Sei sulla pagina 1di 175

Probabilidad y Estadística

Libro para el estudiante

Nivel Medio Superior del


Instituto Politécnico Nacional

Academia Institucional de Matemáticas del Nivel Medio Superior


del Instituto Politécnico Nacional

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 1


Libro para el estudiante

Introducción

1. Secuencia de Aprendizaje (Contenido y referencia de su


ubicación)
Unidad 1. Estadística Descriptiva
Unidad 2. Elementos Básicos de Probabilidad
Unidad 3. Probabilidad Condicional
Unidad 4. Distribución de Probabilidad
Unidad 5. Inferencia Estadística

2. Materiales Auxiliares para la Organización del Aprendizaje


MAPOA

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

4. Ejercicios

5. Lecturas

6. Autoevaluaciones

7. Bibliografía

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 2


Introducción
El marco institucional
En el Simposio ‘La Prospectiva del IPN y los Desafíos para el Siglo XXI’, que tuvo lugar a
fines del siglo pasado, se destacó que el quehacer institucional se debe orientar hacia la
creación 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 país para
sustentar su desarrollo científico y tecnológico, por lo que deberá convertirse en un espacio
de socialización que integre en sus propuestas formativas la ciencia, la tecnología y el
conocimiento con una ética de responsabilidad profesional, en donde el currículo, la
pedagogía, la organización, el diseño y la aplicación de las políticas 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 dinámico de acción que lo haga
un espacio de formación, aprendizaje, actualización e investigación de alta calidad; un
espacio y una comunidad en los que la permanencia y el apoyo se hagan posibles en
función del mérito intelectual, la competencia demostrada y el potencial de contribución
social, a donde la sociedad y sus instituciones puedan dirigirse para obtener respuestas
confiables a sus cuestionamientos.
Las nuevas exigencias de acreditación de carreras y de certificación de egresados, imponen
una sistematización del desarrollo curricular que obliga a que la reforma académica se
constituya en un ejercicio permanente que garantice a los egresados el perfil profesional
requerido para los tiempos por venir.
Así, la educación que el IPN ofrezca tendrá que superar la imagen tradicional de la
adquisición de conocimientos como un fin en sí, para insistir en el desarrollo de aptitudes
en el nivel de métodos, de procedimientos y de estrategias de intervención; por lo que habrá
que mejorar los programas educativos y de investigación, adecuar las instalaciones, los
recursos humanos y la infraestructura, y fomentar el desarrollo tecnológico.
En atención a las demandas que la sociedad le plantea, el IPN tiene como eje de su
transformación un nuevo perfil profesional que orienta el diseño y la instrumentación de
nuevos modelos educativos que proponen una relación adecuada entre los conocimientos,
las habilidades práctico-productivas y las actitudes que dotarán a los estudiantes de
capacidad emprendedora, responsabilidad, creatividad y flexibilidad en su desempeño
profesional.
En su prospectiva 2000-2015 hacia el nuevo Modelo Educativo Politécnico se señala que el
reto no considera cambios radicales pero sí contundentes en:
 la reorientación 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 amplíe los horizontes de la ciencia y la
tecnología nacionales;

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 3


 dar un valor social, económico y ético a los conocimientos resultantes, para estar
presente en los circuitos de la distribución mundial de los saberes;
 proveer de servicios y haberes a la población del país;
 y de contribuir a mantener la equidad, la unidad y el bienestar nacionales.
Estos son los desafíos que, en palabras de la propia institución, el IPN reconoce para el
presente y el futuro inmediatos.

¿Qué entendemos por enseñar y aprender en el área de matemáticas?


Cuando una persona adopta el papel de estudiante y se encuentra con sus profesores y con
sus compañeras en el salón de clases hay un acuerdo implícito, el estudiante está ahí para
aprender y el profesor para enseñar. Tu experiencia en la escuela te ha formado una noción
intuitiva de lo que estas dos ideas y prácticas significan y de lo que puedes esperar de una
clase. Sin embargo, el sistema educativo que hemos heredado no se diseñó para que
aprendieras a actuar en forma adaptativa en un ambiente complejo inundado por la
tecnología. Sus objetivos no consideraron que fuera necesario, o siquiera posible, que
pudieras aprender a interpretar textos no familiares con propósitos variables, construir
argumentos convincentes atendiendo varios niveles, comprender sistemas complejos,
desarrollar diversos enfoques a los problemas o llevar a buen fin la solución de un
problema trabajando en grupo. Pero la sociedad requiere cada vez más una educación 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 más, dentro y, sobre todo, fuera de la escuela. Resnick, conocida
investigadora en educación matemática, quien ha estudiado este pensamiento de orden
superior, lo caracteriza señalando que
 no es algorítmico, porque las vías por las que circula no están 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 aplicación de criterios múltiples, en ocasiones contradictorios, que
al aplicarse producen juicios matizados,
 va acompañado de una fuerte carga de incertidumbre, no se suele conocer todo
lo que se necesita,
 debe auto-regularse,
 comprende la asignación de un significado, encontrando la estructura que
subyace al desorden aparente
 y exige un esfuerzo considerable, un trabajo intelectual con propósitos definidos
en diversos niveles.
De la Prospectiva del IPN podemos retomar la orientación que se debe dar al quehacer
institucional hacia la creación 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 invitación para contribuir a una reforma
educativa imaginativa y muy exigente, que requiere una reconceptualización de lo que
‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 4
significa «tener clase». Para nosotros, tus profesoras, «enseñar matemáticas» significará
crear las condiciones que, con tu indispensable participación protagónica, producirán la
apropiación del conocimiento, el desarrollo de las habilidades y la formación de las
actitudes. «Aprender matemáticas» significará involucrarse en una actividad intelectual
exigente, cuya consecuencia final será la disponibilidad de un conocimiento dual: como
instrumento y como objeto. Así, «saber matemáticas» significará el desarrollo de estos dos
aspectos del conocimiento:
 Como instrumento, el conocimiento matemático está inscrito en un contexto. En este
caso es necesario usar las nociones y teoremas matemáticos que considera el programa
de la materia para resolver problemas e interpretar situaciones nuevas.
 Como objeto, el conocimiento está descontextualizado y es atemporal. Debes ser capaz
de formular definiciones, enunciar y demostrar teoremas e identificarlos como elementos
de una disciplina: la matemática.

Los tres pensamientos siguientes nos señalan 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


(Así decían los griegos)

Es decir, oyendo, viendo, haciendo... pero además reflexionando y comunicando.

Así nuestro modelo se puede sintetizar, de manera esquemática, en la tríada

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 también se responsabiliza y se
compromete con su aprendizaje. Juntos podrán discutir y definir las distintas maneras de
desarrollar las actividades de aprendizaje, con sus razones, sus ventajas, sus desventajas y
sus riesgos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 5


Las Competencias Básicas y su dimensión matemática
Nuestro marco de referencia lo establece la SEP en sus competencias básicas del estudiante
de bachillerato. Las competencias básicas se refieren al dominio, por parte del estudiante,
de los conocimientos, habilidades, valores y actitudes que son indispensables tanto para la
comprensión del discurso de las ciencias, las humanidades y la tecnología, como para su
aplicación en la solución de los problemas de su vida escolar, laboral o cotidiana, por lo que
se considera que deben ser comunes a todos los bachilleratos del país.

Se considera que las competencias básicas que se deben desarrollar durante el paso del
educando por el bachillerato son:

 Expresarse correcta y eficientemente en español, tanto en forma oral como escrita, así
como interpretar los mensajes en ambas formas.
 Manejar la información formulada en distintos lenguajes y discursos (gráficos,
matemáticos, simbólicos, de cómputo, etc.).
 Utilizar los instrumentos culturales, científicos, metodológicos y técnicos, básicos para
la resolución de problemas en su dimensión individual y social, con actitud creativa y
trabajando individualmente o en grupos.
 Comprender, criticar y participar racional y científicamente, a partir de los
conocimientos asimilados, en los problemas ecológicos, socioeconómicos y políticos de
su comunidad, región y del país.
 Aprender por sí mismo, poniendo en práctica métodos y técnicas 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 sí mismo, su autoestima y autocrítica, salud física y
formación cultural y estética, a efecto de tomar decisiones que lo beneficien en lo
individual y en lo social.
 Desempeñarse individual o grupalmente de manera independiente en su vida escolar y
cotidiana.
 Integrar los conocimientos de los diferentes campos, en una visión global del medio
natural y social, como paso normativo hacia la inter y multidisciplinariedad.

En cada una de las competencias anteriores hay una componente matemática, por lo que en
el área de matemáticas se trata de lograr los conocimientos, las habilidades y las actitudes
que al articularse con los de las otras áreas te permitan desarrollar significativamente estas
competencias. Estos objetivos, que sin duda quieres lograr tanto como nosotros, exigen
nuevas modalidades de trabajo, a las que quizás no estás acostumbrado, y pueden causarte
conflictos, cierta desesperación, algo de presión, pero, según afirman los expertos como
Resnick, los aprendizajes complejos no se logran aislando las componentes visibles,
desarrollándolas e integrándolas posteriormente, sino mediante experiencias que ponen en
juego, simultáneamente, tanto las habilidades de índole general, como los conocimientos
específicos, junto con tu disposición para embarcarte en situaciones con una fuerte carga de
riesgo e incertidumbre. Estos ‘buenos propósitos’ son más complejos, lograrlos es una tarea
más difícil pero también, creemos, más atractiva e interesante.
La experiencia básica en nuestras clases se definirá por nuestra relación con los problemas.
La resolución de un problema en la clase es un proceso muy complejo cuando los
‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 6
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 interacción con el problema, son muchos y de distintos
niveles. La desatención de uno, o varios, de estos factores puede entorpecer y a veces hacer
imposible la solución de un problema o la comprensión que se deriva de la interacción
fecunda con el problema. Una componente que influye de manera determinante
corresponde a la forma en que las personas interactúan durante la resolución 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. Así, 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 tecnología, verdaderamente impresionante en la actualidad, ha perfilado
el mundo en que vivimos. Nuestra cultura cuenta ya con una componente matemática que
no sólo atañe al especialista sino al ciudadano. Las matemáticas están 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 matemáticas que sabemos.
La herramienta tecnológica por excelencia es la matemática, pero la matemática es una
herramienta dinámica porque para cada problema nuevo hay que diseñar una herramienta
nueva; basta revisar la gran cantidad de matemáticas nuevas que se han hecho,
especialmente en la segunda mitad del siglo pasado, y el papel que han desempeñado en la
solución de los problemas importantes de todas las áreas.
Anteriormente, los objetivos que perseguía una sociedad, o una institución, 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 años estaban
vigentes en la electrónica, por poner un ejemplo, hoy son casi totalmente obsoletos. Más
que conocimientos específicos, que, por supuesto, en cierta medida siguen siendo
necesarios, lo que se trata de lograr en la educación de hoy es la capacidad para ser
autosuficiente cuando se organiza el aprendizaje que nos exige la profesión.
Para organizar uno mismo su aprendizaje es necesario desarrollar:
 las habilidades para usar el conocimiento y articular los conocimientos en pos de un
propósito más complejo;
 las actitudes que nos permiten enfrentar situaciones con una componente importante de
incertidumbre;
 la capacidad para transferir, es decir, aplicar en una situación distinta a aquélla en la que
aprendimos, los conocimientos que adquirimos.
El conocimiento debe ser uno de los principales elementos que determinen la relación entre
un profesor y sus alumnos. Pero la clase también es un sitio de interacción de costumbres y
creencias de cada uno de sus participantes, es conveniente contar con un lenguaje común
que nos permita tener un ambiente que propicie la enseñanza y el aprendizaje desde la
perspectiva descrita. Así, cada una de nuestras experiencias de aprendizaje dentro del salón
de clases tendrá un doble propósito: aprender a crear un ambiente de trabajo y aprender
matemáticas.
El ambiente estará dirigido a promover la independencia del estudiante y la responsabilidad
que debe tener en su aprendizaje, a través de:
 El trabajo individual y en equipo.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 7


 La resolución de actividades matemáticas.
 La discusión matemática.
 La evaluación de tu trabajo y del trabajo de tus compañeros en el equipo y en el
grupo.
Cuando se lee sobre el pensamiento de orden superior, sobre tener una actitud participativa,
crítica y creativa, se suele decir, “sí, parece deseable y necesario, quiero lograrlo, pero
¿cómo lo hago?”. En la Academia de Matemáticas hemos reconocido la gran dificultad que
hay para lograr estos objetivos y, junto con los Clubes de Matemáticas de varias escuelas,
hemos diseñado y adaptado una serie de materiales auxiliares para la organización del
aprendizaje, que te servirán para traducir en acciones cotidianas este importante propósito.
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
común, en el que se pueden expresar algunas de las dimensiones de aprendizaje más
importantes. En una sección de este Libro se tiene un comentario un poco más amplio de
estos ‘Materiales Auxiliares para la Organización del Aprendizaje (MAPOA)’. En términos
generales, estos auxiliares concretan la expresión «responsabilizarse de su aprendizaje» y
contribuyen al logro de la autonomía de los alumnos en la organización de sus propios
aprendizajes.

El curso de Probabilidad y Estadística


El IPN tiene fama de ser uno de los mejores bachilleratos en matemáticas de México. La
gran mayoría de ustedes seguramente se enorgullece de tener cierta facilidad para las
matemáticas. El último curso del área de matemáticas se llama Probabilidad y Estadística.
Al escuchar el título, lo que viene a nuestra mente es, quizás, el melate y otros concursos de
la Lotería Nacional, las tablas y gráficas que presentan los noticiarios y las encuestas que se
hacen para cualquier cosa. Sin embargo, conforme realices las actividades que te
propondremos te darás 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 ningún 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 está resuelto. Queremos que el criterio básico 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 resolución de un problema, ya sea
familiar o nuevo; que seamos capaces de descubrir los patrones que relacionan las
características de un proceso, de imponer un modelo matemático, si es necesario; y de
evaluar los resultados de su aplicación en función de criterios propios de la situación en la
que se originó nuestro problema.
Por supuesto que este tipo de aprendizaje es más difícil. Así como el espacio de nuestra
experiencia básica 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 8


objetivos en varias dimensiones, a vivir este aprendizaje multidimensional en la escuela,
particularmente en nuestras clases de matemáticas.
Según lo estipula el objetivo general de tu programa, “El curso permitirá al alumno
introducirse
 al estudio de fenómenos aleatorios, su interpretación, importancia, tratamiento y
aplicación;
 al uso de técnicas de muestreo;
 al conocimiento y la aplicación, en diversos problemas, de diferentes técnicas de
recopilación y presentación, análisis e interpretación de datos numéricos;
 en el uso y la apropiación de las reglas para el cálculo de probabilidades y de las
distribuciones de probabilidad;
 en la importancia y el uso del método estadístico en la toma de decisiones;
en el desarrollo de habilidades para el análisis, el razonamiento y la comunicación de su
pensamiento en la resolución de problemas a partir del uso de la simulación y del
modelo de urnas, propiciando la asimilación de aprendizajes más complejos para la
resolución de problemas en su cotidianidad, área tecnológica y vida profesional.”

