Está en la página 1de 119

GNESIS Y EVOLUCIN HISTRICA

DE LOS CONCEPTOS DE
PROBABILIDAD Y ESTADSTICA
COMO HERRAMIENTA METODOLGICA

Directora: Mara Eugenia ngel


Investigadores: Graciela Fernndez
Laura Polola
Liliana Pagano
Silvia Brunetti
Miriam Ecalle
Enrique Borgna

Informe Final
Diciembre de 2006
Registrado en Direccin Nacional de Derecho de Autor
Expediente N 946.160 el 27/7/2011
Todos los Derechos Reservados SECyT-UNLaM

PRESENTACIN

Tras varios aos de dedicar la tarea de investigacin a la bsqueda de estrategias y metodologas de enseanza, recorrimos aspectos muy diversos como fuentes de recursos para el
mejoramiento del proceso educativo. En esta ocasin hemos de ocuparnos de uno de ellos,
quizs el ms paradigmtico a la hora de revisar los fundamentos donde se cimienta la ciencia
que nos ocupa. Es el momento de situarnos en el proceso histrico donde se sucedieron los
hechos que hicieron surgir los conceptos que hoy conforman los currculums de las asignaturas de Probabilidad y Estadstica1 en los distintos niveles de educacin.
La estadstica ha jugado un papel preponderante en el desarrollo de las sociedades,
particularmente en nuestros das al convertirse en una herramienta metodolgica indiscutible
para todo investigador en cualquier campo del saber.
Adems de su carcter instrumental para otras disciplinas, se reconoce el valor del desarrollo del razonamiento estadstico en una sociedad caracterizada por la disponibilidad de
informacin y la necesidad de toma de decisiones en ambientes de incertidumbre.2
En el siglo XX la estadstica ha pasado a ser uno de los componentes culturales presentes en el currculo de la educacin media y superior de muchos pases del mundo, entre ellos
de Argentina. La estadstica forma parte de la herencia cultural necesaria para el ciudadano
educado de hoy.
En las sociedades impredecibles de nuestros das donde la caracterstica es la velocidad de los cambios, nos preocupamos continuamente por cul es la mejor forma de preparar a
los jvenes y qu contenidos relevantes deben incluirse en los programas de esta asignatura
dado el dinamismo propio de la ciencia y de su enseanza.
Por lo expuesto, los objetivos que nos proponemos alcanzar en la presente investigacin, orientados al mejoramiento de la calidad del proceso educativo en esta disciplina, son:
Revalorizar la historia y evolucin de la ciencia en el proceso educativo.
Evidenciar cmo la necesidad en su contexto histrico motiv el continuo desarrollo y
crecimiento de la Estadstica y ms tarde de la Estadstica Matemtica.
Reflexionar sobre cmo se produce la construccin del conocimiento.
1

En adelante, con el trmino Estadstica se denominar en forma sinttica el rea de la matemtica que comprende a Probabilidad y a Estadstica la razn de esta identificacin ser explicada ms adelante.
2
Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros, Argentina, 2003
1

Lograr que los antecedentes histricos de las nociones estadsticas constituyan un verdadero puente entre la Ciencia Estadstica y los saberes del campo especfico de los
alumnos.
Lograr que los alumnos reconozcan los principales hitos de la Ciencia Estadstica.
Valorizar la Estadstica como herramienta del quehacer laboral y cotidiano.
La concepcin del uso de la historia en la educacin vara en funcin de la filosofa de
las matemticas que se posea constituyendo uno de los ejemplos ms importantes de la relacin entre la ideologa o la filosofa y la prctica educativa matemtica.
Creemos adems que en contraposicin con la inclusin de la historia como fuente de
recursos motivadores de carcter anecdtico, existe la opcin de disear programas estructurados con base en el devenir histrico concreto.
La importancia de introducir la historia en la educacin matemtica no es producto de
un desarrollo intrnseco de los contenidos matemticos, sino que est profundamente condicionado por objetivos que encuentran sentido y coherencia especialmente en las visiones aceptadas consciente o inconscientemente sobre la naturaleza de las matemticas. Por esto es que
ms all de la importancia de las actividades intelectuales de los hombres en su contexto histrico debe enfatizarse el papel de la ideologa entendida como conjunto ms o menos coherente
de representaciones de la conciencia en su construccin. sta representa, en efecto, un adecuado punto de partida para entender las actividades de la evolucin de los hombres.

FUNDAMENTACIN

El Rol de la historia

La introduccin de la historia como herramienta en la enseanza de la estadstica se


enmarca dentro de una visin filosfica que la avala y determina el concepto de enseanza
sobre el que se sustenta el trabajo en el aula.
Al respecto, Miguel de Guzmn3 afirma que la filosofa prevalente sobre lo que la actividad matemtica representa tiene un fuerte influjo, ms efectivo a veces de lo que aparenta,
sobre las actitudes profundas respecto de la enseanza matemtica. Desde la publicacin de la
tesis doctoral de I. Lakatos (1976), Proofs and refutations, se han producido cambios bastante
profundos en el campo de las ideas acerca de lo que verdaderamente es el quehacer matemtico.
La antigua definicin de la matemtica como ciencia del nmero y de la extensin, corresponde a un estadio de la matemtica en que el enfrentamiento con la realidad se haba
plasmado en dos aspectos fundamentales, la complejidad proveniente de la multiplicidad (lo
que da origen al nmero, a la aritmtica) y la complejidad que procede del espacio (lo que da
lugar a la geometra, estudio de la extensin). Ms adelante el mismo espritu matemtico se
habra de enfrentar con:
la complejidad del smbolo (lgebra)
la complejidad del cambio y de la causalidad determinstica (clculo)
la complejidad proveniente de la incertidumbre en la causalidad mltiple incontrolable (probabilidad, estadstica)
complejidad de la estructura formal del pensamiento (lgica matemtica).
La filosofa de la matemtica actual ha dejado de preocuparse tan insistentemente como en la primera mitad del siglo XX sobre los problemas de su fundamentacin, especialmente tras los resultados de Gdel a comienzos de los aos 30, para enfocar su atencin en el carcter cuasiemprico de la actividad propia (I. Lakatos), as como en los aspectos relativos a la
historicidad e inmersin de la matemtica en la cultura de la sociedad en la que se origina (R.
L. Wilder), considerndola como un subsistema cultural con caractersticas en gran parte co-

Miguel de Guzmn. Una consideracin de fondo. Qu es la actividad matemtica? Tomado de Tendencias


actuales de la enseanza de la matemtica, Studia Pedaggica. Revista de Ciencias de la Educacin, 21 (1989)
3

munes a otros sistemas semejantes. Tales cambios en lo hondo del entender y del sentir mismo
de los matemticos sobre su propio quehacer vienen provocando, de forma ms o menos consciente, fluctuaciones importantes en las consideraciones sobre lo que la enseanza matemtica
debe ser.
La educacin matemtica se debe concebir como un proceso de inmersin en las formas propias de proceder del ambiente matemtico, a la manera como el aprendiz de artista va
siendo imbuido casi imperceptiblemente, en la visin peculiar de la escuela en la que se entronca. Esta idea tiene profundas repercusiones en la manera de enfocar su enseanza y aprendizaje.
La matemtica es originalmente emprica. Su invencin o su descubrimiento- es mucho ms interesante que su construccin formal y es necesario que la inmersin en ella se realice teniendo en cuenta mucho ms intensamente la experiencia y la manipulacin de los objetos de los que surge. La formalizacin rigurosa de las experiencias iniciales corresponde a un
estadio posterior. A cada fase de desarrollo mental, como a cada etapa histrica o a cada
nivel cientfico, le corresponde su propio rigor.
Para entender esta interaccin fecunda entre la realidad y la matemtica es necesario
acudir por una parte a su historia, que devela ese proceso de emergencia de la matemtica en
el tiempo y por otra parte a sus aplicaciones, que hacen patentes su fecundidad y potencia.
Con ello se hace obvio cmo la matemtica ha procedido de forma muy semejante a las otras
ciencias, por aproximaciones sucesivas, por experimentos, por tentativas, unas veces fructferas, otras estriles, hasta que va alcanzando una forma ms madura, aunque siempre perfectible. Una enseanza ideal debera tratar de reflejar este carcter profundamente humano de la
matemtica, ganando con ello en asequibilidad, dinamismo, inters y atractivo.
Es decir la ideologa se instala como factor social que determina el devenir no slo ni telectual, sino socio-histrico.

Hace tiempo es reconocida la importancia del uso de la Historia de la Matemtica en la


enseanza de esta ciencia; prueba de esto es la creacin del Grupo History and Pedagogy of
Mathematics del International Committee of Mathematics Instruction (ICMI) dependiente de
la International Mathematic Union (IMU) fundado en 1940.
Segn el epistemlogo Guillermo Boido: Se pretende sealar los riesgos que entraan
la ausencia de vertientes culturales en la educacin cientfica que se imparte hoy. Se presenta
4

ante el educando una versin (irreal) de una ciencia desvinculada del quehacer concreto del
investigador y del contexto histrico, social y cultural que enmarc su tarea y sus logros[]
Dado el carcter ahistrico de la prctica de la enseanza actual se corre el riesgo de
dar una imagen desnaturalizada del quehacer cientfico y de la ciencia misma, conocimiento
provisional, evolutivo, autocrtico y autocorrectivo.4
Afirma ngel Ruiz5 que innumerables textos hacen referencias a pasajes histricos y,
en ciertas ocasiones, el orden histrico se ha tomado como base en la explicacin de contenidos. La historia de la ciencia, despus de largos aos desde su profesionalizacin ha empezado
a ocupar un lugar peculiar y un papel cada vez ms significativo en las aproximaciones epistemolgicas y educacionales alrededor de las ciencias. Sin embargo, el uso de la historia de la
Matemtica ha sido muy reducido incluso en buena parte de la enseanza moderna, no aparece
en ninguna forma y hasta en la formacin profesional docente se ha eximido de su aprendizaje
o solo se dan casos de cursos aislados y poco meditados.
A propsito de la formacin docente, Batanero (2002)6 describe los componentes bsicos de la formacin didctica de los profesores, a saber:

La reflexin epistemolgica sobre el significado de los conceptos, procedimientos


(en general objetos) particulares que se pretende ensear, es decir, en este caso, la
reflexin epistemolgica sobre la naturaleza del conocimiento estocstico, su desarrollo y evolucin.

Anlisis de las transformaciones del conocimiento para adaptarlos a los distintos


niveles de enseanza. Este anlisis permite reflexionar sobre los diversos niveles
de comprensin posibles respecto a un mismo conocimiento y valorar el nivel y
forma particular en que un determinado concepto podra ser enseado a una persona particular.

Estudio de las dificultades, errores y obstculos de los alumnos en el aprendizaje y


sus estrategias en la resolucin de problemas que permitirn orientar mejor la
tarea de enseanza y evaluacin del aprendizaje.

Artculo de Guillermo Boido, a raz del Programa de Epistemologa, Lgica, Metodologa e Historia de la Ciencia de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires. Historia de la ciencia
y vida en la ciencia. Algunas reflexiones educativas. 1996.
Extractos del artculo de ngel Ruiz, Director del Centro de Investigaciones Matemticas y Meta-Matemticas
de la Universidad de Costa Rica aparecido en el Boletn Informativo del Comit Interamericano de Educacin
Matemtica (CIAEM) Ao 5, N 2. Noviembre de 1997.
Batanero, Carmen., 2003. op. cit.
5

Anlisis del currculo, situaciones didcticas, metodologa de enseanza para temas


y recursos didcticos especficos. Todo ello forma parte de los recursos metodolgicos disponibles para mejorar la accin didctica.

La Dra. Herminia Hernndez Fernndez7 aporta ms elementos sobre los principios


didcticos que deben estar presentes en cada momento de la enseanza, como ser el carcter
cientfico que exige que la enseanza de la matemtica sea exacta y presupone que hay que
mostrar el movimiento y desarrollo de los modelos matemticos, conceptos, teoremas, mtodos matemticos, y que stos tienen su origen en la realidad objetiva, en las relaciones conjuntistas, estructurales y de posicin y que son sus imgenes abstractas a menudo muy alejadas de
la realidad.
Y aclara que unos de los aspectos que contribuyen a hacer dinmico el pensamiento es
tener en cuenta el hecho histrico acompaado del anlisis de las insuficiencias y de las limitaciones de un concepto matemtico en un determinado momento y su reemplazo por otro, que
satisfaga esas limitaciones.8

Modelos de Construccin y Adquisicin del Conocimiento.


Teoras del Aprendizaje
Las teoras del aprendizaje en vigencia tienen sus fundamentos tericos en distintas corrientes de la psicologa, que a su vez fueron alternndose en el protagonismo y nutrindose
unas de otras con el correr del tiempo.
Hasta la dcada del cincuenta, la psicologa fue influida por el fuerte auge del conductismo, que surgi a comienzos del siglo XX en EE.UU e Inglaterra.
Este movimiento se caracteriz por:
su rigor metodolgico
sentaba las bases para una psicologa cientificista
cubra la necesidad de comprobar o predecir las conductas humanas.

Hernndez Fernndez, H.; Delgado Rub, J. R.; Fernndez de Alaiza, B.; Valverde Ramirez, L. y Rodrguez
Hung, T.. Cuestiones de Didctica de la Matemtica. Conceptos y procedimientos en la Educacin Polimodal y Superior. Serie educacin. Homo Sapiens Ediciones. 1998, Rosario, Argentina. pp. 7-8.
8
Hernndez Fernndez, H. y otros (1998). P.21.
6

En 1913, Watson propone hacer una psicologa objetiva y antimentalista. Para desarrollarla recurri a los trabajos de Pavlov sobre los reflejos condicionados. El objetivo era que la
conducta observable fuera controlada por el ambiente, estableciendo as el condicionamiento
como paradigma experimental del conductismo.
El ncleo central de esta teora est constituido por su concepcin asociacionista del
conocimiento y del aprendizaje. Situado en la tradicin del asociacionismo que nace en Aristteles, el conductismo comparte la teora del conocimiento del empirismo ingls, cuyo exponente ms lcido es la obra de Hume (1739/1740)

A treatise of human nature. Segn

Hume, el conocimiento humano est constituido exclusivamente de impresiones e ideas. Las


impresiones seran los datos primitivos recibidos a travs de los sentidos, mientras que las
ideas seran copias que recoge la mente de esas mismas impresiones, que perduraran una vez
desvanecidas stas.9
Desde esta perspectiva el origen del conocimiento seran las sensaciones, pues las
ideas no tienen valor en s mismas dado que es la asociacin de ideas lo que permite el conocimiento segn los principios de semejanza, contigidad espacial y temporal y causalidad.
Siendo estos los principios bsicos del pensamiento y el aprendizaje humano, los mismos
constituyen el ncleo central de la teora psicolgica del conductismo.
Se consideraba que los seres vivos inicialmente son una tbula rasa, y todo se adquiere a travs del medio por mecanismos asociativos, esta teora toma como rea fundamental de estudio el aprendizaje, que se centra en la estructura de la conducta como una copia
isomrfica de las contingencias o covariaciones ambientales. Por ello, para estudiar cmo se
efectuaban esas asociaciones se realizaron experiencias simples con ratas o palomas.
Desde conductistas radicales como Watson y Skinner, puede decirse que el aprendizaje
prescinde de variables internas, de las caractersticas propias de cada individuo, de los procesos internos del aprendizaje. La enseanza se reduce a preparar las contingencias de refuerzo
que facilitan la adquisicin de los esquemas y tipos de conducta deseados.
A partir del condicionamiento operante de Skinner, los supuestos didcticos del conductismo, consideran el aprendizaje como un proceso ciego y mecnico de asociacin entre
estmulos, respuestas y recompensas, y por otro lado en la creencia del poder absoluto de los
reforzadores, siempre que se apliquen adecuadamente sobre unidades simples de conducta.
Las unidades de anlisis del conductismo eran tan reducidas que impedan captar aspectos significativos del comportamiento humano. El conductismo rechaza el uso de la intros9

Pozo, Juan Ignacio: Teoras cognitivas del aprendizaje. Ediciones Morata, S.L.
7

peccin pero no la propia existencia de la mente ni su estudio, sostiene que esto debera efectuarse a travs de mtodos objetivos mediante ndices conductuales.
A partir de Hull se comienzan a incorporar variables intervinientes, surgiendo el neoconductismo. En este enfoque neoconductista, el aprendizaje es un proceso de conocimiento,
de comprensin de relaciones, donde las condiciones externas actan mediadas por las condiciones internas. La explicacin de cmo se construyen, condicionados por el medio, los esquemas internos que intervienen en las respuestas conductuales, es su problema capital y un
propsito prioritario.10 Cualquier variable mediacional o interviniente que se defina ha de ser
isomorfa con las variables observables, es decir la mente es una copia de la realidad, un reflejo
de sta y no al revs. Por ello, la mayor parte de los conductistas adhieren al ambientalismo, y
tanto los asociacionistas como los mecanicistas sitan el principio motor de la conducta fuera
del organismo siendo el aprendizaje controlado por el ambiente. Desde esta perspectiva, el
comportamiento humano est determinado por contingencias sociales que rodean, orientan y
especifican las influencias de los reforzadores, destacndose el carcter pasivo del organismo
que se limita a responder a las contingencias ambientales.
El conductismo sostiene tres tipos de equivalencias: a) todos los estmulos o respuestas
son equivalentes, es decir cualquier estmulo puede asociarse con la misma facilidad y siguiendo las mismas leyes asociativas a cualquier otro estmulo o respuesta esto justifica las
experiencias de laboratorio alejadas de ambientes naturales-; b)

la universalidad filogentica

de los mecanismos asociativos interpretacin fixista de la continuidad filogentica- y c) la


equivalencia entre todos los organismos de la misma especie lo cual justifica el desprecio
por las caractersticas individuales y la semejanza de los hombres a las tbulas rasas-.
La educacin desde este enfoque se convierte en una simple tecnologa para programar
refuerzos en el momento oportuno. El proceso de enseanza, limita su anlisis a las conductas
observables, es decir a las relaciones extrnsecas entre estmulo y respuesta para comprobar la
regularidad de correspondencias entre ciertas entradas y determinadas salidas. La dinmica
interna del organismo es simple y lineal, y el aprendizaje se torna mecnico pues resulta ser un
proceso de relacin entre entradas y salidas (estmulos y respuestas observables), reduciendo
su perspectiva al campo biolgico.
Los neoasociacionistas reconocen que no todas las asociaciones se adquieren con la
misma facilidad, pero ello no implica

la existencia de mecanismos de aprendizajes distintos

10

Gimeno Sacristn, Jos Prez Gmez, Angel: Comprender y transformar la enseanza. Ed. Morata. Madrid, 1996.
8

de la asociacin, es decir se recurre al innatismo para evitar los problemas derivados de la


naturaleza selectiva del aprendizaje. De esta forma el asociacionismo no puede explicar nunca
el origen de los significados, es decir no proporciona ninguna razn o argumento por la cual
una cosa es ms fcil o ms difcil de aprender que otra.
Piaget a diferencia del conductismo, distingue entre el aprendizaje en sentido estricto
por el que se adquiere del medio informacin especfica, y aprendizaje en sentido amplio que
consiste en el progreso de las estructuras cognitivas por procesos de equilibracin. El primer
tipo de aprendizaje, representado principalmente por el condicionamiento clsico y operante
est subordinado al segundo, o sea que el aprendizaje de conocimientos especficos depende
por completo del desarrollo de estructuras cognitivas generales. De esta forma, trata de reducir el aprendizaje asociativo a una situacin especial de aprendizaje por reestructuracin. El
progreso cognitivo no es consecuencia de la suma de pequeos aprendizajes puntuales, sino
que est regido por un proceso de equilibracin, as el aprendizaje se produce ante un conflicto cognitivo.
Para que el equilibrio se produzca, existen dos procesos complementarios: la asimilacin y la acomodacin. La asimilacin es el proceso por el que el sujeto interpreta la informacin que proviene del medio, en funcin de sus esquemas o estructuras conceptuales disponibles; a travs de la acomodacin los conceptos e ideas se adaptan recprocamente a las caractersticas reales del mundo.11 La acomodacin no slo sirve para que los esquemas de asimilacin se adecuen a la realidad, sino tambin para explicar el cambio de estos esquemas cuando esa adecuacin no se produce. Esto significa que la adquisicin de un nuevo concepto
puede modificar toda la estructura conceptual precedente, integrarse en estructuras de conocimientos ya existentes , o consistir en un saber aislado. Ambos procesos se implican necesariamente, y del desequilibrio entre estos dos procesos surge el aprendizaje o el cambio cognitivo.
Segn Piaget, habra dos tipos de respuesta a los estados de desequilibrios, por un lado
las no adaptativas en las que el sujeto no toma conciencia del conflicto existente y por ello no
efectuar nada para modificar sus esquemas y las respuestas adaptativas que consisten en
aquellas en las que el individuo es consciente de la perturbacin y trata de resolverla.

11

Pozo, Juan Ignacio: Ibidem 1


9

De acuerdo a Piaget y Garca 12 para que exista un progreso en el desarrollo del conocimiento, el conjunto de esquemas organizados se ven sometidos a tres tipos de anlisis que
implican una reorganizacin jerrquica progresiva:
a) Anlisis intraobjetal: mediante el cual se descubren una serie de propiedades en los
objetos o en los hechos analizados.
b) Anlisis interobjetal: donde se establecen relaciones ente los objetos o caractersticas
antes descubiertos.
c) Anlisis transobjetal que consiste en establecer vnculos entre las diversas relaciones
construidas, de forma que compongan un sistema o estructura total.
Desde este enfoque una teora o sistema de conceptos es sustituda por otra ya sea en la
gnesis individual o en la historia de la ciencia. Es decir que cuando un cientfico modifica
una teora puede comenzar mediante un anlisis intraobjetal o interobjetal hasta aumentar el
nivel de complejidad, y este progreso se caracteriza por una toma de conciencia que se inicia
en las cualidades de los objetos, contina luego con las relaciones entre estos objetos finalizando en las transformaciones que pueden tener dentro de un sistema.
El papel de la toma de conciencia en la conceptualizacin y el cambio conceptual estara ligado a una abstraccin reflexiva que conducira a niveles de equilibrios y desequilibrios
cada vez ms complejos. La toma de conciencia del conflicto cognitivo debe considerarse
como una condicin necesaria pero no suficiente para la reestructuracin de los conocimientos, pues slo mediante una respuesta adaptativa en la que el sujeto toma conciencia del conflicto e intenta resolverlo acomodando sus esquemas, puede lograrse una reestructuracin.
La teora piagetiana de la equilibracin, de esta forma, afronta el problema de explicar
la aparicin de estructuras generales de conocimiento que poseen un carcter necesario o universal. Fodor y Chomsky optan por estructuras mentales innatas, Piaget intenta mostrar cmo
esas estructuras pueden ser necesarias sin ser innatas13 .
Existen mltiples datos que muestran que el aprendizaje por reestructuracin puede
apoyarse muchas veces en adquisiciones asociativas previas, por lo que los aprendizajes de
conceptos se pueden explicar tambin entre interacciones de asociacin y reestructracin, y no
simplemente de aprendizaje por descubrimiento. La interaccin social y la instruccin son
muy importantes en el aprendizaje de conceptos, y al reducir todo el aprendizaje a desarrollo

12

Piaget, J. y Garca, R: Psicognesis e historia de la ciencia. Trad. cast. de P. Piero. Ed. Siglo XXI, Mxico,
1983
13
Pozo, Ignacio: Ibidem 1
10

o a adquisiciones espontneas y necesarias, Piaget defiende el individualismo, equiparando el


descubrimiento o invencin con reestructuracin.
Vygotski tambin rechaza por completo los enfoques reduccionistas de la psicologa
mecanicista que considera al aprendizaje como una mera acumulacin de reflejos o asociaciones entre estmulos y respuestas, pues considera que la conciencia y el lenguaje no pueden ser
ajenos a la psicologa. Por otra parte no descarta lo fisiolgico respecto a las relaciones dialcticas con lo mental, pues no niega la importancia del aprendizaje asociativo, aunque lo trata
como un mecanismo claramente insuficiente.
Basa su psicologa en el concepto de actividad, considerando que el hombre no se limita a responder a los estmulos sino que acta sobre ellos, transformndolos, y ello es posible
gracias a la mediacin de instrumentos que se interponen entre el estmulo y la respuesta. De
esta forma el sujeto modifica el estmulo, es decir no responde slo ante su presencia como
una actividad mecnica sino que acta sobre l, ya que los mediadores son instrumentos que
transforman la realidad y su funcin no es adaptarse pasivamente a las condiciones ambientales sino modificarlas activamente.
Diferencia dos tipos de instrumentos en funcin de la actividad del hombre: el primero
de ellos se trata de la herramienta que acta materialmente sobre el estmulo, modificndolo y
el segundo se refiere a los signos o smbolos que median las acciones culturales de los hombres. El sistema de signos usado con mayor frecuencia es el lenguaje hablado, pero existen
otros tipos que permiten actuar sobre la realidad como los sistemas de medicin, la aritmtica,
el sistema de lectoescritura entre otros. Pero a diferencia de la herramienta, el signo no modifica materialmente el estmulo sino que modifica a la persona que lo utiliza como mediador y
a la vez acta sobre la interaccin de esa persona con su entorno.
Los mediadores simblicos o significados, provienen del medio social externo y deben
ser asimilados o interiorizados por cada sujeto en interaccin con los objetos y personas. Segn Vygotski la ley fundamental de la adquisicin de conocimiento comienza siempre a travs
del intercambio social para luego internalizarse o hacerse intrapersonal. En el desarrollo cultural del nio, toda funcin aparece dos veces: primero entre personas (interpsicolgica), y despus en el interior del propio nio (intrapsicolgica)14 . Esta ley recibe el nombre de ley de
doble formacin, pues para l todo conocimiento se adquiere dos veces, se inicia desde el ex-

14

Vygotskii, LS: El desarrollo de los procesos psicolgicos superiores. Trad. cast. de S. Furi. Ed Crtica.
Barcelona, 1979.
11

terior por procesos de aprendizajes que ms adelante se transforman en procesos de desarrollo


interno.
As, el aprendizaje precede temporalmente al desarrollo de la misma forma que la asociacin precede a la reestructuracin. Esta precedencia temporal queda manifiesta entre los
dos niveles de desarrollo o dos tipos de conocimiento en las personas: el nivel de desarrollo
efectivo est determinado por lo que el sujeto logra hacer en forma autnoma sin ayuda de
personas o mediadores externos, representa los mediadores ya internalizados por el sujeto. En
cambio el nivel de desarrollo potencial estara constituido por lo que el sujeto sera capaz de
hacer con ayuda de otras personas o instrumentos mediadores externos, que an no han sido
internalizados.
La diferencia entre el desarrollo efectivo y el desarrollo potencial es la zona de desarrollo potencial de ese sujeto en esa tarea o dominio concreto. De esta forma Vygotski considera que tanto psiclogos como educadores deben focalizar su inters en el desarrollo potencial de las personas, y por ello tienen especial importancia los procesos de instruccin a travs
de facilitadores externos.
Centra su atencin en los conceptos que tienen su origen en la palabra, y una vez internalizada se constituye en signo mediador, pues no son meras conexiones asociativas y estos
para llegar a ser internalizados necesitan del uso de la palabra. Dado que las personas disponen de dos sistemas distintos de conceptuar la realidad: uno basado en categoras difusas o
probabilsticas y el otro consistente en conceptos clsicos o lgicamente definidos que interactan entre s. Dentro de las categoras de conceptos se encuentran los pseudoconceptos que
actan como puente o nexo hacia los conceptos, pues en la medida que los mismos se basan
en una generalizacin a partir de rasgos similares constituyendo una va para la formacin de
conceptos propiamente dichos.
Por otra parte, los conceptos se constituyen por una segunda va la de los conceptos
potenciales que consisten en la abstraccin de un rasgo constante en una serie de objetos, y en
este caso,

no slo hay una

generalizacin sino tambin procesos de anlisis que permiten

diferenciar o aislar un rasgo para su estudio. Pero por cualquiera de estas dos vas, basadas en
procesos inductivos o asociativos, difcilmente se llegue a la formacin de conceptos verdaderos o abstractos como son los conceptos cientficos.
A travs de los procesos tradicionales de abstraccin, los conceptos cotidianos (o espontneos) slo pueden llegar a ser representaciones generales, lo que los diferencia de los
conceptos cientficos. Y por ello la diferencia entre estos conceptos no es tanto en su conteni12

do sino en el proceso de aprendizaje que media en su adquisicin. Por lo tanto, segn Vygotski los conceptos verdaderos son los conceptos cientficos adquiridos a travs de la instruccin y tienen tres rasgos caractersticos en su adquisicin:
a) los conceptos cientficos forman parte de un sistema.
b) Se adquieren a travs de una toma de conciencia de la propia actividad mental
c) Implican una relacin especial con el objeto basada en la internalizacin de la esencia
del concepto.15
Los dos primeros aspectos son fundamentales en la adquisicin de conceptos cientficos y determinan el logro del tercero. Estos conceptos verdaderos se producen cuando el sujeto toma conciencia en la formacin de los mismos. Por ello los conceptos espontneos y cientficos se aprenden por vas opuestas: los espontneos van de lo concreto a lo abstracto en
cambio los cientficos de lo abstracto a lo concreto.
Ello implica que los conceptos cientficos pueden aprenderse slo cuando los conceptos espontneos se hallan desarrollado, es decir que stos no pueden construirse sin el referente de los conceptos espontneos. Los conceptos verdaderos slo pueden formarse por reestructuracin a travs de asociaciones previas, relacionando ambos sistemas de conceptos de modo
dialctico, necesitndose o complementndose entre s.

Mtodo Gentico
El mtodo gentico en epistemologa (Piaget, 1978)
El mtodo gentico permite determinar la forma en que se incrementan los conocimientos considerando todo conocimiento bajo el ngulo de su desarrollo en el tiempo, es decir, como un proceso continuo en el cual su comienzo o su finalizacin no pueden ser alcanzadas.
Esto implica que todo conocimiento debe enfocarse siempre, metodolgicamente como siendo relativo a un estadio anterior de menor conocimiento, y como susceptible de constituirse a su vez en el estadio anterior respecto de un conocimiento ms profundo. 16
Formalmente el mtodo completo de la epistemologa gentica se constituye por la
comparacin ntima entre los mtodos histrico-crtico y psicogentico.
15

Vygotskii; L.S: Pensamiento y lenguaje. Trad. Cast de la ed. Inglesa de M.M, Rotger, Buenos Aires. Ed. La
Plyade, 1977.
16
J. Piaget, Introduccin a la epistemologa gentica. Paidos, Buenos Aires, 1978. p.31
13

1. Mtodo histrico-crtico: sigue el desarrollo de las ideas empleadas en una ciencia a lo largo de la historia, estableciendo filiaciones por continuidad directa o por la determinacin del
sistema de conexiones presentes.
En el campo de la historia de las ciencias, se refiere a las nociones construidas y empleadas por un pensamiento ya construido, el de los cientficos considerados desde la perspectiva de su filiacin social. El servicio que brinda es el de vincular el presente con las riquezas
del pasado, que lo esclarece y explica en funcin del examen de los estadios sucesivos del
desarrollo de un pensamiento colectivo.
2. Mtodo psicogentico: su funcin es la de constituir una embriologa mental. ste trata de
la construccin de todos los conceptos esenciales, o categoras del pensamiento cuya gnesis
puede trazarse nuevamente en el transcurso de la evolucin intelectual del sujeto, desde su
nacimiento y el momento en que penetra en la edad adulta, esta embriologa de la razn puede
desempear, respecto de una epistemologa gentica, el mismo papel que la embriologa del
organismo comparada o las teoras de la evolucin.
En la medida en que el sujeto en formacin recibe la herencia social de un pasado formado por las generaciones adultas, el mtodo histrico-crtico, prolongado en mtodo sociolgico-crtico, retoma el control del mtodo psicogentico. Aunque la sociologa y la historia
no consiguen explicar, segn Piaget (1978), que cuando el nio reciba ideas totalmente formadas por el medio social, las transforme y asimile a sus estructuras mentales sucesivas del
mismo modo que asimila el medio formado por las cosas que lo rodean. En el estudio de estos
fenmenos el mtodo psicogentico controla al mtodo histrico-crtico. Afirma que la naturaleza de una realidad viva no slo se pone de manifiesto en sus estadios iniciales o en sus
estadios finales, sino en el proceso de sus transformaciones. Los estadios iniciales slo adquieren significacin en funcin del estado de equilibrio hacia el que tienden y el equilibrio
logrado slo puede comprenderse en funcin de las construcciones sucesivas que permitieron
su aparicin.

