Beruflich Dokumente
Kultur Dokumente
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Serie DIDCTICA DE LAS MATEMTICAS
Gobernacin de Antioquia
Secretara de Educacin para la Cultura de Antioquia
Universidad de Antioquia, Facultad de Educacin
Mdulo 5
Pensamiento Aleatorio y
Sistemas de Datos
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Mdulo 5
Pensamiento Aleatorio y Sistemas de Datos
ISBN: 978-958-9172-86-5
Tiraje: 3.100 ejemplares
Gobernacin de Antioquia.
Secretara de Educacin para la Cultura de Antioquia
Direccin de Fomento a la Educacin con Calidad.
www.seduca.gov.co
Email: pcalidad@seduca.gov.co
Anbal Gaviria Correa
Gobernador de Antioquia
Autores
COMIT ACADMICO
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Agradecimientos
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Contenido
Presentacin.......................................................................................................................................... 11
Introduccin
La estadstica en la escuela...................................................................................................................... 13
Unidad No.1
HACIA EL PENSAMIENTO ALEATORIO ........................................................................... 19
1. Hacia el pensamiento aleatorio......................................................................................................... 19
1.1. Muestreo...................................................................................................................................... 21
1.2. Los datos...................................................................................................................................... 23
1.3. Sobre la probabilidad.................................................................................................................. 23
2. Organizacin de datos....................................................................................................................... 27
2.1. Conteo y anlisis de datos......................................................................................................... 28
2.2. Situacin N 1 datos y conteo................................................................................................... 30
2.2.1. Datos sin agrupar, conceptos bsicos............................................................................ 30
Unidad No.2
DESDE LOS CONCEPTOS Y LOS PROCESOS . ............................................................... 59
2.1. Las medidas de posicin y variabilidad................................................................................... 59
2.1.1. Comprensin de las medidas de tendencia central...................................................... 59
2.2. Relacin entre Media, Mediana y Moda................................................................................... 69
2.3. Medidas de posicin (orden)..................................................................................................... 69
2.3.1. Cuartiles............................................................................................................................. 69
2.3.2. Desviacin Intercuartil..................................................................................................... 71
2.3.3. Deciles................................................................................................................................ 71
2.3.4. Percentiles.......................................................................................................................... 71
2.3.5. Clculos para datos sin agrupar...................................................................................... 71
2.3.6. Clculos para datos agrupados....................................................................................... 73
2.4. Medidas de dispersin (variabilidad)....................................................................................... 74
2.4.1. El rango o recorrido........................................................................................................... 75
2.4.2. Varianza.............................................................................................................................. 75
2.4.3. La desviacin estndar (S o )......................................................................................... 76
2.4.4. Coeficiente de variacin................................................................................................... 79
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Unidad No.3
EL AZAR Y LA PROBABILIDAD........................................................................................... 99
3.1. Un poco de historia................................................................................................................... 101
3.2. Algunos tpicos sobre aleatoriedad modelacin y probabilidad......................................... 103
3.2.1. Experiencia aleatoria...................................................................................................... 103
3.2.2. Experiencia aleatoria compuesta.................................................................................. 104
3.2.3. Modelos............................................................................................................................ 104
3.2.4. Probabilidad..................................................................................................................... 105
10
Presentacin
En ste documento se abordan algunas ideas que tienen que ver con el proceso de recoleccin
de datos, su representacin e interpretacin, as como el estudio del concepto de probabili-
dad. Se ofrece una propuesta bajo la cual Deben ser tratados en la escuela, entendindolos
como procedimientos que requieren de la reflexin permanente, dada su presencia tanto en
situaciones de la vida cotidiana como de las ciencias, y por tanto, entre otras ideas, obligado
a los docentes a indagar por:
Desde esta perspectiva, y reconociendo la poca produccin acadmica que en el pas se ha desa-
rrollado en torno a la estadstica educativa, queremos resaltar el trabajo mancomunado entre la
secretara de educacin para la cultura de Antioquia y la Facultad de Educacin de la Universidad
de Antioquia, por medio del diploma, para dar la oportunidad a que el docente formador, JOS
WILDE CISNEROS, materialice sus reflexiones, investigaciones y larga experiencia como profesor
de estadstica, a travs de este mdulo: PENSAMIENTO ALEATORIO Y SISTEMAS DE DATOS.
11
Mdulo
5 Pensamiento aleatorio y sistemas de datos
12
Introduccin
La estadstica es una ciencia muy antigua que inicialmente fue utilizada por diferentes civiliza-
ciones como una herramienta para los censos de poblaciones, conteo de bienes y produccin. En
un segundo momento, se utilizaron tcnicas ms sofisticadas a partir de la necesidad sentida
de dar estructura matemtica a los datos recolectados. De esta forma las sociedades se han
beneficiado de dichos avances y a la vez se sentaron las bases de lo que hoy se conoce como
estadstica, la cual actualmente es una ciencia en constante desarrollo.
La recopilacin de datos que hacan los babilonios (3000 a. C), sobre la produccin agrcola y
los artculos vendidos o cambiados mediante trueque, podra considerarse como estadsticos,
y fueron encontrados en tablillas, con inscripciones cuneiformes. Tambin los egipcios, (ao
3100 a. C), ya llevaban las cuentas del crecimiento poblacional y los faraones recopilaban gran
cantidad de datos sobre la riqueza del pas, las familias, los soldados, las casas y la profesiones.
Esto fue de gran ayuda para el proyecto de construccin de las pirmides. Adems para el siglo
VI a. C, los egipcios tenan la obligacin de declarar, cada ao, su profesin y sus fuentes de
ingreso, siendo castigados con pena de muerte si no lo hacan.
Son muchos los datos que histricamente dan cuenta del uso de la estadstica en diferentes
pases y culturas, incluso en la Biblia se hace referencia al recuento de los israelitas que tenan
la edad para prestar el servicio militar, adems, y segn el Evangelio, lo que motiv a Jos y
Mara a viajar a Beln fue precisamente un censo. Pero la institucionalizacin de los censos
se le atribuye a los romanos (siglo IV a. C), tal vez porque fue el Imperio romano el primero en
recopilar una gran cantidad de informacin relacionada con la superficie, la renta y todos los
territorios que tena bajo su control.
Los recuentos que se hacan en Grecia (310 a. C) tenan que ver con la cantidad de soldados
y de esclavos. Calculaban los impuestos, determinaban los derechos de voto. As, grandes
hombres como Scrates, Herodoto y Aristteles destacaron la importancia de la estadstica
para el Estado.
En el continente americano, podra decirse que los quipos fueron la muestra y evidencia
de sus recuentos, pues los incas desarrollaron un sistema de estadstica muy perfeccionado,
hacan recuentos sobre la economa y la demografa. Los quipos eran unas cuerdas con nu-
dos que utilizaban para llevar sus cuentas, y les permita recordar los resultados en la tabla
de contar.
A pesar de lo expuesto anteriormente con relacin al uso de la estadstica, sta slo muy recien-
temente ha adquirido la categora de ciencia. A partir del s XI aproximadamente, empiezan a
aparecer las primeras obras de estadstica, especialmente descriptiva, destacndose las obras
de Jean Bodin en Francia (1530 1595), en la cual se explica la importancia de los censos; la
de Graunt (Londres 1620 1674) sobre la poblacin londinense, a ste ltimo se le considera
13
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Uno de los ms grandes avances en estadstica, se dio en el siglo XVII, cuando los bancos y
las compaas de seguros empezaron a utilizar los datos estadsticos, adems a tratar mate-
mticamente la demografa, la economa y muchos aspectos de las ciencias sociales. Fue en
Alemania donde comenz a tomar ms fuerza esta disciplina orientada a la descripcin de los
bienes del Estado, gozando de una sistematizacin y respondiendo a principios doctrinales.
Simultneamente en Francia, se desarroll la escuela probabilstica, la cual bas su desarrollo
en el clculo de probabilidades como instrumento de investigacin. Blas Pascal (1623 1662)
y Pierre de Fermat (1601 1665) quienes dan inicio al clculo de probabilidades, trataron de
dar soluciones a los juegos de azar y preguntas hechas por el Caballero de Mer en 1654, la
pregunta que movi a los dos grandes matemticos a escribir sobre el clculo de probabilidades
era Cmo distribuir las apuestas en una partida de dados que se interrumpe?
La estadstica logra mayor relevancia cientfica con los descubrimientos sobre el clculo de
probabilidades, y sobre el ajuste de curvas a un conjunto de datos, gracias a matemticos como
Euler, Simpson, Lagrange, Laplace, Legendre y Gauss, y es as como en 1834 nace la Royal
Statistical Society y en 1885, se cre el Instituto Internacional de Estadstica, en el cual se
propone establecer un mtodo uniforme de anlisis de datos y al uso correcto de stos, por
parte de los gobiernos, en la solucin de problemas polticos, econmicos y sociales.
Lo anterior significa que un experimento es determinista, si siempre que se realiza bajo las
mismas condiciones se obtienen los mismos resultados; en el caso contrario, cuando no es
posible predecir el resultado del experimento, se dice que es aleatorio. As por ejemplo; la
velocidad con que cae un cuerpo con respecto a la altura de donde se dej caer, corresponde
a un experimento determinista. Pero, un fenmeno aleatorio puede ser el lanzamiento de un
dado, en el cual no es posible determinar el valor que se obtendr en cada lanzamiento.
Desde el punto de vista escolar, lo anterior muestra que es necesario construir dos lneas
diferentes dentro del pensamiento matemtico, una que refleja el carcter exclusivamente
determinista, y otra que se encarga de estudiar el conjunto de situaciones que dependen de
los fenmenos aleatorios.
14
Introduccin
Ayuda a comprender los restantes temas del currculo, tanto de la educacin obligatoria como
posterior, donde con frecuencia aparecen grficos, resmenes o conceptos estadsticos.
_____________________________________________________
1
Consultado el 19 de Octubre, 2005 en. http:// www.ugr.es/local/godino/edumat-maestros/ . Godino y Batanero. Didctica de las
matemticas para maestros. Proyecto Edumat Maestros.. Universidad de Granada., octubre de 2004.
15
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Cuando tenemos en cuenta el tipo de estadstica que se quiere ensear y la forma de llevar
a cabo esta enseanza debemos reflexionar sobre los fines principales de sta, los cuales
pueden ser:
Que los alumnos lleguen a comprender y a valorar el mtodo estadstico, esto es, la clase
de preguntas que un uso inteligente de la estadstica puede responder, las formas bsicas
de razonamiento estadstico, su potencia y limitaciones.
Partiendo de lo anterior, se requieren maestros que diseen actividades con enfoques explo-
ratorios, que le permita al estudiante investigar y obtener sus propios datos o complementar
los dados por el docente. Hacer nfasis en la elaboracin de tablas y grficas como una forma
de sistematizar los valores obtenidos en los experimentos originales para el estudio de la dis-
tribucin de frecuencias.
Sobre la base de lo anterior, en el presente mdulo se trata de explorar algunos elementos que
permitan la reflexin entorno a la enseanza y aprendizaje de la estadstica y ms an, en
relacin con el desarrollo del pensamiento aleatorio a travs de los sistemas de datos.
En la unidad 1 se sientan las bases tericas: definiciones y sus respectivos anlisis, que per-
miten el desarrollo, tratamiento y organizacin de datos. En esta unidad se abarcan temas
relacionados con los diferentes procedimientos, tcnicas y enfoques para organizar, recolectar
16
Introduccin
y analizar un conjunto de datos obtenidos de una muestra para que se le d o tengan sentido
dentro de su contexto y realizar las inferencias de acuerdo con ello, sin olvidar las diferentes
formas de representacin basados en la distribucin de frecuencias.
En la unidad nmero tres, se propone un conjunto de situaciones que permita a los estudiantes
comprender y diferenciar los conceptos de aleatoriedad y determinismo, aun cuando se expu-
sieron intuitivamente en la primera unidad. Igualmente se realiza un extensivo estudio de la
combinatoria para poder encontrar los espacios muestrales que conllevan a la probabilidad.
17
Mdulo
5 Pensamiento aleatorio y sistemas de datos
18
Unidad No.1
Hacia el Pensamiento Aleatorio
En las experiencias cotidianas que los estudiantes ya tienen sobre estos sucesos y estos
juegos, empiezan a tomar conciencia de que su ocurrencia y sus resultados son imprede-
cibles e intentan realizar estimaciones intuitivas acerca de la posibilidad de que ocurran
unos u otros. Estas estimaciones conforman una intuicin inicial del azar y permiten hacer
algunas asignaciones numricas para medir las probabilidades de los eventos o sucesos,
as sean inicialmente un poco arbitrarias, que comienzan con asignar probabilidad cero a
la imposibilidad o a la mxima improbabilidad de ocurrencia; asignar a cualquiera de
_____________________________________________________
2
Documento, Potenciar el pensamiento matemtico: un reto escolar. Estndares bsicos de competencias en matemticas. Bogot
2005.(paper).
19
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Las situaciones y procesos que permiten hacer un conteo sistemtico del nmero de
combinaciones posibles que se puedan asumir como igualmente probables, junto con el
registro de diferentes resultados de un mismo juego, as como los intentos de interpretacin
y prediccin de los mismos a partir de la exploracin de sistemas de datos, desarrollan
en los estudiantes la distincin entre situaciones deterministas y situaciones aleatorias o
azarosas y permiten refinar las mediciones de la probabilidad con nmeros entre 0 y 1. Ms
tarde, esas situaciones y procesos pueden modelarse por medio de sistemas matemticos
relacionados con la teora de probabilidades y la estadstica.
_____________________________________________________
3
Tomado de Interpretacin e implementacin de los estancares bsicos de matemticas. Pg. 118.
20
Hacia el Pensamiento Aleatorio
Este esquema plantea una propuesta que deja atrs el uso exclusivo de clculos matemti-
cos, permitiendo observaciones de las cualidades fsicas de los objetos, fundamentacin del
anlisis exploratorio y la observacin de regularidades y patrones que se ajusten a modelos
(observaciones) con estructuras propias dentro de determinados conjuntos (clases).
1.1. Muestreo
En estadstica se usa la palabra poblacin para referirse no slo a personas sino a todos los
elementos que son tomados en cuenta en una investigacin. As cuando un catador de vinos
21
Mdulo
5 Pensamiento aleatorio y sistemas de datos
a) Nmeros aleatorios: estos nmeros pueden ser generados por un programa de computa-
dor, o mediante una tabla de dgitos aleatorios, en donde la probabilidad de que aparezca
un digito del 1 al 9 es la misma en cualquier secuencia de igual longitud. Por ejemplo, se
desea realizar una encuesta sobre 100 estudiantes para conocer los hbitos de estudio
si se desea entrevistar a 10 de ellos escogidos aleatoriamente, se puede asignar a cada
estudiante un nmero desde el 00 al 99 y consultar una tabla y aplicar lo siguiente: reco-
rrer la tabla por columnas de arriba a abajo, empezando por la columna de la izquierda,
y leer slo los dos dgitos en cada fila, de esta forma los primeros nmeros seran 15, 09,
etc. Seguir de esta manera para conseguir los 10 estudiante, sino se obtienen, se repite el
proceso pero leyendo el tercer y cuarto dgito de cada grupo, en nuestro caso 81, 28 etc.
Grfico 4
La tabla representa nmeros aleatorios cuyo objetivo es el de ayudar a realizar un muestreo siste-
mtico el cual requiere menor tiempo y en ocasiones un costo menor que el aleatorio simple.
_____________________________________________________
4
Grfica escaneada de estadstica para administradores. Levin y Rubin. Pg. 320.
22
Hacia el Pensamiento Aleatorio
b) Muestreo sistemtico: en este mtodo los elementos son seleccionados dentro de un intervalo
uniforme que se mide con respecto al tiempo, al orden o al espacio. Por ejemplo al seleccionar
los 10 estudiantes, se puede escoger 1 cada dcimo nmero, as tendramos el 1, 11, 21 etc.,
esto presenta una desventaja ya que todos no tienen la misma opcin de ser seleccionados
por ejemplo los que tienen los dgitos 2, 3, 4 se quedan sin opcin de ser elegidos.
d) Muestreo de racimo: en este caso se divide la poblacin en grupos y se toma una mues-
tra aleatoria de esos racimos (grupos). Se recomienda cuando hay una variacin amplia
dentro de cada grupo, pero los grupos son similares entre s.
e) Muestreo aleatorio simple: se debe seleccionar muestras mediante mtodos que permiten
que cada posible muestra tenga igual probabilidad de ser seleccionada y que cada ele-
mento de la poblacin tenga igual oportunidad de ser incluido en la muestra. Por ejemplo,
si deseamos enviar a dos docentes de un grupo de 4 a representar a la institucin a un
seminario de educacin. Si llamamos A, B, C y D las posibles parejas son: AB, AC, AD, BC,
BD, CD, si se observa bien vemos que se trata de combinaciones donde se toman 2 ele-
mentos de un grupo de 5. Observe que cada grupo posee una probabilidad de 1/6, y cada
docente tendra la posibilidad de P(A) = P(AB)+P(AC)+P(AD)=1/6+1/6+1/6=3/6=1/2
que serian probabilidades de asistir de cada docente al seminario.
