Академический Документы
Профессиональный Документы
Культура Документы
Carmen Batanero*
ESTADÍSTICA Y MODELIZACIÓN
1. Los IREM (Instituts de Recherche sur l'Enseignement des Mathématiques) son centros de investigación y desarrollo
en didáctica de las matemáticas en diversas localidades francesas. Hay un total de 15 comisiones ínter - IREM, que
agrupan investigadores interesados en un mismo tema, para realizar un trabajo cooperativo.
Una vez aceptada la aleatoriedad de la situación, da y decidir si el modelo matemático nos pro-
en el paso 2 debemos realizar una descripción porciona una buena descripción de la realidad.
simplificada de la misma que nos permita pasar
de la realidad observada (paso 1) a la En esta breve descripción de los pasos esenciales
construcción del modelo (paso 3). Para ello en la actividad de modelización reconocemos el
tomamos unos aspectos de ésta y prescindimos funcionamiento de la actividad de investigación y
de otros. En el ejemplo del autobús, deberemos también de la forma en que aprendemos en la
decidir qué parada elegimos, si esperamos un vida diaria. Nuestro conocimiento científico (y
autobús dado (el número 1) o si contamos el también el obtenido en la vida diaria) se compone
tiempo hasta que aparezca en la parada cualquier de datos o hechos (la parte observable de nuestro
autobús. También si diferenciamos la hora del universo) y teorías o modelos (que tratan de
día o el día de la semana, o no. explicar y relacionar estos hechos entre sí).
Tabla 1.
Frecuencias de caras y cruces en las secuencias
En lugar de contar en las secuencias los resul- Clara la que más se aparta de lo esperado. Esto se
tados del experimento simple consistente en confirma en la tabla 3, cuando hacemos una
lanzar una moneda, podríamos considerar que
prueba de todos los resultados en el experimento
las niñas lanzan las monedas de 2 en 2 (por
tanto, hay 75 repeticiones del experimento). Hay consistente en lanzar tres monedas. Ahora
cuatro resultados equiprobables al lanzar una nuestras sospechas indican que es Clara la que
moneda, por lo que, redondeando un poco, hacía trampa (una prueba formal de contraste de
podemos esperar que aparezcan aproxi- Chi-cuadrado daría un valor significativo de la
madamente 18 veces cada uno de los posibles prueba de pares y triples para el caso de Clara,
resultados. mientras que el resultado no sería significativo en
ninguna de las tres pruebas para Luisa).
En la tabla 2 mostramos los resultados obtenidos
para Clara y Luisa, y ahora parece que es
Tabla 3
Frecuencias de los diferentes resultados al lanzar las monedas 3 a 3
El ejemplo que hemos analizado nos muestra, por Una cuarta consecuencia es la dualidad esta-
un lado, la dificultad de aplicar la idea de dística-probabilidad. Sólo con la recogida y
aleatoriedad en una situación práctica, por lo análisis de datos (análisis de los patrones en las
engañoso de nuestras intuiciones, incluso a pesar secuencias de Clara y Luisa) podemos poner a
de haber estudiado estadística. Suelo proponer prueba si el modelo probabilístico es adecuado
este problema a mis alumnos del curso Didáctica
para describir la situación (para decidir si las
de la estadística (en la Licenciatura de Ciencias y
niñas hacen trampa o no).
Técnicas Estadística) y desde luego es frecuente
que, al dar una primera solución al problema,
muchos piensen que es Luisa la que hace trampa, Por último, observamos que la matemática no nos
ya que la frecuencia de caras y cruces difiere más da ninguna regla inamovible para decidir si
en ella que en Clara, respecto a lo esperado. aceptamos o no el modelo como bueno. Incluso
cuando llegásemos a realizar formalmente los
Por otro, el ejemplo nos muestra que la alea- contrastes de Chi-cuadrado, lo más que
toriedad no admite una definición simple y ni obtendríamos es un valor de probabilidad p (la
siquiera puede describirse por un único modelo. probabilidad de obtener el resultado dado) para
En la situación propuesta, necesitamos varios cada una de las tres pruebas. Pero, decidir cuan
para decidir sobre la aleatoriedad de las dos pequeña debe ser esta probabilidad para asegurar
secuencias. En realidad, la secuencia de Bernoulli que Clara hace trampa, es el riesgo que tengo que
contiene muchos modelos de probabilidad asumir, fruto de una decisión personal.
