Академический Документы
Профессиональный Документы
Культура Документы
n
A
p
l
i
c
a
c
i
n
A
n
l
i
s
i
s
S
n
t
e
s
i
s
E
v
a
l
u
a
c
i
n
1.0
2.0
3.0
( )
Fuent e: Kast berg, 2003
Tant o la adapt acin de la Taxonoma de los Obj et ivos Educacionales hecha por Wilson
( 1976) como la hecha por Kast berg (2003) t enan como obj et ivo servir de gua para la
elaboracin t ems para pruebas escrit as o el diseo de t areas de evaluacin en
mat emt icas. En efect o, Wilson ( 1976) complement a su modelo con una ext ensa coleccin
de t ems para evaluar diversos cont enidos de mat emt icas en cada una de las conduct as y
subconduct as est ablecidas en el modelo.
Universidad Nacional Abierta 93
Por su part e, Wood y ot ros ( s.f.) usan una t axonoma, basada en la Taxonoma de los
obj et ivos educacionales, para indagar sobre el desempeo de los est udiant es en un curso de
lgebra lineal. Est a t axonoma est formada por ocho cat egoras organizadas en t res grupos
como se muest ra en la Tabla 9.
Las cat egoras en est a t axonoma son especficas a un cont ext o. Est o es, cuando una
demost racin ha sido enfat izada en clase es una t area en el Grupo A, mient ras que proveer
el t eorema al inicio es una t area del Grupo C. Est a t axonoma nos est imula a pensar acerca
de nuest ros primeros int ent os en la elaboracin de t areas ( problemas, pregunt as o
ej ercicios) . Word y ot ros ( s.f.) apunt an que est a t axonoma nos ofrece una manera t il de
comprobar si hemos evaluado t odas las habilidades, conocimient os y dest rezas que
esperbamos que nuest ros est udiant es desarrollaran y demost raran su dominio.
Tabla 7.9. Taxonoma de Wood y ot ros (s.f.)
Grupo A Grupo B Grupo C
Conocimient o de hechos Transferencia de
informacin
Just ificar e int erpret ar
Comprensin Aplicaciones a nuevas
sit uaciones
I mplicacin, conj et uras y
comparaciones
Uso rut inario de
procedimient os
Evaluar
A cont inuacin present amos al gunos ej emplos de problemas propuest os en cada uno de los
grupos de cat egoras en la t axonoma de Wood y ot ros ( s.f.)
Problemas en el Grupo A
1. Halle los valores propios y los correspondient es vect ores propios de la mat riz
1 5
A =
5 1
2. Encuent re la mat riz diagonal D y una mat riz invert ible P t al que A = PDP
- 1
.
3. Calcule la descomposicin espect ral de A.
4. Use la descomposicin espect ral de A para calcular la inversa de A.
En est a t area, slo se le exige a los est udiant es reproducir t rabaj o ya hecho previament e en
clase.
Problemas en el Grupo B
Explique como la descomposicin LU de una mat riz A es usada para resolver el sist ema
de ecuaciones lineales A x = B.
En est a t area, se requiere que los est udiant es t ransformen su conocimient o de una
habilidad rut inaria al met a- conocimient o de explicar esa habilidad.
Problemas en el Grupo C ( Just ificar)
Sea T = { v
1
, v
2
, , v
r
} un conj unt o de vect ores linealment e independient es y sea A una
mat riz nxn. Demuest re que el conj unt o T = { Av
1
, Av
2
, , Av
r
} es t ambin linealment e
independient e.
En est a t area, se le pide alos est udiant es que j ust ifiquen, o demuest ren, un result ado del
lgebra lineal.
94 Didctica del lgebra Lineal y la Probabilidad
Act ividad 7.2
Compare y cont rast e est as t res versiones de la Taxonoma de los obj et ivos educacionales
aplicadas especialment e a las mat emt icas.
Al comienzo plant eamos que las t axonomas servan de ut ilidad para preparar lo obj et ivos
de evaluacin. Para t al fin, el modelo de rendimient o se complement a con una list a de
verbos para cada una de las conduct as. En el Anexo B encont rar una list a de t ales verbos
para las cat egoras incluidas en la Taxonoma de Bloom.
Act ividad 7.3
1. Revise los obj et ivos especificados en el mat erial inst ruccional impreso de la asignat ura
lgebra I I ( Cod. 753) (Ver Anexo D) .
2. Ubique cada uno de esos obj et ivos en las conduct as de la t axonoma de Bloom. Use el
modelo de rendimient o de Wilson o de Kast berg.
3. Est n esos obj et ivos dist ribuidos razonablement e ent re las diversas conduct as o hay un
nfasis mayor en algunas de ellas?
Exist en diversos t ipo de t axonomas, como vimos arriba, incluso la propia t axonoma de los
obj et ivos educacionales ha dado origen a ot ras. A cont inuacin veremos la Taxonoma
SOLO, la cual ha sido usada por varios aut ores t ant o en invest igacin como en desarrollo en
mat emt icas.
Taxonoma SOLO
Los est udios en psicologa del desarrollo confirmaron que las per sonas comprenden de
manera progresiva los diferent es aspect os de un conocimient o part icular. El t rabaj o de
Piaget es t al vez el ms conocido en ese grupo. La t eora de las et apas del desarrollo
ident ificadas por Piaget fue crit icada desde diversas perspect ivas. Est as crt icas llevaron a
nuevas formulaciones de la int eligencia y a cuest ionar la primaca de la est ruct ura
cognoscit iva subyacent e. Biggs y Collis (1982, 1991) ofrecieron una int erpret acin t erica
alt ernat iva. En su modelo est os aut ores separaron la est ruct ura cognoscit iva
hipot t icament e subyacent e de los niveles observados de respuest as en los est udiant es,
adems permit a considerar fact ores ext ernos t ales como el lenguaj e, experiencias
especficas de aprendizaj e, mot ivacin as como los fact ores cognoscit ivos subyacent es
como mediadores de manera de producir los niveles observados de respuest a ( Voulgaris y
Evangelidou, s.f.) . Est e modelo es conocido con el nombre de Taxonoma SOLO.
La Taxonoma SOLO t oma su nombre de las siglas en ingles de St udent Observed Learning
Out comes ( Result ados Observados del Aprendizaj e del Est udiant e) y fue elaborada por
Biggs y Collis ( 1991) . La Taxonoma SOLO nos provee de un enfoque para cat egorizar el
desempeo cognoscit ivo en diferent es reas de cont enido y para definir obj et ivos del
currculo, el cual incluye crit erios para los niveles de aprendizaj e requeridos. Est a t axonoma
est int egrada por modos de funcionamient o paralelos en buena medida a las et apas de
desarrollo cognoscit ivo propuest as por Piaget . Est os modos de funcionamient o son: a)
sensorio- mot or, b) icnico, c) Simblico concret o, d) Formal y e) Post - formal. A
cont inuacin ofrecemos una breve descripcin de cada uno de ellos.
a) Sensorio- mot or ( desde el nacimient o) : El nio slo puede int eraccionar con el mundo de
la manera ms concret a: dando una respuest a mot riz a un est mulo sensorial.
b) I cnico ( desde los 18 meses) : Si una accin se vuelve ms abst ract a debe ser
represent ada de alguna forma. La forma ms simple de int eriorizar una accin es
imaginarla, formando lo que Bruner llama imagen int erna o icono.
Universidad Nacional Abierta 95
c) Simblico concret o ( desde los 6 aos) : Se inicia un cambio significat ivo de la abst raccin
desde la simbolizacin direct a del mundo a t ravs del lenguaj e oral al escrit o, sist emas de
smbolos que se aplican al mundo de las experiencias.
d) Formal ( desde los 16 aos) : El razonamient o formal se produce en un sist ema abst ract o
supra- ordinado en el que pueden generarse formas alt ernat ivas de ordenar el mundo.
c) Post - formal ( desde los 18 aos) : El pensamient o post -formal supone pregunt arse por las
front eras convencionales de la t eora y de la prct ica. Es aj eno a cualquier nivel educat ivo y
puede aparecer en el campo de la invest igacin ( adapt ado de Biggs y Collis, 1989, 1991) .
( Tomado de Huert a, 1999, p. 306)
Biggs y Collis (1989) definen el modo como el nivel de abst raccin que un est udiant e usa
cuando manej a los element os de una t area ( p. 152, cit ado en Alsadi, 2001) . Est os modos
est n asociados a una serie de niveles acumulat ivos de respuest as que reflej an una
complej idad crecient e. A cont inuacin, en la Tabla 10, most ramos una descripcin de cada
uno de los niveles, en orden decrecient e de complej idad, y un conj unt o de indicadores para
cada uno de ellos.
Tabla 7.10. Niveles de respuest as most radas por los est udiant es
Nivel de
desempeo
Descripcin I ndicadores
Abst raccin
ext endida
Respuest a que hacen uso de
principios, hechos, procesos,
et c. ms abst ract os que
aquellos que describen el
modo de funcionar act ual.
- Los est udiant es hacen
conexiones ms all del
cont enido inmediat o.
- Los est udiant es generalizan y
t ransfieren los principios de lo
especfico a lo abst ract o.
Relacional Respuest as en las que se
manifiest a una comprensin
int egrada de las relaciones
ent re los diferent es aspect os
usados del modo de funcionar.
- Los est udiant es demuest ran las
relaciones ent re conexiones.
- Los est udiant es demuest ran las
relaciones ent re conexiones y el
t odo.
Mult i-
est ruct ural
Respuest as en las que se
procesan diferent es aspect os
disj unt os del modo de
funcionar, normalment e en
una secuencia.
- Los est udiant es hacen un
nmero de conexiones.
- Lo significat ivo de las relaciones
ent e las conexiones no es
demost rado.
Uni-
est ruct ural
Respuest as en las que se usa
un solo aspect o relevant e del
modo de funcionar.
- Los est udiant es hacen
conexiones simples y obvias.
- Lo significat ivo de las
conexiones no es demost rado.
Pre-
est ruct ural
Represent a el uso, en la
respuest a, de aspect os no
relevant es del modo de
funcionar; es decir, respuest as
en las que no se usan aquellos
element os que son necesarios
para poder ident ificar un modo
de funcionar.
- Los est udiant es est n
adquiriendo piezas de
informacin desconect ada.
- Sin organizacin
- Sin sent ido del t odo
( Elaboracin propia con informacin de Huert a, 1999, p. 292 y ot ras fuent es)
96 Didctica del lgebra Lineal y la Probabilidad
Huert a (1999) define como cat egora SOLO la combinacin de un modo de funcionar con un
nivel de respuest a.
La t axonoma SOLO ha sido ut ilizada en mat emt icas y en la evaluacin de ot ros
cont enidos. Se han hecho varias adapt aciones de est a t ecnologa para la evolucin
especfica en el caso de mat emt icas. Voulgaris y Evangelidou (s.f.) adapt aron la Taxonoma
SOLO para cat egorizar las respuest as de los est udiant es a problemas de medida del
volumen de un slido y a la concepcin de volumen respect ivament e. Huert a ( 1999) cre un
modelo de evaluacin en el que int egra la Taxonoma SOLO diseada por Biggs y Collis, los
niveles de compresin en geomet ra desarrollados por los esposos van Hiele y los mapas
concept uales de Novak y Gowin ( ver la Figura 1) . Alsaadi ( 2001) us est a t axonoma como
inst rument o para realizar un est udio comparat ivo ent re los currculos oficiales de
mat emt icas para la escuela primaria en I nglat erra y nct ar respect ivament e. Vret t aros,
Vouros y Drigas ( 2004) desarrollaron un sist ema aut omt ico de diagnost ico basado en la
Taxonoma SOLO y usando lgica borrosa (o difusa) en un cont ext o de aprendizaj e
elect rnico ( e- learning) . Aoyama ( 2006) elabor una j erarqua de las int erpret aciones de
grficos por part e de los est udiant es sobre la base de est a t axonoma. Est e aut or dist ingui
cinco niveles de int erpret acin de grficos: 1) I diogrfico, 2) Lect ura bsica de grficos, 3)
Racional/ lit eral, 4) Crt ica y 5) Hacer hipt esis y modelar. Reading and Reid (2006)
elaboraron una j erarqua del razonamient o acerca de la dist ribucin basada en las nociones
de dist ribucin most radas por los est udiant es en sus respuest as, t omando en cuent a el nivel
de consideracin de la variacin. Est os aut ores dist inguieron cuat ro niveles en la
consideracin de la variacin, los cuales son: 1) No consideracin de la variacin, 2) Dbil
consideracin de la variacin, 3) Consideracin en desarrollo de la variacin y 4) Fuert e
consideracin de la variacin.
( Fuent e: Huert a, 1999, p. 291)
Figura 1. Modelo de evolucin t ridimensional
En Nuest ra Amrica t ambin se han hecho algunos t rabaj os de invest igacin en educacin
mat emt ica donde se usa la Taxonoma SOLO. Por ej emplo, en Mxico, el Grupo de
Tecnologas Educat ivas (2002) . Y en Colombia, Cast illo Snchez, Salas y Valencia ( s.f.)
disearon y aplicaron una herramient a comput acional para la enseanza del Clculo en una
universidad de ese pas, y usaron est a t axonoma para evaluar las respuest as elaboradas
por los est udiant es a cuest ionarios administ rados por comput adora. No conocemos t rabaj o
alguno de invest igacin en educacin mat emt ica en Venezuela en que se considere la
Taxonoma SOLO.
Universidad Nacional Abierta 97
Ot ra manera de dist inguir la diversidad de desempeos que se espera que logren los
est udiant es, adems de las t axonomas como las most radas ant erior ment e, es mediant e el
est ablecimient o de niveles de desempeo. En la sesin siguient e est udiaremos un ej emplo
de est e t ipo de niveles, en especial se t rat a de los niveles de desempeo seleccionados para
el est udio comparat ivo int ernacional PI SA.
Niveles de desempeo en mat emt icas
El Programme for I nt ernat ional St udent Assessment ( PI SA, Programa para la Evaluacin
I nt ernacional de los Est udiant es) es una evaluacin int ernacional est andarizada desarrollada
conj unt ament e por los pases part icipant es y aplicada a j venes de 15 aos de edad en la
escuela. Est e programa es una iniciat iva de la Organizat ion for Economic Co- operat ion and
Development ( OECD, Organizacin para la Cooperacin Econmica y el Desarrollo) . La
evaluacin se aplica en ciclos de t res aos, cada ciclo se ident ifica con el nmero del ao en
se aplica. En la primera aplicacin, PI SA 2000, part iciparon 43 pases, ent re los cuales se
encont raban 5 pases lat inoamericanos. Mient ras que 40 pases, ent re ellos t res
lat inoamericanos, part iciparon en la segunda evaluacin apl icada en el 2003. El ao 2006
part iciparon 58 pases, ent re los cuales se encuent ran cinco pases lat inoamericanos.
Un concept o bsico de la evaluacin en mat emt icas en PI SA es el de lit eracy o
alfabet izacin mat emt ica , l a cual es definida por la OECD (2003) como:
La capacidad individual para ident ificar y comprender el papel que
desempean las mat emt icas en el mundo act ual, emit ir j uicios
fundament ados y ser capaz de usarlas en las necesidades de la vida personal,
laboral y social, act ual y fut ura, como un ciudadano const ruct ivo,
compromet ido y capaz de r azonar. ( cit ado en I SEI -I VEI , 2004, p. 12)
En est a definicin se combinan el conocimient o y las dest rezas mat emt icas. Medir esos
aspect os es el principal ret o plant eado por PI SA. Una de las vas de solucin a est e ret o fue
el plant eamient o de una dimensiones, las cuales son:
- Los cont enidos mat emt icos implcit os en los diferent es problemas y cuest iones
plant eadas.
- Los procesos que deben act ivarse para poner en relacin los fenmenos observados
con el conocimient o mat emt ico para resolver los respect ivos problemas.
- Las sit uaciones y cont ext os ut ilizados como fuent e de est mulo y pr esent acin de la
informacin, que son en los que el pr oblema que se plant ea debe ser resuelt o.
( I SEI -I VEI , 2004, p. 12)
Los cont enidos fueron organizados en cuat ro subescalas: cant idad, espacio y forma, cambio
y relaciones, y probabilidad. Adems de est as subescalas fueron ident ificados siet e grupos
t emt icos: Nmeros, est adst ica, geomet ra, funciones, lgebra, probabilidad y mat emt icas
discret as.
Para facilit ar la int erpret acin de los result ados obt enidos de la aplicacin de los
inst rument os de evaluacin se ident ificaron unos niveles de compet encias o habilidades en
mat emt icas. Se diferenciaron un t ot al de seis niveles como se muest ra en la t abla
siguient e.
Tabla 7.11. PI SA 2006- Niveles de Desempeo en Mat emt icas
Nivel 2
- I nt erpret ar y reconocer sit uaciones en cont ext os que slo requieren una
inferencia direct a.
98 Didctica del lgebra Lineal y la Probabilidad
- Ext raer informacin pert inent e de una sola fuent e y hacer uso de un nico
modelo represent acional.
- Ut ilizar algorit mos, frmulas, procedimient os o convenciones element ales.
- Efect uar razonamient os direct os e int erpret aciones lit erales de los
result ados.
Nivel 3
- I nt erpret ar y reconocer sit uaciones en cont ext os que slo requieren una
inferencia direct a.
- Ext raer informacin pert inent e de una sola fuent e y hacer uso de un nico
modelo represent acional.
- Ut ilizar algorit mos, frmulas, procedimient os o convenciones element ales.
- Efect uar razonamient os direct os e int erpret aciones lit erales de los
result ados.
Nivel 4
- Trabaj ar con eficacia con modelos explcit os en sit uaciones complej as y
concret as que pueden conllevar condicionant es o exigir la
- formulacin de supuest os.
- Seleccionar e int egrar dif erent es represent aciones, incluyendo las
simblicas, asocindolas direct ament e a sit uaciones del mundo
- real.
- Ut ilizar habilidades bien desarrolladas y razonar con flexibilidad y con
ciert a perspicacia en est os cont ext os.
- Elaborar y comunicar explicaciones y argument os basados en sus
int erpret aciones, argument os y acciones.
Nivel 5
- Desarrollar modelos y t rabaj ar con ellos en sit uaciones complej as,
ident ificando los condicionant es y especificando los supuest os.
- Seleccionar, comparar y evaluar est rat egias adecuadas de solucin de
problemas para abordar problemas complej os relat ivos a
- est os modelos.
- Trabaj ar est rat gicament e ut ilizando habilidades de pensamient o y
razonamient o bien desarrolladas, as como represent aciones
- adecuadament e relacionadas, caract erizaciones simblicas y formales, e
int uiciones relat ivas a est as sit uaciones.
- Reflexionar sobre sus acciones y formular y comunicar sus
int erpret aciones y razonamient os.
Nivel 6
- Formar concept os, generalizar y ut ilizar informacin basada en
invest igaciones y modelos de sit uaciones de problemas complej os.
- Relacionar diferent es fuent es de informacin y represent aciones y
t raducirlas ent re ellas de una manera flexible.
Universidad Nacional Abierta 99
- Poseen un pensamient o y razonamient o mat emt ico avanzado.
- Aplicar su ent endimient o y comprensin, as como su dominio de las
operaciones y relaciones mat emt icas simblicas y formales y desarrollar
nuevos enfoques y est rat egias para abordar sit uaciones nuevas.
- Formular y comunicar con exact it ud sus acciones y reflexiones relat ivas a
sus descubrimient os, argument os y su adecuacin a las sit uaciones
originales.
( Fuent e: ht t p: / / www.oei.es/ evaluacioneducat iva/ Colombia_en_PI SA_2006.pdf )
Para ms det alles y ej emplos de pregunt as de mat emt icas para cada uno de los niveles de
desempeo puede consult ar el mat erial inst ruccional impreso de la asignat ura Evaluacin de
los Aprendizaj es en Mat emt icas ( Cod. 551) .
Como sealamos arriba, est os niveles de desempeo le pueden servir de gua para
est ablecer los obj et ivos de sus unidades didct icas.
Lo import ant e de las t axonomas y niveles est udiados ant eriorment e es que nos sirven de
gua para organizar la evaluacin del aprendizaj e logrado por los est udiant es involucrados
en la realizacin de una unidad didct ica. Ninguna de ellas por si sola t al vez le provea de
t odos los element os que ust ed requiera para su evaluacin. Tmese la libert ad de disear
su propia t axonoma o conj unt o de niveles adapt ados a sus necesidades.
Anexo A
Modelo de rendimient o en mat emt ica para la educacin secundaria basado en la Taxonoma de los obj et ivos
educacionales
Cognoscit ivas
A0
Comput acin
B0 Comprensin C0 Aplicacin D0 Anlisis
C
o
n
o
c
i
m
i
e
n
t
o
d
e
h
e
c
h
o
s
e
s
p
e
c
f
i
c
o
s
C
o
n
o
c
i
m
i
e
n
t
o
d
e
l
a
t
e
r
m
i
n
o
l
o
g
a
C
a
p
a
c
i
d
a
d
p
a
r
a
r
e
a
l
i
z
a
r
a
l
g
o
r
i
t
m
o
s
C
o
n
o
c
i
m
i
e
n
t
o
d
e
c
o
n
c
e
p
t
o
s
C
o
n
o
c
i
m
i
e
n
t
o
d
e
p
r
i
n
c
i
p
i
o
s
,
r
e
g
l
a
s
y
g
e
n
e
r
a
l
i
z
a
c
i
o
n
e
s
C
o
n
o
c
i
m
i
e
n
t
o
d
e
l
a
e
s
t
r
u
c
t
u
r
a
m
a
t
e
m
t
i
c
a
C
a
p
a
c
i
d
a
d
p
a
r
a
t
r
a
n
s
f
o
r
m
a
r
e
l
e
m
e
n
t
o
s
d
e
p
r
o
b
l
e
m
a
s
d
e
u
n
a
m
o
d
a
l
i
d
a
d
a
o
t
r
a
C
a
p
a
c
i
d
a
d
p
a
r
a
s
e
g
u
i
r
u
n
a
l
n
e
a
d
e
r
a
z
o
n
a
m
i
e
n
t
o
C
a
p
a
c
i
d
a
d
p
a
r
a
l
e
e
r
e
i
n
t
e
r
p
r
e
t
a
r
u
n
p
r
o
b
l
e
m
a
C
a
p
a
c
i
d
a
d
p
a
r
a
r
e
s
o
l
v
e
r
p
r
o
b
l
e
m
a
s
d
e
r
u
t
i
n
a
C
a
p
a
c
i
d
a
d
p
a
r
a
r
e
a
l
i
z
a
r
c
o
m
p
a
r
a
c
i
o
n
e
s
C
a
p
a
c
i
d
a
d
p
a
r
a
a
n
a
l
i
z
a
r
d
a
t
o
s
C
a
p
a
c
i
d
a
d
p
a
r
a
r
e
c
o
n
o
c
e
r
m
o
d
e
l
o
s
,
i
s
o
m
o
r
f
i
s
m
o
s
y
s
i
m
e
t
r
a
s
C
a
p
a
c
i
d
a
d
p
a
r
a
r
e
s
o
l
v
e
r
p
r
o
b
l
e
m
a
s
n
o
r
u
t
i
n
a
r
i
o
s
C
a
p
a
c
i
d
a
d
p
a
r
a
d
e
s
c
u
b
r
i
r
r
e
l
a
c
i
o
n
e
s
C
a
p
a
c
i
d
a
d
p
a
r
a
c
o
n
s
t
r
u
i
r
d
e
m
o
s
t
r
a
c
i
o
n
e
s
C
a
p
a
c
i
d
a
d
p
a
r
a
c
r
i
t
i
c
a
r
d
e
m
o
s
t
r
a
c
i
o
n
e
s
C
a
p
a
c
i
d
a
d
p
a
r
a
f
o
r
m
u
l
a
r
y
v
a
l
i
d
a
r
g
e
n
e
r
a
l
i
z
a
c
i
o
n
e
s
Cont enido A1 A2 A3 B1 B1 B3 B4 B5 B6 C1 C2 C3 C4 D1 D
2
D3 D4 D5
( Wilson, 1979)
Universidad Nacional Abierta 101
Anexo B
List a de verbos correspondient es a cada una de las conduct as en la Taxonoma de Bloom
Conocimient o: Comprensin: Aplicacin:
Organizar
Definir
Duplicar
Rot ular
Enumerar
Parear
Memorizar
Nombrar
Ordenar
Reconocer
Relacionar
Recordar
Repet ir
Reproducir
Clasificar
Describir
Discut ir
Explicar
Expresar
I dent ificar
I ndicar
Ubicar
Reconocer
Report ar
Re- enunciar
Revisar
Seleccionar
Ordenar
Traducir
Aplicar
Escoger
Demost rar
Dramat izar
Emplear
I lust rar
I nt erpret ar
Operar
Preparar
Pract icar
Programar
Esbozar
Solucionar
Ut ilizar
Anlisis: Snt esis: Evaluacin:
Analizar
Valorar
Calcular
Cat egorizar
Comparar
Cont rast ar
Crit icar
Diagramar
Diferenciar
Discriminar
Dist inguir
Examinar
Experiment ar
I nvent ariar
Cuest ionar
Examinar
Organizar
Ensamblar
Recopilar
Componer
Const ruir
Crear
Disear
Formular
Administ rar
Organizar
Planear
Preparar
Proponer
Trazar
Sint et izar
redact ar
Valorar
Argument ar
Evaluar
At acar
Elegir
Comparar
Defender
Est imar
Evaluar
Juzgar
Predecir
Calificar
Ot orgar punt aj e
Seleccionar
Apoyar
Tomado de: ht t p: / / www.geocit ies.com/ j ose_luis_cardenas/ t axonomia_bloom.ht m
102 Didctica del lgebra y la Probabilidad
Anexo C
Verbos para la Taxonoma SOLO
Niveles de comprensin Verbos indicat ivos
Abst ract o ext endido Teoriza
Generaliza
Formula hipt esis
Reflexiona
Genera
Relacional Compara/ cont rast a
Explica causas
I nt egra
Analiza
Relaciona
Aplica
Mult i-est ruct ural Enumera
Clasifica
Describe
Hace una list a
Combina
Ej ecut a algorit mos
Uni- est ruct ural I dent ifica
Memoriza
Realiza procedimient o simples
Pre- est ruct ural No capt a el punt o
Universidad Nacional Abierta 103
Anexo D
lgebra I I
Obj et ivos Generales del curso
- Relacionar y generalizar las ideas bsicas del lgebra y del Clculo a t ravs del lgebra
Lineal.
- Aplicar los result ados obt enidos en el lgebra Lineal a ot ros campos de la Mat emt ica.
Mdulo 1: Espacios vect oriales
Obj et ivos Generales
- Revisar y generalizar la est ruct ura de espacio vect orial de R
2
y R
3
est udiadas en el curso
de Mat emt ica I I .
- Descomponer un espacio vect orial en suma direct a de subespacios.
Unidad de Aprendizaj e No. 1: Espacios vect oriales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Comprender los concept os de espacio vect orial y subespacio vect orial.
Experiencia de Aprendizaj e No. 1
Cont enidos: Espacios vect oriales. Subespacios vect oriales. Operaciones con
subespacios.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar los concept os de espacio vect orial y subespacio vect orial en la
resolucin de problemas.
Unidad de Aprendizaj e No. 2: Combinaciones lineales
Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones de:
- Det erminar relaciones de dependencia ent re vect ores y subespacios de vect ores.
Experiencia de Aprendizaj e No. 2
Cont enidos: Combinaciones lineales.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar los concept os de combinacin lineal en la resolucin de problemas.
- Hallar el subespacio generado por un subconj unt o.
- Buscar los generadores de un espacio vect orial y dist inguir si un espacio
vect orial es finit ament e generado.
Experiencia de Aprendizaj e No. 3
Cont enidos: Subespacio generado por un subconj unt o de vect ores. Espacios
vect oriales finit ament e generados. Dependencia e independencia lineal.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
104 Didctica del lgebra y la Probabilidad
- Dist inguir si un conj unt o de vect ores es linealment e independient e.
Unidad de Aprendizaj e No. 3: Bases de espacios vect oriales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Det erminar si un conj unt o dado es base de un espacio vect orial.
- Descomponer un espacio vect orial como suma direct a de subespacios.
Experiencia de Aprendizaj e No. 4
Cont enidos: Bases y dimensiones de un espacio vect orial.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Det erminar una base de un espacio vect orial, as como la dimensin del
mismo.
Experiencia de Aprendizaj e No. 5
Cont enidos: Suma direct a de subespacios vect oriales.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar la suma direct a de subespacios vect oriales en la resolucin de
problemas.
Mdulo 2: Transformaciones lineales
Obj et ivos Generales
Generalizar el concept o de t ransformacin lineal ent re espacios vect oriales y est udiar
algunos espacios vect oriales import ant es.
Unidad de Aprendizaj e No. 4: Transformaciones lineales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Revisar y generalizar el concept o de t ransformacin lineal ent re espacios
vect oriales.
Experiencia de Aprendizaj e No. 6
Cont enidos: Transformacin lineal. Propiedades de las t ransformaciones lineales.
Ncleo. I magen de una t ransformacin lineal.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar la definicin de t ransformacin lineal en la resolucin de problemas.
Experiencia de Aprendizaj e No. 7
Cont enidos: Monomorfismo. Epimorfismo,. I somorfismo. Espacios vect oriales
isomorfos.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Dist inguir si una aplicacin lineal es un monomorfismo, epimorfismo o
isomorfismo.
Universidad Nacional Abierta 105
Unidad de Aprendizaj e No. 5: Espacios de t ransformaciones lineales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Est udiar algunos espacios vect oriales import ant es.
Experiencia de Aprendizaj e No. 8
Cont enidos: Espacios vect oriales import ant es. Espacio Hom
k
(V, W) . Propiedades
de los espacios Hom
k
(V, W) .
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Dist inguir espacios vect oriales import ant es.
Experiencia de Aprendizaj e No. 9
Cont enidos: El espacio dual de un espacio vect orial dado. Bidual de un espacio
vect orial. El grupo lineal general.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar el grupo lineal general y aplicarlo a la resolucin de problemas.
Experiencia de Aprendizaj e No. 10
Cont enidos: Espacio vect orial cocient e. Teoremas fundament ales de isomorfismos
de espacios vect oriales. Primero y segundo t eorema fundament al de
isomorfismos ent re espacios vect oriales.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar el concept o de espacio vect orial cocient e a la resolucin de problemas.
Mdulo 3: Mat rices y t ransformaciones lineales
Obj et ivos Generales
Aplicar en la resolucin de sist emas de ecuaciones lineales las propiedades de las
t ransformaciones lineales y los det erminant ers.
Unidad de Aprendizaj e No. 6: Mat rices y t ransformaciones lineales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Est udiar las relaciones ent re espacios vect oriales de mat rices y espacios
vect oriales de t ransformaciones lineales.
Experiencia de Aprendizaj e No. 11
Cont enidos: Mat rices y t ransformaciones lineales. Mat rices de orden mxn. Mat riz
asociada a una t ransformacin lineal. I somorfismo ent re Hom
k
( V, W) y M( dimW,
dimV, K) .
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las propiedades de la suma de mat rices y aplicarlo a la resolucin de
problemas.
106 Didctica del lgebra y la Probabilidad
Experiencia de Aprendizaj e No. 12
Cont enidos: Product o de mat rices. Mat riz de cambio de base. Accin de un
cambio de bases sobre las coordenadas de un vect or de un espacio vect orial.
Accin de un cambio de bases en los espacios vect ori ales de una aplicacin lineal.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las propiedades del product o de mat rices y aplicarlo a la resolucin
de problemas.
Unidad de Aprendizaj e No. 7: Aplicaciones mult ilineales y det erminant es
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Est udiar algunas aplicaciones mult ilineales en especial los det erminant es.
Experiencia de Aprendizaj e No. 13
Cont enidos: Aplicaciones bilineales. Aplicaciones mult ilineales.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las aplicaciones bilineales y mult ilineales.
Experiencia de Aprendizaj e No. 14
Cont enidos: Funcin det erminant e. Det erminant e de una t ransformacin lineal.
Adj unt o clsico de un endomorfismo.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar la funcin det erminant e y su aplicacin a la resolucin de problemas.
Experiencia de Aprendizaj e No. 15
Cont enidos: Det erminant e de una mat riz cuadrada. El det erminant e considerado
como una funcin de lneas. Desarrollo del det erminant e segn los element os de
una lnea. Teorema de Laplace.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar el det erminant e de una mat rz cuadrada y su aplicacin a la
resolucin de problemas.
Experiencia de Aprendizaj e No. 16
Cont enidos: Product o vect orial, Represent acin del product o vect orial mediant e
un det erminant e formal. I dent idad de Lagrange. Product o mixt o. Product o mixt o
y dependencia o independencia lineal.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Resolver problemas mediant e el uso de sist emas de ecuaciones.
Unidad de Aprendizaj e No. 8: Sist emas de ecuaciones lineales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
Universidad Nacional Abierta 107
- Aplicar los result ados sobre mat rices y det erminant es a la resolucin de sist emas
de ecuaciones lineales.