Los datos pueden ser cualitativos o cuantitativos, los primeros se refieren a eventos o cuali-
dades no cuantificables como color, sexo, etc; los segundos por el contrario siempre son cua-
tificables, por ejemplo, las edades de las personas, las apuestas, etc. Dependiendo del tipo
de magnitud al que hagan referencia los datos se puede clasificar en discretos o continuos.
Los fenmenos del mundo que nos rodean, estn estrechamente ligados con un conjunto
infinito de otros hechos, se trata de estudiar un nmero finito de tales vnculos, de tal modo
_____________________________________________________
5
Ver texto interpretacin e implementacin de los estndares bsicos de matemticas 2005.
23
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Si un fenmeno dado se estudia una sola vez, no se puede predecir cual ser la desviacin
accidental de la regularidad, sin embargo, si el nmero de observaciones del fenmeno se
hace grande, en las mismas desviaciones accidentales se descubren ciertas regularidades
que pueden ser estudiadas y usadas para determinar la influencia de las desviaciones men-
cionadas sobre el curso de los fenmenos por estudiar. Esto da nacimiento al estudio de las
regularidades en los fenmenos aleatorios frecuentes, los cuales pueden ser observados un
nmero ilimitado de veces en las mismas condiciones.
Se hace necesario tener en cuenta para la enseanza de la probabilidad que el nio diferencie
las situaciones aleatorias y las deterministas, con lo cual dada una serie de experimentos,
se pueda determinar cuales aparecen con mayor o menor frecuencia. Por ejemplo se pueden
realizar actividades en la cuales se construyan un par de dados en cartulina, a uno se le
coloca dos caras con el nmero cuatro y ninguna con el uno, al otro se le pega un pedazo
de plastilina en uno de los puntos. Se analiza a cual de los nmeros aparecen con mayor
frecuencias y si los estudiantes pueden predecir este hecho.
Seleccin de una muestra a partir de un conjunto de objetos: este tipo de modelo, ge-
neralmente pide enumerar o contar las diferentes muestras de tamao dado que pueden
formarse a partir de un conjunto inicial, para ello este modelo permite observar si todos
los objetos son distinguibles (diferentes), o algunos son iguales; si considera repeticin
o no de elementos; si interviene o no la ordenacin de elementos.
24
Hacia el Pensamiento Aleatorio
Particin en subconjuntos de un conjunto de objetos: este modelo pide clasificar los ele-
mentos de un conjunto inicial en un nmero dado de subconjuntos incompatibles, de modo
que la clasificacin sea exhaustiva, aqu se precisa si: los elementos son iguales o distintos,
si los subconjuntos son distinguibles o no, se debe considerar el orden de colocacin de
los objetos dentro de subconjuntos, si se permite ms de un objeto por subconjunto, si se
permiten subconjuntos vacos.
Rafael Roa Guzmn,(2000, Pg. 23) propone tres tipos de esquemas combinatorios que ayu-
dan a la interpretacin de los enunciados de las situaciones de recuento:
Estos esquemas slo son una ayuda para los docentes para solucionar preguntas en algunos
tipos de situaciones. En ningn momento se trata de seguir esquemas predeterminados y
menos ensearlos a los estudiantes.
Esquema de seleccin
Se requiere seleccionar muestras de un tamao r a partir de un conjunto de n objetos.
Esquema Modelo
Seleccin ordenada sin reemplazamiento Variaciones
Seleccin ordenada con reemplazamiento Variaciones con repeticin
Seleccin no ordenada sin reemplazamiento Combinacin
Seleccin no ordenada con reemplazamiento Combinaciones con repeticin
Esquema de colocacin
Cuando se requiere colocar r objetos dentro de n cajas (celdas o urnas) o bien establecer una
aplicacin de un conjunto de r objetos en otro conjunto de n objetos. Segn se considere que
el orden de los objetos dentro de las cajas debe o no tenerse en cuenta y los objetos sean
iguales o diferentes, se obtienen los siguientes casos:
25
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Esquema de permutacin
Se pide efectuar una particin de un conjunto de r elementos en n subconjuntos.
La diferencia de cada uno de estos modelos permite obtener un tipo diferente de conteo, el
cual puede ser permutacin, variacin o combinacin. Como puede verse, lo anterior nos
26
Hacia el Pensamiento Aleatorio
Algunos autores, entre ellos Fischbein y Gazit consideran que el trabajo combinatorio, cuando
se emplea el diagrama arbolar debe realizarse por medio de las variaciones con repeticin, y
a continuacin el de las permutaciones, variaciones y combinaciones., proponen tareas que
incluyen dibujar el diagrama, contar grupos de elementos y en una ltima instancia obtener
a partir de un patrn la frmula.
Para empezar el trabajo combinatorio, algunos autores como Engel, Varga y Walser, proponen
utilizar una metodologa basada en juegos, introducir como ideas bsicas las reglas de la
suma, producto y cociente y finalmente utilizar los diagramas de rbol.
2. Organizacin de datos
En nuestra sociedad los avances de la ciencia y la tecnologa han sido acelerados y la estadstica
ha jugado un papel relevante en tal desarrollo al brindar herramientas de anlisis de variabilidad,
determinar relaciones entre variables y su complejidad, as mismo detallando modelos y optimi-
zndolos en su diseo, realizando predicciones y lo ms importante en la toma de decisiones.
Cabe notar la influencia que en psicologa ha tenido las investigaciones (realizadas por Piaget,
Inhelder, Fischbein entre otros) sobre razonamiento estocstico, tambin las relaciones entre
el desarrollo de cualquier pas y su sistema estadstico para producir informaciones claras y
precisas que conduzcan a la toma de decisiones en lo poltico, econmico y social.
27
Mdulo
5 Pensamiento aleatorio y sistemas de datos
La recoleccin de informacin nos lleva al conteo, al uso del nmero en todo tipo de estudios
fenomenolgicos y es aqu donde el docente debe canalizar sus acciones didcticas y tener en
cuenta los planteamientos en los cuales segn Piaget e Inhelder el nio tiene conocimientos
intuitivos sobre la frecuencia relativa, distribucin, aleatoriedad y razonamiento combinatorio.
Proponer situaciones de acuerdo a la edad de tal forma que sean percibidas para llegar a inte-
riorizar en forma concreta el puente entre pensamiento numrico y pensamiento estadstico.
Aparece en esta definicin el objeto material como un miembro de una coleccin, aparece pues
el nmero asociado a lo cardinal. Tal objeto nos da informacin respecto de algunas caracters-
ticas que deben o ameritan ser estudiadas, teniendo como principal motivador la informacin,
que nos indica que deben a partir de una muestra ser representativa respecto al colectivo e
igualmente ver en la muestra la variabilidad (incertidumbre) ya que una muestra puede ser di-
ferente de otra; implcitamente nos indica que las previsiones tienen incertidumbre y es debido
precisamente a que las inferencias se realizan a travs de las muestras y stas a veces no son
representativas pues en raras ocasiones se toma el universo (censos).
_____________________________________________________
6
Citado en Didctica de la Estadstica. Carmen Batanero
28
Hacia el Pensamiento Aleatorio
29
Mdulo
5 Pensamiento aleatorio y sistemas de datos
3. Archivo: Esta tcnica consiste en utilizar datos que fueron recogidos con anterioridad por
otra persona o un grupo de investigadores. Por ejemplo, tomar datos del anuario depar-
tamental, informes del Dane o Sistema nacional de pruebas, entre otros.
Se pueden observar hechos que ocurren en la naturaleza, como el crecimiento de una planta,
el tiempo que empleamos para ir de nuestra casa a la escuela o institucin educativa, ver
en el peridico los marcadores de los partidos de ftbol, apostar al cara y sello etc., estos
sucesos tienen caractersticas importantes como por ejemplo, al realizar una apuesta al cara
y sello estamos seguros que saldr una de las dos situaciones, a este tipo de sucesos los
llamamos deterministas, ya que se va a producir siempre la misma situacin en las mismas
condiciones. Pero a veces hay sucesos en los cuales no podemos determinar con certeza lo
que va a ocurrir, por ejemplo cuntos frijoles tiene una libra, con toda seguridad hay variacin
en el tamao de los frijoles al realizar comparacin con otra libra, en forma, tamao, etc., a
este tipo de sucesos los llamamos aleatorios.
30
Hacia el Pensamiento Aleatorio
Explorar e interpretar los datos, relacionarlos con otros, conjeturar, buscar configura-
ciones cualitativas, tendencias, oscilaciones, tipos de crecimiento, buscar correlaciones,
distinguir correlacin de causalidad, calcular correlaciones y su significacin, hacer in-
ferencias cualitativas, diseos, pruebas de hiptesis, reinterpretar los datos, criticarlos,
leer entre lneas, hacer simulaciones, saber que hay riesgos en las decisiones basadas en
inferencias (Vasco C. citado en lineamientos).
Una tabla de frecuencias es un resumen del conjunto de datos por analizar, por ello se debe
tener otras apreciaciones de ellos sobre todo cuando se realizan otras representaciones
como las grficas, las cuales llevan a observar hechos relevantes de la distribucin de
frecuencias, que a la vez nos permite establecer relaciones con otras distribuciones.
a) Escala nominal: clasifica a los individuos de la poblacin en clases que se pueden dife-
renciar entre s pero no realizar relaciones de ningn tipo (orden).Ej. estado civil, color
de ojos, gusto por sabores etc. cada variable puede codificarse numricamente pero el
nmero no representa una magnitud.
b) Escala ordinal: aqu las categoras pueden ser ordenadas, pero la magnitud no es im-
portante ya que no hay proporcionalidad entre dos o ms categoras, as al tener un
orden por el gusto de los helados, el 1(fresa) indica el ms preferido y el 4 (chocolate)
el menos preferido.
d) Escala de razn: adems del orden y la distancia, en esta escala es importante la razn
entre dos categoras, se hace necesario un cero absoluto como ausencia, as el decir
que un rbol de aguacates no dio frutos indica que tuvo cero (0) aguacates, si un rbol
produjo 300 aguacates y el otro 150 aguacates, uno obtuvo el doble que el otro, adems
existen variables continuas como volumen, rea etc.
31
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Luego se debe realizar un resumen de dichos datos, los cuales los representamos en las ta-
blas de frecuencia al igual que representaciones grficas. A este respecto Daz y Gutirrez
(1986.Pg. 18.) dicen en general no es posible una representacin grfica de atributos cua-
litativos, sin embargo ciertos datos nominales u ordinales pueden representarse mediante
grficos de barras.
Para las variables cualitativas y discretas, se acostumbra utilizar diagramas de barra y gr-
ficos de sectores, para las cuantitativas se utilizan histogramas y polgonos de frecuencias.
Se utiliza comnmente la ojiva en frecuencias acumuladas.
Tabla de frecuencias: Es una tabla en la cual se los valores posibles de una variable y se
registra el nmero de valores observados que corresponde a cada individuo.
En general la tabla contiene lo siguiente:
ni:es la frecuencia absoluta o resultado del conteo de cada una de las variables involucradas.
Las veces que se repite el dato Xi
fi:indica la frecuencia relativa para cada una de las variables.
: Este smbolo representa la suma total n, para indicar el total de la muestra.
fi = ni/n: es la forma de hallar la relacin entre una variable y el total de la muestra.
N: es la frecuencia acumulada
Fi*100: es el porcentaje acumulado.
Ni = ; Ni = Ni-1 + ni
32
Hacia el Pensamiento Aleatorio
As N3 = n1 + n2 + n3 = N2 + n3
La frecuencia relativa indica la proporcin de veces que ha ocurrido el dato Xi con respecto al
total de datos. Muchas veces es usual representarla en porcentaje, obteniendo fi = ni /n, se in-
terpretara como f3 = 4/10 =0.4= 40% el dato 3 representa el 40% de los datos de la muestra.
Fi = ; Fi = Fi-1 + fi
Ejemplo F3 = f 1 + f2 + f3 = F 2 + f3
F3= 0.436 indica que los 4 primeros datos representan el 43.6% de los datos de la muestra.
Note que =1
Para el anlisis de datos en forma grfica, se tiene en cuenta los siguientes diagramas que
ayudan a resumir los datos:
Diagrama de barras
Los grficos de barras son utilizados para variables de tipo discreto y permiten representar
la frecuencia en cada uno de los niveles de las variables de inters. Particularmente, la altura
de cada barra es proporcional a la frecuencia o cantidad de elementos que pertenecen a la
categora en particular.
El siguiente grfico de barras muestra las veces que han ganado el campeonato mundial de
ftbol algunos pases.
33
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Un mtodo para iniciar el anlisis exploratorio de los datos, previo al uso de los mtodos
estadsticos tradicionales, y que adems proporciona informacin rpida, visual es la repre-
sentacin grfica de tronco y hoja, descrito por Tukey, es utilizado para las representa-
ciones de distribucin de variables cuantitativas obteniendo con l no slo una grfica de
distribucin de frecuencias, si no la visualizacin de los valores de las observaciones objeto
de estudio. Esta representacin se basa en la ordenacin de los datos a manera de grfico,
pero sin llegar a ello, utilizando las decenas y las unidades.
Veamos su uso a travs del siguiente ejemplo que contiene las calificaciones obtenidas en
una prueba de matemticas:
34
Hacia el Pensamiento Aleatorio
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86
Ahora pensaremos en cada uno de los datos separando las decenas de las unidades, es decir,
el nmero 51 se ver como 5 | 1. De esta manera las decenas se pondrn en una columna,
en forma vertical, y las unidades a su derecha:
Para entenderle un poco ms, hemos de decir que el primer rengln que dice 6 | 1 6 4 quiere
decir que entre la lista de datos se encuentran los valores 61, 66 y 64.
Esta es la representacin grfica tronco y hoja, donde cada rengln es una posicin de tronco
y cada dgito de la derecha es una hoja.
El procedimiento para realizarla es primero empezar con los troncos, es decir la columna de
la izquierda, y despus dato por dato ir llenando las hojas a la derecha de la lnea vertical,
en el tronco correspondiente.
Adems, si se desean tener los datos ordenados, y algunos los prefieren de esa manera, se pue-
den ordenar las hojas en cada rengln para que la representacin tenga la siguiente forma:
En realidad una representacin de tronco y hojas presenta la misma informacin que la lista
original de datos, pero de una manera mucho ms compacta (especialmente si la lista de
datos es ms grande) y manejable.
35
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Las versiones del Excel 7.0 y anteriores no tienen opciones para realizar este tipo de grfi-
cas, las posteriores s. Otros programas contemporneos (como el Corel Draw o el Harvard
Graphics) s son capaces7.
ESTNDARES INVOLUCRADOS
Ahora encontrar una propuesta organizacional de los estndares asociados a las situacio-
nes propuestas y resueltas que sirven de base para discusiones de otras situaciones que los
docentes puedan plantear y de las que tienen esta unidad.
Conceptos y procedimientos
Las actividades que se presentan en la situacin uno apuntan a engrosar los conocimientos
de forma tal que conlleven a un entendimiento de las relaciones existentes entre los datos
(variables analizadas) con base en ello el anlisis exploratorio proporciona mtodos senci-
llos para la preparacin y organizacin de datos, detectar fallos en el diseo y recoleccin,
tratamiento y evaluacin de los mismos. Sirven las actividades para observar lo que est
sucediendo con los datos ausentes, identificando casos atpicos.
7
Tomado de :www.uagmx/matematicas/estadisticas
36
Hacia el Pensamiento Aleatorio
Sistemas de datos
Clasificar y organizar la presentacin de datos (relativos a objetos
reales o eventos escolares) de acuerdo con cualidades o atributos.
Primero a tercero
Representar datos relativos a su entorno usando objetos concretos,
pictogramas y diagrama de barras.
Representar dato usando tablas y grficas (de barras, diagramas de
lneas, circulares)
Interpretar informacin presentada en tablas y grficas (de barras,
Cuarto a quinto
diagramas de lneas, circulares).
Resolver y formular problemas a partir de un conjunto de datos pro-
venientes de observaciones, consultas y experimentos.
Comparar e interpretar datos provenientes de diversas fuentes (pren-
sa, revistas, televisin, experimentos, consultas, entrevistas).
Usar representaciones grficas adecuadas para presentar diversos
Sexto a sptimo
tipos de datos (diagramas de barras, diagramas circulares)
Resolver y formular problemas a partir de un conjunto de datos pre-
sentados en tablas, diagramas de barras, diagramas circulares.
Reconocer que, diferentes maneras de presentar la informacin,
puede dar origen a distintas interpretaciones.
Octavo a noveno Interpretar analtica y crticamente informacin estadstica prove-
niente de diversas fuentes (prensa, revistas, televisin, experimentos,
consultas, entrevistas).
Justificar inferencias provenientes de los medios o de estudios di-
seados en el mbito escolar
Dcimo a undcimo
Interpretar nociones bsicas relacionadas con el manejo de informa-
cin (como poblacin, muestra, variable, estadgrafo y parmetro).
Numrico
Reconocer el significado de nmero en diferentes contextos (medi-
Primero a tercero
cin, conteo, comparacin, codificacin, localizacin entre otros).
Analizar y explicar las representaciones de un mismo nmero (na-
Cuarto a quinto
turales ,fracciones, decimales, porcentajes).