asociados, como la distribución binomial o
geométrica. Aunque ya tenemos la sospecha de
Y puesto que esta probabilidad nunca será igual a
que Clara hace trampa, serían necesarias todavía
cero, siempre puedo equivocarme, incluso aunque
nuevas pruebas para dejar a Luisa libre de
sospechas. el riesgo sea pequeño. Esta es precisamente una
característica importante del razonamiento
El ejemplo también muestra con claridad la estadístico. La estadística nos proporciona unos
diferencia entre modelo y realidad. De hecho, no modelos para controlar la incertidumbre y
esperamos que la sucesión de Clara o Luisa sean conocer los riesgos que asumimos de antemano,
"exactamente iguales al modelo" y admitimos pero nunca puede anular la incertidumbre, que es
como "razonables" unas desviaciones respecto a una característica del mundo en el que nos
lo esperado en el modelo, siempre que sean desenvolvemos.
pequeñas.
co donde, con ayuda de la matemática, cons- tes sólo requiere usar bolas de r colores distintos,
truimos un modelo teórico de probabilidad que respetando las probabilidades correspondientes.
debe, por un lado, simplificar la realidad y
abstraer sólo sus aspectos esenciales y, por otro, Cualquier problema probabilístico implica una
ser útil para interpretar los caracteres retenidos en serie de experimentos aleatorios compuestos de
la modelizadón, Coutinho (2001) sitúa el dominio una determinada manera. Cada uno de estos
pseudo-concreto, en el que podríamos trabajar experimentos puede ser simulado con un modelo
con los alumnos por medio de la simulación. de urnas convenientemente escogido (de una
forma algo más compleja y usando una
Mientras que en el dominio de la realidad se transformación inversa de la función de
efectúa una acción o experiencia concreta y en el distribución, incluso los modelos continuos de
dominio teórico es característico la re- probabilidad podrían simularse indirectamente,
presentación formal o simbólica, en el dominio mediante este procedimiento).
pseudo-concreto se opera mentalmente. En este
dominio, el alumno ya ha salido de la realidad y Es decir, es posible asignar el experimento
trabaja con una situación abstracta idealizada. Por consistente en extraer al azar una bola de una
ejemplo, se imagina que está trabajando con urna con una cierta composición de bolas de
dados perfectos y prescinde de las condiciones colores. El experimento, constituido por varios
del lanzamiento. Al mismo tiempo conserva la experimentos simples, se obtiene componiendo
denominación de las caras del dado real para las urnas correspondientes a los experimentos
nombrar los resultados del dado idealizado. El simples (obteniendo una hiperurna) y la
papel didáctico del modelo pseudo-concreto es repetición del experimento global, junto con el
inducir implícitamente el modelo teórico a los análisis de los datos producidos permite una
alumnos, incluso aunque su formulación solución aproximada del problema.
matemática formalizada no sea posible (Henry,
1997). En este sentido, la urna con bolas de colores
(fichas, tarjetas) es un material universal, válido
Para presentar un modelo se pueden utilizar para estudiar cualquier problema o concepto
diversos tipos de lenguajes o representaciones. probabilístico. La simulación proporciona un
Incluso podemos usar palabras de la vida común, método universal para obtener una estimación de
a las que atribuimos nuevos significados más la solución de los problemas probabilísticos, que
precisos (como el caso que hemos descrito), no tiene paralelo en otras ramas de la matemática.
usando la analogía.
Además de la simulación con modelos de urnas y
Un caso muy interesante son los modelos de otros materiales manipulativos, las tablas de
urna. Si queremos prever el sexo de un recién números aleatorios son también un instrumento
nacido podríamos simularlo sustituyéndolo por el de simulación universal, como hemos mostrado
experimento que consiste en elegir al azar una con algunos ejemplos presentados en nuestro
bola de una urna en la que introducimos dos libro Azar y probabilidad (Godino, Batanero y
bolas de diferente color para representar los dos Cañizares, 1997).
sexos y en la que volvemos a colocar cada bola
en la urna antes de una nueva extracción SOFTWARE PARA LA SIMULACIÓN
(muestreo con reemplazamiento). Si queremos
simular otro experimento aleatorio con dos EN INTERNET
sucesos en forma que sus probabilidades sean p y
q (p+q=1), basta usar una urna en que se Aunque es importante que los alumnos realicen
mantengan las proporciones p y q para algunas actividades de simulación con apoyo de
los dos colores de bolas. Simular un experimento material manipulativo, como mo-
con r sucesos diferen-
nedas, dados o ruletas, con tablas de números Finalmente, existen en internet programas
aleatorios y calculadoras, es realmente el didácticos específicos para explorar conceptos
ordenador el que proporciona una mayor probabilísticos, desde los más elementales a los
potencia de simulación, construcción de modelos más avanzados. En lo que sigue mostramos
y exploración de los mismos. algunos ejemplos de cómo podrían usarse algunos
de los simuladores disponibles en internet para
Las hojas electrónicas proporcionan generadores complementar el estudio de la actividad que
de números aleatorios, así como de valores de hemos analizado en la segunda sección. La
diferentes distribuciones de probabilidad, que versatilidad de estos programas hace que sean los
pueden, una vez generados, ser analizados con mismos alumnos los que puedan formular y
ayuda de los recursos de cálculo y representación explorar sus propios problemas e introducirse de
gráfica de la hoja. forma experimental en la modelización
estocástica de un gran número de situaciones
Las posibilidades son todavía mayores con los reales.
