1.

PENSAR DETERMINISTA, PENSAR PROBABDUSTA Y PENSAR INFORMTICO

El hombre adquiri plenamente la condicin de tal cuando estuvo en posesin del lenguaje, es decir, cuando fue capaz de emitir sonidos articulados capaces de transmitir ideas a sus semejantes y, tambin, lo que es tanto o ms importante, le permiti ordenar las ideas en su propio intelecto. Dice San Juan en el comienzo de su Evangelio, que "en un principio fue el verbo, y el verbo era la vida y la luz". Con la palabra se pueden nombrar y distinguir las ideas con lo que el mundo del pensamiento se ilumina y el progreso comienza. El lenguaje permiti transmitir informacin, que almacenada en la memoria y transmitida de generacin en generacin, fue formando el depsito de conocimientos que proporcionaron, en cada poca, una particular visin del mundo y constituyeron una especial cultura. En el comienzo, el progreso fue lento, pues la transmisin era solamente oral y por tanto sujeta a continuas deformaciones y prdidas. Sin embargo, nombrando los fenmenos que observaba y relacionndolos entre s, el hombre fue conociendo inteligentemente su mundo y, con la repetida observacin de las relaciones de causa a efecto, fue descubriendo las leyes de la naturaleza y conformando su pensamiento lgico. El progreso se aceler cuando el hombre descubri la escritura, que permiti aumentar la memoria personal y transmitir y conservar las ideas a distancia en el espacio y en el tiempo. Al comienzo, esta escritura, sobre ladrillos o materiales de no fcil grabacin ni conservacin, era precaria y de difcil manejo. La escritura sobre papiros y pergaminos simplific el problema. Se grababan pensamientos que luego los entendidos podan desgrabar en cualquier momento y en cualquier lugar. Con ello el progreso se hizo ms rpido y aument el caudal de conocimientos y tambin la profundidad de los mismos. La posibilidad de escribir las ideas y la necesidad de que lo escrito resultara lo ms claro posible, obligaba a una labor de sntesis y a un ajustado anlisis de premisas y consecuencias, que ayud considerablemente a que el pensamiento fuera cada vez ms claro y preciso. Se ha discutido mucho sobre si es posible o no pensar sin palabras u otros smbolos que hagan sus veces. Sin duda, el pensamiento sera muy primitivo si no tuviera las palabras o los smbolos que le sirven de apoyo y de referencia para

poder ir ascendiendo en la escala del pensamiento ordenado. Se tienen sentimientos que escapan a la descripcin con palabras, pero no ideas no primitivas que no supongan una concatenacin de razonamientos lgicos. Cada idea se apoya en otras anteriores, que para sacarlas de la memoria y aplicarlas a la situacin deseada deben responder a una palabra precisa, a una combinacin de palabras o a un conjunto de smbolos equivalentes. El hombre tiene memoria, pero ella est limitada a una cierta capacidad, fuera de la cual necesita la ayuda exterior mediante smbolos que pueda visualizar o sonidos que pueda escuchar. Hay una memoria visual y una memoria auditiva, y a las dos se debe acudir para tener a mano los puntos de apoyo necesarios para ir elaborando nuevos pensamientos. Para expresar una idea tenemos que combinar un cierto nmero de palabras; la cuestin est en hacerlo de la manera ms exacta posible con un nmero mnimo de ellas. Es un problema inherente a todo lenguaje, que las modernas computadoras han resucitado al programar, con un nmero finito de indicaciones, la transmisin de una determinada idea o la solucin de un determinado problema.

El pensar determinista
En cada lenguaje, las ideas determinan las palabras necesarias para expresarlas. Recprocamente, las palabras disponibles encauzan las ideas dentro de determinados moldes, ayudando el desarrollo en determinadas direcciones preferenciales, en lugar de otras. Entendemos las palabras en el sentido amplio, pueden ser los smbolos de la matemtica o las abreviaciones de otras ciencias. Muchas veces la falta de un simbolismo adecuado dificulta el desarrollo del pensamiento. Veamos el ejemplo de los sistemas de numeracin. Pensemos en la poca de esplendor de la Grecia clsica. Para conocer bien la naturaleza y entender sus fenmenos, hace falta contar y medir. Hay que contar conjuntos discretos y medir magnitudes continuas. Sin embargo, los griegos no tenan un sistema de numeracin gil que les permitiera operar con nmeros grandes ni medir magnitudes no exactas. Las operaciones se hacan rudimentariamente para nmeros pequeos y magnitudes fcilmente medibles. Aunque su profundo espritu filosfico les permita concebir nmeros grandes, incluso el infinito, la imposibilidad de expresarlos y de operar con ellos les hizo dejar de lado toda la matemtica numrica. Euclides demostraba que existan

infinitos nmeros primos, pero le hubiera sido difcil dar ejemplos de ellos como los que expresamos actualmente con siete u ocho cifras. Desarrollaron la matemtica pura, pero por falta de un instrumento adecuado desconocieron la matemtica aplicada. Al no poder calcular con nmeros aproximados, redujeron la matemtica a lo que se puede calcular exactamente. Por esto excluyeron del tratamiento matemtico todas las ciencias biolgicas, esencialmente inexactas, prejuicio que dur hasta nuestro siglo. Todo se debi, insistimos, a la falta de un sistema de numeracin que permitiera operar con nmeros grandes y nmeros aproximados. La falta del smbolo perjudic la idea. Dado que no podan medir con precisin cmo sucedan los fenmenos, focalizaron su atencin en el porqu de los mismos, y con ello fueron moldeando un modo de pensar esencialmente determinista. Buscaban siempre la causa, supuesta nica, de los efectos observados. Esta situacin dur aproximadamente todo el primer milenio, pues las posteriores cifras romanas poco ayudaron a agilizar el clculo numrico. Pero en los siglos lindantes con el ao 1000 se introdujo en Europa, por obra de los rabes, el sistema actual de numeracin decimal. Fue un hecho trascendental para la matemtica y, por extensin, para toda la ciencia y todo el pensamiento cientfico. Se obtuvo un lenguaje cmodo para operar con nmeros grandes y con nmeros aproximados. La posibilidad de expresar el mundo exterior mediante smbolos concretos y sus reglas operatorias hizo nacer la nueva ciencia de Galileo (1564-1642), basada en la observacin y en la medida de lo observado. Luego, con el concepto naciente de funcin, se relacionaron esas medidas y se explicaron los fenmenos naturales. Gracias a los nuevos smbolos, nacieron nuevas ideas. La ciencia experimental es por esencia determinista, pues la posible repeticin de las experiencias supone que en las mismas condiciones los resultados sern siempre los mismos, es decir, estn determinados. Por tanto, con la nueva ciencia se afianz el determinismo de los griegos. El sistema de numeracin decimal permiti el desarrollo del lgebra, as como la exacta expresin cuantitativa de las leyes de la naturaleza y, sobre todo, permiti a Newton y a Leibniz la creacin del clculo infinitesimal, con sus ideas bsicas y trascendentes que aclararon las dificultades de los griegos sobre el paso al lmite (paradoja de Aquiles y la tortuga) y la continuidad existencia del movimiento). Con la mecnica de Galileo y el clculo de Newton se pudo estudiar con xito el movimiento de los cuerpos celestes, de manera que a partir de ciertas condiciones iniciales se poda calcular exactamente su evolucin futura. Se

consagr as, en el campo cientfico, la idea determinista, que alcanz el mximo exponente con Laplace (1749-1827) al afirmar que si se conoca en un momento dado exactamente el estado del mundo, se podra calcular su evolucin futura con toda precisin. Se excluye la posible intervencin del azar. En vista de su xito en las ciencias naturales, el pensamiento determinista fue quedando como exclusivo en la educacin general. Esta situacin ha perdurado casi hasta nuestros das, pues la probabilidad y la estadstica no fueron consideradas prcticamente en los estudios formales de los primeros ciclos de la enseanza. Los problemas que no se podan resolver exactamente, como son aquellos en que interviene el azar, se consideraron ajenos al tratamiento de la matemtica, con lo cual se conform una especial formacin intelectual sesgada hacia el determinismo.

