Probabilidad y Estadística Libro

Probabilidad y Estadstica
Libro para el estudiante

Nivel Medio Superior del Instituto Politcnico Nacional
Academia Institucional de Matemticas del Nivel Medio Superior del Instituto Politcnico Nacional
Probabilidad y Estadstica Libro para el Estudiante
Hoja 1
Libro para el estudiante

Introduccin 1. Secuencia de Aprendizaje (Contenido y referencia de su ubicacin) Unidad 1. Estadstica Descriptiva Unidad 2. Elementos Bsicos de Probabilidad Unidad 3. Probabilidad Condicional Unidad 4. Distribucin de Probabilidad Unidad 5. Inferencia Estadstica
2.
Materiales Auxiliares para la Organizacin del Aprendizaje MAPOA
3. Problemas I. Problemas II. Problemas con gua III. Proyectos

4. 5. 6. 7.
Ejercicios Lecturas Autoevaluaciones Bibliografa
Hoja 2
Introduccin
El marco institucional En el Simposio La Prospectiva del IPN y los Desafos para el Siglo XXI, que tuvo lugar a fines del siglo pasado, se destac que el quehacer institucional se debe orientar hacia la creacin de un sistema educativo capaz de colocar a todo individuo en la posibilidad de adquirir, actualizar y usar adecuadamente el conocimiento pertinente con un sentido de solidaridad. En particular, al IPN le corresponde atender a las necesidades del pas para sustentar su desarrollo cientfico y tecnolgico, por lo que deber convertirse en un espacio de socializacin que integre en sus propuestas formativas la ciencia, la tecnologa y el conocimiento con una tica de responsabilidad profesional, en donde el currculo, la pedagoga, la organizacin, el diseo y la aplicacin de las polticas institucionales, tengan la capacidad para actuar consistentemente frente a los escenarios del siglo que comienza. Para lograr estas metas, el IPN debe mantener un esquema dinmico de accin que lo haga un espacio de formacin, aprendizaje, actualizacin e investigacin de alta calidad; un espacio y una comunidad en los que la permanencia y el apoyo se hagan posibles en funcin del mrito intelectual, la competencia demostrada y el potencial de contribucin social, a donde la sociedad y sus instituciones puedan dirigirse para obtener respuestas confiables a sus cuestionamientos. Las nuevas exigencias de acreditacin de carreras y de certificacin de egresados, imponen una sistematizacin del desarrollo curricular que obliga a que la reforma acadmica se constituya en un ejercicio permanente que garantice a los egresados el perfil profesional requerido para los tiempos por venir. As, la educacin que el IPN ofrezca tendr que superar la imagen tradicional de la adquisicin de conocimientos como un fin en s, para insistir en el desarrollo de aptitudes en el nivel de mtodos, de procedimientos y de estrategias de intervencin; por lo que habr que mejorar los programas educativos y de investigacin, adecuar las instalaciones, los recursos humanos y la infraestructura, y fomentar el desarrollo tecnolgico. En atencin a las demandas que la sociedad le plantea, el IPN tiene como eje de su transformacin un nuevo perfil profesional que orienta el diseo y la instrumentacin de nuevos modelos educativos que proponen una relacin adecuada entre los conocimientos, las habilidades prctico-productivas y las actitudes que dotarn a los estudiantes de capacidad emprendedora, responsabilidad, creatividad y flexibilidad en su desempeo profesional. En su prospectiva 2000-2015 hacia el nuevo Modelo Educativo Politcnico se seala que el reto no considera cambios radicales pero s contundentes en: la reorientacin del enfoque y los contenidos de tal manera que el IPN eduque para o vivir, o aprender, o emprender, o crear o y saber ser; la presencia de un esquema cultural que ample los horizontes de la ciencia y la tecnologa nacionales;
Hoja 3
dar un valor social, econmico y tico a los conocimientos resultantes, para estar presente en los circuitos de la distribucin mundial de los saberes; proveer de servicios y haberes a la poblacin del pas; y de contribuir a mantener la equidad, la unidad y el bienestar nacionales. Estos son los desafos que, en palabras de la propia institucin, el IPN reconoce para el presente y el futuro inmediatos. Qu entendemos por ensear y aprender en el rea de matemticas? Cuando una persona adopta el papel de estudiante y se encuentra con sus profesores y con sus compaeras en el saln de clases hay un acuerdo implcito, el estudiante est ah para aprender y el profesor para ensear. Tu experiencia en la escuela te ha formado una nocin intuitiva de lo que estas dos ideas y prcticas significan y de lo que puedes esperar de una clase. Sin embargo, el sistema educativo que hemos heredado no se dise para que aprendieras a actuar en forma adaptativa en un ambiente complejo inundado por la tecnologa. Sus objetivos no consideraron que fuera necesario, o siquiera posible, que pudieras aprender a interpretar textos no familiares con propsitos variables, construir argumentos convincentes atendiendo varios niveles, comprender sistemas complejos, desarrollar diversos enfoques a los problemas o llevar a buen fin la solucin de un problema trabajando en grupo. Pero la sociedad requiere cada vez ms una educacin que se centre en las llamadas habilidades intelectuales de orden superior. Estas habilidades, de nombre tan elegante, son las que aplicas cuando tomas decisiones, resuelves problemas, organizas tu propio aprendizaje o haces aportaciones creativas en tus trabajos y actividades. Pero si quieres aprender a resolver problemas tienes que enfrentarte a verdaderos problemas, si quieres aprender a tomar decisiones, tienes que tomarlas y asumir las consecuencias. . . Todo esto es complicado, pero es lo que haces, y vas a seguir haciendo cada vez ms, dentro y, sobre todo, fuera de la escuela. Resnick, conocida investigadora en educacin matemtica, quien ha estudiado este pensamiento de orden superior, lo caracteriza sealando que no es algortmico, porque las vas por las que circula no estn bien definidas previamente, es complejo, porque no basta una perspectiva, da lugar a soluciones diversas, cada una con sus costos y beneficios, requiere de la aplicacin de criterios mltiples, en ocasiones contradictorios, que al aplicarse producen juicios matizados, va acompaado de una fuerte carga de incertidumbre, no se suele conocer todo lo que se necesita, debe auto-regularse, comprende la asignacin de un significado, encontrando la estructura que subyace al desorden aparente y exige un esfuerzo considerable, un trabajo intelectual con propsitos definidos en diversos niveles. De la Prospectiva del IPN podemos retomar la orientacin que se debe dar al quehacer institucional hacia la creacin de un sistema educativo capaz de colocar a todo individuo en la posibilidad de adquirir, actualizar y usar adecuadamente el conocimiento pertinente con un sentido de solidaridad. Esto es una invitacin para contribuir a una reforma
Probabilidad y Estadstica Libro para el Estudiante Hoja 4
educativa imaginativa y muy exigente, que requiere una reconceptualizacin de lo que significa tener clase. Para nosotros, tus profesoras, ensear matemticas significar crear las condiciones que, con tu indispensable participacin protagnica, producirn la apropiacin del conocimiento, el desarrollo de las habilidades y la formacin de las actitudes. Aprender matemticas significar involucrarse en una actividad intelectual exigente, cuya consecuencia final ser la disponibilidad de un conocimiento dual: como instrumento y como objeto. As, saber matemticas significar el desarrollo de estos dos aspectos del conocimiento: Como instrumento, el conocimiento matemtico est inscrito en un contexto. En este caso es necesario usar las nociones y teoremas matemticos que considera el programa de la materia para resolver problemas e interpretar situaciones nuevas. Como objeto, el conocimiento est descontextualizado y es atemporal. Debes ser capaz de formular definiciones, enunciar y demostrar teoremas e identificarlos como elementos de una disciplina: la matemtica. Los tres pensamientos siguientes nos sealan aspectos que debemos considerar en nuestro aprendizaje: Oigo y olvido, veo y recuerdo, hago y comprendo. (Un viejo proverbio chino) Hacer . . . y reflexionar acerca de lo que se hace. (Seymour Papert) No hay conocimiento verdadero si no se es capaz de comunicarlo (As decan los griegos) Es decir, oyendo, viendo, haciendo... pero adems reflexionando y comunicando. As nuestro modelo se puede sintetizar, de manera esquemtica, en la trada Hacer Comunicar Reflexionar El desarrollo de la clase ya no puede ser responsabilidad exclusiva del profesor, sino que debe contar con una nueva actitud del estudiante, que tambin se responsabiliza y se compromete con su aprendizaje. Juntos podrn discutir y definir las distintas maneras de desarrollar las actividades de aprendizaje, con sus razones, sus ventajas, sus desventajas y sus riesgos.
Las Competencias Bsicas y su dimensin matemtica Nuestro marco de referencia lo establece la SEP en sus competencias bsicas del estudiante de bachillerato. Las competencias bsicas se refieren al dominio, por parte del estudiante, de los conocimientos, habilidades, valores y actitudes que son indispensables tanto para la comprensin del discurso de las ciencias, las humanidades y la tecnologa, como para su aplicacin en la solucin de los problemas de su vida escolar, laboral o cotidiana, por lo que se considera que deben ser comunes a todos los bachilleratos del pas. Se considera que las competencias bsicas que se deben desarrollar durante el paso del educando por el bachillerato son: Expresarse correcta y eficientemente en espaol, tanto en forma oral como escrita, as como interpretar los mensajes en ambas formas. Manejar la informacin formulada en distintos lenguajes y discursos (grficos, matemticos, simblicos, de cmputo, etc.). Utilizar los instrumentos culturales, cientficos, metodolgicos y tcnicos, bsicos para la resolucin de problemas en su dimensin individual y social, con actitud creativa y trabajando individualmente o en grupos. Comprender, criticar y participar racional y cientficamente, a partir de los conocimientos asimilados, en los problemas ecolgicos, socioeconmicos y polticos de su comunidad, regin y del pas. Aprender por s mismo, poniendo en prctica mtodos y tcnicas eficientes para propiciar su progreso intelectual. Evaluar y resolver las situaciones inherentes a su edad y desarrollo, incluso en lo que se refiere al conocimiento de s mismo, su autoestima y autocrtica, salud fsica y formacin cultural y esttica, a efecto de tomar decisiones que lo beneficien en lo individual y en lo social. Desempearse individual o grupalmente de manera independiente en su vida escolar y cotidiana. Integrar los conocimientos de los diferentes campos, en una visin global del medio natural y social, como paso normativo hacia la inter y multidisciplinariedad. En cada una de las competencias anteriores hay una componente matemtica, por lo que en el rea de matemticas se trata de lograr los conocimientos, las habilidades y las actitudes que al articularse con los de las otras reas te permitan desarrollar significativamente estas competencias. Estos objetivos, que sin duda quieres lograr tanto como nosotros, exigen nuevas modalidades de trabajo, a las que quizs no ests acostumbrado, y pueden causarte conflictos, cierta desesperacin, algo de presin, pero, segn afirman los expertos como Resnick, los aprendizajes complejos no se logran aislando las componentes visibles, desarrollndolas e integrndolas posteriormente, sino mediante experiencias que ponen en juego, simultneamente, tanto las habilidades de ndole general, como los conocimientos especficos, junto con tu disposicin para embarcarte en situaciones con una fuerte carga de riesgo e incertidumbre. Estos buenos propsitos son ms complejos, lograrlos es una tarea ms difcil pero tambin, creemos, ms atractiva e interesante. La experiencia bsica en nuestras clases se definir por nuestra relacin con los problemas. La resolucin de un problema en la clase es un proceso muy complejo cuando los
problemas que enfrentas son verdaderos problemas. Debido a esta complejidad, los factores que intervienen para que logremos resolver exitosamente un problema, y comprender algo significativo como resultado de la interaccin con el problema, son muchos y de distintos niveles. La desatencin de uno, o varios, de estos factores puede entorpecer y a veces hacer imposible la solucin de un problema o la comprensin que se deriva de la interaccin fecunda con el problema. Una componente que influye de manera determinante corresponde a la forma en que las personas interactan durante la resolucin de un problema. Piensa en un laboratorio en el que se realizan algunos procesos complejos, los factores que intervienen en los procesos se administran, se registran continuamente y algunos de ellos se controlan. As, si queremos crear un ambiente propicio para el desarrollo de las habilidades intelectuales de orden superior es necesario que aprendamos a participar en cada modalidad de trabajo: individual, equipo y grupo completo. El desarrollo de la tecnologa, verdaderamente impresionante en la actualidad, ha perfilado el mundo en que vivimos. Nuestra cultura cuenta ya con una componente matemtica que no slo atae al especialista sino al ciudadano. Las matemticas estn tan inevitablemente incorporadas a nuestra vida cotidiana que, si hemos sobrevivido, es porque, de alguna manera, hacemos un buen uso de las pocas o muchas matemticas que sabemos. La herramienta tecnolgica por excelencia es la matemtica, pero la matemtica es una herramienta dinmica porque para cada problema nuevo hay que disear una herramienta nueva; basta revisar la gran cantidad de matemticas nuevas que se han hecho, especialmente en la segunda mitad del siglo pasado, y el papel que han desempeado en la solucin de los problemas importantes de todas las reas. Anteriormente, los objetivos que persegua una sociedad, o una institucin, cambiaban cada dos o tres generaciones. Actualmente, los objetivos se revisan constantemente y el cambio forma parte de nuestra realidad cotidiana. Los conocimientos que hace veinte aos estaban vigentes en la electrnica, por poner un ejemplo, hoy son casi totalmente obsoletos. Ms que conocimientos especficos, que, por supuesto, en cierta medida siguen siendo necesarios, lo que se trata de lograr en la educacin de hoy es la capacidad para ser autosuficiente cuando se organiza el aprendizaje que nos exige la profesin. Para organizar uno mismo su aprendizaje es necesario desarrollar: las habilidades para usar el conocimiento y articular los conocimientos en pos de un propsito ms complejo; las actitudes que nos permiten enfrentar situaciones con una componente importante de incertidumbre; la capacidad para transferir, es decir, aplicar en una situacin distinta a aqulla en la que aprendimos, los conocimientos que adquirimos. El conocimiento debe ser uno de los principales elementos que determinen la relacin entre un profesor y sus alumnos. Pero la clase tambin es un sitio de interaccin de costumbres y creencias de cada uno de sus participantes, es conveniente contar con un lenguaje comn que nos permita tener un ambiente que propicie la enseanza y el aprendizaje desde la perspectiva descrita. As, cada una de nuestras experiencias de aprendizaje dentro del saln de clases tendr un doble propsito: aprender a crear un ambiente de trabajo y aprender matemticas. El ambiente estar dirigido a promover la independencia del estudiante y la responsabilidad que debe tener en su aprendizaje, a travs de: El trabajo individual y en equipo.
La resolucin de actividades matemticas. La discusin matemtica. La evaluacin de tu trabajo y del trabajo de tus compaeros en el equipo y en el grupo. Cuando se lee sobre el pensamiento de orden superior, sobre tener una actitud participativa, crtica y creativa, se suele decir, s, parece deseable y necesario, quiero lograrlo, pero cmo lo hago?. En la Academia de Matemticas hemos reconocido la gran dificultad que hay para lograr estos objetivos y, junto con los Clubes de Matemticas de varias escuelas, hemos diseado y adaptado una serie de materiales auxiliares para la organizacin del aprendizaje, que te servirn para traducir en acciones cotidianas este importante propsito. Estos auxiliares sirven como marcos de referencia compartidos que se usan y comentan constantemente durante las experiencias de aprendizaje. En la medida en que, tanto el profesor como los alumnos, se familiaricen con ellos pueden llegar a constituir un lenguaje comn, en el que se pueden expresar algunas de las dimensiones de aprendizaje ms importantes. En una seccin de este Libro se tiene un comentario un poco ms amplio de estos Materiales Auxiliares para la Organizacin del Aprendizaje (MAPOA). En trminos generales, estos auxiliares concretan la expresin responsabilizarse de su aprendizaje y contribuyen al logro de la autonoma de los alumnos en la organizacin de sus propios aprendizajes. El curso de Probabilidad y Estadstica El IPN tiene fama de ser uno de los mejores bachilleratos en matemticas de Mxico. La gran mayora de ustedes seguramente se enorgullece de tener cierta facilidad para las matemticas. El ltimo curso del rea de matemticas se llama Probabilidad y Estadstica. Al escuchar el ttulo, lo que viene a nuestra mente es, quizs, el melate y otros concursos de la Lotera Nacional, las tablas y grficas que presentan los noticiarios y las encuestas que se hacen para cualquier cosa. Sin embargo, conforme realices las actividades que te propondremos te dars cuenta de la clase de conocimiento que queremos que logres, un conocimiento que se asocia con la calidad de su uso. Esto quiere decir que no se trata de padecer cursos, para aprobarlos, que nos exigen realizar operaciones para las que no tenemos ningn significado inmediato, con la promesa de que en un futuro indeterminado acabaremos por aplicarlas. No se trata entonces de que ingenieros titulados no sean capaces de resolver los problemas que se les presenten si no tienen una receta, o alguien que los dirija, para hacerlo. Nadie contrata hoy a un profesional para que resuelva un problema que ya est resuelto. Queremos que el criterio bsico para juzgar la calidad de nuestro aprendizaje, sea la medida en que somos capaces de darle sentido a las conclusiones que obtenemos al aplicar nuestros conocimientos a la resolucin de un problema, ya sea familiar o nuevo; que seamos capaces de descubrir los patrones que relacionan las caractersticas de un proceso, de imponer un modelo matemtico, si es necesario; y de evaluar los resultados de su aplicacin en funcin de criterios propios de la situacin en la que se origin nuestro problema. Por supuesto que este tipo de aprendizaje es ms difcil. As como el espacio de nuestra experiencia bsica tiene varias dimensiones, una longitud, una anchura, una profundidad y un tiempo, el aprendizaje que queremos lograr tiene varias dimensiones: los conocimientos, las habilidades, las actitudes y la transferencia. Necesitamos aprender a identificar y lograr
objetivos en varias dimensiones, a vivir este aprendizaje multidimensional en la escuela, particularmente en nuestras clases de matemticas. Segn lo estipula el objetivo general de tu programa, El curso permitir al alumno introducirse al estudio de fenmenos aleatorios, su interpretacin, importancia, tratamiento y aplicacin; al uso de tcnicas de muestreo; al conocimiento y la aplicacin, en diversos problemas, de diferentes tcnicas de recopilacin y presentacin, anlisis e interpretacin de datos numricos; en el uso y la apropiacin de las reglas para el clculo de probabilidades y de las distribuciones de probabilidad; en la importancia y el uso del mtodo estadstico en la toma de decisiones; en el desarrollo de habilidades para el anlisis, el razonamiento y la comunicacin de su pensamiento en la resolucin de problemas a partir del uso de la simulacin y del modelo de urnas, propiciando la asimilacin de aprendizajes ms complejos para la resolucin de problemas en su cotidianidad, rea tecnolgica y vida profesional. El mtodo de trabajo se basa en la problematizacin continua, la formulacin de conjeturas y la revisin sistemtica de los conocimientos adquiridos, utilizando tcnicas grupales para el anlisis y la discusin, as como tcnicas expositivas y de indagacin, apoyadas con recursos audiovisuales y tecnolgicos (computadora, calculadora, etc.), procurando que la relacin entre el alumno y el objeto sea constructiva. Durante todo el desarrollo del curso, se promovern el anlisis, la solucin y la discusin de problemas en clase, en un ambiente que favorezca en los alumnos la apreciacin de su propio trabajo personal, el de sus compaeros y el de su docente. Deber tenerse presente que la resolucin de problemas es la que permite generar e integrar conocimiento, favorece su asimilacin y ayuda a distinguir lo esencial de lo menos importante. En este proceso el docente es el organizador de las experiencias de aprendizaje que problematiza, proporciona informacin y crea cdigos de instruccin, de manera que sus alumnos puedan interactuar con los problemas planteados y, mediante esta interaccin, avanzar hacia nuevos conocimientos. Es importante que, a lo largo de las actividades, los alumnos desarrollen su capacidad para comunicar su pensamiento y se acostumbren gradualmente a los diversos medios de expresin matemtica: lenguajes natural, simblico y grfico, as como al uso de tablas y diagramas. En trminos generales, la enseanza de los temas no debe seguir la exposicin magistral, sino fomentar el trabajo en equipos y la exposicin de las experiencias logradas por parte de sus integrantes a travs de una adecuada planeacin de las actividades de aprendizaje. Las matemticas que aqu estudiaremos deben ser algo ms que la manipulacin de expresiones simblicas y la realizacin de operaciones desvinculadas de un contexto que les d sentido a las preguntas que debemos responder. Se deben convertir en una herramienta de modelacin en el estudio de situaciones reales, generalmente con el objeto de predecir y de controlar, cuando es ticamente aceptable, algunas de sus caractersticas pero, primordialmente, con el objeto de contribuir a explicarnos mejor los fenmenos del mundo en que vivimos.
Hoja 9
La organizacin del Libro para el Estudiante En este Libro se incluyen varios tipos de actividades de aprendizaje. Cada actividad tiene un objetivo dentro de toda la red de experiencias consideradas en el curso y se presenta como un apartado en este Libro: Problemas o Problemas o Problemas con gua o Proyectos Lecturas Ejercicios Tareas Evaluaciones y Autoevaluaciones El libro va acompaado de un disco compacto que incluye algunos paquetes y actividades que contribuirn a tu aprendizaje de las Matemticas. Las actividades se desarrollan en un ambiente que favorece el autoaprendizaje, la autoevaluacin, el trabajo en equipo, el manejo de la incertidumbre, la apropiacin de estrategias personales para el manejo de situaciones no familiares, el empleo de formas de pensamiento lgico y el uso de tecnologa como una herramienta. Las actividades estn planeadas para que estudiantes y profesores interacten con diferentes elementos (los problemas, los problemas con gua, los algoritmos, los ejercicios, las lecturas y las exposiciones) que brindan las experiencias complementarias que son necesarias para el logro de los objetivos del programa. La ctedra, o exposicin magistral del profesor, merece un comentario aparte. El profesor slo har matemticas frente a ti en ocasiones bien planeadas, cuando ests preparado para beneficiarte de sus explicaciones y participar con preguntas y comentarios, pero en general sers t quien haga matemticas con tus compaeros al realizar las actividades de aprendizaje. Las explicaciones del profesor, en general, tendrn como punto de partida el trabajo del grupo. En algunos casos resolvers completamente un problema (es un decir, un problema nunca termina, siempre engendra otros) pero en otras, quizs lo que obtengas de tus afanes sean preguntas bien formuladas, que no es algo desdeable, sino, por el contrario, algo indispensable para lograr un aprendizaje profundo y duradero, porque le da un sentido personal a una situacin que, en principio, nos puede resultar ajena. En el cuadro siguiente se encuentra una descripcin del tipo de actividades que se desarrollarn durante este curso: Actividad de aprendizaje Resolucin de problemas En qu consiste? Una actividad e la que se vinculan las herramientas matemticas con algunos conceptos utilizando un contexto. Se trata de propiciar la interaccin del estudiante con una situacin, familiar o no, en la que se usan las matemticas y se formulan o responden preguntas que contribuyen a la conceptualizacin de los objetos matemticos. En la clase, se propone a los estudiantes un problema, que puede contener un cuestionario gua o no, para resolverlo, generalmente, en equipo. El profesor orienta a los estudiantes en la solucin del
problema. Los alumnos presentan y validan la solucin. Es una tarea extraclase de varias etapas que requiere de un esfuerzo coordinado durante varios das o semanas, de la consulta a fuentes de informacin actualizada como peridicos, revistas o entrevistas a personas vinculadas con alguna situacin problemtica propicia para un anlisis matemtico. Los estudiantes investigan, buscan y organizan su trabajo. Consultan con su profesor, quien los orienta y retroalimenta en cada una de las etapas del proyecto. Se produce un informe que se presenta y discute en el grupo. Resolucin de Se trata de profundizar en el conocimiento de los algoritmos, de ejercicios comprender por qu funcionan y practicarlos, de ser posible con el auxilio de herramientas tecnolgicas, de ser capaces de generarlos, a partir de la solucin de los problemas, de explorarlos y generalizarlos. Los estudiantes trabajan, generalmente, en forma individual exponen y validan la solucin. El profesor dirige y orienta, reformula e introduce las convenciones de la disciplina. Lecturas Se trata de que el alumno interacte con un texto con el objeto de generar una interpretacin global, de identificar la estructura del texto, de reformular sus ideas principales, de comentarlo y conectarlo con el curso, de formular y resolver dudas, todo desde la perspectiva del desarrollo de una cultura matemtica. Se realiza generalmente fuera de la clase, dejando slo la discusin para la clase y, de ser posible, su prolongacin en un foro de discusin en la red. Ctedra Consiste en retomar o conducir el trabajo de los estudiantes mediante anotaciones pertinentes. Formula nuevos problemas, comenta definiciones, teoremas o demostraciones y su papel en la organizacin del conocimiento matemtico. El profesor retoma las soluciones de sus estudiantes para presentar y discutir nuevos temas as como para formalizar el conocimiento. Autoevaluacin Es un cuestionario diseado para que el alumno pueda evaluar sus avances con respecto a un objetivo bien definido. Aqu se encuentran organizadas por unidad. El alumno mismo puede contrastar sus respuestas con las que se incluyen para medir sus logros. Las secciones estn organizadas segn el tipo de actividad de aprendizaje. En la primera seccin encontrars la secuencia que corresponde a cada unidad del programa de la asignatura. La organizacin de las actividades que aqu se presenta constituye una propuesta flexible y fundamentada que puede ser modificada por el profesor. En cuanto al uso de las herramientas tecnolgicas en las actividades de aprendizaje, hay que destacar que, en el rea de Matemticas, se reconoce como un aspecto natural de nuestra sociedad y, por consiguiente, debe estar presente cotidianamente en nuestras clases, en la medida de lo posible, con el doble propsito de contribuir a fortalecer la comprensin de los alumnos y de permitir que se familiaricen con la interaccin mediada por estos dispositivos que caracteriza el ejercicio de las profesiones en la actualidad. As, en Desarrollo de Proyectos
particular, se considera el uso responsable, pero continuo, de las calculadoras con poder de graficacin y con sistemas de clculo algebraico, las hojas de clculo y los programas de computadora diseados para el aprendizaje y el uso de la Probabilidad y la Estadstica. Los programas vigentes de matemticas en el IPN reconocen que un examen escrito no permite evaluar todos los tipos de aprendizajes sealados antes, por ello incorpora la llamada evaluacin continua, en la cual se ponderan habilidades y actitudes que se van desarrollando paulatinamente.
Hoja 12
Programa de Probabilidad y Estadstica