Epistemologa gentica

Mtodo histrico-crtico

Mtodo psicogentico
14

Estructuras y esquemas
Segn J. Piaget, este mtodo equivale a estudiar los conocimientos en funcin de su
construccin real o psicolgica, considerando todo conocimiento como relativo a cierto nivel
del mecanismo de construccin. Todo conocimiento implica una estructura y un funcionamiento.
El estudio de una estructura mental constituye una forma de anatoma y la comparacin de diversas estructuras puede asimilarse a una anatoma comparada.
El anlisis del funcionamiento corresponde a una especie de fisiologa y en funcionamientos comunes, a un tipo de fisiologa general.
De acuerdo con lo expresado por Coll (1983), para Piaget los conceptos de esquema,
estructura y el modelo de equilibracin constituyen el ncleo de la explicacin funcional de la
teora.
Los esquemas de la teora gentica son siempre esquemas de accin. Lo que permite
utilizar la palabra esquemas en lugar de acciones es que las acciones conservan una organizacin interna cada vez que aparecen (Piaget, 1936, 1937).
Mediante el juego de la asimilacin y la acomodacin de desajustes y reajustes, los
esquemas reflejos se ven sometidos a un proceso de diferenciacin que conduce a la elaboracin de nuevos esquemas, que ya no son reflejos, adaptados a ciertas clases de situaciones y
de objetos. Aparecen nuevos esquemas de accin, es decir, nuevas organizaciones que se conservan a travs de situaciones y objetos a los que se aplican, sin embargo el incremento de
esquemas no resulta nicamente de la diferenciacin progresiva e ininterrumpida a partir de
los esquemas reflejos, sino que se da tambin un proceso de coordinacin de los esquemas
existentes que genera igualmente nuevos esquemas.
Generalizando, un esquema-reflejo, de accin o representativo- es un marco asimilador que
permite comprender la realidad a la que se aplica y permite atribuirle una significacin.
La totalidad de los esquemas de accin que aparecen agrupados representando unas
reglas de composicin, marcan el punto culminante de la inteligencia sensoriomotriz y definen
las primeras estructuras intelectuales: son las leyes de composicin interna, de asociatividad,
reversibilidad e identidad que caracterizan el grupo de desplazamiento y que permiten una
estructuracin espacio-temporal y causal del universo prctico.
La aparicin de la funcin representativa hace posible que los esquemas de accin
puedan convertirse en esquemas representativos, es decir, en esquemas de accin interioriza15

dos, que como consecuencia de los desajustes y reajustes generarn nuevos esquemas, mediante su diferenciacin progresiva y su coordinacin creciente.
Los esquemas de accin interiorizados que aparecen agrupados en totalidades reciben
el nombre de operaciones y las totalidades reciben el nombre de estructuras operatorias. En
este caso se trata de las estructuras operatorias concretas, aunque el razonamiento puede aplicarse a las operaciones formales y a las estructuras operatorias formales.
Una estructura de esquemas de accin, de operaciones concretas o de operaciones
formales- es una totalidad organizada de esquemas que respeta determinadas leyes o reglas.
Por lo tanto, los conceptos de esquema y de estructura son de naturaleza diferente, aunque
tienen en comn el ser los instrumentos de la actividad intelectual que mediante la atribucin
de significaciones y el juego de la asimilacin y de la acomodacin, permiten construir los
conocimientos que posee el sujeto.
La secuencia de equilibrio- desequilibrio- reequilibrio de los esquemas y estructuras
que resulta de la asimilacin y acomodacin, es explicada, en la teora piagetiana, mediante
los conceptos de perturbacin, regulacin y compensacin.

perturbaciones
Equilibrio

Desequilibrio
cognitivo

factores

equilibrio

Regulaciones
compensadoras

Reequilibrio
cognitivo

motivacionales
afectivos
situacionales

En cada momento evolutivo, la teora gentica selecciona para su estudio aquellos esquemas y estructuras que puede hacer corresponder con las nociones y estructuras bsicas del
conocimiento cientfico actual.
Entre las aplicaciones educativas de la teora gentica predominan las que ven en la
gnesis de las estructuras operatorias un modelo de competencia intelectual del alumno relevante sobre todo para la programacin educativa a largo plazo.(Rivire, 1980, p.17)

16

Paralelamente la teora gentica ha elaborado una explicacin para dar cuenta de los
mecanismos responsables de la evolucin de dichas estructuras (aspectos funcionales en el
sentido de funcionamiento, no de funcin)
La epistemologa gentica pretende ser ciencia y proceder formulando preguntas verificables, de manera que los procedimientos de verificacin sern en funcin de la pregunta y
la verificacin emprica se impondr reiteradamente para conocer la gnesis real de ciertas
nociones, procesos de inferencia, formas de razonamiento elementales, etc.
Segn Castorina (1992), la teora piagetiana puede contribuir de modo relevante a la
comprensin del aprendizaje escolarizado, aunque no se desprende directamente de las investigaciones psicogenticas, cuyo objetivo fue formular una explicacin del mecanismo productivo de los sistemas de conocimiento, sin vinculacin explcita con los problemas de la apropiacin de conocimientos en el sistema educativo.
Los problemas que debe afrontar la teora psicogentica del aprendizaje y los requisitos necesarios para convertirse en instrumento vlido de anlisis del proceso de enseanza
aprendizaje son los siguientes:
Las relaciones entre las teoras de aprendizaje y la prctica educativa fueron
planteadas de 3 maneras distintas, segn Csar Coll, las primeras fueron desarrolladas fuera del aula y aplicadas tal y como fueron formuladas.
Ante las dificultades para aplicarlas existieron los que proclamaron su inutilidad y propusieron formular teoras exclusivamente adecuadas al aula.
Una teora del aprendizaje en la medida en que propone mecanismos epistmicos bsicos de apropiacin de los conocimientos, no puede ser calificada como
intil, es decir, la tesis de la universalidad de dichos mecanismos es crucial para legitimar las interpretaciones de los aprendizajes escolares.
Ninguna teora puede ser transferida al estudio del campo educativo para el que no fue
pensada originalmente, a menos que produzca hiptesis que tomen en cuenta las condiciones
del acto educativo, entre ellas, que los aprendizajes estn vinculados con los objetivos de conocimiento disciplinarios y con el rol de la enseanza. En el caso de la epistemologa gentica
se trata de modificar algunas hiptesis, de producir otras enteramente novedosas y de rearticular los aspectos metodolgicos y conceptuales, con la finalidad de entender y enriquecer el
constructivismo en respuesta a los desafos emanados de la prctica.

17

El mtodo gentico experimental (Vygotski, 1988)


Vygotski rechazaba la concepcin positivista de los mtodos como algo neutro, separado de los enfoques tericos, entendindolos como realizaciones pragmticas de los supuestos tericos. Estaba convencido de que la crtica a los modelos de las funciones psicolgicas
implicaba una crtica a sus productos metodolgicos y crea que la formulacin de una
aproximacin enteramente nueva a la gnesis de la naturaleza de esas funciones llevaba a la
construccin de una nueva metodologa.
La crtica de los modelos naturalistas de explicacin y mtodo (incluyendo el esquema
estmulo-respuesta) implicaba la formulacin de una nueva metodologa -mtodo genticoexperimental- consistente con el enfoque sociocultural para el estudio de los procesos superiores.
Las caractersticas esenciales de la Psicologa de Vygotski son:
La tendencia a enfocar los problemas desde el punto de vista metodolgico y
cuestionar las premisas metodolgicas de la Psicologa como un todo,
utilizar el enfoque histrico de los problemas psicolgicos,
considerar como esencial del problema de la naturaleza, la gnesis y estructura
de los signos y la orientacin semitica del pensamiento,
la propensin intelectual a sintetizar la ptica histrica y dialctica con el enfoque estructural de los problemas.
Las caractersticas o rasgos fundamentales del mtodo son:
1. Implica el anlisis de procesos y no de productos terminados.
2. Tiende a una explicacin genotpica de la conducta en lugar de limitarse a una
descripcin fenotpica de la misma.
3. Se trata de estudiar el proceso mismo de cambio, de formacin de las conductas,
en lugar de conformarse con la investigacin de conductas fosilizadas.
Para Vygotski , el desarrollo humano slo poda entenderse como sntesis producida
por la confluencia de dos rdenes genticas diferentes:
la maduracin orgnica
la historia cultural.
Por un lado est la evolucin biolgica de la especie, que se expresa y refleja en el
proceso ontogentico de maduracin y por otro se encuentra el proceso de desarrollo histri-

18

co, de evolucin cultural desde el hombre primitivo, que incidir directamente, a travs de la
relacin con las personas que le rodean, en el desarrollo psicolgico de cada individuo.
Toda particularidad, deca Vygotski, y la dificultad del problema del desarrollo de las
funciones psicolgicas superiores17 consiste en el hecho de que estos dos aspectos de la ontognesis se funden en uno solo, constituyendo un proceso unitario, aunque complejo.
La investigacin de la filognesis era considerada por Vygotski, como una herramienta
til para el estudio del desarrollo, pero no como un espejo de ste; pues a diferencia de lo que
sucede en la ontognesis, en que se realiza una sntesis peculiar de la maduracin y el desarrollo histrico-cultural del sujeto, en la filognesis no se da la confusin entre una y otra lnea de
desarrollo. El anlisis de la filognesis sera una ayuda importante para desatar el nudo que se
establece entre maduracin y desarrollo cultural.
Al separar los dos procesos de desarrollo que se dan en la gnesis del hombre como
especie animal o como miembro de un grupo social y una cultura, aparece una diferencia fundamental entre ellos; mientras que el desarrollo cultural no implica transformaciones en la
estructura biolgica de la especie, las mutaciones biolgicas son el fundamento del desarrollo
evolutivo, segn esta teora. Su autor introduce un principio de significacin para explicar las
formas superiores de comportamiento en el hombre, diferenciando signos y significados.

Sntesis
Teoras de aprendizaje
Teoras de aprendizaje

De raz conductista

Contigidad

17

Refuerzo

De raz constructivista

Insight

Significado

Rivire, 1988, pp.73-74. Cuando Vygotski hablaba de funciones superiores contaba con la referencia a la
visin del pensamiento como funcin universal y no deducible de la estructura esttica y espacial de la materia.
Para l, las funciones superiores eran resultado de la enculturacin, de la influencia cultural en el aprendizaje y
desarrollo y slo podan ser explicadas por su gnesis, por su historia, situndolas en su contexto originante.
19

Conductismo y constructivismo en Matemtica

Conductismo

Constructivismo

Watson, Guthrie, Thorndike,

Bronnell, Piaget, Bruner,

Skinner, Gagn,

Ausubel, Vygotski, Novak,

Memorizar

comprender significativamente

transmitir conocimientos aislados

disear estrategias para el acercamiento al saber

Tcnica

instruccin programada

puente entre aprendizaje


formal e informal

Estrategia

Algoritmo

heurstica

El error es

falta de rapidez intelectual

grado de apropiacin del saber

Representantes

Aprender es
Ensear es

Piaget-Vygotski

Aprendizaje

Piaget

Vygotski

proceso adaptativo que se da en el

proceso por el que los sujetos ingresan

tiempo en funcin de respuestas

a la vida intelectual del entorno.

dadas por el sujeto a un conjunto

El concepto de participacin guiada

de estmulos anteriores y actuales.

es inseparable del aprendizaje.

El aprendizaje est subordinado

El desarrollo sigue al aprendizaje

al desarrollo.
Desarrollo

Depende de la:
maduracin
experiencia fsica y lgica con
los Objetos
interacciones sociales
equilibracin

Zona de desarrollo prximo:


Alude a la capacidad potencial que
depende del estmulo externo.

20

Habindose abordado las teoras del aprendizaje ms destacadas conforme ha evolucionado la Psicologa Cognitiva, puede decirse entonces que todas efectan grandes aportes
para comprender cmo se produce en los sujetos la adquisicin y el desarrollo de los conocimientos. Por un lado las teoras asociacionistas se ocupan de cambios continuos, medibles y
cuantificables como consecuencia de prcticas acumuladas bajo ciertas condiciones. Por otro
lado, las teoras organicistas o de la reestructuracin estudian la organizacin de las estructuras cognitivas como consecuencia de la interaccin entre esas estructuras y los objetos a los
que se aplican.
La integracin ente las distintas formas de acceder al conocimiento aporta una mirada
mucho ms rica, compleja y profunda de las teoras del aprendizaje y logra saltar el obstculo
de una mirada reduccionista tanto para aquellos que se posicionan en una u otra teora, pues la
complementariedad entre ellas permite comprender desde un enfoque pedaggico cmo
aprenden los sujetos en un contexto cultural y social.
De acuerdo a las teoras precedentes y con un enfoque holstico de las mismas, el
aprendizaje es un producto de la interaccin entre dos sistemas el sujeto y el objeto, y para
ello a travs del mecanismo de reestructuracin, el sujeto busca la manera de organizar sus
conocimientos ms adaptados hacia nuevos conceptos o estructuras ms avanzadas del mundo
externo.
Esta reestructuracin requiere de la toma de conciencia del sujeto, dirigiendo su atencin hacia las propias estructuras de conocimiento, dado que las estructuras conceptuales no
se corresponden con la realidad sino que son representaciones o modelos tericos que permiten comprender fenmenos del mundo.
La toma de conciencia del sujeto es progresiva o gradual y segn Karmiloff- Smith e
Inhelder18 hay un proceso acumulativo por el que la repeticin de los desequilibrios conduce a
su clasificacin o regularizacin, que slo ms adelante puede traducirse en una integracin o
verdadera reestructuracin. Sin la asociacin repetida de ciertas condiciones, no habra reestructuracin.
De acuerdo a la teora de Vygotski, slo mediante la instruccin es posible la construccin de verdaderos conceptos dentro de una pirmide de conceptos. Por ello, slo a travs de
la instruccin el sujeto logra tener conciencia de sus propias representaciones al confrontarlas con la realidad.
18

Karmiloff Smith e Inhelder ( 1975) : If you want to get ahead get a theory Cognition. Trad. Cast. J.I. Pozo
en Infancia y aprendizaje.
21

Las ltimas corrientes de la psicologa cognitiva adhieren a la integracin de las formas de comprensin del aprendizaje, es decir la complementariedad de los enfoques cuantitativos y cualitativos. Los estudios efectuados entre expertos y novatos han logrado realizar
aportes valiosos en esta cuestin, pues incorporan ambos procesos dado que los de reestructuracin se pueden concebir como fases sucesivas del mismo, es decir de la transicin de novato a experto.

La enseanza de la Estadstica

Arribando al tema central de esta investigacin que es la enseanza de la estadstica,


Holmes (2002)19 considera que las lecciones de estadstica dentro de los libros de textos de
matemticas no tienen como objetivo preferente la actividad estadstica, provocando muchas
veces que los alumnos finalicen los cursos sin adquirir una competencia real para llevar a cabo
un trabajo estadstico.
Lo afirmado por Holmes se observa generalmente en que los alumnos realizan slo
clculos y desarrollos matemticos dejando de lado la interpretacin y conceptualizacin de
los mismos. Esto se observa, por ejemplo, en la tendencia a calcular medidas sobre un conjunto de datos sin evaluar qu tipo de estudio resulta ms adecuado.
En los ltimos aos se ha venido forjando el trmino stastistics literacy para reconocer el papel del conocimiento estadstico en la formacin elemental. Indicadores de esta relevancia son por ejemplo el lema El desarrollo de una sociedad estadsticamente culta del
Sexto Congreso Internacional sobre Enseanza de la Estadstica celebrado en Ciudad del Cabo
en julio de 2002, las ediciones del Foro Internacional de investigacin sobre Razonamiento,
Pensamiento y Cultura Estadstica (1999, Kibbutz Beeri, Israel, 2001, Armidale, Australia,
2003, USA) y las numerosas publicaciones y proyectos sobre el tema (Moreno, 1998; Gal,
2002; Murray y Gal, 2002).
Batanero aclara que el objetivo principal no es convertir a los futuros ciudadanos en
estadsticos aficionados, puesto que la aplicacin razonable y eficiente de la estadstica para
la resolucin de problemas requiere un amplio conocimiento de esta materia y es competencia
de los estadsticos profesionales. Tampoco se trata de capacitarlos en el clculo y la represen-

19

Holmes, P. (2002). Some lessons to be learnt from currculo developments in stadistics. En B. Philips (Ed.)
Proceedings of the Sixth internacional Conference on Teaching of Statistics. Ciudad del Cabo: IASE. CD ROM.
22

tacin grfica, puesto que los ordenadores resuelven este problema, lo que se pretende es proporcionar una cultura estadstica.
Para Gal20 , la cultura estadstica incluye dos componentes interrelacionados:
a) capacidad para interpretar y evaluar crticamente la informacin estadstica, los argumentos
apoyados en datos o los fenmenos estocsticos que las personas pueden encontrar en diversos contextos, incluyendo los medios de comunicacin, pero no limitndose a ellos, y
b) capacidad para discutir o comunicar sus opiniones respecto a tales informaciones estadsticas cuando sea relevante.
Con respecto a la cultura estadstica resulta explicativo lo que expresan Wild y Pfannkuch (1999)21 en relacin al razonamiento estadstico. Dicen los autores que este tipo de razonamiento incluye cinco componentes fundamentales, a saber:
Reconocer la necesidad de los datos: La base de la investigacin estadstica es la
hiptesis de que muchas situaciones de la vida real slo pueden ser comprendidas a
partir del anlisis de datos que han sido recogidos en forma adecuada. La experiencia
personal o la evidencia de tipo anecdtico no es fiable y puede llevar a confusin en
los juicios o toma de decisiones.
Transnumeracin: Los autores usan esta palabra para indicar la comprensin que
puede surgir al cambiar la representacin de los datos. Al contemplar un sistema real
desde la perspectiva de modelizacin, puede haber tres tipos de transnumeracin:
(1) a partir de la medida que captura las cualidades o caractersticas del mundo real, (2) al pasar de los datos brutos a una representacin tabular o grfica que permita
extraer sentido de los mismos; (3) al comunicar este significado que surge de los datos, en forma que sea comprensible a otros.
Percepcin de la variacin: La recopilacin adecuada de datos y los juicios correctos
a partir de los mismos requieren la comprensin de la variacin que hay y se transmite en los datos, as como la incertidumbre originada por la variacin no explicada.
La estadstica permite hacer predicciones, buscar explicaciones y causas de la variacin y aprender del contexto.

20

Gal, I. (2002). Aduts statistical literacy. Meanings, componentes, responsibilities. International Statistical
Review, 70 (1), pp: 2-3
21
Wild, C. y Pfannkuch, M. (1999). Statistical thimking in empirical enquiry. International Statistical Review, 67
(3), pp: 223-265
23

Razonamiento con modelos estadsticos: Cualquier til estadstico, incluso un grfico


simple, una lnea de regresin o un resumen puede contemplarse como modelo, pues
es una forma de representar la realidad. Lo importante es diferenciar el modelo de
los datos y al mismo tiempo relacionarlo con los datos.
Integracin de la estadstica y el contexto: Es tambin un componente esencial del
razonamiento estadstico.
Este modelo describe el razonamiento estadstico en forma global.
Es este tipo de razonamiento el que deberan lograr los alumnos, por tal motivo la metodologa pasa a ser nuevamente el centro de inters donde la historia juega un rol muy importante. Son la descripcin y el esclarecimiento de los pasos constructivos que histricamente se
han dado en la evolucin de la estadstica los que favorecen su mejor aprovechamiento intelectual y formativo, asignndole un mayor nfasis a la contextualizacin histrica, social, cultural y emprica de su naturaleza y su enseanza.

24

DESARROLLO DE LA INVESTIGACIN

RESEA HISTRICA
Toda ciencia es medicin, toda medicin es estadstica.
Helhomtz

Origen de la palabra Estadstica


La palabra Estadstica tiene sus antecedentes histricos en los censos, recuentos o inventarios, de personas o bienes, realizados an antes de Cristo.
Para algunos autores, el vocablo statistik proviene de la palabra italiana statista y fue
utilizado por primera vez por Gotfried A. Achenwall, en 1752, quien us la palabra estadstica
para esta rama del conocimiento con el significado de ciencia de las cosas que pertenecen al
estado. Achenwal fund la Escuela de Gttingen y es conocido por los alemanes como el
padre de la estadstica, reconocimiento que l atribuye a Hermann Conring (1606-1681).
En cambio para otros, la palabra estadstica parece derivar de status, que en el latn
medieval tena el sentido de estado poltico. Y con este sentido es usado por primera vez en
el Hamlet de Shakespeare. Luego se us ms especficamente en tratados de poltica econmica y significaba la exposicin sistemtica y ordenada de las caractersticas ms notables de un
Estado22 .
El trmino latino status significa estado o situacin; esta etimologa aumenta el valor
intrnseco de la palabra, por cuanto la estadstica revela el sentido cuantitativo de las ms variadas situaciones.
El Dr. E. A. W. Zimmerman introdujo el trmino statistics en Inglaterra. Su uso fue
popularizado por sir John Sinclair en su obra Statistical Account of Scotland (Informe estadstico sobre Escocia 1791-1799) 23 . Sin embargo, mucho antes del siglo XVIII, la gente ya
utilizaba y registraba datos.
Declaraba Gustav Rumelin en 1863, las palabras sobre las que se form nuestra voz
estadstica difcilmente tengan su origen en estos profesores...

La cultura alemana exige

22

Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones previas/Psicologa. EUDEBA, Buenos Aires, 1968. p. 3.
23
Levin, Richard I. y Rubin David S. Colaboracin de Balderas Lozada Miguel ; del Valle sotelo, Juan C. y
Gomez Castillo, Ral. Estadstica para administracin y economa.PEARSON Educacin. 7 edicin. Mxico, 2004. p.3.
25

definiciones de concepto y de objeto. Es, pues, la estadstica una ciencia? Si lo es, qu clase
de ciencia es y cules son sus conceptos y objetos? Hasta ahora hay sesenta y dos definiciones diferentes de estadsticas. La ma har que haya sesenta y tres24 .
Muchos se sorprendieron primero por el uso que yo hago de las palabras estadstica y estadgrafo En el curso de un viaje muy extenso a travs de las partes septentrionales de Europa, viaje que emprend en 1786, comprob que en Alemania estaban entregados a una especie de indagacin poltica a la que haban dado el nombre de estadstica. Por estadstica se
entiende en Alemania una indagacin destinada a determinar el podero poltico de un pas o
cuestiones relativas a asuntos del Estado; pero la idea que yo agregu a ese trmino es la de
una indagacin sobre el estado de un pas con el fin de determinar hasta qu punto llega la
felicidad de que gozan sus habitantes y los medios de su futuro mejoramiento25 .
Goethe, 1 de enero de 1798

En su acepcin ms simple, la palabra Estadstica significa censo de personas y bienes.


La tarea posterior de interpretar los abundantes datos se realizaba con el fin de cooperar con
los hombres de Estado en el mejor desempeo de sus funciones26 .
Las diferentes definiciones de Estadstica la ubican en mltiples contextos, desde el
propio al utilitario, pasando por el matemtico y social: para Karl Pearson trata de las aplicaciones de la teora matemtica a la interpretacin de observaciones masivas; Jerzy Neyman la
incluye dentro del clculo de probabilidades; Harald Cramr dice que investiga la posibilidad
de extraer de datos estadsticos inferencias vlidas elaborando los mtodos mediante los cuales se pueden obtener dichas inferencias. Finalmente, para Alexander Mood la estadstica no
es otra cosa que la tecnologa del mtodo cientfico27 .
Las discusiones sobre lo que realmente es la estadstica son actuales, incluso en su
taxonoma. La UNESCO la clasifica dentro de las ciencias sociales, pero el FONDECYT la
incluye dentro de la matemtica y a sta en las ciencias exactas y naturales.
La estadstica est muy relacionada con el mtodo cientfico. Apoya la investigacin
en todas las disciplinas, fundamentalmente en la recoleccin y el anlisis de datos con la finalidad de verificar o formular nuevas hiptesis. Tambin los procesos comerciales, administrativos y tecnolgicos necesitan los mtodos estadsticos para tomar decisiones y hacer predic24
25

Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, mayo 1995. p. 49.

Hacking, Ian (1995) .Op.cit. Goethe en el comienzo de su viaje a Italia. Sir John Sinclair al terminar su Statistical Account of Scontland. Goethe y Sinclair estaban viajando casi exactamente en el mismo momentop.38.
26
Hitt Espinosa F. y otros, 1996. pp. 377 y 378
27
Ferreiro, Osvaldo y Fernndez de la Reguera, Pedro, La estadstica, una ciencia de la controversia, Artculo
publicado en la Revista Universitaria N 25 del Instituto de Matemticas y Fsica .Universidad de Talca. Chile.
(1988)
26

ciones de valores futuros. Para arribar a conclusiones con rigurosidad pasando por un proceso
de establecimiento y verificacin de hiptesis, se trabaja en base a modelos (expresiones matemticas) que potencialmente siguen las variables en estudio y se comprueban utilizando los
datos recogidos.
El objetivo de la estadstica, entonces, es la de obtener conclusiones basadas en datos
experimentales.
Los estudiantes suelen confundir el significado de la Estadstica debido a que en la actualidad se le atribuyen tres acepciones diferentes a saber:
a) la informacin estadstica,
b) el conjunto de tcnicas y mtodos que se utilizan para analizar la informacin estadstica y
c) una medida derivada de una muestra.

Algunas definiciones de Estadstica


Para Chacn la estadstica es la ciencia que tiene por objeto el estudio cuantitativo de
los colectivos y para Minguez es la ciencia que tiene por objeto aplicar las leyes de la cantidad
a los hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer su prediccin prxima.
Rosalinda Flores Garca (1998) seala que es posible hablar de dos trminos y metodologas diferentes. Si se trata de la recoleccin, presentacin y caracterizacin de un conjunto
de datos que arrojan como resultado la descripcin de las diversas caractersticas de una poblacin o muestra, tiene lugar una metodologa llamada estadstica descriptiva. Esas experiencias, enriquecidas con los conceptos de la teora de probabilidades hacen posible la estimacin
de caractersticas de una poblacin, validacin de distribuciones o la toma de decisiones sobre
algn factor de la poblacin, sin conocerla enteramente y basndose slo en los resultados de
un muestreo. Esta metodologa se llama estadstica inferencial.28
Leonard J. Kazmier (1998) dice que la estadstica es el conjunto de tcnicas que se
emplean para la recoleccin, organizacin, anlisis e interpretacin de datos29 .

28

Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo
Editorial Iberoamrica, S.A.de C.V. Mxico, 1998. p. 2.
29
Leonard J. Kazmier. Estadstica aplicada a la Administracin y Economa. Tercera edicin. Mc. GRAW HILL.
(1998)
27

Cortada de Kohan, Nuria (1994), nos acerca una posible definicin y demarca un poco
ms el panorama citando a otros autores. Por estadstica entendemos los mtodos cientficos
por medio de los cuales podemos recolectar, organizar, resumir, presentar y analizar datos
numricos relativos a un conjunto de individuos u observaciones y que nos permiten extraer
conclusiones vlidas y efectuar decisiones lgicas, basadas en dichos anlisis[...]
[] Observando una estadstica de cualquier naturaleza, poblacin, trfico, produccin, ventas, salud, escolaridad, etctera, salta a la vista inmediatamente que los fenmenos a
los que ella se refiere cumplen la condicin de presentarse en grandes nmeros, con mayor o
menor rigurosidad segn la naturaleza de los fenmenos y la cantidad de observaciones anotadas. Adems, puede verse enseguida que estos fenmenos dependen de gran variedad de causas, pues si esto no se diera, el estudio podra ser objeto de alguna ciencia especial que estudiara una causa especfica y con la observacin de un solo fenmeno podramos, idealmente,
llegar a una conclusin vlida para todos. Segn Yule30 por lo tanto, por estadstica damos a
entender datos cuantitativos fuertemente influidos por una multitud de causas.
Segn Gini31 la Estadstica, en su aspecto metodolgico, es una tcnica adecuada al estudio cuantitativo de los fenmenos de masa o colectivos, entendiendo por tales aquellos cuya
medicin requiere una coleccin de observaciones de otros fenmenos ms sencillos llamados
fenmenos aislados o individuales32 .
Aclara Nuria Cortada de Kohan: En esta definicin es importante sealar que se habla
de fenmenos cuya medicin requiere una coleccin de observaciones, pues hay fenmenos
que se presentan en masa pero no se requiere observacin alguna, pues se conocen a priori.
Rafael Alvarez Alva. (1991)33 en el captulo de Estadstica mdica y de la salud ni cluye cuatro definiciones que considera muy importantes pues muestran el avance que ha tenido lugar en esta disciplina.

30

Yule, G.O. y Kendall N.G. Introduccin a la Estadstica Matemtica. Ed. Aguilar, Madrid 1947, citado por
Cortada de Kohan, Nuria. Diseo Estadstico (Para investigadores de las Ciencias Sociales y de la Conducta). EUDEBA, Buenos Aires, Agosto de 1994. p. 23.
31
Gini C. Curso de estadstica. Editorial Labor, Barcelona 1953, citado por Cortada de Kohan, Nuria (1994).
p.24.
32
Cortada de Kohan, Nuria (1994). Por ejemplo, si queremos saber el porcentaje de varones que hay en una
ciudad en una poca determinada, es necesario una serie de observaciones. En cambio, para saber la cantidad
de varones que hay en un conjunto de 1000 matrimonios no se necesita ninguna observacin pues se sabe a
priori que en 1000 matrimonios habr por definicin 1000 mujeres y 1000 varones.
33
Alvarez Alva, Rafael. Salud Pblica y Medicina Preventiva. Editorial El Manual Moderno. Mxico, 1991. pp
121-122.
28

La clsica de Croxton y Cowden: La estadstica es el mtodo cientfico que se utiliza para recolectar, elaborar, analizar e interpretar datos sobre caractersticas susceptibles de ser expresadas numricamente, de un conjunto de hechos, personas o
cosas.
La de Yule y Kendall, aclarando que se trata de una de sus aplicaciones ms interesantes. La estadstica es el mtodo cientfico que sirve para la elucidacin de datos
cuantitativos que obedecen a mltiples causas.
La de Mainland, muy relacionado con las ciencias biolgicas. La estadstica es el
mtodo cientfico que se ocupa del estudio de la variacin.
La de Ligia Moya. La estadstica es la rama del saber que trata del desarrollo y
aplicacin de mtodos eficientes de recoleccin, elaboracin, presentacin, anlisis
e interpretacin de datos numricos.
Chou Ya Lun (1991)34 , la funcin principal de la estadstica es elaborar principios y
mtodos que nos ayuden a tomar decisiones frente a la incertidumbre.
Kreyszig, Erwin (1981), la estadstica matemtica trata de la teora y aplicacin de
mtodos para coleccionar datos estadsticos, analizarlos y hacer deducciones a partir de
ellos[] se pueden coleccionar datos estadsticos de diferentes campos; sin embargo, tienen
un rasgo en comn que se deriva de circunstancias que estn afectadas por la casualidad.
Esto es, sobre tales situaciones influye la presencia de efectos que no podemos predecir, porque son resultado de factores que no pueden ser controlados y, con frecuencia, ni siquiera
enumerados[] un solo caso muestra irregularidad aleatoria que hace imposible predecir
resultados, pero un gran nmero de casos exhiben regularidad estadstica. Es importante
descubrir detalles de esas leyes estadsticas, de tal manera que podamos crear un modelo
matemtico. Ese modelo ser til para entender situaciones que incluyan efectos de casualidad, y puede servir como base para predecir o influir sobre el comportamiento posterior. 35
Fausto I. Toranzos (1962) esclarece un poco ms las ideas al afirmar: nos encontramos que en primer lugar tenemos que tener en cuenta que el objeto de los estudios estadsticos
est en los fenmenos que se refieren a poblaciones muy numerosas. Resulta, a menudo, que
si deseamos estudiar el comportamiento de poblaciones numerosas, respecto de una propiedad
34
35

Chou Ya Lun. Anlisis Estadstico. Mc. GRAW-HILL. ltima edicin. 1991


Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A. Mxico, Quinta reimpresin, 1981. pp.17 y 18.
29

o caracterstica, los mtodos deterministas son inaplicables frente a la complejidad del fenmeno,[] Es entonces cuando la Estadstica, apoyada en el Clculo de probabilidades, se
hace presente, y mediante un esfuerzo de sntesis, que es la caracterstica de sus mtodos, introduce estudios referentes al comportamiento promedio de los individuos, logrando, en esa
forma, superar la indeterminacin que se manifiesta en los casos particulares[...] Dice al respecto Darmois: La Estadstica tiende a recoger, caracterizar numricamente y coordinar, grupos de hechos, grupos generalmente numerosos, hechos generalmente complejos. 36
La estadstica estudia el comportamiento de los fenmenos llamados de colectivo. Est caracterizada por una informacin acerca de un colectivo o universo, lo que constituye su
objeto material; un modo propio de razonamiento, el mtodo estadstico, lo que constituye su
objeto formal y unas previsiones de cara al futuro, lo que implica un ambiente de incertidumbre, que constituyen su objeto o causa final. (Cabra 1994)37
En sntesis, se habla de la ciencia de la recoleccin y anlisis de datos para la toma de
decisiones, transformando datos en informacin. En su mtodo comienza presentando tcnicas
de diseo y recoleccin de datos respecto a un fenmeno y luego mediante la estadstica descriptiva se resume lo medular de la informacin. La inferencia estadstica extiende las conclusiones obtenidas de la muestra a la poblacin de la que ella es parte, adems de postular modelos que se ajusten a los datos. Entre estas tcnicas de modelamiento se puede mencionar la
regresin lineal y no-lineal, modelos para series de tiempo, modelos para variables categricas
entre otros.

Desarrollo de la Ciencia Estadstica


El momento en que la Estadstica comienza a conformarse como Ciencia coincide con
el nacimiento simultneo de las escuelas inglesa demogrfica, alemana la administrativa y
la italiana-francesa la probabilstica.

36
37

Toranzos, Fausto I. Op. Cit.. pp.7 y 8.


Batanero, Carmen, 2001. Didctica de la Estadstica. GEEUG (Grupo de Educacin Estadstica Universitaria de Granada). Publica: Grupo de Investigacin Estadstica, Departamento de Didctica de la Matemtica,
Universidad de Granada. Citado por, p. 9.
30

Si bien la Probabilstica continu desarrollndose recin a principios del siglo XIX


la segunda escuela inglesa biomtrica es la que sienta los cimientos de la actual Ciencia
Estadstica38 .
Como se hiciera mencin, la Estadstica se estructur, como disciplina cientfica, en el
siglo XIX, pero ya se conoca y se aplicaba en forma rudimentaria desde la antigedad39 . No
surgi de improviso sino que se fue conformando a partir de un proceso largo de desarrollo y
evolucin.
A partir de datos arqueolgicos se constata dicha afirmacin, se han encontrado estadsticas sencillas, representaciones grficas y otros smbolos en pieles, rocas, palos de madera
y paredes de cuevas. Es decir que su origen se remonta a los comienzos de la historia; prcticamente el hombre comenz a registrar datos -de cosechas, de poblacin, etc.- desde que dej
de ser nmada.
El Dr. Fausto I. Toranzos, identifica cuatro hitos principales en la constitucin de la
Ciencia estadstica tal como la conocemos hoy en da, a saber:
1- Confeccin de resmenes estadsticos.
2- Formalizacin de la estadstica descriptiva
3- Momento en que se relacionan el clculo de probabilidades y la estadstica
4- Estructuracin matemtica de la estadstica
La clasificacin elegida responde a los cuatro grandes interrogantes que nos formulamos al momento de querer reconstruir el camino realizado por esta Ciencia.

Hitos Principales
Por lo sealado se sostiene que el origen de esta ciencia se remonta a los comienzos de
la historia. Se puede afirmar que el quehacer estadstico es tan viejo como la historia registrada aunque fue despus de varios siglos cuando se sistematizaron sus resultados. Transcurrieron varios siglos ms para que se gestara la otra rama de esta ciencia, la que ha permitido que
la Estadstica, tal como se la conoce en la actualidad, se transformara en una herramienta imprescindible para todas las Ciencias y hasta se introdujera en el quehacer cotidiano.

38
39

Introduccin a la estadstica-ilustrados.com
Toranzos, Fausto I. Op. Cit.. p.3.
31

Primer Momento: Confeccin de resmenes estadsticos.


Cundo se comenzaron a realizar resmenes estadsticos?
Por testimonios que llegan hasta el presente se sabe que desde la antigedad se efectuaban relevamientos de poblacin y de recursos, pero sin formalizacin alguna.
Algunos ejemplos lo constituyen:

las tablas de Estadstica agrcola utilizadas por los chinos unos miles de aos antes de
la era cristiana. En la China, Confucio (500 a. C), habla de cmo el rey Yao (3000 a. C)
mand hacer una verdadera estadstica agrcola y un relevamiento comercial del pas.

Los censos realizados para facilitar la funcin del Estado mencionados en la Biblia,
como la referencia de:
el censo de los israelitas realizado por Moiss en el desierto, razn por la que se dio a
aquella parte especial del libro el nombre de los Nmeros40 ;
la parte denominada Crnicas describe el bienestar material de las diversas tribus judas y en
El Viejo Testamento el Censo del rey Herodes.

Realizaron censos tambin los griegos y los egipcios (3050 a. C los faraones lograron
recopilar datos relativos a la poblacin y riqueza del pas41 ). Los griegos los efectuaban
peridicamente con fines tributarios, sociales (divisin de tierras) y militares (clculo de
recursos y hombres disponibles42 ). Scrates, Herodoto y Aristteles incentivaron, a travs
de sus escritos, la estadstica por su importancia para el Estado. Los egipcios utilizaron los
censos para restituir las propiedades ubicadas en las mrgenes del Nilo despus de las
inundaciones. Ramss II hizo un censo de las tierras con el objeto de verificar un nuevo
reparto.

Los romanos fueron quienes mejor emplearon los recursos de la estadstica a partir de
su perfecta organizacin poltico, jurdica y administrativa. Cada cinco aos realizaban un
censo de la poblacin y sus funcionarios pblicos tenan la obligacin de anotar nacimientos, defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de las

40

Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones previas/Psicologa. EUDEBA, Buenos Aires, 1968. p. 3.
41
"Estadstica," Enciclopedia Microsoft Encarta Online 2006
http://es.encarta.msn.com 1997-2006 Microsoft Corporation. Reservados todos los derechos. Segn el historiador griego Herdoto dicho registro se hizo con el objetivo de preparar la construccin de las pirmides.
42
La investigacin histrica revela que se realizaron 69 censos para calcular impuestos, determinar los derechos
de voto y ponderar la potencia guerrera.
32

riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo suceda uno
de estos empadronamientos de la poblacin bajo la autoridad del imperio.
Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy pocas operaciones Estadsticas en Europa, con excepcin de:

En Francia, los reyes carolingios Pipino el Breve y Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la iglesia en los aos 758 y 762 respectivamente,
teniendo un carcter netamente financiero y administrativo; a principios del siglo IX se
termin la enumeracin estadstica de los siervos que habitaban los feudos43 .