El pensar probabilista
La idea de probabilidad, en forma intuitiva y vaga, data de muy antiguo. Sfocles atribuye la invencin del juego de dados a Palamedes, quien lo habra enseado a sus compatriotas durante el sitio de Troya (siglos X u XI antes de nuestra era). Pero la creacin del clculo de probabilidades con base cientfica firme fue obra de Pascal (1623-1662) y Fermat (1601-1665) en una clebre correspondencia que mantuvieron en 1654. Desde entonces se desarroll extensamente, y sus resultados, combinados con la estadstica, fueron extendindose a muchas actividades del hombre. Sin embargo, por el xito predominante de la filosofa natural y el clculo de Newton, las ideas probabilistas quedaron al margen de los estudios formales en las escuelas. Entraron en la educacin en el presente siglo por el extremo superior de la enseanza terciaria, pero no se consideraron en las enseanzas primaria y secundaria, con lo cual la mayora de la poblacin ha quedado ignorante del pensar probabilista, a pesar del incremento incesante de sus aplicaciones a la vida diaria. Por esto la probabilidad es poco comprendida por los no especialistas y su tratamiento es rico en aparentes paradojas. La ley de los grandes nmeros, la equivalencia de probabilidad y frecuencia, la carencia de memoria de la ruleta y otros juegos de azar, la suficiencia de las muestras para conocer ciertas proporciones, son algunos ejemplos de conceptos que no son

intuitivos y que dificultan para los no versados la correcta interpretacin del mundo exterior. Desde hace unos pocos aos se trata de corregir esta situacin introduciendo las ideas probabilistas en la educacin desde sus comienzos. Se ha estudiado la gnesis de la idea de probabilidad en la formacin del pensamiento y hay importantes estudios sobre ello iniciados por Piaget e Inhelder (1951) y proseguidos por Fischbein (1975) entre otros muchos. Se ha llegado a la conclusin de que la probabilidad no es tan intuitiva como el determinismo, que tiene siglos a su favor, pero que puede hacerse intuitiva desde edades tempranas con una adecuada presentacin y ejercitacin. Segn Piaget e Inhelder, en lo que respecta a la probabilidad, se distinguen tres etapas en el desarrollo intelectual del nio. Antes de los 7-8 aos, "el nio no distingue lo posible de lo seguro y se mueve en una esfera ajena a la idea de azar, su pensamiento oscila entre lo previsible y lo imprevisto, pero sin que haya en l nada seguramente previsible, o sea, deducible por necesidad, ni imprevisible con seguridad, es decir, fortuito". Despus de los 7-8 aos, con el conocimiento de las operaciones lgicoaritmticas, empieza la idea de azar: "de un lado el descubrimiento de la necesidad deductiva permite al sujeto descubrir, por anttesis, el carcter no deducible de las transformaciones fortuitas aisladas y diferenciar lo necesario de lo simplemente posible". En la tercera etapa, a partir de los 11-12 aos, aparece "una sntesis entre el azar y las operaciones, las cuales permiten estructurar el campo de las dispersiones fortuitas en un sistema de probabilidades, por una especie de asimilacin analgica de lo fortuito con la operatoria". Fischbein, por su parte, comprueba que a esas edades, con una adecuada y repetida ejercitacin se puede llegar a hacer intuitivas las leyes del azar, "incluso en edades inferiores a los 10 aos el nio es capaz de asimilar esquemas probabilistas con la ayuda de una instruccin elemental conveniente". Ms o menos de la misma manera piensan Glaymann y Varga, al decir: "Ante una situacin aleatoria, hasta los 5 o 6 aos, el nio piensa que puede prever el resultado; un poco ms tarde responde que no puede afirmar nada y. gradualmente, descubre que existen, en el caos aparente del mundo aleatorio, leyes que permiten estimar la realidad. Hasta los 14 o 15 aos parece difcil presentar el dominio de las probabilidades como una ciencia deductiva, pero mediante ejemplos convenientes se puede conducir a los chicos a entrever y a utilizar las leyes del azar. Ellos deben considerar este dominio, no solamente como una rama de la matemtica, sino como una aproximacin al mundo real. El

profesor, si lo desea, podr utilizar la probabilidad como una motivacin profunda, una verdadera fuente de inspiracin, para mejorar su enseanza y sugerir a los alumnos herramientas de pensamiento y resultados matemticos fecundos". Esto probara que la falta de intuicin probabilista en la gran mayora de las personas es una consecuencia de que su educacin ha sido puramente determinista y ha considerado a la probabilidad como fuera de las posibilidades de un tratamiento racional. A los niveles elementales de la educacin formal, hasta hace muy poco, se ha considerado el azar como irreconciliable con la estructura del pensamiento lgico. Sin embargo, el desarrollo del pensar probabilista es fundamental en el mundo de hoy. En muchos quehaceres diarios se encuentran problemas que no se pueden resolver exactamente, pero de los cuales no es posible desentenderse y hay que estar educado para intuir o saber dirigir bien el pensamiento para una correcta accin. La vida es una continuidad de decisiones, y cada decisin supone una eleccin entre distintos estados posibles, cada uno con una determinada probabilidad. En la actual sociedad de consumo, las decisiones son tomadas muchas veces bajo la influencia de la propaganda y conviene estar preparado para contrarrestar este efecto, no siempre saludable. La observacin de pruebas repetidas conduce a ciertas leyes, a pesar de la indeterminacin de cada caso particular, que conviene hacer intuitivas o, por lo menos, adaptar la mente a que no parezcan irracionales. Hay que educar sobre el uso de muestras y la estimacin de s son o no significativas, por sus muchas aplicaciones, por ejemplo en el anlisis de mercados. La probabilidad de ganar en un juego, las probabilidades de vida o de muerte, la probabilidad de accidente, la probabilidad de que resulte electo un determinado candidato, son cuestiones aleatorias que no se pueden resolver exactamente con ideas deterministas, pero de las cuales mucho se puede decir, llegando a resultados de valor suficiente para un correcto comportamiento en la vida diaria. La existencia de numerosas y largas colas en mltiples quehaceres cotidianos es una prueba de la ignorancia, en los niveles directivos, de los ms elementales principios de la teora de filas de espera. Numerosos resultados se basan en estadsticas empricas y hay que estar preparado para tratar correctamente la informacin que ellas suministran y descartar intuitivamente, por educacin intelectual, las aparentes paradojas y contradicciones que aparecen con frecuencia en los fenmenos aleatorios. Elementos de la teora de muestras, uso de tablas de nmeros al azar, juegos de estrategia, tomas de decisin, etc., son esquemas de pensamientos tiles e

instructivos para el comportamiento en la vida. Tambin es instructivo educar en la valoracin de probabilidades muy pequeas que, aunque corresponden a sucesos posibles, no deben tenerse en cuenta en el comportamiento habitual por ser demasiado improbables. Muchas veces se ha abusado de las estadsticas, pues con unos mismos datos, mediante grficos adecuados, dibujados con diferentes escalas, se pueden aparentar consecuencias diferentes y, sobre todo si se altera el mtodo de recoleccin de datos o de muestras, a travs de promedios mal planteados, se puede llegar a conclusiones errneas. Ejemplos tpicos de ello se encuentran en el libro de Darrell Huff How to lie with statistics (1954), en el cual se dice, con razn: "los mtodos y los trminos estadsticos son necesarios para informar sobre muchos datos de las actividades econmicas y comerciales, sondeos de opinin y censos de todo tipo. Pero sin autores que usen las palabras con honestidad y comprensin y lectores que conozcan lo que ellas significan, el resultado puede ser nicamente una semntica sin sentido". La comprobacin prctica de los resultados probabilistas necesita en general de largas operaciones o de engorrosas experiencias, pero esto ha sido simplificado por las computadoras, con sus posibilidades de simular procesos vinculados con el azar. De aqu que la enseanza de las probabilidades y de la estadstica, en los niveles iniciales, vaya siempre acompaada de la enseanza de la computacin. El pensar probabilista se educa y agiliza con el uso de las computadoras y forma parte del pensar informtico a que stas conducen.

El pensar informtico
Con la introduccin del sistema de numeracin decimal indio-arbigo se rompi una barrera aritmtica que haca imposibles los clculos con nmeros grandes y engorrosas las operaciones con nmeros de uso corriente. Muchos problemas, hasta entonces complicados y slo tratables por especialistas, pasaron a ser de tratamiento comn, por ejemplo el clculo de las fechas de Pascua y otras festividades mviles de la Iglesia. Se pudieron expresar en nmeros muchos fenmenos naturales y se abrieron nuevos y extensos horizontes a toda la ciencia. Aparecieron tambin nuevos problemas que antes no se vislumbraban, pues faltaba el instrumento adecuado para desarrollar la idea. Se tuvo una visin nueva del mundo.