Versin del alumno Objetivo general El curso permitir al alumno introducirse al estudio de fenmenos aleatorios, su interpretacin, importancia, tratamiento y aplicacin; al uso de tcnicas de muestreo; al conocimiento y la aplicacin, en diversos problemas, de diferentes tcnicas de recopilacin y presentacin, anlisis e interpretacin de datos numricos; en el uso y la apropiacin de las reglas para el clculo de probabilidades y de las distribuciones de probabilidad; en la importancia y el uso del mtodo estadstico en la toma de decisiones; en el desarrollo de habilidades para el anlisis, el razonamiento y la comunicacin de su pensamiento en la resolucin de problemas a partir del uso de la simulacin y del modelo de urnas, propiciando la asimilacin de aprendizajes ms complejos para la resolucin de problemas en su cotidianidad, rea tecnolgica y vida profesional. Lineamientos Generales. Durante todo el desarrollo del curso, se promover el anlisis, la solucin y la discusin de problemas en clase, en un ambiente que favorezca en los alumnos la apreciacin de su propio trabajo personal, el de sus compaeros y el de su profesor. Deber tenerse presente que la solucin de problemas es la que permite generar conocimiento, favorece su asimilacin y ayuda a distinguir lo esencial de lo menos importante. En este proceso el profesor es un facilitador del aprendizaje que problematiza, proporciona informacin y crea cdigos de instruccin, al mismo tiempo que organiza el trabajo en clase de manera que sus alumnos puedan resolver los problemas planteados y avanzar hacia nuevos conocimientos. A lo largo de la actividad es importante que los alumnos desarrollen su capacidad para comunicar su pensamiento y se acostumbren gradualmente a los diversos medios de expresin matemtica: el lenguaje natural, el simblico y el grfico, as como el uso de tablas y diagramas. Lneas a desarrollar en el curso de Probabilidad y Estadstica Este programa de Probabilidad y Estadstica contempla las siguientes lneas de desarrollo que se irn desplegando a lo largo de todo el curso: 1. Educacin de la intuicin sobre fenmenos al azar. 2. Apropiacin gradual de la simulacin como una estrategia para enfrentar situaciones diversas de estadstica y probabilidad. 3. Apropiacin gradual de las ideas fundamentales de la estadstica, as como de ciertas tcnicas que las ilustran. 4. Apropiacin gradual de las ideas fundamentales de la probabilidad, as como ciertas tcnicas que las ilustran.
5. Aplicacin de procedimientos estadsticos y probabilsticos a la solucin de problemas diversos. Unidad 1.-ESTADSTICA DESCRIPTIVA Objetivo. Que el estudiante ample y enriquezca sus conocimientos sobre la nocin de muestra y la distinga de una poblacin, as como de la importancia de la forma en que se realiza una recoleccin de datos, la presentacin de stos y su interpretacin. Asimismo, que sea capaz de hacer afirmaciones y sacar conclusiones sustentadas en los datos de que se disponen, a partir de una muestra representativa y que aprecie la diferencia entre sta y una muestra aleatoria. 1.1 Revisin de las nociones de muestreo y recoleccin de datos a partir de discusiones sobre: - la distincin entre muestra y poblacin, y de la necesidad de tratar con muestras; - la importancia de la obtencin de datos de una muestra representativa; - la importancia de la forma de obtener los datos de una muestra. 1.2 Reflexin acerca de la importancia de la Presentacin e Interpretacin de Datos, a partir de discusiones sobre: - el significado de los datos recabados y su forma de presentarlos; - las formas de resumir los datos recabados sin perder los aspectos relevantes de los mismos; - la interpretacin de la informacin publicada en diversos medios: revistas, peridicos, radio, televisin. 1.3 Reconocimiento de la necesidad y pertinencia de hacer un Anlisis de los Datos a partir de discusiones sobre - la importancia de fundamentar decisiones con base en datos recabados; - el uso de la interpretacin de ciertas presentaciones de datos para una mejor comprensin del fenmeno tratado. Unidad 2.-ELEMENTOS BSICOS DE PROBABILIDAD Objetivo Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre la nocin de probabilidad: como el cociente del nmero de resultados favorables entre el nmero de resultados posibles (nocin clsica de probabilidad) y como el valor al que tiende, al repetir varias veces un experimento, el cociente del nmero de veces en que se present el resultado buscado entre el nmero de ocasiones en que se repiti el experimento (nocin frecuentista de probabilidad), as como que desarrolle habilidades para el clculo de probabilidades al resolver problemas, mediante el uso de simulaciones. 2.1 Tratamiento de la nocin clsica de Probabilidad a partir de discusiones sobre: - las distintas fuentes que generan los procesos aleatorios. - generadores de nmeros aleatorios, calculadoras, computadoras, tablas. - los resultados igualmente probables para medir la incertidumbre; - el clculo de probabilidades en diversas situaciones.
2.2 Tratamiento de la nocin de Probabilidad Frecuencial a partir de discusiones sobre: - estimacin de la probabilidad de fenmenos aleatorios en trminos de la frecuencia relativa, - la probabilidad frecuencial como lmite de una razn, - la asociacin del concepto de frecuencia relativa a la idea intuitiva de la probabilidad, - la regularidad estadstica. 2.3 Tratamiento de la adicin de Probabilidades a partir de discusiones sobre: - situaciones donde aparecen eventos mutuamente exclusivos, para dos o ms eventos, - situaciones para eventos que no son mutuamente exclusivos para dos o ms eventos, - la aplicacin en el clculo de probabilidades donde aparezca el uso de las tcnicas de conteo. Unidad 3.-PROBABILIDAD CONDICIONAL Objetivo Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre las nociones de probabilidad condicional e independencia de eventos, as como que haga uso del modelo de urnas y de diagramas de rbol como tcnicas para el clculo de probabilidades en situaciones reales. Que distinga la diferencia entre eventos independientes y experimentos independientes. 3.1 Tratamiento del teorema de la multiplicacin a partir de la discusin de las situaciones sobre: - lo ventajoso que resulta calcular la probabilidad mediante el teorema de la multiplicacin, - el uso de diagramas de rbol para el clculo de probabilidades. 3.2 Tratamiento de la probabilidad condicional y la independencia de eventos a partir de la discusin de las situaciones sobre: - el significado en probabilidad de eventos independientes. - la distincin de eventos independientes. 3.3 Tratamiento del Teorema de Bayes a partir de la discusin de las situaciones que den lugar al uso de este teorema. Unidad 4.-DISTRIBUCIN DE PROBABILIDAD. Objetivo Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre las nociones de variable aleatoria y su distribucin de probabilidad asociada. Que sea capaz de reconocer la diferencia entre una distribucin discreta y una continua, as como fenmenos asociados a una y otra. Que sea capaz de establecer la relacin entre distribucin de probabilidad y representacin grfica de datos.
4.1 Tratamiento de la distribucin de Probabilidad a partir de discusiones sobre: - el significado de la variable aleatoria y de la desviacin estndar de la misma. - la interpretacin de la grfica de la funcin densidad de probabilidad. - la relacin entre una distribucin de probabilidad y un histograma (entre la probabilidad y la estadstica). 4.2 Tratamiento de la distribucin discreta (distribucin binomial y de Poisson) a partir de discusiones de situaciones sobre: - la distribucin de probabilidad que corresponde a una distribucin binomial. - el uso de la distribucin binomial. - la distribucin de probabilidad que corresponde a una distribucin de Poisson. 4.3 Tratamiento de la distribucin continua (distribucin normal) a partir de discusiones de situaciones sobre: - las caractersticas de una distribucin normal. - el uso de la distribucin normal. - la distribucin de probabilidad que corresponde a una distribucin normal. Unidad 5.-INFERENCIA ESTADSTICA Objetivo El propsito de esta unidad es proporcionarle elementos tericos al estudiante para que pueda hacer inferencias acerca del valor y la confiabilidad de un parmetro poblacional con base en los resultados obtenidos de una o ms muestras. Esto se logra mediante la contrastacin de hiptesis, la cual se puede realizar desde un enfoque clsico, llamado prueba de hiptesis, o bajo un enfoque basado en un valor de probabilidad. 5.1 Tratamiento de la estimacin puntual y por intervalos. Discusiones de situaciones sobre intervalos de confianza. 5.2 Tratamiento de las situaciones sobre el nivel de confianza. 5.3 Tratamiento de las situaciones de intervalos de confianza para la media y para la diferencia entre las medias. 5.4 Tratamiento de situaciones sobre pruebas de hiptesis, errores de tipos I y II y reglas de decisin. 5.5 Tratamiento de situaciones sobre pruebas de hiptesis para la media y para la diferencia entre las medias. Bibliografa - Johnson, Robert y Kuby, Patricia. Estadstica Elemental. Lo esencial. International Thomson Editores. - Hoel, Paul G. Estadstica Elemental. Editorial LIMUSA. - Wonnacott, Ronald B. Estadstica Bsica Prctica. Editorial LIMUSA.
Chao, Lincoln L. Introduccin a la estadstica. McGraw-Hill.
Hoja 17
ASPECTO A EVALUAR Potencia matemtica
DEFINICIN OPERATIVA Habilidad y capacidad de usar la matemtica para resolver problemas en diferentes reas de estudio
FORMA DE EVALUACIN Exmenes escritos Exposicin y resolucin de problemas Trabajos extraclases Exmenes escritos Exposicin y resolucin de problemas Trabajos extraclases Exmenes escritos Exposicin Interrogatorios Entrevistas Exmenes escritos Interrogatorios Trabajos extraclases Exmenes escritos Observacin Entrevistas Interrogatorios Trabajo en equipo
EVALUACIN
INDIRECTA DIRECTA
X X X X X X X X X X X X X
Resolucin de Problemas
Capacidad para resolver problemas y plantearlos, considerando diversas alternativas para resolver problemas, un plan para resolver el problema, interpretar y comprobar resultados, y generalizar soluciones. Capacidad de reconocer patrones, estructuras comunes y formular conjeturas
Razonamiento
Comunicacin
Capacidad del alumno para expresar ideas matemticas en diversas formas: hablada, escrita y grfica.
Actitud Matemtica
PERIODO 1
Confianza en el uso de las matemticas para resolver X X problemas; comunicar ideas y razonar, probar mtodos X alternativos para la resolucin de problemas; la X perseverancia de llegar hasta el fin de la tarea matemtica; X el inters, la curiosidad, la inventiva de los alumnos para X X hacer matemticas; el reconocer el valor que tienen las matemticas en nuestra cultura, como herramienta y como lenguaje. UNIDADES PLAN DE EVALUACIN TEMTICAS 1y2 Examen departamental 60% El examen departamental estar conformado por problemas que se evaluarn Evaluacin continua 40% tomando en cuenta:
2 3
3y4 5
Examen departamental 60% Evaluacin continua 40% Examen departamental 60% Evaluacin continua 40%
1. la comprensin del problema 2. la planeacin de una solucin 3. la obtencin de una respuesta En la evaluacin continua se tomar en cuenta el modelo PER para propiciar que los alumnos se responsabilicen de su propio aprendizaje
Hoja 19
Secuencias de Actividades de Aprendizaje del Curso de Probabilidad y Estadstica
Unidad 1. Estadstica Descriptiva Que el estudiante ample y enriquezca sus conocimientos sobre la nocin de muestra y la distinga de una poblacin, as como de la importancia de la forma en que se realiza una recoleccin de datos, la presentacin de stos y su interpretacin. Asimismo, que sea capaz de hacer afirmaciones y sacar conclusiones sustentadas en los datos de que se disponen, a partir de una muestra representativa y que aprecie la diferencia entre sta y una muestra aleatoria.
Horas
Problemas El basquetbolista Pregntate y Responde
1-3
Problemas con gua El varoncito De la vida de los acumuladores Las personas de las tarjetas Las medias sedosas y transparentes La negociacin salarial Las transformaciones de los datos
Actividades Internet Fracciones, decimales y porcentajes Porcentajes e ndices Variables estadsticas bidimensionales. Regresin y correlacin Estadstica descriptiva
Ejercicios Captulo 1, pp 1 a 24. Ejercicios de la forma 4n+1 desde 1.1 hasta 1.48
Lecturas El mtodo de simulacin de Montecarlo
Proyectos
4-5 5-7
Captulo 2, pp 25 a 72. Ejercicios de la forma 5n+2 desde 2.1 hasta 2.90
Necesidad de datos (video)
8-10
Estampitas
Media, mediana y moda
Hoja 21
Unidad 2. Elementos bsicos de Probabilidad Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre la nocin de probabilidad: como el cociente del nmero de resultados favorables entre el nmero de resultados posibles (nocin clsica de probabilidad) y como el valor al que tiende, al repetir varias veces un experimento, el cociente del nmero de veces en que se present el resultado buscado entre el nmero de ocasiones en que se repiti el experimento (nocin frecuentista de probabilidad), as como que desarrolle habilidades para el clculo de probabilidades al resolver problemas, mediante el uso de simulaciones.
Horas
Problemas Y el hermoso Nireo, el ms hermoso ... Emergencias
11-13 14-16
Problemas con gua Colas: Una simulacin exitosa Misin posible?
Actividades Internet El azar y la probabilidad
Ejercicios
Lecturas Incertidumbre
Proyectos
El dilema de Monty Hall 17-19 Los amantes del metro Pino Surez Mujeres y Variables Preferencias Electorales Odisea, fecundo en artimaas
La familia atribulada Conjuntos de nmeros Variable aleatoria y beisbol
Sucesos aleatorios
Captulo 2, pp 72 a 100. Ejercicios de la forma 4n+3 desde 2.91 hasta 2.157 Captulo 3, pp 101 a 144. Ejercicios de la forma 6n+5 desde 3.1 hasta 3.67
Qu suerte! (video)
20-21
Ley d'Hont
Captulo 4, pp 145 a 165. Qu se puede Ejercicios de la forma esperar? (video) 3n+1 desde 4.1 hasta 4.46
Hoja 22
Unidad 3. Probabilidad condicional Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre las nociones de probabilidad condicional e independencia de eventos, as como que haga uso del modelo de urnas y de diagramas de rbol como tcnicas para el clculo de probabilidades en situaciones reales. Que distinga la diferencia entre eventos independientes y experimentos independientes.
Horas
Problemas
22-23 Las afortunadas plantas de sus reales pies Si mueres, ganas Clemencia Control de calidad La cola del banco Hermana rata, deca Francisco, el santo Condiciones electorales
Problemas con gua De qu tamao debe ser la muestra?
Actividades Internet
Ejercicios Captulo 4, pp 165 a 172. Ejercicios desde 4.47 hasta 4.59
Lecturas Lily elige novio
Proyectos
24-26
27-29
Ordenaciones y Comparaciones Diagramas de rbol
Captulo 4, pp 172 a 180. Un mesurado Ejercicios de la forma estilo de vida 2n+1 desde 4.60 hasta (video) 4.80 Captulo 4, pp 180 a 187. El vicio del Ejercicios desde 4.81 juego y la virtud hasta 4.92 de asegurarse El juego de vida Captulo 4, pp 187 a 192. Ejercicios de la forma 2n+1 desde 4.93 hasta 4.115
El dilema de Monty Hall
Hoja 23
Unidad 4. Distribucin de probabilidad Que el estudiante ample y enriquezca gradualmente sus conocimientos sobre las nociones de variable aleatoria y su distribucin de probabilidad asociada. Que sea capaz de reconocer la diferencia entre una distribucin discreta y una continua, as como fenmenos asociados a una y otra. Que sea capaz de establecer la relacin entre distribucin de probabilidad y representacin grfica de datos.
Horas
Problemas De Tepetitla a Ayeca Presunto inocente Coincidencias natales
30-31 32-33
Problemas con gua Un problema bonito Las medusas
Actividades Internet Distribucin de probabilidad continua
Ejercicios Captulo 5, pp 193 a 206. Ejercicios de la forma 2n+1 desde 5.1 hasta 5.32 Captulo 5, pp 206 a 224. Ejercicios de la forma 4n+3 desde 5.33 hasta 5.83 Captulo 6, pp 225 a 256. Ejercicios de la forma 6n+1 desde 6.1 hasta 6.82 Captulos 5 y 6, pp 193 a 256. Ejercicios de la forma 2n+1 desde 5.84 hasta 5.100 Ejercicios de la forma 3n+1 desde 6.83 hasta 6.104
Lecturas Correlacin, intervalos y tests Altas esperanzas (video)
Proyectos
34-35
El cumpleaos Perseverancia
Probabilidad. Distribuciones
36-37 Estas bateras s son de fiar Atencin inmediata
Sistemas de Votacin
Hoja 24
Esperanza falaz, azar fecundo Totoles y Escamoles
Hoja 25
Unidad 5. Inferencia estadstica El propsito de esta unidad es proporcionarle elementos tericos al estudiante para que pueda hacer inferencias acerca del valor y la confiabilidad de un parmetro poblacional con base en los resultados obtenidos de una o ms muestras. Esto se logra mediante la contrastacin de hiptesis, la cual se puede realizar desde un enfoque clsico, llamado prueba de hiptesis, o bajo un enfoque basado en un valor de probabilidad.
Horas
Problemas Tuercas, tornillos y varillas El lmite del malacate La decisin de Maya Los volcanes y las islas El telefrico La serie mundial
Problemas con gua
38-39
Actividades Internet Distribucin normal e inferencia estadstica
Ejercicios
Lecturas
Proyectos
40-42 43-45
Las medusas y el TLC TLC
46-48
Muestreo e inferencia estadstica
Captulo7, pp 257 a 279. Las Ejercicios de la forma matemticas de 4n+3 desde 7.1 hasta 7.50 una catadora de t Captulo 8, pp 281 a 307. Ejercicios de la forma 5n+2 desde 8.1 hasta 8.54 Captulo 8, pp 307 a 340. Encuesta aparte Ejercicios de la forma (video) 6n+5 desde 8.55 hasta 8.139 Captulo 9, pp 341 a 360. Estadstica: Dos Ejercicios de la forma teoremas 4n+1 desde 9.1 hasta 9.41 Captulo 10, pp 379 a 408. Ejercicios de la forma 5n+2 desde 10.1 hasta 10.60
Hoja 26
Materiales Auxiliares para la Organizacin del Aprendizaje
Hoja 27
Para entrar en materia.
Materiales Auxiliares para la Organizacin del Aprendizaje
Introduccin
Materiales Auxiliares para la Organizacin del Aprendizaje (MAPOA) Para lograr el aprendizaje integral y multidimensional que aqu proponemos es necesario que todos nos hagamos corresponsables. Esta responsabilidad compartida apunta al fortalecimiento de nuestra autonoma. A lo largo de las sesiones discutiremos explcitamente algunos de los materiales para la organizacin del aprendizaje y procuraremos convencernos de la importancia de su uso cotidiano. Estos materiales se encuentran en la Academia de Matemticas de tu CECyT, adems de en el disco compacto que acompaa a esta Gua, y sirven como un marco de referencia compartido al que recurriremos constantemente durante el curso. En la medida en que nos familiaricemos con ellos pueden llegar a constituir un lenguaje comn, con el que podemos hablar acerca de algunos aspectos importantes de tu aprendizaje. En trminos generales, estos materiales auxiliares concretan la expresin responsabilizarse de su aprendizaje y contribuyen al logro de nuestra autonoma en la organizacin de nuestros propios aprendizajes. Los auxiliares para la organizacin del aprendizaje son los siguientes:
En este breve texto se discute el aprendizaje de la resolucin de problemas en el contexto de las habilidades intelectuales de alto nivel y se propone un modelo de aprendizaje esquemtico, hacer, reflexionar y comunicar, que contrasta con el tradicional or, ver y reproducir. Aqu se presenta por primera vez la idea del problema como el mejor medio de establecer una relacin fecunda con una disciplina. Esta idea se discute ms detalladamente en La Heurstica.
Hoja 28
En el modelo de organizacin del aprendizaje PER (Propsito, Estrategia, Resultado) de Selmes, investigador especializado en las habilidades de estudio, se presenta un marco de referencia para estructurar las actividades de aprendizaje. Se invita a administrar los dos enfoques que se proponen, el superficial y el profundo, con el objeto de formarse un estilo independiente. La ElHeurstica. modelo PER.
En este documento de Schoenfeld, investigador especializado en la resolucin de problemas matemticos, se presenta una estrategia de resolucin de problemas, acompaada de un diagrama de flujo y de una tabla que incluye las heursticas de uso ms frecuente. El material consta de tres partes: La estrategia. Algunas heursticas de uso frecuente. Una sntesis esquemtica de la estrategia de resolucin de problemas.
El portafolios
El portafolios, que es un recipiente en el que se acumula, organiza y reorganiza todo lo que se produce en las actividades, en forma individual o en equipo, as como los comentarios y extensiones de estos productos.
El portafolios aporta informacin sobre: el pensamiento del alumno, su crecimiento en el tiempo, las conexiones que establece, el punto de vista del alumno acerca de su quehacer matemtico, el proceso de resolucin de problemas. La mejor manera de convencernos de la utilidad del portafolios, de conocer su potencial y advertir sus limitaciones, es usarlo para recopilar todos los reportes de resolucin de problemas, los planes, los reportes de las experiencias, los comentarios de las lecturas, etctera.
Las fichas Algunos comentarios y sugerencias sobre la elaboracin del reporte, el trabajo en equipo, la discusin matemtica, el control durante la resolucin de problemas en el saln de clases y la elaboracin de controles de lectura se presentan en forma de fichas. A partir de los resultados de las investigaciones de algunos educadores se proponen una serie de comentarios, para su discusin, sobre diversos aspectos de las sesiones de resolucin de problemas.
Hoja 29
La evaluacin de nuestro aprendizaje debe estar basada en las objetivos educativos a corto, mediano y largo plazos y, por supuesto, Los formatos de en los objetivos de nuestro curso, as mismo debe apuntar a mejorar evaluacin nuestro mtodo de aprendizaje y a reforzar nuestro conocimiento de nosotros mismos. Estos formatos establecen criterios que nos permitirn evaluar de una forma ms integral nuestro propio trabajo y el de nuestros compaeros. Algunos materiales auxiliares para la organizacin del aprendizaje que puedes consultar con provecho son: Propsitos y Competencias Bsicas del Estudiante de Bachillerato Para entrar en materia El Modelo PER El enfoque profundo y sus caractersticas El enfoque superficial y sus caractersticas Cuestionario de autoevaluacin Algunos enunciados sobre la organizacin La Heurstica Heursticas de uso frecuente. Sntesis esquemtica de la estrategia de resolucin de problemas El Portafolios Un diagrama del portafolio Especificaciones adicionales sobre el contenido del portafolio como escaparate Las Fichas Recomendaciones para el trabajo individual Recomendaciones para la discusin general Recomendaciones para el trabajo en equipo Recomendaciones para la elaboracin del reporte de la actividad Qu es un problema? Qu es un ejercicio? Antes de entregar tu reporte, revsalo! Cmo se construye un mapa conceptual Las actividades de comprensin de Perkins Gua para la elaboracin de informes de lectura Los Formatos de Evaluacin Evaluacin de presentaciones Autoevaluacin de reportes Las tres preguntas reveladoras de Mosteller Autoevaluacin del curso Autoevaluacin de habilidades, actitudes y valores La propuesta siguiente es un plan que te permitir revisar e incorporar estos materiales en tus actividades de aprendizaje de matemticas (y otras materias). En este plan se incluyen algunas cpsulas que puedes discutir con tus compaeros y profesores. Adems te hacemos
algunos comentarios adicionales y te sugerimos algunas formas para trabajarlos con provecho.
Unidad 1 2 3 4 5
MAPOA Introduccin. Las Matemticas en mi vida. Las secciones del Portafolio. Mapas conceptuales. Las fichas del Modelo PER. Autoexamen sobre tu manera de pensar. Profesor estoy bien? Las fichas. La Heurstica. Autoevaluacin de actividades, actitudes y valores. Portafolios como escaparate.
Las Matemticas en mi vida (Una autobiografa matemtica) Escribe un texto titulado "Las matemticas en mi vida". Toma en cuenta los puntos siguientes: 1. Relato escrito en un mnimo de dos cuartillas. 2. Usa el esquema de las dimensiones del aprendizaje (conocimientos, habilidades, actitudes y transferencia) para la descripcin de los que sabes de matemticas y trata explcitamente lo relativo a la forma en que lo usas fuera de tu clase de matemticas. 3. Haz una evaluacin de tu ltimo curso de matemticas, evala a tu profesor y autoevalate. 4. Describe lo que consideras buenas y malas clases, explica por qu las calificas as. 5. Incluye el aspecto emocional. 6. Describe la actitud de tus familiares con respecto a las matemticas. 7. Trata lo que han sido las matemticas en tu pasado, lo que son en tu presente y lo que esperas que sean en tu futuro. 8. Qu espero de mi profesor? 9. Qu estoy dispuesto a hacer para aprender? Especifica. 10. Qu son las matemticas? 11. Cmo aprendo matemticas? 12. De dnde salieron las matemticas? 13. Incluye tus opiniones y en caso de que consultes algn libro, especfica la fuente.
Qu es el portafolio?, Qu debes tener en tu portafolio?
Hoja 31
El portafolio es un instrumento en el que se pretende evaluar una diversidad de registros que reflejan aspectos distintos del aprendizaje de los alumnos, que parece muy adecuado para hacer una evaluacin continua y adems para hacer cortes de evaluaciones acumulativas e integradoras tantas veces como se requiera, recuperando el propsito original de la evaluacin que es partir de elementos confiables para mejorar tanto el aprendizaje del alumno como la enseanza del profesor. (Consulta el diagrama de tus materiales auxiliares para la organizacin del aprendizaje)
Hoja 32
Problemas
Hoja 33
Problemas
Introduccin
La habilidad para resolver problemas constituye un excelente indicador del nivel de desarrollo matemtico que has alcanzado. En esta gua la actividad de resolucin de problemas es la parte ms importante, ya que te permitir vincular las herramientas matemticas con una dimensin de uso, se introducen conceptos matemticos utilizando contextos, y se formulan y responden preguntas que contribuyen a la conceptualizacin de los objetos matemticos. Qu es un problema? Por problema se entiende una situacin matemtica o extramatemtica que no tiene solucin inmediata, admite varias vas de aproximacin y posiblemente varias soluciones, puede consumir mucho tiempo, quizs varias clases, o hasta varios cursos y exige esfuerzo mental, imaginacin y creatividad. Un problema no se trabaja una vez y ya nos olvidamos de l, tanto profesor como alumnos, sino que puede retomarse en distintos momentos para mejorar su solucin o profundizar en alguna cuestin que haya suscitado. A travs de la actividad de resolucin de problemas queremos que t: hagas uso de las matemticas con las que cuentas para dar respuesta a las preguntas planteadas en el contexto de la situacin, busques conexiones entre diferentes representaciones, logres diferentes vas de acceso trabajando varios enfoques, generalices tus soluciones y reformules, amplindolo, el problema en otros campos, generes criterios para validar las interpretaciones y los modelos matemticos, construyas y hagas evolucionar los conceptos matemticos como respuesta a tus propias preguntas, y desarrolles actitudes que te permitan enfrentar y manejar situaciones complejas con un alto grado de incertidumbre. La resolucin de problemas es un proceso que no se puede encerrar en una receta paso a paso, es en esencia un viaje, una aventura, no un destino, que a ratos sufrimos y a ratos disfrutamos, para el que no tenemos un mapa de antemano, necesitamos aprender a descubrir o construir caminos. Sin embargo, se pueden destacar algunas etapas de esta aventura: hay un deseo de acercarse al problema, de aceptar el desafo, de correr un riesgo, de encontrar la respuesta, de comprender una pregunta, de descubrir nuevos conocimientos o de crear una solucin. Alguien ha dicho que en la resolucin de un problema, como en la vida, lo que importa es el camino. Si tomas esto en cuenta, podrs aprender a adoptar una actitud que te permita disfrutar y aprovechar la resolucin de un problema. No pongas la mira en el xito o en el fracaso, sino en el proceso. Es el proceso el que te ensea. Un
problema resuelto es un problema muerto, mientras no est resuelto vive en ti como problema. En esta gua se habla de problemas, problemas con gua y proyectos. Todos ellos comparten la misma idea de problema que acabamos de mencionar en los prrafos anteriores. Expliquemos la diferencia que hay entre ellos. I. Problema: Consta de un enunciado en el que se describe la situacin y lo que se quiere que hagas y respondas. El tiempo estimado para discutirlo provechosamente es despus de una o dos horas de haberlo trabajado. II. Problema con gua: Adems del enunciado contiene un cuestionario o una secuencia de pasos que te permiten seguir avanzar en el problema usualmente de situaciones sencillas a otras ms complejas. Tambin el tiempo estimado para discutirlo provechosamente es despus de una a dos horas de haberlo trabajado. III. Proyecto: Es un problema, o problema con gua, que requiere ms de dos horas de trabajo antes de discutirlo provechosamente. Es posible que tengas que generar t mismo los datos y una parte importante del trabajo la tengas que hacer fuera del saln de clases. Sobre los proyectos: Los proyectos te permitirn, ms que cualquier otra actividad, profundizar en el aprendizaje de la modelacin matemtica. Para que tengas una perspectiva ms amplia sobre el papel de la modelacin matemtica en los distintos mbitos del quehacer humano puedes leer Aspectos externos de Reuben y Hersh que se incluye en la seccin Lecturas de tu disco. Seguramente te suscitar muchas preguntas que puedes discutir provechosamente con tus compaeros y con tu profesora. Un proyecto es una tarea extraescolar de varias etapas que requiere un trabajo coordinado durante varias semanas, o meses, para llegar a darle una conclusin satisfactoria. Es decir que se logre dar respuesta a las preguntas que se plantearon y una evaluacin, que puede incluir preguntas nuevas, de la calidad de la respuesta. En cada proyecto hay algunas partes en las que es muy probable que te atores. En ocasiones te podrs desatorar solo, gracias a que logres una mejor comprensin de alguna idea y as puedas desatar el nudo y avanzar. Pero, ms a menudo, requerirs de la asesora de tus profesores, quienes te ayudarn por medio de preguntas, sugerencias, ejercicios complementarios o lecturas. La evaluacin del proyecto se har mientras realizas el proyecto, no slo al presentar el trabajo concluido. Por lo tanto, debes hacer un plan desde el principio y fijar un calendario que especifique las fechas de entrega de los informes parciales y del informe final. Adems, debers considerar la presentacin ante el grupo y preparar un guin para la discusin que se realizar durante, o despus de, la presentacin. Entre mejor entiendas lo que se trata de lograr con los proyectos, ms fcil te ser hacer el esfuerzo considerable que exigen. Con la evaluacin, tanto la continua como la final, queremos obtener informacin sobre el desarrollo de tus habilidades matemticas, como, por ejemplo, la capacidad para: Formular los problemas que resultan de una situacin.
Hoja 35
Identificar los procedimientos matemticos que te permiten obtener la informacin necesaria. Recopilar y organizar los datos obtenidos. Formular conjeturas razonables al considerar los patrones que observas en, o impones a, los datos. Poner aprueba tus hiptesis. Hacer los cambios necesarios y obtener otras informaciones a partir de las reformulaciones de los problemas. Explicar tus mtodos de indagacin. Producir un informe del desarrollo y conclusiones del proyecto sucinto y articulado. Tambin se considerarn algunas actitudes como: La creatividad y la iniciativa. La participacin en el equipo. El liderazgo y la cooperacin efectivos. La perseverancia y la minuciosidad. La flexibilidad y la amplitud de criterio. La disposicin para ir ms all de las soluciones inmediatas. Es muy recomendable que uses los paquetes que se incluyen en el disco compacto mientras resuelves los problemas. Algunas muy buenas herramientas para la comprensin son los paquetes de estadstica dinmica. Si tienes dudas en su manejo tu profesor te puede orientar.
Hoja 36
Problemas
1. El basquetbolista A partir de la lectura de El mtodo de simulacin de Montecarlo escribe un enunciado basado en la situacin del basquetbolista que precise tres preguntas, incluyendo la que se plantea en el texto (Sabemos que un determinado jugador de basquetbol encesta el 40 % de sus tiros. Si en un partido hace 20 tiros cul es la probabilidad de que enceste exactamente 11 veces?). Para cada pregunta planteada formula una conjetura, escrbela y entrega tus conjeturas al profesor antes de comenzar la solucin del problema. Establece el modelo para la simulacin de un tiro, primero, y de un juego, despus, utilizando los nmeros aleatorios de la calculadora. Realiza la simulacin de 100 juegos con 20 tiros en cada juego, registra los resultados en una tabla y responde las preguntas con los resultados que obtuviste de la simulacin. Relaciona las preguntas con las grficas: histograma, polgono de frecuencias y curva suavizada. Destaca la relacin entre rea y frecuencia. Escribe un enunciado que haga referencia a una situacin distinta de la del basquetbolista pero que tenga el mismo modelo que se gener. 2. Pregntate y Responde Recibirs varios documentos (impresos, fragmentos de audio o video) que contienen informacin estadstica. Puedes llevar tus propios documentos con informacin estadstica sobre temas que te interese analizar y compartir. Formula 10 preguntas que se puedan responder con la informacin contenida en las hojas y, por supuesto, respndelas. Elabora un reporte por pareja. Presenta tus preguntas y respuestas al grupo, procura incluya actividades de comprensin como: La explicacin. La ejemplificacin. La aplicacin. La justificacin. La comparacin y el contraste. La contextualizacin. La generalizacin. Entrega como anexo 5 preguntas mejores que las que originalmente llevaste. Los aspectos que se consideran en la evaluacin son: Comprensin de la necesidad de basarse en los datos para responder las preguntas.
Hoja 37
Planeacin y ejecucin de los planes que relacionen el anlisis de los datos con los supuestos que se introducen explcitamente. Conclusiones que se sustenten en un argumento que use la informacin proveniente de los datos y los requerimientos de la pregunta que se quiere responder. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 3. Estampitas Cada paquete de chicle incluye una estampa de un beisbolista clebre con su retrato e informacin acerca de su carrera y logros principales. Hay una plana con marcos para pegar cada una de las estampas. La plana completa comprende seis estampas. Cuntos paquetes de chicle tienes que comprar para completar la plana? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 4. Y el hermoso Nireo, el ms hermoso ... En una fbrica de envases para vino hay dos mquinas que producen la totalidad de botellas. La mquina Ayax produce el 70% de las botellas, en tanto que la mquina Nireo produce el resto de las botellas. El 5% de las botellas que produce la mquina Ayax y el 8% de las de la mquina Nireo resultan defectuosas. a) Qu porcentaje de las botellas que produce la fbrica resulta defectuoso? b) Qu porcentaje de las botellas defectuosas proviene de la mquina Nireo? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 5. Emergencias Una ciudad cuenta con dos compaas de ambulancias. En los registros de la ciudad se anotan la fecha, la hora de la llamada, la compaa y el tiempo de respuesta para cada llamada al 911, como se muestra en la tabla siguiente. Analiza estos datos y escribe un reporte para el Consejo de la Ciudad (con grficas y cuadros que lo sustenten) con una recomendacin acerca de cul es la compaa que se debe escoger para atender las llamadas al 911 en esta regin. Registro del envo de ambulancias, 1 a 30 de mayo
Fecha de la llamada Hora de la llamada Compaa Tiempo de respuesta en minutos Fecha de la llamada Hora de la llamada Compaa Tiempo de respuesta en minutos
1 1 2 2 3 3
7:12 am Metrpolis 7:43 pm Metrpolis 10:02 pm Saeta 12:22 pm Metrpolis 5:30 am Saeta 6:18 pm Saeta
11 11 7 12 17 6
12 15 15 15 16 16
8:30 pm 1:03 am 6:40 am 3:25 pm 4:15 am 8:41 am
Saeta Metrpolis Saeta Metrpolis Metrpolis Saeta
8 12 17 15 7 19
Hoja 38
4 6:25 am Saeta 16 18 2:39 pm Saeta 10 5 8:56 pm Metrpolis 10 18 3:44 pm Metrpolis 14 6 4:59 pm Metrpolis 14 19 6:33 am Metrpolis 6 7 2:20 am Saeta 11 22 7:25 am Saeta 17 7 12:41 pm Saeta 8 22 4:20 pm Metrpolis 19 7 2:29 pm Metrpolis 11 24 4:21 pm Saeta 9 8 8:14 am Metrpolis 8 25 8:07 am Saeta 15 8 6:23 pm Metrpolis 16 25 5:02 pm Saeta 7 9 6:47 am Metrpolis 9 26 10:51 am Metrpolis 9 9 7:15 am Saeta 16 26 5:11 pm Metrpolis 18 9 6:10 pm Saeta 8 27 4:16 am Saeta 10 10 5:37 pm Metrpolis 16 29 8:59 am Metrpolis 11 10 9:37 pm Metrpolis 11 30 11:09 am Saeta 7 11 10:11 am Metrpolis 8 30 9:15 pm Saeta 8 11 11:45 am Metrpolis 10 30 11:15 pm Metrpolis 8 Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 6. El dilema de Monty Hall Monty Hall conduce un programa de televisin de concursos. Monty ha colocado un automvil de lujo detrs de una de las tres puertas del escenario de 'Coche o Cabra', su concurso ms popular. La dinmica del concurso es la siguiente, dice Monty: En primer lugar, usted seala una puerta. Luego yo abrir una de las dos restantes para mostrarle la cabra que hay detrs. Despus usted decide cul ser su eleccin definitiva y ganar lo que haya detrs de la puerta escogida. Por ejemplo, usted elige primero la puerta 1. Monty abre la puerta 3 y detrs hay una cabra. Cul ser su eleccin definitiva? Mantener su primera eleccin, la puerta 1, o cambiarla por la puerta 2? Cul debe ser la decisin del concursante? Sustenta tu respuesta en un argumento explcito. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 7. Los amantes del metro Pino Surez Un par de amantes furtivos se citan, para estar solos, en la estacin Pino Surez del metro. Como a ninguno de ellos le gusta esperar, acuerdan que si uno de ellos llega y no est el otro, permanecer 15 minutos y, si entretanto no llega el esperado, se ir, de mala gana, pero se ir. Se citan diariamente entre las 2:00 y las 3:00 pm, cul es la probabilidad de que tenga lugar su encuentro? Cuntas veces esperan encontrarse durante el prximo ao, si mantienen su acuerdo? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje.
Hoja 39
8. Mujeres y Variables En un estudio sobre la nocin de variable en 337 estudiantes de primer ao de licenciatura, 160 de ellos eran mujeres, se obtuvo la informacin siguiente: En total 247 personas eran solventes en el uso de la variable como nmero general, 95 mujeres eran solventes en el uso de la variable como incgnita, 85 de las personas solventes en el uso de la variable como nmero general tambin lo eran en el uso de la variable como incgnita, 20 de las mujeres solventes en el uso de la variable como nmero general tambin lo eran en el uso de la variable como incgnita y todos los hombres eran solventes en el uso de la variable como nmero general. Si de este grupo se escoge una persona al azar calcula la probabilidad de que: a) Sea un hombre solvente en el uso de la variable como nmero general. b) Sea una mujer solvente en el uso de la variable como incgnita pero no solvente en el uso de la variable como nmero general. c) Sea un hombre solvente tanto en el uso de la variable como incgnita como en el uso de la variable como incgnita. d) No sea solvente en el uso de la variable como incgnita. 9. Preferencias Electorales En una encuesta sobre preferencias electorales participaron 600 personas: 355 hombres y 245 mujeres, cuyas opiniones se distribuyeron de la siguiente manera: - Entre los hombres: 213 prefirieron al candidato A y 142 al candidato B. - Entre las mujeres: 98 prefirieron al candidato A y 147 al candidato B. a) Presenta los datos anteriores por medio de una tabla de doble entrada. b) De entre las personas que participaron en la encuesta: b1) Qu proporcin fue de hombres? qu proporcin fue de mujeres? b2) Qu proporcin prefiere al candidato A? qu proporcin prefiere al candidato B? b3) Qu proporcin de las mujeres prefiere al candidato A? qu proporcin de los que prefieren al candidato B son mujeres? c) En el padrn electoral estn registrados 4185 hombres y 5069 mujeres. Votan el 23% de los hombres y el 44% de las mujeres, cuntos votos obtendr cada candidato? 10. Odiseo, fecundo en artimaas, Odiseo, fecundo en artimaas, tiene dos novias, Penlope y Circe, la primera vive cerca del metro Taxquea y la segunda, cerca del metro Pino Surez. Para ir a visitar a cualquiera de las dos, todos los das toma el metro en la estacin Portales. Como Odiseo es imparcial, pues cada una ocupa una parte igual de su corazn, ha decidido que el azar le indique a quien visitar cada da. As que tomar el primer metro que llegue al andn, en cualquier direccin. Luego de mucho tiempo, Odiseo se dio cuenta de que, a pesar de tomar el metro a diferentes horas, por la maana, por la tarde y por la noche, y de que la frecuencia del metro en ambas direcciones es la misma, cada minuto, nueve de cada diez veces iba a dar a los brazos de Circe. Puedes explicarle a Penlope esta rareza?
Hoja 40
11. Las afortunadas plantas de sus reales pies En el legendario reino de La Loma, hasta hace poco una regin feraz, ha aparecido una plaga de ratas que lo devastan con el rigor de una demostracin geomtrica. El adivino de palacio, el prudente Tiresias, ha interrogado a los dioses, quienes, ofendidos por el olvido de las prcticas piadosas que la abundancia trajo consigo, exigen para que la plaga cese que una de las cuatro princesas, Criseida, Polxena, Ladice o Graciela, reciba 5656 azotes con vara de ahu en las plantas de sus reales pies. Su anciano padre, Protesilao el estafermo, manda que cada princesa extraiga, sin regresarla, una piedra de una urna que contiene cinco piedras rojas y tres negras, indistinguibles al tacto. La primera piedra roja que salga sealar la mano de la princesa que recibir los 5656 azotes y el agradecimiento de su afligido pueblo.. Calcula t, desprevenido lector, la esperanza matemtica de cada princesa. Las afortunadas doncellas, pues podrn servir a su pueblo, extraern su piedra en el orden en que fueron paridas, y anotadas en este manuscrito. 12. Si mueres, ganas La probabilidad de que un hombre de 30 aos siga con vida dentro de un ao es de 0.9962. Una compaa de seguros ofrece a un hombre de 30 aos una pliza de seguro de vida de $100 000 por una prima de $1100. Cul es la esperanza matemtica de la aseguradora? La probabilidad de que un hombre de 50 aos viva otro ao es de 0.9637. Cul es la prima que debe cobrar una aseguradora por una pliza de seguro de vida de $100000, con un ao de vigencia, si la prima debe incluir los costos administrativos por $150 y un beneficio de $300? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 13. Clemencia Un condenado a muerte pide clemencia a su rey y ste le responde: Voy a darte una oportunidad de salvacin. Te voy a entregar tres bolas blancas y tres bolas negras y t tienes derecho a distribuirlas, como quieras, dentro de dos cajas. Pero luego tendrs que tomar una caja al azar y, sin mirar dentro, extraer una bola: - Si sale blanca, ests salvado y adems te regalo mil monedas de oro y te caso con mi hija, que tiene mal carcter pero no es nada fea. - Si sale negra, por el contrario, le digo al verdugo que te d mil azotes y luego te decapite. Cmo debe llenar el condenado las cajas para tener las mayores posibilidades de salvarse? 14. Control de calidad
Hoja 41
Del gran total de artculos producido por una mquina, un cierto porcentaje resulta defectuoso. El encargado del control de calidad toma una muestra aleatoria de diez artculos de la produccin del da y, si ninguno de stos sale defectuoso, ordena que la mquina siga trabajando durante el da siguiente. a) Calcula la probabilidad de que la regla de decisin del encargado del control de calidad permita que la mquina funcione un da cualquiera, cuando en realidad est produciendo un 10% de piezas defectuosas. b) Calcula el nmero de piezas que el encargado debera someter a revisin para asegurarse de que si el 10% de los artculos producidos por la mquina son defectuosos, la probabilidad de que la mquina contine trabajando el da siguiente sea de 1%. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 15. La cola del banco El tiempo de espera en un cierto banco se distribuye normalmente con una media de 3.7 minutos y una desviacin estndar de 1.4 minutos. El banco quiere incluir en su campaa de publicidad un lema que afirme que el 95% de los clientes son atendidos antes de c minutos. Cul es el valor de c que hace esta afirmacin verdadera? Formula dos preguntas ms acerca de esta situacin y respndelas. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 16. Hermana rata, deca Francisco, el santo En una manzana de la colonia, el Departamento de Salud de la delegacin captura 100 ratas, las marca y luego las libera. Un mes despus captura, en la misma manzana, 80 ratas y encuentra que slo 3 de ellas estn marcadas. Cuntas ratas hay en la manzana? Cuntas hay en la colonia? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 17. Cuestiones electorales En una encuesta sobre preferencias electorales participaron 2,000 personas: 755 hombres y 1245 mujeres, cuyas opiniones se distribuyeron de la siguiente manera: - Entre los hombres: 353 prefirieron al candidato A y el resto al candidato B. - Entre las mujeres: 876 prefirieron al candidato A y el resto al candidato B. Si se escoge al azar una encuesta, calcula la probabilidad de que la encuesta corresponda a: a) Una mujer partidaria de A b) Un partidario de B c) Un partidario de A, si se sabe que es mujer En el padrn electoral estn registrados 21,873,214 hombres y 25,092,377 mujeres. Votan el 43% de los hombres y el 54% de las mujeres, cuntos votos esperas que obtenga cada candidato?
En una encuesta sobre preferencias electorales participaron 2,000 personas: 755 hombres y 1245 mujeres, cuyas opiniones se distribuyeron de la siguiente manera: - Entre los hombres: 353 prefirieron al candidato A y el resto al candidato B. - Entre las mujeres: 876 prefirieron al candidato A y el resto al candidato B. Si se escoge al azar una encuesta, calcula la probabilidad de que la encuesta corresponda a: a) Una mujer partidaria de A b) Un partidario de B c) Un partidario de A, si se sabe que es mujer En el padrn electoral estn registrados 27,873,214 hombres y 25,092,377 mujeres. Votan el 43% de los hombres y el 54% de las mujeres, cuntos votos esperas que obtenga cada candidato? 18. De Tepetitla a Ayeca En la supercarretera que va de Tepetitla a Ayeca, en Tlaxcala, se ha instalado un radar para registrar la velocidad de los automviles. Esta velocidad se distribuye normalmente con una media de 93 km/h y una desviacin tpica (o estndar) de 8 km/h, el grado de precisin con que se registraron las velocidades es 1 km/h. Calcula: a) El porcentaje de automviles que circulan a menos de 80 km/h. b) El porcentaje de automviles que viajan con una velocidad comprendida entre 90 y 110 km/h. c) Si el lmite de velocidad permitido es de 110 km/h y en un perodo determinado han pasado 5000 automviles, cul es el nmero aproximado de infractores? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 19. Presunto inocente En una compaa se detectaron faltantes y, tras contratar a un detective, se estim que aproximadamente el 5% de los empleados robaba ocasionalmente. Los directivos decidieron desalentar esta tendencia sometiendo a todos sus trabajadores a una prueba para detectar mentiras, que funciona correctamente 90% de las veces para detectar culpables y el mismo porcentaje para detectar inocentes. La compaa despedir a todos los que la prueba seale como culpables. a) Si un empleado es despedido, cul es la probabilidad de que sea inocente? b) Si un empleado no es despedido, cul es la probabilidad de que sea culpable? 20. Coincidencias natales Se eligen tres nios al azar. a) Cul es la probabilidad de que los tres hayan nacido el mismo da de la semana? b) Cul es la probabilidad de que los tres hayan nacido el mismo mes del ao? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje.
Hoja 43
21. El cumpleaos Cul es la probabilidad de que, en un grupo de 40 personas, por lo menos dos de ellas cumplan aos el mismo da? De qu tamao debe ser un grupo para que al apostar a que por lo menos dos personas del grupo cumplen aos el mismo da favorezca al apostador? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 22. Estas bateras s son de fiar Supongamos que la duracin en horas de un cierto tipo de bateras es una variable aleatoria continua con una funcin de probabilidad dada por:
0, f ( x) = 2 x si si x 100 x > 100
Calcula la probabilidad de que una batera dure menos de 200 horas si se sabe que la batera todava funciona despus de 150 horas de servicio. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 23. Esperanza falaz, azar fecundo Fortunata y Jacinta apuestan $1000 en el juego siguiente: se lanza una moneda tantas veces como sea necesario hasta que salga alguna de las secuencias AAS o SAA, en ese orden precisamente; si sale la primera gana Fortunata, si sale la segunda gana Jacinta. Quin tiene ms posibilidades de ganar el juego? Escribe tus conjeturas antes de realizar los clculos. Cul es la esperanza matemtica de cada una en este juego? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 24. Totales y Escamoles En un cierto juego se requiere que alguno de los dos equipos que participan acumule seis puntos para ganar. La apuesta es de 30 centenarios por equipo. El juego se interrumpe, porque lo quiso el que monopoliza la voluntad, cuando los totoles de Tlaxcalaltongo tienen cuatro puntos y los escamoles de Teocaltiche, tres puntos. Cmo se debe dividir la apuesta? 25. Atencin inmediata Una computadora tiene reservadas 100k palabras de su memoria principal para atender consultas de 16 terminales remotas conectadas a la mquina. Cada consulta utiliza 20k palabras de la memoria reservada. Si en un lapso de una hora se reciben en promedio 2.5 consultas por minuto, calcula la probabilidad de que un usuario remoto de la computadora:
Hoja 44
a) Tenga respuesta inmediata a su consulta. b) Tenga que esperar para recibir comunicacin de la computadora. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 26. Tuercas, tornillos y varillas En una fbrica se producen tuercas, tornillos y unas varillas que llevan los tornillos y las tuercas. Se sabe que el 5% de las tuercas, el 4% de los tornillos y el 1% de las varillas resultan defectuosos. Una unidad armada se considera defectuosa slo si la tuerca o el tornillo salen defectuosos. a) Calcula la probabilidad de que una unidad armada no resulte defectuosa. b) Calcula la probabilidad de que por lo menos dos de una muestra de siete unidades armadas, tomadas al azar, resulten defectuosas. c) Calcula las probabilidades anteriores si una unidad slo se considera defectuosa si tanto la tuerca como el tornillo resultan defectuosos. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 27. El lmite del malacate Los tabiques que se usan en una construccin tienen un peso medio de 5.5 kg y una desviacin estndar de 0.85 kg. Los tabiques se elevan en lotes mediante un malacate cuyo lmite de seguridad es de 200 kg. Calcula el tamao mximo de los lotes de manera que la probabilidad de exceder el lmite de seguridad sea menor de 5%. Formula dos preguntas ms acerca de esta situacin y respndelas. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 28. La decisin de Maya El verano pasado Maya abri un negocio, por concesin, en el Parque de Diversin "Das Silvestres". Sus vendedores llevaron palomitas de maz y bebidas por el parque, vendiendo en todas partes donde encontraban consumidores. Maya necesita tu ayuda para decidir a qu trabajadores volver a emplear el prximo verano. El ao pasado Maya tuvo nueve vendedores. Para este verano, puede contratar nicamente seis: tres de tiempo completo y tres de medio tiempo. Maya quiere contratar a los que tuvieron mejores ventas. Pero no sabe cmo hacer las comparaciones porque los vendedores trabajaron nmeros de horas diferentes. Adems el horario de ventas produjo grandes diferencias. Es ms fcil vender ms en un animado viernes en la noche que en una tarde lluviosa. Maya revis los registros del ao pasado. Para cada vendedor, sum el nmero de horas trabajadas y el dinero recolectado en los casos en que el parque estaba concurrido, tranquilo y con poca actividad (ver la tabla). Evala qu tan buenos para el negocio fueron los vendedores el ltimo ao y decide a quines deber recontratar de tiempo completo y a quienes de medio tiempo.
Escribe una carta a Maya dndole tus resultados. En tu carta escribe cmo evaluaste a los vendedores. Da detalles para que Maya pueda decidir si tu mtodo es bueno para que ella pueda usarlo. Horas Trabajadas el ltimo Verano
JUNIO Concurri do MARIA JULIA TERE JOS PACO CECI ROLO TOO MEMO 12.5 5.5 12 19.5 19.5 13 26.5 7.5 0 Tranqui lo 15 22 17 30.5 26 4.5 42.5 16 3 Poca activida d 9 15.5 14.5 34 0 12 27 25 4.5 JULIO Concurri do 10 53.5 20 20 36 33.5 67 16 38 Tranqui lo 14 40 25 31 15.5 37.5 26 45.5 17.5 Poca activida d 17.5 15.5 21.5 14 27 6.5 3 51 39 AGOSTO Concurri do 12.5 50 19.5 22 30 16 41.5 7.5 37 Tranqui lo 33.5 14 20.5 19.5 24 24 58 42 22 Poca activida d 35 23.5 24.5 36 4.5 16.5 5.5 84 12
Dinero Ganado el Ultimo Verano (en pesos)

