuchamos sus valores en las noticias. necesita tomar múltiples decisiones que dependen de fenómenos inciertos y sobre los cuales necesita información. Acuden a la misma escuela y su profesor les ha pedido que preparen una previsión del tiempo para el día 24 de Junio. Puesto que están aún en el mes de Mayo. Compara tu clasificación con la de otros compañeros. las tasas de población activa..1. comercio. Por el contrario. Los primeros son aquellos que. PROBABILIDAD. 741 . en éste último caso. posible. casi imposible. nacional o de organismos internacionales.. Busca en la prensa frases o previsiones sobre hechos futuros en que se usen las palabras anteriores. 2. dependiendo de la época del año unos sucesos nos parecen más probables que otros. Desde los resultados electorales hasta los censos de población hay muchas estadísticas cuyos resultados afectan las decisiones de gobierno y todas estas estadísticas se refieren a distintas variables aleatorias relativas a un cierto colectivo. seguro. la comprobación del sexo de un recién nacido se puede considerar como la realización de un experimento. emigración . en idénticas condiciones. Experimento y suceso aleatorio Un ejemplo cotidiano de situación aleatoria es el pronóstico del tiempo. Diferenciamos entre experimentos deterministas y aleatorios. se espera que. El mundo político El Gobierno. un experimento aleatorio se caracteriza por la posibilidad de dar lugar. Clasifícalas según la confianza que tienes en que ocurran. He aquí algunas de ellas: cierto. ASIGNACIÓN SUBJETIVA DE PROBABILIDADES 2. Entre las más importantes citaremos: el índice de precios al consumo. Ejercicios 1.inmigración. etc. hay alguna posibilidad. bastante probable... .Probabilidad contrario perderemos el dinero pagado.. 2. Por ejemplo. Sin embargo. cuando compramos acciones en bolsa estamos expuestos a la variación en las cotizaciones. a cualquier nivel. Por este motivo la administración precisa de la elaboración de censos y encuestas diversas. realizados en las mismas circunstancias sólo tienen un resultado posible. fecha en que comenzarán sus vacaciones. Por ello. local. Daniel y Ana son niños cordobeses. Daniel y Ana no pueden predecir exactamente lo que ocurrirá. es imposible. incierto. Para llevarlo a cabo se aplican las técnicas de recogida de datos estadísticos y para un día dado no sabemos con seguridad cuál será la temperatura o si lloverá. sin duda. En probabilidad llamamos "experimento" tanto a los verdaderos experimentos que podamos provocar como a fenómenos observables en el mundo real.

En una caja hay 4 bolas rojas. 5. 742 . las probabilidades asignadas tienen un carácter subjetivo. Suele representarse mediante la letra E. que llamaremos la escala de la probabilidad (Figura 1). Una vez realizado el ejercicio 1 individualmente o por parejas. donde hay infinitos puntos. Puesto que el suceso seguro consta de todos los resultados posibles. 1000]. Godino Suceso es cada uno de los posibles resultados de un experimento aleatorio. pueden compararse los resultados de los diversos grupos. Suceso seguro e imposible El conjunto de todos los resultados posibles de un experimento aleatorio se denomina espacio muestral o suceso seguro. se hace corresponder un valor numérico entre 0 y 1. 2. Otros casos serían el peso o la talla de una persona tomada al azar de una población. la duración de una lámpara podría variar en un intervalo continuo [0. 3 verdes y 2 blancas. Puesto que cada alumno o grupo ha trabajado independientemente del resto. Ejercicio 3. disyunción o negación. D. el espacio muestral obtenido al lanzar un dado sería E = {1. Lo llamaremos suceso imposible y lo representamos por ∅. siempre se verifica.C.3. ¿Podrías dar ejemplos de otros sucesos incompatibles? 2. 3. Ejercicios: 4. Para cada uno de ellos describir un suceso simple y otro compuesto. pero podemos considerar un espacio muestral con infinitos resultados posibles. Batanero y J. ¿Cuántas bolas se deben sacar sucesivamente para estar seguro de obtener una bola de cada color? 7. 2. no pueden ocurrir a la vez los sucesos "obtener par" y "obtener impar" cuando lanzamos un dado. Este espacio muestral es finito. para asignar probabilidades a sucesos. Cada alumno podría usar diferente información o distintos criterios seguidos en su asignación. Poner tres ejemplos de experimentos aleatorios y deterministas. Por ejemplo.2. 5. como obtener un 7 al lanzar un dado ordinario. Tampoco podrían ocurrir a la vez "ser menor que 3" y "ser mayor que 5". b) suma de los puntos obtenidos al lanzar simultáneamente dos dados. Teóricamente podríamos también pensar en un suceso que nunca pueda ocurrir. Por ejemplo. Describir el espacio muestral asociado a cada uno de los siguientes experimentos: a) lanzamiento simultáneo de dos monedas. Esto permite comparar diferentes sucesos. 6}. Distinguimos entre sucesos elementales. o bien situarlos sobre un gráfico. Asignación de probabilidades subjetivas La asignación de probabilidades mediante palabras o expresiones no es muy precisa. 6. Describir un suceso imposible asociado a cada uno de los experimentos del ejercicio 2. Por ejemplo. Dos sucesos que no pueden ocurrir a la vez se llaman incompatibles. Por ello. cuando no pueden descomponerse en otros más simples y suceso compuestos cuando se componen de dos o más sucesos elementales por medio de operaciones lógicas como la conjunción. 4.

energía. o de vivir en el año 2010. por ejemplo. Por ello. Entre estos dos casos se encuentran el resto de los sucesos asociados a cada experimento. algunos de ellos nos merecen más confianza que otros. en función de nuestros conocimientos sobre las condiciones de realización del experimento. Por ejemplo. diremos que es muy alta. si su médico sabe que esta persona sufre una enfermedad incurable dará un valor bajo para esta misma probabilidad. diferentes personas podrían asignar una probabilidad distinta al mismo suceso. A pesar de que no sabemos cual de ellos ocurrirá en una prueba particular. según sea un chico o una chica. Ejercicios: 8.. Asignamos un 1 a un suceso que ocurre siempre que se realiza el experimento. hacer predicciones sobre la probabilidad de vivir x años.Probabilidad Finalmente. La probabilidad varía entre 0 y 1 El suceso seguro siempre ocurre y el suceso imposible no puede ocurrir. el profesor. A cualquier otro suceso distinto del "imposible" y del "seguro" se le asigna un número entre 0 y 1. le asignamos un número entre 0 y 1 llamado su probabilidad. por ejemplo. viajes interplanetarios. Discutir y ordenar las probabilidades de que se produzcan diversos inventos antes de 5. Asignamos una probabilidad 0 a un suceso que nunca puede ocurrir.. podremos obtener unas probabilidades en las que toda la clase se muestre de acuerdo. Esperanza de vida: A partir de una tabla de vida. Hay igual probabilidad Imposible 0 Seguro 1 2 1 0 10 5 10 10 10 Figura 1 2. como grado de creencia Para medir la mayor o menor posibilidad de que ocurra un suceso en un experimento.) 743 .4 Probabilidad. o 10 años (vacunas. etc.. Por medio de la probabilidad cuantificamos nuestro grado de creencia acerca de la ocurrencia de cada uno de los sucesos asociados a un experimento. 9. Este valor lo asignamos de acuerdo con nuestra información y la creencia que tengamos en la ocurrencia del suceso. Pero. Investigación. que salga un 7 al lanzar el dado. tomando el valor medio o la mediana de las probabilidades asignadas individualmente a los diversos sucesos por los diferentes alumnos. si nos preguntan por la probabilidad de que una cierta persona llegue a cumplir 25 años. al lanzar una moneda es seguro que saldrá o "cara o cruz".

Busca dos gráficos estadísticos diferentes que hayan aparecido en la prensa local recientemente. h(par)= h(2)+h(4)+h(6). la frecuencia relativa del suceso A es la suma de las frecuencias relativas de los sucesos que lo componen. en los teoremas conocidos como "leyes de los grandes números". Supongamos que un suceso A se forma uniendo sucesos que no tienen elementos comunes. Estimación frecuencial de la probabilidad La estabilidad de la frecuencia relativa en largas series de ensayos. En este caso. Escribir una serie de frases sobre la reducción o aumento del número de accidentes. al lanzar un dado. etc. Frecuencia absoluta y relativa. Resultados de elecciones. ¿Podrías hacer un gráfico alternativo para representar la información en cada uno de los casos? 3. o de que logre todos los votos. en las estadísticas recogidas en grandes series de datos sobre natalidad. Confeccionar una tabla estadística con estos datos. También puede observarse experimentalmente. Estabilidad de las frecuencias relativas Cuando realizamos un experimento N veces. por ejemplo. Para cada uno de ellos describe el experimento aleatorio al que se refieren. 12. Sin embargo. etc. 3. junto con el hecho de que haya fenómenos para los cuales los sucesos elementales no son equiprobables. D. Se pueden observar las tres propiedades siguientes en las frecuencias relativas: 1. La frecuencia relativa del suceso seguro siempre es 1 en cualquier serie de ensayos. Dos alumnos de la clase que realicen el mismo experimento 50 veces pueden obtener diferentes valores de las frecuencias absoluta y relativa del mismo suceso. Con motivo de algunas elecciones escolares. 3. Este hecho tiene una demostración matemática. puesto que se trata de un fenómeno aleatorio. accidentes. Este es el único método de asignar probabilidades en experimentos tales como "lanzar una 744 . los sucesos asociados y cuál de ellos es más probable. hace que pueda estimarse el valor aproximado de la probabilidad de un suceso a partir de la frecuencia relativa obtenida en un número elevado de pruebas. Batanero y J. locales. llamamos frecuencia absoluta del suceso A el número NA de veces que ocurre A. plantear la mayor o menor probabilidad de que resulte elegido un candidato. 2. etc. probabilidad de que se produzcan en una fecha dada y ordenarlas de mayor a menor probabilidad. 11. para una serie larga de ensayos. ¿Cuál crees que será la temperatura máxima y mínima más probable la próxima semana? 13. La frecuencia relativa del suceso varía entre 0 y 1. Al cociente h(A)=NA/N le llamamos frecuencia relativa del suceso. El valor de la frecuencia relativa de un suceso no es fijo para N. un gráfico de barras o sectores). fenómenos atmosféricos.1. los 2/3. ESTIMACIÓN DE PROBABILIDADES 3. Recoger de la prensa los datos de las temperaturas máxima y mínima durante una semana en las capitales de provincia.C.2. Accidentes:. Por ejemplo. Para ello utiliza los gráficos de alguna encuesta publicada en la prensa local (por ejemplo. Godino 10. las fluctuaciones de la frecuencia relativa son cada vez más raras y de menor magnitud.

vemos también que es muy importante el tamaño de la muestra en la estimación de las probabilidades frecuenciales. de diez recién nacidos. es decir. La estimación de la probabilidad que se obtiene con el experimento simulado es tan válida como si se tratase del experimento real. e) Asigna un valor numérico a la probabilidad de obtener un 1. no obstante. 15. 7 u 8 fuesen varones. b) Experimentos peligrosos. ruletas.000 recién nacidos lo fuesen. A mayor tamaño de muestra. Este es el método que se emplea para obtener previsiones en las siguientes situaciones: a) Experimentos complejos. porque hay más variabilidad en las muestras pequeñas que en las grandes. etc.Probabilidad chincheta" o "tener un accidente de coche en una operación retorno". que. 745 . Con los resultados de toda la clase puede estimarse. Con este ejemplo. como sería planificar el tráfico durante una operación salida de vacaciones. por ejemplo. fichas. puede requerir bastante tiempo. mayor fiabilidad. 3. d) la probabilidad de obtener un 1es mayor que 1/2 . Recuerda. Ejercicios 14 ¿Cuál de las siguientes afirmaciones te parece verdadera cuando lanzamos un dado? ¿Por qué? a) la probabilidad de obtener un 3 es mayor que la de obtener un 6 b) la probabilidad de obtener un 6 es mayor que la de obtener un 3. Sin embargo. A veces. bolas. Sería más raro que fuesen varones 70 o más entre cien recien nacidos. incluso puede que no se dispongan de tales dispositivos en número suficiente para toda la clase. como dados. Sabemos. Simulación de experimentos aleatorios La realización de experimentos aleatorios usando dispositivos físicos. Por parejas. y todavía más difícil que más del 70% de entre 100. Una alternativa válida consiste en simular tales experimentos por medio de una tabla de números aleatorios. como estimar la temperatura de control o la velocidad de reacción permitida en una central nuclear. si en un hospital hacemos una estadística de nacimientos no sería raro que un día dado. aproximadamente. debido a las leyes genéticas la probabilidad de nacer varón o mujer es aproximadamente la misma. contando cuántas de ellas caen de punta o de cabeza. la probabilidad de estos dos sucesos y el profesor puede aprovechar para hacer observar a los chicos que existen ejemplos de experimentos en los que la aplicación de la regla de Laplace no es pertinente. Llamamos simulación a la sustitución de un experimento aleatorio por otro equivalente con el cual se experimenta para obtener estimaciones de probabilidades de sucesos asociados al primer experimento.3. Experimentos con chinchetas. Este procedimiento incluso permite resolver problemas de probabilidad reales haciendo las simulaciones con un ordenador. los alumnos lanzan una caja de chinchetas sobre una mesa. c) la probabilidad de obtener un 6 es igual que la de obtener un 3. constituye una estimación de la probabilidad. c) Situaciones futuras: estudios ecológicos o sobre contaminación ambiental. que el valor que obtenemos de esta forma es siempre aproximado.

4. REGLA DE LAPLACE Ejercicios 17. Un suceso compuesto que se compone de k sucesos elementales. P(6)= ? Razona la respuesta. la probabilidad de cada uno de estos sucesos elementales es 1/n En estos casos. d) Girar una ruleta como la de la figura 2. Cuando lanzamos un dado. 4. f) Observar el sexo de 2 recién nacidos C 90º D 90º 8231 1581 4496 6922 4871 3781 2179 7023 2125 5108 4167 1649 8048 7832 0564 8989 8540 5233 5297 7098 2530 564 9488 9461 2895 5516 9166 9033 0125 6403 7720 3295 3297 9526 0249 2423 3163 9349 8071 6207 5676 5354 7785 1473 4688 1518 8419 1256 9371 1817 Figura 3: Tabla de números aleatorios 4. obtenemos el espacio muestra E = {1. A = "obtener par" = {2. ASIGNACIÓN DE PROBABILIDADES. 746 . Godino Ejercicios 16. Escribe los elementos de los siguientes subconjuntos de E: B = "número impar" = C "número primo" = D = "número compuesto" = F = "múltiplo de 3" = Asigna probabilidades a cada uno de los sucesos B. . Supongamos que este dado está perfectamente construído. no podemos aplicar esta regla. Razona las respuestas. 5. D. o los números aleatorios generados por tu calculadora. tiene. 6 }. 3. ¿Cuál sería la probabilidad de cada uno de los resultados elementales. por tanto. . Batanero y J. 2. C. En el espacio muestral obtenido al lanzar un dado podemos formar subconjuntos suyos o sucesos. motivos para dar ventaja a ninguno de los resultados. c) Sacar bolas numeradas del 1 al 100 de una bolsa. B 45º A 135º e) Observar el sexo de un recién nacido. P(1) = . para simular los siguientes experimentos: a) Lanzar una moneda. al usar un dado sesgado) o bien cuando el espacio muestral es infinito. 6}. por ejemplo.C. Figura 2 b) Tirar un dado. Si un espacio muestral consta de un número finito n de sucesos elementales y no tenemos motivo para suponer que alguno de ellos pueda ocurrir con mayor frecuencia que los restantes. Explica cómo usar la tabla de números aleatorios de la figura 3.. D. E. No tenemos. podemos aplicar la regla de Laplace para calcular las probabilidades de los sucesos compuestos. en este caso una probabilidad igual a k/n (regla de Laplace) En el caso de que tengamos motivos para pensar que algún suceso puede darse con mayor frecuencia que otros (por ejemplo. 18..