El método de trabajo se basa en la problematización continua, la formulación de conjeturas


y la revisión sistemática de los conocimientos adquiridos, utilizando técnicas grupales para
el análisis y la discusión, así como técnicas expositivas y de indagación, apoyadas con
recursos audiovisuales y tecnológicos (computadora, calculadora, etc.), procurando que la
relación entre el alumno y el objeto sea constructiva.
Durante todo el desarrollo del curso, se promoverán el análisis, la solución y la discusión de
problemas en clase, en un ambiente que favorezca en los alumnos la apreciación de su
propio trabajo personal, el de sus compañeros y el de su docente.
Deberá tenerse presente que la resolución de problemas es la que permite generar e integrar
conocimiento, favorece su asimilación 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 información y crea códigos de instrucción, de manera que
sus alumnos puedan interactuar con los problemas planteados y, mediante esta interacción,
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 expresión matemática: lenguajes natural, simbólico
y gráfico, así como al uso de tablas y diagramas.
En términos generales, la enseñanza de los temas no debe seguir la exposición magistral,
sino fomentar el trabajo en equipos y la exposición de las experiencias logradas por parte
de sus integrantes a través de una adecuada planeación de las actividades de aprendizaje.
Las matemáticas que aquí estudiaremos deben ser algo más que la manipulación de
expresiones simbólicas y la realización de operaciones desvinculadas de un contexto que
les dé sentido a las preguntas que debemos responder. Se deben convertir en una
herramienta de modelación en el estudio de situaciones reales, generalmente con el objeto
de predecir y de controlar, cuando es éticamente aceptable, algunas de sus características
pero, primordialmente, con el objeto de contribuir a explicarnos mejor los fenómenos del
mundo en que vivimos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 9


La organización 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 guía
o Proyectos
 Lecturas
 Ejercicios
 Tareas
 Evaluaciones y Autoevaluaciones

El libro va acompañado de un disco compacto que incluye algunos paquetes y actividades


que contribuirán a tu aprendizaje de las Matemáticas. Las actividades se desarrollan en un
ambiente que favorece el autoaprendizaje, la autoevaluación, el trabajo en equipo, el
manejo de la incertidumbre, la apropiación de estrategias personales para el manejo de
situaciones no familiares, el empleo de formas de pensamiento lógico y el uso de tecnología
como una herramienta.
Las actividades están planeadas para que estudiantes y profesores interactúen con diferentes
elementos (los problemas, los problemas con guía, 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 cátedra, o exposición magistral del profesor, merece un comentario aparte. El profesor
sólo hará matemáticas frente a ti en ocasiones bien planeadas, cuando estás preparado para
beneficiarte de sus explicaciones y participar con preguntas y comentarios, pero en general
serás tú quien haga matemáticas con tus compañeros al realizar las actividades de
aprendizaje. Las explicaciones del profesor, en general, tendrán como punto de partida el
trabajo del grupo. En algunos casos resolverás completamente un problema (es un decir, un
problema nunca termina, siempre engendra otros) pero en otras, quizás lo que obtengas de
tus afanes sean preguntas bien formuladas, que no es algo desdeñable, sino, por el
contrario, algo indispensable para lograr un aprendizaje profundo y duradero, porque le da
un sentido personal a una situación que, en principio, nos puede resultar ajena.
En el cuadro siguiente se encuentra una descripción del tipo de actividades que se
desarrollarán durante este curso:

Actividad de ¿En qué consiste?


aprendizaje
Resolución de Una actividad e la que se vinculan las herramientas matemáticas
problemas con algunos conceptos utilizando un contexto. Se trata de propiciar
la interacción del estudiante con una situación, familiar o no, en la
que se usan las matemáticas y se formulan o responden preguntas
que contribuyen a la conceptualización de los objetos matemáticos.
En la clase, se propone a los estudiantes un problema, que puede
contener un cuestionario guía o no, para resolverlo, generalmente,
en equipo. El profesor orienta a los estudiantes en la solución del

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 10


problema. Los alumnos presentan y validan la solución.
Desarrollo de Es una tarea extraclase de varias etapas que requiere de un esfuerzo
Proyectos coordinado durante varios días o semanas, de la consulta a fuentes
de información actualizada como periódicos, revistas o entrevistas
a personas vinculadas con alguna situación problemática propicia
para un análisis matemático.
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.
Resolución de Se trata de profundizar en el conocimiento de los algoritmos, de
ejercicios comprender por qué funcionan y practicarlos, de ser posible con el
auxilio de herramientas tecnológicas, de ser capaces de generarlos,
a partir de la solución de los problemas, de explorarlos y
generalizarlos.
Los estudiantes trabajan, generalmente, en forma individual
exponen y validan la solución. El profesor dirige y orienta,
reformula e introduce las convenciones de la disciplina.
Lecturas Se trata de que el alumno interactúe con un texto con el objeto de
generar una interpretación 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 matemática.
Se realiza generalmente fuera de la clase, dejando sólo la discusión
para la clase y, de ser posible, su prolongación en un foro de
discusión en la red.
Cátedra 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
organización del conocimiento matemático.
El profesor retoma las soluciones de sus estudiantes para presentar
y discutir nuevos temas así como para formalizar el conocimiento.
Autoevaluación Es un cuestionario diseñado para que el alumno pueda evaluar sus
avances con respecto a un objetivo bien definido. Aquí se
encuentran organizadas por unidad. El alumno mismo puede
contrastar sus respuestas con las que se incluyen para medir sus
logros.
Las secciones están organizadas según el tipo de actividad de aprendizaje. En la primera
sección encontrarás la secuencia que corresponde a cada unidad del programa de la
asignatura. La organización de las actividades que aquí se presenta constituye una
propuesta flexible y fundamentada que puede ser modificada por el profesor.
En cuanto al uso de las herramientas tecnológicas en las actividades de aprendizaje, hay
que destacar que, en el área de Matemáticas, 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 propósito de contribuir a fortalecer la comprensión
de los alumnos y de permitir que se familiaricen con la interacción mediada por estos
dispositivos que caracteriza el ejercicio de las profesiones en la actualidad. Así, en
‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 11
particular, se considera el uso responsable, pero continuo, de las calculadoras con poder de
graficación y con sistemas de cálculo algebraico, las hojas de cálculo y los programas de
computadora diseñados para el aprendizaje y el uso de la Probabilidad y la Estadística.
Los programas vigentes de matemáticas en el IPN reconocen que un examen escrito no
permite evaluar todos los tipos de aprendizajes señalados antes, por ello incorpora la
llamada “evaluación continua”, en la cual se ponderan habilidades y actitudes que se van
desarrollando paulatinamente.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 12


Programa de Probabilidad y Estadística
Versión del alumno

Objetivo general
El curso permitirá al alumno introducirse
 al estudio de fenómenos aleatorios, su interpretación, importancia, tratamiento y
aplicación;
 al uso de técnicas de muestreo;
 al conocimiento y la aplicación, en diversos problemas, de diferentes técnicas de
recopilación y presentación, análisis e interpretación de datos numéricos;
 en el uso y la apropiación de las reglas para el cálculo de probabilidades y de las
distribuciones de probabilidad;
 en la importancia y el uso del método estadístico en la toma de decisiones;
en el desarrollo de habilidades para el análisis, el razonamiento y la comunicación de su
pensamiento en la resolución de problemas a partir del uso de la simulación y del
modelo de urnas, propiciando la asimilación de aprendizajes más complejos para la
resolución de problemas en su cotidianidad, área tecnológica y vida profesional.

Lineamientos Generales.
Durante todo el desarrollo del curso, se promoverá el análisis, la solución y la discusión
de problemas en clase, en un ambiente que favorezca en los alumnos la apreciación de su
propio trabajo personal, el de sus compañeros y el de su profesor.
Deberá tenerse presente que la solución de problemas es la que permite generar
conocimiento, favorece su asimilación y ayuda a distinguir lo esencial de lo menos
importante. En este proceso el profesor es un facilitador del aprendizaje que problematiza,
proporciona información y crea códigos de instrucción, 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 expresión matemática: el lenguaje natural, el
simbólico y el gráfico, así como el uso de tablas y diagramas.

Líneas a desarrollar en el curso de


Probabilidad y Estadística
Este programa de Probabilidad y Estadística contempla las siguientes líneas de desarrollo
que se irán desplegando a lo largo de todo el curso:
1. Educación de la intuición sobre fenómenos al azar.
2. Apropiación gradual de la simulación como una estrategia para enfrentar situaciones
diversas de estadística y probabilidad.
3. Apropiación gradual de las ideas fundamentales de la estadística, así como de ciertas
técnicas que las ilustran.
4. Apropiación gradual de las ideas fundamentales de la probabilidad, así como ciertas
técnicas que las ilustran.
5. Aplicación de procedimientos estadísticos y probabilísticos a la solución de problemas
diversos.
‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 13
Unidad 1.-ESTADÍSTICA DESCRIPTIVA
Objetivo.
Que el estudiante amplíe y enriquezca sus conocimientos sobre la noción de muestra y la
distinga de una población, así como de la importancia de la forma en que se realiza una
recolección de datos, la presentación de éstos y su interpretación. 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 ésta y una muestra
aleatoria.

1.1 Revisión de las nociones de muestreo y recolección de datos a partir de discusiones


sobre:
- la distinción entre muestra y población, y de la necesidad de tratar con muestras;
- la importancia de la obtención de datos de una muestra representativa;
- la importancia de la forma de obtener los datos de una muestra.

1.2 Reflexión acerca de la importancia de la Presentación e Interpretación 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 interpretación de la información publicada en diversos medios: revistas,
periódicos, radio, televisión.

1.3 Reconocimiento de la necesidad y pertinencia de hacer un Análisis de los Datos a partir


de discusiones sobre
- la importancia de fundamentar decisiones con base en datos recabados;
- el uso de la interpretación de ciertas presentaciones de datos para una mejor
comprensión del fenómeno tratado.

Unidad 2.-ELEMENTOS BÁSICOS DE PROBABILIDAD


Objetivo
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre la noción de
probabilidad: como el cociente del número de resultados favorables entre el número de
resultados posibles (noción clásica de probabilidad) y como el valor al que tiende, al repetir
varias veces un experimento, el cociente del número de veces en que se presentó el
resultado buscado entre el número de ocasiones en que se repitió el experimento (noción
frecuentista de probabilidad), así como que desarrolle habilidades para el cálculo de
probabilidades al resolver problemas, mediante el uso de simulaciones.

2.1 Tratamiento de la noción clásica de Probabilidad a partir de discusiones sobre:


- las distintas fuentes que generan los procesos aleatorios.
- generadores de números aleatorios, calculadoras, computadoras, tablas.
- los resultados igualmente probables para medir la incertidumbre;
- el cálculo de probabilidades en diversas situaciones.

2.2 Tratamiento de la noción de Probabilidad Frecuencial a partir de discusiones sobre:


‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 14
- estimación de la probabilidad de fenómenos aleatorios en términos de la frecuencia
relativa,
- la probabilidad frecuencial como límite de una razón,
- la asociación del concepto de frecuencia relativa a la idea intuitiva de la
probabilidad,
- la regularidad estadística.

2.3 Tratamiento de la adición de Probabilidades a partir de discusiones sobre:


- situaciones donde aparecen eventos mutuamente exclusivos, para dos o más
eventos,
- situaciones para eventos que no son mutuamente exclusivos para dos o más
eventos,
- la aplicación en el cálculo de probabilidades donde aparezca el uso de las técnicas
de conteo.

Unidad 3.-PROBABILIDAD CONDICIONAL


Objetivo
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre las nociones
de probabilidad condicional e independencia de eventos, así como que haga uso del modelo
de urnas y de diagramas de árbol como técnicas para el cálculo de probabilidades en
situaciones reales. Que distinga la diferencia entre eventos independientes y experimentos
independientes.

3.1 Tratamiento del teorema de la multiplicación a partir de la discusión de las situaciones


sobre:
- lo ventajoso que resulta calcular la probabilidad mediante el teorema de la
multiplicación,
- el uso de diagramas de árbol para el cálculo de probabilidades.

3.2 Tratamiento de la probabilidad condicional y la independencia de eventos a partir de la


discusión de las situaciones sobre:
- el significado en probabilidad de eventos independientes.
- la distinción de eventos independientes.

3.3 Tratamiento del Teorema de Bayes a partir de la discusión de las situaciones que den
lugar al uso de este teorema.

Unidad 4.-DISTRIBUCIÓN DE PROBABILIDAD.


Objetivo
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre las nociones
de variable aleatoria y su distribución de probabilidad asociada.
Que sea capaz de reconocer la diferencia entre una distribución discreta y una continua, así
como fenómenos asociados a una y otra.
Que sea capaz de establecer la relación entre distribución de probabilidad y representación
gráfica de datos.

4.1 Tratamiento de la distribución de Probabilidad a partir de discusiones sobre:


‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 15
- el significado de la variable aleatoria y de la desviación estándar de la misma.
- la interpretación de la gráfica de la función densidad de probabilidad.
- la relación entre una distribución de probabilidad y un histograma (entre la
probabilidad y la estadística).

4.2 Tratamiento de la distribución discreta (distribución binomial y de Poisson) a partir de


discusiones de situaciones sobre:
- la distribución de probabilidad que corresponde a una distribución binomial.
- el uso de la distribución binomial.
- la distribución de probabilidad que corresponde a una distribución de Poisson.

4.3 Tratamiento de la distribución continua (distribución normal) a partir de discusiones de


situaciones sobre:
- las características de una distribución normal.
- el uso de la distribución normal.
- la distribución de probabilidad que corresponde a una distribución normal.

Unidad 5.-INFERENCIA ESTADÍSTICA


Objetivo
El propósito de esta unidad es proporcionarle elementos teóricos al estudiante para que
pueda hacer inferencias acerca del valor y la confiabilidad de un parámetro poblacional con
base en los resultados obtenidos de una o más muestras. Esto se logra mediante la
contrastación de hipótesis, la cual se puede realizar desde un enfoque clásico, llamado
prueba de hipótesis, o bajo un enfoque basado en un valor de probabilidad.

5.1 Tratamiento de la estimación 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 hipótesis, errores de tipos I y II y reglas de


decisión.

5.5 Tratamiento de situaciones sobre pruebas de hipótesis para la media y para la diferencia
entre las medias.

Bibliografía
- Johnson, Robert y Kuby, Patricia. Estadística Elemental. Lo esencial. International
Thomson Editores.
- Hoel, Paul G. Estadística Elemental. Editorial LIMUSA.
- Wonnacott, Ronald B. Estadística Básica Práctica. Editorial LIMUSA.
- Chao, Lincoln L. Introducción a la estadística. McGraw-Hill.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 16


ASPECTO A EVALUACIÓN
DEFINICIÓN OPERATIVA FORMA DE EVALUACIÓN
EVALUAR INDIRECTA DIRECTA

Potencia Habilidad y capacidad de usar la matemática para resolver  Exámenes escritos X X


matemática problemas en diferentes áreas de estudio  Exposición y resolución X
de problemas
 Trabajos extraclases X
Resolución de Capacidad para resolver problemas y plantearlos,  Exámenes escritos X X
Problemas considerando diversas alternativas para resolver problemas,  Exposición y resolución X
un plan para resolver el problema, interpretar y comprobar de problemas
resultados, y generalizar soluciones.  Trabajos extraclases X

Razonamiento Capacidad de reconocer patrones, estructuras comunes y  Exámenes escritos X X


formular conjeturas  Exposición X
 Interrogatorios X
 Entrevistas X
Comunicación Capacidad del alumno para expresar ideas matemáticas en  Exámenes escritos X X
diversas formas: hablada, escrita y gráfica.  Interrogatorios X
 Trabajos extraclases X
Actitud Confianza en el uso de las matemáticas para resolver  Exámenes escritos X X
Matemática problemas; comunicar ideas y razonar, probar métodos  Observación X
alternativos para la resolución de problemas; la  Entrevistas X
perseverancia de llegar hasta el fin de la tarea matemática;  Interrogatorios X
el interés, la curiosidad, la inventiva de los alumnos para  Trabajo en equipo X X
hacer matemáticas; el reconocer el valor que tienen las
matemáticas en nuestra cultura, como herramienta y como
lenguaje.
PERIODO UNIDADES PLAN DE EVALUACIÓN
TEMÁTICAS
Examen departamental 60% El examen departamental estará conformado por problemas que se evaluarán
1 1y2
Evaluación continua 40% tomando en cuenta:
2 3y4 Examen departamental 60% 1. la comprensión del problema
Evaluación continua 40% 2. la planeación de una solución

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 17


Examen departamental 60% 3. la obtención de una respuesta
3 5 Evaluación continua 40% En la evaluación continua se tomará en cuenta el modelo PER para propiciar
que los alumnos se responsabilicen de su propio aprendizaje

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 18


Secuencias de
Actividades de Aprendizaje
del Curso de Probabilidad y
Estadística
Unidad 1. Estadística Descriptiva
Que el estudiante amplíe y enriquezca sus conocimientos sobre la noción de muestra y la distinga de una población, así como de la
importancia de la forma en que se realiza una recolección de datos, la presentación de éstos y su interpretación. 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 ésta y una muestra aleatoria.

Horas Problemas Problemas con Actividades Ejercicios Lecturas Proyectos


guía Internet
1-3 El El varoncito Fracciones, Capítulo 1, pp 1 a 24. El método de
basquetbolista decimales y Ejercicios de la forma simulación de
De la vida de los porcentajes 4n+1 desde 1.1 hasta Montecarlo
acumuladores 1.48
4-5 Pregúntate y Las personas de las Porcentajes e
Responde tarjetas índices

5-7 Las medias sedosas Variables Capítulo 2, pp 25 a 72. Necesidad de


y transparentes estadísticas Ejercicios de la forma datos (video)
bidimensionales. 5n+2 desde 2.1 hasta
La negociación Regresión y 2.90
salarial correlación
8-10 Estampitas Las Estadística Media, mediana
transformaciones descriptiva y moda
de los datos

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 20


Unidad 2. Elementos básicos de Probabilidad
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre la noción de probabilidad: como el cociente del número
de resultados favorables entre el número de resultados posibles (noción clásica de probabilidad) y como el valor al que tiende, al
repetir varias veces un experimento, el cociente del número de veces en que se presentó el resultado buscado entre el número de
ocasiones en que se repitió el experimento (noción frecuentista de probabilidad), así como que desarrolle habilidades para el cálculo de
probabilidades al resolver problemas, mediante el uso de simulaciones.