Experiencia de Aprendizaj e No. 17
Cont enidos: Sist emas de ecuaciones lineales. Rango de una mat riz. Sist emas
homogneos. Regla de Cremar. Compat ibilidad de sist emas lineales. Equivalencia
de mat rices. Mt odo de Gauss- Jordan.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar las operaciones element ales y mat rices element ales en la resolucin
de problemas.
Mdulo 4: Espacios con product o int erno
Obj et ivos Generales
- Est udiar espacios vect oriales con product o int erno.
Unidad de Aprendizaj e No. 9: Espacios eucldeos
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Adquirir la nocin de espacio eucldeo y aplicar sus propiedades..
Experiencia de Aprendizaj e No. 18
Cont enidos: Product o int erno. Espacio normado. Dist ancia de un K- espacio
vect orial.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Generalizar las definiciones y propiedades de la norma y del product o escalar
y est udiados en R
2
y R
3
a espacios vect oriales cualesquiera que t ienen como
cuerpo de escalares al conj unt o de los nmeros reales.
- Est udiar el concept o de dist ancia en un K- espacio vect orial.
Experiencia de Aprendizaj e No. 19
Cont enidos: Vect ores ort ogonales y ort onormales. Mt odo de ort ogonalizacin de
Gram-Schmidt .
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Adquirir los concept os de conj unt os ort ogonales y ort onormales y aplicar sus
propiedades en la deduccin del mt odo de Gram- Schmidt .
Unidad de Aprendizaj e No. 10: Mat rices y t ransformaciones lineales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Est udiar las proyecciones y t ransformaciones ort onormales.
Experiencia de Aprendizaj e No. 20
Cont enidos: Complement o ort ogonal. Proyeccin ort ogonal.
108 Didctica del lgebra y la Probabilidad
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar el conj unt os de l os vect ores ort ogonales a un conj unt o dado S y
deducir algunas propiedades import ant es de st os, si S es un espacio
vect orial .
Experiencia de Aprendizaj e No. 21
Cont enidos: Operaciones ort ogonales. Mat riz ort ogonal
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar los operadores ort ogonales de dimensin finit a.
Mdulo 5: Vect ores y valores propios
Obj et ivos Generales
- Est udiar vect ores y valores propios y formas cuadrt icas.
Unidad de Aprendizaj e No. 11: Vect ores y valores propios de un operador de una
mat riz cuadrada.
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Est udiar vect ores y valores propios de un operador y de una mat riz cuadrada.
- Est udiar la diagonalizacin de un operador y de una mat riz cuadrada.
- Adquirir las nociones bsicas acerca de los operadores hermit ianos.
Experiencia de Aprendizaj e No. 22
Cont enidos: Vect or y valores propios de un operador. Vect ores y valores propios
de una mat riz cuadrada. Polinomio caract erst ico de un operador o de una mat riz
cuadrada. Diagonalizacin de un operador o de un mat riz cuadrada.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Calcular los vect ores y valores propi os de un operador y de una mat riz
cuadrada.
- Caract erizar los operadores diagonalizables en funcin de sus valores
propios..
Experiencia de Aprendizaj e No. 23
Cont enidos: Operadores hermit anos. Valores propios de un operador ermit ao.
Operadores hermit anos y bases ort onormales de una espacio eucldeo.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las propiedades bsicas de los operadores hermit ianos.
Unidad de Aprendizaj e No. 12:
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
Universidad Nacional Abierta 109
- Adquirir los concept os fundament ales sobre formas bilineales sobre un espacio
vect orial y aplicarlos en el est udio de las formas cuadrt icas sobre un K- espacio
vect orial y en part icular sobre el cuerpo de los reales en la descripcin de las
cnicas y las cudricas..
Experiencia de Aprendizaj e No. 24
Cont enidos: Formas bilineales sobre un K-espacio. Formas bilineales simt ricas.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las propiedades fundament ales de las formas bilineales sobre un K-
espacio vect orial V.
- Adquirir las nociones bsicas acerca de las formas bilineales simt ricas.
Experiencia de Aprendizaj e No. 25
Cont enidos: Formas cuadrt icas sobre un K- espacio. Formas cuadrt icas reales.
Descripcin de las cnicas. Descripcin de las cudricas.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Est udiar las propiedades de las formas cuadrt icas sobre un K- espacio
vect orial V.
- Aplicar las propiedades de las formas cuadrt icas reales al est udio de las
cnicas y cudricas.
110 Didctica del lgebra y la Probabilidad
Aut o- Evaluacin 7
111
Mdulo 2
Obj et ivo del Mdulo:
Estudiar elementos terico-prcticos de las Didcticas de la Probabilidad
dentro del marco de la Educacin Matemtica.
112
Unidad 4
Obj et ivo 4:
Estudiar diversas aproximaciones tericas e investigaciones en
didctica de la Probabilidad.
113
Leccin 8
I nvest igaciones iniciales
Est a unidad est dedicada al est udio de algunos de los result ados ms relevant es de la
invest igacin respect o a la didct ica de la probabilidad. La probabilidad es part e import ant e
de la vida comn de cualquier ciudadano. Con frecuencia un ciudadano necesit a int erpret ar
un mensaj e con base probabilst ica, comunicar la posibilidad de ocurrencia o no de un
event o, t omar decisiones en sit uacin de incert idumbre. Est a es una de las razones por las
que la probabilidad ha formado part e de los est udios universit arios desde hace mucho
t iempo. Se considera necesario que la mayora de los profesionales t engan una formacin
bsica en probabilidad; adems, de ser base fundament al para la comprensin de la
est adst ica inferencial. No obst ant e, fue con los ms pequeos con quienes se inici el
int ers por invest igar sobre la probabilidad, su enseanza y aprendizaj e.
La invest igacin sobre las int uiciones de los individuos acerca del azar y la probabilidad
t ienen una larga t radicin en psicologa. Los est udios de Piaget e I nhelder ( 1951)
comienzan la descripcin del pensamient o probabilst ico y el pensamient o combinat orio, as
como el diseo de t eoras acerca de su desarrollo en los individuos. Post eriorment e ot ros
psiclogos han seguido esa lnea de invest igacin ( por ej emplo, Fischbein, 1975;
Kahneman, Slovic y Tversky, 1982; St anovich, 1986) logrando result ados proporcionando
un apoyo import ant e para la enseanza de la probabilidad.
Las invest igaciones respect o al razonamient o probabilst ico at ienden a dos t picos. Un
grupo describe las maneras de pensar de las personas, invest igan sobre las concepciones
element ales, las concepciones errneas, las int uiciones sobre probabilidad. Un segundo
grupo de invest igaciones t ienen como cent ro el cmo influir o cambiar esas creencias e
int uiciones sobre la probabilidad. En est a leccin se present an se present an part e de los
result ados de las invest igaciones de Piaget e I nhelder ( 1951) , Fischbein ( 1975) y Green
( 1983) ; los cuales cent ran su int ers en la comprensin de la probabil idad en nios y
adolescent es.
Los nios y la probabilidad
Piaget e I nhel der ( 1951) fueron los primeros invest igadores en est udiar el desarrollo de las
ideas de azar y probabilidad en nios. Sus invest igaciones se orient aron al est udio de la
adquisicin del concept o de probabilidad en su acepcin clsica, en el marco de las et apas
del desarrollo concept ual de Piaget . Como en la mayora de las invest igaciones de Piaget , la
met odologa ut ilizada se basa en las ent revist as de los suj et os, por lo cual se requiere de un
alt o grado de verbalizacin de part e de los nios. El problema fundament al comprender
exact ament e lo que piensan los nios a part ir de su expresin, la cual no siempre es clara y
precisa, por lo que buena part e de las conclusiones son inferencias de los invest igadores.
Sin embargo, l as descripciones de Piaget sobre lo que hacen y saben los nios en diversas
edades, est n t ot alment e acordes con los result ados de la invest igacin ms recient e
realizada por psiclogos cognoscit ivos.
Una de sus conclusiones ms import ant e es que el concept o de la probabilidad se
t ransforma en un conj unt o formal de ideas nicament e a part ir de la et apa operacional
formal, que ocurre alrededor de doce aos de edad.
Las razones que present an Piaget e I nhelder para sust ent ar la afirmacin ant erior son:
Didctica del lgebra y la Probabilidad
1. Para ident ificar los fenmenos aleat orios el nio necesit a de la comprensin de la
relacin causa efect o. Sin est e marco referencial el nio no puede desarrollar la idea
de azar. La relacin causa- efect o comienza a apreciarse en la et apa de las
operaciones concret as, por lo que el nio no t iene element os para comprender la idea
de azar.
2. Para comprender la idea de probabilidad hace falt a que el est udiant e desarrolle el
razonamient o combinat orio, aspect o est e que logra en la et apa de las operaciones
formales (12 14 aos) . Al apoyar sus invest igaciones en la concepcin clsica de la
probabilidad ellos consideran que cada caso aislado de un experiment o aleat orio es
indet erminado. No obst ant e, el nmero t ot al de posibilidades puede det erminarse por
int ermedio de razonamient os de t ipo combinat orio. Est o lo hace previsible y da
margen para la aparicin de la idea de la probabilidad, como razn ent re las
posibilidades de un caso y el conj unt o de posibilidades. Baj o est a argument acin de
Piaget e I nhelder, slo es posible comprender la idea de probabilidad si se ha logrado
desarrollar el razonamient o combinat orio.
Para Piaget e I nhelder los nios no t ienen una int uicin del azar lo cual dificult a la
compresin de la probabilidad. Por ello cent raron sus invest igaciones en det erminar el nivel
de desarrollo que debe t ener el nio para poder comprender est e concept o. Al present arse
un nuevo concept o, se produce un desequilibrio cognit ivo en el suj et o y en st e comienza
un proceso de asimilacin ( acept acin de la nueva informacin) y acomodacin
( reest ruct uracin de la informacin ya exist ent e) . Est os procesos dependen de los
conocimient os previos que posea el suj et o y del desarrollo int elect ual del nio, el cual se da
en varias et apas. Segn Piaget , el desarrollo cognit ivo de la nocin de probabilidad en el
nio se realiza en varias et apas:
1. Preoperacional ( 4-7 aos) . El aprendizaj e requiere de la manipulacin de obj et os
concret os para que el nio apoye sus experiencias empricas para comprender los
concept os. Al present ar al nio, experiment os aleat orios como la bandej a piaget ina, ellos
afirman que los obj et os del experiment o volvern al est ado inicial. Consideran que los
experiment os son reversibles, al no ocurrir los nios no son capaces de comprenderlos,
t rat an de est ablecer el orden. Si se les present a un experiment o aleat orio con dos
event os posibles, A y B, y el event o A aparece con frecuencia, ellos predicen que ocurrir
la prxima ocasin. La razn que present a con frecuencia para est a prediccin es que B
fue omit ida muchas veces . Para Piaget , la irreversibilidad de los experiment os aleat orios
no permit e su compresin por part e de nios de est a et apa y por lo t ant o apreciar lo que
es el azar.
2. Operaciones concret as (7 11 aos) . Comienzan a comprenderse concept os secundarios
que no necesit an del apoyo de experiencias concret as. A t ravs de la adquisicin de
esquemas operaciones espacio- t emporales y lgicos- mat emt icos, adquiere la capacidad
de dist inguir ent re lo deducible y el azar. Comienza a comprender la int eraccin de
cadenas causales que conducen a sucesos predecibles, y la irreversibilidad de los
fenmenos aleat orios. Ant e un conj unt o pequeo de element os, los nios buscan formas
de realizar invent arios de t odas las permut aciones, variaciones y combinaciones posibles.
Hacia el final del periodo es posible llegar a procedimient os rudiment arios de clculo,
mediant e ensayo y error, pero no hay un enfoque sist emt ico para generar la list a.
Logran una comprensin progresiva de la nocin de azar, pero t odava creen que pueden
cont rolar los posibles result ados.
3. Operaciones formales ( 12 aos en adelant e) . Se comprenden abst racciones simblicas
y/ o verbales sin necesidad de apoyo de la manipulacin de obj et os. El adolescent e
adquiere la capacidad de ut ilizar procedimient os sist emt icos para realizar invent arios de
t odas las permut aciones, variaciones y combinaciones posibles de un conj unt o de
Universidad Nacional Abierta 115
element os. Agrupa las relaciones no det erminadas de fenmenos aleat orios segn
esquemas operacionales. Consient an a asociar el azar con la ausencia de pat rones de
result ados. Una vez que se present a una sit uacin aleat oria, por medio del uso de est os
esquemas se hace int eligible, y la snt esis ent re el azar y lo operacional conduce al
adolescent e al concept o de probabilidad.
Una de las act ividades realizadas por Piaget eI nhelder ( 1951) fue present ar a los nios dos
colecciones de fichas blancas, con o sin una de sus caras marcadas, con composiciones
dist int as cada coleccin. Se les solicit aba a los nios decidir en cul de las dos colecciones
sera ms fcil obt ener una ficha con una cara marcada, al seleccionarla al azar. Los
result ados indican:
a) En el primer est adio no se realiza la comparacin lgico- arit mt ica lo cual impide a los
nios resolver el problema. La nocin de probabilidad no es accesible puest o que se
precisa incluir la part e en el t odo, los casos favorables en el conj unt o de casos posibles,
compuest os disyunt ivament e. Las soluciones se basan en apreciaciones int uit ivas.
b) En el segundo est adio, se consigue hacer comparaciones con una sola variable. Los
nios t ienen xit o en los problemas que implican la comparacin de una sola variable,
mient ras que present an errores sist emt icos en los casos de composicin proporcional.
Los problemas de una variable suponen las comparaciones adit ivas, mient ras, que los
segundos llevan implcit o un doble cocient e; lo cual lo relaciona de forma direct a con las
ideas de fraccin y de proporcin, que el nio no ha adquirido.
c) En el t ercer est adio, se ofrecen soluciones generales y rpidas. Los nios parecen
const ruir operaciones de segunda orden, operaciones const ruidas sobre operaciones,
que precisan un poder hipot t ico deduct ivo mayor que las operaciones concret as.
Aparece la nocin de probabilidad.
Act ividad 8.1
Un ej emplo de las act ividades que ut ilizaba Piaget e I nhelder es el de las caj as con
fichas. Al suj et o se le present an dos caj as: una con t res fichas negras y una blanca,
ot ra con seis fichas negras y 2 blancas. Se le pregunt a si hay la misma probabilidad o
una posibilidad diferent e de escoger una ficha negra de cada caj a. Present e a nios de
6, 9, 12 y 15 aos de edad, las dos caj as ( en fsico) de Piaget e I nhelder. I ndague sobre
lo que ellos creen respect o en cul caj a es ms probable seleccionar una ficha negra, si
se ext rae una de ellas al azar ( adapt e el lenguaj e a la edad del nio) . Realice un informe
con los result ados.
Por t odo lo ant erior para est os aut ores el concept o de probabilidad slo es compresible a
part ir de la et apa operacional formal. Ellos consideran que a part ir de los 12 aos, los nios
pueden hacer una snt esis ent re el azar y la probabilidad, logrando una asimilacin
analgica ent re lo fort uit o y la operat oria.
Concepcin de probabilidad en nios y adolescent es
Green (1983 y 1991) realiz un amplio est udio para invest igar los concept os de probabilidad
de los adolescent es. Trabaj con ms de 3000 est udiant es de I nglat erra, de 11 a 16 aos,
para det erminar sus niveles de desarr ollo de acuerdo con las et apas definidas por Piaget . El
obj et ivo era descubrir lo que ellos saban sobre los concept os de probabilidad y sobre el
lenguaj e de la incert idumbre.
Para poder llegar a t al cant idad de suj et os, Green ut iliz la t cnica de la encuest a y como
inst rument o el cuest ionario. Est e inst rument o permit e llegar a un mayor nmero de suj et os,
recolect ando la informacin de forma est ruct urada y sist emt ica. Es una manera uniforme
abordar a dist int os suj et os, aun cuando se aplique en moment os dist int os, ut ilizando para
Didctica del lgebra y la Probabilidad
su anlisis algunas t cnicas est adst icas. Los cuest ionarios de Green est aban conformados
en su mayora por t emes de seleccin mlt iple, aunque, en algunos casos, solicit aba
escribieran que argument aran las razones de la respuest a seleccionada. La mayor part e de
las argument aciones era muy superficial e incomplet a, por lo que no result aba muy t il para
ayudar a conocer un poco ms la forma de pensar del est udiant e.
El est udio inclua diferent es t areas como represent aciones visuales del azar, hilanderos o
apunt adores
3
con modelos de rea de probabilidad y experiment os aleat orios con urnas
ideadas por Piaget ( una con 3 met ras negras y 1 met ra blanca y ot ra caj a con 6 met ras
negras y 2 blancas) . Los result ados indican que la mayora de los est udiant es no haba
alcanzado la et apa de operaciones formales, con respect o al azar, ni siquiera a los diecisis
aos. Ent re ot ros aspect os Green seala:
1. El principio de mult iplicacin apenas era
comprensible.
2. Los t ems que incluan los result ados de cont eo
eran mej ores que los que incluan relaciones.
3. No ent endan la probabilidad como una razn. Al
pregunt arles si habra la igual o diferent e
probabilidad al escoger una met ra negra de cada
caj a piaget iana, cerca del 50% de los suj et os
escogieron la caj a de 6N y 2B con mayor
probabilidad.
4. Prct icament e no conocan el concept o de azar.
Green present un panorama gris de la sit uacin de la
est ocst ica en las escuelas en I nglat erra. Las
conclusiones fueron: ( a) el concept o de relacin es
crucial para la comprensin concept ual de la probabilidad; ( b) los est udiant es son dbiles en
lo que respect a a la comprensin y uso del lenguaj e comn de probabilidad, t ales como al
menos o det erminadas o imposible ; y ( c) slo un programa amplio y sist emt ico de la
est ocst ica en las escuelas podra eliminar est e pensamient o falaz en los nios.
Shaughnessy no proporciona informacin sobre el nivel de probabilidad y est adst ica al que
pueden haber sido expuest os los est udiant es con quienes t rabaj Green. Debido a la falt a
de at encin a la est ocst ica en las escuelas nort eamericanas, podramos esperar que los
result ados fueran t an malos, e incluso peores, en Nort eamrica si se hiciera est a misma
encuest a en Est ados Unidos.
En ot ro est udio Green, ( 1983) t rabaj sobre int uicin probabilst ica y present a un grupo
de nios una pregunt a en la cual deban discriminar ent re dos sucesiones, una cuyo pat rn
es aleat orio de ot ra que no lo es. Ambas sucesiones simulan el result ado del lanzamient o
de una moneda equilibrada 150 veces. Las sucesiones present adas fueron:
Sucesin 1:
cscssccssccscscsscsscscccssscccsscsscscscssccscccscscsccsssccsscscssccscssccscssccsccsc
ssscssccsscsscscsccscssccscscsscccsccsscscssccssscssscscsscccss
Sucesin 2:
sccssscsssscsccsssccsccsssccscccssscsssssscscscscssssccccccscccscsccscccccscccsscccscsc
ccccccccsscscccccccsssssccccsscscsccsccsccsssssscsccsscccssccc
3
Se t rat a de un crculo dividido en part es, no necesariament e iguales, con una f lecha que puede girar colocada en
el cent ro.
Hilandero o apunt ador
Universidad Nacional Abierta 117
Los result ados indican que la mayora de los nios eligen la secuencia no aleat oria y que no
mej ora la apreciacin de la aleat oriedad con la edad. Ent re las razones present adas por los
nios y nias para su decisin encont raron las siguient es: Razones correct as: ( a) El pat rn
de la sucesin es demasiado regular para ser aleat orio. ( b) Demasiadas rachas o r achas
demasiado cort as. Razones incorrect as: (c) El pat rn de la sucesin aleat oria es
demasiado irregular; no se apreciaba suficient ement e la irregularidad de una sucesin
aleat oria. ( d) Se espera que la frecuencia relat iva sea exact ament e el 50% de caras y
cruces o un valor muy prximo; no se admit en fluct uaciones lgicas en est a proporcin. ( e)
Rachas demasiado largas; no se admit e la posibilidad de est e t ipo de rachas en una
sucesin aleat oria.
Est e result ado es semej ant e al de Falk ( 1981) quien indica que los seres humanos somos
malos j ueces cuando deben reconocer y const ruir event os al azar . Est e aut or most r las
siguient es secuencias a est udiant es de secundaria:
A) AAAVVAAVVAAAVVVVVVAAA
B) VAVAVAVAAVAVAAVAVVAVV
Se les indic que las secuencias correspondan a 21 cart as verdes y amarillas, y les pidi
que decidieran cul de las dos era ms probable que fuera una secuencia aleat oria. La
mayora de los est udiant es seleccion la secuencia B, por ser la que present aba ms
cambios ent re los colores. Sin embargo, las secuencias con cadenas ms largas de un
color es ms probable que sea aleat oria. Falk encont r los mismos result ados cuando pidi
a los est udiant es que generaran sus propias secuencias de 21 cart as. Con est as y ot ras
sit uaciones, Falk concluye que se t iende a ver pat rones en event os al azar cuando no los
hay, por lo que se rechaza la nocin de que ciert os result ados son al azar. Asimismo, se
t iende a inferir fenmenos aleat orios cuando no lo son.
Green ( 1991) realiz un est udio longit udinal sobre concept os de aleat oriedad con escolares
de 7 a 11 aos, donde solicit aba a los nios escribir una sucesin aleat oria que represent e
los result ados de lanzar una moneda 50 veces. En las sucesiones generadas por los nios
se ident ifican ( a) un alt o sent ido de la equiprobabilidad. Las sucesiones producan
aproximadament e el mismo nmero de caras que sellos. ( b) rachas demasiado cort as de
un mismo result ado, respect o a lo que cabe esperar en un proceso aleat orio, lo cual parece
sugerir una relacin de dependencia ent re los result ados.
Act ividad 8.2
Solicit e, de forma independient e, a 3 est udiant es de nivel superior ( que ya no hayan
cursado la asignat ura de est adst ica o probabilidad en su carrera) que elabore list a de los
posibles result ados del lanzamient o de una moneda 50 veces. Para facilit ar el t rabaj o,
proporcineles una cuadricula con 50 espacios. Realice el mismo t rabaj o con 3
est udiant es de nivel superior que ya hayan est udiado probabilidad en su carrera. Analice
los result ados de cada grupo en funcin de la frecuencia relat iva de cada result ado y la
longit ud de las rachas. Luego compare los grupos, seale semej anzas y diferencias.
I nt uicin y el conocimiento probabilst ico
Fischbein, Pamput y Minzat ( 1970) , realizaron est udios para comparar el razonamient o de
grupos de nios que no haban recibido ningn t ipo de enseanza sobre probabilidad y de
nios que recibieron una enseanza breve y sist emt ica sobre la forma de resolver los
problemas de probabilidad. Los result ados indicaron que se encont raron diferencia ent re los
dos grupos de nios a part ir de los 9 o 10 aos, pero no en los nios menores. Est o los
llevo a recomendar la inclusin de la probabilidad en la escuela a part ir de los 10 aos. En
est a, como en la mayora de sus invest igaciones, Fischbein ut iliza el regist ro escrit o de los
propios nios como base para t rat ar de conocer su pensamient o probabilst ico.
Didctica del lgebra y la Probabilidad
De forma similar piensan Glayman y Vargas (1975) , quienes indican ant e una sit uacin
aleat oria, hast a los 5 o 6 aos, el nio piensa que puede prever el result ado; un poco ms
t arde responde que no puede afirmar nada y, gradualment e descubre que exist en en el caos
aparent e del mundo aleat orio, leyes que permit en est imar la realidad. Hast a los 14 y 15
aos parece difcil present ar el dominio de las probabilidades como una ciencia deduct iva,
pero mediant e ej emplos convenient es se puede conducir a los chicos a ent rever y ut ilizar las
leyes del azar ( p. 219) .
Fischbein (1975) cent r sus invest igaciones las ideas que t ienen los nios sobre el
conocimient o probabilst ico ant es y despus de la enseanza de ese t ema en la escuela.
Est e aut or consideraba a la int uicin como un element o muy import ant e en la planificacin
del proceso de enseanza. Para Fischbein la int uicin es el conj unt o de adquisiciones
cognit ivas que int ervienen direct ament e en las acciones prct icas o ment ales y t ienen las
siguient es caract erst icas: inmediat ez, globalidad, capacidad ext rapolat oria,
est ruct urabilidad y aut oevidencia. Aunque ot orga a la int uicin el rasgo de inmediat ez, no
la asocia con improvisacin, sino como el result ado de la maduracin de muchas
experiencias previas y surge en forma espont nea. Lo global es en cont raposicin a lo
analt ico. La capacidad ext rapolat oria es porque en ciert o modo las int uiciones t ienen
carct er t erico y a part ir de ellas se pueden hacer predicciones. La est ruct urabilidad viene
dada por las relaciones que se pueden dar ent re diversas int uiciones, formando est ruct uras
de razonamient os. La aut oevidencia es en referencia al suj et o, para quien la int uicin no
necesit a demost racin, son obvias.
En sus t rabaj os se dist ingue fundament alment e: int uiciones primarias y secundarias. Las
primarias son adquisiciones cognit ivas derivadas direct ament e de la experiencia y son
obvias para el suj et o. Cualquier persona puede t ener una nocin int uit iva de probabilidad,
correlacin, gravedad, aceleracin, frecuencia relat iva o cont rast e de hipt esis. Se
adquieren sin la necesidad de ninguna enseanza sist emt ica. Sin embargo, como las
int uiciones son est n influenciadas por las experiencias y pueden madurar ent onces son
adapt ables y, por lo t ant o, pueden est ar influenciadas por la enseanza sist emt ica. Las
secundarias son adquisiciones que poseen t odas las caract erst icas de las int uiciones
primarias, pero que se forman como product o de la educacin, esencialment e la formal.
Son creencias cognoscit ivas reest ruct uradas que acept amos y ut ilizamos como result ado de
la enseanza o de la experiencia dent ro de una comunidad cult ural en part icular.
Est e int ers por la int uicin llev a Fischbein a est udiarla en el campo de la probabilidad ya
que consideraba que st e era un mbit o apropiado para el surgimient o de la misma.
Supona que la t oma de decisiones en sit uacin de incert idumbre obliga a los suj et os a
valerse de sus experiencias previas y a realizar est imaciones int uit ivas de probabilidades.
Godino, Bat anero y Caizares, ( 1987) al est udiar la obra de Fischbein ident ifican cuat ro (4)
fases en el est udio de la gnesis de la i dea de azar y probabilidad desde la infancia hast a la
adolescencia. Est as fases son:
1. I nt uicin del azar . Al cont rario de Piaget , Fischbein considera que la dist incin ent re lo
aleat orio y lo det erminst ico, int uicin primaria de azar, s es compresible por los
nios, incluso ant es de los 7 aos. Para los nios, el azar es equivalent e a lo
imprevisible, pero ant e j uegos de azar sencillos son capaces de elegir la opcin de
mayor probabilidad. En la et apa de las operaciones formales, se debe dar la snt esis
ent re el azar y lo deducible, sin embargo, Fischbein considera que no se realiza
espont neament e. Est o se debe a las t radiciones cult urales y educat ivas de la
sociedad, las cuales orient an el pensamient o bsicament e hacia explicaciones
det erminist as unvocas. Para l, la int uicin del azar es irreconciliable con una
est ruct ura del pensamient o lgico, y es relegada a una clase inferior, como un mt odo
inadecuado de int erpret acin que no cumple los requisit os cient ficos. Est e
Universidad Nacional Abierta 119
plant eamient o de Fischbein respalda la inclusin de la probabilidad en los programas
escolares desde los cursos iniciales.
2. I nt uicin de la frecuencia relat iva. Est a int uicin mej ora con la edad, con el apoyo de
experiment os aleat orios para la enseanza. En la et apa preoperacional el nio adapt a
sus predicciones a las posibilidades de los sucesos que se le present an. La forma en
que se desarrolla el experiment o marca la paut a de las predicciones del nio. A part ir
de la et apa de operaciones concret as la int uicin se sigue desarrol lando como
result ado de las experiencias del nio con sit uaciones que implican sucesos aleat orios.
3. Est imacin de probabilidades. Si bien considera que el nio en la et apa preoperat oria
no es capaz de est imar las posibilidades a favor o en cont ra de los sucesos aleat orios,
piensa que es capaz de hacer j uicios probabilst icos. Cuando es posible un cont rol
experiment al y operaciones auxiliares de comparacin y clculo simples, el nio puede
part ir de una est imacin int uit iva de posibilidades a favor de algn suceso. Por
ej emplo, cuando se present an al nio dos caj as con diferent e nmero de bolas negras
y blancas, y se le pide elegir ent re cul de las dos es ms probable seleccionar una
blanca. Fischbein seala que si los nios pasan por un proceso de enseanza
adecuado, a part ir 9 o 10 aos pueden est imar probabilidades en experiment os
aleat orios con bolas. Piaget indica que slo a part ir de los 12 aos los nios pueden
dar respuest as correct as.
4. Operaciones combinat orias. Fischbein ha evidenciado que los nios en la et apa de
operaciones concret as, con ayuda de enseanza, logran asimilar procedimient os
enumerat ivos usados en la const ruccin de diagramas de rbol.
Las invest igaciones de Fischbein lo llevaron a proponer la enseanza de la probabilidad
desde el perodo de las operaciones concret as de Piaget , a diferencia de est e que la propone
a part ir del perodo de las operaciones formales. Fischbein en sus t rabaj os encont r que la
int uicin probabilst ica no se desarrolla espont neament e, except o dent ro de unos lmit es
muy reducidos.
Fischbein, Nello y Marino (1991) realizaron un est udio con 618 nios, ent re 9 y 14 aos, a
los cuales se les administ r un cuest ionario que inclua algunas pregunt as cent rndose en
los concept os de event os seguros, posibles e imposibles. Una de las pregunt as se refiere al
lanzamient o de un dado donde se les solicit aba indicaran si los event os eran imposibles,
probables o seguros. Est os event os fueron:
a) Un nmero par;
b) Un nmero menor que 7;
c) Un nmero mayor que 6;
d) Un nmero ms grande que 0;
e) El nmero 5.
Los aut ores consideran que los dos grupos ( 9-11 aos y 11- 14 aos) logran un desempeo
adecuado para los t res concept os se describen, no obst ant e, sealan que
sorprendent ement e el result ado con ms baj a t asa de respuest a adecuada es el referido a
event os seguros. Los result ados para el grupo de 9- 11 aos de edad fueron: event os
posibles 79,8% de respuest as correct a; event os seguros 55,0%; event os imposibles 94,4%.
Los result ados de los nios del ot ro grupo siguen un pat rn similar, pero con mayores
porcent aj es de respuest as correct as. Est e result ado es cont rario a su hipt esis de
invest igacin, segn la cual los event os posibles son el concept o ms sofist icado. De
acuerdo con est os result ados, el concept o de event o seguro es ms complej o de lo esperado
y al parecer se desarrolla ms t arde que las ideas de la imposible y probable. Fischbein, et
Didctica del lgebra y la Probabilidad
al. ( 1991) concluyen que no debe darse por sent ado que los nios desarrollan de forma
nat ural una mej or comprensin de los t rminos imposible, posible y seguro.
Si bien las int uiciones pueden ayudar a ofrecer la simplificacin de cogniciones de la
realidad, t ambin pueden inducir a errores y promover concepciones errneas de la realidad
cient fica. Est o es part icularment e import ant e en la probabilidad y la est adst ica, en las que
muchos fenmenos ent ran en conflict o con nuest ras creencias cognoscit ivas iniciales. Si las
int uiciones primarias sobre probabilidad y el azar se conciben de forma errnea, ent onces el
suj et o t endr una idea desvirt uada de esos concept os. El t iempo que se posponga la
enseanza de la probabilidad ser t iempo invert ido en el afianzamient o de las int uiciones
primarias del suj et o y por lo t ant o mayores dificult ades para lograr int uiciones secundarias
apropiadas. Por lo t ant o el est udio de la probabilidad desde los primeros aos es necesario
para modificar esos posibles errores en el pensamient o probabilst ico.
Probabilidad en la escuela?
En los lt imos aos, educadores mat emt icos y est adst icos han dedicado t iempo y
esfuerzo en invest igar sobre los procesos cognoscit ivos implicados en la enseanza y
aprendizaj e de la probabilidad. Shaughnessy (1992) resume las invest igaciones realizadas
desde la educacin mat emt ica en t res grupos:
1. Est udios de fact ibili dad llevados a cabo para det erminar si los t emas en probabilidad y
est adst icas podran ser enseados a los nios de la escuela primaria o media ( Dohert y,
1965; Jones, 1974; Leake, 1962; Leffin, 1971; Mullenex, 1968) ;
2. Est udios experiment ales o de correlaci n que int ent aban examinar los efect os de la
enseanza de la probabilidad sobre ot ras variables, o encont rar las relaciones exist ent es
ent re ot ras variables (t ales como act it udes, uso de smbolos, comput acin) y el xit o en
probabilidad (Gipson, 1971; McKinley, 1960; Shepler, 1970; Shepler & Romberg, 1973;
Shult e, 1968; Whit e, 1974) ;
3. Est udios que comparaban los efect os de varios enfoques para la enseanza de una
unidad sobre probabilidad (Aust in, 1974; Barz, 1970; Greelin, 1974; Kipp, 1975; McLeod,
1972; y Moyer, 1974) .