programa estadísticos que suelen incluir módulos
Para comenzar, es posible que la solución dada en
de estudio de las diferentes distribuciones de
la sección 2 al problema sobre Clara y Luisa no
probabilidad con representación gráfica y cálculo
haya convencido a algunos alumnos, quienes
de valores críticos y áreas bajo la función de
piensen que las rachas de Luisa eran demasiado
densidad. Unido esto a la posibilidad de largas y en una moneda real debiera haber más
extracción de muestras de valores de estas alternancias entre caras y cruces. Podemos dar a
distribuciones de tamaño dado y al los alumnos la oportunidad de experimentar con
almacenamiento de las mismas en nuevos fi- el simulador de lanzamientos de monedas de
cheros de datos que pueden ser analizados, Virtual Laboratories in Pmtabmty and Statistics
proporcionan una herramienta muy interesante (htlp/Avvvvvmath.uah.edu/ stat/bernoulli/indexjanl)
para la introducción de ideas de probabilidad y que hemos reproducido en la figura 1.
particularmente de inferencia.
El programa permite elegir la longitud de la serie Podríamos, en general, interesarnos por el lan-
de monedas que queremos simular, y el número zamiento de n monedas y estudiar la distribución
de simulaciones. Por ejemplo, podríamos simular del número de caras en n lanzamientos (modelo
diez, cien o mil secuencias aleatorias de longitud binomial).
dada, que quedan almacenadas en la ventana y se
pueden analizar posteriormente para estudiar la En la figura 2 hemos reproducido los resultados
longitud de las rachas. Podríamos también producidos por otro de los programas del mismo
observar el efecto de cambiar la probabilidad de laboratorio (Bernouilli triáis: http://
cara, es decir, introducir un sesgo en la moneda. www.math.uah.edu/stat/bernoulli/ index.html).
En este caso podemos experimentar tanto con los
En las tablas 2 y 3 hemos analizado los lanza- valores de p como de n para ver el efecto sobre la
mientos de monedas de 2 en 2 o de 3 en 3. forma de la distribución, los valores más
probables, o la dispersión.
Un experimento relacionado con el del lanza- probabilidad. Podemos, entonces sustituir una
miento de monedas es el aparato de Galton (véase serie de diez lanzamientos de una moneda por la
figura 3). Al dejar caer una bola por dicho
trayectoria de una bola en un aparato de Galton
dispositivo, en cada uno de los pasos la bola
puede ir a derecha o izquierda con igual de diez filas.
Figura 3.
Simulación del aparato de Galton
Nuestra intuición nos indica que en los orificios obtenemos se parece tanto a la obtenida en el
centrales llegarán más bolas y que la distribución punto anterior (distribución binomial). Y, ¿qué
obtenida será aproximadamente simétrica. Sin relación tienen estos dos modelos con los co-
embargo, nuestra intuición nos juega malas eficientes binomiales? ¿Cómo intervienen las
pasadas en algunos otros puntos. Esperamos, por combinaciones de m elementos tomados n a n en
ejemplo, que la trayectoria que sigue la bola al el cálculo de estas probabilidades y por qué?
caer corte con frecuencia el eje imaginario que
pasa por el centro del dispositivo. Podemos La trayectoria seguida por una bola en el aparato
utilizar el simulador disponible en de Galton nos remite a la caminata aleatoria sobre
(http://www.math.uah.edu/stat/ un plano (véase figura 4). En vez de dejar caer
bernoulMndex.htm 1) que reproducimos en la una bola por un canal, imaginamos que
figura 3, para comprobar que esta intuición es avanzamos de izquierda a derecha a lo largo de
errónea. Lo más probable es que la trayectoria un eje horizontal. En cada paso, lanzamos una
esté a uno de los dos lados del eje casi todo el moneda para decidir si subimos o bajamos a lo
tiempo. Asimismo, podemos experimentar el largo de un eje vertical. Después de n pasos, ¿a
efecto de añadir más o menos filas de canales, qué distancia nos encontramos del eje horizontal?
cambiar el valor de p (probabilidad de que la ¿Cuántos cortes habremos dado al eje horizontal?
bola vaya a la derecha cada paso) y preguntarnos ¿Cuán-
por qué la distribución que
Figura 4.