Horas Problemas Problemas con Actividades Ejercicios Lecturas Proyectos


guía Internet
11-13 Y el hermoso Colas: Una El azar y la Incertidumbre
Nireo, el más simulación exitosa probabilidad
hermoso ...
14-16 Emergencias ¿Misión posible? Capítulo 2, pp 72 a 100.
Ejercicios de la forma
El dilema de 4n+3 desde 2.91 hasta
Monty Hall 2.157
17-19 Los amantes del La familia Sucesos Capítulo 3, pp 101 a 144. ¡Qué suerte!
metro Pino atribulada aleatorios Ejercicios de la forma (video)
Suárez 6n+5 desde 3.1 hasta
Conjuntos de 3.67
Mujeres y números
Variables
20-21 Preferencias Variable aleatoria Ley d'Hont Capítulo 4, pp 145 a 165. ¿Qué se puede
Electorales y beisbol Ejercicios de la forma esperar? (video)
3n+1 desde 4.1 hasta
Odisea, fecundo 4.46
en artimañas

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 21


Unidad 3. Probabilidad condicional
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre las nociones de probabilidad condicional e
independencia de eventos, así como que haga uso del modelo de urnas y de diagramas de árbol como técnicas para el cálculo de
probabilidades en situaciones reales. Que distinga la diferencia entre eventos independientes y experimentos independientes.

Horas Problemas Problemas con Actividades Ejercicios Lecturas Proyectos


guía Internet
22-23 Las afortunadas ¿De qué tamaño Capítulo 4, pp 165 a 172. Lily elige novio
plantas de sus debe ser la Ejercicios desde 4.47
reales pies … muestra? hasta 4.59

Si mueres,
ganas
24-26 Clemencia El dilema de Capítulo 4, pp 172 a 180. Un mesurado
Monty Hall Ejercicios de la forma estilo de vida
Control de 2n+1 desde 4.60 hasta (video)
calidad 4.80
27-29 La cola del Ordenaciones y Capítulo 4, pp 180 a 187. El vicio del
banco Comparaciones Ejercicios desde 4.81 juego y la virtud
hasta 4.92 de asegurarse
Hermana rata, Diagramas de El juego de vida Capítulo 4, pp 187 a 192.
decía Francisco, árbol Ejercicios de la forma
el santo 2n+1 desde 4.93 hasta
4.115
Condiciones
electorales

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 22


Unidad 4. Distribución de probabilidad
Que el estudiante amplíe y enriquezca gradualmente sus conocimientos sobre las nociones de variable aleatoria y su distribución de
probabilidad asociada.
Que sea capaz de reconocer la diferencia entre una distribución discreta y una continua, así como fenómenos asociados a una y otra.
Que sea capaz de establecer la relación entre distribución de probabilidad y representación gráfica de datos.

Horas Problemas Problemas con Actividades Ejercicios Lecturas Proyectos


guía Internet
30-31 De Tepetitla a Un problema Distribución de Capítulo 5, pp 193 a 206. Correlación,
Ayeca bonito probabilidad Ejercicios de la forma intervalos y
continua 2n+1 desde 5.1 hasta 5.32 tests
32-33 Presunto Las medusas Capítulo 5, pp 206 a 224. Altas
inocente Ejercicios de la forma esperanzas
4n+3 desde 5.33 hasta (video)
Coincidencias 5.83
natales

34-35 El cumpleaños Probabilidad. Capítulo 6, pp 225 a 256.


Distribuciones Ejercicios de la forma
6n+1 desde 6.1 hasta 6.82
36-37 Estas baterías sí Perseverancia Capítulos 5 y 6, pp 193 a Sistemas de
son de fiar 256. Votación
Ejercicios de la forma
Atención 2n+1 desde 5.84 hasta
inmediata 5.100
Ejercicios de la forma
3n+1 desde 6.83 hasta
6.104

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 23


Esperanza falaz,
azar fecundo

Totoles y
Escamoles

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 24


Unidad 5. Inferencia estadística
El propósito de esta unidad es proporcionarle elementos teóricos al estudiante para que pueda hacer inferencias acerca del valor y la
confiabilidad de un parámetro poblacional con base en los resultados obtenidos de una o más muestras. Esto se logra mediante la
contrastación de hipótesis, la cual se puede realizar desde un enfoque clásico, llamado prueba de hipótesis, o bajo un enfoque basado
en un valor de probabilidad.

Horas Problemas Problemas con Actividades Ejercicios Lecturas Proyectos


guía Internet
38-39 Tuercas, Distribución Capítulo7, pp 257 a 279. Las
tornillos y normal e Ejercicios de la forma matemáticas de
varillas inferencia 4n+3 desde 7.1 hasta 7.50 una catadora de
estadística té
40-42 El límite del Las medusas y el Capítulo 8, pp 281 a 307.
malacate TLC Ejercicios de la forma
5n+2 desde 8.1 hasta 8.54
43-45 La decisión de TLC Capítulo 8, pp 307 a 340. Encuesta aparte
Maya Ejercicios de la forma (video)
Los volcanes y 6n+5 desde 8.55 hasta
las islas 8.139
46-48 El teleférico Muestreo e Capítulo 9, pp 341 a 360. Estadística: Dos
inferencia Ejercicios de la forma teoremas
La serie estadística 4n+1 desde 9.1 hasta 9.41
mundial
Capítulo 10, pp 379 a 408.
Ejercicios de la forma
5n+2 desde 10.1 hasta
10.60

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 25


Materiales Auxiliares para la
Organización del Aprendizaje

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 26


Para entrar en materia.

Materiales Auxiliares para la


Organización del Aprendizaje

Introducción
Materiales Auxiliares para la Organización del Aprendizaje (MAPOA)

Para lograr el aprendizaje integral y multidimensional que aquí proponemos es necesario


que todos nos hagamos corresponsables. Esta responsabilidad compartida apunta al
fortalecimiento de nuestra autonomía. A lo largo de las sesiones discutiremos
explícitamente algunos de los materiales para la organización del aprendizaje y
procuraremos convencernos de la importancia de su uso cotidiano.
Estos materiales se encuentran en la Academia de Matemáticas de tu CECyT, además de en
el disco compacto que acompaña a esta Guía, 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 común, con el que podemos
hablar acerca de algunos aspectos importantes de tu aprendizaje.
En términos generales, estos materiales auxiliares concretan la expresión «responsabilizarse
de su aprendizaje» y contribuyen al logro de nuestra autonomía en la organización de
nuestros propios aprendizajes.

Los auxiliares para la organización del aprendizaje son los siguientes:

En este breve texto se discute el aprendizaje de la resolución de problemas en el contexto


de las habilidades intelectuales de alto nivel y se propone un modelo de aprendizaje
esquemático, «hacer, reflexionar y comunicar», que contrasta con el tradicional «oír, ver y
reproducir».
Aquí se presenta por primera vez la idea del problema como el mejor medio de establecer
una relación fecunda con una disciplina. Esta idea se discute más detalladamente en «La
Heurística».

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 27


En el modelo de organización del aprendizaje PER (Propósito,
La
ElHeurística.
modelo PER.
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.

En este documento de Schoenfeld, investigador especializado en la resolución de problemas


matemáticos, se presenta una estrategia de resolución de problemas, acompañada de un
diagrama de flujo y de una tabla que incluye las heurísticas de uso más frecuente.
El material consta de tres partes:
«La estrategia».
«Algunas heurísticas de uso frecuente».
«Una síntesis esquemática de la estrategia de resolución de problemas».

El portafolios, que es un recipiente en el que se acumula, organiza y


El portafolios reorganiza todo lo que se produce en las actividades, en forma individual
o en equipo, así como los comentarios y extensiones de estos productos.
El portafolios aporta información sobre:
el pensamiento del alumno,
su crecimiento en el tiempo,
las conexiones que establece,
el punto de vista del alumno acerca de su quehacer matemático,
el proceso de resolución 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 resolución de
problemas, los planes, los reportes de las experiencias, los comentarios de las lecturas,
etcétera.

Las fichas

Algunos comentarios y sugerencias sobre la elaboración del reporte, el trabajo en equipo,


la discusión matemática, el control durante la resolución de problemas en el salón de
clases y la elaboración 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 discusión, sobre diversos aspectos de las sesiones de
resolución de problemas.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 28


La evaluación 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, así mismo debe apuntar a mejorar
evaluación
nuestro método de aprendizaje y a reforzar nuestro conocimiento de
nosotros mismos. Estos formatos establecen criterios que nos
permitirán evaluar de una forma más integral nuestro propio trabajo y el de nuestros
compañeros.

Algunos materiales auxiliares para la organización del aprendizaje que puedes consultar
con provecho son:

Propósitos y Competencias Básicas del Estudiante de Bachillerato


Para entrar en materia
El Modelo PER
El enfoque profundo y sus características
El enfoque superficial y sus características
Cuestionario de autoevaluación
Algunos enunciados sobre la organización
La Heurística
Heurísticas de uso frecuente.
Síntesis esquemática de la estrategia de resolución 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 discusión general
Recomendaciones para el trabajo en equipo
Recomendaciones para la elaboración del reporte de la actividad
¿Qué es un problema?
¿Qué es un ejercicio?
Antes de entregar tu reporte, ¡revísalo!
Cómo se construye un mapa conceptual
Las actividades de comprensión de Perkins
Guía para la elaboración de informes de lectura
Los Formatos de Evaluación
Evaluación de presentaciones
Autoevaluación de reportes
Las tres preguntas reveladoras de Mosteller
Autoevaluación del curso
Autoevaluación de habilidades, actitudes y valores

La propuesta siguiente es un plan que te permitirá revisar e incorporar estos materiales en


tus actividades de aprendizaje de matemáticas (y otras materias). En este plan se incluyen
algunas cápsulas que puedes discutir con tus compañeros y profesores. Además te hacemos

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 29


algunos comentarios adicionales y te sugerimos algunas formas para trabajarlos con
provecho.

Unidad MAPOA
Introducción.
1
Las Matemáticas en mi vida.
Las secciones del Portafolio.
2 Mapas conceptuales.
Las fichas del Modelo PER.
Autoexamen sobre tu manera de pensar.
3
Profesor ¿estoy bien?
Las fichas.
4
La Heurística.
Autoevaluación de actividades, actitudes y valores.
5
Portafolios como escaparate.

Las Matemáticas en mi vida


(Una autobiografía matemática)
Escribe un texto titulado "Las matemáticas en mi vida". Toma en cuenta los puntos
siguientes:

1. Relato escrito en un mínimo de dos cuartillas.


2. Usa el esquema de las dimensiones del aprendizaje (conocimientos, habilidades,
actitudes y transferencia) para la descripción de los que sabes de matemáticas y trata
explícitamente lo relativo a la forma en que lo usas fuera de tu clase de
matemáticas.
3. Haz una evaluación de tu último curso de matemáticas, evalúa a tu profesor y
autoevalúate.
4. Describe lo que consideras buenas y malas clases, explica por qué las calificas así.
5. Incluye el aspecto emocional.
6. Describe la actitud de tus familiares con respecto a las matemáticas.
7. Trata lo que han sido las matemáticas en tu pasado, lo que son en tu presente y lo
que esperas que sean en tu futuro.
8. ¿Qué espero de mi profesor?
9. ¿Qué estoy dispuesto a hacer para aprender? Especifica.
10. ¿Qué son las matemáticas?
11. ¿Cómo aprendo matemáticas?
12. ¿De dónde salieron las matemáticas?
13. Incluye tus opiniones y en caso de que consultes algún libro, específica la fuente.

¿Qué es el portafolio?, ¿Qué debes tener en tu portafolio?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 30


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 evaluación continua y además para hacer cortes de evaluaciones
acumulativas e integradoras tantas veces como se requiera, recuperando el propósito
original de la evaluación que es partir de elementos confiables para mejorar tanto el
aprendizaje del alumno como la enseñanza del profesor. (Consulta el diagrama de tus
materiales auxiliares para la organización del aprendizaje)

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 31


Problemas

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 32


Problemas

Introducción
La habilidad para resolver problemas constituye un excelente indicador del nivel de
desarrollo matemático que has alcanzado. En esta guía la actividad de resolución de
problemas es la parte más importante, ya que te permitirá vincular las herramientas
matemáticas con una dimensión de uso, se introducen conceptos matemáticos utilizando
contextos, y se formulan y responden preguntas que contribuyen a la conceptualización de
los objetos matemáticos.

¿Qué es un problema?
Por problema se entiende una situación matemática o extramatemática que no tiene
solución inmediata, admite varias vías de aproximación y posiblemente varias soluciones,
puede consumir mucho tiempo, quizás varias clases, o hasta varios cursos y exige esfuerzo
mental, imaginación y creatividad. Un problema no se trabaja una vez y ya nos olvidamos
de él, tanto profesor como alumnos, sino que puede retomarse en distintos momentos para
mejorar su solución o profundizar en alguna cuestión que haya suscitado.
A través de la actividad de resolución de problemas queremos que tú:
 hagas uso de las matemáticas con las que cuentas para dar respuesta a las
preguntas planteadas en el contexto de la situación,
 busques conexiones entre diferentes representaciones,
 logres diferentes vías de acceso trabajando varios enfoques,
 generalices tus soluciones y reformules, ampliándolo, el problema en
otros campos,
 generes criterios para validar las interpretaciones y los modelos
matemáticos,
 construyas y hagas evolucionar los conceptos matemáticos como respuesta
a tus propias preguntas, y
 desarrolles actitudes que te permitan enfrentar y manejar situaciones
complejas con un alto grado de incertidumbre.

La resolución 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 desafío, de correr un riesgo,
de encontrar la respuesta, de comprender una pregunta, de descubrir nuevos conocimientos
o de crear una solución. Alguien ha dicho que en la resolución de un problema, como en la
vida, lo que importa es el camino. Si tomas esto en cuenta, podrás aprender a adoptar una
actitud que te permita disfrutar y aprovechar la resolución de un problema. No pongas la
mira en el éxito o en el fracaso, sino en el proceso. Es el proceso el que te enseña. Un

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 33


problema resuelto es un problema muerto, mientras no está resuelto vive en ti como
problema.

En esta guía se habla de problemas, problemas con guía y proyectos. Todos ellos comparten
la misma idea de problema que acabamos de mencionar en los párrafos anteriores.
Expliquemos la diferencia que hay entre ellos.

I. Problema: Consta de un enunciado en el que se describe la situación y lo que


se quiere que hagas y respondas. El tiempo estimado para discutirlo
provechosamente es después de una o dos horas de haberlo trabajado.

II. Problema con guía: Además del enunciado contiene un cuestionario o una
secuencia de pasos que te permiten seguir avanzar en el problema usualmente
de situaciones sencillas a otras más complejas. También el tiempo estimado
para discutirlo provechosamente es después de una a dos horas de haberlo
trabajado.

III. Proyecto: Es un problema, o problema con guía, que requiere más de dos
horas de trabajo antes de discutirlo provechosamente. Es posible que tengas
que generar tú mismo los datos y una parte importante del trabajo la tengas
que hacer fuera del salón de clases.

Sobre los proyectos:


Los proyectos te permitirán, más que cualquier otra actividad, profundizar en el aprendizaje
de la modelación matemática. Para que tengas una perspectiva más amplia sobre el papel de
la modelación matemática en los distintos ámbitos del quehacer humano puedes leer
‘Aspectos externos’ de Reuben y Hersh que se incluye en la sección ‘Lecturas’ de tu disco.
Seguramente te suscitará muchas preguntas que puedes discutir provechosamente con tus
compañeros 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 conclusión satisfactoria. Es decir
que se logre dar respuesta a las preguntas que se plantearon y una evaluación, 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 podrás desatorar solo, gracias a
que logres una mejor comprensión de alguna idea y así puedas desatar el nudo y avanzar.
Pero, más a menudo, requerirás de la asesoría de tus profesores, quienes te ayudarán por
medio de preguntas, sugerencias, ejercicios complementarios o lecturas.
La evaluación del proyecto se hará mientras realizas el proyecto, no sólo 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. Además,
deberás considerar la presentación ante el grupo y preparar un guión para la discusión que
se realizará durante, o después de, la presentación. Entre mejor entiendas lo que se trata de
lograr con los proyectos, más fácil te será hacer el esfuerzo considerable que exigen. Con la
evaluación, tanto la continua como la final, queremos obtener información sobre el
desarrollo de tus habilidades matemáticas, como, por ejemplo, la capacidad para:
 Formular los problemas que resultan de una situación.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 34


 Identificar los procedimientos matemáticos que te permiten obtener la
información 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 hipótesis.
 Hacer los cambios necesarios y obtener otras informaciones a partir de las
reformulaciones de los problemas.
 Explicar tus métodos de indagación.
 Producir un informe del desarrollo y conclusiones del proyecto sucinto y
articulado.
También se considerarán algunas actitudes como:
 La creatividad y la iniciativa.
 La participación en el equipo.
 El liderazgo y la cooperación efectivos.
 La perseverancia y la minuciosidad.
 La flexibilidad y la amplitud de criterio.
 La disposición para ir más allá 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 comprensión son los
paquetes de estadística dinámica. Si tienes dudas en su manejo tu profesor te puede orientar.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 35


Problemas

1. El basquetbolista

A partir de la lectura de ‘El método de simulación de Montecarlo’ escribe un


enunciado basado en la situación 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 ¿cuál es la
probabilidad de que enceste exactamente 11 veces?).
 Para cada pregunta planteada formula una conjetura, escríbela y entrega tus
conjeturas al profesor antes de comenzar la solución del problema.
 Establece el modelo para la simulación de un tiro, primero, y de un juego,
después, utilizando los números aleatorios de la calculadora.
 Realiza la simulación 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 simulación.
 Relaciona las preguntas con las gráficas: histograma, polígono de frecuencias y
curva suavizada.
 Destaca la relación entre área y frecuencia.
 Escribe un enunciado que haga referencia a una situación distinta de la del
basquetbolista pero que tenga el mismo modelo que se generó.