JUNIO Concurri do MARIA JULIA TERE JOS PACO CECI ROLO TOO 6 900 4 740 10 470 12 630 12 640 11 150 22 530 5 500 Tranqui lo 7 800 8 740 6 670 11 880 11 720 2 780 17 020 9 030 Poca activida d 4 520 4 060 2 840 7 650 0 5 740 6 100 9 280 JULIO Concurri do 6 990 46 120 13 890 15 840 24 770 29 720 44 700 12 960 Tranqui lo 7 580 20 320 8 040 16 680 6 810 23 990 9 930 23 600 Poca activida d 8 350 4 770 4 500 4 490 5 480 2 310 750 26 100 AGOSTO Concurri do 7 880 45 000 10 620 18 220 19 230 13 220 27 540 61 50 Tranqui lo 17 320 8 340 8 060 12 760 11 300 15 940 23 270 21 840 Poca activida d 14 620 7 120 4 910 13 580 890 5 770 870 25 180
29. Los volcanes y las islas Hubo una vez un terremoto en el fondo del ocano. Poda surgir un volcn, con probabilidad 1/3, o dos volcanes, con probabilidad 2/3. En caso de que surgiera un volcn, haba una probabilidad de 3/4 de que expeliera suficiente lava para formar una isla y una probabilidad de 1/4 de que no se formara ninguna. En caso de que fueran dos los volcanes, la lava que expelen entre ambos dara lugar a la formacin de i islas, con probabilidad (3-i)/6, para i = 0, 1, 2. Determina si los eventos se forma un solo volcn y se forma una sola isla son independientes. Escribe una justificacin para tu respuesta. Calcula la funcin de probabilidad de la variable aleatoria: N = nmero de islas que se forman.
Hoja 46
30. El telefrico Un telefrico est diseado para soportar una carga mxima de 4500 kg. El lmite establecido para el pblico es de 50 personas. Segn los registros, los pesos de los usuarios del telefrico tienen una media de 86 kg., con una desviacin estndar de 11 kg. Cul es la probabilidad de que un grupo cualquiera de 50 personas rebase la carga mxima del telefrico? Formula un problema en el que a partir de la media de una muestra de 50 personas, con la desviacin estndar de la poblacin conocida, pidas obtener una estimacin por intervalo de la media de la poblacin con un cierto nivel de confianza. Resulvelo. 31. La serie mundial La serie mundial la gana el equipo que acumula primero cuatro triunfos. Calcula la probabilidad de que un cierto equipo gane la serie a) Si los equipos tienen diferentes probabilidades de ganar en cada juego. b) Si los equipos tienen diferentes probabilidades de ganar en diferentes juegos. Calcula el nmero esperado de juegos. c) Si los dos equipos tienen la misma probabilidad de ganar en un juego. d) Si los equipos tienen diferentes probabilidades de ganar en cada juego. e) Si los equipos tienen diferentes probabilidades de ganar en diferentes juegos.
Hoja 47
II. Problemas con gua 1. El varoncito Para valorar la utilidad de la simulacin es bueno realizar una por uno mismo. (No te preocupes si no tienes computadora, no hace falta, basta con una moneda) Imagina que un gobierno sexista de un cierto pas te contrata como asesor. Acaba de adoptar una poltica que obliga a las parejas a tener hijos hasta que les nazca el primer varn, momento en el que habrn de cesar de procrear. Lo que quieren saber los gobernantes de ese pas es: cuntos hijos tendr la familia media como resultado de esta poltica? y cul ser la distribucin de los sexos? En vez de hacer una recopilacin de datos estadsticos, para lo cual tendran que transcurrir aos, uno puede lanzar una moneda un nmero suficientemente grande veces para tener una muestra que nos permita hacer una estimacin. Si interpretamos el sol como hombre (H) y el guila como mujer (M), uno lanza la moneda hasta que sale el primer sol y apunta el nmero de lanzamientos, esto es el nmero de hijos de la familia. La sucesin MMH corresponde a dos mujeres seguidas de un hombre, H corresponde a un hijo nico hombre, etc. Se repite este procedimiento 100 1000 veces para producir 100 1000 familias y se calcula el nmero medio de hijos de cada familia y la distribucin de los sexos. Puede que t, y tambin los funcionarios del pas, encuentren sorprendente la respuesta. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 2. De la vida de los acumuladores Los datos siguientes corresponden a la duracin real de 40 acumuladores (bateras elctricas) para automvil. La garanta que ofrece el fabricante es de tres aos. La notacin que utilizaron para registrar la duracin especifica los aos y los meses, as 3;02 quiere decir que la batera dur 3 aos y 2 meses: 3;02 3;01 2;11 3;02 3;11 2;02 3;04 3;05 2;06 4;08 3;08 3;01 3;04 4;01 3;00 4;01 1;07 4;04 3;01 3;09 3;00 4;08 2;11 1;11 4;02 3;06 3;01 3;05 3;08 3;02 2;07 3;08 3;01 3;05 3;06 4;06 3;04 3;07 4;05 2;07 a) Construye una tabla que agrupe los datos en intervalos de 6 meses. b) Traza el histograma, el polgono de frecuencias y la ojiva. Especifica las coordenadas de cada grfica. c) Calcula una medida de tendencia central que represente el conjunto de datos y una medida de dispersin que indique cmo se agrupan los datos alrededor del valor central, o, dicho de otro modo, qu tan representativo es el valor central escogido del conjunto de datos. d) Qu proporcin de los acumuladores dur menos que la garanta ofrecida por el fabricante? Qu proporcin dur ms? e) En un lote de 500 acumuladores que provienen del mismo proceso de fabricacin, cuntos acumuladores crees que durarn menos que la garanta ofrecida por el fabricante?
Hoja 48
f) Qu proporcin dur menos que el promedio? Qu proporcin dur ms? g) Por qu crees que el fabricante ofrece una garanta menor que la duracin promedio de los acumuladores? h) Qu relacin hay entre la medida de tendencia central, la medida de dispersin y la garanta? O entre la garanta y el porcentaje de datos? Establece una regla y justifcala. i) Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 3. Las personas de las tarjetas Temas Categorizacin Conjeturas Representacin de datos Esta actividad trata de la definicin de categoras y la formulacin de conjeturas. A la pasadita te familiarizars con algunas otras herramientas estadsticas, como el clculo de promedios o proporciones y presentars de diversas maneras sus resultados. Los datos provendrn de los ncleos familiares de los estudiantes de la escuela. Qu es lo importante en esta actividad Tienes que establecer criterios para dividir tus datos en dos grupos. Ms importante an, tienes que ser explcito y convencionalmente matemtico con respecto a estos criterios. Esta actividad te brinda una oportunidad de formular conjeturas. Al evaluar tus conjeturas distinguirs las preguntas que no se pueden responder de las que se pueden responder con los datos disponibles y de aquellas preguntas que requieren de informacin adicional para poder responderlas. Algunos estereotipos sociales se basan en datos, algunos otros no. Pero siempre es posible elaborar una explicacin alternativa de los datos. Preparacin Rene los datos de tu grupo en hojas que contengan los datos de 30 personas cada una. Por lo menos habr cuatro hojas diferentes. Copia los materiales. Hay cuatro originales. Se requiere de una hoja por estudiante. El trabajo se realizar en parejas con hojas distintas. Puedes usar hojas de colores para facilitar la organizacin. Se requieren adems: papel de estraza, cinta adhesiva, tijeras y marcadores. Paso a pasito Lo nico que recibes es una hoja de datos. Esta secuencia representa una va posible, puedes seguirla o, si ya tienes una panormica del terreno, seguir otra para cumplir los objetivos.
1. Familiarizacin. Cada pareja debe tener hojas distintas. Cada uno tendr que encontrar la persona ms extica de su hoja y la describir a su pareja. 2. Comenta a tu pareja y al grupo sobre las hojas y lo que significan los atributos. 3. Primeras categoras. Recorta las tarjetas. Cada pareja tendr 60 tarjetas. 4. Separa las tarjetas en dos grupos (no tiene que ser del mismo tamao) segn algn criterio que escojas. El criterio tiene que permitir colocar con seguridad a una persona en un grupo o en el otro. Puede ser acerca de la edad, el lugar de origen, o de cualquier otra cosa, pero la pareja tiene que estar de acuerdo. 5. Comenta tus criterios con otras parejas. 6. Escribe, junto con tu pareja, una expresin matemtica que describa la regla que aplicaron para separar las tarjetas en dos grupos. La regla debe formularse como una expresin booleana, que sea verdadera o falsa. Por ejemplo, Los separamos por sus ingresos, requiere que la hagan realmente explcita: Si el ingreso > 36000, la persona est en el grupo de los ricos, de cualquier otra forma est en el grupo de los pobres. 7. A la pesca de relaciones. Busca con tu pareja aspectos parecidos dentro de cada grupo aparte del criterio que los agrup. Por ejemplo, en el caso de los ingresos, podras advertir que los ricos son, en general, ms viejos. 8. Formular la conjetura. Escribe, con tu pareja, un enunciado que exprese la relacin slo como una generalizacin que puede ser verdadera o falsa. Es una afirmacin acerca de los datos, no acerca de las causas de la relacin. En el mismo ejemplo, podran escribir Los ms ricos tienen mayor edad. Otros enunciados de principiante seran Los ms _______ tienen ms ______ y La persona que ________tambin ______. Las palabras porque o debido a estn prohibidas. 9. Segundas categoras. Formula un criterio nuevo (y su expresin matemtica) que separar por segunda vez los mazos de tarjetas. Este segundo criterio puede captar lo que encontraron parecido acerca de los grupos en el paso 7. Podra ser, la edad >25. 10. Hacer la presentacin. Escribe, con tu pareja, la conjetura como ttulo en la hoja de papel grande. Luego hagan una presentacin que ilustre su conjetura utilizando los materiales. Por ltimo, la presentacin debe incluir la conclusin de la pareja: si consideran que su conjetura es verdadera y por qu. Caractersticas de una buena presentacin Puedes usar estos criterios para que sepas lo que se espera del trabajo de la pareja: Una conjetura clara y concisa. Criterios claros para las categoras (ejemplo, viejo significa edad > 25) Resulta claro cmo se relaciona la forma del arreglo en la presentacin (en la hoja grande) con la conjetura. La conclusin tiene un sustento matemtico. Los datos y el anlisis sustentan lgicamente la conclusin. Un buen sustento matemtico en noveno grado es Noventa por ciento de los ricos son viejos, pero slo 55% de los pobres son viejos. Esto apoya nuestra conjetura de que las personas ricas son mas viejas.
Hoja 50
Preguntas para la discusin Qu otras conjeturas se te ocurren para estos datos? (Escrbelas!) Al considerar la lista completa de las conjeturas, en cules de ellas podemos realmente usar datos para investigarlas? Cules de ellas podemos investigar usando los datos que tenemos? Se requieren ms datos? Qu datos? Al considerar las presentaciones, hay algunas conclusiones que pienses que parecen verdaderas slo debido a que tenemos una muestra poco comn de personas? (Si tienes diferencias en las proporciones) Cun grande piensas que debe ser la diferencia en las proporciones para sustentar una conjetura? Hay presentaciones que muestren que algunos estereotipos sociales son verdaderos? Algunas muestran que son falsos? (Escoge una presentacin con una conjetura plausible) Por qu piensas que esta conjetura es verdadera? Ahora piensa en otra razn para que los datos hayan sido de esta manera. Por qu podra ser importante que los censos sean annimos? Otros objetivos Esta actividad tambin te puede servir para reforzar o evaluar muchas habilidades estadsticas que, idealmente, aprendiste en la secundaria, pero que pueden requerir un repaso. Puedes pensar fcilmente en preguntas que requieran: La identificacin de un caso (aqu una persona) y sus atributos (o variables, aqu, edad, sexo, lugar de origen, etc.) La distincin entre un atributo categrico y sus valores (ejemplo, sexo, de masculino y femenino). Esto parece simple y pedante pero causa un sinfn de dificultades cuando tratas de expresar ideas con la precisin que exigen las computadoras. El clculo de medias o medianas. La elaboracin de tablas de dos por dos. El clculo de proporciones. La elaboracin de grficas de cajas y bigotes (puedes tomar muestras de 15 y hacer grficas de caja de edad o ingresos). La elaboracin de histogramas (puedes hacer histogramas de edad, con edades agrupadas por dcadas, 0-9, 10-19, 20-29, etc.). A continuacin se presenta un formato de tarjeta pero puedes incluir ms atributos si lo consideras pertinente. Si realizas la actividad en aula de cmputo puedes usar una base de datos-e o una hoja de clculo-e para preparar tu presentacin. Las tarjetas Estado civil Sexo Edad Grado mximo de estudios
Ocupacin Ingresos anuales Correo electrnico Tiempo de transporte diario Gasto de transporte diario Vehculo Computadora Telfono Lugar de origen 4. Las medias sedosas y transparentes Una escuela compra cada ao 150 borradores. Si los precios por pieza en tres aos consecutivos fueron: $2.40, $6.00 y $12.50. Cul es el precio promedio que ha pagado la escuela por borrador en este trienio? Otra escuela dispone de una partida fija de $300.00 anuales para la compra de borradores. Cul es el precio promedio que ha pagado la escuela por borrador en los mismos tres aos? Una empresa tuvo ganancias de $3221000 en 1994 y de $9663000 en 1999. Cul fue su promedio anual de incremento en sus ganancias? En la tabla se muestran los millones de habitantes de la Repblica Mexicana entre 1930 y 1990.
Censo 1930 1940 1950 1960 1970 1980 1990 Poblacin 16.5 19.7 25.8 34.9 48.2 67.4 86.2
Calcula el crecimiento promedio anual en cada dcada. Calcula el crecimiento promedio anual entre 1930 y 1990. Cul es la poblacin estimada para 2000 si el crecimiento de la dcada 1980-1990 se mantiene en la dcada 1990-2000? Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 5. La negociacin salarial El Sr. Valdepeas dirigente del sindicato de la Compaa Productora y Comercializadora Gonzaga negociaba con el presidente de la compaa, El costo de la vida sube. Necesitamos ms dinero, ninguno de los miembros del sindicato gana ms de $54,000 al ao., deca preocupado el Sr. Valdepeas. El Sr. Gonzaga replic Es cierto que los costos suben. Nosotros tambin lo resentimostenemos que pagar ms por las materias primas, as que nuestras ganacias disminuyen.
Adems el salario promedio en nuestra compaa es ms de $66,000 al ao. No creo que podamos afrontar un aumento en este momento. Esa noche, en la reunin del sindicato, uno de los vendedores dijo Nosotros los vendedores ganamos slo $30,000 al ao, en cambio la mayora de los trabajadores ganan $45,000, queremos que nuestra paga aumente por lo menos a ese nivel. El Sr. Valdepeas escuch a sus compaeros quienes le sugirieron que consiguiera ms informacin sobre los salarios que se pagaban en la compaa. En el departamento de nminas le entregaron una tabla que contena la informacin solicitada.
Tipo de trabajo Nmero de empleados Salario anual (en pesos) Miembro del sindicato
Presidente Vicepresidente Administrador Supervisor Trabajador Oficinista Secretario Vendedor Guardia TOTAL
1 2 3 12 30 3 6 10 5 72
750000 390000 165000 54000 45000 40500 36000 30000 24000 4780500
No No No S S S S S S
As que lo que dice el Sr. Gonzaga es cierto, pero los salarios de los ejecutivos pesan mucho y ellos son muy pocos. Este salario promedio no es representativo de lo que gana la mayora., pens el Sr. Valdepeas. a) Cul salario es una buena medida representativa de lo que ganan en esta compaa? b) Si a todos los trabajadores que ganan menos de $45,000 se les nivelara a $45,000 anuales, cules seran la media aritmtica, la mediana y la moda de los salarios? c) Si fueras el asesor del Sr. Gonzaga, qu postura le sugeriras y con qu argumentos la sustentaras? d) Si fueras asesor del sindicato, qu postura le sugeriras y con qu argumentos la sustentaras? e) Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 6. Las transformaciones de los datos La directora de una franquicia de comida rpida ha solicitado al contador que prepare un perfil financiero para usarlo en la comparacin de su restaurante con otros que operan con la misma franquicia. Como parte del estudio, los salarios de todos los empleados se han introducido en una base de datos y se han calculado la media y la desviacin estndar. Unos das despus, la jefa informa al contador que todos los empleados recibirn un aumento de 3.8% segn lo establece el nuevo contrato. Cmo afecta esto la media y la desviacin estndar de los salarios?
Hoja 53
Un estudiante tiene las calificaciones siguientes en nueve pruebas (cada prueba tena un total posible de 20 puntos) 13 13 13 14 14 16 16 17 19 1) Introduce los datos en tu calculadora y encuentra la media y la desviacin estndar. 2) El profesor decide ajustar las calificaciones sobre una base de 25 puntos. Una forma de hacerlo es modificar la escala multiplicando cada calificacin por 5/4 (datos reescalados). a) Escribe las nueve calificaciones despus de modificar la escala. b) Encuentra la media y la desviacin estndar del nuevo conjunto de puntuaciones. c) Qu relacin hay entre las puntuaciones nuevas y las originales? 3) Otra forma de ajustar sobre una base de 25 puntos consiste en modificarlas sumando 5 puntos a cada calificacin (datos trasladados). 4) Construye (o haz que tu calculadora o computadora lo haga) tres grficas de caja que correspondan a estos tres conjuntos de datos: datos originales, datos reescalados y datos trasladados. Discusin en el equipo: 5) Discute los resultados de la primera actividad. Repite el experimento con diferentes conjuntos de datos, factores de escala y constantes de suma. Discute las ventajas y desventajas relativas de las dos transformaciones en la situacin de las calificaciones y en otras que propongas en tu equipo. 6) Haz una tabla que resuma los resultados de los diversos datos y formula una generalizacin para las dos transformaciones: el cambio de escala y la traslacin. 7) Responde la pregunta del contador de la franquicia de comida rpida. 8) Calcula la media y la desviacin estndar del conjunto de datos siguiente, somtelos a dos traslaciones y a dos cambios de escala y calcula sus medias y desviaciones correspondientes. Se trata de calificaciones en una escala de 0 a 10. 3 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 8 8 9 9 9 9 9) Construye un conjunto de calificaciones que tenga las mismas media y desviacin estndar del conjunto anterior en un grupo de 25 alumnos y en otro de 75 alumnos. 10) En un dibujo a escala de una casa 5 cm representan 30 cm. Las longitudes de los cuartos en el dibujo a escala tienen una media de 50 cm y una desviacin estndar de 14.5 cm a) Cul es la longitud media de los cuartos reales? b) Cul es la desviacin estndar de las longitudes de los cuartos reales?
Hoja 54
11) Haz una distribucin de frecuencia del conjunto original de datos de la primera actividad. a) Suma 5 puntos a cada calificacin. Sobre la misma grfica pero con un color diferente, traza la distribucin de frecuencia de las nuevas calificaciones. Describe la relacin entre las dos grficas. b) Multiplica cada calificacin de la primera actividad por 5/4. Con un tercer color, traza la distribucin de frecuencia de estas calificaciones. Describe la relacin que hay entre la distribucin de frecuencias original y la tercera. 12) Para calcular su promedio de boliche mentalmente, Kyle observa su registro y le resta 100 a cada puntuacin: Puntuaciones de bolos 125 109 112 97 127 Puntuaciones transformadas 25 9 12 -3 27 Calcula el promedio de las puntuaciones transformadas 70/5 = 14. Luego vuelve a sumar los 100 para encontrar su promedio: 114. a) Verifica que el promedio de Kyle es 114. b) Qu transformacin us cuando rest 100? c) Qu propiedad us en este procedimiento? d) Encuentra el promedio de Lynette usando el mtodo de Kyle en sus puntuaciones: 118 127 109 121 115 13) El hermano de Kyle, Kurtis, aplic otro mtodo. Primero, estim que el promedio de Kyle era de 120. Luego vio cunto se apartaba su estimacin de cada puntuacin: 5, -11, -8, -23, 7. Luego promedi estos errores: -30/5 = -6. Por ltimo, sum este promedio a su estimacin para obtener el verdadero promedio de Kyle: 120 + (-6) = 114. a) Ensaya el mtodo de Kurtis a partir de otra estimacin sobre las mismas puntuaciones para obtener el promedio. b) Piensas que este mtodo de la estimacin funciona siempre? Explica. 14) Un grupo de estudiantes averigu sus pesos y sus alturas: Altura (cm) 162 155 172 163 163 166 168 170 Peso (kg) 50 49 68 49 50 49 58 61 a) Llena la tabla siguiente: Media Altura Peso b) Supn que los estudiantes colocan plantillas de 3 cm en sus zapatos. Encuentra la media y la desviacin estndar de sus alturas. c) Supn que cada estudiante carga pesas de ejercicio de 1 kg. Encuentra la media y la desviacin estndar de sus pesos. d) Supn que cada estudiante agrega el 10% de su peso. Encuentra la media y la desviacin estndar de sus pesos. Desviacin Estndar
Hoja 55
e) Llena la tabla siguiente: Altura original Rango Mediana Moda
Peso original
Altura con plantillas
Peso con pesas de ejercicio
Peso con incremento de 10%
f) Considera el rango, la mediana y la moda de un conjunto de datos sometido a transformaciones de cambio de escala y traslacin. Qu afirmaciones generales puedes hacer sobre cmo cambian estas medidas estadsticas debido a las transformaciones? 15) Considera la situacin del ejercicio 12 otra vez. Supn que los estudiantes aumentan su peso corporal y se colocan pesas de ejercicio. Encuentra los nuevos rango, mediana, moda, media y desviacin estndar en las condiciones siguientes: a) Primero ganan 10% de peso y luego se colocan pesas de ejercicio de 1 kg. b) Se colocan pesas de ejercicios de 1 kg y luego aumenta su peso total en 10%. c) Explica la diferencia entre los resultados de los incisos a y b. d) Supn que los estudiantes tienen un peso medio m con una desviacin estndar s. Aumentan su peso en r % y luego se colocan pesas de ejercicio de k kg. Cules son el nuevo peso medio y la nueva desviacin estndar? 1 n 16) La frmula de la media de un conjunto de datos con n valores es x i = m. n i =1 a) Supn que cada valor se incrementa en k. Prueba que la nueva media es m+k. b) Supn que cada valor se multiplica por a. Prueba que la nueva media es am. 17) La frmula de la varianza de un conjunto de datos con n valores y media m es 1 n [ x i m] 2 = s 2 . n i =1 a) Supn que cada valor se incrementa en k. Prueba que la varianza no se modifica con una traslacin. b) Prueba que con un cambio de escala de a la nueva varianza es a2 por la varianza original s2. c) Prueba que con un cambio de escala a la nueva desviacin estndar es a por la desviacin estndar original s. 18) Calcula las puntuaciones z correspondientes al conjunto de datos del punto 8. a) Qu transformaciones se realizan para definir la puntuacin z? b) Construye una distribucin con las puntuaciones z y descrbela en trminos de la situacin que representa. 19) Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 7. Colas: Una simulacin exitosa
Hoja 56
Ya encontr un local perfecto, arregl los crditos necesarios e hice los contactos para proveer y resurtir el almacn. Todo pinta bien. Slo queda pendiente una cuestin: las cajas registradoras. Cuntas cajas habr que poner? Si hay demasiadas, algunos de los empleados estarn ociosos la mayora del tiempo. Si hay pocas, se formarn colas largas a menudo y los clientes se molestarn y acabarn cambiando de tienda. Puedo decidirme por un cierto nmero de cajas, pero si me equivoco me puede resultar muy caro. Una alternativa sera simular la situacinhacer un experimento de probabilidad basado en suposiciones acerca de cmo operaran las cajas. Esto es mucho menos caro que hacer la prueba en la realidad y me permite ensayar combinaciones distintas para ver cul funciona mejor. Supongamos que en promedio cada tres minutos llega a la caja un cliente. Supongamos que el cajero tarda tres minutos en atender a cada cliente. Vamos a simular un perodo de treinta minutos. Podemos lanzar un dado para simular la llegada de los clientes a la caja: 1 2 significa que un cliente llega a la caja, 3, 4, 5 6 significa que ningn cliente llega. Si no tienes un dado a la mano, puedes usar los nmeros aleatorios que generan las calculadoras (RAN#), cmo lo haras? Los clientes los representamos con letras maysculas. Aqu tenemos los resultados de los treinta lanzamientos del dado: Nmeros del dado Cliente 2,3,2,1,2 A,-,B,C,D 2,5,6,1,1 E,-,-,F,G 3,5,1,5,3 -,-,H,-,2,4,6,6,5 I,-,-,-,6,2,5,1,3 -,J,-K,4,4,4,1,5 -,-,-,L,-
Analicemos los resultados, como slo 1 2 significa que llega un cliente, en los treinta minutos llegaron doce. Hagamos una descripcin minuto a minuto de los primeros siete minutos, considerando el final de cada minuto: 1. 2. 3. 4. 5. 6. Llega el cliente A a la caja. El empleado estuvo desocupado durante un minuto. Se atiende al cliente A. No llega otro cliente. Llega B. Se sigue atendiendo a A. C llega y B espera. Terminan de atender a A. D llega y C espera. Atienden a B. E llega y C y D esperan. Se sigue atendiendo a B. 7. No llega otro cliente. C, D y E esperan. Terminan de atender a B. Sigamos haciendo la descripcin hasta terminar los treinta minutos. Supongamos que no llegan clientes despus de los treinta minutos, pero que el empleado atiende a todos los clientes que ya estn en la cola. Resumamos los resultados en la tabla siguiente: Final del minuto Llega el cliente Se atiende a Esperan 1 2 3 A B A A 4 C A B 5 6 7 8 9 D E F B B B C C C CD CDE DE DE 10 G C DEF 11 12 13 14 15
Hoja 57
Final del minuto Llega el cliente Se atiende a Esperan
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Ahora organicemos la informacin de otra manera. Incluiremos el minuto de llegada y el minuto en que terminan de atenderlo, junto con el nmero de minutos que espero antes de que lo atendieran. Cliente Minuto de llegada a la cola Minuto en que terminan de atenderlo Minutos que espero antes de que lo empezaran a atender A 1 4 0 B 3 7 1 C 4 10 3 D 5 13 5 E 6 16 7 E 9 19 7 F 10 22 9 G H I J K L
Calcula los valores siguientes 1. Nmero de clientes esperado: 2. Nmero de clientes que realmente llegaron: 3. Tiempo total de espera de los clientes: 4. Tiempo promedio de espera por cliente: 5. Tiempo total que permaneci desocupado el cajero: 6. Tiempo adicional requerido por el cajero para terminar de atender a los clientes: Habr que realizar la simulacin un buen nmero de veces para tener rangos, identificar los valores extremos, calcular los promedios y las desviaciones. Si los resultados no parecen ser buenos y hay mucho tiempo de espera. Cmo podemos mejorar la situacin? Podemos simular con dos cajas, o ms si es necesario, hasta que los resultados sean ms o menos razonables desde la perspectiva de los clientes. Adems hay que estudiar lo que ocurre en distintos perodos del da, con ms o menos frecuencia de clientes, para decidir cuntas cajas conviene colocar para que haya una buena atencin con el mnimo costo. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 8. Misin posible? El futuro de los eventos de pista en los juegos olmpicos. Algunas personas piensan que las mujeres atletas estn empezando a alcanzar a los hombres en los eventos de pista en los Juegos Olmpicos. De hecho, investigadores de la UCLA publicaron en 1992 datos que parecan indicar que dentro de 65 aos los mejores corredores hombres y mujeres podran competir
Hoja 58
en igualdad de condiciones. Otros investigadores no coinciden con esto. A continuacin estn los datos de la carrera de 200 metros con los tiempos ganadores en los Juegos Olmpicos de diferentes aos. Ao 1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 tiempo en segundos para hombres 21.1 20.7 20.6 20.5 20.3 19.83 20.00 20.23 20.19 19.80 19.75 19.73 tiempo en segundos para mujeres 24.4 23.7 23.4 24.0 23.0 22.5 22.40 22.37 22.03 21.81 21.34 21.72
(Advierte que la introduccin de mejores dispositivos de cronometraje significa medidas ms precisas, a partir de 1968 para los hombres y de 1972 para las mujeres.) a) Comienza tu investigacin acerca de la conjetura de la UCLA haciendo una grfica de estos datos. Para obtener el orden de precisin que necesitas debes utilizar papel milimtrico. Trabajars slo en el primer cuadrante. En tu eje X coloca el ao de las Olimpiadas desde 1948 hasta 2048, de cuatro en cuatro. En tu eje Y pon los nmeros desde 15 hasta 25, que representa el tiempo en segundos; si utilizas papel milimtrico toma cuatro cuadros para cada segundo. Utiliza cruces (X) para representar los tiempos de los hombres y circulitos (O) para los de las mujeres. Esto formar lo que llamamos una grfica de dispersin, no es una lnea o curva bien definida. b) Con una regla traza una recta que represente aproximadamente la pendiente y direccin indicadas por las marcas de los hombres. Haz lo mismo con las marcas de las mujeres. Escribe una o dos frases explicando por qu piensas que tu recta es una buena representacin de la grfica de dispersin. c) Ahora encuentra la ecuacin de cada recta utilizando tu grfica para estimar la pendiente y la interseccin-y (ordenada al origen) de cada una. Trata de ser lo ms preciso posible, recordando sus unidades y usando los puntos en donde la recta cruza intersecciones de la cuadrcula. La pendiente estar en segundos por cada ao. d) Parece que las dos rectas se cruzan? En qu aos se cruzan? Si resuelves las dos ecuaciones algebraicamente, obtienes la misma respuesta? e) Usa una hoja de clculo para encontrar una regresin lineal de cada conjunto de datos (mujeres, hombres). Algunas calculadoras cientficas tambin te permiten hacer este problema en el modo de estadstica, marcando los puntos individuales que teclees y encontrando una regresin lineal que represente los
Hoja 59
datos. De cualquier manera que lo hayas hecho, comprueba si las ecuaciones de la hoja de clculo o de la calculadora coinciden con las tuyas. f) Toma una decisin con tu equipo acerca de si piensas que los tiempos de las mujeres alcanzarn a los de los hombres. Escribe dos o tres frases explicando por qu s o por qu no crees que lo harn. g) Investiga las marcas en otra competencia, que tambin se realice para hombres y mujeres, analiza los datos y escribe tus conclusiones. h) Aplica el Modelo PER (Propsito, Estrategia, Resultado). 9. La familia atribulada Una familia sale de vacaciones de semana santa en su casacoche. Si M representa el suceso tienen fallas mecnicas, I, el suceso les levantan una infraccin y L, el suceso no hay lugar en el campamento de cochescasas. Describe los sucesos que representan: a) R5. b) R3. c) R1 o R4. d) R2 o R6. e) R3 o R6 o R7 o R8. Describe, con las regiones, los sucesos: f) La familia no tiene problemas por fallas mecnicas y no comete infracciones pero no encuentra lugar en el campamento. g) La familia tiene problemas por fallas mecnicas y no halla lugar en el campamento pero no recibe ninguna multa. h) La familia encuentra lugar en el campamento.
M
R5 R4 R8 R7 R2 R1 R3 R6
Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 10. Conjuntos de nmeros
Hoja 60
Parte I Identifica empleando las regiones numeradas
A
R4
R5 R2 R1 R6 R8
R7
R3
a ) ( A B C ) b ) A ( B C ) c ) ( A B C' ) ( A B ) d ) ( A B' ) ( A C' ) e ) ( A B' ) C f ) ( A B ) C g ) ( A B' ) C h ) ( B C' A ) i ) ( A C )' B'
l ) {x x A x B}
k ) {x x A x C} m ) {x x A ( x B x C )} n ) {x x A x C}
j ) {x x A x B}
o ) {x x A ( x B x C )}
Parte II Dados
= { x x 6 x 30 x N } B = { x x _ es _ mltiplo _ de _ 3 x } A = { x x _ es _ par x }
C = { x x _ es _ mltiplo _ de _ 5 x }
Calcula la cardinalidad de cada uno de los conjuntos siguientes y descrbelo verbalmente
Hoja 61
a ) n( A ) b ) n( B ) c ) n( C ) d ) n( A' ) e ) n( B' ) f ) n( C' ) g ) n( A B ) h ) n( A C ) i ) n( B C ) j ) n( A B C ) k ) n[( A B )' ]
l ) n[( B C )' ]
m ) n[( A C )' B ] n ) n[( A B ) C ] p ) n( A' B C ) q ) n( A B' C ) r ) n( A B C )
o ) n( A' B )
s ) n[( A B C )' ] t ) n[( A C ) B' ]
11. Variable aleatoria y beisbol Sea la variable aleatoria X que representa el nmero de partidos jugados en una serie mundial de beisbol. Escribe la funcin de probabilidad, si ambos equipos tienen la misma probabilidad de ganar cada juego. Calcula tambin el nmero esperado de juegos. La serie mundial la gana el equipo que acumula primero cuatro triunfos. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 12. De qu tamao debe ser la muestra? Se ofrece un lote de 460 receptores, 70 de ellos defectuosos. Establece el riesgo que corre el comprador del lote segn el tamao de su muestra y la regla que define para decidir si lo adquiere. Comienza con una muestra de 8 artculos. Define la variable aleatoria X, para el nmero de artculos defectuosos en la muestra. Calcula los valores de la probabilidad correspondiente a cada valor posible de la variable. Calcula tambin la funcin de probabilidad acumulada. Explora otros tamaos de la muestra, precisando el riesgo que corre el comprador en cada caso. Cul sera un riesgo aceptable? Qu factores influyen en el riesgo que puede correr el comprador?
Hoja 62
Resume en una tabla los resultados que obtuviste de tu exploracin y escribe un prrafo con tus conclusiones. Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 13. Ordenaciones y Comparaciones Parte 1 En una escuela, el Colegio Alfonso Reyes, con el propsito de mejorar la participacin organizada de los estudiantes, se ha establecido una jerarqua para el uso de los recursos tecnolgicos y de la eleccin de los profesores por parte de los grupos. De tal manera que los grupos tendrn oportunidad de escoger los horarios y los profesores segn el lugar que ocupan en una ordenacin. Se ha acordado con los alumnos que los criterios de esta ordenacin se basarn slo en el conjunto de calificaciones de Matemticas de los grupos. En la escuela hay 16 grupos que han cursado Matemticas 1. La calificacin aprobatoria mnima es 6, en una escala de 0 a 10. Las listas con las calificaciones finales de cada grupo se encuentran en el archivo de Excel Listas E1. Compara dos grupos utilizando por lo menos dos criterios diferentes, que definas y justifiques explcitamente, para decidir cul de ellos tuvo un mejor desempeo. Hazlo de la manera ms exhaustiva posible. Ordena los grupos, segn sus calificaciones, de dos maneras diferentes. Escribe un prrafo en el que definas los criterios que guan tus ordenaciones, escoge la que consideres mejor y da una justificacin. Grupo Grupo
01M
02M
03M
04M
05M
06M
07M
08M
09M
10M
11M
12M
13M
14M
15M 7 0 8 1 5 4 6 7 5 0 0
0 0 0 1 0 0 2 3 10 3 4 3 4 6 2 5 2 1 6 13 7 7 10 11 8 6 5 9 2 3 10 3 2
5 2 1 1 3 3 9 3 4 1 4
6 3 6 0 4 2 0 0 2 3 0 0 0 1 2 15 4 1 7 7 7 4 2 6 15 10 13 3 5 9 4 9 1 8 4 4 0 2 4 4 2 0 3 1
1 2 5 4 7 0 3 6 4 2 0
0 10 0 8 0 9 7 2 9 5 8 3 12 2 3 3 3 0 1 0 0 0
0 8 3 6 3 4 7 2 4 5 3
0 8 5 6 7 2 5 5 5 0 4
0 0 0 0 0 0 0 0 1 0 4 10 23 17 7 11 2 2 0 3 2 0
0 0 0 1 0 2 2 3 3 4 3 5 11 6 6 7 5 8 3 9 3 10
Parte 2. Con el objeto de mantener como un reto la capacidad de los grupos de organizarse, sin dejar de premiar los logros de los mejores grupos, se acord con los alumnos que, despus de escoger sus horarios y profesores los mejores seis
Hoja 63
16M
grupos, se recompondran los grupos restantes de tal manera que todos tuvieran, en principio, las mismas oportunidades para el curso siguiente. Define claramente en qu criterios traduciras el enunciado anterior y realiza la redistribucin de los alumnos en los grupos. Parte 3. Una fundacin ha escogido dos escuelas para destinar un apoyo en equipo y paquetes computacionales para el aprendizaje de las matemticas, cuyo valor en dinero es de 500000 pesos. Los colegios seleccionados son Alfonso Reyes y Julio Torri. Los encargados de la fundacin han decidido asignar los recursos segn los resultados de una comparacin basada exclusivamente en el nmero de alumnos y en las calificaciones de Matemticas de los alumnos de ambas escuelas. En el colegio Julio Torri hay 12 grupos que han cursado Matemticas 1. La calificacin aprobatoria mnima es 70, en una escala de 0 a 100. Las listas con las calificaciones finales de cada grupo se encuentran en el archivo de Excel Listas E2. Haz una comparacin de las calificaciones de las dos escuelas. Escribe un prrafo en el que definas los criterios que utilizas en la comparacin y da una justificacin. Qu cantidad corresponde a cada escuela? Grupo 12 39 49 52 55 64 64 65 66 66 66 70 70 71 71 72 72 73 73 73 77 79 79 Grupo 01 Grupo 02 Grupo 03 Grupo 04 Grupo 05 Grupo 06 Grupo 07 Grupo 08 Grupo 09 Grupo 10 30 36 53 58 61 65 70 70 70 73 76 76 76 77 77 79 79 79 85 88 Grupo 11 19 21 22 24 25 28 31 31 31 32 32 33 34 39 39 39 41 42 45 55 56 63
Hoja 64
36 46 46 47 51 52 53 54 60 63 63 65 66 66 68 69 70 72 73 74 76 77
38 49 52 55 63 64 65 66 66 66 70 70 70 70 72 72 73 73 73 77 78 78
47 49 49 49 50 53 54 54 55 57 57 61 63 70 70 72 74 78 79 83 86 93
62 65 65 71 71 71 71 74 77 78 84 86 90 93 96 99
41 45 55 58 58 60 62 63 65 66 67 68 70 71 75 75 75 76 76 79 80 81
38 40 43 52 53 53 54 56 59 59 63 66 68 70 71 75 77 78 79 80 80 81
37 41 51 51 57 60 63 65 68 70 71 73 74 75 77 77 78 79 81 82 86 87
38 44 46 49 51 52 54 54 59 61 63 65 66 66 68 69 69 72 73 73 73 77
12 19 23 25 25 25 26 30 31 32 34 35 35 36 40 40 41 41 42 46 47 58
78 79 80 82 88 88 93 94 96 99 99 10 0 10 0 10 0
80 85 88 92 93 93 95 99 10 0 10 0
82 84 84 84 87 88 88 89
82 91 78 66 84 79 68 85 80 68 89 85 68 90 87 75 94 88 75 95 92 76 96 93 77 10 90 0 95 77 10 94 0 99 77 97 99 80 85 86 88 90 91 91 91 91
64 64 67 68 68 69 75 76 77
80 83 92 93 93 97 99 99 99
77 99 79 100 81 100 83
83 83 88 89 96 96 98 10 0 Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 14. Diagramas de rbol En una fbrica hay dos mquinas que producen un artculo, la mquina M1 produce una fraccin p de los artculos y la mquina M2 produce la fraccin (1p) restante. Una fraccin q de los artculos producidos por la primera mquina y una fraccin r de los producidos por la segunda, resultan defectuosos y tienen que desecharse. a) Haz un diagrama de rbol para representar la situacin descrita en el enunciado. b) En la fbrica se producen A artculos semanalmente: b1) Cuntos sern producidos por la M1? Cuntos por la M2? b2) Cuntos resultarn con algn defecto? Cuntos sin defecto? b3) Cuntos de los artculos defectuosos habrn sido producidos por la M1? Cuntos por la M2?
Hoja 65
c) Auxliate de los resultados obtenidos en el inciso anterior para responder a las preguntas siguientes. c1) Cul es la proporcin de envases defectuosos producidos en la fbrica? c2) Qu proporcin de los envases defectuosos proviene de la M1? Qu proporcin de los envases defectuosos proviene de la M2? d) Escoge unos valores para probar las frmulas que obtuviste. En una fbrica hay N mquinas, que llamaremos M1, M2,..., hasta M. Cada una produce una fraccin p1, p2,, pN. Respecto al total de los artculos producidos por cada mquina, la proporcin de defectuosos es d1, d2,..., d respectivamente. e) Dibuja un diagrama de rbol para representar la situacin descrita en el enunciado. f) Qu proporcin de los artculos producidos en la fbrica resulta defectuosa? Qu proporcin de ellos proviene de la primera, segunda, ..., n-sima, mquinas? g) Escoge unos valores para probar las frmulas que obtuviste. h) Cmo se relaciona la informacin que proporciona el diagrama de rbol con el de una tabla? 15. Un problema bonito La probabilidad est llena de problemas que no se plantean en otras partes de las matemticas. Aun personas con una slida cultura matemtica, pero que no son expertas en esta disciplina, recelan cuando se les plantea un problema de probabilidad, porque saben que detrs de enunciados aparentemente sencillos se encuentran soluciones que parecen desafiar el sentido comn, o requieren de un ingenio al que no estn acostumbrados. Considera, por ejemplo, el problema siguiente: Una bolsa contiene un nmero desconocido de canicas blancas. Si se permite extraer una canica a la vez y luego devolverla a la bolsa, cuntas canicas hay en la bolsa? Problemas como este pueden desconcertarnos momentneamente, ya que el extraer canicas de la bolsa slo nos sirve para confirmar lo que ya sabemos: que las canicas son blancas. Pero no se puede saber cuntas canicas hay, porque no se puede estar seguro de que la canica extrada no sea la misma que se devolvi en alguna de las ocasiones anteriores. Sin embargo, hay una solucin, aunque quizs parezca un poco tramposa. Consiste en introducir canicas de otro color, por ejemplo negras, en la bolsa y realizar despus numerosas extracciones. De esta manera podemos estimar la proporcin de canicas blancas y negras contenidas en la bolsa y, como conocemos el nmero de canicas negras que introdujimos, podremos calcular el nmero de canicas blancas. El problema anterior puede parecer una curiosidad matemtica de poco inters prctico, pero tiene aplicaciones importantes para contar poblaciones inaccesibles, como se ilustra en el problema siguiente:
Hoja 66
Para saber si una poblacin de osos est en peligro de extincin es necesario contar el nmero de osos que habitan un paraje en distintos momentos. Para hacer una primera cuenta se capturaron 15 y se marcaron. Luego se estableci un procedimiento de observacin y se registr que de 115 observaciones en 23 se trataba de un oso marcado. Cul es el nmero de osos que podemos estimar que hay en el paraje? 16. Las medusas
Hoja 67
1 2 3 15 14 16 25 20 21 22 30 27 28 29 3 1 46 3 2 42 44 43 45 52 51 59 56 54 5 5 63 64 62 66 71 72 77 75 83 81 82 91 93 94 92 76 84 88 96 78 86 89 87 97 98 95 10 0 67 73 90 57 58 70 65 69 68 74 79 80 60 61 47 33 35 36 23 2 4 34 9 4 5 6 8 1 8 17 26 13 19 10 7 11 12
37 38 39 40 50
41
48
49
53
99
85
Hoja 68
Coloca la hoja que te entreg tu profesor bocabajo. No mires la hoja hasta que reciban las instrucciones. Nuestra tarea es tratar de determinar la longitud promedio (medida horizontalmente) de una medusa. Observa la colonia durante cinco segundos y estima la longitud promedio de una medusa del conjunto. (Estimacin A) Ahora escoge una muestra representativa de 10 medusas. Una vez que hayas hecho tu seleccin, mide la longitud de cada medusa y calcula la longitud promedio. (Estimacin B) Toma una muestra aleatoria simple (MAS) de 10 medusas, de la manera siguiente. Cada medusa est numerada de 1 a 100. Con los nmeros aleatorios, usando un rango de 1 a 100, con la tecla RAN# de la calculadora, genera 10 nmeros aleatorios. Luego calcula la longitud promedio de estas diez medusas. (Estimacin C) Aplica el modelo PER (Propsito, Estrategia, Resultado) a esta actividad de aprendizaje. 17. Perseverancia Una persona participa cada semana en una rifa de 100 boletos de 10 pesos por cada boleto, con un solo premio de 800 pesos. Cul es su esperanza matemtica al participar en esta rifa? Supone que la perseverancia le har ganar alguna vez. Piensa que si participa en 100 rifas tendr altas posibilidades de ganar por lo menos una vez. Calcula la probabilidad de que nunca gane. Calcula la probabilidad de que gane por lo menos dos veces. Si juega durante 100 aos, cul es la probabilidad de que gane por lo menos 50 veces? 18. Las medusas y el TLC Considera la poblacin de las 100 medusas que se incluyen en la tabla. 1. Construye la distribucin de frecuencias relativas considerando entre 6 y 8 clases, incluye el histograma, el polgono y la ojiva, calcula la media y la desviacin. Describe la distribucin usando a. La terna (media, desviacin, forma) y el polgono suavizado. b. Los cinco valores y la grfica de caja y bigotes. c. Formula dos preguntas que puedas responder con la informacin de cada uno de los incisos a y b. 2. Extrae 100 muestras aleatorias de tamao 5 de la poblacin dada. Enumera cada muestra y calcula su media. 3. Elabora una distribucin de frecuencias para las 100 medias muestrales, construye el histograma y el polgono, calcula la media y la desviacin estndar. 4. Compara los valores correspondientes de los parmetros de la poblacin y las estadsticas de la distribucin de las medias muestrales.
Hoja 69
5. Escribe un enunciado para cada una de las tres afirmaciones que establece el TLC. Argumenta en cada caso, con los valores que tienes, si se cumple, o no, el TLC. 6. Selecciona una muestra aleatoria de 10 medusas y sigue el modelo de los cuatro pasos para hacer una estimacin por intervalo de la media de la poblacin con un nivel de confianza de 95%. a. Escribe un enunciado que describa los resultados que obtuviste. Cae la media poblacional verdadera en el intervalo que obtuviste? b. Con la misma muestra haz la estimacin pero ahora con niveles de confianza de 90% y 99%. Escribe un prrafo con tus conclusiones relativas a la relacin que hay entre el tamao del intervalo y el nivel de confianza para un mismo tamao de muestra. 7. Repite el punto 6 pero con muestras de tamao 5, 15 y 20 y 25. Escribe un prrafo con tus conclusiones.
Hoja 70
III. Proyectos
Hoja 71
Ejercicios
Hoja 72
Ejercicios
Introduccin
En matemticas es usual que se hable de ejercicio y problema y de que en muchos momentos se tomen como sinnimos. En esta Gua son cosas diferentes. En otra parte se trata lo de problema, aqu comentamos la idea que en esta Gua utilizamos para ejercicio. Una caracterstica del ejercicio es que con l se pretende que adquieras soltura en el manejo de ciertos procedimientos o en el tratamiento de ciertas situaciones que son tiles cuando te enfrentes a problemas. Cuando te enfrentas a un ejercicio ya sabes lo que tienes qu hacer y hay que hacerlo. Puede tratarse, por ejemplo, de un algoritmo, como la aplicacin de la frmula general para resolver una ecuacin de segundo grado. Si ya dominas la aplicacin de este algoritmo, cada vez que te encuentres una ecuacin que t reconoces de segundo grado, ya sabes que puedes resolverla y lo hars. En cambio, si tienes dificultades para aplicar la frmula general, cada vez que necesites resolver una ecuacin de segundo grado tendrs un problema. Tambin puede ser algo ms laborioso como la aplicacin del mtodo de diferencias finitas para la obtencin de la ecuacin de una funcin polinomial a partir del conocimiento de ciertos valores que se conocen de la funcin. Incluso puede tratarse de modelos algebraicos de problemas como la altura en funcin del tiempo que adquiere un cuerpo que es lanzado de alguna forma. Cuando se te pide hacer un ejercicio, es porque cuentas con la informacin necesaria para ello. Usualmente consiste en una explicacin de los pasos que tienes que seguir y estos son ejemplificados con un ejercicio resuelto, en el que se explican los pasos que se siguen. Esta explicacin se puede realizar en el saln de clases (en este caso no slo debes anotar lo que se te presenta en el pizarrn o algn otro medio, sino tomar las notas adicionales necesarias para que no se te olviden detalles) o puede estar escrita en un libro. No debes preocuparte slo por reconocer los pasos que tienes que seguir para resolver el ejercicio, sino tambin busca entender el porqu de estos pasos. De esta forma ests en condiciones de darte cuenta si puedes aplicar algunos de los pasos del ejercicio en una situacin parecida al ejercicio que ya sabes resolver. Hay algo ms. Dominas por completo un ejercicio cuando eres capaz de resolverlo sin consultar tus apuntes o la informacin que tienes del mismo. Por ejemplo, sabes resolver una ecuacin de segundo grado por la frmula general cuando, sin necesidad de consultar en tus apuntes, aplicas la frmula general. Desde luego, para esto es necesario que tengas aprendida la frmula de memoria. Pero la memorizacin se logra al aplicar varias veces la frmula en ecuaciones de segundo grado. En cambio, dominas a secas un ejercicio cuando puedes resolverlo consultando parte de la informacin de la que dispones (usualmente algunas frmulas). Si necesitas preguntar algo a un compaero o un profesor para resolver un ejercicio, entonces todava no dominas el ejercicio y te hace falta ms prctica.
Hoja 73
Lo ideal es que domines por completo los ejercicios; de esta manera dispondrs de ms tiempo para dedicarte a trabajar en los aspectos nuevos o desconocidos del problema al que te enfrentes. En esta Gua se te sealan ejercicios para que los trabajes y en dnde puedes obtener la informacin que necesitas. En algunos casos los ejercicios sealados son suficientes para que llegues a dominarlos, pero en otros no y t debes buscar o crear otros ejercicios para que sigas practicando. Hacerlo es parte de tu responsabilidad como estudiante. Por cierto, t mismo eres capaz de crear ejercicios cuando resuelves un problema y luego detallas los pasos que deben seguirse para resolver la situacin del problema. Es decir, cuando elaboras una informacin similar a la que tu consultaste para resolver los ejercicios propuestos. Aqu hay algo ms sobre las caractersticas de un ejercicio: Qu es un ejercicio? Un ejercicio est fuertemente relacionado con un algoritmo o rutina, no necesariamente sencillos. Los ms complejos pueden requerir la combinacin de varios procedimientos con destrezas especficas. En un ejercicio puede requerirse una articulacin de registros de representacin, pero esta articulacin suele estar ya incluida en el algoritmo, en la rutina o en el esquema. La administracin de los conocimientos y procedimientos no es compleja, se reduce a organizar las llamadas a una serie de procedimientos ya hechos, generalmente hace poco tiempo. No busca una reconceptualizacin de los conocimientos sino la frecuentacin de una va ya abierta, la adquisicin de una destreza. Su esquema metafrico es la suma no la integracin. Puede ser laborioso, raramente difcil.
Hoja 74
Tareas del libro-e Descartes

Realiza las actividades siguientes del Proyecto Descartes:
Unidad 1 Estadstica Descriptiva Fracciones, decimales y porcentajes http://descartes.cnice.mecd.es/4b_eso/Fracciones_decimales_porcentajes/index.htm Porcentajes e ndices http://descartes.cnice.mecd.es/1y2_eso/Porcentajes_e_indices/index.htm Variables estadsticas bidimensionales. Regresin y correlacin http://descartes.cnice.mecd.es/Bach_CNST_1/Variables_estadisticas_bidimensionales_ regresion_correlacion/Indice.htm Estadstica descriptiva http://descartes.cnice.mecd.es/Estadistica/Estadistica_descriptiva/Estadistica.htm Unidad 2 Elementos Bsicos de Probabilidad El azar y la probabilidad http://descartes.cnice.mecd.es/4a_eso/Azar_y_probabilidad/index.htm Sucesos aleatorios http://descartes.cnice.mecd.es/Estadistica/Sucesos_aleatorios/sucesos_aleatorios_1.ht m Ley d'Hont http://descartes.cnice.mecd.es/Estadistica/Ley_dhont/index.htm Unidad 3 Probabilidad Condicional El dilema de Monty Hall El juego de vida http://descartes.cnice.mecd.es/taller_de_matematicas/juego_vida/index.htm Unidad 4 Distribucin de Probabilidad Distribucin de probabilidad continua http://descartes.cnice.mecd.es/Bach_HCS_2/distribuciones_probabilidad/index_discon t.htm Probabilidad. Distribuciones http://descartes.cnice.mecd.es/Estadistica/Probabilidad/uni_indice.htm Unidad 5
Hoja 75
Inferencia Estadstica Distribucin normal e inferencia estadstica http://descartes.cnice.mecd.es/Bach_HCS_2/inferencia_estadistica/index_inferencia.ht m TLC http://www.cead-laspalmas.net/inferencia/aguiad.htm Muestreo e inferencia estadstica http://descartes.cnice.mecd.es/Estadistica/Muestreo_Inferencia_Estadistica/index.htm
Hoja 76
Tareas de los libros