En Inglaterra en 1066, el rey Guillermo el Conquistador encarg un censo y la informacin obtenida fue recopilada en el Domesday Book o libro del Gran Catastro para
el ao 1086, un documento de la propiedad, extensin y valor de las tierras de Inglaterra.
Este trabajo fue el primer resumen estadstico de ese pas.
A este periodo se lo puede denominar de los censos porque el objetivo primordial

fue la idea de inventariar de una forma ms o menos regular la poblacin y las riquezas existentes en el territorio.

Segundo Momento: Formalizacin de la estadstica descriptiva


Luego de esos primeros pasos, se present en el desarrollo de la Estadstica una poca
intermedia, preparatoria de los avances modernos. En esa poca la Estadstica comparti el
avance de otras ciencias como la matemtica, la qumica y la astronoma en metodologa y los
nombres de algunos destacados cientficos. En la edad Media adems de registrarse la poblacin y los recursos de los gobiernos se comenz a registrar la propiedad de la tierra.
A fines del siglo XIII las repblicas italianas realizaron observaciones estadsticas que
incluan datos demogrficos similares a los antiguos perdidos durante la cada del Imperio
Romano.
El terreno estaba preparndose desde los siglos XV, XVI y XVII, hombres como Leonardo de Vinci, Nicols Coprnico, Galileo Galilei, Nper, William Harvey, Francis Bacon y
Ren Descartes, hicieron grandes aportaciones al mtodo cientfico, de tal forma que cuando

43

Levin, Richard I. ;Rubin, David S. con la colaboracin y revisin tcnica de: Balderas Lozada, Miguel; Del
Valle Sotelo, Juan Carlos; Gmez Castillo, Ral. Estadstica para Administracin y Economa. PEARSON
Educacin , Mxico, Sptima Edicin, 2004. p.3.
33

se crearon los Estados Nacionales y surgi con fuerza el comercio internacional exista ya un
mtodo capaz de aplicarse a los datos econmicos y ms tarde sociales.
El registro de nacimientos y defunciones comenz en Inglaterra a principios del siglo
XVI y hacia el siglo XVII, con el aumento del volumen de datos oficiales, la tcnica censal
adquiri un gran desarrollo, constituyndose en eficaz auxiliar de las tareas de gobierno.
La estadstica comenz a formalizarse con la aparicin de la estadstica de fenmenos
que golpeaban a la sociedad como lo son la muerte, epidemias, casos de suicidios, enfermedades mentales y todo tipo de delitos, los que dieron origen a la publicacin de datos referidos
a los mismos, fue un verdadero alud de nmeros impresos. As se dio inicio al recuento e ni ventario de los seres humanos y de sus hbitos44 .
Hasta mediados del siglo XVII la estadstica era la descripcin de los hechos notables
de un estado. Hermann Conring (1600-1681) perfeccion y mejor notablemente la tendencia
nueva. De su mano la estadstica adquiere una significacin ms autnoma, se sistematiza
orgnicamente y se la entiende como la descripcin de las cosas notables de un Estado.
Conring es el fundador de la orientacin en estadstica identificada como la escuela
alemana y autodenominada Estadstica universitaria45 e imparte un curso con el ttulo Aritmtica poltica en la universidad de Helmsted.
El economista prusiano profesor Gottfried Achenwall (1719-1772), el mejor de los seguidores de Conring, no slo consolid definitivamente los postulados de esta nueva ciencia
sino que le dio el nombre de "Estadstica". 46 Achenwall utiliza el trmino de estadstica referido a masas de datos numricos, a su concentracin y presentacin en tablas y grficas47 . La
Estadstica pasa a ser la descripcin cuantitativa de las cosas notables de un estado. Von Scholer separ la teora de la estadstica de la aplicacin prctica de la misma. Todos ellos formaron parte de la tendencia de la Estadstica Universitaria Alemana, conocida como la Estadstica Descriptiva.
Cuentan algunos autores que Sir John Sinclair rob a los germanos las palabras estadsticas y estadstica, reconocindolo pblicamente por escrito y que ante la disputa generada los aritmtico-polticos saltaron al primer plano internacional. Las discusiones y ataques
entre Londres y Gttingen terminaron con la Escuela de Gttingen, la cual se disolvi dando
44

Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, mayo 1995. p.9.
Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones previas/Psicologa. EUDEBA, Buenos Aires, 1968. p. 4.
46
El nombre de estadstica ya antes haba sido usado en Italia, pero su definicin todava no estaba bien dada.
47
Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo
Editorial Iberoamrica, S.A.de C.V. Mxico, 1998. p. 1
45

34

paso al surgimiento de la estadstica como disciplina aceptada. Luego Galton dara las directrices para que pasara a ser una ciencia.
Al mismo tiempo surga en Inglaterra una corriente opuesta denominada de los aritmticos polticos, encabezada por John Graunt, que pretenda crear una estadstica investigadora48 . Los representantes ms importantes son John Graunt, Davenant y William Petty. Tenan
como objetivo el de fijar en nmeros los fenmenos sociales y polticos cuyas leyes empricas
buscaban. Para su tiempo era osado y atrevido mas el resultado es el de ser los primeros en
buscar las leyes cuantitativas que rigen la sociedad.
En el ao 1532 al producirse la peste en Inglaterra, durante el reinado de Enrique VII,
se empezaron a registrar los fallecimientos. Y en Francia por medio de una ley se requiri al
clero que registrara los bautismos, defunciones y matrimonios.
A fines del siglo XVI, durante un brote de peste, el gobierno ingls empez a publicar
semanalmente las estadsticas de mortalidad.

Prctica que continu y que por el ao 1632

estas Listas de Mortalidad -Bills of Mortality- contenan listados de nacimientos y muertes


clasificados segn el gnero. En 1662, John Graunt utiliz los listados de mortalidad publicados hasta ese momento para realizar predicciones acerca del nmero de personas que moriran
a causa de diferentes enfermedades, y sobre la proporcin de nacimientos, de ambos sexos,
que poda esperarse. Resumido en su trabajo, Natural and Political Observations Mentionet
in a following Index, and made upon the Bills of Mortality (Observaciones Naturales y polticas...hechas con las Listas de Mortalidad), el estudio de Graunt fue uno de los primeros anlisis estadsticos,49 adems de ser un esfuerzo innovador en el anlisis estadstico.
Los estudios de Graunt registros estadsticos de Londres desde 1592 a 1603- o los de
Halley entre 1687 y 1691 sirvieron para resolver el problema de las rentas vitalicias en las
compaas de seguros.50
El primer empleo de los datos estadsticos para fines ajenos a la poltica tuvo lugar en
1691 y estuvo a cargo de Gaspar Neumann, un profesor alemn que viva en Breslau. Este

48

Ver Anexo I
Levin, Richard I.;Rubin, David S. con la colaboracin y revisin tcnica de: Balderas Lozada, Miguel; Del
Valle Sotelo, Juan Carlos; Gmez Castillo, Ral. Estadstica para Administracin y Economa. Las tablas
de mortalidad, que atrajeron la atencin de Graunt, eran publicadas semanalmente por la compaa de sacristanes parroquiales, y contenan el nmero de muertes acaecidas en cada parroquia, sus causas, y tambin
un Recuento de todos los entierros y bautizos habidos en la semana. PEARSON Educacin, Mxico, Sptima Edicin, 2004. p.3.
50
Batanero, Carmen, 2001. Op.cit. p.10
35
49

investigador se propuso destruir la antigua creencia popular de que en los aos terminados en
siete mora ms gente que en los restantes utilizando los archivos parroquiales de la ciudad.
Los procedimientos de Neumann fueron conocidos por el astrnomo ingls Halley51
quien los aplic al estudio de la vida humana. Sus clculos sirvieron de base para las tablas de
mortalidad que hoy utilizan todas las compaas de seguros.
Gaspar Newman sostiene que la estadstica fue fundada por Achenwal pues fue la
mencionada obra el primer intento de interpretacin de los fenmenos biolgicos de masa y de
la conducta social, a partir de datos numricos.52
En 1995 Ian Hacking se formula la pregunta, qu tiene que hacer el alud, la irrupcin
de cifras impresas con el deterioro del determinismo?
Y responde dicha pregunta y concluye que el determinismo fue subvertido por leyes
del azar. Y, que para creer que haba semejantes leyes era menester que se dieran regularidades estadsticas semejantes a leyes en vastas poblaciones. Adems reflexiona acerca de que la
simple coleccin rutinaria de datos numricos no era suficiente para hacer que afloraran a la
superficie leyes estadsticas. Aclara adems que el uso de la probabilidad en lo social no lo
realiza desde las concepciones matemticas de la probabilidad sino desde donde realmente
surgi: la metafsica, la epistemologa, la lgica y la tica.
Afirma: La probabilidad es el triunfo filosfico de la primera mitad del siglo XX53
[...] Sostengo que los recuentos y enumeraciones exigen categorizacin y que definir nuevas
clases de personas a los efectos estadsticos tiene consecuencias en lo tocante al modo en que
concebimos a los dems y nuestras propias posibilidades y potencialidades.
Y explica que las personas deben ser consideradas como tomos sociales sometidos a
leyes sociales y que esas leyes son estadsticas por su carcter y lo pudieron ser slo cuando
los seres humanos desearon hacer un recuento de s mismos y cuando tuvieron los medios para
llevarlo a cabo.54
De la escuela de los aritmticos polticos que haca estudios demogrficos, actuariales y llevaba datos oficiales, derivaron dos nuevas tendencias en estadstica.

La denominada Enciclopdico- Matemtica que tuvo su mximo desarrollo en Francia


y es la que se entronca con la aparicin del clculo de probabilidades. No slo hizo uso

51

Halley fue el descubridor del cometa que lleva su nombre


Newman, James R. Sigma. El mundo de las matemtica. Ed. Grijalbo. Tomo 3. Parte 2. pp. 104
53
Hacking, Ian (1995) .Op. cit. pp.20 y 22
54
Hacking, Ian (1995) .Op. cit . pp. 36 y 37
52

36

de la matemtica y el clculo de probabilidades sino que tuvo aplicacin prctica en


todas las ciencias. Algunas figuras representativas son:
Christian Huyghens, Blaise Pascal y Pierre Fermat; la familia de matemticos
Bernoulli que dieron fama durante ms de medio siglo a la Universidad de Basilea.
Abraham De Moivre, Pierre Simon Laplace, Carl Friedrich Gauss, Simen Denis
Poisson, Adolfo Quetelet, A. Cournot y Francis Galton. De ste ltimo procede
toda la escuela inglesa de estadsticos y biometristas (Pearson, Fisher, Yule,
Spearman, Gosset Student-, Thurstone, etc.).
Adolfo Quetelet y A. Cournot son sus ms insignes representantes. Quetelet,
considerado por muchos el fundador de la estadstica moderna, hizo innumerables aportes; el ms importante fue el de la metodologa estadstica, sirvindose
del mtodo sentado por l mismo, hacindola as totalmente cientfica. Cournot
por su parte hizo un valioso aporte a la teora de las probabilidades.

La demogrfica55 que procede idealmente de los primeros aritmticos polticos, iniciada por Graunt, se desarroll en Alemania. Numerosos discpulos continuaron su
obra, particularmente:
William Petty (1627-1687) continuador de Graunt en Inglaterra
Juan Pedro Sssmilch (1707-1767), su mximo representante, en el continente
europeo.56 Usa los postulados de Graunt aplicndolos a los fenmenos que se refieren a la poblacin dando nacimiento a la Demografa, hace el primer tratado
que verifica el movimiento de la poblacin.
Guillard quien le di el nombre.
Gustavo Romelin separ a la Estadstica Descriptiva en parte tcnicometodolgica y parte aplicada.
De la revisin efectuada puede decirse que la evolucin habida hasta este momento se

desarrollaron las siguientes ramas de la ciencia estadstica:


Estadstica Metodolgica: Que es un mtodo general de estudio adecuado para ciertos
fenmenos.

55

Los eruditos del siglo XVII demostraron especial inters por la Estadstica Demogrfica como resultado de la
especulacin sobre si la poblacin aumentaba, decreca o permaneca esttica.
56
Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones previas/Psicologa. EUDEBA, Buenos Aires, 1968. pp. 4 y 5.
37

Estadstica Social: Ciencia que estudia desde el punto de vista cuantitativo las leyes
de la sociedad y en parte las de la poblacin.
Estadstica Cuantitativa: estudia cuantitativamente los hechos salientes del estado57 .
Durante el siglo XVII y principios del XVIII, matemticos como Santiago Jacob Bernoulli, Francis Maseres, Joseph Louis Lagrange y Pierre Simon de Laplace desarrollaron la
teora de probabilidades. No obstante durante cierto tiempo, la teora de las probabilidades
limit su aplicacin a los juegos de azar y hasta el siglo XVIII no comenz a aplicarse a los
grandes problemas cientficos.
En el siglo XIX, con la generalizacin del mtodo cientfico para estudiar todos los fenmenos de las ciencias naturales y sociales, los investigadores aceptaron la necesidad de reducir la informacin a valores numricos para evitar la ambigedad de las descripciones verbales.
En el perodo del 1800 al 1820 se desarrollaron dos conceptos matemticos fundamentales para la teora Estadstica; la teora de los errores de observacin, aportada por Laplace y
Gauss; y la teora de los mnimos cuadrados desarrollada por Laplace, Gauss y Legendre.
Aparecen las leyes de los grandes nmeros con Bernoulli y Poisson.
Otro problema que recibe gran inters por parte de los matemticos de su tiempo, como Leonhard Euler, Thomas Simpson, Joseph Louis Lagrange, Adrien Marie Legendre y Carl
Friedrich Gauss es el del ajuste de curvas a los datos.

Tercer Momento: Se relacionan el Clculo de Probabilidades y la Estadstica


Perodo del Clculo de Probabilidad
En el siglo XVII paralelamente al desarrollo de la Estadstica, como disciplina cientfica, pero en forma independiente, se desarroll el Clculo de probabilidades. Se podra decir
que a fines del siglo XIX se comenz a utilizar el concepto de azar, indeterminismo o aleatorio.
Sus iniciadores son los matemticos italianos y franceses de ese siglo, particularmente
Pierre Fermat y Baise Pascal, quienes dieron origen a los estudios del clculo de probabilidades, tratando de resolver problemas de juegos de azar propuestos por el caballero de Mr.58
57

Qu es la estadstica, historia de la estadstica.


www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.htm - 39k 38

Los primeros estudios sobre probabilidad estaban intrnsecamente unidos con los juegos de azar, buscando la mxima rentabilidad monetaria o la mayor utilidad, objetivo que estuvo vigente hasta que apareci la obra de Daniel Bernouilli, hacia 1730.
Posteriormente, el empleo del mtodo de los mnimos cuadrados es desde su introduccin por Gauss y Legendre, la tcnica de estimacin ms utilizada en el mbito de la medida.
59

(Rafael Ferrer Toro, marzo 2001)

Los primeros nombres ligados a esta etapa significativa son:


los Bernouilli. Originarios de los Pases Bajos y radicados en Suiza. Entre esta familia
de grandes matemticos se pueden destacar las figuras relevantes de Santiago Jacob
Bernoulli y Daniel Bernoulli.
Santiago Jacob Bernoulli (1654-1705), quien formul las tablas de distribucin de
probabilidad Binomial e inici los estudios sobre la estabilidad de las series de datos
obtenidos a partir de registros de mortandad. Su obra Ars conjectandi sobre el clculo
de probabilidades fue publicada pstumamente en 1713. En ella se establecieron las
bases de la teora de la probabilidad. Su sobrino, Daniel Bernoulli (1700-1782) se dedica al estudio de la teora de las probabilidades y la relaciona formalmente en sus
aplicaciones prcticas con la estadstica.
Tartaglia, cuyo verdadero nombre es Nicolo Fontana. fue un autodidacto. En el trienio
1521-23 ejerci el profesorado en Verona; en 1526 estaba en Manta; en 1534 ense
en Venecia; en 1548 volvi a Brescia, regresando despus a Venecia, donde muri el
13 de diciembre de 1557. Los conocimientos que desde el Renacimiento tenan algunos matemticos como Tartaglia sobre los juegos de azar fueron tratados por
Pierre Fermat (1601-1665), en su Teora general de las combinaciones y formalizados
en el siglo XVIII con los estudios de Jacob Bernoulli.
Thomas Bayes (1702-1761) fue el autor de la primera inferencia inductiva formal.
Estos logros culminaron con la obra de Jacob Bernoulli, Abraham de Moivre, Thomas
Bayes y Joseph Lagrange quienes desarrollaron frmulas y tcnicas para el clculo de la probabilidad.

58
59

Problema- ejemplo ver Anexo 2.


Rafael Ferrer Toro, 2001. Catedrtico de Universidad de Ingeniera Cartogrfica, Geodesia y Fotogrametra.
Universidad de Cantabria.
39

En el siglo XIX, Pierre Simon, marqus de Laplace, unific todas esas ideas y compil
la teora general de probabilidad logrando dar estructuracin al Clculo de probabilidades.
Pierre Simon Laplace (1749-1827), establece las primeras hiptesis estadsticas de orden intuitivo, lleva a cabo estudios sistemticos de cmo se desva un conjunto de valores a partir de su promedio y escribe la Teora analtica de las probabilidades en
1818 y Ensayo filosfico sobre las probabilidades (1814).
Se puede decir que la obra del propio Laplace y de otros matemticos como Poisson,
Gauss, etc., proveyeron al Clculo de probabilidades de recursos matemticos que lo llevaron
a un grado de perfeccionamiento que lo ha hecho apto para las aplicaciones a diversos campos
de la ciencia y muy especialmente a la Estadstica.
Perodo de la fusin:
A partir de Laplace, las dos disciplinas, Clculo de probabilidades y Estadstica, que
hasta entonces haban permanecido separadas, se fusionan de manera que el Clculo de probabilidades se constituye en el andamiaje matemtico de la Estadstica.
El impulso que llev al estado actual de desarrollo del Clculo de probabilidades, producido entre fines del siglo XIX y principios del XX, se debe principalmente a franceses, rusos y norteamericanos, con la colaboracin de alemanes, escandinavos, ingleses, italianos,
etc..60
Cuarto Momento: Estructuracin matemtica de la Estadstica
La estructuracin matemtica de esta ciencia fue el inicio de una escuela que domin a
lo largo del siglo XIX de la mano de:
Carl Friedrich Gauss (1777-1855) quien desarroll estudios referidos a la ley normal
del error y al mtodo de mnimos cuadrados. Publica un tratado sobre las series hipergeomtricas.
Gauss, Bessel y el propio Laplace llegaron a establecer el mtodo de mnimos cuadrados, como procedimiento matemtico para resolver el problema fundamental de la teora de los errores. La teora de los errores constituye la primera rama de la Estadstica
que pudo constituirse con una estructuracin terico-matemtica.

60

Toranzos, Fausto I. Op.Cit. p. 5.


40

Simon Denis Poisson (1781-1840), redacta la distribucin que lleva su nombre y en


1837 establece el desarrollo matemtico de la ley de los grandes nmeros.
Histricamente, a fines del siglo XIX y principios del XX hubo un gran impulso en el
desarrollo de la estadstica matemtica por parte de Karl Pearson y su escuela (University Press, Cambridge).61
Los primeros en conceptuar el problema clsico de control de hiptesis en el experimento estadstico fueron Karl Pearson y William Gosset (conocido como Student) pero se
debe a Ronald Fisher el haber propuesto un criterio estadstico de eleccin en su teora de
significacin entendida como el rechazo de una nica hiptesis, la de completa aleatoriedad del resultado experimental. El paso de la lgica de lo cierto a la de lo probable excluye la causalidad determinista.62
La Estadstica Experimental, tuvo su origen en Inglaterra, fue una verdadera revolucin.
De la mano de Francis Galton (1822-1884) nace la biometra, l y Weldon (18601906) medan caractersticas biolgicas, fundaron la revista Biometrika (y con ello la
ciencia y la palabra) y estimularon el desarrollo de la estadstica con los descubrimientos de Pearson y Fisher.
Karl Pearson (1856-1936) fue uno de los pioneros en establecer un puente entre la estadstica descriptiva y la probabilidad.
Ronald A. Fisher (1890-1962). Es considerado el ms grande estadstico de todos los
tiempos. El diseo de experimentos fue creado por l tal como se concibe hoy en da.
Public libros sobre varios aspectos de la Estadstica y una infinidad de artculos, entre
ellos Statistical methods for research workers (1925) y The design of experiments
(1935, editados por Oliver y Boyd, Edimburgo). La mayor parte de sus contribuciones
tericas fueron compiladas en el libro Contributions to Mathematical Statistics (John
Wiley y Sons, N. York, 1950). Impuls su carrera como estadstico de la Estacin Experimental de Rothamsted a partir de 1919, con lo que cre de paso una tradicin de
utilizacin de la Estadstica en agricultura. Tambin hizo su aporte a la gentica (por
ejemplo el llamado "teorema fundamental de la gentica" y el libro The genetical theo-

61

Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A. Mxico, Quinta reimpresin, 1981. pp.19 y 20.
62
Bee Dagum, Estela. Reflexiones sobre la enseanza universitaria de la estadstica en el siglo XXI. Facultad
de Ciencia Estadstica, Universidad de Bologna, Italia, 29 de octubre de 2002. p. 2.
41

ry of natural selection, 1930, Oxford University Press) por lo cual es considerado uno
de los pilares de la Gentica moderna.
La enorme contribucin de Fisher a la Estadstica fue continuada en Rothamsted por su
sucesor Frank Yates con trabajo pionero en bloques incompletos, modelos lineales, mnimos
cuadrados y computacin.

Periodo actual
Si bien hace ms de 2000 aos ya existan colecciones o recopilaciones de datos estadsticos, la introduccin de mtodos estadsticos en la industria, ciencias fsicas y sociales, y
en otros campos, comenz hace slo unas cuantas dcadas con algunas implicancias an hoy
no entendidas. Su importancia se halla en las siguientes dos razones, una es la creacin de
mtodos matemticos que permiten realizar inferencia estadstica acerca de las poblaciones a
partir de muestras y la otra es la complicacin creciente de los problemas cientficos, de ingeniera, economa y poltica. Por ambas ha crecido la demanda de mtodos ms precisos y de la
estadstica matemtica. Con los desarrollos estadsticos del siglo XX se puede afirmar que la
Estadstica es capaz de proporcionar esos mtodos para una gran cantidad de problemas prcticos importantes.
En el primer tercio del siglo XX irrumpen con fuerza en el mbito cientficomatemtico dos corrientes que tratan de configurar un marco propio: la teora de la probabilidad.
1) Crear una axiomtica propia y
2) establecer las bases para difundir una nueva estadstica,
El desarrollo de ambas corrientes ocup un amplio perodo de tiempo donde cientficos de gran renombre fueron plasmando sus teoras.

Preparacin de una base topolgica y de las estructuras asociadas necesarias para establecer una nueva axiomtica (E. Cantor (1845-1918), D. Hilbert (1862-1943), E. Borel (18711956)).

Inicio y consolidacin de la axiomtica de la teora de la probabilidad (H. Lebesgue (18751941), A. N. Kolmogorov (1903- 1987) y W. Feller (1906-1970)).
El lgebra de las Probabilidades fue estructurada en los aos de 1930 por matemticos de
la escuela ruso-francesa (Kolgomorov, Cantelli, Borel y otros), dentro de una teora espe42

cial de la medida de conjuntos. Esa teora de la medida permite hablar de la probabilidad


de un suceso como la medida de que l ocurra.
A Andrei Nikolaevich Kolmogorov se le debe la idea de asignar un espacio muestral de
sucesos observables a cada experimento aleatorio y representar los sucesos observables
como subconjuntos del espacio muestral, dando una interpretacin probabilstica a las operaciones con sucesos. Es decir, inventariar todos los posibles sucesos elementales asignados a un experimento, considerarlo como un conjunto de referencia o universal y aplicar
toda la potencia del lgebra de conjuntos para poder definir los dems sucesos, a partir de
los sucesos elementales.63

Desarrollo de la inferencia estadstica clsica y su aplicacin a Ingeniera, Industria (A.


Harkov (1856-1922), K. Pearson (1856-1936), W. S. GossetStudent- (1876-1937); G. W.
Snedecor (1881-1974); R. Von Mises (1883-1953) y R. A. Fisher)).
Las tres reas fueron perfeccionndose simultneamente consiguiendo en tan solo cin-

cuenta aos desarrollar contenidos que han formado una estructura propia en el mbito de las
ciencias matemticas.
A partir de mediados del siglo XX, tras la puesta en prctica de la inferencia clsica,
surgen investigadores que intentan reforzar nuevas formas, tratando de implementar aplicaciones dirigidas hacia las ciencias sociales y el mbito econmico. La moderna inferencia tiene dos pilares fundamentales: la teora de la decisin y los mtodos bayesianos.
A mediados de 1900 ya se distinguen aspectos como utilidad marginal y utilidad total,
renovndose el primitivo concepto de Bernouilli. Con posterioridad Von Neumann y Oscar
Morgenstern, hacia 1945, desarrollan la moderna teora probabilstica de la utilidad, definiendo una axiomtica comn para la probabilidad y para la utilidad.
En 1954 aparece la obra de Savage, iniciador de la lnea bayesiana, en el marco de la
teora de la utilidad. En los ltimos aos el empleo de la teora ha sido predictivo, aplicado en
muchas ocasiones a las ciencias sociales y econmicas, destacando la utilidad colectiva de
Arrow (problema de bienestar social) y hace poco tiempo Black y Rethenberg.
En 1968 trabajos de McCrimmon han contrastado la axiomtica de Savage, empleando
experimentacin adecuada, obteniendo interesantes resultados.

63

Batanero, Carmen, 2001. Op.Cit. p.20.


43

La inferencia estadstica moderna sigue dos direcciones que, aunque convergentes, tienen enfoques diferenciados:

Teora bayesiana. Admite conocimientos a priori, as como observaciones nuevas. Las


a priori son modificadas por las verosimilitudes.

Teora de la decisin. Pretende establecer una teora, unas reglas de accin en situacin
de incertidumbre o riesgo. El valor de cualquier decisin es medido por su prdida.
La figuras relevantes de la Inferencia Estadstica moderna son: A. Wold (1902- 1950);

J. J. Von Neumann (1903- 1957); L. J. Savage (1917- 1971) y K. J. Arrow (1921-)


La inferencia estadstica robusta configura una teora ms afinada en aspectos tan interesantes como la parte de estimacin y de contraste.
El trmino robusto fue establecido por Box (1953), tratando de forzar hacia una modelizacin ms completa que la establecida. Trabajos posteriores fueron reforzando la teora,
destacndose:
1956- Quenouille, con tcnicas que permiten reducir el sesgo y establecer nuevos entornos para la estimacin.
1960- Anscombel, estimulando la investigacin terica y experimental en datos extremos.
1964- Huber, diseando los procedimientos estadsticos robustos.
1968- Hampel, introduciendo el uso de curvas de influencia para analizar la sensibilidad de los estimadores.
1971- Jaeckel y 1.976- Berger, sobre aspectos de admisibilidad de los estimadores
Al avanzar el siglo XX, los norteamericanos tomaron el liderazgo en estadstica principalmente con el trabajo de varias universidades como Iowa y Harvard, entre otras.
Figuras relevantes de la escuela de Iowa State University por sus aportes son:
George W. Snedecor quien crea el Departamento de Estadstica. Hizo el clsico de
la literatura estadstica internacional, Statistical methods (1937, Iowa State University Press). Se destaca su labor como difusor de las ideas de Fisher.
O. Kempthorne quien public trabajos de Diseo de Experimentos y Gentica Estadstica. Tuvo alumnos notables como Graybill y Henderson.
F. A. Graybill, C. R. Henderson, y otros que constituyeron la clase dirigente en Estadstica a nivel mundial por varios aos.
44

Jay L. Lush us esa base estadstica en desarrollo para crear una nueva visin de la
gentica aplicada. Su libro Animal breeding plans, Iowa State University Press,
Ames, Iowa, 1930 es un ejemplo.
Gertrude Mary Cox (1900-1978) se traslad desde Iowa State a North Carolina State
University donde cre un Instituto de Estadstica Experimental que form importantes tcnicos y escribi el famoso libro Experimental Designs con W. G. Cochran en
1952.
William Gemell Cochran (1910-1980). Profesor de Diseo y de Muestreo, hizo ilbros histricos en ambas reas, todava no totalmente superados, el primero de ellos
con Gertrude Cox. Difundi las tcnicas de muestreo en su libro Sampling techniques de 1957. Recorri varias universidades como Iowa State, Harvard y Johns Hopkins. Particip en medicina con contribuciones histricas.
Se destacaron adems:
Hermann Otto Hartley, estadstico de origen alemnque se traslad a Inglaterra donde
trabaj con E. S. Pearson en la construccin de las conocidas tablas de estadstica. Posteriormente se radic en Iowa y ms tarde en Texas. Fue el fundador del Instituto de Estadstica de
la Universidad Texas A&M. Sus contribuciones ms importantes fueron en Estimacin de
Modelos Lineales Mixtos, Mxima verosimilitud, Computacin y muestreo.
En la universidad de Chicago, Sewall Wright, genetista, fue promotor de la gentica
de poblaciones y el creador del coeficiente de heredabilidad que mide cuan heredable es un
carcter y otras herramientas estadsticas. En la de Princeton, Harold Hotelling (1895-1973)
trabaj con la prueba multivariada que lleva su nombre (T de Hotelling) que generaliza la
prueba de Student a varias dimensiones. Wishart J. (1898-1956) generaliz la distribucin Chi
cuadrado. Samuel S. Wilks (1906-1964) trabaj con mtodos multivariados.
Durante las ltimas dcadas del siglo XX se han desarrollado una serie de tipos de anlisis de datos que se sitan entre la estadstica descriptiva y la inferencia o estadstica terica.
Entre stos se encuentran el anlisis exploratorio de datos desarrollado por Tukey entre 1960 y
1980 y el anlisis multivariante.
Dice Carmen Batanero nos encontramos ante una nueva filosofa en la aplicacin de
los mtodos de anlisis de datos, aunque unida a ella se han desarrollado tambin algunas tcnicas concretas para su aplicacin, como el grfico de la caja o el de tallo y hojas. Esta filoso45

fa consiste en el estudio de los datos desde todas las perspectivas y con todas las herramientas
posibles, incluso las ya existentes.64
El desarrollo de la tecnologa y el acceso a las herramientas informticas inducen a replantear el proceso de enseanza y aprendizaje de esta ciencia.
Estela Bee Dagum expresa reconozco la gran contribucin de la tecnologa en el desarrollo del mtodo estadstico y como ha facilitado la tarea de los estadsticos, volvindola
ms sencilla y ms eficiente. Pero siempre insisto a mis estudiantes, el evitar un uso ciego
tanto de los datos como de las tcnicas de modelizacin y estimacin. Particularmente, creo
que una de las misiones fundamentales del profesor es instruir al estudiante para el anlisis
crtico. No aceptar resultados cualquiera sean, simplemente porque estn de acuerdo con los
datos o porque han sido obtenidos con un modelo considerado estadsticamente bello.65
En este contexto se abren nuevas posibilidades gracias a los avances tecnolgicos que
no cesan y ante los cuales es preciso una actualizacin permanente para lograr un mejor aprovechamiento de todo su potencial.

64
65

Batanero, Carmen, 2001. Op.Cit. pp.27 y 28.


Bee Dagum, Estela (2002). Op.Cit. p. 3.
46

AUTORES QUE CONTRIBUYERON AL DESARROLLO DE LA ESTADSTICA

Como se ve reflejado en lo trabajado hasta el momento, la historia del desarrollo de la


teora estadstica y su prctica es muy larga por eso haremos mencin de algunas figuras relevantes que hicieron contribuciones significativas al campo.66

Cuadro N 1
Momento
histrico
1620-1674
Londres
Inglaterra

Autores Destacados que hicieron su aporte a la Estadstica y su tiempo


Autor

Aporte

John Graunt Es el verdadero precursor de la Estadstica de nuestros tiempos. Se dedic a realizar estudios de importancia donde se insinan ya los fundamentos de los mtodos estadsticos.67 En Observaciones Naturales y polticas...hechas con las Listas de Mortalidad utiliz 30 aos de los listados
de nacimientos y defunciones para hacer predicciones sobre el nmero
de personas que moriran a causa de diferentes enfermedades, y sobre la
proporcin de nacimientos, de ambos sexos, que poda esperarse. Primer
intento de interpretacin de los fenmenos biolgicos de masa y de la
conducta social, a partir de datos numricos.
El trabajo de John Graunt es el punto de partida de la estructuracin
actual de la Estadstica como mtodo de investigacin de fenmenos
colectivos. En ellos se insina lo que habra de constituir el fundamento
de los mtodos inferenciales actuales, que han dado a la Estadstica la
posibilidad de estudiar los fenmenos colectivos, y que constituyen el
captulo ms interesante de esa disciplina y uno de los mtodos de investigacin ms potentes con que cuenta el investigador moderno de las
ciencias humanas y tambin de las fsico-naturales. Con l nace la Escuela aritmtica poltica denominada Demogrfica.
Nace la Escuela aritmtica poltica denominada Demogrfica.
Estadstica como mtodo de investigacin de fenmenos colectivos.

1600-1681
Alemania

Hermann
Conring

La estadstica adquiere una significacin ms autnoma, se sistematiza


orgnicamente de su mano y se la entiende como la descripcin de las
cosas notables de un Estado.
Fundador de la orie ntacin en estadstica identificada como la escuela
alemana y autodenominada Estadstica universitaria caracterizada por
considerar la Estadstica como un mtodo descriptivo, que consiste en el
recuento de datos, y est creada para servir las necesidades de los Estados.

66

Compilacin de los autores: Edmund Halley (1942); Toranzos, Fausto I. Newman, James R. cita a Aubreys
Brief Lives, editada por Oliver Lawson Dick; Londres, 1950. y Cortada de Kohan, Nuria (1994).

67

Aubrey lo describe como una persona muy ingeniosa y estudiosa, se levantaba temprano para hacer sus estudios antes de
la apertura de la tienda.

47

Nace la Escuela alemana Estadstica universitaria.


Estadstica como un mtodo descriptivo creada para servir las necesidades de los Estados
1623-1687
Inglaterra

Fue uno de los discpulos de Graunt y su continuador. Autor de un conocidsimo libro sobre la nueva ciencia, la Aritmtica poltica, y probablemente discuti con l las ideas expresadas en sus Observations en el cual
us registros anteriores para predecir sucesos futuros. Por sta obra Carlos II lo propuso como socio fundador de la recientemente constituida
Royal Society.

William
Petty

Surge la corriente de los aritmticos polticos.


Objetivo: crear una estadstica investigadora.
1658-1744
Londres

Edmund
Halley

Fue humanista, hidrgrafo, matemtico, fsico y astrnomo. Se dedic a


la actividad literaria y cientfica.
El aporte a la estadstica surge del inters que tuvo por las curiosas
tablas de Breslau cuyos resultados fueron sometidos a Leibniz, quien
los envi a la Royal Society para su publicacin en su Philosophical
Transactions en 1692.
Su primer artculo sobre tasas de mortalidad titulado An Estimate of the
Degree of the Mortality of Mankind, drawn from curious Tables of the
Births and Funerals at the City of Breslau; with an Attempt to ascertain
the Pric es of Annuities upon Lives, fue seguido por otro, el Somer
further Considerations on the Breslaw Bills of Mortality. Ambos artc ulos constituyen la base de todo trabajo posterior sobre esperanza de vida,
indispensable, naturalmente, para la solvencia de las compaas de seguros de vida. No slo realiz un profundo anlisis de la evaluacin de las
anualidades, sino que puso sus resultados de forma tan adecuada que
esta primera tabla de mortalidad ha quedado como modelo de todas las
tablas posteriores, como su frmula fundamental de expresin. Su anlisis refleja el poder excepcional de su mente.