Simulador de la caminata aleatoria
tos pasos habrá que recorrer entre dos cortes En algunas situaciones estamos interesados por
sucesivos? Estas y otras preguntas similares con distribuciones aleatorias espaciales, por ejemplo,
probabilidades iguales o diferentes de ir hacia la distribución de conchas en la arena de la playa,
arriba o hacia abajo en cada paso pueden de erratas en las páginas de un texto, de nidos o
explorarse en el simulador que hemos tomado del árboles en el campo. Si queremos explorar las
mismo laboratorio anterior. distribuciones aleatorias de puntos en el espacio
(modelo de Poisson), podemos utilizar el
Del problema de la caminata aleatoria podemos simulador que reproducimos en la figura 5 que
pasar al de la ruina del jugador. Si los valores hemos obtenido del simulador disponible en
positivos y negativos en el eje vertical (http://www.dart mouth.edu/~chance/teaching
representan las pérdidas y ganancias en un juego aids/ books articles/probability book/bookapplets/
equitativo, la observación de la caminata nos chapter5/LondonBombs/LondonBombs.html)y
indica que, en contra de nuestras expectativas, es analizar de nuevo el efecto de aumentar el número
más probable que la mayor parte del tiempo de de puntos y la relación con la distribución
juego un jugador se mantenga ganando (y el otro binomial. Tanto en este caso como en los dos
perdiendo). Ahora bien, si la cantidad de dinero anteriores, para valores de n grandes aparecerá la
que uno de los jugadores quiere apostar es característica forma de campana de la distribución
limitada (ponemos una cota a los valores normal y llevará a la pregunta de si es posible
negativos), ¿cuál es la probabilidad de ruina del aproximar distribucio-
jugador?
Figura 5.
Simulación del modelo De Poisson en el plano
nes discretas con una función continua y en qué estadística y de la probabilidad, que es destacada,
sentido es posible usar esta aproximación. Otros entre otros, en los trabajos de Biehler (1997).
programas disponibles en algunas de las Como describe este último autor, hay fenómenos
direcciones que incluimos al finalizar este que, por sus características espacio-temporales o
artículo proporcionan simuladores de la dis- de otra índole, son difíciles de observar. Por
tribución normal, así como de la aproximación medio de la simulación se construye, con el
de las distribuciones binomial y Poisson ordenador, un modelo simplificado de dicho
mediante la misma. fenómeno, eliminando las variables irrelevantes a
su estructura, conden-sado en el tiempo y
manipulable por el alumno. El uso de programas
ALGUNAS PRECAUCIONES de simulación permite poner en manos del
alumno un nuevo instrumento que hace posible la
En este trabajo hemos tratado de mostrar el exploración y el descubrimiento de conceptos y
interés de la simulación en la enseñanza de la princi-
pios que de otro modo serían mucho más abs- lación del verdadero valor teórico de la pro-
tractos, contribuyendo a paliar el problema de la babilidad (que sólo es accesible por cálculo en
falta de experiencia estocástica y a la mejora de la los casos que sea posible).
intuición probabilística que, en general, no se
desarrollan espontáneamente (Fischbein, 1975). Nosotros añadiríamos que la simulación y el
enfoque frecuencial a la probabilidad, aunque
Muchos problemas complejos se resuelven hoy proporciona una solución al problema, no nos da
día mediante simulación y mostrar a los alumnos la razón por la cual la solución es válida y, por
ejemplos sencillos de esta técnica puede servir tanto, carece de valor explicativo, que sólo puede
para ilustrar su aplicabilidad a campos y obtenerse en el enfoque clásico y el cálculo
problemas reales. En la enseñanza de la formal de probabilidades.
estocástica en secundaria, la simulación cobra
papel importante, ya que ayuda al alumno a No podemos contentarnos con que el alumno
conocer las diferencias entre la probabilidad logre el paso del dominio de experiencia real al
experimental y la teórica. dominio pseudo-concreto, aunque este paso
cumple una función didáctica importante y
No hay, sin embargo, que ser demasiado op- prepara al alumno para la comprensión del
timista respecto a la sencillez de la actividad de dominio formal en el que puede finalmente llevar
simulación. En el trabajo que hemos citado de a cabo una actividad matemática de for-
Countinho (2001), se observaron diferentes malización.