Unidad 1.1 1.2 1.3 1.3 2.1 y 2.2 2.3 3.1 3.2 y 3.3 3.3 2y3 4.1 4.2 4.3 4 Tareas del libro Estadstica elemental. Lo esencial de Robert Johnson y Patricia Kuby. Thomson Captulo 1, pp 1 a 24. Ejercicios de la forma 4n+1 desde 1.1 hasta 1.48 Captulo 2, pp 25 a 72. Ejercicios de la forma 5n+2 desde 2.1 hasta 2.90 Captulo 2, pp 72 a 100. Ejercicios de la forma 4n+3 desde 2.91 hasta 2.157 Captulo 3, pp 101 a 144. Ejercicios de la forma 6n+5 desde 3.1 hasta 3.67 Captulo 4, pp 145 a 165. Ejercicios de la forma 3n+1 desde 4.1 hasta 4.46 Captulo 4, pp 165 a 172. Ejercicios desde 4.47 hasta 4.59 Captulo 4, pp 172 a 180. Ejercicios de la forma 2n+1 desde 4.60 hasta 4.80 Captulo 4, pp 180 a 187. Ejercicios desde 4.81 hasta 4.92 Ejercicios proporcionados por el profesor Captulo 4, pp 187 a 192. Ejercicios de la forma 2n+1 desde 4.93 hasta 4.115 Captulo 5, pp 193 a 206. Ejercicios de la forma 2n+1 desde 5.1 hasta 5.32 Captulo 5, pp 206 a 224. Ejercicios de la forma 4n+3 desde 5.33 hasta 5.83 Captulo 6, pp 225 a 256. Ejercicios de la forma 6n+1 desde 6.1 hasta 6.82 Captulos 5 y 6, pp 193 a 256. Ejercicios de la forma 2n+1 desde 5.84 hasta 5.100 Ejercicios de la forma 3n+1 desde 6.83 hasta 6.104 Captulo7, pp 257 a 279. Ejercicios de la forma 4n+3 desde 7.1 hasta 7.50 Captulo 8, pp 281 a 307. Ejercicios de la forma 5n+2 desde 8.1 hasta 8.54 Captulo 8, pp 307 a 340. Ejercicios de la forma 6n+5 desde 8.55 hasta 8.139 Captulo 9, pp 341 a 360. Ejercicios de la forma 4n+1 desde 9.1 hasta 9.41 Captulo 10, pp 379 a 408. Ejercicios de la forma 5n+2 desde 10.1 hasta 10.60
5.1 y 5.2 5.4 5.4 5.3 y 5.5
Hoja 77
Ejercicios Complementarios
Unidad 1. Estadstica Descriptiva 1. Para investigar la preferencia por un producto A o un producto B se encuest a 30 personas, entre hombres y mujeres. A cada persona se le asign un nmero como identificacin: a la primera persona encuestada se le asign el 1, a la segunda se le asign el 2, y as sucesivamente. A los hombres les correspondieron los nmeros: 2, 4, 5, 6, 9, 10, 11, 15, 16, 19, 21, 24, 25, 27, 28, 29 A las mujeres los nmeros: 1, 3, 7, 8, 12, 13, 14, 17, 18, 20, 22, 23, 26, 30 Las personas que prefirieron el producto A fueron: 2, 5, 6, 10, 12, 18, 19, 21, 23, 27, 28, 29 Y las que prefirieron el producto B fueron: 1, 3, 4, 7, 8, 9, 11, 13, 14, 15, 16, 17, 20, 22, 24, 25, 26, 30 a) Vaca la informacin anterior en la tabla siguiente: PREFERENCIA Producto A Producto B SEXO Hombre Mujer Total Total
b) b1) Qu proporcin de los encuestados fueron hombres? b2) Qu proporcin de los encuestados prefiri el producto A? b3) Que proporcin de los encuestados fueron hombres que prefirieron el producto A? b4) Qu proporcin de los hombres prefiri el producto A? b5) Qu proporcin de los que prefirieron el producto A fueron hombres? c) Conviene comparar la tabla anterior con la que se obtendra si la preferencia por uno u otro producto fuera exactamente la misma entre los hombres y las mujeres, e igual a la observada entre todas las personas encuestadas. Construye esta tabla y comprala con la anterior; en tu opinin lo que observas indicara una relacin entre el sexo de una persona y su preferencia por alguno de los dos productos?
PREFERENCIA Producto A Producto B SEXO Hombre Mujer Total
Total
2. Una baraja, francesa consta de 52 cartas (as, dos, tres, cuatro, cinco, seis, siete, ocho nueve, diez, sota, reina y rey de cada uno de sus cuatro palos: espadas, corazones, diamantes y trboles). Calcula la probabilidad de cada uno de los eventos siguientes, si se extrae una carta al azar. a) b) c) d) e) f) g) h) Sacar un as. Sacar una carta que no sea de trboles. Sacar una figura (sota, reina o rey). Sacar una figura de diamantes Sacar una carta de trboles menor que seis. Sacar una carta de espadas de nmero par. Sacar un as de espadas o un rey. Sacar una reina o una carta par.
3. Se lanzan simultneamente tres monedas de un peso. a) Describe el espacio muestral. Calcula la probabilidad de obtener: b) c) d) e) f) g) Exactamente un guila. Exactamente dos guilas. Exactamente tres guilas. Por lo menos un guila. Por lo menos dos guilas. A lo sumo dos guilas.
4. Si se tiran dos dados simultneamente: a) Cul es la probabilidad de que por lo menos uno de ellos muestre un nmero mayor que tres? b) Cul es la probabilidad de que por lo menos uno de ellos muestre un nmero mayor que dos? c) Cul es la probabilidad de que por lo menos uno de ellos muestre un cinco? d) Cul es la probabilidad de que por lo menos un dado muestre un nmero par? e) Cul es la probabilidad de que la suma de los puntos sea siete?
Hoja 79
f) Cul es la probabilidad de que la suma sea divisible por dos o por tres? 5. Despus de lanzar un dado 10 000 veces se encontr que las frecuencias relativas de las caras 1, 2, 3, 4, 5 y 6 fueron, respectivamente
1 1 1 1 1 1 , , , , y . 3 12 12 6 6 6
Si se usa la definicin estadstica de probabilidad, calcula la probabilidad de cada uno de los eventos siguientes: a) b) c) d) Obtener un nmero impar. Obtener un nmero par. Obtener un nmero menor que cuatro. Obtener un nmero mayor que tres.
6. Tres estudiantes, Ayax, Laertes, y Pirro, intervienen en una competencia de natacin Ayax y Laertes tienen la misma probabilidad de ganar y el doble de la de Pirro. Cul es la probabilidad de que gane Laertes o gane Pirro? 7. En una fiesta se van a rifar dos premios entre los presentes. Se numeran papelitos del 1 al 20 y se introducen en una caja. Una mano inocente extrae un papelito para el primer premio y otro, despus para el segundo. Terpscore tiene el nmero trece y Euterpe el siete. a) Cul es la probabilidad de que Terpscore obtenga el primer premio y Euterpe el segundo? b) Cul es la probabilidad de que ellas obtengan los premios sin importar el orden de los mismos?
Hoja 80
Unidad 2. Elementos Bsicos de Probabilidad 1. En una urna hay 1200 fichas, 50 son rojas, 285 son blancas, 349 son azules, 68 son verdes, 117 son cafs y el resto son negras. Calcula la probabilidad de cada uno de los eventos siguientes, si se extrae una ficha al azar. a) b) c) d) e) f) La ficha es azul. La ficha es negra. La ficha no es negra. La ficha es blanca o negra. La ficha no es caf. La ficha es caf, negra o roja.
2. Una baraja, francesa consta de 52 cartas (as, dos, tres, cuatro, cinco, seis, siete, ocho nueve, diez, sota, reina y rey de cada uno de sus cuatro palos: espadas, corazones, diamantes y trboles). Calcula la probabilidad de cada uno de los eventos siguientes, si se extrae una carta al azar. a) b) c) d) e) f) g) h) Sacar un as. Sacar una carta que no sea de trboles. Sacar una figura (sota, reina o rey). Sacar una figura de diamantes Sacar una carta de trboles menor que seis. Sacar una carta de espadas de nmero par. Sacar un as de espadas o un rey. Sacar una reina o una carta par.
3. En un proceso de control de calidad, 50 artculos fueron sometidos a dos pruebas distintas, para ver si tenan algn defecto. Los datos obtenidos aparecen en la siguiente tabla: Resultado 1era. Prueba Satisfactorio Insatisfactorio Total Resultado 2 Satisfactorio 37 5 42 prueba Insatisfactorio 2 6 8 Total 39 11 50 Calcula la probabilidad, si se toma un artculo de este grupo al azar de que: a) Aprobara ambas pruebas. b) Aprobara la primera prueba pero no la segunda. c) Aprobara slo una prueba. d) Aprobara al menos una prueba. e) No aprobara ninguna de las dos pruebas.
Hoja 81
4. Se lanzan simultneamente tres monedas de un peso. a) Describe el espacio muestral. Calcula la probabilidad de obtener: b) c) d) e) f) g) Exactamente un guila. Exactamente dos guilas. Exactamente tres guilas. Por lo menos un guila. Por lo menos dos guilas. A lo sumo dos guilas.
5. Si se tiran dos dados simultneamente: a) Cul es la probabilidad de que por lo menos uno de ellos muestre un nmero mayor que tres? b) Cul es la probabilidad de que por lo menos uno de ellos muestre un nmero mayor que dos? c) Cul es la probabilidad de que por lo menos uno de ellos muestre un cinco? d) Cul es la probabilidad de que por lo menos un dado muestre un nmero par? e) Cul es la probabilidad de que la suma de los puntos sea siete? f) Cul es la probabilidad de que la suma sea divisible por dos o por tres? 6. Despus de lanzar un dado 10 000 veces se encontr que las frecuencias relativas de las caras 1, 2, 3, 4, 5 y 6 fueron, respectivamente
1 1 1 1 1 1 , , , , y . 3 12 12 6 6 6
Si se usa la definicin estadstica de probabilidad, calcula la probabilidad de cada uno de los eventos siguientes: a) b) c) d) Obtener un nmero impar. Obtener un nmero par. Obtener un nmero menor que cuatro. Obtener un nmero mayor que tres.
7. Tres estudiantes, Ayax, Laertes, y Pirro, intervienen en una competencia de natacin Ayax y Laertes tienen la misma probabilidad de ganar y el doble de la de Pirro. Cul es la probabilidad de que gane Laertes o gane Pirro? 8. En una fiesta se van a rifar dos premios entre los presentes. Se numeran papelitos del 1 al 20 y se introducen en una caja. Una mano inocente extrae un papelito para
el primer premio y otro, despus, para el segundo. Terpscore tiene el nmero trece y Euterpe el siete. a) Cul es la probabilidad de que Terpscore obtenga el primer premio y Euterpe el segundo? b) Cul es la probabilidad de que ellas obtengan los premios sin importar el orden de los mismos? 9. En una escuela hay 700 alumnos inscritos en tercer ao. 300 estn reprobados en matemticas, 175 en contabilidad y 132 en ambas. Si se escoge un alumno al azar calcula la probabilidad de que: a) Est reprobado en matemticas pero no es contabilidad. b) Est reprobado en contabilidad pero no en matemticas. c) No est reprobado en ninguna de las dos materias. 10. En una encuesta aplicada a 1000 personas de un distrito electoral se incluyeron dos preguntas: a) Conoce el nombre del actual diputado del distrito? b) Conoce los nombres de los candidatos a diputados para este distrito electoral? Siete personas contestaron afirmativamente la primera pregunta. 868 personas contestaron afirmativamente la segunda pregunta. Seis personas contestaron afirmativamente ambas preguntas. Si se elige una encuesta al azar Calcula la probabilidad de que: c) Ambas respuestas sean negativas. d) La primera sea afirmativa y la segunda negativa. 11. Para estimar la poblacin de comadrejas en una zona, se capturaron y marcaron 25 de ellas. Un mes ms tarde se recapturaron 50 comadrejas y se encontr que 18 de ellas estaban marcadas, cul es la poblacin estimada de comadrejas en esa zona? Explica el razonamiento que te llev a la respuesta. 12. En una fbrica de Toluca trabajan 767 empleado. De estos 185 tienen automvil. De 179 empleados que no residen en Toluca 165 tienen automvil. Calcula la probabilidad, si se elige un empleado al azar, de que: a) Resida en Toluca y no posea automvil. b) Resida en Toluca y posea automvil.
Hoja 83
13. Para transportarse de Nueva Rosita a Piedras Negras, Coahuila, se puede tomar un autobs verde o un azul: - El primer autobs azul sale a las 6:00 a. m. y despus hay uno cada veinte minutos hasta las 9:00 p. m. - El primer autobs verde sale a las 6:10 a. m. y despus hay uno cada cuarto de hora hasta las 8:40 p. m. Cul es la probabilidad de que un pasajero que llega a la central camionera entre las 8:00 y las 9:00 A. M. aborde un autobs verde? Autobs Azul (A) 6:00 6:20 6:40 7:00 7:20 7:40 8:00 8:20 8:40 9:00 Autobs Verde (V) 6:10 6:25 6:40 6:55 7:10 7:25 7:40 7:55 8:10 8:25 8:40
14. De 2000 jvenes entrevistados, con edades comprendidas entre 15 y 20 aos, 360 no trabajan ni estudian, 817 slo trabajan y 220 trabajan y estudian. Si se escoge un joven al azar. Calcula la probabilidad de que: a) Estudie pero no trabaje. b) Estudie. 15. En una escuela, la Academia de Matemticas est compuesta por 16 Profesores. Tres de ellos son gordos y feos, seis no son feos y ocho no son gordos. Entre ellos se rifa una computadora. Calcula la probabilidad de que el premio corresponda: a) A un profesor feo. b) A un profesor gordo. c) A un profesor que no sea gordo ni feo. 16. De un total de 89 muchachos, 26 usan por lo menos barba, 34 por lo menos bigote y 32 por lo menos patillas. 6 slo bigote y patillas, 12 slo barba, 15 slo bigote y 25 no llevan barba, bigote ni patillas. Se escoge uno de ellos al azar, calcula la probabilidad de que:
Hoja 84
a) No tenga barba ni bigote pero si patillas. b) No lleve patillas pero si barba y bigote. c) Use barba y patillas pero no bigote. 17. En una encuesta aplicada a 180 empleados se obtuvo la siguiente informacin: 48 tienen por lo menos casa propia 87 tienen por lo menos automvil 120 tienen por lo menos televisin 52 tienen slo automvil y televisin 1 tiene slo casa propia 3 tienen slo automvil 44 no tienen ninguna de las tres cosas Si se escoge un empleado al azar calcula la probabilidad de que: a) b) c) d) Tenga automvil, casa propia y televisin. Tenga casa propia y televisin pero no automvil. Tenga televisin pero no casa propia y automvil. Tenga automvil o televisin.
18. En un estudio sobre la nocin de variable en 102 estudiantes de primer ao de licenciatura, 52 de ellos eran mujeres, se obtuvo la informacin siguiente: todos los hombres eran solventes en el uso de la variable como nmero general. En total 62 personas eran solventes en el uso de la variable como nmero general, 25 mujeres eran solventes en el uso de la variable como incgnita, 15 de las personas solventes en el uso de la variable como nmero general tambin lo eran en el uso de la variable como incgnita y 10 de las mujeres solventes en el uso de la variable como nmero general tambin lo eran en el uso de la variable como incgnita. Si de este grupo se escoge una persona al azar calcula la probabilidad de que: a) Sea solvente en el uso de la variable como incgnita. b) Sea una mujer solvente en el uso de la variable como nmero general pero no solvente en el uso de la variable como incgnita. c) Sea un hombre solvente en el uso de la variable como incgnita. d) No sea solvente en el uso de la variable como nmero general.
Hoja 85
Unidad 3. Probabilidad Condicional 1. Se extraen dos naipes de una baraja francesa de 52 cartas. a) Si se vuelve a colocar la carta extrada antes de tomar la segunda, cul es la probabilidad de que salga un as seguido de la reina de corazones? b) Si no se regresa la carta antes de tomar la segunda, cul es la probabilidad, de que salga un as seguido de la reina de corazones? 2. Un fabricante recibe un lote de 30 tubos aislantes, 5 de stos estn defectuosos. Cul es la probabilidad, si se cogen dos de ellos para revisarlos, de que el primero est defectuoso y el segundo en buen estado? 3. La probabilidad de que una familia tenga automvil es 0.25, la probabilidad de que una familia tenga tanto casa propia como automvil es 0.10, cul es la probabilidad de que una familia cualquiera tenga casa propia si sabemos que tiene automvil? 4. Considera el enunciado siguiente: En un grupo escolar hay 27 mujeres y 23 hombres. Entre las mujeres hay 19 obesas y 8 que no lo son. Entre los hombres, hay 17 obesos y 6 que no lo son. Presenta la informacin contenida en el enunciado anterior mediante: a) Un diagrama de rbol; b) Una tabla de doble entrada; c) Un diagrama de Venn. Formula dos preguntas de probabilidad condicional y respndelas. 5. Hay dos tarjetas en un cajn, una de ellas es roja por ambas caras otra es negra por una cara y roja por la otras, si se toma, el azar una tarjeta del cajn y se coloca sobre una mesilla (tambin la cara que est hacia arriba se ha escogido al zar),si se nos dice que la cara que esta a la vista sobre la mesilla es roja, Cul es la probabilidad de que la cara que est hacia abajo sea roja? 6. En una escuela todos los alumnos toman clase de contabilidad y de matemticas, la probabilidad de que un alumno escogido al azar, repruebe en Matemticas es 0.4, la probabilidad de que repruebe en contabilidad es 0.11 y la probabilidad de que repruebe en ambas materias es 0.08. a) Son independientes los eventos reprobar en matemticas; y reprobar en contabilidad? b) S se sabe que un alumno est reprobado en matemticas, cul es la probabilidad de que repruebe en contabilidad? c) Si se sabe que un alumno est reprobado en contabilidad, cul es la probabilidad de que repruebe en matemticas? d) Cul es la probabilidad de que un alumno no repruebe en matemticas? e) Cul es la probabilidad de que un alumno no repruebe en contabilidad?
f) g) h) i)
Cul es la probabilidad de que repruebe en matemticas pero no en contabilidad? Cul es la probabilidad de que repruebe en contabilidad pero no en matemticas? Cul es la probabilidad de que no repruebe en ninguna de las dos materias? Cul es la probabilidad de que repruebe en contabilidad si se sabe que aprob en matemticas? j) Cul es la probabilidad de que apruebe en matemticas si se sabe que aprob en contabilidad? k) Cul es la probabilidad de que apruebe en contabilidad si se sabe que aprob en matemticas? 7. La probabilidad de que Orfeo reciba una llamada de sus amigos en el lapso de una hora es de 0.25, cul es la probabilidad de que se pase 3, 4,, n horas sin recibir una llamada? 8. Una fbrica tiene dos mquinas. La mquina A produjo el 60% de las piezas y la B el resto. El 2% de las piezas producidas por la mquina A y el 5% de las producidas por la mquina b tenan defectos. a) Si se toma una pieza al azar, Cul es la probabilidad de que resulte defectuosa? b) Si se toma una pieza al azar y resulta defectuosa, cul es la probabilidad de que haya sido producida por la mquina A? 9. Un examen clnico presenta las siguientes caractersticas: - Cuando se aplica una persona enferma, detecta la enfermedad en el 98% de los casos y no la detecta en el 2% restante; - Cuando se aplica a una persona sana, indica que la persona est sana en el 95% de los casos, pero atribuye errneamente la enfermedad al 5% de los casos restantes. Se sabe adems que la enfermedad la padecen aproximadamente el 7% de las personas. Al aplicar masivamente el examen, qu confianza podemos tener en que una persona que aparece como sana en el examen est realmente sana? qu confianza podemos tener en que una persona detectada como enferma est realmente enferma? 10. Se tienen dos lotes de piezas idnticas. Del primer lote se sabe que 1% son defectuosas y del segundo lote que 5% tambin lo son. Se escoge al azar uno de los dos lotes y, del lote escogido, se toma una pieza tambin al azar. a) Cul es la probabilidad de que la pieza as escogida sea defectuosa? b) Si se sabe que la pieza escogida result defectuosa, cul es la probabilidad de que se haya tomado del primer lote?
Hoja 87
11. En un lote de 5 focos hay dos defectuosos para localizarlos se prueban los focos de uno en uno. a) Cul es la probabilidad de que los focos defectuosos se localicen al probar los dos primeros? b) Cul es la probabilidad de que necesiten probarse los cinco focos? 12. En un almacn se encuentran 100 cajas con 100 fusibles cada una, 20 cajas contienen fusibles producidos por la mquina A, 30 cajas por la mquina B y 50 cajas por la mquina C. Las cajas estn almacenadas al azar sin importar la mquina de procedencia. La mquina A produce en promedio 5% de fusibles defectuosos, la mquina B, 3% y la mquina C, 2%. Si se toma una de estas cajas al azar, se extrae uno de los fusibles y se encuentran que es defectuoso, calcula la probabilidad de que haya sido producido por: a) La mquina A b) La mquina B c) La mquina C. 13. Cstor y Plux disponen de $2 y $3, respectivamente, para jugar a los volados. Se apuesta $1 en cada volado y el juego se termina a los cinco volados o cuando algn jugador se haya arruinado, es decir haya perdido su capital. a) Cules son las probabilidades de Cstor y de Plux de arruinarse? b) Cules son las probabilidades de que el juego termine sin que ninguno de los dos se arruine? c) Es parejo el juego? 14. Una compaa de seguros de automviles ha asegurado a 60 000 conductores de clase A (riesgo pequeo), a 80 000 de clase B (riesgo mediano) y a 10 000 de clase C (riesgo grande). La probabilidad de que un conductor de la clase A, B y C tenga uno o ms accidentes durante un ao es 0.02; 0.05 y 0.15, respectivamente. La compaa vende al Sr. Jos K. Una pliza de seguro y en un ao tiene un accidente. Calcula la probabilidad de que el Sr. Jos K. Sea un conductor: a) De clase A. b) De clase B. c) De clase C. 15. La probabilidad de que un da llueva es 60% si llovi el da anterior y de 40% si no llovi. Hoy llovi, cul es la probabilidad de que llueva dentro de 3, 4, 5,..., n das?
Hoja 88
16. Se supone que una cierta prueba detecta el cncer con probabilidad de 0.8 entre gente que padece cncer y no detecta el 20% restante. Si una persona no padece cncer la prueba indicar esta hecho un 95% de las veces e indicar que tiene cncer un 5% de ellas. Supondremos que el 3% de la poblacin de prueba padece cncer y la prueba de una persona determinada, seleccionada al azar, indica que tiene cncer. Cul es la probabilidad de que efectivamente padezca dicha enfermedad?
Hoja 89
Unidad 4. Distribucin de Probabilidad 1. El 2. Imagina que un gobierno sexista de un cierto pas te contrata como asesor. Acaba de adoptar una poltica que obliga a las parejas a procrear hasta que les nazca la primera nia, momento en el que habrn de cesar sus afanes reproductivos. Lo que quieren saber los gobernantes de este pas es cuntos hijos tendr la familia media como resultado de esta poltica? y cul ser la distribucin de los sexos? 3. Compara la probabilidad de que en los prximos 10 partos en una clnica haya 60% o ms de mujeres con la probabilidad de que en los prximos 100 partos en una clnica haya 60% o ms de mujeres. Qu suceso es ms probable? Justifica tu respuesta.
Hoja 90
Unidad 5. Inferencia Estadstica 1. El
Hoja 91
Lecturas
Hoja 92
5. Lecturas
Introduccin
En este material se cuenta con algunas lecturas sobre temas de matemticas. No se trata de un material de relleno, simplemente para introducir o motivar el estudio de ciertos temas. La comprensin de la matemtica no se limita al conocimiento y adquisicin de soltura en el uso de ciertos procedimientos, principalmente algebraicos. Tambin incluye la discusin de ideas y conceptos. La lectura te exige un esfuerzo que debes realizar si quieres lograr comprender su significado. Por ejemplo, la expresin yo slo s que no s nada es atribuida a Scrates. Sin embargo, en la Apologa de Scrates lo que se dice es yo slo s que lo que s es nada. Son equivalentes ambas expresiones? Puedes explicar sus diferencias de significado? Es posible que tengas compaeros que digan que ya entendieron algn tema de matemticas, digamos ecuaciones de segundo grado, de manera que si les dan una ecuacin no tienen dificultad para resolverla, pero que si de lo que se trata es leer un texto y a partir de l plantear una ecuacin que deben resolver para responder lo que se les pregunta, entonces no pueden hacerlo, pues no entienden cmo se puede saber la ecuacin que sirve para lo que dice el texto. Aqu se tiene un problema de comprensin de lectura y no porque el alumno no pueda darse una idea de lo que dice el texto, sino porque l mismo se bloquea y no sabe leer. En este Libro un problema se inicia con un texto y lo primero que debes hacer cuando te enfrentes a uno es leer el enunciado y buscar darle un sentido y significado coherente a la situacin planteada. No se trata de hacer complicada una lectura. Pero es que la comprensin de la lectura no es una actividad sencilla. Cuando decimos que una lectura nos permite descansar, hacer una pausa de nuestras actividades o deberes cotidianos, relajarnos, no es porque la lectura sea una actividad sin chiste y que aprende cualquier nio en los primeros aos de primaria al reconocer las letras del alfabeto y cmo deben pronunciarse. Si nos sentimos bien luego de leer es porque nos interesa el tema que estamos leyendo y ya sabes que cuando realizamos alguna actividad que nos gusta, no nos pesa tanto el trabajo que debemos hacer para ello. Para leer un libro de matemticas necesitas al menos de lpiz y papel a un lado para realizar anotaciones, clculos, dibujar figuras, o representaciones de lo que se est estudiando en el libro. Para leer un artculo o ensayo, es recomendable tener a la mano un diccionario para consultar con facilidad las palabras de las que se desconoce su significado. Ser un buen lector es una habilidad que desarrollamos poco a poco.
Hoja 93
Cuando has ledo un artculo y dices que lo has comprendido, es porque eres capaz de sealar sus ideas principales sin recurrir a la simple cita textual y cuando puedes identificar tus acuerdos y desacuerdos con el autor del texto. Discutir una lectura tambin permite desarrollar nuestra capacidad de comunicacin y argumentacin. No basta decir que ya entendimos algo; si no somos capaces de expresar y comunicar a otros esta comprensin no logramos el principio bsico de una discusin: se logra convencer a los otros a partir de la elaboracin y exposicin de argumentos coherentes y no por hablar ms tiempo, ms fuerte o por ocupar un puesto ms alto que los otros. Debemos saber comunicar nuestras ideas, pero tambin escuchar cuidadosamente los argumentos de otros, tratando de entender lo que nos estn diciendo, reflexionar en los argumentos que nos presentan y aceptarlos si nos parecen convincentes. La lectura de un artculo y luego la discusin del mismo nos permite reflexionar el tema tratado y enriquecer la comprensin del mismo. La lectura es una actividad que realizamos constantemente, en los peridicos, en el cine, en la televisin, en internet y en los mensajes que recibimos de estos medios tan diversos siempre hay una dimensin matemtica que no podemos ignorar. Si algo de lo que lees llama tu atencin por la importancia que las matemticas tienen en su interpretacin, ya sea un fragmento de pelcula o de novela, una noticia o un reportaje, puedes elaborar un guin y organizar y conducir una discusin en la clase.
Hoja 94
Lecturas
1. El mtodo de simulacin de Montecarlo por John Allen Paulos Artculo publicado en Ms all de los nmeros de John Allen Paulos Traduccin de Joseph Llosa, Editorial Tusquets, 1993. Sabemos que un determinado jugador de basquetbol encesta el 40 % de sus tiros. Si en un partido hace 20 tiros cul es la probabilidad de que enceste exactamente 11 veces? Hay unos clculos estndar que se pueden efectuar para saber la respuesta. Tambin hay otro mtodo que, aunque en este caso es opcional, a veces es el nico modo de abordar el problema. En el caso planteado, supondra pedir al jugador que jugara rpidamente unos 10000 partidos para que pudiramos determinar el porcentaje de veces en las que mete exactamente 11 canastas. Aunque resulta evidentemente impracticable para un jugador humano de basquetbol, este mtodo, llamado de Montecarlo, se puede realizar fcilmente en una computadora. Basta con pedir a la computadora que genere aleatoriamente un nmero comprendido entre 1 y 5, y que mire si dicho nmero es 1 2. Como 2 es el 40% de 5, si sale 1 2 lo interpretaremos como un acierto en la simulacin de los tiros del jugador, mientras que si sale 3, 4 5 lo interpretaremos como un fallo. Luego pediremos a la computadora que genere aleatoriamente 20 de tales nmeros entre 1 y 5, y que mire si exactamente 11 de ellos son 1 2. Si es as, lo interpretaremos como si el jugador simulado hubiera metido exactamente 11 canastas de 20 intentos cuando su porcentaje de aciertos es del 40%. Por ltimo, pediremos a la computadora que realice este ejercicio 10000 veces y que cuente el nmero de veces en que exactamente 11 de los 20 intentos del jugador simulado en el partido se convierten en canastas. Si dividimos este nmero entre 10000 tendremos una muy buena aproximacin de la probabilidad terica en cuestin. Para valorar la utilidad de la simulacin es bueno realizar una por uno mismo. (No te preocupes si no tienes computadora, no hace falta, basta con una moneda) Imagina que un gobierno sexista de un cierto pas te contrata como asesor. Acaba de adoptar una poltica que obliga a las parejas a tener hijos hasta que les nazca el primer varn, momento en el que habrn de cesar de procrear. Lo que quieren saber los gobernantes de ese pas es: cuntos hijos tendr la familia media como resultado de esta poltica? y cul ser la distribucin de los sexos? En vez de hacer una recopilacin de datos estadsticos, para lo cual tendran que transcurrir aos, uno puede lanzar una moneda un nmero suficientemente grande veces para tener una muestra que nos permita hacer una estimacin. Si interpretamos el sol como hombre (H) y el guila como mujer
Hoja 95
(M), uno lanza la moneda hasta que sale el primer sol y apunta el nmero de lanzamientos, esto es el nmero de hijos de la familia. La sucesin MMH corresponde a dos mujeres seguidas de un hombre, H corresponde a un hijo nico hombre, etc. Se repite este procedimiento 100 1000 veces para producir 100 1000 familias y se calcula el nmero medio de hijos de cada familia y la distribucin de los sexos. Puede que t, y tambin los funcionarios del pas, encuentren sorprendente la respuesta. La aplicacin de los mtodos de Montecarlo facilita mucho los estudios de los sistemas grandes, las situaciones que se dan en problemas de colas y planificacin de horarios, y en fenmenos fsicos, tecnolgicos y matemticos. Desde las rebajas de los grandes almacenes hasta los laboratorios de turbulencia en aeronutica, todo el mundo hace simulaciones. Generar nmeros aleatorios en una computadora y manejar luego las simulaciones probabilsticas basadas en ellos es ms fcil y barato que tratar con los fenmenos aleatorios reales. La nica advertencia es que no hay que olvidar que existe una clara diferencia entre el modelo y la simulacin de un fenmeno y el fenmeno real propiamente dicho. No es lo mismo tener un hijo que lanzar una moneda. En relacin con esto es til la siguiente representacin esquemtica de la simulaciny, hasta cierto punto, de la matemtica aplicada en general. El proceso puede dividirse en cinco estadios: El primero es la identificacin del fenmeno real que nos interesa, a continuacin, la creacin de una versin idealizada de dicho fenmeno, en tercer lugar, la construccin de un modelo matemtico basado en dicha versin simplificada, luego, la realizacin de una serie de operaciones matemticas con el modelo para obtener predicciones y por ltimo, la comparacin de estas predicciones con el fenmeno original para ver si concuerda. (Vase el artculo sobre La filosofa de la matemtica.)
Muchas aplicaciones de la matemtica son inmediatas, pero lamentablemente es muy fcil, especialmente en las ciencias sociales, confundir el modelo propio con la realidad y atribuir a esta ltima alguna propiedad que slo existe en el modelo. He aqu un ejemplo simple tomado del lgebra elemental: Jorge puede realizar una tarea en 2 horas y Marta emplea 3 horas en realizar la misma tarea. Cunto tardarn trabajando los dos a la vez? La respuesta correcta de 1 hora y 12 minutos supone que, trabajando juntos, la presencia de uno no estorba ni estimula el trabajo del otro. En este caso, y en muchsimos otros, la certeza de las conclusiones matemticas derivadas del modelo no siempre es extensiva a las suposiciones, simplificaciones y datos que uno ha empleado en la construccin del modelo. stos no se dejan manejar bien, son nebulosos y totalmente falibles, a pesar de las afirmaciones, fastidiosamente autosuficientes a veces, de socilogos, psiclogos y economistas. Al igual que la seora Brown, la mujer perfectamente ordinaria de Virginia Woolf, la realidad es infinitamente compleja e imposible de captar por completo en ningn modelo matemtico.
Hoja 96
2. Incertidumbre Por David Moore INTRODUCCIN El vocablo "incertidumbre" se usa con la intencin de evocar dos temas relacionados: datos y azar. Ninguno de ellos es un campo separado dentro de las matemticas; sin embargo, ambos fenmenos constituyen objetos de estudio de la matemtica. En trminos generales, la estadstica y la probabilidad son las disciplinas matemticas que tratan de los datos y el azar, respectivamente. Todas las recomendaciones recientes relativas a planes de estudio escolares coinciden en sugerir que la estadstica y la probabilidad deberan ocupar un sitio 12 ,14 mucho ms prominente que en el pasado . Sin embargo, debido al nfasis en el anlisis de datos que se hace en dichas recomendaciones, es fcil contemplar a la estadstica en particular como una coleccin de habilidades especficas (o incluso, como un saco de trucos). La tarea de este ensayo no es llamar la atencin hacia los datos y el azar, como temas en los planes de estudio escolares, la estn atrayendo ya, sino desarrollar este entramado de ideas matemticas en una forma que esclarezca los temas y las estrategias globales, en cuyo interior los temas individuales encuentran su lugar natural. Cualquier anlisis que pretenda influir en la enseanza deber reflejar la experiencia de profesores y estudiantes. Las propuestas para reformar los planes de estudio desligadas de esa experiencia ofrecen esperanzas utpicas que resultan decepcionantes en la prctica. La estadstica en las escuelas no es utpica; el nuevo material que se prueba actualmente tiene utilidad prctica y ms bien contribuye que desplaza al desarrollo de los conceptos y las capacidades numricas. No obstante, es fcil que en nuestro entusiasmo pasemos por alto problemas prcticos y que impulsemos la enseanza de una materia irreal en cantidad o nivel. Es importante llamar la atencin hacia las dificultades y los potenciales pasos en falso, as como hacia las ventajas, en el uso de datos y el azar en la enseanza de la matemtica. Al escribir este ensayo he intentado errar en la direccin prctica y no en la utpica. Datos El inters en la enseanza de la estadstica sin lugar a dudas se debe, en parte al reconocimiento del sitio que el trabajo con datos ocupa en la vida cotidiana y otras en muchas ocupaciones. Se est haciendo cada vez ms comn la enseanza de temas matemticos que tienen una aplicacin directa, en lugar de seleccionarlos tan slo porque conducen a temas posteriores en la matemtica. La estadstica es uno de estos temas. En notas periodsticas se presentan estadsticas econmicas y sociales, as como encuestas de opinin a nivel nacional, datos mdicos tanto de estudios epidemiolgicos como de pruebas clnicas; datos comerciales y financieros. Muchos ciudadanos deben tratar con datos en mayor detalle dentro de sus trabajos. Agricultores y agroindustriales usan pronsticos de cosechas y
Hoja 97
resultados de pruebas de campo agrcolas. Los ingenieros se ocupan de datos sobre el rendimiento, la calidad y la confiabilidad de productos. Es cada vez ms frecuente pedir a los obreros industriales que registren y acten sobre los datos de control de los procesos. Las ciencias de la salud se las ven con datos sobre el costo y la efectividad as como con resultados de investigaciones mdicas. El mundo de los negocios se maneja con base en datos de todo tipo: costos, utilidades, proyecciones de ventas, investigaciones de mercado y muchos ms. Hay apremiantes razones prcticas para aprender estadstica. Como sugieren estos ejemplos, los datos no son simples nmeros, sino nmeros con un contexto. El nmero 4.6 en ausencia de un contexto no transmite informacin alguna; el hecho de que el peso al nacer un nio fue de 4.6 kg nos permite comentar el saludable tamao del pequeo. Es decir, los datos participan a nuestros conocimientos de su contexto para que podamos ejercer la comprensin y la interpretacin, en vez de limitarnos a efectuar operaciones aritmticas. Por lo tanto, hay razones de peso tanto pedaggicas como prcticas para ensear estadstica en las escuelas. En la estadstica se combinan la ejecucin de clculos en un ambiente con sentido y el ejercicio del criterio en la seleccin de los mtodos y en la interpretacin de los resultados. En los grados iniciales la estadstica no se ensea por su valor intrnseco, sino porque constituye un medio eficaz para desarrollar la comprensin cuantitativa y para aplicar la aritmtica y las tcnicas de graficacin en la solucin de problemas. Los profesores que entienden que los datos son nmeros en un contexto, proporcionarn siempre el contexto adecuado al plantear problemas a los estudiantes. Calcular la media de cinco nmeros es un ejercicio de aritmtica, no de estadstica. Calcular el precio promedio de una cinta de msica popular en cinco establecimientos detallistas es estadstica; en particular cuando se combina con la consideracin del grado de dispersin de los precios y con una combinacin con los precios de otros gneros musicales. Es esencial que las ventajas prcticas y pedaggicas de trabajar con datos no sucumban ante el nfasis exclusivo en la enseanza de las operaciones. Los profesores y los encargados de elaborar los materiales para los planes de estudio debern ser imaginativos al proporcionar datos que tengan sentido para los estudiantes. En los grados superiores es posible utilizar datos de otras materias acadmicas (como las ciencias naturales), aunque los estudiantes rara vez relacionan esos datos con su vida diaria. En los grados inferiores los datos producidos por los propios estudiantes son los mejores. Los estudiantes pueden producir datos en muchas formas, por ejemplo, si se formulan preguntas a la clase ("Cuntos nios viven en tu casa?") o se pide que cada estudiante mida, cuente o estime cierta cantidad. El esfuerzo adicional requerido para proporcionar datos en lugar de simples nmeros deber tomarse en cuenta al planear la instruccin. Los datos adecuados no slo constituyen un aspecto atractivo para motivar a los estudiantes; son esenciales para el carcter de la estadstica. Sin embargo, es importante que el esfuerzo requerido para producir los datos no oscurezca las ideas matemticas que se ensean y se aprenden.
Hoja 98
En particular, los intentos por producir datos adecuados sobre cuestiones que revisten importancia fuera del mbito escolar resultan siempre mucho ms difciles de lo que podra parecer a primera vista. Las experiencias desagradables con intentos tardados y confusos para producir datos bien podran desalentar a los profesores de ensear estadstica. Las dificultades asociadas con las actividades de produccin de datos constituyen la primera de varias barreras potenciales de una reforma efectiva. Los materiales de los planes de estudio debern proporcionar tanto datos interesantes como sugerencias prcticas comprobadas para que los propios estudiantes produzcan los datos. Con el tiempo, los profesores pueden recopilar y compartir series de datos referentes a su comunidad y su escuela. Las computadoras son un medio ideal para almacenar y compartir datos. Azar Algunos fenmenos tienen resultados predecibles: cuando se deja caer una moneda desde una altura conocida, el tiempo que tarda en llegar al suelo puede predecirse con la fsica elemental. Salvo por un error de medicin muy pequeo, el resultado es cierto. Si, por otra parte, la moneda se lanza al aire, no podemos predecir si caer cara o cruz. El resultado es incierto. Sin embargo, el lanzamiento de una moneda no es un hecho fortuito. Si se hace un gran nmero de lanzamientos, la proporcin de caras se acercar mucho a la mitad. Esta regularidad en el largo plazo no es slo una construccin terica sino un hecho observado: El naturalista francs Buffon (1707-1788) lanz una moneda 4040 veces. Resultado: 2048 caras, una proporcin de
2048 = 0.5069 de caras. 4040
Alrededor de 1900, el estadstico ingls Karl Pearson en un acto sin precedentes lanz una moneda 24000 veces. Resultado: 12012 caras, una proporcin de 0.5005. El matemtico ingls John Kerrich, mientras fue prisionero de los alemanes durante la Segunda Guerra Mundial, lanz una moneda 10 000 veces. Resultado: 5067 caras, una proporcin de 0.5067. Los fenmenos cuyos resultados individuales son inciertos pero que cuentan con un patrn regular de los mismos en muchas repeticiones se llaman aleatorios. "Aleatorio" no es sinnimo de "fortuito", sino la descripcin de un tipo de orden diferente del determinista que suele asociarse con la ciencia y las matemticas. La probabilidad es la rama de la matemtica que describe la aleatoriedad. Las experiencias infantiles dentro y fuera de la escuela proporcionan menos contacto con la aleatoriedad que con los datos. Por ejemplo, los estudiantes no incursionan en las reas de la ciencia en las que aparece el comportamiento aleatorio (como la gentica o la teora cuntica) sino hasta el bachillerato, y eso slo si eligieron cursos de ciencias exactas. La incertidumbre es, desde luego, un aspecto siempre presente en toda experiencia humana; es el orden en la incertidumbre lo que resulta difcil de observar en situaciones circunstanciales. Incluso las loteras estatales, aunque familiares para muchos estudiantes, ofrecen una experiencia limitada en el aspecto ordenado de la aleatoriedad debido al
Hoja 99
nfasis que hacen en los cuantiosos premios en extremo improbables. En estos juegos de azar que tanta publicidad reciben, se utiliza la aleatorizacin fsica real, pero dan la impresin de hacer rica a la gente de manera fortuita. Los psiclogos han demostrado que nuestra intuicin del azar contradice de manera profunda las leyes de la probabilidad que describen el comportamiento aleatorio real. Este entendimiento incorrecto es muy difcil de corregir por medio de la instruccin formal. Los intentos por ensear probabilidad e inferencia estadstica sin la preparacin intuitiva adecuada, constituyen un segundo escollo principal al introducir los datos y el azar como temas de los planes de estudio escolares. Incluso a nivel de educacin superior muchos estudiantes no pueden entender la probabilidad y la inferencia debido a los conceptos errados que no son eliminados por el estudio de las reglas formales. El conflicto entre la teora de la probabilidad y la manera como los estudiantes ven al mundo se debe, al menos en parte, al limitado contacto de los estudiantes con la aleatoriedad. Por lo tanto, debemos preparar el camino para el estudio del azar al proporcionar experiencia temprana con el comportamiento aleatorio en los planes de estudio de matemticas. Afortunadamente, el estudio de datos provee un ambiente natural para tales experiencias. La prioridad del anlisis de datos sobre la probabilidad y la inferencia formal es un principio importante en la enseanza de la incertidumbre. Pueden usarse dispositivos de azar artificiales (monedas, dados, perinolas) para producir datos en el saln de clases con el objetivo de aplicar las habilidades del anlisis de datos y descubrir la naturaleza ordenada de estos dispositivos. La incertidumbre tambin aparece en datos de fuentes diferentes de los dispositivos de azar. Las mediciones repetidas de la misma cantidad (hechas por varios estudiantes, por ejemplo) producen resultados variables. La variacin natural surge en las alturas, las calificaciones en lectura o en los ingresos de un grupo de personas. Quizs resulte sorprendente que los patrones de variacin que ocurren en mediciones cuidadosas o en datos sobre muchos individuos puedan describirse por las mismas matemticas que describen los resultados de los dispositivos de azar. La experiencia con la variacin en datos es un primer paso hacia el reconocimiento de la conexin entre estadstica y probabilidad. En una etapa posterior, el papel de la aleatorizacin deliberada en los diseos estadsticos para producir datos refuerza esta conexin. Por ltimo, la inferencia estadstica formal usa el lenguaje y los hechos de la probabilidad, para expresar el grado de confianza que podemos tener en las conclusiones sacadas de los datos. Aunque la utilidad en la vida cotidiana de comprender la aleatoriedad es menos obvia que la necesidad de tratar con datos, los argumentos prcticos para ensear el azar no estn ausentes. Una meta de la instruccin en probabilidad es contribuir a que los estudiantes entiendan que la variacin aleatoria, ms que la causalidad determinista, explica muchos aspectos del mundo. Supngase que un basquetbolista ha encestado el 70% de sus tiros libres a lo largo de la temporada. Al final de un juego de campeonato intenta cinco tiros libres y slo consigue encestar uno. "Nerviosismo", dicen los aficionados. Pero esta explicacin fortuita no es necesariamente correcta. Un jugador cuya
Hoja 100
probabilidad de encestar cada tiro es de 0.7 tiene una probabilidad de cerca de 0.16 de fallar al menos tres de cinco tiros. Una actuacin como la descrita fcilmente podra deberse a simple variacin aleatoria. Cierta comprensin de la probabilidad nos permite tomar en cuenta el papel del azar en lugar de buscar una causa especfica, con frecuencia espuria, de cada suceso particular. Calculadoras y computadoras Si bien el advenimiento de equipo de cmputo rpido y de fcil acceso ha incidido en la matemtica en general, en el caso de la estadstica ha revolucionado su prctica. Un efecto obvio de esta revolucin es que ahora se facilitan los anlisis ms complejos sobre conjuntos con un nmero mayor de datos. Pero la revolucin de la computacin tambin ha dado lugar a cambios en la naturaleza de la prctica estadstica. En el pasado, los estadsticos realizaban anlisis integrales pero con clculos laboriosos basados en un modelo matemtico especfico a fin de sacar conclusiones de los datos. La enseanza de la estadstica se caracterizaba por el nfasis correspondiente en la realizacin de clculos extensos. Ahora el paradigma del anlisis estadstico es un dilogo entre modelos y datos. Se permite que los datos critiquen o incluso refuten el modelo original, Los mtodos de diagnstico que participan en este proceso constituyen un campo importante de la investigacin estadstica. En todos se realizan muchos clculos, y los que se han adoptado de manera ms generalizada hacen un uso considerable de las grficas. Adems, la cancelacin de los lmites antes impuestos por los clculos manuales ha llevado a nuevos mtodos de inferencia 3 inclusive a partir de conjuntos de datos muy pequeos . Esta naturaleza cambiante de la estadstica tiene reflejos inmediatos en los estilos didcticos, particularmente en el nfasis creciente en los mtodos grficos y en el anlisis informal de los datos. La influencia de las computadoras ha motivado el examen de conciencia entre los matemticos, algunos de los cuales cuestionan la naturaleza de una demostracin basada en una bsqueda por computadora de los casos posibles que resultan demasiado numerosos para el escrutinio humano. En un nivel ms elemental, tanto profesores como padres de familia se preguntan si el uso temprano de calculadoras no obstaculizar la comprensin de los nmeros y de las operaciones aritmticas. Los estadsticos, por otra parte, han dado la bienvenida a calculadoras y computadoras como una fuerza liberadora. Calcular sumas de cuadrados manualmente no aumenta la comprensin; tan slo entorpece la mente. En estas circunstancias, es natural que el estadstico impulse el uso de calculadoras y computadoras en la enseanza de datos en todos los niveles. La enseanza universitaria de la estadstica incluye ya un uso universal de las calculadoras as como una amplia utilizacin de software de estadstica para computadoras. (Existe, desde luego, ms una continuidad que una disyuncin entre calculadoras y computadoras a medida que la tecnologa contina su
Hoja 101
avance.) He aqu un ejercicio tpico de estadstica elemental, reconsiderado a la luz de la facilidad para realizar clculos. En la figura 1 se presenta el diagrama de dispersin de los datos sobre la edad a la que cada grupo de nios pronunci su primera palabra y los resultados de una prueba de capacidad mental que se les aplic posteriormente. La edad a la que se aprende a hablar ayuda a predecir el resultado de la prueba posterior? En otra poca se hubiera pedido a un estudiante que graficara los datos y luego calculara la recta de regresin de mnimos cuadrados (la recta continua de la figura 1) junto con el coeficiente de correlacin r = 0.640 . Quizs el diagrama se hubiera omitido para ahorrar tiempo. La mayora de los estudiantes habra necesitado al menos 15 minutos para este ejercicio con una calculadora bsica. Slo un sdico hubiera pedido algo ms de ellos.
FIGURA 1. Datos de la edad a la que cada uno de 21 nios aprendi a hablar (escala horizontal) y sus Calificaciones de Adaptacin Gesell, el resultado de una prueba de aptitudes aplicada a una edad posterior. El caso 18 ejerce una influencia especial en el sentido de que al omitir este punto la recta de regresin sufre un cambio de posicin sustancial y modifica el valor de las mediciones numricas como la correlacin. Pero es evidente que los datos incluyen dos casos extremos, marcados como el caso 18 y el 19 en el diagrama. Cmo influyen estos casos en el anlisis de regresin? Un paquete de software interactivo de tipo que se encuentra ampliamente disponible en todas las variedades de computadoras ofrece respuestas inmediatas, las cuales pueden presentarse visualmente si la computadora cuenta con capacidades grficas. El caso 19, aunque est alejado de la recta de regresin, no ejerce una influencia muy grande sobre la posicin de la recta o el valor de la correlacin r. El caso 18, por otra parte, tiene una influencia considerable. Al omitir este punto, la recta de regresin se mueve hasta la posicin de la recta punteada que se muestra en la figura y reduce la correlacin a r = -0.335, casi la mitad de su valor original. Por tanto, la evidencia de que la edad en que se adquiere el habla predice los resultados de
Hoja 102
una prueba de capacidad posterior es mucho ms dbil si se omite el caso 18. 13 (Estos datos se analizan en detalle en los ejemplos 3.10 y 3.14 de Moore la mayor parte de las cifras de este ensayo se tomaron de ese texto.) La automatizacin de los clculos reserva nuestras energas para el anlisis de los datos. Es natural que el anlisis adopte la forma de la solucin de un problema en grupo: "Hay algo inusual? Los puntos alejados. Qu tan importantes son? Intentemos hacer el anlisis de nuevo sin ellos." De esta manera se estimula la bsqueda de informacin adicional acerca de contexto de los datos, preguntar, por ejemplo, si el nio del caso 18 se tard tanto para empezar a hablar como para no considerarlo en un estudio de desarrollo de nios normales. El ejemplo tambin nos lleva a preguntar qu hace que una observacin tenga influencia, pregunta que conduce a nuevos e importantes temas de la estadstica. La automatizacin de los clculos permite que los estudiantes se concentren en otros aspectos de la solucin de problemas: planear un anlisis adecuado, interpretar los resultados en su contexto y hacer nuevas preguntas matemticas sugeridas por un ejercicio. Pero tambin es cierto que los clculos automatizados pueden ocultar la naturaleza del trabajo que se lleva a cabo e impedir juzgar si el trabajo fue adecuado para el problema en cuestin. Con demasiada frecuencia los estudiantes creen que las computadoras nicamente nos informan acerca de la verdad, como en las pelculas de la Guerra de las Galaxias. 18 En un ejercicio de muestreo realizado en un saln de clases , se pidi a los estudiantes que anotaran los colores de una muestra grande de dulces M&M y que compararan los resultados con las muestras producidas por computadora a partir de una distribucin uniforme de los mismos colores. La distribucin de los colores de los dulces estaba lejos de ser uniforme. La finalidad del ejercicio era mostrar a partir de la comparacin que los colores de los dulces no estaban, de hecho, distribuidos de manera uniforme. Sin embargo, "...algunos estudiantes simplemente pensaron que el modelo de computadora era correcto por el simple hecho de estar en la computadora, aun cuando ellos mismos haban metido el modelo de la poblacin." El exceso de optimismo en cuanto a la efectividad de las computadoras es un importante escollo potencial en la enseanza de la estadstica, ya que no basta planear la integracin de calculadoras y computadoras en los planes de estudio. El uso dosificado de calculadoras y computadoras es esencial si los estudiantes deben conquistar sus ventajas sin llegar a creer en una "caja mgica". Las capacidades aritmticas bsicas se necesitan para realizar operaciones y estimaciones mentales, las cuales son importantes para verificar los clculos automatizados. Las calculadoras con las cuatro operaciones bsicas mantienen el control sobre el orden de las operaciones, las cuales deben solicitarse de una en una, en tanto que las nicas partes automatizados del proceso son los algoritmos. Un nio debe entender, por ejemplo, la distincin entre dividendo y divisor a fin de usar una calculadora para hacer una divisin larga. Un nio debe saber que el promedio se encuentra al sumar las observaciones y dividirlas entre el nmero de las mismas con la finalidad de encontrar x usando una calculadora bsica.
Hoja 103
Por lo tanto, los nios pueden empezar a usar calculadoras en el estudio de datos tan pronto como comprendan las operaciones. Despus se puede usar una calculadora que calcule la media y la desviacin estndar muestral directamente a partir de los datos anotados con las teclas, para saltarse los algoritmos rutinarios ya dominados. En un nivel ms avanzado, debern hacerse manualmente algunos histogramas antes de pasar al atractivo software que elige los grupos y crea los histogramas directamente a partir de los datos originales. Acaso ms importante, la experiencia con dispositivos de azar fsicos y con simulaciones fsicas, como sacar cuentas coloreadas de una caja, debern preceder a las simulaciones de computadora. Los "micromundos" no tienen necesariamente una conexin con la realidad, a pesar de que los estudiantes tienden a creer que la computadora presenta la realidad. Una transicin cuidadosamente graduada de lo fsico a lo digital es de suma importancia. La prctica de un uso dosificado se facilita cuando calculadoras y computadoras forman parte de ambiente normal del saln de clases para usarse cuando se necesiten, no reservadas para proyectos especiales o grados superiores. De los datos a la inferencia Existen varios principios de organizacin que nos ayudan a ver el estudio matemtico de datos y el azar como un todo coherente. Uno de estos principios es la progresin de las ideas del anlisis de datos a la produccin de datos a la probabilidad a la inferencia. El anlisis de este ensayo se organiza con base en estas etapas. Anlisis de datos, que incluye las tareas de organizar, describir y resumir datos. Produccin de datos, generalmente para responder a preguntas especficas acerca de una poblacin ms grande. Probabilidad, la descripcin matemtica de la aleatoriedad. Inferencia, el hecho de sacar conclusiones a partir de los datos. Esta progresin de temas es representativa tanto del desarrollo lgico del campo como del grado de dificultad de los conceptos. Por lo tanto, proporciona el orden general en que debern aparecer los temas de estadstica en los planes de estudio escolares. Desde luego, las tres etapas finales se presentarn de manera informal desde el principio en el contexto del anlisis de datos. La experiencia con la produccin de datos, en particular, la experiencia con los resultados aleatorios, puede empezar en los primeros grados. De manera similar, debern estimularse las conclusiones informales desde las etapas iniciales. El principal inconveniente de este perfil es que no hace nfasis en que la probabilidad es importante por derecho propio, no por ser simplemente una parte de la estadstica. Tanto el concepto de probabilidad como los hechos matemticos bsicos acerca de la probabilidad pueden introducirse en la escuela elemental tan pronto como se aprendan las fracciones. Sin embargo, hay un sitio natural para la probabilidad en la progresin de los conceptos estadsticos. Los diseos estadsticos para producir datos se caracterizan por el uso deliberado de azar en experimentos de comparacin aleatorizados y de muestreo aleatorio. He
Hoja 104