1707-1767
Alemania

Johann
Meter Ssmilch

Sacerdote, admirador y continuador de Graunt; escribi la obra titulada


Orden divino en la que trataba de dar una explicacin mstica del mtodo estadstico de Graunt, efectuando al mismo tiempo interesantes
contribuciones matemticas al mtodo y colaborando en forma muy
eficaz al conocimiento y difusin del mismo en el continente europeo.

1719-1772
Prusia

Gottfried
Achenwall

Profesor de las universidades de Marlborough y de Gttingen utiliz el


trmino de estadstica referido a masas de datos numricos, a su concentracin y presentacin en tablas y grficas. Se le atribuye la paternidad
de la palabra Estadstica como ciencia de las cosas que pertenecen al
Estado llamando Estado a todo lo que es una sociedad civil y al pas en
que ella habita, con todo lo que se encuentra de activo y de efectivo; la
Estadstica se ocupa de los fenmenos que pueden favorecer o defender
la prosperidad del Estado. Aclara la poltica ensea cmo deben ser los
Estados, la Estadstica explica cmo son realmente. Esta definicin
condena el pensamiento de la corriente conocida con el nombre de Estadstica universitaria.

1754-1835

John
Sinclair

Obra: Statistical Account of Scotland (Informe estadstico sobre Escocia


1791-1799).
48

En el siglo XVII se inicia el desarrollo del Clculo de probabilidades.68


1601-1665
Francia

Pierre
Fe rmat

Fue uno de los iniciadores del llamado Clculo de probabilidades. Cuyos


primeros problemas, que se resuelven en el siglo XVII, se refieren a los
juegos de azar. Uno de los dos cientficos que pretendieron resolver algunos problemas del azar planteados por el Caballero de Mer, El problema de las partidas, es solucionado por l y por Blaise Pascal en
forma distinta, aunque con resultados concordantes.
En su Teora general de las combinaciones y formalizados en el siglo
XVIII con los estudios de Santiago Jacob Bernoulli.

1623-1662
Francia

Blaise Pascal Comenz a trabajar en geometra a la edad de 12 aos, descubri que la


suma de los ngulos de un tringulo corresponden a dos ngulos rectos.
Junto con Fermat son los iniciadores del llamado Clculo de probabilidades. En su solucin del problema de las partidas, utiliza las propiedades de los hoy llamados nmeros combinatorios, es decir, los coeficientes del desarrollo de las potencias de un binomio y que forman un
tringulo numrico, llamado por Pascal tringulo aritmtico, y que a
veces impropiamente se llama tringulo de Pascal. l dio su expresin
general y algunas de sus propiedades.
Su ms famoso trabajo en filosofa es Penses, una coleccin de pensamientos personales del sufrimiento humano y la fe en Dios. Si Dios no
existe, uno no pierde nada al creer en l, mientras que si existe uno pie rde todo por no creer.

1629-1695
Holanda

Christiaan
Huygens

Fsico astrnomo con importantes investigaciones matemticas. Public


un breve tratado sobre los razonamientos relativos a los juegos de dados, inspirado en la correspondencia de los matemticos franceses. Para
l ha bastado la intuicin del hombre de la calle y sus necesidades
corrientes, para la fundamentacin, siendo el primero en introducir la
esperanza matemtica.

La familia de los Bernoulli proporcion durante los siglos XVII, XVIII y XIX ms de una decena
de matemticos, de los cuales tres muy importantes. Jacob es el primero de los Bernoulli en estudiar
en una universidad, el primero en investigar en las ciencias matemticas, el primero en recibir un
ttulo de doctor y el primero de la familia en ser aceptado como catedrtico de matemticas en la
Universidad de Basilea. Se convirti en gua espiritual y en ejemplo de todos los dems magnficos
gemetras Bernoulli que le sucedieron. Gustaba de desafiar intelectualmente a los dems, de consagrarse a la resolucin de problemas y de polemizar sobre las soluciones.
1654-1705
HolandaSuiza

68

Santiago
Jacob
Bernoulli

Realiz estudios filosficos, teolgicos y de idiomas en la Universidad


de Basilea. Se gradu con el grado de magster en filosofa a los 17 aos,
y 5 aos ms tarde era doctor en teologa. Dominaba los idiomas alemn,
francs, ingls, latn y griego. Pero Jacob senta una gran inclinacin
hacia las matemticas y, a escondidas, estudiaba diferentes aspectos de
ellas, sin maestro alguno y casi sin libros adecuados. Su vida cientfica
gir alrededor del ncleo fuerte del estudio de las curvas con el uso del
nuevo clculo. Su obra matemtica se reparti por igual entre los nuevos
mtodos infinitesimales y el clculo de las probabilidades, fue quien uso
por primera vez la palabra integral.
Formul las tablas de distribucin de probabilidad Binomial e inici los
estudios sobre la estabilidad de las series de datos obtenidos a partir de

En el siglo XVII paralelamente al desarrollo de la Estadstica, como disciplina cientfica, pero en forma independiente, se
desarroll el Clculo de probabilidades.

49

registros de mortandad. Su obra Ars conjectandi fue publicada pstumamente en 1713 y con ella el clculo de probabilidades adquiere autonoma cientfica. En ella se establecieron las bases de la teora de la probabilidad. Se compone de cuatro partes, la primera reproduce con valiosos comentarios, la obra de Huygens sobre las probabilidades; la segunda es un tratado de combinatoria y en ella aparece la expresin que Bernoulli deduce inductivamente partiendo de la suma de nmeros combinatorios de igual denominador, que da la suma de las primeras diez potencias de los primeros n nmeros naturales, expresin en la que aparecen los coeficientes constantes hoy llamados nmeros de Bernoulli, algunas de cuyas propiedades estudia; la tercera parte se refiere a los juegos de azar y la cuarta, incompleta, aplica las doctrinas precedentes a
cuestiones civiles, morales y econmicas. En sta ltima parte aparece el
problema del lmite hoy denominado teorema de Bernoulli, y la llamada
ley de los grandes nmeros -nombre que le fue dado por el matemtico
francs Simon D. Poisson-.
El teorema de Bernoulli fue el primer intento para deducir medidas estadsticas a partir de probabilidades individuales y su autor aseguraba
que tard veinte aos en perfeccionarlo-. Este tiempo no fue malgastado,
si consideramos la importancia central del resultado, pero matemticos,
cientficos y filsofos han dedicado, desde entonces, mucho ms de
veinte aos, examinando y discutiendo el significado exacto del teorema
y su alcance para aplicaciones estadsticas. Las distribuciones binomial,
de Poisson y binomial negativa, involucran ensayos de Bernoulli en el
muestreo que se lleva a cabo con reemplazo.
1667-1754
Francia Londres

1700-1782
SuizaFrancia

1702-1761
Inglaterra

Abraham De Se ocup especialmente de probabilidades y por tanto de temas vinculados con los nmeros combinatorios, suma de las potencias de los nmeMoivre
ros naturales.
Descubri la funcin de densidad de probabilidad de la distribucin
normal en 1733 como una forma lmite de la funcin binomial, despus
la estudi Laplace. Se la conoce como distribucin gaussiana porque
Gauss la cit en un artculo que public en 1809.
Daniel
Bernoulli

Thomas
Bayes

Mdico y matemtico profesor en la Universidad de San Petersburgo. Se


dedica al estudio de la teora de las probabilidades y la relaciona formalmente en sus aplicaciones prcticas con la estadstica (estadstica de
la salud). Estableci una relacin fundamental conocida como principio
de Bernouilli. Estableci una relacin fundamental conocida como principio de Bernouilli.
Telogo, autor de la primera inferencia inductiva formal, el primero en
utilizar la probabilidad inductivamente, estableciendo un fundamento
matemtico para la inferencia probabilstica. En un ensayo pstumo
qued patente el intento de establecer las probabilidades tras el conocimiento de causas. Laplace, a los once aos de su muerte, dio a conocer
definitivamente sus revolucionarias teoras. Estudi las probabilidades
inversas. Su trabajo esta siendo revalorado hoy en da con la Estadstica
Bayesiana, donde se utiliza la informacin a priori que el investigador
tiene de un fenmeno.

50

Se fusionan las disciplinas Probabilidad y Estadstica. 69


1749-1827
Francia

Pierre
Simon
Laplace

Astrnomo y matemtico, colabor durante la Revolucin Francesa a


establecer un sistema mtrico, ense clculo y fue miembro del Instituto Francs. Estudia el anlisis matemtico, trabajando en la teora de la
probabilidad. Una de sus contribuciones es el Teorema del Lmite Central. 70
Establece las primeras hiptesis estadsticas de orden intuitivo, lleva a
cabo estudios sistemticos de cmo se desva un conjunto de valores a
partir de su promedio y escribe la Teora analtica de las probabilidades
en 1818 y Ensayo filosfico sobre las probabilidades (1814) en la cual se
expone la teora sin frmulas matemticas escritas. En el tratado sobre
las probabilidades de Laplace se utilizan los recursos de anlisis infinitesimal, se introduce el principio de los cuadrados mnimos, y se estudian
todos los problemas y contribuciones de los autores anteriores, el teorema de Bayes sobre la probabilidad de las causas, enunciado en una memoria pstuma de Thomas Bayes (m. 1761), y el problema de la aguja,
propuesto y resuelto por Georges Louis Leclerc de Bufn (1707-1788).
Sus trabajos permitieron dar su definitiva estructuracin al Clculo de
probabilidades.

El Clculo de probabilidades adquiere su definitiva estructuracin


1781-1840
Francia

Simen
Denis
Poisson

Se ha ocupado del clculo de las variaciones, diferencias finitas y clc ulo de probabilidades entre otros temas. Fue el primero en descubrir la
distribucin que lleva su nombre, es una distribucin discreta de probabilidad muy til en la que la variable aleatoria representa el nmero de
eventos independientes que ocurren a una velocidad constante y en 1837
establece el desarrollo matemtico de la ley de los grandes nmeros.

1777-1855
Alemania

Karl
Friedrich
Gauss

Astrnomo, fsico y matemtico de trascendental importancia que domin la comunidad matemtica durante y despus de su vida. A los 18 aos
crea un mtodo para el trazado grfico del eptadecgono con regla y
comps. Es tambin uno de los creadores de la geometra no euclideana,
campo que comenz a investigar a la edad de 15 aos. Orbitas planetarias. Escribi un tratado de Mecnica Celeste. Colabor en el rea de la
fsica (con Wilhelm Weber). Profesor de la universidad de Gttingen,
dirigi su observatorio. Destac en los mltiples campos de la matemtica: clculo de probabilidades, creador de la distribucin normal y de los
mnimos cuadrados. En 1821 expres su teora de los errores y analiz la
grfica en forma de campana usada tan frecuentemente en el campo de
las probabilidades. Demostr que era una curva tpica de la distribucin
de los errores cometidos en las observaciones cientficas que, desde entonces, se ha llamado curva de probabilidades normal o curva de Gauss,
tambin publica un tratado sobre las series hipergeomtricas. Introduce
los nmeros combinatorios en el anlisis, realiza un estudio riguroso de

69

El estudio de las disciplinas Probabilidad y Estadstica, iniciado independientemente se fusiona con Laplace y el Clculo de
Probabilidades pasa a ser un auxiliar valioso de la Estadstica A partir de Laplace, las dos disciplinas, Clculo de probabilidades y Estadstica se fusionan de manera que el Clculo de probabilidades se constituye en el andamiaje matemtico de
la Estadstica.
La obra de Laplace y de otros matemticos como Poisson, Gauss, etc., proveyeron al Clculo de probabilidades de recursos
matemticos que lo llevaron a un grado de perfeccionamiento que lo ha hecho apto para las aplicaciones a diversos campos
de la ciencia y muy especialmente a la Estadstica.
70
Box (1978, pag 66) se lo atribuye.

51

las series, presenta algunas contribuciones a la teora de los nmeros y a


la resolucin de problemas astronmicos y fsicos.
1796-1874
Blgica

Adolfo
Quetelet

Matemtico, astrnomo y estadgrafo considerado el fundador de la Estadstica moderna. Trabaj durante muchos aos realizando notables
aplicaciones estadsticas abriendo, para esta disciplina, un campo muy
vasto de posibilidades, tanto en cuestiones sociales, demogrficas como
antropolgicas.
Fue el principal director de Correspndanse mathmatique et phisique -publicacin peridica dedicada a la matemtica Bruselas en el
perodo 1824 a 1839-.
Cabe citar su obra Sur lhomme (1835) que contiene relevamientos y
estadsticas sacadas de los libros de los registros civiles para conocer
frecuencia de los delitos y suicidios y sobre el desarrollo fsico del hombre. Se lo considera fundador de la Antropometra. En esta poca la Estadstica se circunscriba a lo que hoy conocemos como series de frecuencia, y dentro de ese captulo, nicamente se utilizaban las aproximaciones mediante la funcin normal de Gauss. De l aprendi Francis
Galton.
Nace la Estadstica moderna.

1802-1860
Hungra

Johan
Bolyai

En 1832 Gauss se entera que l, hijo de un amigo suyo, haba redactado


un trabajo similar, felicita al amigo y con la honestidad cientfica que
caracteriz toda su vida, abandona el tema.

1821-1894
Rusia

Pafnuti
Lvovich
Chebyshev

Contribuy con la teora de ol s nmeros primos, las probabilidades, el


anlisis y aplicaciones matemticas. En la teora de las probabilidades, la
desigualdad de Chebyschev es una importante herramienta, debido a su
generalidad. Se aplica a cualquier distribucin de probabilidad con un
nmero finito de media y varianza.

1822-1911
Inglaterra

Francis
Galton

Antroplogo dedicado a los problemas de la herencia, fundador de la


Eugenesia. Extiende la estadstica a los datos de tipo gentico para el
estudio de la herencia de los caracteres somticos y psquicos proporcionando con su ley de regresin de los caracteres humanos a la media, el
origen del mtodo de las correlaciones, fundamental para el empleo en la
elaboracin de test mentales. Sus obras Hereditary Talent y Hereditary
Genios puede considerarse precursor de la psicometra en psicologa. La
palabra regresin la utiliz por primera vez con el significado: las
tcnicas de regresin proporcionan medios legtimos a travs de los cuales pueden establecerse asociaciones entre la s variables de inters en las
cuales la relacin usual no es casual. Cre, entre otras teoras, la de regresin, que con la de correlacin, desarrollada por Pearson, constituyen
uno de los captulos ms fecundos en las aplicaciones de la Estadstica.
Gran interprete de los datos juntados por Weldon junto con Pearson.
De l procede toda la escuela inglesa de estadsticos y biometristas
(Pearson, Fisher, Yule, Spearman, Gosset Student-, Thurstone, etc.).
Escuela inglesa de estadstica y biometra.

1837-1914
Alemania

Wilhelm
Lexis

Ampli los estudios de Quetelet, probando que no era solamente la curva


normal la que poda servir de modelo a una serie de frecuencias. Esta
corriente de ideas fue luego desarrollada y completada por los trabajos
de numerosos investigadores, entre los que cabe destacar a Pearson y
52

Charlier.
1839-1914
USA

Charles
Sanders
Peirce

Cientfico, filsofo y humanista. Con l nace el denominado pensamie nto peirceano cuyo concepto central no slo para su filosofa de la ciencia
sino para toda su obra es el de abduccin. 71 Crea en el azar absoluto
introdujo la casualizacin artificial en el diseo de experimentos. Suministr uno de los dos principios de toda inferencia estadstica.72 En su
pragmatismo puede encontrarse toda una teora de la accin humana.

RusiaAlemania
1845-1918

George
Cantor

Matemtico y filsofo fundador de la teora de conjuntos y descubridor


de los nmeros transfinitos. Enunci multitud de teoremas, haciendo
contribuciones significativas en la teora de la dimensin. Matemticos
de gran renombre como Hilbert, Russell y Zermelo continuaron su labor.

1856-1922
Rusia

Andres
Matemtico. Autor de varios trabajos sobre clculo de diferencias finitas
Andreyevich y clculo de probabilidades. En los Mathematische Annalen ha public aMarcov
do interesantes estudios sobre la serie hipergeomtrica. Destacan sus
estudios sobre las cadenas, que llevan su nombre, en el mbito de los
procesos estocsticos y su mtodo para ajustar modelos lineales.

1857-1936
Inglaterra

Karl
Pearson

Estudi Derecho, aunque l siempre se destac en matemticas. A los 27


aos comienza a impartir clases de matemticas en la Universidad de
Londres. Se interes por la aplicacin de las matemticas al estudio de la
evolucin de las especies y la herencia. Estudios sobre los problemas
biolgicos de la herencia y la evolucin. Algunas aportaciones importantes en el campo de la estadstica son: desarroll la metodologa para
algunos estudios especficos, el coeficiente de correlacin lineal, la distribucin chi-cuadrado y la prueba de la ji o chi-cuadrada o el test de
Pearson cuya finalidad es estudiar la bondad del ajuste de una distribucin emprica a partir de una terica. Escribi uno de los clsicos de la
filosofa de la ciencia Grammar of science y fund el primer peridico
estadstico: Biomtrica.
Su teora sobre pruebas de significatividad y otras contribuciones sirvieron para configurar la estructura de la teora de las muestras, teora que
se estructur a partir de sus trabajos y los de sus discpulos. Fue el ms
importante del tro de Biometrika.
Se estructura la teora de las muestras.

1867-1947
Inglaterra

Irving
Fisher

Deriv del estudio de problemas econmicos un estudio que culmin


con el tratado sobre nmeros ndices; redefini la estadstica y estableci
que el objetivo de los mtodos estadsticos es la reduccin de grandes
masas de datos, en lo que distingui 3 problemas bsicos: los de especificacin de la clase de poblacin de la cual provienen los datos, los de la
distribucin de probabilidad que siguen y los del tipo de estudio deseado
y mtodos de inferencia necesarios.

1871-1951
Escocia

George
Udny Yule

En 1895 Yule fue elegido miembro de la Royal Statistical Society. Produjo importantes artculos sobre regresin y correlacin. El trabajo titu-

71

Segn la Logic of Science de 1866-67, el proceso del conocimiento requiere una aplicacin an ms estricta de un mtodo
falibilista de ensayo y error. A su vez este mtodo viene hecho posible por otros tres: el inductivo, el deductivo y el propiamente abductivo. El mtodo abductivo localiza de un modo retroactivo los presupuestos y las hiptesis utilizadas a su
vez por los otros dos mtodos, siguiendo con este fin un proceso de creciente generalizacin ascendente o de aplicaciones
descendentes cada vez ms concretas, para tratar de confirmarlas o refutarlas segn los casos.
72
Su pragmatismo pragmaticismo, concebido inicialmente como un mtodo lgico para aclarar el significado de los conceptos, se convirti en el movimiento filosfico dominante en la Amrica de finales del siglo XIX y principios del XX.

53

lado On the Theory of Correlation fue el primero publicado en 1897.


Desarroll una aproximacin a la correlacin a travs de la regresin
conceptualizando el uso de los mnimos cuadrados y alrededor de 1920
su trabajo predominaba como aplicacin en las ciencias sociales.
1875-1941
Francia

Henri Leon
Lebesgue

Profesor de la Universidad de Pars. Cre una integral ms general que la


de Rieman, que tiene muchas aplicaciones en la teora de la probabilidad.

1876-1937
Inglaterra

William
Sealey
Gosset
Student

Empleado por la firma cervecera Guinnes en Dubln, en 1906 fue enviado a trabajar con K. Pearson en el University College de Londres, donde
llev a cabo sus principales contribuciones a la estadstica, publicadas
bajo el pseudnimo de Student. Estudi el problema de la estimacin
para muestras pequeas, analizando la distribucin del estadstico luego
llamado t de Student.
Public la solucin del problema de cmo comparar medias cuando no
se conoce la varianza y las muestras son pequeas. Su actividad estuvo
empaada por la presencia cercana de su amigo y competidor Fisher. Se
dice que en un homenaje que le hicieron dijo con amarga modestia: "No
fue nada, Fisher lo hubiera descubierto igual".

1881-1974
USA

George W.
Sne decor

Estadstico que aplic procedimientos de inferencia en el marco de las


especialidades biolgicas y agrcolas. Cre la distribucin F con m y n
grados de libertad (F, en honor a Fisher) como cociente de distribuciones
chi-cuadrado, escribiendo 88 publicaciones entre 1925 y 1967.
Cre el Departamento de Estadstica de la Iowa State University. Hizo el
best seller de la estadstica. Su labor como difusor de las ideas de Fisher
fue tan importante que un autor dijo: "Gracias Dios por crear a Snedecor,
ahora podemos entender a Fisher".

1883-1953
AlemaniaEEUU

Richard E.
Von Mises

Matemtico, filsofo e ingeniero. Profesor de las universidades de Estrasburgo, Berln y Estambul. Fue director del Instituto de Matemtica
Aplicada de la Universidad de Berln. Postul la definicin frecuencial
de probabilidad en 1919, se refiere a la probabilidad como el Valor
Lmite de la Frecuencia Relativa. Esta es la razn del nmero de casos
en que el atributo a sido hallado al nmero total de observaciones.73 Se
traslad a EEUU. Editor de la revista de Matemtica y Mecnica Aplicada. Escribi Clculo de Probabilidades?.

1887-1955
USA

Louis Leon
Thurstone

Es uno de los mayores representantes de la medicin mental dentro de la


corriente funcionalista. Realiz grandes aportaciones a la medicin de la
inteligencia y de las actitudes sociales. Fue el primero en aplicar el anlisis factorial, como tcnica matemtica estadstica a la investigacin
psicolgica. Defendi la explicacin de la inteligencia como conjunto de
siete capacidades o factores, tambin identificables mediante el anlisis
factorial.

1887-1974
Rusia

Vladimir
Ivanovich
Smirnov
George
Polya

Junto a Kolmogorov desarrollo el concepto de prueba estadstica

1887 985
Hungra

73

En 1920 enunci uno de los teoremas ms importantes de la estadstica,


El Teorema Del Lmite Central.

Von Mises, Richard E. Probabilidad, Estadstica y Verdad. 1928.


54

1890-1962
Inglaterra

Ronald
Aymer
Fisher

Es la figura ms prominente de la Estadstica de todos los tiempos. Matemtico educado en Cambridge creador del anlisis multivarido. Su
tema central es la inferencia aplicada a la gentica y a la agricultura,
estimulado por sus estudios de experimentacin agrcola en la Estacin
Experimental de Rothamsted. Hacia 1919 desarrolla el anlisis de la
varianza y los principios del diseo de experimentos (desarroll y estructur en forma rigurosa, con la colaboracin de sus discpulos; en partic ular la teora de las pequeas muestras y la de estimacin). Cre la funcin que lleva su nombre y prest ms atencin a los procedimientos de
estimacin. Tambin hizo importantes contribuciones tericas como el
mtodo de mxima verosimilitud. Sus aportes en gentica son importantsimos y contribuy a fundar Biometrics y la Biometric Society.

Creo los mtodos estadsticos modernos y el diseo de experimentos.


Desarrollo y estructuracin rigurosa de
la teora de las pequeas muestras y la teora de la estimacin
1894-1981
Polonia
InglaterraUSA

Neyman,
Jerzy

Contemporneo y rival de Fisher. Polaco emigrado a Inglaterra, elabor


conjuntamente con E. S. Pearson el lema ms famoso de la estadstica
(Lema de Neyman-Pearson) que es la base de la moderna teora de la
decisin. Luego emigr a California donde engrandeci la Universidad
de Berkeley.

1903-1987
Rusia

Andrei
Nikolaevich
Kolmogorov

Se doctor en Matemticas en la Universidad de Mosc, en la que desarroll toda su actividad docente e investigadora. Tras realizar unos primeros trabajos sobre teora de funciones reales, estudi algunos temas de
teora de la medida y efectu investigaciones sobre lgica intuicionista.
Su nombre se halla asociado a la teora de probabilidades, campo al que
aport a la axiomtica del clculo de probabilidades los ltimos toques
que la hicieron aceptable para los matemticos puros (axiomtica
Kolmogorov que constituyen el fundamento de la teora de las probabilidades a partir de la teora de conjuntos). Mucho ms que cualquier otro
matemtico, ampli los dominios y la comprensin humana del azar

William
Feller

Matemtico ense en la Universidad de Kiev, desde donde pas a Estocolmo en 1933. Instalado en EEUU desde 1939, fue profesor de las Universidades de Cornell y Princeton. Contribuy decisivamente a la formulacin del clculo de probabilidades como teora matemtica rigurosa y
se ocup en particular de los llamados teoremas del lmite y de los procesos.

1906-1970
YugoslaviaUSA

Formulacin del clculo de probabilidades como teora matemtica rigurosa.


1912-1995
Rusia

Boris
El prefacio que Gnedenko y Kolmogoroff escribieron en 1954 declara
Vladimirovich que: todo el valor epistemolgico de la teora de probabilidades se basa
Gnedenko
en esto: los fenmenos aleatorios, considerados en su accin colectiva a
gran escala, crean una regularidad no aleatoria. El modelo subyacente
corresponde al de una sucesin de nmeros obtenidos por lanzamiento
de un dado: la proporcin de doces es muy variada (fenmeno aleatorio)
en diez lanzamientos, pero ser muy cercana a 1/6 (regularidad no ale atoria) en un gran nmero de tiradas (a gran escala)

55

Inferencia Estadstica Moderna


1902-1950
Austria USA

Wald
Abraham

Matemtico discpulo de K. Menger en la Universidad de Viena y trabaj


con el economista Oscar Morgenstern antes de exiliarse en E.U.A.
(1.938). En este pas se dedic a la estadstica, a la que aport un rigor
matemtico que todava no ha sido igualado. Fue el fundador del anlisis
secuencial y de la teora de las funciones de decisin estadstica.

1903-1957
Hungra

Von
Neumann
Janos John

Creador de la axiomtica sobre la moderna teora de la probabilidad de la


utilidad, se movi en el mbito econmico. De procedencia hngara pas
a EEUU, colaborando con Oscar Morgenstern.

1910-1980
Escocia

William
Gemmell
Cochran

Matemtica. Profesor de Diseo y de Muestreo, hizo libros histricos en


ambas reas, todava no totalmente superados, el primero de ellos con
Gertrude Cox. Recorri varias universidades como Iowa State, Harvard
y Johns Hopkins. Particip en medicina con contribuciones tambin
histricas.

1917-1971
USA

Leonard
Jimmie
Savage

Educado en la Universidad de Michigan, se especializ en estadstica


aplicada, empleando la funcin de utilidad y la teora de juegos. Trabaj
en inferencia bayesiana, siendo el iniciador del movimiento bayesiano.
Se inicia el movimiento bayesiano

1921USA

Kenneth
Joseph
Arrow

Economista y catedrtico en Harvard desde 1951. Experto en teora de la


decisin, recibi el Premio Nbel de Economa en 1972 por su contribucin al desarrollo econmico. Creador de la teora del bienestar (utilidad
colectiva).

56

Cuadro N 2

Principales Autores segn la rama a la que hicieron su contribucin


Estadstica

Momento
histrico
1620-1674

John Graunt

1600-1681
1627-1687
1658-1744
1707-1767
1719-1772
1754-1835

Probabilidad

Autor

Momento
histrico
1601-1665
1623-1662
1629-1695
1654-1705
1667-1754
1700-1782
1702-1761

Germn Cnning
William Petty
Edmund Halley
Ssmilch
Gottfried Achenwall
John Sinclair

Autor
Pierre Fermat

Blaise Pascal
Christiaan Huygens
Jacob Bernoulli
Abraham De Moivre
Daniel Bernoulli
Thomas Bayes

Probabilidad y Estadstica
1749-1827
1777-1855
1781-1840
1796-1874
1821-1894
1822-1911
1837-1914
1845-1918
1856-1922
1857-1936
1867-1947
1871-1951
1875- 1941
1876- 1937
1887 1985
1890- 1962
1887-1955
1887-1974
1887-1985
1890- 1962
1894-1981
1903- 1987
1906- 1970
1912-1995

Pierre Simon Laplace


Carl Friedrich Gauss
Simen Denis Poisson
Adolfo Quetelet
Pafnuti Lvovich Chebyshev
Francis Galton
Wilhelm Lexis
George Cantor
Andres Andreyevich Marcov
Karl Pearson
Irving Fisher
George Udny Yule
Henri Leon Lebesgue
William Sealey Gosset
George Polya
Ronald A. Fisher
Louis Leon Thurstone
Vladimir Ivanovich Smirnov
George Polya
Ronald Aymer Fisher
Jerzy Neyman
Andrei Nikolaevich Kolmogorov
William Feller
Boris Vladimirovich Gnedenko

Inferencia Estadstica
1902-1950
1903-1957
1910-1980
1917-1971
1921.

Abraham Wald
Janos John Von Neumann
William Gemell Cochran
Leonard Jimmic Savage
Kenneth Joseph Arrow
..
57

Sntesis Evolutiva

Estadstica
Antigedad. Tablas de Estadstica agrcola - China
Censos: romanos-egipcios-chinos-Biblia (a.C.)
Media aritmtica, geomtrica, armnica: pueblos de Babilonia Pitagricos (s. VI a. C.)
S. XVII . Fundamentos de los mtodos estadsticos.
En 1662, John Graunt Observaciones Naturales y polticas...hechas
con las Listas de Mortalidad uno de los primeros anlisis estadsticos
S. XVIII. Tcnicas de censos. Se enseaba en las universidades de la
mano de Achenwall.
Estadstica como ciencia de las cosas del Estado
S. XIX . Estadstica Moderna .
1806. Domesday Book, primer resumen estadstico de Inglaterra

S. XX. Etapas estadsticas

Probabilidad
S. XVII
Se inicia el desarrollo del Clculo de probabilidades.
Problemas de juegos de azar, Fermat y Pascal.
Fermat, Teora general de las combinaciones
Pascal, nmeros combinatorios
Primer tratado relativo al Clculo de probabilidades Huygens

S. XVIII
Jakob Bernoulli, Ars Conjectandi (1713), Obra pstuma.
El clculo de probabilidades adquiere autonoma cientfica -ley de los
grandes nmeros
Daniel Bernoulli (1700-1782) relaciona formalmente la teora de las
probabilidades en sus aplicaciones prcticas con la estadstica
De Moivre. Funcin de densidad de probabilidad de la distribucin
normal-

58

Estadstica y Probabilidad
S. XVIII
Fusin del Clculo de Probabilidades como auxiliar de la Estadstica.
El Clculo de probabilidades se constituye en el andamiaje matemtico de la Estadstica
Principio de los cuadrados mnimos
Teorema de Bayes sobre la probabilidad de las causas, primera inferencia inductiva formal.
Problema de la aguja, Georges Louis Leclerc de Bufn y Pierre Simon Laplace
Pierre Simon Laplace (1749-1827), primeras hiptesis estadsticas de
orden intuitivo. Teora analtica de las probabilidades (1818) y Ensayo filosfico sobre las probabilidades (1814)

S. XIX.
Carl Friedrich Gauss (1777-1855). Introduccin de los nmeros
combinatorios en el anlisis- Ley normal del error, Tratado sobre las
series hipergeomtricas.
Gauss, Bessel y Laplace establecen el mtodo de mnimos cuadrados.
Simon Denis Poisson (1781-1840) Distribucin de Poisson
Adolfo Quetelet. 1824 a 1839 director de la publicacin Correspndanse mathmatique et phisique. Autor de Sur lhomme (1835), considerado fundador de la Antropometra

Fines S. XIX
Lexis, Pearson y Charlier desarrollan y completan la idea de la existencia de otros modelos de distribuciones a parte de la Normal.
Escuela estadstica inglesa, Galton, Pearson y R.A. Fisher, Yule,
Student, Thurstone. Teora de la correlacin y regresin, Teora de
las muestras y Teora de las series de tiempo y de los procesos estocsticos
Pafnuti Lvovich Chebyshev (1821-1894), Desigualdad de Chebyschev

S. XX
Francis Galton (1822-1911), Tcnicas de regresin. Hereditary Talent y Hereditary Genios, precursor de la psicometra.
Karl Pearson (1857-1936). Problemas biolgicos de la herencia y la
evolucin. Elabor la prueba de la Chi-cuadrado,
Grammar of science, clsico de la filosofa de la ciencia. Fund el
primer peridico estadstico: Biomtrica
En 1920, George Polya enunci el teorema del lmite central.
Prueba estadstica- Kolmogorov-Smirnov
Kolmogorov Aport la axiomtica del clculo de probabilidades-

59

Hechos que se destacan

Probabilidad

Siglo XVII

Nace el Clculo de Probabilidades,


La Geometra Analtica
El Anlisis Combinatorio
El Clculo Infinitesimal

Siglo XVIII

Se eliminan sus principales errores


Se le da una forma terica
Comienzan a vislumbrarse aplicaciones

Siglo XIX

Se revela como instrumento irremplazable


para el estudio de ciertos fenmenos fsicos,
como la cintica de los gases

Siglo XX

La Fsica da un libre impulso a esta teora


que parece haber sido creada exclusivamente
para su uso.

La probabilidad es el triunfo filosfico de la primera mitad del siglo XX.


Sostengo que los recuentos y enumeraciones exigen categorizacin y que definir nuevas clases de personas a los efectos estadsticos tiene consecuencias en lo tocante al
modo en que concebimos a los dems y nuestras propias posibilidades y potencialidades.
Y aclara que las personas deben ser consideradas como tomos sociales sometidos a
leyes sociales. Y que estas leyes son estadsticas por su carcter [...] pudieron ser estadsticas slo cuando los seres humanos desearon hacer un recuento de s mismos y
cuando tuvieron los medios para llevarlo a cabo74 .

74

Hacking, Ian (1995) .Op.cit.pp.20 y 22


60

ANLISIS DE INVESTIGACIONES
El investigador que no emplea la estadstica, es como un ciego que trata de ver algo, sin conseguirlo.
Ronald A. Fisher

1. Cortada de Kohan, Nuria y Batesteza, Beatriz. Actitudes y opiniones de egresados de la


Universidad de Buenos Aires acerca de la necesidad de la estadstica en las carreras no
matemticas.
Investigacin realizada con el subsidio de UBA (C.S.)75 .
Colaboraron las licenciadas: Graciela Rossi de Soldati y Cristina Venini.
El inters era averiguar las opiniones que acerca de la matemtica en general y en especial
de la estadstica tenan los egresados de la Universidad de Buenos Aires.

Problema

Marco Terico

Obtencin de informacin acerca de las falencias de los planes de


estudio de la dcada del
80 y la necesidad de
formacin estadstica
expresadas por profesionales universitarios
de carreras no matemticas y matemticas.
.

Creencias. Existen
trabajos que sugieren que
los logros en matemtica
estn in-fluenciados tanto
por factores emocionales
como intelectuales
Correlacin positiva
entre actitudes hacia
la matemtica y aptitud numrica
Matematofobia
Ideas/ Conceptos.

Metodologa
Se utilizaron tres Instrumentos de evaluacin:
1) una encuesta de opinin,
2) una escala de actitudes
hacia la matemtica y
3) una prueba de rendimiento matemtico.

Muestra
Dos muestras incidentales, una de 272
profesionales de
carreras no matemticas y otra de 40
profesionales de
carreras matemticas
(Ccias. Econmicas,
Matemtica, Comp.tacin e Ingeniera)
para comparar.

