Hábitos Mentales para Estadística

Hollylynne Lee y Dung Tran

Friday Institute for Educational Innovation
North Carolina State University
(traducción: Jaime Núñez, Universidad Católica de Honduras)

Un hábito mental se desarrolla cuando una persona enfrenta las situaciones de maneras
similares de tal modo que una heurística más general se acumula con el tiempo. Hay
hábitos específicos que son productivos al participar en investigaciones estadísticas. De
este modo, tanto como estudiantes de estadística como profesores de estadística,
tenemos que desarrollar los siguientes hábitos para nosotros y para nuestros alumnos:

● Tenga siempre en cuenta el contexto de los datos

● Asegúrese de usar la mejor manera de medir un atributo de interés
● Anticipe, busque, y describa la variación
● Ponga atención a los problemas con la selección de la muestra
● Abrace la incerteza, pero desarrolle su confianza en las interpretaciones
● Utilice varias representaciones visuales y numéricas para dar sentido a los datos
● Sea escéptico a lo largo de una investigación

Los siguientes párrafos proporcionan más detalles acerca de estos hábitos estadísticos de
la mente y luego se indica la forma en que esos hábitos pueden ser útiles para las cuatro
fases de una investigación estadística.

Contexto

Los datos no son sólo números, sino que números en contexto. Un dato con un valor de
33 tiene significado diferente si el contexto de los datos es la edad de las madres al tener
su primer hijo (probablemente considerado un valor típico) o el número de puntos en un
solo partido de baloncesto anotado por un jugador en particular (un valor poco probable
y quizás un nuevo récord). Por lo tanto, los estudiantes deben tener en cuenta el papel
del contexto en cada fase de una investigación estadística. El contexto es crucial para la
elaboración de preguntas de interés y dirige la recopilación de datos. El contexto arroja
luz sobre el análisis de datos y puede ser útil al momento de decidir si un gráfico (y su
escala) o estadísticas numéricas tienen sentido, o si los valores deben ser considerados
como valores atípicos y como pueden distorsionar los resultados. En la interpretación,
las afirmaciones deben referirse al contexto para dejar claro cómo una decisión o
afirmación se aplica en ese contexto y para ayudar a evaluar cuán razonables son las
inferencias que se hizo.

Medición

Buenos datos son la clave para responder a cuestiones estadísticas. Sin recolección de
datos adecuados, cualquier análisis puede no tener sentido y las afirmaciones formuladas
podría basarse en medidas inadecuadas o no válidas. Cuando se recolectan datos, la
medición debe provenir de problemas contextuales - cómo capturar mejor el fenómeno
de interés con la medición. Por ejemplo, los puntajes de los estudiantes en una
asignatura podrían ser un indicador del aprendizaje de los estudiantes, pero no de todo su
aprendizaje y su comprensión de la materia. Además, el uso de herramientas adecuadas
para recoger datos tales como la manera de plantear preguntas en una encuesta es crucial
para obtener buenos datos. Uno podría preguntarse que si diferentes personas hicieran
las mediciones, éstas obtendrían resultados muy similares y que si la medición se
repitiera, se conseguirían datos similares. En algunos casos, los datos ya se han recogido
y preguntas estadísticas de interés surgen de la investigación de esos datos. En tal caso,
es importante entender lo que se estaba midiendo y cómo se recogieron los datos. Los
estudiantes deben referirse al contexto al revisar los valores atípicos y los datos perdidos
durante el análisis y la interpretación.

Variabilidad, Incerteza, y Muestreo

Hacer estadísticas significa tomar decisiones en condiciones de incerteza. Si no hubiera

variación en el mundo, no necesitaríamos estadísticas. Sin embargo, porque las cosas
varían (por ejemplo, no todas las madres tienen su primer hijo a una edad determinada, y
el rendimiento de los jugadores de baloncesto varía de un juego a otro) las estadísticas
pueden ayudarnos a investigar preguntas acerca de los contextos en los que anticipamos
variabilidad (por ejemplo, en los últimos años, ¿cómo les va a los jugadores de
baloncesto mejor pagados en sus puntos anotados por partido?). Las fuentes de variación
podrían ocurrir naturalmente en el contexto; sin embargo, la variación también puede
provenir de la medición (por ejemplo, la precisión del que mide o el dispositivo de
medición), la selección de la muestra, o por errores de entrada de datos. Las
investigaciones estadísticas tratan de explicar, predecir y controlar la variación inherente
a los datos. Un muestreo bien diseñado ayuda a evitar muestras auto-seleccionadas o
sesgadas. Por lo tanto, el uso de un muestreo aleatorio es importante, así como la
consideración del tamaño de una muestra. El objetivo de una investigación bien diseñada
es explicar que algo sucede por casualidad, no por los errores. Al hacer afirmaciones
definitivas o inferencias, los estudiantes deben estar conscientes de la variación
inherente a los datos, y reconocer que cualquier decisión tomada a partir de los datos
está en condiciones de incerteza. Simplemente no podemos decir con certeza que algo es
cierto y verdadero.