aqu una oportunidad para proporcionar mayor experiencia con la aleatoriedad y para avanzar a un estudio de la variacin aleatoria con resmenes numricos (como la media de varias observaciones). Es posible usar tanto la seleccin fsica aleatorio como la simulacin. Por otra parte, la inferencia estadstica formal requiere cierto grado de comprensin de la probabilidad. Por lo tanto, tiene sentido que la seccin sobre probabilidad est entre la produccin de datos y la inferencia. Debido a las enormes dificultades conceptuales que encuentran los estudiantes en la probabilidad y en la inferencia basada en la probabilidad, el tratamiento matemtico formal de estos temas quizs deba ser una materia optativa en lugar de un curso obligatorio a nivel de bachillerato. ANLISIS DE DATOS El anlisis de datos es un renacimiento de la estadstica descriptiva, con nuevos mtodos, mayor nfasis en las grficas y una filosofa consistente debido a John Tukey. (Los volmenes 3 y 4 de Collected Works de Tukey contienen sus 8 escritos sobre el tema ." Un estudioso recomienda el ensayo 12 del volumen 4 como un buen punto de partida.) La esencia de anlisis de datos es "dejar que los datos hablen" mediante la bsqueda de patrones en los datos sin considerar en un principio si los datos son representativos de un universo mayor. La inspeccin de los datos a menudo revela caractersticas inesperadas. Si los datos se produjeron para responder a una pregunta especfica (estas son las circunstancias en que los mtodos tradicionales como los intervalos de confianza y las pruebas de significacin se justifican mejor), las caractersticas inusuales pueden llevar a reconsiderar el anlisis que se haba planeado. Por lo tanto, un anlisis de datos cuidadoso precede a la inferencia formal en una prctica adecuada de la estadstica. En otros casos, no se tienen preguntas especficas en mente y tan slo se pretende dejar que los datos sugieran conclusiones cuya confirmacin podra buscarse con estudios adicionales. Se habla entonces del "anlisis exploratorio de datos" por la analoga de un explorador que penetra en tierras desconocidas. Las contribuciones ms conocidas del anlisis de datos son los nuevos mtodos para presentar datos, como los diagramas de tallo y los de caja (o diagramas de tallo y hojas y diagramas de caja y bigotes, si se prefieren trminos ms largos). A partir de estos ejemplos es fcil ver el anlisis de datos como una coleccin de inteligentes herramientas y pasar por alto los principios de organizacin. Tanto el anlisis de conjuntos de datos complejos como el orden de la enseanza de datos por lo general pueden guiarse mediante tres principios simples: 1. Proceder de lo simple a lo complejo, del examen de una sola variable a las relaciones entre dos variables y las conexiones entre varias variables. 2. Al examinar datos, buscar primero un patrn global y luego las desviaciones significativas de dicho patrn. 3. Pasar de la presentacin grfica a las mediciones numricas de aspectos especficos de los datos para consolidar los modelos matemticos del patrn global.
Hoja 105
Presentacin de datos El primer principio y el tercero sugieren que el aprendizaje sobre datos se inicie con la presentacin de la distribucin de una sola variable. La mayora de tales datos son conteos, es as como variables cualitativas como el color se vuelven numricas, o bien mediciones con unidades. Los mtodos especficos para presentar datos pueden correr paralelamente con la evolucin de los conceptos cuantitativos iniciales. La pregunta "Cuntos dulces de cada color hay en una bolsa de M&M?" puede determinarse mediante un conteo y puede representarse con pilas de bloques de colores. Posteriormente, un diagrama de tallo con nmeros de dos dgitos puede reforzar la distincin entre el lugar de las decenas y las unidades en los nmeros enteros. En un diagrama de tallo con datos de dos dgitos se lista cada dgito correspondiente a las decenas como un "tallo" y las observaciones se registran al colocar los dgitos correspondientes a las unidades como "hojas" en el tallo adecuado. Como ejemplo se presenta un diagrama de tallo del nmero de home runs que bate Babe Ruth en cada uno de los aos que jug en los Yankees. 2 25 3 45 4 1166679 5 449 6 0 Ms tarde an se llega a los histogramas. Para construir histogramas de datos que incluyan ms que pocos valores se requiere una comprensin del concepto de interpelacin y la capacidad para agrupar nmeros, as como destreza para hacer y usar escalas en el trazo de grficas. La eleccin entre las variantes disponibles en los diagramas de tallo y los histogramas requiere mayor reflexin cuando los nmeros que componen los datos se hacen menos simples. Los diagramas de tallo de nmeros con varios dgitos suelen requerir redondeo o truncacin. La agrupacin en clases de nmeros con varias cifras decimales para hacer un histograma necesita una clara comprensin del orden en los nmeros decimales. La planeacin cuidadosa es importante a fin de evitar presentar de manera inadvertida a los estudiantes tareas que rebasen sus capacidades numricas. Pero tambin es evidente, que el anlisis de datos en los grados elementales puede reforzar importantes conceptos y capacidades de los planes de estudio existentes mediante su aplicacin en situaciones interesantes. Cuando se ha construido una presentacin, es necesario interpretar y comunicar lo que entiende a otros. Los nios no tienen mayor capacidad natural para "leer" datos que capacidad innata para leer palabras. Debe enserseles tanto la estrategia para analizar datos como las caractersticas especficas de las que deben estar conscientes. La estrategia se expresa en el segundo principio: buscar el patrn, luego las desviaciones. Las caractersticas especficas cambian conforme se avanza por las etapas mencionadas en el primer principio. Un ejemplo ilustrar el proceso en el caso de datos con una sola variable. En 1961 el jardinero de los Yankees Roger Maris rompi la marca de 60 home runs en una sola temporada impuesta por Babe Ruth. He aqu una comparacin
Hoja 106
pormenorizado de los home runs realizados cada ao por Ruth (a la izquierda) y por Maris durante los aos que jugaron con los Yankees: RUTH MARIS 0 8 1 346 25 2 368 54 3 39 976661 4 1 944 5 0 6 1 La forma general de la distribucin de Ruth es aproximadamente simtrica. El centro se encuentra cerca de los 46 home runs, en el sentido de que hizo ms de 46 la mitad de las veces y menos de esta cantidad la mitad de las veces. No hay desviaciones marcadas del patrn global. En particular, los famosos 60 home runs de Ruth en 1927 no sobresalen de los dems valores, se trata del mejor esfuerzo de Ruth pero sin ser un hecho excepcional en el contexto de su carrera. En contraste, la marca de 61 home runs de Maris en 1961 es un caso extremo que se sale claramente de su patrn global. Ese patrn global (excluyendo el caso extremo) es de nueva cuenta aproximadamente simtrico y tiene su centro en cerca de 23. Las diferentes posiciones de las dos distribuciones muestran la superioridad general de Ruth como bateador de home runs. Para ver el patrn global de la distribucin de una sola variable se aprende a buscar la simetra o los sesgos, los picos individuales o mltiples, el centro y el grado de dispersin respecto del centro. Las desviaciones importantes de un patrn regular incluyen los vacos y los casos extremos. Obsrvese que aunque la construccin de la presentacin de los datos es una operacin que debe de aprenderse, la interpretacin requiere criterio. Ninguna distribucin de datos reales tiene la simetra perfecta de algunas formas matemticas. No todas las distribuciones pueden describirse correctamente como simtricas o sesgadas. Hacer demasiado nfasis en la clasificacin de lo que vemos frustrar tanto a profesores como a estudiantes. Es necesario aprender a observar caractersticas notables, no a polemizar sobre caractersticas imprecisas. Obsrvese asimismo que analizar los datos de manera natural lleva a intentos por interpretar lo que se ve, como cuando se observ que los 60 home runs de Ruth no fueron una actuacin extraordinaria en l, en tanto que los 61 home runs de Maris constituyeron un logro sobresaliente mucho ms all de su nivel usual. Interpretar la forma global de una distribucin es una parte importante en el aprendizaje de estrategias para abordar los datos. El histograma de la figura 2 muestra los datos colectados por estudiantes sobre la longitud de las palabras en la revista Popular Science. La distribucin tiene un sesgo a la derecha porque hay muchas palabras que tienen entre dos y cinco letras y el nmero de palabras largas es menor. (En la terminologa estadstica usual se toma la direccin del sesgo como la direccin del extremo ms largo, no como la direccin en que se concentran la mayora de los datos.)
Hoja 107
FIGURA 2. Los datos sobre la longitud de las palabras en la revista Popular Science colectados por estudiantes revelan una distribucin sesgada ya que las palabras cortas son ms comunes que las largas.
FIGURA 3. Los datos sobre la calificacin media del SAT verbal por entidad federativo revelan un doble pico que refleja dos tradiciones diferentes en los estudiantes que realizan exmenes: en algunos estados la mayora de los estudiantes que aspiran llegar a la universidad realizan el SAT, en tanto que en otros estados slo lo hacen unos cuantos, ya que la mayora hace el examen ACT. El histograma de la figura 3 muestra la calificacin media por entidad federativo del aspecto verbal de la prueba Scholastic Aptitude Test (SAT). Esta distribucin tiene dos picos. El pico prximo al valor 425 representa las entidades federativas en que la mayora de los estudiantes que aspiran llegar a la universidad hacen la prueba; el pico ms alto representa los estados en los que la mayora de los estudiantes toman el examen American College Testing (ACT) y slo los estudiantes que hacen solicitudes de ingreso a universidades que exigen exmenes de admisin realizan el SAT. Descripcin numrica Al examinar los datos sobre los home runs de Ruth y Maris se vio que los clculos pueden ayudar a describir los datos. Por un conteo simple ("ms de la mitad y menos de la mitad") pueden darse nmeros que hacen ms precisa la diferencia entre los centros que se observan en los diagramas de tallo. La progresin natural de las herramientas matemticas se expresa en el tercer principio de organizacin: de las grficas a las mediciones numricas a los modelos matemticos.
Hoja 108
En el caso de la distribucin de los valores de una sola variable, los aspectos bsicos que deben describirse numricamente son el centro (o localizacin) y la dispersin (o diseminacin) de la distribucin. (El trmino ms antiguo "tendencia central", que es a la vez ms largo y menos claro que "centro" o "localizacin", es usado ocasionalmente por los estadsticos y deber abandonarse.) Hay dos conjuntos comunes de medidas descriptivas para la localizacin y la dispersin: la mediana con los cuartiles (o quizs otros percentiles) y la media con la desviacin estndar. Los percentiles slo requieren el conteo y saber fracciones simples (1/4, 1/2, 3/4 para la mediana y los cuartiles). La media es el promedio aritmtico. En consecuencia, la media, la mediana, los cuartiles y los valores menor y mayor pueden introducirse una vez que los estudiantes hayan adquirido las capacidades aritmticas bsicas. Estas mediciones simples forman un til vocabulario descriptivo. La experiencia con la conexin entre la forma de los datos mostrados y las mediciones numricas refuerza el sentido de nmero. Aunque tanto las representaciones como las mediciones parecen elementales, no deber subestimarse el grado de comprensin matemtica requerido para usarlas de manera eficaz (por oposicin a limitarse a calcular las mediciones). Por ejemplo, en una prueba de campo de nuevo material didctico, ni los estudiantes ni el profesor pudieron convencerse de que al agregarse observaciones al extremo derecho de una distribucin particular con muchas observaciones repetidas en el 19 centro, la mediana no resultaba afectada . La experiencia prctica con muchos conjuntos de datos, incluyendo tentativas para estimar las mediciones al observar la presentacin grfica y analizar los resultados, contribuye a que los estudiantes construyan su comprensin particular de operaciones en apariencia simples como contar de la mitad para arriba en la lista ordenada (la mediana) y promediar todos los valores (la media). La descripcin numrica de una distribucin por medio de la mediana, de cuartiles y de las observaciones de los extremos lleva a una nueva presentacin grfica, el diagrama de caja. Un ejemplo muestra lo til que puede resultar este recurso. En las regulaciones del Departamento de Agricultura de Estados Unidos los hot dogs se agrupan en tres tipos: de carne de res, de carne y de aves de corral. Estos tipos difieren en el nmero de caloras que contienen? En la figura 4 tres diagramas de caja presentan la distribucin de las caloras por hot dog entre las diferentes marcas de fbrica de los tres tipos. Los extremos de las cajas marcan los cuartiles, la lnea del interior de la caja es la mediana y los bigotes se extienden a las observaciones individuales menor y mayor. Se ve que los hot dogs de carne de res y de carne son comparables pero que los de ave de corral como grupo muestran un contenido considerablemente menor de caloras por hot dog.
Hoja 109
Figura 4. Tres diagramas de caja muestran la representacin grfica de la mediana, los cuartiles y los valores extremos de las caloras proporcionadas por varias marcas de hot dogs que pertenecen a tres tipos estndares de carne de res, de carne, de ave de corral. Es fcil ver que los hot dogs de ave de corral como grupo contienen menos caloras por hot dog. Modelos matemticos En este breve anlisis acerca de los datos con una sola variable an no se menciona la desviacin estndar ni la etapa final en la progresin que va de la representacin grfica a la descripcin numrica al modelo matemtico. La desviacin estndar presenta varias desventajas para la descripcin de datos. No resulta prctico calcularla una calculadora bsica, es muy sensible a pocos valores extremos y difcilmente motiva (la media, o la mediana, de las desviaciones absolutas de las observaciones respecto de su media es preferible en los tres casos). Sin embargo, la desviacin estndar es de suma importancia en la estadstica, debido principalmente a que es la medida natural de la dispersin en las distribuciones normales. Las curvas normales ofrecen un ejemplo de una descripcin matemtica concisa del patrn global de una distribucin de datos. Son idealizaciones matemticas que no capturan la irregularidad de los datos reales ni las desviaciones tales como los casos extremos. Por ejemplo, las curvas normales tienen una simetra perfecta. La mayora de los materiales de los planes de estudio destinados al estudiante general se detienen bruscamente al presentar las distribuciones normales. Esto es cierto, por ejemplo, para la serie Quantitative Literacy (cultura cuantitativa) (7, 10, 11, 15) desarrollada conjuntamente por la American Concil of Teachers of Mathematics (Consejo Nacional de Profesores de Matemticas). Esto puede deberse a la tendencia tradicional que considera las distribuciones normales y otras como distribuciones de probabilidad, las cuales deben desarrollarse slo despus de un estudio profundo de la probabilidad. Pero no es necesario introducir la probabilidad formal para sugerir que las alturas de un grupo numeroso de personas de edad y sexo semejantes son aproximadamente normales o que el punto donde se detiene la perinola es aproximadamente uniforme sobre un crculo. En la figura 5 se presenta un histograma de las calificaciones en vocabulario del examen lowa Test correspondientes a los 947 estudiantes del sptimo grado de
Hoja 110
Gary, Indiana, con la curva normal que describe aproximadamente la distribucin de las calificaciones. Muestra con bastante claridad la manera en que una curva normal proporciona un modelo matemtico idealizado para ciertas distribuciones de datos.
Figura 5. Un histograma de las calificaciones en vocabulario de cerca de 1000 estudiantes del sptimo grado muestra una estrecha adhesin a ala distribucin idealizada de la curva normal con forma de campana. El paso de las observaciones particulares a una distribucin idealizada de "todas las observaciones" es una abstraccin sustancial. El uso de un modelo matemtico tal como una distribucin normal o uniforme para formular esta abstraccin constituye un paso sustancial hacia la comprensin del poder de las matemticas. La simulacin con computadora resulta muy til en este punto. Los estudiantes pueden formular un "modelo de la poblacin" en base a su experiencia con datos, meter su modelo en la computadora y simular observaciones de la poblacin. Comparar datos simulados con el modelo enriquece la experiencia con la probabilidad y la aleatoriedad. En el contexto de los modelos para patrones regulares en los datos pueden desarrollarse las propiedades bsicas de las curvas normales, la idea de normalizar las observaciones con la escala de las unidades de la desviacin estndar alrededor de la media, y el uso de la tabla normal estndar para calcular las frecuencias relativas. Aunque las distribuciones en el sentido matemtico completan la progresin de los mtodos descriptivos para datos con una sola variable, deben aparecer en fases muy posteriores, aun cuando se sobreentiende que las distribuciones pueden aparecer antes de una introduccin completa a la probabilidad. Entre tanto, la experiencia con datos de varias variables deber irse cultivando a medida que los estudiantes avanzan en los conceptos y las capacidades matemticas necesarias. El estudio inicial de datos con dos variables viene despus del examen de una sola variable, de conformidad con nuestro primer
Hoja 111
principio, pero los modelos matemticos de aplicacin prctica son ms accesibles en el caso de dos variables. La grfica bsica para datos con dos variables es el diagrama de dispersin, el cual proporciona un medio para la comprensin de las coordenadas en el plano. La concentracin de puntos en ciertos sitios (estudiantes hombres y mujeres?) y los puntos alejados de un diagrama de dispersin motivan el anlisis. El patrn global ms simple es una tendencia lineal. El modelo matemtico que produce una distribucin simple de un patrn lineal es una lnea recta con su ecuacin. Las mediciones numricas incluyen las medidas del centro y de la desviacin de cada variable por separado, la pendiente de la recta ajustada como distribucin de la relacin lineal y, quizs, el coeficiente de correlacin como medida de la fuerza de la asociacin lineal. El coeficiente de correlacin, al igual que la desviacin estndar, est vinculado a los modelos y mtodos de la estadstica tradicional, cuyas ventajas, si bien reales, no son claras sino hasta una etapa bastante avanzada del estudio. El coeficiente de correlacin se relaciona estrechamente con la regresin de mnimos cuadrados; es decir, la correlacin mide la fuerza de un tipo especfico de asociacin establecida por una lnea recta. As como la desviacin estndar deber posponerse hasta que las distribuciones normales le den un contexto, por tanto, la correlacin y la regresin de mnimos cuadrados no necesitan hacer su aparicin hasta que los estudiantes de bachillerato emprendan un estudio sustancial de la estadstica per se. Gran parte del anlisis de datos, si bien til por derecho propio, puede ensearse desde el principio de la escuela elemental hasta los primeros aos del bachillerato como parte del esfuerzo general para desarrollar las capacidades y el razonamiento cuantitativo. En este escenario, las rectas pueden ajustarse a simple vista o por mtodos simples que incluyan clculos ms sencillos que el de mnimos cuadrados y que sean menos sensibles a las observaciones extremas. 1 El material Quantitative Literacy " ofrece una explicacin clara de estos mtodos para su utilizacin en los grados intermedios. Otros aspectos de los datos con varias variables merecen prioridad sobre la correlacin y la regresin de mnimos cuadrados. Estos incluyen la distincin entre variables explicatorias y de respuesta, la relacin de la asociacin con la causacin, y los efectos de las "variables ocultas" que no se hayan medido en una asociacin observada. Estas ideas son sutiles pero no en lo que a los clculos se refiere; se captan mejor por experiencias dirigidas con datos reales y mediante anlisis de las mismas, usando varios mtodos de representacin y de clculo; y guardan una estrecha relacin con la comprensin del tipo de explicaciones que ofrecen las ciencias naturales y sociales. En la enseanza del anlisis de datos en un plan de estudio escolar general, los temas debern elegirse no por su importancia dentro del campo de la estadstica sino por su relevancia inmediata para los estudiantes, por su utilidad en el reforzamiento de la comprensin cuantitativa general, y por su contribucin al desarrollo del razonamiento sobre datos inciertos. La estadstica es importante por derecho propio, ms importante que el clculo diferencial e integral en la mayora de las ocupaciones, y esa importancia deber reflejarse en un curso
Hoja 112
optativo sustancial en los aos finales del bachillerato que incluya un anlisis de datos ms avanzado as como produccin de datos, probabilidad e inferencia. PRODUCCIN DE DATOS Los datos convenientes son un producto del esfuerzo humano inteligente as como lo son los reproductores de discos compactos y el maz hbrido. Existen varias razones por las que la produccin de datos es una parte importante en la enseanza de datos y el azar. El anlisis de datos se lleva a cabo de manera ms eficaz sobre datos con los que uno se encuentra ntimamente familiarizado, ya que la familiaridad sugiere tanto las caractersticas esperadas que es necesario buscar como la explicacin de las caractersticas que no se esperan. Los diseos estadsticos para producir datos que dan respuesta a preguntas especficas constituyen el puente conceptual que enlaza el anlisis de datos con la inferencia clsica basada en la probabilidad. Y no hay mejor remedio para las actitudes extremistas, sea el pesimismo insostenible o la confianza trasnochada, con las que suele recibirse la evidencia estadstica que la experiencia que se inicia con una pregunta y termina con respuestas basadas en datos producidos por nosotros mismos. Los datos utilizados en la enseanza de la estadstica provienen de varias fuentes. Gran parte de ellos son datos dados, nmeros que el profesor o el libro de texto se limitan a presentar. Mediante esfuerzos concertados para elegir datos sobre temas incluidos en la experiencia o intereses de los estudiantes y para proporcionar la informacin contextual pertinente, los datos dados pueden ofrecer un marco adecuado para la interpretacin y el anlisis, as como para la adquisicin de habilidades. Los datos dados son ms tiles con los nios de mayor edad, quienes cuentan con los conocimientos y la experiencia ms amplios para entender el contexto de los datos. Es posible exponer a la clase la informacin de inters que los estudiantes no puedan producir por s mismos, para as poder emplear con mayor provecho el tiempo y esfuerzo ahorrados. Los datos gubernamentales sobre poblados o vecindarios prximos, por ejemplo, suelen mostrar patrones de la poblacin, la vivienda, el ingreso y la salud que resultan informativos y sorprendentes. Una segunda categora, los datos de clase, se colectan en el saln de clases y son relevantes principalmente para los estudiantes de la clase, sin plantear la pregunta de si las conclusiones respecto a alguna poblacin ms grande se encuentran garantizadas. Los datos de clase proporcionan un ambiente natural para la enseanza del anlisis de datos, que tiene una restriccin similar sobre el alcance de sus conclusiones. Puede iniciarse con preguntas simples: "Cuntos nios viven en tu casa?" "Cunto dinero traes en la bolsa?" La primera pregunta produce datos con nmeros enteros, la segunda nmeros con dos cifras decimales. Planear la produccin de datos requiere la anticipacin del anlisis que se necesitar, un recordatorio tan relevante para el profesional armado con software como para el profesor atento a si sus estudiantes debern enfrentar un conteo o decimales. Las mediciones tambin pueden producir datos de clase: usando una cinta mtrica, encontrar la anchura de hombros y la distancia entre ambos brazos de todos los estudiantes de la clase, trazar despus un diagrama de dispersin y estudiar la relacin revelada.
Hoja 113
Los experimentos son una tercera fuente de datos. La observacin, sea experimentacin es la produccin activa de datos. La observacin, sea motivada por preguntas o por mediciones, busca colectar datos sin modificar a las personas o a las cosas observadas. En un experimento se aplica un estmulo real a fin de observar la respuesta al mismo. La distincin entre variables explicatorias y de respuesta, parte esencial de las explicaciones causales, es ms transparente en el ambiente de un experimento. Los experimentos ms conocidos de las ciencias bsicas, a diferencia de las preguntas o las mediciones que producen datos de clase, dan lugar a conclusiones que se aplican al mundo en general. Cuando los estudiantes calientan un volumen cerrado de aire y miran cmo se expande un globo, se les est pidiendo que entiendan no slo el comportamiento de ese globo en particular sino tambin el efecto del calor sobre los gases en general. Este enorme salto conceptual suele dejarse implcito. El paso de los datos de clase a las muestras diseadas estadsticamente tiene la gran ventaja de hacer explcita la transicin de los datos acerca de una clase en particular a los datos que representan una poblacin mayor. Cmo realizar muestreos es un tema propio de la estadstica, con implicaciones mucho ms amplias que la simple generacin de datos atractivos para el anlisis. La estadstica tambin tiene mucho que decir acerca de cmo experimentar, aunque sus pautas no son relevantes para la mayora de los experimentos de las ciencias bsicas. El diseo de muestras y de experimentos es un tema central en el estudio sistemtico de la produccin de datos. Pero hay un tema que lo precede, tanto lgicamente como en la experiencia del saln de clases: contestar preguntas y hacer mediciones para producir datos de clase plantean la cuestin de la medicin. Medicin Medir una caracterstica significa representarla por medio de un nmero. Esta nocin bsica introduce en s misma una abstraccin. La reflexin acerca de la medicin lleva en ltima instancia a un entendimiento completo de por qu algunos nmeros son informativos y otros son irrelevantes o absurdos. En primer trmino, cul es una manera vlida (adecuada o con sentido) de medir una caracterstica particular? Empecemos por considerar caractersticas fsicas tangibles. La longitud es fcil, acordamos que una regla lo har. El rea es ms difcil, porque no contamos con un dispositivo que podamos colocar junto a" las mltiples formas bidimensionales posibles del mismo modo en que colocamos una regla junto a cualquier longitud. Debemos preocuparnos por comprender la caracterstica que va a medirse, por pensar en un instrumento satisfactorio y por las unidades que resultarn y sus relaciones con otras unidades. Incluso para las mediciones fsicas, el estudio de estas cuestiones se extiende a lo largo de los aos escolares tanto en matemticas como en ciencias. Pero la validez de las mediciones fsicas es simple en comparacin con los problemas de medicin de las ciencias sociales y de la conducta. Cul es una buena manera de medir la riqueza material de una familia o el carcter amigable de un compaero estudiante? Qu miden en realidad el examen lowa Test o las pruebas de admisin universitarias ACT y SAT? Un examen detallado de tales preguntas llevara demasiado lejos en el campo. Pero deber estimularse
Hoja 114
siempre a los estudiantes a preguntarse si los datos son en realidad vlidos para el uso propuesto. Los conductores de ms de 65 aos de edad se ven envueltos en ms accidentes fatales que los conductores cuyas edades oscilan entre los 16 y los 17 aos. As es que despus de todos los quinceaeros no son tan imprudentes al volante? No, el nmero de conductores con ms de 65 aos es muy superior. La proporcin en vez de conteo de los accidentes es la medicin adecuada en este caso, y la proporcin de accidentes fatales de los quinceaeros triplica aproximadamente al de las personas de edad avanzada. El segundo aspecto principal de la calidad de las mediciones, despus de la validez, es la precisin. Un proceso de medicin puede mostrar un error sistemtico, o sesgo, como cuando la lectura de una bscula tiene siempre 1.5 Kg. de menos. El sesgo es un concepto preciso slo cuando se conoce con claridad el "valor verdadero" que debera producir la medicin. El posible sesgo de las calificaciones SAT es una fuente continua de acalorados debates, pues no se cuenta con ningn valor "correcto" de comparacin. Como siempre, las mediciones fsicas son mucho ms precisas que las mediciones conductuales o sociales. Un proceso de medicin tambin muestra variacin; es decir, mediciones repetidas de la misma cantidad no producen resultados idnticos. Las variaciones en los instrumentos comunes como bsculas de bao y cintas de medir son pequeas respecto de grado de precisin deseado, por lo que acostumbramos ignorar la variacin en las mediciones. Las actividades que presentan variacin en las mediciones son necesarias. Pedir que los estudiantes hagan interpolaciones entre las divisiones de una escala cuando se miden longitudes o pesos, o que estimen una longitud o un conteo por simple inspeccin, proporciona una serie de mediciones variables cuya distribucin puede presentarse grficamente y estudiarse con las herramientas de anlisis de datos. El centro de la distribucin de las mediciones describe el sesgo y la dispersin describe la variacin. Las actividades de medicin que son seguidas por el anlisis de los datos que producen aumenta la sensibilidad de los estudiantes hacia el tema de la calidad de las mediciones. He aqu un ejemplo de una clase universitaria. El instructor pidi que los estudiantes se tomaran el pulso (latidos por minuto) y lo anotaran en un trozo de papel. Un diagrama de tallo de los datos recabados mostr un caso particular que casi seguramente fue un error grave, aunque nadie admiti haber registrado un pulso en reposo de 180. El diagrama de tallo tambin puso de manifiesto una sospechosa concentracin de pulsos que terminaban en cero. El cuestionamiento de los estudiantes revel que varios de ellos haban aprendido a contar los latidos durante 6 segundos y a multiplicarlos por 10 en clases de aerobics. Esto llev al anlisis de los mtodos de medicin usados. La mayora de los estudiantes cont los latidos durante 60 segundos. El grupo decidi que esto era ms preciso que el mtodo de las clases de aerobics, pero que resulta afectado por los latidos parciales al principio y al final del periodo de 60 segundos. Alguien sugiri cronometrar el tiempo de 50 latidos exactos y calcular los latidos por minuto a partir de este tiempo. Esto fue aceptado como un mtodo de medicin prctica ms preciso.
Hoja 115
Diseos estadsticos El diseo de encuestas y experimentos muestrales es un tema central en la estadstica a la vez que una transicin importante en los conceptos. El anlisis de datos enfatiza la comprensin de los datos especficos a la mano. Ahora se considera que los datos representan una poblacin mayor. Es la poblacin la que se busca entender. Los estudiantes no encuentran muy fcil de asimilar esta abstraccin agregada. Por ejemplo, cuando varios estudiantes llevan a cabo una tarea experimental, persisten en tratar de explicar los resultados variables en trminos de las caractersticas individuales de Sarah, Matthew y Ruth. Desde el punto de vista del "muestreo" estos estudiantes se consideran como representativos de una poblacin estudiantil mayor. Ya no estamos interesados en las caractersticas individuales que pueden explicar el desempeo de Sarah, Matthew y Ruth. La transicin del anlisis de datos a la inferencia sigue una trayectoria paralela en la abstraccin matemtica. La media muestral x deja de ser un nmero individual, una medida de localizacin para esos datos. Es una comprensin de una variable aleatoria que se considerar contra el fundamento de la distribucin de la variable aleatoria; debe considerarse contra lo que ocurrira si se repitiera varias veces el proceso de produccin de datos. La dificultad de estas nuevas ideas no puede ocultarse. Por fortuna, no es necesario que aparezca de inmediato la ntima conexin de la produccin de datos diseada con base en las ideas de la probabilidad y en la lgica de la inferencia. Antes habr que conseguir un valioso conocimiento de los datos. Es muy importante, por ejemplo, identificar los datos que no son representativos. La evidencia anecdtica basada en un reducido nmero de casos individuales por nosotros conocidos, influye nuestro pensamiento en formas que no pueden resistir el anlisis y que, por lo tanto, deben revisarse. Los casos individuales atrapan nuestra atencin porque son inusuales en cierta forma o porque ocurren en nuestro medio ambiente inmediato. Ejemplos y anlisis mostrarn que no hay razn para esperar que estos casos sean, en forma alguna, tpicos. Los mtodos de muestreo incorrectos, en especial las muestras de respuestas voluntarias en las que las personas que participan se eligen a s mismas, tambin son comunes. He aqu un ejemplo. La columnista que ofrece consejos, Ann Landers lleva a cabo una encuesta de respuestas voluntarias una vez cada varios aos al pedir a sus lectores que respondan a una pregunta candente. Los resultados son siempre buenos para las notas periodsticas y las entrevistas radiofnicas que hacen publicidad a su columna. La primera encuesta que realiz es la ms reveladora, ya que se cuenta con una comparacin. En 1975 Ann Landers pregunt "Si tuviera que hacerlo de nuevo, tendra usted hijos?" La respuesta de cerca de 70% de las aproximadamente 10,000 personas que contestaron fue "no". Muchas de ellas acompaaron sus respuestas con desgarradoras historias de las crueldades a las que fueron sometidas por sus hijos. Est en la naturaleza de la respuesta voluntaria atraer gente con fuertes sentimientos, en especial de ndole negativa, acerca de tema en cuestin. Una muestra aleatoria a nivel nacional encargada en
Hoja 116
reaccin a la atencin prestada a los resultados de Ann Landers encontr que el 91% de los padres tendran nios de nuevo. La participacin voluntaria puede producir fcilmente 70% de respuestas negativas, cuando la verdad es 90% de respuestas afirmativas. Tales datos no transmiten informacin til acerca de nadie excepto de las personas que dieron un paso al frente. Sin embargo, los medios informativos no slo difunden datos de respuestas voluntarias como si estuvieran describiendo una poblacin general, sino que tambin manejan encuestas telefnicas y por correo que producen ms datos como stos. Los estudiantes atentos encontrarn ejemplos con facilidad. El estudio de la evidencia anecdtica y de las respuestas voluntarias deja clara la necesidad de un mtodo sistemtico para seleccionar las muestras. El mtodo recomendado por el estadstico es dejar que el azar impersonal seleccione la muestra. El muestreo aleatorio elimina los prejuicios de la eleccin personal, sea del encargado de hacer el muestreo o de quienes son encuestados. El uso deliberado del azar es el principio estadstico ms importante para la produccin de datos. A primera vista parecera un hecho contra natura abandonar el juicio humano, pero el azar se muestra menos atroz cuando se compara con la evidencia anecdtica y de las respuestas voluntarias. El uso del azar se ilustra por medio de muestras aleatorias simples, que dan a todas las muestras posibles del tamao establecido la misma oportunidad de ser la muestra que realmente se elija. Las muestras aleatorias simples son fciles de tratar en el saln de clases, empezando por sacar nombres de un sombrero o cuentas de varios colores de un recipiente. Sigue el uso de una tabla de nmeros aleatorios y, por ltimo, la simulacin en computadora. Recurdese la advertencia de que una introduccin demasiado rpida de la computadora oscurecer la naturaleza de la seleccin aleatoria. No es necesario incluir en la instruccin introductoria los diseos de muestreos aleatorios ms elaborados como los usados en encuestas muestrales a nivel nacional. Los experimentos comparativos aleatorizados ms simples guardan una estrecha relacin con las muestras aleatorias simples. Una vez ms puede ponerse de manifiesto la necesidad de un buen diseo al analizar algunos experimentos no controlados o no aleatorizados. He aqu un ejemplo: Un cientfico poltico interesado en la efectividad de la propaganda para modificar opiniones llev a cabo un experimento con estudiantes. Los estudiantes fueron sometidos a una prueba para determinar su actitud hacia Alemania, luego leyeron regularmente propaganda alemana durante varios meses, despus de lo cual volvi a medirse su actitud. El ao era 1940. Entre la primera y la segunda prueba, Alemania invadi y ocup Holanda y Francia. La actitud de los estudiantes hacia Alemania cambi de manera radical, pero nunca sabremos en qu medida este cambio fue resultado de la lectura de la propaganda alemana. El diseo de este experimento adopt una forma comn en los experimentos de laboratorio de las ciencias naturales: Observacin Tratamiento Observacin
Hoja 117
Fuera del ambiente controlado del laboratorio, los experimentos con tales diseos simples no producen datos tiles. El efecto del tratamiento no puede distinguirse del efecto de las variables externas, si bien no en todos los casos son de tal magnitud como la cada de Francia. Los experimentos diseados estadsticamente incluyen dos principios bsicos: comparacin (o control) y aleatorizacin. El diseo comparativo aleatorizado ms simple compara dos tratamientos, uno de los cuales puede ser simplemente un tratamiento de control tal como no leer propaganda. He aqu el bosquejo del diseo:
La asignacin aleatoria adjudica una muestra aleatoria simple de los sujetos al Tratamiento 1; los sujetos restantes reciben el Tratamiento 2. La aleatorizacin asegura que no haya sesgo en la asignacin de los sujetos a los tratamientos. Por lo tanto, los grupos son semejantes (en promedio) antes de que se apliquen los tratamientos. La comparacin asegura que las fuerzas exteriores actuarn por igual en ambos grupos. Si se tiene cuidado de tratar a todos los sujetos de manera similar excepto por los tratamientos experimentales, cualquier diferencia sistemtica en las respuestas debe reflejar el efecto de los tratamientos. La lgica de los experimentos comparativos aleatorizados permite llegar a conclusiones acerca de las causas, la respuesta no slo est asociada con el tratamiento sino que de hecho es causada por el mismo. Como en el caso de muestreo, en la prctica son frecuentes los diseos ms elaborados pero no necesitan aparecer al principio de la instruccin. La experiencia con la aleatorizacin en el saln de clases es sencilla y valiosa. Considrese, por ejemplo, el uso de objetos de referencia como las figuras de plstico para representar a los sujetos que van a asignarse a dos tratamientos diferentes para cefaleas intensas. Los estudiantes pueden llevar a cabo la asignacin aleatoria. Algunas de las figuras de plstico tendrn una marca en el fondo, la cual no se ver cuando se haga la aleatorizacin. Estos sujetos, desconocidos para los experimentadores, tienen un tumor cerebral que har ineficaz cualquier tratamiento. Qu tan imparcialmente distribuy la aleatorizacin a estos sujetos entre ambos grupos? Hacer varias veces la aleatorizacin y presentar la distribucin de los conteos. La aleatorizacin repetida enriquece la experiencia con la variacin aleatoria que conduce a la probabilidad y a la inferencia. Algunas precauciones Con los fundamentos tanto de anlisis de datos como de la produccin de los mismos a la mano, los estudiantes de mayor edad pueden emprender estudios estadsticos serios. Ejemplos recientes de proyectos para planes de estudios incluyen una muestra de las opiniones de los estudiantes acerca de las opciones de los menes en las cafeteras escolares; una muestra de vehculos en un crucero local, clasificados por tipo y lugar de procedencia segn lo revelaban las
Hoja 118
placas de circulacin, y un experimento sobre el efecto de la distancia y el ngulo sobre el xito para encestar un tiro de basquetbol. El diseo de tales estudios proporciona valiosa experiencia para la aplicacin de las ideas estadsticas. El anlisis de datos reales que lleven a conclusiones firmes es fuente de satisfacciones personales. Pero deben anticiparse y mantenerse en lmites aceptables los problemas prcticos presentes en la produccin de datos. 1 He aqu un extracto de informe de un cuidadoso estudio de nuevo material de estadstica en la enseanza a nivel de bachillerato. Algunas de las actividades de produccin de datos fueron bastante elaboradas, incluyendo tanto el estudio de trfico vehicular como el experimento de enceste en el bsquetbol. Su experiencia resulta admonitoria. Nuestras experiencias de prueba en campo nos han convencido de que la recoleccin de datos es un componente importante de la educacin estadstica al menos por dos razones. Primera, aprender a disear y llevar a cabo actividades de recoleccin de datos (e.g., determinar las variables independiente y dependiente y el tamao muestras) es fundamental para la estadstica. Segunda, la recoleccin de datos es una experiencia motivante que hace que el anlisis estadstico sea ms interesante y tenga ms sentido para los estudiantes. Sin embargo, nuestras experiencias nos han convencido asimismo de que la recoleccin de datos plantea algunos retos formidables en el saln de clases. Por ejemplo, los profesores que realizaron las pruebas de campo informan que ocuparon una cantidad excesiva de tiempo de clase en la recoleccin de datos en comparacin con el que dedicaron a la exploracin y el anlisis de los datos, tan slo para encontrar que los datos de los estudiantes eran incompletos o imprecisos. Estos retos quebrantaron a tal punto el ritmo del avance acadmico que aument la renuencia de los profesores para llevar a cabo investigaciones estadsticas que dependieran de la recoleccin de datos. PROBABILIDAD La variacin aleatoria puede investigarse empricamente aplicando las herramientas del anlisis de datos para poner de manifiesto la regularidad presente en los resultados aleatorios. La probabilidad proporciona los recursos matemticos que describen el azar con mucho mayor detalle del que la observacin podra descubrir. La teora de la probabilidad es una impresionante demostracin del poder de las matemticas para deducir resultados de gran alcance e inesperados a partir de premisas simples. El lanzamiento de una moneda, por ejemplo, se describe simplemente como una secuencia de intentos independientes que producen una cara con una probabilidad de 1/2. De este modesto punto de partida se obtienen resultados tan bellos como la ley del logaritmo iterado, que da un lmite preciso para las fluctuaciones en el conteo de las caras conforme se repiten los lanzamientos. La distribucin del conteo de las caras despus de n lanzamientos de una moneda legal (no cargada) tiene una media de n / 2 , que al graficarse contra n aparece como una lnea recta (vase la figura 6). La desviacin estndar del conteo de las caras en n lanzamientos es 0.5 n . La ley del logaritmo iterado establece que las fluctuaciones en el conteo de las caras se extienden 2 log(log n )
Hoja 119
desviaciones estndar a ambos lados de la media. El conteo de las caras graficado contra n se aproximar dentro de cualquier distancia dada de este intervalo un nmero infinito de veces a medida que continen los lanzamientos, pero slo lo cortar un nmero finito de veces. El anlisis de datos, incluso con la ayuda de la simulacin de computadora, jams podra descubrir la ley del logaritmo iterado.
Figura 6. La ley del logaritmo iterado describe la regin de las fluctuaciones en el lanzamiento de una moneda: la recta del centro es la media n / 2 , acotada a ambos lados por curvas cuya distancia respecto a la recta del centro es 1 n2 l o g ( l o g n ) 2 . Como otras reas bellas y tiles de las matemticas, la probabilidad slo tiene un sitio limitado en la enseanza prctica, inclusivo a nivel de bachillerato. Debido a la sencillez de los fundamentos de la probabilidad desde el punto de vista matemtico, es fcil pasar por alto la medida en que los conceptos de la probabilidad entran en conflicto con las ideas intuitivas que se encuentran firmemente enraizadas y que son difciles de eliminar para el momento en que los estudiantes llegan al bachillerato. Los conceptos errados a menudo persisten incluso cuando los estudiantes pueden responder correctamente preguntas de pruebas tpicas. La dificultad conceptual de las ideas de la probabilidad se 5, 21 confirma tanto en la experiencia docente como en las investigaciones . La experiencia dirigida con la aleatoriedad en los primeros aos es un prerrequisito importante para la enseanza exitosa de la probabilidad formal. No es casual que la probabilidad matemtica se originara en el estudio de los juegos de azar, uno de los pocos ambientes en los que los fenmenos aleatorios simples se observan con la suficiente frecuencia para manifestar patrones claros en el
Hoja 120
largo plazo. La enseanza puede intentar recapitular este desarrollo histrico al registrar datos de dispositivos de azar y, ms tarde, de muestreos aleatorios y simulaciones de computadora. Pero sin importar si tal experiencia ocurre temprano o tarde en la formacin de estudiante, toma un tiempo significativo conseguir la comprensin adecuada de comportamiento de los eventos aleatorios. Fundamentos Los primeros pasos hacia la probabilidad matemtica tienen lugar en el contexto de datos de dispositivos de azar en los grados iniciales. Aprender a encontrar el patrn global pero sin intentar una explicacin causal de cada resultado ("Ella no gir la perinola fuerte"). Esta abstraccin se hace ms sencilla porque buscar el patrn global de los datos es una de las estrategias centrales de anlisis de datos. Despus, reconocer que, aun cuando el conteo de los resultados aumenta con cada nuevo intento, las proporciones (o frecuencias relativas) de los intentos en los que ocurre cada resultado se estabilizan en el largo plazo. Las probabilidades son la idealizacin matemtica de estas frecuencias relativas estables en el largo plazo. Una vez que los estudiantes hayan aprendido las matemticas de las proporciones, es posible iniciar el estudio de la probabilidad mediante la asignacin de probabilidades a conjuntos finitos de resultados y la comparacin de las proporciones observadas con estas probabilidades. La comparacin de los resultados con las probabilidades puede resultar frustrante si no se planea con cuidado. La simulacin con computadora es muy til para proporcionar el gran nmero de intentos requeridos para que las frecuencias relativas observadas estn razonablemente cerca de las probabilidades. En secuencias cortas de intentos, las desviaciones de los resultados observados de las probabilidades a menudo les parecern grandes a los estudiantes. Los psiclogos han observado nuestra tendencia a creer que la regularidad descrita por la probabilidad se aplica incluso en secuencias cortas de resultados aleatorios. Esta creencia en una incorrecta "ley de los pequeos nmeros" explica el comportamiento de los apostadores que ven una racha de tiros ganadores con un par de dados como evidencia de que el jugador esta "caliente", una explicacin causal ofrecida porque subestimamos en gran medida la probabilidad de las rachas en las secuencias aleatorias. Pdase a varias personas que anoten una secuencia de caras y cruces que imite 10 lanzamientos de una moneda normal. Qu tan larga fue la racha ms grande de caras o cruces consecutivas? La mayora de las personas anotarn una secuencia con rachas de no ms de dos caras o cruces consecutivas. Pero de hecho la probabilidad de una racha de tres o ms caras en 10 lanzamientos independientes de una moneda legal es de 0.508, y la probabilidad de una racha de al menos tres caras o de una racha de al menos tres cruces es mayor que 0.8. Los clculos de probabilidades que incluyen rachas son muy complicados, esta es un rea adecuada para la simulacin en computadora. Las rachas de caras o cruces consecutivas que aparecen en el lanzamiento real de una moneda (y que predice la teora de la probabilidad) nos parecen sorprendentes. Puesto que no esperamos observar rachas largas, podemos concluir que los lanzamientos de la
Hoja 121
moneda no son independientes o que alguna influencia est afectando el comportamiento aleatorio de la moneda. El mismo concepto errneo aparece en las canchas de bsquetbol. Si un jugador consigue encestar varios tiros consecutivos, tanto los aficionados como sus compaeros de equipo pensarn que "trae la mano caliente" y que es ms probable que enceste el siguiente tiro. Sin embargo, el examen de los datos 22 sobre los tiros lanzados indica que las rachas de canastas conseguidas o falladas no son ms frecuentes de lo que se esperara en una secuencia de intentos aleatorios independientes. Tirar una pelota de bsquetbol es como lanzar un par de dados, aunque, desde luego, la probabilidad de encestar vara de un jugador a otro. Como lo sugieren estos ejemplos, hasta la idea de probabilidad como una frecuencia relativa a largo plazo es bastante compleja y necesita un cuidadoso respaldo emprico. Un poco ms adelante, una comprensin completa de las proporciones motiva el modelo matemtico de la probabilidad: un espacio muestra (el conjunto de todos los resultados posibles) y una asignacin de probabilidad que satisfaga un reducido nmero de leyes o axiomas bsicos que incluyan la regla de adicin P( A o B ) = P( A ) + P( B ) para eventos disjuntos. Las dems leyes aditivas para combinaciones simples de eventos pueden deducirse de stos o, usando un camino ms simple, pueden motivarse directamente de comportamiento de las proporciones. Estas leyes aditivas constituyen el contenido matemtico de la probabilidad elemental. En este punto de avance de la probabilidad matemtica, sera conveniente hacer una pausa para algunos ejercicios no numricos en los que se apliquen las leyes de la probabilidad, as como para tratar otro aspecto de pensamiento matemtico que no es natural en los estudiantes: la lectura atenta y literal de los enunciados lgicos. Los psiclogos que han estudiado los conceptos de la probabilidad ofrecen muchos ejercicios que ponen de manifiesto los conceptos equivocados y 21 que pueden ayudar a corregirlos. Por ejemplo, Tversky y Kahneman presentaron el perfil de la personalidad de una joven a estudiantes universitarios y luego preguntaron que cul de los siguientes enunciados era ms probable: Linda es cajera de un banco. Linda es cajera de un banco y participa en el movimiento feminista. Cerca del 85% de los estudiantes escogieron el segundo enunciado, aun cuando este evento es un subconjunto del primero. Este error persisti a pesar de varios intentos con enunciados opcionales que pudieran hacer ms transparente la cuestin. Los sujetos no haban estudiado probabilidad. "Slo" el 36% de los estudiantes recibidos de ciencias sociales con varios cursos de estadstica en sus crditos dieron la respuesta incorrecta en una prueba similar. Existe por tanto cierta esperanza de que el estudio nos ayude a reconocer la relevancia en el pensamiento cotidiano de los hechos matemticos acerca de la probabilidad. Nisbett et al. dieron a conocer comparaciones antes y despus que proporcionan evidencia firme del efecto del estudio formal. El nfasis en el aspecto conceptual y cualitativo del pensamiento probabilistico, tanto previo como paralelo al estudio de las matemticas de la probabilidad, resulta de gran valor.
Hoja 122
Estudio adicional La adquisicin de capacidades slidas que tengan aplicaciones prcticas, por oposicin a la comprensin conceptual bsica de la probabilidad, requiere un estudio ms detallado. En este punto abandonamos el dominio central de los conceptos matemticos que deben ensearse a todos los estudiantes. Hay varias trayectorias lgicas para abordar la probabilidad intermedia. La eleccin del material depender, por ejemplo, de si la probabilidad se estudiar como un tema importante por derecho propio o si se contempla principalmente como una va para llegar a la inferencia estadstica. Primero, una recomendacin negativa: evitar el uso de mtodos combinatorios para calcular probabilidades en espacios muestrales finitos. La combinatoria es un tema diferente. y de mayor dificultad que la probabilidad. Los estudiantes de todos los niveles encuentran confusos y difciles los problemas combinatorios. El estudio de la combinatoria no contribuye a la comprensin conceptual del azar y produce menos frutos que otros temas en cuanto a la obtencin de la capacidad para establecer modelos probabilsticos. En la mayora de los casos debern evitarse los problemas de conteo salvo los ms sencillos. Un paso hacia adelante ms provechoso a partir de los fundamentos de la probabilidad es considerar las reglas de la probabilidad condicional, de independencia y de multiplicacin. El conocimiento de la ocurrencia de un evento A a menudo modifica la probabilidad asignada a otro evento B . Por ejemplo, saber que un profesor universitario seleccionado al azar es mujer reduce la probabilidad de que su campo sean las matemticas. La probabilidad condicional de B dado A , denotada por P( B A ) , no es necesariamente P( B ) ; si ambas son iguales, los eventos A y B son independientes. Estas nociones implican a la vez nuevas ideas y capacidades bsicas que son invaluables en la construccin de modelos probabilsticos en las ciencias naturales y sociales. Es bastante factible presentar la idea de independencia y la regla de multiplicacin P( A y B ) = P( A )P( B ) para eventos independientes prestando escasa atencin, si acaso, a la probabilidad condicional en general. Esta trayectoria es atractiva si la meta es llegar a la inferencia estadstica de la manera ms efectiva y evita asimismo las considerables dificultades conceptuales asociadas con la probabilidad condicional. Las distribuciones binomiales para el conteo de sucesos en un nmero determinado de intentos independientes se encuentran al alcance inmediato, como lo estn otras aplicaciones interesantes como la contabilidad de los sistemas complejos. Si se decide omitir el tema de la probabilidad condicional, deber hacerse hincapi en el significado cualitativo de la independencia y en el riesgo de 9 suponer informalmente que la independencia es vlida. El ensayo de Kruskal contiene ejemplos y reflexiones acerca de la suposicin informal de la independencia, con nfasis en testimonios "independientes" de supuestos milagros. Temas relacionados con la independencia, con las distribuciones binomiales y con la regla de multiplicacin para eventos independientes debern tratarse en los ltimos aos en las matemticas de bachillerato.
Hoja 123
El estudio atento de la probabilidad condicional es atractivo cuando el objetivo consiste en capacitar a los estudiantes en la construccin y el uso de descripciones matemticas de procesos con un nivel moderadamente avanzado. La construccin de modelos de procesos con varias etapas que no sean deterministas requiere probabilidades condicionales. Para citar slo un ejemplo, en el caso de los positivos falsos al investigar condiciones de excepcin se aplica la probabilidad condicional a cuestionarios tan comunes como los de las pruebas de consumo de drogas, el uso de detectores de mentiras y para determinar la presencia de anticuerpos de SIDA. He aqu un ejemplo basado en un informe reciente en el que puede encontrarse un anlisis estadstico detallado: La prueba ELISA se introdujo a mediados de los ochenta para detectar la presencia de anticuerpos de SIDA en la sangre donada. Cuando los anticuerpos estn presentes, ELISA es positiva con una probabilidad aproximada de 0.98; cuando la sangre probada no est contaminada con antcuerpos, la prueba da un resultado positivo con una probabilidad aproximada de 0.07. Estos nmeros son probabilidades condicionales. Si una en mil de las unidades de sangre examinadas por ELISA contiene anticuerpos de SIDA, entonces el 98.6% del total de las respuestas positivas sern positivos falsos. El clculo del predominio de los positivos falsos en las pruebas de sangre ELISA para detectar anticuerpos de SIDA puede llevarse a cabo con un diagrama de rbol sencillo como el que se muestra en la figura 7. Los estudiantes provistos de la comprensin de la probabilidad condicional y los diagramas de rbol pueden programar con facilidad una simulacin de computadora de procesos cuyo estudio analtico resulte demasiado complejo.
Hoja 124
FIGURA 7. El clculo de los positivos falsos en la prueba ELISA para detectar anticuerpos de SIDA puede llevarse a cabo en un diagrama de rbol en el cual las probabilidades condicionales adecuadas se multiplican en cada rama. La probabilidad condicional lleva consigo una nueva serie de dificultades conceptuales que, como las de estudio temprano de la probabilidad, pueden pasarse por alto de manera fcil e inteligente si la instruccin est dirigida principalmente a la enseanza de definiciones y reglas. Los estudiantes encuentran difcil de entender la distincin entre P( A B ), P( B A ) y P( A y B ) . Mostrar la fotografa de una mujer atractiva y bien vestida y preguntar la probabilidad de que sea modelo de modas. Las respuestas indican que la pregunta se interpreta como si se pidiera la probabilidad condicional de que una mujer conocida como modelo de modas sea atractiva y est bien vestida. Es decir, los individuos que responden confunden P( A B ) y P( B A ) . Los ejercicios cualitativos con la identificacin de la informacin A que se conoce y el evento B cuya probabilidad quiere conocerse son un aspecto preliminar esencial para el trabajo formal con P( B A ) . Transicin a la inferencia