Sin embargo, con el sistema decimal, a pesar de las numerosas tablas de nmeros y de funciones que se fueron elaborando, como los logaritmos, el progreso tena sus limitaciones. Pasado un cierto nmero de ecuaciones y de incgnitas, los problemas pasaban a ser intratables o necesitaban fuertes simplificaciones que a veces llegaban a tergiversarlos. Cuando a mediados del presente siglo aparecieron las computadoras electrnicas, se derrib una segunda barrera calculatoria y las perspectivas para la ciencia invadieron nuevos terrenos desconocidos. Los problemas matemticos se vieron bajo otro ngulo, desde el cual no interesa el nmero de incgnitas, parmetros o ecuaciones, que puede ser muy grande. Se pueden ensayar soluciones e ir aproximndolas por ensayo y error. La matemtica se vuelve, en parte, una ciencia experimental. Por otra parte, el tratamiento numrico o cuantitativo de los problemas se puede extender a dominios en los que el clculo tradicional resultaba impotente, como las ciencias del hombre y la biologa, aparte de muchas ramas de las ciencias naturales, como la meteorologa y la geofsica, en las que slo la consideracin de grandes cantidades de datos permite tratar los problemas. Con la simulacin, las computadoras han permitido tratar y analizar el desarrollo de problemas y fenmenos de ndole muy diversa. Han nacido nuevas teoras, como la reconstruccin de patrones y el reconocimiento de muestras que nos permiten acercarnos a una especie de inteligencia artificial. La cantidad de informacin que renen las computadoras, a travs de bancos de datos, es incomparablemente mayor que la de los mtodos convencionales. Las bibliotecas resultan pequeas debido a la actual ingente cantidad de publicaciones de todas clases. Gran parte de la informacin que suministran esas publicaciones ha podido condensarse en las memorias de las computadoras y en bases de datos adecuados. El hombre debe ser educado para sacar provecho de las computadoras, tanto de sus posibilidades de clculo o de simulacin, como de sus posibilidades de informacin. En la educacin, las computadoras deben contribuir a ir moldeando un pensamiento informtico, que sepa ver el mundo a travs de las posibilidades que ellas ofrecen y utilizar convenientemente las mismas. Veamos algunas caractersticas: a) La posibilidad de tratar muchos datos simultneamente hace crecer el uso de la estadstica. Con la facultad de simular situaciones, el intelecto se va apoyando en ellas para adquirir conocimiento. La necesidad de reducir las situaciones a sistemas capaces de ser tratados por las computadoras va

engendrando una manera de pensar esquemtica y eficaz, ms dirigida hacia el nudo de las cuestiones y a las maneras de desatarlo. Con el lenguaje de las computadoras se ponen de manifiesto muchas analogas entre fenmenos diferentes, que no se vislumbran en el lenguaje comn. b) Para los clculos numricos se pueden probar mtodos y comprobar resultados, afinando unos y otros sucesivamente. Con ello se pierde o se transforma el concepto tradicional de rigor, y se hace innecesario un excesivo cuidado en el razonamiento, pues todo error se pone de manifiesto con las computadoras al hacer la comprobacin. Habr menos preocupacin por ahorrar pensamiento y se desarrollar la capacidad para actuar con grandes cantidades de datos y para ordenarlos y usarlos adecuadamente. Un pensar lineal, como el clculo actual, devendr posiblemente en un pensar ramificado en varias dimensiones y surgirn nuevas relaciones y resultados. Para los problemas, adems de la "dificultad" surge una nueva componente, que es la "complejidad", que mide la cantidad de pasos o de operaciones para su solucin. Muchos nuevos problemas, ahora nebulosos, se plantearn y resolvern, abriendo nuevos caminos a lo desconocido. c) El pensar informtico utiliza lenguajes de posible adaptacin a las computadoras. Las palabras y frases son indicaciones precisas y las instrucciones no pueden ser contradictorias: se agiliza el pensamiento lgico. En el lenguaje corriente, rgano del pensar clsico, para expresar una idea se necesitan varias palabras, a menudo imprecisas tomadas separadamente, pero que en su conjunto permiten transmitir la idea deseada. A medida que el lenguaje adquiere precisin, las palabras son menos ambiguas y las frases van tomando sentido ms exacto. El pensar informtico estar influido por los lenguajes de las computadoras, compuestos de palabras y smbolos individualmente precisos, por lo que ser cada vez ms escueto y exacto. Antes de ser la escritura cosa corriente, las obras literarias se transmitan oralmente, y no hay duda de que con el nfasis de la diccin haba una mayor riqueza de contenido transmitido. La Riada de los trovadores tena, sin duda, mucha ms penetracin en el auditorio que posteriormente en sus lectores. Igualmente, las frases transmitidas por las computadoras no sern tan floridas como las transmisiones orales o las de la escritura convencional. Al pensar en

forma ms escueta y precisa, tambin el lenguaje se ir volviendo ms simple y se ir podando de muchos circunloquios clsicos. Si el mtodo de transmisin influye sobre las ideas, con el uso de las computadoras el pensamiento se ir haciendo ms preciso, ms cientfico. Ganar en profundidad, perdiendo farfolla y adjetivos innecesarios. Es posible que ello redunde en una formacin ms intelectual que sentimental. Se transmitirn mejor y ms exactamente las ideas, pero ser ms difcil transmitir los sentimientos. Con la palabra escrita se perdi la fuerza sentimental de la entonacin oral, y con la informtica seguramente esta tendencia se acentuar todava ms. Sin embargo, como el sentimiento es algo inherente al hombre, es claro que no podr desaparecer, pero s transformarse. Se tendr siempre un arte y una poesa, pero seguramente sern un arte y una poesa diferentes de los tradicionales. En la Edad Media, los hindes y tambin los rabes, al crear el lgebra, vestan muchas veces a la matemtica de un ropaje potico y muchos problemas se escriban en verso o en forma de adivinanza, con lenguaje metafrico. Se usaba la poesa para expresar la matemtica. Con el pensamiento informtico ocurre lo contrario, habr que buscar poesa en el fondo y en la forma de los programas de las computadoras. Habr que buscar belleza en la programacin y en la simulacin de situaciones problemticas. Ser, al principio, una belleza para iniciados, pero se ir extendiendo de manera general. En 1952, el artista plstico Vassarely (1930-1976) deca: "terminemos con la naturaleza romntica: nuestra naturaleza es la bioqumica, la astrofsica y la mecnica ondulatoria". En la poca de las computadoras, estos conocimientos cientficos tomarn forma de un pensamiento esquematizado, sin vaguedades superfluas. Todo el lenguaje se basar en vocablos ceidos a su estricto significado, libre de adiposidades, aunque no demasiado esqueltico para que conserve la vida y pueda crecer y cultivar la forma. Incluso las ideas msticas, metafsicas o poticas, de por s vagas, tomarn, por influencia de la educacin informtica, formas ms exactas. Se har ms precisa la correspondencia entre el significante y el significado. Es intil discutir si esto ser bueno o malo para el hombre, pues la suerte est echada, y somos arrastrados por el torbellino de un explosivo mundo cientfico tecnolgico, que es imposible detener. A primera vista puede parecer que ello va a ser en detrimento del sentimiento y de la espiritualidad, pero el alma humana nunca dejar de ser la conjuncin de sentimiento y razn con que fue creada. Se ir moldeando otra espiritualidad que podramos decir de segundo orden; pero al lado del pensamiento informtico, basado en la razn y la

deduccin lgica, existir el sentimiento, con la fuerza de siempre, aunque tal vez con otros y posiblemente ms ricos medios de expresin.