La mayora de esos est udios indican que los nios en los lt imos aos de la educacin
bsica y comienzos de la escuela media ya procesan alguna idea de probabilidad ant es de la
enseanza formal , y que es posible ensearles concept os de probabilidad a los nios de
esas edades.
Falk, Falk y Levin (1980) realizaron un est udio con sesent a y un nios, con edades
comprendidas ent re 4 y 11 aos. Se le propuso la comparacin de probabilidades en
dist int os cont ext os, siempre con dos result ados posibles: color azul y color amarillo. En
cada experiment o el nio deba seleccionar un color ant es de realizar el experiment o, con la
finalidad de ser recompensados si acert aba. Se ut ilizaron t res t ipos de disposit ivos: caj as
con pelot as azules y amarillas, rulet as divididas en sect ores azul y amarillo, y apunt adores,
igualment e dividido en dos colores. En cada disposit ivo, los conj unt os son de diferent es
t amaos con dist int as proporciones de los dos colores, por lo que el problema era
seleccionar la mayor de las dos probabilidades. Se les present aron a los nios un t ot al de
nueve problemas dist int os.
Aproximadament e en t orno los seis aos de edad, los nios comenzaron a seleccionar
sist emt icament e la mayor de las dos probabilidades, manifest ando un razonamient o de
t ipo probabilst ico. El error dominant e en los nios pequeos fue elegir el conj unt o con
mayor nmero de casos favorables. Los cont ext os result aron equivalent es para el propsit o
de medir la capacidad de los nios para evaluar probabilidades. Ellos verbalizaron
concept os como probabilidad y oport unidad. El anlisis del pat rn de respuest a del mismo
Universidad Nacional Abierta 121
nio en los diferent es problemas, sugieren que en muy pocos casos de comport amient o
sist emt ico respect o a un principio incorrect o dado.
El est udio indica que la probabilidad puede ser int roducida en la enseanza escolar, incluso
desde los primeros grados. Los aut ores sugieren que la probabilidad se compone de dos
subconcept os: azar y proporcin. Primero se debe t ener consciencia de la incert idumbre
present e en la sit uacin para luego aplicar el clculo de proporciones. Ellos indican que la
capacidad de calcular proporciones, por s sola, no implica necesariament e la comprensin
de la probabilidad, ya que se precisa t ener en cuent a la imposibilidad de cont rolar o predecir
los result ados. Est os aut ores consideran que la orient acin det erminist a dominant e en los
programas de est udios de los j venes debe ser at enuada, para ello es recomendable
int roducir el concept o de incert idumbre desde el principio.
Jones, Thornt on, Langrall y Tarr (1999) sealan que seis concept os son fundament ales para
que los nios pequeos puedan razonar en cont ext o de probabilidad: el espacio muest ral,
probabilidad experiment al de un event o, la probabilidad t erica de un event o, las
comparaciones de probabilidad, probabilidad condicionada y la independencia. Est os
aut ores consideran que a medida que los est udiant es progresan a lo largo de los grados
element ales, su razonamient o en sit uaciones de probabilidad se desarroll a a t ravs de
cuat ro niveles:
1. Razonamient o subj et ivo o no cuant it at ivo: No est n en condiciones de elaborar una
list a de t odos los result ados posibles de un experiment o aleat orio. Tiene un enfoque
subj et ivo, fij an su at encin en lo que es probable suceda en lugar de lo que podra
suceder.
2. Et apa de t ransicin ent re el razonamient o subj et ivo e ingenuo al razonamient o
cuant it at ivo: Pueden list a de t odos los result ados de un espacio muest ral, pero
present a dificult ades en hacer conexiones ent re el espacio muest ral y la respect iva
probabilidad de un event o.
3. Razonamient o cuant it at ivo ingenuo: Pueden generar sist emt icament e los result ados
y el espacio muest ral de uno y de dos experiment os. Parecen ut ilizar el razonamient o
cuant it at ivo para det erminar probabi lidades y la probabilidad condicional, pero no
siempre expresan est as probabilidades ut ilizando not acin numrica convencional.
4. Razonamient o numrico: Pueden generar sist emt icament e los result ados numricos
as como la probabilidades t ericas y experiment ales de dist int os event os de un
experiment o aleat orio, adems pueden t rabaj ar con los concept os de probabilidad
condicional e independencia.
Ot ros invest igadores ( por ej emplo, Truran, 1994; OConnell, 1999) han t rabaj ado
comparando el razonamient o probabil st ico de nios con y sin enseanza formal de la
probabilidad, encont rando razones para pensar que ese razonamient o mej ora despus de la
enseanza.
Referencias
Falk, R., Falk, R. y Levin, I . ( 1980) . A pot ent ial for learning probabilit y in young children.
Educat ional St udies in Mat hemat ics, 11, 181-204.
Fischbein, E., Nello, M. S. y Marino, M. S. ( 1991) . Fact ors affect ing probabilist ic j udgement s
in children and adolescent s. Educat ional St udies in Mat hemat ics, 22, 523-549.
Fischbein, E., Pamput , E. y Minzat , I . (1970). Comparison of fract ions and t he chance
concept s in children. Child Development , 41, 365- 376.
Fischein, E. (1975) . The int uit ive source of probabilit y t hinking in children. Dordrecht :
Reidel.
Didctica del lgebra y la Probabilidad
Glayman, M. y Varga, T. (1975) . Las probabilidades en la escuela. Barcelona. Ed. Teide.
Green, D. R. ( 1983b) , School Pupils' Probabilit y Concept s, Teaching St at ist ics, 5, 34-42.
Green, D. R. ( 1991) A longit udinal st udy of pupils probabilt y concept s. Universidad de
Loughborough.
Jones, G., Thornt on, C., Langrall, C. y Tarr, J. (1999) Underst anding St udent s Probabilist ic
Reasoning . En L. St iff ( ed.) Developing Mat hemat ical Reasoning in Grades K12.
Rest on ( VA) : NCTM.
OConnell, A. A. (1999) . Underst anding t he nat ure of errors in probabilit y problem solving.
Educat ional Research and Evaluat ion, 5( 1) , 1-21.
Piaget , J. e I nhelder, B. ( 1951) . La genese de lide de hasard chez lenfant . Pars:
Presses Universit France.
Shaughnessy, J. M. ( 1992) . Research in probabilit y and st at ist ics: reflect ions and direct ions.
En D.A Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning
( pp. 315 426) . New York: Mc Millan.
Truran, J. ( 1994) . Examinat ion of a relat ionship bet ween children' s est imat ion of
probabilit ies and t heir underst anding of proport ion. En J. P. Pont e and J. F. Mat os
( Eds) , Proceedings of t he XVI I I PME Conference ( v4, pp. 337-344) . Universidad de
Lisboa.
123
Aut o- Evaluacin 8
1. Las dos series de 150 result ados de los lanzamient os una moneda, provenient e de la
pregunt a de Green ( 1991) expuest o ant eriorment e, se present aron a una est udiant e.
Se le indic que una de las secuencia era product o del lanzamient o de la moneda y la
ot ra no, que eran result ados invent ados. Se pidi a la est udiant e que ident ificara cul
era la serie generada por los lanzamient os de la moneda. Ella respondi que ambas
eran result ado de lanzamient os de monedas ya que most raban result ados aleat orios.
Los result ados no t ienen orden y eso es aleat orio; para mi ambas son el result ado de
lanzamient os . Revise las serias elaboras por Green, est ust ed de acuerdo con la
est udiant es? Argument e a favor o en cont ra de la est udiant e haciendo uso de sus
conocimient os de probabilidad.
2. Const ast e las posiciones de Piaget e I nhelder respect o a la de Fischbein en cuant o a:
int uicin de azar en los nios, est imacin de posibilidades y la nocin de probabilidad.
Seale coincidencias y divergencia ent re est os aut ores.
3. Cules similit udes y divergencia encuent ra ent re el plant eamient o de Jones, Thornt on,
Langrall y Tarr y los de Piaget e I nhelder?
4. A part ir de que edad se ensea probabilidad en la Educacin Bsica venezolana? Desde
la perspect iva de Piaget e I nhelder, desde que grado debera incluirse la probabilidad
en los programas educat ivos venezolanos? Y desde la visin de Fischbein, a part ir de
que grado debera incluirse? Cul es su posicin al respect o? Argument e su respuest a.
5. Considera convenient e que los nios est udien probabilidad desde los primeros grados
de la educacin bsica? Argument e su respuest a.
124
Leccin 9
Sesgos en la int erpret acin de la probabilidad
Est a leccin se prosigue el est udio de algunos de los result ados ms relevant es de la
invest igacin respect o a la didct ica de la probabilidad. Algunas personas consideran que
los concept os errneos respect o a la probabilidad slo ocurren por la falt a de est udio de ese
import ant e t pico, no obst ant e, hay considerables evidencias que sugieren que las personas
con formacin en probabilidades t ambin incurren en errores. Shaughnessy ( 1992) seala
que los concept os errneos que se derivan de dist int as formas de pensamient o y
razonamient o. Son numerosos los t ipos de razonamient o incorrect o ident ificados por las
invest igaciones, en est a leccin se consideran algunos de los ms relevant es.
Los razonamient os incorrect os se les conoce en la lit erat ura especializada como sesgos,
ent endindose por ello: conj unt os de respuest as incorrect as en las cuales la falla
ident ificada t ienen un origen similar. Kahneman y Tversky ( 1972) consideran que los
sesgos se deben a la ut ilizacin de heurst ica, como la represent at ividad y disponibilidad.
Por heurst ica se ent ienden algunas formas de razonamient o informal a los que
frecuent ement e recurren las personas. Prez Echeverra, ( 1990, cit ada por Serrano, 1996)
las describe como mecanismos por los que reducimos la incert idumbre que produce nuest ra
limit acin para enfrent arnos a la complej idad de est mulos ambient ales. Las heurst icas
pueden ser muy t iles, pero su uso inapropiado en probabilidad puede generar errores de
razonamient o probabilst ico.
Sesgos en la int erpret acin de la probabilidad
Las invest igaciones realizadas por los psiclogos Kahneman y Tversky ( Kahneman y
Tversky, 1972; Tversky y Kahneman, 1974) , cent raron su at encin en el est udio de errores
en el pensamient o probabilst ico en adult os. Est udiaron las falsas ideas t ant o en la
est adst ica como en la probabilidad. En est e lt imo campo, la preocupacin cent ral de sus
t rabaj os era cmo se produce el razonamient o en sit uaciones de incert idumbre. Se
concent raron en cmo se producen j uicios y la t oma de decisiones en cont ext os donde slo
exist e informacin probabilst ica, como puede ser el caso de mdicos, j ueces, asesores
financieros, expert os milit ares, asesores polt icos. Consideraban que las personas en est e
t ipo de sit uaciones hacen uso de heurst icas de j uicio, como la represent at ividad y la
disponibilidad.
La heurst ica de represent at ividad es la t endencia la est imar a probabilidad de un event o o
suceso, basado en la represent at ividad del mismo r espect o a la poblacin de la que
proviene ( Kahneman et al., 1982) . Las pregunt as que parecen plant earse quienes ut ilizan
est a heurst ica son como las siguient es: qu probabilidad t iene el obj et o X de pert enecer a
los obj et os de t ipo Y? Cul es la probabilidad que un event o X se produzca luego del event o
Y? Cul es la probabilidad de que un event o Y produzca un suceso X? Pregunt as de est e
t ipo le permit en evaluar a los suj et os si X es represent at ivo de Y. Si X es muy parecido a Y,
( X es represent at ivo de Y) ent onces la probabilidad de que X se derive de Y es muy alt a. Si
al cont rario, X es poco parecido a Y ent onces se le considera poco represent at ivo y por lo
t ant o la probabilidad de que X provenga de Y ser considerada baj a.
Tversky y Kahneman (1982) ilust ran el uso de la heurst ica de la represent at ividad
mediant e el siguient e ej emplo: Considere un individuo que es descrit o por su vecino de la
siguient e manera: "St eve es muy t mido e int rovert ido, invariablement e servicial, pero
t iene poco int ers en las personas, o en el mundo real. Es un alma mansa y ordenada,
Universidad Nacional Abierta 125
cuida los det alles al ext remo . Si St eve t iene una de las siguient es profesiones: granj ero,
vendedor, pilot o de la aerolnea, bibliot ecario, o mdico, cul considera Ud. como la
profesin ms probable de St eve? Ordene de ms probable a menos probable la list a
ant erior como posible profesin de St eve. Para los suj et os que ut ilizan la heurst ica de la
represent at ividad, la probabilidad que St eve sea bibliot ecario, por ej emplo, es muy alt a.
Ellos evalan en qu grado l es represent at ivo del est ereot ipo de un bibliot ecario. Las
invest igaciones con est e t ipo de problemas muest ran que las personas j erarquizan las
ocupaciones por probabilidad y por similit ud de exact ament e la misma manera. La
aplicacin inadecuada de est a heurst ica puede producir serios errores, ya que se considera
que ciert os obj et os, suj et os o event os son ms represent at ivos que ot ros. Est o lleva por
ej emplo, a considerar a los event os ms probables como ms represent at i vos que los
menos probables. El empleo de la heurst ica de la represent at ividad puede generar varios
sesgos como por ej emplo: falacia del ndice base, insensibilidad a la previsibilidad, ilusin de
validez, concept os errneos de regresin, insensibilidad al t amao de la muest ra y
concept os errneos sobre secuencias aleat orias ( Kahneman, Slovic, y Tversky, 1982) .
Ot ra heurst ica ut ilizada para est imar la probabilidad de un event o es la disponibilidad. Las
personas que la ut ilizan se guan slo por la inf ormacin que se t iene sobre hechos
semej ant es, por valoracin de la informacin disponible. Por ello j uzgan la posibilidad de
ocurrencia de un event o de acuerdo con la facilidad o disponibilidad para const ruir hechos
similares de ese event o. Por ej emplo, si una persona ve un accident e aut omovilst ico en la
va mient ras conduce, t iende a aument ar su est imacin de la probabilidad de que a l o a
ella le ocurra un accident e. La disponibilidad causa un sesgo sist emt ico en la est imacin
de la probabilidad, porque la gent e t iende a creer que los result ados que puede recordar
fcilment e son ms probables que ocurra. Fischbein y Schnarch ( 1997) report an que el uso
de la disponibilidad aument a con la edad, desde est udiant es de 5t o grado hast a
universit arios. Al igual que la heurst ica de la represent at ividad, la disponibilidad puede
generar varios sesgos como por ej emplo: el recuerdo de inst ancias, correlacin ilusoria,
sesgo debido a la efect ividad de un conj unt o de bsqueda y sesgo debido a la imaginacin.
De acuerdo con est os aut ores, l as heurst icas de la represent at ividad y la disponibilidad le
permit en al suj et o resumir cant idades grandes de informacin y ofrecer rpidament e una
conclusin. Ellos consideraban que cuando las personas t ienen poco conocimient os de
est adst ica y probabilidad hacen uso de est as heurst icas, para hacer est imaciones de las
probabilidades de ocurrencia de un event o. No obst ant e, sus result ados indican que
t ambin invest igadores con est udios en est adst ica hacan uso de ellas. Al usar en forma no
adecuada las heurst icas los suj et os producen errores de razonamient o. st os han sido
denominados sesgos respect o a los razonamient os que se consideran acordes con la Teora
de la Probabilidad. Dist int os aut ores han seguido los t rabaj os sobre la int erpret acin de la
probabilidad ( por ej emplo, Truran, 1994; Serrano, 1996; Caizares, 1997; Cardeoso,
2001) , aunque no siempre dndole el mismo enfoque que Tversky y Kahneman.
A cont inuacin se describen algunos de los sesgos considerados en la bibliografa:
Falacia del apost ador o efect o negat ivo de presencia recient e. Al lanzar varias veces una
moneda y present arse una seguidilla de caras, algunos suj et os creen que aument an las
posibilidades de que en el prximo lanzamient o salga un sel lo. Segn est a falacia, luego de
una racha o seguidilla de result ados iguales en un experiment o aleat orio, lo ms seguro es
que en el prximo int ent o se obt enga un result ado diferent e.
Esa int errupcin a que se produzca una sucesin ms represent at iva del experiment o
aleat orio. De cont inuar la racha se hilara una secuencia menos represent at iva de la
t ot alidad de result ados posibles. Quienes as razonan desest iman el denominado t eorema de
Bernoulli conocido corrient ement e como la ley de los grandes nmer os. Bernulli indica que
cuando la probabilidad de ocurrencia de un event o p es desconocida, se puede lograr una
Didctica del lgebra y la Probabilidad
buena est imacin de p al hallar la proporcin de xit os en un nmero grande de ensayos.
La probabilidad est imada ( x/ N) y la verdadera probabili dad de p pueden diferir en algo, pero
esa diferencia disminuye al aument ar el nmero de ensayos ( Kahneman, Slovic, y Tversky,
1982) . Fischbein y Schnarch (1997) , realizaron un est udio con est udiant es desde 5t o grado
hast a la universidad, donde report an evidencias de que el uso la falacia del apost ador
disminuy con la edad.
Falacia del ndice base. Est a falacia se caract eriza por el sacrificio de la informacin
probabilst ica, sobre la posible ocurrencia de un fenmeno, en beneficio de informacin
cualit at iva por la supuest a represent at ividad de st a. Por ej emplo, a un grupo de suj et os se
le indica que una poblacin conformada por un 30% de ingenieros y 70% de abogados, y de
ella se ext rae una persona al azar con las siguient es caract erst icas: hombre, de 45 aos,
conservador, ambicioso y no est int eresado en la polt ica. Luego se les pregunt a: lo ms
probable es que la persona descrit a sea abogado o ingeniero? Las respuest as
abrumadorament e indican que se t rat a de un ingeniero. Quienes as responden,
menosprecian la probabilidad a favor de algunas caract erst icas cualit at ivas que consideran
represent at ivas del suj et o descrit o; en est e caso abogados. Ellos olvidan que el 70% del
grupo son abogados, por lo t ant o es ms probable que la persona descrit a t enga esa
profesin ( Kahneman, Slovic, y Tversky, 1982) .
I nsensibilidad al t amao de la muest ra. Es la confianza excesiva en la muest ra, siempre
que el est adst ico sea similar al valor considerado como parmet ro, sin considerar la
cant idad de element os que la conforma. Las personas que present an est e sesgo consideran,
por ej emplo, que obt ener 7 caras al lanzar 10 veces una moneda equivale a obt ener 70
caras en 100 lanzamient os. Ellos confan, en forma impropia, en las pequeas muest ras;
suponen que cada serie de repet iciones de un experiment o aleat orio debe reproducir t odas
las caract erst icas de la poblacin, sin import ar qu t an limit adas sean dichas series.
Todo parece indicar que para est os suj et os, la similit ud ent re una medida t omada en una
muest ra ( est adst ico) y una medida t omada en la poblacin ( parmet ro) no depende de la
cant idad de element os que se consideren. Por lo t ant o, cuando las probabilidades son
evaluadas por represent at ividad, el valor de un est adst ico es independient e del t amao de
la muest ra, desconociendo los est udios de la variabilidad del muest reo ( Tversky y
Kahneman, 1974) .
Los suj et os encuest ados por Tversky y Kahneman no fueron capaces de apreciar la
influencia del t amao de la muest ra aun cuando se le dio nfasis en la formulacin del
problema, como en el siguient e caso:
En un ciert o pueblo hay dos hospit ales. El Hospit al A es el ms grande y nacen
aproximadament e 45 bebs por da. El Hospit al B es ms pequeo y nacen
aproximadament e 15 bebs al da. Se sabe que aproximadament e el 50% de los
bebs son varones. Sin embargo, el porcent aj e exact o vara de da a da. A veces
puede ser mayor de 50% y a veces puede ser menor. Durant e un perodo de un
ao cada hospit al regist r los das en los cuales ms del 60% de los recin nacidos
eran varones. En cul hospit al cree ust ed que t ienen ms das regist rados donde
ms 60% de los recin nacidos son varones?
a. El Hospit al ms grande
b. El Hospit al ms pequeo
c. Es igualment e probable en ambos hospit ales ( es decir, 50% para cada uno)
( Kahneman et al; 1982, 6)
La mayora de las personas considero que era igualment e probable obt ener ms del 60% de
recin nacidos varones, en ambos hospit ales. Lo ms probable es que est as personas se
Universidad Nacional Abierta 127
guiaran por la igualdad de probabilidad de un recin naci do, 50% hembra 50% varn.
Est o cont rast a con la t eora de muest reo, segn la cual es ms probable que se regist ren
ms del 60% de bebs varones en el hospit al pequeo por present ar una muest ra ms
pequea. Pareciera que las personas que present an est e sesgo ut ilizaran una ley inversa a
la Ley de los grandes nmeros . Tversky y Kahneman indican que las personas parecen
que usan lo que ellos denominan la "Ley de los pequeos nmeros", segn la cual t odas las
muest ras sern represent at ivas de t odas las caract erst icas est adst icas de las poblaciones
de donde proceden, sin import ar la dimensin de la misma.
Serrano ( 1996) coincide con Tversky y Kahneman en que est e error puede t ener serias
consecuencias en la invest igacin experiment al. Hay cient ficos que parecen creen en la
"ley de los pequeos nmeros" y por lo t ant o sobreest iman la pot encia de los mt odos
est adst icos. Ellos endosan expect at ivas inj ust ificadas en la replicabilidad de experiment os
realizados con pequeas muest ras. Salcedo ( 2002) seala que est udiant es venezolanos con
formacin en probabilidad t ambin parecen present ar el sesgo de la insensibilidad al t amao
de la muest ra.
Act ividad 9.1
Las personas que present an el sesgo de la I nsensibilidad al t amao de la muest ra
afirman, por ej emplo, que no hay diferencias ent re la posibilidad de obt ener 3
caras en 4 lanzamient os de una moneda, 30 de 40 lanzamient os de la misma
moneda 300 de 400 lanzamient os. No obst ant e, en t odos los casos la
proporcin de caras es 0,75; ent onces, por qu Tversky y Kahneman consideran
que quien as responde present an el sesgo de la I nsensibilidad al t amao de la
muest ra?
Concept os errneos sobre secuencias aleat orias. Algunas personas consideran que si una
familia t iene seis hij os, lo ms probable es que los nacimient os ocurran en la secuencia
HMHMHM donde H indica hombre y M muj er. Ellos est iman que esa secuencia es ms
probable que ot ras como HHHHMH o HHHMMM, ya que se creen que HMHMHM parece
represent at iva de la dist ribucin 50 50 de muj eres y hombres; que se supone ocurre en la
poblacin. Por esa misma razn, est as personas descart an la posibilidad de ocurrencia de
consideran que la secuencia MMMHHH. Algunas personas consideran que si la secuencia de
result ados que parecen relat ivament e ordenadas no pueden ser aleat orias por no
present ar el desorden que caract eriza a lo aleat orio. Las personas que as razonan
esperan que las sucesiones de event os aleat orios represent en siempre las caract erst icas
esenciales de ese event o, sin import ar qu t an larga es la sucesin examinada. Parecen
ignorar que, desde un punt o de vist a normat ivo, las 64 secuencias t ienen la misma
probabilidad de ocurrir ( Kahneman, Slovic, y Tversky, 1982) .
Equiprobabilidad. Los individuos que muest ran est e sesgo de equiprobabilidad consideran
que exist e una asociacin ent re azar y equiprobabilidad. Ant e la pregunt a si se lanzan dos
dados, exist e la misma probabilidad de obt ener dos veces un 5 que de obt ener un 5 y un 6?
Los result ados, en diferent es cont ext os, con suj et os de diferent es edades, indican que la
mayora de ellos consideran los dos event os como igualment e probables. Lecout re, Durand
y Cordier ( 1990) y Lecout re (1992) consideran que est e sesgo se debe a la ausencia de
asociacin de los modelos combinat orios con experiment os aleat orios. Los est udiant es
pueden manej ar los modelos combinat orios pero no los relacionan con sit uaciones como la
ant erior donde int erviene donde el azar.
Ot ra posible explicacin de est e sesgo podra est ar en el ambient e educat ivo. Normalment e
el primer cont act o formal que t ienen los est udiant es con la probabilidad involucra el
concept o clsico de la misma. Est a concepcin se basa en experiment os aleat orios donde
t odos los event os son igualment e probables. Dadas sit uaciones de equiprobabilidad, por
Didctica del lgebra y la Probabilidad
ej emplo lanzamient os de dados y monedas equilibradas, se ut iliza la frmula de Laplace
para asignar probabilidades. Est e primer cont act o mat emt ico formal podra est ar
provocando una incorrect a generalizacin del concept o clsico de probabilidad. Los suj et os
parecieran generalizar la equiprobabilidad y consideran que t odos los event os asociados a
un experiment o aleat orio responden a est e principio. Est o es lo que denomina Brousseau
( 1983) un obst culo didct ico. El est udiant e logr el concept o de probabilidad sobre la base
de event os igualment e probables, eso le permit i resolver un t ipo de problema, por ello lo
considera eficient e y aplicable a ot ras sit uaciones que involucren probabilidad. Debido al
xit o precedent e el est udiant e no encuent ra razones para cambiar o modificar su
concepcin y se conviert e en una rmora para el aprendizaj e de nuevos concept os.
Lecout re y Fischbein ( 1998) present aron una variant e de la sit uacin sealada ant es del
lanzamient o de dos dados, a un grupo de 687 est udiant es. Los result ados indican que la
proporcin de respuest as sesgadas es frecuent e y aument an con la edad.
Act ividad 9.2
La pregunt a que se present a a cont inuacin proviene de las invest igaciones de
Lecout re y Durand (1988) para indagar la posible presencia del sesgo de la
equiprobabilidad.
Cuando lanzamos dos dados simult neament e:
a) Hay la misma probabilidad de obt ener un 5 y un 6 que de obt ener dos
veces 5
b) Hay ms probabilidad de obt ener un 5 y un 6 que de obt ener dos veces 5
c) Hay menos probabilidad de obt ener un 5 y un 6 que de obt ener dos veces
5
d) Es imposible saberlo
Razona t u respuest a
Se requiere que ust ed:
Analice mat emt icament e cada una de las alt ernat ivas de respuest as. I ndique
cul es la respuest a ms adecuada. Just ifique su seleccin.
Disponibilidad. Como se expres ant es, cuando la persona est ima la probabilidad de los
acont ecimient os basndose en la mayor o menor facilidad con la cual le es posible const ruir
ej emplos de ese acont ecimient o, se considera que emplean la heurst ica de la disponibilidad.
Est a heurst ica generalment e est a asociada a experiencia y perspect ivas personales, por lo
que general son limit adas. Su uso inapropiado genera el sesgo de disponibilidad o de la
informacin disponible, en evaluaciones o int erpret aciones de probabilidad. Por ej emplo, si
visit amos por primera vez un rest aurant e y experiment ramos mal servicio, podemos
pensar que el servicio en ese est ablecimient o es malo o muy malo. Sin embargo, para un
comensal frecuent e de ese rest aurant e a quien siempr e han at endido bien, al encont rarse
con un mal servicio no pensar lo mismo. Ambas perspect ivas individuales pudieran est ar
lej os de la verdad ( Tversky y Kahneman, 1973, 1974) . Una sit uacin similar se present a
cuando un individuo slo considera el medio donde vive o labora para est imar el nivel de
rechazo o acept acin de un polt ico. En est os casos la persona est ima la probabilidad de un
event o considerando slo la facilidad que t iene para recordar o const ruir ej emplos de
sit uaciones similares a la considerada. Se gua slo por la informacin que se t iene sobre
hechos semej ant es, por valoracin de la informacin disponible.
Tversky y Kahneman sost ienen que los suj et os que ut ilizan la disponibilidad j uzgan la
frecuencia segn la fuerza de ciert as asoci aciones. En una de sus invest igaciones solicit aron
Universidad Nacional Abierta 129
a un grupo de suj et os est imar la frecuencia relat iva de palabras en el idioma ingls que
t uvieran R en la primera posicin o en la t ercera posicin y se les pregunt cul de las dos
era ms probable de encont rar. La mayora de los suj et os respondieron que la R t iene ms
posibilidades de aparecer en la primera posicin. Sin embargo, en el idioma ingls la R es
mucho ms frecuent e en la t ercera posicin que en la primera. Tversky y Kahneman
indican que la respuest a de los suj et os est a sesgada por la facilidad para evocar las
palabras. Se est ima que las palabras que comienzan con R son ms fciles de generar que
las que la t ienen en la t ercera posicin, por lo que se piensa que las primeras son ms
frecuent es. Algo similar ocurre cuando se le pregunt a a las personas sobre la vocal ms
frecuent e en el espaol. La mayora indica la a por la facilidad que t iene para evocar
palabras que cont engan esa vocal, aunque en realidad es la e.
Una pregunt a ut ilizada en invest igaciones para evaluar el sesgo de la disponibilidad es la
siguient e: Se t ienen dos grupos de 10 personas cada una. Con el primer grupo se forman
comit s dist int os de dos personas cada uno. Con el segundo grupo se forman comit s
dist int os de ocho personas cada uno. Si se selecciona al azar uno de los comit s ent re
t odos los formados, es ms probable seleccionar un comit de dos personas o uno de ocho
personas? Los individuos escogen por un amplio margen los comit s de 2 personas
( Kahneman y Tversky, 1973; Shaughnessy, 1977, cit ado por Shaughnessy 1992) . La
explicacin a est e fenmeno es la heurst ica de disponibilidad. Simplement e es ms fcil
const ruir ej emplos de comisiones de 2 que const ruir ej emplos de comisiones de 8, por lo
que se afirma que la disponibilidad es una heurst ica que influye o reflej a nuest ra propia
percepcin de la frecuencia relat iva. Una variant e de est a pregunt a fue present ada por
Lecout re y Fischbein ( 1998) a alumnos franceses e israelit as, con edades comprendidas
ent re 11 y 17 aos de edad y de est udiant es de primer ao de universidad. Los result ados
indican que la presencia del sesgo y que la t asa de respuest a sesgada aument a con la edad.
Act ividad 9.3
Present e, de forma independient e, a 3 est udiant es de nivel superior ( que ya no
hayan cursado la asignat ura de est adst ica o probabilidad en su carrera) la
pregunt a sobre los comit s. Solicit e que j ust ifiquen su respuest a. Realice el
mismo t rabaj o con 3 est udiant es de nivel superior que ya hayan est udiado
probabilidad en su carrera. Considera que ellos present an el sesgo de la
disponibilidad? Hay diferencias ent re el desempeo de uno y ot ro grupo?
Algunos de los sesgos asociados a la heurst ica de la disponibilidad son: el recuerdo de
inst ancias, correlacin i lusoria, sesgo debido a la efect ividad de un conj unt o de bsqueda,
sesgo debido a la imaginacin.
Enfoque en el result ado aislado. Algunas personas int erpret an sit uaciones probabilst icas de
forma det erminist a; pueden int erpret ar el pronst ico para hoy se t iene un 70% posibilidad
de lluvia como hoy va a llover . Ellos creen que el event o es seguro porque su
probabilidad de ocurrencia est cercana al 100%. Asimismo, cuando un event o t iene una
probabilidad de ocurrencia menor al 50%, est as personas ent ienden que la probabilidad de
ocurrencia de ese event o es baj a, incluso lo est iman como de difcil ocurrencia ( Konold,
1989, 1993, 1995) .
A est a forma de razonamient o, Konold (1989) la denomin el acercamient o del result ado o
enfoque en el result ado aisl ado. Las personas que present an est e sesgo int erpret an las
sit uaciones probabilst icas comparando la probabilidad dada con los valores 0%, 50% y
100%. Si la probabilidad de int erpret ar se encuent ra cerca de los ext remos ( 0% 100%) ,
el event o ser considerado como imposible o seguro, respect ivament e. Mient ras que, si est
cercana al 50%, algunos lo consideran como event os realment e aleat orios , no es
verdaderament e un pronst ico y no se sabe qu puede pasar. Est e t ipo de razonamient o
Didctica del lgebra y la Probabilidad
sugiere dificult ades para comprender el concept o frecuent ist a de la probabilidad, el cual se
ut iliza para est ablecer la probabilidad de ocurrencia de fenmenos aleat orios no
equiprobables, pero con los cuales es posible efect uar una serie de ensayos idnt icos.
Los invest igadores Serrano, Bat anero y Ort iz de Haro ( 1996) , encont raron result ados
similares a los de Konold, al proponerle a est udiant es espaoles int erpret ar una prediccin
met eorolgica donde la probabilidad de lluvia es de un 70%. La mayora de los est udiant es
indic que llover en el da sealado con ese pronst ico. Al indicarle que en el da en
cuest in no llovi, muchos de los encuest ados piensan que el met eorlogo se equivoc en
sus predicciones. Los est udiant es espaoles consideraron poco fiable a un met eorlogo que
aciert a su pronst ico de 70% de probabilidades de lluvia , si llueve el 70% de esos das.