2. Pregúntate y Responde

Recibirás varios documentos (impresos, fragmentos de audio o video) que contienen


información estadística. Puedes llevar tus propios documentos con información
estadística sobre temas que te interese analizar y compartir.
Formula 10 preguntas que se puedan responder con la información contenida en las
hojas y, por supuesto, respóndelas.
Elabora un reporte por pareja.
Presenta tus preguntas y respuestas al grupo, procura incluya actividades de
comprensión como:
La explicación.
La ejemplificación.
La aplicación.
La justificación.
La comparación y el contraste.
La contextualización.
La generalización.
Entrega como anexo 5 preguntas mejores que las que originalmente llevaste.
Los aspectos que se consideran en la evaluación son:
Comprensión de la necesidad de basarse en los datos para responder las preguntas.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 36


Planeación y ejecución de los planes que relacionen el análisis de los datos con los
supuestos que se introducen explícitamente.
Conclusiones que se sustenten en un argumento que use la información proveniente
de los datos y los requerimientos de la pregunta que se quiere responder.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

3. Estampitas

Cada paquete de chicle incluye una estampa de un beisbolista célebre con su retrato
e información 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.
¿Cuántos paquetes de chicle tienes que comprar para completar la plana?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

4. Y el hermoso Nireo, el más hermoso ...

En una fábrica de envases para vino hay dos máquinas que producen la totalidad de
botellas. La máquina «Ayax» produce el 70% de las botellas, en tanto que la
máquina «Nireo» produce el resto de las botellas. El 5% de las botellas que produce
la máquina «Ayax» y el 8% de las de la máquina «Nireo» resultan defectuosas.
a) ¿Qué porcentaje de las botellas que produce la fábrica resulta defectuoso?
b) ¿Qué porcentaje de las botellas defectuosas proviene de la máquina «Nireo»?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

5. Emergencias

Una ciudad cuenta con dos compañías de ambulancias. En los registros de la ciudad
se anotan la fecha, la hora de la llamada, la compañía 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 gráficas y cuadros que lo
sustenten) con una recomendación acerca de cuál es la compañía que se debe
escoger para atender las llamadas al 911 en esta región.

Registro del envío de ambulancias, 1 a 30 de mayo


Fecha Hora de la Compañía Tiempo Fecha Hora de la Compañía Tiempo
de la llamada de de la llamada de
llamada respuesta llamada respuesta
en en
minutos minutos
1 7:12 am Metrópolis 11 12 8:30 pm Saeta 8
1 7:43 pm Metrópolis 11 15 1:03 am Metrópolis 12
2 10:02 pm Saeta 7 15 6:40 am Saeta 17
2 12:22 pm Metrópolis 12 15 3:25 pm Metrópolis 15
3 5:30 am Saeta 17 16 4:15 am Metrópolis 7
3 6:18 pm Saeta 6 16 8:41 am Saeta 19

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 37


4 6:25 am Saeta 16 18 2:39 pm Saeta 10
5 8:56 pm Metrópolis 10 18 3:44 pm Metrópolis 14
6 4:59 pm Metrópolis 14 19 6:33 am Metrópolis 6
7 2:20 am Saeta 11 22 7:25 am Saeta 17
7 12:41 pm Saeta 8 22 4:20 pm Metrópolis 19
7 2:29 pm Metrópolis 11 24 4:21 pm Saeta 9
8 8:14 am Metrópolis 8 25 8:07 am Saeta 15
8 6:23 pm Metrópolis 16 25 5:02 pm Saeta 7
9 6:47 am Metrópolis 9 26 10:51 am Metrópolis 9
9 7:15 am Saeta 16 26 5:11 pm Metrópolis 18
9 6:10 pm Saeta 8 27 4:16 am Saeta 10
10 5:37 pm Metrópolis 16 29 8:59 am Metrópolis 11
10 9:37 pm Metrópolis 11 30 11:09 am Saeta 7
11 10:11 am Metrópolis 8 30 9:15 pm Saeta 8
11 11:45 am Metrópolis 10 30 11:15 pm Metrópolis 8
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

6. El dilema de Monty Hall

Monty Hall conduce un programa de televisión de concursos. Monty ha colocado un


automóvil de lujo detrás de una de las tres puertas del escenario de 'Coche o Cabra',
su concurso más popular. La dinámica del concurso es la siguiente, dice Monty:
En primer lugar, usted señala una puerta. Luego yo abriré una de las dos restantes
para mostrarle la cabra que hay detrás. Después usted decide cuál será su elección
definitiva y ganará lo que haya detrás de la puerta escogida.
Por ejemplo, usted elige primero la puerta 1. Monty abre la puerta 3 y detrás hay
una cabra. ¿Cuál será su elección definitiva? ¿Mantener su primera elección, la
puerta 1, o cambiarla por la puerta 2?
¿Cuál debe ser la decisión del concursante? Sustenta tu respuesta en un argumento
explícito.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

7. Los amantes del metro Pino Suárez

Un par de amantes furtivos se citan, para estar solos, en la estación «Pino Suárez»
del metro. Como a ninguno de ellos le gusta esperar, acuerdan que si uno de ellos
llega y no está el otro, permanecerá 15 minutos y, si entretanto no llega el esperado,
se irá, de mala gana, pero se irá. Se citan diariamente entre las 2:00 y las 3:00 pm,
¿cuál es la probabilidad de que tenga lugar su encuentro?
¿Cuántas veces esperan encontrarse durante el próximo año, si mantienen su
acuerdo?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 38


8. Mujeres y Variables

En un estudio sobre la noción de variable en 337 estudiantes de primer año de


licenciatura, 160 de ellos eran mujeres, se obtuvo la información siguiente: En total
247 personas eran solventes en el uso de la variable como número general, 95
mujeres eran solventes en el uso de la variable como incógnita, 85 de las personas
solventes en el uso de la variable como número general también lo eran en el uso de
la variable como incógnita, 20 de las mujeres solventes en el uso de la variable
como número general también lo eran en el uso de la variable como incógnita y
todos los hombres eran solventes en el uso de la variable como número 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 número general.
b) Sea una mujer solvente en el uso de la variable como incógnita pero no solvente
en el uso de la variable como número general.
c) Sea un hombre solvente tanto en el uso de la variable como incógnita como en el
uso de la variable como incógnita.
d) No sea solvente en el uso de la variable como incógnita.

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) ¿Qué proporción fue de hombres? ¿qué proporción fue de mujeres?
b2) ¿Qué proporción prefiere al candidato A? ¿qué proporción prefiere al
candidato B?
b3) ¿Qué proporción de las mujeres prefiere al candidato A? ¿qué proporción
de los que prefieren al candidato B son mujeres?
c) En el padrón electoral están registrados 4185 hombres y 5069 mujeres. Votan el
23% de los hombres y el 44% de las mujeres, ¿cuántos votos obtendrá cada
candidato?

10. Odiseo, fecundo en artimañas,


Odiseo, fecundo en artimañas, tiene dos novias, Penélope y Circe, la primera vive
cerca del metro Taxqueña y la segunda, cerca del metro Pino Suárez. Para ir a visitar
a cualquiera de las dos, todos los días toma el metro en la estación Portales. Como
Odiseo es imparcial, pues cada una ocupa una parte igual de su corazón, ha decidido
que el azar le indique a quien visitará cada día. Así que tomará el primer metro que
llegue al andén, en cualquier dirección.
Luego de mucho tiempo, Odiseo se dio cuenta de que, a pesar de tomar el metro a
diferentes horas, por la mañana, 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 Penélope esta rareza?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 39


11. Las afortunadas plantas de sus reales pies …

En el legendario reino de «La Loma», hasta hace poco una región feraz, ha
aparecido una plaga de ratas que lo devastan con el rigor de una demostración
geométrica. El adivino de palacio, el prudente Tiresias, ha interrogado a los dioses,
quienes, ofendidos por el olvido de las prácticas piadosas que la abundancia trajo
consigo, exigen para que la plaga cese que una de las cuatro princesas, Criseida,
Políxena, Laódice o Graciela, reciba 5656 azotes con vara de ahué 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 señalará la mano de la
princesa que recibirá los 5656 azotes y el agradecimiento de su afligido pueblo..
Calcula tú, desprevenido lector, la esperanza matemática de cada princesa. Las
afortunadas doncellas, pues podrán servir a su pueblo, extraerán 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 años siga con vida dentro de un año es de


0.9962. Una compañía de seguros ofrece a un hombre de 30 años una póliza de
seguro de vida de $100 000 por una prima de $1100. ¿Cuál es la esperanza
matemática de la aseguradora?
La probabilidad de que un hombre de 50 años viva otro año es de 0.9637. ¿Cuál es
la prima que debe cobrar una aseguradora por una póliza de seguro de vida de
$100000, con un año de vigencia, si la prima debe incluir los costos administrativos
por $150 y un beneficio de $300?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

13. Clemencia

Un condenado a muerte pide clemencia a su rey y éste le responde:


Voy a darte una oportunidad de salvación. Te voy a entregar tres bolas blancas y tres
bolas negras y tú tienes derecho a distribuirlas, como quieras, dentro de dos cajas.
Pero luego tendrás que tomar una caja al azar y, sin mirar dentro, extraer una bola:
- Si sale blanca, estás salvado y además te regalo mil monedas de oro y te
caso con mi hija, que tiene mal carácter pero no es nada fea.
- Si sale negra, por el contrario, le digo al verdugo que te dé mil azotes y
luego te decapite.
¿Cómo debe llenar el condenado las cajas para tener las mayores posibilidades de
salvarse?

14. Control de calidad

Del gran total de artículos producido por una máquina, un cierto porcentaje resulta
defectuoso. El encargado del control de calidad toma una muestra aleatoria de diez

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 40


artículos de la producción del día y, si ninguno de éstos sale defectuoso, ordena que
la máquina siga trabajando durante el día siguiente.
a) Calcula la probabilidad de que la regla de decisión del encargado del control de
calidad permita que la máquina funcione un día cualquiera, cuando en realidad
está produciendo un 10% de piezas defectuosas.
b) Calcula el número de piezas que el encargado debería someter a revisión para
asegurarse de que si el 10% de los artículos producidos por la máquina son
defectuosos, la probabilidad de que la máquina continúe trabajando el día
siguiente sea de 1%.
Aplica el modelo PER (Propósito, 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 desviación estándar de 1.4 minutos. El banco quiere incluir en su
campaña de publicidad un lema que afirme que el 95% de los clientes son atendidos
antes de c minutos. ¿Cuál es el valor de c que hace esta afirmación verdadera?
Formula dos preguntas más acerca de esta situación y respóndelas.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

16. Hermana rata, decía Francisco, el santo

En una manzana de la colonia, el Departamento de Salud de la delegación captura


100 ratas, las marca y luego las libera. Un mes después captura, en la misma
manzana, 80 ratas y encuentra que sólo 3 de ellas están marcadas.
¿Cuántas ratas hay en la manzana? ¿Cuántas hay en la colonia?
Aplica el modelo PER (Propósito, 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 padrón electoral están registrados 21,873,214 hombres y 25,092,377 mujeres.
Votan el 43% de los hombres y el 54% de las mujeres, ¿cuántos 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:

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 41


- 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 padrón electoral están registrados 27,873,214 hombres y 25,092,377 mujeres.
Votan el 43% de los hombres y el 54% de las mujeres, ¿cuántos 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 automóviles. Esta velocidad se distribuye
normalmente con una media de 93 km/h y una desviación típica (o estándar) de 8
km/h, el grado de precisión con que se registraron las velocidades es 1 km/h.
Calcula:
a) El porcentaje de automóviles que circulan a menos de 80 km/h.
b) El porcentaje de automóviles que viajan con una velocidad comprendida entre
90 y 110 km/h.
c) Si el límite de velocidad permitido es de 110 km/h y en un período determinado
han pasado 5000 automóviles, ¿cuál es el número aproximado de infractores?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

19. Presunto inocente

En una compañía se detectaron faltantes y, tras contratar a un detective, se estimó


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 compañía
despedirá a todos los que la prueba señale como culpables.
a) Si un empleado es despedido, ¿cuál es la probabilidad de que sea inocente?
b) Si un empleado no es despedido, ¿cuál es la probabilidad de que sea culpable?

20. Coincidencias natales

Se eligen tres niños al azar.


a) ¿Cuál es la probabilidad de que los tres hayan nacido el mismo día de la semana?
b) ¿Cuál es la probabilidad de que los tres hayan nacido el mismo mes del año?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

21. El cumpleaños

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 42


¿Cuál es la probabilidad de que, en un grupo de 40 personas, por lo menos dos de
ellas cumplan años el mismo día?
¿De qué tamaño debe ser un grupo para que al apostar a ‘que por lo menos dos
personas del grupo cumplen años el mismo día’ favorezca al apostador?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

22. Estas baterías sí son de fiar

Supongamos que la duración en horas de un cierto tipo de baterías es una variable


aleatoria continua con una función de probabilidad dada por:
 0, si x  100
f  x   2
x si x  100
Calcula la probabilidad de que una batería dure menos de 200 horas si se sabe que la
batería todavía funciona después de 150 horas de servicio.
Aplica el modelo PER (Propósito, 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. ¿Quién tiene más posibilidades de ganar el juego? Escribe tus
conjeturas antes de realizar los cálculos. ¿Cuál es la esperanza matemática de cada
una en este juego?
Aplica el modelo PER (Propósito, 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.
¿Cómo se debe dividir la apuesta?

25. Atención inmediata

Una computadora tiene reservadas 100k palabras de su memoria principal para


atender consultas de 16 terminales remotas conectadas a la máquina. 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:
a) Tenga respuesta inmediata a su consulta.
b) Tenga que esperar para recibir comunicación de la computadora.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 43


Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

26. Tuercas, tornillos y varillas

En una fábrica 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 sólo 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 sólo se considera defectuosa
si tanto la tuerca como el tornillo resultan defectuosos.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

27. El límite del malacate

Los tabiques que se usan en una construcción tienen un peso medio de 5.5 kg y una
desviación estándar de 0.85 kg. Los tabiques se elevan en lotes mediante un
malacate cuyo límite de seguridad es de 200 kg. Calcula el tamaño máximo de los
lotes de manera que la probabilidad de exceder el límite de seguridad sea menor de
5%.
Formula dos preguntas más acerca de esta situación y respóndelas.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

28. La decisión de Maya

El verano pasado Maya abrió un negocio, por concesión, en el Parque de Diversión


"Días Silvestres". Sus vendedores llevaron palomitas de maíz y bebidas por el
parque, vendiendo en todas partes donde encontraban consumidores. Maya necesita
tu ayuda para decidir a qué trabajadores volverá a emplear el próximo verano.
El año pasado Maya tuvo nueve vendedores. Para este verano, puede contratar
únicamente seis: tres de tiempo completo y tres de medio tiempo. Maya quiere
contratar a los que tuvieron mejores ventas. Pero no sabe cómo hacer las
comparaciones porque los vendedores trabajaron números de horas diferentes.
Además el horario de ventas produjo grandes diferencias. Es más fácil vender más
en un animado viernes en la noche que en una tarde lluviosa.
Maya revisó los registros del año pasado. Para cada vendedor, sumó el número de
horas trabajadas y el dinero recolectado en los casos en que el parque estaba
concurrido, tranquilo y con poca actividad (ver la tabla). Evalúa qué tan buenos para
el negocio fueron los vendedores el último año y decide a quiénes deberá
recontratar de tiempo completo y a quienes de medio tiempo.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 44


Escribe una carta a Maya dándole tus resultados. En tu carta escribe cómo
evaluaste a los vendedores. Da detalles para que Maya pueda decidir si tu método
es bueno para que ella pueda usarlo.