2. UN POCO DE HISTORIA
El concepto de probabilidad seguramente estuvo implcito en la mente del hombre desde los tiempos ms remotos. Tanto en sus caceras, para lograr el sustento, como en sus luchas, para dominar territorios, es evidente que en su interior meda, de manera intuitiva e imprecisa, las mayores o menores posibilidades de conseguir sus objetivos. Fue naciendo en l la idea de una cierta probabilidad de que tuviera lugar o no un determinado suceso. Cuando nacieron los juegos de azar, como entretenimiento, conducente a veces a obsesin apasionada, la idea cualitativa de la probabilidad era ya firme y clara. Faltaba la evaluacin cuantitativa y la reduccin de la medida de ciertas probabilidades en funcin de la medida de otras ms simples, lo cual necesit una matemtica evolucionada que tard siglos en aparecer. El juego de azar ms antiguo del que se tiene noticia y que ha perdurado hasta el presente es el juego de dados, mencionado en el Rig Veda, libro sagrado de la India, unos mil aos antes de nuestra era, y descrito tambin por Sfocles, como ya dijimos, que atribuye su invencin a Palamedes, quien lo habra enseado a los contendientes durante la Guerra de Troya (siglo X a.J.C). Tambin la estadstica, en su forma elemental de ordenacin de datos, debi aparecer desde sus comienzos en todas las civilizaciones, ante la necesidad de registrar pertrechos de guerra, nmero de habitantes de las poblaciones, cantidad de alimentos, datos astronmicos y cualquier otra informacin necesaria para ordenar el presente y programar el futuro. Sin embargo, tanto la probabilidad como la estadstica tardaron siglos en ser admitidas dentro del saber ortodoxo o acadmico. Los juegos de azar, en los que la probabilidad tiene su mxima interpretacin, eran considerados censurables desde el punto de vista moral. As, el naturalista Buffon, en su famoso Ensayo de aritmtica moral (1777) deca: "Los juegos de azar, por su naturaleza misma son un contrato vicioso desde su origen, contrato perjudicial a cada contratante en particular y contrario al bien comn de toda la sociedad". Este origen espurio hizo que el clculo de probabilidades entrara tardamente en el campo de la matemtica. Los primeros problemas que se

presentaban en los juegos de azar eran resueltos intuitivamente por los mismos jugadores, pero a medida que se quisieron ir complicando las reglas de los juegos, para tener una mayor variedad y hacerlos ms atractivos e interesantes, y a medida que se quiso al mismo tiempo una mayor exactitud en las condiciones o leyes que deban regirlos, apareci la necesidad de dirigirse a los matemticos y stos empezaron a interesarse por ellos. Parece que el primer cientfico de fama que se ocup de un problema de probabilidades fue el mismo Galileo (15641642). Se trataba de un juego de dados llamado del "pasadiez", que consista en lanzar tres dados a la vez y sumar los tres puntos resultantes, ganando el jugador si la suma resultaba superior a 10 y perdiendo en el caso contrario. Es fcil ver que el juego es equitativo, es decir, que la probabilidad de ganar es igual a la de perder. El hecho que pareca paradjico a un jugador, que al mismo tiempo deba ser un fino observador, era que en la suma de los puntos de los tres dados el nmero 11 sala con ms frecuencia que el 12 y el 10 con ms frecuencia que el 9, a pesar de que todos estos nmeros pueden obtenerse como resultado de 6 combinaciones diferentes. As, la suma 9 puede obtenerse con las seis combinaciones (1, 2, 6), (1, 3, 5), (1, 4, 4), (2, 2, 5), (2, 3, 4), (3, 3, 3), la suma 10 con las combinaciones (1, 3, 6), (1, 4, 5), (2, 2, 6), (2, 3, 5), (2, 4, 4), (3, 3. 4) y anlogamente con el 11 y el 12. En opinin del jugador, si los nmeros 9, 10, 11, 12 se podan formar con el mismo nmero de combinaciones, cada uno de ellos debera aparecer en el juego con la misma frecuencia. Consultado Galileo, la explicacin fue simple: basta tener en cuenta que no todas las combinaciones son igualmente posibles, as la combinacin (3, 3, 3) solamente puede presentarse de una sola manera, mientras que la (1, 2, 6) se puede presentar de 6 maneras, permutando los nmeros 1, 2, 6 entre los tres dados. De esta manera calcula fcilmente Galileo que los casos posibles en que la suma vale 9 son 25 y aquellos en que la suma vale 10 son 27, lo cual explica que la probabilidad de sumar 10 sea mayor que la de sumar 9 y lo anlogo ocurre con 11 y 12. Hemos expuesto este ejemplo con todo detalle por su valor histrico (la historia tiene tambin valor pedaggico en la enseanza de la matemtica) y como ejercicio para los alumnos del nivel medio cuando aprenden a calcular los casos favorables y posibles de un suceso compuesto, lo cual es el origen de muchas confusiones al comienzo del aprendizaje de las probabilidades. Ms complicado es otro problema de dados que motiv una correspondencia entre los dos grandes matemticos franceses Fermat y Pascal en el ao 1654, a raz de un problema propuesto a Pascal por un tal Caballero de Mer, que consista en explicar cmo poda ser que fuera ms ventajoso sacar

por lo menos un 6 en cuatro jugadas con un solo dado, que sacar por lo menos una vez el doble 6 con dos dados en 24 jugadas (a pesar deca el caballero de Mer que 4 es a 6 como 24 es a 36). La explicacin no es tan simple como en el caso de Galileo, pero Pascal y Fermat dieron la solucin, con la cual se considera que nace, dentro de la matemtica, el clculo de probabilidades. El hecho de haberse interesado en las probabilidades nada menos que Pascal y Fermat, hizo que ellas empezaran a interesar a otros matemticos, y as en 1713 aparece la famosa Ars Conjectandi de Jacobo Bernoulli y un siglo despus la monumental Theorie Analytique des probabilits de P. S. Laplace (1812), base de todo el desarrollo ulterior de los siglos XIX y XX, que ha invadido prcticamente todas las ramas de la ciencia. Hoy en da la bibliografa sobre las probabilidades y la estadstica, al nivel universitario, es muy extensa y para todos los gustos. Sin embargo, escasea en los niveles elemental y medio de la enseanza, a pesar de los esfuerzos que se hacen en todo el mundo para incrementar los conocimientos probabilistas y estadsticos en niveles cada vez ms bajos de la enseanza, desde la escuela primaria, por tratarse de conceptos indispensables en el mundo moderno. La estadstica se inici independientemente de la probabilidad, como recoleccin de datos y tablas de mortalidad, relacionadas ms bien con la poltica, la geografa y la economa que con la matemtica. Tan slo en el siglo XIX se vincul la estadstica con las probabilidades para obtener de los datos recolectados resultados que permitieran predicciones y en cierto modo medir la confiabilidad de las mismas.

LA ENSEANZA DE LAS PROBABILIDADES La probabilidad en la enseanza de la matemtica

Tradicionalmente, la matemtica se consider como la ciencia exacta por antonomasia. Las facultades en las que se enseaba la matemtica se llamaron facultades de ciencias exactas, como para indicar que lo inexacto era ajeno a ellas. La recordada frase de Scrates de que la geometra es el conocimiento de lo que siempre existe y no de lo que nace y muere con el tiempo, extendida a toda la matemtica, pareci indicar que sus resultados deben ser definitivos,

inmutables y precisos. Por otra parte, las aplicaciones a la fsica, sobre todo a la mecnica y especialmente a la mecnica celeste, contribuyeron a afianzar la idea de exactitud que deba presidir toda la matemtica, cuyos resultados deban tener toda la exactitud que se quisiera, tanto en dimensin (cualquier fraccin de milmetro), como en tiempo (cualquier fraccin de segundo). La teora de las probabilidades se fue desarrollando por cuerda separada, tambin por matemticos, pero fuera de los claustros acadmicos, sin que figurara en los planes de estudio de las carreras universitarias, ni mucho menos en los de las enseanzas elemental y media, cuya matemtica se sobreentenda que deba tratar nicamente cuestiones deterministas. No se consideraban los problemas de solucin ambigua o imprecisa, a pesar de la importancia que ellos pudieran tener en la vida real. La probabilidad era considerada como la anttesis de toda ley y por tanto sus problemas y resultados puntuales imprevisibles quedaban fuera de la matemtica escolar. A principios del corriente siglo las aplicaciones de la matemtica empezaron a salir de sus cauces tradicionales, inicindose las aplicaciones a las ciencias del hombre: economa, sociologa, psicologa. Tambin la biologa, en varias de sus ramas, como la morfognesis y la gentica, necesit y us con provecho la matemtica. Result, sin embargo, que la matemtica til para esas disciplinas no es, en general, la matemtica exacta de la fsica o de la ingeniera, pues no pretenda llegar a conclusiones exactas, sino simplemente llegar a afirmaciones correctas con cierta probabilidad y dar tendencias generales sobre el comportamiento global de ciertos datos y predecir si las cantidades consideradas caan o no dentro de ciertos lmites, trabajando en general con desigualdades y, en vez de referirse a un hecho concreto, se refera a un conjunto de hechos, llegando a conclusiones sobre lo que ocurrir en la mayora de ellos, aunque en algunos casos pueda fallar. Si lanzamos un dado bien construido mil veces podemos decir que es seguro que no saldr siempre el nmero 3, si bien aqu la palabra seguridad tiene un sentido diferente al tradicional en matemticas. Estamos seguros de ello y adaptaremos nuestras normas de vida a esta completa seguridad, aunque podra ocurrir lo contrario, pero la probabilidad de que ello ocurra es tan pequea que es sensato actuar como si el hecho fuera completamente seguro. Este simple ejemplo muestra el camino por el cual la probabilidad ha entrado en las ciencias del hombre. Pierde en exactitud pero gana en el nmero de situaciones en que es aplicable. Pasado un cierto lmite, variable segn el problema, la exactitud no