Justificar operaciones aritmticas utilizando las relaciones y propie-
Sexto a sptimo
dades de las operaciones.
Mtrico
Diferenciar atributos mensurables de los objetos y eventos (longitud,
Primero a tercero
superficie, capacidad, masa y tiempo) en diversas situaciones.
Diferenciar atributos mensurables de los objetos y eventos (longitud,
Cuarto a quinto superficie, capacidad, masa, tiempo y amplitud angular) en diversas
situaciones.
37
Mdulo
5 Pensamiento aleatorio y sistemas de datos
el cual requiere tiempo y que habitualmente se descuida por parte de los docentes. Ac-
ceder a los datos conlleva una seleccin adecuada de acuerdo al grado en el cual se est
realizando el estudio y de acuerdo al tipo de variables involucradas, as poder realizar un
estudio de tipo numrico y tener una idea inicial de la informacin contenida en el con-
junto de datos.
GESTIN DE LA SITUACIN
El anlisis de las dos tablas es fundamental para poder comprender el proceso de aleatorie-
dad a partir de simulaciones, para ello se debe realizar un anlisis en grupo con todos los
estudiantes, esto debido a que no existen patrones definidos para el caso del experimento
simulado. Al comparar las diferentes grficas en el proceso real, se debe buscar patrones,
en este caso debe verse que la distribucin se asemeja a la campana de Gauss.
Propsitos
Recolectar informacin proveniente de diversas fuentes.
Realizar conteos con los elementos puestos en escena de la vida escolar
Material
Bloques lgicos.
38
Hacia el Pensamiento Aleatorio
Cmo jugar
1. Agrupar las fichas por color y forma: Crculos amarillos, rectngulos rojos etc.
2. Cuando haya terminado, se le pide que llene la siguiente tabla:
Cantidad
Nombre Color Relacin
(Frecuencia)
Crculo
Crculo
Crculo
Rectngulo
Rectngulo
Rectngulo
TOTAL --------------------
Actividad n 2
El propsito es diferenciar un proceso aleatorio de otro que no lo es.
Material
1 dado sin cargar (normal)
2 jugadores
Cmo jugar
1. Cada uno lanza el dado, quien obtenga mayor puntaje realiza el experimento en forma
concreta as: Lanza el dado 40 veces y anota una x frente al nmero correspondiente,
hasta terminar.
2. El jugador perdedor, coloca los 40 resultados marcando con cruces donde el crea conve-
niente sin tirar los dados (simulacin).
3. Anote los datos obtenidos en la siguiente tabla:
39
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Prueba real
Nmero Marca (x) Frecuencia (conteo)
1
2
3
4
5
6
Total 40 40
Prueba simulada
Aleatorio Simulado
1 2 3 4 5 6 1 2 3 4 5 6
40
Hacia el Pensamiento Aleatorio
5. En qu se parecen?
6. El valor ms frecuente es el mismo?
7. Cul de las secuencias presenta mayor variabilidad (rango)?
Actividad n 3
Consultando textos
Determinar cual es la vocal ms usada en nuestro idioma.
Para comenzar, la poblacin de estudio referida sern todas las vocales del idioma Espaol,
que es infinita. Pero podemos determinar una muestra a partir de una pgina completa de un
libro cualesquiera, no es un buen ejemplo de muestreo, pero la experiencia nos ha mostrado
que es una buena muestra para los propsitos de la clase.
Material
1. Libro. Se puede pedir que lleve (para grados 6 en adelante) el que estn leyendo en la
asignatura de espaol
Cmo empezar
La toma de la muestra se podr hacer realizando un listado de todas las vocales del texto en
el orden en que aparecen y luego sealando con un color para cada vocal.
Vocal ni fi % Ni Fi
a
e
i
o
u
Total = n
41
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad n 4
Realizar una encuesta entre los estudiantes del grupo, en la cual se va a observar la variacin
de la edad con el crecimiento y el sexo.
La pregunta problematizadora sera: Cual es la influenciad de la estatura con relacin a la
edad y el sexo?
La estatura tiene influencia en el crecimiento del pie?
Material
1. Metro.
2. Hoja o un cuarto de cartulina.
Cmo empezar
Cada estudiante lleva una hoja de papel o un cuarto de cartulina, se quita los zapatos y
dibuja en ella su pie (calca). Luego lo mide con un metro.
Se mide luego la estatura de cada uno (sin zapatos).
Cada estudiante le realiza las siguientes preguntas a cada uno sus compaeros:
1. Sexo M F
2. Estatura en cm.
3. Edad en aos cumplidos
4. Tamao del pie.
Variable: sexo
Xi Sexo ni fi Ni Fi
1
2
Responda:
Qu porcentaje corresponde a las mujeres en tu grupo?
En el siguiente crculo, grfica los porcentajes de cada
variable
42
Hacia el Pensamiento Aleatorio
Variable: edad
Tipo:
Escala de medida:
Xi Edad ni fi Ni Fi
43
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Xi Estatura ni fi Ni Fi
Ahora organizaremos algo diferente, por sexo, realizamos las 2 tablas con respecto a la me-
dida del pie para luego concluir y comparar.
Sexo femenino
Variable: medida del pie en cms
Sexo: masculino
Variable: medida del pie en cms
44
Hacia el Pensamiento Aleatorio
Ahora realice un diagrama de barras para ambos sexos para comparar la medida del pie.
Si se supone que la longitud de un pie es de acuerdo a la edad normal y est entre _____
cms y ______ cms, qu porcentaje de estudiantes se consideran normales en crecimiento
para ambos sexos?
Se puede decir que la mitad de los estudiantes tiene entre ____ y _____ cms?
Qu porcentaje de cada sexo tiene medida de pie inferior a _____ cms?
Actividad n 5
Un docente coloc una tabla de frecuencias en el tablero sobre el nmero de tornillos defec-
tuosos en una muestra de 20 cajas, pero al terminar son el timbre para salir a descanso y
los estudiantes borraron algunos datos, por favor aydenos a encontrarlos y responda las
inquietudes que se formulan:
45
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad n 6
En un campeonato de ftbol intercolegiado se han inscrito 12 equipos. Los puntos que se
dan por partido jugado son: 3 al ganador, 0 al perdedor y en caso de empate 1 a cada equi-
po, excepto en la semifinal (tercera fase) donde en caso de empate, el ganador se decidir
por tiros desde el punto penal. Los organizadores del campeonato construyeron el siguiente
diagrama donde se observa la programacin general de los partidos en cuatro fases: (Icfes,
2002, Pg. 33)
46
Hacia el Pensamiento Aleatorio
2. Si su funcin fuera el de reorganizar el diagrama de los partidos por fase, de tal forma que
un equipo tenga mayor posibilidad de pasar de un subgrupo de la fase 2 a un subgrupo
de la fase 3, cmo lo hara?.
3. Un comentarista del peridico trat de resumir la informacin del diagrama del campeo-
nato con respecto a la cantidad de partidos, realizando la siguiente tabla:
4. Un equipo ha llegado a la final y de los partidos que jug empat 2 y perdi uno. Repre-
sente grficamente los puntos que hizo el equipo por partido.
Las siguientes actividades se prestan para que el estudiante realice un anlisis basado en
los conceptos anteriores.
47
Mdulo
5 Pensamiento aleatorio y sistemas de datos
6.
7.
48
Hacia el Pensamiento Aleatorio
Conceptos bsicos
El objetivo de toda investigacin estadstica es llegar a resultados confiables, precisos
(quedando siempre incertidumbre, no siempre exactos), esto nos indica que debe existir un
margen de error pero debe llevarse al mnimo en lo posible, debemos pues estar dentro de
mrgenes tanto por exceso como por defecto, para ello, la variable a la cual se le realiza el
estudio debe de provenir de una muestra grande, suficiente como para considerar errores
experimentales pequeos. Todo resultado de un experimento en el cual la informacin es
representada en forma volumtrica no nos indica mayor informacin concreta sobre las ca-
ractersticas a estudiar debido a que pueden tomar valores aislados o puede estar dentro
de un intervalo8, sin embargo para poderla manejar se debe recurrir al proceso o tcnica de
agrupacin de datos, esta tcnica es aplicable tanto a datos discretos como a continuos, tal
tcnica, permite agrupar en intervalos y marcas de clase la informacin obtenida sin perder
demasiada informacin.
Daremos aqu varios enfoques sobre diferentes autores, respecto a la forma de realizar una
agrupacin de datos por intervalos, no se recomienda uno en particular simplemente se
adapta a la situacin de anlisis ms deseada o pertinente.
Edwin Kreyszig,(1973. Pg. 33) propone: un intervalo I debe contener todos los valores de
la misma (muestra). Se subdivide I en subintervalos llamados intervalos de clase o celdas;
los puntos medios de estos intervalos se denominan marcas de clase. Se dice que los va-
lores de la muestra en cada uno de los intervalos forma una clase. Al nmero de valores en
una clase se le llama frecuencia de clase; su divisin entre el tamao n de la muestra es la
frecuencia relativa de clase. Esta frecuencia, considerada como funcin de las marcas de
clase, se denomina funcin de frecuencias de la muestra agrupada.
En muchas aplicaciones ser posible obedecer las siguientes reglas que son tiles:
2. los intervalos de clase se escogern de manera que las marcas de clase correspondan a
nmeros simples ( nmeros con pocos dgitos diferentes de cero)
_____________________________________________________
6
Al estudiar por ejemplo el nmero de hijos por familia de estrato 1 se tiene una variable de tipo discreto en el cual se puede tener 0
hijos por lo cual es un dato aislado, y en el estudio de la estatura de estudiantes de un grado, se puede tener una pequea que no
sea muy comn pero est dentro de un intervalo.
49
Mdulo
5 Pensamiento aleatorio y sistemas de datos
3. Si un valor de la muestra coincide con el punto extremo comn de dos intervalos de clase,
lo tomaremos en cuenta sumando a la frecuencia de clase de cada uno de los intervalos
de clase. De ser posible escogeremos los intervalos de clase de tal manera que no sucedan
tales coincidencias.
La muestra agrupada puede cambiar si se cambian las marcas de clase, reteniendo las lon-
gitudes y el nmero de intervalos de clase. Se observa pues que hay factores arbitrarios en
el proceso de agrupamiento.
Si se va a comparar una muestra con otra previamente agrupada, es importante que se es-
coja el mismo agrupamiento, eje estudios demogrficos, la edad se agrupa por lo general en
intervalos del primer ao de vida, despus los siguientes cuatro aos y luego en intervalos
de 5 (o 10) aos. Si se ignora esta convencin, sera muy difcil comparar los resultados de
diferentes estudios.
Godino y Batanero9 comentan: Una regla que se utiliza a menudo es tomar un entero prxi-
mo a la raz cuadrada del nmero de datos como nmero de intervalos. Para proceder a la
construccin de una distribucin de frecuencias con datos agrupados es preciso tener en
cuenta las siguientes nociones:
Mximo: se llama mximo de una variable estadstica continua al mayor valor que toma la
variable en toda la serie estadstica.
Recorrido: es la diferencia entre los valores mximo y mnimo en toda la serie estadstica.
Clase: es cada uno de los intervalos en que podemos dividir el recorrido de la variable
estadstica.
Segn el extremo superior de cada clase coincida o no con el extremo inferior de la clase siguien-
te, podemos distinguir dos clases de tablas de frecuencias. Si el extremo superior de cada clase
_____________________________________________________
9
Anlisis de datos y su didctica. Godino y Batanero.2001.
50
Hacia el Pensamiento Aleatorio
coincide con el inferior de la siguiente, los intervalos se suponen semiabiertos por la derecha.
Es decir, en cada clase se incluyen los valores de la variable que sean mayores o iguales que
el extremo inferior del intervalo, pero estrictamente menores que el extremo superior.
Histograma: consiste en unos rectngulos construidos sobre los ejes cartesianos, y las reas
son proporcionales a las frecuencias de cada intervalo. La base de cada rectngulo se cons-
truye sobre el eje X y representan los intervalos de clase. La altura representa la frecuencia
de cada clase.
Para cada intervalo, el rectngulo que representa su frecuencia, puede imaginarse formado
por un apilamiento de los rectngulos correspondientes a sus observaciones.
Intervalos Frecuencia
[1-2) 6
[2-3) 10
[3-4) 4
[4-5) 2
[5-6) 1
En la tabla anterior, todos los intervalos tienen el mismo tamao. Esto hace que, la altura
del rectngulo asociado a cada intervalo sea directamente proporcional a la frecuencia co-
rrespondiente.
Grfico de cajon: el grfico de caja es una representacin que describe la informacin con-
tenida en una muestra basndose en cinco estadsticas:
Como puede observarse, las estadsticas calculadas para construir este grfico, dividen el
recorrido de los valores observados en cuatro partes. Cada una de stas contiene aproxima-
damente el 25% del total de las observaciones.
La interpretacin del grfico est basada en la comparacin de las longitudes de los
cuatro tramos.
51
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Debe tenerse presente que cada uno de los tramos tiene la misma cantidad de elementos,
por lo tanto los tramos de menor longitud representan una mayor densidad. Es decir, los
tramos ms cortos representan una mayor aglomeracin de elementos muestrales.
Nota: La ventaja de esta representacin reside en que permite resumir datos en forma simple,
entregando una visin global de la muestra con pocos elementos. A pesar de la simplicidad
de este grfico, no es fcil entenderlo en un comienzo y, al igual que muchos otros, requiere
de algn cuidado en su anlisis para poder interpretar la informacin que entrega. Este tipo
de grfico se estudiar con detalle en la seccin de medidas de posicin.
Polgono de frecuencias: es la lnea que resulta de unir los puntos medios de la base supe-
rior de cada rectngulo.
52
Hacia el Pensamiento Aleatorio
Existen dos diferencias fundamentales entre las ojivas y los polgonos de frecuencias (y por
sto la aplicacin de la tcnica es parcial):
1. Un extremo de la ojiva no se amarra al eje horizontal, para la ojiva mayor que sucede
con el extremo izquierdo; para la ojiva menor que, con el derecho.
2. En el eje horizontal en lugar de colocar las marcas de clase se colocan las fronteras de clase.
Para el caso de la ojiva mayor que es la frontera menor; para la ojiva menor que, la mayor.
Las siguientes son ejemplos de ojivas, a la izquierda la mayor que, a la derecha la menor
que, utilizando los datos que se usaron para ejemplificar el histograma:
La ojiva mayor que (izquierda) se le denomina de esta manera porque viendo el punto que
est sobre la frontera de clase 4:00 se ven las visitas que se realizaron en una hora mayor
que las 4:00 horas (en cuestiones temporales se dira: despus de las 4:00 horas). De forma
anloga, en la ojiva menor que la frecuencia que se representa en cada frontera de clase son
el nmero de observaciones menores que la frontera sealada (en caso de tiempos sera el
nmero de observaciones antes de la hora que seala la frontera).
Si se utiliza una distribucin porcentual acumulativa se obtiene una ojiva (mayor que o menor
que segn sea el caso) cuyo eje vertical tiene una escala que va del 0% al 100%. El siguiente
ejemplo es la misma ojiva menor que se acaba de usar, pero con una distribucin porcentual:
53
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Datos agrupados.
Cuando la muestra consta de 30 o ms datos, lo aconsejable es agrupar los datos en clases
y a partir de estas determinar sus caractersticas y por consiguiente las de la poblacin de
donde fue tomada.
Ejemplo:
Los siguientes datos se refieren al dimetro en pulgadas de una tubera.
Nmero de intervalos:
2. k = 6
54
Hacia el Pensamiento Aleatorio
Amplitud de cada intervalo: este valor casi siempre contiene varias cifras decimales, se re-
comienda por simplicidad redondear por encima al nmero de cifras decimales que tengan
los datos originales.
3.
Los intervalos pueden tener la misma amplitud o stas pueden ser diferentes dependiendo
de la naturaleza de los datos.
Los lmites de los intervalos deben escogerse de tal forma que incluyan los valores mximo
y mnimo para que la ampliacin se reparta por partes iguales en los extremos.
La marca de clase es el punto medio de cada intervalo: xi = (LS-LI)/2
El conteo de datos se realiza por cada intervalo.
Grficas:
55
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Conceptos y procedimientos
En la representacin grfica, el estudiante debe tener habilidad para lectura crtica de datos,
lo cual le permite ser competente en este pensamiento, ya que se deja de ser repetitivo y
solamente se estara en un sistema estadstico donde lo principal es la aplicacin reiterativa
de una frmula. Curcio (1989) describe tres niveles distintos de comprensin de grficos:
a) Leer los datos: este nivel de comprensin requiere una lectura literal del grfico; no se
realiza interpretacin de la informacin contenida en el mismo. Por ejemplo en una nube
de puntos, se refiere a cuestiones sobre la lectura de las escalas o encontrar el valor de
una de las coordenadas de uno de los puntos, dado el valor de la otra coordenada.
b) Leer dentro de los datos: incluye la interpretacin e integracin de los datos en el grfico;
requiere la habilidad para comparar cantidades y el uso de otros conceptos y destrezas
matemticas. Por ejemplo en cuestiones de covariaciones, indicar si la relacin, podra ser
representada o no mediante una funcin lineal o si sobre la relacin es directa o inversa.
c) Leer ms all de los datos: requiere que el lector realice predicciones e inferencias a
partir de los datos sobre informaciones que no se reflejan directamente en el grfico.