De ellas. • El número de bombillas defectuosas en una caja de 10 bombillas 747 . • Adivinar el sexo de una pareja de mellizos no idénticos. Se toma un número comprendido entre 0 y 999 a) ¿Cuál es la probabilidad de que el número sea múltiplo de 5? b) ¿Cuál es la probabilidad de que la cifra central sea mayor que las otras dos? 21. calculamos las probabilidades usando la regla de Laplace. según el tipo de experimento aleatorio: a) En el caso de espacios muestrales con un número finito de sucesos elementales en los que pueda aplicarse el principio de indiferencia. que se recogen en la definición axiomática de la probabilidad. Encontrar la probabilidad de cada uno de los siguientes sucesos: a) Obtener un número par. A todo suceso A le corresponde una probabilidad P(A). los problemas de probabilidad involucran dos o más experimentos. PROBABILIDADES EN EXPERIMENTOS COMPUESTOS Con frecuencia. ¿Cuál es la probabilidad de que un asistente hable los dos idiomas? Axiomas de la probabilidad En los apartados anteriores hemos visto tres modos diferentes de asignar probabilidades. . se considera que la probabilidad es toda aplicación. Como consecuencia. pero tenemos información estadística sobre las frecuencias relativas de aparición de distintos sucesos. tres monedas. c) En los demás casos. que para el caso de la probabilidad son las tres primeras propiedades que hemos citado sobre las frecuencias relativas. 2. A un congreso asisten 100 personas. 80 hablan francés y 40 inglés. c) Obtener un divisor de 12. Un experimento consiste en lanzar un dado con forma de dodecaedro. las probabilidades cumplen unas mismas propiedades. definida en el conjunto de los sucesos asociados a un experimento aleatorio. P(E)=1. b) Obtener un número primo. con los números del 1 al 12 en sus caras. el único modo de asignar las probabilidades a los sucesos es de modo subjetivo. 3. podemos obtener una estimación frecuencial de las probabilidades. Generalmente estos axiomas se basan en la abstracción de ciertas propiedades de los fenómenos que se estudian. antes de hacer la ecografía. 20. La probabilidad de un suceso que es unión de sucesos incompatibles es la suma de las probabilidades de los sucesos que lo componen.Probabilidad Ejercicios 19. En todos los casos.. b) Si no podemos usar la regla de Laplace. Algunos ejemplos de estas situaciones son: • Lanzar al aire dos monedas. 5. La probabilidad del suceso seguro es 1. que cumpla las tres siguientes propiedades: 1. número comprendido entre 0 y 1.. Toda teoría matemática se desarrolla a partir de una serie de axiomas.

D. De una bolsa con 3 bolas blancas y 3 bolas azules sacamos dos bolas. E = { C. Cálculo de probabilidad a partir del diagrama en árbol Otra forma de representar las posibilidades en este experimento compuesto es mediante un diagrama en árbol. algunas reglas sencillas pueden ser útiles para calcular la probabilidad. Batanero y J. 5. ¿es más fácil obtener una o dos caras? Solución: Se trata de un experimento compuesto de dos experimentos simples: • Primer experimento: Lanzar la primera moneda. +} • Segundo experimento: Lanzar la segunda moneda. Godino • El número de estudiantes en una clase que ha estudiado la lección En estas situaciones. Ejercicios 22. que nos sirve también para observar la forma en que se obtiene la probabilidad. para cada experimento sus posibilidades y la probabilidad de los diferentes resultados 748 . Estudiaremos algunos ejemplos para deducir estas reglas a partir de los mismos.2.1. +} Las posibilidades que se pueden presentar en el experimento compuesto se presentan en la tabla siguiente: Segundo Experimento Primer Experimento C + C + CC +C C+ ++ Observamos por tanto que la probabilidad de obtener dos caras es ¼ y la de obtener una cara es ½ puesto que tenemos dos posibilidades.C. Resultados de un experimento compuesto Ejemplo: Al lanzar simultáneamente dos monedas. Describe todos los resultados si : a) Devolvemos la primera bola a la caja después de ver el color b) No la devolvemos 5. Observa el diagrama que hemos construido para representar el experimento que consiste en lanzar dos monedas. Describe con la ayuda de una tabla todos los sucesos que puedes obtener en los siguientes experimentos compuestos: a) Sexo de dos recién nacidos b) Números al lanzar dos dados a la vez c) Grupo sanguíneo de dos recién nacidos 23. En este diagrama anotamos. E = { C.

5. teniendo en cuenta las probabilidades en cada experimento y cómo varían las del segundo en función de los resultados en el primero: 749 . la probabilidad de obtener dos caras es la mitad de un medio. esto es un cuarto. La probabilidad de que un niño tenga los ojos azules es diferente. según el color de los ojos de sus padres. La probabilidad de obtener cara en el segundo lanzamiento es ½ y esto no depende del resultado en el primer lanzamiento. el segundo experimento depende del primero. Así observamos que: • Los resultados del segundo experimento serían los mismos. • En el diagrama en árbol. pero teniendo en cuenta que ahora las probabilidades del segundo experimento dependen del resultado del primero. el resultado de la segunda moneda no depende de lo que salió en la primera. También en estos casos podemos usar el diagrama en árbol. Ejemplo: En una caja tengo tres bolas rojas y dos verdes. la mitad de las veces obtenemos cara en el segundo. • Los resultados del segundo experimento tienen la misma probabilidad. por ejemplo: La probabilidad de aprobar un examen mejora con el número de exámenes.3. La probabilidad de que una persona tenga un infarto es mayor si ha tenido otro previamente. • • • En otros casos. ¿Cuál es la probabilidad de tomar las dos verdes? Solución: Puedo construir de nuevo el diagrama en árbol. Tomo dos bolas al azar sin devolver la primera.Probabilidad Primer Experimento ½ ½ Segundo Experimento ½ C ¼ CC C ½ + ¼ C+ ½ C ¼ +C + ½ + ¼ ++ Experimento Compuesto Regla de cálculo: Puesto que la mitad de las veces obtenemos cara en el primer experimento y de esta mitad. la probabilidad final de un resultado es el producto de las probabilidades en cada rama que lleva a este resultado. sin depender del resultado del primero. si no se hubiera llevado a cabo el primero. Experimentos dependientes e independientes En el ejemplo del lanzamiento de dos monedas.

6. Esto implica que si el jugador acierta el primer lanzamiento puede repetir otro. 4. Un jugador de baloncesto que suele encestar el 70 por ciento de sus tiros desde el punto de lanzamiento de personales tiene que lanzar una personal. ¿Cuál es la probabilidad de que las tres hayan votado? 6. Carmen y Daniel han inventado un juego de dados con las siguientes reglas: . de que al menos una esté fundida. Por tanto puedo obtener 0. Se lanza un dado dos veces seguidas y se suman los puntos obtenidos. . ¿Te parece que este juego es equitativo? Si tuvieras que jugar. ¿Cuál es el resultado más probable? 5. . fallando el primer lanzamiento (0 puntos) acertando el primero y fallando el segundo (1 punto) o encestando los dos (2 puntos). ¿cuál jugador preferirías ser? ¿Cuántas fichas debería ganar cada jugador para que el juego sea equitativo sin cambiar el resto de las reglas? 4. En una familia donde hay tres personas con edad de votar. o 5 es Daniel quien gana una ficha. a) ¿Cuál es la probabilidad de que la suma de los puntos sea 8? b) ¿Cuál es la probabilidad de que la suma de puntos sean menor o igual que 10? 3. Godino Primer Experimento 3/5 2/5 Segundo Experimento 2/4 R 3/10 RR R 2/4 V 3/10 RV 3/4 R 3/10 VR V 1/4 V 1/10 VV Experimento Compuesto Observa que en el experimento compuesto. 1 o 2 puntos en el juego. 750 . En una caja con 10 bombillas hay 3 fundidas. Se lanza un moneda tres veces seguidas. de que ninguna esté fundida. 1 o 2 entonces Carmen gana 1 ficha. El 85 % de votantes en una ciudad acude a las elecciones. a) ¿Cuál es la probabilidad de obtener 2 caras? b) ¿Cuál es la probabilidad de obtener más caras que cruces? 2.Si resulta 3. Tomamos dos bombillas de la caja. D. • ¿Depende la probabilidad de que la segunda bombilla sea defectuosa de si la primera estaba fundida? • Con ayuda del diagrama en árbol calcula la probabilidad de que las dos bombillas sean defectuosas.Lanzan dos dados sucesivamente y calculan la diferencia de puntos entre el mayor y el menor.C. Batanero y J. de nuevo la suma de todas las probabilidades es igual a uno. .Si resulta una diferencia de 0. TALLER DE MATEMÁTICAS 1.Comienzan con un total de 20 fichas y el juego termina cuando no quedan más.

8. María dice que el juego es justo porque solo hay 4 posibilidades y cada uno de ellos tiene ventajas con dos. 2 puntos. 2 puntos. 1. Juan no está de acuerdo. Con la ayuda de un diagrama en árbol calcula las probabilidades de llega a A y a B. Maria gana 1 euro si se obtiene 0 o 1 caras. ¿Cuál es la probabilidad de que acabe en la parte A? ¿Y en la B? Simula este experimento y da una respuesta aproximada. Ponemos a un ratón al comienzo de este laberinto. a) ¿Quién tiene razón? b) ¿Cuál sería la cantidad de dinero que tiene que pagar Maria a Juan en caso que este gane. Juan gana un euro si se obtienen 2 o 3 caras. para que el juego sea equitativo? 751 .Probabilidad a) Utiliza la tabla de números aleatorios para simular el experimento y estima la probabilidad de que el jugador obtenga 0. 7. Al lanzar tres monedas. 1. b) Con ayuda de un diagrama en árbol calcula la probabilidad de que el jugador obtenga 0.

ESTADÍSTICA Y SUS APLICACIONES 1. o los de Halley entre 1687 y 1691 para resolver el problema de las rentas vitalicias en las compañías de seguros. Aunque es una ciencia matemática. sumeria y egipcia.C.Estadística B: Conocimientos Matemáticos 1. no es una colección de métodos.1 La estadística es la ciencia de los datos. Los censos propiamente dichos eran ya una institución el siglo IV a. quien imparte un curso con este título en la universidad de Helmsted. Sin embargo. Está caracterizada por una información acerca de un colectivo o universo. Mathematical Association of America. ya que se han encontrado pruebas de recogida de datos sobre población. En F. En el siglo XVII surge la Aritmética política. Posteriormente su discípulo Achenwall orienta su trabajo a la recogida y análisis de datos numéricos.2 1. que constituyen su objeto o causa final. es decir se observan ya los elementos básicos del método estadístico. el objeto de la estadística es el razonamiento a partir de datos empíricos. C.2. En el siglo 1 2 Cabriá. que tiene sus métodos específicos de razonamiento. (1994).). S. su función era la de servir de ojos y oídos al gobierno. Statistics for the Twenty-First Century. Gordon y S. 14-25). Breves notas históricas Los orígenes de la estadística son muy antiguos.). Para los aritméticos políticos de los siglos XVII y XVIII la estadística era el arte de gobernar. sólo muy recientemente la estadística ha adquirido la categoría de ciencia. lo que constituye su objeto formal y unas previsiones de cara al futuro. y entre ellas hemos elegido las dos siguientes que reflejan bien las características de esta ciencia: "La estadística estudia el comportamiento de los fenómenos llamados de colectivo. el método estadístico. en el imperio romano. en el libro de Números aparecen referencias al recuento de los israelitas en edad de servicio militar. Incluso en la Biblia. Son ejemplos notables los estudios de Graunt sobre tablas de mortalidad y esperanza de vida a partir de los registros estadísticos de Londres desde 1592 a 1603. (pp. desde la escuela alemana de Conring. Moore. lo que implica un ambiente de incertidumbre. Servicio de Publicaciones de la Universidad de Valencia. 701 .¿Qué es la estadística? Son muchas las definiciones posibles de estadística. No olvidemos que precisamente fue un censo lo que motivó del viaje de José y María a Belén. según el Evangelio. La proliferación de tablas numéricas permitió observar la frecuencia de distintos sucesos y el descubrimiento de leyes estadísticas. S. lo que constituye su objeto material. La estadística es una disciplina científica autónoma. Con más precisión. no es un subcampo de la Matemática. Gordon (eds. Filosofía de la estadística.1. bienes y producción en las civilizaciones china (aproximadamente 1000 años a. con fines específicos y en base a los cuales se hacen estimaciones y conjeturas. Teaching Statistics as a respectable subject. (1991). D. Aunque es una disciplina metodológica. un modo propio de razonamiento.

En el momento de su fundación se definió la estadística como "conjunto de hechos. y lo suficiente n numerosos para ser representados por leyes". Laplace. y no se usan principios de probabilidad.4. susceptibles de ser expresados e números. Otro problema que recibe gran atención por parte de los matemáticos de su tiempo. Se supone que el conjunto de datos analizados es una muestra de una población y el interés principal es predecir el comportamiento de la población. Posteriormente. D. a partir de los resultados de la muestra. La estadística logra con estos descubrimientos una relevancia científica creciente. 1. El siguiente ejercicio muestra un ejemplo de los tipos de predicciones que podemos hacer usando la estadística. Se crearon poco a poco sociedades estadísticas y oficinas estadísticas para organizar la recogida de datos estadísticos. con el fin de homogeneizar los métodos usados. fundada en 1991.3. mediante representaciones gráficas. La estadística descriptiva tiene como fin presentar resúmenes de un conjunto de datos y poner de manifiesto sus características. desde entonces celebra reuniones bianuales. 702 . estudia los resúmenes de datos con referencia a un modelo de tipo probabilístico. fue posible comparar las estadísticas de cada país en relación con los demás. La inferencia estadística. Batanero y J. 1. por el contrario. y la predicción o toma de decisiones a partir de los resultados. se dedica a la promoción de la Educación Estadística. Panorama actual Aunque es difícil dividir la estadística en partes separadas. Lagrange. para determinar los factores determinantes del crecimiento económico y comenzaron los congresos internacionales. Es una perspectiva intermedia entre la estadística descriptiva y la inferencia y se da un papel importante a la visualización por medio de diferentes gráficos. una de las cuales. Las capacidades de cálculo y representación gráfica de los ordenadores actuales permiten la obtención de una amplia variedad de gráficos y cálculos estadísticos de una forma sencilla y han hecho posible la aparición de una nueva filosofía en los estudios estadísticos: el análisis exploratorio de datos. como una sección en 1834. como Euler.C. siendo reconocida por la British Association for the Advancement of Science. el análisis de estos datos. naciendo así la Royal Statistical Society. Simpson. naciendo en 1885 el Instituto Internacional de Estadística (ISI) que. Como consecuencia. en relación con el hombre. Los datos se usan para fines comparativos. se decidió crear una sociedad estadística internacional. Godino XIX se descubren las leyes de los grandes números con Bernouilli y Poisson. una división clásica hasta hace unos años ha sido distinguir entre estadística descriptiva y estadística inferencial. la primera de ellas se creó en Francia en 1800. introducido por Tukey. Estudios estadísticos La estadística se ocupa del diseño de estudios en los que sea necesario la recogida de datos. El interés se centra en describir el conjunto de datos y no se plantea el extender las conclusiones a otros datos diferentes o a una población. Legendre y Gauss es el del ajuste de curvas a los datos. En la actualidad el ISI cuenta con 5 secciones. la IASE. El primero de ellos fue organizado por Quetelet en Bruselas en 1853. Su finalidad específica es conseguir uniformidad en los métodos de recopilación y obtención de resultados e invitar a los gobiernos al uso correcto de la estadística en la solución de los problemas políticos y sociales.

si usa o no gafas. • Se requiere una medición: como el peso.): NUMERO DE CALZADO: PESETAS QUE LLEVA EN ESTE MOMENTO EN EL BOLSILLO: Una población (o universo) es el conjunto total de objetos que son de interés 703 . poco. Nümero de bolas negras en la muestra de 10 bolas ______________________ 0 1 2 3 4 5 6 7 8 9 10 3. 2. cómo viene al instituto. Los datos serán recogidos por los propios alumnos. VARIABLES ESTADÍSTICAS. para tomar datos de los alumnos con un mismo instrumento. para cada uno de los alumnos. mucho): PESO (kg. ¿Cuál será la mejor estimación del porcentaje de bolas negras en una muestra típica de 10 bolas? ¿Cuál será la mejor estimación del número de bolas negras en la caja? Finalmente se comprueba la fiabilidad de la estimación contando las bolas negras en la caja. color de pelo y ojos. etc. es decir realizar una pequeña encuesta: número de hermanos.1. Se requerirá un metro y una báscula.): LONGITUD DE LOS BRAZOS EXTENDIDOS EN CRUZ (cm. Por turno cada uno de los alumnos con los ojos cerrados toma 10 bolas de la caja y rellena la ficha siguente: Nombre-----------Nümero de bolas negras en la muestra Porcentaje de bolas negras en la muestra Estimación del número de bolas negras en la caja 2. ¿Cómo son los alumnos de la clase? Objetivo: Se trata de elaborar un perfil de los alumnos. El profesor en la pizarra completa con ayuda de los alumnos el siguiente gráfico de puntos. talla o longitud de brazos extendidos. Se prepara una ficha como la siguiente para recoger datos de cada uno de los alumnos de la clase: SEXO: ¿HACES DEPORTE? (Nada. identificando el alumno típico y analizando si hay diferencias entre el chico y la chica típicos. TABLAS Y GRÁFICOS 2. Población individuos y caracteres Proyecto 1. Se coloca un punto encima del valor del número de bolas negras en la muestra de 10. cuánto deporte practica. Datos: Se preparará una lista de las características de los alumnos que queremos estudiar analizando las diferentes formas en que podrían obtenerse los datos: • Por simple observación: como el sexo. Se toma una caja con 100 bolas blancas y el profesor sustituye r de ellas por bolas negras sin que los alumnos vean cuántas ha sustituido. mediante las diversas técnicas señaladas.): ALTURA (cm.Estadística Ejercicios 1. • Habría que preguntar a los alumnos.