Horas Trabajadas el Último Verano


JUNIO JULIO AGOSTO
Poca Poca Poca
Concurri Tranqui Concurri Tranqui Concurri Tranqui
activida activida activida
do lo do lo do lo
d d d
MARIA 12.5 15 9 10 14 17.5 12.5 33.5 35
JULIA 5.5 22 15.5 53.5 40 15.5 50 14 23.5
TERE 12 17 14.5 20 25 21.5 19.5 20.5 24.5
JOSÉ 19.5 30.5 34 20 31 14 22 19.5 36
PACO 19.5 26 0 36 15.5 27 30 24 4.5
CECI 13 4.5 12 33.5 37.5 6.5 16 24 16.5
ROLO 26.5 42.5 27 67 26 3 41.5 58 5.5
TOÑO 7.5 16 25 16 45.5 51 7.5 42 84
MEMO 0 3 4.5 38 17.5 39 37 22 12

Dinero Ganado el Ultimo Verano (en pesos)


JUNIO JULIO AGOSTO
Poca Poca Poca
Concurri Tranqui Concurri Tranqui Concurri Tranqui
activida activida activida
do lo do lo do lo
d d d
MARIA 6 900 7 800 4 520 6 990 7 580 8 350 7 880 17 320 14 620
JULIA 4 740 8 740 4 060 46 120 20 320 4 770 45 000 8 340 7 120
TERE 10 470 6 670 2 840 13 890 8 040 4 500 10 620 8 060 4 910
JOSÉ 12 630 11 880 7 650 15 840 16 680 4 490 18 220 12 760 13 580
PACO 12 640 11 720 0 24 770 6 810 5 480 19 230 11 300 890
CECI 11 150 2 780 5 740 29 720 23 990 2 310 13 220 15 940 5 770
ROLO 22 530 17 020 6 100 44 700 9 930 750 27 540 23 270 870
TOÑO 5 500 9 030 9 280 12 960 23 600 26 100 61 50 21 840 25 180

29. Los volcanes y las islas

Hubo una vez un terremoto en el fondo del océano. Podía surgir un volcán, con
probabilidad 1/3, o dos volcanes, con probabilidad 2/3. En caso de que surgiera un
volcán, había 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 daría lugar a la formación
de i islas, con probabilidad (3-i)/6, para i = 0, 1, 2.
Determina si los eventos ‘se forma un solo volcán’ y ‘se forma una sola isla’ son
independientes. Escribe una justificación para tu respuesta.
Calcula la función de probabilidad de la variable aleatoria: N = número de islas que
se forman.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 45


30. El teleférico

Un teleférico está diseñado para soportar una carga máxima de 4500 kg. El límite
establecido para el público es de 50 personas. Según los registros, los pesos de los
usuarios del teleférico tienen una media de 86 kg., con una desviación estándar de
11 kg.
¿Cuál es la probabilidad de que un grupo cualquiera de 50 personas rebase la carga
máxima del teleférico?
Formula un problema en el que a partir de la media de una muestra de 50 personas,
con la desviación estándar de la población conocida, pidas obtener una estimación
por intervalo de la media de la población con un cierto nivel de confianza.
Resuélvelo.

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 número 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 46


II. Problemas con guía

1. El varoncito

Para valorar la utilidad de la simulación 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 país te contrata como asesor. Acaba de
adoptar una política que obliga a las parejas a tener hijos hasta que les nazca el
primer varón, momento en el que habrán de cesar de procrear. Lo que quieren saber
los gobernantes de ese país es: ¿cuántos hijos tendrá la familia media como
resultado de esta política? y ¿cuál será la distribución de los sexos? En vez de hacer
una recopilación de datos estadísticos, para lo cual tendrían que transcurrir años,
uno puede lanzar una moneda un número suficientemente grande veces para tener
una muestra que nos permita hacer una estimación. Si interpretamos el sol como
hombre (H) y el águila como mujer (M), uno lanza la moneda hasta que sale el
primer sol y apunta el número de lanzamientos, esto es el número de hijos de la
familia. La sucesión MMH corresponde a dos mujeres seguidas de un hombre, H
corresponde a un hijo único hombre, etc. Se repite este procedimiento 100 ó 1000
veces para producir 100 ó 1000 «familias» y se calcula el número medio de hijos de
cada familia y la distribución de los sexos. Puede que tú, y también los funcionarios
del país, encuentren sorprendente la respuesta.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

2. De la vida de los acumuladores

Los datos siguientes corresponden a la duración real de 40 acumuladores (baterías


eléctricas) para automóvil. La garantía que ofrece el fabricante es de tres años. La notación
que utilizaron para registrar la duración especifica los años y los meses, así 3;02 quiere
decir que la batería duró 3 años 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 polígono de frecuencias y la ojiva. Especifica las
coordenadas de cada gráfica.
c) Calcula una medida de tendencia central que represente el conjunto de datos y
una medida de dispersión que indique cómo se agrupan los datos alrededor del
valor central, o, dicho de otro modo, qué tan representativo es el valor central
escogido del conjunto de datos.
d) ¿Qué proporción de los acumuladores duró menos que la garantía ofrecida por el
fabricante? ¿Qué proporción duró más?
e) En un lote de 500 acumuladores que provienen del mismo proceso de fabricación,
¿cuántos acumuladores crees que durarán menos que la garantía ofrecida por el
fabricante?
f) ¿Qué proporción duró menos que el promedio? ¿Qué proporción duró más?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 47


g) ¿Por qué crees que el fabricante ofrece una garantía menor que la duración
promedio de los acumuladores?
h) ¿Qué relación hay entre la medida de tendencia central, la medida de dispersión y
la garantía? ¿O entre la garantía y el porcentaje de datos? Establece una regla y
justifícala.
i) Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

3. Las personas de las tarjetas

Temas
Categorización
Conjeturas
Representación de datos

Esta actividad trata de la definición de categorías y la formulación de conjeturas. A


la pasadita te familiarizarás con algunas otras herramientas estadísticas, como el
cálculo de promedios o proporciones y presentarás de diversas maneras sus
resultados. Los datos provendrán de los núcleos familiares de los estudiantes de la
escuela.

Qué es lo importante en esta actividad


 Tienes que establecer criterios para dividir tus datos en dos grupos. Más
importante aún, tienes que ser explícito y convencionalmente matemático con
respecto a estos criterios.
 Esta actividad te brinda una oportunidad de formular conjeturas.
 Al evaluar tus conjeturas distinguirás las preguntas que no se pueden responder
de las que se pueden responder con los datos disponibles y de aquellas preguntas
que requieren de información adicional para poder responderlas.
 Algunos estereotipos sociales se basan en datos, algunos otros no. Pero siempre
es posible elaborar una explicación alternativa de los datos.

Preparación
 Reúne los datos de tu grupo en hojas que contengan los datos de 30 personas
cada una. Por lo menos habrá cuatro hojas diferentes.
 Copia los materiales. Hay cuatro originales. Se requiere de una hoja por
estudiante. El trabajo se realizará en parejas con hojas distintas. Puedes usar
hojas de colores para facilitar la organización.
 Se requieren además: papel de estraza, cinta adhesiva, tijeras y marcadores.

Paso a pasito
Lo único que recibes es una hoja de datos. Esta secuencia representa una vía
posible, puedes seguirla o, si ya tienes una panorámica del terreno, seguir otra para
cumplir los objetivos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 48


1. Familiarización. Cada pareja debe tener hojas distintas. Cada uno tendrá que
encontrar la persona más exótica de su hoja y la describirá a su pareja.
2. Comenta a tu pareja y al grupo sobre las hojas y lo que significan los atributos.
3. Primeras categorías. Recorta las tarjetas. Cada pareja tendrá 60 tarjetas.
4. Separa las tarjetas en dos grupos (no tiene que ser del mismo tamaño) según
algún 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 expresión matemática que describa la regla que
aplicaron para separar las tarjetas en dos grupos. La regla debe formularse como
una expresión booleana, que sea verdadera o falsa. Por ejemplo, “Los separamos
por sus ingresos”, requiere que la hagan realmente explícita: “Si el ingreso >
36000, la persona está en el grupo de los ricos, de cualquier otra forma está 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 agrupó. Por ejemplo, en el caso de los ingresos,
podrías advertir que los ricos son, en general, más viejos.
8. Formular la conjetura. Escribe, con tu pareja, un enunciado que exprese la
relación sólo como una generalización que puede ser verdadera o falsa. Es una
afirmación acerca de los datos, no acerca de las causas de la relación. En el
mismo ejemplo, podrían escribir “Los más ricos tienen mayor edad”. Otros
enunciados “de principiante” serían “Los más _______ tienen más ______” y
“La persona que ________también ______”. Las palabras porque o debido a
están prohibidas.
9. Segundas categorías. Formula un criterio nuevo (y su expresión matemática)
que separará por segunda vez los mazos de tarjetas. Este segundo criterio puede
captar lo que encontraron parecido acerca de los grupos en el paso 7. Podría ser,
“la edad >25”.
10. Hacer la presentación. Escribe, con tu pareja, la conjetura como título en la
hoja de papel grande. Luego hagan una presentación que ilustre su conjetura
utilizando los materiales. Por último, la presentación debe incluir la conclusión
de la pareja: si consideran que su conjetura es verdadera y por qué.

Características de una buena presentación


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 categorías (ejemplo, viejo significa edad > 25)
 Resulta claro cómo se relaciona la forma del arreglo en la presentación (en la
hoja grande) con la conjetura.
 La conclusión tiene un sustento matemático.
 Los datos y el análisis sustentan lógicamente la conclusión.
Un buen “sustento matemático” en noveno grado es “Noventa por ciento de los
ricos son viejos, pero sólo 55% de los pobres son viejos. Esto apoya nuestra
conjetura de que las personas ricas son mas viejas”.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 49


Preguntas para la discusión
 ¿Qué otras conjeturas se te ocurren para estos datos? (¡Escríbelas!)
 Al considerar la lista completa de las conjeturas, ¿en cuáles de ellas podemos
realmente usar datos para investigarlas? ¿Cuáles de ellas podemos investigar
usando los datos que tenemos? ¿Se requieren más datos? ¿Qué datos?
 Al considerar las presentaciones, ¿hay algunas conclusiones que pienses que
parecen verdaderas sólo debido a que tenemos una muestra poco común de
personas?
 (Si tienes diferencias en las proporciones) ¿Cuán 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 presentación con una conjetura plausible) ¿Por qué piensas que esta
conjetura es verdadera? Ahora piensa en otra razón para que los datos hayan
sido de esta manera.
 ¿Por qué podría ser importante que los censos sean anónimos?

Otros objetivos
Esta actividad también te puede servir para reforzar o evaluar muchas habilidades
estadísticas que, idealmente, aprendiste en la secundaria, pero que pueden requerir
un repaso. Puedes pensar fácilmente en preguntas que requieran:
 La identificación de un caso (aquí una persona) y sus atributos (o variables,
aquí, edad, sexo, lugar de origen, etc.)
 La distinción entre un atributo categórico y sus valores (ejemplo, sexo, de
masculino y femenino). Esto parece simple y pedante pero causa un sinfín de
dificultades cuando tratas de expresar ideas con la precisión que exigen las
computadoras.
 El cálculo de medias o medianas.
 La elaboración de tablas de dos por dos.
 El cálculo de proporciones.
 La elaboración de gráficas de cajas y bigotes (puedes tomar muestras de 15 y
hacer gráficas de caja de edad o ingresos).
 La elaboración de histogramas (puedes hacer histogramas de edad, con edades
agrupadas por décadas, 0-9, 10-19, 20-29, etc.).

A continuación se presenta un formato de tarjeta pero puedes incluir más atributos si


lo consideras pertinente. Si realizas la actividad en aula de cómputo puedes usar una
base de datos-e o una hoja de cálculo-e para preparar tu presentación.

Las tarjetas

Estado civil
Sexo
Edad
Grado máximo de estudios

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 50


Ocupación
Ingresos anuales
Correo electrónico
Tiempo de transporte diario
Gasto de transporte diario
Vehículo
Computadora
Teléfono
Lugar de origen

4. Las medias sedosas y transparentes

Una escuela compra cada año 150 borradores. Si los precios por pieza en tres años
consecutivos fueron: $2.40, $6.00 y $12.50.
¿Cuál 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.
¿Cuál es el precio promedio que ha pagado la escuela por borrador en los mismos
tres años?
Una empresa tuvo ganancias de $3221000 en 1994 y de $9663000 en 1999.
¿Cuál fue su promedio anual de incremento en sus ganancias?
En la tabla se muestran los millones de habitantes de la República Mexicana entre 1930 y
1990.
Censo Población
1930 16.5
1940 19.7
1950 25.8
1960 34.9
1970 48.2
1980 67.4
1990 86.2
Calcula el crecimiento promedio anual en cada década.
Calcula el crecimiento promedio anual entre 1930 y 1990.
¿Cuál es la población estimada para 2000 si el crecimiento de la década 1980-1990
se mantiene en la década 1990-2000?
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

5. La negociación salarial

El Sr. Valdepeñas dirigente del sindicato de la Compañía Productora y


Comercializadora Gonzaga negociaba con el presidente de la compañía, «El costo
de la vida sube. Necesitamos más dinero, ninguno de los miembros del sindicato
gana más de $54,000 al año.», decía preocupado el Sr. Valdepeñas. El Sr. Gonzaga
replicó «Es cierto que los costos suben. Nosotros también lo resentimos—tenemos
que pagar más por las materias primas, así que nuestras ganacias disminuyen.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 51


Además el salario promedio en nuestra compañía es más de $66,000 al año. No creo
que podamos afrontar un aumento en este momento.»
Esa noche, en la reunión del sindicato, uno de los vendedores dijo «Nosotros los
vendedores ganamos sólo $30,000 al año, en cambio la mayoría de los trabajadores
ganan $45,000, queremos que nuestra paga aumente por lo menos a ese nivel.»
El Sr. Valdepeñas escuchó a sus compañeros quienes le sugirieron que consiguiera
más información sobre los salarios que se pagaban en la compañía. En el
departamento de nóminas le entregaron una tabla que contenía la información
solicitada.

Tipo de trabajo Número de empleados Salario anual Miembro del sindicato


(en pesos)
Presidente 1 750000 No
Vicepresidente 2 390000 No
Administrador 3 165000 No
Supervisor 12 54000 Sí
Trabajador 30 45000 Sí
Oficinista 3 40500 Sí
Secretario 6 36000 Sí
Vendedor 10 30000 Sí
Guardia 5 24000 Sí
TOTAL 72 4780500

«Así 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 mayoría.», pensó el Sr. Valdepeñas.
a) ¿Cuál salario es una buena medida representativa de lo que ganan en esta
compañía?
b) Si a todos los trabajadores que ganan menos de $45,000 se les nivelara a $45,000
anuales, ¿cuáles serían la media aritmética, la mediana y la moda de los salarios?
c) Si fueras el asesor del Sr. Gonzaga, ¿qué postura le sugerirías y con qué
argumentos la sustentarías?
d) Si fueras asesor del sindicato, ¿qué postura le sugerirías y con qué argumentos la
sustentarías?
e) Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

6. Las transformaciones de los datos

La directora de una franquicia de comida rápida ha solicitado al contador que


prepare un perfil financiero para usarlo en la comparación 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 desviación estándar. Unos días después, la jefa informa al contador que
todos los empleados recibirán un aumento de 3.8% según lo establece el nuevo
contrato. ¿Cómo afecta esto la media y la desviación estándar de los salarios?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 52


Un estudiante tiene las calificaciones siguientes en nueve pruebas (cada prueba tenía
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 desviación


estándar.
2) El profesor decide ajustar las calificaciones sobre una base de 25 puntos. Una
forma de hacerlo es modificar la escala multiplicando cada calificación por 5/4
(datos reescalados).
a) Escribe las nueve calificaciones después de modificar la escala.
b) Encuentra la media y la desviación estándar del nuevo conjunto de
puntuaciones.
c) ¿Qué relación 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 calificación (datos trasladados).
4) Construye (o haz que tu calculadora o computadora lo haga) tres gráficas de caja
que correspondan a estos tres conjuntos de datos: datos originales, datos
reescalados y datos trasladados.
Discusión 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 situación
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
generalización para las dos transformaciones: el cambio de escala y la traslación.
7) Responde la pregunta del contador de la franquicia de comida rápida.

8) Calcula la media y la desviación estándar del conjunto de datos siguiente,


somételos 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


desviación estándar 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 desviación
estándar de 14.5 cm
a) ¿Cuál es la longitud media de los cuartos reales?
b) ¿Cuál es la desviación estándar de las longitudes de los cuartos reales?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 53


11) Haz una distribución de frecuencia del conjunto original de datos de la primera
actividad.
a) Suma 5 puntos a cada calificación. Sobre la misma gráfica pero con un color
diferente, traza la distribución de frecuencia de las nuevas calificaciones.
Describe la relación entre las dos gráficas.
b) Multiplica cada calificación de la primera actividad por 5/4. Con un tercer
color, traza la distribución de frecuencia de estas calificaciones. Describe la
relación que hay entre la distribución de frecuencias original y la tercera.
12) Para calcular su promedio de boliche mentalmente, Kyle observa su registro y
le resta 100 a cada puntuación:
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) ¿Qué transformación usó cuando restó 100?
c) ¿Qué propiedad usó en este procedimiento?
d) Encuentra el promedio de Lynette usando el método de Kyle en sus
puntuaciones:
118 127 109 121 115

13) El hermano de Kyle, Kurtis, aplicó otro método. Primero, estimó que el
promedio de Kyle era de 120. Luego vio cuánto se apartaba su estimación de
cada puntuación: 5, -11, -8, -23, 7. Luego promedió estos “errores”: -30/5 = -6.
Por último, sumó este promedio a su estimación para obtener el verdadero
promedio de Kyle: 120 + (-6) = 114.
a) Ensaya el método de Kurtis a partir de otra estimación sobre las mismas
puntuaciones para obtener el promedio.
b) ¿Piensas que este método de la estimación funciona siempre? Explica.
14) Un grupo de estudiantes averiguó 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 Desviación Estándar


Altura
Peso

b) Supón que los estudiantes colocan plantillas de 3 cm en sus zapatos.