sirve para nada. Puede ser interesante saber la hora de llegada de un avin, en horas y minutos exactos, pero no servira para nada, aunque se pudiera calcular, saber el momento de la llegada con la precisin de una dcima de segundo. Anlogamente, interesa mucho saber la opinin de la mayora de los habitantes de un pas, y por esto se realizan elecciones y, para predecir los resultados, sondeos de opinin, pero interesa muy poco la opinin particular de un determinado individuo. Esta matemtica, menos precisa y menos referida a casos concretos, es ms til que la tradicional para tratar las ciencias no exactas y no hay duda de que debe ser incluida en la educacin. De aqu el cambio por el que se ha estado luchando en las ltimas dcadas: sustituir o transformar la matemtica clsica, rgida y para un mundo ideal, por una matemtica ms flexible y para el mundo real. La rigidez versus flexibilidad se refiere naturalmente al aspecto calculatorio y utilitario. En cuanto a razonamiento lgico, toda la matemtica es igualmente rgida. No hay demostraciones aproximadas: o son verdaderas o son falsas. Pero, en cambio, s hay resultados aproximados. Si logramos predecir que la temperatura de pasado maana a las diez horas estar comprendida entre 12 y 16 centgrados habremos dicho mucho, aun sin dar el valor exacto. Si en economa se puede llegar a predecir que con tal o cual medida de gobierno la desocupacin aumentar, ya se tiene un dato de gran valor, aun sin saber el nmero exacto de personas que quedarn sin trabajo. Adems de su utilidad en muchos aspectos de la vida moderna, la introduccin de las probabilidades y de la estadstica en las escuelas elemental e intermedia se justifica por otras varias razones, como ser: a) dan motivo para ejercitar el razonamiento y los clculos matemticos tradicionales, por ejemplo en la parte de combinatoria, a la que suministra los mejores y ms atractivos ejemplos. b) muestran cmo pueden tratarse situaciones inciertas, llegando a resultados no exactos pero suficientemente aproximados para las necesidades prcticas. c) instruyen sobre el anlisis de grficos y la construccin de los mismos, para lo cual hay que practicar la recoleccin y ordenacin de datos, lo que es de mucha ayuda en una gran variedad de quehaceres de la vida ordinaria. d) a partir de tablas y de grficos, ensea a interpolar y extrapolar para estimar valores no contenidos en las tablas.

e) educa para comprender la simulacin de situaciones y graduar la mayor o menor confiabilidad de ciertos resultados y de ciertas propagandas en la actual sociedad de consumo. f) ayudan a comprender el grado de equitatividad en los juegos de azar y en los seguros de cualquier clase, tan abundantes en la vida actual. g) introduce la idea de correlacin entre variables, lo que viene a ser una generalizacin natural de la idea de funcin, suministrando interesantes ejemplos para discutir en la clase. La necesidad de incluir la probabilidad y la estadstica en los planes de estudio de las escuelas elemental e intermedia es ya un hecho indiscutido en todo el mundo. Desde mediados de siglo, sobre todo desde la dcada de los aos 60, ha sido una recomendacin persistente en todas las conferencias y congresos sobre educacin matemtica ver los Proceedings de los congresos internacionales sobre educacin matemtica de Berkeley (1980), Adelaide (1984), Budapest (1988) y Quebec (1992). Mucho se ha logrado, pero debido a la lentitud tradicional para introducir modificaciones en la dinmica educacional, todava queda mucho por hacer. A pesar de los estudios que ya hemos mencionado iniciados por Piaget e Inhelder en 1951, segn los cuales a los 10 o 12 aos los alumnos ya estn en condiciones de asimilar las ideas probabilistas, estudios confirmados por muchos autores y experiencias posteriores, es muy poco lo que se ha hecho en la enseanza elemental (hasta los 10 aos). En la escuela intermedia y del Tercer Ciclo (12 a 14 aos) se ha avanzado bastante, pero todava se nota una falta de sedimentacin que asegure un consenso general acerca de los contenidos y de la metodologa ms apropiados para incluir todo lo que al respecto se considera til y necesario. En general, es costumbre aadir en uno o varios cursos de matemtica unas nociones de probabilidad y de estadstica, desvinculadas del resto del curso, con sus problemas propios, lo cual es interesante y puede servir para practicar tcnicas calculatorias ya adquiridas, pero no es el ideal, que sera que las probabilidades y sus aplicaciones estadsticas se presentaran mezcladas con el resto de la matemtica, como facetas de un mismo pensar matemtico, que incluye el pensar determinista junto con el probabilista. A pesar de esta unidad de pensamiento lgico, hay que observar que la probabilidad presenta particularidades propias que la distinguen de la matemtica determinista. Un ejemplo tpico es la transitividad. Estamos acostumbrados a que si en una relacin de orden A supera a B y B supera a C, entonces A supera a C. Sin embargo esto no sucede en el terreno de las probabilidades. Es un hecho

observado, aunque siempre chocante, que en un campeonato puede suceder que el equipo A gane al B, que el B gane al C y que, sin embargo, el C gane al A. Un ejemplo fcil para comprender la aparente paradoja consiste en considerar 4 jugadores que disponen de dados diferentes: el dado del jugador A tiene en todas las caras el nmero 3; el dado del jugador B tiene el 2 en cuatro caras y el 6 en las otras dos caras; el dado del jugador C tiene el 1 en tres caras y el 5 en las otras 3, y el dado del jugador D tiene el 4 en cuatro caras y el 0 en dos caras. Supongamos que juegan dos a dos cada uno con su dado y que gana el partido el que saca el nmero mayor. Es fcil de ver que el juego es ventajoso para A sobre B, para B sobre C, para C sobre D y que, sin embargo, es ventajoso para D sobre A. Otro ejemplo simple puede ser tomar tres fichas iguales, A, B, C, y anotar en la ficha A el nmero 5 en una cara y el 3 en la otra; en la ficha B el 1 en una cara y el 6 en la otra y en la ficha C el 2 en una cara y el 4 en la otra. El juego consiste en lanzar cada jugador su ficha al azar y gana el que saque el nmero mayor. Es fcil ver que A y B tienen la misma probabilidad de ganar entre s, que lo mismo ocurre entre B y C y que, sin embargo, al jugar A y C el juego es favorable a A (pues la probabilidad de ganar A es 3/4).

Tablas de nmeros al azar

La resolucin experimental de problemas de probabilidades finitas, o ben la comprobacin de resultados tericos sobre ellos, exige en general el uso de ruletas, bolilleros, dados o monedas para simular la situacin. Sin embargo, el uso en el aula de estos instrumentos es poco prctico y difcil de controlar. Ellos pueden sustituirse, con ventaja, por tablas de nmeros al azar, como vamos a mostrar con algunos ejemplos. Cada alumno debe disponer de una tabla de nmeros al azar de 500 dgitos. Es fundamental que esta tabla sea diferente para cada alumno, pues de esta manera el conjunto de la clase actuar como si dispusiera de una tabla de 500 veces el nmero de alumnos (si son 30 alumnos se tendr en total una tabla de 15.000 dgitos), con lo cual los resultados sern ms confiables. Hay muchas maneras de construir una tabla de nmeros al azar. El ms primitivo y directo consiste en poner en una bolsa o bolillero los diez nmeros 0, 1, 2, 9 e ir sacndolos al azar, reponindolos y mezclndolos cada vez. Tambin se puede copiar de algn texto de probabilidades que contenga tales tablas, en

cuyo caso, como suelen contener muchos ms que 500 dgitos, se pueden repartir entre distintos alumnos. Muchas calculadoras y minicomputadoras tienen programas para engendrar nmeros al azar. El libro de Glaymann-Varga (1973) contiene otros procedimientos. Cada alumno elegir el mtodo que quiera, bajo la orientacin del profesor, pero insistimos en la importancia de que las tablas de cada alumno sean todas diferentes, para evitar copias y para llamar la atencin sobre el hecho de que, con tablas de diverso origen, las soluciones de los problemas son siempre bastante coincidentes. Damos a continuacin un ejemplo de tabla de nmeros al azar, para fijar las ideas en los ejemplos que vamos a considerar.

