Está en la página 1de 28

Capitulo 5

LA ENSEANZA DE LA PROBABILIDAD. UN
PROBLEMA PENDIENTE
1.- REVISIN DE CUESTIONES POLMICAS EN LA ENSEANZA DE
LAS PROBABILIDADES
"...Y, sin embargo, se puede ensear ciencia". As titulaba Pozo
(1987b, p.109) un artculo que cerraba un estudio monogrfico sobre el
cambio conceptual y enseanza de las ciencias y cuyo primer prrafo
no nos resistimos a transcribir:
El cuadro que ofrecen en conjunto las investigaciones sobre
la comprensin y el aprendizaje de la ciencia por los
adolescentes puede parecer desolador a ms de un lector:
los alumnos tienen serios problemas para aplicar
correctamente estrategias de pensamiento formal a tareas
cientficas; aunque logren razonar formalmente eso no les
asegura la comprensin de los conceptos implicados;
adems esa comprensin se ve obstaculizada por la
existencia de concepciones espontneas muy persistentes,
reacias al cambio y, por si esto fuera poco, decididamente
contrarias a los conceptos que se les pretende ensear; as,
la simple exposicin a esos conceptos no es suficiente para
que
los
comprendan...
pero
tampoco
pueden
habitualmente descubrirlos por s mismos; se hace
necesario disear unidades didcticas que al tiempo que
expongan los conceptos cientficos bsicos induzcan un
aprendizaje activo en los alumnos...pero esas unidades no
siempre tienen xito... En definitiva, tal vez ese profesor
pesimista pueda haber llegado a la conclusin de que la
enseanza de la ciencia no es ya contraintuitiva sino
literalmente contra natura ...Y, sin embargo, nosotros
pensamos que se puede ensear ciencia a los
adolescentes.
Si hemos recogido esta cita tan larga, es porque describe de
manera brillante un escenario que, aunque representa el panorama de
la enseanza de las ciencias experimentales, se ajusta con precisin a
lo que ocurre en el campo de la enseanza de las probabilidades y en
general, en la enseanza de las matemticas. El fracaso en esta
disciplina se ha instituido como natural en nuestras aulas y la
enseanza de las probabilidades y estadstica se relega y muchas

veces ni siquiera se intenta a pesar de figurar en los programas


oficiales (Carpenter, 1989; DeBeres, 1988).
Hay unas cuantas cuestiones en relacin a la enseanza de las
probabilidades que aparecen sistemticamente en la literatura (Austin,
1974; Bauersfeld, 1991; Bentz, 1983; Shulte, 1981): el problema del
carcter polidrico del concepto de probabilidad, el problema del
currculo probabilstico, el problema de las concepciones probabilsticas
y el papel de los profesores, el problema de los mtodos de enseanzaaprendizaje y el papel del ordenador en la enseanza de las
probabilidades. Analicemos brevemente cada una de estas cuestiones.
1.1.EL

PROBLEMA

DE

LA

NATURALEZA

POLIDRICA

DE

LA

PROBABILIDAD

Dado el carcter multifactico de la probabilidad es muy difcil


que los alumnos puedan comprender las nociones probabilsticas desde
un enfoque axiomtico puro. Discutiremos los cuatro enfoques de la
naturaleza de la probabilidad relevantes para las matemticas
escolares: clsico, frecuencialista, subjetivista y estructural.
Enfoque clsico: de acuerdo a Laplace la probabilidad de un
suceso se obtiene mediante la proporcin de resultados favorables a
este suceso en el espacio muestral; este enfoque asume la
equiprobabilidad de todos los resultados simples del espacio muestral.
Los matemticos llaman a esta asignacin de probabilidades una
distribucin de probabilidad uniforme. Es un enfoque a priori de la
probabilidad que permite el clculo de probabilidades antes de realizar
pruebas aleatorias. La probabilidad geomtrica est muy relacionada
con este enfoque y reduce la probabilidad a clculo de reas.
En el momento de la aplicacin de este enfoque a un
experimento aleatorio real, nos enfrentamos con el problema de decidir
cules son los resultados simples que son igualmente probables. La
existencia de simetra en el experimento fsico, que permite aplicar el
principio de razn insuficiente de Laplace, es una gua poco firme para
ayudar en este problema, entre otras cosas, porque el mismo
experimento fsico puede revelar diferentes simetras lo que supone el
problema de decidir entre ellas. Recordemos, por ejemplo, que en la
experiencia aleatoria del lanzamiento de dos dados se proponen tres
modelos: Maxwell-Boltzmann, Bose-Einstein y Fermi-Dirac. No cabe
duda de que debe encerrar mucha enjundia psicolgica el enfoque de
la equiprobabilidad porque una de nuestras principales industrias se
construye sobre esta idea: toda forma popular de juego, excepto
apuestas en contextos de fuerza o destreza, depende de aparatos
aleatorios tales como cartas perfectamente barajadas, dados
perfectamente cbicos o ruletas simetricamente divididas. Tales
aparatos utilizan una simetra visible para soportar la hiptesis de que
los elementos simtricos son igualmente probables.

Enfoque frecuencialista: la probabilidad de un suceso se


obtiene o, ms bien, se estima a partir de la frecuencia relativa
observada de ese suceso en ensayos repetidos. Es un enfoque a
posteriori, experimental, basado en informacin obtenida despus de
realizar ensayos reales. La probabilidad es el lmite hacia el que tiende
la frecuencia relativa, de este modo, el enfoque frecuencialista implica
la teora de lmites y la convergencia. Al aplicar esta definicin, hay
dificultades obvias para definir lo que significa 'similar' o 'aleatoriedad'
ya que aparece la circularidad. Incluso la nocin de estabilizacin de las
frecuencias relativas a largo plazo presenta dificultades en relacin al
nmero de ensayos necesarios para lograr dicha estabilidad.
Con esta concepcin de la probabilidad, la mayora de
incertidumbres que experimentan los seres humanos no se pueden
describir por medio de probabilidades; por ejemplo, "el 100000 dgito
decimal de es un 7", "hay ms de 15000 telfonos en Tegucigalpa
(Honduras)", etc. Adems puede ser bastante difcil determinar si una
particular frecuencia relativa es un estimador apropiado de una
probabilidad. El lanzamiento de la moneda es el ejemplo de frecuencias
relativas que viene en los libros de texto, pero cmo se debera
lanzarla? Los sucesivos lanzamientos se deberan realizar bajo
condiciones "substancialmente idnticas" pero no pueden ser
absolutamente idnticas porque la moneda caera siempre del mismo
lado. Cunta variacin es permisible en el procedimiento de
lanzamiento de una moneda, de una tirada a la siguiente? La posicin
frecuencialista casi nunca llevara a estimar que la probabilidad de
conseguir caras es 1/2. En efecto, en cualquier secuencia de
lanzamientos razonablemente larga pero finita, la frecuencia relativa de
caras casi nunca ser 1/2; adems, variar de una ocasin a otra. La
mejor estimacin frecuencialista de una probabilidad es la frecuencia
relativa observada, por tanto los frecuencialistas deben admitir
estimaciones como 515/1000 o 5200/10000, al menos que sean
bastante sensatos para no recurrir a frecuencias relativas cuando
tengan una base mejor para el juicio probabilstico, por ejemplo, la
simetra de la moneda.
Enfoque subjetivista: representa el tipo de probabilidad que en
el Renacimiento se calificaba como opinin o grado de creencia. En este
enfoque, las probabilidades son evaluaciones de situaciones que son
inherentes a la mente del sujeto no a las caractersticas del mundo real
que nos rodea tal como se asume implcitamente en los dos primeros
enfoques. "Las probabilidades son grados personales de creencia
acerca de sucesos con incertidumbre" afirman von Winterfeldt y
Edwards (1986, p.91).
El enfoque subjetivista o personalista permite una discusin
significativa sobre la probabilidad tanto de un suceso nico como de un
suceso repetible; la probabilidad de que salga cara en el siguiente
lanzamiento de una moneda, la probabilidad de que sea del PSOE el
siguiente presidente del gobierno espaol, la probabilidad de que el

siguiente beb nacido en determinada familia sea nio, todas esas


probabilidades son la misma clase de cantidad aunque varan
ampliamente en el grado en que se pueden definir frecuencias relativas
relevantes. Desde este enfoque, todas las incertidumbres se pueden
medir apropiadamente utilizando probabilidades. Sin embargo, no
todas las opiniones numricas acerca de resultados inciertos son
probabilidades; las opiniones, para ser tratadas como probabilidades
deben ser consistentes. Por ejemplo, sera tonto hacer una apuesta de
3 a 2 en cada uno de los dos caballos que participan en una carrera
porque se pierde dinero en cuanto que la ganancia de 2 en un caballo
no compensa la prdida de 3 en el otro. La coherencia formaliza esta
idea bsica de la que se puede deducir las leyes bsicas de la
probabilidad.
El enfoque subjetivo de la probabilidad no supone relativismo
cultural o cientfico en el sentido de que no implica que "tu conjetura es
tan buena como la ma". Aunque tu opinin inicial sobre la futura
conducta de una moneda o sobre cualquier otra hiptesis incierta,
puede diferir radicalmente de la de tus vecinos (de ah viene el nombre
de probabilidades personales), tu opinin y la suya se vern tan
transformadas por una serie de observaciones relevantes que llegarn
a ser casi indistinguibles. Esta aproximacin que surge de opiniones
inicialmente divergentes es una razn para considerar "objetivas" las
inferencias desde las frecuencias relativas.
Todas las probabilidades son condicionadas para el enfoque
personalista. Formalmente, se puede establecer una particin en
cualquier conjunto de sucesos y una probabilidad es una medida
asignada a cada uno de los subconjuntos de la particin. Algunas veces
la proposicin a la que se asigna una probabilidad define
completamente el conjunto de partida; por ejemplo: "esta bolsa
contiene 50 bolas rojas y 50 azules, completamente mezcladas. Uno de
nosotros selecciona una, metiendo la mano en la bolsa a ciegas y
cogiendo la primera que encuentra. Ser roja". Sin embargo, con mayor
frecuencia, la proposicin omite la mayor parte de la informacin que
especifica el conjunto de partida; por ejemplo: "la siguiente persona
que ver medir al menos 1.70 cm". La posibilidad de que el enunciado
sea verdad depende de cuestiones tales como dnde estoy en este
momento y cul es la secuencia probable de sucesos que me llevar a
ver a alguna persona: puedo estar en casa con mi mujer e hijos,
ninguno de los cuales llega a 1.70, puedo estar en un partido de
baloncesto Real Madrid-Barcelona, en el primer caso la probabilidad de
que se cumpla el enunciado ser muy baja, en el segundo caso
aumenta esta probabilidad. La informacin condicionante siempre
existe, independientemente de que sea explcita o implcita. Puesto que
las probabilidades modelan creencias u opiniones, el tipo ms
importante de condicionamiento tiene que ver con la informacin
disponible en el momento en que se evala la probabilidad. Las regla
fundamental para cambiar las probabilidades cuando se dispone de
nueva informacin es el teorema de Bayes. Este teorema es una