Conclusiones:
- La estadstica y la computacin son consideradas por los profesionales no matemticos
como una formacin no slo conveniente sino necesaria y en algunos casos indispensables,
- Sobresalen las crticas a la enseanza de la matemtica en el colegio secundario pero stas estn dirigidas, sobre todo, a los mtodos didcticos y a los programas,
- Las actitudes hacia la matemtica y el rendimiento matemtico estn correlacionados
(r = +0,58).
- Las diferencias en las actitudes hacia la matemtica y el rendimiento matemtico entre
profesionales no matemticos y matemticos han resultados significativas estadsticamente.

75

Docentes-investigadores: Nuria Cortada de Kohan: profesora de filosofa y letras, Universidad Nacional de


Cuyo, Master of Arts, Psicologa, Oho State University. Beatriz Batesteza: licenciada en Matemtica y en
computacin, UBA.
61

2. Hitt Espinosa F. y otros: Sobre el uso de ciertos problemas en la exploracin del razonamiento probabilista de los alumnos.
Jess Alarcn Bortolussi- Investigaciones en Matemtica Educativa- Grupo Editorial Iberoamrica, 1996, Mxico.
Problema

Marco Terico

Metodologa

El recurso del Lenguaje de las


Heurstica de la:
situaciones clsicas permite
* representatividad
elaborar problemas que ocul* disponibilidad
tan su verdadera dificultad y

Prediccin/
Modelacin
distraen de los tratamientos

Creencias/
Respuestas
esponadecuados, dando paso a re stneas
puestas inexactas
Ideas/ Conceptos.

Muestra

Se analizan ocho problemas mediante un


cuestionario escrito,
acerca de urnas, nacimiento de hijos, banderas, cartas, libros

Grupo de
alumnos
de secundaria y
preparatoria

Conclusiones:
-Inters por el razonamiento probabilista en Educacin Matemtica, aunque todava no
existen demasiados estudios.
-Pocas oportunidades de reflexin sobre las creencias y falta de contrastacin.
-Existencia de limitaciones en la exploracin de las concepciones probabilsticas espontneas: -se privilegia la forma
-se elimina la modelizacin
-se identifica Combinatoria con conteo
-se estudia la complejidad de las situaciones aleatorias.

3. Azcrate P., Cardeoso J.M. y Porln R.: Concepciones de futuros profesores de primaria sobre la nocin de aleatoriedad.
Enseanza de las Ciencia, 1998, Espaa.
Problema
Cul es el nivel de conceptualizacin de los profesores de primaria
sobre Aleatoriedad?
Cules son los contenidos de sus
concepciones sobre el conocimiento Probabilstico?
Pueden acometer la problemtica
de su enseanza con su nivel de
conocimiento actual?

Marco Terico

Metodologa

Nociones de:

Estudio piloto:

* Suceso aleatorio
* Aleatoriedad
*Independencia
* Dependencia

cuatro entrevistas con


cuestionario
Aplicacin del
cuestionario
Anlisis descriptivo y
multivalente de datos.
Informe y conclusiones

Muestra
57 futuros profesores de primaria, sin
instruccin Previa
sobre el tema.

Conclusiones:
-Con respecto a la aleatoriedad: conocimiento de caractersticas intuitivas no formalizada, conocimiento cotidiano basado en la experiencia, elaborado desde el sentido comn, y
no desarrollado formalmente.
-Reveer los planes de estudio de los profesorados.
62

4. Estepa Castro y Batanero C.: Concepciones iniciales sobre la asociacin estadstica.


Enseanza de las Ciencias, 1995, Espaa.

Problema

Marco Terico

Estudio sobre las conEstudio del razonamiento


cepciones previas de los sobre la asociacin estadsalumnos y estrategias
tica iniciado por Piagetempleadas en la resoluInhelder (1995)
cin de problemas
Nociones de:
descriptivos de Asocia-Asociacin
cin estadstica
-Correlacin
Esquema
Tabla de contingencia.

Metodologa

Muestra

Cuestionario que consta


de 10 problemas en los
que los alumnos deben
dar un juicio sobre la
asociacin existente
entre dos variables (con
tablas de contingencia,
diagramas de dispersin
y problemas)

Seleccin intencional de
un grupo de 213 alumnos
del curso de Orientacin
Universitaria de 3 Institutos de Jan: 124 del COU
de Ciencias y 89 del
COU de Letras.

Conclusiones:
-Riqueza de conceptos y teoremas que el alumno emplea de forma intuitiva en la resolucin de problemas.
-Existencia de errores y concepciones incorrectas.
5. Gustavo Barallobres: Reflexiones sobre la enseanza de la Matemtica.
Novedades Educativas N 44.
Problema

Marco Terico

Experiencias realizadas en clase acerca de algunos Conceptos


conceptos de Probabilidad y Estadstica.
No ser una nueva moda ensearlos, como en su
momento la teora de conjuntos?
qu lugar ocupan respecto a los temas habituales?
qu importancia tiene una aproximacin al
pensamiento probabilstico?
qu metodologa utilizaremos
para su enseanza?

Metodologa

Muestra

Se observ lo que
sucede en el aula
frente a una propuesta de aprendizaje:
presentacin de un
problema

Alumnos de
6 ao de una
Escuela
Tcnica.

Conclusiones:
-Valorizacin de las ideas previas y presentacin de un problema motivador.
-Bsqueda de la necesidad de construir un nuevo conocimiento.
-Comunicacin grupal de los trabajos.
-Atencin del profesor a las necesidades y dificultades.

6. Fabin Valio: Una reflexin acerca del concepto de probabilidad simple.


Artculo para profesores no publicado.

63

Problema

Marco Terico

Metodologa

Conflictos que se
generan en torno a la
enseanza del Concepto de probabilidad
y acerca del aprendizaje que realizan los
alumnos sobre este
contenido.

Trabajo de Azcrate:
* suceso aleatorio, * aleatoriedad/azar
* criterios de equiprobabilidad/ mltiples posibilidades/ incertidumbres/ causalidad; * obstculo para la elaboracin comprensiva del conocimiento probabilstico
Trabajo de Marn:
*delimitacin de lo que el alumno sabe a partir
de objetivos y modelos de enseanza concepcin constructivista del aprendizaje:
opciones didcticas y curricularesPiaget

Buceo bibliogrfico

Muestra
Investigaciones de: Azcrate y
Marn

7. Ross Honsberger, El ingenio de las Matemticas.


La tortuga de Aquiles N 4 Verano, La tortuga, 1994, Espaa. -Captulo uno, Probabilidad
y Pi ensayo.
Problema

Marco Terico

Metodologa

Muestra

Media geomtrica
Resolucin del
R. Chartes, 1904, verific experi Problema enunciado:
mentalmente que la probabilidad de que problema planteado
en forma de ensayo,
La probabilidad de que dos nentre 2 enteros positivos, elegidos al
2
artculo.
meros positivos x e y, ambos
azar sean primos entre s es 6/ , manmenores que 1, elegidos al azar,
dando escribir a cada uno de sus 50
constituyan, junto con 1, una
alumnos 5 pares de enteros positivos,
terna de nmeros (x, y,1) que
llegando a =3,14159
pueden ser lados de un tringulo Yaglom, 1964.
obtusngulo, es - 4/2.
Polya, Ed. Tecnos, Matemtica y
Se proponen 4 problemas
razonamiento plausible, sobre historesueltos con reas.
ria del resultado 1/n = 2 /6

Conclusiones:
-Resolucin del problema utilizando que: la probabilidad P(x,y) se encuentre dentro de
una regin G del cuadrado = rea de G / rea del cuadrado, es decir, utilizando el cociente de
reas.
8- Cobo Beln y Batanero Carmen: La mediana en la educacin secundaria obligatoria:
un concepto sencillo?. 2000, Espaa.
Problema
Podra resultar excesivamente difcil para los alumnos de
secundaria, la mediana, uno
de los elementos del anlisis
exploratorio de datos?

Marco Terico
Textos de:
Calot (1974) y
Batanero y Cols (1988) sobre
la mediana.
Tormo (1995)
sobre la media aritmtica

Metodologa

Muestra

Se analiz las posibles dificultades


de comprensin de las distintas
definiciones, de las propiedades y
del clculo de la mediana.

Textos de
secundaria

64

Conclusiones:
-La mediana es un concepto que presenta alguna dificultad de comprensin por parte del
alumno. Esto se debe a las distintas definiciones y mtodos de clculo, las numerosas propiedades y a las relaciones con otros estadsticos.
-Es necesario realizar el diseo curricular adecuado para secuenciar convenientemente
este contenido en el nivel secundario.
9. Batanero C.,Godino J.D., Green D.R., Holmes P. y Vallecillos A.: Errores y dificultades
en la comprensin de los conceptos estadsticos elementales. 2000, Espaa.

Problema
Contribuir a la difusin de
los resultados de las investigaciones sobre las dificultades y errores en la
comprensin de los siguientes conceptos estadsticos:
- Representacin grfica
-Medidas estadsticas
-Asociacin en tablas de
contingencia.
-Contraste de hiptesis

Marco Terico

Metodologa

. Obstculos cognitivos que pueden


explicar la existencia de errores y
dificultades segn
Brousseau

Descripcin de
las investigaciones sobre la
complejidad de
algunos conceptos estadsticos,
que se desarrollan en los niveles no universitarios.

. Heurstica de la:
-representatividad
-disponibilidad
-ajuste y anclaje,
segn Kahneman y
Cols

Muestra
Investigaciones de:
-Curcio (1987) sobre la
comprensin de grficos
- Li y Shen (1992), Campbell
(1974) y Pollasek y Cols
(1981), sobre la media.
-Mevarech (1983) sobre la
dispersin.
-Schuyten (1991), Estepa (1990) y Barr
(1980) sobre estadsticos de orden
-Scholz(1987), Jenkins , Ward (1965) y
Piaget e Inhelder (1995) sobre la
asociacin en tablas de contingencia.
- Rubin y Rosebery (1990) sobre
diseo experimental.
- Kahneman, Slovic y Tversky (1982)
sobre el muestreo.
-Brewer (1986), Falk(1986) y White
(1980) sobre contraste de hiptesis

Conclusiones:
Para algunos conceptos estadsticos surgen dificultades en su enseanza, las posibles
razones son:
- la probabilidad y la estadstica tienen un desarrollo reciente.
- gran parte de los conceptos estadsticos han tenido su origen fuera del campo de la
matemtica.
- la probabilidad y la correlacin necesitan del razonamiento proporcional, que se ha
demostrado ser un tpico difcil.
- a veces los alumnos muestran una falta de inters hacia la estadstica, porque se les
ha enseado en forma muy abstracta.

10. Batanero Carmen: Significado y comprensin de las medidas de posicin central.


Departamento de Didctica de la Matemtica, Universidad de Granada. UNO, 2000,
41-58. Espaa.
65

Problema

Marco Terico

El profesor es conciente
de la complejidad de los
conceptos estads ticos
incorporados en la escuela primaria y secundaria?

Significado de un objeto
matemtico, partiendo como
nocin primitiva de la situacin problemtica
Identificando los tipos
de elementos que cons tituyen el significado sistmico:
-extensivos.
-actuativos.
-ostensivos.
-intensivos.
-validativos.

Metodologa
Se analizan las dificul
tades que los alumnos
pueden encontrarse en
las medidas de tenden
cia central.

Muestra
Se presentan diversos
problemas que permiten llegar a los
conceptos estadsticos y a sus propiedades.

Conclusiones:
-

Ayudar a comprender progresivamente los conceptos estadsticos no es tarea sencilla, se debe disear situaciones didcticas que propicien su aprendizaje significativo.
Conocer las posibles dificultades que los alumnos pueden encontrar en las medidas
de tendencia central , ayudan a los profesores, que tienen la responsabilidad de su
formacin estadstica.

66

DISEO METODOLGICO

El estudio realizado previamente es el soporte fundamental en el que se basar la metodologa para la implementacin en el aula.
Con la resea histrica realizada se pone de manifiesto que el conocimiento se encuentra en permanente expansin en forma dinmica desde el momento de su concepcin. Expansin que fue posible desde las controversias, paradigmas en conflicto, luchas y ambiciones
entre otras causas.
Tomar conciencia de este proceso posibilita disear una metodologa de enseanza
donde la esencia de la ciencia est presente para comprenderla y lograr su conceptualizacin
en virtud de la evolucin histrica como modelo de construccin de conocimiento.

Estructura del Diseo Metodolgico


1- Seleccin del tema y sus alcances.
2- Ubicacin del tema en la red conceptual a la que pertenece.
3- Gnesis y desarrollo histrico del tema seleccionado, detectando si es factible:
a- Los conflictos e interrogantes
b- Las ideas preliminares sobre los conceptos
c- Las primeras aproximaciones formales
d- La utilizacin y verificacin emprica de hiptesis
e- Las distintas pticas y su convergencia
f- El nacimiento o alumbramiento de la teora formalizada
g- Su aceptacin universal
4- Planteo de objetivos.
5- Seleccin de estrategias de trabajo en el aula.
6- Diseo de las actividades.
7- Implementacin en el aula.
8- Evaluacin.

67

Modelo de aplicacin del diseo


Con la intencin de presentar el desarrollo del diseo, se muestra a continuacin un modelo aplicado a diferentes unidades temticas.
Para la seleccin de los contenidos que se implementarn en el aula se contemplarn algunos resultados importantes que surgieron de las investigaciones analizadas, que se transcriben seguidamente:
1- La estadstica y la computacin son consideradas por los profesionales no matemticos como una formacin no slo conveniente sino necesaria y en algunos casos indispensable.76
2- Se dan pocas oportunidades de reflexin sobre las creencias y falta de contrastacin. 77
3- Limitaciones en la exploracin de las concepciones probabilsticas espontneas:78 - se
privilegia la forma
- se elimina la modelizacin
- se destaca la complejidad de las situaciones aleatorias
4- Con respecto a la aleatoriedad los docentes en formacin poseen conocimiento de caractersticas intuitivas no formalizadas y conocimiento cotidiano basado en la experiencia, elaborado desde el sentido comn y no desarrollado formalmente.79
5- Existencia de errores y concepciones incorrectas.80
6- Bsqueda de la necesidad de construir un nuevo conocimiento.81
7- Conflictos que se generan en torno a la enseanza y al aprendizaje del concepto de
probabilidad.82
8- Para algunos conceptos estadsticos surgen dificultades en su enseanza, las posibles
razones son:83 - la probabilidad y la correlacin necesitan del razonamiento proporcional, que se ha demostrado ser un tpico difcil.
76

Cortada de Kohan, Nuria y Batesteza, Beatriz. Actitudes y opiniones de egresados de la Universidad de Buenos Aires acerca de la necesidad de la estadstica en las carreras no matemticas.
77
Hitt Espinosa F. y otros: Sobre el uso de ciertos problemas en la exploracin del razonamiento probabilista de
los alumnos
78
Idem 3
79
Azcrate P., Cardeoso J.M. y Porln R.: Concepciones de futuros profesores de primaria sobre la nocin de
aleatoriedad
80
Estepa Castro, Batanero Bernabeu: Concepciones iniciales sobre la asociacin estadstica.
81
Gustavo Barallobres: Reflexiones sobre la enseanza de la Matemtica. Novedades Educativas N 44.
82
Fabin Valio: Una reflexin acerca del concepto de probabilidad simple.
83
Batanero, C.; Godino, J.D.; Green, D.R.; Colmes, P. y Vallecillos A. Errores y dificultades en la comprensin
de los conceptos estadsticos elementales. 2000, Espaa.
68

- a veces los alumnos muestran una falta de inters hacia la estadstica,


porque se les ha enseado en forma muy abstracta.
9- Ayudar a comprender progresivamente los conceptos estadsticos no es tarea sencilla,
se deben disear situaciones didcticas que propicien su aprendizaje significativo. 84
Ahora bien, las dificultades planteadas en las investigaciones analizadas, sumadas a las
propias del desarrollo histrico de algunos conceptos, inducen a tener presente las siguientes
observaciones.
Segn Luis A. Santal, la enseanza de la matemtica debe ser un constante equilibrio
entre la matemtica formativa y la matemtica informativa. Hay que formar, pero al mismo
tiempo informar de las cosas tiles adecuadas a las necesidades de cada da y de cada profesin.
La matemtica en la escuela se ha pensado siempre como determinstica, en la cual
los problemas se deban resolver exactamente, hasta cualquier cifra decimal. Hay que cambiar
este pensar determinista por el probabilista o estadstico, basado en valores medios, grandes
nmeros, extrapolaciones e inferencias, pues los fenmenos y las situaciones aleatorias son los
que ms aparecen en la naturaleza y en la vida de relacin.85
Brousseau afirma que es preciso disear situaciones didcticas que hagan funcionar el
saber, a partir de los saberes definidos culturalmente en los programas institucionales. Este
planteo se apoya en la tesis de que el sujeto que aprende necesita construir por s mismo sus
conocimientos mediante un proceso adaptativo (Piaget, 1975) similar al que realizaron los
productores originales de los conocimientos. Se trata, entonces, de producir una gnesis artificial de los conocimientos, de que los alumnos aprendan haciendo funcionar el saber o, ms
bien, de que el saber aparezca como un medio para seleccionar, anticipar, ejecutar y controlar
las estrategias que aplicar a la resolucin del problema planteado por la situacin didctica.86
Desde las concepciones previas e intuitivas que tienen los alumnos se puede arribar a
la comprensin del significado de un resultado incierto de una situacin problemtica. Para
esto existen abundantes ejemplos que permiten tomar contacto con nuevos conceptos que surgen del contexto de la Estadstica y la Probabilidad.
84

Batanero, Carmen. Significado y comprensin de las medidas de posicin central. Departamento de Didctica de la Matemtica, Universidad de Granada. UNO, 2000, 41-58. Espaa.
85
Santal Luis A. y otros. Parra, Cecilia y Saiz, Irma (compiladoras). Didctica de matemticas. Aportes y reflexiones. Editorial Paids Educador. Argentina. 5ta reimpresin, 1997. pp.26 y 28.
86
Santal Luis A.; Glvez, Gracia y otros. Parra, Cecilia y Saiz, Irma (compiladoras). Op.. Cit. p.46.
69

1- La seleccin de temas y sus alcances


El planteo de la reconceptualizacin de los modelos no determinsticos puede considerarse un punto de partida, dado que ste es el nuevo ambiente de trabajo y contrasta con la
tradicional ptica determinstica del quehacer matemtico en general.
Un modelo es una interpretacin abstracta, simplificada e idealizada de un objeto del
mundo real, de un sistema de relaciones o de un proceso evolutivo que surge de una descripcin de la realidad.
La construccin de modelos, su comparacin con la realidad, su perfeccionamiento
progresivo intervienen en cada fase de la resolucin de problemas estadsticos, no slo en el
anlisis de datos en situaciones prcticas, sino tambin en el trabajo de desarrollo terico.
Ejemplos notables para la modelizacin estadstica a partir de un problema prctico lo constituyen las distribuciones de frecuencia y las distribuciones de probabilidad, que permiten describir en forma sinttica el comportamiento de las distribuciones empricas de datos estadsticos y hacer predicciones sobre su comportamiento. Un ejemplo de modelo por dems sencillo
es la media aritmtica siendo este plausible de perfeccionar a travs del tratamiento de otros
conceptos, algunos ms evolucionados, referidos a conjuntos de datos cuantitativos.
El salto y el enlace entre la estadstica descriptiva y la inferencial es sumamente importante, crucial se puede decir, ya que permite establecer una lnea de complejidad creciente
en la determinacin de un modelo al que se puede arribar desde fenmenos empricos bsicos
a travs de la experimentacin y la generalizacin de los resultados obtenidos. La comprensin del concepto de fenmeno aleatorio y el empleo de la definicin frecuencial de probabilidad permiten que el alumno se aproxime al significado de distribucin de probabilidad como resultado de un proceso de abstraccin paulatino.
Otro modelo que posee una aplicacin prctica inmediata, tangible y de fcil constatacin es el de la curva normal de media cero que describe, entre otros fenmenos, con notable
precisin la distribucin emprica de los errores cometidos en mediciones repetidas de una
misma cantidad y basta obtener una estimacin de la dispersin de la distribucin estudiada
para tener el modelo completamente determinado.87

87

Batanero, Carmen. Departamento de Didctica de la Matemtica, Universidad de Granada. Presentado en la X


Jornadas sobre el Aprendizaje y la Enseanza de las Matemticas, Zaragoza, 2001.
70

Finalmente en este diseo se trabajar con la distribucin normal pues los procesos
que le dieron origen y sus diversas aplicaciones constituyen un material muy fecundo para que
el alumno logre entender la interaccin directa entre la Estadstica y la Realidad y logre adems comprender que esta ciencia ha avanzado por aproximaciones sucesivas y por experimentos hasta lograr su formalizacin.
Teniendo en cuenta que acceder a un modelo a partir de distintos caminos experimentales contribuye a que el alumno comprenda no slo el concepto sino adems su importancia y
utilizacin en los ms variados campos del saber, se deben disear distintas alternativas para
su tratamiento en el aula.

2- Red conceptual

Azar

Estadstica Descriptiva

Anlisis de datos

Medidas

Aleatoriedad

Distribucin de frecue ncias

Fenmeno aleatorio

Frecuencia relativa

Probabilidad

Modelos de distribucin de probabilidad

Distribucin Binomial

DISTRIBUCIN NORMAL

Estadstica Inferencial
71

3- Gnesis y desarrollo histrico


Para un espritu cientfico todo conocimiento es una respuesta a una pregunta. Si no
ha habido pregunta no puede haber conocimiento cientfico. Nada viene solo, nada es
dado. Todo es construido.
Bachelard, La formacin del espritu cientfico.
La historia de la matemtica, en la complejidad de su evolucin y de sus revoluciones, ilustra bien esta cita de Bachelard. 88
La estadstica se construye como respuesta a problemas y preguntas que generan a su
vez nuevas preguntas y el planteo de nuevos problemas, originados en contextos muy diversos y formulados en general en otras ciencias, utilizando la matemtica como herramienta y/o
andamiaje.
Afirma Charnay que son los problemas que la originaron los que han dado sentido a
las matemticas producidas. Esta es, tal vez, la principal leccin a tener en cuenta en la enseanza.
A continuacin se abordan algunos conceptos primarios indispensables y muchas veces desconocidos o conocidos en forma difusa por los alumnos: azar, aleatoriedad, normalidad, valor medio y finalmente, distribucin normal. Al indagar en profundidad en los mismos
es posible detectar las dificultades que stos presentaron a travs de la historia e identificar los
cambios habidos en su significado. La reflexin epistemolgica sobre los cambios de significado de los conceptos muestra la dinmica del pensamiento y la evolucin del conocimiento.
Azar y aleatoriedad
Cuando se habla de estadstica surge casi naturalmente la idea de azar aunque este
concepto ha sufrido numerosos vaivenes a lo largo de su evolucin, comenzndose a utilizar
formalmente a fines del siglo XIX. Las primeras concepciones de azar eran, de alguna manera,
msticas ya que aludan a la voluntad divina para explicar la ocurrencia de fenmenos no previsibles.
Las antiguas y divinas prerrogativas del puro azar deben restaurarse! El Dios racional y bien organizado de la ilustracin haba sido invocado en Inglaterra por
newtonianos del siglo XVIII para explicar la estabilidad estadstica, pero as apagaron la chispa de ms antiguos y ms veleidosos dioses que gustaban del puro azar,

88

Charnay, Roland y otros. Parra, Cecilia y Saiz, Irma (compiladoras). Op.. Cit. p.51.
72

aquello con lo cual el ilustrado Hume dijo que era una palabra que nada significaba.
Esa chispa fue reencendida por el romanticismo y avivada por Nietzsche.89
Influido fuertemente por las corrientes de pensamiento determinista de la poca
hasta el propio Laplace, siendo uno de los pilares fundamentales de las teoras
probabilsticas, lleg a expresar su negacin del azar:
Todos los sucesos, hasta aquellos que a causa de su insignificancia no parecen seguir las grandes leyes de la naturaleza, son el resultado de ellas tan exacta y necesariamente como las revoluciones del sol.90
Laplace, 1795
Nietzsche capt el ms difcil problema filosfico sobre el azar: la existencia de leyes
explicativas de fenmenos y el azar no se contradicen, ninguna de ellas puede existir sin la
otra ni la explica.
Mucho antes de que las leyes estadsticas lograsen su autonoma entr en circulacin
una idea diferente de azar. Nietzsche y Pierce fueron los dos grandes filsofos complementarios del siglo XIX, su concepcin del azar fue curiosamente similar. Ambos crean que nuestro
mundo (que otros consideraban ordenado) era un producto del azar. Ninguno de ellos pens
que la presencia de leyes en el universo hace por eso que el universo sea menos fortuito.91
Lejos qued el concepto de azar tal como lo expresa Poincar en 1936.92
El azar no es ms que la medida de nuestra ignorancia. Los fenmenos fortuitos
son, por definicin aquellos cuyas leyes ignoramos.
Esta concepcin previa a la actual dejaba de lado la mstica que encuadr al concepto
originalmente pero no lograba explicarlo acabadamente. De hecho histricamente existieron
fenmenos cuyas leyes se desconocan y posteriormente la ciencia se encarg de demostrar
que eran no azarosos.
Entonces, se pueden identificar cinco momentos en el desarrollo del concepto de aleatoriedad o azar. 93
1- Voluntad de los dioses
Segn Piaget en el hombre primitivo no haba una intuicin del azar, ste atribua los
sucesos aleatorios a causas ocultas o a la voluntad de los dioses.
89

Ian Hacking (1995). pp. 213 a 216.


Hacking, Ian.. 1995. p. 32. Frase con que Laplace inicia su Ensayo filosfico sobre las probabilidades. Texto
que se remonta a sus conferencias introductorias dadas en 1795 en la cole Polytechnique.
91
Ian Hacking (1995). pp. 213 a 216.
92
Poincar, 1936, p.69 de la reproduccin en el libro de Newmann.
93
Batanero, Carmen, 2001. Op. Cit. p.56.
90

73

2 - Incierto- causas desconocidas


Al plantearse la existencia de azar surge el segundo momento. Una primera acepcin
de aleatorio se recoge en el diccionario de M. Moliner (1983):
Incierto. Se dice de aquello que depende de la suerte o del azar, siendo el azar la
supuesta causa de los sucesos no debidos a una necesidad natural ni a una intervencin humana ni divina.
En esta definicin, aleatorio es aquello cuyas causas son desconocidas y el azar estara personificado como la causa de los fenmenos aleatorios. Esta interpretacin corresponde a
la primera fase histrica en el desarrollo de la idea de aleatoriedad que finaliza al comienzo de
la Edad Media. En esta etapa los dados o huesos de astrlago se usaron para echar suerte, tomar decisiones y en ceremonias religiosas, puesto que el azar suprima la influencia de la voluntad, inteligencia o conocimiento del hombre.
3- Fenmenos que se rebelaban ante toda ley
Los filsofos clsicos diferenciaban los fenmenos que parecan obedecer a leyes conocidas de los fenmenos aleatorios que no podan preverse porque se rebelaban ante toda ley.
La aleatoriedad tena, adems, un sentido preciso y objetivo. Lo que era aleatorio lo era para
cualquier persona.
4 - Aleatoriedad equivaldra a equiprobabilidad
Cuando comienza el clculo de probabilidades se relaciona la aleatoriedad con la equiprobabilidad de los diferentes resultados de un experimento, es decir en este momento,

un

fenmeno sera aleatorio si todos sus resultados tienen la misma posibilidad de ocurrir.
Hacia el final del siglo XVIII y principios del XIX se ampla el campo de situaciones
consideradas aleatorias, incluyendo no slo los juegos de azar, sino muchos fenmenos naturales. Paralelamente se produce un cambio en el concepto de aleatoriedad, que se hace progresivamente ms formalizado, introduciendo la idea de independencia que se considera imprescindible para asegurar la aleatoriedad de un suceso en experimentos repetidos.
5 - Cuando causas pequeas producen un efecto considerable
Cuando causas pequeas producen un efecto considerable se dice que el resultado es
aleatorio porque la prediccin resulta imposible, como en los juegos de azar, terremotos u

74

otros desastres naturales. Es precisamente la complejidad o multitud de las causas lo que muchas veces determina un resultado aleatorio.94
Finalmente consideramos como aleatorio a todo fenmeno cuyo resultado no es previsible sino que es producto de la intervencin del azar.

Normalidad y valor medio


La idea de normalidad y valor medio surge en el siglo XIX, en ese perodo el determinismo sufri un proceso de erosin dejando un espacio para nuevas concepciones, las leyes
autnomas del azar. La idea de la naturaleza humana fue desplazada por el modelo de persona
normal y leyes de dispersin; transformaciones que se dieron en forma paralela y se alimentaron recprocamente. El azar hizo que el mundo pareciera menos caprichoso: el azar estaba
legitimado porque aportaba orden al caos. Cuanto mayor era el indeterminismo en nuestra concepcin del mundo y del hombre, ms elevado era el nivel de control que se esperaba.95
Toda clase de conducta humana, especialmente el crimen y el suicidio fueron investigadas, se contaba con abundantes datos y se observaba que ao tras ao estas conductas se
manifestaban pasmosamente regulares. Los cientficos e investigadores observaban que leyes estadsticas parecan desprenderse de las tablas oficiales de estos datos. Medidas como
promedios y dispersiones engendraron la idea de persona normal y condujeron a nuevas clases
de manejo social, a nuevos medios de modificar clases indeseables96 .
En esta misma poca, bilogos, filsofos, socilogos, fsicos e ingenieros trabajaban,
en forma simultnea, en distintas temticas arribando a la misma ley y sin saberlo reconceptualizando la idea de lo normal. Como por ejemplo Augusto Comte97 que logra trasladar las
ideas sobre lo normal y lo patolgico de la fisiologa a la sociedad. l habl de la sociedad
individual considerndola normal o perturbada y si bien nunca consider que lo normal fuera
un concepto estadstico este concepto lleg a denotar la primera idea estadstica de fines del
siglo XIX.98
A principios de la dcada de 1830, Quetelet en una serie de obras present el concepto
de hombre tipo. Sostiene Hacking que el homme type era la primera codificacin de dos
conceptos fundamentales del siglo XIX. En primer lugar hablaba no de un hombre tipo refi94

Batanero, Carmen, 2001. Op.Cit. pp.12 y 13.


Hacking,Ian (1995) .Op.cit.p.20
96
Hacking, Ian (1995). Op. Cit. p.9
95

97

La filosofa de A. Comte, fundador del positivismo e inventor de la sociologa, hay que entenderla como un producto tpico
quiz el primero que lo es clara y completamente de la sociedad industrial del siglo XIX.

98

Hacking, Ian (1995) .Op. cit .pp. 210 y 211.


75

rindose al ser humano, sino de las caractersticas de un pueblo o de una nacin como tipo
racial. Antes se conceba un pueblo atendiendo a su cultura o a su religin; Quetelet introdujo
una nueva dimensin mensurable y objetiva de un pueblo.
Hay un segundo aspecto ms acadmico del homme type de Quetelet que tuvo extraordinarias consecuencias conceptuales. A partir de l podemos concebir la estatura tipo
como una abstraccin el conveniente resultado de una operacin aritmtica-, pero tambin
podemos comenzar a concebirla como un rasgo real de una poblacin.
El siguiente paso que dio Quetelet, en 1844, un paso que fue menos advertido, transform la teora de medir cantidades fsicas desconocidas (con un definido error probable) en la
teora de medir propiedades ideales o abstractas de una poblacin. Como estas propiedades
podan someterse a las mismas tcnicas formales, se convirtieron en cantidades reales. Es decir que comenz por transformar leyes estadsticas, que hasta entonces slo describan regularidades en gran escala, en leyes de la naturaleza y de la sociedad que se referan a verdades y
causas subyacentes.99
El legado de Quetelet fue el de haber hecho al trmino medio de una poblacin tan
real como la posicin de una isla o una estrella.
Adolfo Quetelet, Augusto Comte y Francisco Jos Vctor Broussais denominaron
normal a los valores que se encuentran en el trmino medio de la especie.
Emile Durkheim en un primer momento afirm que el trmino medio ha de entenderse
como la masa densa central que puede representarse con un solo nmero porque todos
aquellos nmeros de la regin del trmino medio pueden representarse por el nmero alrededor del cual aqullos gravitan. Tambin tena la idea de que lo normal de una sociedad est
hincado por un trmino medio que a su vez indica lo que es correcto; lo cual era contrario a
Broussais (y a la mecnica!). Cabe aclarar que Durkheim cambia de opinin entre 1893 y
1894.
Durkheim plantea dos maneras enteramente distintas de entender lo normal. Una, es la
funcional, en la que un fenmeno normal est vinculado con las condiciones generales y caractersticas de vida colectiva del tipo social y la otra, la versin no funcional, consideraba
normal un fenmeno cuando el mismo estaba presente en el trmino medio de una sociedad
particular en una fase dada de su evolucin, desestimando sus extremos.100
99

Hacking, Ian (1995) .Op. cit .pp.158 a 161.


Hacking, Ian (1995) .Op. cit . El socilogo elabora su idea de lo normal y patolgico en una poca donde la
idea de normalidad era central en la clasificacin y en los textos como el ensayo de 1893 de Lombroso Delincuente, prostituta y mujer normal. pp. 246 a 250.

100

76

Paralelamente al cambio producido en el significado de la palabra normal, alrededor de


1840, se estableci plenamente la prctica de la medicin, se buscaba la precisin en las mediciones en los ms variados temas y juntamente con los estndares de las mediciones aparece
tambin la idea de una norma en el dominio de lo social.
En 1889 Francis Galton declar que la ley principal de las probabilidades reina con
serenidad y completamente inadvertida en medio de la ms profunda confusin101 .
Galton llega a la conclusin de que lo normal estaba caracterizado por la curva normal
y que lo anormal era lo que se desviaba fuertemente de su trmino medio. Se concentr en la
parte superior de la distribucin identificando lo que se consideraba como anormal con lo excepcional y afirmando que slo la parte inferior era lo patolgico. La idea de normalidad de
Galton se sita en nuestra cultura.
El legado de Francis Galton es el concepto de la autonoma de las leyes estadsticas
plasmado en la conservacin de la normalidad de una distribucin de datos ms all de la ubicacin del valor medio, evidenciando de este modo la estabilidad estadstica.
Galton y Durkheim forman parte del momento fundamental de transicin donde se
erosiona el determinismo y se desplaza el concepto de naturaleza humana por obra de la idea
de normalidad.102

Distribucin normal
La Distribucin Normal fue reconocida inicialmente por el francs Abraham de Moivre, quien en 1708 la estableci como el lmite de una tirada de monedas es decir como el lmite de una distribucin de binomios103 incrementando el nmero de ensayos. De Moivre public en 1733 un folleto con el ttulo de Approximatio ad summan terminorum binomii (a + b)n ,
en el que aparece por primera vez la curva de la distribucin de errores.104
Posteriormente, a comienzos del siglo XIX, el matemtico francs Pierre Simon de
Laplace fue el primero en demostrar la relacin

x2

dx =

101

Hacking, Ian (1995) .Op.cit. p. 18 y 23.


Hacking, Ian (1995) .Op. cit . pp. 254 a 256.
103
Donde cada trmino del binomio, en este contexto, tiende a 0,5 como probabilidad de cada resultado al arrojar
la moneda.
104
http://etsiit.ugr.es/profesores/jmaroza/anecdotario/anecdotario-d.htm.
77
102

en la que se bas el matemtico y astrnomo Carl Friedrich Gauss para elaborar desarrollos
tericos y deducir en 1821 la curva normal de la probabilidad cuya frmula finalmente es:
1 x


1
f (x ) =
.e 2
2

de ah que tambin se la conozca como la "campana de Gauss" o como la distribucin de


Laplace-Gauss.105
Simultneamente esta distribucin fue empleada de manera extensa por cientficos que
notaron que los errores de mediciones fsicas frecuentemente seguan un patrn similar a ella
y Adolfo Quetelet en 1844 adems la aplic a fenmenos biolgicos y sociales.