TABLA DENMEROS AL AZAR

9739 7542 8899 7479 5030 5649 7148 0336 5473 7525 7960 9326 0720 4771 6247 2344 2056 9202 1897 7107 6803 0279 3882 4737 6264 3018 5352 2214 1740 1610 4851 7213 0873 6967 0614 4350 3269 0315 5739 3799 0487 0938 8606 5006 8673 7479 6938 0086 0282 8347 5461 1596 5109 2163 5416 9300 3485 4172 3171 5916 2199 2655 7493 0013 5671 6441 6310 7844 7900 1317 0449 9164 2836 5639 6320 6445 4353 9859 6423 8012 9470 0877 3945 1604 2958 0999 1405 1363 2991 2410 1139 8629 0843 0646 1949 0238 7752 1717 0263 1695 4684 3275 4333 2516 1461 1208 2680 3850 7692 6573 8495 6210 8242 3758 2531

6972 6477

9794 8391

3609 5260

5300 0141

0853 5332

Ejemplo 1. Un examen consta de 10 temas y para cada alumno se elige uno al azar. Suponiendo que se examinan 4 alumnos, se desea la probabilidad de que los temas que les han correspondido sean todos distintos. Para simular la situacin, asignemos a los temas los nmeros 0, 1, 2, ... 9. Cada grupo de 4 nmeros de las tablas de nmeros al azar pueden representar los temas que han tocado a los 4 alumnos. Se tienen as simulados 125 exmenes (los 125 grupos de 4 nmeros de las tablas). De ellos, se cuenta que hay 71 en los cuales los 4 nmeros son distintos. Este ser, por tanto, el nmero de exmenes en los cuales los 4 temas han salido distintos para cada alumno, dentro de la muestra de 125 exmenes que la tabla permite simular. Por tanto la probabilidad experimental buscada es p (exp.) = 71/125 = 0,568. En este caso, la probabilidad terica es fcil de hallar y vale (9/10) (8/10) (7/10) = 0,504. La concordancia es bastante buena. Promediando los valores obtenidos por cada alumno con su tabla, seguramente que la aproximacin con el valor terico ser mayor. Se puede proponer, para los alumnos interesados, hacer lo mismo para 5 y 6 alumnos, en cuyo caso las probabilidades tericas son p (5) = 0,3024, p (6) = 0,1512. Ejemplo 2 (Problema de las coincidencias). Se tienen 10 cartas y sus correspondientes sobres. Suponiendo que las cartas se han mezclado y colocado al azar una en cada sobre, se quiere la probabilidad de que por lo menos una carta haya ido a parar al correspondiente sobre. Para simular el problema representemos a las cartas y los sobres por los nmeros 0, 1, 2, ... 9. Tomemos los 10 primeros nmeros de la tabla y comparemos con los 10 primeros de la segunda fila. Vemos que no hay ninngn nmero de la primera fila que coincida con el que tiene debajo en la segunda. Quiere decir que en esta primera prueba todas las cartas han ido a parar a sobres diferentes, no hay ninguna coincidencia, e indicamos el hecho por N. Hacemos lo mismo con los 10 nmeros siguientes de la primera fila y sus correspondientes en la segunda, observando que la carta 0 coincide con el sobre 0. Por tanto esta vez hay coincidencia, y lo representamos por S. Haciendo lo mismo con los conjuntos de nmeros de las filas tercera y cuarta encontramos que en el primer grupo hay coincidencia (el 9) y en el segundo no. Tenemos as el par S-N. Prosiguiendo sucesivamente hasta terminar la tabla (12 pares de filas, cada par dando lugar a dos experiencias), encontramos la sucesin

N S S N S S S N S N N N N S S S N S S S N N S S Es decir, sobre un total de 24 experiencias encontramos 14 en que hay por lo menos una coincidencia. Por tanto, la probabilidad experimental sacada vale p (exp.) 14/24 = 0,58. Hay que comparar los resultados obtenidos por cada alumno y su valor medio ser un valor ms confiable. El resultado terico es p (10) = 0,632. Este es un problema cuya solucin terica no es fcil (al nivel de enseanza media), pero con tablas de nmeros al azar se obtienen aproximaciones muchas veces suficientes. Si en vez de 10 cartas se tiene otro nmero, los alumnos pueden hallar las probabilidades experimentales de manera anloga. Los resultados tericos, para 2, 3,... cartas son p (2) = 0,5, p (3) = 0,666, p (4) = 0,625, p (5) = 0,633, p (6) = 0,632, p (7) = 0,632 y a partir de 7 quedan invariables las tres primeras cifras decimales del resultado. Ejemplo 3. Se supone que la probabilidad de nacer un hijo varn o mujer es la misma e igual a 1/2, lo que est bastante de acuerdo con la realidad. Con esta hiptesis se desea saber las probabilidades que en una familia de 4 hijos haya, respectivamente, 0, 1, 2, 3, 4 mujeres. Convengamos en que los nmeros pares de la tabla de nmeros al azar (incluido el 0) representan mujeres y los impares varones. Cada grupo de 4 nmeros de la tabla pueden considerarse una muestra representativa de los hijos de una familia de 4 hijos. Por ejemplo, el primer grupo 9739 corresponde a una familia sin hijas mujeres, el segundo grupo 4737 a una familia con una sola hija mujer, y as sucesivamente. La tabla permite simular 125 familias y haciendo el recuento una por una de ellas, resulta la siguiente estadstica.

Nmero de hijas mujeres Nmero de familias

0 7

1 35

2 47

3 27

4 9

Por tanto, las probabilidades experimentales deducidas de nuestra tabla son p (0) = 7/125 = 0,056, p (l) = 35/125 = 0,28, p (2) = 47/125 = 0,376, p (3) = 27/125 = 0,216, p (4) = 9/125 = 0,072. Los valores tericos se calcula que son p (0) = 0,625, p (l) = 0,25, p (2) = 0,375, p(3) = 0,25, p (4) = 0,0625, no demasiado apartados de los

experimentales. Tomando los valores medios de los obtenidos por cada alumno con su tabla, seguramente se obtendr una buena aproximacin. Este mtodo de resolver problemas de probabilidad haciendo un modelo de los mismos que permita resolverlos experimentalmente, se llama el mtodo de Monte Carlo y es muy importante en matemtica aplicada. Los ejemplos que hemos dado y otros muchos que el profesor puede idear o encontrar en textos adecuados, tienen valor formativo para comprender las leyes bsicas del azar y tambin valor educativo para que el alumno se sienta motivado a manejar tablas y a contar y calcular con ellas, ordenando datos y comparando resultados, todo lo cual es importante para ejercitar las destrezas matemticas. Por otra parte, se pueden buscar ejemplos vinculados con las distintas asignaturas o con campeonatos y competencias deportivas, contribuyendo a que cada alumno pueda elegir y tratar ms a su gust y tenga que agudizar el ingenio para simular correctamente los problemas. A medida que el alumno avanza en el estudio de las probabilidades, es instructivo comparar los resultados tericos con los experimentales, observando que la solucin experimental, en base a tablas de nmeros al azar, se puede dar en una etapa muy anterior a la solucin terica, que a veces exige razonamientos matemticos nada simples. En las pruebas de evaluacin con preguntas a las que hay que contestar con verdadero o falso, o elegir entre distintas posibilidades, se presenta el problema de averiguar la probabilidad de llegar a un cierto puntaje sealando las respuestas al azar, todas con la misma probabilidad. Son problemas fciles cuando se ha estudiado la ley de distribucin binomial (en general en la ltima etapa de la enseanza intermedia), pero se pueden estimar mucho antes ideando un modelo del problema y aplicando tablas de nmeros al azar.