formalizacin matemtica del proceso de aprendizaje desde la


experiencia. El enfoque personalista de la probabilidad se llama con
frecuencia Bayesiano.
El enfoque subjetivista trata las frecuencias relativas del siguiente
modo: una observacin es un tem de informacin que cambia una
probabilidad. Adems, la naturaleza de ese cambio coincide
aproximadamente con la preconizada por el enfoque frecuencialista.
Consideremos, por ejemplo, el intento de estimar la probabilidad de
que una chincheta, lanzada al aire, caiga de cabeza. Si un
frecuencialista ha observado que en N lanzamientos r veces la
chincheta ha cado de cabeza y N es un nmero razonablemente
grande, estar dispuesto a admitir que r/N es una buena estimacin de
la probabilidad pedida. Unos personalistas, como von Winterfeldt y
Edwards, preferirn como estimacin (r+1)/(N+2), la cual, para N de
razonable tamao y r no demasiado prximo a 0 ni a N, es casi
indistinguible de r/N. La razn para la preferencia, explicada de modo
intuitivo, se basa en el hecho de que ya conocemos algo acerca de la
chincheta antes del primer lanzamiento: puede caer de cabeza o de
punta. Para N pequeo, r puede ser 0, en cuyo caso el estimador 0/N=0
no parece muy adecuado mientras el estimador 1/(N+2) al menos
admite que la chincheta puede caer de cabeza.
El enfoque subjetivista de la probabilidad no ha formado parte de
la enseanza tradicional de la teora de probabilidades. La mayora de
los libros de texto ensean las probabilidades que tienen que ver con
experiencias aleatorias repetibles y que describen sucesos ms que
opiniones acerca de proposiciones o enunciados.
Enfoque estructural: la probabilidad formal es un concepto que
se define por un sistema de axiomas y el conjunto de definiciones y
teoremas que se pueden deducir de esos axiomas. Unas probabilidades
se deducen de otras probabilidades de acuerdo a teoremas
matemticos, sin justificacin para sus valores numricos en ninguna
aplicacin. Para Kolmogorov (1976), la teora de la probabilidad, como
disciplina matemtica que es, puede y debe ser desarrollada desde los
axiomas, exactamente igual que la geometra y el lgebra. Segn
Barnett (1973), este enfoque estructural no clarifica la naturaleza de la
probabilidad aunque los teoremas deducidos son un indicador de
posibles interpretaciones. Sin embargo, puede servir como una
estructura terica para las dos principales concepciones de la
probabilidad, la objetivista y la subjetivista. La posicin objetivista
abarca los enfoques clsico y frecuencialista; segn esta perspectiva, la
probabilidad es un tipo de disposicin de ciertos sistemas fsicos que se
relaciona con frecuencias empricas. Algunos teoremas como las leyes
de los grandes nmeros, confirman esta relacin. La posicin
subjetivista trata la probabilidad como un grado de confianza en
proposiciones que expresan incertidumbre. Los axiomas que se basan
en una conducta de apuestas "racional", como los de coherencia y
consistencia, proporcionan reglas para asignar probabilidades.

Es notable que las teoras estructurales construidas sobre varios


sistemas de axiomas son idnticas para objetivistas y subjetivistas si se
apartan las variantes subjetivistas ms radicales como la de de Finetti.
Esto significa que posiciones competitivas utilizan el mismo lenguaje
axiomtico con respecto a la sintaxis; naturalmente, la semntica es
diferente. A pesar de la equivalencia formal de los enfoques, se
considera que los axiomas de Kolmogorov son una justificacin de la
posicin objetivista, especialmente del modelo frecuencialista.El
modelo estructural no ayuda a determinar un valor para la
probabilidad. En una aplicacin determinada hay que elegir una
interpretacin especfica subjetiva u objetiva para determinar el modelo
y las probabilidades inherentes. Filosficamente, para el estructuralista
no hay forma de decidir qu modelo es mejor (Renyi, 1976).
Un ejemplo estndar de lanzar un dado azul determinado puede
ayudar a ilustrar las diferentes posiciones tericas. El modelo clsico
asigna una probabilidad de 1/6 al suceso de conseguir un seis, porque
se puede asumir que hay seis caras todas ellas igualmente probables.
El modelo frecuencialista asigna una probabilidad realizando ensayos
repetidos o asignando el mismo valor para el dado azul cuando
experiencias con otro dado han producido un resultado de 1/6. En
ambos modelos la probabilidad es una caracterstica inherente del dado
y el procedimiento de lanzamiento. El modelo subjetivista afirma que la
probabilidad es un constructo mental que se puede alterar si se dispone
de nueva informacin acerca del dado. Por ejemplo, se puede asignar
un valor diferente de 1/6 si el dado es negro o ms pesado o ms
pequeo o est suavemente cincelado; por supuesto que se necesita
alguna base para tomar la decisin pero dado que no se considera la
probabilidad como inherente al objeto, no implica ningn problema
lgico que haya valores en conflicto. De hecho, la concepcin
subjetivista no rechaza consideraciones de simetra o de frecuencias
relativas, ambas son importantes para evaluar probabilidades, pero
insiste en que las ideas de simetra o frecuencia hay que hacerlas
explcitas y usarlas con cuidado.
Implicaciones educativas: desgraciadamente, la tradicin
dualstica de la nocin de probabilidad que analizamos en el captulo 1,
todava permanece entre nosotros e interfiere en los debates de
investigacin y en las estrategias didcticas en un modo que
Shaughnessy (1992) califica de insidioso. Este autor afirma que el
hecho de que se discutan los diferentes enfoques de probabilidad que
acabamos de describir no es un problema. Lo que es un problema es
que algunos investigadores hablan de ello como una batalla a ganar,
como si hubiese un nico enfoque correcto de la probabilidad.
Hawkins y Kapadia (1984) se inclinan por el enfoque subjetivista
para abordar la enseanza de la probabilidad. No aconsejan un enfoque
a priori porque empezar diciendo a los nios que cada resultado es
igualmente probable en determinadas situaciones aleatorias (enfoque

clsico), no permite una transferencia natural y suave al estudio de


situaciones aleatorias con distribuciones no uniformes. Tambin
rechazan un enfoque frecuencialista porque esta perspectiva implica,
en definitiva, alguna nocin de infinito y adems ciertas situaciones
aleatorias no se pueden representar con pruebas repetidas. En
resumen, Hawkins y Kapadia aconsejan la enseanza de la probabilidad
va probabilidad subjetiva porque descansa en una "base filosfica
elegante".
Shaughnessy (1992) est en fuerte desacuerdo con Hawkins y
Kapadia y afirma que sera una pesadilla pedaggica basar la
enseanza de la probabilidad nicamente en el enfoque subjetivo. Dice
que nuestra tarea como educadores matemticos es capacitar a
nuestros estudiantes para trabajar con un modelo matematizado de la
probabilidad. Hawkins y Kapadia creen que el enfoque subjetivista es
ms intuitivo porque todos los nios son felices haciendo valoraciones
probabilsticas de un suceso simple, irrepetible. Sin embargo, este
enfoque puede reforzar el sesgo de comprensin del azar que Konold
(1991) bautiz con el nombre del "enfoque del resultado": algunos
sujetos perciben cada ensayo de un experimento aleatorio como un
fenmeno individual, separado, y por tanto, creen que su tarea es
decidir correctamente cul ser el prximo resultado del experimento
ms que estimar la probabilidad de los diversos resultados (describimos
este sesgo en el captulo 2).
La entrada de los ordenadores en las aulas refuerza un enfoque
frecuencialista en la enseanza de la probabilidad en cuanto que se
pueden simular experimentos aleatorios con muchas pruebas repetidas
y examinar rpidamente los efectos de cambios de parmetros en esos
experimentos. Es posible incluso simular en ordenadores tareas de
probabilidad condicionada y por otro lado se pueden representar tareas
de revisin de probabilidades sin tener que recurrir al teorema de
Bayes (ver discusin del dilema de Monty en el captulo 3).
En su conclusin, Hawkins y Kapadia (1984) afirman que tenemos
pocas ideas sobre las concepciones de probabilidad que tienen los
nios de diferentes edades y las que tenemos se contradicen con
mucha frecuencia. Por contra, Shaughnessy (1992) afirma que hemos
aprendido bastante acerca de la comprensin probabilstica de los
nios, aunque por supuesto, no es bastante y an no tenemos el dibujo
completo. En lo que coinciden Hawkins y Kapadia y Shaughnessy es
acerca de las principales cuestiones que la investigacin debera tratar
de responder:
a) Qu concepciones sobre la probabilidad tienen los alumnos de
diversas edades, en concreto los adolescentes? (contestar esta
pregunta ha sido el objetivo de los captulos anteriores de esta tesis).
b) Cmo se podran reforzar o cambiar, si fuera necesario, esas
concepciones?, Hay mtodos ptimos de enseanza y aprendizaje de