Hoja 125
El muestreo aleatorio y la aleatorizacin experimental proporcionan experiencia con la aleatoriedad que no slo motiva el estudio de la probabilidad sino tambin el tipo de razonamiento que se emplea en la inferencia basada en la probabilidad. El muestreo repetido o la aleatorizacin experimental repetida producen, evidentemente, resultados variables. Esta variacin es aleatorio en el sentido tcnico, en lugar de fortuita, porque el diseo emplea un mecanismo de azar explcito. De este modo, la conclusin de una encuesta de opinin de que el 61% de los adultos estadounidenses aprueban un sistema nacional de seguro mdico requiere un margen de error que refleje el grado probable de variacin aleatorio en encuestas muestrales similares. Asimismo, la conclusin de que un nuevo tratamiento mdico supera a un tratamiento comn slo puede sustentarse si el margen de superioridad excede la variacin aleatorio probable en experimentos similares. Los resultados aleatorios observados en la produccin de datos son estadsticas como proporciones o medias muestrales. Las estadsticas muestrales son variables aleatorias (fenmenos aleatorios que tienen valores numricos). El comportamiento regular en el largo plazo de dichas estadsticas en muestreos repetidos o en aleatorizaciones experimentales repetidas se describe por una distribucin de muestreo. Es comn considerar las distribuciones de muestreo como distribuciones de probabilidad de variables aleatorias. Las variables aleatorias, sus distribuciones y sus momentos constituyen otro bloque de material en la probabilidad intermedia. En las proporciones, interviene la distribucin de un conteo, que es binomial bajo hiptesis ligeramente idealizadas. Las medias muestrales tienen una distribucin normal si la distribucin de la poblacin es normal. Las reglas generales para manipular medias y varianzas de variables aleatorias se aplican tanto a las proporciones muestrales como a las medias muestrales. En particular, las desviaciones estndar de las proporciones y de las medias mustrales decrecen a razn de 1 / n a medida que el tamao n de la muestra aumenta, un hecho que permite entender las ventajas de las muestras grandes. Qu ocurre cuando el nmero de observaciones n crece sin restriccin? Los teoremas de lmites ms importantes de la probabilidad abordan esta cuestin. La ley de los grandes nmeros establece que las proporciones y las medias muestrales se aproximan o tienden (en varios sentidos) a las proporciones y medias correspondientes de la poblacin subyacente. El teorema del lmite central establece que tanto las proporciones como las medas se distribuyen de manera aproximadamente normal cuando el tamao de la muestra se incrementa. En la figura 8 se ilustra el teorema del lmite central en forma grfica. Empieza con la distribucin de una sola observacin que tiene un sesgo a la derecha y est lejos de ser normal. Las distribuciones de esta forma suelen usarse para describir la vida til de las piezas que no sufren desgaste. La media de esta distribucin particular es 1. Las otras curvas de la figura muestran la distribucin de la media x de muestras de tamao 2 y de tamao 10 sacadas de la distribucin original. La forma normal tpica empieza a dibujarse ya cuando slo se promedian 10 observaciones. Una simulacin con computadora podra mostrar el efecto en una manera an ms marcada.
Hoja 126
Figura 8. El teorema del lmite central en accin: la distribucin de las medias muestrales sacadas de una distribucin sesgada a) muestra una progresin hacia la distribucin normal cuando el tamao de la muestra se incrementa de 2 b) a 10 c). Se trata de un conjunto sustancial de material cuya presentacin formal resulta bastante inaccesible. La instruccin estadstica tradicional en la educacin superior insiste en que una dosis sustancial de probabilidad, al menos los temas sobre independencia y variables aleatorias, debe preceder al estudio de la inferencia. Sin lugar a dudas se necesita cierta comprensin de la independencia as como de las distribuciones con sus medias y desviaciones estndar. Pero el grado de formalismo matemtico con el que se ensean tradicionalmente estos temas suele ser innecesario a nivel universitario y fuera de cuestin a nivel de bachillerato. Tanto la longitud como la dificultad de la trayectoria que desemboca en la estadstica va la probabilidad formal ofrecen argumentos en 5 contra de este enfoque tradicional. Como Garfield y Ahlgren concluyen . Ensear el entendimiento conceptual de la probabilidad parece ser todava una tarea muy difcil, llena de ambigedades y espejismos. En consecuencia, hacemos la recomendacin pragmtica para realizar dos esfuerzos de investigacin que precederan en paralelo: uno que contine la exploracin de los medios para inducir las concepciones vlidas de la probabilidad y otro que explore la forma en que las ideas tiles de la inferencia estadstica pueden ensearse sin depender de la probabilidad tcnicamente correcta. Por fortuna, el nfasis emprico del anlisis de datos, adquirido de manera gradual empezando en los primeros grados, ofrece un marco para ensear tanto la probabilidad bsica como la inferencia elemental. La simulacin, primero fsica y despus con software, puede poner de manifiesto los conceptos esenciales de la probabilidad y es particularmente adecuada para revelar las distribuciones de los muestreos. Slo se requieren conocimientos de probabilidad bastante informales para hacer reflexiones sobre distribuciones de muestreo. Como indic el estudio anterior de las distribuciones normales, la descripcin de datos proporciona el contexto adecuado para las distribuciones en
Hoja 127
calidad de modelos matemticos idealizados de la variacin. El plan de estudios general de matemticas que se ensea a todos los estudiantes deber incluir el anlisis de datos y una introduccin emprica tan slo para los conceptos y las leyes bsicas de la probabilidad a un nivel equivalente al del material 15 Quantitative Literacy . INFERENCIA La estadstica se ocupa de la recoleccin, organizacin y anlisis de datos y de las inferencias que se hacen a partir de los datos respecto de la realidad subyacente. "La inferencia de los datos a la realidad" es un tema realmente intrincado, con mucho espacio para las discrepancias de carcter filosfico. No es sorprendente pues que los estadsticos estn en desacuerdo con el enfoque 2 ms provechoso de la inferencia. Barnett ofrece un panorama comparativo de las posiciones encontradas. Bayesiana o clsica? La divisoria filosfica ms importante separa la inferencia bayesiana de la inferencia clsica. Cierta comprensin de esta distincin es esencial para tomar decisiones atinadas en los planes de estudios. La cuestin de la inferencia en la forma ms simple es cmo sacar conclusiones acerca del parmetro de una poblacin con base en los valores estadsticos calculados a partir de la muestra. Un parmetro es un nmero que describe a la poblacin, tal como la altura media de todas las mujeres estadounidenses con edades entre los 18 y los 22 aos. Un valor estadstico relevante en este caso es la altura media muestral x de una muestra aleatoria de mujeres jvenes. Para fines de inferencia, nos imaginamos la forma en que variara x en muestras repetidas de la misma poblacin. La distribucin del muestreo refleja el parmetro subyacente, en este caso es la media de la distribucin de x Es debido a que la distribucin del muestreo depende de parmetro desconocido de que el valor estadstico contiene informacin acerca de parmetro. La inferencia clsica se encuentra enraizada en el concepto de probabilidad como regularidad en el largo plazo y en la idea correspondiente de que las conclusiones de la inferencia se expresan en trminos de lo que ocurrira en la produccin repetida de datos. Decir "Estamos "95% seguros de que est entre 1.636 y 1.643 m" es una forma abreviada de decir "Obtuvimos este intervalo por un mtodo que es correcto en el 95% de todas las muestras posibles." Los enunciados probabilsticos de la inferencia clsica se aplican al mtodo y no a la conclusin especfica a la mano, de hecho, los enunciados probabilsticos acerca de una conclusin especfica no tienen sentido porque el parmetro poblacional es fijo, aunque no se conozca su valor. El mtodo bayesiano pide informacin previa acerca de valor de parmetro en juego. Esto se hace al considerar el parmetro como una cantidad aleatoria con una distribucin de probabilidad conocida que expresa nuestra informacin imprecisa acerca de su valor. La altura media de todas las jvenes estadounidenses no es aleatoria en el sentido tradicional. Pero es incierta. Tengo la plena seguridad de que est entre 1.372 m y 1.829 m, y pienso que lo ms probable es que est cerca del centro de este intervalo. Mi estimacin
Hoja 128
subjetiva de la incertidumbre puede expresarse en una distribucin de probabilidad de . En la perspectiva bayesiana el concepto de probabilidad se ampla para incluir estas probabilidades subjetivas o personales. Lo que es nuevo aqu no son las matemticas., que permanecen iguales, sino la interpretacin de la probabilidad como la representacin de una estimacin subjetiva de la incertidumbre en vez de como una frecuencia relativa en el largo plazo. Se entiende ahora que la distribucin de muestreo de la estadstica x expresa las probabilidades condicionales de los valores de x para un valor dado de . Un clculo posterior combina la informacin previa con los datos observados para obtener la distribucin condicional de dados los datos. (La forma discreta de este clculo emplea un resultado simple acerca de las probabilidades condicionales conocido como el teorema de Bayes, de cual la escuela bayesiana toma su nombre.) Las conclusiones de la inferencia se expresan en trminos de enunciados probabilsticos acerca de parmetro desconocido en s mismo: es del 95% la probabilidad de que la verdadera media est entre 1.636 m y 1.643 m. La conclusin bayesiana es sin lugar a dudas ms sencilla de entender que el enunciado clsico. Adems, la informacin previa es importante en muchos problemas. Los estadsticos por lo general concuerdan en que los mtodos bayesianos deberan usarse cuando se conoce la distribucin de probabilidad previa del parmetro. Lo que se cuestiona es si siempre se cuenta con distribuciones previas convenientes, como sostienen los bayesianos. Los estadsticos no bayesianos no piensan que mi estimacin subjetiva sea siempre informacin til y, por consiguiente, no estn dispuestos a hacer un uso general de distribuciones previas subjetivas. La conclusin aparentemente clara de un anlisis bayesiano puede depender en gran medida de supuestos acerca de la distribucin previa que no pueden comprobarse a partir de los datos. Para la instruccin introductoria de la inferencia, los mtodos bayesianos presentan varios inconvenientes. Requieren de una slida comprensin de la probabilidad condicional. De hecho, los estudiantes deben entender la distincin entre la distribucin condicional de valor estadstico dado el parmetro y la distribucin condicional del parmetro dado el valor estadstico observado en realidad. Esto resulta fatalmente sutil. La interpretacin subjetiva de la probabilidad es bastante natural, pero desva la atencin de la aleatoriedad y el azar en calidad de fenmenos observados en el mundo cuyos patrones pueden describirse matemticamente. La comprensin del comportamiento de los fenmenos aleatorios es una meta importante de la enseanza de datos y el azar; la probabilidad entendida como estimacin personal de la incertidumbre es, en el mejor de los casos, irrelevante para conseguir esta meta. La lnea que va del anlisis de datos por diseos aleatorizados para la produccin de datos y la probabilidad hacia la inferencia es ms clara cuando la inferencia clsica es la meta. Dos tipos de inferencia, intervalos de confianza y criterios de significacin figuran en la instruccin introductoria de la inferencia estadstica clsica. El razonamiento subyacente en ambos tipos de inferencia puede introducirse de manera informal en las descripciones de datos. El tratamiento formal y los mtodos especficos debern reservarse para los cursos de probabilidad y
Hoja 129
estadstica de los aos finales del bachillerato y no deber hacerse ningn intento por presentar ms que unos cuantos procedimientos especficos. Particularmente en el caso de las pruebas de significacin, un mtodo formal oscurece el razonamiento a tal grado que quizs sea mejor evitar al mismo tiempo las hiptesis y las estadsticas de comprobacin. Intervalos de confianza El razonamiento en que se apoyan los enunciados de confianza es relativamente directo. Ms an, las notas periodsticas de encuestas de opinin y sus mrgenes de error proporcionan una fuente constante de ejemplos para anlisis Cmo es posible que una muestra de tan slo 1 500 personas pueda representar de manera precisa la opinin de 185 millones de adultos estadounidenses? El muestreo aleatorio ofrece parte de la explicacin; las distribuciones de muestreo proporcionan el resto, y los intervalos de confianza explican el significado del margen de error. Los enunciados de confianza pueden introducirse una vez que los estudiantes tengan cierta experiencia con la simulacin de distribuciones de muestreo. La distincin entre poblacin y muestra, la idea de muestreo aleatorio y la nocin de distribucin de muestreo son fundamentales para la inferencia. La simulacin permite la introduccin gradual de los intervalos de confianza durante la exploracin de muestreo y de las distribuciones de muestreo. Las ideas de los intervalos de confianza pueden ensearse por medio de representaciones 10 grficas de muestras simuladas . Un enfoque ms formal requiere estar familiarizado con las distribuciones normales. Supngase que el 30% de los estudiantes de bachillerato de un condado grande llegan a la escuela en su automvil. Al preguntar a una muestra aleatoria simple de 250 estudiantes si llegaron a la escuela en su automvil el da de hoy produce 250 observaciones independientes, cada una con una probabilidad de 0.3 de ser p de respuestas "s" de la muestra vara de una muestra a "s". La proporcin otra. Simular, digamos, 1,000 muestras y presentar la distribucin del muestreo p . Es aproximadamente normal, con media 0.3 y desviacin estndar 0.029. de Simulaciones repetidas de muestras de varios tamaos tomadas de esta poblacin indican que el centro de la distribucin del muestreo se mantiene en el valor 0.3 y que la dispersin est controlada por el tamao de la muestra. En muestras grandes (alrededor de las 1,000 observaciones), los valores de la p se concentran de manera acusada alrededor del estadstica muestral parmetro poblacional p =0.3 . Los estudiantes pueden ver empricamente que las muestras de este tamao permiten hacer conjeturas adecuadas acerca de la poblacin completa. Pero, Qu tan adecuadas son las conjeturas basadas en una muestra? Podemos p en cuantificar la respuesta al describir la forma en que vara la estadstica muestreos repetidos. Es un hecho bsico de las distribuciones normales que cerca del 95% de las observaciones se encuentran dentro de dos desviaciones estndar a ambos lados de la media. Por tanto, en muestreos repetidos, el 95% p de todas las muestras de 250 estudiantes producen una proporcin muestral que est aproximadamente 0.06 de la verdadera proporcin 0.3 de los
Hoja 130
estudiantes que llegan en su automvil a la escuela. La simulacin indica que este es el caso. Supngase ahora que una muestra de 250 estudiantes de otro condado grande revela que 105 de ellos llegan en su automvil a la escuela. Se conjetura que la verdadera proporcin p de todos los estudiantes de este condado que llegan en p =105 / 250 = 0.42 . Si (como es cierto) su automvil a la escuela est cerca de p est entre 0.06 la variabilidad es casi la misma que en el condado simulado. de p en el 95% de todas las muestras. Se dice que hay una confianza del 95% de que la proporcin desconocida de la poblacin p se encuentra en el p 0.06 es un intervalo 0.42 0.06 . En trminos ms generales, el intervalo p intervalo de confianza del 95% para la desconocida. En la figura 9 se ilustra el comportamiento de un intervalo de confianza en muestras repetidas. Cuando se sacan muestras repetidas de tamao 250 algunos p 0.06 cubren la proporcin verdadera de p , en tanto que de los intervalos otros no lo hacen. Pero en el largo plazo, 95% de todas las muestras producirn un intervalo que cubre la verdadera p . Es decir, la probabilidad de que el p 0.06 contenga a p es 0.95. Como ocurre en general en intervalo aleatorio la inferencia clsica, esta probabilidad se refiere al funcionamiento del mtodo en un nmero indefinidamente grande de muestras repetidas.
FIGURA 9. Comportamiento de un intervalo de confianza en muestras repetidas de la misma poblacin, La curva normal es la distribucin muestral de la p cuyo centro est en la proporcin de la poblacin p . proporcin muestral p de 25 muestras, con el intervalo de confianza Los puntos son los valores de indicado por flechas a ambos lados. En el largo plazo el 95% de estos intervalos contendrn a p .
Hoja 131
La primera parte de la argumentacin anterior pertenece al estudio del muestreo y la simulacin y es en esencia una demostracin emprica de la sorprendente confiabilidad de las muestras que parecen pequeas en comparacin con el tamao de la poblacin. Los hechos que surgen de tales demostraciones de muestreo son mucho ms importantes que la vestimenta formal que se les d en la segunda etapa de la argumentacin. La segunda etapa pertenece a un estudio ms avanzado de la inferencia. La conclusin cualitativa de que la mayora de los resultados muestrales estn cerca de la verdad se hace cuantitativa al establecer un intervalo y un nivel de confianza. Es necesario hacer nfasis tanto en la naturaleza de esta conclusin como en sus limitaciones. Cules son las bases de nuestro enunciado de confianza? Slo existen dos posibilidades. 1. El intervalo 0.42 0.06 contiene la proporcin verdadera de la poblacin p. 2. Nuestra muestra aleatoria simple fue una de las pocas muestras en las que p no est dentro de 0.06 puntos de la p verdadera. Slo el 5% del total de las muestras producen tales resultados incorrectos. No podemos saber si nuestra muestra es una del 95% para el cual el intervalo incluye a p o una del desafortunado 5%. La afirmacin de que se tiene una confianza del 95% de que la p desconocida est en 0.42 0.06 es una forma abreviada de decir que "Obtuvimos estos nmeros por un mtodo que da resultados correctos el 95% de las veces." En cuanto a las limitaciones de este razonamiento, recurdese que el margen de error en un intervalo de confianza slo incluye el error del muestreo aleatorio. En la prctica hay otras fuentes de error que no se toman en consideracin. Por ejemplo, las encuestas de opinin nacionales suelen realizarse por va telefnica usando equipo que marca nmeros telefnicos residenciales al azar. En las encuestas telefnicas se omiten los hogares sin telfono. Adems, los encuestadores suelen encontrar que hasta el 70% de las personas que contestan el telfono son mujeres. Los hombres estaran subrepresentados en la muestra a menos que se tomaran las medidas necesarias para contactarlos. Estos hechos de la vida estadstica real introducen cierto sesgo en las encuestas de opinin y otros estudios muestrales. Pruebas de significacin El objeto de un intervalo de confianza es estimar el parmetro de una poblacin y, acompaar la estimacin con una indicacin de la incertidumbre resultante de la variacin debida al azar de los datos. Las pruebas de significacin no proporcionan la estimacin de un parmetro desconocido, sino slo una evaluacin de si en la poblacin est presente algn efecto o diferencia. El mero reconocimiento de que es necesaria una evaluacin como esta. de que no todos los resaltados observados representan una causa subyacente real, muestra ya una complejidad estadstica. Los jueces de las representaciones cientficas que hablan a los estudiantes capaces que las han elaborado encuentran que cualquier efecto en la direccin deseada, por pequeo que sea, se considera convincente. El papel de la variacin debida al azar no se reconoce.
Hoja 132
La significacin estadstica es una forma de responder a la pregunta "El efecto observado es mayor que el que sera razonable atribuir al azar solo?" He aqu el razonamiento de las pruebas de significacin presentado informalmente en el marco de un importante ejemplo: Durante la era de Vietnam, el Congreso decidi que los jvenes deberan elegirse al azar para el servicio militar. El primer sorteo de reclutamiento se llev a cabo en 1970. Se sacaron las fechas de nacimiento en orden aleatorio y los hombres fueron reclutados en el orden en que sus fechas de nacimiento fueron seleccionadas. Despus del sorteo, los medios periodsticos afirmaron que los hombres que haban nacido en los meses finales del ao tenan ms posibilidades de obtener nmeros de reclutamiento bajos y, por consiguiente, de ser alistados. El anlisis de datos (figura 10) sugiere una asociacin entre la fecha de nacimiento y el nmero de reclutamiento. Un valor estadstico que mide la fuerza de la asociacin entre el nmero de reclutamiento (1 al 366) y la fecha de nacimiento (1 a 366 empezando con el 1 de enero) es el coeficiente de correlacin. De hecho, r = 0.226 para el sorteo de 1970. Es ste evidencia slida de que el sorteo no fue realmente aleatorio? Una prueba de significacin aborda la cuestin haciendo una pregunta de probabilidad: Supngase en aras de la argumentacin que el sorteo haya sido realmente aleatorio; cul es la probabilidad de que un sorteo aleatorio produzca un valor de r al menos tan distante de 0 como la r = 0.226 observada? Respuesta: La probabilidad de que un sorteo aleatorio produzca un valor de r a esta distancia de 0 es menor que 0.001. Conclusin: Puesto que un valor de r distante de 0 como el observado en 1970 prcticamente nunca ocurrira en un sorteo aleatorio, se tiene evidencia slida de que el sorteo de 1970 no fue aleatorio. En la figura 10 se muestra el diagrama de dispersin de los nmeros de reclutamiento asignados a cada fecha de nacimiento por el sorteo de reclutamiento de 1970. Es difcil distinguir alguna asociacin sistemtica entre la fecha de nacimiento y el nmero de reclutamiento en este diagrama de dispersin. Las grficas inteligentes pueden poner de relieve la asociacin, como en la figura. Pero se requiere un clculo de probabilidad para saber si la asociacin observada es mayor de lo que sera razonable atribuir al azar solo. En una asignacin aleatoria de nmeros de reclutamiento a fechas de nacimiento se esperarla que la correlacin estuviera cerca de 0. La correlacin observada en el sorteo de 1970 fue r = 0.226 , indicando que los hombres nacidos en los ltimos meses del ao tendieron a obtener nmeros de reclutamiento ms bajos. El sentido comn por s solo no permite decidir si r = 0.226 significa que el sorteo no fue aleatorio. Despus de todo, la correlacin en un sorteo aleatorio casi nunca ser exactamente 0. Quizs r = 0.226 est dentro del intervalo de valores plausibles que podran ocurrir como resultado de la variacin debida al azar sola.
Hoja 133
Figura 10. Los datos del sorteo de reclutamiento de 1970 revelan una ligera correlacin negativa donde las fechas de nacimiento prximas al final de ao tienen mayores posibilidades de obtener nmeros de reclutamiento bajos. La tendencia puede verse de manera ms inmediata localizando los nmeros de reclutamiento de la mediana para cada mes. El trazo de las medianos mensuales unidas por segmentos de recta para poner de manifiesto la tendencia, llamada traza de la mediana, es una herramienta comn usada para resaltar los patrones en diagramas de dispersin de una variable de respuesta contra una variable explicatoria. Para resolver esta incertidumbre se compara el valor -0.226 observado con una distribucin de referencia. la distribucin de muestreo de r en un sorteo realmente aleatorio. Se encuentra que un sorteo realmente aleatorio prcticamente nunca producira un valor de r tan distante de cero como la correlacin observada en 1970. El clculo de probabilidad nos dice lo que el sentido comn no pudo que r = 0.226 es un efecto considerable, un efecto inesperado en un sorteo aleatorio. Esto nos convence de que el sorteo de 1970 fue sesgado. La investigacin correspondiente revel que las cpsulas que contenan las fechas de nacimiento se haban llenado mes por mes y que no se revolvieron adecuadamente. Las fechas de los ltimos meses permanecieron 4 cerca de la parte superior y tendieron a sacarse primero. (Fienberg ofrece ms detalles acerca del sorteo de reclutamiento de 1970, incluyendo extensos anlisis estadsticos del resultado.) Preguntas como "Es ste un resultado grande?" o "Es ste un resultado inesperado?" surgen con frecuencia al realizar anlisis de datos. Es bastante natural dar una respuesta despus de comparar el resultado individual con una distribucin de referencia, tal como comparamos informalmente el peso al nacer de un nio con la distribucin de los pesos al nacer de todos los nios. Sin lugar a dudas, debera estimularse a los estudiantes para que reconozcan el papel de la variacin debida al azar y para que realicen la evaluacin informal de la
Hoja 134
"significacin" al comparar un resultado individual con una distribucin de referencia adecuada. Si se est estudiando probabilidad y simulacin de computadora, la comparacin puede expresarse en trminos de probabilidad y distribuciones de muestreo. Pero no es necesario incluir las "pruebas de hiptesis" formales en los planes de estudios escolares. Existen varias razones para ello. La mecnica de enunciar hiptesis, calcular una estadstica de prueba y hacer la comparacin con valores consultados en tablas oculta el razonamiento de las pruebas de significacin. El razonamiento en s es un tanto difcil y abunda en sutilezas. Ejemplos eficaces del uso de las pruebas de significacin se encuentran ms apartados de la experiencia cotidiana que las encuestas de opinin y ejemplos similares de enunciados de confianza. La comprensin de los temas relacionados con datos y el azar, as como el desarrollo del razonamiento cuantitativo en general, se beneficiara ms concluyendo el estudio escolar de la estadstica con la probabilidad, las distribuciones de muestreo, los intervalos de confianza y un nfasis continuo en el uso de estas herramientas en el razonamiento acerca de datos inciertos. PENSAMIENTO ESTADSTICO La estadstica y la probabilidad son las ciencias que se ocupan de la incertidumbre, de la variacin presente en todo gnero de procesos naturales y creados por el hombre. Como tales, son ms que una parte de los planes de estudios de matemticas, aunque encajan bien en este marco. La probabilidad es un campo dentro de las matemticas. La estadstica, como la fsica o la economa, es una disciplina independiente que hace un uso intenso y esencial de las matemticas. La estadstica reclama, en cierta medida el ser un mtodo fundamental de indagacin, una forma general de pensamiento que es ms importante que cualquiera de los hechos o tcnicas especficas que conforman la disciplina. Si la finalidad de la educacin es desarrollar capacidades intelectuales generales, la estadstica merece un sitio esencial en la enseanza y el aprendizaje. La educacin debera introducir a los estudiantes en los mtodos de la literatura y la historia, en el anlisis poltico y social de las sociedades humana,. en la investigacin de la naturaleza por la ciencia experimental, y en el poder de abstraccin y deduccin de las matemticas. El razonamiento a parir de datos empricos de carcter incierto es un mtodo intelectual igualmente poderoso y penetrante. Esto no quiere decir que la enseanza detallada de los mtodos estadsticos especficos deba ocupar por s misma un sitio prominente en los planes de estudios escolares. De hecho no deber ocuparlo. Pero el pensamiento estadstico, entendido en su sentido amplio, deber ser parte del aparato mental de toda persona educada. Los elementos centrales del pensamiento estadstico pueden resumiese de la siguiente manera: 1. La omnipresencia de la variacin en los procesos. Los individuos son variables, las mediciones repetidas del mismo individuo son variables. Los dominios del determinismo estricto en la naturaleza y en los asuntos humanos son bastante restringidos.
Hoja 135
2. La necesidad de datos acerca de los procesos. La estadstica es resueltamente emprica, no especulativa. La atencin a los datos tiene prioridad mxima. 3. El diseo de la produccin de datos con la variacin en mente. Conscientes de las fuentes de variacin no controlada, evitarnos muestras autoseleccionadas e insistimos en la realizacin de comparaciones en los estudios experimentales. Y la variacin planeada en la produccin de datos se introduce mediante el uso de la aleatorizacin. 4. La cuantificacin de la variacin. La variacin aleatoria se describe matemticamente por la probabilidad 5. La explicacin de la variacin. El anlisis estadstico busca los efectos sistemticos subyacentes en la variabilidad aleatoria de individuos y mediciones. El pensamiento estadstico no es un hecho recndito ni ajeno a la experiencia cotidiana. Pero no se desarrollar en los nios si no est presente en los planes de estudios. Los estudiantes que empiezan su educacin con ortografa y multiplicaciones esperan que el mundo sea determinista; aprenden con rapidez a esperar que una sola respuesta sea la correcta y las dems incorrectas, al menos cuando stas adoptan la forma numrica. La variacin es un hecho inesperado e 16 incmodo. Escuchen a Arthur Nielsen describir la experiencia que tuvo su empresa de investigacin de mercado con sofisticados administradores de comercializacin: ... Demasiadas personas de mundo de los negocios asignan igual validez a todos los ttulos impresos en papel. Aceptan los nmeros como representantes de la Verdad y encuentran difcil trabajar con el concepto de probabilidad. No ven a un nmero como una especie de abreviada de un intervalo que describe nuestro conocimiento real de la condicin subyacente. Por ejemplo. Nielsen Company proporciona a los fabricantes las estimaciones de las ventas a travs de establecimientos detallistas... Una vez decid que incluiramos diagramas para mostrar un intervalo probable alrededor del nmero reportado; por ejemplo las ventas estn arriba del 3 por ciento o abajo del 3 por ciento o en algn valor intermedio. Esta result ser una de mis ideas ms estpidas. Nuestros clientes sencillamente no pudieron trabajar con este tipo de incertidumbre. Actan como si los nmeros reportados fueran el evangelio. La capacidad para abordar de manera inteligente la variacin y la incertidumbre es la meta de la instruccin en datos y el azar. Existe cierta evidencia de que la 17 instruccin mejora en realidad esta capacidad. Nisbett et al describen las investigaciones sobre la enseanza de varias clases de razonamiento. Hacen notar que la instruccin en probabilidad y estadstica aumenta la buena disposicin para tomar en consideracin la variacin debida al azar, aun cuando la instruccin sea del tipo tradicional que no hace el menor intento por aplicar el razonamiento probabilstico en circunstancias no estructuradas. He aqu un ejemplo tpico: [Se pidi a los sujetos] que explicaran por qu una agente viajera casi siempre queda decepcionada cuando vuelve a ir a un restaurante donde disfrut de una
Hoja 136
comida excepcional en su primera visita. Los sujetos que no haban estudiado estadstica por lo general resolvieron este problema con respuestas fortuitas, exclusivamente no estadstica, tales como "quizs los chefs cambiaron mucho" o "sus expectativas eran tan altas que la comida no poda satisfacerlas". Los sujetos que haban llevado cursos de estadstica dieron respuestas que incluan consideraciones estadsticas, tales como "muy pocos restaurantes tienen puras comidas excelentes, lo ms seguro es que simplemente haya tenido suerte la primera vez", cerca del 20 por ciento de las veces. Nisbett y sus colegas se muestran sorprendidos por el hecho de que una instruccin de carcter bastante abstracto tenga un efecto en la reflexin sobre sucesos cotidianos. El efecto es ms acusado cuando la instruccin seala la aplicabilidad de las ideas estadsticas en la vida diaria, como sin lugar a dudas debera hacerse en la instruccin escolar. Esta es evidencia de que estamos tratando en realidad con una capacidad intelectual fundamental de aplicacin general. Nisbett informa asimismo de investigaciones que indican que el entrenamiento en disciplinas deterministas, incluso a nivel de licenciatura, no mejora de manera similar el razonamiento estadstico cotidiano. Esta es evidencia de que estamos tratando con un mtodo intelectual independiente. Por qu ensear acerca de los datos y el azar? La estadstica y la probabilidad tienen una utilidad prctica. El anlisis de datos en particular contribuye al aprendizaje de las matemticas bsicas. Pero, an ms importante, debido a que el pensamiento estadstico es un mtodo intelectual independiente y fundamental que merece atencin en los planes de estudios escolares. BIBLIOGRAFA Y LECTURAS RECOMENDADAS 1. BBN Laboratories. ELASTIC and Reasoning Under Uncertainty. Final Report, p. 30. 2. Barnett, Vic. Comparative Statistical Inference, Second Ed. Nueva York, NY: John Wiley & Sons. 3. Elton. Bradley. "Computers and the Theory of Statistics: Thinking the unthinkable." SIAM Review, 21, 419-437. 4. Fienberg, Stephen E. "Randomization and social affairs: The 1970 draft lottery." Science, 171, 255-261. 5. Garfield, Joan y Ahlgren, Andrew. "Difficulties in learning basic concepts in probability and statistics: Implications for research." Journal for Research in Mathematics Education, 19, 44-63. 6. Gastwirth, Joseph. "The statistical precision of medical screening procedures: Application to polygraph and AIDS antibodies test data." Statistical Science, 2, 213-238. 7. Gnanadesikan, Mrudulla, Richard Schaeffer; James Swift. The Art and Techniques of Simulation. Palo Alto, CA: Dale Seymour Publishers. S. Jones, L.V. (Ed.). The Collected Works of John W. Tukey. Vol 3: Philosophy and Principles of Data Analysis, 1949-1964; Vol. 4: Philosophy and Principles of Data Analysis, 1965-1986. Monterey, CA: Wadsworth & Brooks/Cole. 9. Kruskal, William. "Miracles and statistics: The casual assumption of independence." Journal of late American Statistical Association, 83, 929-940.
Hoja 137
10. Landwehr, James y Watkins, Ann. Exploring Data. Palo Alto, CA: Dale Seymour Publishers. 11. Landwehr, James; Ann Watkins, James Swift. Exploring Surveys and Information from Samples. Palo Alto, CA: Dale Seymour Publishers. 12. Mathematical Sciences Education Board. Reshaping School Mathematics: A Philosophy and Framework for Curriculum. National Research Council. Washington. DC: National Academy Press. 13. Moore, David y G. McCabe. Introduction to the Practice of Statistics. Nueva York, NY: W.H. Freeman. 14. National Council of Teachers of Mathematics. Curriculum and Evaluation Standards for School Mathematics. Reston, VA: National Council of Teachers of Mathematics. 15. Newman, Claire, Obrenski, Thomas; Schaeffer, Richard. Exploring Probability. Palo Alto, CA: Dale Seymour Publishers. 16. Nielsen. Arthur C., Jr. "Statistics in marketing." En Easton, G.; Roberts, Harry V.; Tiao, George C. (Eds.): Making Statistics More Effective in Schools of Business. Chicago. Il,: University of Chicago Graduate School of Business. 17. Nisbett, Richard E.; Fong, Geoffrey T., Lehman, Darrin R.; Cheng, Patricia W. Teaching reasoning." Science, 238, 625-631. 18. Rubin, Andee; Bertram Bruce; Ann Rosebery William DuMouchel. "Getting an early start: Using interactive graphics to teach statistical concepts in high school." Proccedings of the Statistical Education Section. American Statistical Association. 6-15. 19. Rubin, Andee y Rosebery, Ann. "Teachers' misunderstandings in statistical reasoning: Evidence from a field test of innovative materials." En Hawkings, Ann (Ed.): Training Teachers lo Teach Statistics. Proceedings of an International Statistics Institute Roundtable. 20. Tversky, Amos y Kahneman, Daniel. "Belief in the law of small numbers." Psychological Bulletin, 76, 105-110. 21. Tversky, Amos y Kahneman, Daniel, "Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment." Psychological Review, 90. 293-315. 22. Vallone, Richard y Tversky, Amos. "The hot hand in basketball: On the misperception of random sequences." Cognitive Psychology, 17, 295-314.
Hoja 138
3. Media, mediana y moda por John Allen Paulos Artculo publicado en Ms all de los nmeros de John Allen Paulos Traduccin de Joseph Llosa, Editorial Tusquets, 1993. El estudiante de cuarto grado observa que la mitad de los adultos del mundo son hombres y la otra mitad son mujeres y saca de ello la conclusin de que el adulto promedio tiene un pecho y un testculo. Un agente inmobiliario le informa de que el precio medio de una casa en cierto barrio es de 40,000,000 ptas. y de ello deduce que en dicha vecindad hay muchas casas sobre este precio. Un vendedor dice que la mediana de las comisiones de sus de sus nueve ventas de hoy es de 8,000 ptas. y sugiere que gan 72,000 ptas. con esas ventas. El dueo del restaurante dice que la moda, o lo ms corriente, de las cuchipandas en sus fiestas es 120,000 ptas. e insina que la mitad de sus clientes gastan ms. Un agente de bolsa afirma que su inversin valdr millones pero, por los clculos que usted hace, piensa que cientos es ms ajustado. De la nica de las cinco afirmaciones de la que podemos estar seguros es la del estuiante de cuarto grado. La media, la mediana y la moda son indicadores medios o medidas de la tendencia central, unos nmeros que pretenden dar una idea de lo que es tpico y corriente en una situacin dada, pero no siempre es as. Como sus valores relativos pueden variar considerablemente, es importante conocer sus definiciones. (Vase tambin la entrada sobre Estadstica: dos teoremas). La media de un conjunto de nmeros es lo que normalmente se conoce como promedio (o media aritmtica) de dichos nmeros. Para encontrar la media de N nmeros vasta con hallar su suma y dividirla por N. La definicin es fcil y conocida, pero muchas de las inferencias que la gente saca de ella carecen de fundamento. Por ejemplo, el barrio referido anteriormente puede tener muy pocas casas de ms de 40 000 000 ptas.; quizs hay en l unas pocas grandes mansiones carsimas rodeadas de un enjambre de casas modestas. Por contra, la mediana de un conjunto de nmeros es el nmero situado en el centro del conjunto. Para hallarla basta con alinear los nmeros en orden creciente; la mediana es el nmero del medio (o la semisuma de los dos nmeros centrales, si el conjunto de nmeros es par). As, la mediana del conjunto 8, 23, 9, 23, 3, 57, 19, 34, 12, 11, 18, 95 y 48 se determina ordenndolos como 3, 8, 9, 11, 12, 18, 19, 23, 23, 34, 48, 57 y 95 y observando que 19 es el que ocupa el lugar central de la lista, por lo cual es la mediana de este pequeo conjunto de nmeros, cuya media es, por cierto, 27, 7. (En grandes colecciones de nmeros la mediana se llama a veces 50-simo percentil, indicando con ello que es mayor que el 50% de los nmeros de la coleccin. Anlogamente, cuando se dice que un nmero est en el 93-simo percentil se est diciendo que es mayor que el 93% de los nmeros).
Hoja 139
El vendedor del ejemplo anterior podra haber ganado millones de pesetas en comisiones por sus nueve ventas de hoy, con una mediana de 8 000 ptas.; quiz seis de las ventas les supusieron una comisin de 8 000 ptas. cada una, mientras que gan 500 000 ptas. por cada una de las tres restantes. La mediana de las comisiones seria, tal como dijo, 8 000 ptas. pero el total de sus comisiones sera mucho ms que las 72 000 ptas. que l sugera haber ganado. La comisin media en este caso sera de 172 000 ptas. Otro nmero, que a veces conduce a ms equvocos, es la moda de un conjunto de datos. No es ms que el dato que aparece con ms frecuencia y no tiene por qu estar cerca de la media ni de la mediana del conjunto. El dueo del restaurante que deca que 120 000 ptas. era la moda de las cuchipandas quizs haba tenido los siguientes pedidos en aquel mes: 40 000 ptas., 80 000 ptas., 80 000 ptas., 120 000 ptas., 80 000 ptas., 120 000 ptas., 20 000 ptas., 120 000 ptas., 20 000 ptas., 40 000 ptas., 20 000 ptas., 120 000 ptas., 40 000 ptas. La moda es efectivamente 120 000 ptas., pero la mediana es 80 000 ptas. y la media slo 69 200 ptas. Un ejemplo algo ms sofisticado y truculento de la diferencia entre la media y la moda de una cantidad lo tenemos en el hombre que invierte 10 000 ptas. en un valor voltil que cada ao sube un 60% o baja un 40% con la misma probabilidad. Estipula que el valor ha de pasar en herencia a su nieta, quien no ha de venderlo hasta dentro de 100 aos, y se pregunta cunto le darn por l. Esta cantidad depende del nmero de aos en que el valor haya experimentado un alza, y la media matemtica, que en contextos probabilsticos se llama tambin su esperanza matemtica, es la friolera de 1 378 000 000 ptas. Sin embargo, la moda o valor ms probable de la herencia es slo la miseria de 13 000 ptas. La explicacin de esta gran diferencia es que las rentas astronmicas correspondientes a muchos aos de alza del 60% sesgan la media hacia arriba, mientras que las prdidas correspondientes a muchos aos de un 40% de baja estn acotadas inferiormente por 0 ptas. El problema es una versin contempornea de la llamada paradoja de San Petersburgo. [Para los interesados en ms detalles: el valor aumenta una media del 10% anual (el promedio entre + 60% y -40%). As, al cabo de 100 aos, la media o esperanza matemtica de la inversin es 100 000 ptas. x (1,10)100, que es 1 378 000 000 ptas. Pero por otra parte, el resultado ms probable es que el valor experimente un alza exactamente 50 de los 100 aos. Por tanto la moda es 100 000 ptas. x (1,6) 50 x (0,6) 50, que es 13 000 ptas. La esperanza matemtica no siempre coincide con el valor que se espera.] Corrientemente la esperanza matemtica de una cantidad se calcula multiplicando sus posibles valores por las probabilidades correspondientes a los mismos y sumando estos productos. Consideremos a modo de ilustracin una compaa de seguros domsticos que tiene sus buenas razones para creer que en promedio, cada ao, por cada 10 000 de sus plizas recibir una reclamacin de 40 000 000 ptas.; una de cada 1000 reclamar una indemnizacin de 5 000 000 ptas.; una de cada 50 reclamar 200 000 ptas.; y el resto no dar ningn problema. La compaa de seguros quiere saber cul es su desembolso medio por pliza (para saber qu primas ha de cobrar) y la respuesta es la esperanza
Hoja 140
matemtica. En este caso: (40 000 000 ptas. * 1/ 10 000) + (5 000 000 ptas. * 1/ 1000 ) + (200 000 ptas. * 1/ 50) + (0 ptas. * 9 789/ 10 000) = 4 000 + 5 000 + 4 000 + 0 = 13 000 ptas. La comprensin de estas distintas medidas de la tendencia central har un 36,17% menos probable que la persona media sea vctima de los usos engaosos de estas cantidades por parte de los agentes de la propiedad inmobiliaria, vendedores, agentes de bolsa y dueos de restaurantes. Naturalmente, esta misma persona ya habr sido vctima de un caso grave de hermafroditismo y, por tanto, el o ella tendr probablemente otras preocupaciones.
Hoja 141
4. Lily elige novio por Y. Jurguin
Lily Renier es una criatura encantadora con ojos expresivos y una naricita chata muy provocativa. Es iracunda, alegre, curiosa e, incluso, ha ledo algunos libros (de amor, principalmente) por lo que se siente muy orgullosa. La muchacha est muy cansada de la mezquina tutela de sus respetables padres y piensa en casarse. Su naturalidad y energa la hacen cometer, a veces, actos muy inesperados. As, pues Lily elige novio. Tiene cinco pretendientes: Juan, Paul, Miguel, Jacobo y el seor Richar, con el que los padres son benevolentes, y ... uno ms, del que, segn parece, est enamorada. El primer pretendiente, Juan, es un funcionario joven, agradable, con ojos bonitos, nariz aguilea y atractiva, pero con seis dedos en el pie izquierdo. A los padres, este dedo les causa extraeza y se convierte en un gran obstculo. Pero para Lily, este dedo es, tal vez, lo ms atractivo que tiene Juan: a ella le gusta todo lo original, y en cuanto a lo dems, Juan es deslucido, como un gorrin. Paul es un joven amable, dispone de un automvil caro y un to rico, adems, el to puede fallecer de un momento en otro. El joven pintor Miguel de profundos ojos brillantes, siempre manchado de pintura, despeinado parece que siempre anda hambriento, mas, por lo visto, es talentoso. Lily le pos una vez, sin intencin alguna, por curiosidad, y despus de dos sesiones qued claro que sus relaciones podran ser mucho ms ntimas, si ella lo consintiera. Jacobo es un matemtico joven y, como suele decirse, promete mucho. Formula los cumplidos como teoremas. Una vez, contndole a Lily que vio a una conocida de ella abrazndose con su amigo Carlos, advirti: Su conjuncin me llev a la idea de que en nuestra situacin no hay ya entropa: ella eligi a Carlos. A Lily todo el tiempo le pareca que Jacobo deseaba descomponerla en factores o simplificarla como una frmula sofisticada. El seor Richar es un hombre de negocios, dueo de una gran mercera, de dos casas grandes y de algo ms. Es un gordinfln de unos cincuenta aos con cara lisa y colorada y cabeza pelada. Le cuelgan arrugas de la barbilla, la nuca y detrs de las orejas; su dentadura, probablemente, es postiza y parece que todo l, desde la cabeza hasta los talones, est tejido de numerosos globos de distinto dimetro. Es muy galante con los clientes ricos, atento con Lily y muy respetado por los cnyuges Renier. Lily casi se muere de risa cuando le observa durante la comida. Se desconoce el nombre del sexto pretendiente. Es el limpiachimeneas de Montmartre, siempre despeinado, alegre y provocativo, de quien Lily est enamorada a escondidas desde hace tiempo. Desde luego, ella comprende que la hija de los respetables Renier, a la que tantos le ofrecen su mano, aceptables para una muchacha de su
Hoja 142
crculo, debera superar una pasin secreta: los padres no darn su consentimiento a ese matrimonio. Dios mo! Cuntos sermones hubo cuando una vez el padre not que Lily esta guindose con el limpiachimeneas de dientes blancos desde una de las ventanas... Pero las vas del amor son inescrutables. As, pues, la pobre Lily se encuentra en una encrucijada, sufre y est agitada, pues no sabe qu decisin tomar. Las indirectas de los padres la irritan, las conversaciones francas con sus amigas solteras no pueden tranquilizarla. Entonces Lily se va a ver su ntima amiga Mara, la cual se ha casado hace poco y parece estar satisfecha de la vida. Despus de besos, lgrimas, risas y recuerdos, Lily pas a tratar el asunto. Mara, excepto ayes, no puede proponerle nada, pero... invit a su marido, que es ciberntico, a examinar el problema. ste no quiso orientarse en todas las variantes, en los arrebatos espirituales ni en los estmulos mercantiles; bes a Lily para tranquilizarla, cogi una hoja de papel y dibuj la tabla siguiente: en las columnas estaban enumerados los novios y en los renglones se indicaban las distintas caractersticas contradictorias. La tabla la llenaba por renglones, valorando a cada novio por el sistema de 10 puntos. Este result ser una ocupacin mucho ms fcil y hasta ms divertida, que la discusin de la situacin en conjunto. Juzgue usted mismo.
1. 2. 3. 4. 5. 6. 7. 8. 9.
Apariencia Jovialidad Posicin material Sociabilidad Actitud hacia Lily Actitud de los padres hacia el novio Familiares del novio Edad Probabilidad de ser amado por Lily Suma Criterio K-suma ponderal
x1 x2 x3 x4 x5 x6 x7 x8 x9
8 3 7 3 5 3 7 9 6 51 548
7 7 8 8 6 7 9 10 7 69 736
8 10 2 10 8 4 5 9 8 64 761
5 1 5 3 10 5 10 9 5 53 585
1 10 10 6 5 10 6 1 1 50 508
10 10 1 10 8 1 1 10 10 61 780
8 12 10 12 20 5 5 8 10
a1 a2 a3 a4 a5 a6 a7 a8 a9
* Por su aspecto exterior el ms atractivo, desde luego, es el deshollinador. A ste lo valoraron con la mayor cantidad de puntos: 10. Juan tambin es guapo, aunque de baja estatura: 8 puntos. Paul es de estatura normal, ancho de espaldas y con buena estampa, aunque su cara es poco atrayente: 7 puntos. Miguel tiene ojos muy bonitos (Lily dijo incluso que podra estar mirndolos sin parar) mas tiene una figura algo incomprensible; es muy expansivo, siempre est
Hoja 143
movindose. Por lo dems, Lily no considera esto como un defecto: 8 puntos. Jacobo, el matemtico, aunque es alto de estatura, se encorva, mira de reojo a travs de las gruesas gafas y es desaseado: 5 puntos. Por fin, el aspecto del Sr. Richar provoca en Lily, como hemos dicho ya, risa: 1 punto. As que ya hemos rellenado el primer rengln de la tabla. Los ms alegres de todos son el pintor Miguel y el deshollinador: 10 puntos cada uno. El funcionario Juan es discreto, latoso, no est satisfecho con su cargo, considera que todo el tiempo le estn chasqueando, mas le gustan las carreras de caballos: 3 puntos. Paul es un hombre liviano, sonriente y, por lo general, siempre est contento de todos, pero es poco activo: 7 puntos. Jacobo siempre est gimiendo y a las distintas proposiciones de pasar el tiempo de alguna manera alegre, responde que est cansado y que no tiene tiempo:1 punto. El Sr. Richar es bondadoso y alegre, capaz de lograrlo todo; la felicidad le sonre: 10 puntos. El ms acomodado es el Sr. Richar: 10 puntos. Aunque Juan est descontento de su posicin, mas recibe buen sueldo: 7 puntos. Paul, por lo visto, no dice la verdad referente a su situacin material, pero alquila un apartamento magnfico, el mobiliario caus gran impresin a Lily y visita los mejores restaurantes. Sin embargo, todo ese esplendor no infunde plena confianza: 8 puntos. Miguel, por lo visto, es pobre, pero, de todos los modos, alquila un buen estudio: 2 puntos. Jacobo es hijo de un profesor y da clases en el liceo: 5 puntos. La situacin material del deshollinador es evidente: 1 punto. Los padres de Lily preferiran ver a su hija esposa del Sr. Richar: 10 puntos. No obstante, tampoco excluyen a otros pretendientes. Paul tiene la perspectiva de enriquecerse pronto, mas su lnea de conducta no inspira a los padres gran confianza: 7 puntos. Aunque a los padres les impone respeto el cargo que ocupa Juan no obstante, su sexto dedo...: 3 puntos. La seora Renier se considera gran conocedora del arte y visita los barnizados, en cambio, no quisiera tener en su familia un pintor: Miguel recibe 4 puntos. Jacobo es de familia respetada, pero el seor Renier desprecia la ciencia: 5 puntos. La actitud de los padres de Lily hacia el deshollinador ya la hemos comentado: 1 punto. Para Lily, que tiene 18 aos, la edad ms aceptable del novio es la de 22 aos. La desviacin hacia ambos lados es indeseable: se tom la decisin de reducir en un punto por cada tres aos de desvo desde los 22 aos. As es como en el rengln Edad aparecieron cifras. De manera anloga, Lily y sus amigos valoraron los familiares del novio, la actitud de los pretendientes hacia Lily y sus probabilidades de ser amados en el futuro. Ahora podemos sumar las cifras de las columnas y obtener la cantidad de puntos de cada novio. Resulta que Paul, Miguel y el deshollinador tienen notables ventajas ante los dems (vase rengln suma). En este caso, Paul le lleva 5 puntos a Miguel y habra que casarse con Paul.
Hoja 144
Pero hay que tomar en consideracin una razn muy importante. No todos los nueve puntos de la tabla tiene para Lily la misma importancia. Por ejemplo, para la alegre y sociable novia supone muchsimo ms importancia la sociabilidad y la lozana del futuro esposo, que la actitud de sus padres hacia l. Por eso, para distintos puntos de la tabla es menester introducir ciertos coeficientes, que los denominaremos coeficientes ponderales. Estos coeficientes podran valorarse tambin por el sistema de 10 puntos, mas la importancia de cada ndice puede indicarse tambin en tantos por ciento. En nuestra tabla as hemos hecho. Para no tener que operar con quebrados, los tantos por cientos, escritos en la ltima columna, se cogieron de la centena: son, precisamente, los que desempean la funcin de coeficientes ponderales. Su eleccin tiene un carcter subjetivo y es bastante evidente. Por ejemplo, son comprensibles las causas, por las que Lily apreci ms que nada la actitud hacia ella y la probabilidad de que el novio sea amado. Al mismo tiempo, la actitud de los padres hacia el novio, Lily la considera como un obstculo de pequea importancia: la aman con locura y, por eso, en resumidas cuentas, no se opondrn a su eleccin. De esta modo, el criterio de apreciacin de los novios examinados -en otros problemas se denomina criterio de calidad- no se representa simplemente en forma de la suma x1+x2+x3+. . . +x9 sino en forma de suma ponderal: K= a1x1+a2x2+...+a9x9. En particular, para los coeficientes designados por Lily -y stos reflejan el grado de su inters en ndices correspondientes- este criterio tiene el aspecto siguiente: K=8x1+12x2+10x3+12x4+20x5+5x6+5x7+8x8+20x9 Los resultados de las clculos estn expuestos en el ltimo rengln de la tabla. Aqu, al igual que antes, podemos ver que, segn el criterio escogido, Paul, Miguel y el limpiachimeneas tiene considerable ventaja en comparacin con los dems. Pero ahora resulta que el deshollinador est delante de todos... A pesar de que en la primera discusin a Lily le pareca que esta ilusin secreta era irrealizable... Despus de tantas lgrimas de alegra y de abrazos, se tom la decisin de casarse con el deshollinador. Mas, primero habr que conocerle ms de cerca, y las amigas examinan ya los pasos correspondientes que habr que dar. Desde luego, es posible que despus de conocerse mejor, varen los ndices en su columna, as que no vamos a decir an que Paul haya perdido la batalla... Es posible, lector, que nuestra tabla le haya parecido demasiado primitiva y que en ella no se reflejan otras caractersticas importantsimas de los novios. Estoy de acuerdo con Ud., y si recurre a este mtodo cuando elija al novio, a la novia, el nuevo sitio de trabajo o el lugar de veraneo, confeccione un cuadro mucho ms detallado. Esto slo aliviar su suerte y le quitar la penosa carga de responsabilidad al tomar una decisin desafortunada. El mtodo de razonar para la construccin del criterio de calidad puede ser anlogo en muchos problemas. Si algunos ndices cualitativos pueden ser medidos objetivamente, como, por ejemplo, el salario, es menester utilizarlos. Si la apreciacin de los ndices es subjetiva, entonces puede aprovecharse el consejo de un experto a la valoracin de la persona interesada.
Hoja 145
5. El vicio del juego y la virtud de asegurarse Por George Bernard Shaw Ensayo que aparece en el Tomo 3 de Sigma: El Mundo de las Matemticas . Seleccin y comentarios de J.R. Newman. Traduccin de Regina Tay. Ediciones Grijalbo. 1968. La aptitud cientfica de George Bernard Shaw Por James R. Newman Lo mejor de Bernard Shaw no es, precisamente, su pensamiento cientfico. La ciencia le interesaba, pero tena una cierta inclinacin a equivocarse. Aunque la ciencia le ofreca un frtil campo para el ejercicio de su talento como polemista y satrico, fue a menudo incapaz de distinguir entre el cientfico honrado y el impostor, entre teoras que merecan la atencin y teoras estriles. Adems apoy las cosas ms absurdas. Estaba contra la viviseccin y la vacunacin; tena muy mala opinin de la medicina y an peor de sus practicantes; tena asombrosas teoras propias sobre biologa, fisiologa, bacteriologa e higiene, y nada poda persuadirle de que el Sol se estaba consumiendo (ya que como esperaba vivir ms que Matusaln senta que esta catstrofe era cuestin personal); despreciaba los experimentos de laboratorio, considerndolos trucos preparados para probar teoras preconcebidas sin tener en cuenta el peso de la evidencia. Pero a pesar de sus prejuicios y nociones excntricas, Shaw no cerraba su mente a las obras importantes de la ciencia. Segua los adelantos de la investigacin en campos tan variados como el estudio de Pavlov sobre los perros y los experimentos de Michelson-Morley con el interfermetro sobre el desplazamiento del ter. Le gustaba visitar laboratorios y espiar las bacterias 1. Le interesaba el funcionamiento de las cosas: coches, radios, mquinas, motocicletas, tocadiscos. Era un entusiasta de la fotografa. Cada invento que ahorraba trabajo gan su admiracin, pero "su desprecio por la maquinaria anticuada no tena lmites: deca que los podra haber inventado una pulga si hubiera estado interesada en los beneficios2 Las actitudes de Shaw y Jonathan Swift hacia la ciencia eran muy parecidas. Ambos vivieron en perodos de gran avance cientfico; ambos respetaban la ciencia; ninguno tena especial aptitud para ella. Los dos la trataron desde el punto de vista de reformadores sociales y satricos; ambos despreciaron la pretensin; ninguno us la ciencia como actividad puramente especulativa. Swift dirigi su ingenio a las matemticas, que en su forma avanzada le parecan completamente triviales; Shaw declar la guerra a las prcticas biolgicas, que