Aqu se podra predecir el valor de y para un x dado.
56
Hacia el Pensamiento Aleatorio
GESTIN DE LA SITUACIN
Las actividades propuestas presentan niveles de complejidad apropiados para los grados
6,7 y 8, este tipo de actividad puede proponrsele los estudiantes desde el comienzo de
la campaa para la eleccin de personero en las diferentes instituciones, en la cual ellos pue-
den realizar las encuestas y diferentes tems basados en el propuesto. Se puede realizar en
grupos de tres estudiantes para fortalecer el trabajo en equipo y adems las competencias
ciudadanas, por ejemplo con relacin a la participacin democrtica y lograr por otro lado la
integracin con el rea de sociales ya que los estudiantes de estos grados pueden aportar
ideas sobre el gobierno escolar.
Con respecto a la actividad ocho se tiene un prototipo clsico que est en la mayora de los
textos escolares, pero la forma de realizar la reflexin no es la tradicional ya que ha sido
tomada de una de las preguntas de tipo Icfes en la cual se evala la competencia de com-
presin de lectura de grficas.
Actividad n 7
En una institucin educativa, para el cargo de personero se postularon 4 candidatos. Una
semana antes de las elecciones se realiz una encuesta, tomando una muestra representativa
de todo el estudiantado y se formul una pregunta acerca del candidato de su preferencia.
Los resultados obtenidos se expresan en la siguiente grafica10:
_____________________________________________________
10
Adaptado de Icfes 2002. La prueba. El Tiempo.
57
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Candidato N de votos
1 21
2 11
3 34
4 19
Total 85
Una vez realizada la eleccin, se dio como absoluto ganador al candidato 3, que obtuvo 56%
de la votacin total. La popularidad del ganador se increment 2% en los tres ltimos das
antes de la eleccin. Esto quiere decir que:
Actividad n 8
Se ha preguntado a un cierto nmero de familias por el nmero de hijos: Los resultados ob-
tenidos estn representados en una tabla y en un diagrama de barras11.
Nmero de Nmero de
hijos familias
0 2
1 4
2 6
3 ?
4 2
5 ?
Total ?
11
Tomado de Sistema Nacional de Evaluacin de la educacin. 2002. 9 grado
58
Unidad No.2
Desde los conceptos y los procesos
Los estndares para los grados quinto y sexto Encuentra la media, la mediana y la moda de
un sistema de datos e interpreta su significado para el grado sexto Interpreta diagramas
de barras, diagramas circulares y pictogramas y calcula frecuencias, medianas, modas y
medias a partir de ellas12 lo anterior nos permite buscar que los docentes puedan construir
primero sus propios modelos, conceptos e interpretaciones y luego a partir de fuentes docu-
mentales y nuevas experiencias les permita llevar a sus estudiantes situaciones problmicas
que le eviten dificultades en la conceptualizacin de estas importantes medidas, situaciones
que evidencien en los estudiantes argumentaciones, conjeturas, hiptesis y todas aquellas
competencias implcitas en la escogencia de una medida de tendencia central de acuerdo
con el contexto que se le presente y de all puedan realizar sus modelaciones.
Conceptualizaciones
Las medidas de centralizacin o tendencia central son medidas que buscan centralizar la
informacin de alguna manera, por lo tanto son medidas de sntesis que recopilan las carac-
tersticas ms relevantes de la distribucin de frecuencias.
_____________________________________________________
12
Estndares Bsicos de Matemticas. MEN (2003).
13
Citado en el documento Concepciones de los maestros de primaria en formacin sobre los promedios. (Batanero, Godino y
Navas) 1997.
59
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Brosseau (1983) afirma que en la enseanza de la media existe un obstculo de tipo didc-
tico al introducir el simbolismo, y que es ms prctico facilitar inicialmente la comprensin
del significado realizando ejemplos concretos o comparaciones.
ESTNDARES INVOLUCRADOS
Ahora encontrar una propuesta organizacional de los estndares asociados a las si-
tuaciones propuestas y resueltas. Se presenta un esquema organizativo de la estructura
conceptual presente en el pensamiento aleatorio y sistemas de datos.
Sistemas de datos
Primero a Tercero Identificar regularidades y tendencias en un conjunto de datos
Cuarto a Quinto Comparar y describir la distribucin de un conjunto de datos.
Usar e interpretar la mediana, promedio.
Usar medidas de tendencia central (media, mediana, moda) para
Sexto a Sptimo
interpretar el comportamiento de un conjunto de datos
Reconocer relacin entre un conjunto de datos y su representacin.
Octavo a Noveno Interpretar conceptos de media, mediana y moda.
Seleccionar y usar algunos mtodos estadsticos adecuados, segn
el tipo de informacin
Describir tendencias que se observan en conjuntos de variables re-
Dcimo a Undcimo
lacionadas.
Usar comprensivamente algunas medidas de centralizacin, locali-
zacin, dispersin y correlacin (percentiles, cuartiles, centralidad,
distancia, rango, varianza, covarianza y normalidad).
Numrico
Usar la estimacin para establecer soluciones razonables acorde
Primero a Tercero
con los datos del problema.
Justificar regularidades y propiedades de los nmeros, sus relacio-
Cuarto a Quinto
nes y operaciones utilizando calculadoras o computadores.
Variacional
Reconocer el conjunto de valores de una variable en situaciones
Sexto a Sptico
concretas de cambio.
Identificar relaciones entre propiedades de las grficas y propieda-
Octavo a Noveno
des de las ecuaciones algebraicas.
60
Desde los conceptos y los procesos
61
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Conceptos y procedimientos
Este grupo de actividades llamadas de aprestamiento tiene como objetivo el clculo de las
medidas de tendencia central, en especial la media aritmtica, y para ello se usa la compren-
sin de los conceptos de acuerdo con la estimacin de medidas que los estudiantes deben
ubicarse en un rango posible. As mismo se aborda situaciones en las cuales el promedio
ponderado juega un papel fundamental.
GESTIN DE LA SITUACIN
Se tienen dos actividades con una dificultad en la forma de emplearse el concepto y por
consiguiente la comprensin del mismo respecto a la media ponderada, esto se debe b-
sicamente a que se aplica el algoritmo en forma mecnica, sin comprender su significado,
adems, porque no se visualiza el conjunto de datos como un todo.
62
Desde los conceptos y los procesos
g. La media es un representante de los datos a partir de los que ha sido calculada. Esta
propiedad es interesante en la medida que debe comprenderse el efecto que, sobre las
medidas de posicin central tiene un cambio en alguno o todos los datos.
h. Cuando aparecen valores extremos y pocos significativos la media puede no ser re-
presentativa.
i. No es posible calcularla si el carcter es cualitativo o cuando existen datos agrupados
con algn intervalo no acotado.
j. La media es el centro de gravedad de la distribucin y es nica para cada distribucin.
Actividades de aprestamiento
4 jugadores.
Lanzar el objeto desde diferentes distancias 1m, 2m y 3m, 4m, 5m y se tiene en cuenta las
veces que cae en el centro.
Cada jugador realiza 6 lanzamientos.
A medida que realiza el juego, se van tomando los datos en un cuaderno de los registros
obtenidos.
De acuerdo con los resultados:
Cul de los dos jugadores es el ms acertado en cada una de las distancias?.
Cul es el mejor de todo el grupo?.
Crees que si practicas bastante, tiene mayor probabilidad de acertar en el centro?.
63
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad 3
En una clase de 6 (IEAB14, 2004) algunos estudiantes miden con metro tradicional (metro cos-
turero) otros con metro de construccin y otros con una escuadra, un mismo pedazo de baldosa,
obteniendo los siguientes valores en centmetros: 21.3; 21.2; 21; 21.2; 21.4; 21.5; 21.3.
Como puede verse, se obtienen diferentes valores debido posiblemente a la imperfeccin del
instrumento o quizs a la malicia del estudiante al realizar una comparacin con alguno de sus
compaeros y simplemente uno midi y los dems dieron datos aproximados. Para solucionar el
problema simplemente basta con sumar los valores y dividir por 6, obtenindose 21.28 cm.
Actividad 4
En una urbanizacin de un barrio, se desea estimar el nmero promedio de nios por fami-
lia. Se divide el nmero total de nios de la urbanizacin por 100 que es el nmero total de
familias) y se obtiene como resultado 1.4
Actividad 5
En el grado 6 (IEAB, 2004) los estudiantes resolvieron la siguiente situacin: Juan tiene
$1500, Pedro $ 500, Jos $300, Mara $700, Nelly $1800 y Andrs no tiene plata. Cmo re-
partir el dinero en forma equitativa?
En este ejercicio la mayora de los estudiantes sum y dividi por 5. Dieron varios argumen-
tos, uno y el principal era que a Andrs no le corresponda dinero pues no era injusto darle la
plata de los dems. En esta situacin se trata de repartir equitativamente (uniformemente)
por lo tanto es buena opcin la media aritmtica.
Actividad 6
En una bodega tienen 20 tanques con lquido, 12 contienen leche y el resto contienen agua,
la cantidad promedio de cada tanque con leche es 1200 lits y la cantidad promedio de cada
tanque con agua es de 400 lits. Cul es la cantidad promedio de lits de los 20 tanques?
_____________________________________________________
14
Institucin Educativa Andrs Bello, en la cual laboro.
64
Desde los conceptos y los procesos
Conceptos y procedimientos
Para el siguiente bloque de actividades, es fundamental tener en cuenta el siguiente concepto:
Mediana
Es la medida que, una vez ordenados los valores de la variable en orden creciente y repeti-
dos tantas veces como indica su frecuencia, deja a su izquierda y derecha el mismo nmero
de observaciones, es decir, deja el 50% a su izquierda y el 50% de las observaciones a su
derecha, se representa por Me.
GESTIN DE LA SITUACIN
Actividad 7
Considerando el nmero de hijos de un grupo de familias, se han obtenido los siguientes
valores: 2, 0, 2, 4, 4 , 6, 6, 4, 6, 7, 4, 4, 7, 4, 2, 0, 4, 6, 7, 7
_____________________________________________________
15
Hablamos de estadstico para referirnos a muestras y parmetros para poblaciones.
65
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad 8
En la siguiente serie numrica, 2, 2.5, 3, 3.25, 4, 5, 6.5, 7.5, 50. Cual estadstico es ms
representativo?
Actividad 9
Un vendedor ambulante de confites, de lunes a sbado, vende las siguientes cantidades
en unidades:
Ahora veremos cmo calcular la mediana, ya que como se dijo depende del tipo de datos,
de la forma de presentacin y del nmero de datos que interviene.
Esta forma de clculo se tuvo en cuenta en la solucin de las situaciones anteriores, depen-
diendo si el nmero de datos es par o impar, para el caso de impares, la observacin obtenida
ocupa el centro, teniendo presente que se han ordenado creciente o decrecientemente.
Veremos ahora lo que sucede si los valores se encuentran en una tabla de frecuencias, en
tal caso es til hallar las frecuencias acumuladas, esto nos permite realizar un diagrama de
frecuencias absolutas acumuladas, siendo n/2 la ordenada correspondiente a la mediana y
con n como el nmero de datos. Aqu se presentan algunos inconvenientes debido al tipo
de variable si es continua o discreta. Si se trabaja con las frecuencias relativas acumuladas,
en la representacin grfica la ordenada correspondiente a es el valor correspondiente
a la mediana.
Ejemplo:
En un sondeo de opinin sobre como est planteando el seleccionador de Brasil los partidos
de ftbol de preparacin para el prximo mundial, se obtuvo los siguientes datos:
66
Desde los conceptos y los procesos
Opinin fi hi % Fi Hi
1.Totalmente de
20 0,392 39,2% 20 39,2%
acuerdo
2.De acuerdo 10 0,196 19,61% 30 58,82%
3.Indiferente 8 0,157 15,69% 38 74,51%
4.En desacuerdo 6 0,118 11,76% 44 86,27%
5.Totalmente en
7 0,137 13,73% 51 100,00%
desacuerdo
Total 51 1,000 100,0%
Veamos las grficas acumuladas tanto para frecuencias, como para porcentajes:
Observe que en este caso ningn valor xi corresponde en la fig1 a una frecuencia relativa
acumulada donde F(x)=n /2, para este caso 26, igual ocurre en el anlisis del porcentaje
acumulado en la fig2. Por lo tanto se analiza que el valor de la mediana es tal que:
F(xi-0) < < F(xi+0), es decir, tal que n1+ n2+ni-1< n/2 < n1+ n2++ni
Observe que el valor corresponde al salto que tiene la grfica en la distribucin para uno
de los valores de la variable, ello se debe a que todos los valores comprendidos entre ni-1 y
ni son iguales a xi, y uno de ellos ocupa exactamente la posicin n/2.
Ahora variemos el problema y demos la situacin en la cual el nmero de datos es par:F(x) = n/2,
la mediana est indeterminada entre los valores xi y xi+1, ya que cualesquiera de los valores
de x incluidos en el intervalo (xi,xi+1) cumple la definicin de mediana.
67
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Xmed = Li +
En el trabajo con datos agrupados (trabajo por intervalos), prcticamente se debe tomar los
modelos (llamados frmulas) funcionales y tener algunas propiedades en cuenta respecto de
cada medida de tendencia central, por ejemplo, la mediana es la nica medida central que hace
mnima la suma de todas las desviaciones absolutas, siendo adems en la representacin grfica
el valor que divide la vertical del histograma en dos partes de reas de igual medida. Para la
moda se debe tener en cuenta su utilizacin se realiza tanto como para variables cualitativas
y cuantitativas. Cuando se calculan estas dos medidas, no influyen los valores extremos, como
si ocurre con la media, por lo cual es poca representativa en estos casos, otra propiedad es que
no usan toda la informacin posible y adems, sus clculos son slo aproximaciones.
La moda
Si se tiene en anlisis una variable cualitativa, la media no se puede calcular, por lo tanto
es de vital importancia en la descripcin del grupo de datos el uso de la moda, el cual es
el valor de la variable que tiene mayor frecuencia. Adems, sta no es nica siempre, cada
moda corresponde a un mximo local de la distribucin de frecuencias, se enfatiza que en la
moda lo importante son las frecuencias y no el valor de la variable. Se representa por Mo.
Algunas distribuciones presentan dos valores para la moda, esto es poco comn en el tra-
bajo experimental, en otras ocasiones, si se presenta significa que los datos provienen de
dos distribuciones diferentes. Por ejemplo, si dos mquinas que producen un mismo artculo
trabajan promedios diferentes bastante alejados entre s y se desea reunir la produccin
total, la distribucin de frecuencias resultante sera de tipo binomial.
En la siguiente figura (Fig3), correspondiente al ejemplo del seleccionador del equipo brasi-
leo, se muestra la moda, indicando estar totalmente de acuerdo con l.
68
Desde los conceptos y los procesos
Fig3
Indican la posicin relativa que ocupa una observacin en una distribucin de frecuencias.
Son tambin llamados cuantiles, y son valores o estadsticos de orden que dividen a la
distribucin en partes iguales, es decir, en intervalos que comprenden el mismo nmero
de observaciones. Al ordenar los datos, se llama cuantil de orden q en el cual 0 < q < 1, y
se representa por xq, al valor de la variable que est por debajo de l (la proporcin r de
los valores observados). Por ejemplo la mediana, es el cuantil 0.5, puesto que la mitad del
conjunto de datos es menor que o igual a este valor. La razn anterior permite comparar los
cuantiles con los porcentajes, as, podemos decir que en una distribucin cualquiera, 50%
de los datos estn en el cuantil 0.5 o por debajo de l.
2.3.1. Cuartiles
Son tres valores de la variable, que dividen al conjunto de observaciones en cuatro grupos
iguales, en donde en cada grupo se halla el 25% de la poblacin. Este concepto favorece en
69
Mdulo
5 Pensamiento aleatorio y sistemas de datos
gran medida la comprensin y significado del diagrama de cajas. Los Cuartiles se representan
por: Q1, Q2 y Q3 que representan el primer, segundo y tercer cuartil respectivamente.
Ejemplo:
Puede resultar de inters conocer qu porcentaje de automviles sobrepasa el estndar de
emisiones de gases que es aceptable segn la legislacin vigente. Ya no se trata en este
ejemplo de describir el centro de un conjunto de datos, se hace necesario ser ms especfico.
Es probable que la emisin de gases promedio de un conjunto de automviles est dentro
de la norma. Pero, es aceptable que el 25% de ellos no la cumpla?
Otro ejemplo
Se podra dividir el grupo de estudiantes en cuatro categoras: A, B, C y D. Pues supongamos
se asignan tres tipos de becas a los estudiantes, de la siguiente forma. Al 25% que obtenga
mejores notas (categora A para ms excelentes) se le da una beca por 5 aos. Al 25% que
le sigue en calificaciones (categora B ms sobresalientes) se le otorga una beca por 3 aos.
Al 25% siguiente (categora C entre sobresalientes y aceptables) una beca por 1 ao y al 25%
restante (categora D) no se le otorga ninguna beca.