las probabilidades? (contestar esta pregunta es el objetivo de lo que


resta de tesis).
No creemos que exista un nico mtodo verdadero y certero de
ensear probabilidades que est esperando a ser descubierto. Ms bien
hay muchos caminos para introducir los conceptos probabilisticos. Por
ejemplo, el modelo de frecuencia relativa trata con datos discretos
mientras el modelo de proporcin, especialmente la probabilidad
geomtrica, puede tratar con datos continuos. Si adoptamos una
perspectiva de modelizacin para la enseanza de la probabilidad, los
conflictos entre un enfoque clsico de equiprobabilidad, un enfoque de
frecuencia relativa o un enfoque subjetivista, no tienen por qu ser un
obstculo en el proceso de enseanza-aprendizaje. Por el contrario, se
debe equipar a profesores y alumnos con representaciones mltiples de
probabilidad; es lo que Steinbring (1991) llama situaciones
significativas. La estadstica en la escuela debe combinar
orgnicamente ideas de diferentes tradiciones filosficas, en particular,
la estadstica como la matemtica de los fenmenos de masas, la
estocstica como la lgica de la incertidumbre, la estadstica como la
tcnica que transforma datos en informacin y la estocstica como
teora de la decisin.
1.2. EL

PROBLEMA DEL CURRCULO DE PROBABILIDADES

Est claro que los alumnos de secundaria han de recibir una


educacin probabilstica pero no se les puede ensear toda la teora de
probabilidades, por tanto hay que seleccionar y secuenciar contenidos,
ste es el problema del currculo. Esta seleccin se puede hacer desde
tres perspectivas o con tres criterios, no siempre compatibles:
epistemolgico, psicolgico y sociolgico. El currculo tradicional
descansa en la disciplina acadmica mientras que las necesidades de la
sociedad y la psicologa se ajustan mejor a otros enfoques curriculares.
Lo que ms influye en el diseo curricular es la tradicin (lo que
siempre se ense) y el conocimiento del profesor; en cambio, la
motivacin del estudiante es un punto crucial en la construccin
curricular que se ignora con demasiada frecuencia.
La mayora de los profesores consideran que las matemticas
escolares y el currculo estn estrictamente fijados y jerrquicamente
estructurados, de acuerdo al carcter unificado de las matemticas y a
su estructura lgica. Desde tal perspectiva, organizan sus actividades
de clase segn la estructura de su propio conocimiento matemtico y
presentan las matemticas a los alumnos como un objeto ya hecho y
de una manera simplificada. Sin embargo, las fuentes de los currcula
no pueden descansar exclusivamente en la disciplina misma porque la
disciplina como una teora cerrada se organiza segn criterios lgicos
que no cubren el amplio espectro de relaciones que estaban activas en
la fase de emergencia de la disciplina. Hay que centrarse en ideas que
sean intuitivamente accesibles para que los pasos de formalizacin
sean razonables y no se restrinja la enseanza slo a conexiones

lgicas. Hay que utilizar medios de representacin que sean ms fciles


de comprender y hay que integrar la discusin sobre posibles
concepciones errneas de la teora lo cual se puede hacer mediante la
discusin de paradojas en la clase (por ejemplo, las descritas en el
captulo 1). Los principios bsicos del diseo curricular deben ser: la
propia disciplina, los intereses de los estudiantes, sus prerrequisitos
matemticos, la conexin con sus propias ideas previas y la
transferencia de conocimientos, desde dentro hacia fuera del aula y
viceversa (Ahlgren y Garfield, 1991).
Aunque hay que reconocer que hay mucha menos tradicin en
estudios sobre la enseanza de las probabilidades que en estudios
sobre la enseanza de otras ramas de las matemticas como el lgebra
o el clculo, sin embargo, se detecta que hay distintos enfoques sobre
la instruccin de la probabilidad segn los diferentes entornos
culturales. La tradicin continental europea (Alemania, Francia y
Espaa) est fuertemente basada en combinatoria y clculo y defiende
que la estadstica no se puede ensear y comprender sin una apropiada
base de teora de probabilidades. La tradicin anglosajona (Gran
Bretaa y EEUU) est basada en un enfoque experimental en el que la
probabilidad es slo un posible pero no necesario aspecto de la
aproximacin a la estadstica. Es una manifestacin de la controversia
racionalismo vs empirismo que analizamos en el captulo de
introduccin de esta tesis.
Las diferencias culturales han dirigido a diferentes enfoques del
diseo curricular (Borovcnik, 1991). El movimiento de "numerismo
estadstico", que consiste en explorar datos sin profundizar en
cuestiones de probabilidad, ha crecido en la cultura anglo-americana
que pone el acento en la estructuracin de la realidad (el modo de
resolver problemas reales). En la cultura continental europea la
cuestin central es el desarrollo del pensamiento estocstico y se pone
el acento en las conexiones estructurales (el modo en que los
conceptos probabilsticos ayudan a estructurar el propio pensamiento).
Los profesores anglo-americanos se muestran escpticos ante la
posibilidad de estructurar el pensamiento de muchos estudiantes
mediante la imposicin de ideas probabilsticas formales (Piazza, 1988).
Una discusin muy interesante se refiere a la relacin de la
combinatoria con la teora de probabilidades. Para la tradicin
continental europea el dominio de la combinatoria es muy conveniente
para la comprensin de las leyes y clculos del azar; todava ms, es
absolutamente necesario si se asume que el esquema combinatorio es
una herramienta cognitiva que forma parte del pensamiento ms
desarrollado el cual es requisito imprescindible para la comprensin de
la probabilidad. Por contra, los profesores americanos no se extienden
en mtodos combinatorios para calcular probabilidades en espacios
muestrales finitos porque consideran que la combinatoria es un tema
diferente y ms difcil que la probabilidad. Afirman que los estudiantes
de todos los niveles encuentran los problemas de combinatoria

confusos y difciles, que el estudio de la combinatoria no supone una


mejor comprensin conceptual del azar y que es menos eficaz que
otros temas para desarrollar la habilidad de utilizar modelos
probabilsticos. En la mayora de los casos evitan todos los problemas
de conteo salvo los ms simples.
1.3. EL

PAPEL DE LOS PROFESORES Y EL PROBLEMA DE SU FORMACIN

Beyth-Marom y Dekel (1983) crearon y experimentaron un


currculo entero dirigido a mejorar el razonamiento probabilstico. Uno
de sus hallazgos fue que los profesores que enseaban con ellos el
nuevo currculo, tenan dificultades en comprender algunos de los
conceptos. Roseberry y Rubin (1989) tambin han escrito sobre el
problema de las concepciones errneas de los profesores cuando se
intenta una intervencin instruccional. Los investigadores encontraron
que el conocimiento previo de estadstica de los profesores no estaba
estructurado para facilitar el razonamiento y consista en simples
frmulas. Estos problemas encontrados en ambas investigaciones
alertan sobre la importancia del profesor en cualquier innovacin
curricular que se proponga superar las concepciones errneas
probabilsticas de los estudiantes; tenemos que tratar primero las ideas
errneas de los profesores si pretendemos que sean competentes en la
enseanza que imparten, dirigida muchas veces a superar los
conceptos errneos de sus alumnos (Charles, 1989; Thompson, 1989).
Por otro lado, los intentos de introducir nuevos temas en la
instruccin matemtica (la teora de probabilidades es un tema que
resulta novedoso para muchos profesores) y de hacer sugerencias
concretas para la aplicacin en el aula son frecuentemente sesgados
acerca del papel del profesor. Por encima de todo, el profesor es
considerado como un comunicador del conocimiento matemtico. Esto
lleva a un esfuerzo de suministrar los nuevos materiales de una forma
detallada y pret-a-porter para asegurar que se pueden integrar en la
enseanza inmediatamente. Con demasiada frecuencia, tanto los
investigadores como los profesores trabajan en base de esta
comprensin limitada. Los profesores implcitamente esperan
actividades de perfeccionamiento y formacin para utilizar
inmediatamente el material mientras esta actitud induce a los
educadores e investigadores a desarrollar sugerencias que se puedan
aplicar directamente en el aula.
El intento de preparar material de enseanza perfectamente
estructurado y finalizado sin intervencin del profesor de aula, ha
fracasado. Los problemas de comprensin de los estudiantes requieren
una intervencin activa del profesor y ajustes constantes de los
materiales de enseanza. El profesor debe intervenir activamente en
este proceso ya que debe conformarlo, modificarlo, organizarlo y
evaluarlo. Los problemas con el material pret-a-porter ha animado a los
profesores ms motivados a desarrollar su propio material. Este papel
del profesor tambin se promovi desde la perspectiva del aprendizaje

escolar en funcin del desarrollo cognitivo. Esta concepcin del proceso


de enseanza-aprendizaje ve al profesor como un decisor activo y
organizador de las actividades de clase ya que es l quien est
familiarizado con el conocimiento previo y las habilidades de sus
alumnos y las condiciones en el aula. Es tremendamente atractiva y til
la tarea de que cada profesor intente desarrollar sus propios materiales
didcticos pero pensamos que es poco realista esperar que muchos
profesores desarrollen materiales completos independientemente unos
de otros.
Ambas visiones extremas del papel del profesor no mejoran la
enseanza: ni es el profesor un mero transmisor de la materia
enseada ni es sensato considerar a todo profesor individual como un
diseador de currculo. Las demandas y necesidades de la enseanza
en el aula se deben tomar en consideracin cuando se desarrollan
materiales y actividades educativas y ello implica que no es posible
hacer sugerencias de enseanza que ignoren al profesor. Esta idea es la
que ha guiado nuestra propuesta de organizacin semi-elaborada de
materiales y de preparacin de profesores que iban a intervenir en el
diseo y experimentacin de nuestra metodologa de instruccin.
1.4.