1
Hesketh Pearson, G. B. S. A Full Length Portrait, Nueva York, 1942, p. 270. Existe traduccin castellana: Bernard Shaw, Montaner y Simn. He utilizado esta biografa para muchos de los detalles de este apunte; sobre Bernard Shaw ver tambin Sixteen Self-Sketches, Nueva Cork, 1949. 2 Pearson op. cit., p. 270.
Hoja 146
consideraba crueles y estpidas. Es comprensible que exagerara. Le gustaba la exageracin y la consideraba una herramienta esencial de reforma. "Si no dices una cosa de manera irritante, ms vale que no la digas, ya que nadie se preocupar de una cosa que no les preocupa." (La gramtica es extraa, aun para G. B. S.) Sin embargo, haba una rama de la ciencia que Shaw ni satiriz, ni enriqueci con teoras propias. La materia que perdon era la matemtica. No minimizaba su importancia y admita, abandonando por lo menos esta vez su pose de omnisciencia, que saba muy poco sobre ella. Culpaba de su ignorancia a la desastrosa instruccin que recibi en la Wesleyan Connexional School. "No nos dijeron ni una palabra sobre el significado o utilidad de las matemticas: slo nos pedan que explicramos cmo se poda construir una tringulo equiltero o la interseccin de dos crculos, y a sumar a, b y x, en vez de peniques y chelines, dejndonos tan ignorantes que conclu que a y b deban significar huevos y queso, y x, nada, con el resultado de que rechac el lgebra como cosa absurda, y no cambi mi opinin hasta que ya hacia los treinta, Graham Wallas y Karl Pearson me convencieron de que en vez de ensearme matemticas me haban tomado el pelo." La influencia de estos distinguidos seores fue muy beneficiosa. Desde luego, Shaw no fue nunca un gran calculador: "No he usado un logaritmo en mi vida y no podra intentar extraer la raz cuadrada de cuatro sin equivocarme," Pero aprendi a apreciar la importancia de una rama de la matemtica superior, la teora de las probabilidades y la estadstica. La seleccin siguiente presenta una versin de Shaw del desarrollo y aplicacin prctica del clculo de probabilidades. Es un estudio delicioso y muy sensible. "En la medida de mis conocimientos ninguno ha tratado de este modo la historia de las matemticas. Sospecho que si hubiera ms Shaw ensendolas llegaran a hacerse populares. Pero la probabilidad matemtica de esta circunstancia compuesta es evidentemente pequea."
Hoja 147
El vicio del juego y la virtud de asegurarse por George Bernard Shaw Dejad que el rey prohba el juego y las apuestas en su reino, porque stos son los vicios que destruyen los reinos de los prncipes. El Cdigo de Marnu (C-100) En el juego puedes escoger dos placeres: Uno es ganar, el otro es perder. Byron Los seguros, aunque se basan en hechos que son inexplicables y riesgos slo calculables por matemticos profesionales llamados actuarios, son sin embargo ms agradables de estudiar que materias ms simples, como la banca y el capital. Esto ocurre porque, por cada poltico competente que hay en nuestro pas, debe haber por lo menos 100,000 jugadores que apuestan cada semana a las carreras de caballos. Estos apostadores apuestan contra cualquier caballo que participe en una carrera con cualquiera que piense que ganar y est dispuesto a apostar por ello. Como solamente puede ganar un caballo, y los dems deben perder, esto sera un negocio enormemente lucrativo si todas las apuestas se hicieran por la misma cantidad. Pero la competencia entre los apostadores profesionales les hace atraer a los clientes ofrecindoles "ventajas", tentadoramente "grandes", contra los caballos que parecen no poder ganar. Mientras que no dan ninguna ventaja cuando se trata del caballo ms idneo, llamado el favorito. El conocido grito, que intriga a los novatos, de "dos a uno raya uno", significa que el apostador apostar dos contra uno contra cualquier caballo de la carrera excepto el favorito. Sin embargo, en general, apostar diez contra uno, o ms, contra un "outsider". En este caso, si, como ocurre a veces, gana el "outsider", el apostador profesional puede perder todo lo que haba ganado en sus apuestas contra los favoritos. En la escala entre los posibles extremos de ganancia y prdida puede quedar en cualquier parte, segn el nmero de caballos en la carrera, el nmero de apuestas hechas por cada uno y la exactitud de su apreciacin de la ventaja que poda ofrecer. Generalmente, gana cuando vence un "outsider", porque siempre hay ms dinero jugado en los favoritos que en los outsiders, pero es posible lo contrario; porque puede haber varios "outsiders" y tambin varios favoritos; y, como los "outsiders" ganan bastante a menudo, tentar a los clientes ofrecindoles demasiadas ventajas sera jugar, y un apostador profesional no debe nunca jugar aunque 1 viva del juego. Prcticamente, siempre hay bastantes factores variables en el juego para probar hasta el lmite la habilidad financiera del apostador profesional. ste debe presupuestar de manera que, en el peor de los casos, resulte an solvente. Un apostador profesional que juegue se arruinar con igual seguridad que un vendedor de comestibles con licencia (publicano) que beba, o un tratante de arte que no pueda desprenderse de una buena pintura. En seguida se plantea la cuestin, cmo es posible planear, para conservar la solvencia, en negocios basados en el azar? La respuesta es que cuando se abordan en nmero suficiente, los asuntos del azar se convierten en asuntos de
Hoja 148
certeza, lo cual es una de las razones de por qu un milln de personas organizadas como estado pueden hacer cosas que no intentan los individuos privados. Sin embargo, el descubrimiento de este hecho ocurri en el curso de los negocios privados ordinarios. En el pasado, cuando era peligroso viajar y la gente que parta hacia ultramar haca testamento solemne y rezaba como si fuese a morir, el comercio con los pases extranjeros era un negocio arriesgado, especialmente cuando el comerciante en vez de quedarse en casa y consignar sus productos a una casa extranjera, tena que acompaarlos hasta su destino y venderlos all. Para ello tena que hacer un trato con el propietario de un barco o un capitn. Los capitanes de barco, que viven en el mar, no padecen los terrores que ste inspira a los hombres de tierra. Para ellos el mar es ms seguro que la tierra, porque los naufragios son menos frecuentes que las pestes y desastres en tierra. Y los capitanes de barco ganan dinero llevando pasajeros adems de la carga. Imaginad entonces una conversacin de negocios entre un comerciante codicioso por el comercio extranjero, pero desesperadamente atemorizado ante la perspectiva de un naufragio o de ser comido por salvajes, y un capitn vido de carga y pasajeros. El capitn asegura al comerciante que sus productos estarn completamente a salvo y 1 tambin si los acompaa. Pero el comerciante, imbuido por las aventuras de Jons, San Pablo, Ulises y Robinsn Crusoe, no se atreve a la aventura. Su conversacin ser as: CAPITN: Venga! Le apuesto bastantes libras a que si usted viaja conmigo estar sano y salvo dentro de un ao. COMERCIANTE: Pero si acepto la apuesta estar apostando esa cantidad a que dentro de un ao estar muerto. CAPITN: Desde luego que no, si usted pierde la apuesta, como es lgico. COMERCIANTE: Pero si yo me ahogo, usted tambin se ahogar y entonces, qu pasa con nuestra apuesta? CAPITN: Es verdad. Pero encontrar a alguien de tierra que haga la apuesta con su esposa y familia. COMERCIANTE: Desde luego, la cosa cambia; pero, qu pasa con mi carga? CAPITN: Puaf! Tambin podemos apostar por la carga. O dos apuestas una por su vida y otra por la carga. Ambas estarn a salvo, se lo aseguro. No suceder nada, y usted ver todas las maravillas del extranjero. COMERCIANTE: Pero si yo y mis productos salimos sanos y salvos, le tendr que pagar el valor de mi vida y de los productos. Si no me ahogo me arruinar. CAPITN: Esto tambin es verdad. Pero no crea que llevo las de ganar. Si usted se ahoga yo me ahogar tambin; porque debo ser el ltimo en abandonar el barco si se hunde. Sin embargo, djeme todava persuadirle a arriesgarse. Le apuesto diez contra uno. Le tienta esto? COMERCIANTE: Oh! en ese caso... El capitn ha descubierto los seguros igual que los orfebres descubrieron la banca. Es un negocio lucrativo; y, si la informacin y la intuicin del asegurador son slidas, un negocio sin riesgo. Pero no es tan simple como apostar en los caballos, porque en una carrera todos los caballos excepto uno deben perder y el apostador profesional ganar, en cambio en un naufragio todos los pasajeros
Hoja 149
pueden ganar y el asegurador arruinarse. Evidentemente, deber poseer, no un solo barco, sino varios, de forma que, como muchos ms barcos terminarn felizmente el viaje que los que se hundirn, ganar en media docena de barcos y perder solamente en uno. Pero, de hecho, el asegurador naviero necesita tan poco el poseer los barcos como el apostador profesional poseer los caballos. Puede asegurar las cargas y las vidas en un millar de barcos propiedad de otra gente sin que 1 haya posedo o ni siquiera visto una canoa. Cuantos ms barcos asegure, ms seguros estn sus beneficios; porque en un mismo tifn pueden zozobrar seis barcos, pero entre mil barcos la mayor parte sobrevivirn. Cuando por la guerra aumenten los riesgos, puede reducirse la ventaja concedida en las apuestas. Cuando el comercio internacional se desarrolla hasta el punto de que un asegurador naviero pueda utilizar ms capital de lo que los jugadores individuales pueden ofrecer, se forman las sociedades como la "British Lloyds" para cubrir la demanda. Estas corporaciones pronto se dan cuenta de que existen muchos ms riesgos adems del naufragio. Gente que nunca viaja ni enva paquetes por mar pueden perder la vida o quedar tullidos en un accidente; sus casas pueden arder o ser desvalijadas. Las Compaas de Seguros surgen por todas partes, el negocio se desarrolla, y se extiende, hasta que no queda un riesgo que no pueda ser asegurado. Los Lloyds aseguran, no slo contra el naufragio, sino contra cualquier riesgo que no sea especficamente cubierto por las Compaas por acciones, supuesto que se trate de un riesgo asegurable, es decir, provechoso. Esta previsin es una contradiccin en los trminos. Por qu? Cmo puede una transaccin segura implicar un riesgo?, y, cmo puede correrse un riesgo con seguridad? La respuesta nos lleva a una regin de misterio en la que resulta imposible razonar los hechos por cualquiera de los mtodos conocidos hasta el presente. El ejemplo ms tpico lo constituye el ms sencillo de los juegos de azar, que consiste en arrojar una moneda y apostar a qu saldr. En Inglaterra se le llama cara o cruz, en Irlanda, cabeza o arpa. Cada vez que se arroja la moneda, cada uno de los jugadores tiene la misma probabilidad de ganar. Si sale cara, puede volver a salir cara la prxima vez, y la prxima, y as hasta mil; por consiguiente es razonable suponer que puedan salir mil caras seguidas o mil cruces. Porque el hecho de que salga cara una vez no aumenta en lo ms mnimo la probabilidad de que salga cruz en la siguiente. A pesar de todo, los hechos ponen en duda este razonamiento. Cualquiera que tenga medio penique y se entretenga en arrojarlo cien veces, puede sacar cara varias veces seguidas, pero el resultado final ser de cincuenta y cincuenta, o tan cerca que la diferencia no importa. Tengo ahora diez peniques en mi bolsillo y acabo de arrojarlos al suelo diez veces cada uno. Resultado: cuarenta y nueve caras y cincuenta y una cruces; aunque slo dos veces de las diez salieron cinco y cinco, y al principio las caras ganaron tres veces seguidas. As, aunque en dos tiradas el resultado es completamente incierto, en diez tiradas puede ser de seis y cuatro o siete y tres, con una frecuencia que permita apostar con cierta seguridad; pero en un centenar, el resultado se aproximar lo bastante a cincuenta y cincuenta como para que dos jugadores, uno que apueste a cara y otro que apueste a cruz cada vez, queden
Hoja 150
exactamente o casi exactamente como estaban al principio, ni ms ricos ni ms pobres, excepto si las apuestas son tan elevadas que slo las haran jugadores que estuvieran locos. Una compaa de seguros, bien dirigida, y que efecta docenas de millares de apuestas, no est jugando un juego de azar en absoluto; sabe con precisin suficiente a qu edad morirn sus clientes, cuntas de sus casas ardern cada ao, con cunta frecuencia sern desvalijadas, a qu cuanta se elevarn los desfalcos de sus cajeros, cuntas compensaciones habrn de pagar a sus empleados accidentados, cuntos accidentes sufrirn sus coches y ellos mismos, hasta qu punto padecern de enfermedad y falta de trabajo, cunto les costarn los nacimientos y las defunciones: en suma, saben qu le pasar a cada grupo de mil, diez mil o un milln de personas incluso cuando la compaa no pueda decir qu le va a pasar a cada uno de los individuos del grupo. En mi juventud fui educado para una vida de ocio aprendiendo a jugar al whist, porque haba gente rica que, no teniendo nada mejor que hacer, evitaban la maldicin del aburrimiento (llamado entonces ennui) jugando al whist todos los das. Ms tarde, en cambio, se pusieron a jugar al bezique. Ahora juegan al bridge. Todo club de caballeros tiene su saln de juego. Los juegos de cartas son juegos de suerte porque, aunque los jugadores parezcan hacer uso de alguna experiencia y razonamiento al escoger la carta que van a jugar, la prctica pronto establece reglas que permiten al jugador ms estpido elegir correctamente: esto es, no elegir, sino obedecer las reglas. De acuerdo con esto la gente que juega cada da con apuestas de un cheln o seis peniques se encuentran, al final del ao, con que no han ganado ni perdido cantidades de importancia, y que han matado el tiempo de una forma agradable en vez de aburrirse mortalmente. En realidad no han jugado ms de lo que juegan las compaas de seguros. Por fin se descubre que los aseguradores no slo no necesitan tener barcos, caballos, casas o cosa alguna de las que aseguran, sino que tampoco necesitan existir. Su lugar puede ser ocupado por una mquina. En el hipdromo el corredor de apuestas, con su traje resplandeciente y su deslumbradora elocuencia, se ve sustituido por el Totalizador (Tote para abreviar) en el que los jugadores depositan las cantidades que estn dispuestos a arriesgar sobre sus caballos favoritos. Despus de la carrera se divide todo el dinero apostado sobre el ganador entre los que apostaron por 1. La mquina se queda el resto. En un buque de placer, seoritas con tanto dinero que no saben en qu gastarlo arrojan chelines en una mquina construida de tal forma que devuelve de vez en cuando el cheln multiplicado por diez o por veinte. stos son los ltimos sucesores de la ruleta, de los "caballitos", el juego de cara o cruz, y todas aquellas combinaciones que venden probabilidades de ganar dinero gratis. Como el Tote, ellos no juegan: no arriesgan absolutamente nada aunque sus usuarios no tienen ms certeza que la de que, en conjunto, han de salir perdiendo, ya que cada ganancia de Jack y Jill es una prdida para Tom y Susan. En qu afecta esto al hombre de Estado? Del modo siguiente: el juego o el intento de hacer dinero sin ganrselo, es un vicio econmicamente (es decir, fundamentalmente) ruinoso. En casos extremos constituye una locura que personas de la ms elevada inteligencia son incapaces de resistir: apostarn todo
Hoja 151
lo que tienen aunque sepan que las probabilidades estn en contra. Cuando, en media hora o en medio minuto se hayan convertido en unos mendigos, se pondrn a reflexionar sobre la locura de la gente que est haciendo lo mismo, y en su propia locura por haberlo hecho. Ahora bien, un Estado, al poder efectuar un milln de apuestas, mientras que un ciudadano slo puede permitirse una, puede incitar a cualquiera a apostar sin correr 1 el ms mnimo riesgo de prdida financiera; porque, como ya dijimos, lo que va a suceder en un milln de casos es seguro, aunque nadie puede prever qu va a pasar en cualquier caso concreto. Por consiguiente, los Gobiernos, al hallarse siempre necesitados de dinero por la magnitud de sus gastos y la impopularidad de los impuestos, se hallan muy tentados de llenar sus arcas animando a los ciudadanos a apostar con 1. Es ste el peor de los crmenes contra la sociedad. El ms imperativo de los deberes del Estado es el crear un fuerte estado de opinin contra este delito, considerando como una cuestin de pura honradez cvica el no gastar sin ganar, ni consumir sin producir; y una cuestin de honor cvico el ganar ms de lo que se gasta y producir ms de lo que se consume, para dejar as el mundo mejor de lo que estaba. No se puede concebir otro ttulo de nobleza hoy en da. Por desgracia nuestro sistema de propiedad privada de la tierra y del capital no slo impide que el Estado o la Iglesia puedan inculcar estos preceptos fundamentales, sino que les obliga verdaderamente a predicar lo opuesto. El sistema puede incitar al empresario enrgico a trabajar duro y desarrollar su negocio al mximo; pero su objetivo final es llegar a ser miembro de la aristocracia terrateniente o de la plutocracia, vivir del trabajo de los dems y permitir a sus hijos hacer lo mismo sin haber trabajado siquiera. El premio del xito en la vida es el convertirse en un parsito y fundar una raza de parsitos. El parasitismo es el aguijn del carro capitalista: el incentivo principal sin el cual, segn se nos ensea, la sociedad humana se deshara en pedazos. El ms atrevido de nuestros arzobispos, el ms democrtico de nuestros ministros de Hacienda, no osa clamar que el parasitismo, tanto para los Pares del Reino como para los braceros, es un virus que acabar con la civilizacin ms poderosa, y que la doctrina contraria es diablica. Nuestros hombres de Iglesia ms eminentes no predican, con gran sencillez y vigor, contra la tendencia a hacer del egosmo el motor de la civilizacin; tampoco llegan a seguir a Ruskin y a Proudhon, declarando sin rodeos que un ciudadano que no produce bienes ni presta servicios es, o un mendigo, o un ladrn. A lo ms que se ha llegado hoy en Inglaterra es a la creacin de loteras del Estado y a la prohibicin legal de las apuestas a la irlandesa. Pero, una vez ms, el problema no es lo bastante sencillo como para que los abogados de la perfeccin socialista puedan resolverlo en abstracto. Hay pocas de la vida en que uno ha de consumir sin producir. Todo nio de teta es un parsito descaradamente voraz. Y, para convertir al nio en un productor altamente capaz, o en un funcionario competente, haciendo que su vida de adulto sea digna de ser vivida, es necesario prolongar su parasitismo durante ms de diez aos. Asimismo, los ancianos no pueden producir. Algunas tribus, que insisten excesivamente en la teora econmica de la escuela de Manchester, superan esta dificultad fcilmente suprimiendo a los ancianos o dejndolos
Hoja 152
morir de hambre. Esto no es necesario en la civilizacin moderna. Resulta posible organizar la sociedad de tal forma que cada persona normalmente capacitada pueda producir lo bastante, no slo para pagar lo que va consumiendo, sino tambin para reintegrar el coste de veinte aos de educacin, haciendo que sta sea una magnfica inversin para la sociedad, adems de proveer para el intervalo ms largo que pueda mediar entre la incapacidad por vejez y la muerte natural. Constituye uno de los primeros deberes del poltico moderno el arreglar esto. Pero la infancia y la vejez son cosa cierta. Qu hay que hacer con los accidentes y las enfermedades, que, para el ciudadano individual, no son certezas, sino probabilidades? Bien; hemos visto que la incertidumbre del individuo es certeza para el Estado. El ciudadano individual slo puede hacer compartir su incertidumbre apostando sobre ella. Para asegurarme contra los accidentes o las enfermedades he de apostar con el Estado a que me sucedern esas desgracias; y el Estado debe aceptar la apuesta, estando las cantidades jugadas y recibidas fijadas matemticamente por los actuarios del Estado. Se me preguntar: Por qu con el Estado? Por qu no con una compaa privada? Evidentemente, porque el Estado puede hacer algo que est fuera del alcance de cualquier compaa privada. Puede obligar a cada ciudadano a asegurarse, por poco previsor que sea, y por mucho que se fe de su buena estrella; as, haciendo un gran nmero de apuestas, puede combinar el mximo beneficio con la mxima certeza, y depositar el beneficio en el tesoro pblico para el bienestar general. As puede realizar un inmenso ahorro de trabajo sustituyendo docenas de organizaciones rivales por una sola. Finalmente, puede asegurar a precio de coste, e incluyendo el precio en la tasa general de impuestos, pagar accidentes y enfermedades directamente, y evitar el ingente trabajo de recaudar impuestos especficos o de tener que tratar en una o en otra forma con la gran masa de ciudadanos que, por no haber sufrido accidentes ni enfermedades, han perdido sus apuestas. Lo curioso de la situacin es que el Estado, para dar certeza a la actividad aseguradora y abolir el juego de azar, ha de obligar a todo el mundo a jugar, convirtindose en un Supertote y corredor de apuestas de la poblacin entera. Del mismo modo que el seguro martimo llev al seguro de vida, el seguro de vida al seguro de incendios, y as sucesivamente, hasta el seguro contra las infidelidades de los empleados, indemnizaciones en caso de muerte y seguro de paro, la lista de riesgos asegurables ir aumentando, y las plizas de seguros irn cubriendo ms y ms riesgos a la vez, hasta que no exista un riesgo capaz de preocupar a un ciudadano normalmente inquieto que no pueda ser cubierto. Y cuando la actividad aseguradora sea tomada en manos por el Estado e incluida en la contabilidad general de impuestos, todo ciudadano nacer con una pliza en blanco contra todos los riesgos corrientes, ahorrndose la prctica de virtudes tan penosas como la previsin, la prudencia y la abnegacin, que resultan hoy tan opresivas y desmoralizadoras; con ello se aligerar considerablemente la carga de moralidad de las clases medias. Los ciudadanos sern protegidos tanto si quieren como si no, incluso si no tienen hijos que hayan de recibir educacin ni casas que guardar. El aumento de libertad resultante de la liberacin de los pequeos cuidados ser inmenso. Nuestra mente ya no estar roda, ni nuestro
Hoja 153
tiempo perdido, por la incertidumbre acerca de si vendr gente a comer la semana siguiente o si quedar dinero para pagar nuestros funerales cuando muramos. No hay nada imposible, ni siquiera desmesuradamente difcil, en todo esto. Y, no obstante, mientras escribo, un plan de seguro a escala nacional, modesto y bien pensado, debido a Sir William Beveridge, cuya autoridad en materia de ciencia poltica nadie discute, est siendo objeto de feroz oposicin, no slo por las compaas privadas, que se veran arrinconadas, sino por la gente que se beneficiara con 1; y los que abogan en favor del plan, en su mayor parte, no lo entienden, y no saben cmo defenderlo. Si en la formacin profesional de nuestros legisladores se hubiera incluido un conocimiento bsico de los principios del seguro, el proyecto Beveridge pasara a ser ley y entrara en vigor antes de un mes. Tal como estn las cosas, mucho ser si quedan algunos restos de 1 tras aos de balbuceos ignorantes, a menos que un pnico de guerra lo haga aprobar por el Parlamento en pocas horas y sin discusiones ni enmiendas. De todas formas, est claro que nadie que no entienda lo que es el seguro y abarque en cierto modo el campo inmenso de sus posibilidades puede meterse en los asuntos de la nacin. Y nadie puede llegar a este nivel sin, por lo menos, saber algo de clculo de probabilidades; no tanto como para hacer sus clculos y llenar hojas de examen de ecuaciones tpicas, pero s lo bastante para saber cundo puede uno contar en esos clculos, y cundo estn trucados. Porque cuando los nmeros imaginarios corresponden a cantidades exactas de monedas acuadas para siempre con caras y cruces, pisan sobre seguro, dentro de ciertos lmites; puesto que se dispone entonces de una slida certeza y de dos posibilidades que pueden transformarse en certezas prcticas por medio de una prueba de una hora (o sea, de una constante y de una variable que, en realidad, no vara); pero, cuando el clculo se refiere a una magnitud no constante y a varias variables muy caprichosas, entonces la intuicin, el sesgo personal y los intereses pecuniarios intervienen con tal fuerza, que aquellos que empezaron imaginando neciamente que las estadsticas no pueden mentir acaban pensando, no menos neciamente, que nunca hacen otra cosa.
Hoja 154
6. Correlacion, intervalos y tests por John Allen Paulos Artculo publicado en Ms all de los nmeros de John Allen Paulos Traduccin de Joseph Llosa, Editorial Tusquets, 1993. Los nios con pies ms grandes tienen mejor ortografa. En zonas del sur de Estados Unidos, los condados con mayores tasas de divorcio generalmente tienen menores tasas de mortalidad. Los pases que aaden flor al agua tienen tasas de cncer ms altas que aquellos que no lo hacen. Hemos de estirar los pies de nuestros hijos? Conviene que haya ms artculos invitando a la dolce vita en Penthouse y Cosmopolitan? Es una conjura la fluoracin? Aunque existan estudios que establecen todos estos resultados, las anteriores interpretaciones de los mismos slo son posibles si uno no distingue entre correlacin y causalidad. (Resulta interesante notar que el filsofo David Hume sostena que, en principio, no hay diferencia entre ambos conceptos. Sin embargo, a pesar de algunas semejanzas superficiales, los temas que l consideraba eran completamente distintos a stos.) Aunque hay varias clases y medidas distintas de correlacin estadstica, todas ellas indican que dos a ms cantidades estn relacionadas de algn modo y en cierto grado, pero no necesariamente que una sea causa de la otra. A menudo, las variaciones en las dos cantidades correlacionadas son el resultado de un tercer factor. Los extraos resultados anteriores se explican fcilmente del modo siguiente. Los nios que tienen los pies ms grandes tienen mejor ortografa porque son mayores, siendo su mayor edad la causa de que tengan los pies ms grandes y de que su ortografa sea mejor, aunque esto ultimo no sea tan seguro. La edad es tambin un factor importante en el segundo ejemplo, pues las parejas mayores se divorciarn probablemente menos y se morirn con mayor probabilidad que las de condados con perfiles demogrficos ms jvenes. Y las naciones que aaden flor al agua son en general ms sanas y se preocupan ms por su salud, con lo que un gran porcentaje de sus ciudadanos viven lo bastante para enfermar de cncer que es en buena medida una enfermedad de gente mayor. Para la mayora, son menos importantes las definiciones de las medidas efectivas de correlacin y causa. Pero demasiado a menudo la gente se queda hipnotizada con los detalles tcnicos de los coeficientes de correlacin, las rectas de regresin y las curvas de mximo ajuste, y olvida echar una mirada atrs y meditar acerca de la lgica de la situacin. El fenmeno me recuerda a las personas (yo soy una de ellas: vase el final de la entrada sobre Teora de juegos) que se compran un nuevo ordenador o un nuevo procesador de textos para trabajar ms aprisa y luego pierden una cantidad exorbitante de tiempo obsesionadas con los detalles del software e inventando programas atajo, que
Hoja 155
tardan algunas horas en componer y cuya invocacin slo ahorra presionar tres o cuatro teclas. Parece como si todo el mundo los comprara. Todo el pas se ha vuelto loco con estas cosas. Cmo lo saben, si slo hablaron con 1000 personas? Como podran sugerir estas dos citas contradictorias, la idea de muestra aleatoria es otro concepto estadstico simple cuya importancia no siempre se aprecia plenamente. Sin una de tales muestras, una multitud de testimonios personales y de frases lo dice todo el mundo quiz signifique muy poco, mientras que con una de ellas, un nmero sorprendentemente pequeo de encuestados puede ser concluyente. Basndose en observaciones realizadas con esa muestra, un intervalo de confianza es una banda numrica (que varia ligeramente de una muestra a otra) escogida de modo que contenga el verdadero valor desconocido de alguna caracterstica de la poblacin considerada, con una probabilidad especificada de antemano (normalmente el 95%). As, si encuestamos una muestra aleatoria de 1 000 personas y el 43% estn a favor de las ideas expuestas en la Constitucin, entonces hay una probabilidad de aproximadamente el 95% de que el porcentaje de toda la poblacin que est a favor de dichas ideas est comprendido entre el 40% y el 46%, 43% 3%. Aunque hay una serie de cuestiones tcnicas relativas de clculo e interpretacin de los intervalos de confianza, no hace falta conocerlas para comprender las ideas fundamentales, igual que ocurre en el caso de la correlacin. De hecho, si uno estudia a fondo los detalles de la estimacin de los intervalos de confianza puede pasarle por alto el alcance limitado del mtodo. No se trata de que 1 000 personas no basten para darnos este intervalo de confianza de 3%. Antes bien lo que ocurre es que esa estimacin es muy sensible al planteamiento dado al problema o a la formulacin de la pregunta. Si en el ejemplo anterior las ideas se hubieran identificado como procedentes de la Constitucin, las respuestas probablemente hubieran sido completamente distintas. Las creencias, actitudes e intenciones de los encuestados no permiten cambiar a la ligera la formulacin de una pregunta por otra extensionalmente equivalente. La comprobacin de hiptesis estadstica es otro concepto estadstico cuya comprensin no precisa conocer previamente el aparato tcnico. Se hace una suposicin, se disea y se realiza un experimento para comprobarla, luego se hacen algunos clculos para ver si los resultados del experimento son suficientemente probables atendiendo a la suposicin. Si no lo son se descarta la suposicin y, a veces, se acepta provisionalmente una hiptesis alternativa. As pues, la estadstica sirve ms para descartar proposiciones que para confirmarlas. Al aplicar este procedimiento se pueden cometer dos tipos de errores: el error del tipo I consiste en rechazar una hiptesis verdadera y el de tipo II se produce cuando se acepta una hiptesis falsa. Esta es una distincin til en contextos menos cuantitativos. Por ejemplo, cuando se tratan de desembolsos de fondos gubernamentales, el estereotipo de liberal procura evitar los errores del tipo I (que quien lo merece no reciba lo que le toca), mientras que el estereotipo de conservador est ms preocupado por evitar los errores del tipo II (que quien no lo merece reciba ms de lo que le toca). Si se trata ahora de castigar los
Hoja 156
delitos, el conservador de caricatura est ms interesado en evitar los errores del tipo I (que el culpable no reciba su merecido), mientras que el liberal se apura en evitar los errores tipo II (que el inocente reciba un castigo inmerecido). La FDA (Food and Drug Administration) debe evaluar las posibilidades relativas de caer en errores del tipo I (no dar visto bueno a un buen frmaco) o del tipo II (aceptar un mal frmaco). Los empresarios preocupados por el control de calidad han de contrapesar los errores del tipo I (rechazar una muestra con muy pocos artculos defectuosos). Y los errores del tipo II (dar por buena una muestra con demasiados artculos defectuosos). En estas situaciones y en otras parecidas, la lgica de la comprobacin estadstica nos ser de mucho provecho, aun cuando no d cifras concretas como resultado. Ms que la mayora de las dems ramas de la matemtica, la estadstica es puro sentido comn formalizado y pensamiento sencillo cuantificado. Las actitudes escpticas para con la estadstica (como la de Benjamin Disraeli Mentiras, malditas mentiras y estadstica, o mi favorita, Verdades, verdades a medias y estadstica) estn plenamente justificadas pero no deberan hacernos perder de vista que se trata de una materia imprescindible. Renunciar a usarla sera cometer un error del tipo I (o, si uno tiene los pies pequeos, un herror del tipo I).
Hoja 157
7. Sistemas de Votacin por John Allen Paulos Artculo publicado en Ms all de los nmeros de John Allen Paulos Traduccin de Joseph Llosa, Editorial Tusquets, 1993. Cmo toman las decisiones las sociedades democrticas? La respuesta es votando, pero, qu significa esto?, si, como suele ocurrir, hay ms de dos opciones posibles. Como pasa a menudo un buen ejemplo ilustrativo vale ms que pginas y pginas de explicacin rigurosa, supongamos, a modo de ilustracin, que hay cinco candidatos a la presidencia de una pequea organizacin. Aunque todos los miembros de la organizacin ordenan a los cinco candidatos segn sus preferencias, el ganador depende de manera crucial del sistema de votacin empleado. Ahora hay que concretar los nmeros. Supongamos pues que hay 55 electores y que ordenan a los candidatos segn sus preferencias con el resultado siguiente: 18 electores ordenan a los candidatos as: A, D, E, C, B. 12 electores ordenan a los candidatos as: B, E, D, C, A. 10 electores ordenan a los candidatos as: C, B, E, D, A. 9 electores ordenan a los candidatos as: D, C, E, B, A. 4 electores ordenan a los candidatos as: E, B, D, C, A. 2 electores ordenan a los candidatos as: E, C, D, B, A. Los partidarios del candidato A quizs digan que habra que usar el mtodo de pluralidad, por el que gana el candidato que recibe ms votos en primer lugar. Con este mtodo gana A fcilmente. Los partidarios de B quiz digan que debera hacerse una segunda vuelta entre los dos candidatos ms votados. En la segunda vuelta B gana con facilidad a A (18 electores prefieren A a B, pero 37 prefieren B antes que A). Los seguidores del candidato C han de pensar un poco ms para encontrar un mtodo que le d como vencedor. Sugerirn que eliminemos primero al candidato con menos primeros lugares (en este caso E) y que luego reajustemos los votos para el primer lugar de los que quedan (A tiene todava 18, B tiene ahora 16, C tiene 12 y D sigue con 9). De los cuatro candidatos que quedan eliminamos el que tenga menos primeros lugares y reajustamos la lista de los candidatos restantes (C queda ahora con 21 votos para el primer lugar). Seguimos con este procedimiento de eliminar el candidato con menos votos de primer lugar. Con este mtodo, C se proclama vencedor. Ahora el jefe de campaa del candidato D objeta que habra que prestar ms atencin a la preferencia media, y no slo a los primeros. Y razona que si se dan 5 puntos a las primeras preferencias, 4 a las segundas, 3 a las terceras, 2 a las cuartas y 1 punto a las quintas, cada candidato tendr una puntuacin, el llamado escrutinio de Borda, que reflejar su popularidad. Como el escrutinio de Borda de D, 191 puntos, es mayor que el de cualquier otro, D gana con este mtodo.
Hoja 158
El candidato E es de un temperamento ms viril y responde que slo deberan tenerse en cuenta las luchas hombre a hombre (o mujer a hombre) y que enfrentado a cualquiera de los otros cuatro candidatos en contiendas de dos personas, siempre sale vencedor. Y sostiene por tanto que merece ser el vencedor global. (Alguien que, como E, gana a todos los dems candidatos de este modo se llama el vencedor de Condorcet. Pero a menudo las votaciones son tan embrolladas que no hay ningn vencedor de Condorcet.) Quin ha de ser declarado ganador y cul es la ordenacin de los cinco candidatos segn las preferencias del grupo en su conjunto? Los electores podran salir del impasse votando el mtodo que van a utilizar, pero qu sistema de votacin emplearan para decidirlo? No es inverosmil que reapareciera el mismo problema en este nivel superior, pues quiz los electores votaran por el mtodo que ms favoreciera a su candidato preferido. (Esta tendencia natural a adaptar el enfoque de un problema a los propios intereses me recuerda el consejo del viejo abogado a su defendido: Cuando la ley est de su parte, golpee con la ley. Cuando los hechos estn de su parte, golpee con los hechos. Y cuando ni la ley ni los hechos estn de su parte, golpee la mesa. Debera sealar tambin que el problema de decidir quin vota es an ms espinoso que el de decidir el sistema de votacin. En general, la gente quiere que la ley d derecho al sufragio al mximo nmero posible de partidarios y que se lo niegue o que al menos los desanime- al mximo nmero posible de adversarios. Ejemplos de esto ltimo son la oposicin al sufragio femenino y el apartheid, mientras que la vieja costumbre de rellenar la urna electoral ilustra el primer caso. Y no se limita a sucios fraudes en elecciones municipales, sino que con distintas variantes puede tentar incluso a las personas ms altruistas, independientemente de su orientacin poltica. Los antiabortistas contabilizan los votos de los no nacidos y, a menudo, los ecologistas van ms all y apelan al apoyo electoral de generaciones futuras no concebidas todava.) Por lo que respecta a los sistemas de votacin, la situacin no es siempre tan confusa como sugiere el ejemplo anterior. Los nmeros del ejemplo (debido a William F. Lucas por va de los filsofos del siglo XVIII Jean-Charles de Borda y el marqus de Condorcet, as como de otros tericos posteriores) fueron preparados para mostrar que el mtodo de votacin empleado puede determinar a veces el ganador. Pero aunque esas anomalas no se presenten siempre, cualquier mtodo de votacin est sujeto a ellas. De hecho, el economista matemtico Kenneth J. Arrow ha demostrado que no hay un procedimiento infalible para determinar las preferencias de un grupo a partir de las preferencias individuales que garantice el cumplimiento simultneo de estas cuatro condiciones mnimas: Si el grupo prefiere X a Y y prefiere Y a Z, entonces prefiere X a Z. Las preferencias (tanto individuales como colectivas) han de limitarse a las alternativas disponibles. Si todos los individuos prefieren X a Y entonces tambin el grupo prefiere X a Y.
Hoja 159
No hay ningn individuo cuyas preferencias determinen dictatorialmente las preferencias del grupo.
Aunque todo sistema de votacin tiene consecuencias indeseables y aspectos defectuosos, algunos sistemas son mejores que otros. Uno que quiz sea especialmente apropiado para unas primarias presidenciales, en las que se presentan varios candidatos, se llama votacin de aprobacin. En este sistema, cada elector puede votar por, o aprobar, tantos candidatos como quiera. El principio de una persona, un voto se sustituye por un candidato, un voto y se proclama vencedor el candidato que recibe la mxima aprobacin. No se produciran as situaciones como la de dos candidatos liberales que dividen el voto liberal y permiten que gane un candidato conservador con slo el 40% de los votos. El mandato moral de ser demcrata es formal y esquemtico. La cuestin de fondo es cmo deberamos ser demcratas y el enfocar esta cuestin con una actitud experimental abierta es perfectamente compatible con un firme compromiso con la democracia. A los polticos que, beneficindose de un sistema electoral particular y limitado, se envuelven con el manto de la democracia, hay que recordarles de vez en cuando que este manto se puede presentar en varios estilos, todos ellos con remiendos.
Hoja 160
8. Estadstica: dos teoremas por John Allen Paulos Artculo publicado en Ms all de los nmeros de John Allen Paulos Traduccin de Joseph Llosa, Editorial Tusquets, 1993. En su libro Suicide, el socilogo francs Emile Durkheim demostr que la incidencia del suicidio en una zona se puede predecir razonablemente slo con base en los datos demogrficos. Anlogamente, la tasa de desempleo se puede estimar basndose en muestreos (y otros varios ndices econmicos). En realidad muchas predicciones sociolgicas y econmicas son independientes de las ideas y principios psicolgicos y se basan en buena medida en razones probabilsticas. Aunque los sucesos concretos sean difcilmente pronosticables (quin se va a suicidar o quin se quedar sin empleo), los conjuntos grandes de sucesos son en general fciles de describir de antemano. Muy en lneas generales, esto es lo que sugieren dos de los resultados tericos ms importantes de la teora de la probabilidad y la estadstica. (Vanse tambin las entradas sobre Media, Correlacin y Probabilidad.) Concretando un poco ms, la ley de los grandes nmeros dice que la diferencia entre la probabilidad de un cierto suceso y la frecuencia relativa con que se produce tiende necesariamente a cero. En el caso de una moneda no cargada, por ejemplo, la ley, descubierta por el matemtico suizo Jakob Bernouilli en un trabajo pstumo que fue publicado en 1713, nos dice que se puede demostrar que la diferencia entre 1/2 y el cociente del nmero de caras entre el total de lanzamientos se hace arbitrariamente pequea si aumentamos indefinidamente el nmero de stos. No hay que entender esto como que la diferencia entre los nmeros totales de caras y de cruces ir disminuyendo cada vez ms a medida que aumente el nmero de lanzamientos; normalmente ocurre precisamente todo lo contrario. Si se lanza una moneda 1,000 veces y otra 1,000,000 de veces, probablemente el cociente del nmero de caras entre el de lanzamientos sea ms prximo a 1/2 en el segundo caso, a pesar de que la diferencia entre los nmeros de caras y cruces sea tambin mayor. Las monedas no trucadas se comportan bien en el sentido relativo de los cocientes, pero no en sentido absoluto. Y, contra lo que suponen muchos sabios de saln, la ley de los grandes nmeros no implica la falacia del jugador: que es ms fcil que salga cara despus de una tira ininterrumpida de cruces. No lo es. Entre otras creencias justificadas por esta ley tenemos la confianza del experimentador en que la media de un conjunto de medidas de una cierta cantidad se aproximar ms al valor real de sta cuanto mayor sea el nmero de mediciones. Tambin es la base de la observacin razonable de que si se tira un dado N veces, la probabilidad de que la frecuencia con que aparece el 5 sea distinta de 1/6 disminuye al aumentar N. Al igual que el dado, nosotros,
Hoja 161
considerados individualmente, tampoco somos predecibles, pero tomados colectivamente s. La ley de los grandes nmeros sirve de base terica a la idea intuitiva de que la probabilidad es la gua del mundo. Las clasificaciones de Nielsen en televisin, las encuestas de Gallup, las tarifas de seguros y un sinfn de estudios sociolgicos y econmicos ponen de manifiesto una realidad probabilstica ms confusa que la de las monedas y los dados, pero no menos autntica. La otra ley que quiero esbozar aqu se llama teorema del lmite central, y dice que la media o la suma de una gran coleccin de medidas de una magnitud dada cualquiera es descrita por una distribucin o curva normal en forma de campana (tambin llamada a veces curva gaussiana en honor del gran matemtico del siglo XIX Karl Friedrich Gauss). Esto ocurre aunque la propia distribucin de las medidas individuales no sea normal. Para ilustrar esto ltimo, imaginemos una fbrica que produce disqueteras para ordenador, y supongamos que el director es un chapucero subversivo que garantiza que aproximadamente el 30% de las disqueteras se estropeen en tan solo 5 das y que el 70% restante tarden unos 100 meses en fallar. Est claro que la distribucin de las vidas de estas disqueteras no obedece a una curva normal, sino a una curva en forma de U con dos picos, uno a los 5 das y otro mayor a los 100 meses.
Distribucin en forma de U de las vidas medias de las disqueteras de una caja de 36 tpica.
Distribucin gaussiana normal de las vidas medias de las disqueteras de muchas de esas cajas
Hoja 162
Supongamos ahora que las disqueteras salen de la lnea de montaje en un orden aleatorio en cajas de 36. Si nos entretuviramos en calcular la vida media de las disqueteras de una caja, encontraramos que es de unos 70 meses, quiz 70.7. Por qu? Si determinamos la vida media de las disqueteras de otra caja de 36, encontraremos de nuevo una vida media de aproximadamente 70 meses, quiz 68.9. De hecho, si examinamos muchas cajas, la media de las medias ser muy prxima a 70, y lo que es ms importante an, la distribucin de estas medias ser aproximadamente normal (en forma de campana), con el porcentaje adecuado de cajas, con vidas medias entre 68 y 70, entre 70 y 72, etc. El teorema del lmite central dice que en una gran mayora de casos esta situacin es la que cabe esperar: que las medias y las sumas de cantidades que no tienen que estar normalmente distribuidas, siguen una distribucin normal. La distribucin normal aparece tambin en el proceso de medida porque las medidas de una magnitud o una caracterstica cualquiera tienden a tener una curva de error, con forma de campana normal centrada en torno al verdadero valor de dicha magnitud. Otras cantidades que suelen tener una distribucin normal podran ser las alturas y los pesos para una edad especfica, el consumo de gas natural de una ciudad en cualquier da dado de invierno, los grosores de piezas, los CI (independientemente de lo que puedan indicar), el nmero de ingresos en un gran hospital en un da determinado, las distancias de los dardos a la diana, los tamaos de las hojas, de las narices o el numero de pasas contenidas en una caja de cereales para el desayuno. Todas estas cantidades se pueden considerar como medias o sumas de muchos factores (genticos, fsicos o sociales) y, por tanto, su distribucin normal se basa en el teorema del lmite central. Repito, las medias o sumas de una cantidad tienden a estar normalmente distribuidas, aun cuando las cantidades que se promedian (o suman) no lo estn.
Hoja 163
Lecturas en video
Nota: Los videos que a continuacin se mencionan pueden consultarse en la seccin de lecturas en video del disco compacto.
Necesidad de datos Qu suerte! Qu se puede esperar? Un mesurado estilo de vida Altas esperanzas Encuesta aparte
Hoja 164
Autoevaluaciones
Hoja 165
6. Autoevaluaciones
Introduccin
Ya sabemos de qu se trata la autoevaluacin: Comprobar uno mismo su avance en la adquisicin de conocimiento y habilidades. Y esto de la evaluacin no poda faltar en este material. La autoevaluacin no es algo que desconozcamos. Cuando aprendimos a andar en bicicleta o en patines no fue necesario que alguien nos dijera que ya lo habamos logrado. Cuando todava nos caamos y suframos uno que otro raspn, sabamos dos cosas: una, todava no logrbamos dominar el arte de andar sobre ruedas y, la segunda, para lograrlo debamos seguir practicando. Hay ocasiones en que nuestra autoevaluacin es complaciente. Encontramos motivos para justificar nuestras deficiencias y en lugar de trabajar para superarlas, nos paralizamos con la justificacin que damos. Tambin llega a ocurrir que en la escuela la autoevaluacin queda casi olvidada. Tal vez el saber que peridicamente debemos ser evaluados por nuestros profesores nos lleva a olvidarnos de la evaluacin propia. Pero si lo que aprendemos en la escuela nos va a ser til para nuestras diversas actividades dentro y fuera de ella, la autoevaluacin es necesaria, pues de otra forma siempre estaremos esperando hasta que alguien nos diga que ya somos competentes en algo para atrevernos a usarlo. Lamentablemente esto pasa con cierta frecuencia en matemticas. Esperamos que el profesor nos diga no slo que ya dominamos un tema sino adems cundo podemos usarlo. En este material te proporcionamos por cada unidad un cuestionario para que te sirva como autoevaluacin. No es, desde luego, la nica forma de autoevaluarte, t mismo puedes disear otras. De este cuestionario se dan las respuestas para que las compares con las tuyas. Unas observaciones finales sobre estos cuestionarios: No los desperdicies intentando trabajarlos antes de que hayas concluido el estudio de una unidad. No resuelvas por partes cada cuestionario. Cuando decidas resolver uno de ellos es porque dispones del tiempo y condiciones necesarias para resolverlo completo. No consultes la respuesta una por una, justo cuando acabas de resolver o responder lo que se te pide, termina el cuestionario y luego compara los resultados. Trata de no ser complaciente cuando encuentras errores en tus respuestas. No basta que digas que ya te diste cuenta de tus errores. Es necesario que sigas trabajando y confirmar al hacerlo o practicarlo que ya lograste adquirir los conocimientos o habilidades requeridas.
Hoja 166
Adems de una evaluacin por cada unidad, incluimos una muestra de exmenes ordinarios y extraordinario de algunos CECyT para que tengas una idea del tipo de preguntas que suelen aparecer en el examen ordinario que representa el 60% de cada calificacin ordinaria. El examen extraordinario representa la calificacin del curso y sustituye el promedio de las calificaciones de los perodos ordinarios si es mayor que este promedio.
Hoja 167
Autoevaluacin de la Unidad 1 1. Escribe un ensayo breve sobre el papel que desempea la estadstica en tu vida. Incluye por lo menos un mapa conceptual. 2. Cmo se distribuye el uso de las vocales en el idioma espaol? 3. Una escuela compra cada ao 150 borradores. Los precios por pieza en tres aos sucesivos fueron, 24, 60 y 125 pesos. Cul es el precio promedio que ha pagado la escuela por borrador en este perodo? Otra escuela dispone de una partida fija de 3,000 pesos para la compra de borradores. Cul es el precio promedio que ha pagado la escuela por borrador en este perodo? 4. En nmeros redondos, la poblacin urbana de Mxico fue de 11 millones en 1950, de 18 millones en 1960 y de 29 millones en 1970. a. Estima la poblacin urbana de Mxico en 1952, 1957, 1963 y 1968. b. Si el crecimiento poblacional de 1960 a 1970 se hubiera mantenido, cul sera la poblacin actual? 5. Escribe un ensayo breve sobre la pertinencia de usar la media, la mediana o la moda como valores representativos de un conjunto de datos. Incluye por lo menos un mapa conceptual. 6. 7. Escribe un ensayo breve sobre la pertinencia de usar la terna media, desviacin estndar, forma, versus los cinco valores (P0, Q1, Q2, Q3, P100) y sus respectivas representaciones grficas para describir un conjunto de datos.
Hoja 168
Autoevaluacin de la Unidad 2 1. Escribe un ensayo breve sobre los tipos de Probabilidad. Incluye por lo menos un mapa conceptual. 2. Es comn escuchar a comentaristas y jugadores de futbol decir que cuando se enfrentan dos equipos ambos tienen las mismas oportunidades de ganar. La Copa Tolteca es un torneo de reciente creacin en la cual participan 12 equipos, cada uno de los cuales juega cinco partidos Supongamos que se juega un torneo corto en el cual cada equipo juega cinco partidos en los que no hay empates (es decir, siempre un equipo gana y otro pierde). Luego, los dos mejores, juegan la final. Supn que cada uno de los equipos participantes tiene la misma oportunidad de ganar o perder. a) Imagnate que un equipo participa 100 veces en este torneo, haz una estimacin de en cuantas ocasiones ganar 0, 1, 2, 3, 4 y 5 de esos partidos. b) Haz una simulacin de esas 100 participaciones en el torneo y compara lo que obtienes con la estimacin que hiciste. 3.
Hoja 169
Autoevaluacin de la Unidad 3 1. Escribe un ensayo breve sobre el azar en los juegos. Incluye por lo menos un mapa conceptual.
Hoja 170
Autoevaluacin de la Unidad 4 1. Escribe un ensayo breve sobre la variable aleatoria y la distribucin. Incluye por lo menos un mapa conceptual. 2. El 0.4% de los focos que produce una fbrica tiene algn defecto. Calcula la probabilidad de que en una caja con 1000 focos, haya a lo sumo cinco defectuosos. a. Responde primero la pregunta usando el modelo binomial. b. Verifica si es aplicable el modelo de Poisson; si es as, salo y compara ambas respuestas. c. Construye las dos distribuciones (binomial y Poisson) para el mismo experimento, formula dos preguntas y respndelas 3. Una empresa recibe en su conmutador general en las horas de trabajo ms intenso, entre las 11 y las 14, en promedio, cuatro llamadas por minuto. En el resto de la jornada laboral, de 9 a 11 y de 16 a 19, la empresa recibe, en promedio, dos llamadas por minuto. El conmutador puede recibir tres llamadas simultneamente. a. Calcula la probabilidad de que una llamada a la empresa entre 11 y 14 obtenga una seal de ocupado. b. Calcula la probabilidad de que una llamada a la empresa entre las 9 y 11 obtenga una seal de ocupado. c. Cuntas llamadas debe ser capaz de recibir simultneamente el conmutador, a cualquier hora, para que la probabilidad de obtener una seal de ocupado sea menor a 0.01? 4.
Hoja 171
Autoevaluacin de la Unidad 5 1. Escribe un ensayo breve sobre el Teorema del Lmite Central. Incluye por lo menos un mapa conceptual. 2.
Hoja 172
Bibliografa
Hoja 173
7. Bibliografa
Los materiales que se utilizaron en la elaboracin de este trabajo son: Alarcn, J., Bonilla, E. Nava, R., Rojano, T. y Quintero, R., Libro para el maestro. Matemticas. SEP, 1994. Alvarado, D., Las Creencias y Concepciones en un Ambiente de Resolucin de Problemas. Tesis de Maestra del Departamento de Matemtica Educativa del Cinvestav-IPN, 1998 Antn, J.L., Gonzlez, F., Gonzlez, C., Llorente, J., Montamarta, G., Rodrguez, J.A., y Ruiz, M.J., Taller de Matemticas. Narcea Ediciones y MEC de Espaa. Madrid, 1994. Batanero, C. Didctica de la Estadstica. Departamento de Didctica de las Matemticas, Universidad de Granada, 2001. Bednarz, N.; Kieran, C. y Lee, L. Approaches to Algebra. Perspectives for Research and Teaching. Kluwer Academic Publishers: Dordrecht, The Netherlands, 1996. Chevallard, Y.; Bosch, M y Gascn, J., Estudiar Matemticas. El eslabn perdido entre la enseanza y el aprendizaje. ICE-Horsori, 1997. Coxford, A., Geometry from multiple perspectivas. NCTM, 1991. De Prada, D., Martnez, I. Y Alcalde, J., El comentario de textos matemticos. Editorial gora, 1991. Erickson, T. Data in Depth. Key Curriculum Press, 2000. Ernest, P. The Problem-Solving Approach to Mathematics Teaching. Teaching Mathematics and its Applications, Volume 7, No. 2, 1988. Grupo Editorial Iberoamrica. Revista Educacin Matemtica Johnson R. y Kuby, P., Estadstica elemental. Lo esencial. Thomson Editores, 1999. Lpez de Medrano, S., Modelos matemticos. ANUIES, 1972.
Hoja 174
Kasner, E. & Newman, J., Matemticas e imaginacin. Biblioteca personal Jorge Luis Borges. Hyspamrica, 1985. National Council of Teachers of Mathematics (NCTM), Revista Mathematics Teacher. National Council of Teachers of Mathematics (NCTM), Principles and Standards for School Mathematics. (http://standards.nctm.org/ ), 2000. Newman, J.R. Sigma: El mundo de las Matemticas. Editorial Grijalbo, 1968. Nickerson, R.S. & Zodhiates, P.P., Technology in Education: Looking toward 2020. New Jersey: LEA., 1988. Novak, J. y Gowin D., Aprendiendo a aprender. Martnez Roca, 1984. Novak, J., Conocimiento y aprendizaje. Alianza Editorial, 1998. Olivera, A. y Ziga, S. Serie de Probabilidad y Estadstica (6 volmenes) . Editorial LIMUSA, 1987. Paulos, J., El hombre anumrico. Tusquets Editores, 1990. Paulos, J., Ms all de los nmeros. Tusquets Editores, 1993. Perkins, D., Smart Schools. From Training Memories to Educating Minds . New York: The Free Press. (Hay traduccin al espaol de Gabriela Ventureira en Gedisa Editorial, 1995, con el ttulo de La escuela inteligente.), 1992. Polya, G., Cmo plantear y resolver problemas. Editorial Trillas, 1965. Rico, Luis, Complejidad del currculo de matemticas como herramienta profesional RELIME: Revista Latinoamericana de Investigacin en Matemtica Educativa: Num 1, CLAME, Mxico: Thompson Editores, 1998. Rojano, T. & Ursini, S., lgebra con hojas electrnicas de clculo. Grupo Editorial Iberoamrica, 1997. Ruiz, B., Curso rediseado de matemticas remediales . Mxico: ITESM Campus Estado de Mxico. En la plataforma LearningSpace: RZSRZSH1/RZS/ITESM, LSPACE\VA\curmod\cemma801\, 1999. Selmes, I., La mejora de las habilidades de estudio. Paids. 1992.
Hoja 175
Seymour, D. & Shedd, M., Diferencias finitas. CECSA, 1981. Steen, L., On the shoulders of giants. The National Academy of Sciences, 1990. Stenmark, Jean K., La evaluacin de las matemticas. Mitos, modelos, buenas preguntas y sugerencias prcticas. NCTM, Reston, VA, 1992. (Seleccin y traduccin del Club de Matemticas del CECyT Wilfrido Massieu). Surez, L., El trabajo en equipo y la elaboracin de reportes en un ambiente de resolucin de problemas. Tesis de Maestra del Departamento de Matemtica Educativa del Cinvestav-IPN, 2000. Sullivan, Michael. Preclculo. Prentice-Hall, 1997. Szymborska, Wislawa. Poesa no completa. FCE, 2002. Torres, J., La Metodologa de Estudio en un Ambiente de Resolucin de Problemas. Tesis de Maestra del Departamento de Matemtica Educativa del Cinvestav-IPN, 1997.
Hoja 176