dificultades de los alumnos al proponérseles
situaciones en que debían construir un modelo de
urnas para simular ciertas experiencias concretas REFERENCIAS BIBLIOGRÁFICAS
o juegos probabilísticos:
BATANERO, C. y SERRANO, L. (1995). "La
• Dificultades de manejo del software si el aleatoriedad, sus significados e implicaciones
alumno no está familiarizado, por lo que se educativas". UNO. No. 5. pp. 15-28.
recomienda usar programas fácilmente
manipulables que no añadan complejidad BIEHLER, R. (1997). "Software for learning and
innecesaria a la actividad de simulación. for doing statistics". En: International Statistical
Review. Vol. 65, No. 2. pp. 167-190.
• Resistencia a usar la simulación y la aproxi-
mación experimental para resolver un pro- CABRIA, S. (1997). Filosofía de ¡a estadística.
blema de probabilidad en los casos en que es Valencia: Tirant lo Blanc.
posible resolver el problema mediante cálculo
directo. COUNTINHO, C. (2001). Introduction aus
situations aléatoires des le Collége: de la modé-
• Dificultad en aceptar datos de simulaciones lisation a la simulation d'experiences de Bernoulli
que no han llevado a cabo personalmente para dans l'environment informatique Cabri-géométre-
obtener estimaciones de la probabilidad. II. Tesis Doctoral. Universidad de Grénoble.
GREEN, D. R (1983). "A Survey of probabilistic CAST Computer Assisted Statistics Teaching:
concepts in 3.000 pupils aged 11 -16 years". In: http://www-ist.massey.ac.nz/CAST/CAST/
GREY, D. R. et al. (eds.). Proceedings of the CASTprog/HstartFiles/startCASThtml
ICOTS 1. University of Sheffield. No. 2. pp. 766-
783. Elementary Statistical Java Applets and Tools:
http://www.stat.uiuc.edu/~statlOO/cuwu/
GODINO, J. D., BATANERO, C. y CAÑIZA-
RES (1987). M. J. Azar y probabilidad. Funda- GASP: The Globally Accessible Statistical
mentos didácticos y propuestas curriculares. Procedures, http://www.stat.sc.edu/rsrch/gasp/
Madrid: Síntesis.
Java Applets for Visualization of Statistical
HEITELE, D. (1975). "An epistemological view Concepts: http://www.kuleuven.ac.be/ucs/java/
on fundamental stochastic ideas". In: index.htm
Educational Studies in Mathematics, 6, pp. 187 -
205. Rice Virtual Lab in Statistics: http://www. r uf.
rice ,edu/~ lane/rvls.html
HENRY, M. (1997). "Notion de modele et
modélization en l'enseignement". En: Enseig-ner Statiscope: http://www.df.lth.se/~mikaelb/
les probabilités au lycée. Reims: Commission statiscope/statiscope-enu.shtml.
Inter-IREM. pp. 77-84.
Statistics Applet made for the WISE Project:
MCLEAN, A. (2001). "Statistics in the catwalk. http://www.grad.cgs.edu/wise/appletsf.shtml.
The importance of models in training researchers
in statistics". In: BATANERO, C. (ed.). Training Statistics UCLA: http://www.stat.ucla.edu/
Researchers in the Use of Statistics. Granada, textbook/
Spain: International Association for Statistics
Education and International Statistical Institute.
STEPS - STatistical Education through Problem
Solving: http://www.stats.gla.ac.uk/steps/
ZABELL, S. L. (1992). "Randomness and
home.html
statistical applications". En: GORDON, F. and
GORDON, S. (eds.). Statistics for the XXI
SticiGui: Statistical Tools for Internet and
Century. The Mathematical Association of
Classroom Instruction with a Graphical User
America.
Interface: http://www.stat.berkeley.edu/ —
stark/SticiGui/index.htm
REVISTA EDUCACIÓN Y PEDAGOGÍA VOL. XVNo.35
REVISTA EDUCACIÓN Y PEDAGOGÍA VOL. XVNo.35
53
53
LA SIMULACIÓN COMO INSTRUMENTO DE MODELIZACIÓN EN PROBABILIDAD
REFERENCIA
BATANERO, Carmen. "La simulación como instrumento de modelización en
probabilidad". En: Revista Educación y Pedagogía. Medellín: Universidad de
Antioquia, Facultad de Educación. Vol. XV, No. 35, (enero-abril), 2003. pp. 39 -54.
Original recibido: julio 2002
Aceptado: agosto 2002
Se autoriza la reproducción del artículo citando la fuente y los créditos de los autores.