EL

PROBLEMA DE LOS MTODOS DE ENSEANZA-APRENDIZAJE

La enseanza tradicional est gobernada por la idea de que el


conocimiento matemtico se puede adquirir de un modo lineal. Esto
significa que el profesor debe definir inicialmente conceptos bsicos
para poder introducir gradualmente los dems elementos de
conocimiento en su estructura. Se requieren fundamentos fijos y claros
conceptualmente para asegurar el aprendizaje del conocimiento
matemtico. La fundamentacin axiomtica contiene, en principio, todo
este conocimiento que slo tiene que presentarse de modo aditivo.
Dos estrategias de enseanza se ajustan a este enfoque tradicional: la
concreta-ingenua y el enfoque lgico, en trminos de Kapadia y
Borovcnik (1991).
En la enseanza concreta-ingenua, el profesor se orienta sobre
todo a cultivar la intuicin, a hacer la materia concreta y a ilustrarla por
medio de ejemplos. La intencin es presentar la materia al alumno de
un modo ilustrativo, subdividida en pequeos segmentos y de modo
que se pueda representar concretamente. Este metodo de enseanza
se practica principalmente en la primaria y a comienzos de la
secundaria.
Dentro de la enseanza secundaria se desarrolla otro mtodo de
enseanza, lgico o estructural, que enfatiza las conexiones
matemticas consistentes. El modo de justificar y organizar el proceso
de enseanza-aprendizaje consiste en supeditarlo a la estructura
interna del currculo matemtico que est organizado de una manera
consistente. Esta concepcin didctica no implica que la estructura
lgica de las matemticas se presente inmediatamente para ser

aprendida sino que el foco y orientacin de la enseanza consiste en


hacer explcita esta estructura. Este mtodo de enseanza se
caracteriza por el carcter dominante del patrn pregunta y respuesta
en la enseanza directa, la ausencia de trabajo experimental y prctico
y tambin por el patrn de enseanza de "los tres pasos" (presentar
ejemplos, desarrollar reglas o tcnicas matemticas para los clculos y
por ltimo practicar esas reglas por medio de ms problemas o
aplicaciones) (Drfler, 1984; Drfler y McLone, 1986). Steinbring (1991)
afirma que las consecuencias de este enfoque estructural en la
enseanza son: 1) la tendencia a proporcionar un montn de
definiciones ( y slo unos pocos teoremas y de stos algunos triviales)
lo cual mata la motivacin; 2) la tendencia a definir cosas que
sistemticamente no se usan; 3) la obsesin de utilizar tantos trminos
especficos de la disciplina como sea posible; y 4) el inters para
conseguir formulaciones definitivas, irrecusables desde el principio.
Si nos centramos en la probabilidad tambin los dos mtodos
tradicionales de enseanza se basan en el trabajo concreto, uno y en la
consistencia, el otro. El enfoque concreto se centra en experimentos y
juegos ideales de azar. Para definir la probabilidad se utilizan
frecuencias, proporciones numricas y simetras. Opuesto de alguna
manera a este modo concreto-intuitivo de enseanza est el mtodo
que pone el nfasis en la consistencia interna de los conceptos y en la
fundamentacin interior del currculum estocstico. Esto significa que el
profesor introduce unos cuantos conceptos bsicos: resultado, suceso,
suceso seguro e imposible, espacio muestral, etc. Se entiende que esos
conceptos proporcionan una slida fundamentacin para el desarrollo
posterior. La intencin especfica es dar definiciones claras de
conceptos, libres de dudas y ambigedades. Este mtodo de
enseanza casi siempre usa la nocin de probabilidad clsica laplaciana
y hace un uso exagerado de la teora de conjuntos y del lgebra
booleana.
Frecuentemente hay una sucesin temporal entre esos dos tipos
bsicos de enseanza probabilstica. El profesor comienza, en los
cursos iniciales, con trabajo concreto. Ms tarde, se desarrolla la teora
consistentemente. Sin embargo, no hay discusin acerca de la conexin
conceptual entre los dos enfoques; no se discute que una y otra parte
son slo una perspectiva diferente del mismo concepto de probabilidad.
En nuestra propuesta didctica esta conexin es crucial: es la
interaccin entre intuiciones y matemticas la fuente del desarrollo del
conocimiento matemtico.
A pesar de esas diferentes perspectivas en los dos tipos bsico de
enseanza, ambos parten de la idea de que el conocimiento
matemtico puede extenderse e integrarse gradualmente en la
estructura global del currculum sumando pequeos elementos pieza a
pieza. Por otro lado, ambos enfoques ocultan el significado completo
del concepto en cuanto que la probabilidad ni es slo una propiedad
emprica ni es slo una propiedad matemtica sino la combinacin de
esos dos aspectos. Steinbring (1991) defiende esta tensin entre

aspectos empricos y tericos y la no reductibilidad a uno de ellos y


afirma que cualquier intento de ensear desde el principio una teora
de probabilidad segn su estructura lgico-matemtica, lleva a una
circularidad. Ilustra esta afirmacin con el anlisis de las nociones
bsicas de probabilidad y aleatoriedad: para poder discutir sobre la
aleatoriedad se debe tener previamente un concepto de probabilidad
que a su vez exige el concepto de aleatoriedad.
En definitiva, ante la dicotoma: variable lgica de la matemtica
versus variable psicolgica del alumno, en la enseanza tradicional se
prima la primera variable y se descuida la segunda. En algunas
propuestas de innovacin de la enseanza de las matemticas, ocurre
lo contrario: se focaliza exclusivamente el proceso de enseanza en el
alumno. Como veremos, nuestro enfoque parte de una determinada
consideracin epistemolgica de la matemtica y propone una
integracin de la variable lgica y la variable psicolgica en un proceso
de cambio conceptual que tiene en cuenta las consideraciones que
acabamos de realizar.
1.5. EL

PAPEL DE LOS ORDENADORES EN LA ENSEANZA

El significado de los conceptos probabilsticos no slo depende


del nivel de la teora y de su representacin sino tambin de los medios
de trabajar con ellos. Las herramientas para representar el
conocimiento parecen tener un impacto considerable en la adquisicin
por los sujetos de este conocimiento. Claramente la llegada de los
ordenadores marca un cambio significativo en estas herramientas y por
tanto debe provocar algn cambio en el proceso de enseanzaaprendizaje. Por ejemplo, tradicionalmente el nmero se ha definido
como la razn de la longitud de la circunferencia a su dimetro; en un
contexto computacional se puede definir como 4 veces la
probabilidad de que un dardo impacte en una diana circular de radio 1
inscrita en un cuadrado y es muy sugerente disear una simulacin por
ordenador de la situacin aleatoria implicada. Sin embargo, hasta hoy,
son muy pocos los estudios sobre la influencia del ordenador en el
aprendizaje y comprensin de las probabilidades. Parece que esta
situacin es temporal y segn informa Shaughnessy (1992) hay gran
actividad en el campo, de la que se espera que pronto de resultados.
Biehler (1988, 1991) proporciona una panormica del software
existente y desarrolla una estructura terica para la investigacin de su
eficacia educativa. Todava no hay disponible un paquete estocstico
que rena los requisitos tericos y didcticos necesarios pero hay dos
tendencias de desarrollo interesantes: desarrollo de paquetes
especiales ajustados a las necesidades educativas y utilizacin del
software profesional existente en anlisis estadstico y lenguajes
estadsticos interactivos.
Hay un acuerdo casi universal entre los investigadores que las
simulaciones por ordenador, las hojas de clculo y la utilizacin de
ordenadores para realizar anlisis exploratorios de datos son las