Visuales y Tendencias

Un aspecto importante en el análisis de los datos es la creación de representaciones

gráficas significativas y estadísticas numéricas para examinar la estructura de los datos.
También implica la comparación, la conexión, cambiar y transformar representaciones
de datos para poner de relieve las tendencias o patrones informativos. Diferentes
representaciones pueden arrojar luz sobre diferentes aspectos de los datos. Por ejemplo,
usar diagramas de caja muestra un resumen de cinco números, la variación global, y
podría destacar posibles valores atípicos. Sin embargo, un gráfico de puntos o un
histograma pueden ser mejores para mostrar cómo los datos se agrupan y se extienden a
través de todo el rango de datos. Los estudiantes deben ser alentados y provistos de
oportunidades para explorar sus datos utilizando múltiples representaciones gráficas,
determinar cuáles son los más adecuados para los datos, y observar las tendencias. Las
visualizaciones gráficas deben preceder a las estadísticas numéricas. Sin embargo, un
análisis profundo debe utilizar ambos: gráficos y cálculos estadísticos numéricos para
describir las tendencias y patrones en los datos.

Escéptico

Ser escéptico significa buscar constantemente fallas en una investigación estadística. El

escepticismo es especialmente crítico al proponer afirmaciones e interpretaciones
basadas en los datos, y al juzgar los realizados por otros, en particular los de los
informes de los medios de comunicación. Los estudiantes deben ser animados a ser
escépticos sobre las afirmaciones - preocuparse por la motivación, predisposiciones y
objetividad del escritor, lo que podría afectar la fiabilidad de las afirmaciones. Los
estudiantes deben preguntarse a sí mismos: "¿Hasta qué punto puedo confiar en esta
información?" Esta pregunta podría abordarse mediante el examen de la elección de la
medida en relación con su contexto, el diseño de un estudio, las técnicas de muestreo
utilizado, y el análisis de los datos.
 Usando los Hábitos Mentales en las Fases de una Investigación

La siguiente tabla provee un breve resumen de como los hábitos mentales para estadística pueden ser
útiles en las cuatro fases de una investigación estadística.

Formular Preguntas

Contexto: Formule preguntas basadas en un contexto que requieran el uso de

datos para ser contestadas.
Variabilidad: Busque explicar y controlar la variabilidad.

Recolectar los Datos

Medición: Considere como se pueden medir mejor los atributos para responder
la pregunta.
Medición: Use herramientas apropiadas para recolectar y manejar los datos.
Muestreo: Considere el tamaño de la muestra – sí importa.
Muestreo: Use muestreo aleatorio para controlar el sesgo.
Muestreo: Identifique y de cuenta de las posibles fuentes de variabilidad en los
métodos de recolección de datos.

Analizar los Datos

Visuales: Use herramientas estratégicamente apropiadas para crear múltiple

representaciones.
Variabilidad: Coordine gráficos y cómputos estadísticos para razonar acerca
de los resultados.
Tendencias: Busque patrones y relaciones dentro y entre variables.
Contexto: Considere el contexto de su pregunta para identificar problemas de
medición (datos perdidos, valores atípicos).

Interpretar los Resultados

Contexto: Razone cuantitativamente y provea argumentos respaldados por los

datos.
Contexto: Haga una afirmación relacionada con el contexto de las preguntas.
Incerteza: De cuenta de la incerteza en una afirmación (tenga confianza
pero no certeza).
Escéptico: Verifique cuán razonable es una afirmación (escepticismo).
 Referencias

Ben Zvi, D., & Garfield, J. (2004). Statistical literacy, reasoning, and thinking: goals,
definitions and challenges. In D. Ben-Zvi & J. Garfield (Ed.). The challenge of
developing statistical literacy, reasoning, and thinking (pp. 3-15). Kluwer.

Burrill G., & Biehler, R. (2011). Fundamental statistical ideas in the school curriculum
and in training teachers. In C. Batanero, G. Burrill, C. Reading, & A. Rossman
(Eds.), Teaching Statistics in School Mathematics - Challenges for Teaching
and Teacher Education (pp. 57-69). Springer Netherlands.

Cuoco, A., Paul Goldenberg, E., & Mark, J. (1996). Habits of mind: An organizing
principle for mathematics curricula. The Journal of Mathematical Behavior,
15(4), 375-402.

Shaughnessy, M., Chance, B. L., & Kranendonk, H. (2009). Focus in high school
mathematics: Reasoning and sense making in statistics and probability.
National Council of Teachers of Mathematics.

Wild, C. J., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry.

International Statistical Review, 67(3), 223-248.