Encuentra la media y la desviación estándar de sus alturas.
c) Supón que cada estudiante carga pesas de ejercicio de 1 kg. Encuentra la
media y la desviación estándar de sus pesos.
d) Supón que cada estudiante agrega el 10% de su peso. Encuentra la media y
la desviación estándar de sus pesos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 54


e) Llena la tabla siguiente:
Altura Peso Altura con Peso con Peso con
original original plantillas pesas de incremento
ejercicio de 10%
Rango
Mediana
Moda

f) Considera el rango, la mediana y la moda de un conjunto de datos sometido


a transformaciones de cambio de escala y traslación. ¿Qué afirmaciones
generales puedes hacer sobre cómo cambian estas medidas estadísticas
debido a las transformaciones?
15) Considera la situación del ejercicio 12 otra vez. Supón que los estudiantes
aumentan su peso corporal y se colocan pesas de ejercicio. Encuentra los nuevos
rango, mediana, moda, media y desviación estándar 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) Supón que los estudiantes tienen un peso medio m con una desviación
estándar s. Aumentan su peso en r % y luego se colocan pesas de ejercicio de
k kg. ¿Cuáles son el nuevo peso medio y la nueva desviación estándar?
1 n
16) La fórmula de la media de un conjunto de datos con n valores es  x i  m.
n i 1
a) Supón que cada valor se incrementa en k. Prueba que la nueva media es
m+k.
b) Supón que cada valor se multiplica por a. Prueba que la nueva media es am.
17) La fórmula 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) Supón que cada valor se incrementa en k. Prueba que la varianza no se
modifica con una traslación.
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 desviación estándar es a por
la desviación estándar original s.
18) Calcula las puntuaciones z correspondientes al conjunto de datos del punto 8.
a) ¿Qué transformaciones se realizan para definir la puntuación z?
b) Construye una distribución con las puntuaciones z y descríbela en términos
de la situación que representa.
19) Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

7. Colas: Una simulación exitosa

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 55


Ya encontré un local perfecto, arreglé los créditos necesarios e hice los contactos
para proveer y resurtir el almacén. Todo pinta bien. Sólo queda pendiente una
cuestión: las cajas registradoras.

¿Cuántas cajas habrá que poner? Si hay demasiadas, algunos de los empleados
estarán ociosos la mayoría del tiempo. Si hay pocas, se formarán colas largas a
menudo y los clientes se molestarán y acabarán cambiando de tienda. Puedo
decidirme por un cierto número de cajas, pero si me equivoco me puede resultar
muy caro. Una alternativa sería simular la situación—hacer un experimento de
probabilidad basado en suposiciones acerca de cómo operarían las cajas. Esto es
mucho menos caro que hacer la prueba en la realidad y me permite ensayar
combinaciones distintas para ver cuál 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 período de treinta minutos. Podemos lanzar un dado para simular la
llegada de los clientes a la caja: 1 ó 2 significa que un cliente llega a la caja, 3, 4, 5
ó 6 significa que ningún cliente llega. Si no tienes un dado a la mano, puedes usar
los números aleatorios que generan las calculadoras (RAN#), ¿cómo lo harías? Los
clientes los representamos con letras mayúsculas. Aquí tenemos los resultados de
los treinta lanzamientos del dado:

Números del dado 2,3,2,1,2 2,5,6,1,1 3,5,1,5,3 2,4,6,6,5 6,2,5,1,3 4,4,4,1,5


Cliente A,-,B,C,D E,-,-,F,G -,-,H,-,- I,-,-,-,- -,J,-K,- -,-,-,L,-

Analicemos los resultados, como sólo 1 ó 2 significa que llega un cliente, en los
treinta minutos llegaron doce. Hagamos una descripción minuto a minuto de los
primeros siete minutos, considerando el final de cada minuto:

1. Llega el cliente A a la caja. El empleado estuvo desocupado durante un minuto.


2. Se atiende al cliente A. No llega otro cliente.
3. Llega B. Se sigue atendiendo a A.
4. C llega y B espera. Terminan de atender a A.
5. D llega y C espera. Atienden a B.
6. 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 descripción hasta terminar los treinta minutos.


Supongamos que no llegan clientes después de los treinta minutos, pero que el
empleado atiende a todos los clientes que ya están en la cola. Resumamos los
resultados en la tabla siguiente:

Final del minuto 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15


Llega el cliente A B C D E F G
Se atiende a A A A B B B C C C
Esperan B C CD CDE DE DE DEF

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 56


Final del minuto 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Llega el cliente
Se atiende a
Esperan

Ahora organicemos la información de otra manera. Incluiremos el minuto de


llegada y el minuto en que terminan de atenderlo, junto con el número de
minutos que espero antes de que lo atendieran.

Cliente A B C D E E F G H I J K L
Minuto de llegada a la 1 3 4 5 6 9 10
cola
Minuto en que 4 7 10 13 16 19 22
terminan de atenderlo
Minutos que espero 0 1 3 5 7 7 9
antes de que lo
empezaran a atender

Calcula los valores siguientes


1. Número de clientes esperado:
2. Número de clientes que realmente llegaron:
3. Tiempo total de espera de los clientes:
4. Tiempo promedio de espera por cliente:
5. Tiempo total que permaneció desocupado el cajero:
6. Tiempo adicional requerido por el cajero para terminar de atender a los
clientes:

Habrá que realizar la simulación un buen número 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. ¿Cómo
podemos mejorar la situación? Podemos simular con dos cajas, o más si es
necesario, hasta que los resultados sean más o menos razonables desde la
perspectiva de los clientes. Además hay que estudiar lo que ocurre en distintos
períodos del día, con más o menos frecuencia de clientes, para decidir cuántas
cajas conviene colocar para que haya una buena atención con el mínimo costo.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

8. ¿Misión posible?

El futuro de los eventos de pista en los juegos olímpicos.


Algunas personas piensan que las mujeres atletas están empezando a “alcanzar”
a los hombres en los eventos de pista en los Juegos Olímpicos. De hecho,
investigadores de la UCLA publicaron en 1992 datos que parecían indicar que
dentro de 65 años los mejores corredores hombres y mujeres podrían competir

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 57


en igualdad de condiciones. Otros investigadores no coinciden con esto. A
continuación están los datos de la carrera de 200 metros con los tiempos
ganadores en los Juegos Olímpicos de diferentes años.

Año tiempo en segundos para tiempo en segundos para


hombres mujeres
1948 21.1 24.4
1952 20.7 23.7
1956 20.6 23.4
1960 20.5 24.0
1964 20.3 23.0
1968 19.83 22.5
1972 20.00 22.40
1976 20.23 22.37
1980 20.19 22.03
1984 19.80 21.81
1988 19.75 21.34
1992 19.73 21.72

(Advierte que la introducción de mejores dispositivos de cronometraje significa


medidas más precisas, a partir de 1968 para los hombres y de 1972 para las
mujeres.)
a) Comienza tu investigación acerca de la conjetura de la UCLA haciendo una
gráfica de estos datos. Para obtener el orden de precisión que necesitas debes
utilizar papel milimétrico. Trabajarás sólo en el primer cuadrante. En tu eje X
coloca el año de las Olimpiadas desde 1948 hasta 2048, de cuatro en cuatro.
En tu eje Y pon los números desde 15 hasta 25, que representa el tiempo en
segundos; si utilizas papel milimétrico 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 formará lo que llamamos una
gráfica de dispersión, no es una línea o curva bien definida.
b) Con una regla traza una recta que represente aproximadamente la pendiente y
dirección indicadas por las marcas de los hombres. Haz lo mismo con las
marcas de las mujeres. Escribe una o dos frases explicando por qué piensas
que tu recta es una buena representación de la gráfica de dispersión.
c) Ahora encuentra la ecuación de cada recta utilizando tu gráfica para estimar la
pendiente y la intersección-y (ordenada al origen) de cada una. Trata de ser lo
más preciso posible, recordando sus unidades y usando los puntos en donde la
recta cruza intersecciones de la cuadrícula. La pendiente estará en segundos
por cada año.
d) ¿Parece que las dos rectas se cruzan? ¿En qué años se cruzan? Si resuelves las
dos ecuaciones algebraicamente, ¿obtienes la misma respuesta?
e) Usa una hoja de cálculo para encontrar una regresión lineal de cada conjunto
de datos (mujeres, hombres). Algunas calculadoras científicas también te
permiten hacer este problema en el modo de estadística, marcando los puntos
individuales que teclees y encontrando una regresión lineal que represente los

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 58


datos. De cualquier manera que lo hayas hecho, comprueba si las ecuaciones
de la hoja de cálculo o de la calculadora coinciden con las tuyas.
f) Toma una decisión con tu equipo acerca de si piensas que los tiempos de las
mujeres alcanzarán a los de los hombres. Escribe dos o tres frases explicando
por qué sí o por qué no crees que lo harán.
g) Investiga las marcas en otra competencia, que también se realice para hombres
y mujeres, analiza los datos y escribe tus conclusiones.
h) Aplica el Modelo PER (Propósito, Estrategia, Resultado).

9. La familia atribulada

Una familia sale de vacaciones de semana santa en su casacoche. Si M


representa el suceso “tienen fallas mecánicas”, I, el suceso “les levantan una
infracción” 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 mecánicas y no comete infracciones
pero no encuentra lugar en el campamento.
g) La familia tiene problemas por fallas mecánicas y no halla lugar en el
campamento pero no recibe ninguna multa.
h) La familia encuentra lugar en el campamento.

M I
R5 R2
R6

R1
R4
R3
R8
R7
L
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

10. Conjuntos de números

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 59


Parte I
Identifica empleando las regiones numeradas

A R5

R4 R2 B
R1
R7 R6
R3
C R8

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'
j )  x x  A  x  B
k )  x x  A  x  C
l )  x x  A  x  B
m )  x x  A  ( x  B  x  C )
n )  x x  A  x  C
o )  x x  A  ( x  B  x  C )

Parte II
Dados
   x x  6  x  30  x  N 
A   x x _ es _ par  x  
B   x x _ es _ múltiplo _ de _ 3  x  
C   x x _ es _ múltiplo _ de _ 5  x  
Calcula la cardinalidad de cada uno de los conjuntos siguientes y descríbelo
verbalmente

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 60


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 
o ) n( A' B )
p ) n( A' B C )
q ) n( A  B' C )
r ) n( A  B C )
s ) n( A  B C )' 
t ) n( A C )  B' 

11. Variable aleatoria y beisbol

Sea la variable aleatoria X que representa el número de partidos jugados en una


serie mundial de beisbol. Escribe la función de probabilidad, si ambos equipos
tienen la misma probabilidad de ganar cada juego. Calcula también el número
esperado de juegos. La serie mundial la gana el equipo que acumula primero
cuatro triunfos.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

12. ¿De qué tamaño debe ser la muestra?

Se ofrece un lote de 460 receptores, 70 de ellos defectuosos.


Establece el riesgo que corre el comprador del lote según el tamaño de su
muestra y la regla que define para decidir si lo adquiere.
Comienza con una muestra de 8 artículos. Define la variable aleatoria X, para el
número de artículos defectuosos en la muestra. Calcula los valores de la
probabilidad correspondiente a cada valor posible de la variable. Calcula
también la función de probabilidad acumulada.
Explora otros tamaños de la muestra, precisando el riesgo que corre el
comprador en cada caso.
¿Cuál sería un riesgo aceptable? ¿Qué factores influyen en el riesgo que puede
correr el comprador?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 61


Resume en una tabla los resultados que obtuviste de tu exploración y escribe un
párrafo con tus conclusiones.
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

13. Ordenaciones y Comparaciones

Parte 1
En una escuela, el Colegio ‘Alfonso Reyes’, con el propósito de mejorar la
participación organizada de los estudiantes, se ha establecido una jerarquía para
el uso de los recursos tecnológicos y de la elección de los profesores por parte
de los grupos. De tal manera que los grupos tendrán oportunidad de escoger los
horarios y los profesores según el lugar que ocupan en una ordenación. Se ha
acordado con los alumnos que los criterios de esta ordenación se basarán sólo en
el conjunto de calificaciones de Matemáticas de los grupos.
En la escuela hay 16 grupos que han cursado ‘Matemáticas 1’. La calificación
aprobatoria mínima 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 explícitamente, para decidir cuál de ellos tuvo un mejor
desempeño. Hazlo de la manera más exhaustiva posible.
Ordena los grupos, según sus calificaciones, de dos maneras diferentes. Escribe
un párrafo en el que definas los criterios que guían tus ordenaciones, escoge la
que consideres mejor y da una justificación.
Grupo

Grupo
01M
02M
03M
04M
05M
06M
07M
08M
09M
10M

12M
13M
14M
15M
16M
11M

0 0 0 5 6 3 6 0 1 0 10 0 0 0 0 7 0 0
1 0 0 2 4 2 0 0 2 0 8 8 8 0 0 0 0 1
2 3 10 1 2 3 0 0 5 0 9 3 5 0 0 8 0 2
3 4 3 1 0 1 2 15 4 7 2 6 6 0 0 1 2 3
4 6 2 3 4 1 7 7 7 9 5 3 7 1 0 5 3 4
5 2 1 3 7 4 2 6 0 8 3 4 2 4 10 4 3 5
6 13 7 9 15 10 13 3 3 12 2 7 5 23 17 6 11 6
7 10 11 3 5 9 4 9 6 3 3 2 5 7 11 7 6 7
8 6 5 4 1 8 4 4 4 3 0 4 5 2 2 5 5 8
9 2 3 1 0 2 4 4 2 1 0 5 0 0 3 0 3 9
10 3 2 4 2 0 3 1 0 0 0 3 4 2 0 0 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 acordó con
los alumnos que, después de escoger sus horarios y profesores los mejores seis

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 62


grupos, se recompondrían los grupos restantes de tal manera que todos tuvieran,
en principio, las mismas oportunidades para el curso siguiente.
Define claramente en qué criterios traducirías el enunciado anterior y realiza la
redistribución de los alumnos en los grupos.

Parte 3.
Una fundación ha escogido dos escuelas para destinar un apoyo en equipo y
paquetes computacionales para el aprendizaje de las matemáticas, cuyo valor en
dinero es de 500000 pesos. Los colegios seleccionados son ‘Alfonso Reyes’ y
‘Julio Torri’. Los encargados de la fundación han decidido asignar los recursos
según los resultados de una comparación basada exclusivamente en el número
de alumnos y en las calificaciones de Matemáticas de los alumnos de ambas
escuelas.
En el colegio ‘Julio Torri’ hay 12 grupos que han cursado ‘Matemáticas 1’. La
calificación aprobatoria mínima 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 comparación de las calificaciones de las dos escuelas.
Escribe un párrafo en el que definas los criterios que utilizas en la comparación
y da una justificación. ¿Qué cantidad corresponde a cada escuela?

Grupo 12
Grupo 01

Grupo 02
Grupo 03
Grupo 04
Grupo 05
Grupo 06
Grupo 07
Grupo 08
Grupo 09
Grupo 10
36 38 47 62 41 38 37 38 12 30 Grupo 11
19 39
46 49 49 65 45 40 41 44 19 36 21 49
46 52 49 65 55 43 51 46 23 53 22 52
47 55 49 71 58 52 51 49 25 58 24 55
51 63 50 71 58 53 57 51 25 61 25 64
52 64 53 71 60 53 60 52 25 65 28 64
53 65 54 71 62 54 63 54 26 70 31 65
54 66 54 74 63 56 65 54 30 70 31 66
60 66 55 77 65 59 68 59 31 70 31 66
63 66 57 78 66 59 70 61 32 73 32 66
63 70 57 84 67 63 71 63 34 76 32 70
65 70 61 86 68 66 73 65 35 76 33 70
66 70 63 90 70 68 74 66 35 76 34 71
66 70 70 93 71 70 75 66 36 77 39 71
68 72 70 96 75 71 77 68 40 77 39 72
69 72 72 99 75 75 77 69 40 79 39 72
70 73 74 75 77 78 69 41 79 41 73
72 73 78 76 78 79 72 41 79 42 73
73 73 79 76 79 81 73 42 85 45 73
74 77 83 79 80 82 73 46 88 55 77
76 78 86 80 80 86 73 47 56 79
77 78 93 81 81 87 77 58 63 79

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 63


78 80 82 82 91 78 66 64 80
79 85 84 84 79 68 64 83
80 88 84 85 80 68 67 92
82 92 84 89 85 68 68 93
88 93 87 90 87 75 68 93
88 93 88 94 88 75 69 97
93 95 88 95 92 76 75 99
94 99 89 96 93 77 76 99
96 100 90 100 95 77 77 99
99 100 94 100 99 77 77 99
99 97 99 80 79 100
100 85 81 100
100 86 83
100 88 83
90 83
91 88
91 89
91 96
91 96
98
100
Aplica el modelo PER (Propósito, Estrategia, Resultado) a esta actividad de
aprendizaje.