4- Planteo de los objetivos


Los objetivos generales a lograr mediante la aplicacin de esta metodologa de trabajo
son:
Realizar la integracin de la ciencia con el contexto en el momento de su surgimiento y durante su evolucin.
Percibir el movimiento y desarrollo de los modelos estadsticos.
Recorrer los caminos que condujeron a la modelizacin de fenmenos que siguen
una determinada ley.
Reconocer que los modelos surgen de una realidad objetiva, son una imagen abstracta de la misma y pueden resultar no muy cercanos a esa realidad.
Diferenciar el modelo de los datos de los cuales proviene y al mismo tiempo reconocer la relacin existente entre ambos.
Destacar la importancia de la investigacin como una herramienta de aprendizaje.
Reconocer y recuperar el carcter humanista de la ciencia como producto de la evolucin del hombre y del conocimiento.
En particular, para la distribucin normal, los objetivos especficos son los siguientes:
Obtener la curva de Gauss a partir de modelos previos o del manejo de datos.
Modelizar la distribucin normal a partir de situaciones concretas.
Utilizar el modelo gaussiano en problemas variados.

105

Cortada de Kohan, Nuria. Diseo Estadstico (Para investigadores de las Ciencias Sociales y de la Conducta). Editorial Universitaria de Buenos Aires. p.22.
78

5- Seleccin de estrategias
Juan D. Godino (2003) sostiene que los obstculos epistemolgicos presentes en todo
proceso de enseanza aprendizaje estn intrnsecamente relacionados al propio concepto. Evidenciado por medio de un anlisis histrico, tal tipo de obstculo debe ser considerado como
parte del significado del concepto. Por lo tanto, encontrarlos y superarlos pasa a ser una condicin necesaria para la construccin de una concepcin relevante.106
La historia de la estadstica juega un papel metodolgico importante ya que la descripcin y el anlisis de los pasos constructivos que se han dado en su evolucin pueden reeditarse
en favor del proceso de enseanza, por tal motivo se ha puesto especial nfasis en la contextualizacin histrica, social, cultural y emprica de su naturaleza.
Para reeditar y vivenciar los procesos histricos, como recurso didctico, las estrategias fundamentales de trabajo sern la experimentacin y la simulacin.
Si bien la experimentacin y la simulacin no proporcionan justificaciones ni demostraciones gran parte de la actividad estadstica puede ser descripta a travs de estos procesos
hasta llegar a la modelizacin, de igual manera a lo registrado en la historia de los distintos
conceptos.
Tanto la experimentacin como la simulacin de un fenmeno aleatorio son recursos
didcticos que permiten:
prescindir del aparato matemtico para analizar situaciones estocsticas,
comprender la diferencia entre modelo y realidad y
mejorar las intuiciones sobre la aleatoriedad.
En particular, la experimentacin permite que los alumnos logren visualizar, imaginar,
en definitiva vivenciar el problema en estudio tal como lo realizaron quienes participaron en
su desarrollo.

106

Godino, Juan D.. Investigaciones sobre Fundamentos Tericos y Metodolgicos de la Educacin Matemtica. Grupo de Investigacin: Teora y Mtodos de investigacin en Educacin Matemtica. Direccin: Juan D.
Rodino. Departamento de Didctica de la Matemtica. Universidad de Granada. Granada, Octubre de 2003.
pp.43 y 44.
79

6- Actividades
Las actividades generales propuestas para poner en prctica las estrategias incluyen:
Investigacin de datos histricos.
Relevamiento de datos estadsticos primarios o secundarios a travs de instrumentos como ser: encuestas, fichajes, entrevistas, registros oficiales.
Utilizacin de material concreto: dados, monedas, cartas.
Manejo de nmeros aleatorios provenientes de tablas o generados por una calculadora o una PC.
7- Ejemplo de implementacin en el aula de la distribucin normal
En este caso a partir de la investigacin de su gnesis y desarrollo se considera adecuado seguir los dos caminos que histricamente recorrieron sus creadores para lograr su
modelizacin a saber:
Arribar a la distribucin Normal partiendo de la distribucin Binomial, utilizando la experimentacin en el aula para que los alumnos revivan el proceso real seguido por Bernoulli107 y por De Moivre quien en 1773 descubri la funcin de densidad de probabilidad de
la distribucin normal como una forma lmite de la funcin Binomial.
Obtener la funcin normal a partir del estudio de los errores de medicin como lo hiciera
Gauss o como distribucin de medidas antropomtricas siguiendo a Quetelet y Galton.
1- Distribucin Normal como lmite de la Distribucin Binomial.
Para arribar a la distribucin normal como lmite de la binomial es necesario contar
con un gran nmero de repeticiones de un experimento binomial.
Se propone la aplicacin de esta actividad organizada en los siguientes pasos a un grupo ideal de 60 alumnos.
Primer pasoCada alumno debe realizar progresiva y acumulativamente n (n = 10, 20 y 30) lanzamientos de un dado registrando primero el valor que figura en la cara superior y contando
luego la cantidad de nmeros pares obtenidos despus de los n lanzamientos.
107

La vida cientfica de Jacob I.Bernoulli gir alrededor del ncleo fuerte del estudio de las curvas con el uso del
nuevo clculo.
80

Con los datos obtenidos se confecciona una matriz de resultados de los n lanzamientos como la que se adjunta en el Anexo 5 (tabla N 9, de 61 filas y 14 columnas) de la cual se
extractan los resultados de algunas tiradas y se presenta seguidamente.
En la primera columna figura el orden del supuesto alumno, en la segunda (subdividida en diez) los resultados de las 30 tiradas del dado completando 3 filas y en la tercera (subdividida en tres) la cantidad de nmeros pares obtenidos segn la cantidad de lanzamientos.
Tabla 9-

X: cuenta la cantidad de veces que se obtuvo un n par en r tiradas

Orden
1

...
59

60

Cant. de pares
en n tiradas
10 20 30

Resultados obtenidos en 30 tiradas de un dado


2
4
3
5
4
2

3
4
2
6
3
4

2
3
2
1
4
2

5
5
3
2
6
2

1
5
3
6
5
1

6
2
3
5
1
5

4
6
5
6
6
3

5
5
2
3
5
5

1
1
5
5
3
6

3
5
1
4
5
4

...
6
2
6
1
6
2

...
6
5
3
4
4
6

...
5
3
4
2
4
6

...
6
6
3
5
2
1

...
5
3
5
2
6
2

...
2
3
3
1
5
3

...
4
1
1
2
1
1

...
6
1
2
6
3
4

...
3
5
2
1
2
1

...
2
4
4
4
6
4

4
8
11
5
9
15
7
10
15
6
13
19

A partir de esta matriz se confeccionan cuatro tablas de distribucin de frecuencias relativas de la proporcin de resultados pares obtenidos por 10, 20, 50 y 60 alumnos en 10
lanzamientos del dado y se representan grficamente las distribuciones obtenidas.
1a ) Distribucin de frecuencias de la proporcin de nmeros pares en 10 registros de 10
tiradas de un dado.
Tabla 1- Proporcin de nmeros pares
en 10 registros de 10 lanzamientos
P
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Registros

fi
1
0
5
1
2
0
1
10

fr
0,1
0
0,5
0,1
0,2
0
0,1
1

Grfico1- Distribucin de proporcin de pares


en 10 registros de 10 lanzamientos del dado
0,5
0,4
0,3
0,2
0,1
0
0,2

0,3

0,4

0,5

0,6

0,7

0,8

81

1b) Distribucin de frecuencias de la proporcin de nmeros pares en 20 registros de 10


tiradas de un dado
Tabla 2- Proporcin de nmeros pares
en 20 registros de 10 lanzamientos
p
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Registros

fi
2
1
7
3
4
1
2
20

fr
0,1
0,05
0,35
0,15
0,2
0,05
0,1
1

Grfico 2- Distribucin de proporcin


de pares en 20 registros de 10 tiradas
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0,2

0,3

0,4

0,5

0,6

0,7

0,8

1 c)- Distribucin de frecuencias de la proporcin de nmeros pares en 50 registros de 10 tiradas


de un dado
Tabla 3- Proporcin de nmeros pares
en 50 registros de 10 lanzamientos
p
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Registros

fi
4
5
11
9
9
5
6
1
50

fr
0,08
0,1
0,22
0,18
0,18
0,1
0,12
0,02
1,00

Grfico 3- Distribucin de proporcin


de pares en 50 registros de 10 tiros
0,25
0,2
0,15
0,1
0,05
0
0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1d)- Distribucin de frecuencias de la proporcin de nmeros pares en 60 registros de 10


tiradas de un dado
Tabla 4- Proporcin de nmeros pares
en 60 registros de 10 lanzamientos

Grfico 4- Distribucin de la proporcin


de pares en 60 registros de 10 tiros del
dado

p
0,2

fi
4

fr
0,07

0,25

0,3

0,12

0,2

0,4

13

0,22

0,5

12

0,20

0,6

11

0,18

0,7

0,12

0,8

0,08

1
60

0,02
1,00

0,9
Registros

0,15
0,1
0,05
0
0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

82

Algunas conclusiones
De los grficos 2, 3 y 4 se observa que la distribucin de las frecuencias relativas de la
proporcin de resultados pares en el lanzamiento de un dado converge lentamente hacia la
Curva de Gauss y que a veces no es muy exacta pero hay que destacar la diferencia entre el
modelo de un fenmeno real y el terico correspondiente.
La experiencia emprica estara indicando que el modelo Binomial de parmetro
p = 1- p = 0,50 se adapta mejor al fenmeno en estudio cuando la cantidad de repeticiones
crece. Como se visualiza en las representaciones del mismo, sta se hace cada vez ms simtrica alrededor de 0,50.

Segundo pasoSe solicita a los alumnos que analicen lo que sucede si se consideran 20 o 30 lanzamientos del dado en lugar de 10.
El objetivo del experimento es ver qu pasa con la forma que toma la distribucin de proporcin de resultados pares cuando aumenta el nmero de tiradas del dado.
2 a )- Distribucin de frecuencias de la proporcin de nmeros pares en 60 registros de 20 tiradas
de un dado

Tabla 5- Proporcin de nmeros pares


en 60 registros de 20 lanzamientos
P
0,3
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
Registros

fi
3
5
6
9
7
12
9
5
2
2
60

fr
0,05
0,08
0,10
0,15
0,12
0,20
0,15
0,08
0,03
0,03
1,00

Grfico 5- Distribucin de proporcin de pares


en 60 registros de 20 tiradas
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 p

2b)- Distribucin de frecuencias relativas de la proporcin de nmeros pares en 60 registros de 30 tiradas de un dado

83

Tabla 6- Proporcin de nmeros pares


en 60 registros de 30 lanzamientos

Grfico 6- Distribucin de proporcin de pares en 60


registros de 30 lanzamientos

fi

fr

0,3

0,017

0,2

0,33

0,017

0,18

0,37

0,033

0,16

0,40

0,083

0,43

0,100

0,47

0,133

0,50

12

0,200

0,53

0,117

0,57

0,117

0,06

0,60

0,100

0,04

0,63

0,050

0,02

0,67

0,017

0,70

0,017

Registros

60

1,000

0,14
0,12
0,1
0,08

0,3

0,33 0,37

0,4

0,43 0,47

0,5

0,53 0,57

0,6

0,63 0,67 0,7

Comparacin de las distribuciones de la proporcin de resultados pares en 60 registros


de 10, 20 y 30 lanzamientos de un dado.
De la observacin de los grficos 4, 5 y 6 se puede concluir que a medida que crece el
nmero de lanzamientos de un dado y el nmero de repeticiones es grande la forma de la distribucin de la proporcin de resultados pares se vuelve cada vez ms simtrica acercndose a
la campana de Gauss.
Se formaliza el tema planteado primero en forma coloquial y luego ms rigurosamente
de la siguiente manera:
La distribucin Binomial tiende a la Normal cuando la probabilidad de xito tiende a
0,5 y el nmero de repeticiones es muy grande.

B i (n, p ) (np, np(1 - p ))


n
p 0 ,5
Seguidamente se traza un paralelo entre la distribucin obtenida del experimento real
(aproximadamente binomial con p = 0,50) y la normal para lo cual se superpone al ltimo grfico -representacin 6- una curva suave que envuelve los resultados con la forma de campana. De esta forma se arribara al modelo terico a travs de la curva.
84

Grfico 7- Distribucin de proporcin de pares en 60


repeticiones de 30 lanzamientos
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0,27

0,3 0,33 0,37 0,4 0,43 0,47

0,5 0,53 0,57

0,6

0,63 0,67 0,7 0,73 p

Observacin importante:
Es el momento de sealar que el experimento de tirar el dado es un proceso fsico en el
cual intervienen factores que perturban el fenmeno, se espera que el alumno verifique que
los valores obtenidos no coinciden totalmente con los tericos y se enfrente as a una situacin
no prevista. Situacin que lo puede ayudar a trascender el enfoque determinstico de su formacin anterior para poder relacionar ambos resultados.

2- Distribucin Normal como ley del error de medidas fsicas.


Paralelamente al enfoque anterior se abordar la distribucin normal como ley de los
errores de medicin a partir de un conjunto de datos reales.
Se analiza la variable error que surge de la diferencia entre los valores medidos y el
valor nominal. A tal efecto se considera el siguiente listado de las mediciones de los dimetros
de 100 arandelas de la produccin de un da determinado, fabricado por una mquina cuyas
especificaciones de fabricacin son dimetro medio 1,50 cm y varianza 5,7.10-4 cm2 .

85

Tabla 71,48
1,44
1,47
1,45
1,55
1,5
1,51
1,44
1,5
1,52

Listado de los dimetros de 100 arandelas


1,46
1,5
1,51
1,48
1,52
1,47
1,49
1,49
1,54
1,49

1,485
1,477
1,51
1,495
1,485
1,515
1,56
1,522
1,517
1,519

1,527
1,48
1,465
1,527
1,535
1,492
1,497
1,497
1,515
1,487

1,515
1,529
1,5
1,489
1,53
1,48
1,462
1,487
1,538
1,495

1,485
1,467
1,532
1,525
1,47
1,476
1,527
1,495
1,487
1,475

1,527
1,515
1,497
1,528
1,5
1,472
1,459
1,475
1,522
1,477

1,51
1,517
1,525
1,472
1,5
1,475
1,512
1,505
1,487
1,525

1,49
1,505
1,515
1,5
1,475
1,45
1,505
1,482
1,507
1,492

1,529
1,54
1,48
1,517
1,54
1,49
1,537
1,505
1,489
1,477

Se destaca que por ser la variable error la diferencia entre valores observados y una
constante se tiene que:
Y : dimetro de las arandelas y
X : error con X = Y 1,50
Se verifica
E(X) = E(Y) 1,50 = 0 cm
V(X) = V(Y) = 5,7.10-4 cm2
DS(X) =

5,7.10 4 cm 0,02387 cm

A partir de los datos anteriores se pide calcular los valores de la variable error, volcarlos en un cuadro y realizar su representacin grfica de dos maneras distintas.

Tabla 8-0,02
-0,06
-0,03
-0,05
0,05
0
0,01
-0,06
0
0,02

Listado de los errores de los dimetros de 100 arandelas


-0,04
0
0,01
-0,02
0,02
-0,03
-0,01
-0,01
0,04
-0,01

-0,015
-0,023
0,01
-0,005
-0,015
0,015
0,06
0,022
0,017
0,019

0,027
-0,02
-0,035
0,027
0,035
-0,008
-0,003
-0,003
0,015
-0,013

0,015
0,029
0
-0,011
0,03
-0,02
-0,038
-0,013
0,038
-0,005

-0,015
-0,033
0,032
0,025
-0,03
-0,024
0,027
-0,005
-0,013
-0,025

0,027
0,015
-0,003
0,028
0
-0,028
-0,041
-0,025
0,022
-0,023

0,01
0,017
0,025
-0,028
0
-0,025
0,012
0,005
-0,013
0,025

-0,01
0,005
0,015
0
-0,025
-0,05
0,005
-0,018
0,007
-0,008

0,029
0,04
-0,02
0,017
0,04
-0,01
0,037
0,005
-0,011
-0,023

86

La distribucin que siguen los errores de los dimetros se visualiza, en el grfico 8 en


forma agrupada en intervalos de 0,012 cm de amplitud partiendo de 0,066 cm y en el grfico
9 con los datos listados sin agrupar.

Grfico 8-

-0,06

Distribucin de los 100 errores

-0,048

-0,036

-0,024

Grfico 9.

-0,07

-0,06

-0,05

-0,012

0,012

0,024

0,036

0,048

y
mayor...

Distribucin de los 100 errores

-0,04

-0,03

-0,02

-0,01

0,01

0,02

0,03

0,04

0,05

0,06

0,07

87

De igual forma a lo realizado con los errores de las medidas de los 100 dimetros de
las arandelas se pueden simular 200 valores o ms. Utilizando ms valores se observa grficamente que las distribuciones tienden a acercarse cada vez ms a la distribucin Normal.
En los grficos 10 y 11 se presentan la forma que adquiere la distribucin de los errores de los dimetros de 200 arandelas.

Grfico 10.

-0,07

-0,06

Distribucin de los 200 errores

-0,05

-0,04

-0,02

Grfico 11.

-0,1

-0,08

-0,06

-0,01

0,00

0,01

0,02

0,04

0,05

0,06

0,07

0,08

Distribucin de los 200 errores

-0,04

-0,02

0,02

0,04

0,06

0,08

0,1

Luego se puede mencionar que existe otro tipo de grfico utilizado en control de calidad que consiste en representar la secuencia de los errores tal como fueron apareciendo a partir del registro de los valores de los dimetros de las arandelas.

88

En las figuras 12 y 13 se muestra la comparacin de la representacin de la secuencia


de errores con la distribucin de los mismos teniendo en cuenta su frecuencia relativa que,
como se viera en los grficos 9 y 11, tiende a la curva de Gauss.

Grfico 12-

Secuencia de los 100 errores

Distribucin de frecuencias
de los 100 errores

cm
0,08
0,06
0,04
0,02
0
-0,02
-0,04
-0,06
-0,08

Grfico 12.

Secuencia de los 200 errores

Distribucin de frecuencias
de los 200 errores

0,08
0,06
0,04
0,02
0
-0,02
-0,04
-0,06
-0,08

Finalmente, a partir de la distribucin de errores de los dimetros de las arandelas se


arriba empricamente a la ley normal.
Se puede afirmar que en este caso la distribucin normal es un buen modelo para el
error de los dimetros de las arandelas.
89

8- Evaluacin
La evaluacin se llevar a cabo en forma de proceso108 permanente y continuo.
A travs del trabajo del alumno en las experiencias didcticas del aula, se realizarn
registros de su participacin y de su nivel de seguimiento en la construccin de los conceptos.
Mediante la elaboracin de actividades prcticas breves se llevar el control del nivel
de apropiacin de los conocimientos.
Adems para cada uno de los temas trabajados se disearn situaciones problemticas
integradoras respetando el modelo aplicado, que incluyan el uso de datos reales, su procesamiento y anlisis exhaustivo.
Se considerar prioritario en la revisin de las distintas actividades realizadas por los
alumnos la adquisicin y aplicacin del mtodo de trabajo estadstico, es decir, como lo expresara Gal109 , la interpretacin y evaluacin crtica de la informacin estadstica, el reconocimiento de argumentos apoyados en datos provenientes de diversos contextos y tambin, la
elaboracin de opiniones o conclusiones respecto a tales informaciones estadsticas.

108

Segn lo expresado en Pag. 22 de esta investigacin, tomado de Karmiloff, Smith e Inhelder.


Gal, I. (2002). Aduts statistical literacy. Meanings, componentes, responsibilities. International Statistical
Review, 70 (1), pp: 2-3

109

90

CONCLUSIONES

A partir de esta investigacin puede apreciarse cmo la historia se redimensiona como


una interesante y rica fuente de herramientas didcticas para inspirar modelos de trabajo al
momento de tratar en el aula conceptos, teoras y tcnicas en general.
Dado que la Estadstica tiene un carcter emprico, especialmente en sus comienzos, el
anlisis de cmo los conceptos estadsticos han surgido y evolucionado en mbitos mucho
ms complejos que el acadmico, la ubica en su real dimensin como un verdadero subsistema
cultural.
El trabajo de los mentores de las teoras en su fase inicial puede capitalizarse para
adaptarlo y aplicarlo con los alumnos como una experiencia didctica diseando actividades
similares a las efectuadas por ellos que permitan la integracin de la estadstica con las dems
disciplinas y su contextualizacin histrico-social.
Es inicialmente en la formacin profesional docente donde la investigacin histrica
debe revalorizarse ya que es un rea sustancial a la hora de justificar y validar conceptos pues
posibilita el enriquecimiento de la propia red conceptual a travs del descubrimiento de potenciales interrelaciones. No es menor el logro indiscutido que tiene el estudio o ms an el anlisis critico y conciente- de la historia en la formacin profesional, ya que es un mrito propio
el dar un encuadre epistemolgico a cada concepto tratado que permite obtener un conocimiento mucho ms completo, significativo y acabado de l.
En consecuencia se hace necesaria una mejor formacin previa y permanente de los
docentes en esta disciplina con el objetivo de dotarlos de mejores criterios para modelar propuestas de trabajo a travs de la seleccin de estrategias adecuadas.

Esta investigacin propone una nueva mirada sobre un rea que en general se incluy
en los currculos como algo necesario u obligatorio pero sin tomar el caudal de posibilidades
de trabajo que proporciona en toda su extensin.

91

ANEXOS

Anexo 1
Fundamentos de las estadsticas de vida
Por JOHN GRAUNT
A L MUY HONORABLE JOHN LORD ROBERTS,
BARN DE TRURO, LORD DEL SELLO PRIVADO
Y MIEMBRO DEL MUY HONORABLE CONSEJO PRIVADO DE SU M AJESTAD
Monseor
Los favores que he recibido de su Seora me obligan a presentaros alguna muestra de mi gratitud: el especial Respeto que siento hacia su Seora me ha hecho solcito en la eleccin del Presente. Pues, si hubiera dado a
su Seora alguna Excerpta escogida de las Letras Griegas o Latinas, no hubiera sino (como dice nuestro Refrn
Ingls) llevado Carbones a Newcastle, y dado Agua de Charca a su Seora, que, por su propio y eminente saber
de estos doctos idiomas, puede beber directamente de las Fuentes.
Sin embargo, regalar a su Seora tediosas Narraciones, no era ms que decir mi propia Ignorancia del Valor, que su Majestad, y el Comn atribuyen al Tiempo de su Seora, que el Mundo sabe ser universal, y que
desconoce muy pocas de las cosas tiles contenidas en cualquiera de ellos.
Habiendo ahora (no s por qu accidente) ocupado mis pensamientos en las Tablas de Mortalidad, y tenido
tanto xito en ello, que he reducido varios grandes Libros confusos a unas pocas y claras Tablas, y abreviado las
Observaciones que fluyen naturalmente de su lectura, en unos sucintos Prrafos, sin largas series de mltiples
Deducciones de ningn tipo, me he atrevido a dedicar estos mis pequeos, pero primeros en ser publicados, Trabajos a su seora, a cuya benigna aceptacin de algunos otros de mis Artculos, deben stos la Vida; esperando
(si puedo decirlo sin vanidad) que puedan ser tiles a Personas de la categora de su Seora, como han sido de
poca o nula utilidad para m, igual que lo son los bellsimos Diamantes al Empleado Joyero que los talla, o al
pobre Pen que primero los sac de la Tierra. Por tanto, con toda mi humilde sumisin a su Seora, creo que no
ser mal recibido por un Par del Parlamento o Miembro del Consejo de su Majestad, el examinar que pocos mendigos mueren de hambre de los muchos que hay: Que las irreligiosas proposiciones de algunos, de multiplicar el
Pueblo mediante la Poligamia son adems de irracionales, y sin fruto: Que las penosas cuarentenas durante las
Epidemias de Peste no constituyen un remedio que resulte caro: Que las mayores Pestes de la Ciudad son igual, y
rpidamente subsanadas desde el Campo: Que las prdidas en Hombres en Guerras, y en Colonias no perjudica la
proporcin debida entre ellos y las Mujeres: Que la Opinin de que las Pestes acompaan la Coronacin de los
Reyes es falsa, y sediciosa: Que Londres, la Metrpoli de Inglaterra, es quizs una Cabeza demasiado grande
para el Cuerpo, y posiblemente demasiado pujante: Que esta Cabeza crece tres veces ms rpido que el Cuerpo al
que pertenece, o sea, que dobla su poblacin en la tercera parte del tiempo: Que nuestras Parroquias estn creciendo loca y desproporcionadamente: Que nuestros Templos no corresponden a nuestra Religin: Que el Comercio, y sobre todo la City de Londres, se desplaza a Westward: Que la Ciudad amurallada es slo un quinto de
todo el Pyle: Que las viejas Calles son inadecuadas para la frecuencia actual de los Carruajes: Que el paso de
Ludgate es una garganta demasiado estrecha para el Cuerpo: Que los combatientes alrededor de Londres son
suficientes para constituir tres grandes Ejrcitos que puedan ser tiles en esta Isla: Que el nmero de Cabezas es
tal, que seguramente ha perjudicado mucho alguno de nuestros Senadores en sus nombramientos de Pole-Money,
etc. Ahora, aunque los excelentsimos Discursos de su Seora me han informado bien que su Seora no es ajena
a todas estas Situaciones; pero porque saba que su Seora no las haba deducido nunca de las Tablas de Mortalidad; yo esper que no fuera desagradable a su Seora el ver el provecho que un Talento puede ganar, adems
de las muchas curiosidades referentes al crecimiento y mengua de las Defunciones, las relaciones entre las Estaciones Saludables y Fructferas, la diferencia entre el Aire de la Ciudad y el del Campo, etc. Todo lo cual, al ser
nuevo, al menos a mi conocimiento, y todo el Panfleto, que no se tarda dos horas en leer, me atrev a molestar a
su Seora con su lectura, y por esta humilde Dedicatoria suya, dejo que su Seora y el mundo vean la Sabidura
de nues tra Ciudad, al hacer y guardar estos registros, y con cuanto afecto y xito, soy
Monseor,
El ms fiel y obediente
Servidor de su Seora,
Birchin-Lane,
John Graunt
25 de enero de 1661/2
92

Anexo 2
Los iniciadores del Clculo de probabilidades son los matemticos italianos y franceses del
siglo XVII, particularmente Pierre Fermat y Blaise Pascal, quienes trataron de resolver problemas de juegos de azar propuestos por el caballero de Mr.
De esos problemas:
Uno es el problema de los dados, que es el ms antiguo y consta de lo siguiente: el
Caballero de Mer haba observado que en el juego de tirar un dado 4 veces consecutivas, era
mayor la probabilidad de que apareciese un 6 que la del caso contrario, mientras que en el juego de tirar 24 veces dos dados, la probabilidad de que apareciese el doble 6 era menor que la
del caso contrario. Ante esta circunstancia, que consideraba paradjica, pues crea que ambas
probabilidades deban ser iguales, hizo la consulta. En una carta de 1654, Fermat resuelve la
cuestin y demuestra que no hay tal paradoja, pues el clculo correcto muestra que la primera
probabilidad es 0,516 > 0,5; mientras que la segunda es 0,419 < 0,5.

El segundo problema, el problema de las partidas, consiste en averiguar


cmo debe dividirse la apuesta entre dos jugadores de igual habilidad, si se suspende la
partida antes de finalizar y conociendo el nmero de puntos que cada jugador haba
conquistado en el momento de suspenderse el juego.110
Una familia muy especial:
Los Bernoulli, una familia burguesa de comerciantes y farmacuticos, est repleta de fascinantes historias de aventuras migratorias, de desafos intelectuales y sobre todo de mucha matemtica. La poca en
que se desarrollan los acontecimientos narrados est impregnada de un pensamiento humanista y renovador. El ritmo de desarrollo de la ciencia en esta poca se acelera. La solucin de problemas cientfico-tcnicos se convierte en asunto de importancia estatal. El dominio de los recursos del nuevo clculo
creaba una sensacin de posibilidad de resolucin de semejantes problemas y, para ello, en la sociedad
europea naci una lite de hombres de ciencia de la que los Bernoulli formaban parte.

Kolmogrov
El carcter de Kolmogrov se forj en una poca de revoluciones sociales y guerras mundiales. Vivi
el stalinismo, la posterior rectificacin de errores y el inmovilismo que luego dara paso a la perestroika.
Aunque siempre se consider a s mismo un matemtico puro, una parte esencial de su obra fueron sus
investigaciones aplicadas a otras ciencias. Sus esfuerzos estaban regidos por una idea clara: discernir
las diferencias y similitudes entre orden y caos. Mucho ms que cualquier otro matemtico, ampli los
dominios y la comprensin humana del azar. Rein en una escuela poderosa de profesionales con una
cultura matemtica vasta y profunda. Con razn puede afirmarse que Kolmogrov es el zar del azar.

110

Rey Pastor y Babini- Historia de la Matemtica- p. 210.


93

Anexo 3
COMENTARIO
La Ley de los grandes nmeros
[] El teorema es ms bien sencillo de exponer. De hecho, cuando se ve por primera vez, uno se pregunta cmo Bernoulli pudo preocuparse durante veinte aos y cmo ha promovido tantas controversias posteriormente. El hecho es, que es un conjunto de sutilezas y artificios; cuanto ms lo piensa
uno, ms difcil lo ve. Naturalmente, Bernoulli tuvo un trabajo loco montando el engranaje, estaba
muy lejos de prever los embrollos lgicos y filosficos que planteaba.
As que, aqu, tienen una simple exposicin del teorema de Bernoulli: si la probabilidad de que ocurra
un hecho en una prueba nica es p, y si se hacen varias pruebas, independientemente y en las mismas
condiciones, la proporcin ms probable de que ocurran los hechos en el nmero total de pruebas es
tambin p; an ms, la probabilidad que la proporcin en cuestin difiera de p en menos que una
cantidad dada, por pequea que sea, aumenta al mismo tiempo que aumenta el nmero de pruebas[...]
Unos cuantos puntos han de ser brevemente expuestos para dar al lector una idea de la importancia
del resultado de Bernoulli y los problemas que lo rodean.
1. Lo primero que se ha de observar es que el teorema se refiere a proporciones o frecuencias y no al nmero absoluto de veces que un suceso ocurre. Al aumentar el nmero de pruebas y
la relacin de aciertos respecto al total de pruebas se aproxima progresivamente y difiere de p
(probabilidad del hecho nico) en menos de una cantidad dada, por pequea que sea; e inversamente, al aumentar el nmero de pruebas, se hace progresivamente improbable (es decir que la
probabilidad se aproxima a cero) que el nmero de aciertos difiera de p en menos de una cantidad
dada, por grande que sea111 . Este punto es fcilmente demostrable. Lanzando una moneda, uno
puede suponer que la posibilidad de sacar cara es . Sobre esta suposicin, el nmero ms probable de caras que saldrn de una serie de pruebas es la mitad del nmero total de tiradas. No ha
de sorprender, sin embargo, que esta relacin sufra una desviacin: 6 caras sobre 10 lanzamientos, 48 sobre 100 y as sucesivamente. La cuestin es, qu probabilidad hay en n tiradas sucesivas para que la proporcin de caras difiera de en, por ejemplo, menos de 1 ? Segn el teo10

rema de Bernoulli, la probabilidad se acerca a 1, al mismo tiempo que el nmero n (de tiradas sucesivas) crece. En otras palabras, la probabilidad de una desviacin relativa en menos de 1 se
10

hunde rpidamente. Seis caras sobre diez exceden nuestro lmite, pero es mucho menos
probable que la frecuencia relativa de caras difiera de en ms de 1 sobre 100 tiradas
10

y an ms improbable sobre 1.000 tiradas. Al mismo tiempo, aparece ms probable, al aumentar n, que la desviacin absoluta del nmero de caras, de la mitad del nmero total de tiradas exceder cualquier nmero dado. Por ejemplo, es mucho ms posible que haya una desviacin de 1
sobre 100 tiradas (es decir 51 o 49 caras en vez de 50) que 1 en 10 tiradas (es decir 6 o 4 caras en
vez de 5); de 10 sobre 1.000 tiradas, que 10 sobre 100, y as sucesivamente. Esta es la esencia del
teorema 112 .
2. El teorema de Bernoulli est sujeto a grandes errores, algunos debido al pintoresco nombre acuado por Poisson. Se supone a menudo, por ejemplo, que el teorema es una ley misteriosa
de la naturaleza que garantiza que en un nmero suficientemente grande de pruebas, la probabilidad se identificar con la frecuencia113 . Esta opinin extraa deriva aparentemente de la conviccin de que en su largo recorrido, la naturaleza llega a imitar al hombre. El teorema es una parte
111

Fry , p. 100. Citado por Newman, James R.. Op. Cit., p. 135.
Kneale, p. 139. Citado por Newman, James R.. Op. Cit., p. 135 y 136.
113
Kneale, p. 139. Citado por Newman, James R. Op. Cit., p. 136.
112

94

del clculo matemtico de probabilidades. Las proposiciones de estos clculos no son reglas de
hecho o experiencia. Son proposiciones aritmticas formales, vlidas en su propio campo, no pudiendo dar validez a hechos ni ser invalidados por ellos 114 . Tampoco puede uno contar con que
el teorema pueda probarse por experiencia, como pueden serlo la tabla de multiplicar o el teorema
del binomio.
Otra falaciosa inferencia a partir del teorema es la llamada ley de los promedios. Esto es un artculo de fe de muy amplia y fervorosa adhesin. Es la base de la creencia, que cuando un jugador
ha tenido mala suerte en las cartas, su suerte ha de cambiar, que despus que el encarnado ha salido 5 veces seguidas en la mesa de la ruleta, es prudente jugar a negro; que si una moneda de cara 3
o 4 veces seguidas, las suertes son que cruz saldr ms a menudo en las 3 o 4 tiradas siguientes,
para igualar[] El teorema de Bernoulli es en s el nico fundamento que permite contar con
una proporcin precisa de caras en el juego del lanzamiento de la moneda, y una condicin esencial del teorema es que las pruebas sean independientes, es decir, que una prueba no influya en la
otra[...] En un autntico juego de azar, no puede haber ningn sistema que aumente las posibilidades de ganar. Eso es parte de lo que queremos decir cuando lo llamamos un juego de azar115 .
3. Mientras el teorema de Bernoulli (y algunas generalizaciones por Poisson, Tchebycheff,
Markoff y otros) ha demostrado excepcional importancia en asuntos prcticos seguros, por eje mplo, - y en investigaciones cientficas por ejemplo la teora cintica de gases-, sus limitaciones y
lados dbiles han sido repetidamente tomados en consideracin. Los de ms frecuencias son: que
el teorema se aplica solamente en casos especiales (por ejemplo, cuando los sucesos son verdaderamente independientes) y bajo condiciones que son la excepcin en vez de la regla; que el conocimiento de lo que ha ocurrido en algunas de las experiencias no afecta la probabilidad de lo que
pueda ocurrir en cualquiera de los otros; [] Se hace observar que ninguna de estas limitaciones
afecta la validez matemtica del teorema, ni desprecian su contribucin al desarrollo de la teora de
estadstica ni su continuo carcter de indispensable instrumento de investigacin. Una profunda
comprensin del teorema es esencial para apreciar las matemticas de probabilidades y estadsticas, que a su vez realiza una parte de responsabilidad creciente en casi todos los ramos de la cie ncia moderna, industria, comercio, gobierno y otras actividades116 .