la mayoría de los problemas de interés. Esto obliga a tener que seleccionar. en un estudio estadístico. Cada uno de ellos recibe el nombre de elemento (o individuo) de la población. Como todos recordais el último censo se ha llevado a cabo el año 2001. aunque había en total 94 alumnos matriculados. la altura. sin embargo. Cada alumno de la clase es un elemento de la población clase. cuyos datos se incluyen en la tabla 1? 5. el sueldo mensual que recibe. Tabla 1: Datos sobre los alumnos n. un subconjunto de n elementos de la población. D. por ejemplo. Censos y muestras extraídas de una población El principal objetivo del análisis estadístico es conocer algunas de la propiedades de la población que interesa. ¿Cuáles son las posibles modalidades de las variables recogidas en la clase. Batanero y J. Las variables de los estudios estadísticos reciben el nombre de variables estadísticas. por procedimientos adecuados.2. estamos interesados en analizar algún aspecto parcial de los individuos que componen la población. examinar la característica que interesa y después generalizar estos resultados a la población. para sacar conclusiones de toda la clase. el peso. Los objetos pueden ser personas. animales. puede que nos interese. Ejercicios: 4. Godino para un problema dado. el día que se hizo la recogida de datos de la clase. la opinión que le merece el partido que gobierna. Tipos de estudios estadísticos. 2. si se trata de personas. sexo deporte peso altura longitud calzado ptas 1 2 3 4 5 2 1 2 1 1 2 1 2 2 2 59 62 50 69 74 161 178 159 176 175 160 181 153 179 179 37 41 36 42 43 770 385 500 325 740 31 32 33 34 35 2 1 1 1 2 2 3 1 1 3 58 86 70 64 64 164 191 161 166 166 166 180 185 171 155 38 46 44 40 38 125 60 625 310 0 704 . el mejor procedimiento será la inspección de cada individuo (siempre que esto sea posible). El análisis de los datos de esta muestra puede servir. Esta generalización a la población se realiza por medio de la parte de la Estadística que se conoce con el nombre de Inferencia Estadística. costosas o imposibles de inspeccionar. por su naturaleza. etc. Sugiere otras variables que podrías recoger en este proyecto y analiza sus modalidades. sexo deporte peso altura longitud calzado ptas n. Sin embargo. productos fabricados. variables. o poblaciones finitas que son difíciles. Un estudio estadístico realizado sobre la totalidad de una población se denomina censo. bien poblaciones infinitas. Por ejemplo. En el proyecto 1 recogemos datos de diferentes variables para los alumnos de la clase. el color del pelo. Los distintos métodos de selección de muestras representativas de una población se conocen con el nombre de métodos de muestreo. de forma que en distintos individuos pueden tomar valores o modalidades diferentes. Estos aspectos parciales reciben el nombre de caracteres de los elementos de una población y son. se obtuvieron datos de 60 alumnos. Para que estas conclusiones ofrezcan las debidas garantías es preciso comprobar que se cumple el requisito básico de que la muestra sea representativa. implican. etc.C. que constituyen una muestra de tamaño n. Generalmente. La infomación estadística se puede usar también para estimar probabilidades de sucesos relativos a la población de interés. Si la población es finita.

la llamamos variable estadística. los experimentos que consisten en el recuento de objetos. haz un recuento de las frecuencias en las diferentes modalidades para las variables sexo y hacer deporte. etc. 37 36 37 38 42 43 42 41 38 38 36 37 37 35 37 38 40 39 38 37 41 42 37 40 37 2600 250 225 501 5450 7500 1785 0 200 4400 700 120 700 2016 875 285 560 3010 500 1000 275 175 690 605 5135 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 2 2 2 2 1 1 1 2 1 2 2 2 1 2 2 2 2 1 2 2 1 1 2 2 2 1 2 2 2 3 3 3 3 3 1 3 1 2 3 1 1 2 2 1 2 2 2 2 2 2 70 51 62 58 71 68 74 55 68 57 57 68 69 50 58 66 50 81 60 50 65 65 62 58 63 156 165 167 160 185 175 183 160 185 161 169 158 172 155 163 168 163 184 165 155 179 164 174 162 172 152 160 159 160 187 172 178 154 185 155 164 150 172 155 162 168 161 188 160 155 171 158 179 160 171 35 37 38 37 43 42 45 37 42 37 38 36 41 37 38 39 36 43 36 35 35 36 40 36 41 175 100 1200 215 700 475 1600 400 125 450 1115 400 0 500 1290 125 480 5120 255 500 90 700 0 200 2000 Deporte: 1=nada. 2=poco. 2= mujer. como pueden ser: número de miembros de una familia. dan 705 . Si tomo una ficha al azar. 3= mucho Ejercicios: 6. al considerar que también se puede asignar un número diferente a cada una de las modalidades de las variables cualitativas. las variables estadísticas se clasifican en cualitativas y cuantitativas. A partir de los datos de toda la clase. Usualmente.3. Así. Dentro de las variables cuantitativas se distingue entre variables discretas y continuas. número de nidos de aves en una parcela. con lo que quedarían asimiladas a las cuantitativas). según que las modalidades del carácter que representan sean o no numéricas (Algunos autores no consideran las variables cualitativas. siendo discretas aquellas que por su naturaleza sólo pueden tomar valores aislados -generalmente números enteros.y continuas las que pueden tomar todos los valores de un cierto intervalo. Variables estadísticas Para representar los distintos tipos de datos empleamos variables. ¿cuál sería la probabilidad de que corresponda a una chica? ¿y la de que el alumno en cuestión haga mucho deporte? 2. Ejemplos de variables cualitativas son el grupo sanguíneo o la religión de una persona.Estadística 6 2 3 62 169 165 7 2 2 56 162 158 8 2 2 58 162 163 9 2 1 52 170 171 10 1 1 68 170 172 11 1 3 72 184 185 12 1 2 74 180 182 13 1 2 66 175 177 14 2 2 60 170 168 15 2 1 60 165 161 16 2 3 55 163 160 17 2 2 60 167 165 18 2 2 50 167 165 19 2 2 52 160 157 20 2 1 53 164 160 21 2 2 58 163 166 22 2 2 74 175 178 23 2 2 63 173 180 24 2 2 60 161 164 25 2 2 53 162 162 26 1 3 82 174 180 27 1 2 68 178 180 28 2 1 64 172 175 29 2 2 65 165 165 30 2 1 46 160 158 Sexo: 1= hombre. Una variable es un símbolo que puede tomar valores diferentes. Cuando estos valores son los resultados de un recuento estadístico. y representa generalmente un cierto carácter de los individuos de una población.

se obtienen variables continuas.C.1667 36 0.0000 Ejercicios: 706 .9500 44 1 0.9667 45 1 0.2000 37 14 0. Ejercicios: 7.1000 53 0.0667 57 0.6 Total 30 1.6000 39 2 0.0833 47 0. capacidad. Tabla 2 : Distribución del 'color de los ojos' de los alumnos de una clase Modalidad Frecuencia absoluta Frecuencia relativa Porcentaje Negro 15 0.7000 41 5 0. D.166 16.0 otros 5 0. También pueden obtenerse sumando a la frecuencia relativa ordinaria todas las anteriores. Pon otros ejemplos de variables estadísticas cualitativas.233 23. Se obtienen sumando a la frecuencia de un valor todas las anteriores.6333 40 4 0. longitud. Tablas de frecuencias El listado de los distintos valores o modalidades de una variable estadística.0167 58 0.1333 12 0. según su tipo. Distribución de frecuencias del número de calzado Número de Frecuencia Frecuencia Frecuencia Frecuencia relativa calzado relativa acumulada acumulada 35 4 0. Tabla 3. Clasificar las variables del estudio realizado en la clase. como se muestra en la Tabla 3. La frecuencia relativa se obtiene dividiendo la frecuencia absoluta por el total de casos en la muestra.0333 38 0.7833 42 6 0. cuantitativas discretas y cuantitativas continuas.4333 38 10 0.0 marrón 7 0.0667 42 0.4. 2.0667 36 8 0. Para cada valor de la variable.8833 43 4 0. El porcentaje es igual a la frecuencia relativa multiplicada por 100. etc.100 10.0167 59 0. Godino lugar a variables discretas. Las frecuencias relativas acumuladas se obtienen dividiendo las frecuencias absolutas acumuladas por el número de datos.0167 60 1.0667 4 0. Las distribuciones de frecuencias de datos cualitativos pueden representarse mediante una tabla de frecuencias. la frecuencia acumulada es el número de elementos con un valor de la variable menor o igual que el dado. como se muestra en la Tabla 2.2333 26 0. 8.9833 46 1 0.00 100 Cuando la variable es numérica interesa también calcular las frecuencias acumuladas. junto con las frecuencias (absolutas o relativas) de aparición de cada valor es el resumen más primario de una colección de datos y recibe el nombre de distribución de frecuencias.3 azul 3 0.50 50. mientras que al medir magnitudes tales como el peso. Batanero y J. La frecuencia absoluta es el número de veces que aparece cada modalidad. el tiempo.

es proporcional a la frecuencia. porque permite resaltar las principales características de la distribución. Una forma sencilla de construirlo es multiplicando la frecuencia relativa por 360. así como el tamaño relativo de las distintas partes. 707 . el gráfico puede dar una idea inadecuada de la información que se trata de comunicar. 25 20 15 10 5 0 1 2 3 chicos chicas Práctica de deporte Figura 1: Diagrama de barras (‘práctica de deporte’ según sexo) El gráfico de sectores (que informalmente se denomina a veces gráfico de la 'tarta' o 'pastel') muestra claramente cómo una cantidad total se reparte. Para cada valor se dibuja una barra (o rectángulo) cuya altura ha de ser proporcional a la frecuencia absoluta o relativa de dicho valor. Otro tipo de representación es el gráfico de línea poligonal. especialmente cuando se precisa comparar dos muestras. El área de cada sector es proporcional a la frecuencia de la modalidad que representa. El denominado gráfico de barras permite ilustrar visualmente ciertas comparaciones de tamaño. Gráficos estadísticos Las distribuciones de frecuencias de las variables estadísticas pueden representarse mediante tablas y gráficos. En el gráfico de sectores cada modalidad o valor de la variable se representa por un sector circular cuyo ángulo central y. En la elaboración de gráficos estadísticos es fundamental la precisión. El gráfico de barras se puede usar para variables cualitativas pero el gráfico de líneas no. Si uno de estos aspectos no se tiene en cuenta. usado con ventaja para mostrar cambios de una variable a lo largo del tiempo. la claridad en los títulos. A menudo es preferible un gráfico. por lo tanto también su área. de este modo se obtiene la amplitud del ángulo central que tendrá cada una de las modalidades observadas.5. cada uno de los valores de la variable correspondiente se representa en el eje de abscisas de un gráfico cartesiano. En el diagrama de barras. ¿Cuál es el valor o valores más frecuentes del número de calzado? ¿Qué tanto por ciento de alumnos calzan el 40 o un número mayor de calzado? 10. la elección del tipo de gráfico y el uso de escalas adecuadas.Estadística 9. a intervalos igualmente espaciados. ¿Cuáles son las principales diferencias en la distribución de frecuencias del número de calzado de chicos y chicas? (Usa la información dada en la tabla 1) 2.

Los histogramas pueden representar frecuencias absolutas o relativas.233 5 3 0.67% 25. Los extremos de este intervalo se denominan extremos de clase y el punto medio marca de clase. Representa mediante un diagrama de barras la distribución de la variable "práctica de deporte" y analiza las ventajas de cada una de las dos representaciones. 13.333 3 5 0.C. En el histograma la frecuencia de cada intervalo se representa por medio de un rectángulo cuya área es proporcional a la frecuencia en dicho intervalo. D.033 2 10 0. como se muestra en la figura 4. También podemos comparar una misma variable en dos muestras. 708 . 12.166 4 7 0. Batanero y J. utilizando histogramas con la misma amplitud de intervalos.100 6 1 0. Agrupación de variables en intervalos Cuando la variable estadística que estudiamos es continua. los valores observados suelen ser distintos unos de otros. El histograma de frecuencias es la gráfica apropiada para representar estas tablas de frecuencias de datos agrupados en intervalos. Completa los datos de la Tabla 4 y represéntalos gráficamente.033 7 3 0. Godino Gráfico de sectores 21. como la altura de l s o alumnos. o las frecuencias pequeñas. Tabla 4: Frecuencia de la variable 'número de hermanos' Valor Frecuencia Frecuencia Frecuencia Frecuencia relativa absoluta relativa acumulada acumulada 1 1 0. Por dicho motivo se procede a definir unos intervalos de valores y se recuentan las frecuencias de los valores en cada intervalo de clase (Tabla 5).33% Figura 2: Gráfico se sectores de ‘práctica de deporte’ Ejercicios: 11. razonando dónde se hallan los errores en su elaboración.6. Busca en la prensa ejemplos de gráficos estadísticos realizados inadecuadamente.00% deporte 1 2 3 53.100 Total 30 1. con lo cual una tabla de frecuencias y su correspondiente representación gráfica no constituyen buenos resúmenes estadísticos.00 2.

0000 0.0000 0.9833 0.9833 0.9167 0. acumulada 0.0167 Frec.7667 0.9000 0.0167 0.8667 0.0000 Porcentaje 709 .0500 0. abs.0167 0.9833 1.8167 0.Estadística Histograma para altura 20 16 Frecuencias 12 8 4 0 150 160 170 180 190 200 altura Figura 3: Histograma de frecuencias absoluta de la altura de los alumnos sexo=1 55 35 15 5 25 45 44 54 64 74 84 94 sexo=2 Figura 4: Histograma de frecuencias relativas de peso de alumnos según sexo Tabla 5: Distribución de frecuencias de "pesetas en el bolsillo" Nº de clase 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Límite inferior 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 Límite superior 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 Marca de clase 250 750 1250 1750 2250 2750 3250 3750 4250 4750 5250 5750 6250 6750 7250 Frecuencia 33 13 3 3 1 1 1 0 1 0 3 0 0 0 1 Frecuencia relativa 0.0500 0.9333 0.0000 0.0500 0.5500 0. acumulada 33 46 49 52 53 54 55 55 56 56 59 59 59 59 60 Frec.8833 0.9333 0.5500 0.0000 0.9167 0.0000 0.2167 0.9833 0.0167 0. rel.0167 0.

además de una gráfica de la distribución. uniendo a continuación los puntos obtenidos mediante una línea poligonal que se llama polígono acumulativo de frecuencias. correspondiendo a cada valor de la variable una altura igual a su frecuencia acumulada. y que supondremos ha sido recogido en clase por los propios alumnos. En los dos casos obtenemos una gráfica creciente. En la variable sin agrupar “número de calzado” tiene forma de escalera. Gráfico del tronco El gráfico del tronco (en inglés -stem and leaf-) es utilizado para la representación de distribuciones de variables cuantitativas. Representación gráfica de frecuencias acumuladas En las figuras 5 y 6 representamos gráficamente las frecuencias acumuladas de las variables “número de calzado” y “pesetas en bolsillo”. Sin embargo. 100 80 Frecuencia 60 40 20 0 34 36 38 40 42 44 46 calzado Figura 5: Diagrama de frecuencias acumuladas del “número de calzado” 100 80 Frecuencia 60 40 20 0 0 2 4 6 pesetas 8 (X 1000) Figura 6: Polígono acumulativo de frecuencias de las “pesetas en bolsillo” 2. Para ejemplificarlo trabajaremos con el conjunto de datos que se muestra en la Figura 7. 7. Godino Ejercicio: 14. En la variable agrupada marcamos en el extremo superior de cada intervalo de clase una altura igual a su frecuencia acumulada. consiguiendo con él. las gráficas son ligeramente diferentes. 2. Con los datos de la tabla de frecuencias 5. 710 . D. Batanero y J. representa gráficamente el histograma de frecuencias absolutas de las "pesetas en bolsillo" con intervalos de amplitud 500.C. 8. pues las frecuencias acumuladas son mayores a medida que aumentamos el valor de la variable. la visualización de los valores de los datos que estamos estudiando.

que además de mostrarnos la forma de la distribución.Estadística Peso en Kg. subdividiendo o fundiendo dos o más filas adyacentes. Estas cifras forman las "hojas". • Se ordenan de menor a mayor. Por ejemplo. puesto que los datos disponibles constan sólo de dos cifras. Varones Hembras 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60 Figura 7 Para realizar este gráfico procederemos de la siguiente forma: • Se redondean los datos a dos o tres cifras. para extender el gráfico de la Figura 9. expresando los valores con números enteros. Cada uno de estos valores se escriben uno debajo del otro. según el número de filas que se quiera obtener. En nuestro ejemplo. podemos subdividir en dos cada fila de la siguiente forma: marcamos con un asterisco las filas cuyos dígitos de la derecha varian de 0 a 4 y con un punto las filas cuyos dígitos de la derecha varian de 5 a 9. trazando una línea a la derecha de los números escritos. en general no más de 12 ó 15. 4 5 6 7 8 9 4566789 000222233344455556667 000001122344455567888 000012245 0 3 Figura 9: Gráfico del trondo del peso de los alumnos Como se observa. De este modo obtenemos el gráfico del tronco para nuestros datos (Figura 9). Esta representación puede ser ampliada o condensada para aumentar o disminuir el número de filas. presenta todos los datos ordenados.En nuestro caso tomaremos la primera cifra para formar con ella el "tronco". en la práctica. Estas cifras constituyen el "tronco". como se muestra en la Figura 8 44 45 46 46 47 48 49 50 50 50 52 52 52 52 53 53 53 54 54 54 55 55 55 55 56 56 56 57 60 60 60 60 60 61 61 62 62 63 64 64 64 65 65 65 66 67 68 68 68 70 70 70 70 71 72 72 74 75 80 93 Figura 8 • Se separan por la izquierda uno o más dígitos de cada dato. el resultado es. Este 711 . • Para cada dato original se buscan los dígitos escritos de su tronco y a la derecha de los mismos se escriben las cifras que nos habían quedado. este paso no es necesario. un histograma de amplitud de intervalo 10.

mientras que en el gráfico del tronco estas lagunas pueden ser fácilmente detectadas y observadas. Figura 11: Gráfico del tronco extendido del peso para chicos y chicas 712 . que podemos observar en la Figura 10 recibe el nombre de gráfico del "tronco extendido". D. como vemos en la figura 11. 0 8* 3 9. 5 6 6 7 8 9 5* 0 0 0 2 2 2 2 3 3 3 4 4 4 5 5. 4 5 0 5 0 5 0 5 0 3 6 0 5 0 5 0 6 0 5 0 5 0 7 2 5 0 6 0 8 2 6 0 7 1 9 2 6 1 8 2 2 6 1 8 2 3 3 3 4 4 4 7 2 2 3 4 4 4 8 4 Figura 10: Gráfico del tronco extendido d peso de los el alumnos Al comparar el gráfico del tronco con un histograma de frecuencias observamos las siguientes ventajas: • Su fácil construcción. Godino nuevo diagrama. • Se pueden observar los datos con más precisión que en el histograma. cuartiles. como los valores máximo y mínimo. así como la moda. percentiles y sus rangos. pues los rectángulos pueden ocultar diferencias importantes entre los valores. 5* 5. que viene impuesta por el espaciado del papel empleado. Batanero y J.C. como en el caso del histograma. 7* 7. 5 7 8 2210000 7* 5 7. 5 5 5 6 6 6 7 4422100 6* 0 0 0 1 3 4 8 8 6 5 5 6. sino que viene impuesta por el sistema de numeración. especialmente con papel cuadriculado. CHICOS CHICAS 4* 4 4. 4* 4. Tampoco podemos escoger la escala de la representación gráfica. Como contrapartida observamos que no podemos elegir la amplitud del intervalo. 6* 6. 8* 9. • Pueden obtenerse a partir de él rápidamente los estadísticos de orden. • Es fácil comparar dos muestras de datos en el mismo gráfico. la mediana.