Probabilidad condicional e independencia
Una serie de educadores en mat emt icas y est adst ica ( por ej emplo, Falk, 1989) han escrit o
sobre las dificult ades que t ienen los est udiant es con las probabilidades condicionales y con
los concept os de hechos independient es. Uno de los problemas ut ilizados por Falk en sus
invest igaciones es:
Hay t res cart as en una bolsa. Una de las cart as t iene ambas caras verdes, ot ra t iene ambas
caras azules y la t ercera t iene una cara verde y la ot ra azul. Ust ed ext rae una cart a y not a
que uno de los lados es azul. Qu posibilidades hay de que el ot ro lado sea t ambin azul
Los result ados indican que los suj et os piensan de manera errnea que la probabilidad de
que el segundo lado sea azul es de 1/ 2. Argument an que hay dos posibles cart as a
considerar luego de que se muest re que la primera t iene un lado azul, la cart a AA y la cart a
AV. Ellos obvian que el event o condicionador no es la cart a, sino el lado de la cart a, de t al
manera que la cart a AA t iene dos maneras de darnos un segundo lado que sea azul. La
probabilidad de que el ot ro lado sea azul es ent onces de 2/ 3.
Ot ra concepcin errnea de las probabilidades condicionales es l a confusin que exist e ent re
un condicional y su inverso. Exist e una diferencia ent re la probabilidad que una persona
t enga sarampin porque t engo una erupcin y la probabilidad de que t enga una erupcin
porque t engo sarampin. Cul de las dos sit uaciones present a una probabilidad mayor ?
Las personas en general present an esa confusin, aun cuando t engan formacin en
probabilidad. Est o es grave ya que la probabilidad condicional es frecuent e en diversos
campos profesionales. Al hacerse un examen para det erminar la posible exist encia de
cncer, el result ado puede ser posit ivo o negat ivo, pero las P( Cncer(+ TEST) es dist int a a
P( + Test ( Cncer) , pero t ambin lo son P( Cncer(TEST) y P( TEST(Cncer) . No obst ant e,
el pblico, y algunos profesionales, no ven ninguna diferencia ent re esas sit uaciones
condicionales. Con seguridad una persona t endr muchos de los snt omas de una
enfermedad si la padece; sin embargo, los snt omas ofrecen la informacin diagnst ica, no
una informacin causal. Falk (1989) indica que la confusin ent re un condicional y su
inverso t iene implicaciones en la invest igacin est adst ica experiment al al int erpret ar lo que
significa rechazar la hipt esis nula en esos est udios.
Falk ( 1989) menciona algunas de las razones por las que las sit uaciones que involucran
probabilidades condicionales son difciles para los est udiant es.
1. Los est udiant es podran t ener dificult ades para det erminar el event o
condicionador.
2. Podra confundir condicionalidad con causalidad, y de est a manera invest igar
P( B(A) cuando se les pide invest igar P( A( B) .
3. Pueden pensar creer que el ej e del t iempo impide que un event o sea un event o
condicionador.
Universidad Nacional Abierta 131
4. Podran est ar confundidos con respect o a los element os que se les dan para que
t rabaj en, por la expresin o const ruccin de un problema de probabilidad
condicional.
Daz y de la Fuent e ( 2005) report an que los errores en los que incurren los est udiant es al
resolver problemas de probabilidad condicional, se producen en los diferent es pasos del
proceso de resolucin, a saber: ( a) ident ificacin correct a de los sucesos y sus
probabilidades; ( b) correct a part icin y subpart icin del espacio muest ral ; ( c) diferenciar
ent re probabilidades simples, compuest as y condicionales, ( d) confusiones ent re la
probabilidad condicional P ( A/ B) con su inversa P( B/ A) . Para est as aut oras, el t eorema de
Bayes es un obj et o complej o, cuya comprensin involucra t oda una serie de concept os y
propiedades previas como los de probabilidad simple compuest a y condicional, part icin y
complement ario, axioma de la unin y regla del product o. Todo est o dificult a su compresin
por part e de los est udiant es.
La invest igacin de Tversky y Kahneman, y sus colaboradores, refrescaron el debat e sobre
razonamient o baj o incert idumbre y brindaron un int eresant e campo de invest igacin sobre
la enseanza y el aprendizaj e de la probabilidad. No obst ant e, la invest igacin no se limit a
a est e campo, a cont inuacin se mencionan algunos de los t emas t rat ados en aos
recient es, colocando ent re parnt esis aut ores de invest igaciones realizadas en cada t ema:
o Razonamient o sobre la probabilidad condicional ( Falk, 1989; Oj eda, 1995; Snchez,
1996; Daz, y de la Fuent e, 2005)
o Enseanza de la probabilidad con ayuda de la comput adora ( Tauber, Bat anero y
Snchez, 2005; I nzunsa Cazares, 2001, Yaez, 2006; Daz, y de la Fuent e, 2006) .
o Conocimient o, creencias y act it udes de los docent es ( Azcrat e, 1995; Cardeoso,
2001; Gat t uso, y Pannone, 2002; Ort iz, Mohamed, Bat anero, Serrano, y Rodrguez,
2006)
o La probabilidad en libros de t ext o ( Ort iz, 1999; Serrad, Cardeoso y Azcrat e,
2005)
o Enseanza de la probabilidad y resolucin de problemas ( Senz, 1998; Guisasola, y
Barragus, 2002; Melet iou, 2003)
Est os y muchos ot ros t emas relacionados con la didct ica de la probabilidad est n abiert os y
son un amplio campo de invest igacin. La probabilidad y los problemas relacionados con la
enseanza, aprendizaj e y evaluacin en dist int os cont ext os est n a la espera de la
part icipacin de los invest igadores para increment ar los conocimient os en esa rea. Como
el lect or puede haber observado, no sea cit ados o referenciado invest igaciones desarrolladas
en Venezuela. La razn es que las invest igaciones en est a rea son escasas, por lo que es
un campo un con mayores posibilidades de indagacin.
Referencias
Azcrat e, P. ( 1995) . El conocimient o profesional de los profesores sobre las nociones de
aleat oriedad y probabilidad. Su est udio en el caso de la educacin primaria. Tesis
doct oral indit a. Universidad de Cdiz.
Bat anero, C. ( 2001a) . Didct ica de la Est adst ica. Granada: Grupo de I nvest igacin en
Educacin Est adst ica, Depart ament o de Didct ica de la Mat emt ica, Universidad de
Granada
Caizares, M. J. ( 1997) . I nfluencia del razonamient o proporcional y de las creencias
subj et ivas en las int uiciones probabi lst icas primarias. Tesis Doct oral. Universidad de
Granada.
Didctica del lgebra y la Probabilidad
Cardeoso, J. M. ( 2001) . Las creencias y conocimient os de los profesores de primaria
andaluces sobre la mat emt ica escolar. Modelizacin de concepciones sobre la
aleat oriedad y probabilidad. Tesis Doct oral. Cdiz: Universidad de Cdiz.
Cardeoso, J. M. ( 2001) . Las creencias y conocimient os de los profesores de primaria
andaluces sobre la mat emt ica escolar . Modelizacin de concepciones sobre la
aleat oriedad y probabilidad. Tesis Doct oral. Universi dad de Cdiz.
Daz, C. y de la Fuent e, I . ( 2005) . Razonamient o sobre probabilidad condicional e
implicaciones para la enseanza de la est adst ica . Epsilon , 59, 245-260
Daz, C. y de la Fuent e, I . (2006) . Enseanza del t eorema de Bayes con apoyo t ecnolgi co.
En P. Flores y J. Lupiez (Eds.) , I nvest igacin en el aula de mat emt icas. Est adst ica
y Azar . Granada: Sociedad de Educacin Mat emt ica Thales. I SBN: 84- 688-0573-4 .
CD ROM.
Falk, R. ( 1989) . I nference under uncert aint y via condit ional probabilit ies. En R. Morris (Ed.) ,
St udies in mat hemat ics educat ion: Vol.7. The t eaching of st at ist ics ( pp. 175- 184) .
Paris: UNESCO.
Fischbein, E y Schnarch, D. ( 1997) . The evolut ion wit h age of probabilist ic int uit ively based
misconcept ions. Journal for Research in Mat hemat ics Educat ion, 28, 1, 96-105.
Fischein, E. (1975) . The int uit ive source of probabilit y t hinking in children. Dordrecht :
Reidel.
Gat t uso, L. y Pannone, M. ( 2002) . Teachers t raining in a st at ist ic t eaching experiment at ion.
En B. Phillips (Ed.) , Proceedings of t he Sixt h I nt ernat ional Conference on Teaching
St at ist ics, ( pp. 685- 692) . Cape Town: I nt ernat ional Associat ion for St at ist ical
Educat ion e I nt ernat ional St at ist ical I nst it ut e.
Godino, J. D., Bat anero, C., Caizares, M. J. (1987) . Azar y probabilidad. Madrid: Snt esis.
Green, D. R. ( 1983a) . A survey of probabilit y concept s in 3000 pupils aged 11- 16 years. En
D. R. Grey, P. Holmes, V. Barnet t , & G. M. Const able ( Eds.) , Proceedings of t he First
I nt ernat ional Conference on Teaching St at ist ics ( pp. 766- 783) . Sheffield, UK: Teaching
St at ist ics Trust .
Green, D. R. ( 1983b) , School Pupils' Probabilit y Concept s, Teaching St at ist ics, 5, 34-42.
Green, D. R. ( 1991) A longit udinal st udy of pupils probabilt y concept s. Universidad de
Loughborough.
Guisasola, J. y Barragus, J. I . (2002) . Heurst icas y sesgos de los est udiant es de primer
ciclo de universidad en la resolucin de problemas de probabilidad. Enseanza de las
Ciencias, 20( 2) , 285 302.
I nzunsa Cazares, S. ( 2001) . Las Herramient as Comput acionales en l a Enseanza de la
Probabilidad y la Est adst ica. XI Semana de I nvest igacin y Docencia en Mat emt icas.
Universidad de Sonora. Hermosillo Sonora, 2001. Disponible en:
ht t p: / / semana.mat .uson.mx/ xiisemana/ Memorias/ inzunsa_sant iago.pdf.
Jones, G. (Ed.) ( 2005) . Exploring probabilit y in school: challenges for t eaching and
learning. Nueva York: Springer.
Kahneman, D. y Tversky, A. ( 1972) Subj ect ive probabilit y: A j udgment of
represent at iveness. Cognit ive Psychology, 3, 430 454.
Kahneman, D. Slovic, P. y Tversky, A. ( Ed) ( 1982) . Judgment under uncert aint y:
Heurist ics and biases. Cambridge: Cambridge Universit y Press.
Universidad Nacional Abierta 133
Konold, C. (1989) . I nformal concept ions of probabilit y. Cognit ion and I nst ruct ion, 6, 59- 98
Konold, C. ( 1995) . I ssues in assessing concept ual underst anding in probabilit y an st at ist ics.
Journal of St at ist ics Educat ion. [ Revist a en lnea] , 2 ( 1) Disponible:
ht t p: / / www.amst at .org/ publicat ions/ j se/ v3n1/ konold.ht ml
Konold, C., Pollat sek, A., Well, A., Lohmeier, J. y Lipson, A, ( 1993) . I nconsist encies in
st udent s' reasoning about probabilit y. Journal for Research in Mat hemat ics Educat ion,
24(5) , 392- 414.
Lecout re, M. P., Durand y Cordier (1990) A st udy of t wo biases in probabilist ic j udgment :
represent at iveness and equiprobabilit y. En J.P. Carveni, J.M. Fabre, M. Gonzlez
( eds) , Cognit ives Biases, ( pp. 563 575) . mst erdam: Nort h Holland.
Lecout re, M. P. y Fischbein, E. ( 1998) . volut ion avec lge de misconcept ions dans les
int uit ions probabilist es en France et en I sral. Recherches en Didact ique des
Mat hmat iques, 18(3) , 311 332.
Lecout re, M. P. ( 1992) Cognit ive models and problems space in purely random sit uat ions.
Educat ional st udies in mat hemat ics, 23, 557- 568.
Melet iou, M. ( 2003) . On t he formalist view of mat hemat ics: impact on st at i st ics inst ruct ion
and learning En A. Mariot t i ( Ed.) , Proceedings of Third European Conference in
Mat hemat ics Educat ion. Bellaria, I t aly: European Research in Mat hemat ics Educat ion
Societ y. Disponible en: ht t p: / / www.dm.unipi.it / ~ didat t ica/ CERME3/ proceedings
Oj eda, A. M. ( 1995) . Dificult ades del alumnado respect o a la probabilidad condicional. UNO,
5, 37- 55.
Ort iz, J. J. ( 1999) . Significados de los concept os probabilst icos en los libros de t ext o de
Bachillerat o. Tesis doct oral. Universidad de Granada.
Ort iz, J. J., Mohamed, N., Bat anero, C., Serrano, L. y Rodrguez, J. D. ( 2006) . Comparacin
de probabilidades en maest ros en formacin X Simposio de la Sociedad Espaola de
I nvest igacin en Educacin Mat emt ica. Huesca, 2006.
Piaget , J. e I nhelder, B. ( 1951) . La genese de lide de hasard chez lenfant . Pars:
Presses Universit France.
Senz, C. (1998) . Teaching Probabilit y for Concept ual Change. Educat ional St udies in
Mat hemat ics, 35( 3) , pp. 233-254.
Snchez, E. ( 1996) . Dificult ades en la comprensin del concept o de event os independient es.
En F. Hit t ( Ed.) , I nvest igaciones en Educacin Mat emt ica ( pp.389- 404) . Mxico.
Serrad, A., Cardeoso, J. y Azcrat e, P. (2005) . Los Obst culos en el Aprendizaj e del
Conocimient o Probabilst ico: Su incidencia desde los Li bros de Text o. St at ist ics
Educat ion Research Journal, 4( 2) , 59-81, Disponible en:
ht t p: / / www.st at .auckland.ac.nz/ ~ iase/ serj / SERJ4( 2)_serrado_et al.pdf.
Serrano, L. (1996) . Significados inst it ucionales y personales de obj et os mat emt icos ligados
a la aproximacin frecuencial de la enseanza de la probabilidad. Tesis Doct oral.
Universidad de Granada.
Serrano, L., Bat anero, C., y Ort iz de Haro, J .J. ( 1996) I nt erpret acin de enunciados de
probabilidad en t rminos frecuenciales por alumnos de bachillerat o. Suma, 22, 43- 50.
Shaughnessy, J. M. ( 1992) . Research in probabilit y and st at ist ics: reflect ions and direct ions.
En D.A Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning
( pp. 315 426) . New York: Mc Millan.
Didctica del lgebra y la Probabilidad
St anovich, K. E. ( 1986) . How t o t hink st raight about psychology. Londres: Scot t ,
Foresman.
Tauber, L., Bat anero, C. y Snchez, V. (2005) Diseo, implement acin y anlisis de
enseanza de la dist ribucin normal en un curso universit ario. EMA. 9 2005, pp 82
105.
Truran, J. ( 1994) . Examinat ion of a relat ionship bet ween children' s est imat ion of
probabilit ies and t heir underst anding of proport ion. En J. P. Pont e and J. F. Mat os
( Eds) , Proceedings of t he XVI I I PME Conference ( v4, pp. 337- 344) . Universidad de
Lisboa.
Tversky, A. y Kahneman, D. ( 1974) Judgment under uncert aint y: heurist ics and biases.
Science, 185, 1124 1131.
Tversky, A., & Kahneman, D. ( 1982) . Causal schemas in j udgment s under uncert aint y. En
D. Kahneman, P. Slovic, & A. Tversky ( Eds.) , Judgment under uncert aint y: Heurist ics
and biases ( pp. 117- 128) . Cambridge, UK: Cambridge Universit y Press.
Yaez C., G. ( 2006) The t ot al probabilit y t heorem, t he depends argument and simulat ion.
En A. Rossman y B. Chance ( Eds.) , Proceedings of I COTS-7. Salvador (Bahia) :
I nt ernat ional Associat ion for St at ist ical Educat ion. CD ROM.
135
Aut o- Evaluacin 9
1. Qu es un sesgo en la int erpret acin de la probabilidad?
2. Ot ra de las pregunt as ut ilizadas por Lecout re y Durand (1988) en sus invest igaciones
sobre sesgo de la equiprobabilidad se present a a cont inuacin:
Cuando lanzamos simult neament e t res dados, cules de st os result ados es ms
probable que ocurra?
a) Obt ener un 5, un 3 y un 6
b) Obt ener dos veces el 5 y una vez el 3
c) Obt ener t res veces el nmero 5
d) Todos est os result ados son igualment e probables
e) Es imposible saberlo
Razona t u respuest a
Calcule la probabilidad de ocurrencia de cada uno de los event os que se describen en la
pregunt a. Cul es la respuest a correct a? Cul o cules respuest a podra indicar la
presencia del sesgo de la equiprobabilidad?
3. Se considera inconvenient e el uso de heurst icas para int erpret ar informacin
probabilst ica? Razona t u respuest a
4. Una pregunt a ut ilizada por Falk ( 1989) para invest igar lo que el denomina falacia de la
condicional t ranspuest a en la probabilidad condicional es la siguient e:
En una j arra hay dos pelot as blancas y dos negras. Se ext raen dos pelot as sin
volver a poner la primera. (1) Cul es la probabilidad de que la segunda pelot a
sea blanca, dado que la primera era blanca? (2) Cul es la probabilidad de que la
primera pelot a sea blanca dado que la segunda pelot a era blanca?
a) Calcule las dos probabilidades solicit adas.
b) Considera que hay diferencias los conocimient os necesarios para resolver cada
sit uacin? Tienen dist int a difi cult ad? Argument e su respuest a.
5. Considere las siguient es est ruct uras, en ellas un camino es una lnea que conect a
element os de la fila de arriba con element os de la fila de abaj o y pasa a t ravs de uno y
slo uno de los element os de cada fila.
A B
x x x x x x x x
x x x x x x x x
x x x x x x x x
x x
x x
x x
x x
x x
x x
x x
x x
x x
En cul de las dos est ruct uras hay ms caminos? Cunt os caminos est ima ust ed que
hay en cada est ruct ura? Esa pregunt as se han ut ilizado para evaluar uno de los sesgos
present ados en est a leccin, cul sesgo se evala? Razone su respuest a.
Didctica del lgebra y la Probabilidad
6. Tversky y Kahneman ut ilizaron el conocido Problema del Taxi, para evaluar la posible
exist encia del sesgo de la Falacia del ndice base. A cont inuacin el problema:
Un t axi se vio implicado en un accident e aut omovilst ico ocurrido una noche, en el
cual, inmediat ament e despus de chocar se dio a la fuga. Hay dos lneas de t axi
que operan en la ciudad, una de aut os azules, y ot ra de aut os verdes. Es bien
sabido que el 85% de los t axi s de la ciudad son verdes y el 15% son azules. Un
t est igo del accident e ident ific al carro involucrado en el accident e como azul. Est e
t est igo fue somet ido a prueba baj o condiciones de visibilidad similares, e hizo la
ident ificacin correct a del color en el 80% de los casos. Qu probabilidades hay
de que el carro involucrado en el accident e fuera azul y no verde?
c) Resuelva el problema. List e los conocimient os mat emt icos necesarios para resolver
est e problema.
d) En los t rabaj os de Konold est e problema fue ut ilizado para evaluar la posible
exist encia del sesgo en el Enfoque en el result ado aislado. De acuerdo con lo
est udiado, cul de los dos sesgo le parece apropiado est udiar con est e problema?
137
Unidad 5
Obj et ivo 5:
Analizar el uso del conocimiento histrico, aplicaciones y el uso
de las TICs en la enseanza y aprendizaje de la Probabilidad.
138
Leccin 10
Un poco de hist or ia
La hist oria es un punt o de apoyo import ant e para la enseanza de cualquier t pico de
mat emt ica. En est a leccin se est udian algunos aspect os referent es a la hist oria de la
probabilidad para reflexionar sobre su posible ut ilizacin en la enseanza. Aunque se habla
de la probabilidad exist en diferent es concept os de probabilidad que han surgido
hist ricament e, ellos sern part e del int ers de est a leccin.
La probabilidad surge como un conocimient o emprico y post eriorment e es cuando ent ra en
el mundo de la mat emt ica. La probabilidad, a diferencia de lo que es la asociacin comn
respect os a la mat emt ica, no t rabaj a sobre la cert eza, t rabaj a sobre el azar; considerado
como lo ms opuest o al orden, a t oda previsin, a t oda regla. La probabilidad proporciona
un modo de medir la incert idumbre que provoca las sit uaciones donde est present e el azar.
Se puede decir ent onces que desde la perspect iva epist emolgica, la probabilidad difiere del
rest o de la mat emt ica. Como conocimient o emprico se pueden ident ificar dos grandes
act ividades desde donde surge la probabilidad: los j uegos de azar y el procesamient o de
dat os est adst icos para el est ablecimient o de t asas de mort alidad y primas de seguros.
La probabilidad y los j uegos de azar
El j uego es la fuent e que usualment e se asocia al nacimient o y desarrollo de la t eora
mat emt ica de la probabilidad. Es clsica la referencia a la cart a que en 1654 le envi
Ant oine Gombaud, el Caballero de Mr, un j ugador compulsivo, a su amigo Blaise Pascal
( 1623 1662) para plant earle un problema del j uego de cart as. Con frecuencia se seala
ese hecho provoc un int ercambio de misivas ent re Pascal y Fermat (1601 1665) , que
dieron inicio al est udio de los j uegos de azar y con ello el desarrollo de la probabilidad desde
una perspect iva mat emt ica.
No obst ant e, en 1563 se escribi lo que se considera el primer libro que t rat aba el t ema de
la probabilidad: Liber de Ludo Aleae (El Libro de los Juegos de Azar) del it aliano Girolano
Cardano. Cardano ( 1501 1576) era un j ugador empedernido de dados y cart as, por ello el
libro es vist o como un manual de j uegos de azar. All se encuent ra la descripcin de j uegos,
varios de ellos invent ados hast a 1 200 aos ant es de Crist o, advirt iendo precauciones que
deben t ener los j ugadores para que los cont rincant es no le hagan t rampas. Pero t ambin
dedicaba un espacio import ant e a la solucin de problemas como calcular t odos los posibles
result ados al lanzar dos o t res dados, la frecuencia con que aparecan y hallar las
probabilidades de dist int os sucesos. Ot ro problema que t rat a es el clculo de la
probabilidad de lograr una seguidilla de un mismo nmero al lanzar un dado una serie de
veces o la frecuencia de los valores de la suma de las caras de una t irada de dos dados.
En la resolucin de esos problemas Cardano asign un nmero ent re 0 y 1 para indicar la
probabilidad de ocurrencia de un suceso cuyo result ado se desconoce, basado en el nmero
t ot al de result ados y el nmero de result ados favorables; es decir, t rabaj con visin clsica
de la probabilidad, aunque no los defini. No obst ant e, Cardano no desarroll en forma
t erica ese y ot ros result ados import ant es que aparecen en su libro, al parecer siempre las
vio como meras relaciones arit mt icas.
Ant es de Cardano se mencionan algunos int ent os de est udios de la probabilidad. Se dice
que en el poema De Vet ula, de Richard de Fournival ( 1200-1250) , se indica que si se lanzan
t res dados hay 216 combinaciones posibles y calcula los diferent es valores para la suma de
Universidad Nacional Abierta 139
los t res dados. Est a es una respuest a a un problema que segurament e muchos j ugadores e
plant earon: Cul es el nmero de posibl es result ados de lanzar un dado varias veces? Ot ro
problema que se menciona con frecuencia es el llamado problema del repart o de apuest as
que se refiere a la dist ribucin de las ganancias ent re j ugadores cuando el j uego se
int errumpa ant es de finalizar .
Al parecer, en 1487 Fra Luca Pacioli (1445-1517) propuso una solucin a dos de esos
problemas sin dar con la solucin correct a. Un no se eso problemas se encuent ra en el
Summa de Arit hmet ica, Geomt rica, Proport ioni et Proport ionalit a ( 1494) , de Fra Luca
Pacioli, ent re "las pregunt as raras" . Un j uego en el que el premio es de 22 ducados que
consist e en alcanzar 60 punt os se int errumpe cuando un equipo lleva 50 punt os y el ot ro
30; y t res arqueros que compit en por un premio de 6 ducados lanzan flechas hast a que uno
de ellos haga 6 dianas, siendo int errumpidos cuando el primero de ellos lleva 4 dianas, el
segundo 3 y el t ercero 2. Cmo deben repart irse los premios ent re los cont endient es? La
respuest a de Fra Luca al "problema de punt os" es que las est acas deben ser divididas en la
proporcin 5: 3, la proporcin de punt os que se anot hast a el moment o de la int errupcin.
Est a respuest a fue crit icada por Cardano quien escribi en 1539, que la solucin de Pacioli
era incorrect a porque slo considera el nmero de j uegos ganados por cada equipo,
obviando cunt os j uegos deban ganar para hacerse con el premio. Cardano propuso como
que si n es el nmero de j uegos t ot ales y a y b los j uegos ganados por cada equipo, el
premio deba repart irse de la siguient e manera [ 1+ 2+ ...+ ( n b) ] : [ l+ 2+ ...+ ( n a) ] ; no
obst ant e, est a solucin slo es correct a en casos part iculares.
Niccolo Tart aglia ( 1499 1557) , t ambin int ent dar solucin al problema del repart o de
apuest as. En un libro de arit mt ica crit icaba la soluci n dada por Pacioli indicando: si un
bando ha ganado 10 punt os y el ot ro ninguno, ent onces t odo el premio sera para el primer
j ugador, pero est o no t iene ningn sent ido. Su solucin era: si un equipo ha ganado a
punt os y el ot ro b punt os, se j uega a n punt os y el premio t ot al es P, las ganancias deberan
repart irse de la forma ( P/ 2) P [ ( a- b) / n] , correspondiendo la cant idad mayor para el equipo
que t enga ms vict orias. Tart aglia luego argument ara que su solucin era ms j urdica que
mat emt ica.
Los problemas de dados t ambin fueron del int ers de Galileo Galilei ( 1564 1642) , quien
en su libro Sobre la Punt uacin en Tiradas de Dados present a el clculo del nmero de
result ados posibles al lanzar t res dados. Si bien desde hace muchos t iempo se conoca que
eran 216 result ados posibles, al parecer Galileo fue el primero en ofrecer la respuest a
mediant e un simple clculo: 6
3
= 216. Tambin ofreci su respuest a a diferent es problemas
con dados, como por ej emplo de cunt as maneras diferent es se puede lograr cada una de
las punt uaciones ent re 3 y 18, al lanzar t res dados.
Son muchos los problemas que segurament e at orment aron a los part icipant es en j uegos de
azar, pero son pocas las conexiones direct as ent re la mat emt ica y el j uego que se
encuent ran en la bibliografa. Ms aun, no se t iene referencia de ninguna persona que haya
ofrecido alguna nocin de azar. Algunas de las razones que se indican para el poco
desarrollo de la probabilidad son:
o La imperfeccin de los dados usados evit aba la observacin de regularidad not able de
sus result ados.
o La ausencia de una anot acin mat emt ica adecuada que ayudara a una invest igacin
crt ica en las leyes de azar.
o La aleat oriedad era una idea ext raa, cont raria a la idea de la exist encia de una la
verdad absolut a propalada por la iglesia crist iana.
Al parecer ese pasado asociado a los j uegos de azar fue ot ro de los fact ores que ret raz el
int ers de los mat emt icos por el est udio de la probabilidad.
Didctica del lgebra y la Probabilidad
Act ividad 10.1
Un j ugador le indic a Galileo que al lanzar t res dados la suma 10 aparece con
ms frecuencia que la suma 9, ya que la suma 10 se pude lograr mediant e los
result ados: { ( 1,3,6) , ( 1,4,5) , ( 2,2,6) , ( 2,3,5) , (2,4,4) y (3,3,4)} . Mient ras que la
suma 9 se logra con los result ados: { ( 1,2,6) , (1,3,5) , (1,4,4) , ( 2,2,5) , (2,3,4) y
( 3,3,3)} . Galileo le indic que esas combinaciones no pueden considerarse
igualment e probables. Tiene razn Galileo? Explica t u respuest a.
La probabilidad vist a por los mat emt icos
No fue sino hast a que el Caballero de Mr le plant eo un problemas de cart as a su amigo
Pascal que se dieron pasos import ant es en el desarrollo de la t eoria de la probabilidad. Se
cuant a que Ant oine Gombaud, miembro de la nobleza francesa, molest o por ciert os
problemas de j uego envi algunas pregunt as a Pascal. Luego Pascal compart ira con su
amigo Pierre de Fermat , el mat emt ico ms import ant e de la poca, las dudas de Gombaud.
Al parecer el Caballero de Mr plant eo la siguient e sit uacin a Pascal : como un dado t iene
seis caras, t odas igualment e probables, la probabilidad de lograr un seis un lanzamient o es
1/ 6. Por lo t ant o la probabilidad de no lograr un seis es 5/ 6. Al lanzar el dado dos veces la
probabilidad de lograr un seis es (1/ 6)
2
, mient ras que (5/ 6)
2
es la probabilidad de no lograr
el seis. Razonando de manera similar, en n lanzamient os la probabilidad de no conseguir un
seis es ( 5/ 6)
n
, por lo que la probabilidad de lograr un seis es: 1 (5/ 6)
n
. Cuando lanza el
dado cuat ro veces, se encuent ra:
1296
671
1296
625
1
6
5
1
4
= = |
.
|
\
|
Est o es un poco mayor que , por lo que se puede considerar una apuest a at ract iva. As el
Caballero de Mr podra apost ar lucrat ivament e a t irar por lo menos una vez un seis en
cuat ro t iros, con un slo dado. l consideraba que est o deba repet irse para cualquier
sit uacin. La "regla" de Mr es que n/ N es una const ant e, donde N es el nmero t ot al de
result ados y n el nmero adecuado de int ent os para que la apuest a sea at ract iva. Cuando
se desea lograr un seis al lanzar un slo dado, N = 6 y n = 4, t al como se seal ant es, por
lo que n/ N = 4/ 6 = 2/ 3. Si se lanzan dos dados, para lograr un doble seis, N = 36 por lo
que necesariament e n = 24 para que la regla se mant enga. No obst ant e, la evidencia
emprica le indicaba a de Mr ot ro result ado. Haba observado que el nmero mnimo
necesario para asegurar una buena oport unidad de ganar era 25. Por lo que le peda a
Pascal lo ayudara a conseguir el error.
Pascal compart i el problema plant eado con Fermat y j unt os comenzaron a int eresarse por
el clculo de probabilidades. La explicacin ofrecida por Pascal fue la siguient e: al lanzar
dos dados, hay 36 posibles result ados y 35 de ellos no dan un seis doble, por lo t ant o la
probabilidad de no conseguir seis doble es 35/ 36. Si se realizan n lanzamient os ent onces la
probabilidad de lograr un seis doble es:
n
36
35
1 |
.
|
\
|
Por lo cual cuando se realizan 24 lanzamient os esa probabilidad es:
491403 0
36
35
1
24
, = |
.
|
\
|
Mient ras que al realizar 25 lanzamient os la probabilidad de obt ener un seis doble es:
Universidad Nacional Abierta 141
505531 0
36
35
1
25
, = |
.
|
\
|
Por lo t ant o, 25 es el menor nmero de lanzamient os para obt ener una probabilidad mayor
que de lograr un seis doble al lanzar dos dados.
La respuest a de Pascal fue sat isfact oria para el Caballero de Mr, por lo que le plant eo una
versin del problema de repart o de apuest a: Dos personas igualment e int eligent es deciden
enfrent ase en un j uego. Vence el j ugador que primero gane cinco part idas. Pero ant es de
finalizar el j uego, st e se int errumpe en el moment o en el que uno de los j ugadores ha
ganado cuat ro part idas y ot ro t res. Cmo deberan repart irse los 4200 francos que
apost aron? ( Perero, 1994)
Tant o Pascal como Fermat llegaron por diferent es vas a la solucin del problema, dando
inicio a la probabilidad condicionada. Una solucin al problema es: un es la probabilidad
que cualquiera de los dos j ugadores gane la prxima part ida. Para que el primer j ugador
gane el premio puede suceder lo siguient e:
A: que gane la oct ava part ida.
B: que pierda la oct ava part ida y gane la novena.
Se sabe que P(A) = y P(B) = x = . Luego la probabilidad que gane el primer
j ugador es: + =
Para que el segundo j ugador gane el premio es necesario que:
C: gane la oct ava part ida
D: gane la novena part ida.