Probabilidad y Estadística Libro

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Probabilidad y Estadística Libro

Încărcat de

Drepturi de autor:

Formate disponibile

Probabilidad y Estadstica

Libro para el estudiante

Probabilidad y Estadstica Libro para el Estudiante

Libro para el estudiante

Materiales Auxiliares para la Organizacin del Aprendizaje MAPOA

3. Problemas I. Problemas II. Problemas con gua III. Proyectos

Ejercicios Lecturas Autoevaluaciones Bibliografa

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Programa de Probabilidad y Estadstica

Chao, Lincoln L. Introduccin a la estadstica. McGraw-Hill.

Probabilidad y Estadstica Libro para el Estudiante

ASPECTO A EVALUAR Potencia matemtica

Probabilidad y Estadstica Libro para el Estudiante

Secuencias de Actividades de Aprendizaje del Curso de Probabilidad y Estadstica

Problemas El basquetbolista Pregntate y Responde

Lecturas El mtodo de simulacin de Montecarlo

Captulo 2, pp 25 a 72. Ejercicios de la forma 5n+2 desde 2.1 hasta 2.90

Necesidad de datos (video)

Media, mediana y moda

Probabilidad y Estadstica Libro para el Estudiante

Problemas Y el hermoso Nireo, el ms hermoso ... Emergencias

Problemas con gua Colas: Una simulacin exitosa Misin posible?

Actividades Internet El azar y la probabilidad

La familia atribulada Conjuntos de nmeros Variable aleatoria y beisbol

Probabilidad y Estadstica Libro para el Estudiante

Problemas con gua De qu tamao debe ser la muestra?

Ejercicios Captulo 4, pp 165 a 172. Ejercicios desde 4.47 hasta 4.59

Lecturas Lily elige novio

Ordenaciones y Comparaciones Diagramas de rbol

El dilema de Monty Hall

Probabilidad y Estadstica Libro para el Estudiante

Problemas De Tepetitla a Ayeca Presunto inocente Coincidencias natales

Problemas con gua Un problema bonito Las medusas

Actividades Internet Distribucin de probabilidad continua

Lecturas Correlacin, intervalos y tests Altas esperanzas (video)

36-37 Estas bateras s son de fiar Atencin inmediata

Probabilidad y Estadstica Libro para el Estudiante

Esperanza falaz, azar fecundo Totoles y Escamoles

Probabilidad y Estadstica Libro para el Estudiante

Problemas con gua

Actividades Internet Distribucin normal e inferencia estadstica

Las medusas y el TLC TLC

Muestreo e inferencia estadstica

Probabilidad y Estadstica Libro para el Estudiante

Materiales Auxiliares para la Organizacin del Aprendizaje

Probabilidad y Estadstica Libro para el Estudiante

Para entrar en materia.

Materiales Auxiliares para la Organizacin del Aprendizaje

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Qu es el portafolio?, Qu debes tener en tu portafolio?

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

Probabilidad y Estadstica Libro para el Estudiante

8:30 pm 1:03 am 6:40 am 3:25 pm 4:15 am 8:41 am

Saeta Metrpolis Saeta Metrpolis Metrpolis Saeta