114

Nangel, p.27. El clculo de probabilidades tiene la misma funcin general que una geometra demostrativa o
que una aritmtica demostrativa: -dadas ciertas probabilidades iniciales, el clculo de probabilidades hace posible calcular las probabilidades de ciertas propiedades, que tienen relacin con las iniciales, de varias maneras-. As como la aritmtica no puede decirnos cunta gente vive en China o en el Japn, pero, si nos dan la
poblacin de China y del Japn, podemos calcular las poblaciones conjuntas de estos pases, as funcionan los
clculos de probabilidades. Citado por Newman, James R. Op. Cit., p. 136.
115
El ejemplo es de Kneale, p.140. Citado por Newman, James R. Op. Cit., p. 136.
116
Newman, James R. Op. Cit., p. 136 y 137.
95

Anexo 4
La evolucin de la Estadstica en el perodo de las revoluciones:
El progreso de la ciencia no es un simple avance lineal, pues cada etapa marca la solucin de
problemas sociales que responden a necesidades e intereses propios del contexto en que surgen. Las
soluciones encontradas a estos enigmas pueden despertar el planteo de nuevos problemas o nuevas
formas de enfocar los paradigmas antiguos. Muchas veces en las ciencias surgen nuevos procedimie ntos para captar y resolver los problemas, tambin pueden aparecer nuevos campos de investigacin y
nuevos instrumentos tericos y prcticos para realizar esa investigacin.
Desde esta perspectiva puede decirse que la evolucin de la Estadstica entre el perodo 1789 y
1848 puede ser analizada tambin desde el punto de vista de los movimientos de la sociedad que las
rodeaba, pues luego de la Revolucin Francesa y Revolucin industrial y, con el auge del Positivismo
de la mano del capitalismo, surge la necesidad por parte de los gobiernos y de las industrias de avanzar
hacia nuevos conocimientos que brinden soluciones a la economa, a la poltica y al desarrollo social.
Con el desarrollo del capitalismo surgen las primeras aplicaciones en Estadstica, pues los
economistas universalizaban sus postulados basados en deducciones, por ejemplo en (Hobsbawm,
1997)117 : si la poblacin de una ciudad se duplica y el nmero de viviendas no aumenta, en igualdad
de condiciones, las rentas deben subir aunque unos lo deseen y otros no [...] Esta es la primera representacin sistemtica de una teora demogrfica destinada a establecer una relacin mecnica, y virtualmente inevitable entre la s proporciones matemticas de los aumentos de poblacin y de los medios
de subsistencia. Comienzan a surgir los primeros estudios econmicos con la utilizacin de la Estadstica como instrumento elemental para la sistematizacin de los datos que pudieran corroborar sus hiptesis.
La aplicacin de los mtodos matemticos a la sociedad, realiz otro gran avance a este perodo. El belga Adholphe Quetelet, en su libro Sur I`homme (1835), demostr que la distribucin estadstica de las caractersticas humanas obedeca a leyes matemticas conocidas, de lo cual deduca la
posibilidad de asimilar las ciencias sociales a las fsicas. Puede verse tambin en (Hobsbawm, 1997) 118 ,
La posibilidad de una generalizacin estadstica sobre las poblaciones humanas y el establecimiento
de firmes predicciones sobre esa generalizacin haban sido anticipados por los tericos de la probabilidad (el punto de partida de Quetelet en Ciencias Sociales), y por los hombres prcticos que tenan
que basarse en ella, por ejemplo en las compaas de seguros. Pero Quetelet y el floreciente grupo
contemporneo de estadsticos, antropomtricos e investigadores sociales, aplicaron estos mtodos a
campos ms vastos y crearon la mayor herramienta matemtica para la investigacin de los fenmenos
sociales.
Entre los aos 1839 a 1843 haba un significativo inters por la etnografa social y la sociologa, entre otras ciencias sociales, y as fue que en Inglaterra y Francia se crearon sociedades etnolgicas especiales para el estudio de las razas humanas, cuyas investigaciones se realizaban por medios
estadsticos y de sociedades estadsticas que efectuaban aportes puramente descriptivos. Segn Hobsbawm (1998) 119 , La estadstica social se desarroll como nunca antes lo habra hecho, y quienes la
utilizaban encontraron gran cantidad de empleos estatales. A partir de 1853 comenzaron a celebrarse
peridicamente congresos internacionales de Estadstica, y su categora cientfica fue reconocida cuando el celebrado y admirable doctor William Farr (1807-1883) fue elegido para la Royal Society.
De esta forma, la aplicacin de la Estadstica a los fenmenos sociales estaba ya muy avanzada y se hizo extensiva tambin como instrumento metodolgico de confiabilidad y validez hacia las
ciencias fsicas, qumicas y dems campos cientficos del conocimiento.

117

Hobsbawm, Eric, La era de la Revolucin, Bs.As. Crtica, 1997.


Hobsbawm, Eric. La era de la Revolucin, Bs.As. Crtica, 1997.
119
Hobsbawm, Eric, La era del Capital, Bs.As. Crtica, 1998.
118

96

Anexo 5Resumen de los resultados obtenidos al arrojar un dado n veces.


En el cuadro matriz N 9- se encuentran asentados los valores obtenidos por 60 alumnos
ideales en n lanzamientos de un dado. Con n = 10, 20 y 30
Tabla 9-

X: cuenta la cantidad de veces que se obtuvo un n par en n tiradas

Orden
del
alumno
1

10

11

12

13

Cant. de pares
en r tiradas
1
2
3

Resultados obtenidos en 30 tiradas de un dado


2

4
8
11
5
9
15
6
11
17
8
13
16
4
8
12
4
6
10
6
11
15
4
7
14
4
7
12
2
10
18
3
7
13
6
13
21
4
8
12

97

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

8
12
16
2
6
9
5
9
15
4
9
16
5
11
14
6
11
17
7
15
18
2
8
12
3
7
12
8
13
16
3
8
14
6
8
13
6
10
14
8
13
20
7
10
13
7
12
15
5
7
13

98

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

2
8
14
7
14
18
4
11
14
7
12
18
7
11
17
5
12
18
6
11
16
9
15
18
8
11
15
6
12
17
4
9
15
4
9
13
6
12
19
5
12
16
5
12
15
4
11
17
3
10
15

99

48

49

50

51

52

53

54

55

56

57

58

59

60

5
10
13
3
6
11
6
12
17
5
10
15
5
9
14
5
11
16
4
11
19
6
11
17
4
9
15
3
9
14
3
9
14
7
10
15
6
13
19

100

BIBLIOGRAFA

- Alvarez Alva, Rafael. Salud Pblica y Medicina Preventiva. Editorial El Manual Moderno.
Mxico, 1991.
-

Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros,


Argentina, 2003

- Batanero, Carmen. Didctica de la Estadstica. GEEUG (Grupo de Educacin Estadstica


Universitaria de Granada). Publica: Grupo de Investigacin Estadstica, Departamento de
Didctica de la Matemtica, Universidad de Granada. Granada. 2001.
-Boyer, Carl B. El clculo de probabilidades, Historia de la Matemtica, Alianza Universidad textos, Madrid, 1996
- Canavos, George C.-Probabilidad y Estadstica. Aplicaciones y mtodos-Mc Graw Hill, Espaa, 1988.
- Cortada de Kohan, Nuria. Diseo Estadstico. Para investigadores de las Ciencias Sociales y
de la Conducta. Editorial Universitaria de Buenos Aires, Agosto de 1994.
- Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones Previas/Psicologa. Editorial Universitaria de Buenos Aires, 1968.
- Duncan , R y otros. Bioestadstica. Editorial Interamericana. 1978. p.47.
-

Ferreiro, Osvaldo y Fernndez de la Reguera, Pedro, La estadstica, una ciencia de la controversia, Artculo publicado en la Revista Universitaria N 25 del Instituto de Matemticas
y Fsica .Universidad de Talca. Chile. (1988)

- Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo Editorial Iberoamrica, S.A.de C.V. Mxico, 1998.
- Godino, Juan D.. Investigaciones sobre Fundamentos Tericos y Metodolgicos de la Educacin Matemtica. Grupo de Investigacin: Teora y Mtodos de investigacin en Educacin Matemtica. Direccin: Juan D. Godino. Departamento de Didctica de la Matemtica.
Universidad de Granada. Granada, Octubre de 2003.
-Guzmn, Miguel de, Juegos matemticos en la enseanza, Actas de las IV Jornadas sobre
Aprendizaje y Enseanza de las Matemticas, IV JAEM 1984, Sociedad Canaria de Profesores de Matemticas "Isaac Newton", 49-85.
- Guzmn, Miguel de, Enfoque heurstico de la enseanza de la matemtica, Aspectos didcticos de matemticas 1 (1985), Publicaciones del Instituto de Ciencias de la Educacin de la
Universidad de Zaragoza, 31-46.
- Guzmn, Miguel de, Aventuras Matemticas (Labor, Barcelona, 1986)
- Guzmn, Miguel de, Enseanza de la matemtica a travs de la resolucin de problemas.
Esquema de un curso inicial de preparacin, Aspectos didcticos de matemticas 2 (1987)
Publicaciones del Instituto de Ciencias de la Educacin de la Universidad de Zaragoza, 5275.
- Guzmn, Miguel de, Tendencias actuales de la enseanza de la matemtica, Studia Pedaggica. Revista de Ciencias de la Educacin, 21 (1989),19-26.
- Guzmn, Miguel de, Para pensar mejor (Labor, Barcelona, 1991)
101

- Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, 1995.
- Hernndez Fernndez, Herminia; Delgado Rub, Juan Ral; Fernndez de Alaiza, Bertha;
Valverde Ramirez, Lourdes y Rodrguez Hung, Teresa. Cuestiones de Didctica de la Matemtica. Conceptos y procedimientos en la Educacin Polimodal y Superior. Serie educacin. Homo Sapiens Ediciones, Rosario, Argentina, febrero de 1998.
- Hobsbawm, Eric, La era de la Revolucin. Bs.As., Argentina, Crtica, 1997.
-

Hobsbawm, Eric, La era del Capital, Bs.As., Argentina, Crtica, 1998.

- Holmes, P. (2002). Some lessons to be learnt from currculo developments in stadistics. En


B. Philips (Ed.) Proceedings of the Sixth internacional Conference on Teaching of Statistics.
Ciudad del Cabo: IASE. CD ROM.
- Leonard J. Kazmier. Estadstica aplicada a la Administracin y Economa. Tercera edicin.
Mc. GRAW HILL. (1998)
- Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A. Mxico, Quinta reimpresin, 1981.
- Le Lionnais, F. y colaboradores- Las corrientes del pensamiento matemtico, EUDEBA,
Buenos Aires, 1962.
- Levin, Richard I. ;Rubin, David S. con la colaboracin y revisin tcnica de: Balderas Lozada, Miguel; Del Valle Sotelo, Juan Carlos; Gmez Castillo, Ral. Estadstica para administracin y economa. PEARSON Educacin , Mxico, Sptima Edicin, 2004.
- Lpez, Antonio R.-Matemtica Moderna Editorial Stella, Buenos Aires, (4 edicin), 1969.
- Mandelbrot Benoit- Del azar Benigno al azar salvaje- Investigacin y Ciencia, diciembre
1996.
- Newman, James R. Sigma. El mundo de las matemticas. Ed. Grijalbo-Mondadori. 1997.
(Reedicin)
- Rey Pastor y Babini- Historia De la Matemtica. Ed. Gedisa. Barcelona. 1980
- Santal Luis A.; Glvez, Grecia; Charnay, Roland; Brousseau, Guy; Lerner, Delia y Sadosky, Patricia. Parra, Cecilia y Saiz, Irma (compiladoras). Didctica de matemticas. Aportes
y reflexiones. Editorial Paids Educador. Argentina. 5ta reimpresin, 1997.
- Santal,L.A., Enseanza de la matemtica en la escuela media (Docencia, Buenos Aires,
1981)
- Santal,L.A., La educacin matemtica, hoy (Teide, Barcelona, 1975)
- Serrano Romero, Luis; Batanero Bernabeu Carmen y Ortiz de Haro, Juan J. Interpretacin
de enunciados de probabilidad en trminos frecuenciales por alumnos de bachillerato.
Suma, 22, 43-50, 1996.
- Toranzos, Fausto I. Teora Estadstica y Aplicaciones. Ediciones Macchi. 1997
- Willoughby S.S.- Probability and Statistics- Silver Burdett Company
- Chou Ya Lun. Anlisis Estadstico. Mc. GRAW-HILL. ltima edicin. 1991

102

Investigaciones
1. Azcrate P., Cardeoso J.M. y Porln R.: Concepciones de futuros profesores de primaria
sobre la nocin de aleatoriedad-Enseanza de las Ciencia, 1998, Espaa.
2. Barallobres, Gustavo: Reflexiones sobre la enseanza de la Matemtica- Novedades Educativas N 44.
3. Batanero C., Godino J.D., Green D.R., Holmes P.y Vallecillos A.: Errores y dificultades de
los conceptos estadsticos elementales, 2000, Espaa.
4. Batanero Carmen: Significado y comprensin de las medidas de posicin centralDepartamento de Didctica de la Matemtica, Universidad de Granada- UNO, 25,4158.2000, Espaa.
5. Casvola,H. , Castorina,J.A., Fernndez,S. y Lenzi,A.- Psicologa gentica. Aspectos metodolgicos e implicancias pedaggicas-Mio y Dvila, Buenos Aires, 1984.
6. Castorina, J.A. Sin ttulo- Ponencia publicada en los cuadernos de la fundacin Eppec,
Buenos Aires, 1992.
7. Cobo Beln y Batanero Carmen:La mediana en la educacin secundaria obligatoria:un
concepto sencillo?, 2000, Espaa.UNO 23, 85-96.
8. Coll,C. Accin, interaccin y construccin del conocimiento en situaciones educativas.
Anuario de Psicologa n 33., Madrid, 1985.
9. Coll, C. La construccin de los esquemas de conocimiento en el proceso de enseanza
aprendizaje- Psicologa gentica y aprendizajes escolares, Siglo XXI, Madrid, 1983.
10. Cortada de Kohan, Nuria y Batesteza, Beatriz. Actitudes y opiniones de egresados de la
Universidad de Buenos Aires acerca de la necesidad de la estadstica en las carreras no
matemticas. Investigacin realizada en la Facultad de Ciencias Sociales UBA, publicada en
Interdisciplinaria - Revista de Psicologa y Ciencias Afines. Buenos Aires, Argentina.19831984. Interdisciplinaria, 7, 2, Actitudes hacia la estadstica. pp.109-147
11. Estepa Castro, Batanero Bernabeu: Concepciones iniciales sobre la asociacin estadsticaEnseanza de las Ciencias, 1995, Espaa.
12. Garca,R.-Jean Piaget, epistemlogo y filsofo de la ciencia- Boletn de la Academia de la
Investigacin cientfica n28, 5-9, Buenos Aires, 1995.
13. Hitt Espinosa F. y otros: Sobre el uso de ciertos problemas en la exploracin del razonamiento probabilista de los alumnos, Jess Alarcn Bortolussi- Investigaciones en Matemtica Educativa- Grupo Editorial Iberoamrica, 1996, Mxico.
14. Piaget La teora de Piaget. Monografa n 2 de la revista Infancia y aprendizaje- 1981
15. Piaget,J. y Garca,R. Ciencia, psicognesis e ideologa-Psicognesis e historia de las
ciencias, Siglo XXI, Mxico, 1982.
16. Piaget, J. Introduccin a la epistemologa gentica- Paidos, Buenos Aires, 1978.
103

17. Pozo, I. -El sistema del aprendizaje- En Aprendices y maestros, Alianza, Barcelona, 1996.
18. Pozo, I.-La indefensin aprendida- En Aprendices y maestros, Alianza, Madrid, 1996.
19. Pozo, I. La motivacin o por qu queremos aprender- En Aprendices y maestros, Alianza, Madrid, 1996
20. Pozo, I. Modelos de cambio conceptual en la instruccin , En Teoras cognitivas del
aprendizaje- Morata, Madrid, 1993.
21. Quaranta, M. y Wolfman, I. Tras las huellas del h error-Coleccin Documentos de
trabajo n 13, I.I.C.E., Buenos Aires, 1995.
22. Rivire, A. - La psicologa de Vigotsky Aprendizaje Visor, Madrid, 1988.
23. Ross Honsberger, El ingenio de las Matemticas- La tortuga de Aquiles N 4 Verano, La
tortuga, 1994, Espaa. -Captulo uno, Probabilidad y Pi ensayo.
24. Valio, Faban: Una reflexin acerca del concepto de probabilidad simple, artculo para
profesores no publicado.

Pginas Web
- http://etsiit.ugr.es/profesores/jmaroza/anecdotario/anecdotario-d.htm.
- Qu es la estadstica, historia de la estadstica.
www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.htm - 39k - "Estadstica," Enciclopedia Microsoft Encarta Online 2006
http://es.encarta.msn.com 1997-2006 Microsoft Corporation.

104

UNIVERSIDAD NACIONAL DE LA MATANZA


Secretara de Ciencia y Tecnologa

Cdigo...B0107........
1. PROYECTO DE INVESTIGACION

Ttulo del proyecto:


GNESIS Y EVOLUCIN HISTRICA DE LOS CONCEPTOS DE PROBABILIDAD Y ESTADSTICA COMO HERRAMIENTA METODOLGICA

Univ. Nac. de La Matanza


Unidad Ejecutora:..........................
Ciencias Econmicas
epartamento:.....................
Estadstica
Instituto, Carrera, Ctedra, etc.:..............
Grupo de Investigacin.......................................
Florencio Varela 1900 San Justo
1754
Direccin:.................................Cd.Postal:.......
4480-8900
Tel.:...........

Investigadores Miembros del Equipo:


Nombre
Nombre
Nombre
Nombre
Nombre

y
y
y
y
y

Laura Polola
Apellido..........................................
Graciela Fernndez
Apellido...........................................
Liliana Pagano
Apellido...........................................
Silvia Brunetti
Apellido...........................................
Miriam Ecalle
Apellido...........................................

Director/es:
Mara Eugenia ngel
Nombre y Apellido..........................................
Profesora de Matemtica
Ttulo:.........................................
511
Legajo UNLM:.............
Titular
Exclusiva
Categora Docente: Profesor
..................Dedicacin:...........
Av. Rivadavia 13230 Ramos Meja
Direccin Particular..............
4658
2286
Tel.:.....................

105

RESUMEN:
En el presente trabajo se realizar un relevamiento histrico de la gnesis y evolucin de conceptos
bsicos de Probabilidad y Estadstica. Para ello se tendrn en cuenta el anlisis del entorno temporal, el
trabajo de pensadores de diversas reas del conocimiento frente a los conflictos encontrados ante nuevos paradigmas, las condiciones en que se realizara la modelizacin de las teoras y la llegada a la institucionalizacin y formalizacin de las mismas. Complementando el relevamiento se analizarn artculos e investigaciones en educacin matemtica referidos particularmente a temas de Probabilidad y
Estadstica, en bsqueda de la deteccin de dificultades y/u obstculos en su aprendizaje y en el posible uso de la historia como herramienta de enseanza.
Desde este estudio se proyecta disear una metodologa de enseanza de stas reas, en la cual se capitalicen las diferentes tcnicas y estrategias empleadas en la superacin de las dificultades presentadas
al querer establecer como vlidas las ideas primarias y su desarrollo.
El diseo metodolgico previsto contemplar, propuestas de enseanza terica apoyadas en la construccin de una red conceptual basada en el desarrollo histrico de los conceptos que la conforman,
planteo de actividades prcticas desde situaciones concretas utilizando el tratamiento conceptual como
soporte y finalmente la evaluacin conceptual y tcnica afn al enfoque en el cual se enmarca este diseo.

PLAN DE INVESTIGACIN
Reflexiones e interrogantes que motivaron la investigacin
En los trabajos de investigacin que hemos realizado y en la propia labor docente, nuestra principal
preocupacin ha sido siempre encontrar la forma de transferir los conceptos matemticos de manera
que permita su mejor aprehensin por parte de los alumnos.
Considerando que la transformacin histrica de los conceptos representa una lnea de desarrollo terico que puede utilizarse para su mejor aprendizaje, ya que es posible establecer un paralelismo entre las
dificultades presentadas para institucionalizar un concepto dentro de la expansin estructural de su rea
de referencia y las dificultades para su aprendizaje.
Es en este contexto donde nos preguntamos si la gnesis y evolucin de los conceptos pueden ser ejes
que guen la construccin de un diseo metodolgico para la enseanza de esta ciencia que redunde
en beneficio del verdadero aprendizaje.
En pos de responder al interrogante planteado hemos seleccionado para su estudio los temas referidos
al rea de la Probabilidad y Estadstica, en la que los integrantes de este equipo de investigacin estamos desarrollando parte de nuestra tarea docente y donde frecuentemente observamos en los alumnos
una conceptualizacin precaria o errnea lo cual conlleva a la necesidad de encontrar una metodologa
de enseanza que tienda a revertirla.
Objetivo.
El objetivo general de esta investigacin es disear una metodologa de enseanza basada en el desarrollo histrico de los conceptos intervinientes.
Objetivos operacionales.
A) Referidos al surgimiento y evolucin de los conceptos.
1- Describir el entorno temporal.
2- Identificar las motivaciones que los originaron.
3- Analizar los conflictos y las formas de superacin.
4- Estudiar los paradigmas involucrados.
5- Determinar las condiciones en que se realizara la modelizacin de las teoras.
6- Construir la red conceptual que los vincula.
B) Referidos a las investigaciones y/o artculos referidos al tema.

1-Reconocer las dificultades y/u obstculos presentados en el proceso de enseanzaaprendizaje y sus posibles formas de superacin.
2- Localizar la utilizacin de la historia como recurso didctico y sus implicancias.

106

Proceso de Investigacin.
I- Modalidad de trabajo.
Esta investigacin se desarrollar en varias etapas, que se encuentran relacionadas con el cumplimiento
de los objetivos planteados.
Etapas de la investigacin:
1- Identificacin y clasificacin de los conceptos a analizar.
2- Bsqueda y seleccin del material bibliogrfico.
3- Anlisis del material bibliogrfico.
4- Procesamiento y cruce de la informacin obtenida.
5- Sntesis de los datos recopilados.
6- Configuracin de los lineamientos evolutivos de los conceptos.
7- Confeccin de la red conceptual.
8- Jerarquizacin de las dificultades de aprendizaje.
9- Diseo de la metodologa de trabajo.
II- Unidades de anlisis.
Las unidades de anlisis principales son los conceptos de Probabilidad y Estadstica seleccionados para
su estudio.
III- Metodologa
La metodologa de trabajo es cualitativa basada en datos secundarios extrados de diversas fuentes
especializadas de las distintas reas del conocimiento.
Cronograma de actividades:
El siguiente es un cronograma del tiempo estimado para las distintas actividades o etapas a realizar:
Actividad
1- Identificacin y clasificacin de los conceptos a analizar.
2- Bsqueda y seleccin del material bibliogrfico.
3- Anlisis del material bibliogrfico.
4- Procesamiento y cruce de la informacin obtenida.
5- Sntesis de los datos recopilados.
6- Configuracin de lineamientos evolutivos de conceptos.
7- Confeccin de la red conceptual.
8- Jerarquizacin de las dificultades de aprendizaje.
9- Diseo de la metodologa de trabajo.

Tiempo estimado
en meses
1
2
4
4
4
1
1
2
5

DESARROLLO DE LA INVESTIGACIN A TRAVS DEL TIEMPO (EN MESES )

ACTIVIDAD

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

1- Identif. de conceptos
2- Arqueo bibliogrfico.
3- Anlisis bibliogrfico.
4- Proces. y cruce de datos
5- Sntesis de los datos.
6- Conf. lineamientos concep.
7- Red conceptual.
8- Jerarquizacin de las dific.
9- Diseo de la metodologa.

107

Artculo aceptado para su publicacin en la Revista ReDEs.edu.


ReDEs.edu. Revista Digital de Estudios e Investigacin Universitaria. Depto. de Cs. Econmicas. UNLaM. En vas de publicacin. San Justo, 2006.
GNESIS Y EVOLUCIN HISTRICA DE LA PROBABILIDAD Y ESTADSTICA
Autores: Angel, M. Eugenia; Fernndez, Graciela; Polola, Laura C.
Colaboradores: Brunetti, Silvia M.; Ecalle, Miriam; Pagano, Liliana S.
Resumen
El siguiente artculo muestra la etapa inicial de un trabajo de investigacin que parte de un relevamiento histrico
de la gnesis y evolucin de conceptos bsicos de Probabilidad y Estadstica. El objetivo es analizar el trabajo de
pensadores de diversas reas del conocimiento frente a los conflictos encontrados ante nuevos paradigmas, las
condiciones en que se realizara la modelizacin de las teoras y la posterior llegada a su formalizacin. La informacin tratada surge de artculos e investigaciones en educacin matemtica referidos a los conceptos de Probabilidad y Estadstica, en bsqueda de la deteccin de dificultades y/u obstculos en su aprendizaje y en el posible
uso de la historia como herramienta de enseanza.
Desde este estudio se proyecta disear una metodologa de enseanza, donde se capitalicen las diferentes tcnicas
y estrategias empleadas en la superacin de las dificultades al querer establecer como vlidas las ideas primarias
y su desarrollo.
Palabras claves: evolucin-historia-conflicto-paradigma-metodologa-formalizacin
Abstract
The following article shows the initial stage of investigation work that leaves of a historical report of the genesis
and evolution of Probability and Statistic's basic concepts. The objective is to analyze the work of thinkers of
diverse areas of the knowledge in front of the opposing conflicts in the presence of new paradigms, the conditions in that its carried out the shaping up of the theories and the later arrival to its formalization. The treated
information arises of articles and investigations in mathematical education referred to the Probability and Statistics concepts, in search of the detection of difficulties and obstacles in its learning and in the possible use of the
history like teaching tool.
From this study its projected to design a teaching methodology, where the different ones are capitalized technical and strategies used in the overcoming from the difficulties when wanting to settle down as valid the primary
ideas and their development.
Key words: evolution-history-conflict-paradigm-methodology-formalization.
INTRODUCCIN
En la bsqueda de estrategias y metodologas de enseanza de la Estadstica recorrimos aspectos muy diversos
como fuentes de recursos para mejorar el proceso educativo. Entre ellos, quizs el ms paradigmtico a la hora de
revisar los fundamentos donde se cimienta la ciencia que nos ocupa, es el de situarnos en el proceso histrico
donde se sucedieron los hechos que hicieron surgir los conceptos que hoy conforman los curriculums de las asignaturas de Probabilidad y Estadsticai en distintos niveles de educacin.
La estadstica ha jugado un papel preponderante en el desarrollo de las sociedades, particularmente en nuestros
das al convertirse en una herramienta metodolgica indiscutible para todo investigador en cualquier campo del
saber.
Adems de su carcter instrumental para otras disciplinas, se reconoce el valor del desarrollo del razonamiento
estadstico en una sociedad caracterizada por la disponibilidad de informacin y la necesidad de toma de decisiones en ambientes de incertidumbre.ii
En el siglo XX la estadstica ha pasado a ser uno de los componentes culturales presentes en el currculo de la
educacin media y superior de muchos pases del mu ndo, entre ellos de Argentina. La estadstica forma parte de
la herencia cultural necesaria para el ciudadano educado de hoy.
En las sociedades actuales donde la caracterstica es la velocidad de los cambios, nos preocupamos continuamente por cul es la mejor forma de preparar a los jvenes y qu contenidos relevantes deben incluirse en los programas de esta asignatura dado el dinamismo propio de la ciencia y de su enseanza.
Algunos objetivos que nos proponemos alcanzar, orientados al mejoramiento de la calidad del proceso educativo
en esta disciplina, son:
Revalorizar la historia y evolucin de la ciencia en el proceso educativo.
108

Evidenciar cmo la necesidad en su contexto histrico motiv el continuo desarrollo y crecimiento de la


Estadstica y ms tarde de la Estadstica Matemtica.
Reflexionar sobre cmo se produce la construccin del conocimiento.
Lograr que los antecedentes histricos de las nociones estadsticas constituyan un verdadero puente entre la
Ciencia y los saberes del camp o especfico del alumno.
La concepcin del uso de la historia en la educacin vara en funcin de la filosofa de las matemticas que se
posea constituyendo uno de los ejemplos ms importantes de la relacin entre la ideologa o la filosofa y la prctica educativa matemtica.
Creemos adems que en contraposicin con la inclusin de la historia como fuente de recursos motivadores de
carcter anecdtico existe la opcin de disear programas estructurados con base en el devenir histrico concreto.
La importancia de introducir la historia en la educacin matemtica no es producto de un desarrollo intrnseco de
los contenidos matemticos, sino que est profundamente condicionado por objetivos que encuentran sentido y
coherencia especialmente en las visiones aceptadas consciente o inconscientemente sobre la naturaleza de las
matemticas. Por esto es que ms all de la importancia de las actividades intelectuales de los hombres en su
contexto histrico debe enfatizarse el papel de la ideologa entendida como conjunto ms o menos coherente de
representaciones de la conciencia en su construccin.
FUNDAMENTACIN
La introduccin de la historia como herramienta en la enseanza de la estadstica se enmarca dentro de una visin
filosfica que la avala y determina el concepto de enseanza sobre el que se sustenta el trabajo en el aula.
Miguel de Guzmniii afirma que la filosofa prevalente sobre lo que la actividad matemtica representa tiene un
fuerte influjo, ms efectivo a veces de lo que aparenta, sobre las actitudes profundas respecto de la enseanza
matemtica. Desde la publicacin de la tesis doctoral de I. Lakatos (1976), Proofs and refutations, se han producido cambios bastante profundos en el campo de las ideas acerca de lo que verdaderamente es el quehacer matemtico.
La antigua definicin de la matemtica como ciencia del nmero y de la extensin, corresponde a un estadio de la
matemtica en que el enfrentamiento con la realidad se plasm en dos aspectos fundamentales, la complejidad
proveniente de la multiplicidad (lo que da origen al nmero, a la aritmtica) y la complejidad que procede del
espacio (lo que da lugar a la geometra, estudio de la extensin). Ms adelante el mismo espritu matemtico se
habra de enfrentar con:
la complejidad del smbolo (lgebra)
la complejidad del cambio y de la causalidad determinstica (clculo)
la complejidad proveniente de la incertidumbre en la causalidad mltiple incontrolable (probabilidad, estadstica)
complejidad de la estructura formal del pensamiento (lgica matemtica).
La filosofa de la matemtica actual ha dejado de preocuparse tan insistentemente como en la primera mitad del
siglo XX sobre los problemas de su fundamentacin, especialmente tras los resultados de Gdel a comienzos de
los aos 30, para enfocar su atencin en el carcter cuasiemprico de la actividad propia (I. Lakatos), as como en
los aspectos relativos a la historicidad e inmersin de la matemtica en la cultura de la sociedad en la que se
origina, considerndola como un subsistema cultural con caractersticas en gran parte comunes a otros sistemas
semejantes; provocando que algunos matemticos reflexionen sobre su propio quehacer y cmo la enseanza de
la matemtica debe ser.
La educacin matemtica se debe concebir como un proceso de inmersin en las formas propias de proceder del
ambiente matemtico y en la forma peculiar de ver las cosas caractersticas de la escuela en la que se entronca.
Esta idea tiene profundas repercusiones en la manera de enfocar su enseanza y aprendizaje.
La matemtica es una ciencia ms emprica de lo que se creia, sobre todo en su invencin, que es mucho ms
interesante que su construccin formal. Es necesario que la inmersin en ella se realice teniendo en cuenta mucho
ms intensamente la experiencia y la manipulacin de los objetos de los que surge. La formalizacin rigurosa de
las experiencias iniciales corresponde a un estadio posterior. A cada fase de desarrollo mental, como a cada etapa
histrica o a cada nivel cientfico, le corresponde su propio rigor.
Para entender esta rica interaccin entre la realidad y la matemtica es necesario acudir, por una parte, a su historia, que devela su proceso de emergencia en el tiempo y por otra parte a sus aplicaciones, que hacen patentes la
fecundidad y potencia de esta ciencia. Con ello se hace obvio cmo la matemtica ha procedido de forma muy
semejante a las otras ciencias, por aproximaciones sucesivas, por experimentos, por tentativas, unas veces fructuosas, otras estriles, hasta que va alcanzando una forma ms madura, aunque siempre perfectible. Nuestra enseanza ideal debera tratar de reflejar este carcter profundamente humano de la matemtica, ganando con ello
en asequibilidad, dinamismo, inters y atractivo.
109