direcciones que debera seguir la educacin probabilstica (Landerwehr


y Watkins, 1986, 1987). Nosotros hemos utilizado una hoja de clculo
para que los estudiantes analicen la diferencia entre los conceptos de
convergencia funcional y convergencia en probabilidad (Senz, 1992) y
para que realicen el tratamiento estadstico de indicadores
macroeconmicos (Senz, 1987); tambin hemos diseado una
simulacin por ordenador de la ley de los grandes nmeros (Senz y
Garca, 1986). El ordenador nos permite investigar situaciones ms
reales que los ejercicios tradicionales de clase, los cuales se plantean
tratando de evitar el salto que hay entre la complejidad de las
situaciones reales y las limitadas destrezas computacionales de los
estudiantes.
Ciertamente, los ordenadores han revolucionado las prcticas
estadsticas de anlisis de datos y simulacin. Un nuevo tipo de
racionalidad se basa en la prueba por simulacin. Los algoritmos
iterativos o recursivos llevan a una representacin de los problemas
diferente a la que producen los modelos y frmulas cerradas que eran
tradicionales en la estocstica. Los mtodos grficos y de visualizacin
facilitan la representacin de los modelos con diferentes niveles de
abstraccin ofreciendo la posibilidad de interaccin. La programacin
implicada no es una mera herramienta tcnica sino que es un
instrumento para pensar. Esto puede llevar a una reestructuracin de
las matemticas desde un punto de vista algortmico (Papert, 1980).
Con todo hay que conseguir que la utilizacin de la simulacin
por ordenador no sustituya completamente a otras representaciones
ms concretas de los experimentos aleatorios. Es muy importante que
los estudiantes pasen por la experiencia de generar y reunir sus propios
datos fsicamente, con aparatos aleatorios (tales como ruletas, dados o
monedas) antes de que puedan aceptar o comprender los datos
proporcionados por una simulacin electrnica. Es necesario establecer
conexiones entre simulaciones concretas y simulaciones por ordenador,
en el proceso de enseanza-aprendizaje y estudiar los efectos de la
transicin entre las dos representaciones. Este es el propsito que nos
gua en nuestra propuesta instruccional.
En definitiva, la literatura sobre la utilizacin de los ordenadores
en la enseanza de las probabilidades proporciona muchas sugerencias
didcticas pero existe poca investigacin emprica y evaluacin de la
utilidad de esas sugerencias. Esta investigacin es absolutamente
necesaria para conocer, por ejemplo, cmo se modifican las
concepciones de los estudiantes cuando el proceso de enseanzaaprendizaje se realiza en un entorno de ordenadores. O cmo se
modifica el papel del profesor en un aula computarizada en la que el
profesor ya no es el Orculo de Delfos, de donde procede todo
conocimiento, como lo era en el aula tradicional.
2.- EPISTEMOLOGA Y ESTILOS DE ENSEANZA

La naturaleza del conocimiento matemtico y la concepcin que


el profesor tiene de este conocimiento determinan el proceso de
enseanza en grado muy alto. As, el enfoque educacional de
simplificar la materia y explicarla consistentemente se identifica con la
estructura lgica, hipottico-deductiva, de las matemticas, tal como
hemos tenido ocasin de analizar en el apartado anterior.
Steinbring (1991) presenta un modelo de enseanza de las
probabilidades con una slida base epistemolgica que consideramos
interesante revisar ya que tiene importantes puntos en comn con
nuestra propia propuesta didctica. Tres son las ideas bsicas de su
propuesta:
a) La naturaleza terica de la probabilidad: el carcter terico del
conocimiento estocstico significa que los conceptos bsicos no pueden
definir completamente la probabilidad sino, por el contrario, se forman
mientras se desarrolla la teora de probabilidades. Por eso es necesario
crear una estructura educacional en la que la relacin entre
probabilidad y aleatoriedad y tambin entre las diversas formas de
representar la probabilidad permita a los conceptos y la teora revelarse
al unsono. El proceso de enseanza debe reflejar la paradoja de que la
clarificacin y la comprensin de los conceptos fundamentales slo se
pueden alcanzar mediante la teora desarrollada completamente en el
curso de la enseanza. Una condicin necesaria para cumplir este
requerimiento es evitar el desarrollo de la teora de probabilidades
basndose exclusivamente en la frecuencia relativa o en la simetra
clsica. Otra condicin es no poner el nfasis exclusivamente en
frmulas matemticas y clculos tcnicos porque ello oculta la
interpretacin y pensamiento estocstico.
b) Modos de representacin de los conceptos probabilsticos: si en
la teora de probabilidades la relacin entre objeto y modelo no se
puede ignorar (pensemos, por ejemplo, en el doble significado de la
idea de equiprobabilidad como experiencia aleatoria y como
distribucin uniforme), permanece la cuestin de cmo desarrollar esta
relacin matemticamente. Histricamente se han desarrollado una
gran cantidad de medios conceptuales de descripcin y presentacin,
con el objeto de caracterizar esta relacin. Hay dos tipos de
representaciones para ejemplificar la tensin entre una situacin
aleatoria y su modelo estocstico que conviene destacar.
Por un lado estn todos los diagramas relativos a la
representacin de las frecuencias. Relevantes para el aula son las
tablas, estadillos, diagramas de sectores, grficos de barras,
histogramas, poligonales, etc. Por otro lado estn los diferentes tipos de
diagramas de rbol que tienen su aplicacin principal en el clculo
probabilstico. La comparacin de diferentes representaciones
proporciona nuevas ideas sobre las relaciones entre una situacin
concreta y su modelizacin estadstica. Cada representacin trata esta
relacin de un modo especfico.
As, el diagrama de rbol se puede

interpretar bien como un diagrama de flujo para realizar un


experimento concreto bien como una caracterizacin de todas las
posibilidades que ocurren en la conformacin de un modelo. Por tanto,
el diagrama de rbol se puede utilizar para describir experimentos
especficos y tambin se puede utilizar como un escenario para un gran
nmero de experimentos idealizados; tambin puede servir para
deducir las reglas de caminos (reglas de adicin y multiplicacin de
probabilidades) y para establecer modelos estocsticos como la
distribucin binomial.
Las diferentes variantes de grficos estadsticos se pueden
utilizar para representar, ordenar y relacionar datos. Es posible hacer
comparaciones absolutas y relativas, o bien por areas o por lneas. Las
distribuciones caracterizan simultneamente el sistema global de las
cantidades observadas y muestran caractersticas salientes especficas
como simetras, medias, varianzas, etc. El papel educativo de las
representaciones grficas es muy importante. Esas caractersticas
especficas de las distribuciones y el anlisis de situaciones aleatorias
nos permite comparar distribuciones observadas empricamente con
sus posibles modelos matemticos.
Para la instruccin matemtica, los medios de representacin y
actividad son de fundamental importancia porque permiten el
desarrollo de conceptos y la formacin de nuevo conocimiento. Los
diferentes modos de representacin son una expresin del hecho de
que la adquisicin de conocimiento procede por etapas y saltos; esto
entra en conflicto con una concepcin del desarrollo de la ciencia en la
que es posible la adicin de nuevos elementos de conocimiento a la
base de una estructura dada.
Las indicaciones didcticas no pueden anticipar la prctica de
enseanza en todos sus detalles de tal manera que hagan superfluo el
papel del profesor. Qu tipo de propuestas cumplen este difcil
requerimiento de contener simultneamente elementos tericos y
sistemticos, y orientaciones efectivas para la prctica? Qu clase de
materiales de enseanza promueven el papel activo de los profesores y
permiten alternativas y desviaciones sin limitarse esos materiales a un
enfoque unidireccional y parcial? Steinbring propone la metodologa de
sistemas de tareas.
c) Sistemas de tareas: la tarea matemtica desempea un
importante papel tanto en la clase como en la comprensin del profesor
de la instruccin matemtica. Las tareas son las unidades ms
pequeas de actividad de clase que permiten al profesor interrelacionar
el contenido comunicativo-social de la instruccin con el contenido
especfico de la materia. Los profesores de matemticas
frecuentemente piensan y hablan sobre la enseanza en trminos de
tareas; las tareas son, de alguna manera, sus conceptos. Sin embargo,
utilizan esos conceptos pragmticamente; esos conceptos estn
altamente entrecruzados con los requerimientos locales y pierden su

significado sin este contexto. El uso apropiado de tareas requiere en


principio mucha experiencia prctica y esto se puede observar en lo
que se llama un buen profesor.
Las tareas matemticas que tienen sentido no se presentan
aisladas. Se conectan siempre a un contexto de un problema ms
amplio que comunica significado y coherencia en un cierto grado. En
este sentido las tareas matemticas serias son distintas de
rompecabezas; no es una forma ptima de enseanza ni la prescripcin
de numerosos ejercicios rutinarios ni una mezcla aleatoria de tareas
vagamente ligadas entre s. Por tanto es importante desarrollar el
concepto de sistema de tareas que est entre esos extremos.
Para que varias tareas individuales formen un sistema deben
relacionarse a un objeto comn aunque lo hagan desde diferentes
perspectivas. Adems, las tareas deben ser anlogas entre s; el
concepto de analoga es de especial importancia para construir y
describir sistemas de tarea. Plya (1981) y Freudenthal (1973)
aconsejan la bsqueda de problemas anlogos como una estrategia
para resolver problemas y explican que el elemento crucial de la
analoga descansa en la similitud de ciertos tipos de relaciones. Dos
estrategias importantes para construir tareas anlogas son la de variar
las constantes del problema y la de cambiar de modelo (se pueden
analizar desde esta perspectiva los problemas 5 y 8 de nuestra primera
investigacin, p.124). Esas dos formas de analoga representan
distintos tipos de requerimiento al alumno: las tareas de un sistema
que son anlogas porque consisten en un simple cambio de constantes,
tienen el objetivo primario de desarrollar y consolidar destrezas; en el
caso de un cambio de modelo entre tareas anlogas, el nfasis se pone
en aspectos de comprensin conceptual.
El anlisis del concepto de sistema de tareas como una
componente importante del conocimiento profesional de los profesores
lo utiliza Steinbring (1991) como un ejemplo de aquellos enfoques
didcticos que, en su opinin, son efectivos y tiles para la enseanza
de las probabilidades. Para la adquisicin del conocimiento matemtico
es necesaria una cierta complejidad de tareas porque es esta
caracterstica la que permite acceder al conocimiento terico. Los
enfoques de enseanza tienen que proporcionar orientaciones,
principios y materiales para la probabilidad escolar que sean
consistentes con la base de las dificultades epistemolgicas del
conocimiento
estocstico.
Compartimos
esta
preocupacin
epistemolgica de Steinbring como tendremos ocasin de mostrar en el
siguiente captulo.
3.- TEORAS COGNITIVAS Y ESTILOS DE ENSEANZA
La investigacin psicolgica ha estudiado desde diversas
perspectivas los procesos cognitivos en la comprensin y aplicacin de