6'0. o en el siguiente ejemplo: Unos niños llevan a clase caramelos. "altura". 4) Hay que tener en cuenta los valores nulos en el cálculo de la media.). José 6. Carmen 1 y Daniel no lleva ninguno. cuando hemos hecho varias medidas de la misma.1. Medidas de tendencia central La comparación de dos distribuciones de frecuencias correspondientes. 2) El valor medio es influenciado por los valores de cada uno de los datos. La media. puede hacerse de una manera directa por medio de la tabla. Simbólicamente. 6'15.Estadística 3. CARACTERÍSTICAS DE POSICIÓN CENTRAL Y DISPERSIÓN DE UNA DISTRIBUCIÓN DE FRECUENCIAS Supongamos que tenemos que elegir en la clase al alumno/a cuyas características representen mejor cada una de las variables recogidas. La media aritmética: Es la principal medida de tendencia central. 6'2 ¿Cuál sería la mejor estimación del peso real del objeto? La media es la cantidad equitativa a repartir cuando tenemos diferentes cantidades de una cierta magnitud y queremos distribuirla en forma uniforme. Pero también puede hacerse eligiendo un valor representativo de cada muestra. obteniéndose los siguientes valores en gramos: 6'2. Es el número que se obtiene sumando todos los valores de la variable estadística (xi) y dividiendo por el número de valores (N). Reciben el nombre de 'estadísticos' o características de posición (o tendencia) central. etc. Por tanto sirve para resolver problemas como el siguiente: Un objeto pequeño se pesa con un mismo instrumento por ocho estudiantes de una clase. 3. ¿A quien elegirías? ¿Qué valores elegirías como mejor representante de cada una de las variables analizadas? En lo que sigue estudiaremos la forma de resumir una distribución de datos. como cuando hablamos del número medio de niños por familia o de la renta per cápita. por ejemplo. ¿Cómo repartir los caramelos de forma equitativa? Otras propiedades de la media son las siguientes: 1) La media es un valor comprendido entre los extremos de la distribución. Si un valor aparece varias veces debe ponderarse por su frecuencia (fi). a muestras distintas de una misma variable (como "número de hermanos". o visualmente con ayuda de gráficos estadísticos. 6'3. Esta es la propiedad de la media que usamos cuando calificamos a un alumno a partir de varias evaluaciones o cuando estimamos el tiempo de espera en la parada de un autobús. 713 . 5) La media es un "representante" de los datos a partir de los que ha sido calculada. Incluso puede no tener "sentido" para los datos considerados (como decir que el número medio de hijos en las familias españolas es 1. ∑ xi fi x= i N La media es la mejor estimación de una cantidad desconocida. María 8. 3) La media no tiene por qué ser igual a uno de los valores de los datos. Andrés lleva 5.1). 6'0. 6'1. 6'23. la moda y la mediana son soluciones matemáticas idóneas para este problema según distintas circunstancias.

en la Tabla 3 la moda del número de calzado es el 37.C. 714 . si existen dos bimodal. Si extraemos una muestra aleatoria de 5 estudiantes y resulta que la puntuación de los 4 primeros es de 380. La mediana presenta ciertas ventajas como medida de tendencia central frente a la media en algunas distribuciones. En este caso hay una indeterminación y para resolverla tomamos como mediana el valor 4 (media entre 3 y 5). Si existe una sola moda se llama unimodal. Por tanto. ¿Cuál es el peso medio de las 10 personas del ascensor? 16. 400. uno de 3 y otro de 5 años. un estudiante necesita obtener una puntuación media de 6 (o más) entre cuatro exámenes. La mediana Si suponemos ordenados de menor a mayor todos los valores de una variable estadística. El peso medio de las mujeres es de 58 kgs y el de los hombres de 72. se llama mediana al número tal que existen tantos valores de la variable superiores o iguales como inferiores o iguales a él. 600. En general es una medida de tendencia central poco eficaz ya que si las frecuencias se concentran fuertemente en algunos valores al tomar uno de ellos como representante los restantes pueden no quedar bien representados. • Por ejemplo si en una familia los niños tienen 3. • Si nace un nuevo bebé (0 años) ahora tenemos dos niños medianos. Para calcular la mediana a partir de una tabla de frecuencias o de un polígono de frecuencias acumuladas. Por ejemplo. si hay más de dos se llama multimodal. mientras que la media no se puede aplicar en estos casos. Batanero y J. y la de los 12 adultos (profesores y personal) es de 40 años. 6'6 y 6'2. Ejercicios: 15. La edad media de los 175 alumnos de una escuela es de 8 años. 5 y 8 años. la edad del niño mediano es 5 años. Esto lo podemos ver mejor en el diagrama de frecuencias acumuladas (figura 5). La media en fluidez verbal de una clase de un colegio es de 400. 4 mujeres y 6 hombres. D. Hay 10 personas en un ascensor. pues no se tienen en cuenta todos los datos en el cálculo de la moda. Sin embargo. Las puntuaciones de Pedro en los tres primeros fueron de 3'5. Godino 6) La media se expresa en las mismas unidades de medida que los datos. ¿Qué puntuación mínima necesita obtener en el cuarto examen para aprobar la asignatura? 18. es la única característica d valor central e que podemos tomar para las variables cualitativas. por ello su uso es particularmente indicado en las distribuciones asimétricas. ¿Cuál es la edad media de todas las personas de esa escuela? La moda Es el valor de la variable que tiene mayor frecuencia. También se puede aplicar con variables estadísticas ordinales. 420. ya que no se ve afectada por los valores extremos de las observaciones. en la Tabla 3 (número de calzado) y ya que al número de calzado 37 corresponde una frecuencia acumulada 0’43 y al número 38 una frecuencia acumulada 0’60 la mediana es igual a 38. Para aprobar cierta asignatura. La mediana es igual a 5. ¿Cuál sería aproximadamente la puntuación esperada para el quinto estudiante? 17. observamos que la frecuencia relativa acumulada que corresponde a la mediana es exactamente igual a 1/2. Además su cálculo es sencillo. En una distribución puede haber más de una moda.

En los exámenes realizados por Lucía. por la siguiente expresión: s = Ejercicios: 19.38 168.2. TALLER DE MATEMÁTICAS 1. ¿Cuáles fueron las puntuaciones de los tres exámenes? 2 ∑ f i( x i .41 10. a) Razona qué promedio es más adecuado para cada variable. 20. Una de tales medidas puede ser la diferencia entre el valor mayor y el menor de la distribución de frecuencias.87 500 0 1530. su cuadrado recibe el nombre de varianza y viene dada. la mediana fue de 8'8.5 165 38 Moda 58 161 160 37 Desviación típica 8. • El rango para la distribución del “número de calzado” es igual a 11 ( 46 – 35). b) ¿Cuál de las variables tiene mayor /menor dispersión? c) ¿Qué alumno (ver Tabla 1 de datos) sería más representativo en cada una de las variables? d) ¿Hay algún alumno que sea representativo en todas las variables? Estadísticos de las variables del muestreo realizado en clase Variable Peso Altura Longitud Calzado Media 62.8 Mediana 62 166. En la tabla adjunta presentamos los resúmenes estadísticos de las variables consideradas en la encuesta realizada en clase. b) El rango es grande. si la distribución de las puntuaciones de los alumnos verifican lo siguiente?: a) La desviación típica es cero.29 2.Estadística 3.x ) 2 ∑ f i x 2 2 i = -x N N 4. indicando un valor cero la ausencia de dispersión. su puntuación media fue de 9'0 y el rango fue 0'8.50 0 7500 7500 60 715 . Todas ellas son valores mayores o iguales a cero.7 38. Características de dispersión Las características de dispersión son estadísticos que nos proporcionan una medida del mayor o menor agrupamiento de los datos respecto a los valores de tendencia central. que recibe el nombre de recorrido (o rango). pero la desviación típica es grande. La medida de dispersión más utilizada es la desviación típica (s). En su cálculo sólo intervienen dos valores (el máximo y el m ínimo) por lo que es escasamente representativa de la dispersión del conjunto de datos. que es la raíz cuadrada de la suma de los cuadrados de la diferencia entre cada valor y la media dividida dicha suma por el número de valores. Inventa un problema referido a calificaciones de matemáticas de un curso cuya media sea aproximadamente 5 y cuya desviación típica sea aproximadamente 2.46 167.57 8. 21.77 Mínimo 46 155 150 35 Máximo 86 191 188 46 Rango 40 36 38 11 Tamaño de muestra 60 60 60 60 Pesetas 1026. pero la desviación típica es pequeña c) El rango es pequeño. ¿Qué se puede decir sobre el resultado de un examen. por tanto.

Palo Alto. means and in-betweens. ¿Piensas que el entrenamiento es efectivo? Altura saltada en cm. Batanero y J. En relación a los datos recogidos en clase (Tabla 1). 16* 16. Mokros y Russell (1992). Godino 2. 3. b) Calcula el tanto por ciento de alumnos con brazos más largos y más cortos que los tuyos. a) ¿Son más altos los alumnos que practican mucho deporte? b) ¿Reciben las chicas más dinero que sus compañeros? Razona las respuestas basándote en lo que has aprendido sobre la estadística. indica si existe relación entre la altura y el peso. mínimo. 15* 15.C. En este diagrama de dispersión. 17* 17. calcula a) el máximo. 716 . CA: Dayle Seymour. se obtuvieron los valores siguientes. D. A partir del gráfico del tronco de la variable "Longitud de brazos extendidos". Statistics: Middles. Al medir la altura en cm. Carol Diana Elena Fanny Gia 107 119 115 138 126 106 128 122 145 132 Alumno Ana Antes del entrenamiento 115 Después del entrenamiento 128 Bea 112 115 Altura cm Hilda Ines 105 104 109 102 Juana 115 117 6. antes y después de haber efectuado un cierto entrenamiento deportivo. ¿Podrías dibujar una recta que sirva para calcular aproximadamente la altura en función del peso? 200 190 180 170 160 150 40 60 Peso kg 80 100 4. 18* 18. A continuación reproducimos datos sobre número de pulsaciones por minuto en diversas especies animales3 3 Ejemplo tomado de Friel. que se muestra a continuación. 0234 555578889 00000001122344 55556688 1111222 5788999 000012 55578 5. que pueden saltar un grupo de escolares. mediana y cuartiles. Estima la altura de una persona que pesa 60 kg.

Rana Vaca. otros 10 lanzamientos desde 2m. Pekinés Gato Conejo Paloma 1 Pavo 0 8 Zorro Pavo 01 2 0 27 Puercoespín. Trucha. León. debido a que su número de pulsaciones está claramente alejada de la mayoría? 7. Perca Jirafa Hombre. . Tiburón Elefante.Estadística 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 . Caballo. Dorada Mula. y así sucesivamente hasta 8m. Cocodrilo. Caimán. Mastín. Salmón. Foca. Carpa. Avestruz. Aguila Codorniz Pollo Halcón. En cada caso se han anotado los siguientes encestes: 717 . Fox Terrier Collie Delfín Canguro. Merluza. Oso. Cerdo. Buitre 8 08 0 1 Cuervo Grajo Comadreja Ardilla Gaviota 8 0 Murciélago Ratón a) ¿Te parece que la media sería un estadístico que representaría bien este conjunto de datos? ¿Y la moda? b) ¿Encuentras que alguna de las especies es atípica. Cuatro jugadoras de baloncesto se han sometido a la siguiente prueba: Cada una de ellas ha hecho 10 lanzamientos a canasta a una distancia de 1m. Burro. Ciervo. 58 59 60 6 59 055788 00247888 5599 6 00005 0 025 0 0 05 0 0 0 Ballena Camello. Oveja Ganso Perdiguero. Bacalao.

¿En qué percentil está? e) Compara tu altura con la de estas chicas. D. Godino Jugadora A B C D 1m 9 7 3 10 2m 10 6 4 8 3m 6 7 0 9 4m 4 4 1 9 5m 2 2 0 6 6m 0 4 2 7 7m 1 1 1 4 8m 0 0 3 5 ¿Qué jugadora es más eficaz en el enceste? 15 10 5 0 1m 2m 3m 4m 5m 6m 7m 8m A B C D Razona la respuesta usando resúmenes numéricos de los datos y la gráfica que se adjunta. En la figura presentamos las frecuencias acumuladas de la altura de 1000 chicas. 8.C. Batanero y J. b) ¿Entre qué límites varía el 50 por ciento de los valores centrales? c) ¿Cuál es el valor de la altura tal que el 70 % de las chicas tiene una altura igual o inferior (percentil del 70%)? d) Si una chica mide 1. máximo y mínimo.65. ¿Qué porcentaje de chicas son más altas/ bajas que tú? f) ¿Qué valores de la estatura considerarías atípicos en esta distribución? Frecuencias acumuladas de alturas de 1000 chicas 100 90 80 70 60 50 40 30 20 10 0 porcentaje 140 145 150 155 160 165 170 175 180 altura 718 . a) Calcula aproximadamente la mediana.

septiembre de 2008 . MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO.UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN.

en el estudio de mediciones educacionales. la estadística descriptiva es la primera etapa a desarrollar en un análisis de información. son llamados métodos estadísticos. como asimismo proporciona las herramientas que permiten extraer la información. siendo las más simples las que se refieren a una variable. Estadística descriptiva La estadística descriptiva es un conjunto de procedimientos que tienen por objeto presentar masas de datos por medio de tablas. gráficos y/o medidas de resumen. Los métodos estadísticos constituyen uno de los medios por los que el hombre trata de comprender la generalidad de la vida. o del análisis cuantitativo del material en economía Los ejemplos de estas nociones básicas son tomados de aquellos usados en educación y principalmente en la etapa de término de la Educación Media y su postulación a la Educación Superior. Estos son fundamentalmente los mismos. es a través de tablas de distribución de frecuencias.NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN ¿QUÉ ES LA ESTADÍSTICA? La estadística es una disciplina que diseña los procedimientos para la obtención de los datos. La estructura de estas tablas depende de la cantidad y tipo de variables que se están analizando. independientemente de que se apliquen en el análisis de fenómenos físicos. . De acuerdo a lo anterior. en el estudio de datos provenientes de experimentos biológicos. Los métodos objetivos y controlados que permiten abstraer grupos de tendencias de muchos individuos aislados. Tablas de Frecuencias: Una forma de presentar ordenadamente un grupo de observaciones.

EJEMPLO : Se tienen las notas de una prueba de matemática para 1000 alumnos de enseñanza media de un determinado colegio. Se resume la información en la siguiente tabla de frecuencia.