Es decir la ideologa se instala como factor social que determina el devenir no slo intelectual, sino sociohistrico.
Segn Guillermo Boido: Se pretende sealar los riesgos que entraan la ausencia de vertientes culturales en la
educacin cientfica que se imparte hoy. Al presentar ante el educando una versin (irreal) de una ciencia desvinculada del quehacer concreto del investigador y del contexto histrico, social y cultural que enmarc su tarea y
sus logros[]. Se corre el riesgo de dar una imagen desnaturalizada del quehacer cientfico y de la ciencia misma, conocimiento provisional, evolutivo, autocrtico y autocorrectivo. iv
Afirma ngel Ruizv que innumerables textos hacen referencias a pasajes histricos y en ciertas ocasiones, el
orden histrico se ha tomado como base en la explicacin de contenidos. Sin embargo, el uso de la historia de la
Matemtica ha sido muy reducido incluso en buena parte de la enseanza moderna, no aparece en ninguna forma
y hasta en la formacin profesional docente se ha eximido de su aprendizaje o solo se dan casos de cursos aislados y poco meditados.
Por eso Batanero (2002)vi describe los componentes bsicos de la formacin didctica de los profesores, a saber:
La reflexin epistemolgica sobre el significado de los conceptos, procedimientos particulares que se pretende
ensear.
Anlisis de las transformaciones del conocimiento para adaptarlos a los distintos niveles de enseanza.
Estudio de las dificultades, errores y obstculos de los alumnos en el aprendizaje y sus estrategias en la
resolucin de problemas que permitirn orientar mejor la enseanza y evaluacin del aprendizaje.
Anlisis del currculo, situaciones didcticas, metodologa de enseanza para temas especficos y recursos
didcticos especficos.
La Dra. Herminia Hernndez Fernndezvii presupone que en la enseanza de esta ciencia hay que mostrar el movimiento y desarrollo de los modelos matemticos, conceptos, teoremas, mtodos matemticos, y que stos tienen su origen en la realidad objetiva, en las relaciones conjuntistas, estructurales y de posicin y que son sus
imgenes abstractas a menudo muy alejadas de la realidad. Y aclara que unos de los aspectos que contribuye a
hacer dinmico el pensamiento es tener en cuenta el hecho histrico acompaado del anlisis de las insuficiencias
y de las limitaciones de un concepto matemtico en un determinado momento y su reemplazo por otro, que
satisfaga esas limitaciones viii .
Arribando al tema central de esta investigacin que es la enseanza de la estadstica, Holmes (2002)ix considera
que las lecciones de estadstica dentro de los libros de textos de matemticas no tienen como objetivo preferente
la actividad estadstica, provocando muchas veces que los alumnos finalicen los cursos sin adquirir una comp etencia real para llevar a cabo un trabajo estadstico.
Lo afirmado por Holmes se observa generalmente en que los alumnos realizan slo clculos y desarrollos matemticos dejando de lado la interpretacin y conceptualizacin de los mismos.
En los ltimos aos se ha venido forjando el trmino stastistics literacy para reconocer el papel del conocimiento estadstico en la formacin elemental. El hecho de que el Sexto Congreso Internacional sobre Enseanza
de la Estadstica, celebrado en la Ciudad del Cabo en julio de 2002, tuviese como lema El desarrollo de una
sociedad estadsticamente culta, es un claro indicador de esta relevancia (Moreno, 1998; Murray y Gal, 2002).
Batanero aclara que el objetivo principal no es convertir a los futuros ciudadanos en estadsticos aficionados,
puesto que la aplicacin razonable y eficiente de la estadstica para la resolucin de problemas requiere un amplio conocimiento de esta materia y es competencia de los estadsticos profesionales. Tampoco se trata de capacitarlos en el clculo y la representacin grfica, puesto que los ordenadores resuelven este problema, lo que se
pretende es proporcionar una cultura estadstica.
Para Galx, la cultura estadstica incluye dos componentes interrelacionados:
a) capacidad para interpretar y evaluar crticamente la informacin estadstica, los argumentos apoyados en d atos
o los fenmenos estocsticos que las personas pueden encontrar en diversos contextos, incluyendo los medios de
comunicacin, pero no limitndose a ellos, y
b) capacidad para discutir o comunicar sus opiniones respecto a tales informaciones estadsticas cuando sea relevante.
Con respecto a la cultura estadstica resulta explicativo lo que expresan Wild y Pfannkuch (1999)xi en relacin al
razonamiento estadstico. Dicen los autores que este tipo de razonamiento incluye cinco componentes fundamentales, a saber:
Reconocer la necesidad de los datos: La base de la investigacin estadstica es la hiptesis de que muchas
situaciones de la vida real slo pueden ser comprendidas a partir del anlisis de datos que han sido recogidos en
forma adecuada.
Transnumeracin: Significa la comprensin que puede surgir al cambiar la representacin de los datos. Al
contemplar un sistema real desde la perspectiva de modelizacin, puede haber tres tipos de transnumeracin: (1)
a partir de la medida que captura las cualidades o caractersticas del mundo real, (2) al pasar de los datos brutos
110

a una representacin tabular o grfica que permita extraer sentido de los mismos; (3) al comunicar este significado que surge de los datos, en forma que sea comprensible a otros.
Percepcin de la variacin: La recoleccin adecuada de datos y los juicios correctos a partir de los mismos
requieren la comprensin de la variacin que hay y se transmite en los datos, as como la incertidumbre originada
por la variacin no explicada. La estadstica permite hacer predicciones, buscar explicaciones y causas de la
variacin.
Razonamiento con modelos estadsticos: Cualquier estadstico, incluso un grfico simple, una lnea de regresin o un resumen puede contemplarse como modelo, pues es una forma de representar la realidad. Lo importante es diferenciar el modelo de los datos y al mismo tiempo relacionarlo con los datos.
Integracin de la estadstica y el contexto.
Este modelo describe el razonamiento estadstico en forma global.
Es este tipo de razonamiento el que deberan lograr los alumnos, por tal motivo la metodologa pasa a ser nuevamente el centro de inters donde la historia juega un rol muy importante. Son la descripcin y el esclarecimiento
de los pasos constructivos que histricamente se han dado en la evolucin de la estadstica los que favorecen su
mejor aprovechamiento intelectual y formativo, asignndole un mayor nfasis a la contextualizacin histrica,
social, cultural y emprica de su naturaleza y enseanza.
RESEA HISTRICA
Toda ciencia es medicin, toda medicin es estadstica. (Helhomtz)
Origen de la palabra Estadstica
La palabra Estadstica tiene sus antecedentes histricos en los censos, recuentos o inventarios, de personas o
bienes, realizados an antes d e Cristo.
Para algunos autores, el vocablo statistik proviene de la palabra italiana statista y fue utilizado por primera vez
en 1752 por Gotfried A. Achenwall con el significado de ciencia de las cosas que pertenecen al estado.
Achenwall fund la Escuela de Gttingen y es conocido por los alemanes como el padre de la estadstica, reconocimiento que l atribuye a Hermann Conrig (1606-1681).
Para otros autores la palabra estadstica deriva de status que en el latn medieval tena el sentido de estado
poltico. Y con este sentido es usado por primera vez en el Hamlet de Shakespeare. Posteriormente se la us en
tratados de poltica econmica y significaba la exposicin sistemtica y ordenada de las caractersticas ms notables de un Estadoxii.
El Dr. E. A. W. Zimmerman introdujo el trmino statistics en Inglaterra. Su uso fue popularizado por sir John
Sinclair en su obra Statistical Account of Scotland (Informe estadstico sobre Escocia 1791-1799)xiii.
Declaraba Gustav Rumelin en 1863, la cultura alemana exige definiciones de concepto y de objeto. Es la estadstica una ciencia? Si lo es, qu clase de ciencia es y cules son sus conceptos y objetos? Hasta ahora hay
sesenta y dos definiciones diferentes de estadsticas. La ma har que haya sesenta y tresxiv.
Algunas definiciones de Estadstica
Las diferentes definiciones de Estadstica la ubican en mltiples contextos, desde el propio al utilitario, pasando
por el matemtico y social: para Karl Pearson trata de las aplicaciones de la teora matemtica a la interpretacin
de observaciones masivas; Jerzy Neyman la incluye dentro del clculo de probabilidades; Harald Cramer dice
que investiga la posibilidad de extraer de datos estadsticos inferencias vlidas elaborando los mtodos mediante
los cuales se pueden obtener dichas inferencias. Finalmente, para Alexander Mood la estadstica no es otra cosa
que la tecnologa del mtodo cientficoxv .
Las discusiones sobre lo que realmente es la estadstica son actuales, incluso en su taxonoma. La UNESCO la
clasifica dentro de las ciencias sociales, pero FONDECYT la incluye dentro de la matemtica y a sta en las
ciencias exactas y naturales.
Rosalinda Flores Garca (1998) seala que es posible hablar de dos trminos y metodologas diferentes. Si se
trata de la recoleccin, presentacin y caracterizacin de un conjunto de datos que arrojan como resultado la
descripcin de las diversas caractersticas de una poblacin o muestra, tiene lugar una metodologa llamada estadstica descriptiva. Esas experiencias, enriquecidas con los conceptos de la teora de probabilidades hacen posible
la estimacin de caractersticas de una poblacin, validacin de distribuciones o la toma de decisiones sobre
algn factor de la poblacin, sin conocerla enteramente y basndose slo en los resultados de un muestreo. Esta
metodologa se llama estadstica inferencialxvi.
Leonard J. Kazmier (1998) dice que la estadsticas es el conjunto de tcnicas que se emplean para la recoleccin,
organizacin, anlisis e interpretacin de datosxvii.
Cortada de Kohan, Nuria (1994), nos acerca una posible definicin y demarca un poco ms el panorama citando
a otros autores. Por estadstica entendemos los mtodos cientficos por medio de los cuales podemos recolectar,
111

organizar, resumir, presentar y analizar datos numricos relativos a un conjunto de individuos u observaciones y
que nos permiten extraer conclusiones vlidas y efectuar decisiones lgicas.
Segn Yule xviii por estadstica damos a entender datos cuantitativos fuertemente influidos por una multitud de
causas.
Para Ginixix la Estadstica, en su aspecto metodolgico, es una tcnica adecuada al estudio cuantitativo de los
fenmenos de masa o colectivos, entendiendo por tales aquellos cuya medicin requiere una coleccin de observaciones de otros fenmenos ms sencillos llamados fenmenos aislados o individuales xx.
Al respecto, Nuria Cortada de Kohan agrega que es importante sealar que se habla de fenmenos cuya medicin
requiere una coleccin de observaciones, pues hay fenmenos que se presentan en masa pero no se requiere observacin alguna, pues se conocen a priori.
Rafael Alvarez Alva. (1991)xxi en el captulo de Estadstica mdica y de la salud incluye cuatro definiciones
que considera muy importantes pues muestran el avance que ha tenido lugar en esta disciplina:
Croxton y Cowden: es el mtodo cientfico que se utiliza para recolectar, elaborar, analizar e interpretar
datos sobre caractersticas susceptibles de ser expresadas numricamente, de un conjunto de hechos, personas o
cosas.
Yule y Kendall: es el mtodo cientfico que sirve para la elucidacin de datos cuantitativos que obedecen a
mltiples causas.
Mainland: es el mtodo cientfico que se ocupa del estudio de la variacin.
Ligia Moya: es la rama del saber que trata del desarrollo y aplicacin de mtodos eficientes de recoleccin,
elaboracin, presentacin, anlisis e interpretacin de datos.
Para Chou Ya Lun (1991)xxii, la funcin principal de la estadstica es elaborar principios y mtodos que nos ayuden a tomar decisiones frente a la incertidumbre.
Segn Kreyszig, Erwin (1981), la estadstica matemtica trata de la teora y aplicacin de mtodos para coleccionar datos estadsticos, analizarlos y hacer deducciones a partir de ellos. Estos tienen un rasgo en comn que se
deriva de la presencia de efectos que no podemos predecir porque son resultado de factores que no pueden ser
controlados y con frecuencia ni siquiera enumerados, un solo caso muestra irregularidad aleatoria que hace
imposible predecir resultados pero un gran nmero de casos exhiben regularidad estadstica. Es importante
descubrir detalles de esas leyes estadsticas para crear un modelo matemtico.xxiii
Fausto I. Toranzos (1962) afirma que en primer lugar tenemos que tener en cuenta que el objeto de los estudios
estadsticos est en los fenmenos que se refieren a poblaciones muy numerosas. Resulta, a menudo, que si deseamos estudiar el comportamiento de ellas, respecto de una propiedad o caracterstica, los mtodos deterministas son inaplicables frente a la complejidad del fenmeno[] Es entonces cuando la Estadstica apoyada en el
clculo de probabilidades se hace presente, y mediante un esfuerzo de sntesis, que es la caracterstica de sus
mtodos, introduce estudios referentes al comportamiento promedio de los individuos, logrando, en esa forma,
superar la indeterminacin que se manifiesta en los casos particulares[...] Dice al respecto Darmois: La Estadstica tiende a recoger, caracterizar numricamente y coordinar grupos de hechos, grupos generalmente numerosos,
hechos generalmente complejos.xxiv
En sntesis, nos referimos a la ciencia de la recoleccin y anlisis de datos para la toma de decisiones,
transformando datos en informacin. En su mtodo comienza presentando tcnicas de diseo y recoleccin
de datos respecto a un fenmeno y luego mediante la estadstica descriptiva se resume lo medular de la
informacin. La inferencia estadstica desde la probabilidad extiende las conclusiones obtenidas de la
muestra a la pobl acin de la que es parte, adems de postular modelos que se ajusten a los datos.
Desarrollo de la Ciencia Estadstica
La Estadstica se estructur, como disciplina cientfica, en el siglo pasado, pero ya se conoca y se aplicaba en
forma rudimentaria desde la antigedad.xxv
El Dr. Fausto I. Toranzos, identifica cuatro hitos principales en la constitucin de la Ciencia estadstica tal como
la conocemos hoy en da, a saber:
1- Confeccin de resmenes estadsticos.
2- Formalizacin de la estadstica descriptiva
3- Momento en que se relacionan el clculo de probabilidades y la estadstica
4- Estructuracin matemtica de la estadstica
La clasificacin elegida responde a los cuatro grandes interrogantes que nos formulamos al momento de querer
reconstruir el camino realizado por esta Ciencia.
1- Cundo se comenzaron a realizar resmenes estadsticos?
Prcticamente el hombre registr datos -de cosechas, de poblacin, etc.- desde que dej de ser nmade.
112

Desde la antigedad nos llegan testimonios (documentos e inscripciones en donde grandes cantidades de datos
numricos se ven representados por promedios y por grficas) procedentes de las diversas culturas como la sumeria -pueblos de Asiria y de Babilonia-, la egipcia, la rabe y de la misma Roma (tambin desde las culturas occidentales) pero sin formalizacin alguna, hasta que el economista prusiano Gottfried Achenwall utiliz el trmino
de estadstica referido a masas de datos numricos, a su concentracin y presentacin en tablas y grficas xxvi.
Mucho antes de nuestra era ya se efectuaban relevamientos de poblacin y de recursos, algunos ejemplos lo constituyen:
Las tablas de Estadstica agrcola utilizadas por los chinos miles de aos antes de la era cristiana. En la China, Confucio (500 a. C), habla de cmo el rey Yao (3000 a. C) mand hacer una verdadera estadstica agrcola y
un relevamiento comercial del pas.
Los censos realizados para facilitar la funcin del Estado mencionados en la Biblia, como la referencia de: el
censo de los israelitas realizado por Moiss en el desierto, razn por la que se dio a aquella parte especial del
libro el nombre de los Nmerosxxvii y en El Viejo Testamento el Censo del rey Herodes.
Realizaron censos tambin los romanos, los griegos y los egipcios. Los primeros para aplicar impuestos y los
ltimos para restituir las propiedades ubicadas en las mrgenes del Nilo, despus de las inundaciones.
Se puede afirmar que el quehacer estadstico es tan antiguo como la historia registrada, mas fue despus de
varios siglos cuando se sistematizaron sus resultados.
2- Cmo comenz a formalizarse la estadstica?
Con la aparicin de la estadstica de fenmenos que golpeaban a la sociedad como lo son la muerte, epidemias,
casos de suicidios, enfermedades mentales y todo tipo de delitos, los que dieron origen a la publicacin de datos
referidos a los mismos. Fue un verdadero alud de nmeros impresos que dio inicio al recuento e inventario de los
seres humanos y de sus hbitos xxviii.
En 1532 al producirse la peste en Inglaterra, durante el reinado de Enrique VII, se empezaron a registrar los
fallecimientos. Y en Francia por medio de una ley se requiri al clero que registrara los bautismos, defunciones y
matrimonios.
A fines del siglo XVI, durante un brote de peste, el gobierno ingls empez a publicar semanalmente las
estadsticas de mortalidad. Prctica que continu y que por el ao 1632 estas Listas de Mortalidad -Bills of Mortality- contenan listados de nacimientos y muertes clasificados segn el gnero.
En 1662, John Graunt utiliz los listados de mortalidad publicados hasta ese momento para realizar predicciones acerca del nmero de personas que moriran a causa de diferentes enfermedades, y sobre la proporcin de
nacimientos, de ambos sexos, que poda esperarse. Resumido en su trabajo, Natural and Political Observations
Mentionet in a following Index, and made upon the Bills of Mortality, el estudio de Graunt fue uno de los primeros anlisis estadsticosxxix.
Newman sostiene que la estadstica fue fundada por Graunt pues fue la mencionada obra el primer intento de
interpretacin de los fenmenos biolgicos de masa y de la conducta social, a partir de datos numricosxxx.
En 1995 Ian Hacking, concluye que en esa poca, a partir de tamaa irrupcin de cifras impresas el determinismo
fue subvertido por leyes del azar. Para sustentar la presencia de leyes estadsticas era menester que se dieran
regularidades semejantes a leyes en vastas poblaciones; pues la simple coleccin rutinaria de datos numricos no
es suficiente para que afloren a la superficie leyes estadsticas. Aclara adems que el uso de la probabilidad en lo
social no se realiza desde las concepciones matemticas de la probabilidad sino desde donde realmente surgi: la
metafsica, la epistemologa, la lgica y la tica xxxi .
En la misma poca se cre en Londres la Escuela de Aritmtica-Poltica que haca estudios demogrficos, actuariales y llevaba datos oficiales. De esta escuela derivaron dos tendencias en estadstica:
La denominada enciclopedicomatemtica que se entronca con la aparicin del clculo de probabilidades. Algunas figuras representativas son:
Christian Huyghens, Blaise Pascal y Pierre Fermat; la familia de matemticos Bernoulli que dieron fama durante ms de medio siglo a la Universidad de Basilea.
Abraham De Moivre, Pierre Simon Laplace, Carl Friedrich Gauss, Simen Denis Poisson, Adolfo Quetelet, Gournot y Francis Galton. De ste ltimo procede toda la escuela inglesa de estadsticos y biometristas
(Pearson, Fisher, Yule, Spearman, Go sset Student-, Thurstone, etc.).
La demogrfica que procede idealmente de los primeros aritmticos polticos, iniciada por Graunt. Numerosos discpulos continuaron su obra, particularmente William Petty (1627-1687) y Sssmilch (1707-1767). El
primero fue su continuador en Inglaterra y el segundo en el continente europeo.xxxii
Sir John Sinclair, de esta escuela, rob a los germanos las palabras estadsticas y estadstica, reconocindolo
pblicamente por escrito. Ante la disputa generada los aritmtico polticos saltaron al primer plano internacional.
Las agrias discusiones y duros ataques entre Londres y Gttingen terminaron con la Escuela de Gttingen. Esta
se disolvi, y as surgi la estadstica como disciplina aceptada que a partir de Galton se convierte en ciencia.
113

3- Cundo se relacionan el Clculo de probabilidades y la Estadstica?


Hoy en da cuando se habla de estadstica surge casi naturalmente la idea del azar pero esto no siempre fue as.
En el siglo XVII paralelamente al desarrollo de la Estadstica como disciplina cientfica pero en forma independiente, se desarroll el Clculo de probabilidades. Se podra decir que a fines del siglo XIX se comenz a utilizar
el concepto de azar, indeterminismo o aleatorio.
Sus iniciadores son los matemticos italianos y franceses de ese siglo, particularmente Pierre Fermat y Blaise
Pascal, quienes dieron origen a los estudios del clculo de probabilidades, tratando de resolver problemas de
juegos de azar propuestos por el caballero de Mr.
Los primeros estudios sobre probabilidad estaban intrnsecamente unidos con los juegos de azar, buscando la
mxima rentabilidad monetaria o mayor utilidad, objetivo vigente hasta que apareci la obra de Daniel Bernouilli
en 1730.
Posteriormente, el empleo del mtodo de los mnimos cuadrados es desde su introduccin por Gauss y Legendre,
la tcnica de estimacin ms utilizada en el mbito de la medida. (Rafael Ferrer Toro, marzo 2001)xxxiii.
Los primeros nombres ligados a esta etapa significativa son:
Los Bernouilli, originarios de los Pases Bajos pasaron a Suiza. Jakob Bernoulli (1654-1705), formul las
tablas de distribucin de probabilidad Binomial e inici los estudios sobre la estabilidad de las series de datos
obtenidos a partir de registros de mortandad. Su obra Ars conjectandi fue publicada pstumamente en 1713, en
ella se establecieron las bases de la teora de la probabilidad. Su sobrino, Daniel Bernoulli (1700-1782) se dedic
al estudio de la teora de probabilidades relacionndola formalmente en sus aplicaciones prcticas con la estadstica.
Los conocimientos que desde el Renacimiento tenan algunos matemticos como Tartaglia sobre los juegos
de azar fueron tratados posteriormente por:
Pierre Fermat (1601-1665), en su Teora general de las combinaciones y formalizados en el siglo XVIII con
los estudios de Jakob Bernoulli.
Thomas Bayes (1702-1761) fue el autor de la primera inferencia inductiva formal.
Estos logros culminaron con la obra de
Pierre Simon Laplace (1749-1827), que establece las primeras hiptesis estadsticas de orden intuitivo, lleva
a cabo estudios sistemticos de cmo se desva un conjunto de valores a partir de su promedio y escribe la Teora
analtica de las probabilidades en 1818 y Ensayo filosfico sobre las probabilidades (1814).
Los trabajos de Laplace permitieron dar su definitiva estructuracin al Clculo de probabilidades. Se puede decir
que la obra del propio Laplace y de otros matemticos como Poisson, Gauss, etc., proveyeron al Clculo de probabilidades de recursos matemticos llevndolo a un grado de perfeccionamiento que lo ha hecho apto para las
aplicaciones a diversos campos de la ciencia y muy especialmente a la Estadstica.
A partir de Laplace, las dos disciplinas, Clculo de probabilidades y Estadstica, que hasta entonces haban permanecido separadas, se fusionan de manera que el Clculo de probabilidades se constituye en el andamiaje matemtico de la Estadstica.
El impulso que llev al estado actual de desarrollo del Clculo de probabilidades, producido entre fines del siglo
XIX y principios del XX, se debe principalmente a franceses, rusos y norteamericanos, con la colaboracin de
alemanes, escandinavos, ingleses, italianos, etc.xxxiv
4- Cundo la estadstica pudo constituirse con una estructuracin matemtica?
Ese fue el inicio de una escuela que domin a lo largo del siglo XIX.
Carl Friedrich Gauss (1777-1855). Desarroll estudios referidos a la ley normal del error y al mtodo de mnimos cuadrados. Publica un tratado sobre las series hipergeomtricas. Gauss, Bessel y el propio Laplace llegaron a establecer el mtodo de mnimos cuadrados, como procedimiento matemtico para resolver el problema
fundamental de la teora de los errores que constituye la primera rama de la Estadstica con una estructuracin
terico-matemtica.
Simon Denis Poisson (1781-1840), discpulo de Laplace, redacta la distribucin que lleva su nombre y en
1837 establece el desarrollo matemtico de la ley de los grandes nmeros.
La introduccin de mtodos estadsticos en la industria, ciencias fsicas y sociales, y en otros campos, comenz
hace slo unas cuantas dcadas con algunas implicancias an hoy no entendidas. Su importancia se halla en: la
creacin de mtodos matemticos que permiten realizar inferencia estadstica acerca de las poblaciones a partir
de muestras y la complicacin creciente de los problemas cientficos, de ingeniera, economa y poltica. Por
ambas ha crecido la demanda de mtodos ms precisos y de la estadstica matemtica. Con los desarrollos estadsticos del siglo XX se puede afirmar que la Estadstica es capaz de proporcionar esos mtodos para una gran
cantidad de problemas prcticos importantes.
Histricamente, a fines del siglo XIX y principios del XX hubo un gran impulso en el desarrollo de la estadstica
matemtica por parte de Kart Pearson y su escuela (University Press, Cambridge)xxxv .
114

Historia reciente
En Inglaterra tuvo su origen la Estadstica Experimental.
Con Galton y Weldon (1860-1906) que medan caractersticas biolgicas, surgi la biometra, fundaron la revista
Biometrika (y con ello la ciencia y la palabra) y estimularon el desarrollo de la estadstica con los descubrimientos de Pearson y Fisher.
El diseo de experimentos fue creado, tal como se concibe hoy en da, por R. A. Fisher (1890-1962). Mucha
gente considera a Fisher el ms grande estadstico de todos los tiempos. Public libros sobre varios aspectos de la
Estadstica y una infinidad de artculos, entre ellos Statistical methods for research workers (1925) y The design
of experiments (1935, editados por Oliver y Boyd, Edimburgo). La mayor parte de sus contribuciones tericas
fueron compiladas en el libro Contributions to Mathematical Statistics (John Wiley y Sons, N. York, 1950).
Fisher impuls su carrera como estadstico de la Estacin Experimental de Rothamsted a partir de 1919, con lo
que cre de paso una tradicin de utilizacin de la Estadstica en agricultura. Finalmente, por si lo dems fuera
poco, el aporte de Fisher a la gentica (por ejemplo el llamado "teorema fundamental de la gentica" y el libro
The genetical theory of natural selection, 1930, Oxford University Press) lo hace ser considerado uno de los
pilares de la Gentica moderna.
La enorme contribucin de Fisher a la Estadstica fue continuada en la Estacin Experimental de Rothamsted por
su sucesor Frank Yates con trabajo pionero en bloques incompletos, modelos lineales, mnimos cuadrados y
computacin.
En el primer tercio del siglo XX irrumpen con fuerza en el mbito cientfico-matemtico corrientes que tratan de
configurar un marco propio para la axiomatizacin de la teora de la probabilidad y las bases para sustentar la
estadstica inferencial.
El desarrollo de estas corrientes ocup un amplio perodo de tiempo donde cientficos de gran renombre fueron
plasmando sus teoras:
Preparacin de una base topolgica y de las estructuras asociadas necesarias para establecer una nueva axiomtica (E. Cantor (1845-1918), D. Hilbert (1862-1943), E. Borel ( 1871-1956)).
Inicio y consolidacin de la axiomtica de la teora de la probabilidad (H. Lebesgue (1875-1941) , A. N. Kolmogorov (1903- 1987) y W. Feller (1906-1970) ).
Desarrollo de la inferencia estadstica clsica y su aplicacin a Ingeniera, Industria (A. Harkov (1856-1922),
K. Pearson (1856-1936), W. S. GossetStudent- (1876-1937) ; G. W. Snedecor(1881-1974) ; R. Von Mises(1883-1953) y R. A. Fisher)).
Estas reas fueron perfeccionndose simultneamente, consiguiendo en tan solo cincuenta aos desarrollar contenidos que han formado una estructura propia en el mbito de las ciencias matemticas.
A partir de mediados del siglo XX, tras la puesta en prctica de la inferencia clsica, surgen investigadores que
tratan de implementar aplicaciones dirigidas hacia las ciencias sociales y el mbito econmico surgiendo la inferencia estadstica moderna que tiene dos pilares fundamentales: la teora de la decisin y los mtodos bayesianos.
Teora de la decisin. Punto de partida en los trabajos de Wald (1950). Pretende establecer una teora, unas
reglas de accin en situacin de incertidumbre o riesgo. El valor de cualquier decisin es medido por su prdida.
Teora bayesiana. Admite conocimientos a priori, as como observaciones nuevas. Las a priori son modificadas
por las verosimilitudes.
Finalmente, la inferencia estadstica robusta configura una teora ms afinada en aspectos tan interesantes como
la parte de estimacin y de contraste.
El trmino robusto fue establecido por Box (1953), tratando de forzar hacia una modelizacin ms completa que
la establecida. Trabajos posteriores fueron reforzando la teora, destacndose: Quenouille (1956), con tcnicas
que permiten reducir el sesgo y establecer nuevos entornos para la estimacin; Anscombel (1960), estimulando la
investigacin terica y exp erimental en datos extremos; Huber (1964), diseando los procedimientos estadsticos
robustos; Hampel (1968), introduciendo el uso de curvas de influencia para analizar la sensibilidad de los estimadores; Jaeckel (1971) y Berger (1976), sobre aspectos de admisibilidad de los estimadores.
Esta breve resea pone de manifiesto que el conocimiento se encuentra en permanente expansin en forma dinmica desde el momento de su concepcin. Expansin que fue posible desde las controversias, paradigmas en
conflicto, luchas y amb iciones entre otras causas.
Tomar conciencia de ese proceso posibilita disear metodologas de enseanza donde la esencia de la ciencia est
presente para comprenderla y lograr su conceptualizacin en virtud de la evolucin histrica como modelo de
construccin de conocimiento.
Bibliografa
- Alvarez Alva R. Salud Pblica y Medicina Preventiva. Manual Moderno. Mxico 1991
- Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros, Argentina, 2003.

115

- Boido, Guillermo. Historia de la ciencia y vida en la ciencia. Algunas reflexiones educativas. Artculo del Programa de
Epistemologa, Lgica, Metodologa e Historia de la Ciencia de la Facultad de Ciencias Exactas de la UBA. 1996.
- Cortada de Kohan, Nuria. Diseo Estadstico. Para investigadores de las Ciencias Sociales y de la Conducta. Editorial
Universitaria de Buenos Aires, Agosto de 1994.
- Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones Previas/Psicologa. Editorial Universitaria
de Buenos Aires, 1968.
- Chou Ya Lun. Anlisis Estadstico. Mc. GRAW-HILL. ltima edicin. 1991
- Ferreiro, O.; Fernndez de la Reguera, P., La estadstica, una ciencia de la controversia, Revista Universitaria N 25 del
ImyF. Universidad de Talca. Chile. 1988
- Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo Editorial Iberoamrica, S.A.de C.V. Mxico, 1998.
- Guzmn, M. de, Tendencias actuales de la enseanza de la matemtica, Studia Pedaggica. Revista de Ciencias de la Educacin, 21 (1989),19-26.
- Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, 1995.
- Hernndez Fernndez, H.; Delgado Rub, J.; Fernndez de Alaiza, B.; Valverde Ramirez, L. y Rodrguez Hung, T. Cuestiones de Didctica de la Matemtica. Serie educacin. Homo Sapiens Ediciones, Rosario, Argentina, 1998.
- Holmes, P. Some lessons to be learnt from currculo developments in stadistics. En B. Philips (Ed.) Sixth Internacional
Conference on Teaching of Statistics. Ciudad del Cabo: IASE. CD ROM. 2002
- Kazmier L.J. Estadstica aplicada a la Administracin y Economa. Mc.GRAW HILL 1998
- Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A. Mxico, Quinta reimpresin, 1981.
- Levin, Richard I. ;Rubin, David S. Estadstica para administracin y economa. PEARSON Educacin , Mxico, Sptima
Edicin, 2004.
- Newman, J. R. Sigma. El mundo de las matemticas. Ed. Grijalbo-Mondadori. 1997.
- Extractos del artculo de ngel Ruiz, aparecido en el Boletn Informativo del Comit Interamericano de Educacin Matemtica (CIAEM) Ao 5, N 2. Noviembre de 1997.
- Santal,L.A., La educacin matemtica, hoy (Teide, Barcelona, 1975)
- Toranzos, Fausto I. Teora Estadstica y Aplicaciones. Ediciones Macchi. 1997
- Willoughby S.S.- Probability and Statistics- Silver Burdett Company
ii

En adelante, con el trmino Estadstica se denominar en forma sinttica el rea de la matemtica que comprende Probabilidad y Estadstica, identificacin que queda explicada con el surgimiento de la estadstica inferencial que las vincula e integra.
ii
Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros, Argentina, 2003
iii
Miguel de Guzmn. Una consideracin de fondo. Qu es la actividad matemtica? Tendencias actuales de la enseanza
de la matemtica, Studia Pedaggica. Revista de Ciencias de la Educacin, 21 (1989)
iv
Artculo de Guillermo Boido, a raz del Programa de Epistemologa, Lgica, Metodologa e Historia de la Ciencia de la
Facultad de Ciencias Exactas de la UBA. Historia de la ciencia y vida en la ciencia. Algunas reflexiones educativas.
1996.
v
Extractos del artculo de ngel Ruiz, aparecido en el Boletn Informativo del Comit Interamericano de Educacin Matemtica (CIAEM) Ao 5, N 2. Noviembre de 1997.
vi
Batanero, Carmen., 2003. op. cit.
vii
Hernndez Fernndez, Delgado Rub, Fernndez de Alaiza, Valverde Ramirez y Rodrguez Hung. Cuestiones de Didctica
de la Matemtica. Serie educacin. Homo Sapiens Ediciones. 1998, Rosario, Argentina. pp. 7-8.
viii
Hernndez Fernndez, H. y otros (1998). P.21.
ix
Holmes, P. (2002). Some lessons to be learnt from currculo developments in stadistics. En B. Philips (Ed.) Proceedings of
the Sixth internacional Conference on Teaching of Statistics. Ciudad del Cabo: IASE. CD ROM.
x
Gal, I. (2002). Aduts statistical literacy. Meanings, componentes, responsibilities. International Statistical Review, 70 (1),
pp: 2-3
xi
Wild, C. y Pfannkuch, M. (1999). Statistical thimking in empirical enquiry. International Statistical Review, 67 (3), pp:
223-265
xii
Cortada de Kohan, Nuria y Carro, Jos Manuel. Estadstica aplicada. Ediciones previas/Psicologa. EUDEBA, Buenos
Aires, 1968. p. 3.
xiii
Levin, Richard I. y Rubin David S. Estadstica para administracin y economa.PEARSON Educacin. 7 edicin.
Mxico, 2004. p.3.
xiv
Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, mayo 1995. p. 49.
xv
Ferreiro, Osvaldo y Fernndez de la Reguera, Pedro, La estadstica, una ciencia de la controversia. Revista Universitaria
N 25. Instituto de Matemticas y Fsica. Universidad de Talca. Chile. (1988)
xvi
Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo Editorial
Iberoamrica, S.A. Mxico, 1998. p. 2.
xvii
Leonard J. Kazmier. Estadstica aplicada a la Administracin y Economa. Tercera edicin. Mc. GRAW HILL. (1998)
xviii
Yule, G.O. y Kendall N.G. Introduccin a la Estadstica Matemtica. Ed. Aguilar, Madrid 1947. Citado por Cortada de
Kohan, N. Diseo Estadstico. EUDEBA, Bs. As. 1994. p. 23.
xix
Gini C. Curso de estadstica. Editorial Labor, Barcelona 1953, citado por Cortada de Kohan, Nuria (1994). p.24.
xx
Cortada de Kohan, Nuria (1994).

116

xxi

Alvarez Alva, Rafael. Salud Pblica y Medicina Preventiva. Editorial El Manual Moderno. Mxico, 1991. pp 121-122.
Chou Ya Lun. Anlisis Estadstico. Mc. GRAW-HILL. ltima edicin. 1991
xxiii
Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A.
Mxico, Quinta reimpresin, 1981. pp.17 y 18.
xxiv
Toranzos, Fausto I. Teora Estadstica y Aplicaciones. Ediciones Macchi. 1997. pp.7 y 8.
xxv
Toranzos, Fausto I. Op. cit.. p.3.
xxvi
Flores Garca, Rosalinda; Lozano de los Santos, Hctor. Estadstica. Aplicada para Administracin. Grupo Editorial
Iberoamrica, S.A.de C.V. Mxico, 1998. p. 1
xxvii
Cortada de Kohan, N. y Carro, J. M. Estadstica aplicada. EUDEBA, Bs As. 1968. p. 3.
xxviii
Hacking, Ian. La Domesticacin del azar. Editorial Gedisa, Barcelona, Espaa, mayo 1995. p.9.
xxix
Levin, Richard I. ;Rubin, David S. OP.cit. p.3.
xxx
Newman, James R. Sigma. El mundo de las matemtica. Ed. Grijalbo. T 3. Parte 2. pp. 104
xxxi
Hacking, Ian (1995) .Op.cit . pp. 36 y 37
xxxii
Cortada de Kohan, Nuria y Carro, Jos Manuel. Op. cit. pp. 4 y 5.
xxxiii
Rafael Ferrer Toro, 2001. Catedrtico de Universidad de Ingeniera Cartogrfica, Geodesia y Fotogrametra. Universidad de Cantabria.
xxxiv
Toranzos, Fausto I. Op. cit. p. 5.
xxxv
Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. EDITORIAL LIMUSINA, S.A.
Mxico, Quinta reimpresin, 1981. pp.19 y 20.
xxii

117

NDICE

Presentacin
Fundamentacin
El Rol de la Historia
Modelos de Construccin y Adquisicin del Conocimiento
Teoras del Aprendizaje
Mtodo Gentico
Sntesis
La enseanza de la Estadstica
Desarrollo de la Investigacin
Resea Histrica
Origen de la palabra estadstica
Algunas definiciones de Estadstica
Desarrollo de la Ciencia Estadstica
Hitos Principales
Autores que contribuyeron al desarrollo de la Estadstica
Sntesis Evolutiva
Hechos que se destacan
Anlisis de Investigaciones
Diseo Metodolgico
Estructura del Diseo Metodolgico
Modelo de aplicacin del diseo
1- La seleccin de temas y sus alcances
2- Red conceptual
3- Gnesis y desarrollo histrico
4- Planteo de los objetivos
5- Seleccin de estrategias
6- Actividades
7- Ejemplo de implementacin en el aula de la distribucin Normal
Distribucin Normal como lmite de la distribucin Binomial
Distribucin Normal como Ley del error de medidas fsicas
8- Evaluacin
Conclusiones
Anexos
Bibliografa
Libros
Investigaciones
Pginas Web
Proyecto Original
Artculo aceptado para su publicacin

1
3
3
6
6
13
19
22
25
25
25
27
30
31
47
58
60
61
67
67
68
70
71
72
78
79
80
80
80
85
90
91
92
101
101
103
104
105
108

118