La enseanza de la estadstica
Acerca de la importancia de la estadstica en la enseanza, E. Jacobsen escribe: "Tomemos un diario cualquiera y rodeemos con un crculo toda palabra o expresin para cuya comprensin o interpretacin haga falta la matemtica. Encontramos ecuaciones?, alguna demostracin geomtrica o trigonomtrica?, aparecen factoreos de trinomios? En cambio, seguramente encontraremos mapas, grficos y palabras como valor medio, tendencia, estimacin, correlacin,

improbable y azar, todas ellas palabras que pertenecen al dominio de la estadstica. Las pginas deportivas abundan en tablas estadsticas y grficos sobre resultados y records. En las pginas destinadas a la economa aparecen las fluctuaciones de las tasas de inters y de los mercados, pronsticos sobre la futura inflacin, ndices y cambios en los depsitos, crecimiento de las empresas, volumen de las operaciones burstiles. En la parte meteorolgica aparecen grficos sobre los datos del tiempo en los ltimos das y comparaciones con meses y aos anteriores, junto con pronsticos en tantos por ciento de posibilidades de lluvia para el da siguiente. En las propagandas se nota tambin el uso y a veces el mal uso de la estadstica". Por otra parte, la recoleccin de datos, su ordenamiento y su tratamiento, as como su representacin en histogramas o grficos de cualquier tipo, son tareas tiles para cualquier alumno y el profesor podr ir distinguiendo a los que tienen mayor habilidad para ello y aficin para interesarse y buscar datos concretos, para elegir temas apropiados para cada uno, o para grupos de alumnos, y de esta manera ir personalizando la enseanza. La vida real es rica en situaciones que pueden tabularse y granearse para poner en prctica las tcnicas estadsticas. La ordenacin de datos exige mucho cuidado en la disposicin y presentacin, ponindose de manifiesto las ventajas de hacer las cosas bien desde un principio para no perderse en una maraa de datos desordenados y poder luego tener la satisfaccin de llegar a resultados que expresen con claridad la evolucin de un determinado fenmeno.

Un ejemplo frecuencia de las letras en el idioma castellano

Se propone a los alumnos la siguiente tarea. Cada uno debe elegir 10 lneas corridas de cualquier libro y de cualquier pgina del mismo. Las 10 lneas elegidas deben ser distintas para cada alumno. Luego, cada alumno debe contar el nmero de letras contenidas en sus 10 lneas, sin tomar en cuenta los espacios en blanco ni los signos de puntuacin: sea N este nmero. Debe luego contar el nmero de letras a contenidas en las mismas 10 lneas. Sea N (a) su nmero. El cociente N(a)/N es la frecuencia relativa de la letra a en las 10 lneas consideradas. Se observa que esta frecuencia relativa, a pesar de haber elegido distintos textos y distintos prrafos, tiene un valor parecido para todos los

alumnos, el cual no diferir mucho de 0,12 y si se hace la media aritmtica de los resultados de todos los alumnos, casi seguro que la aproximacin a 0,12 ser todava mayor. El valor 0,12 es la frecuencia relativa de la letra a en el idioma castellano. El resultado de cada alumno es difcil que difiera de ese valor en ms de 3 o 4 centsimos. Es un ejemplo de problema probabilista en el que no se pretende la exactitud en el resultado (como en los problemas deterministas de la matemtica clsica), pero que sin embargo se puede esperar bastante buena aproximacin. Por ejemplo, en la introduccin al primer captulo titulado El inmortal, del libro El aleph de J. L. Borges, aparece 77 veces la letra a sobre un total de 675 letras, lo que hace que la frecuencia relativa sea 77/675 = 0,114, no muy distinta de 0,12. En las 10 primeras lneas del Don Quijote de la Mancha (en su edicin por la Editorial Universitaria de Buenos Aires, 1969) hay 573 letras, de las cuales 71 de ellas son a, de manera que la frecuencia relativa resulta 71/537 = 0,13, tampoco muy diferente de 0,12. El hecho es ilustrativo, por ser un tipo de problemas tpicos de la estadstica. Con toda la gran arbitrariedad en la eleccin del libro y del prrafo, los resultados de cada alumno no difieren mucho entre s. Es decir, se trata de un problema en el que, si bien no es predecible un resultado exacto, la matemtica permite decir que, con gran probabilidad, el resultado no diferir mucho de un cierto valor promedio, si bien no puede excluirse algn caso excepcional de que el resultado escape a lo previsto. En el ejemplo considerado de la frecuencia de la letra a, naturalmente es posible encontrar prrafos en que la frecuencia sea muy diferente de la media, y cualquier autor puede ser capaz de escribir algunos prrafos en que la letra a abunde mucho o bien, al revs, que la misma letra escasee de manera notoria, pero ellos son casos excepcionales que pueden no ser tenidos en cuenta para el estudio general sobre el idioma. Se puede repetir la experiencia para distintas letras. Para poder comparar, damos a continuacin la siguiente tabla de las frecuencias de las 29 letras del idioma castellano (tablas confeccionadas por Vctor H. Chanto Arguedas y Jos A. Villalobos Morales en la revista Ciencia y Tecnologa de la Universidad de Costa Rica, vol. X, 1986, pgs. 71-74). En otros textos se dan valores un poco diferentes, debido a que se cuentan, en el total, los signos de puntuacin y los espacios entre palabras, que aqu no se han tenido en cuenta.

Letra a b c ch d e f g h i

Frecuencia 12 1,18 3,85 0,3 4,68 13,5 1,2 1,4 0,45 6,78

Letra j k 1 11 m n 0 p q

Frecuencia 0,5 0,05 4,85 0,13 3,10 6,14 0,32 9,38 2,52 0,95

Letra r s t u
V

w
X

y z

Frecuencia 6,38 7,98 4,70 4,73 1,03 0,05 0,07 0,8 0,53

En lenguaje estadstico, las 10 lneas elegidas al azar de cualquier texto, tambin elegido al azar, constituyen una muestra del idioma castellano y, a partir de esta muestra, se calculan las frecuencias. Naturalmente las 10 lneas constituyen una muestra relativamente pequea; para tener una mayor confiabilidad en los resultados deberan tomarse muestras mucho mayores, pero as y todo, si se observan los resultados de cada alumno se ver que en general el resultado es bastante aproximado y mucho ms lo ser la media aritmtica de los resultados de cada alumno. Cada profesor puede buscar otros ejemplos en que se aplique el mtodo de las muestras, como sondeos de opinin, porcentaje de personas de una poblacin con cierta enfermedad, frecuencia de fumadores, estimacin del nmero de peces de un lago, etctera.

Una experiencia
Una experiencia fcil de realizar y muy ilustrativa de la teora de muestras consiste en tomar 500 palillos (o fsforos de madera) y hacer una seal, por ejemplo pintar de un determinado color, a un cierto nmero de ellos, supongamos 120 para fijar las ideas. Se mezclan en una bolsa todos los palillos y se pregunta a los alumnos cmo se podra saber el nmero de palillos marcados sin tener que observarlos uno por uno, pero sabiendo que hay 500 en total. El mtodo consiste, como en el caso de la frecuencia de las letras en idioma, en tomar una muestra, en este caso consistente en un pequeo motn de

palillos, y contar cuntos hay en total y cuntos de ellos estn marcados. Dividiendo el nmero de marcados por el nmero total de la muestra, se tendr la frecuencia para esta muestra particular. Multiplicando por 500 se tendr la primera estimacin del nmero de palillos marcados. Una sola muestra es muy poco. Si se devuelven los palillos sacados a la bolsa y cada alumno repite la operacin, se tendrn tantas muestras como alumnos y la media aritmtica de los valores estimados por cada muestra ser seguramente un valor bastante aproximado al verdadero. Si se supone conocido el nmero de palillos marcados, el mismo mtodo permite estimar el nmero total de palillos.

Juegos
Leibniz, en una carta a Montmort en 1715, escriba: "Los hombres nunca son tan ingeniosos como en la invencin de juegos, el espritu se encuentra en ellos a sus anchas". Efectivamente, muchos juegos, convenientemente elegidos y dosificados, pueden ser muy tiles para el desarrollo del pensamiento matemtico. Hay que pensar en juegos y en posibles modificaciones de los mismos para incentivar la creatividad. Especialmente para las ideas probabilistas y estadsticas, los juegos son importantes, y para muchos alumnos pueden ser muy motivadores para intensificar sus estudios sobre cuestiones regidas por el azar. Se han hecho experiencias de juegos con minicomputadoras y tambin se han propuesto juegos con dados, fichas o ruletas construidas con distintos ngulos centrales, para que los alumnos experimentalmente primero y tericamente despus, averigen si el juego es equitativo o no.