NOTA

FRECUENCIA

NOTA

FRECUENCIA

1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 3,6 3,8 4,0

1 2 3 8 15 18 19 22 25 26 28 31 35 38 45

4,2 4,4 4,6 4,8 5,0 5,2 5,4 5,6 5,8 6,0 6,2 6,4 6,6 6,8 7,0

46 48 52 58 60 56 54 51 50 46 44 40 32 31 18

En una tabla se pueden distinguir los siguientes tipos de frecuencias:

Frecuencia Absoluta

:

Es el número de repeticiones que presenta una observación. Se denota por ni Es la frecuencia absoluta dividida por el número total de datos. Se denota por fi Es la suma de los distintos valores de la frecuencia absoluta tomando como referencia un individuo dado. La última frecuencia absoluta acumulada es igual al número de casos. Se denota por Ni Es el resultado de dividir cada frecuencia absoluta acumulada por el número total de datos. Se denota por Fi

Frecuencia Relativa

:

Frecuencia Absoluta Acumulada

:

Frecuencia Relativa Acumulada

:

Para el ejemplo propuesto se determinaron las distintas frecuencias, las que se muestran en la siguiente tabla:

NOTA

FREC. ABSOLUTA

FREC. ABSOLUTA ACUMULADA

FREC. RELATIVA

FREC RELATIVA ACUMULADA

1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 3,6 3,8 4,0 4,2 4,4 4,6 4,8 5,0 5,2 5,4 5,6 5,8 6,0 6,2 6,4 6,6 6,8 7,0
TOTAL

1 2 3 8 14 18 19 22 25 26 27 31 35 38 45 46 48 52 58 60 56 54 51 50 46 44 40 32 31 18
1000

1 3 6 14 28 46 65 87 112 138 165 196 231 269 314 360 408 460 518 578 634 688 739 789 835 879 919 951 982 1000

0,001 0,002 0,003 0,008 0,014 0,018 0,019 0,022 0,025 0,026 0,027 0,031 0,035 0,038 0,045 0,046 0,048 0,052 0,058 0,060 0,056 0,054 0,051 0,050 0,046 0,044 0,040 0,032 0,031 0,018

0,00 0,00 0,01 0,01 0,03 0,05 0,07 0,09 0,11 0,14 0,17 0,20 0,23 0,27 0,31 0,36 0,41 0,46 0,52 0,58 0,63 0,69 0,74 0,79 0,84 0,88 0,92 0,95 0,98 1

Nota: Si la frecuencia relativa y relativa acumulada la multiplicamos por 100, los valores obtenidos representan porcentajes, lo que facilita la interpretación de los datos.

De esta tabla se pueden sacar conclusiones como: • • • • 45 alumnos obtuvieron nota 4,0 578 alumnos obtuvieron nota inferior o igual a 5,0 El 1,8 % de los alumnos obtuvo nota 7,0 El 31 % obtuvo nota 4.0 o inferior a ésta, mientras que el 69% obtuvo una nota superior a 4,0

Esta información también puede ser representada en forma gráfica como se muestra a continuación:

HISTOGRAMA
70 60 FRECUENCIAS 50 40 30 20 10 0 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 3,2 3,4 3,6 3,8 4 4,2 4,4 4,6 4,8 5 5,2 5,4 5,6 5,8 6 6,2 6,4 6,6 6,8 7 NOTAS

En el histograma se observa gráficamente la distribución de las notas de la prueba, y que los puntos más altos están en las notas 4,8; 5,0 y 5,2 las que coinciden con las frecuencias más altas de la tabla.

Otra forma de representar los datos es a través de un polígono de frecuencias que es un gráfico de puntos en el cual se muestra la distribución dibujada punto por punto representando los valores específicos de la variable bajo estudio.

4 1.8 2 2.6 5.6 6.2 1.6 4.6 2.6 1.4 4.4 1.8 5 5.8 3 3.2 2.6 3.4 5.2 4.2 6.8 4 4.8 5 5.8 6 6.2 5.2 6.8 4 4.2 5.6 6.6 2.2 3.4 3.8 7 NOTAS La ojiva o polígono de frecuencia acumulada nos muestra justamente las frecuencias acumuladas.6 4.En el ejemplo se puede observar que se representan los 30 valores que toman las notas. En nuestro ejemplo la Ojiva nos dice que hay alrededor de 800 alumnos que obtuvieron nota 6 o menos en la prueba de matemática.4 2.6 1.4 4.2 4.4 2.2 1.2 2.0 POLIGONO DE FRECUENCIA 70 60 FRECUENCIA 50 40 30 20 10 0 1.8 3 3.8 7 NOTAS .8 2 2.6 3.4 5.2 3.4 6.4 6.4 3.6 5. OJIVA O POLIGONO DE FRECUENCIA ACUMULADA 1200 1000 FRECUENCIA 800 600 400 200 0 1. La frecuencia más alta de alumnos la alcanza la nota 5.8 6 6.

3 0.2 6.5 87.8 126.9 31.0 193.4 5.4 3.1 5.0 4717.1 3. La Media aritmética: también denominada promedio.8 6.8 7.5 3.0 86.2 239.2 1. A continuación se presentan los más usados.2 2.4 68.6 285.8 57. es la que se utiliza principalmente y se define como la suma de los valores de todas las observaciones divididas por el número total de datos.8 16.8 256.0 TOTAL 1 2 3 8 14 18 19 22 25 26 27 31 35 38 45 46 48 52 58 60 56 54 51 50 46 44 40 32 31 18 1000 1 3 6 14 28 46 65 87 112 138 165 196 231 269 314 360 408 460 518 578 634 688 739 789 835 879 919 951 982 1000 0.MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central son valores numéricos que tienden a localizar la parte central de un conjunto de datos.8 73.0 39.1 98.4 28.7 11.6 2.5 8.0 2.4 300.6 6.3 0.0 272.0 291.8 1.5 4.6 45.0 6.0 78.6 4.6 4.4 4.9 2.8 2.8 5.6 23.8 1.6 57.0 .6 2.9 83.4 5.2 278.8 4.2 70. ABSOLUTA ACUMULADA FREC.6 5.2 3.6 5.1 1.1 0.8 63.0 3.2 2. Se representa por x o por la letra μ según se calcule en una muestra o en la población.0 1.4 180.0 4.0 276.2 0.8 14.0 3.4 1.4 105.4 126.4 2.1 26.4 4.2 13.9 78.0 5.0 51.4 6.8 0.5 2.8 5. Nos dan un centro de la distribución de frecuencias.0 5.2 291.0 4.1 0.8 4. respectivamente.7 3. NOTA FREC.2 5.6 290.6 3.4 1. RELATIVA % FREC RELATIVA ACUMULADA % xi*ni 1.8 46. Hay diferentes modos para definir el "centro" de las observaciones en un conjunto de datos.2 5.8 4.2 211.0 40.2 210.2 2.0 211.0 144.6 1.2 100.2 3.8 3.6 1.9 91.8 6.4 2.6 6.4 36. es un valor que se puede tomar como representativo de todos los datos.6 4.2 4.9 95.8 4.5 19. ABSOLUTA FREC.

717 1000 Por lo tanto. : Cantidad total de datos. Aplicando la fórmula se obtiene: x= 4717 = 4. Por lo tanto.La fórmula para calcular el promedio es entonces: x= ∑x i =1 n i n En el ejemplo dado que se tiene una distribución de frecuencias el promedio se calcula por: x= Donde: ni xi n ∑x n i =1 i n i n : Representa la frecuencia absoluta de cada grupo. Una serie de datos solo tiene una media. podemos considerar a la media como el punto de balance de una serie de datos.7 Propiedades de la media aritmética: • • • • • Puede ser calculada en distribuciones con escala relativa e intervalar. . la media de notas de los alumnos en la prueba de matemática es de 4. Todos los valores son incluidos en el cálculo de la media. Es la única medida de tendencia central donde la suma de las desviaciones de cada valor respecto a la media es igual a cero. Es una medida muy útil para comparar dos o más poblaciones. : Corresponde a la clase de cada grupo.

o que se esperaría que la mayoría de las personas tuvieran. Esto puede ser un conocimiento útil en la comparación de tamaño de familia. Esto se debe a la presencia de unos pocos valores excesivamente grandes que al tener demasiada influencia en el valor de la media aritmética hacen que ella se ubique en una posición más extrema a la esperada. la media no es el promedio apropiado para representar la serie de datos. pero no sugiere que alguna mujer tenga 2. 2. si se piensa que el valor central debe ser tal que la mitad de las personas tiene un salario inferior a él y la otra mitad un salario superior. .3 niños.3 niños por mujer. En consecuencia debería pensarse en otras medidas para evaluar un valor central con esta característica. obviamente. por ejemplo. la media aritmética resultará mucho más grande de lo que uno esperaría encontrar. No se puede determinar si en una distribución de frecuencias hay intervalos de clase abiertos.3 niños y. Todo lo que la cifra dice. de dos o más grupos. no se puede esperar encontrar una madre con exactamente 2.Desventajas de la media aritmética • Si alguno de los valores es extremadamente grande o extremadamente pequeño. • Observaciones: 1. cuando se calcula la media de hijos en un grupo de mujeres. por ejemplo. es que si dividimos el número total de niños de las mujeres consideradas por el número de mujeres. A veces se interpreta erróneamente a la media como aquel valor que es típico. se obtiene que es de 2. Otras veces se piensa que la media aritmética tiene la característica que la mitad de las observaciones es menor o igual que la media. si la distribución es asimétrica a la derecha. Este concepto es totalmente errado en algunos casos. el resultado es 2. Esta interpretación puede ser bastante absurda en algunos casos.3 niños. como puede ser la distribución de salarios donde hay muchas personas que ganan poco y hay pocas personas que ganan mucho.

Amplitud del intervalo seleccionado. ordenando las observaciones de menor a mayor y determinando el valor central. Una vez ubicado el intervalo que lo contiene se procede a reemplazar en la siguiente fórmula: ⎤ ⎡n ⎢ 2 − ( N i )Me−1 ⎥ Me = Li + ⎢ ⎥a ⎢ (ni )Me ⎥ ⎥ ⎢ ⎦ ⎣ Donde: Li (Ni)Me-1 (ni)me ni a : : : : : Es el límite inferior de la clase que contiene la mediana.Mediana: Se define como el valor que deja igual número de observaciones a su izquierda que a su derecha. Número de observaciones en la clase que contiene a la mediana. Si los datos están agrupados la mediana se calcula observando los siguientes pasos: primero se debe determinar cuanto es n/2. luego se verá en cuál intervalo estará contenido este valor.8 518 ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ En este caso los datos no están agrupados en intervalo.8 + ⎢ ⎥0 = 4. divide al conjunto de datos en dos partes iguales y se denota por Me. Frecuencia absoluta acumulada de la clase que precede (antes) a la clase que contiene a la mediana. si la cantidad es par.8 . la mediana es el promedio de los datos centrales. Si la cantidad de datos es impar. Número de observaciones. Reemplazando los valores del ejemplo en la fórmula se obtiene: Para nuestro ejemplo ⎡ 1000 ⎤ ⎢ 2 − 460 ⎥ Me = 4. En cambio. la mediana se representa justamente por ese valor. por lo tanto a = 0 La mediana de los alumnos que rindieron la prueba de matemáticas es de 4. Si los datos no están tabulados la mediana se determina. es decir.

MEDIDAS DE POSICIÓN Las medidas de posición dividen un conjunto ordenado de datos en grupo con la misma cantidad de individuos.3.2.. se calculan mediante la fórmula: ⎛ n ⎞ k⎜ ⎟ − N i −1 ⎝ 100 ⎠ Pk = Li + *a ni con k= 1. el percentil de orden 15 deja por debajo al 15% de las observaciones... Es siempre un valor de la variable. aquella cuya frecuencia absoluta es mayor. es decir. se observa claramente que la moda de los alumnos que rindieron la prueba de matemática es 5. Es fácil de calcular. Moda: Es el valor de la variable que más veces se repite.Propiedades: No le afectan las observaciones extremas. La mediana divide el área total del histograma en dos porciones iguales. Se denota por Mo. En la tabla de frecuencias del ejemplo. y por encima queda el 85% Cuando los datos están agrupados en una tabla de frecuencias. Puede haber más de una moda en una distribución. Percentiles: Son 99 valores que dividen en cien porciones iguales el conjunto de datos ordenados. Ejemplo. 99 .

: Longitud del intervalo de la clase del percentil k. Para el ejemplo calcularemos el percentil 87 P87 ⎛ 1000 ⎞ 87⎜ ⎟ − 835 ⎝ 100 ⎠ * 0 = 6. 60.. 20.2 + 44 El 87% de los alumnos obtuvieron una nota igual o inferior a 6. 70.3. 40. son también un caso particular de los percentiles. Para datos agrupados los deciles se calculan mediante la fórmula. 30.2. 50. : Frecuencia acumulada de la clase que antecede a la clase del percentil k. 9 . Deciles: Son los nueve valores que dividen al conjunto de datos ordenados en diez porciones iguales. : Frecuencia de la clase del percentil k.2 = 6.2 En la publicación de los resultados de pruebas del examen de selección los puntajes se expresan en puntaje estándar asociándose al percentil correspondiente. pues corresponden a los percentiles 10..Donde Li n Ni-1 ni a : Límite real inferior de la clase del percentil k.. 80 y 90. : Cantidad total de datos. ⎛n⎞ k ⎜ ⎟ − N i −1 10 *a Dk = Li + ⎝ ⎠ ni con k= 1.

.El tercer cuartil Q3 es el valor de la variable que deja a la izquierda el 75% de la distribución.Donde: Li n Ni-1 ni a : Límite real inferior de la clase del decil k. 50 y 75. : Frecuencia de la clase del decil k.4 Cuartiles: Son los tres valores que dividen al conjunto de datos ordenados en cuatro porciones iguales. .El segundo cuartil Q2 (la mediana). . luego Q1 =3. correspondiendo a los percentiles 25. son un caso particular de los percentiles.4 + * 0 = 4. Para el ejemplo. : Cantidad total de datos. se tienen los siguientes cuartiles Q 1: n = 250 Primero N i 〉 n = 269 .8 4 4 . Para el ejemplo calcularemos el decil 4 ⎛ 1000 ⎞ 4⎜ ⎟ − 360 ⎝ 10 ⎠ D4 = 4. : Frecuencia acumulada de la clase que antecede a la clase del decil k.4 48 El 40% de los alumnos obtuvieron una nota igual o inferior a 4. : Longitud del intervalo de la clase del decil k. es el valor de la variable que deja a la izquierda el 50% de la distribución.El primer cuartil Q1 es el valor de la variable que deja a la izquierda el 25% de la distribución.

2. son un caso particular de los percentiles. – El segundo quintil es el valor de la variable que deja a la izquierda el 40% de la distribución. luego Q2 = 4. – El cuarto quintil es el valor de la variable que deja a la izquierda el 80% de la distribución.El 25% de los alumnos obtuvieron una nota igual o inferior a 3. 4 . – El tercer quintil es el valor de la variable que deja a la izquierda el 60% de la distribución. 60.8. – El primer quintil es el valor de la variable que deja a la izquierda el 20% de la distribución. o bien.8 4 4 El 50% de los alumnos obtuvieron una nota igual o inferior a 4. ⎛n⎞ k ⎜ ⎟ − N i −1 5 K k = Li + ⎝ ⎠ *a ni con k = 1. 40.8 Q 3: 3n = 250 Primero N i 〉 3n = 789 . luego Q3 = 5. 3.8 4 4 El 75% de los alumnos obtuvieron una nota igual o inferior a 5. el 25% de los alumnos tuvieron nota superior a 5. correspondiendo a los percentiles 20.8. Quintiles Son los cuatro valores que dividen al conjunto de datos ordenados en cinco porciones iguales.8 Q 2: 2n = 250 Primero N i 〉 2n = 518 . 80.

2 o bien. : Longitud del intervalo de la clase del quintil k.2 + * 0 = 5. : Frecuencia acumulada de la clase que antecede a la clase del quintil k. Para el ejemplo calcularemos el quintil 3 ⎛ 1000 ⎞ 3⎜ ⎟ − 578 ⎝ 5 ⎠ K 3 = 5.Donde: Li n Ni-1 ni a : Límite real inferior de la clase del quintil k.2 56 El 60% de los alumnos obtuvieron una nota igual o inferior a 5. : Frecuencia de la clase del quintil k.2 . : Número de datos. el 40% de los alumnos tuvieron nota superior a 5.

.MEDIDAS DE DISPERSIÓN Las medidas de dispersión indican la mayor o menor concentración de los datos con respecto a las medidas de centralización Desviación estándar: también llamada desviación típica. Una desviación estándar grande indica que los puntos están lejos de la media. según se calcule en una muestra o en la población. . la desviación estándar es "el promedio de la distancia de cada punto respecto del promedio". Específicamente. y una desviación pequeña indica que los datos están agrupados cerca de la media. es una medida de dispersión usada en estadística que nos dice cuánto tienden a alejarse los valores puntuales del promedio en una distribución. Se suele representar por una S o con la letra sigma.