Esto indica por ejemplo, que en una clase de 20 estudiantes que estn ordenados por ca-
lificaciones en forma descendente (si las aceptamos cualitativamente) de: Excelente a
Deficiente se becan por 5 aos, del 6 al 10 se becan por 3 aos, del 11 al 15 se becan por 1
ao, y del 16 al 20 no reciben beca.
Adems, si deseramos conocer que oportunidad tenemos de obtener una beca. Podramos
tomar un grupo de notas o datos, de forma aleatoria entre todas las notas de la institucin,
esto representara una muestra. Luego se determina cuales son las calificaciones que es-
tablecen a qu categora pertenece el estudiante. Esto es equivalente a calcular cada uno
de los cuartiles (primer, segundo y tercer cuartil), que no es otra forma, que los valores
correspondientes a la escala de calificaciones, en las cuales se producen los cambios para
70
Desde los conceptos y los procesos
cada categora. Es decir, el tercer cuartil representa la calificacin a partir de la cul estn
ubicados el 25% de los estudiantes de categora A, el segundo cuartil (la mediana) es igual
a la calificacin en la cual hay 50 % de los estudiantes por encima y 50% por debajo, los que
estn entre el segundo y el tercer cuartil son el 25% de estudiantes categora B. Y el primer
cuartil representa la calificacin por debajo de la cual hay 25% de estudiantes categora D,
adems los que estn entre el primer cuartil y el segundo son el 25% categora C.
Esto puede de una forma ms sencilla permitirle tambin tener una buena idea de que opor-
tunidad tiene de obtener una determinada beca dentro de este curso.
Desv. Inter. = Q3 Q1
Este estadstico cumple una funcin similar a la desviacin estndar, pero es mucho ms
resistente al efecto de valores extremos en los datos. De hecho, los cuartiles primero y tercero
dejan entre s la mitad de la muestra, La otra mitad se encuentra fuera y por lo tanto la presen-
cia de un bajo nmero de datos extremos no cambia el valor de la desviacin intercuartil.
2.3.3. Deciles
Son 9 valores que dividen a la distribucin en 10 partes iguales, cada una de las cuales contiene
el 10% de las distribuciones. Se representan por D1, D2,D9. Si N es el tamao de la poblacin,
el decil k-simo deja a su izquierda (k.N)/10 observaciones y a su derecha (10-k).N/10.
2.3.4. Percentiles
Son 99 valores de la variable que dividen a los datos en 100 partes iguales. Se representan
por Pk, donde k indica el porcentaje de datos que quedan a su izquierda, es decir, Pk = Xi
indica la puntuacin porcentual acumulada k.
El clculo de las medidas de posicn, debe realizarse mediante el uso de los grficos de
cajn, o en su defecto utilizando los modelos o funciones expuestas a continuacin:
2.3.5.1. Cuartiles
El primer cuartil:
Cuando n es par:
71
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Cuando n es impar:
Cuando n es par:
Cuando n es impar:
2.3.5.2. Deciles
Si se tienen una serie de valores X1, X2, X3 ... Xn, se localiza mediante las siguientes
funciones:
Cuando n es par:
Cuando n es impar:
2.3.5.3. Percentiles
Si se tienen una serie de valores X1, X2, X3 ... Xn, se localiza mediante las siguientes
funciones:
Cuando n es impar:
Es fcil ver que el primer cuartil coincide con el percentil 25; el segundo cuartil con el per-
centil 50 y el tercer cuartil con el percentil 75.
72
Desde los conceptos y los procesos
2.3.6.1. Cuartiles
2.3.6.2. Deciles
D7 = Li +
2.3.6.3. Percentiles
P70 =Li +
P30 =Li +
Nota: Se aconseja utilizar estos estadsticos para variables continuas, cuando la distribucin
contiene un nmero grande de intervalos y se requiere examinar una parte de la distribucin
que presenta una caracterstica espacial a ser estudiada.
73
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Se refieren a la extensin de los datos en una distribucin, es decir, el grado en que las
observaciones se distribuyen. Ella nos proporciona informacin adicional para juzgar la
confiabilidad de la medida de tendencia central. Si los datos se encuentran ampliamente
dispersos, la posicin central es la menos recomendable o representativa, como un todo, que
cuando stos se agrupan ms estrechamente alrededor de la media. Si la dispersin es cero,
indica ausencia de dispersin.
Observe que ambas muestras tienen el mismo tamao 3 e igual promedio 60, pero existe
una diferencia fundamental entre ellas, porque los valores de la primera se encuentran mas
separados unos de otros (y, por lo tanto, tambin del valor medio) que los valores de la se-
gunda muestra, por lo anterior se hace necesario el estudio de medidas de variabilidad que
permitan diferenciar muestras como las anteriores.
Fig 4 Fig 5
En los grficos, se ve claramente que en la Fig5 los datos estn mas cerca de 60 (el promedio)
que en la Fig4, lo cual indica que hay mayor dispersin con respecto a la media en la Fig4.
En Economa, por ejemplo, ganancias ampliamente dispersas son indicio de un mayor riesgo
para los accionistas (debido a los niveles extremos, tanto positivos como negativos), que en
el caso en que los niveles de dispersin de las ganancias permanecen relativamente esta-
74
Desde los conceptos y los procesos
bles. En medicina es preocupante una droga cuya pureza promedio es buena, pero que oscila
desde muy pura hasta altamente impura, ya que es riesgosa para la vida humana.
2.4.2. Varianza
Dado un conjunto de datos, una forma de medir su variabilidad consiste en calcular las dife-
rencias de cada dato respecto del centro de los datos representado por su promedio. Como
las diferencias tienen signos negativos o positivos, segn el dato sea menor o mayor que
el promedio, la simple suma de las diferencias no sirve por los valores que se compensan.
Tanto es as, que la suma de estas diferencias es siempre cero. Al usar la varianza muestral,
debe notarse que los resultados obtenidos no estn en la misma unidad de medida que los
datos originales:
_
2 = con como media ; N tamao de la poblacin, x la observacin
o elemento observado.
75
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Lo anterior se simboliza:
nos permite determinar, con un buen grado de precisin, dnde estn localiza-
dos los valores de una distribucin con relacin a la media. Podemos hacer esto
de acuerdo con un teorema establecido por el matemtico ruso P.L. Chebyshev
(1821-18949). El teorema de Chebyshev dice que no importa qu forma tenga la
distribucin, al menos 75% de los valores caen dentro de 2 desviaciones estn-
dar a partir de la media de la distribucin, y al menos 89% de los valores caen 3
desviaciones estndar a partir de la media
La cita anterior permite medir con ms precisin el porcentaje de observaciones que caen
dentro de un alcance especfico de las curvas simtricas con una forma de campana (distri-
bucin normal).
Figura 6
76
Desde los conceptos y los procesos
Observe que el 68% de los datos caen dentro de 1 desviacin a partir de la media
El 95% de los valores est dentro de 2 desviaciones a partir de la media.
Lo anterior nos permite utilizar un modelo para ver estos resultados, que se calculan as:
Consideremos la interpretacin en pruebas saber para obtener una mejor idea de lo ante-
riormente expuesto:
Se espera entonces que el promedio sea alto, es decir, que tienda a 100 y que la desviacin
estndar sea baja, es decir, tienda a 0.
En este tipo de resultados podemos obtener cuatro posibilidades de anlisis de acuerdo con
la relacin entre puntaje promedio y desviacin estndar:
_____________________________________________________
16
http//www.colombiaaprende.edu.co .Tomado del MEN. Anlisis de Pruebas saber.
77
Mdulo
5 Pensamiento aleatorio y sistemas de datos
78
Desde los conceptos y los procesos
79
Mdulo
5 Pensamiento aleatorio y sistemas de datos
embargo, cuando se desea comparar la dispersin en dos conjuntos de datos, comparar las S
puede conducir a resultados sin sentido, si las medias difieren o si las unidades de medicin
son diferentes. Esto es as, puesto que cada S se obtiene a partir de la media particular que
corresponde a cada conjunto.
Lo que se necesita en situaciones como sta es una medida de variacin relativa, en lugar
de una variacin absoluta. La medida que nos puede resolver este problema es el coeficiente
de variacin (C.V.), llamado de Pearson, que es la relacin entre la S y la media aritmtica.
Se multiplica adems por 100, para considerar el resultado en forma de porcentaje. A mayor
porcentaje, mayor es la variacin y viceversa.
CV = para la poblacin
CV = para la muestra
Para realizar un buen anlisis, de stas medidas, antes veamos un concepto importante que tiene
que ver con la forma en que se dispersan los datos, lo cual nos conllevar a realizar anlisis en
la forma correcta donde se debe tomar una medida de posicin acorde al contexto de trabajo.
En el anlisis de datos se aplica a las distribuciones que cumplen con la siguiente carac-
terstica: definido un centro (media, mediana u otra) las dos mitades resultantes se corres-
ponden la una con la otra.
La importancia radica en que si una distribucin es totalmente simtrica, posee ciertas ca-
ractersticas peculiares, como la coincidencia de las medidas de tendencia central o como
requerir menos funciones muestrales para el anlisis de la distribucin, al respecto Vicente
Manzano y Ana Duran (2001. vol17) comentan:cualesquiera dos valores equidistantes al
centro cuentan tambin con la misma frecuencia (y, por lo tanto, con la misma frecuencia
acumulada con respecto al mismo centro)
As, debe tenerse en cuenta que la simetra es una dispersin, en la cual si es equitativa con
respecto a un centro, la distribucin es simtrica, si es diferente a un lado, la distribucin
es asimtrica. Se tiene diferentes tipo de medida de simetra, lo cual al operara sobre las
diferencias de los datos respecto a la media, se tienen los llamados momentos as: El primer
momento se anula, el segundo corresponde a la varianza y no distingue el sentido de la dis-
80
Desde los conceptos y los procesos
Mientras mas dispersos estn los datos, mas se incrementa el valor del tercer momento, sin
querer indicar que es una causa para una mayor simetra.
81
Mdulo
5 Pensamiento aleatorio y sistemas de datos
82
Desde los conceptos y los procesos
Fig14
Curtosis
El Coeficiente de Curtosis analiza el grado de concentracin que presentan los valores al-
rededor de la zona central de la distribucin.
g 2 = 0 (distribucin mesocrtica) .
g2 > 0(distribucin leptocrtica ).
g2 < 0 (distribucin platicrtica) .
GESTIN DE LA SITUACIN
Las actividades propuestas, deben realizarse en parejas para discutir algunos conceptos
importantes y sobre todo los que estn relacionados con los cuantiles debido a que al utilizar
las formas funcionales se pueden presentar algunas incoherencias respecto a las interpreta-
ciones, caso tal en que el educador debe intervenir y aclarar cada aspecto.
Actividad 10
83
Mdulo
5 Pensamiento aleatorio y sistemas de datos
xi ni Ni hi Hi
1
2
3
4
5
6
total
Material:
Una balanza muy buena (gramera) sensible.
En el grupo cada estudiante trae un paquete de papitas de la misma marca y del mismo
sabor.
Marcadores
Cinta de enmascarar
Instrucciones
Los paquetes se marcan con un nmero en forma ascendente con la cinta de enmascarar.
Se anota el peso neto de cada paquete de papita.
En la balanza se pesa el paquete y se anota en el cuaderno, esto lo realiza cada uno de los
estudiantes.
Luego se destapan las papas y se pesan sin el papel.
Los estudiantes intercambian los datos.
Se realizan dos tablas, una con el peso de las papas con papel, la otra sin el papel.
Para cada tabla halle: promedio. Compare cada uno de los resultados con el valor neto. Que
le dice esta diferencia?
84
Desde los conceptos y los procesos
Ahora realice un grfico de frecuencias acumuladas por cada tabla y realice una comparacin
y analice cual presenta mayor dispersin respecto al promedio.
Que le recomiendas a los productores de las papitas?
NOTA: si el grupo es demasiado grande, se le recomienda colocar 8 u 10 valores nicamente
y as trabajar cada tabla. (Esto no es agrupar en intervalos).
Aptitud Aptitud
Aptitud Verbal Aptitud Verbal
Matemtica Matemtica
1 685 664 16 730 642
2 490 548 17 618 533
3 580 567 18 690 654
4 705 665 19 680 542
5 470 452 20 690 678
6 620 506 21 710 732
7 650 618 22 742 749
8 702 718 23 685 570
9 643 621 24 595 574
10 540 555 25 674 657
11 575 502 26 722 747
12 600 531 27 585 620
13 500 478 28 505 482
14 680 558 29 600 643
15 587 600 30 543 500
85
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Para tabulacin del problema, se realizaron los clculos con el programa Excel.
= = 661.1
Lo anterior indica que en promedio la aptitud verbal de los estudiantes es de 661.1 puntos.
Fig15
Mediana (Xmed).
Hallamos primero a n/2 as: 30/2=15. El siguiente modelo nos permite hallar la mediana
para datos agrupados.
86
Desde los conceptos y los procesos
Xmed = Li +
Ahora se ubica el Li , que es el lmite inferior que contiene a 15 dentro de los datos de fre-
cuencias acumuladas, para nuestro caso es 587
Lo cual indica que el 50% de los estudiantes poseen una aptitud verbal de 626 puntos o ms.
Moda (Xmo).
Mediante el siguiente modelo se halla la moda para datos agrupados:
d1 = 8-2 = 6; d2 = 8 - 5 = 3
Esto nos indica que el puntaje ms frecuente en aptitud verbal es de 6914 puntos, lo cual
indica que no es una medida representativa para este ejemplo.
Al comparar la mediana con el promedio, nos damos cuenta que existe una diferencia, as,
661.1 626 = 35.1, cual indica la existencia de un sesgo en los datos, lo cual se aprecia en
la asimetra de la Fig15.
Cuartiles
Calculamos Q1 para datos agrupados mediante el uso del siguiente modelo:
Q1= Li +
Veamos: hallemos n/4; 30/4= 7,5 que se ubica en Fi = 10, as Li = 548, Fa = 6, fQ1=4
87
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Q1 = 548 + = 562,62
Indica que el 25% de los estudiantes obtuvo un puntaje en aptitud verbal de menos de 562,62
puntos, o tambin puede interpretarse como el 75% de los estudiantes obtuvo un puntaje en
aptitud verbal superior a 562,62 puntos.
Deciles
D3 = Li +
D3 = 548 + = 577,25
Nos indica que el 30% de los estudiantes obtuvo un puntaje de 577,25 o menos en aptitud
verbal.
Percentiles
Hallemos 70n/100 = 2100/100= 21, lo que indica que Li =665, Fa =17, fp70=8
88
Desde los conceptos y los procesos
Lo que indica que el 70% de los estudiantes obtuvieron un puntaje en aptitud verbal de 684.5
o menos.
S =
S = = 26,032
Es en esta parte se utiliza el teorema de Chebyshev para analizar su importancia, como sabe-
mos que el promedio de puntaje en aptitud verbal de los estudiantes es de 661.1 se tiene:
661.1-2(26.032) = 608.46
661.1+2(26.032) = 713,16
Esto significa que el 75% de los datos es decir 30*0.75 = 22.5 de los datos se encuentran
entre 608.46 y 713.16 puntos.
Hallemos ahora el coeficiente de variacin, ste permite comparar varios conjuntos de datos
expresados en diferentes unidades, o en las mismas unidades pero con distinto orden de
magnitud. Se expresa en porcentaje.
El dato anterior permite realizar una comparacin con los estudiantes para la aptitud mate-
mtica, indicando donde se obtiene un mejor rendimiento. Entre mas cerca est a cero el CV
indica que la muestra es muy homognea y por supuesto se tiene una muestra confiable.
89
Mdulo
5 Pensamiento aleatorio y sistemas de datos
A continuacin se hace un anlisis para la grfica de cajn, para ello, usamos los estadsticos:
Mx. =749
Mn. = 452
Xme = 626
Q1 = 562,6
Q3 = 691.8 (comprubelo)
Paralelo al eje, se construye una caja rectangular con altura arbitraria y cuya base va desde
el primer cuartil al tercero, o sea desde 562,6 hasta 691,8, veamos.
La caja se divide en dos partes, trazando una lnea a la altura de la mediana; Xme = 626:
Cada parte indica el intervalo de variabilidad de una cuarta parte de los datos, es decir, el
25% de los datos est entre 452 y 562.6 as:
90
Desde los conceptos y los procesos
A la caja as dibujada se le adicionan dos guas paralelas al eje (se ve como una), una a cada
lado, con las siguientes caractersticas: el primer segmento se prolonga desde el primer
cuartil hasta el valor mximo entre el mnimo de de la distribucin y la diferencia entre Q1
-1.5*(Q3 Q1), en nuestro caso tenemos
El otro segmento abarca desde el tercer cuartil hasta el mnimo entre el mximo de la dis-
tribucin y la suma de Q1 +1.5*(Q3 Q1) en este caso
El anlisis es el siguiente:
Si alguno de los datos quedan fuera del intervalo cubierto por la caja y estos segmentos,
indica que se tienen puntos atpicos, se sealan con una marca que puede ser un asterisco
(*), esto demuestra que son valores muy alejados de los valores centrales de la distribucin,
esto indica lgicamente la simetra. Sirve adems esta caja para comparar la misma variable
en dos muestras diferentes.