14. Diagramas de árbol

En una fábrica hay dos máquinas que producen un artículo, la máquina M


produce una fracción p de los artículos y la máquina M produce la fracción (1-
p) restante. Una fracción q de los artículos producidos por la primera máquina y
una fracción r de los producidos por la segunda, resultan defectuosos y tienen
que desecharse.
a) Haz un diagrama de árbol para representar la situación descrita en el
enunciado.
b) En la fábrica se producen A artículos semanalmente:
b1) ¿Cuántos serán producidos por la M? ¿Cuántos por la M?
b2) ¿Cuántos resultarán con algún defecto? ¿Cuántos sin defecto?
b3) ¿Cuántos de los artículos defectuosos habrán sido producidos por la M?
¿Cuántos por la M?
c) Auxíliate de los resultados obtenidos en el inciso anterior para responder a las
preguntas siguientes.
c1) ¿Cuál es la proporción de envases defectuosos producidos en la fábrica?
c2) ¿Qué proporción de los envases defectuosos proviene de la M? ¿Qué
proporción de los envases defectuosos proviene de la M?
d) Escoge unos valores para probar las fórmulas que obtuviste.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 64


En una fábrica hay N máquinas, que llamaremos M, M,..., hasta M. Cada una
produce una fracción p1, p2,…, pN. Respecto al total de los artículos producidos
por cada máquina, la proporción de defectuosos es d, d,..., d respectivamente.
e) Dibuja un diagrama de árbol para representar la situación descrita en el
enunciado.
f) ¿Qué proporción de los artículos producidos en la fábrica resulta defectuosa?
¿Qué proporción de ellos proviene de la primera, segunda, ..., n-ésima,
máquinas?
g) Escoge unos valores para probar las fórmulas que obtuviste.
h) ¿Cómo se relaciona la información que proporciona el diagrama de árbol con
el de una tabla?

15. Un problema bonito

La probabilidad está llena de problemas que no se plantean en otras partes de las


matemáticas. Aun personas con una sólida cultura matemática, pero que no son
expertas en esta disciplina, recelan cuando se les plantea un problema de
probabilidad, porque saben que detrás de enunciados aparentemente sencillos se
encuentran soluciones que parecen desafiar el sentido común, o requieren de un
ingenio al que no están acostumbrados. Considera, por ejemplo, el problema
siguiente:

Una bolsa contiene un número desconocido de canicas blancas. Si se permite


extraer una canica a la vez y luego devolverla a la bolsa, ¿cuántas canicas hay
en la bolsa?

Problemas como este pueden desconcertarnos momentáneamente, ya que el


extraer canicas de la bolsa sólo nos sirve para confirmar lo que ya sabemos: que
las canicas son blancas. Pero no se puede saber cuántas canicas hay, porque no
se puede estar seguro de que la canica extraída no sea la misma que se devolvió
en alguna de las ocasiones anteriores. Sin embargo, hay una solución, aunque
quizás parezca un poco tramposa. Consiste en introducir canicas de otro color,
por ejemplo negras, en la bolsa y realizar después numerosas extracciones. De
esta manera podemos estimar la proporción de canicas blancas y negras
contenidas en la bolsa y, como conocemos el número de canicas negras que
introdujimos, podremos calcular el número de canicas blancas.

El problema anterior puede parecer una curiosidad matemática de poco interés


práctico, pero tiene aplicaciones importantes para contar poblaciones
inaccesibles, como se ilustra en el problema siguiente:

Para saber si una población de osos está en peligro de extinción es necesario


contar el número de osos que habitan un paraje en distintos momentos. Para
hacer una primera cuenta se capturaron 15 y se marcaron. Luego se estableció
un procedimiento de observación y se registró que de 115 observaciones en 23

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 65


se trataba de un oso marcado. ¿Cuál es el número de osos que podemos estimar
que hay en el paraje?

16. Las medusas

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 66


1
9 12
2 4 10
5 7 11
3 6
8 13
15 1
8
14 16 19
17
25
26
21 23 2
22
20 4
34
30
36
27 33 35

28
29 3
46 47
1
3
37 2 44
41 42
43 48
38 39
45
40 49
52
50
51

59 60
61
56 57 58
70
54 5
53 5 65
69
63 64 68

62 74
66
79 80
73
71 72 67
77
90
99
78
76
75 89
86
83
84 87
82 92 88 97
81
10
98 0
91 96 95
85
93
94

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 67


Coloca la hoja que te entregó 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. (Estimación A)
Ahora escoge una muestra representativa de 10 medusas. Una vez que hayas
hecho tu selección, mide la longitud de cada medusa y calcula la longitud
promedio. (Estimación B)
Toma una muestra aleatoria simple (MAS) de 10 medusas, de la manera
siguiente. Cada medusa está numerada de 1 a 100. Con los números aleatorios,
usando un rango de 1 a 100, con la tecla RAN# de la calculadora, genera 10
números aleatorios. Luego calcula la longitud promedio de estas diez medusas.
(Estimación C)
Aplica el modelo PER (Propósito, 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.
¿Cuál es su esperanza matemática al participar en esta rifa?
Supone que la perseverancia le hará ganar alguna vez. Piensa que si participa en
100 rifas tendrá 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 años, ¿cuál es la probabilidad de que gane por lo menos 50
veces?

18. Las medusas y el TLC

Considera la población de las 100 medusas que se incluyen en la tabla.


1. Construye la distribución de frecuencias relativas considerando entre 6 y 8
clases, incluye el histograma, el polígono y la ojiva, calcula la media y la
desviación. Describe la distribución usando
a. La terna (media, desviación, forma) y el polígono suavizado.
b. Los cinco valores y la gráfica de caja y bigotes.
c. Formula dos preguntas que puedas responder con la información de
cada uno de los incisos a y b.
2. Extrae 100 muestras aleatorias de tamaño 5 de la población dada. Enumera
cada muestra y calcula su media.
3. Elabora una distribución de frecuencias para las 100 medias muestrales,
construye el histograma y el polígono, calcula la media y la desviación
estándar.
4. Compara los valores correspondientes de los parámetros de la población y
las estadísticas de la distribución de las medias muestrales.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 68


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 estimación por intervalo de la media de la
población 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 estimación pero ahora con niveles de
confianza de 90% y 99%. Escribe un párrafo con tus conclusiones
relativas a la relación que hay entre el tamaño del intervalo y el nivel
de confianza para un mismo tamaño de muestra.
7. Repite el punto 6 pero con muestras de tamaño 5, 15 y 20 y 25. Escribe un
párrafo con tus conclusiones.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 69


III. Proyectos

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 70


Ejercicios

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 71


Ejercicios

Introducción
En matemáticas es usual que se hable de ejercicio y problema y de que en muchos
momentos se tomen como sinónimos. En esta Guía son cosas diferentes. En otra parte se
trata lo de problema, aquí comentamos la idea que en esta Guía utilizamos para ejercicio.
Una característica del ejercicio es que con él se pretende que adquieras soltura en el manejo
de ciertos procedimientos o en el tratamiento de ciertas situaciones que son útiles cuando te
enfrentes a problemas.
Cuando te enfrentas a un ejercicio ya sabes lo que tienes qué hacer y hay que hacerlo.
Puede tratarse, por ejemplo, de un algoritmo, como la aplicación de la fórmula general para
resolver una ecuación de segundo grado. Si ya dominas la aplicación de este algoritmo,
cada vez que te encuentres una ecuación que tú reconoces de segundo grado, ya sabes que
puedes resolverla y lo harás. En cambio, si tienes dificultades para aplicar la fórmula
general, cada vez que necesites resolver una ecuación de segundo grado tendrás un
problema.
También puede ser algo más laborioso como la aplicación del método de diferencias finitas
para la obtención de la ecuación de una función polinomial a partir del conocimiento de
ciertos valores que se conocen de la función.
Incluso puede tratarse de modelos algebraicos de problemas como la altura en función del
tiempo que adquiere un cuerpo que es lanzado de alguna forma.
Cuando se te pide hacer un ejercicio, es porque cuentas con la información necesaria para
ello. Usualmente consiste en una explicación 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
explicación se puede realizar en el salón de clases (en este caso no sólo debes anotar lo que
se te presenta en el pizarrón o algún 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
sólo por reconocer los pasos que tienes que seguir para resolver el ejercicio, sino también
busca entender el porqué de estos pasos. De esta forma estás en condiciones de darte cuenta
si puedes aplicar algunos de los pasos del ejercicio en una situación parecida al ejercicio
que ya sabes resolver.
Hay algo más. Dominas por completo un ejercicio cuando eres capaz de resolverlo sin
consultar tus apuntes o la información que tienes del mismo. Por ejemplo, sabes resolver
una ecuación de segundo grado por la fórmula general cuando, sin necesidad de consultar
en tus apuntes, aplicas la fórmula general. Desde luego, para esto es necesario que tengas
aprendida la fórmula de memoria. Pero la memorización se logra al aplicar varias veces la
fórmula en ecuaciones de segundo grado.
En cambio, dominas a secas un ejercicio cuando puedes resolverlo consultando parte de la
información de la que dispones (usualmente algunas fórmulas).
Si necesitas preguntar algo a un compañero o un profesor para resolver un ejercicio,
entonces todavía no dominas el ejercicio y te hace falta más práctica.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 72


Lo ideal es que domines por completo los ejercicios; de esta manera dispondrás de más
tiempo para dedicarte a trabajar en los aspectos nuevos o desconocidos del problema al que
te enfrentes.
En esta Guía se te señalan ejercicios para que los trabajes y en dónde puedes obtener la
información que necesitas. En algunos casos los ejercicios señalados son suficientes para
que llegues a dominarlos, pero en otros no y tú debes buscar o crear otros ejercicios para
que sigas practicando. Hacerlo es parte de tu responsabilidad como estudiante.
Por cierto, tú mismo eres capaz de crear ejercicios cuando resuelves un problema y luego
detallas los pasos que deben seguirse para resolver la situación del problema. Es decir,
cuando elaboras una información similar a la que tu consultaste para resolver los ejercicios
propuestos.

Aquí hay algo más sobre las características de un ejercicio:

¿Qué es un ejercicio?

Un ejercicio está fuertemente relacionado con un algoritmo o rutina, no necesariamente


sencillos. Los más complejos pueden requerir la combinación de varios procedimientos con
destrezas específicas. En un ejercicio puede requerirse una articulación de registros de
representación, pero esta articulación suele estar ya incluida en el algoritmo, en la rutina o
en el esquema. La administración 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 reconceptualización de los conocimientos sino la
frecuentación de una vía ya abierta, la adquisición de una destreza. Su esquema metafórico
es la suma no la integración. Puede ser laborioso, raramente difícil.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 73


Tareas del libro-e Descartes
Realiza las actividades siguientes del Proyecto Descartes:

Unidad 1
Estadística Descriptiva
Fracciones, decimales y porcentajes
http://descartes.cnice.mecd.es/4b_eso/Fracciones_decimales_porcentajes/index.htm
Porcentajes e índices
http://descartes.cnice.mecd.es/1y2_eso/Porcentajes_e_indices/index.htm
Variables estadísticas bidimensionales. Regresión y correlación
http://descartes.cnice.mecd.es/Bach_CNST_1/Variables_estadisticas_bidimensionales_
regresion_correlacion/Indice.htm
Estadística descriptiva
http://descartes.cnice.mecd.es/Estadistica/Estadistica_descriptiva/Estadistica.htm

Unidad 2
Elementos Básicos 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
Distribución de Probabilidad

Distribución 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 74


Inferencia Estadística
Distribución normal e inferencia estadística
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 estadística
http://descartes.cnice.mecd.es/Estadistica/Muestreo_Inferencia_Estadistica/index.htm

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 75


Tareas de los libros

Unidad Tareas del libro ‘Estadística elemental. Lo esencial’ de Robert Johnson y


Patricia Kuby. Thomson
1.1 Capítulo 1, pp 1 a 24.
Ejercicios de la forma 4n+1 desde 1.1 hasta 1.48
1.2 Capítulo 2, pp 25 a 72.
Ejercicios de la forma 5n+2 desde 2.1 hasta 2.90
1.3 Capítulo 2, pp 72 a 100.
Ejercicios de la forma 4n+3 desde 2.91 hasta 2.157
1.3 Capítulo 3, pp 101 a 144.
Ejercicios de la forma 6n+5 desde 3.1 hasta 3.67
2.1 y 2.2 Capítulo 4, pp 145 a 165.
Ejercicios de la forma 3n+1 desde 4.1 hasta 4.46
2.3 Capítulo 4, pp 165 a 172.
Ejercicios desde 4.47 hasta 4.59
3.1 Capítulo 4, pp 172 a 180.
Ejercicios de la forma 2n+1 desde 4.60 hasta 4.80
3.2 y 3.3 Capítulo 4, pp 180 a 187.
Ejercicios desde 4.81 hasta 4.92
3.3 Ejercicios proporcionados por el profesor
2y3 Capítulo 4, pp 187 a 192.
Ejercicios de la forma 2n+1 desde 4.93 hasta 4.115
4.1 Capítulo 5, pp 193 a 206.
Ejercicios de la forma 2n+1 desde 5.1 hasta 5.32
4.2 Capítulo 5, pp 206 a 224.
Ejercicios de la forma 4n+3 desde 5.33 hasta 5.83
4.3 Capítulo 6, pp 225 a 256.
Ejercicios de la forma 6n+1 desde 6.1 hasta 6.82
4 Capítulos 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
Capítulo7, pp 257 a 279.
Ejercicios de la forma 4n+3 desde 7.1 hasta 7.50
5.1 y 5.2 Capítulo 8, pp 281 a 307.
Ejercicios de la forma 5n+2 desde 8.1 hasta 8.54
5.4 Capítulo 8, pp 307 a 340.
Ejercicios de la forma 6n+5 desde 8.55 hasta 8.139
5.4 Capítulo 9, pp 341 a 360.
Ejercicios de la forma 4n+1 desde 9.1 hasta 9.41
5.3 y 5.5 Capítulo 10, pp 379 a 408.
Ejercicios de la forma 5n+2 desde 10.1 hasta 10.60

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 76


Ejercicios Complementarios

Unidad 1. Estadística Descriptiva

1. Para investigar la preferencia por un producto A o un producto B se encuestó a 30


personas, entre hombres y mujeres. A cada persona se le asignó un número como
identificación: a la primera persona encuestada se le asignó el 1, a la segunda se le
asignó el 2, y así sucesivamente.

A los hombres les correspondieron los números:


2, 4, 5, 6, 9, 10, 11, 15, 16, 19, 21, 24, 25, 27, 28, 29
A las mujeres los números:
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) Vacía la información anterior en la tabla siguiente:

PREFERENCIA
Producto A Producto B Total
Hombre
SEXO Mujer
Total

b)
b1) ¿Qué proporción de los encuestados fueron hombres?

b2) ¿Qué proporción de los encuestados prefirió el producto A?

b3) ¿Que proporción de los encuestados fueron hombres que prefirieron el


producto A?

b4) ¿Qué proporción de los hombres prefirió el producto A?

b5) ¿Qué proporción de los que prefirieron el producto A fueron hombres?

c) Conviene comparar la tabla anterior con la que se obtendría 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
compárala con la anterior; en tu opinión ¿lo que observas indicaría una relación entre
el sexo de una persona y su preferencia por alguno de los dos productos?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 77


PREFERENCIA
Producto A Producto B Total
Hombre
SEXO Mujer
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 tréboles). Calcula la probabilidad de cada uno de los eventos siguientes,
si se extrae una carta al azar.

a) Sacar un as.
b) Sacar una carta que no sea de tréboles.
c) Sacar una figura (sota, reina o rey).
d) Sacar una figura de diamantes
e) Sacar una carta de tréboles menor que seis.
f) Sacar una carta de espadas de número par.
g) Sacar un as de espadas o un rey.
h) Sacar una reina o una carta par.

3. Se lanzan simultáneamente tres monedas de un peso.

a) Describe el espacio muestral.

Calcula la probabilidad de obtener:

b) Exactamente un águila.
c) Exactamente dos águilas.
d) Exactamente tres águilas.
e) Por lo menos un águila.
f) Por lo menos dos águilas.
g) A lo sumo dos águilas.

4. Si se tiran dos dados simultáneamente:

a) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un número


mayor que tres?
b) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un número
mayor que dos?
c) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un cinco?
d) ¿Cuál es la probabilidad de que por lo menos un dado muestre un número par?
e) ¿Cuál es la probabilidad de que la suma de los puntos sea siete?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 78


f) ¿Cuál es la probabilidad de que la suma sea divisible por dos o por tres?

5. Después de lanzar un dado 10 000 veces se encontró que las frecuencias relativas de
1 1 1 1 1 1
las caras 1, 2, 3, 4, 5 y 6 fueron, respectivamente , , , , y .
3 12 12 6 6 6

Si se usa la definición estadística de probabilidad, calcula la probabilidad de cada


uno de los eventos siguientes:

a) Obtener un número impar.


b) Obtener un número par.
c) Obtener un número menor que cuatro.
d) Obtener un número mayor que tres.