0 3.0 6.4 1.6 57.36 453.2 70.44 929.48 358.8 4.8 6.2 211.5 8.9 83.68 25.44 882.6 1.La fórmula para calcular la desviación estándar es: S= ∑ (x − x ) i =1 n 2 n −1 En el ejemplo dado que se tiene una distribución de frecuencias.4 28.9 2. RELATIVA % 2 S= FREC.2 100.00 1691.72 720.32 1336.4 2.92 7.0 4717.0 86.4 5.0 4.8 63.64 1599.0 40.1 26.6 3.00 23970.2 2.2 13.4 126.5 3.1 0.0 5.7 3.8 4.72 196.2 2.12 109.9 91.0 211.0 291.8 3.24 1574.6 6.8 1.8 16.6 2.6 5.00 276.0 144.4 2.4 3.0 3.8 1.00 234.32 1500.8 5.44 148.5 2.9 95.8 126.8 4.1 3.3 0.2 0. ABSOLUTA FREC RELATIVA ACUMULADA % xi*ni xi2*ni 1.8 46.6 6.5 4.0 2.00 1514.0 39.4 4.6 4.4 36.2 3.9 78.92 1433.6 4.2 291.2 1.0 276.2 2.8 5.3 0.00 87.8 256.4 300.36 1638.1 98.4 105. ABSOLUTA ACUMULADA NOTA FREC.4 180.8 7.8 14.6 2.6 1.6 45.2 5. la desviación se calcula por: ⎛ K ⎞ ⎜ ∑ ni x i ⎟ K ∑ ni xi2 − ⎝ i =1 n ⎠ i =1 n −1 FREC.8 2.00 1656.0 1.0 1.5 19.6 4.5 87.1 5.4 4.6 5.4 68.2 6.8 4.1 0.4 6.36 1682.4 1.0 78.7 11.2 239.0 193.0 5.0 TOTAL 1 2 3 8 14 18 19 22 25 26 27 31 35 38 45 46 48 52 58 60 56 54 51 50 46 44 40 32 31 18 1000 1 3 6 14 28 46 65 87 112 138 165 196 231 269 314 360 408 460 518 578 634 688 739 789 835 879 919 951 982 1000 0.6 285.8 57.0 272.0 4.12 .8 6.44 3.0 51.4 5.2 4.6 23.60 548.9 31.8 0.40 1393.00 811.2 210.2 3.92 56.2 278.8 73.6 290.28 1100.2 5.1 1.

Si As > 0 diremos que es asimétrica positiva ya que la mayoría de las observaciones están a la izquierda de la proyección de la media. .Reemplazando en la fórmula los valores del ejemplo se obtiene: 23970. y una manera de caracterizar la forma es observar su simetría.12 − 999 4717 2 1000 = 1.3. expresando la diferencia entre la media y la mediana con respecto a la desviación estándar del grupo de mediciones. es decir. ver respecto a qué es simétrica.72 S2 = S = S 2 = 1. MEDIDAS DE FORMA Las distribuciones pueden tener diferentes formas. mide la desviación de la simetría. Una distribución de frecuencias puede ser simétrica o asimétrica. en ese caso las desviaciones a la derecha y a la izquierda de la media se compensan. Para saber si es simétrica tenemos que tomar una referencia. Su fórmula es: As = 3( x − Me) Sx Si As = 0 diremos que la distribución es simétrica. Si As < 0 diremos que es asimétrica negativa ya que la mayoría de las observaciones están a la derecha de la proyección de la media. El coeficiente de asimetría de Pearson.3114 La desviación estándar en las notas de la prueba de matemática es de 1.

.8 ) = -0. se puede ver fácilmente que la distribución es asimétrica negativa. además. las notas de los alumnos tienen una distribución ligeramente asimétrica negativa.1898 13114 . En el siguiente histograma se pueden observar las medidas de tendencia central y posición de nuestro ejemplo.717 − 4.Reemplazando en la fórmula los valores del ejemplo se obtiene: As = 3(4. Por lo tanto.

DISTRIBUCIÓN NORMAL La distribución normal es una de las distribuciones más usadas e importantes. una gran probabilidad de obtener datos cercanos al valor medio de la distribución. . Cuanto mayor sea el valor de S. Un valor pequeño de este parámetro indica. por tanto. La forma de la campana de Gauss depende de los parámetros μ y σ. llamada también campana de Gauss por su forma acampanada. la industria y el comercio. Por otra parte. la desviación estándar determina el grado de apuntamiento de la curva. de modo que para diferentes valores de la gráfica es desplazada a lo largo del eje horizontal. La media indica la posición de la campana. Muchos eventos reales y naturales tienen una distribución de frecuencias cuya forma es muy parecida a la distribución normal. más se dispersarán los datos en torno a la media y la curva será más plana. Se ha desenvuelto como una herramienta indispensable en cualquier rama de la ciencia.

la mitad del área bajo la curva está antes del punto central y la otra mitad después. La distribución de probabilidad normal es simétrica alrededor de su media. El área total bajo la curva es igual a 1. es decir. La media. La forma y la posición de una distribución normal dependen de los parámetros μ y σ . La escala horizontal de la curva se mide en desviaciones estándar. • • .La distribución de probabilidad normal y su curva tiene las siguientes características: • • La curva normal tiene forma de campana. la mitad de curva tiene un área de 0. la moda y la mediana de la distribución son iguales y se localizan en el centro de la distribución.5. Por lo tanto. por lo que hay un número infinito de distribuciones normales.

que tiene una distribución con media de 500. dado que la curva normal es simétrica.ÁREA BAJO LA CURVA EN UNA DISTRIBUCIÓN NORMAL El área bajo la curva. indica la probabilidad de que la frecuencia se encuentre entre dichos valores. un puntaje en la PSU. . Lo mismo ocurre hacia la derecha. Así. por ejemplo. que es justamente la mitad. por lo tanto el promedio es igual a la mediana y al modo. entre dos puntos. Esto se obtiene de ver la probabilidad entre 150 (menor valor en la prueba) y 500 puntos. significa que bajo 500 puntos se encuentra el 50% de la población.

El 99% central de los puntajes se normalizan con un promedio de 500 y desviación estándar 110. se normalizará luego de estimar la equivalencia de puntajes entre sus tres versiones. truncando los extremos en 150 y 850 puntos. empleando el módulo común como base para establecer dicha equivalencia. En el caso de la prueba de Ciencias. el 0.NORMALIZACIÓN Se asocia con la acción de transformar una distribución cualquiera a una distribución normal.5% de cada extremo se ajusta interpolando linealmente. EJEMPLO: NORMALIZACIÓN DE LAS PRUEBAS (PSU) Los puntajes de las PSU se normalizan desde el Proceso de Admisión 2005. . con una media de 500 puntos y desviación estándar de 110 puntos. Corresponde ajustar los datos de la distribución “inicial” a una distribución normal. En este caso se cambia la forma de la distribución original manteniendo la proporción de casos entre valores contiguos.

esto significa que 33.759 de ellos sacaron 610 o más puntos y el resto obtuvo puntajes menores. y luego se identifica su equivalente en puntaje estandarizado en la distribución normal (puntaje Z).723 postulantes. Nota: Por normalización se entiende una transformación de la distribución de los puntajes corregidos. manteniendo el orden.87 % de éstos tienen 610 o más puntos. rendida en la Admisión 2007 por 212. Este puntaje Z es finalmente convertido a la escala que se desee. en este caso. con promedio 500 y desviación estándar 110. haciendo PS=110*Z+500. obteniéndose el puntaje final PS. . Para ello se calculan los percentiles asociados a cada puntaje corregido.Ejemplo: Si en la PSU de Lenguaje y Comunicación. el 15.

Por lo tanto la media aritmética ponderada se utiliza cuando a cada valor de la variable (xi) se le otorga una ponderación o peso distinto de la frecuencia o repetición. es independiente de la frecuencia absoluta que tenga. Esta importancia que asignamos a cada variable. Para poder calcularla se tendrá que tener en cuenta las ponderaciones de cada uno de los valores que tenga la variable Se la suele representar como: Xw = ∑x w n ∑w n i i i i i Siendo wi la ponderación de la variable xi y ponderaciones. en tantas veces como consideremos su peso. Será como un aumento del valor de esa variable.ANEXO MEDIA ARITMÉTICA PONDERADA: En ocasiones no todos los valores de la variable tienen el mismo peso. ∑w i la suma de todas las Un ejemplo es la obtención de la media ponderada de los puntajes según las distintas ponderaciones dadas por las universidades para alguna carrera específica: Ponderación o “peso” = NEM LyC MAT CS = = = = 20% 25% 25% 30% Puntajes = NEM LyC MAT CS = = = = 600 680 620 650 .

500 100% 64. la media de 1.000 + 17.x= − − 20% ⋅ 600 + 25% ⋅ 680 + 25% ⋅ 620 + 30% ⋅ 650 20% + 25% + 25% + 30% 12. Normalmente los postulantes suman los promedios de sus notas de enseñanza media y lo dividen por 4.000 = 640 ptos. ignorando la ponderación de cada promedio por cuanto el número de asignaturas de cada curso es distinto. se describen otros conceptos de “media” de escasa utilización en educación. 3º y 4º año medio. 100% x= − x= Esta misma fórmula se emplea para calcular el promedio de un grupo a partir del conocimiento del promedio y de la cantidad de casos que hay en cada subgrupo de él. Un ejemplo de este caso es el cálculo del promedio de notas en Educación Media a partir de los promedios de 1º. Se calcula con la siguiente fórmula Por ejemplo. la media geométrica de 2 y 18 es Otro ejemplo.000 + 15.500 + 19. 2º. A continuación. LA MEDIA GEOMÉTRICA: en una cantidad finita de números (digamos 'n' números) es la raíz n-ésima del producto de todos los números. 3 y 9 sería .

y responde a la siguiente expresión: H= n n ∑ xii Esta media no es aconsejable en distribuciones de variables con valores pequeños. La media geométrica es relevante cuando varias cantidades son multiplicadas para producir un total. se representa por H. Es única. cambios.Sólo es relevante la media geométrica si todos los números son positivos. En muchas ocasiones se utiliza su trasformación en el manejo estadístico de variables con distribución no normal. etc. Si hay un número negativo (o una cantidad impar de ellos) entonces la media geométrica es. velocidades. Su cálculo no tiene sentido cuando algún valor de la variable toma valor cero. rendimientos. Si uno de ellos es 0. Se suele utilizar para promediar variables tales como productividades. entonces el resultado es 0. tiempos. o bien negativa o bien inexistente en los números reales.86 años 8450 . Ventajas e inconvenientes: En su cálculo intervienen todos los valores de la distribución. Como ejemplo se muestra el caso de las edades de las tres personas 80. MEDIA ARMÓNICA: Es la inversa de la media aritmética de los inversos de los valores de la variable. H= 3 3 3 132000 ⋅ 3 = = = 1 +1 +1 1650 + 2400 + 4400 8450 8450 80 55 30 132000 132000 = 396000 = 46. 55 y 30 años.

Sé ecológico. Cargar o importar datos Fórmulas programadas Cargar el módulo para Estadística Obtener un resumen de medidas de una muestra Dibujar el histograma de una muestra Si no indicamos las clases Si queremos indicar las clases Diagrama de dispersión entre dos variables Recta de regresión entre dos variables 1 Estadística con Excel . para que lo tenga en cuenta el lector. por favor hazlo en papel reciclado. ahorrarás papel y tinta.pdf.Puedes no imprimir este archivo y consultarlo en formato digital. Quiero dejar claro. que apenas sé algo de Excel. Por tanto. Muchas gracias. Estadística descriptiva básica con Excel 2007 Mis alumnos de la Licenciatura en Documentación han demandado que actualizase a Excel 2007 este breve guión de Estadística Descriptiva que hice cuando aún esta versión de Excel no estaba muy difundida. Quizá todavía haya personas que trabajan con la anterior. Si decides imprimirlo. a doble cara y con poca tinta. así que conservo también aquel guión en este enlace Excel00ED. quizá haya maneras más sencillas de hacer algunos de los pasos que se describen en estas hojas. Y no sólo esto sino que ni utilizo Microsoft Office Excel 2007 ni el sistema operativo Microsoft Windows.

Normalmente este tipo de programas pueden abrir archivos que estén en varios formatos. Utilizaremos esto último. El conjunto de datos que se utiliza en este guión. generarlos con el programa o cargarlos desde un archivo en el que estén. Para abrir los datos de los formatos de Excel: Pulsar y luego seleccionar Abrir Para importar datos de otros formatos: En la pestaña Datos seleccionar Obtener datos externos 2 Estadística con Excel . además del suyo propio. «paises».Cargar o importar datos Podemos meter los datos a mano. de Daniel Peña y Juan Romo. está tomado del libro Introducción a la Estadística para las Ciencias Sociales.

si los decimales se indican con coma o con punto (forma anglosajona) y si en la primera fila se indica en nombre de las columnas o variables. Los nombres de los países están en la segunda columna (la primera es un índice para numerarlos) y los de las variables están en la primera fila. pero siempre podemos abrirlos primero con un editor de texto para ver si los datos están dados en columnas. El asistente nos muestra los datos abajo. una vez cargados los datos: Vemos que cada país está en una fila y cada variable en una columna. Es importante tener esto presente para no incluir esos nombre entre las celdas de la muestra a la hora de hacer cálculos con ellos. si estas columnas están separadas por tabulaciones.Si los datos están en formato de texto. 3 Estadística con Excel . se abre un asistente que va haciendo preguntas sobre cómo deben «leerse» los datos. En este caso.

más accesibles sus funciones programadas. entre otras mejoras.Fórmulas programadas Excel 2007 tiene. En la pestaña Fórmulas. son de especial interés para nosotros las funciones estadísticas: 4 Estadística con Excel .

no aparece en la pestaña Datos por defecto y hay que cargarlo expresamente. 5 Estadística con Excel .Cargar el módulo para Estadística Excel tiene un módulo para hacer cálculos estadísticos. indico más abajo cómo los he resuelto): Yo he hecho: Pulsar en y luego Más comandos. la ayuda de Excel aconseja seguir los siguientes pasos (yo me he encontrado con problemas. Como no es un módulo básico.. Para hacer que el submenú Análisis de datos aparezca en esa pestaña..

Aparece la siguiente ventana Seleccionar Complementos → Marcar Herramientas para análisis → Pulsar Aceptar 6 Estadística con Excel .

. es decir. Ahora aparece el cuadro que aparecía en las anteriores versiones de Excel: Seleccionar Herramientas para análisis → Pulsar 7 Estadística con Excel . y ahora Seleccionar Complementos y pulsar en que aparece en la parte de abajo. esto no es suficiente (al menos en mi caso) para que el módulo se cargue. con Pulsar en y luego Más comandos. por lo que vuelvo a hacer que aparezca la ventana de opciones como antes..Sin embargo.

La primera vez que he hecho esto. Las siguientes veces que he repetido los pasos de desagregar y agregar el módulo (para hacer este guión). Ahora Al pulsar aparece 8 Estadística con Excel . Excel ha iniciado un proceso de instalación del módulo que ha llevado unos minutos. Ahora ya aparece la opción Análisis en la pestaña Datos. no ha necesitado instalación.

Obtener un resumen de medidas de una muestra
Ahora vamos a obtener un resumen de estadísticos de una muestra de datos. Para ello:

Al pulsar

aparece

Seleccionar Estadística descriptiva → Pulsar

Aparece

9

Estadística con Excel

Tenemos que indicar con el ratón en qué celdas están los datos. Pulsamos el botón que está en la circunferencia roja del dibujo. Aparece el siguiente cuadro

No le hacemos caso, sencillamente seleccionamos con el ratón la segunda celda de la columna AGRICUL y extendemos la selección con el ratón hasta el final de esa columna. Al soltar el botón del ratón se introduce automáticamente ese rango de valores en el cuadro anterior:

Pulsamos el botón que está en el círculo azul y automáticamente se introduce la selección en el campo adecuado del cuadro inicial. Le indicamos también si los datos están por columnas o por filas, que muestre los resultados en una nueva hoja de cálculo, por ejemplo, y que muestre el resumen de medidas.

Al pulsar

aparece

10

Estadística con Excel

11

Estadística con Excel

Si no se le indican los intervalos. él los construye. si queremos que muestre la frecuencias acumuladas porcentuales y que cree el gráfico.Dibujar el histograma de una muestra Para hacer el histograma de una muestra de datos: Al pulsar aparece Seleccionar Histograma → Pulsar La información que necesita Excel para hacer un histograma es la muestra y los intervalos. Veamos primero este caso. Al pulsar en el cuadro de la izquierda siguiente aparece la tabla de la derecha 12 Estadística con Excel . Si no indicamos las clases Le indicamos como se ha hecho antes dónde está la muestra.

en Rango de entrada le hemos indicado el lugar donde está la muestra. Si no le hemos indicado que haga el gráfico. En una hoja nueva (o en un libro nuevo.Es decir. podemos hacerlo ahora. Si queremos indicar las clases Para indicárselo tenemos que introducir los extremos inferiores de los intervalos en una columna. según se le haya indicado) proporciona la tabla con las clases (indica el extremo inferior) y con las frecuencias absolutas. En este caso. del resumen anterior vemos que: • • • La muestra tiene 132 datos El valor máximo es 65 El valor mínimo es 0 13 Estadística con Excel .