Segn la explicacin anterior, que comparacin se puede hacer con respecto a la puntuacin
obtenida en aptitud verbal?
91
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Debe comparar cada una de los resultados para observar la dispersin y las dems medidas.
Conceptos y procedimientos
El docente debe tener en cuenta dentro del anlisis de las actividades, que al recurrir al
clculo del coeficiente de variacin, es una medida relativa y que su utilidad radica en que
es independiente de la unidad usada en los valores de la variable, por lo cual se pueden
comparar distribuciones cuyos datos estn medidos en diferentes unidades.
92
Desde los conceptos y los procesos
c. Cuando todos los datos de la distribucin son iguales, los dos estadsticos son iguales
a cero.
d. Para el clculo se utilizan todos los datos de la distribucin, por tanto, cualquier cambio
de valor ser detectado.
X Y
45 160
55 145
55 150
55 165
56 165
58 162
58 165
60 160
60 163
60 170 Fig16
68 155
68 170
69 172
70 175
70 180
85 175
87 180
90 190
Este diagrama de dispersin (Fig16), indica relacin existente entre la altura y el peso. Se
puede estimar la estatura de una persona que pesa 60 kg.
Actividad n 1
Ahora se proponen una serie de situaciones en las cuales debes utilizar razonadamente los
estadsticos apropiados segn el contexto.
93
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Jugador 1m 2m 3m 4m 5m
A
B
C
D
Realiza una grfica en un mismo plano con cada jugador y compara los resultados de acuerdo
con los estadsticos numricos.
Actividad n 217
Un estudio nutricional en una institucin educativa en el cual se midi el peso de acuerdo con la
edad, y result que el peso promedio fue de 52 Kg., cuando el esperado era de 58 Kg. Despus de
hacer una serie de labores nutricionales para aumentar el peso durante un lapso de tres meses,
se tomaron nuevamente los pesos y los resultados se muestran en las siguientes grficas:
Fig 17 Fig 18
_____________________________________________________
17
Adaptado de Examen de Estado.2004-2
94
Desde los conceptos y los procesos
Material
Una cartulina, en la cual se dibujan crculos concntricos con los puntajes dados.
Como jugar
Formar grupos de 6 estudiantes, con un dado se ordena la salida de mayor a menor puntaje
obtenido. Si hay empate se resuelven lanzando nuevamente los dados. Cada jugador anota
en la tabla el respectivo puntaje, marcando con una X las veces en que cay en cada crculo.
Si cae fuera, se repite el lanzamiento.
95
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Jugador -2 10 15 20 TOTAL
1 XX
2
3
4
5
6
TOTAL
Problema
Los siguientes datos son ficticios: en una clase se realiza una encuesta sobre la cantidad de
dinero que le dan a los estudiantes y sobre las variables dadas en la tabla.
96
Desde los conceptos y los procesos
1 1 68 175 40 2500
2 2 69 176 41 3000
1 3 86 191 42 3500
2 3 58 165 39 2500
sexo: 1= hombre 2= mujer Deporte: 1= nada, 2=poco , 3 = mucho
97
Mdulo
5 Pensamiento aleatorio y sistemas de datos
98
Unidad No.3
El azar y la probabilidad
Introduccin
Llegar a las instancias de la didctica de probabilidades no es fcil, ya que en nuestro pas
no se tienen muchos conocimientos sobre proyectos de investigacin sobre la enseanza de
la probabilidad y temas afines y ms a niveles de bsica y media tcnica, por lo tanto es a
partir de los estndares bsicos de matemticas que nos proponemos realizar estrategias que
permitan desarrollar en nuestros estudiantes un razonamiento y pensamiento formal para que
ellos descubran en forma progresiva esquemas de representacin implcitos en las diferentes
niveles de situaciones problemas.
El punto de partida para esta unidad est basado en los significados de la aleatoriedad, y
experimento aleatorio como conceptos claves en la concepcin de la probabilidad. Para ello,
el proceso de generacin de una sucesin es lo que se denomina experimento aleatorio, los
posibles resultados de dicho proceso son los sucesos aleatorios y la sucesin obtenida en una
serie de ensayos es la secuencia aleatoria.
Para Piaget e Inhender la comprensin del azar por parte del nio vista como complemen-
taria a la relacin causa-efecto forma un marco de referencia para identificar los fenmenos
aleatorios. Desde el punto de vista fsico, el azar se caracterizar por procesos de mezcla
irreversible, mientras que la causalidad mecnica tendr una reversibilidad intrnseca18.
Para Piaget, el nio tiene un pensamiento irreversible, que le permite colocar una barrera en
la comprensin de la aleatoriedad debido a que no puede diferenciar entre acontecimientos
reversibles y fortuitos, originados por mezclas de causas irreversibles. Tal motivacin lleva
al nio hasta la etapa de las operaciones concretas en la que pueden claramente aparecer
factores de caracterizacin de los fenmenos causados y poder adquirir en forma intuitiva el
significado de aleatoriedad.
_____________________________________________________
18
Citado en la tesis doctoral de Luis Serrano Romero. Significados institucionales y personales de objetos matemticos ligados a la
aproximacin frecuencial de la enseanza de la probabilidad.
19
Tomado de Didctica de la estadstica. Carmen Batanero. Pg. 56.
99
Mdulo
5 Pensamiento aleatorio y sistemas de datos
En tal sentido, Fischbein rechaza las ideas de Piaget respecto a la concepcin del azar cuan-
do concibe que esa idea no es innata y la no comprensin de causa y efecto por parte del
nio en el periodo preoperacional, pues se basa en la intuicin primaria del azar, es decir,
existe una distincin entre fenmeno aleatorio y determinista a partir de los 7 aos, adems
los nios al practicar los juegos de azar sencillos son capaces de elegir la opcin de mayor
probabilidad. Plantea que la distincin entre azar y lo deducible no se realiza espontnea y
completamente al nivel de las operaciones formales.
En los fenmenos aleatorios los resultados aislados son imprevisibles, pero el conjunto
de posibilidades puede determinarse mediante un proceso de desarrollo de razonamiento
combinatorio, con lo que se vuelve previsible. Lo anterior se debe comprender para poder
expresar la idea de probabilidad como la razn de posibilidades de un caso en particular y
el conjunto de posibilidades.
Puede observarse que el pensamiento aleatorio, tambin involucra otros tipos de pensamiento
como el numrico y variacional, este ltimo ofrece formas de realizar modelos a travs de las
funciones que intervienen en las situaciones de las distribuciones de probabilidad.
En el siguiente esquema se propone tomar como base fundamental las probabilidades, par-
tiendo de la aleatoriedad y el anlisis combinatorio.
100
El azar y la probabilidad
Aproximadamente por el ao 3500 a.C., los juegos de azar eran practicados con objetos de
hueso, considerados como los precursores de los dados, y fueron ampliamente desarrolladas
en Egipto y otros lugares. Dados cbicos con marcas virtualmente idnticas a las de los dados
modernos han sido encontrados en tumbas egipcias que datan del ao 2000 a.C. Sabemos
que el juego con dados ha sido popular desde esa poca y que fue parte importante en el
primer desarrollo de la teora de la probabilidad20.
Se dice que probabilidades numricas para ciertas combinaciones de dados ya haban sido
calculadas por Girolamo Cardano (1501 - 1576) y por Galileo Galilei (1564 - 1642). Cardano en
su obra Lanzando los dados, publicada 87 aos despus de su muerte, introduce conceptos
de combinatorios en clculos de probabilidad y define la probabilidad como el numero de
resultados favorables dividido por el nmero de posibles resultados.
Se acepta generalmente que la teora matemtica de la probabilidad fue iniciada por los
matemticos franceses Blaise Pascal y Pierre Fermat. Cuenta la historia que un da de 1654
Antoine Gombaud, Caballero de Mr, un noble francs con inters en los juegos de los
dados y las cartas, llam la atencin de Pascal en una aparente contradiccin en un juego
popular de dados. Este caballero crey haber encontrado una falsedad en los nmeros al
analizar que el comportamiento de los dados era diferente cuando se utilizaba un dado que
cuando se empleaban los dos. La falsedad consista en una comparacin errtica entre las
posibilidades de obtener un seis con un solo dado u obtener un seis con ambos. El juego
consista en lanzar un par de dados 24 veces, y el problema en decidir cuando apostar por
un doble seis en una tanda de 24 lanzamientos. Una regla de juego aparentemente bien
establecida indujo a Mr a creer que apostar a un doble seis en 24 lanzamientos podra ser
provechoso, pero sus propios clculos indicaron lo contrario. Lo anterior se debi a que Mr
no tuvo en cuenta que al jugar con dos dados se entra al anlisis de probabilidades com-
puestas en el cual se deben calcular por la multiplicacin. En una carta de Pascal a Fermat
en la que narraba esta ancdota conclua que el caballero Mr tiene mucho talento, pero
no es gemetra; esto es, como sabis un gran defecto (carta del 29 de julio de 1654)21
Este problema y otros propuestos por de Mr, llev a un intercambio de cartas entre Pascal
y Fermat, en las cuales los principios de la teora de la probabilidad fueron formulados por
primera vez. Aunque algunos problemas especiales en los juegos de azar haban sido re-
sueltos por algunos matemticos italianos en los siglos XV y XVI (Cardano, Galilei), ninguna
teora general se desarroll antes de esta famosa correspondencia.
_____________________________________________________
20
Tomado de: http//correo.puj.edu.co/probabilidad/historia.
21
La historia de la probabilidad. Ponencia Rev Col Cienc Vol 16:1.2003. Luis F Restrepo y Julin Gonzlez.
101
Mdulo
5 Pensamiento aleatorio y sistemas de datos
En 1689 Jacob Bernoulli public un importante trabajo sobre series infinitas y su ley so-
bre los grandes nmeros en teora probabilstica. Fue un temprano precursor del uso de
la teora probabilstica en medicina y meteorologa en su trabajo Ars conjectandi (El arte
de la conjetura), publicado de manera pstuma, en 1713. Este trabajo estaba dedicado a
establecer las nociones bsicas de probabilidad. Para esto fue necesario introducir tambin
un buen nmero de nociones bsicas de combinatoria pues se usaron fuertemente como
aplicaciones al clculo de probabilidades. Se puede decir que con los trabajos de Bernoulli
se inicia el establecimiento de la combinatoria como una nueva e independiente rama de
las matemticas.
A finales del siglo XVIII, se evidenci la existencia de analogas entre los juegos de azar y
fenmenos aleatorios en fsica, biologa y ciencias sociales. Contribuciones de importancia
fundamental fueron hechos hacia finales del siglo XVIII y comienzos del XIX por los mate-
mticos, astrnomos y fsicos franceses Joseph Louis Lagrange and Pierre Simon Laplace, el
matemtico y astrnomo germano Karl Friedrich Gauss, y el matemtico francs Simen-Denis
Poisson. Las permutaciones fueron primeramente estudiadas por Lagrange en 1770 e invent
y madur el clculo de variaciones y ms tarde lo aplic a una nueva disciplina la Mecnica
Celestial, sobre todo al hallazgo de mejores soluciones al Problema de tres cuerpos.
La publicacin ms importante de esta era fue Thorie analytique des probabilits (1812) de
Laplace, en la cual se discuten aplicaciones prcticas de la teora (errores en observaciones; la
determinacin de las masas de Jpiter, Saturno y Urano; mtodos de triangulacin para super-
vivencia; y problemas de geodsicas, en particular la determinacin del meridiano de Francia)
y desarrolla el concepto de distribucin normal, descubierta en primera instancia por Abraham
de Moivre. Adems, complement el trabajo comenzado por Gauss sobre teora de errores.
Entre 1850 a 1900 el desarrollo de la probabilidad fue dominada por la escuela rusa de teora
probabilstica (Petersburgo), enfatizando en mtodos matemticos rgidos. Las figuras ms
prominentes de esta escuela fueron Pafnuty Chebyshev, y sus discpulos Andrei Markov y
Alexander Lyapunov. Markov se enfoc principalmente en el mtodo de movimientos. Su
introduccin de la cadena de Markov como un modelo para el estudio de variables aleatorias
hizo posibles grandes cantidades de investigacin en procesos estocsticos. Un uso prctico
para su matemtica se encontr en el uso de sus cadenas para modelar la alteracin de vocales
y consonantes en los trabajos literarios rusos. l tambin escribi un libro de probabilidad y
102
El azar y la probabilidad
estadstica, uno de los mejores de su tiempo. Su trabajo influy en muchos otros matemticos
famosos y estadsticos, incluso S. N. Bernstien, V. yo. Romanovsky, y Jerzy Neyman (quin
entonces tom las estadsticas a un nuevo y ms prctico nivel).
La rama toma su forma actual a partir de los aos 30s cuando Kolmogorov establece con
sus axiomas para el clculo de probabilidades las bases matemticas para asentar la teora,
con lo cual, adems se aclaran las aparentes paradojas existentes. Todo esto aparece en
su famosa monografa Grundbegriffe der Wahrscheinlichkeitsrechnung, (1933). Los ante-
cedentes del esquema Kolmogorov son: I. Los notables avances que en el rea del anlisis
matemtico se dan durante la primera dcada de este siglo con la creacin de la teora de
la medida (E. Borel) y de la integral de Lebesgue. Esto surge independientemente de la
probabilidad, a pesar de lo cual, resulta ser la herramienta ideal para su desarrollo y slido
sustento matemtico. Por el lado de la probabilidad, se cuenta con la demostracin de E. Borel
de la ley fuerte de los grandes nmeros en donde ste ya maneja la nocin de probabilidad
con las propiedades aditivas. Por otra parte, los trabajos de Norbert Wiener y los de Paley
y Zigmund, contienen desarrollos importantes de la teora y en ellos ya manejan la idea de
probabilidad como medida .
103
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Las experiencias simples que dan lugar a una compuesta se llaman independientes si el
resultado de cada una de ellas no influye en el de las siguientes. La experiencia consistente
en lanzar dos dados, uno tras otro, se compone de dos experiencias independientes, pues el
resultado que se obtenga en el primero no afecta a las probabilidades en el segundo.
Dos o ms experiencias consecutivas son dependientes si el resultado de cada una afecta a las
probabilidades de los sucesos en las siguientes. Por ejemplo, en la experiencia consistente en
sacar dos cartas de una baraja, al extraer la primera se modifica la composicin de la baraja.
Por tanto, las probabilidades en la segunda dependern de lo que ocurri en la primera.
Aunque no aparece el trmino aleatoriedad, se da una idea intuitiva y por lo tanto como en
la mayora de los textos, se ve claramente que el proceso aleatorio, est relacionado con las
probabilidades y el azar.
Para Batanero (2001, Pg. 2), partir de la observacin (mtodo cientfico) de los fenmenos
que ocurren en la naturaleza podemos diferenciar aquellos que son constituidos por el azar
y que representan aleatoriedad y contingencia24, cuando se tiene un fenmeno aleatorio,
decimos que ste es reproducible en las mismas condiciones, aunque presente diferentes
resultados pero sin saber con certeza lo que ocurrir en una experiencia particular, por ejem-
plo, no s con seguridad el tiempo que demora un ciclista en recorrer 100km. Pero se puede
reproducir la situacin en las mismas condiciones para analizar los diferentes resultados que
se producen (se puede hacer un recuento del tiempo gastado por dos o ms ciclistas, puede
ser una prueba contra reloj). Por el contrario en una situacin contingente, el fenmeno no
es repetible bajo las mismas condiciones, as en el est presente el azar, por ejemplo cuando
se va por una calle y ocurre un accidente de trnsito.
3.2.3. Modelos
En cuanto a los modelos, Carlos Eduardo Vasco25 comenta Para m, el principal propsito del
pensamiento variacional es la modelacin y no es propiamente la resolucin de problemas ni
de ejercicios. Al contrario para m, los mejores problemas o ejercicios deberan ser desafos
o retos de modelar algn proceso. Para poder resolver un problema interesante tengo que
armar primero un modelo de la situacin en donde las variables covaren en forma semejante
a las de la situacin problemtica
_____________________________________________________
20
Tomado de: http//correo.puj.edu.co/probabilidad/historia.
21
La historia de la probabilidad. Ponencia Rev Col Cienc Vol 16:1.2003. Luis F Restrepo y Julin Gonzlez.
104
El azar y la probabilidad
Los estudiantes deben aprender a realizar modelos en todas las ciencias (reas o asignaturas)
y en sus diferentes etapas de la vida escolar, con lo cual se forma un proceso de aprendizaje
eminentemente significativo, por ello a partir de ah la propuesta de trabajo en la parte de
probabilidad debe partir de la modelacin y simulacin de fenmenos aleatorios.
Como ya se tiene una idea de la aleatoriedad, se debe pasar a realizar modelaciones, por
ejemplo, no s con seguridad el tiempo que demora un ciclista en recorrer 60km en una
competencia contra reloj, al calcular el tiempo que gasta el ciclista, se debe tener en cuenta
la hora en la cual se realiz la experiencia, el tiempo (invierno, verano), sitio (veldromo, pista
callejera etc.). Todos estos puntos sern importantes para tratar de encontrar un modelo que
nos describa el tiempo gastado y se requiere del juicio personal y del anlisis cuidadoso de
la situacin para decidir cules de los aspectos de la realidad son los que en definitiva nos
parecen importante para resolver el problema que planteamos. Ntese pues que se tiene ya
la idea intuitiva de un experimento aleatorio.