Probabilidad e intuicin
Sea por no haber figurado entre los contenidos de la escuela elemental (y, hasta hace unos pocos aos, tampoco en los de la escuela intermedia), o sea porque la educacin formal, en todos sus aspectos, ha sido presidida siempre por el determinismo de causa a efecto, el hecho es que las ideas probabilistas estn

lejos de ser intuitivas para la gran mayora de la poblacin adulta de nuestros das. Precisamente, uno de los desafos actuales para el desarrollo del pensar matemtico de los alumnos, desde los primeros niveles de la enseanza, es ver la manera como los conceptos probabilistas, y con ellos la estadstica, pueden hacerse intuitivos, es decir, poder lograr que sean comprendidos sin demasiada extraeza ni dudas, antes de llegar al uso del razonamiento lgico que los justifique para lograr el pleno convencimiento. Veamos un ejemplo. Consideremos una clase de 30 alumnos y mostrmosles una caja con 30 fichas iguales (o papeles doblados) diciendo que entre ellas hay una sola que tiene premio. Se trata de que cada alumno, uno tras otro, saque al azar una ficha sin que la vuelva a reponer, de manera que es seguro que el premio corresponder a uno de los alumnos. Se propone que cada alumno elija, anotndolo en un papel para no dejarse influir por los dems, el nmero de orden que desea tener en la extraccin. Es casi seguro que una gran mayora deseara ser el primero y muy pocos, si alguno, elegira ser el ltimo. La razn es clara, pues el que elige primero est seguro de que la ficha premiada todava no ha salido de la caja y el que elige ltimo puede estar casi seguro de que alguien ya la eligi previamente. Las dos cosas son ciertas y, sin embargo, se necesita cierta formacin probabilista para comprender que el orden es indistinto y que la probabilidad de sacar la ficha premiada es la misma para todos, cualquiera que haya sido el orden que le haya tocado en la extraccin. La misma aparente paradoja es la de quien se apresura a comprar un billete de la lotera de Navidad el primer da en que se ponen a la venta, para estar seguro de que todava no se vendi el primer premio, y considera un error esperar los ltimos das, en que es prcticamente seguro que ya fue vendido. Hay ejemplos ms simples. As, todo el mundo entiende (hecho intuitivo) que al lanzar una moneda al azar es igualmente probable que salga cara o que salga cruz. En cambio si una moneda ha sido lanzada 3 veces y en todas ellas sali cara, la mayora de la gente (no educada en probabilidades) opinar que la cuarta vez es ms probable que salga cruz a que se repita la cara. Es decir, se trata de una intuicin engaosa o de una falta de traicin probabilista que hace pensar, errneamente, que el azar puede tener memoria. En otras partes de la matemtica, la intuicin correcta es mucho ms frecuente. As los postulados de la geometra (la recta es la distancia ms corta entre dos puntos, todos los ngulos rectos son iguales, una recta queda determinada por dos puntos...) o cuestiones simples de aritmtica (es lo mismo 2

monedas de 5 pesos que 5 monedas de 2 pesos, una mitad es mayor que un tercio...) son comprensibles por la intuicin, sin necesidad de estudio previo. Mucho se ha escrito sobre el significado y el valor de la intuicin en la adquisicin de conocimientos, es decir, en la enseanza y el aprendizaje, aspecto singularmente importante en el caso de la matemtica. El cultivo de a intuicin es importante en toda la educacin. J. S. Bruner insiste sobre la necesidad de estimular el pensamiento intuitivo en los nios y ejercitar la comprensin intuitiva, juntamente con el pensamiento analtico, para ayudar a la asimilacin de conocimiento. Para el caso de la matemtica, el papel esencial de la intuicin, que permite ver o intuir resultados antes de llegar a ellos por el razonamiento lgico, ha sido enfatizado por muchos matemticos, como H. Poincar (1914) y J. Hadamard (1947). Fischbein (1975) distingue entre intuiciones primaras adquiridas antes e independientemente de la instruccin sistemtica, como son ciertas intuiciones espaciales y las operaciones fundamentales que regulan el pensamiento lgico, y las intuiciones secundarias, adquiridas a travs de un proceso sistemtico de instruccin, como son, por ejemplo, las intuiciones de los matemticos ya formados, con un cierto bagaje de conocimientos previos, sobre los cuales, antes del razonamiento lgico, intuyen nuevos resultados y nuevo conocimiento. Segn A. Engel, todos tenemos una intuicin geomtrica natural, pero no una intuicin probabilista. De aqu que es necesario lo antes posible impartir conocimientos y mostrar experiencias para ir preparando el terreno a las intuiciones secundarias, que van a ser muy tiles y necesarias en muchas oportunidades de la vida corriente, cualesquiera que sean las ocupaciones o las profesiones futuras de los alumnos actuales. Fischbein y otros muchos autores han diseado y realizado numerosas experiencias referentes al aprendizaje de las probabilidades, analizando cmo la intuicin o la comprensin de las mismas vara de un individuo a otro y buscando si hay leyes generales o si la carencia de intuiciones primarias, en cuanto a las probabilidades, tiene carcter universal. Tambin han estudiado si, mediante ejercicios y estmulos adecuados, las intuiciones probabilistas se pueden mejorar, adelantando las edades en que se ponen de manifiesto. La intuicin, en sus distintos aspectos, vara de un individuo a otro, pero la ejercitacin mediante experiencias repetidas contribuye a establecer hbitos mentales que se aceptan sin justificacin razonada. En fsica, los ejemplos son abundantes (cada de los cuerpos, ebullicin del agua por calentamiento) y tambin en matemtica cierta intuicin primitiva es inherente a la historia del

hombre. As Platn, al comentar la tradicin de que Palamedes haba inventado los nmeros, deca: es que Agamenn, antes de Palamedes, no saba cuntos pes tena? Sin embargo, la intuicin probabilista es mucho menos frecuente y necesita mucha experiencia y capacidad de observacin para su desarrollo, que en general es lento y lleno de obstculos que aparecen en forma de paradojas. Para nios de entre 6 y 8 aos una experiencia consiste (Fischbein, 1975) en mostrar una serie de seales luminosas que en una determinada proporcin (por ejemplo 8:2) se prenden al azar de color rojo o verde. Cada nio debe opinar acerca del prximo color y se estudian y comparan luego las veces que ha acertado cada alumno. Puede ser que los aciertos sean al azar, pero repitiendo la experiencia varias veces y series suficientemente largas, siempre aparecen algunos alumnos que van intuyendo la proporcin (8:2) de los colores y aciertan ms veces que las previstas por una eleccin al azar. Haciendo lo mismo con otras proporciones en los colores rojo-verde, se puede analizar la retentiva o la intuicin visual de cada alumno, pudiendo comparar as habilidades y su variacin con la edad y con la cantidad de experiencias. Es una manera de ir distinguiendo a los alumnos con una determinada habilidad, que en una enseanza personalizada habr que procurar desarrollar y vincular con otras cualidades, para lograr, en conjunto, el mximo rendimiento intelectual de cada alumno. Otros ejemplos de experiencias posibles con el mismo objetivo se encuentran en los Apndices del libro de Fischbein, tantas veces citado. Se pueden idear muchas otras, con las cuales ir distinguiendo las habilidades naturales de los alumnos para las probabilidades. Por ejemplo, aun antes de llegar al clculo efectivo de la probabilidad, se puede preguntar a los alumnos que hagan una comparacin de mayor o menor en los distintos casos que pueden presentarse al lanzar al azar dos veces un mismo dado, como ser: a) que salga primero el 2 y luego el 5; b) que salga primero el 5 y luego el 2; c) que salga las dos veces el 3; d) que salga las dos veces el 6; e) que salga las dos veces el mismo nmero, sin especificar cul; f) que salga las dos veces nmeros diferentes. Conviene que problemas de este tipo queden bien comprendidos por el alumno antes de iniciar el clculo de probabilidades propiamente dicho, en base a la combinatoria. Las tablas de nmeros al azar del 1 al 6 pueden ayudar a confirmar o no el resultado intuido. Con los ejemplos sobre muestras se va afianzando en los alumnos el concepto de frecuencia relativa y su tendencia a estacionarse en ciertos valores (probabilidades) al crecer el tamao de las muestras o el nmero de experiencias. Ello parecera que tiene poco que ver con el aprendizaje operacional de las

probabilidades (probabilidades totales y compuestas, leyes de probabilidad), pero sin duda ayuda mucho a la comprensin de las ideas, mtodos y resultados de la etapa operacional, en que se calculan efectivamente los valores de la probabilidad. La conclusin a la que llega Fischbein es que "la intuicin probabilista no se desarrolla espontneamente salvo entre estrechos lmites. La comprensin, interpretacin, evaluacin y prediccin de los fenmenos probabilistas no puede atribuirse a intuiciones primarias, las cuales en la educacin formal han sido olvidadas o abandonadas en un estado muy rudimentario ante la presin de los esquemas operacionales, que no se pueden articular con ellas. Sin embargo, para alcanzar las exigencias de una cultura cientfica eficiente, es necesario entrenar a los nios desde la primera infancia en la compleja base intuitiva del pensar probabilista, para lograr en el desarrollo y en el operar de su inteligencia un constructivo balance entre lo posible y lo determinado".