Ambas probabilidades son: P( C) = P( D) = , por lo t ant o la probabilidad de que el
segundo j ugador gane es: . Luego el premio debe repart irse de la siguient e manera:
Para el primer j ugador: 3150
4
3
x 4200 =
Mient ras que para el segundo j ugador le corresponden: 1050
4
1
x 4200 =
Con est e result ado se ofreca la primera solucin mat emt icament e sat isfact oria al problema
de la dist ribucin de apuest as. Al parecer ni Pascal ni Fermat publicaron los result ados
encont rados a los problemas plant eados por Ant oine Gombaud, pero con sus result ados
legraron int eresar a los mat emt icos en los problemas de probabilidades. Uno de ellos fue
Christ iaan Huygens ( 1629 1695) , mat emt ico, ast rnomo y fsico holands, quien escribi
De Rat iociniis en Ludo Aleae ( 1657) , el primer t ext o en l a t eora de probabilidad publicado,
en donde se da fundament o mat emt ico a los concept os de probabilidad. Al parecer est e
t rabaj o de Huygen, fue inspirado por el t rabaj o de Pascal y Fermat . Aos despus, Nicols
Bernoulli public en 1713 el t rat ado sobre probabilidades de su t o Jacques Bernoulli: Ars
Conj ect andi (El art e de la conj et ura) , donde se encuent ran la mayora de los problemas
sobre probabilidad ( casi t odos referidos a j uegos de azar) que se conocan para la poca con
sus soluciones. Un result ado import ant e que se encuent ra en est e libro es la llamada ley
de los grandes nmeros .
La definicin clsica
Didctica del lgebra y la Probabilidad
Casi cien aos despus, Pierre Simon Laplace public en 1812 su
Teora Analt ica de las Probabilidades y en 1814 Ensayo Filosfico
sobre las Probabilidades. En el primero de esos libros Laplace dio
la definicin de probabilidad de ocurrencia de un suceso: si t odos
los result ados del experiment os pueden ser considerados
equiprobables, se define la probabilidad de un event o A ( P( A) )
como el cocient e ent re el nmero de element os de A y el nmero
t ot al de element os del espacio muest ral. Es la llamada definicin
clsica o Laplaciana.
Una curiosidad es que est e aut or era un firme creyent e en el
det erminismo y consideraba que la probabilidad slo exist a por
nuest ra ignorancia. Aunque la deficinin clsica se la adj udica a
Laplace, algunos hist oriadores afirman que est a definicin ya
haba ofrecido ot ros aut ores como Leibniz en 1678, Jacques Bernoulli en 1705 y Abraham
De Moivre ( 1667- 1754) quien la haba enunciado muchos aos ant es de la siguient e
manera: una fraccin en la que el numerador es igual al nmero de apariciones del suceso
y el denominador es igual al nmero t ot al de casos en los que es suceso pueda o no pueda
ocurrir. Tal fraccin expresa la probabilidad de que ocurra el suceso.
Probablement e por ser un fiel creyent e en el det erminismo, Laplace nunca indic qu es
realment e la probabilidad, slo indic su mt odo para calcularla; mt odo crit icado en su
moment o. Para la aplicacin de la definicin clsica hay una condicin necesaria que no
simples se cumple, un conj unt o de sucesos element ales igualment e probables. Por est a
condicin, Daz Godino, Bat anero y Caizares ( 1987) indican que la definicin de Laplace fue
crit icada en su poca, adems de que no poda ser aplicada en casos donde el nmero de
result ados era infinit o.
Est a definicin, t ambin llamada probabilidad t erica o a priori, se basa en razonamient os
abst ract os y no depende de la experiencia, es la primera que se ensea en la escuela.
Algunos de los sesgos est udiados previament e pueden t ener su origen en la enseanza
t emprana de la definicin clsica de probabilidad. La condicin de equiprobabilidad es
fundament al y se explica por s misma en las sit uaciones aleat orias donde hay simet ra
ent re los varios posibles result ados, no obst ant e, no es aplicable a la mayora de las
sit uaciones reales; ya que en ellas no hay simet ra.
Act ividad 10.2
Seale dos sit uaciones de clculo de probabilidades donde no sea apropiado el
uso de la definicin clsica.
Definicin frecuent ist a
Como se expres ant es Jacques Bernoulli seal en su libro El art e de la conj et ura lo que
hoy en da se conoce como la ley de los grandes nmeros. Segn Bernoulli, cuando la
probabilidad de ocurrencia de un event o p es desconocida, la proporcin de xit os en un
nmero grande de ensayos, suminist ra una buena est imacin de p. Jacob Bernoulli indic
que dada una pequea t olerancia por ej emplo 0,00001 la posibilidad de que la
probabilidad est imada ( x/ N) y la verdadera probabilidad p difieran en est a t olerancia puede
hacerse t an cercana a 1 como se quiera, aument ando el nmero de ensayos. Est e
enunciado no indica que al lanzar una moneda 1000 veces la proporcin de caras ha de ser
0,5. Se podran hacer ese nmero de lanzamient os y encont rar que la proporcin de caras
es de 0,47, eso no debera causar mayor sorpresa, se t rat a de probabilidad y el azar puede
hacer est as j ugadas ( Dunham, 1995) .
Pierre Simon Laplace
Universidad Nacional Abierta 143
Bernoulli replant e el problema de la asignacin de probabilidades
a event os, l o que no se puede hallar a priori se puede obt ener a
post eriori, es decir, mediant e la observacin mlt iple de los
result ados de pruebas similares. Con su propuest a el problema
de cmo hallar la pr obabilidad de ocurrencia de un suceso aun
siendo imposi ble cont ar los casos favorables; asignar como
probabilidad de un suceso el result ado que se obt endra si el
proceso se repit iera en condiciones similares un nmero grande
de veces. Con ello Bernoulli int roduj o lo aos despus se conoce
como concept o de probabilidad frecuent ist a o est adst ica.
Aos despus, la visin de Bernoulli fue respaldad por Venn, Von
Mises, Reichenbach, Gnedenko y Kolmogorov.
De acuerdo con Von Mises, slo puede at ribuirse probabilidad a un event o en cuant o el
mismo pert enece a un colect ivo, ent endiendo por est e a una gran serie de observaciones en
que el event o se repit e con una frecuencia relat iva ms o menos est able. Por lo t ant o, si A
es un at ribut o arbit rario de un colect i vo C, obt enido m veces en n int ent os, luego la
probabilidad de A en C es:
n
m(A)
P
lim
n
= ) / ( C A
Ese lmit e es la probabilidad del event o considerado en el colect ivo dado. Si el lmit e no
exist e, no t iene sent ido asignar una probabilidad al event o. Ent onces la probabilidad de un
event o es la frecuencia relat iva con que se present a el event o considerado, a la larga, ent re
los event os de su misma clase. Est a definicin at raj o a muchos de los que crit icaban la
definicin Laplaciana, pero se requiere considerar gran nmero de ensayos, de forma ideal,
un nmero infinit o de ensayos, para poder asignar la probabilidad.
Daz Godino, Bat anero y Caizares ( 1987) indican que est a definicin se basa en dos
caract erst icas observables del comport amient o de los result ados de las realizaciones
repet idas. Primero, que los result ados varan de una repet icin a ot ra de una manera
imprevisible, la llamada variacin aleat oria. Segundo, se observa que un hecho emprico a
cort o plazo puede ser desordenado, pero a la larga surge ciert a regularidad; de all que la
probabilidad surge como el valor hacia el cual t iende la frecuencia relat iva de una secuencia
de result ados, cuando n t iende a infinit o. Para est os aut ores, la probabilidad frecuencial
t iene un gran at ract ivo para est adst icos y es t il cuando se manej an grandes cant idades de
dat os, no obst ant e t iene algunos problemas filosfico, concept ual y prct ico relacionados
con la nocin de nmero infinit o de experiment os. Por ej emplo, desde el punt o de vist a
prct ico, con est a definicin, nunca es posible lograr el valor exact o de la probabilidad, sino
slo una est imacin. A veces es imposible realizar los experiment os exact ament e en las
mismas condiciones y es difcil saber con cert eza cul es el nmero de experiment os que
deben realizar para acept ar la est imacin de la probabilidad como buena. Ot ro
inconvenient e es que algunos event os aleat orios, son irrepet ibles, por lo t ant o no se puede
aplicar est a acepcin de la probabilidad para su est udio. Es lo que Salmon (1977) el
problema de los sucesos singulares, cmo asignar una probabilidad a un caso singular, a
part ir de la probabilidad asignada a un at ribut o - colect ivo, de la cual pert enece.
Act ividad 10.3
Seale dos sit uaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin frecuent ist a.
Definicin axiomt ica
Jacob Bernoulli
Didctica del lgebra y la Probabilidad
Kolmogorov, en su libro Foundat ions of t he Theory of Probabilit y (1933) , propone una
axiomt ica para sust ent ar l a t eora de las probabilidades. A part ir de la relacin ent re la
frecuencia relat iva de un suceso y su probabilidad cuando el nmero de veces que se reali za
el experiment o es muy grande, Kolmogorov propone sus axiomas.
Sea O un conj unt o no vaco de sucesos element ales y sea o un subconj unt o de O, incluido O
misma, sobre el que se ha definido una funcin P que asigna valores reales a los miembros
de o, a los que denominamos sucesos. Se puede afirmar que P es una probabilidad sobre
( O,o) si se cumplen los siguient es axiomas.
Axioma 1
La probabilidad de un suceso A es un nmero real mayor o igual que 0.
0 A P > ) (
La probabilidad de un suceso es un nmero posit ivo o nulo.
Axioma 2
La probabilidad del t ot al, O, es igual a 1.
1 P = O) (
La probabilidad de que ocurra el espacio muest ral es 1. representa todas las posibles
alt ernat ivas y se denomina suceso seguro.
Axioma 3
Si dos event os A y B son de t al forma que no pueden ocurrir simult neament e en el
mismo experiment o ( mut uament e excluyent es) , la probabilidad de obt ener A o B es igual
a la probabilidad de obt ener A ms la probabilidad de obt ener B.
P( A B) = P(A) + P( B)
En general se afirma que la suma de las probabilidades de t odos los posibles event os
mut uament e excluyent es es igual a 1:
=
=
n
1 i
i n 3 2 1
A P A A A A P ) ( ) ... (
P( A
1
) + P( A
2
) + P( A
3
) + ... + P(A
n
) = 1
De est os axiomas se desprenden las siguient es propiedades de la probabilidad:
o Si A es un event o de O, ent onces la probabilidad del event o A es:
0 s P(A) s 1
Como no podemos obt ener menos de cero xit os ni ms de n xit os en n
experiment os, la probabilidad de cualquier event o A, se represent a mediant e un
valor que puede variar de 0 a 1.
o Si A es un event o cualquiera de un experiment o aleat orio y A es el complement o
de A, ent onces, la probabilidad de que el event o A no ocurra, es igual a 1 menos
la probabilidad de que ocurra
P( A) = 1 - P(A)
o Si C represent a el conj unt o vaco, ent onces
0 P = C) (
Universidad Nacional Abierta 145
La probabilidad del suceso imposible es cero ( 0)
Bat anero ( 2005) indica que los axiomas de Kolmogorov los han acept ados t odas las
escuelas de la probabilidad, independient ement e del significado filosfico que le ot orguen a
ella. Es a part ir de est os axiomas que la probabilidad se considera un modelo mat emt ico
que est udiar fenmenos aleat orios para describirlos, int erpret arlos y t omar decisiones sobre
ellos.
Probabilidad Subj et iva
Es la posibilidad de ocurrencia ( probabilidad) que asigna una persona a un event o
cualquiera, sobre la base de la informacin disponible. Se refiere a la probabilidad de
ocurrencia de un event o basado en la experiencia previa, la opinin personal o la int uicin
del individuo.
Se int erpret a como evaluacin personal. Se considera la informacin disponible, se asigna
un valor de probabilidad a un event o o a los event os, basado en el grado de creencia de que
el event o ( o los event os) pueda ocurrir. Al ser una evaluacin personal la probabilidad de
un mismo event o cambia de persona a persona, dado que cada una cuant ificar en forma
diferent e, la probabilidad de ocurrencia del event o. Est a
Uno de los principales exponent es de est a corrient e es Bruno de Finet t i, para quien la
probabilidad de un suceso mide el grado de creencia en su ocurrencia percibido por el suj et o
en el moment o que la expresa. de Finet t i indica que al considerar cualquier event o de de
experiment o aleat orio slo hay dos alt ernat ivas obj et ivas, el suceso es ciert o o falso. Si se
desea medir el grado de incert idumbre sobre esas dos alt ernat ivas, la probabilidad es la
nica forma coherent e de medida. Ent onces, cuando una persona asigna una probabilidad
de 0,1 a Venezuela de clasificar al prximo mundial de ft bol, no est realizando una
afirmacin obj et iva ( en un t iempo se ver si el suceso es ciert o o falso) , sino est
expresando su incert idumbre al respect o, con la informacin de que dispone; est
ot orgando una medida a l a posible ocurrencia o no de ese event o, est midiendo su un
grado de creencia.
La probabilidad subj et iva la ut ilizan las personas en sit uaciones en las cuales no es posible
realizar experiment os repet it ivos y los result ados t ampoco son igualment e probables. Como
es personal, cualquier event o aleat orio es suscept ible de serle asignada una probabilidad y
no hay forma nica para hacerlo. No obst ant e, una regla bsica de de Finet t i es que hay
que separar las creencias de las preferencias, de all que la persona que ofrece la
probabilidad debe est ar preparado para acept ar apuest as basadas en dicha asignacin. Es
import ant e dest acar que es posible apoyarse en la mat emt ica y ut ilizar la probabilidad
subj et iva en la solucin de problemas; para ello es necesar ia la ut ilizacin del Teorema de
Bayes, y de una t eora de la revisin de las probabilidades basada en la informacin
accesible.
Shaughnessy ( 1992) indica que la definicin subj et iva de la probabilidad parece est ar
ayudando a que los invest igadores est n mucho ms conscient es de la exist encia de los
punt os de vist a subj et ivist as en los est udiant es a los que ensean, y en los profesores que
ut ilizan los mat eriales que ellos elaboran. Est o es muy posit ivo, ya que nos obligar a
manej ar nociones subj et ivas de probabilidad en nuest ros esfuerzos de enseanza,
invest igacin y desarrollo de programas de est udio. Lo import ant e es que hay ciert as ideas
normat ivas de la probabilidad que los est udiant es deben comprender y est ar en capacidad
de ut ilizar.
Act ividad 10.4
Seale dos sit uaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin subj et iva.
Didctica del lgebra y la Probabilidad
Probabilidad Geomtrica
La probabilidad geomt rica se basa en la definicin clsica, es una generalizacin l en el
mbit o de la geomet ra. Se refiere al clculo de probabilidades en sit uaciones de elegir
punt os al azar u ot ros element os geomt ricos de algn conj unt o. As, si dos conj unt os
poseen la misma medida geomt rica deben de t ener la misma probabilidad, y de est a
manera podemos generalizar la probabilidad para aplicarla a espacios infinit os. Por
ej emplo,
Suponga que se elij e al azar un punt o del siguient e crculo, Cul es la probabilidad de que
su dist ancia al cent ro del circulo sea menor o igual a r
2
1
?
Si A es el conj unt o de punt os del crculo de radio r y B el conj unt o de punt os pert enecient e
al circulo concnt rico de radio r
2
1
. Ent onces, B est formado por t odos cuya dist ancia al
cent ro de la crculo es menor o igual a r
2
1
. Por lo t ant o la probabilidad solicit ad es:
4
1
r
r
2
1
A de rea
B de rea
B P
2
2
=
|
.
|
\
|
= =
) (
Exist en ot ras formas de definir la probabilidad como la int uit iva y la lgica, as como la
nocin de probabilidad en t ant o que propensin de Popper. Est o nos indica que
mat emt icos y est adst icos han realizado clculos de probabilidad sin t ener una definicin
nica de probabilidad y mecho menos haber est ablecido cules fenmenos se consideran o
no aleat orios.
Shaughnessy (1992) seala que no hay nada de malo en la exist encia de diferent es
definiciones de la probabilidad e indica que para la enseanza considera adecuado un
enfoque pragmt ico que incluye el moldeado de varias concepciones de probabilidad. I ndica
que el modelo de probabilidad a emplear en una sit uacin en part icular debe est ar
det erminado por la t area que est amos pidiendo a nuest ros alumnos que invest iguen, y por
el t ipo de problemas que deseamos resolver.
Referencias
Bat anero, C. (2005) . Significados de la probabilidad en la educacin secundaria. Relime,
8( 3) , 247264.
Daz Godino, J., Bat anero, C. y Caizares, M. J. ( 1987) . Azar y probabilidad. Madrid:
Snt esis.
Universidad Nacional Abierta 147
Dunhan, W. ( 1995) . El universo de las mat emt icas: Un recorrido alfabt ico por los
grandes t eoremas, enigmas y cont roversias. Madrid: Pirmide
Perero, M. ( 1994) . Hist oria e Hist orias de Mat emt icas. Mxico: I beroamrica.
Salmon, W. C. ( 1979) , Propensit ies: a discussion review, en Erkennt nis, nm. 14, pp. 183-
216.
Shaughnessy, J. M. ( 1992) . Research in probabilit y and st at ist ics: reflect ions and direct ions.
En D. A. Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning
( pp. 315 426) . New York: Mc Millan.
148
Aut o- Evaluacin 10
1. De las definiciones de probabilidad present adas en est a leccin, cul o cuales est udi
en su Educacin Bsica o Media? Relat e las experiencias de aprendizaj e en las que t uvo
oport unidad de part icipar.
2. Est ablezca semej anzas y diferencias ent re las definiciones est udiadas de probabilidad en
cuant o a:
o Tipo de problemas analizados
o Procedimient os de clculo
o Propiedades
o Concept os asociados
3. En cada uno de los siguient es casos resuelva el problema plant eado, aplicando la
definicin de probabilidad adecuada.
a) Una t aberna se encuent ra a unas diez manzanas al est e y siet e al nort e de la casa
de un client e. Si el client e sale ebrio de la t aberna y en cada esquina decide al azar
si va a cont inuar derecho, hacia la derecha o a la izquierda, Cul es la probabilidad
de que al final llegue a casa?
b) Sean a, b y c t res punt os colocados al azar sobre una circunferencia, Cul es la
probabilidad de que los t res punt os caigan sobre el mismo semicrculo?
c) Si cada uno de n caballeros al llegar a un t eat ro ent regan su sombrero al
guardarropa y a la salida se ent regan los sombreros al azar. Cul es la
probabilidad de que ni un slo de los caballeros reciba su sombrero?
d) Dado un segment o cualquiera, Cul es la probabilidad de obt ener, por t riseccin,
los t res lados de un t ringulo?
e) En una clase de 40 est udiant es se forman, por sort eo, grupos de dos est udiant es,
de forma aleat oria, para t rabaj ar en clases. Cul es la probabilidad de que dos
amigas les t oque t rabaj ar j unt as? Cul es la probabilidad de que no les t oque
t rabaj ar j unt as?
f) En una j arra hay dos pelot as blancas y dos negras. Se ext raen dos pelot as
seguidas sin reemplazamient o. Cul es la probabilidad de que la segunda pelot a
sea blanca, dado que la primera era blanca?
4. Seale un ej emplo de una sit uacin probabilst ica donde sea deseable la ut ilizacin de la
definicin frecuent ist a y la clsica.
5. De las definiciones de probabilidad pr esent adas en est a leccin, cul o cuales considera
que se debe est udiar en la Educacin Bsica y Media? Cules deberan est udiarse en
educacin superior? Argument e su respuest a.
149
Leccin 11
La t ecnologa y la enseanza de la probabilidad
La t ecnologa ha provocado en cambios import ant es en la vida cot idiana y pueden int roducir
cambios int eresant es en la educacin. Las comput adoras, las calculadoras y los paquet e de
programas han cambiado la forma de hacer est adst ica y la de t rabaj ar la probabilidad, lo
cual debera incit ar cambios en la enseanza de est os t picos. La incorporacin de
inst rument os t ecnolgicos en la enseanza de la est adst ica y la probabilidad int roduce
nuevas represent aciones de los obj et os est udiados, formas de t rabaj o dist int a con esos
obj et os, est udiar ot ro t ipo de problemas en el marco de las clases, et c. La t ecnologa puede
ayudar a los est udiant es a aprender mat emt icas, haciendo mat emt icas,
comprendindolas, resolviendo sit uaciones problemt icas nuevas a part ir de sus
experiencias y de sus conocimient os ant eriores. En est a leccin se est udian algunos de esos
inst rument os t ecnolgicos y su posible uso en la enseanza.
Simulaciones
En las lecciones 8 y 9 se present aron algunos de los result ados de invest igaciones que
indican varias de las dificult ades que t ienen las personas para comprender e int erpret ar
correct ament e informacin probabilst ica. La enseanza de la probabilidad debe ayudar a
los est udiant es a superar esas dificult ades, no obst ant e, invest igadores como Konol d ( 1995)
considera que la enseanza t radicional no ayuda en ese sent ido, por lo que se hace
necesario hacer cambios.
Una de las recomendaciones frecuent es para mej orar la comprensin de las ideas
probabilst icas es confront acin de las ideas de los est udiant es con result ados de
experiment os aleat orios reales. No obst ant e, en un buen nmero de casos, los
experiment os aleat orios no pueden ser reproducidos en el aula ( observar el sexo de un
recin nacido, el clima que se regist rar en un t iempo det erminado, l as respuest as posibles
a una encuest a de int ers social) por lo que se hace necesario recurrir a la simulacin.
Bat anero ( 2001) indica que en la simulacin se ponen en correspondencia dos experiment os
aleat orios diferent es, de t al manera que a cada suceso element al del primer experiment o le
corresponda uno y slo un suceso element al del segundo. As se realiza un experiment o
aleat orio y sus result ados indican la ocurrencia o no de los sucesos del experiment o
aleat orio de int ers. La recomendacin es la ut ilizacin de mat eriales manipulables para
simular un experiment o que no se puede reproducir en el aula (lanzamient o de una
moneda, ext raer bolas o fichas de una urna, et c) . Sin embargo, debido a que se requiere
una gran cant idad de informacin, se requiere ent onces repet ir el experiment o un gran
nmero de veces, por lo cual se inviert e un t iempo import ant e en est a act ividad, con la
posibilidad de que los est udiant es pierdan int ers en la act ividad o se dist raigan del obj et ivo
inicial. Si bien es import ant e que el est udiant e realice algunas act ividades de simulacin
con mat erial manipulable, es posible int egrar la t ecnologa a la int ervencin didct ica que se
realiza para facilit ar el t rabaj o de est udiant es y docent es. El comput ador es una
herramient a que proporciona mayor pot encia en la realizacin de simulaciones, const ruccin
de modelos y anlisis de ellos.
Un programa t an comn como una hoj a de clculo puede ser ut ilizado para generar cient os
de nmeros aleat orios, y lograr con ello los result ados de un experiment o aleat orio.
Adems, esa misma hoj a de clculo puede ut ilizarse para represent ar grficament e los
dat os obt enidos y efect uar mediciones est adst icas. Los Macros de las hoj as de clculo
Didctica del lgebra y la Probabilidad
permit en desarrollar aplicaciones de mayor complej idad de las que corrient ement e se usan
en est e t ipo de programa, ut ilizando un lenguaj e de programacin y aut omat izar t areas
rut inarias. Est as t areas pueden ser archivadas y ej ecut arse nuevament e cuando se
necesit e. El docent e puede crear los macros aj ust ndolos a las necesidades de su clase y
posibilit ar que los est udiant es los ut ilicen como un medio para confront ar sus ideas
int uit ivas con la evidencia emprica . Tambin puede ut ilizarse lenguaj es de programacin
como Java o Flash para desarrollar simul aciones.
Considere por ej emplo el famoso problema del dilema de Mont y:
Durant e un programa de j uegos a los part icipant es se les muest ran t res puert as
cerradas. Una de las puert as t iene det rs un aut omvil como premio, mient ras que
det rs de cada una de las ot ras dos se una cabra como premio. El part icipant e debe
seleccionar una puert a, luego, el anfit rin del programa, Mont y, abre una de las
puert as rest ant es y muest ra la cabra que est det rs de ella. El part icipant e t iene
ent onces la opcin de perseverar en su seleccin original o escoger la ot ra puert a
cerrada. Qu deben hacer? Cul es la est rat egia ms adecuada, mant ener la
seleccin o cambiarla?
La mayora de las personas consideran que luego de que el present ador abre la puert a y
muest ra la cabra, la probabilidad de ganar el aut omvil pasa de 1/ 3 a 1/ 2. Pero, si el
part icipant e no t oma ninguna accin, haciendo uso de est a nueva informacin, la
probabilidad de ganar el carro sigue siendo de 1/ 3. Es claro est o para t odos los
est udiant es?
Act ividad 11.1
Const ruya un diagrama de rbol para calcular las probabilidades de ganar el carro
si se opt a por cambiar la puert a o si se queda con la inicialment e seleccionada.
Cmo decidir cual es la mej or est rat egia? Obsrvese que no es un caso part icular lo que
se desea, sino cul es la est rat egia adecuada para aument ar la probabilidad de ganar. Ello
implica la consideracin de n casos, con miras a verificar si hay alguna diferencia ent re
quedarse con la puert a seleccionada inicialment e o cambiar. La simulacin de la sit uacin,
por ej emplo mediant e una moneda o un apunt ador de igual rea, pueden ayudar a los
est udiant es a evaluar cul es la mej or est rat egia. Claro se hace necesario la realizacin de
un elevado nmero de casos, luego el t rat amient o de la informacin para poder est ablecer
si hay diferencias.
En una sit uacin como est a es donde la t ecnologa puede ayudar a los est udiant es a una
mej or compresin de la sit uacin y a confront ar sus creencias con los result ados reales. La
experiencia indi ca los est udiant es experiment a un cambio drst ico cuando realment e llevan
a cabo una simulacin de cada una de las dos est rat egias, unas 100 o ms veces. Ellos
logran diferencias las dos est rat egias y descubren que es mej or para los part icipant es
cambiar siempre. La probabilidad de seleccionar la puert a det rs de la cual se encuent ra el
carro es 1/ 3 la primera vez, por lo que exist e una probabilidad de 2/ 3 de ganar el premio en
la est rat egia de cambio. La nica manera de perder con est a est rat egia del cambio es si se
escogi la puert a premiada desde la primera vez.
Universidad Nacional Abierta 151
Act ividad 11.2
En las siguient es direcciones elect rnicas encont rar simuladores del dilema de
Mont y:
ht t p: / / www.mst e.uiuc.edu/ pavel/ j ava/ dilemma/ d3.ht ml
ht t p: / / www.decisionhelper.com/ mont yhall.ht m
ht t p: / / people.hofst ra.edu/ St even_R_Cost enoble/ Mont yHall/ Mont yHallSim.ht ml
ht t p: / / mat h.ucsd.edu/ ~ crypt o/ Mont y/ Mont yt it le.ht ml
Vist e algunas de esas direcciones y realice la simulacin. I ndique vent aj as y
desvent aj as en la ut ilizacin de esa simulaci n con sus posibles est udiant es.
En I nt ernet se encuent ran gran variedad de simulaciones, la mayora de ellas se han
desarrollado en el lenguaj e de programacin Java ( Java- Sun) y se les denomina Applet .
Los applet son programas relat ivament e pequeos ( menos de 100 Kb) que se encuent ran
en pginas Web, desde donde se ej ecut an. En los lt imos aos t ambin ha comenzado
aparecer simulaciones desarrolladas en el lenguaj e de programacin Flash, que al parecer
brinda mayores posibilidades que el lenguaj e Java. En uno u ot ro lenguaj e, el gran
at ract ivo de las simulaciones es la posibilidad de manipulacin que brinda a los usuarios,
son int eract ivos. Los usuarios, de manera sencilla, pueden cambiar element os, int roducir
dat os, logrando result ados de forma inmediat a en la pant alla, pot enciando las posibilidades
de compresin de ideas probabilst icas. La mayora de las simulaciones relacionadas con
probabilidad y est adst ica que se encuent ran en la red est n en ingls.
A cont inuacin se present an algunas de las simulaciones que se encuent ran en I nt ernet ,
con una breve descripcin de su cont enido:
o Rice Virt ual Lab in St at ist ics.
ht t p: / / www.ruf.rice.edu/ ~ lane/ st at _sim/ index.ht ml
Grficos, medidas de t endencia cent ral, dist ribuciones muest rales, int ervalos de
confianza para la media y para la proporcin, dist ribuciones de probabilidad, ANOVA,
et c.
o Virt ual Laborat ories in Probabilit y and St at ist ics.
ht t p: / / www.mat h.uah.edu/ st at /
Probabilidad, dist ribucin de Poisson, combinat oria, dist ribucin normal, muest ras
aleat orias, est imacin punt ual, int ervalos de confianza, cont rast e de hipt esis.
o I nst it ut e of St at ist ics and Decision Sciences Duke Universit y.
ht t p: / / www.st at .duke.edu/ sit es/ j ava.ht ml
Est adst ica descript iva, Dist ribuciones de probabilidad ( Normal, t , binomial) , ANOVA,
I nt ervalos de confianza, Regresin, coeficient e de correlacin Spearman, pruebas t ,
probabilidad y procesos est ocst icos.
o Simulat ion Applet s
ht t p: / / www- sop.inria.fr/ mefist o/ j ava/ t ut orial1/ t ut orial1.ht ml
Variables aleat orias, procesos est ocast icos.
o Visualizing St at ist ical Concept s
ht t p: / / www.du.edu/ psychology/ met hods/ concept s/
Didctica del lgebra y la Probabilidad
Cont iene link que llevan a ot ras pginas donde se encuent ran las simulaciones, t odas
desarrolladas en lenguaj e Java. Algunos de los aspect os que t oca son: probabilidad,
est adst ica univariant e, relaciones bivariant e, muest reo y dist ribuciones de muest reo,
est adst ica inferencial para medias, est adst ica inferencial para dat os cat egricos.
o Flash demos for underst anding st at ist ics
ht t p: / / www.mat h.t amu.edu/ ~ dallen/ flash- demo/
Hist ogramas, correlacin, varianza, diagramas de t ort a, medidas de t endencia
cent ral.
o Java Demos for Probabilit y and St at ist ics
ht t p: / / www.mat h.csusb.edu/ facult y/ st ant on/ m262/
Variable aleat oria, dist ribuciones de variable aleat oria, regresin.
o Nat ional Library of Virt ual Manipulat ives
ht t p: / / nlvm.usu.edu/ en/ nav/ vlibrary.ht ml
Tiene varias simulaciones de probabilidad y est adst ica, as como de algebra,
geomet ra y medicin. Aunque est a dirigido a est udiant es de preescolar, bsica y
media cont iene int eresant es recursos.
o Consort ium for t he Advancement of Undergraduat e St at ist ics Educat ion ( CAUSE)
ht t p: / / www.causeweb.org/
En el apart ado recursos cont iene gran variedad de sit uaciones para est adst ica y
probabilidad.
Los programas de simulacin permit en que el est udiant e pueda manipular , cambiar
algunos parmet ros e inmediat ament e verificar las consecuencias del cambio en pant alla.
Est a int eraccin con el programa, en conj unt o a la orient acin de docent e (mediant e la
formulacin de pregunt as apr opiadas) , puede ayudar al est udiant e a reconocer pat rones o
result ados import ant es que le permit an comprender mej or concept os de est adst ica y
probabilidad. Las simulaciones colocadas en la Web t ambin podran servir para que el
est udiant e recolect e observaciones sobre experiment os aleat orios, y posibilit ar que cada
est udiant e t rabaj e con dat os propios .
Programas o soft ware
Las comput adoras y los programas que se han desarrollado en las lt imas dcadas han
cambiado la forma de hacer est adst ica. Ant eriorment e, el acent o fundament al se haca en
los clculos y muy pocas veces se ut ilizaban los mt odos grficos. El soft ware exist ent e
facilit a el anlisis de un mayor nmero de dat os y el acceso a diversas t cnicas est adst icas,
desde una simple media arit mt ica a complej os anlisis mult ivariant es. Las posibilidades de
graficacin son muy amplias.
Todo lo ant es sealado ha provocado cambios en la enseanza t ant o de la est adst ica como
de la probabilidad, ms aun, posibilit a la conj uncin rpida de est as dos reas. El t rabaj o
con el comput ador permit e realizar grficos en muy poco t iempo y cambiarlos rpidament e
sin mayor problema, si es necesario. Est o es una gran vent aj a en la enseanza, ya que
posibilit a que el est udiant e pueda evaluar los cambios que ocurren al suprimir o cambiar
uno o ms dat os. As mismo puede realizar los clculos nuevament e sobre la base de los
dat os modificados. Todo ello en conj unt o puede ayudar al est udiant e a comprender mej or
concept os de est adst ica y probabilidad.
Universidad Nacional Abierta 153
Las simulaciones que se present aron ant eriorment e, t ienen la desvent aj a que normalment e
necesit an una conexin a I nt ernet , en algunas escuelas e inst it uciones universit arias de
nuest ra pas est o se dificult ad. Ant e esas circunst ancias, los docent es pueden hacer uso de
las hoj as de clculo, programas se encuent ran disponibles en la mayora de las
comput adoras y cuent an con una gran variedad de funciones est adst icas, las cuales
permit en aplicar las t cnicas est adst icas ms conocidas, t ant o de est adst ica descri pt iva
como inferencial, a sit uaciones de invest igacin o en proyect os plant eados por el profesor o
por los mismos est udiant es. Asimismo est os programas cuent an con los Macro, las cuales
permit en int egrar en diversas funciones de las hoj as de clculo, con lo cual se logran
desarrollar pequeos programas. El docent e t endra que desarrollar las subrut inas macro
para que la hoj a de clculo pueda lograr part e del rendimient o de los programas
especializados en est adst ica.