Ahora para construir el modelo, debemos tener en cuenta una serie de decisiones: aceptamos
que el tiempo de llegada del prximo ciclista es independiente del que acaba de llegar?.
Trataremos los tiempos como variable continua?.
Cules son otras variables, adems del tiempo de llegada que me podran interesar en el
trabajo con el modelo?.
Una vez que hemos construido un modelo matemtico para la situacin (por ejemplo acep-
tamos que los tiempos de espera siguen una distribucin uniforme entre un ciclista y otro)
y obtenidas las conclusiones a partir del modelo queda todava la parte ms importante:
comparar estas conclusiones con el comportamiento real de la situacin analizada y decidir
que el modelo matemtico nos proporciona una buena descripcin de la realidad. Resalta-
mos el hecho de que construir un modelo es obtener una mejor comprensin de una parte
de nuestro mundo y, as, poder predecirla y si es posible controlarla. Un modelo no es real,
ni tampoco verdadero;
3.2.3. Probabilidad
En toda ciencia y en especial las matemticas es vital e importante analizar los diferentes
puntos de vista sobre la comprensin de los significados de los conceptos puestos en juego
al igual que el razonamiento acerca de errores y dificultades en su enseanza ya que ellos
inciden en la toma de decisiones en situaciones de incertidumbre.
105
Mdulo
5 Pensamiento aleatorio y sistemas de datos
de dicho suceso (estudiado en los apartes de las tablas de frecuencia), lo importante es que
se puede observar que dicha frecuencia varia entre 0 y 1. El valor de la frecuencia relativa
de ese suceso no es fija para n, ya que se trata de un fenmeno aleatorio y adems, al rea-
lizar el mismo experimento n veces, por dos o ms personas, se pueden obtener diferentes
valores de las frecuencias relativas. Sucede que para una serie grande de repeticiones del
experimento, las frecuencias relativas se van acumulando alrededor de un valor fijo. Tal he-
cho se conoce como la ley de los grandes nmeros. Un ejemplo fue el realizado por Pearson
quien al lanzar una moneda 24000 veces, obtuvo una frecuencia relativa de 0.5005 para las
12012 caras. Se cuenta que Buffn lanz una moneda 4040 veces y obtuvo 2048 caras, cuya
frecuencia relativa es 0.506930.
Los anteriores anlisis permitieron el concepto de la regla de Laplace, partiendo como se coment
en la parte histrica de la solucin de algunos juegos de azar, en el cual se considera un espacio
muestral finito para la ocurrencia de n sucesos elementales en el cual ninguno de ellos puede
ocurrir con mayor frecuencia que los otros, en tal caso la probabilidad de estos sucesos es 1/n.,
a partir de este hecho, Laplace habla de sucesos compuestos y dice que las probabilidades de
un suceso que se descompone en k sucesos elementales puede calcularse como k/n.
Segn Godino et. al. (1987), esta definicin se encontr inadecuada incluso en la poca de
Laplace, ya que adems de ser circular y restrictiva, no ofreci respuesta a la pregunta de
qu es realmente probabilidad; slo proporcion un mtodo prctico de clculo de probabi-
lidades de algunos sucesos sencillos. Por otro lado, esta definicin no puede aplicarse a los
experimentos con un nmero infinito de posibilidades o a aquellos casos en que el espacio
muestral es finito, pero no puede aceptarse la condicin de simetra26.
_____________________________________________________
26
Carmen Batanero. Significados de la probabilidad en la educacin secundaria.
106
El azar y la probabilidad
Uno de los inconvenientes para la aplicacin de este concepto es que si se tiene un espacio
muestral infinito, es imposible aplicar la regla anterior.
Existe adems, otra forma de asignacin de probabilidades: de manera subjetiva, esto es,
asignar una probabilidad a un evento de acuerdo con la experiencia de la persona, se cita por
ejemplo cul es la probabilidad de que Colombia clasifique al mundial del 2010? y las perso-
nas dan sus opiniones, desde luego muy subjetivas. Pero la verdad es que con el teorema de
Bayes se tiene un nuevo punto de vista que permite transformar las probabilidades a priori
(antes de realizar el experimento) de varias causas, una vez observadas sus consecuencias,
a probabilidades a posteriori, que incorporan la informacin de los datos observados.
En este sentido las probabilidades son tomadas como grado de creencia de una persona, el
cual est basado en su experiencia para asignar probabilidades, as al final resulta engorroso
calcular la probabilidad de un suceso ya que diferentes personas tienen distintas concep-
ciones y por supuesto conocimientos respecto a un hecho en particular.
Como P(A) tiene que ver con la frecuencia relativa, se tiene que:
0 P(A) 1
Si A y B son eventos mutuamente excluyentes27 ( AB ), se cumple que:
P (AB) = P(A) + P(B)
Si al conjunto de todos los resultados posibles del experimento lo llamamos espacio muestral
S, se tiene que:
P(S) = 1
Si el espacio muestral es infinito y A1, A2, . Son eventos mutuamente excluyentes, se tiene que:
P(A1A2 ) = P(A1 )+ P(A2 )+
_____________________________________________________
27
Al tratar con conjuntos, se debe tener en cuenta que la interseccin entre dos conjuntos es vaca para que sean disjuntos.
107
Mdulo
5 Pensamiento aleatorio y sistemas de datos
El anterior anlisis nos hace ver claramente que hay posibilidades cuya asignacin es 0, por
ejemplo la posibilidad de realizar un viaje al sol, a tal posibilidad se les conoce como imposibles,
pero tambin nos indica que existe una posibilidad de 1,tal posibilidad es conocida como segura,
por ejemplo la probabilidad de que llueva el prximo ao, adems existe la opcin de movernos
en el intervalo 0 Probabilidad (de un evento) 1, lo cual indica que existen un nmero infinito
de asignaciones para la ocurrencia de un evento, as mismo indica que existe una funcin para
la asignacin de probabilidades para cada uno de los posibles eventos del espacio muestral.
Polya28 trata el trmino heurstica y se refiere a la comprensin del mtodo que conduce a la
solucin de problemas y mas concretamente a las operaciones mentales tpicamente tiles
en este proceso. Aade que la heurstica se construye sobre una experiencia resultante,
simultnea con la solucin de problemas.
En los juicios probabilsticos se encuentran algunos sesgos, que fueron estudiados por Tver-
sky y Kahneman, siendo ellos tratados en las heursticas siguientes:
Como concepciones errneas que surgen de sta heurstica, se tienen los segos respecto a
la muestra, lo cual indica que se deben reproducir todas las caractersticas de la poblacin
aunque se trate de una muestra pequea
_____________________________________________________
28
Citado en la tesis doctoral de Luis Serrano Romero. Significados institucionales y personales de objetos matemticos ligados a la
aproximacin frecuencial de la enseanza de la probabilidad.
108
El azar y la probabilidad
se usan muestras, con ello se corre el riesgo de que la muestra no sea representativa de la
poblacin a estudiar, tambin se debe a falta de razonamiento combinatorio.
A los estudiantes les resulta difcil comprender que la probabilidad de un suceso pueda condicio-
narse por otro que ocurra despus de l. Por ejemplo pueden encontrar sin sentido la pregunta
sobre probabilidad de que la madre de una persona de ojos azules tenga ojos azules.
A continuacin se presentan los estndares relacionados con los elementos tericos pues-
tos a consideracin en esta unidad, igualmente, abarcan la mayor parte de las situaciones
propuestas.
Sistemas de datos
Describir situaciones o eventos a partir de un conjunto de datos.
Explicar desde su experiencia la posibilidad o imposibilidad de ocurrencia
Primero a Tercero de eventos cotidianos.
Predecir si la posibilidad de ocurrencia de un evento es mayor que la de otro.
Hacer conjeturas y poner a prueba predicciones acerca de la posibilidad de
Cuarto a Quinto ocurrencia de eventos.
Comparar diferentes representaciones del mismo conjunto de datos.
Usar modelos (diagramas de rbol, por ejemplo) para discutir y predecir
Sexto a Sptimo posibilidad de ocurrencia de un evento.
Hacer conjeturas acerca del resultado de un experimento aleatorio usando
proporcionalidad y nociones bsicas de probabilidad.
Octavo a Noveno Comparar resultados experimentales con probabilidad matemtica esperada.
Resolver y formular problemas seleccionando informacin relevante en
conjuntos de datos provenientes de fuentes diversas (prensa, revistas ,
televisin, experimentos, consul tas, entrevistas ).
Dcimo a Undcimo Disear experimentos aleatorios (de las ciencias fsicas, naturales o sociales)
para estudiar un problema o pregunta.
Usar conceptos bsicos de probabilidad (espacio muestral , evento, inde-
pendencia.. .).
109
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Numrico
Reconocer significados del numero en diferentes contextos
Primero a Tercero Usar diferentes estrategias de clculo y de estimacin para resolver proble-
mas en situaciones aditivas y multiplicativas.
Interpretar las fracciones en diferentes contextos.
Cuarto a Quinto
Analizar y explicar las distintas representaciones de un mismo nmero.
Justificar el uso de representaciones y procedimientos en situaciones de
Sexto a sptimo
proporcionalidad
Comparar y contrastar las propiedades de los nmeros sus relaciones y
Dcimo a Undcimo
operaciones
Variacional
Construir secuencias numricas y geomtricas utilizando propiedades de
Primero a Tercero
los nmeros y de las figuras geomtricas.
Predecir patrones de variacin en una secuencia numrica, geomtrica o
Cuarto a Quinto
grfica.
Reconocer el conjunto de valores de una variable en situaciones concretas
Sexto a sptimo
de cambio.
Octavo a Noveno Modelar situaciones de variacin con funciones.
Analizar las relaciones y propiedades entre las expresiones algebraicas y
Dcimo a Undcimo
las grficas de funciones polinmicas y racionales.
SITUACIONES DE APRESTAMIENTO
Materiales
2 dados
Como se quiere es repetir el proceso, el estudiante debe llenar la hoja, pero variamos la for-
ma: escribe las posibles maneras de obtener cada uno de los resultados de la parte superior
(como total)
2 3 4 5 6 7 8 9 10 11 12
4+2
3+3
5+1
110
El azar y la probabilidad
GESTIN DE LA ACTIVIDAD
En esta parte se explora claramente la pertinencia del concepto de espacio muestral, el inicio
a la combinatoria, y se aprovecha la propiedad conmutativa para diferenciar una permuta-
cin de una combinacin, esto ocurre por ejemplo al tener un resultado como 5+1=1+5, es
lgico que en los niveles inferiores se aproveche esta situacin para resaltar nuevamente la
descomposicin de un nmero.
Nota: Al contestar la ltima pregunta de la situacin anterior, deben buscarse primero todas
las posibles combinaciones de pares posibles al lanzar los dados.
La actividad anterior se puede expandir para tres dados, lanzamiento de tres monedas y
observar el espacio muestral para cada suceso.
_____________________________________________________
29
Tomado de Instituto de Matemticas. UNAM. Investigacin probabilidad.2002.
111
Mdulo
5 Pensamiento aleatorio y sistemas de datos
2. En una partida de dados intervienen dos jugadores y apuestan 32 doblones de oro cada
uno, eligiendo un nmero diferente, gana el juego el primero que obtenga tres veces el
nmero que eligi. Despus de un rato de juego, el nmero elegido por el primer apostador
ha salido dos veces mientras el otro jugador slo una vez ha acertado, en este instante
la partida debe suspenderse. Cmo dividir los 64 doblones de oro apostado?
Existe una forma sencilla de obtener las probabilidades de cualquier combinacin especial.
Pascal dedujo una forma para obtener una cara en el lanzamiento de una moneda, se bas
simplemente en la formacin triangular de nmeros, la cual muestra la forma de obtener cara
o sello o cualquier combinacin de ellas en determinado nmero de lanzamientos.
Por ejemplo para una moneda, la posibilidad de que salga cara es una entre dos, o sea, .
Para 3 monedas: si todas las opciones son sellos: 1/8; dos sellos una cara 3/8; dos caras y
un sello, 3/8 etc.
En el lanzamiento de cinco monedas, las posibilidades son uno entre 32 para que salgan
cara o sello; 5/32 para cuatro sellos y una cara.
_____________________________________________________
30
Ponencia La historia de la probabilidad. Luis F Restrepo y Julin Gonzlez.Rev Col Cien Pec. Vol 16:1,2003
112
El azar y la probabilidad
2. Si se lanzan dos monedas, cul es la probabilidad de que salgan una cara y un sello?
3. En el lanzamiento de seis monedas:
a. Cul es la probabilidad de que todas salgan cara o todas sellos?
b. Cul es la probabilidad que 5 sean caras y una sea sello?
c. Cul es la probabilidad que 3 sean sellos y tres sean caras?
GESTIN DE LA ACTIVIDAD
Observe que en el tringulo de Pascal cada fila se obtiene de la inmediata superior, de esta
forma se escribe un 1 en cada extremo y debajo de cada par de nmeros contiguos se es-
cribe la suma, as, cada fila representa la posibilidad de que salgan cara o sello al lanzar un
nmero determinado de monedas.
113
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Cuando efectuamos un experimento, se puede tener uno o ms resultados, los cuales denomina-
remos eventos. Aqu se tiene el primer contacto como conjunto. Por ejemplo si deseamos contar el
nmero de bacterias producidas en un vaso de yogurt, algunos eventos de inters pueden ser:
Tambin los eventos pueden estar asociados al lanzamiento de un dado como en la seccin
anterior, e interesarnos solamente por:
Aqu se puede empezar a trabajar en la diferenciacin de eventos, pues en el caso de los dados,
la obtencin de un nmero par, se puede descomponer en varios como: obtener 3, 5, 7, 9, 11,
de esta forma el evento inicial se convierte en un evento compuesto, por el contrario el evento
obtener un 2, no se puede descomponer, razn por la cual se le llama evento simple.
Se aprovecha la teora de conjuntos para expresar las relaciones entre varios experimentos
asociados. Si consideramos los conjuntos en forma topolgica como agrupaciones de puntos,
se puede asociar cada evento simple con un experimento, en el cual cada punto distinto es
llamado punto o espacio muestral, as este espacio es considerado como un experimento
en el que se asocian todos los posibles puntos muestrales.
Nace as el concepto de espacio muestral finito, cuando los puntos del experimento son fini-
tos o un nmero infinito contable (enumerable) de puntos muestrales, tales espacios se les
denomina discretos. Por ejemplo en el conteo de los puntos entre 1500 y 3000.000 es infinito,
pero aqu se puede establecer una correspondencia biunvoca entre el nmero de puntos
muestrales diferentes y los nmeros enteros.
En la institucin educativa donde usted labora, se va a montar una obra de teatro, que se
debe estrenar en dos semanas, por lo apresurado de la agenda se escoge a tres hombres
y dos mujeres para que protagonicen los papeles principales (masculino y femenino), de
cuntas formas puede elegir el director a esta pareja?
Un grupo de nios de tercero, posee un mueco el cual deben vestir, es decir colocarle ca-
misa y pantaln, cuentan con tres camisas y dos pantalones, de cuntas maneras diferentes
pueden ellos vestir al mueco?
114
El azar y la probabilidad
Una pareja de recin casados decide comprar una cocina y un equipo de sonido, el almacn
a donde acuden, le ofrecen 4 tipos de equipo de sonido de tres marcas diferentes y 3 clases
de cocina. De cuntas maneras distintas pueden realizar la compra?
Se introducen dos regletas de igual tamao pero una de color rojo y otra de color amarillo dentro
de una bolsa. Se saca una al azar y se anota el color, se devuelve la regleta a la bolsa.
GESTIN DE LA ACTIVIDAD
115
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad n 8
Colocar 4 regletas de diferente color (amarillo, verde, azul, roja) en fila. De cuntas formas
se pueden alinear?
GESTIN DE LA ACTIVIDAD
Se observa que la regleta roja puede ocupar la primera posicin de 4 formas, obtenindose
un cambio de las dems, esto da la idea bsica de permutacin y por lo tanto se puede ha-
blar de un modelo como la forma de permutar (cambiar) n elementos tomando n a la vez, sin
tener repeticiones de ellos, as es conveniente aplicar la notacin de n!.
Actividad n 9
Se introducen en una bolsa 4 regletas, dos amarillas, una verde y una caf. Se toma una regleta
al azar y se anota su color. Sin volver la regleta a la caja, se toma una segunda regleta y se
anota su color. Se contina as hasta seleccionar las 4 regletas.De cuntas formas diferentes
se puede realizar la seleccin?.
GESTIN DE LA ACTIVIDAD
Este modelo para los grados superiores, puede llevarse a la permutacin con repeticin sin duda con
elementos que el estudiante puede tener en cuenta sin problemas de aprendizaje y aplicacin.
116
El azar y la probabilidad
En general, para este modelo igual que el anterior al permutar n elementos tomando r a la vez, es
importante el orden y adems se tiene en cuenta los elementos que se repiten de cada grupo.