Como  132 = 11. En nuestro caso. como antes.90 empezando en el 0.42 parece que es más cómodo tomar 11 intervalos de longitud 6. que la generalice y haga que cada celda sea la anterior más 6.49 podemos considerar 11 ó 12 intervalos que cubran todo el rango. Esta selección se muestra a la izquierda en las siguientes imágenes. Vemos en el apartado anterior que el programa ha tomado precisamente 11 intervalos de longitud 5. Al pulsar o pulsar con el ratón en cualquier celda se aplica la fórmula en la celda A3. Escribimos lo siguiente: porque en mi caso la celda en que he puesto la primera cantidad es la A2 (de una nueva hoja).5. 11⋅6=66 . Ahora queremos que Excel entienda que queremos hacer esa misma operación en las celdas de debajo. no pasaría nada grave por empezar el primer intervalo en 0 y terminar en 66. Como 65/11 = 5.5 al 65. es decir. y luego redondea. basta seleccionar esta segunda celda y arrastrar con el ratón de la esquina inferior hasta la fila que queramos. Ahora. Ya hemos generado el Rango de clases. así que podemos centrar los intervalos y empezar desde el -0. Esto es fácil.5. las celdas donde está la muestra: Los resultados son 14 Estadística con Excel . es decir. queremos que lo aplique hasta la decimotercera. Vamos a elegir una columna que esté en blanco y vamos a escribir en una celda el número -0. Si tuviésemos que hacer los cálculos a mano.90 y 65/12 = 5. En Rango de entrada le tenemos que indicar. como hemos empezado en la segunda. Seleccionamos la celda de debajo y vamos a la barra de funciones. para calcular el número de clases Excel aplica la regla de la raíz del número de datos.

Vemos que ha metido los dos datos que valían 0 en la clase del 5. podemos empezar en 0.5 ve que no hay ningún valor menor que él y pone frecuencia 0. no en la del -0. Para arreglar esto. y ahora los resultados son 15 Estadística con Excel . para la clase del -0.5. Es decir. Esto se debe a que el programa mete en cada clase los valores que hay entre su límite inferior y el del intervalo siguiente. pero para los intervalos de los extremos computa respectivamente el número de datos que hay menores y mayores que sus límites.5.

16 Estadística con Excel .

se elige Gráficos → Dispersión y se pulsa en el primer tipo Automáticamente. y viceversa. porque ambas cosas están relacionadas con el nivel de vida del país. Lo que sucede además es que cuanto mayor es la mortalidad infantil. se obtiene la salida (que se puede mover a otro sitio. no es necesario copiarlas y pegarlas para ponerlas juntas. en la pestaña Insertar. si se quiere) Vemos que claramente hay una relación lineal entre las dos variables. se seleccionan todas las celdas de las dos columnas contiguas y. habría que copiar aparte las dos columnas que contienen a las variables que queremos dibujar. Dado que es fácil copiar y pegar columnas enteras. menor es la esperanza de vida de las mujeres. En nuestro caso. si queremos hacer el diagrama de dispersión de las variables MORT INF y ESP M.Diagrama de dispersión entre dos variables Para hacer cualquier gráfico primero hay que preparar convenientemente los datos (mirar la ayuda de Excel sobre «Crear un gráfico»). de manera que estén una al lado de la otra. Esto es lógico. Una vez que están los datos preparados. 17 Estadística con Excel . como ya están en columnas contiguas en la hoja de datos original.

es).Recta de regresión entre dos variables Queremos ahora expresar con una fórmula la relación entre las dos variables. a esto se le llama «modelizar» (esta palabra es la más conveniente que «modelar».rae. Para eso: Al pulsar aparece Ahora Seleccionar Regresión → Pulsar Aparece un cuadro de diálogo. Consultar ambas en http://www. que relleno queda: 18 Estadística con Excel .

26063532⋅X 80.10760518 19 Estadística con Excel . aparecen los resultados númericos: y que nos dice que el modelo ajustado es Y =−0. Entre otros.donde le hemos indicado bien (¡muy importante!) cuál tomamos como variable independiente (en el eje X) y cuál como dependiente (en el eje Y. la que queremos estudiar en función de la independiente).

Vemos que la pendiente el negativa. no es fácil) encima de los datos y pulsar el botón secundario del ratón. como esperábamos. hay que situarse (con cuidado. Si queremos dibujar la recta de regresión se puede hacer agregando al diagrama de dispersión una línea de tendencia (que coincide con la recta de regresión cuando suponemos que la tendencia es lineal). Aparece el cuadro Seleccionar Agregar línea de tendencia → Elegir Lineal 20 Estadística con Excel .

Nótese que desde este cuadro se pueden extrapolar valores, es decir, predecir valores de relación entre las dos variables que no han salido realmente en las muestras.

Fechas de creación y última actualización: 27/10/08

Universidad Carlos III de Madrid
∟ Facultad de Ciencias Sociales y Jurídicas
∟ Departamento de Estadística: C/ Madrid 126 28903 Getafe (Madrid)
∟ David Casado de Lucas: http://www.est.uc3m.es/dcasado/

21

Estadística con Excel

documentos

La noción de proporcionalidad1
Alejandra Rodríguez Díaz
Maestría en Psicogenética. IMCED

Jesús Roberto Pérez García
Matemática Educativa. UMSNH

Introducción En el presente artículo se reportan los resultados obtenidos de la investigación realizada sobre el proceso constructivo de la noción de proporcionalidad en estudiantes del tercer ciclo de educación primaria. El estudio se centra en las competencias que manifiestan los estudiantes, en las estrategias que utilizan y en las dificultades que obstaculizan la solución de problemas que involucran el uso del razonamiento proporcional. En los actuales planes y programas de estudio de matemáticas para la escuela primaria se plantean como propósitos básicos la adquisición de conocimientos y el desarrollo de habilidades a partir de la resolución de problemas. En lo que respecta a la proporcionalidad, ésta ocupa un lugar importante en el mapa curricular al ser considerada como una herramienta cognitiva que permite la apropiación de conocimientos además de desarrollar el pensamiento relacional que posibilita vincular las matemáticas con otras asignaturas como la Física, la Química, la Biología, la Historia, Geografía y Arte. No obstante la importancia de esta noción, considerada como la “síntesis de la aritmética” y que “a pesar de la frecuencia con que las empleamos, las ideas de proporcionalidad son en general mal entendidas. Esto se debe a que, además de ser un tema relativamente complicado, está enfocado de manera mecánica a la regla de tres”,2 lo que conlleva a deficiencias constructivas en los estudiantes.

1 2

Título autoral: “La construcción de la noción de proporcionalidad. Un estudio psicogenético sobre la construcción de las nociones aritméticas”. MOCHÓN, S. “Razón y Proporción” en O. Figueras, G. López y S. Mochón. Matemáticas. Guía para el maestro. Sexto grado de Educación Primaria. SEP, México, 1992. p. 14
ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •91

documentos

Se abordan los principios de orden teórico y metodológico que se emplearon en la investigación. Asimismo se incluye una sección donde se presentan los resultados obtenidos y algunas implicaciones para su enseñanza. 1. Antecedentes teóricos Dentro del campo de la Psicología y de la Educación Matemática, la proporcionalidad ha sido objeto de varias investigaciones desde diferentes perspectivas, las cuales han aportado importante información. Winch3 estudia la habilidad de los estudiantes de la escuela elemental para resolver correctamente problemas de proporción y en su reporte da cuenta de tres métodos de solución que ellos emplean: • La búsqueda del valor unitario, que consiste en encontrar el valor correspondiente a la unidad, en ella subyace la pregunta ¿cuántos para uno?, accediendo a éste por medio de una división. El razonamiento aditivo, el cual se basa en comparaciones por medio de diferencias. El razonamiento cualitativo se basa en comparaciones como “mayor que”, “más que” o “igual que” sin llegar a una cuantificación de las mismas.

El primer método de la búsqueda del valor unitario se reconoce como el usado con mayor frecuencia, lo cual lo lleva a expresar la siguiente hipótesis: “Los problemas en los que hace mención explícita de las cantidades unitarias son más sencillos que aquellos en los que no hace referencia de dichas cantidades”.4 Piaget,5 en relación con el pensamiento proporcional centra su atención en las características cuantitativas y cualitativas de los acercamientos de los niños y adolescentes para resolver tareas que requieren del razonamiento proporcional, el cual es caracterizado de acuerdo a varios momentos: • Primeras etapas en las cuales el pensamiento hace uso de correspondencias y seriaciones cualitativas.
Citado en Karplus, R. Acquisition of Mathematics concepts and processes. 1983. Ibid. p.45. Piaget, citado en Gómez, H. Indicios del pensamiento proporcional. 1996.

3 4 5

92 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003

lo ubican como un cimiento del álgebra y como una síntesis de la aritmética. p. En relación a las estrategias que utilizan los niños Karplus6 propone cuatro categorías. Piaget también afirma que “el razonamiento proporcional. p. Aditiva. Lesh y Cramer8 al estudiar el razonamiento proporcional. sino en una combinación de duplicar. producto del análisis de los diferentes métodos de solución empleados por los alumnos en tareas que involucran el razonamiento proporcional: • Incompleta–Ilógica. Etapas avanzadas en las cuales se aplica el razonamiento proporcional sin importar los valores numéricos de los datos y las razones. junto con la habilidad de formular hipótesis y trabajar con un cierto número de variables en un problema. o procesos de ese tipo y sumar las contribuciones correspondientes.documentos • • Etapas intermedias de compensaciones aditivas o el uso de razones 2:1. p. tomar medios.cit. al comparar los datos a partir de diferencias o residuos. si usan datos para calcular y comparar relaciones proporcionales. Op. Op. usando los términos “más”. 47 Ibid. “menos” o términos equivalentes.7 identifica y caracteriza una estrategia denominada “Pre–proporcional” que se caracteriza por un razonamiento correcto que no se basa en el planteamiento de una proporción mediante la comparación de dos razones.cit. Cualitativa. cuando adivinan la respuesta o emplean una operación cuantitativa inapropiada. Dos son los aspectos que destacan estos autores: 6 7 8 KAPLUS. 11 ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •93 . • • • Hart. Razonamiento proporcional. 48 GÓMEZ. Investigan las dificultades por las que atraviesan los estudiantes al resolver tareas de proporcionalidad y por el tipo de estrategias que utilizan. triplicar. resultaban especialmente indicativos de la habilidad para razonar formalmente”. si comparan las cuatro cantidades dadas.

Tesis de Maestría. En el Departamento de Matemática Educativa. Hilda Gómez9 considera importante el estudio con adolescentes y a la vez. correspondencias y seriaciones de tipo cualitativo. de 6 a 12 años de edad.documentos a) El reconocimiento del uso y la importancia de los métodos intuitivos. entendido éste como un proceso cognitivo que parte de la caracterización que hace Lesh el cual lo considera como: … una forma de razonamiento matemático que involucra un sentido de covariedad y de comparaciones múltiples. Identifica competencias que los niños despliegan para dar la respuesta. 12. México. así como la habilidad de acumular y procesar mentalmente varios fragmentos de información. Por ejemplo: un niño al 9 GÓMEZ. b) La reconsideración de las situaciones de tipo cualitativo como favorecedoras del empleo del razonamiento proporcional a diferencia de quienes han planteado que las respuestas de tipo cualitativo identifican a los sujetos que no aplican el razonamiento proporcional. 94 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . 1996. así como las estrategias más comunes que se presentan en la solución y. se encuentra muy relacionado con la inferencia y la predicción e involucra ambos métodos de pensamiento: el cualitativo y el cuantitativo.10 Dos aspectos se derivan de esta caracterización del razonamiento proporcional: El “razonamiento cualitativo”. es decir. Un estudio en la escuela primaria sobre competencias al resolver situaciones de cambio. dependiente del Centro de Investigación de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV–IPN). por otro lado. Indicios del pensamiento proporcional. Departamento de Matemática Educativa. El trabajo que aquí se reporta considera al “razonamiento proporcional” como el concepto que sustenta esta investigación. H. intenta rastrear el pensamiento proporcional en los estudiantes de nivel primaria. identifica aquellos elementos que vienen a complejizar la tarea. 1 0 Ibid p. En un contexto nacional también se han realizado investigaciones al respecto. se refiere al uso de comparaciones. se han desarrollado investigaciones sobre los Indicios del Pensamiento Proporcional y temas directamente relacionados como son los de Razón y Fracciones. CINVESTAV –IPN .

el trabajo que aquí se reporta asume como problema central la interrogante: ¿Cómo se caracteriza el desarrollo del concepto de proporcionalidad en los estudiantes de educación primaria y cuáles son las competencias y estrategias que despliegan y dificultades que enfrentan al resolver problemas que implican el uso del razonamiento proporcional? Y especificada con los cuestionamientos: • ¿Los niños de la escuela primaria identifican la naturaleza cualitativa. lo que implica dificultades para su enseñanza y su aprendizaje. La falta de investigaciones a nivel local. siendo éste el campo más frecuente de aplicación de la proporcionalidad. o bien. al relacionar proposiciones como: el oro es un metal como el oxígeno es un gas. tales como: • La manifestación de un bajo dominio por parte de los profesores sobre el tema. Al mismo tiempo expresa algunos problemas. El “razonamiento cuantitativo”. Preguntas de investigación Para orientar la investigación referida a la problemática mencionada. como un conocimiento matemático y una herramienta intelectual. • • • 2.documentos comparar el tamaño de la ropa de su hermano mayor con la suya. manejado como regla de tres. se refiere a comparaciones que dependen de valores numéricos. Es uno de los contenidos que representa una mayor dificultad en el nivel de primaria tanto en su enseñanza como en su aprendizaje. estrategias y dificultades que manifiestan los alumnos del tercer ciclo al resolver problemas que involucran proporciones o nociones consideradas precursoras de éstas? ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •95 • . Lo anterior muestra la importancia de la noción de proporcionalidad. aditiva o multiplicativa del cambio en situaciones en las que varía la cantidad de manera proporcional o no proporcional? ¿Cuáles son las competencias. Un enfoque mecanicista con el cual ha sido abordado el tema en su enseñanza.

es de corte cualitativo. de nuestra localidad. al solucionar problemas que implican cambios cualitativos. Basados en las siguientes fuentes documentales: Fiol y Fortuny (1990). Hart (1978). aditivos o multiplicativos de tipo proporcional. Conocer las competencias y las dificultades que tienen los estudiantes del tercer ciclo. el sentido de las respuestas que dan los niños al resolver situaciones que involucran el razonamiento proporcional. de nuestra localidad. (1996). • • 3. diseñados ambos con el propósito de obtener evidencias acerca de las competencias y estrategias que emplean los alumnos en problemas vinculados con la proporcionalidad.documentos A partir de estas preguntas los objetivos específicos que persigue esta investigación son: • Contar con un instrumento que permita inferir el estado en el cual se encuentra la construcción del concepto de probabilidad en los niños de primaria de nuestro sistema escolar. se seleccionan. Los problemas sobre razón y proporción contenidos en los libros de texto vigentes en la educación primaria del segundo y tercer ciclo. Instrumento Los instrumentos de recolección de datos que dan soporte a esta investigación son: un cuestionario con una serie de situaciones y el protocolo de una entrevista de tipo clínico. al explicar. adecuan y diseñan las tareas que conforman el cuestionario considerando: • La diversidad de problemas planteados por investigadores de la educación matemática que se han interesado en el estudio del razonamiento proporcional. en consecuencia. Aspectos metodológicos. • 96 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . El enfoque metodológico desde el cual se desarrolla esta investigación. Conocer qué estrategias emplean alumnos del tercer ciclo. Noelting (1980). Gómez et al. para resolver situaciones que implican proporciones o nociones consideradas precursoras de éstas. En este apartado se definen y organizan los aspectos a indagar y. eligiendo y adaptando algunos de ellos para integrarlos al cuestionario. desde un referente teórico. Karplus (1981).

por conocer las competencias de los alumnos pequeños ante situaciones de este tipo así como las estrategias que emplean al resolver dichas tareas. 1990. El “aspecto cualitativo” se sustenta en planteamientos de diversos investigadores como Cramer (1993) y Streefland (1978). España. 122 1 2 ibid p. Por lo cual las situaciones incluyen comparaciones que dependen de valores numéricos y por lo tanto demandan una respuesta del mismo tipo.documentos • Los problemas sobre razón y proporción contenidos en la Guía para el maestro de 6° año (1992). La incorporación de nociones “geométricas”.. M. tiene la ventaja de que pueden visualizarse geométricamente. 105. consideramos que éste es el campo donde la proporcionalidad tiene su mayor aplicación y es el que más se relaciona con la vida cotidiana del niño. quienes consideran que el desarrollo del razonamiento proporcional empieza con la comparación cualitativa e implica un razonamiento a largo plazo. o Piaget.. Por otro lado Piaget12 afirma que “. Proporcionalidad directa. por lo cual pueden servir para indagar nociones relacionadas con la razón y proporción. p. se justifican con afirmaciones como la de Freudhental11 quien dice que “el niño desde pequeño aprecia algunas relaciones proporcionales a partir de visualizar el mundo que lo rodea”. Las consideraciones de estos autores sustentan el interés de esta investigación. Síntesis.la génesis de la proporción se tiene que buscar en la percepción de las figuras”. Algunas de las tareas que se aplicaron en esta investigación fueron usadas en otras investigaciones. La aplicación de situaciones que incluyen Escalas. como semejanza y escala. otras fueron adaptadas a contextos familiares con los estudiantes y los propósitos de la investigación. quien describe que en las etapas tempranas del desarrollo intelectual se hace uso de correspondencias y seriaciones cualitativas. en Fiol. se conforma de diecisiete tareas. En lo que respecta al aspecto “numérico”. 1 1 FREUDHENTAL. “numérico” y “geométrico”. Para la elección de las tareas se consideró inicialmente los aspectos: “cualitativo”. ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •97 . La versión final del cuestionario que se diseña considerando los puntos anteriores.