Las hoj as de clculo se pueden usar en el est udio e invest igacin de sit uaciones
probabilst icas, para ayudar a los est udiant es a mej orar su int uicin y const ruir de manera
ms formal concept os t ericos de probabilidad sobre la base de est as experiencias. Con las
hoj as de clculo se pueden desarrollar simulaciones, sino t ambin para generar desarrollos
experiment ales como una forma int eresant e de lograr aprendizaj es de concept os y
principios de probabilidad.
Como ej emplo considrese un problema sencillo, Cul es la probabilidad de que en un
grupo de n personas, hayan dos que cumplan aos el mismo da? Suponiendo que es
igualment e probable nacer en cualquier da del ao, se puede aplicar la definicin de
Laplace:
posibles Casos
favorables Casos
a P = ) (
Para facilit ar el t rabaj o se descart an los aos bisiest os y las personas gemelas, t rillizos, et c.
Si en un saln hay una persona podra cumplir aos en cualquiera de los 365 das del ao.
Al llegar una segunda, la probabilidad de que est a no t enga la misma fecha de cumpleaos
que la primera es:
365
364
Por lo t ant o, el espacio muest ra est const it uido por 365
n
punt os, a cada uno de los cuales
t iene la misma probabilidad se ocurrencia. El nmero de formas posibles de que no
coincidan ninguno de los n cumpleaos es:
( )!
!
) ....( . .
n 365
365
1 n 365 363 364 365
= +
Est os son los casos favorables, por lo t ant o aplicando la definicin clsica:
( )!
!
) (
n 365 365
365
a P
n
=
para n 365. Est o es la probabilidad de que en un grupo de n personas no haya un par de
de ellas que cumplan aos el mismo da.
Por lo t ant o la probabilidad de que en un grupo de n personas al menos 2 t engan el mismo
da de cumpleaos es:
( )!
!
) (
n 365 365
365
1 a P
n
=
Didctica del lgebra y la Probabilidad
Hacer ese clculo con lpiz y papel puede ser un poco aburrido, con una gran probabilidad
de incurrir en errores, sobre t odo si n es grande. Sin embargo, si se cuent a con una hoj a
de clculo es muy fcil hallar no slo uno sino diversos result ados. En la t abla que se
present a a cont inuacin se encuent ra algunos de los result ados:
n P( a) n P( a) n P( a) n P( a)
1 0,0000000 16 0,283604 31 0,7304546 46 0,9482528
2 0,0027397 17 0,3150077 32 0,7533475 47 0,9547744
3 0,0082042 18 0,3469114 33 0,7749719 48 0,960598
4 0,0163559 19 0,3791185 34 0,7953169 49 0,9657796
5 0,0271356 20 0,4114384 35 0,8143832 50 0,9703736
6 0,0404625 21 0,4436883 36 0,8321821 60 0,9941227
7 0,0562357 22 0,4756953 37 0,848734 70 0,9991596
8 0,0743353 23 0,5072972 38 0,8640678 80 0,9999143
9 0,0946238 24 0,5383443 39 0,8782197 90 0,9999939
10 0,1169482 25 0,5686997 40 0,8912318 100 0,9999997
11 0,1411414 26 0,5982408 41 0,9031516
12 0,1670248 27 0,6268593 42 0,9140305
13 0,1944103 28 0,6544615 43 0,9239229
14 0,2231025 29 0,6809685 44 0,9328854
15 0,2529013 30 0,7063162 45 0,9409759
De forma grfica se t iene:
0
0,2
0,4
0,6
0,8
1
1,2
1 4 7
1
0
1
3
1
6
1
9
2
2
2
5
2
8
3
1
3
4
3
7
4
0
4
3
4
6
4
9
7
0
1
0
0
Tant o la t abla como la grfica permit en apreciar al est udiant e que la probabilidad de que
dos personas t engan el mismo da de cumpleaos aument a en la medida de que n aument a.
El aument o es t an rpido que a part ir de 24 personas la probabilidad es mayor que 0,5 y al
considerar un grupo de 50 personas ya la probabilidad es del 97%. Hacer est e t rabaj o sin
la ayuda de la hoj a de clculo es una t area difcil con grandes riesgos de error y que por lo
t ant o se pierda el sent ido real de ella. Hacerlo con lpiz y papel es una fast idiosa t area de
clculo innecesaria.
Act ividad 11.3
Es adecuada el uso de la definicin de Laplace en la resolucin del problema del
cumpleaos. Explique su respuest a.
Universidad Nacional Abierta 155
Daz, Arnaldos, Faura, Molera y Parra (2004) indican que en el caso concret o de la t eora de
la probabilidad, las hoj as de clculo puede sust it uir a las t radicionales t ablas est adst icas y
dar un soport e visual a concept os t ericos que puedan result ar complicados de ent ender
para los alumnos. Asimismo puede ayudar a incidir en:
o el cambio de forma de las funciones de probabilidad, densidad y dist ribucin ant e
modificaciones en los valores de los parmet ros de las dist ribuciones.
o la visualizacin de la probabilidad de un int ervalo de valores como rea encerrada
por la funcin de densidad en el int ervalo correspondient e en un modelo de variable
cont inua.
o el desarrollo de ideas int uit ivas relacionadas con los t eoremas lmit e; et c.
Un t ipo de programa que ha ganado not oriedad en el mbit o educat ivo, por las posibilidades
que brinda, son los llamados soft ware dinmicos. Un ej emplo de est e t ipo de soft ware es el
Fat hom Dynamic Dat a
4
( Finzer, Erickson & Binker, 2005) , un soft ware diseado para
propsit os de enseanza, cuya premisa clave es que t odos los aspect os de un anlisis est n
ligados ent re s para que los usuarios puedan ver cmo los cambios que se generan en una
represent acin se reflej an en ot ra. La int erfase del soft ware cont iene los element os claves
de un ambient e de est ocst ico dinmico como arrast rar y solt ar obj et os ya exist ent es,
t ransformarlos o const ruir nuevos obj et os, de t al forma que los est udiant es puedan
invest igar concept os t rat ados.
En Fat hom Dynamic Dat a se puede crear un espacio muest ral, por ej emplo, del sexo de los
hij os que puede t ener una familia:
HIjos
Luego crear t ant as muest ras como se deseen, colocando las condiciones que se consideren
apropiadas, para luego det erminar dist ribuciones de probabilidad.
Sample of HIjos
Measures f rom Sample of HIjos
Se logra represent ar los result ados de forma muy rpida y cambiando de una a ot ra con
gran facilidad. A cont inuacin se present an los result ados de muest ras generadas mediant e
Fat hom Dynamic Dat a para simular el nmero de hij os que t ienen dist int as familias, con la
condicin de que uno de ellos sea nia. Se ha generado t res muest ras dist int as, de 50,
100, 1000 y 2000 familias, as como un grfico donde se present a la informacin.
4
Es posible obt ener una versin del prueba del programa en la pgina ht t p: / / www. keypress. com/ x5656. x ml
Didctica del lgebra y la Probabilidad
Measures from Sample of Hijos
Nodehij... <new>
42
43
44
45
46
47
48
49
50
3
4
5
1
3
2
4
1
1
Nodehijos
0 1 2 3 4 5 6
Measures from Sample of Hijos
Dot Plot
Measures from Sample of Hijos
Nodehij... <new>
93
94
95
96
97
98
99
100
1
1
3
1
1
1
1
1
Nodehijos
0 2 4 6 8 10
Measures from Sample of Hijos
Dot Plot
Measures from Sample of Hijos
Nodehij... <new>
993
994
995
996
997
998
999
1000
2
2
6
1
1
1
3
1
100
200
300
400
500
Nodehijos
0 2 4 6 8 10 12
Measures from Sample of Hijos
Histogram
Universidad Nacional Abierta 157
Measures from Sample of HIjos
Nodehij... <new>
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
1
1
1
1
2
1
2
2
2
2
1
1
2
200
400
600
800
1000
Nodehijos
0 2 4 6 8 10 12 14 16
Measures from Sample of HIjos
Histogram
En los dist int os grficos se puede apreciar que la mayora de las familias logran t ener una
nia al procrear su primer hij o y con mucha frecuencia lo logran en los dos primeros. Se
observa t ambin que son pocas las familias que deben t ener t res (3) o ms hij os para lograr
una nia; asimismo se puede observar que hay pocos casos de familias que debieron t ener
6 o mas hij os para conseguir una nia. La vinculacin de la t abla con el grfico permit e
saber cul o cules son los casos que cumple con una condicin dada.
Con el apoyo t ecnolgico l os est udiant es no t ienen que invert ir largos periodos de t iempo
para elaborar grficas, las const ruyen con el programa y pueden dedicarse a int erpret ar
cada uno de los element os que const it uyen la grfica. Adems, pueden se puede cambiar
con gran facilidad de una grfica a ot ra, ident ificando cul es ms apropiada para
represent ar los dat os. Adems, al cambiar uno o ms dat os el grfico o los grficos se
act ualizan inst ant neament e.
Con el bot n que se encuent ra en la esquina superior derecha del Hist ograma se puede
cambiar el grfico a represent aciones como: diagramas de caj as, diagramas de punt os,
polgonos de frecuencias, grficas de barras. La versat ilidad de Fat hom para la graficacin
facilit a el anlisis explorat orio de dat os y posibilit a que el est udiant e int eract u con el
conj unt o de dat os y sus caract erst icas.
Las calculadoras, cient fica y graficadoras, t ambin pueden ser ut ilizadas hacer mat emt icas
y est udiar probabilidades. Aunque con menor pot encia que los comput adores y sus
programas, las calculadoras posibilit an la visualizacin de ideas mat emt icas, al facilit ar la
organizacin, la realizacin aut omt ica de clculos y el anlisis de los dat os.
A apoyarse en t ecnologas, como las hoj as de clculo, soft ware dinmico o calculadoras
graficadoras, permit e manej ar represent aciones dist int as de un mismo concept o, de las que
no se dispone en un ambient e de lpiz y papel, por lo que se puede t rat ar un mismo obj et o
desde diferent es perspect ivas. El t ener la posibilidad de manej ar diversas represent aciones
promueve el cambio concept ual en el est udiant e, al abordarse ms concept os y est udiar la
relacin ent re ellos, as como sus propiedades. El uso de soft ware para la enseanza de la
est adst ica y la probabilidad genera dos cambios inmediat os:
Didctica del lgebra y la Probabilidad
o Los clculos son realizados en forma aut omt ica por el comput ador por lo t ant o en la
clase se debe dedicar ms t iempo a aspect os concept uales, as como a la
int erpret acin result ados y aplicacin de los concept os.
o El est udiant e t iene ms oport unidad de part icipar en la clase, de explorar y const ruir
los concept os por si mismo o con la gua del profesor
Base de dat os
Ot ro sealamient o import ant e, en cuant o a la enseanza de la est adst ica y la probabilidad,
es la ut ilizacin de dat os reales. Aut ores como Holmes ( 1 997) y Bat anero (2001) indican
que la enseanza de la est adst ica y la probabilidad no puede est ar desconect ada de la
realidad, no deben ensearse las t cnicas est adst icas sin ningn cont ext o de referencia y
aspirar que los est udiant es aprendan de memoria algunos concept os, slo dndole
oport unidad de aplicarlos en algunos problemas que les proporciona el docent e en clases.
Cuando se ensea la probabilidad desconect ada normalment e se le da una import ancia
exagerada al clculo y la manipulacin simblica, lo cual puede hacerla incomprensible a la
mayora de los alumnos, dej ando de lado un aspect o esencial como es el razonamient o e
int erpret acin de los result ados. Los est udiant es deben t ener oport unidad de ut ilizar la
probabilidad para resolver problemas que se plant een o que el docent e present e. Ello
permit ira que t omaran la decisin sobre qu dat os recoger, recogerlos, analizarlos y
present ar sus conclusiones respect o a un problema plant eado.
Tambin podran plant earse t rabaj os de invest igacin o proyect os de invest igacin que
conlleven la ut ilizacin de dat os ya recolect ados. Se podran ut ilizar dat os de los censos de
organismos gubernament ales, as como de grupos de invest igacin o personas part iculares
a los cuales t enga acceso el docent e o los est udiant es. Est os dat os pueden ser colocados en
la red o incluidos en un disco compact o de t al manera que los est udiant es los puedan
ut ilizar. Es import ant e dest acar que, en la act ualidad, la mayora de los inst it ut os de
est adst ica gubernament ales t ienen pginas Web donde publican informacin est adst ica
act ualizada sobre los principales indicadores econmicos y sociales. Las pginas Web de los
inst it ut os gubernament ales de est adst ica const it uyen una gran base de dat os para
invest igaciones est adst icas y la oport unidad para docent es y est udiant es de aplicar la
est adst ica a sit uaciones reales.
En I nt ernet se puede encont rar los llamados conj unt os de dat os, dat a set s o dat a set s and
st ories, que son conj unt os de dat os acompaados de descripciones e indicaciones para su
uso en la enseanza de la est adst ica y la probabilidad. Algunos de ellos son:
o American St at ist ical Associat ion, JSE Dat a Archive,
ht t p: / / www.amst at .org/ publicat ions/ j se/ j se_dat a_archive.ht ml
Se encuent ran conj unt os de dat os de diferent es t ipos, ut ilizables en diversas ramas
de saber, con sugerencias para su uso.
o Cornell Universit y, DASL - The Dat a and St ory Library, ht t p: / / lib.st at .cmu.edu/ DASL/
DASL ( pronunciado dazzle significa deslumbrar ) es una bibliot eca en lnea
conj unt os de dat os e hist orias de dat os que se pueden ut ilizar para ilust rar los usos
de la est adst ica y la probabilidad. Est n preparadas para ser usadas por profesores
con ej emplos del mundo real que podran ser de int ers para los est udiant es.
o St at ist ical Dat aset s ht t p: / / www.umass.edu/ st at dat a/ st at dat a/
Universidad Nacional Abierta 159
Es ot ra pgina con conj unt os de dat os de int eresant es, ofrece diversas
clasificaciones de los dat os.
o PI SA I nt ernat ional Dat abase, ht t p: / / www.pisa.oecd.org/
PI SA es un examen de las habilidades y conocimient o de los est udiant es que se
realiza al final de la educacin obligat oria en Europa. Aunque no est pensado como
un conj unt o de dat os para la enseanza de la est adst ica es una int eresant e fuent e
de dat os.
o I nt ernat ional Dat a Base (I DB) , www.census.gov/ ipc/ www/ idbnew.ht ml.
Cont iene dat os socio econmico y demogrfico de ms de 200 pases, act ualizadas
permanent ement e.
No se encont raron pginas con conj unt os de dat os especialment e preparados para la
enseanza de la est adst ica en espaol, sin embargo los inst it ut os gubernament ales de
est adst ica de cada pas ofrecen informacin que puede ser ut ilizada en los cursos de
est adst ica.
Los dat os reales pueden hacer ms at ract ivo los problemas apara los est udiant es, adems
de brindar un cont ext o, lo cual permit e j uzgar mej or la informacin encont rada. Por
ej emplo, en I nt ernet es posible encont rar dat os para plant ear un problema como el
siguient e:
La epidemiologa del cncer mamas t iene gran relevancia por t rat arse de una
pat ologa que ocupa la t ercera posicin en incidencia mundial. En Venezuela, el
cncer ocup el segundo lugar en causa de muert es, siendo el de mamas y de
cuello ut erino los ms frecuent es en la muj er. La probabilidad de que una muj er
venezolana, ent re 40 y 50 aos sin ant ecedent es familiares en el primer grado de
consanguinidad diagnost icados con cncer mamario y sin snt omas, t enga cncer de
mamas es 9,9%. Si una muj er t iene cncer de mamas y se realiza una mamografa
analgica se t iene una probabilidad de 90% de que de posit iva. No obst ant e el
23% de las muj eres sanas t ienen un result ado falso posit ivo en la mamografa
analgica. Cul es la probabilidad de que la muj er en realidad t enga cncer de
mamas?
5
Segurament e para un est udiant e de ciencias de la salud, resolver un problema como el
ant erior ser mucho ms at ract ivo que resolver uno donde se ext raen bolas de colores de
una bolsa.
Act ividad 11.4
Resuelva el problema del cncer de mamas. Cmo podra usar la t ecnologa
pare resolver el problema?
Es import ant e dest acar que l a t ecnologa no sust it uye al docent e de mat emt icas en el aula,
es l quien decide cul t ecnologa usar, cmo y cundo ut ilizarla. Cuando se usa t ecnologa
se cambia la forma de ensear y de aprender, part icipando siempre el docent e de forma
act iva en el proceso. Al usar comput adoras o calculadoras se pude t rabaj ar en clases con
mayor cant idad de dat os y con ello los alumnos t ienen la oport unidad de razonar
5
El problema original es de Eddy ( 1982) . Se ha act ualizado con dat os de la Sociedad Ant icancerosa de Venezuela.
Didctica del lgebra y la Probabilidad
caract erst icas ms generales, como cambios en los parmet ros, y pueden elaborar modelos
y resolver problemas complej os. El docent e t iene ms t iempo para invert ir en la verdadera
mat emt ica, no en la realizacin de clculos o la manipulacin simblica. Adems, al
ut ilizar calculadoras o comput adores en el aula, el docent e t iene la oport unidad de observar
la forma de t rabaj ar de sus est udiant es, valorar el t ipo de pregunt as que realizan, observar
formas de razonamient o que difcilment e lograra en la enseanza t radicional. La t ecnologa
es un apoyo en la evaluacin, ya que el docent e puede valorar el proceso seguido por los
est udiant es en su t rabaj o mat emt ico, apreciando element os dist int os del simple result ado
obt enido. La t ecnologa puede ayudar a los docent es a vincular el desarrollo de habilidades
y procedimient os con un desarrollo ms apropiado de la comprensin mat emt ica.
Referencias
Bat anero, C. ( 2001) . Aleat oriedad, modelizacin, simulacin. Present ado en la X Jornadas
sobre el Aprendizaj e y la Enseanza de las Mat emt icas, Zaragoza. Disponible en:
ht t p: / / www.ugr.es/ local/ ~ bat anero
Daz, M. T., Arnaldos, F., Faura, U., Molera, L. y Parra, I . ( 2004) Docencia en Est adst ica con
Microsoft Excel: Probabilidad. Ponencia present ada en XI I Jornadas de ASEPUMA
Eddy, D. M. ( 1982) . Probabilist ic reasoning in clinical medicine: Problems and opport unit ies.
En D. Kahneman, P. Slovic y Tversky ( Eds.) , Judgment under uncert aint y: Heurist ics
and biases. New York: Cambridge Universit y Press
Finzer, W., Erickson, T., y Binker, J. ( 2005) . Fat hom Dynamic St at ist ics Soft ware. Est ados
Unidos: Key Curriculum.
161
Aut o- Evaluacin 11
1. I ndique como usara una hoj a de clculo para la solucin del dilema de Mont y.
2. En la direccin elect rnica
ht t p: / / www- st at .st anford.edu/ %7Esusan/ surprise/ Birt hday.ht ml
encont rar el Random Birt hday Applet . Est e applet genera fechas de cumpleaos al azar
para t odos los das del ao y dest aca las coincidencias. Examine el applet , conozca
como funciona. Luego: ( a) coloque el generador en 50 cumpleaos y hgalo funcionar.
Anot e el nmero de cumpleaos coincident es. Repit a el procedimient o 10 veces. En
promedio cunt as personas t ienen el mismo da de cumpleaos cuando se encuent re en
un grupo de 50 personas?
3. Const ruya una sit uacin que involucre el clculo de probabilidades o la dist ribucin de
probabilidad con dat os reales encont rados en organismos gubernament ales venezolanos.
4. Visit e las siguient es direcciones
ht t p: / / www.dim.uchile.cl/ ~ mkiwi/ ma34a/ libro/ chapt er4/ Tree/ Tree.ht ml
ht t p: / / yudkowsky.net / bayes/ view.ht ml
ht t p: / / www.st at .sc.edu/ ~ west / applet s/ bayesdemo.ht ml
Puede usar alguno de los applet que aparecen all para dar solucin al problema de
cncer de mamas present ado ant eriorment e? Cmo lo usara?
162
Unidad 6
Obj et ivo 6:
Disear unidades didcticas de Probabilidad.
163
Leccin 12
Desarrollo del razonamient o pr obabilst ico
Est a leccin est dedicada a present ar de manera general las ideas bsicas para la
elaboracin de unidades didct icas con miras a ayudar a desarrollar el razonamient o
probabilst ico. Diferent es aut ores han sealado la import ancia que t iene par a un ciudadano
act ual desarrollar su razonamient o probabilst ico para ej ercer a plenit ud su ciudadana. La
variedad de informacin probabilst ica a la cual est expuest o el ciudadano cada da es slo
un indicador de la necesidad del razonamient o probabilst ico, que le permit a comprender
t oda esa informacin. Es por ello que las sociedades han incorporado cont enidos de
est adst ica y probabilidad en la educacin formal. En Venezuela, se incorporaron cont enidos
de probabilidad desde la Educacin Bsica en l a dcada de los ochent a, reconociendo la
necesidad de formar el razonamient o probabilst ico. Asimismo, organizaciones
int ernacionales de la educacin mat emt ica, como el Nat ional Council of Teachers of
Mat hemat ics, han dest acado la import ancia del razonamient o probabilst ico.
En est a leccin se present an algunas de las recomendaciones, product o de diversas
invest igaciones, que se deben considerar en la enseanza de la probabilidad y el diseo de
unidades didct icas para desarrollar el razonamient o probabil st ico.
La enseanza de la probabilidad
Durant e mucho t iempo los invest igadores en enseanza de la probabilidad han afirmado que
ensear el t ema no es suficient e para superar las concepciones errneas y las int uiciones
previas que present an los est udiant es. del Mas ( 1988, cit ado por Garfield y del Mass,
1991) , afirma que la enseanza t radicional no slo es insuficient e sino que incluso podra
t ener efect os negat ivos sobre la comprensin de la probabilidad por part e de los
est udiant es. Respect o a la ya est udiada heurst ica de la represent at ividad, Cardeoso
( 2001, cit ado por Serrad, Cardeoso y Azcrat e 2005) seala que la enseanza reafirma
est a creencia y no elimina los sesgos asociados a ella. Son varios los est udios que se han
realizado t rat ando de superar las concepciones errneas de los est udiant es, por ej emplo,
Konold ( 1989) describe un int ent o por influir las concepciones errneas ut ilizando la
modelacin con apoyo de la comput adora. l indica que algunos est udiant es cambiaban su
int erpret acin de las t areas de probabilidad luego de la enseanza, mient ras que ot ros
est udiant es persist an en mant ener int erpret aciones no normat ivas de las t areas, ut ilizando
part icularment e en enfoque en el result ado.
del Mas (1989, cit ados por Garfield y del Mass, 1991) , desarrollaron un programa
comput arizado de t ipo t ut orial que llamaron Lanzamient o de Monedas, para analizar los
efect os de una experiencia basada en comput adoras sobre las concepciones erradas en la
probabilidad. Ellos t rabaj aron con est udiant es universit arios con escasos conocimient os de
est adst ica para est udiar los concept os de variabilidad en las muest ras, efect o del t amao
de la muest ra sobre la variabilidad, independencia y azar. Luego del t rabaj o con el
programa, algunos est udiant es most raron cambios posit ivos en su pensamient o
probabilst ico. Sin embargo, un gran nmero de est udiant es persist a en sus concepciones
errneas sobre la dimensin de la muest ra y la variacin de la misma.
Rubin et al. (1988, cit ados por Shaughnessy, 1992) inf orman sobre la ut ilizacin de los
programas de est udio de est adst ica basados en las innovaciones de la comput acin en un
164 Didctica del lgebra Lineal y la Probabilidad
proyect o sobre razonamient o baj o incert idumbre. Est os invest igadores t rabaj aron con
profesores y hallaron que el conocimient o previo de los profesores sobre est adst ica y
probabilidad no est necesariament e est ruct urado para facilit ar el razonamient o ms all de
las simples frmulas. En ot ra aplicacin, t ant o el profesor como los est udiant es ent endieron
mal t odo el significado y las implicaciones del azar en un experiment o.
Lecout re y Fischbein ( 1998) t rabaj aron con est udiant es de primer ao de universidad y
encont raron una baj a presencia del sesgo de concept os errneos sobre secuencias
aleat orias (28%) . Sin embargo, hallaron una t asa considerable sobre la presencia de los
sesgos: disponibilidad ( 69%) insensibilidad al t amao de la muest ra (70%) y
equiprobabilidad ( 87%) . En el t rabaj o no se aclara si los est udiant es t enan est udios en
probabilidad. Cuando est os aut ores consideran la evolucin, de acuerdo a la edad de los
sesgos al evaluar sit uaciones de probabilidad, indican que el problema es muy complej o.
Algunas frecuencias de respuest as sesgadas disminuyen con la edad, mient ras que ot ras
aument an.
Salcedo ( 2002) encont r una alt a presencia de los sesgos de enfoque en el result ado
aislado, disponibilidad, insensibilidad al t amao de la muest ra, concept os errneos sobre
secuencias aleat orias y equiprobabilidad en est udiant es venezolanos con dist int os niveles de
formacin acadmica. Se t rabaj o con una muest ra incident al de est udiant es de educacin
bsica, media y superior, a los cuales se les aplic el mismo inst rument o donde se les
solicit int erpret ar enunciados de probabilidad y argument ar las respuest as dadas. Los
est udiant es de bsica ya haban culminado el 9no grado, y los de media t ambin haban
culminado esa et apa; por lo que en ambos casos se supone que est udiaron los concept os
bsicos de probabilidad previst os en los programas. Los est udiant es de educacin superior
ya haban cursado las asignat uras de est adst ica y probabilidad previst as en su carrera. Los
result ados indican que mient ras mayor es el nivel de formacin acadmica, mayor es el
porcent aj e de respuest as normat ivas y la argument acin correct a de la respuest a ofrecidas.
Sin embargo, los porcent aj es de respuest a normat iva y/ o argument acin correct a, son
baj os en casi t odos los grupos y para t odos sesgos est udiados.
Konold ( 1995) indica que mucho ant es de su acercamient o formal a la probabilidad, los
est udiant es han est ado expuest os a innumerables sit uaciones que implicaban incert idumbre.
Ellos aprendieron a ut ilizar palabras t ales como probable, al azar, suert e, oport unidad,
posibilidad en su lenguaj e ordinario. Usan esas palabras como sinnimos, aunque pueden
variar de mat iz segn el cont ext o donde lo apliquen. Los est udiant es t ienen una
comprensin coherent e del t ema que les permit e ut ilizar con propiedad esas palabras en los
diferent es cont ext os de su vida diaria. Ese conocimient o del t ema act a como un
inhibidor cuando el suj et o se encuent ra en el ambient e escolar est udiando probabilidad. Es
lo que Brousseau ( 1983) denomina un obst culo.
Para Brousseau el obst culo es una concepcin que ha sido ut ilizada con xit o al resolver
algn t ipo de problema pero que no es eficient e cuando se aplica a ot ros. Por lo t ant o un
obst culo es un conocimient o. Brousseau ( 1983) describe t res t ipos de obst culos: ( a) el
ont ognico o psicogent ico. Debidos al nivel de desarrollo de nio. Un nio menor de 7
aos probablement e no est a en capacidad de comprender la probabilidad condicional. ( b) el
didct ico. Son el result ado de una enseanza inadecuada de un concept o en part icular.
Comenzar la int roduccin de la probabilidad a nios de 2do grado mediant e formalismo en
lugar de mediant e experiment os aleat orios con element os concret os, puede dificult ar la
compresin del t ema t rat ado, no slo en ese grado sino en los grados subsiguient es.
Tambin puede ser el caso de la enseanza de la probabilidad en los primeros grados
exclusivament e a part ir de event os equiprobables. Est o puede dar una idea inadecuada al
nio de la probabilidad. ( c) el epist emolgico. Son los int rnsecos al concept o mismo. Es el
caso de la probabilidad que t ienen dist int os significados (clsica, subj et iva, frecuencial y
axiomt ica) y dist int as formas de expresarse ( decimales, fracciones y porcent aj es) . Un
Universidad Nacional Abierta 165
anlisis hist rico puede indicar que est e t ipo de obst culo debe ser considerado como part e
del significado del concept o, por lo que su ident ificacin se hace necesaria para la
const ruccin de una concepcin relevant e.
El est udiant e t iene ciert o conocimient o sobre la probabilidad y lo ut iliza para generar
respuest as con xit o en un ciert o cont ext o. Cuando ut iliza ese conocimient o en un cont ext o
o sit uacin dist int a puede producir respuest as incorrect as. Los obst culos son errores
reproducibles, persist ent es e int erconect ados por una fuent e comn que ha sido exit oso en
t odo un dominio de acciones. Est o hace que el est udiant e se resist a a esa cont radiccin que
se produce al aplicar su conocimient o y no lograr respuest as correct as. l no est
conscient e del obst culo por lo que no t rat a de lograr un nuevo conocimient o. Slo cuando
el est udiant e est conscient e del obst culo es que busca generar un cambio, adquirir un
conocimient o ms amplio, aunque est o no impide que event ualment e siga manifest ando el
conocimient o ant erior.
Est a idea de Brousseau sobre el obst culo y su evolucin se asemej a a la de las int uiciones
de Fischbein. Como se indic ant es, las int uiciones primarias de Fischbein (1984) son las
ideas y creencias que se t ienen ant es del proceso de enseanza. Mient ras que las
int uiciones secundarias son creencias cognoscit ivas reest ruct uradas como result ado de la
enseanza o de la experiencia dent ro de una ciert a comunidad. Con est o no pierden sus
primeras int uiciones, sino ms bien const ruyen ot ra int uicin adecuada al nuevo cont ext o.
Es posible ent onces que en algn cont ext o que considere adecuada vuelva a recurrir a la
int uicin primaria en lugar de la secundaria. Para Fischbein las int uiciones primarias pueden
inducir a errores y promover concepciones errneas, est o es semej ant e a lo que indica
Brousseau respect o a los obst culos.
Tambin se encuent ran similit udes ent re las heurst icas de Tversky y Kahneman
( represent at ividad y disponibilidad) y las int uiciones de Fischbein. Tant o las heurst icas
como las int uiciones son creencias que provienen de la perspect iva de aquellos que las
ut ilizan, y ambas moldean la realidad ext erna. Al igual que las int uiciones, las heurst icas
t ambin en ocasiones ayudan a resolver algunas sit uaciones, pero en ot ras obst aculizan, se
pueden const it uir en rmoras de un nuevo aprendizaj e. Por ot ra part e, las int uiciones
aparecen en una mayor gama de cont ext os cient ficos que las est ocst icas, y las heurst icas
son est rat egias de proceso ms que represent aciones personales de la realidad cient fica.
Part e del int ers de la Educacin Mat emt ica es explicar por qu el est udiant e incurre en
errores al real izar ciert os t rabaj os o al responder ciert as pregunt as. De acuerdo con
Brousseau las causas de esos errores no slo son de t ipo cognit ivo, sino t ambin pueden ser
de t ipo epist emolgico y didct ico. Por lo t ant o un primer paso es ident ificar las causas del
error, para poder ayudar al est udiant e a superarlo.
Al respect o Konold ( 1995) cree que la act ividad desplegada en el aula no les da oport unidad
a los est udiant es para verificar la ausencia de validez de algunas de sus int uiciones sobre
probabilidad. De all que el xit o del profesor depende, en part e, de cmo se t rat en las
nociones de probabilidad que a l le gust ara que el est udiant e adquiriera en relacin con las
que ellos t raen al saln de clases. Para ello Konold cree que es necesario que el prof esor
est imule a los est udiant es para que examinen si sus creencias:
1. coinciden con las creencias de ot ros.
2. son coherent es con sus propias creencias sobre ot ras cosas relacionadas.
3. se confirman con la evidencia emprica.
De acuerdo con t odo lo ant erior es necesario ayudar a los est udiant es a superar sus
concepciones errneas sobre la probabilidad. Los programas de mat emt icas de Educacin
Bsica y Media Diversificada y Profesional venezolana recogen part e de las sugerencias
166 Didctica del lgebra Lineal y la Probabilidad
met odolgicas que present a la lit erat ura especializada para realizar una enseanza de la
probabilidad acorde con las caract erst icas de los nios y ayudarlos as a combat ir los sesgos
que posiblement e t raiga a la escuela.
Act ividad 12.1
1. Reflexione sobre los plant eamient os de seccin ant erior. Resuma con sus
palabras los problemas que se plant ean en cuant o a la enseanza de la
probabilidad. Argument e sobre su ut ilidad para la enseanza.