los conceptos y leyes probabilsticas y nos parece que sus hallazgos


tienen implicaciones interesantes para el proceso de enseanzaaprendizaje de la teora de probabilidades (Falk y Konold, 1991). Como
en otros muchos temas, los primeros trabajos sobre la gnesis y
desarrollo del concepto de probabilidad fueron realizados en el marco
de la teora piagetiana (Piaget e Inhelder, 1951; ver captulo 2): el
concepto de probabilidad es uno de los esquemas formales que
emergen durante la adolescencia. Si admitimos, siguiendo esta teora,
que el pensamiento formal no slo es condicin necesaria sino
probablemente suficiente, para acceder al conocimiento cientfico sobre
el azar y la probabilidad, la aplicacin educativa consistir
bsicamente, o bien, en aguardar pacientemente a que los nios
lleguen al periodo de las operaciones formales siguiendo su evolucin
intelectual natural, o bien, si se es acrrimo partidario de la
intervencin escolar, en disear currcula que fomenten el desarrollo
cognitivo del adolescente, facilitando su acceso a las operaciones
formales. En cualquier caso, la enseanza de los conceptos de azar y
probabilidad, antes del pensamiento formal es intil y despus
probablemente superflua, segn una interpretacin extrema de la
teora piagetiana.
Los trabajos realizados dentro del enfoque de sesgos
cognitivos contradicen la idea piagetiana de que a partir de la
adolescencia aplicamos un esquema de probabilidad similar al
propuesto por la norma matemtica en todos aquellos problemas
profesionales o cotidianos que lo requieran. Diversos autores han
proporcionado muchos datos sobre los errores sistemticos que
cometen personas adultas, muchas de ellas universitarias y por tanto
con pensamiento formal, al juzgar o resolver problemas en situaciones
de incertidumbre (Caverni, Fabre y Gonzlez, 1990). Dentro del
paradigma de heursticos y sesgos realizamos la primera investigacin
de esta tesis.
Otra lnea de investigacin distinta de la anterior en su marco
terico y metodologa pero que tambin ha chocado con el retrato
intelectual racionalista del adolescente que nos ofrece la teora de
Piaget, es la que se engloba bajo las etiquetas de preconceptos, ideas
previas, concepciones alternativas o concepciones espontneas
(Carey,1988; Driver,1986; Helm y Novak, 1983; etc.). Esta perspectiva
se ha mostrado muy fecunda en la enseanza de las ciencias
experimentales pero se ha utilizado mucho menos en la enseanza de
las matemticas. En este campo se ha propuesto un enfoque basado en
la interaccin entre intuiciones y leyes matemticas (Fischbein,
1987), que es el que hemos utilizado en captulos anteriores. Pensamos
que ambas perspectivas comparten ideas esenciales, a saber:
a) Los alumnos tienen ideas intuitivas sobre los fenmenos
cientficos, previas
a cualquier enseanza cientfica; estas ideas
previas (intuiciones primarias, para Fischbein) tienen su origen en la
experiencia cotidiana de los alumnos y por tanto gozan de un cierto

valor predictivo, lo que las hace funcionales y persistentes en la


estructura cognitiva humana.
b) Ahora bien, algunas de estas preconcepciones o intuiciones se
hallan bastante alejadas del conocimiento cientfico y entran en
contradiccin con l, llevando al alumno a errores sistemticos. Es por
ello que ensear ciencia no es un proceso simple que consiste en
mostrar las teoras cientficas para que los alumnos las aprendan,
ignorando sus concepciones alternativas y primarias, sino que es un
proceso complejo que consiste en conseguir que los alumnos
modifiquen o sustituyan sus ideas intuitivas, pero firmemente
arraigadas, sobre los fenmenos naturales por otros conceptos ms
avanzados y ms prximos a las teoras cientficas admitidas; es decir,
el objetivo de la instruccin debe ser conseguir un revolucionario (en el
sentido de Kuhn, 1970) cambio conceptual. Para lograr este avance o
cambio conceptual de los alumnos es necesario conectar la ciencia con
sus concepciones espontneas y con las experiencias cotidianas en la
que stas se basan, partiendo en todo momento de posiciones que
reconozcan el carcter constructivo del aprendizaje (Pozo, 1987a).
Compartiendo los dos enfoques las ideas esenciales, el modelo de
Fischbein tiene la ventaja, a nuestro parecer, de incorporar
explcitamente
los
heursticos
de
juicio
(accesibilidad,
representatividad, anclaje y ajuste) como factores cognitivos de
inmediatez que conforman las intuiciones. Por ello elegimos este marco
terico para realizar la segunda investigacin de esta tesis que nos
permiti perfilar una radiografa completa del sistema de ideas
probabilsticas de los adolescentes, establecer una categorizacin de
esas ideas segn su aceptacin intuitiva por los adolescentes e
investigar la influencia de ciertas variables de la tarea y del sujeto (ao
escolar, sexo, estilo cognitivo, conocimientos previos y habilidad
matemtica general) en su pensamiento probabilstico.
De las distintas teoras que acabamos de enunciar se siguen
distintas estrategias didcticas. La metodologa ms comn es la
transmisin expositiva en sus distintas formas (clase magistral, libro
de texto convencional, etc.); esta metodologa ignora las ideas previas
de los estudiantes y basa la enseanza nicamente en la propia
estructura de la materia. La idea que subyace a este planteamiento es
que si la estructura de un tpico, por ejemplo teora de probabilidades,
se presenta de un modo bien organizado en trminos de relaciones
formales entre los conceptos cientficos, esto permitir que los alumnos
desarrollen esta estructura conceptual por s mismos. Hay que advertir
sobre los problemas inherentes a este enfoque: las ideas previas
pueden persistir a lo largo del nivel universitario a pesar de dicha
instruccin; se puede producir una compartimentacin del pensamiento
de los estudiantes, el conocimiento escolar est separado del
conocimiento cotidiano y solamente se usa para contestar problemas
"escolares" o preguntas de examen.

La estrategia didctica que se deriva de la concepcin piagetiana


tiene como objetivo el facilitar al alumno el dominio del mtodo
cientfico y no tanto el de proporcionarle los contenidos de la ciencia; es
una estrategia de enseanza por descubrimiento y no una
transmisin verbal de conceptos cientficos, que no slo es ineficaz sino
contraproducente. En lugar de ensear al alumno uno a uno los
conceptos cientficos, es ms eficaz proporcionarle la capacidad de
descubrirlos o construirlos por s mismos.
Desde el marco terico de las concepciones espontneas se
cuestiona la enseanza por descubrimiento ya que no parece posible
que los alumnos generen o inventen en contextos de instruccin, por
muy adecuados que sean, los conceptos cientficos bsicos. El alumno,
por s slo, a lo ms que accede es a unas concepciones que se hallan
bastante alejadas del conocimiento cientfico que se le intenta
transmitir y que, de hecho, obstaculizan seriamente su adquisicin. Es
decir, no se cuestiona la capacidad de los estudiantes para investigar
por s mismos y extraer inferencias de sus observaciones, sino que se
afirma que los estudiantes no "descubren" necesariamente lo que se
pretende e incluso, en muchos casos, usan la evidencia emprica para
reforzar sus nociones previas ms que para estimular el cambio. Desde
estas posiciones se postula que, para que se produzca el cambio
conceptual, es preciso que el alumno reciba aquellas teoras
cientficas que no sea capaz de descubrir por s mismo. Ahora bien,
para que esa enseanza receptiva sea eficaz ha de alejarse
radicalmente de la vieja enseanza repetitiva tradicional que conduce a
un aprendizaje memorstico y no significativo, mantenindose dentro
de posiciones constructivistas y acompandose siempre de
ejercicios de descubrimiento y consolidacin de los conceptos
adquiridos (Ausubel, Novak y Hanesian, 1978; Pozo, 1987a).
Como se ve, el paisaje de la enseanza de las ciencias tiene
tantas luces y sombras que cualquier percepcin se presenta borrosa e
incluso irreal. La complejidad del proceso de aprendizaje de conceptos
cientficos es tal que no hay recetas fciles ni soluciones unvocas sino
estrategias igualmente complejas para la enseanza de esos
conceptos. Y si no hay un "camino real" a la enseanza de las ciencias
experimentales, donde tanto se ha investigado, mucho menos lo hay
en el campo, mucho menos explorado, de la enseanza de las
probabilidades y estadstica. La estrategia didctica usual en esta
disciplina consiste en retrasar el comienzo de la instruccin hasta
edades avanzadas del alumno (14 aos), tal como parece deducirse de
la concepcin piagetiana, y exponer luego al alumno la teora formal de
probabilidades. El resultado es un escaso dominio de los conceptos
probabilsticos y un razonamiento probabilstico con sesgos e
intuiciones errneas, incluso en alumnos universitarios, como se puede
comprobar en las investigaciones anteriores de esta tesis.
4.- CONCLUSIONES