comparaciones parte–todo y situaciones de covariación relacionada.– La tarea consiste en que el niño identifique una figura que sea semejante a un modelo dado de entre cuatro imágenes diferentes.– Esta situación está ligada a una variación conjunta variando la posición de cada uno de los términos. Estos tres aspectos se consideran precursores en el desarrollo de la noción de proporcionalidad. Fotografía. Conceptos simples relacionados con la proporcionalidad. donde la unidad de medida a considerar es el cuadro.– En las tareas que integran este rubro la demanda implica el establecimiento de relaciones ligadas a las nociones de doble.– Esta actividad es un problema con información pictórica. Casos–Sucesiones.documentos A continuación se describen cada una de las situaciones puntualizando el propósito específico que se persigue para fines de esta investigación. Para una organización de las tareas y para fines de su explicación. que le permitan reconocer el cambio implicado. un cuarto. por ser procesos en los que se pone de manifiesto la habilidad del resolutor para establecer comparaciones en situaciones de variabilidad. Procesos comparativos en situaciones de variabilidad Las situaciones aquí incluidas vinculan comparaciones cualitativas de escalas. La demanda es reproducir un rectángulo dado un lado que indica una escala 1:3. el sentido del mismo y su posible regularidad. un medio. la cual tiene que ser determinada Perro. Rectángulo. donde se proporciona la figura de referencia bidimensionalmente y en un contexto geométrico reticular. éstas se agrupan dependiendo de la noción que subyace y de las relaciones numéricas que involucran. triple. 98 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . El propósito es que el niño proporcione los números objeto de la pregunta.– La tarea corresponde a un problema de valor perdido en la modalidad de escalas con figuras bidimensionales. Las tareas incluidas en este grupo tienen como característica en común: encontrar un término desconocido en una proporción. en una superficie reticular. teniendo qué identificar la regularidad de los datos en una parte de la progresión aritmética y extendiéndola de acuerdo con la posición del término buscado. etc. Se demanda reproducir la figura a una escala de doble.

o bien se encuentran enunciadas con números decimales y también se involucra la noción de porcentaje. cuyos tres valores restantes están dados en forma gráfica y numérica. en el enunciado no se proporciona el valor unitario.– Esta situación es un problema con información pictórica y un código gráfico. Receta. vinculan relaciones numéricas con mayor complejidad que los bloques anteriores. Relaciones complejas de proporcionalidad Las situaciones que se agrupan bajo este rubro. 3/2) Chocolates.– Esta tarea corresponde a un problema. doble.– Esta actividad corresponde a un problema con información de tipo pictórico y numérico. Monedas. La demanda consiste en hallar el valor desconocido de una proporción. Se demanda hallar el valor desconocido de una proporción . que orienta a la búsqueda del valor unitario. No se da el valor unitario aunque la relación que se favorece orienta su búsqueda. Se demanda hallar el término desconocido de una proporción. La demanda es construir una figura a escala. pero se orienta a su búsqueda. Dos son las características de este tipo de tareas: uno es encontrar el valor desconocido en una proporción.– Éste es un problema en la modalidad de escala. donde las cantidades que se manejan llegan a millares. Situaciones descritas a continuación: ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •99 .documentos Muñecos de Alambre. Carretera.– Esta actividad corresponde a varios problemas relacionados con información numérica y tabular. Tazas de arroz. dando otra de referencia y el factor de proporcionalidad en un contexto cuantitativo gráfico. El propósito es indagar acerca de las nociones de 1/4 y 2/ 3 en un contexto gráfico . El otro tipo de situación corresponde a la comparación de dos razones para identificar la respectiva igualdad o desigualdad. ( 1/2.– Esta tarea plantea un problema y la información se proporciona en forma tabular . el enunciado proporciona información pictórica y numérica. Se demanda hallar valores desconocidos de una tabla en la que intervienen distintos tipos de cantidades y se mantiene una constante de proporcionalidad.

– Se demanda encontrar un valor desconocido de una proporción. la información se proporciona en forma verbal con apoyo pictográfico. en la que se favorece una razón entera. Supermercado. 100 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . El enunciado no contiene datos numéricos. Mecanógrafas. Mermelada. Son cinco las variantes que presenta esta situación.– Formada por dos preguntas donde subyace la noción de porcentaje. En la tabla siguiente se presenta de una manera global. área y cantidad de niños. Excursión. el contexto que se empleo así como la relación que involucra y la demanda. en esta tarea los alumnos tienen que determinar cuál es la razón mayor y cuál la menor.– Considerada como de comparación de razones. se trata de un problema de tipo verbal con información numérica. que se establece en el contexto de velocidad.documentos Morelia. Esta tarea implica la comparación de 4 razones en la que se favorece una razón fraccionaria. sino en forma pictórica. que no implica una respuesta numérica. la petición no está implicando una respuesta cuantitativa. Se pretende indagar el significado de porcentaje y las estrategias que utilizan los alumnos al solucionar la tarea. Uno de los datos es una cantidad expresada porcentualmente el cual se tendrá que aplicar a una cantidad que es potencia de diez. es un problema que se presenta en el contexto de densidad. Piso. y expresarlo como porcentaje. se presenta en el contexto de mezclas y corresponde a una desigualdad de razones.– Comparación sucesiva de cuatro razones. el enunciado no proporciona información numérica. El enunciado enfatiza el significado de operador. las tareas aplicadas a los estudiantes en la que se puede identificar: El nombre de la misma.– Esta situación. demanda la comparación de dos razones numéricas equivalentes. Una de las preguntas demanda una respuesta de tipo cualitativo y la otra una respuesta numérica. éstos se presentan en forma pictórica.– Comparación de razones. Naranjada. Se demanda una comparación de elementos. En esta tarea se demanda encontrar el valor desconocido de una proporción.– El enunciado corresponde a un problema verbal de densidad de población.

documentos ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •101 .

estrategias y dificultades. Resultados Como resultado del análisis realizado a las respuestas registradas por los estudiantes a las tareas planteadas. Competencias Se identifican tres niveles de competencia: • Nivel inferior de competencia: los niños no relacionan los datos contenidos en la información. en particular. consideran la totalidad de los datos proporcionados. sin • 102 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . se caracterizan las ideas y procesos que manejan los niños identificando. Competencia intermedia: los estudiantes dan muestra de una búsqueda de las relaciones. las competencias.documentos 4. ya que su comportamiento da muestra de una focalización en parte de la información.

decimales). • Competencia relacional: los estudiantes manifiestan una puesta en relación de los elementos de la información. no enteras. que imposibilitan que el niño establezca las relaciones necesarias. pictórica. más bien caracterizan un comportamiento que los niños realizan dependiendo en particular de tres factores: la relación que subyace a la tarea (razones enteras. En un nivel de competencia intermedio.documentos embargo se presentan algunas deficiencias conceptuales en nociones precursoras. la relación subyacente y el tipo de números. el empleo de estrategias se ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •103 . Estrategias Los factores que determinaron el empleo de alguna estrategia dependían básicamente de la representación utilizada para presentar la tarea. Estrategias de tipo multiplicativo: comparaciones multiplicativas. gráfica. numérica. el estudiante manifiesta un centramiento en algún elemento de la información y con él realiza cálculos de manera arbitraria. la representación empleada para presentar la tarea (verbal. porcentajes). • • Las estrategias utilizadas están directamente relacionadas con la competencia. comparación de razones. doble triple. Estos niveles no son propios de un grado en especifico. • Estrategias ilógicas: tienden a repetir parte de la información o a realizar operaciones de manera arbitraria sin poner en relación la información Estrategias de tipo aditivo: utilización de comparaciones aditivas por medio de diferencias. identifican la constante de proporcionalidad o el patrón de regularidad y utilizan adecuadamente los algoritmos. entre la que destaca la reducción a la unidad por medio de la división . geométrica) y el tipo de números (enteros. a un nivel inferior de competencia. El nivel de competencia está relacionado con el grupo de tareas establecidas en el cuestionario. En general podemos decir que el nivel de competencia de los estudiantes del tercer ciclo es intermedio. el tipo de variación implícito (simple o múltiple). la estructura matemática del problema.

cabe entonces señalar que en general los niños del tercer ciclo se encuentran en un proceso de construcción del concepto. 5. ubicándose en un nivel intermedio. resultaron complejas para los niños. Dificultades Las dificultades están directamente relacionadas con la representación. en sus respuestas. ya que se valen de comparaciones aditivas y utilizan procesos como una combinación de duplicar o triplicar cantidades y sumar sus respectivas contribuciones para resolver tareas que impliquen el uso del razonamiento proporcional. con respecto al desarrollo del concepto de proporcionalidad. Además es importante señalar que las tareas que implicaban la aplicación de una comparación múltiple. considerando la información. son las siguientes: 1 Existe una dificultad en los estudiantes para coordinar la atención en situaciones en las que se presenta una variación simultánea de dos cantidades. como una variante de la proporción. Conclusiones Las conclusiones a las que se ha llegado en este trabajo. así como la habilidad de procesar mentalmente varios fragmentos de información (…) e involucra ambos métodos de pensamiento: cualitativo y cuantitativo. De igual manera las tareas que requerían la aplicación del porcentaje. 104 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . los niños manifestaron la imposibilidad de establecer dicha comparación. la estructura matemática y el tipo de números.documentos caracteriza por ser de tipo aditivo. Y en un nivel de competencia relacional la estrategia empleada es de tipo multiplicativo. Ante esta situación resulta conveniente preguntar ¿Qué tanto ha favorecido la escuela para que se desarrolle la noción de proporcionalidad y junto con ella el razonamiento proporcional? Si consideramos la caracterización que hace Lesh del razonamiento proporcional como una forma de razonamiento matemático que involucra un sentido de covariedad y de comparaciones múltiples.

Por otro lado las conclusiones expuestas nos llevan a plantear algunas sugerencias para la enseñanza del concepto de proporcionalidad para la escuela primaria: • Diseñar actividades que reforcen las nociones precursoras: a) identificar diferentes patrones de cambio (cuantitativo) en situaciones de variación simple. antes de que se emplee de manera mecánica. Ausencia casi total de conversiones entre representaciones. Emplear diferentes representaciones para ejemplificar situaciones de variación proporcional y no proporcional. b) identificar patrones de cambio (cualitativo) en situaciones de variación múltiple. nos atrevemos a conjeturar. Diseñar actividades que promuevan el aprendizaje del tanto por ciento con significado. ya sea aditiva o multiplicativa. permite identificar comportamientos típicos que. en general. Diseñar actividades que desarrollen la atención sobre la variación cuantitativa de dos cantidades. de la estrategia del valor unitario. como una aplicación específica del concepto de proporción.documentos 2 Influencia de la representación como factor importante que se manifiesta en el nivel de competencia evidenciado por los estudiantes. • • • • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •105 . Promover diferentes estrategias para la resolución de problemas que impliquen proporciones y comparación de razones. 3 4 5 Aunque estas conclusiones surgen de un estudio cualitativo basado en un número reducido de estudiantes. Falta de construcción de un significado del porcentaje. ocurren con frecuencia en muchas aulas de la escuela primaria en nuestro país. La no utilización. particularmente la búsqueda del valor unitario y el uso de diversas representaciones para una misma situación.

FCE. Trillas. GARCÍA. Desarrollo Cognitivo. porcentajes de bateo y velocidades”. CARRAHER. Rico. Y Fortuny. National Council of Mathematics Teachers. BERMEJO. J. España. PERRAUDEAU. En la vida diez. La representation de l’espace chez l’enfant. SEP. Laurent y Ford Wendy. H. J. “ Constructivismo y educación matemática ”. y Castro E. Síntesis. La enseñanza de la Geometría en el Bachillerato Nicolaita. Madrid. México. J. 1991. Síntesis. Ensayo sobre la construcción de las estructuras operatorias formales. 1980. Barcelona. BRUNER. Instrucción y construcción de las primeras nociones aritméticas. B. México. L. B. al término de la primaria y el inicio de la secundaria” Educación Matemática N° 3. Memoria de tercer ciclo. 1996. p. La enseñanza de las Matemáticas en la Escuela Primaria. A. 1993. CINVESTAV –IPN . FIGUERAS. y Bryant.p. Madrid. La formación del símbolo en el niño. Piaget hoy. P. 1997. Las Matemáticas y su aplicación: La perspectiva del niño. Luis Rico. VI. 1994 INHELDER. Un estudio en la escuela primaria sobre competencias al resolver situaciones de cambio. FLORES. Indicios del pensamiento proporcional. Paidós. FIOL. “Razón y Proporción” en O. 1999. Londres. Respuesta a una controversia. M. Acquisition of Mathematics concepts and processes. Estructuras aritméticas elementales y su modelación. Plan y programas de estudio. 95–124. El pensamiento matemático de la Antigüedad a nuestros días. 1979. “Fenomenología didáctica de las estructuras matemáticas”. “Representaciones y Modelización”. A. Departamento de Matemática Educativa. V. Paidós. G. de Luis Puig. Pulos. M. Madrid. S. H.documentos Bibliografía BERMEJO. 1994. IV. Research incognitive development. E. Un estudio comparativo con estudiantes españoles y mexicanos”. S. España. 1948 POZO. RESNICK. Cuadernos de investigación 2. La Educación Matemática en la Enseñanza Secundaria. CASTRO. FREUDENTHAL. 1991. Tesis de Maestría. 1990. R. M. et al. México. Trad. Academic Press. KLINE. 1995. MORENO. J. Matemáticas. HOYOS. 1992. “ Un estudio exploratorio sobre la asignación de sentido a las representaciones básicas de la variación. O. mezclas. V. 1983. E. Morata. I. PIAGET. Síntesis. y Castro. 2000. Investigaciones sobre el desarrollo cognitivo. e Inhelder. “Nexos en el razonamiento proporcional: palancas. “Proportional reasoning of early adolescents”. El niño y la aritmética. México. SEP–CONATEG. Landau. México. Alianza Universidad. Tesis de Maestría. Madrid. López y S. Guía para el maestro. NUNES. KARPLUS. Iberoamérica. Siglo XXI. en la escuela cero. V. 1982. promedio ponderado. Teorías cognitivas del aprendizaje. Centro de Investigación y Estudios Avanzados del IPN Departamento de Matemática Educativa. España. “La medición en la escuela secundaria”. 1990. Barcelona. Educación Matemática N° 2. T. FCE. R. PIAGET. México. 1989. Sexto grado de Educación Primaria. México. Universidad Autónoma de Morelos. R. CARPENTER. 1972. La enseñanza de las matemáticas y sus fundamentos psicológicos. Buenos Aires. GÓMEZ. HERNÁNDEZ. CHAMORRO. México. Siglo XXI. Educación Matemática N° 2. El problema de la medida.. La forma y el número. M. media aritmética. En Lesh. 1994. y Piaget. VII. 1992. y Belmonte. “Representaciones en resolución de problemas. CASTRO. Paidós/Educador. G. 1980. Granada. T. Programa nacional de actualización 106 • ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 . Iberoamérica. educación primaria. J. Figueras. De la lógica del niño a la lógica del adolescente.. 1990. E. (comps). J. Y M. MOCHÓN. 1997. PUF . Pablo del Río. E. 1995. Programa Nacional de Formación y Actualización de Matemáticas. Mochón. T. Iberoamérica. Cuernavaca. 1992. E. México. En HORSORI. México. Proporcionalidad Directa. 1996. Y Stage. y Waldegg.

G. ETHOS EDUCATIVO 28 • septiembre–diciembre 2003 •107 . Trabajo en el aula. SEP–CONATEG. Problemas de la enseñanza de las matemáticas en la escuela primaria. 1980. Psicología del aprendizaje de las matemáticas. SEP–CONAFE. Madrid. México. 1998. Morata. SEP–CONATEG. México. 1996. México. SEP–CONATEG . México. 1998. Trillas. SKEMP. VERGANUD. Matemáticas. Sexto Grado. VYGOTSKI. Grijalbo. 1998. Talleres Generales de Actualización. Matemáticas. Matemáticas. Cuarto Grado. Libro para el maestro.documentos permanente. Matemáticas. México. SEP–CONATEG. México. 1999 Matemáticas. El niño las matemáticas y la realidad. Matemáticas. Educación Secundaria. 1998. México. 1998. México. Quinto Grado. SEP–CONATEG. SEP–CONATEG. México. SEP–CONATEG. Segundo Grado. S. Quinto Grado. Libro para el maestro. Matemáticas. Matemáticas. 1991. México. SEP–CONATEG. 1998. 1998. R. México. SEP–C ONATEG . SEP . 1988. 1998. Sexto Grado. México. 1995 Libro para el maestro. Tercer Grado. Matemáticas. El desarrollo de los procesos psicológicos superiores. México. Docencia Rural: proyecto escolar para mejorar las competencias de razonamiento.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.