Cmo ayudar a superar las concepciones errneas
Shaughnessy ( 1977, cit ado por Shaughnessy 1992) inf orma de un curso donde int ent
analizar los efect os de la inst ruccin sobre el uso de la heurst ica de j uicio por part e de
est udiant es universit arios con pocos conocimient os de est adst ica y probabilidad. El curso
t uvo una duracin de 12 semanas y fue de carct er int ensivo, ya que se reunan cinco das
a la semana durant e una hora. El conocimient o de probabilidad de los est udiant es y el uso
de la heurst ica fueron evaluados mediant e respuest as escrit as y con ent revist as grabadas
ant es y despus de la enseanza. Se ut ilizaron t areas similares a las de Kahneman y
Tversky para evaluar la dependencia de la heurst ica de j uicio y los est udiant es eran
incent ivados a formular verbalment e o por escrit o el razonamient o de sus respuest as. Al
final del curso, se encont raron diferencias significat ivas ent re los dos grupos cont rol y los
dos experiment ales, adems de hallar una dependencia mucho menor de la heurst ica en los
grupos experiment ales.
Al reflexionar sobre los result ados del curso Shaughnessy seala:
1. El curso experiment al era muy int ensivo y los est udiant es realizaban muchos
experiment os y simulaciones mient ras que t rabaj aban en pequeos grupos.
2. Se pudo observar y regist rar los cambios en sus concepciones. Se t iene el regist ro del
da en que se dieron cuent a de que al lanzar 6 monedas realment e hay 64 result ados .
As como del da que lanzaron t achuelas y se dieron cuent a de que no t odos los
experiment os de probabilidad t enan result ados igualment e posibles, y as
sucesivament e.
3. Los est udiant es regist r aban a diario t odos los experiment os hechos en clase y los
problemas resuelt os en casa, agregando coment arios personales sobre cmo se sent an
o qu haban aprendido. El grupo est aba t ot alment e inmerso en las act ividades del
curso.
4. Aunque el curso fue sumament e exit oso, al considerar las concepciones errneas de la
probabilidad y la est adst ica t odava se encont raron algunos est udiant es que no
cambiaron sus respuest as o creencias sobre esas t areas de j uicio. Est o podra indicar
que es muy difcil reemplazar un concept o errneo con una concepcin normat iva. El
cambio de creencias y concepciones parece ser muy lent o.
5. La mayor part e del xit o en la superacin de las concepciones errneas parecen
at ribuibles al modelo de enseanza ut ilizado para la realizacin de las act ividades. Los
est udiant es primero adivinaron los result ados del experiment o, luego t uvieron que llevar
a cabo una t area est ruct urada, recopilando y organizando sus dat os. Despus
respondieron a las pregunt as, basados nicament e en sus dat os, post eriorment e
compararon sus result ados experiment ales con las int uiciones iniciales. Las
concepciones errneas fueron confront adas de manera explcit a con la evidencia
experiment al. Finalment e, se const ruy un modelo de probabilidad t erica que pudiera
explicar los dat os experiment ales que haban recopilado. Post eriorment e, compararon
las t res piezas de informacin: sus int uiciones iniciales, los result ados empricos
Universidad Nacional Abierta 167
experiment ales y los result ados predichos por el modelo. A t ravs de t odo est e proceso,
los est udiant es fueron const ant ement e colocados en la posicin de t ener que reconciliar
la disonancia ent re sus concepciones errneas de probabilidad y sus observaciones
empricas.
Ya Glayman y Vargas ( 1975) haban recomendado una secuencia de enseanza parecida a
la ut ilizada por Shaughnessy. Ellos recomiendan un proceso de enseanza en t res et apas:
la experiment acin, razonamient o element al y medida de la probabilidad con ciert as
caract erst icas, no sin ant es aclarar que dicho proceso puede ser bast ant e complicado, ya
que los alumnos de nivel superior t ienen muchos vicios, resist encia al cambio, pero se t iene
que insist ir con t rabaj o en equipo, mot ivacin, et c. para encont rar nuevos comport amient os
y aprendizaj es en los alumnos de nivel superior. La experiment acin t iene como propsit o
la familiarizacin del est udiant e con los experiment os aleat orios, manipulando dist int os t ipos
de mat eriales ( dados. monedas, bolas en urnas, et c. ) . Cada experiencia se debe repet ir
muchas veces para que t rat en de adi vinar el result ado y para que capt en las propiedades
inherent es a los fenmenos aleat orios. En la segunda et apa se proponen j uegos que
permit an comparar algunas propiedades de ciert os sucesos, y deducir ciert as leyes o
t eoremas. En la t ercera part e se pr opone el uso de fracciones, proporciones, surgidas de
frecuencias de las mediciones, como medidas de probabilidad. En est a recomendacin de
Glayman y Vargas no se incluye el paso previo que sugiere Shaughnessy, la prediccin de
los posibles result ados del experiment o aleat orio. Est e aspect o es fundament al si de lo que
se t rat a es de superar las concepciones errneas, ya que es lo que va generar el
cuest ionamient o en el est udiant e, su prediccin cont ra los result ados obt enidos.
Del Mass y Bart ( 1987) , rat ifican que cuando los est udiant es se vieran obligados a regist rar
sus predicciones, y luego a compararlas con los result ados experiment ales reales, se ven
obligados a confront ar sus concepciones errneas. Est o los ayudara a superar sesgos
causados por l a aplicacin impropia de heurst icas. Est os invest igadores t rabaj aron con
grupos donde la enseanza se hizo de la forma ant es sealada ( grupo experiment al) y ot ros
cursos con met odologa t radicional ( grupo cont rol) . El grupo experiment al most r un
marcado increment o en el uso de una explicacin normat iva frecuent ist a, mient ras que los
est udiant es del grupo cont rol reduj o not ablement e est e t ipo de explicaciones. Est os
result ados parecen indicar que al forzar a los est udiant es a comparar explcit ament e sus
predicciones con result ados empricos, los ayuda a emplear el modelo frecuent ist a que se
les est enseando. Pero t ambin sugieren que los est udiant es a quienes no se les da esa
posibilidad t erminarn dependiendo incluso ms de las heurst icas, luego del proceso de
enseanza que ant es del mismo.
En un est udio con nios de 3er grado Jones et al (1999) evaluaron el pensamient o
probabilst ico de los est udiant es en relacin con la enseanza de la probabilidad. Ellos
t rabaj aron con un programa de inst ruccin basado en la invest igacin de t areas, que incluye
la descripcin del pensamient o est adst ico de los est udiant es. La evidencia cualit at iva indica
que los est udiant es superaron sus concepciones errneas sobre espacio muest ral, aplicando
razonamient o part e t odo y part e part e y usando lenguaj e invent ado para describir
probabilidades.
Kazak y Confrey ( 2006) present an un est udio que examina los concept os de probabilidad y
dist ribuciones de probabilidad con nios de cuart o grado, a t ravs de una secuencia de
t areas. Esas t areas incluyen diversas sit uaciones aleat orias que los est udiant es exploran
con una serie de mecanismos fsicos y la probabilidad puede ser modelada por una
dist ribucin de probabilidad binomial. El anlisis de los result ados indica que los est udiant es
t ienen una compresin espont nea de las dist ribuciones de probabilidad en diversos
ent ornos. Los aut ores consideran que el est udio sugiere que los est udiant es t ienen
concepciones informales sobre t emas de est ocst ica que se podran desarroll ar en forma
ms pot ent es a t ravs de una secuencia de t areas, que si se piensa en probabilidad y
168 Didctica del lgebra Lineal y la Probabilidad
est adst ica en forma separada. Por ot ra part e, la ut ilizacin de simulaciones para modelar
un fenmeno nat ural de una dist ribucin de probabilidad binomial , donde los est udiant es
pueden aprovechar sus experiencias ant eriores, es un gran apoyo para que los nios
comprendan concept os import ant es relacionados con la dist ribucin de probabilidad y en
procesos de t oma de decisiones.
Garfield ( 1992) present a un recuent o de las act ividades de clases que de acuerdo a las
invest igaciones ayudan a los est udiant es, t ant o de educacin bsica como de superior, a
aprender los aspect os fundament ales de la probabilidad:
1. El t rabaj o de los alumnos en pequeos grupos parece ayudar a los est udiant es a
superar algunos concept os errneos de probabilidad.
2. El cont rast e de las creencias de los est udiant es con result ados experiment ales. Las
ideas de los est udiant es sobre la probabilidad mej oran pidindoles que hagan
predicciones ant es de recoger dat os de experiment os aleat orios. Sus predicciones
originales se comparan con los result ados experiment ales.
3. El uso de simulaciones por medio de comput adoras parece llevar a los est udiant es
para dar respuest as correct as a una variedad de problemas de probabilidad.
4. El uso de soft ware que permit a a los est udiant es visualizar y act uar recprocament e
sobre los dat os parece mej orar la comprensin de fenmenos del azar.
Daz Godino et al, ( 1987) t ambin present an una serie de recomendaciones para superar los
errores que sobre la probabilidad puedan t ener los est udiant es:
1. Present ar la probabilidad de forma experiment al.
2. Sensibilizar a los est udiant es hacia el uso incorrect o de la probabilidad en la vida
diaria.
3. Dar oport unidad a los alumnos para resolver problemas que requieran la recogida o
simulacin de sus propios dat os para la t oma de decisiones.
4. Llevar a cabo invest igaciones clnicas con sus propios alumnos para descubrir sus
procesos de razonamient o sobre problemas de probabilidad.
Sin embargo, hay que t ener present e que las concepciones errneas de algunos est udiant es
son ms difciles de superar y cambiar que las de ot ros. En est a t area el docent e sin duda
represent a un papel primordial, y quizs sea necesario invest igar t ant o en las concepciones
errneas sobre probabilidad, de los est udiant es como del profesor. Con est e t rabaj o
esperamos hacer un aport e examinando la posible presencia de sesgos en est udiant es.
Act ividad 12.2
1. Solicit e permiso a un profesor de est adst ica o probabilidad de un inst it ut o de
educacin superior para asist ir a las clases de probabilidad. Observe el mayor
nmero de clases posibles, que le permit an cubrir al menos un t ema de
probabilidad complet o. Observe y haga anot aciones sobre el desarrollo de las
clases que le permit a hacer luego una descripcin desde su inicio hast a el final.
2. Analice la descripcin realizada sobre las clases de probabilidad del profesor
que observ con los plant eamient os realizados en est a leccin sobre cmo
ayudar a superar las concepciones errneas. De acuerdo esa comparacin,
las act ividades realizadas en las clases de ese profesor ayudan a superar las
concepciones errneas?
Universidad Nacional Abierta 169
Desarrollar el razonamient o probabilst ico
Ant e sit uaciones de incert idumbre, azarosas, de falt a de informacin confiable, cuando no
se puede saber con exact it ud lo que puede ocurrir, el ser humano recurre al razonamient o
probabilst ico. Son muchas y variadas las sit uaciones de la vida cot idiana de cualquier
ciudadano que pueden ser de esa nat uraleza, por ej emplo, decidir si t omar una va u ot ra
para ir a nuest ra casa manej ando t iene que ver con la bsqueda de una va ms expedit a y
la incert idumbre si se conseguir gran volumen de vehculos. Ant e esa sit uacin el chofer
evala rpidament e sus opciones y t oma una decisin. Cunt as veces ha ocurrido que la
va selecciona es la ms congest ionada? Esa era una de las posibilidades. Las personas
t ambin recurren al pensamient o probabilst ico cuando evalan los pronst icos de lluvia,
cuando leen los result ados de una encuest a en un diario, cuando posponen una int ervencin
quirrgica o cuando deciden comprar un bien ant e el peligro de la inflacin.
El razonamient o probabilst ico debe apoyarse en concept os y procedimient os de la t eora de
la probabilidad, la est adst ica inferencial y en la combinat oria. En las lecciones 8 y 9 se han
est udiado algunas de las dificult ades, que se han invest igado, al confront ar informacin
probabilst ica. Como se recordar, no siempre se hace uso de esos concept os y
procedimient os sino que se recurre a heurst icas y formas de pensamient os que provocan
sesgos en la int erpret acin de la informacin probabilst ica o errores en la t oma de
decisiones.
Tambin se ha discut ido que eso errores no son exclusivament e por la falt a de formacin en
probabilidades, personas con alt a t ambin incurren en ese t ipo de errores ( ver por ej emplo,
Kahneman, Slovic, y Tversky, 1982) , por lo que se relaciona ms con la forma de
enseanza y de los fines que se persiguen. No se t rat a de ensear el clculo de
probabilidad en mismo, sino de desarrollar el razonamient o probabilst ico para que enfrent e
con prest ancia sit uaciones que involucre el azar, la ausencia de pat rones y mej orar sus
int uiciones.
El razonamient o probabilst ico debe permit ir encont rar soluciones a sit uaciones
problemt icas que involucren incert idumbre y t oma de decisiones con informacin que
conlleve variabilidad. El abordaj e de est os problemas generalment e conlleva la exploracin
y la invest igacin mediant e la ut ilizacin o const ruccin de modelos, as como el apoyo en
los dat os disponibles, la simulacin de experiment os y el anlisis de posibilidades. Ent onces
para logar desarrollar el razonamient o probabilst ico, el est udiant e debe confront ar
sit uaciones en clases como la que podra encont rar como ciudadano comn y como
profesional.
El razonamient o probabilst ico requiere de una base o encult uracin bsica la cual se puede
relacionar con el est udio de las diferent es definiciones de probabilidad: clsica, frecuent ist a,
subj et iva, geomt rica, axiomt ica. Todas ellas ayudan a proporcionar una mej or
compresin del concept o. No obst ant e, el razonamient o probabilst ico involucra algo ms,
se t rat a de la habilidad de las personas para int erpret ar y evaluar crt icament e argument os
probabilst icos, as como su habilidad de discut ir comunicar su opinin respect o esos
argument os. Eso involucra aspect os como las int erpret aciones que se hacen a part ir de
conj unt os de dat os, de las represent aciones grficas, la informacin cuant it at iva. Para ello
es necesario combinar aspect os concept uales y procedimient os como incert idumbre,
aleat oriedad, muest reo, combinat oria, est adst ica; con ideas como de dat os y probabilidad,
para lograr hacer inferencias e int erpret ar los result ados.
Para lograr est o es muy import ant e est udiar sit uaciones reales donde la incert idumbre y la
variabilidad est e present e. Realizar experiment aciones para generar sus propios dat os
ayuda a los est udiant es a comprender fenmenos aleat orios y la variabilidad present es
ent re sus result ados, as como la ausencia de pat rones. Adems, como indica Shaughnessy
permit e a los est udiant es confront ar los result ados con sus int uiciones, ayudndolos a
170 Didctica del lgebra Lineal y la Probabilidad
descart ar el uso de la heurst ica de j uicio. La realizacin de experiment os aleat orios es
fundament al para que los est udiant es exploren concept os, comprendan mej or el vnculo
ent re probabilidad experiment al y probabilidad t erica y desarrollen int uiciones
adecuadament e sobre ideas import ant es de probabilidad. Por ot ra part e las simulaciones
permit en conj ugar experiment os aleat orios y simular su realizacin en condiciones que los
est udiant es puedan recolect ar dat os.
Act ualment e se cuent a con un apoyo muy int eresant e en la t ecnologa cuando t rat a de
desarrollar el razonamient o est adst ico. Tal como se seal ant es, en I nt ernet se
encuent ran gran cant idad dat os y bases de dat os reales que pueden ut ilizarse en unidades
didct icas que busquen el desarrollo del razonamient o aleat orio. Con programas como las
hoj as de clculo se pueden simular experiment os aleat orios y procesar los dat os generados
mediant e la simulacin. Los programas de procesamient o de dat os aut omat izan los
clculos, perdiendo import ancia la necesidad de aprender frmulas y procedimient os
mat emt icos para realizar clculos. Por lo cual se puede dedicar ms t iempo al desarrollo
de habilidades como desarrollo int erpret ar, analizar y ut ilizar informacin probabilst ica
publicada en medios de comunicacin, as como de los result ados product o de los dist int os
programas de anlisis de dat os. Asimismo en I nt ernet es posible encont rar simulaciones ya
programadas o applet , los cuales pueden ser ut ilizados en clases como apoyo de la
enseanza. De all que la t ecnologa sea un element o a considerar al moment o de const ruir
unidades didct icas para desarrol lar el razonamient o probabilst ico.
La est adst ica es un apoyo por dems int eresant e y fundament al. Un acercamient o a la
probabilidad mediant e experiment os y simul aciones de fenmenos aleat orios conlleva la
ut ilizacin del enfoque frecuent ist a y en consecuencia el apoyo de la est adst ica. Cmo
evaluar si un dado es j ust o sin recurrir a la est adst ica? El regist ro de los diferent es
result ados y la evaluacin de las frecuencias relat ivas (manej ndolas como probabilidades)
ayudan a j uzgar si el dado es j ust o o no. El anlisis est adst ico de dat os product o de
experiment os aleat orios son la base para la const ruccin de un modelo probabilst ico que
permit a explicar los dat os experiment ales recolect ados. La modelacin se hace mediant e
procesos mat emt icos que relacionan la t eora de las probabilidades con la est adst ica.
El manej o y anlisis de dat os se inseparable del razonamient o probabilst ico. El regist ro y
anlisis de result ados product o de la experiment acin o las simulaciones ayudan a los
est udiant es a dist inguir ent re sucesos det erminst icos y aleat orios, a reconocer los posibles
result ados, realizar cont eo sist emt ico del nmero de combinaciones posibles, diferenciar
result ados igualment e probables de los que no son, refinar las mediciones de la probabilidad
con nmeros ent re 0 y 1. Para t odo ello la est adst ica es un apoyo fundament al.
De Guzmn ( 1993) dest aca la import ancia de la est adst ica y la probabilidad como
component es de nuest ra cult ura y su necesaria presencia en la const ruccin de un bagaj e
cult ural bsico del ciudadano comn de nuest ra sociedad. La enseanza act ual es muy
cuest ionada en cuant o su efect ividad para ayudar a superar problemas bsicos de
compresin de la probabilidad y su pert inencia para el desarrollo del razonamient o
probabilst ico. De all la necesidad de int roducir cambios en la enseanza de la probabilidad.
Act ividad 12.3
1. Consiga al menos un programa de una asignat ura de est adst ica y probabilidad
o probabilidad de una carrera cualquiera de educacin superior. Revselo con
det enimient o las dist int as part es que conforman el programa. De acuerdo con
su opinin, el nfasis del programa se encuent ra en el desarrollo del
razonamient o probabilst ico? Argument e su respuest a.
2. De acuerdo con algunos aut ores, un profesional universit ario de no especialist a
en est adst ica o probabilidad (carreras dist int as a est adst ica y mat emt icas,
Universidad Nacional Abierta 171
por ej emplo) , necesit an desarrollar su razonamient o probabilst ico para
comprender e int erpret ar las sit uaciones de probabilidad. Est a ust ed de
acuerdo con est e plant eamient o? Argument e su respuest a.
Referencias
Brousseau, G (1983) . Les obst acles epist mologuiques et les problmes en mat hmat iques.
Recherches en Didact iques des Mat hemat iques, 4( 2) , 164 198.
Kahneman, D., Slovic, P. y Tversky, A. ( Eds.) ( 1982) , Judgment under uncert aint y:
Heurist ics and biases ( pp. 117-128) . Cambridge, UK: Cambridge Universit y Press.
delMas, R. C. y Bart , W. M. ( 1987) , The Role of an Evaluat ion Exercise in t he Resolut ion of
Misconcept ion of Probabilit y, ponencia present ada en Annual meet ing of t he American
Educat ional Research Associat ion.
Garfield, J. B. ( 1992) . How St udent s Learn St at ist ics. Disponible: ht t p: / /
www.dart mout h.edu/ ~ chance/ t eaching_aids/ books_art icles/ isi/ isi.ht ml
Garfield, J. B. y Del Mass, R. (1991) . St udent s concept ions of probabilit y. En D. Vere- Jones
( Ed) : Proceedings of t he Third I nt ernat ional Conference on Teaching St at ist ics, ( pp.
340- 349) . Voorburg: I SI .
Gil Prez, D y de Guzmn Ozmiz, M. ( 1993) Enseanza de las Ciencias y de las
Mat emt icas. Tendencias e innovaciones. Madrid: I bercima
Glayman, M y Varga, T. (1975) . Las probabilidades en la escuela. Barcelona: Teide.
Godino, J. D., Bat anero, C., Caizares, M. J. (1987) . Azar y probabilidad. Madrid: Snt esis.
Jones, G., Langrall, C., Thornt on, Carol y Mogill T. ( 1999) . St udent s Probabilist ic Thinkibg
in I nst ruct ion. Journal forResearch in Mat hemat ics Educat ion. 30 (5) 487 519
Kazak y Confrey, J. ( 2006) . Element ary school st udent s? I nformal and int uit ive concept ions
of probabilit y and dist ribut ion. En A. Rossman y B. Chance (Eds.) , Proceedings of
I COTS- 7. Salvador (Bahia) : I nt ernat ional Associat ion for St at ist ical Educat ion. CD
ROM.
Konold, C. ( 1995) . I ssues in assessing concept ual underst anding in probabilit y an st at ist i cs.
Journal of St at ist ics Educat ion. [ Revist a en lnea] , 2 (1)
Lecout re, M. P. y Fischbein, E. ( 1998) . volut ion avec lge de misconcept ions dans les
int uit ions probabilist es en France et en I sral. Recherches en Didact ique des
Mat hmat iques, 18(3) , 311 332.
Salcedo, A. ( 2002) . Sesgos en la int erpret acin de la probabilidad en diferent es niveles de
formacin acadmica. Trabaj o de Grado para opt ar al Grado de Magst er en
Educacin. No publicado.
Serrad, A., Cardeoso, J. y Azcrat e, P. (2005) . Los Obst culos en el Aprendizaj e del
Conocimient o Probabilst ico: Su incidencia desde los Libros de Text o. St at ist ics
Educat ion Research Journal, 4( 2) , 59-81, Disponible en:
ht t p: / / www.st at .auckland.ac.nz/ ~ iase/ serj / SERJ4( 2)_serrado_et al.pdf.
Shaughnessy, J. M. ( 1992) . Research in probabilit y and st at ist ics: reflect ions and direct ions.
En D.A Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning
( pp. 315 426) . New York: McMillan.
172
Aut o- Evaluacin 12
1. Por qu algunos invest igadores consideran que ensear probabilidad de forma
t radicional no es suficient e para superar las concepciones errneas y las int uiciones
previas que present an los est udiant es? Argument e su respuest a
2. Cules son los principales problemas que sealan las invest igaciones sobre la
enseanza de la probabilidad?
3. Revise nuevament e el apart ado de est a leccin t it ulado Cmo ayudar a superar las
concepciones errneas, especficament e la experiencia de Shaughnessy. Considera que
habra que est ablecer diferencias en el modelo de enseanza ut ilizado por est e aut or al
aplicarlo en cursos de est udiant es con poca formacin mat emt ica ( psicologa y
ant ropologa, por ej emplo) y los de fuert e formacin mat emt ica (mat emt ica y
est adst ica, por ej emplo) ? Argument e su respuest a.
4. Es fact ible la ut ilizacin el modelo de enseanza ut ilizado por Shaughnessy en el marco
de la enseanza presencial de la educacin superior venezolana? Y en la educacin a
dist ancia? Argument e su respuest a.
5. Cules son los principales plant eamient os que sealan las invest igaciones para ayudar
a los est udiant es a superar las concepciones errneas sobre la probabilidad?
173
Leccin 13
Diseo de una unidad didct ica
En el curso de Didct ica del Clculo ( 761) est udi algunos crit erios para la el aboracin
unidades didct icas. Eso crit erios los aplic en la primera part e de est e curso para la
elaboracin de una unidad didct ica en Algebra Lineal. En est a leccin ust ed debe ut ilizar
esos crit erios para disear una nueva unidad didct ica, est a vez sobre probabilidad.
Previo al diseo en si, en la leccin se le present a dos apart ados que hemos t it ulado:
Simulacin y Probabilidad y Medicina. En el caso de Simulacin, la redaccin es dirigida a
un docent e, por lo que para ut ilizarla con sus est udiant es probablement e deber hacer
aj ust es. En el caso de Probabilidad y Medicina, la redaccin se hizo pensando que pueda ser
ut ilizado direct ament e con los est udiant es. Ambas cont ienen act ividades de aprendizaj e
para la probabilidad. Revselas con cuidad y reali ce las act ividades plant eadas.
Simulacin
En la enseanza de la probabilidad, las simulaciones son un recurso int eresant e para que los
est udiant es confront en sus cr eencias con result ados reales. Un experiment o aleat orio
sencillo, como el lanzamient o de una moneda ayuda a simular ot ro experiment o aleat orio
como lo es observar el sexo de los recin nacidos de un hospit al. Con ello se logra una
correspondencia ent re dos experiment os aleat orios y sus result ados, de t al manera que uno
de los experiment os simula al ot ro, se logra informacin del experiment o aleat orio de
int ers a part ir de ot ro experiment o ( en est e caso el lanzamient o de la moneda) . Se
ut ilizar ese apoyo para discut ir con los est udiant es la sit uacin de Tversky y Kahneman
( 1974)
Un Problema inicial
En un ciert o pueblo hay dos hospit ales. El hospit al A es el ms grande y nacen
aproximadament e 50 bebs por da. El hospit al B es ms pequeo y nacen
aproximadament e 10 bebs al da. Se sabe que aproximadament e el 50% de los
bebs son nios. En un da cualquiera, en cul hospit al es ms probable que se
regist re un 80% o ms de recin nacidos nias?
a) El hospit al ms grande
b) El hospit al ms pequeo
c) Es igualment e probable en ambos hospit ales
Plant ee la pregunt a a los est udiant es. Solicit e que regist ren sus respuest as y sus
argument os.
Necesidad de los dat os
Se les plant ea a los est udiant es ut ilizar la moneda para simular los result ados de los
nacimient os. Es convenient e discut ir con los est udiant es por qu es adecuado ut ilizar el
lanzamient o de la moneda para simular los result ados de nacimient os en un hospit al en un
da dado. Por ej emplo, cada lanzamient o simular un nacimient o, la cara indicar el
nacimient o de una nia, mient ras que si sale sello se considera que naci un nio. Cada
174 Didctica del lgebra Lineal y la Probabilidad
est udiant e debe producir sus propios dat os y los report an en cuadrculas como las
siguient es:
Hospit al A
Hospit al B
Proponga a los est udiant es recolect ar i nformacin para evaluar nuest ras int uiciones
respect o al problema. En la primera cuadricula deben anot ar los result ados de los
nacimient os ocurridos en el hospit al A. En la segunda los del hospit al B. Recordarles que
es import ant e hacer t odos los lanzamient os para simular t odos los nacimient os.
Luego de que los est udiant es realicen el experiment o aleat orio, solicit e a los est udiant es que
calculen el porcent aj e de nias nacido en cada hospit al, de acuerdo con sus result ados.
Pdales que cont rast e su respuest a inicial con la informacin lograda por cada uno de ellos.
Qu creen ahora?
Resumir los dat os
Plant ee la discusin sobre cmo se puede saber cul es la respuest a adecuada, si cada uno
t iene un result ado dist int o. Permit a que los est udiant es present es sus opiniones sobre
cmo resolver la sit uacin. Ensaye algunas de las alt ernat ivas present adas por lo
est udiant es y discut a su pert inencia para dar solucin al problema. Formule pregunt as
como: Cmo se podran organizar y resumir los dat os para ayudar a responder la
pregunt a?
Si no es propuest o por lo est udiant es, present e ust ed la alt ernat iva de regist rar el
porcent aj e de nacimient os nias en ambos hospit ales, ut ilizando los dat os recolect ados por
t odos. Est o permit ir ver la sit uacin muchas veces en lugar de una en part icular como lo
t ienen cada uno. Recurdeles que la pregunt a es en cul hospit al es ms probable que se
regist re un 80% o ms de nacimient os de nias en un da cualquiera, por lo t ant o no se
puede considerar un da; que es lo que t iene cada uno de ellos. Ut ilice las t ablas como las
siguient es para recolect ar la informacin:
Tabla 1. Porcent aj e de recin nacidos nias en hospit al A
Porcent aj e
Frecuencia
absolut a
Frecuencia
relat iva
Universidad Nacional Abierta 175
Tot al
Tabla 2. Porcent aj e de recin nacidos nias en hospit al B
Porcent aj e
Frecuencia
absolut a
Frecuencia
relat iva
Tot al
Analizar los dat os
Solicit e que analicen cada t abla. Puede plant ear pregunt as como: Cul es el menor
porcent aj e que se logr en cada hospit al? Cul es el mayor? Pensaban que esos
result ados se podran lograr? Cul es el porcent aj e menos probable? Y el ms probable?
Plant ee la pregunt a nuevament e, de acuerdo con la informacin recolect ada en cul
hospit al es ms probable que se regist re un 80% o ms de recin nacidos nias?
Tambin pondra realizar una comparacin ut ilizando un grfico de t allo y hoj a doble,
ut ilizando la siguient e t abla:
Comparacin del Porcent aj e de recin nacidos nias en ambos hospit ales
Hospit al A Porcent aj e Hospit al B
Solicit e a los est udiant es cont rast ar sus respuest as con la evidencia lograda, qu creen
ahora?
176 Didctica del lgebra Lineal y la Probabilidad
Pregunt e a los est udiant es por qu se dice que el 50% de los bebs son nios? Anime l a
discusin. Solicit e la part icipacin de t odos para complet ar las siguient es t ablas con los
result ados logrados por la clase complet a.
Tabla 3. Recin nacidos nias en hospit al A
Nacimient os
Frecuencia
de nias
Frecuencia
relat iva de
nias
Porcent aj e
de nias
10
20
30
40
50
60
70
Tabla 4. Recin nacidos nias en hospit al B
Nacimient os
Frecuencia
de nias
Frecuencia
relat iva de
nias
Porcent aj e
de nias
50
100
150
200
250
300
350
Ut ilice un programa de graficacin o una hoj a de clculo ( por ej emplo, Excel) para elaborar
un grfico de punt os con el nmero de nacimient os ( x) y el porcent aj e de recin nacidos
nias de cada hospit al. Solicit e a los est udiant es analizar las grficas. Discut a con los
est udiant es lo que reflej a la grfica.
Act ividad 13.1
1. Cules concept os de probabilidad se encuent ra involucrados en est as
act ividades?
2. Cules son los conocimient os que consideran debe t ener los est udiant es para
Universidad Nacional Abierta 177
poder desarrollar con xit o est a act ividad? Reflexiones sobre las posibles
dificult ades y errores que pueden t ener los est udiant es en la realizar una
act ividad como la descrit a. Argument e su respuest a.
3. De acuerdo con los programas act uales de la educacin venezolana, en
cules niveles se podra llevar a cabo una act ividad como la present ada? Hay
una carrera de la Educacin Superior donde podra llevar a cabo esa act ividad?
Cules son las condiciones necesarias para realizarla? Argument e su
respuest a.
Probabilidad y Medicina
6
Aunque algunos los duden, la medicina t iene un component e import ant e de probabilidad.
Los mdicos se manej an en sit uaciones de incert idumbre y t oman decisiones sobre la base
de la informacin recolect ada para hacer sus diagnst icos. En el proceso de diagnst ico
int ervienen la hist oria clnica del pacient e, examen fsico y las pruebas complement arias.
Luego de las dos primeras et apas del proceso, el mdico puede t ener una o varias hipt esis
diagnst icas, es all donde int ervienen las pruebas compl ement arias, para ayudar a aclarar
las dudas del mdico en cuant o al posible mal que aquej a a su pacient e. Aunque las
t cnicas han mej orado a t ravs del t iempo, est as pruebas no son perfect as; en ocasiones
producen result ados errneos.
El caso ms sencill o que se puede plant ear es el de una prueba dicot mica, que clasifica a
cada pacient e como enfermo o sano en funcin de que el result ado de la prueba
complement aria sea negat ivo o posit ivo. Puede ser que una prueba indique posit ivo en una
persona sana, es lo que se denomina un falso posit ivo. Tambin puede ocurrir lo cont rario,
que la prueba indique negat ivo cuando la persona est enferma, el llamado falso negat ivo.
A cont inuacin se realiza un anlisis sencillo de un caso los result ados de pruebas
complement arias como apoyo al diagnst ico mdico y con ello t rabaj ar algunos aspect os de
la probabilidad.
Cncer prost t ico
Suponga que un grupo de 100 pacient es con sospecha de cncer prost t ico acudieron a
una consult a de Urologa, durant e un periodo de t iempo det erminado. De acuerdo al
prot ocolo, se recogieron los result ados del t act o rect al realizado a cada uno de est os
pacient es, calificndolo de normal o anormal . Est os result ados se cont rast aron con los
result ados post eriores logrados mediant e la biopsia prost t ica. Los result ados se muest ran
en la Tabla 1.