Una manera importante de ver este concepto es en el trabajo con diagrama arbolar, veamos
o que sucede en este anlisis:
La situacin del verde se repite para el caf, de tal manera que se obtiene una solucin del
problema en forma acertada, este tipo de diagrama da al estudiante una visin de la estruc-
tura del problema, y a partir de l, los estudiantes asimilan el principio constructivo de las
configuraciones combinatorias y adems, les proporciona un significado intuitivo global para
la comprensin del modelo (frmula) algebraica. Este diagrama tambin, le da una forma de
lo que significa la enumeracin en forma elemental.
Es de anotar que para ejercicios donde el resultado es muy grande, queda casi imposible la
manera de usar este diagrama, adems, debe tenerse en cuenta que se pueden presentar
algunas dificultades en el estudiante en la interpretacin del diagrama, pues en ocasiones
cuando el nmero de enumeracin es grande, trata de buscar un patrn aplicando una fr-
mula algebraica que puede ser la no conveniente.
Actividad n 10
Se dispone de tres vasos iguales con jugo (ver figura). Se desean colocarlos sobre 4 porta-
vasos de diferentes motivos: Uno con la bandera de Antioquia, el otro con la bandera del
Nacional, otro con la Bandera del Medelln y un ltimo con la bandera del Envigado. Como
cada portavaso slo puede contener a lo sumo un vaso. De cuntas formas se pueden co-
locar los vasos sobre los portavasos?.
117
Mdulo
5 Pensamiento aleatorio y sistemas de datos
GESTIN DE LA ACTIVIDAD
Seleccionar 3 vasos idnticos entre cuatro portavasos diferentes, se realiza una seleccin
no exhaustiva ya que en cada portavaso se coloca un solo vaso, de forma que los vasos no
se pueden repetir, de esa forma el orden de seleccin de los portavasos no produce nuevas
configuraciones, es decir el orden de colocacin no influye para la formacin de nuevas
configuraciones, lo anterior nos lleva a la idea de combinaciones.
Actividad n 11
Para simular una lotera, se introducen en una bolsa tres balotas numeradas con los dgi-
tos 3,5 y 6. Extraemos una balota a l azar y anotamos el dgito, no se devuelve a bolsa y se
saca una segunda balota, se repite el proceso. Cuntos nmeros distintos de tres cifras se
pueden obtener?
Actividad n 12
118
El azar y la probabilidad
GESTIN DE LA ACTIVIDAD
Esta situacin trata de colocar tres objetos diferentes (distinguibles) en celdas distinguibles,
se puede interpretar como una situacin de seleccin ordenada sin reemplazamiento, esto
indica que cada que se tome una decisin por parte de un cliente en la escogencia de la
caseta, se produce una nueva configuracin, debido a que cada cliente puede seleccionar
una caseta disponible.
Veamos como se puede utilizar el diagrama de las celdas con la aplicacin del principio de
la multiplicacin:
Observe que el cliente 1 se puede ubicar de 5 formas diferentes, quedando 4 casetas dispo-
nibles para el segundo y tres para el tercer cliente.
Pero tambin, y en grados superiores puede emplearse el modelo algebraico de las variaciones.
En general, se trata de la colocacin de r objetos en n celdas, teniendo en cuenta el orden de
colocacin, lo cual nos lleva a conceptuar sobre las variaciones.
Actividad n 13
GESTIN DE LA ACTIVIDAD
Esta situacin trata del reparto de un conjunto de objetos diferentes (las lminas) en tres
subconjuntos distinguibles (sus amigos). No hay restriccin en la forma de reparticin, es
decir, respecto al nmero de objetos en cada subconjunto, lo cual lleva a la formacin de
grupos de 4 personas, entre un conjunto de 3 elementos (personas), con repeticin en la cual
el orden de los elementos en el grupo influye.
Este modelo, que es de particin y seleccin tiene en cuenta la identificacin de un patrn
de formacin de las configuraciones, vemos un anlisis:
El nmero de elementos a repartir puede ser 0,1,2,3 4 porque un amigo puede recibir
exactamente esa cantidad, ya que si decide darle las 4 lminas a uno slo, los dems no
recibirn ninguna.
Se puede aprovechar para descomponer el 4 en diferentes y posibles sumandos:
119
Mdulo
5 Pensamiento aleatorio y sistemas de datos
a. 4 = 4+0+0 = 0+4+0 = 0+0+4; con lo cual se indica que existe una sola forma de repartir
las lminas (las 4 a cada uno de los 3).
b. 4 = 1+3+0 = 1+0+3 = 3+0+1 = 0+1+3 = 3+0+1 = 0+3+1, cada una de las seis des-
composiciones, da lugar a 4 configuraciones posibles (modos de repartir las lminas).As,
por ejemplo si se tiene las lminas de N, E, M, y C al asignarle una de ellos a un amigo,
las otras 3 se asigna a otro de los amigos.
c. 4 = 2+2+0 = 2+0+2= 0+2+2. Aqu, cada una de las tres descomposiciones obtenidas,
da lugar a 6 configuraciones diferentes, en efecto se puede aplicar el modelo algebraico
de combinacin, al no poder repetir objetos y adems, como el orden no influye, las dos
lminas que se dan a una persona 4 de 2.
d. Finalmente, 4 = 2+1+1 = 1+2+1 =1+1+2. cada una de estas tres descomposiciones,
da lugar a 12 nuevas configuraciones. Si se han distribuido dos lminas a uno de los
amigos (para lo cual hay 6 configuraciones) las otros dos se distribuyen entre los amigos
restantes, lo cual se puede realizar de dos maneras diferentes, al aplicar el principio de
la multiplicacin, se obtienen las 12 configuraciones.
e. Si se suman los totales de las configuraciones, se obtienen: 3x1+6x4+3x6+3x12=81
La otra forma de analizar la situacin, que puede ser ms conveniente en grados inferiores
a 8 es la colocacin en celdas de las reparticiones as:
Observe la acomodacin en las celdas (amigos) 4 la asignacin de las tres lminas (equipos).
Actividad n 14
En una bolsa, se tienen 4 balotas seleccionadas con los nmeros 3, 5, 6 y 8. se elige una balota
de la bolsa , se anota su nmero y se devuelve a la bolsa. Se elige una segunda balota, se
anota su nmero y se devuelve a la bolsa, finalmente se elige una tercera balota y se anota
su nmero. De cuntas formas puede obtenerse un nmero de tres cifras?
120
El azar y la probabilidad
GESTIN DE LA ACTIVIDAD
Se empieza a reforzar el trabajo con estudiantes de octavo y noveno grado basados en las
situaciones problemas y el uso adecuado de las regletas de Cuisinaire. En esta fase se logra in-
crementar el razonamiento de los estudiantes, y a potenciar la creatividad lgica en general.
Se debe primero dibujar en el plano el cubo y luego pintar las caras y despus armar los
cubos y de esta manera tratar de hallar la solucin. La situacin anterior se resuelve de la
siguiente forma en el aula:
Formar grupos de cuatro estudiantes, cada uno construye un cubo de iguales dimensiones por
ejemplo todos de 5 cm. de lado. Se pintan con colores diferentes las seis caras (pueden ser:
_____________________________________________________
31
Adaptado del texto: Matemticas Discretas y combinatoria. Pg. 541 Ralph P. Grimaldi
32
Effects of age and instruction on combinatory hability in children. (1970)
121
Mdulo
5 Pensamiento aleatorio y sistemas de datos
amarillo, azul, rojo, verde). El objetivo del juego es colocar los cubos en una columna, de modo
que aparezcan los cuatro colores diferentes en cada uno de los cuatro lados de la columna.
Luego cada columna con los 4 colores diferentes por cada cara de la columna formada.
Para intentar estimar el nmero de disposiciones posibles, se pueden realizar las siguientes
preguntas:
Este problema se puede extender de acuerdo con el grado, se les pide que pinten las 6 caras
de los 4 cubos, repitiendo 2 colores y se le realizan las mismas preguntas. Se pueden dejar
dos caras sin pintar y resulta otro tipo de ejercicio. Se puede dejar una sola cara sin pintar y
las otras caras con diferentes colores etc. Realizarlo con todas las caras de diferentes colores.
Se debe manejar cada situacin que se presente y analizarlas siempre con 4 cubos y con las
mismas condiciones, ya que si presenta las diferentes situaciones para armar una columna
(por ejemplo 1 cubo sin dos caras sin pintar, 1 con 2 caras repetidas, otro con 6 colores dife-
rentes etc.) se le forma ya no una situacin sino un verdadero caos.
122
El azar y la probabilidad
Cubo 1 Cubo 2
Cubo 3 Cubo 4
123
Mdulo
5 Pensamiento aleatorio y sistemas de datos
cubo, aunque se repitan algunos colores, ningn par de caras opuestas tiene el mismo co-
lor. Por lo tanto se tienen 6 formas de colocar el segundo cubo sobre el primero. Entonces
podemos rotar el segundo cubo sobre el primero para ubicar la columna con diferentes
colores, de tal forma que no se cambie la cara de arriba del primer cubo o la cara de abajo
del segundo cubo. As con 4 rotaciones posibles se puede colocar el segundo cubo de 24
formas diferentes; observe que se hace necesario la aplicacin del teorema fundamental de
la multiplicacin, continuamos con este razonamiento, y se observa que hay 4*24*24*24 =
55296 FORMAS POSIBLES POR CONSIDERAR para resolver el problema, sin embargo podra
no haber solucin al armar las torres.
Actividad n 1633
Al acabar una reunin a la que asisten cierto nmero de personas, entre ellas se dan la mano.
Cuntos apretones de mano se dieron si haba 5 personas?.
Cuntos apretones de mano se dieron si haba 7 personas?.
Cuntas personas haba si en total se dieron 6 apretones de mano?.
Cuntas personas haba si en total se dieron 45 apretones de mano?
Llamando n al nmero de personas escribe una expresin en funcin de n que d el nmero
de apretones de mano.
GESTIN DE LA ACTIVIDAD
Esta situacin puede relacionarse con una anloga de Geometra plana, basta para ello sugerir
al estudiante una representacin, que por una parte le permite hallar la expresin pedida,
basado en regularidades y patrones, en donde las personas se representan por puntos del
plano (no alineados) y cada apretn un segmento que tiene por extremo dos de los puntos
dibujados, como se ve a continuacin.
Lo que nos indica que hay 3 apretones de manos entre tres personas
_____________________________________________________
33
Adaptada de Carmen Azcarate y Jordi Deulofeu. Funciones y grficas.
124
El azar y la probabilidad
Lo que indica que intervienen las diagonales del cuadrado, en este caso se tiene 2 diagonales
sumadas al nmero de lados, nos da 6 saludos. Observe que parece ser que de cada vrtice
sale una diagonal por lo que en total para la suma de diagonales por vrtice se tienen 4; sin
embargo cada diagonal es realmente una lnea, de esta manera, existen dos diagonales en
cualquier cuadriltero.
N Total de
Total de
Figura N N diagonales diagonales que Total
diagonales en
polgono Lados vrtices que salen por salen de todos saludos
el polgono
cada vrtice los vrtices
Tringulo
Cuadriltero
Pentgono 5 5 2 10 5 10
Hexgono
Heptgono
Octgono
Nongono
Decgono
Enegono n
_____________________________________________________
34
Tabla adaptada de Jhon Jairo Mnera, en el documento: construcciones de aprendizajes matemticos desde el enfoque de situa-
ciones problemas.
125
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad n 17
De cuntas formas diferentes pueden sentarse alrededor de una mesa circular un padre y
sus tres hijos?
GESTIN DE LA ACTIVIDAD
En este tipo de actividad, se agrupan los elementos de tal manera que se deja en una posicin
fija un elemento, en este caso p que representa al padre, las dems posiciones las cuales
son h1, h2, y h3 se deben permutar para obtener el nmero pedido de formas diferentes.
Observe que se tienen en total 6.
Se debe proponer al estudiante un proceso con 5 elementos para buscar un patrn que lo
gue hacia una conclusin, la cual le permita obtener permutaciones circulares para cual-
quier nmero de elementos.
Actividad n 18
126
El azar y la probabilidad
GESTIN DE LA ACTIVIDAD
GESTIN DE LA ACTIVIDAD
Actividad n 19
Actividad n 20
Cul de las siguientes afirmaciones te parece verdadera cuando se lanza un dado?. Dar una
explicacin a tu razonamiento.
a. La probabilidad de obtener un tres es mayor que la de obtener un cinco.
b. La probabilidad de obtener un dos es menor que la de obtener un cuatro.
c. La probabilidad de obtener un uno es igual a la de obtener un seis.
d. La probabilidad de obtener un dos es mayor que .
127
Mdulo
5 Pensamiento aleatorio y sistemas de datos
Actividad n 21
Si se tiene en una bolsa 3 regletas de color blanco y tres de color azul, de tamaos congruen-
tes (igual medida) y forma, describe todos los posibles resultados si:
a. Se saca la primera regleta, se anota su color y se introduce en la bolsa nuevamente.
b. Igual al anterior, pero no se devuelve la regleta a la bolsa.
Actividad n 22
GESTIN DE LA ACTIVIDAD
Una forma de representar las posibilidades de la actividad anterior, es el clculo de las pro-
babilidades a partir del diagrama arbolar, muy til cuando se trata de experimentos com-
puestos, a continuacin se puede observar la construccin de dicho rbol.
Un anlisis es :puesto que en la mitad de las veces se obtiene cara en el primer lanzamiento
(experimento) y de esta mitad, la mitad de las veces se obtiene cara en el segundo lanza-
miento, la probabilidad de obtener dos caras es la mitad de un medio, lo que es un cuarto.
En el diagrama del rbol, matemticamente, la probabilidad final de un resultado se obtiene
como el producto de las probabilidades en cada rama que lleva a dicho resultado.
Conceptos y procedimientos
En la siguiente actividad es de vital importancia el reconocimiento de la relacin existente
entre la combinatoria y la probabilidad, adems, se estudian las concepciones de los estu-
diantes sobre las sucesiones de Bernoulli, empezando por la idea de sucesin limitada de
ensayos, que progresivamente se va ampliando.
Uno de los conceptos que interviene es el de probabilidad condicional, el cual nos indica
la probabilidad de que un evento B suceda cuando se sabe que algn otro evento A se ha
128
El azar y la probabilidad
presentado, lo anterior se expresa matemticamente como P(B | A). esta expresin, comn-
mente se lee la probabilidad de que el evento B ocurra dado que ocurri A. Como frmula
funciona de la siguiente manera:
Actividad n 23
En una bolsa se tienen dos regletas, una de color verde y otra de color amarillo, ambas de
iguales dimensiones (forma y tamao). Se saca una de ellas, se anota su color y se devuelve
a la bolsa.
129
Mdulo
5 Pensamiento aleatorio y sistemas de datos
60
59
58
57
56
55
54
53
52
51
50
49
48
47
46
45
44
43
42
41
40
1 2 3 4 5 6 7 8 9 10
Actividad n 24
130
El azar y la probabilidad
El conjunto de resultados posibles es {verde, amarillo, rojo}, con la siguiente funcin fre-
cuencial:
Rojo
Verde 3/8
Amarillo 3/8
Cul es la probabilidad de obtener el suceso {rojo, verde}?
Actividad n 25
Actividad n 26
En una bolsa se tienen 3 bolas de color rojo y 6 bolas de color amarillo. Se extraen sucesivamente
dos. Llamamos el suceso A=obtener la bola roja y el suceso B=obtener la bola roja.
Hallar la probabiliodad de obtener los sucesos A y B, es decir, P(A y B) en los siguientes casos:
a. Se devuelve la primera bola a la bolsa.
b. No se devuelve la bola a la bolsa.
Actividad n 27
Una urna contiene 6 monedas de $500 y 4 de $100. Se extraen dos monedas, una a continua-
cin de otra y sin reemplazamiento.
Cul es la probabilidad de que ambas sean de $100?.
Cul es la probabilidad que la primera sea de $500 y la segunda de $100?
Cul es la probabilidad que las dos sean del mismo valor?
Cul es la probabilidad que la segunda sea de $500?
131
Mdulo
5 Pensamiento aleatorio y sistemas de datos
132
Construcciones Bsicas del Doblado de Papel
Bibliografa
BATANERO, C., J.Godino. (1997). Concepciones de los maestros de primaria en formacin sobre
los promedios.(paper).
133
Mdulo
5 Pensamiento aleatorio y sistemas de datos
DUBOIS, J.G (1984). Une sistematique des configurations combinatories simples. Educational
studies in mathematics. Paris.
FISCHBEIN, E. y Gazit, A. (1988). The combinatorial solving capacity in children and adolescents.
KAHNEMAN, D., Slovic, P. y Tversky, A. (1982). Judgement Ander uncertainty: Heuristics and
biases. Cambrige university.
134
Bibliografa
PIAGET, J. e Inhelder, B. (1951). La gnese de lide de hasard chez lenfant. Paris. Presses Uni-
versitaires de France.
VICENTE, Manzano y Ana, Duran . Anales de psicologa (2001, Vol. 17): Comprensin y medida
del concepto de simetra.
135
Mdulo
5 Pensamiento aleatorio y sistemas de datos
136