Como se deduce de todo lo dicho en este captulo, la enseanza


de la probabilidad es un problema pendiente de resolver porque su
solucin no es fcil. No hubiera sido necesario un anlisis como el que
hemos realizado a lo largo del captulo para llegar a una afirmacin tan
obvia como la que acabamos de hacer pero es que, gracias a este
anlisis, sabemos un poco ms acerca del problema de la enseanza de
las probabilidades. Por supuesto que no hemos encontrado el "camino
real" que conduce a la solucin y es posible que este camino ni siquiera
exista pero del anlisis realizado emerge, sobre todo, una idea que
consideramos interesante explorar: la idea de la integracin.
Desde la perspectiva psicolgica, parece factible integrar las
cuatro tradiciones tericas citadas en el apartado anterior (teora
piagetiana, el paradigma de heursticos y sesgos, la teora sobre la
intuicin de Fischbein y el enfoque de las concepciones alternativas), no
en el terreno de la ciencia cognitiva, donde no es posible o por lo
menos supera con mucho la pretensin de este trabajo, sino en el
terreno de las estrategias didcticas que es el campo de aplicacin e
integracin, el "banco de pruebas" tradicional, de las teoras
psicolgicas del aprendizaje. Desde la perspectiva epistemolgica, la
propuesta de Steinbring (1991) que revisamos en el apartado 2, nos
parece muy sugerente y consistente pero tiene una limitacin o
carencia que consideramos muy importante: no contiene una reflexin
explcita sobre los procesos cognitivos que se producen en la
comprensin y adquisicin de la ciencia probabilstica por los
estudiantes; dicho de otro modo, no tiene en cuenta las aportaciones
de las diversas teoras cognitivas del aprendizaje.
uncionar un mtodo de instruccin que se base en la
F
interrelacin explcita de una componente epistemolgica y una
componente cognitiva? Que integre la perspectiva de la disciplina a
aprender (epistemologa) y la perspectiva del alumno que aprende
(psicologa)? Un mtodo de instruccin diseado con esta
caracterstica, debe reflejar las implicaciones didcticas que hemos ido
obteniendo en esta tesis, a partir de la reflexin histricoepistemolgica sobre las leyes matemticas de la probabilidad, de la
revisin de los paradigmas psicolgicos ms relevantes sobre el
pensamiento probabilstico y del anlisis de investigaciones empricas
sobre comprensin probabilstica de los adolescentes realizadas desde
una perspectiva didctica. Resumimos en la tabla siguiente dichas
implicaciones para la enseanza de la probabilidad en el nivel
secundario.

PERSPECTIVA DE ANLISIS

IMPLICACIONES DIDCTICAS.
ASPECTOS A TENER EN CUENTA
EN EL PROCESO DE ENSEANZAAPRENDIZAJE

histrico-epistemolgica
(captulo 1)

-los diversos enfoques de la


probabilidad (clsico,
frecuencialista, subjetivista,
estructural)
-las paradojas y falacias en el
desarrollo histrico de la teora
matemtica de las
probabilidades

psicolgica
(captulo 2)

-la concepcin de la tarea


-la concepcin del sujeto
-la concepcin de la relacin
sujeto-tarea

didctica
(captulos 3, 4 y 5)

-la naturaleza contingente y


constructiva del pensamiento
probabilstico
-el sistema de ideas personales
en coexistencia (no siempre
pacfica) con el sistema formal
de la teora de la probabilidad
-la epistemologa de la
probabilidad en el aula
-las teoras cognitivas y su
influencia en los estilos de
enseanza

N
Los conceptos de azar e incertidumbre son tan Viejos como la civilizacin misma.
Aproximadamente en el 3500 a.C., los juegos de azar eran practicados con objetos de
hueso, fueron ampliamente desarrolladas en Egipto y otros lugares. Dados cbicos con
marcas virtualmente idnticas a los dados modernos han sido encontrados en tumbas
egipcias que datan del ao 2000 a.C.
3. El concepto de Probabilidad ha evolucionado en el transcurso del tiempo. A los
algebristas del siglo XVI, Pacioli, Cardano, Tartaglia, se deben las primeras
consideraciones matemticas profundas a propsito de los juegos de azar.
Fermat y Pascal, esquematizado el tema propuesto, dieron en 1654 la primera definicin
de probabilidad. Se aceptaba como intuitivo el concepto de equiprobabilidad, se admita
que la probabilidad de conseguir un acontecimiento fuese igual al cociente entre el

nmero de casos favorables y el de casos posibles.


4. PROBABILIDAD
Rama de las matemticas que se ocupa de medir cuantitativamente la posibilidad de que
ocurra un determinado suceso.
La probabilidad est basada en el estudio de la combinatoria y es fundamento necesario
de la Estadstica.
Las probabilidades se expresan como fracciones o como decimales que estn entre uno
y cero.
Censo
Es un conjunto de operaciones que renen, elaboran y publican datos demogrficos,
econmicos y sociales correspondientes al total los habitantes de un pas o territorio,
referidos a un momento determinado o a ciertos perodos dados.
5. Tipos de Censos
De hecho o de facto: implica el empadronamiento de toda la poblacin presente en el
territorio en estudio.
De derecho o de iure: implica el empadronamiento de toda la poblacin residente en el
territorio en estudio (presentes o ausentes).
Contino: el que se elabora de forma que los datos obtenidos en cada momento se
ajustan fielmente a la realidad del universo estudiado.
6. Tablas estadsticas
Recopilaciones numricas bien estructuradas y fciles de interpretar de las que se vale el
estadstico para sintetizar los datos obtenidos con el fin de hacer un uso sencillo de ellos
o bien para darlos a conocer de forma comprensible.
Existen infinidad de tablas estadsticas, pero las ms bsicas son las tablas de
frecuencias, las de frecuencias relativas y frecuencias acumuladas, las de frecuencias
con datos agrupados en intervalos y las de doble entrada.
7. Tipos de tablas
1 Tablas de frecuencia
1.1 Frecuencia absoluta o simple
1.2 Frecuencia acumulada
1.3 Frecuencia relativa simple
1.4 Frecuencia relativa acumulada
2 Distribucin de frecuencias
3 Tablas de doble entrada
8. Juegos de azar
Existen en las pirmides de Egipto pinturas que muestran juegos de azar que datan del
ao 3500 a. C. y Herodoto se refiere a la popularidad y difusin en su poca de los
juegos de azar, especialmente la tirada de astrgalos y dados. Los dados ms antiguos se
remontan a unos 3000 aos antes de Cristo y se utilizaron en el juego yen ceremonias
religiosas.
9. Los Dados
Juegos que tienen en comn la utilizacin de pequeos objetos con forma cubo, por lo
general de hueso o de plstico y con varias caras marcadas. La forma ms comn de
marcar el dado consiste en numerar las caras con puntos, del 1 al 6. Los puntos estn

dispuestos de tal modo que las caras opuestas siempre suman siete.
10. Las Cartas
Las cartas se fabricaron por primera vez en Francia en 1392 para entretenimiento del rey
Carlos VI; esto fue expresado por el padre jesuita Menstrier (1631-1705), quien en un
artculo publicado en 1702 en el Journal del Trvoux expuso que el juego simbolizaba la
estructura feudal.
11. Principales representantes de la teora de la probabilidad
12. GirolamoCardano (15011576)
Mdico, matemtico y astrlogo italiano
Era un jugador empedernido y su obra es ms bien un manual para jugadores
Escribi el Libro de los Juegos de Azar, en 1565, aunque no publicado hasta 1663.
Trabaj con los conceptos de la definicin clsica de la probabilidad
Introdujo la idea de asignar una probabilidad p entre 0 y 1 a un suceso cuyo resultado se
desconoce.
13. Galileo Galilei (1564 1642)
La principal contribucin de Galileo a la teora de la probabilidad fue la creacin de la
teora de la medida de errores
Puso las bases para el nacimiento de la estadstica.
14. Pierre de Fermat (1601-1665)
En su juventud, con su amigo el cientfico y filsofo Blaise Pascal, realiz una serie de
investigaciones sobre las propiedades de los nmeros. De estos estudios, Fermat dedujo
un importante mtodo de clculo de probabilidades. Tambin se interes por la teora de
nmeros y realiz varios descubrimientos en este campo.
15. Blaise Pascal (1623 1662)
Los matemticos franceses Blaise Pascal y Pierre de Fermat formulan la teora de la
probabilidad a partir de una serie de investigaciones sobre las propiedades de los
nmeros. Esta teora ha llegado a ser de gran importancia en los clculos de la fsica
terica moderna as como en estadsticas actuariales, matemticas y sociales
16. Christiaan Huygens (16291695)
Su inters por la probabilidad naci en 1655 durante el transcurso de un viaje a Pars,
Fsico-astrnomo-matemtico maestro de Leibniz, public en 1656 el libro De
ratiociniis in ludo aleae (Razonamientos en juegos de azar), el primer libro impreso
sobre probabilidad. el cual constaba de un breve prefacio y 14 proposiciones.
17. Jacob Bernoulli (1654 - 1705)
En 1689 Jacob Bernoulli public un importante trabajo sobre series infinitas y su ley
sobre los grandes nmeros en teora probabilstica.
Fue un temprano precursor del uso de la teora probabilstica en medicina y
meteorologa en su trabajo Arsconjectandi ("El arte de la conjetura"), publicado de
manera pstume en 1713.
Se puede decir que con los trabajos de Bernoulli se inicia el establecimiento de la
combinatoria como una nueva e independiente rama de las matemticas