Result ado de la biopsia prost t ica
Result ado del t act o rect al
Posit ivo
( Cncer)
Negat ivo
( Pat ologa Benigna)
Tot al
Anormal 23 6 29
Normal 8 63 71
Tot al 31 69 100
Tabla 1: Result ados de la exploracin y biopsia prost t ica de una muest ra de pacient es con
sospecha de cncer de prst at a
6
Act ividad basada en Test ing Test ing de la serie St at ist i cs I n Your World del Schools Council Pr oyect o n
St at ist ical Educat ion.
178 Didctica del lgebra Lineal y la Probabilidad
Ut ilice el cuadro para cont est ar las siguient es pregunt as:
a) Cunt os pacient es result aron con prst at a anormal ?
b) Cunt os de los 100 pacient es result aron posit ivos?
c) Cunt os pacient es con prst at a anormal arroj aron result ados posit ivos?
d) Cunt os pacient es prst at a normal arroj aron result ados negat ivos?
e) Cunt os pacient es con prst at a anormal arroj aron result ados negat ivos?
f) Cunt os pacient es prst at a normal arroj ar on result ados posit ivos?
g) Cunt os t ipos de errores es posible comet er?
h) Es posible confiar en el diagnost ico del t act o rect al?
i) Si la prueba ms confiable es la biopsia prost t ica, Por qu cree que no se
recurre a ella direct ament e?
Buscando nuevas evidencias
A cont inuacin se buscaran nuevas evidencias que permit an t omar decisiones. Para ello
se generaran 100 nuevas pruebas, sobre la base de una simulacin. Suponga lo siguient e:
o El 30% de los pacient es que asist en a la consult a de urologa t iene una pr st at a
anormal.
o El 80% de los pacient es con prst at a anormal arroj an result ados posit ivos.
o El 10% de los pacient es sanos arroj an, incorrect ament e, result ados posit ivos.
Para la simulacin necesit ar la t abla de nmeros aleat orios que se encuent ra en los
anexos. Como son nmeros de dos dgit os y baj o las premisas ant eriores, se colocan las
siguient es condiciones:
o Si el primer dgit o del par seleccionado es 0, 1 o 3, el pacient e t iene una prst at a
anormal.
o Si el pacient e est enfermo y el segundo dgit o es 0, 1, 2, 3, 4, 5, 6, 7, ent onces los
result ados son posit ivos.
o Si el pacient e est sano y el segundo dgit o es 0, ent onces l reacciona
posit ivament e.
Con est as reglas, ext raiga una muest ra de 100 pacient es, apoyndose en la t abla de
nmeros aleat orios y complet e la t abla 2. Para ello se selecciona al azar un nmero de la
t abla. Evalu el nmero seleccionado de acuerdo con las reglas ant eriores y regist re el
result ado. Se cont ina leyendo pares de dgit os, movindose librement e en la t abla, hast a
complet ar los 100 casos.
Result ado de la biopsia prost t ica
Result ado del t act o rect al
Posit ivo
( Cncer)
Negat ivo
( Pat ologa Benigna)
Tot al
Anormal
Normal
Tot al 100
Universidad Nacional Abierta 179
Tabla 2: Result ados de la simulacin
exploracin y biopsia prost t ica de una
muest ra de 100 pacient es
Tambin puede generar los nmeros aleat orios con el apoyo la funcin Random ( Ran) de
una calculadora o con la funcin RAND( ) de una hoj a de clculo como Excel.
Ut ilice los result ados obt enidos para responder las siguient es pregunt as:
a) Cunt os pacient es result aron con prst at a anormal ?
b) Cunt os de los 100 pacient es arroj aron result ados posit ivos?
c) Cunt os pacient es result aron falsos negat ivos ( pacient es con cncer y prst at a
normal) ?
d) Cunt os pacient es result aron falsos posit ivos ( pacient es sano con prst at a
anormal) ?
e) Cmo comparar est os result ados con los de la t abla 1?
Proporcin
Todos desean que la prueba del t act o arroj e result ados perfect os, no es as, por lo que se
debe est ar preparado para result ados desleal . No import an cuant os ensayos se realicen,
10, 100 o 1 000, siempre est present e la posibilidad del error. Lo import ant e es la
proporcin de errores.
De acuerdo con la t abla 1 la proporcin de personas con prst at a anormal y result ado de
biopsia posit ivo es
100
23
.
Use la Tabla 1 para encont rar La proporcin de pacient es con
prst at a:
a) normal t ienen result ados de biopsia posit ivos.
b) anormal t ienen result ados de biopsia negat ivos.
Responda las siguient es pregunt as:
c) De los 29 pacient es con prst at a anormal, cunt os ha dado un result ado
negat ivo? Qu porcent aj e represent an? Qu porcent aj e de los pacient es con
prst at a anormal dio arroj aron result ados posit ivo?
d) De los 71 pacient es con prst at a normal, cunt os ha dado un result ado posit ivo?
Qu porcent aj e represent an? Qu porcent aj e de los pacient es con prst at a
normal dio arroj aron result ados negat ivos?
Responda las pregunt as ant eriores ut ilizando los result ados de la t abla 2.
Diagramas de rbol
Un diagrama de rbol es una represent acin grf ica que ayuda a visualizar event os que
const a de k pasos, donde cada uno de ellos pasos t iene un nmero finit o de maneras de
ocurrir. Son muy t iles para represent ar experiment os aleat orios y calcular probabilidades.
Ut ilice la informacin de la t abla 1 para complet ar el siguient e diagrama de rbol.
180 Didctica del lgebra Lineal y la Probabilidad
Observa los nmeros de la rama superior del rbol. Se t iene
100
29
y
29
23
. Cul es el
result ado del product o de est os dos nmeros? Se encuent ra esa proporcin en el rbol?
Dnde? Se cumple esa relacin para las ot ras ramas del rbol?
Realiza un diagrama de rbol para represent ar los result ados obt enidos con la simulacin
( t abla 2) .
Universidad Nacional Abierta 181
En est e diagrama se cumplen las mismas relaciones encont radas en el diagrama de
rbol realizado a part ir de la t abla 1?
Est imando probabilidades
Si los result ados de experiencias similares son recogidos un gran nmero de veces, las
proporciones obt enidas t ender a la probabilidad de ocurrencia del event o considerado.
Renase en grupos de 5 personas y complet e la t abla 3 sobre la base de los result ados
logrados en las t ablas 2 de cada uno de los miembros del equipo
7
.
Result ado de la biopsia prost t ica
Result ado del t act o rect al
Posit ivo
( Cncer)
Negat ivo
( Pat ologa Benigna)
Tot al
Anormal
Normal
Tot al 200
Tabla 3. Est imacin de probabilidades
Sobre la base de la t abla 3 discut an en equipo sobre las siguient es pregunt as:
a) Cul es la probabilidad de que cualquier pacient e con prst at a normal present e
result ados de biopsia posit ivos?
b) Si se sabe que un pacient e t iene una prst at a normal, Cul es la probabilidad de
que present e result ados de biopsia posit ivos?
c) Si se sabe que un pacient e t iene una prst at a normal, Cul es la probabilidad de
que present e result ados de biopsia negat ivos?
d) Si se sabe que un pacient e t iene una prst at a anormal, Cul es la probabilidad
de que present e result ados de biopsia posit ivos?
e) Cul es la probabilidad de que un pacient e t enga prst at a anormal y present e
result ados de biopsia posit ivos?
f) Hay alguna diferencia ent re las dos lt imas pregunt as? Explique su respuest a.
Decisiones
Se puede lograr una mej or est imacin de la probabilidad de ocurrencia de un event o si se
rene una mayor cant idad de informacin sobre la ocurrencia o no de ese event o. Rena la
informacin de t odos los grupos que se const it uyeron en el saln de clases para complet ar
la t abla 4.
Result ado de la biopsia prost t ica
Result ado del t act o rect al
Posit ivo
( Cncer)
Negat ivo
( Pat ologa Benigna)
Tot al
Anormal
Normal
7
Si est t rabaj ando en f orma individual, puede complet ar la t abla 3 sobre la base de los result ados logrados en las
t ablas 1 y 2.
182 Didctica del lgebra Lineal y la Probabilidad
Tot al
Tabla 4: Est imacin de probabilidades
Responda nuevament e las pregunt as formuladas para la t abla 3. Discut a con sus
compaeros de equipo y de clases las respuest as encont radas.
De acuerdo con los result ados encont rados, si una persona t iene una prst at a anormal,
ust ed le recomendara que se realizara una biopsia? Tiene sent ido la prueba del t act o?
Es recomendable ut ilizar de una vez la biopsia? Discut a y compare sus respuest as con
ot ros miembros de la clase y t rat en de llegar a un acuerdo sobre las pregunt as plant eadas.
Recuerde basarse en los result ados logrados. Escriban sus conclusiones.
VI H
El VI H ( acrnimo de virus de inmunodeficiencia humana) es el agent e infeccioso
det erminant e del sndrome de inmunodeficiencia adquirida ( SI DA) . Para el diagnst ico del
VI H se emplean t est s que han confirmado t ener una alt a validez, con valores aproximados a
un 99%. Es un mt odo rpido y de relat ivo baj o precio, pero no es complet ament e fiable.
Si una persona t iene el virus, hay un 99% de posibilidades que el t et s muest re result ados
posit ivos. Si una persona no t iene el virus, hay un 10% de probabilidad de que el t est de
posit ivo. Las personas que muest ran dan posit ivo en el t est , se les solicit a realizarse ot ro
examen ms confiable pero de un cost o muy superior. En la act ualidad aproximadament e
de 2 de cada 1000 personas t ienen el virus de inmunodeficiencia humana.
Sobre la base de la informacin ant erior, complet e el diagrama de rbol.
Suponga que se han examinado 100 000 personas. Escriba en su diagrama de rbol el
nmero esperado de personas en cada una de las r amas. Con los result ados encont rados
complet e la siguient e t abla.
Universidad Nacional Abierta 183
Verdadero diagnost ico
Result ado del t est VI H + VI H Tot al
Posit ivo
Negat ivo
Tot al 100 000
Tabla 4
Use la t abla ant erior para responder las siguient es pregunt as.
a) Cunt as personas dieron un result ado negat ivo en el t est ? Cunt os de ellos
t ienen el virus?
b) Cunt as personas dieron un result ado posit ivo en el t est ? Cunt os de est os no
t ienen el virus?
c) Las pregunt as ant eriores present an dos errores que en los que se puede incurrir,
Cules son? Cul es el error ms grave?
d) Si ust ed fue uno de las 100 000 personas y ha t enido un result ado posit ivo en el
t est , cul es la probabilidad de que ust ed t enga el virus?
Act ividad 13.2
1. Cules concept os de probabilidad se encuent ra involucrados en est as
act ividades?
2. Cules son los conocimient os que consideran debe t ener los est udiant es
para poder desarrollar con xit o est a act ividad? Argument e su respuest a.
3. Para cul grado considera ust ed que es pert inent e una act ividad como
est a? Cules son las condiciones necesarias para realizarla? Argument e
su respuest a.
4. Est ime el t iempo que se debe invert ir en clases para desarrollar con xit o
t oda est a act ividad. Reflexiones sobre las posibles dificult ades y errores
que pueden t ener los est udiant es en la realizar una act ividad como la
descrit a.
5. De acuerdo con los programas act uales de la educacin venezolana, en
cules niveles se podra llevar a cabo una act ividad como la present ada?
Hay una carrera de la Educacin Superior donde podra llevar a cabo esa
act ividad?
Ant es de realizar cualquier unidad didct ica es convenient e revisar los programas de
est udios vigent es. En Venezuela, se encuent ran t picos de probabilidad desde los primeros
grados de Educacin Bsica hast a la mayora de las carreras de la Universidad. Revise los
programas de est udio diferent es carreras de Educacin Superior, part icularment e las que se
dict an en su regin. No import a, si la duracin de la carrera, lo import ant e es que el plan
de est udios incluya asignat uras o t emas de probabilidad. Eso programas son una referencia
import ant e para el diseo de su unidad didct ica, pero no t iene que aj ust arse a ellos, sea
creat ivo, plant ese nuevos ret os.
184 Didctica del lgebra Lineal y la Probabilidad
Tambin puede plant earse el diseo de una unidad didct ica fuera del sist ema educat ivo
venezolano. Por ej emplo, una posibilidad es una unidad didct ica para docent es en
ej ercicio, para mej orar sus conocimient os en un t pico en especfico. En un caso como
est e, probablement e deber revisar los planes de formacin que cumplen los docent es en
cuant o a probabilidad. Revise nuevament e t os crit erios para el diseo de unidad didct ica
t rabaj ados en Didct ica del Clculo.
Act ividad 13.3
1. Bosquej e el diseo de una unidad didct ica para probabilidad,
preferiblement e para una carrera de Educacin Superior. Desarrolle al
menos dos ( 2) de las act ividades de aprendizaj e que int egraran esa
unidad didct ica. No se limit e a los programas de est udios, sea creat ivo.
2. Est ubicada su unidad didct ica en un grado o ao del sist ema escolar
venezolano? Puede ser ubicada en un grado especfico? En cul?
Argument e su respuest a.
3. Consult e con profesores de ot ras asignat uras de ese grado o ao para
conocer si t picos de esas asignat uras pueden int egrase a su unidad
didct ica. Pregunt e por los obj et ivos y cont enidos de sus asignat uras que
podran incluirse. Complement e la informacin ofrecida por los profesores
con la revisin de programas y libros de esas asignat uras. Argument e su
respuest a.
Referencias
Schools Council Proyect o n St at ist ical Educat ion ( 1981) . Test ing, Test ing. Teacher s not es.
Level 4. St at ist ics in Your World. Foulsham Educat ional.
185
Aut o- Evaluacin 13
1. Revise nuevament e el apart ado de est a leccin t it ulado Simulacin. Cmo la
present ara a un grupo de est udiant es? Realice los cambios que considere pert inent e,
en cuant o a forma y fondo para que pueda ser ut ilizada en un curso de probabilidad.
2. De acuerdo con los crit erios est udiados para la elaboracin de unidades didct icas, se
puede considerar que el apart ado Simulacin es una unidad didct ica o una unidad de
aprendizaj e? Argument e su respuest a.
3. Revise nuevament e el apart ado de est a leccin t it ulado Probabilidad y Medicina.
Considera que t al como est puede ser ut ilizada por un grupo de est udiant es? De cual
carrera? Argument e su respuest a.
4. Una recomendacin frecuent e en la enseanza de la est adst ica y la probabilidad es
ubicar las sit uaciones o problemas en un cont ext o, mej or aun si es afn o cercano al
est udiant e, a sus int ereses. Cuales aj ust es o cambios realizara al apart ado
Probabilidad y Medicina para ut ilizarla con est udiant es de una carrera del rea ce
ciencias y t ecnologa? Ut ilizara de forma similar con est udiant es de carreras del rea
de las ciencias sociales? Argument e su respuest a.
5. Sobre la base de los crit erios est udiados para la elaboracin de unidades didct icas, se
puede considerar que el apart ado Probabilidad y Medicina es una unidad didct ica?
Argument e su respuest a.
6. Visit e las siguient es direcciones
ht t p: / / www.dim.uchile.cl/ ~ mkiwi/ ma34a/ libro/ chapt er4/ Tree/ Tree.ht ml
ht t p: / / yudkowsky.net / bayes/ view.ht ml
ht t p: / / www.st at .sc.edu/ ~ west / applet s/ bayesdemo.ht ml
I ndague sobre el uso que se le puede dar a cada uno de los applet que aparecen all.
I ndique cmo int egrara, al menos uno de los applet visit ados, en una unidad didct ica
para t rabaj ar la probabilidad condicional.
186
Leccin 14
Evaluar los aprendizaj es
La evaluacin es una part e int egral del proceso del aprendizaj e y la enseanza de la
Mat emt ica, pero t ambin es uno de los aspect os que con frecuencia se descuida al
moment o de planificar la enseanza. En ocasiones una buena unidad didct ica no produce
los cambios previst os por los docent es ya que se combina con una forma de evaluacin que
no se corresponde con las act ividades de la unidad. La evaluacin es uno de los aspect os
que debe evolucionar en la prct ica docent e en el aula.
Tal como sucedi en el diseo de unidades didct icas, est a leccin t oma como base los
aspect os t rabaj ados en la primera part e de est e curso respect o a la evaluacin, aplicndolos
en est a ocasin a la probabilidad; claro est cabiendo los aj ust es pert inent es.
Evaluacin de los aprendizaj es
La evaluacin debe ayudar al profesor a comprender mej or lo que los est udiant es saben,
pero t ambin lo pueden ayudar a t omar decisiones en cuant o a:
o Los mat eriales que ut iliza para la enseanza
o El proceso de enseanza en si mismo
o El programa, recogiendo de forma sist emt ica informacin sobre result ados,
currculo y docencia y buscando coherencia ent re obj et ivos, cont enidos, procesos,
enfoques y act ividades.
o La accin docent e
o La ut ilizacin de t ecnologas y mat eriales manipulables
No obst ant e, cuando hablamos de evaluacin de los aprendizaj es, el obj et ivo
fundament al de la evaluacin debe ser es obt ener informacin para mej orar el aprendizaj e
de los est udiant es. El NCTM (1993) se concibe la evaluacin como un proceso dinmico y
cont inuo de produccin de informacin sobre el progreso de los alumnos hacia los obj et ivos
de aprendizaj e. Es por ello que la at encin de est ar en lo que ocurre en el aula con la
int eraccin de docent e alumnos, alumnos alumnos, con miras a mej orar el aprendizaj e
de los alumnos y para ello es import ant e considerar la evaluacin como una part e int egral
de la accin docent e. Los est udiant es valoran aquellos aspect os de la asignat ura que
forman part e de la evaluacin y el docent e, normalment e, evala lo que valora, ent onces es
import ant e evaluar a l os est udiant es las habilidades y conocimient os fundament ales para su
vida como est udiant es y ciudadanos.
Evaluar los aprendizaj es de los est udiant es no es t area fcil, es ms bien complej a, de
all ut ilizar mlt iples t cnicas de evaluacin, incluyendo dist int os format os. Ut ilizar una
nica t cnica o inst rument o no es lo ms adecuado. En general ut ilizar diversas t cnicas e
inst rument os y seleccionarlos en base al:
o t ipo de informacin que se quiere obt ener.
o uso que se vaya a dar a la informacin.
o nivel de desarrollo y la madurez de los alumnos.
Universidad Nacional Abierta 187
Todo proceso de evaluacin debe comport ar t res fases diferenciadas:
o La recogida de la informacin.
o La definicin de los crit erios de evaluacin.
o La emisin del j uicio evaluador.
La evaluacin, como una part e ms de la accin docent e, debe ayudar al est udiant e a
aprender, no remit irse nicament e a brindar element os para la t oma de decisiones de el
est udiant e aprueba o no.
En la seleccin 7 se est udiaron algunos recursos para la evaluacin de los aprendizaj es
como part e de una unidad didct ica para la enseanza de lgebra Lineal. Esos recursos
t ambin los puede usar la evaluacin de ot ras reas de la mat emt ica incluida la
probabilidad. No obst ant e, en est adst ica y probabilidad se ha promovido un movimient o a
favor del desarrollo de recursos propios que permit an evaluar los aprendizaj es en los cursos
iniciales para no especialist as ( est uant es de carreras dist int as de est adst ica y mat emt ica) .
Uno de esos grupos es ARTI ST ( Assessment Resource Tools for I mproving St at ist ical
Thinking) . Est e grupo sugiere la ut ilizacin de t res cat egoras bsicas de clasificacin de las
pregunt as que se formulan a los est udiant es en est adst ica y probabilidad:
Alfabet izacin est adst ica o cult ura est adst ica
La alfabet izacin est adst ica implica la comprensin y el uso del lenguaj e bsico y de las
herramient as est adst icas: conocimient o de lo que significan los t rminos est adst icos,
comprensin del uso de la simbologa est adst ica, as como reconocer y ser capaz de
int erpret ar las represent aciones de dat os.
Razonamient o est adst ico
El razonamient o est adst ico es la forma como las personas razonan sobre las ideas
est adst icas y le da sent ido a la informacin est adst ica. Est o involucra aspect os como
las int erpret aciones que hacen a part ir de conj unt os de dat os, de las represent aciones
grficas, la informacin cuant it at iva. Para ello es necesario combinar aspect os
concept uales como dist ribucin, cent ro, asociacin, incert idumbre, aleat oriedad y
muest reo, con ideas como de dat os y probabilidad, para lograr hacer inferencias e
int erpret ar los result ados est adst icos.
Pensamient o Est adst ico
8
Pensamient o est adst ico implica la comprensin de por qu y cmo se llevan a cabo las
invest igaciones est adst icas. Est o incluye la comprensin y el reconocimient o de t odo el
proceso de invest igacin ( la pregunt a que da origen a la recopilacin de dat os, la
eleccin de la prueba adecuada, las hipt esis, el anlisis, et c.) , comprensin de cmo se
ut ilizan modelos para simular fenmenos aleat orios, comprender cmo se producen los
dat os para est imar las probabilidades, reconocer cmo, cundo y por qu se pueden
ut ilizar las herramient as de est adst ica inferencial, ser capaz de comprender y ut ilizar el
cont ext o de un problema para planificar y evaluar las invest igaciones, as como de
ext raer conclusiones.
Un ej emplo de pregunt a ut ilizada para evaluar la cult ura est adst ica es:
o Se recopilaron dat os de dist int as escuelas del pas con est udiant es de 7mo grado para
det erminar hast a que grado o ao llegaban en los prximos 4 aos. Con los dat os
recopilados se elabor la siguient e dist ribucin de probabilidad, donde x es el grado
8
Puede ampliar el t ema de cult ura est adst ica, razonamient o est adst ico y pensamient o est adst i co en el cur so
Didct i ca de la Est ocst i ca ( 577) de Educacin Mencin Mat emt ica.
188 Didctica del lgebra Lineal y la Probabilidad
ms alt o al cual lleg un est udiant e luego de culminar 7mo grado. aron los
est udiant es.
Escolaridad 8vo 9no 1ro 2do
Probabilidad 0,05 0,10 0,10 0,75
a) Demost rar que est a dist ribucin cumple con dos propiedades de una dist ribucin de
probabilidad
b) Hallar la probabilidad de que un est udiant e que aprueba 7mo grado seleccionado de
forma aleat oria culmine 1ro o 2do de educacin media.
c) Cul es la probabilidad de que un est udiant e que aprueba 7mo grado seleccionado
de forma aleat oria no vaya ms all 9no grado?
Algunas pregunt as que pueden ser ut ilizadas para evaluar el razonamient o est adst ica
son:
o Ust ed est planeando ir al parque con su familia maana. En la noche ve el not iciero
donde indican que hay 80% de probabilidades de lluvia el da siguient e.
a) Explique el significado de esa informacin.
b) Suspendera su salida al parque? Razone su respuest a
c) Suponga que suspende el paseo al par que y no llueve. considera que la prediccin
del not iciero fue errnea?
o Ust ed debe present ar un examen para el cual no ha t ena ninguna oport unidad para
est udiar y por esa razn decide no puede hacerlo. Al pasar por el aula donde
present an sus compaer os, el profesor lo anima a present ar y le indica que hay varios
modelos de examen, t odos de seleccin mlt iple, por lo que la posibilidad de adivinar
la respuest a correct a para cada pregunt a es de 1/ d, donde d es el nmero de
alt ernat ivas por pregunt a. Su profesor le ofrece la oport unidad de elegir ent re los
siguient es format os de examen: ( a) 6 pregunt as, cada una con 4 alt ernat ivas, se
aprueba si responde 5 o ms respuest as de forma correct a. ( b) 5 pregunt as, cada
una con 5 alt ernat ivas, se aprueba si responde 4 o ms respuest as de forma correct a.
( c) 4 pregunt as, cada una con 10 alt ernat ivas, se aprueba si responde 3 o ms
respuest as de forma correct a. Los t res modelos de examen evalan los mismos
cont enidos y est n de acuerdo a su capacidad de at raccin. Obviament e, el modelo
ms at ract ivo debe ser aquel donde ust ed t iene la mxima probabilidad de aprobar.
Cul elige y por qu?
Un ej emplo de pregunt a ut ilizada para evaluar la cult ura est adst ica es:
o Una compaa de seguros cont rat a cada ao plizas para aut omviles con
conduct ores que recient ement e aprendieron a manej ar . De acuerdo con sus clculos
el 40% de los conduct ores son de riesgo baj o, el 40% son de riesgo moderado y el
20% son de alt o riesgo. La compaa de seguros no t iene manera de saber en cul
grupo se ubica cada conduct or cuando cont rat a la pliza. De acuerdo con sus
est adst icas, ninguno de los conduct ores nuevos de baj o riesgo se ver involucrado en
accident e donde l sea responsable durant e el prximo ao. Pero el 10% de los
conduct ores de riesgo moderado y el 20% de los de alt o riesgo, se vern involucrados
en accident es donde ellos sean responsables durant e el prximo ao. Si un
conduct or es responsable de un accident e el prximo ao, cul es la probabilidad de
que sea un conduct or de alt o riesgo?
Universidad Nacional Abierta 189
Act ividad 14.1
1. Consiga uno o dos pruebas ut ilizadas para evaluar probabilidad en un curso de
educacin superior. Clasifique las pregunt as segn evalen cult ura,
razonamient o o pensamient o est adst ico. Argument e su respuest a.
2. Ut ilice la t axonoma de los obj et ivos educacionales, est udiada en la leccin 7,
para clasificar las pregunt as clasificadas en el t em ant erior. Argument e su
respuest a.
Como se expres ant es, cuando se disea una unidad didct ica es imprescindible pensar
en la evaluacin t ant o de los aprendizaj es de los est udiant es como de la propia unidad,
ent re ot ros aspect os. Para complet ar el t rabaj o iniciado en la leccin ant erior es necesario
pensar, al menos, en cmo evaluar los aprendizaj es logrados por los est udiant es que
t rabaj en con una unidad didct ica diseada para ensear probabilidad.
Act ividad 14.2
1. Considere los apart ados Simulacin y Probabilidad y Medicina, de la leccin
ant erior, que t ipo de act ividades realizara para evaluar a los est udiant es que
t rabaj en con esos apart ados. Argument e su seleccin.
2. En la leccin ant erior realiz un bosquej o de una unidad didct ica para la
enseanza de la probabilidad, indique como evaluara a los est udiant es que
t rabaj en con ese bosquej o. I ncluya pregunt as que evalen cult ura,
razonamient o y pensamient o est adst ico.
190
Aut o- Evaluacin 14
1. Considere las siguient es pregunt as:
o Suponga que un event o part icular de un experiment o aleat orio t iene probabilidad de
ocurrencia 0,02. Ent onces, la int erpret acin adecuada de esa probabilidad es:
a) Se espera que el event o nunca suceder.
b) El event o suceder dos veces en 100 ensayos.
c) El event o podra suceder o no, la probabilidad es igual para cualquier result ado.
d) Se espera que el event o suceda cerca de dos veces por cada 100 ensayos.
e) El event o podra suceder o no, pero es muy difcil que ocurra.
o En un saln se encuent ran seis personas, t res hombres y t res muj eres. Se selecciona
una persona al azar y se escoge una muj er de 41 aos. Se le formulan algunas
pregunt as a la persona seleccionada y se devuelve al saln. Si se selecciona una
segunda persona azar de ese saln, la probabilidad de que sea la misma muj er de 41
aos es:
a) 0
b)
3
1
c)
6
1
d)
2
1
e)
6
5
Clasifquelas segn la t axonoma de los obj et ivos educacionales. Argument e su
respuest a.
2. A cont inuacin aparecen algunas pregunt as sobre probabilidad, al lado de cada
alt ernat iva se encuent ra el porcent aj e de est udiant es que seleccion esa alt ernat iva.
Es posible usar la t axonoma SOLO para clasificar los result ados de esas pregunt as? Si
lo considera posible clasifquelas y argument e la clasificacin. Si su respuest a es
negat iva indique porque considera que no se puede hacer.
o Un mat rimonio planifica t ener solament e dos hij os. Cul es la probabilidad que ambos
sean de gnero masculino?
a. 1/ 3 ( 9,8%)
b. 1/ 2 ( 46,7%)
c. 1/ 4 ( 14,9%)
d. 1/ 6 ( 5,5%)
e. 1/ 5 ( 3,9%)
En blanco ( 19,1%)
Universidad Nacional Abierta 191
o Se lanza simult neament e un dado y una moneda Cul es la probabilidad de que se
obt enga un 3 en el dado y cara en la moneda?
a. 5/ 6 ( 6,3%)
b. 1/ 6 ( 20,7%)
c. 1/ 7 ( 8,7%)
d. 2/ 3 ( 24,9%)
e. 1/ 12 ( 19,7%)
En blanco ( 19,7%)
3. Revise la t axonoma de los obj et ivos educacionales y las definiciones de cult ura,
razonamient o y pensamient o est adst ico. Compare ambas clasificaciones. Seale
semej anzas y diferencias. Argument e su respuest a.
192 Didctica del lgebra Lineal y la Probabilidad
Anexo
Tabla de Nmeros Aleatorios
77 04 01 09 73 89 84 35 77 76 12 39 43 64 97 40 83 99 18 26 00 23 93 86 64 21 93
39 00 29 43 44 23 01 92 63 88 89 61 91 67 90 04 22 34 19 93 69 21 19 54 22 57 34
63 78 56 92 64 87 82 73 33 53 25 36 40 91 19 52 36 40 91 19 85 70 52 65 29 15 96
52 67 36 19 67 84 34 55 97 37 92 30 27 26 71 04 71 78 38 15 80 62 34 15 07 51 41
58 21 59 06 07 57 57 99 40 43 47 18 03 62 91 41 60 90 45 13 25 97 27 21 06 67 12
24 65 06 55 72 04 87 31 29 39 56 29 93 95 65 90 95 99 87 46 99 50 22 15 92 33 21
66 36 07 93 49 20 02 59 48 54 35 73 34 68 72 44 28 87 44 81 10 91 74 06 38 02 59
09 77 10 52 52 52 65 29 15 82 81 23 56 99 82 21 01 62 81 98 52 47 72 59 62 22 07
14 56 32 69 71 27 29 74 87 24 79 42 66 10 50 75 47 87 08 26 62 67 12 19 68 34 28
35 84 64 56 47 54 11 22 93 84 75 65 06 91 47 47 67 25 97 25 32 54 11 80 14 51 42
08 35 58 94 06 04 02 41 56 90 12 38 09 87 20 22 20 30 72 51 10 17 75 70 97 26 43
39 84 92 69 36 47 42 09 72 28 20 63 90 67 24 56 54 27 12 89 49 89 23 35 50 90 86
16 20 61 32 75 91 50 16 53 51 83 14 30 93 83 74 59 31 70 81 55 47 82 47 52 10 16
54 35 42 49 55 57 13 50 70 03 72 39 48 67 94 73 37 67 13 39 37 21 93 54 92 73 09
66 29 74 71 55 60 88 08 10 62 08 10 55 28 51 86 52 75 00 14 04 95 29 28 67 85 59
59 00 51 60 44 72 59 53 94 22 10 74 38 54 43 43 45 29 91 74 00 24 00 46 69 91 81
43 45 29 91 74 43 58 08 72 99 89 09 38 66 75 45 49 00 47 42 65 49 30 11 61 54 88
75 47 88 59 25 21 04 61 07 14 40 73 42 68 67 25 68 76 98 45 68 32 41 98 04 49 98
28 80 46 57 74 80 62 57 51 32 33 42 06 56 17 81 94 25 05 63 35 60 74 94 29 84 94
58 62 21 99 86 58 90 78 87 05 96 57 38 14 37 35 05 51 87 25 36 67 47 47 03 16 69
87 71 56 03 65 03 11 69 23 98 78 64 52 19 04 99 04 73 90 48 37 80 42 50 20 09 57
41 21 95 96 34 83 03 16 31 72 11 50 65 47 58 80 68 92 79 82 41 58 11 42 62 40 66
77 93 27 40 49 08 05 83 42 49 80 95 99 46 24 51 85 74 13 83 52 05 67 68 22 94 80
81 27 96 24 42 13 33 55 25 65 91 39 43 36 83 32 40 32 48 71 76 43 82 17 11 15 55
93 44 83 25 03 62 06 48 98 74 38 18 76 63 58 44 87 58 91 26 60 69 56 87 43 72 87
30 36 31 16 12 35 75 25 20 31 83 50 84 83 34 07 37 45 09 73 74 91 20 66 07 62 81
18 87 76 43 56 63 19 65 36 86 14 47 86 86 30 97 48 08 80 49 40 58 26 21 96 98 14
32 70 17 68 75 98 52 05 67 68 22 94 80 18 05 90 28 45 40 52 43 89 32 54 85 23 87
66 60 69 56 87 43 72 87 76 43 40 66 08 77 50 43 70 91 86 54 87 38 11 47 76 85 83
32 60 71 47 28 06 21 63 63 16 25 32 21 35 62 47 20 42 08 87 89 52 11 56 57 58 67
30 25 71 25 27 20 69 11 38 51 41 67 45 95 22 35 55 75 36 20 42 45 57 52 07 84 44
84 64 38 27 68 61 01 90 31 58 18 77 70 79 15 29 55 10 20 18 65 20 56 64 01 46 39