18. Abraham de Moivre (1667 1754)


Conocido por la frmula de Moivre, la cual conecta nmeros complejos y trigonometra,
y por su trabajo en la distribucin normal y probabilidad. Fue elegido un miembro de
Royal Society de Londres en 1697, y fue amigo de Isaac Newton y Edmund Halley.
De Moivre escribi un libro de probabilidad titulado The Doctrine of Chances.
19. ThomasBayes (1702 -1761)
Telogo, matemtico y miembro de la Royal Society desde 1742, Bayes fue el primero
en utilizar la probabilidad inductivamente y establecer una base matemtica para la
inferencia probabilstica.
En reconocimiento al importante trabajo que realiz Thomas Bayes en probabilidad. Su
tumba fue restaurada en 1969 con donativos de estadsticos de de todo el mundo.
20. Joseph Lagrange (1736 - 1813)
A finales del siglo 18, se volvi evidente que existe analogas entre los juegos de azar y
fenmenos aleatorios en fsica, biologa y ciencias sociales.
Fue el que estudio las permutaciones por primera vez,invent y madur el clculo de
variaciones.
21. Pierre Laplace (1749 - 1827)
La publicacin Thorieanalytique des probabilits (1812), en la cual se discuten
aplicaciones prcticas de la teora (errores en observaciones; la determinacin de las
masas de Jpiter, Saturno y Urano; mtodos de triangulacin para supervivencia; y
problemas de geodsicas, en particular la determinacin del meridiano de Francia) y
desarrolla el concepto de distribucin normal, descubierta en primera instancia por
Abraham de Moivre. Adems, complement el trabajo comenzado por Gauss sobre la
teora de errores.
22. Carl F. Gauss (1777 - 1855)
En 1801 Gauss public DisquisitionesArithmeticae, su principal trabajo y uno de los
ms importantes en la historia de las matemticas. Esta obra cubre temas de teora de
nmeros, anlisis matemtico, teora de probabilidades, geometra, fisicomatemtica,
astronoma y geodesia. En probabilidad mostr que sta puede representarse por una
curva en forma de campana (distribucin gaussiana), que es la base en la distribucin
estadstica de datos.
23. Denise Poisson (1781 - 1840)
En 1837, en su obra Recherches sur la probabilit des jugements... ("Investigaciones
sobre la probabilidad de opiniones") introduce lo que conocemos como la distribucin
de Poisson, de los grandes nmeros, mtodo aproximado usado para describir probables
ocurrencias de eventos improbables en un nmero grande de ensayos inconexos.
24. Escuela rusa de probabilidad
Entre 1850 a 1900 el desarrollo de la probabilidad fue dominada por la escuela rusa de
teora probabilstica (Petersburgo), enfatizando en mtodos matemticos rgidos. Las
figuras ms prominentes de esta escuela fueron PafnutyChebyshev, y sus discpulos
AndreiMarkov y AlexandrLyapunov. Markov se enfoc principalmente en el mtodo de
movimientos. l tambin escribi un libro de probabilidad y estadstica, uno de los
mejores de su tiempo. Su trabajo influy en muchos otros matemticos y estadsticos

famosos .
25. Pearson, Karl (1857 - 1936)
Pearson aplic la estadstica a los problemas biolgicos de la herencia y la evolucin,
resaltndose la publicaciones realizadas entre 1893-1912 tituladas "Contribuciones de la
Matemtica a la teora de la Evolucin", en las cuales se encuentran contribuciones al
anlisis de regresin, coeficiente de correlacin el incluy el test de "fi al cuadrado" y
fue el quien acu el termino de desviacin estndar.
26. Wiener, Norbert (1894 - 1964)
En los aos veinte, logra resolver un importante problema consistente en dar un modelo
matemtico preciso y riguroso de un fenmeno aleatorio por excelencia: el movimiento
browniano. Tiene este nombre porque fue observado por primera vez por el botnico
Robert Brown en 1828, al analizar con el microscopio partculas de polen suspendidas
en agua. El modelo que N. Wiener dio para el movimiento browniano, es un gran paso
adelante y uno de los ms espectaculares logros de la entonces novedosa teora de las
probabilidades.
27. Ronald Fisher (1890 - 1962)
En Cambridge en 1912, estudi la teora de errores. introdujo el anlisis de varianza,
procedimientos que hoy se usan a lo largo del mundo. En 1922 diuna nueva definicin
de estadstica. Su propsito era la reduccin de datos y logr identificar tres problemas
fundamentales. (i) la especificacin del tipo de poblacin de la que los datos provienen
(ii) la estimacin y (iii) la distribucin. Entre las contribuciones que hizo est el
desarrollo de mtodos convenientes para muestras pequeas, el descubrimiento de las
distribuciones precisas de muchas muestras estadsticas y la invencin del anlisis de
varianza.
28. Pearson, Egon(1895 - 1980)
Fue el nico hijo de Karl Pearson. Egon ayud a desarrollar teoras concernientes con
aplicaciones de tcnicas estadsticas, teora estadstica y operaciones de investigacin.
Junto con Neyman desarroll en enfoque de prueba de hiptesis, el cual fue duramente
refutado por Fisher, pero eventualmente aceptado. Durante la Segunda Guerra Mundial,
Pearson trabaj en mtodos estadsticos en control de calidad, junto con una nueva
disciplina de investigacin de operaciones
29. Neyman, Jerzy (1894 - 1981)
Es considerado uno de los grandes fundadores de la estadstica moderna. Trabaj junto
con EgonPearson en la teora de prueba de hiptesis, proveyndola de fundamentacin
lgica y rigor matemtico.
Sus ideas establecieron que las muestras deben ser bastantes grandes, desarroll adems
una teora de estudio de muestreo en 1934. La teora de estimacin por juegos de
confianza fue el siguiente tema sobre el que investig. Us intervalos de confianza. A
principios de este siglo quedaba claro que la teora de la probabilidad requera de un
marco terico ms adecuado para su desarrollo y ste se encuentra gracias a los avances
logrados en otras reas de la matemtica.
30. Kolmogorov, Andrei (1903 - 1987)
A partir de los aos treintaestablece con sus axiomas para el clculo de probabilidades

las bases matemticas para asentar la teora.


31. Curiosidades
Un reciente estudio psicopedaggico ha mostrado que los nios de pie grande saben leer
mejor que los de pie pequeo. Permitir el tamao del pie medir la capacidad de
lectura de los nios?
No, desde luego. El estudio se hizo sobre escolares que estn en crecimiento. Todo
cuanto se demostr en l es que los nios mayorcitos, cuyos pies son ms grandes, leen
mejor que los pequeines.
32. Otro estudio mostr que en cierta ciudad se produjo un sbito aumento de
mortalidad por fallo cardaco y un fuerte incremento en el consumo de cerveza. Es
posible que beber cerveza sea causa de que aumente la probabilidad de ataque al
corazn?
No. En ambos casos el aumento fue debido a un veloz incremento de la poblacin. Por
igual causa, los ataques al corazn podran ser atribuidos a cientos de otras cosas:
aumento del consumo de caf, de chicle, de partidas de tute, o de ver la televisin.
33. UN PROBLEMA HISTRICO
Una discusin entre jugadores llev en 1654 a Pierre Fermat y a Blaise Pascal a dar los
primeros pasos sobre el clculo de probabilidades.
Antoinede Gombaud, caballero de Mr, un noble francs interesado en juegos de
apuestas plante a Pascal el siguiente problema:
El juego consista en lanzar 24 veces un par de dados y el problema es decidir si era lo
mismo apostar a favor o en contra de la aparicin de por lo menos un doble seis
34. Solucin
Para calcular la probabilidad de que en 24 tiradas no se saque ningn seis doble,
calculamos la interseccin de 24 sucesos de este tipo. La probabilidad de esta
interseccin de sucesos es multiplicar 24 veces el nmero 35/36 Es decir sea A = {No
sacar un seis doble en una tirada de dos dados}
P (A) = 35/36
P (A y A y A ........24 veces....y A) = (35/36)24
Este numero vale 0,508596121 La probabilidad del suceso contrario, es decir , la
probabilidad de que al menos una vez salga un seis doble es
1 P (A y A y A ........ 24 veces....y A) = 1 - (35/36) 24 = 0,491
Luego es ms probable obtener una vez un seis doble en 24 tiradas que obtenerlo al
menos una vez
En cambio, para 25 tiradas cambian las cosas pues
1 - (35/36) 25 = 0,505...
35. Recomendaciones para la enseanza/aprendizaje
Recomendaciones
Uso de materiales manipulables
Trabajo de grupo cooperativo
Discusiones sobre probabilidades
Cuestionar y realizar conjeturas
Justificacin del pensamiento
Escribir acerca de las probabilidades
Solucin de problemas como enfoque de enseanza

Integracin de contenidos
Uso de calculadoras y computadores
Ser un facilitador del aprendizaje
Evaluar el aprendizaje como parte integral de la enseanza
36. Recomendaciones para la enseanza/aprendizaje
Conectar las matemticas a otras materias y al mundo real
Conectar tpicos dentro del mismo campo matemtico
Aplicar las probabilidades
Entender el significado de conceptos claves como fracciones, decimales, razones,
proporciones y porcentajes
Recoleccin y organizacin de datos
Usar mtodos estadsticos para describir, analizar, evaluar y tomar decisiones
37. No recomendado
Prctica mecnica
Memorizacin mecnica de reglas y frmulas
Respuestas nicas y mtodos nicos para encontrar respuestas
Uso de hojas de ejercicios rutinarios Prcticas escritas repetitivas
Prctica de la escritura repetitiva
Ensear diciendo
Ensear a calcular fuera de contexto
Enfatizar la memorizacin
Examinar nicamente para las calificaciones
Ser el dispensador del conocimiento
38. Aplicaciones
Las aplicaciones de mtodos estadsticos en las diferentes reas son numerosas; por
ejemplo: grficas y tablas estadsticas son usadas frecuentemente por gerentes de ventas
para representar hechos numricos de ventas; mtodos de muestreo son empleados por
investigadores de mercado, al hacer encuestas sobre las preferencias del consumidor
sobre ciertas marcas de artculos competitivos; mtodos de control de calidad, aplicados
en produccin, etc.
La complejidad en las actividades del quehacer cotidiano en los ltimos aos, ha
incrementado el uso de la estadstica para tomar decisiones en cualquier mbito.
39. Por su atencin
Gracias