6. Tres estudiantes, Ayax, Laertes, y Pirro, intervienen en una competencia de natación


Ayax y Laertes tienen la misma probabilidad de ganar y el doble de la de Pirro.
¿Cuál 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, después para el segundo. Terpsícore tiene el número trece y
Euterpe el siete.

a) ¿Cuál es la probabilidad de que Terpsícore obtenga el primer premio y Euterpe el


segundo?
b) ¿Cuál es la probabilidad de que ellas obtengan los premios sin importar el orden
de los mismos?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 79


Unidad 2. Elementos Básicos de Probabilidad

1. En una urna hay 1200 fichas, 50 son rojas, 285 son blancas, 349 son azules, 68 son
verdes, 117 son cafés y el resto son negras. Calcula la probabilidad de cada uno de
los eventos siguientes, si se extrae una ficha al azar.

a) La ficha es azul.
b) La ficha es negra.
c) La ficha no es negra.
d) La ficha es blanca o negra.
e) La ficha no es café.
f) La ficha es café, 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 tréboles). Calcula la probabilidad de cada uno de los eventos siguientes,
si se extrae una carta al azar.

a) Sacar un as.
b) Sacar una carta que no sea de tréboles.
c) Sacar una figura (sota, reina o rey).
d) Sacar una figura de diamantes
e) Sacar una carta de tréboles menor que seis.
f) Sacar una carta de espadas de número par.
g) Sacar un as de espadas o un rey.
h) Sacar una reina o una carta par.

3. En un proceso de control de calidad, 50 artículos fueron sometidos a dos pruebas


distintas, para ver si tenían algún 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 artículo de este grupo al azar de que:
a) Aprobara ambas pruebas.
b) Aprobara la primera prueba pero no la segunda.
c) Aprobara sólo una prueba.
d) Aprobara al menos una prueba.
e) No aprobara ninguna de las dos pruebas.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 80


4. Se lanzan simultáneamente tres monedas de un peso.

a) Describe el espacio muestral.

Calcula la probabilidad de obtener:

b) Exactamente un águila.
c) Exactamente dos águilas.
d) Exactamente tres águilas.
e) Por lo menos un águila.
f) Por lo menos dos águilas.
g) A lo sumo dos águilas.

5. Si se tiran dos dados simultáneamente:

a) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un número


mayor que tres?
b) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un número
mayor que dos?
c) ¿Cuál es la probabilidad de que por lo menos uno de ellos muestre un cinco?
d) ¿Cuál es la probabilidad de que por lo menos un dado muestre un número par?
e) ¿Cuál es la probabilidad de que la suma de los puntos sea siete?
f) ¿Cuál es la probabilidad de que la suma sea divisible por dos o por tres?

6. Después de lanzar un dado 10 000 veces se encontró que las frecuencias relativas de
1 1 1 1 1 1
las caras 1, 2, 3, 4, 5 y 6 fueron, respectivamente , , , , y .
3 12 12 6 6 6

Si se usa la definición estadística de probabilidad, calcula la probabilidad de cada


uno de los eventos siguientes:

a) Obtener un número impar.


b) Obtener un número par.
c) Obtener un número menor que cuatro.
d) Obtener un número mayor que tres.

7. Tres estudiantes, Ayax, Laertes, y Pirro, intervienen en una competencia de natación


Ayax y Laertes tienen la misma probabilidad de ganar y el doble de la de Pirro.
¿Cuál 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 81


el primer premio y otro, después, para el segundo. Terpsícore tiene el número trece
y Euterpe el siete.

a) ¿Cuál es la probabilidad de que Terpsícore obtenga el primer premio y Euterpe el


segundo?
b) ¿Cuál 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 año. 300 están reprobados en
matemáticas, 175 en contabilidad y 132 en ambas. Si se escoge un alumno al azar
calcula la probabilidad de que:

a) Esté reprobado en matemáticas pero no es contabilidad.


b) Esté reprobado en contabilidad pero no en matemáticas.
c) No esté 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 población de comadrejas en una zona, se capturaron y marcaron 25


de ellas. Un mes más tarde se recapturaron 50 comadrejas y se encontró que 18 de
ellas estaban marcadas, ¿cuál es la población estimada de comadrejas en esa zona?
Explica el razonamiento que te llevó a la respuesta.

12. En una fábrica de Toluca trabajan 767 empleado. De estos 185 tienen automóvil. De
179 empleados que no residen en Toluca 165 tienen automóvil. Calcula la
probabilidad, si se elige un empleado al azar, de que:

a) Resida en Toluca y no posea automóvil.


b) Resida en Toluca y posea automóvil.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 82


13. Para transportarse de Nueva Rosita a Piedras Negras, Coahuila, se puede tomar un
autobús verde o un azul:
- El primer autobús azul sale a las 6:00 a. m. y después hay uno cada veinte minutos
hasta las 9:00 p. m.
- El primer autobús verde sale a las 6:10 a. m. y después hay uno cada cuarto de
hora hasta las 8:40 p. m.
¿Cuál 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 autobús verde?

Autobús Azul (A) Autobús Verde (V)


6:00 6:10
6:20 6:25
6:40 6:40
7:00 6:55
7:20 7:10
7:40 7:25
8:00 7:40
8:20 7:55
8:40 8:10
9:00 8:25
8:40

14. De 2000 jóvenes entrevistados, con edades comprendidas entre 15 y 20 años, 360
no trabajan ni estudian, 817 sólo 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 Matemáticas está 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 sólo bigote y patillas, 12 sólo barba, 15 sólo bigote y 25
no llevan barba, bigote ni patillas.
Se escoge uno de ellos al azar, calcula la probabilidad de que:

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 83


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 información:

48 tienen por lo menos casa propia


87 tienen por lo menos automóvil
120 tienen por lo menos televisión
52 tienen sólo automóvil y televisión
1 tiene sólo casa propia
3 tienen sólo automóvil
44 no tienen ninguna de las tres cosas

Si se escoge un empleado al azar calcula la probabilidad de que:

a) Tenga automóvil, casa propia y televisión.


b) Tenga casa propia y televisión pero no automóvil.
c) Tenga televisión pero no casa propia y automóvil.
d) Tenga automóvil o televisión.

18. En un estudio sobre la noción de variable en 102 estudiantes de primer año de


licenciatura, 52 de ellos eran mujeres, se obtuvo la información siguiente: todos los
hombres eran solventes en el uso de la variable como número general. En total 62
personas eran solventes en el uso de la variable como número general, 25 mujeres
eran solventes en el uso de la variable como incógnita, 15 de las personas solventes
en el uso de la variable como número general también lo eran en el uso de la
variable como incógnita y 10 de las mujeres solventes en el uso de la variable como
número general también lo eran en el uso de la variable como incógnita.

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 incógnita.


b) Sea una mujer solvente en el uso de la variable como número general pero no
solvente en el uso de la variable como incógnita.
c) Sea un hombre solvente en el uso de la variable como incógnita.
d) No sea solvente en el uso de la variable como número general.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 84


Unidad 3. Probabilidad Condicional

1. Se extraen dos naipes de una baraja francesa de 52 cartas.

a) Si se vuelve a colocar la carta extraída antes de tomar la segunda, ¿cuál 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, ¿cuál 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 éstos están defectuosos.


¿Cuál es la probabilidad, si se cogen dos de ellos para revisarlos, de que el primero
esté defectuoso y el segundo en buen estado?

3. La probabilidad de que una familia tenga automóvil es 0.25, la probabilidad de que


una familia tenga tanto casa propia como automóvil es 0.10, ¿cuál es la probabilidad
de que una familia cualquiera tenga casa propia si sabemos que tiene automóvil?

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 información contenida en el enunciado anterior mediante:
a) Un diagrama de árbol; b) Una tabla de doble entrada; c) Un diagrama de Venn.
Formula dos preguntas de probabilidad condicional y respóndelas.

5. Hay dos tarjetas en un cajón, 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 cajón y se coloca sobre
una mesilla (también la cara que está hacia arriba se ha escogido al zar),si se nos
dice que la cara que esta a la vista sobre la mesilla es roja, ¿Cuál es la probabilidad
de que la cara que está hacia abajo sea roja?

6. En una escuela todos los alumnos toman clase de contabilidad y de matemáticas, la


probabilidad de que un alumno escogido al azar, repruebe en Matemáticas 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 matemáticas”; y “reprobar en


contabilidad”?
b) Sí se sabe que un alumno está reprobado en matemáticas, ¿cuál es la probabilidad
de que repruebe en contabilidad?
c) Si se sabe que un alumno está reprobado en contabilidad, ¿cuál es la probabilidad
de que repruebe en matemáticas?
d) ¿Cuál es la probabilidad de que un alumno no repruebe en matemáticas?
e) ¿Cuál es la probabilidad de que un alumno no repruebe en contabilidad?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 85


f) ¿Cuál es la probabilidad de que repruebe en matemáticas pero no en contabilidad?
g) ¿Cuál es la probabilidad de que repruebe en contabilidad pero no en matemáticas?
h) ¿Cuál es la probabilidad de que no repruebe en ninguna de las dos materias?
i) ¿Cuál es la probabilidad de que repruebe en contabilidad si se sabe que aprobó en
matemáticas?
j) ¿Cuál es la probabilidad de que apruebe en matemáticas si se sabe que aprobó en
contabilidad?
k) ¡Cuál es la probabilidad de que apruebe en contabilidad si se sabe que aprobó en
matemáticas?

7. La probabilidad de que Orfeo reciba una llamada de sus amigos en el lapso de una
hora es de 0.25, ¿cuál es la probabilidad de que se pase 3, 4,…, n horas sin recibir
una llamada?

8. Una fábrica tiene dos máquinas. La máquina A produjo el 60% de las piezas y la B
el resto. El 2% de las piezas producidas por la máquina A y el 5% de las producidas
por la máquina b tenían defectos.

a) Si se toma una pieza al azar, ¿Cuál es la probabilidad de que resulte defectuosa?


b) Si se toma una pieza al azar y resulta defectuosa, ¿cuál es la probabilidad de que
haya sido producida por la máquina A?

9. Un examen clínico presenta las siguientes características:


- 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 está sana en el 95% de
los casos, pero atribuye erróneamente la enfermedad al 5% de los casos restantes.
Se sabe además que la enfermedad la padecen aproximadamente el 7% de las
personas.
Al aplicar masivamente el examen, ¿qué confianza podemos tener en que una
persona que aparece como sana en el examen está realmente sana? ¿qué confianza
podemos tener en que una persona detectada como enferma está realmente enferma?

10. Se tienen dos lotes de piezas idénticas. Del primer lote se sabe que 1% son
defectuosas y del segundo lote que 5% también lo son. Se escoge al azar uno de los
dos lotes y, del lote escogido, se toma una pieza también al azar.

a) ¿Cuál es la probabilidad de que la pieza así escogida sea defectuosa?


b) Si se sabe que la pieza escogida resultó defectuosa, ¿cuál es la probabilidad de
que se haya tomado del primer lote?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 86


11. En un lote de 5 focos hay dos defectuosos para localizarlos se prueban los focos de
uno en uno.

a) ¿Cuál es la probabilidad de que los focos defectuosos se localicen al probar los


dos primeros?
b) ¿Cuál es la probabilidad de que necesiten probarse los cinco focos?

12. En un almacén se encuentran 100 cajas con 100 fusibles cada una, 20 cajas
contienen fusibles producidos por la máquina A, 30 cajas por la máquina B y 50
cajas por la máquina C. Las cajas están almacenadas al azar sin importar la máquina
de procedencia. La máquina A produce en promedio 5% de fusibles defectuosos, la
máquina B, 3% y la máquina 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 máquina A
b) La máquina B
c) La máquina C.

13. Cástor y Pólux 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 algún
jugador se haya arruinado, es decir haya perdido su capital.

a) ¿Cuáles son las probabilidades de Cástor y de Pólux de arruinarse?


b) ¿Cuáles son las probabilidades de que el juego termine sin que ninguno de los dos
se arruine?
c) ¿Es parejo el juego?

14. Una compañía de seguros de automóviles ha asegurado a 60 000 conductores de


clase A (riesgo pequeño), 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 más accidentes durante un año es 0.02; 0.05 y 0.15, respectivamente. La
compañía vende al Sr. José K. Una póliza de seguro y en un año tiene un accidente.
Calcula la probabilidad de que el Sr. José K. Sea un conductor:

a) De clase A.
b) De clase B.
c) De clase C.

15. La probabilidad de que un día llueva es 60% si llovió el día anterior y de 40% si no
llovió. Hoy llovió, ¿cuál es la probabilidad de que llueva dentro de 3, 4, 5,..., n días?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 87


16. Se supone que una cierta prueba detecta el cáncer con probabilidad de 0.8 entre
gente que padece cáncer y no detecta el 20% restante. Si una persona no padece
cáncer la prueba indicará esta hecho un 95% de las veces e indicará que tiene cáncer
un 5% de ellas. Supondremos que el 3% de la población de prueba padece cáncer y
la prueba de una persona determinada, seleccionada al azar, indica que tiene cáncer.
¿Cuál es la probabilidad de que efectivamente padezca dicha enfermedad?

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 88


Unidad 4. Distribución de Probabilidad

1. El

2. Imagina que un gobierno sexista de un cierto país te contrata como asesor. Acaba de
adoptar una política que obliga a las parejas a procrear hasta que les nazca la
primera niña, momento en el que habrán de cesar sus afanes reproductivos. Lo que
quieren saber los gobernantes de este país es ¿cuántos hijos tendrá la familia media
como resultado de esta política? y ¿cuál será la distribución de los sexos?

3. Compara la probabilidad de que en los próximos 10 partos en una clínica haya 60%
o más de mujeres con la probabilidad de que en los próximos 100 partos en una
clínica haya 60% o más de mujeres. ¿Qué suceso es más probable? Justifica tu
respuesta.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 89


Unidad 5. Inferencia Estadística

1. El

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 90


Lecturas

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 91


5. Lecturas

Introducción
En este material se cuenta con algunas lecturas sobre temas de matemáticas. No se trata de
un material de relleno, simplemente para introducir o motivar el estudio de ciertos temas.
La comprensión de la matemática no se limita al conocimiento y adquisición de soltura en
el uso de ciertos procedimientos, principalmente algebraicos. También incluye la discusión
de ideas y conceptos.

La lectura te exige un esfuerzo que debes realizar si quieres lograr comprender su


significado. Por ejemplo, la expresión “yo sólo sé que no sé nada” es atribuida a Sócrates.
Sin embargo, en la Apología de Sócrates lo que se dice es “yo sólo sé que lo que sé es
nada”. ¿Son equivalentes ambas expresiones? ¿Puedes explicar sus diferencias de
significado?

Es posible que tengas compañeros que digan que ya entendieron algún tema de
matemáticas, digamos ecuaciones de segundo grado, de manera que si les dan una ecuación
no tienen dificultad para resolverla, pero que si de lo que se trata es leer un texto y a partir
de él plantear una ecuación que deben resolver para responder lo que se les pregunta,
entonces no pueden hacerlo, pues no entienden cómo se puede saber la ecuación que sirve
para lo que dice el texto. Aquí se tiene un problema de comprensión de lectura y no porque
el alumno no pueda darse una idea de lo que dice el texto, sino porque él 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 situación planteada.

No se trata de hacer complicada una lectura. Pero es que la comprensión 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 niño en los primeros años de primaria al
reconocer las letras del alfabeto y cómo 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 matemáticas necesitas al menos de lápiz y papel a un lado para
realizar anotaciones, cálculos, dibujar figuras, o representaciones de lo que se está
estudiando en el libro. Para leer un artículo 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 92


Cuando has leído un artículo y dices que lo has comprendido, es porque eres capaz de
señalar 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 también permite desarrollar nuestra capacidad de comunicación y


argumentación. No basta decir que ya entendimos algo; si no somos capaces de expresar y
comunicar a otros esta comprensión no logramos el principio básico de una discusión: se
logra convencer a los otros a partir de la elaboración y exposición de argumentos
coherentes y no por hablar más tiempo, más fuerte o por ocupar un puesto más alto que los
otros.

Debemos saber comunicar nuestras ideas, pero también escuchar cuidadosamente los
argumentos de otros, tratando de entender lo que nos están diciendo, reflexionar en los
argumentos que nos presentan y aceptarlos si nos parecen convincentes.

La lectura de un artículo y luego la discusión del mismo nos permite reflexionar el tema
tratado y enriquecer la comprensión del mismo. La lectura es una actividad que realizamos
constantemente, en los periódicos, en el cine, en la televisión, en internet y en los mensajes
que recibimos de estos medios tan diversos siempre hay una dimensión matemática que no
podemos ignorar. Si algo de lo que lees llama tu atención por la importancia que las
matemáticas tienen en su interpretación, ya sea un fragmento de película o de novela, una
noticia o un reportaje, puedes elaborar un guión y organizar y conducir una discusión en la
clase.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 93


Lecturas

1. El método de simulación de Montecarlo

por John Allen Paulos

Artículo publicado en Más allá de los números de John Allen Paulos


Traducción 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 ¿cuál es la probabilidad de que enceste
exactamente 11 veces? Hay unos cálculos estándar que se pueden efectuar para
saber la respuesta. También hay otro método que, aunque en este caso es
opcional, a veces es el único modo de abordar el problema. En el caso
planteado, supondría pedir al jugador que jugara rápidamente unos 10000
partidos para que pudiéramos determinar el porcentaje de veces en las que mete
exactamente 11 canastas.
Aunque resulta evidentemente impracticable para un jugador humano de
basquetbol, este método, llamado de Montecarlo, se puede realizar fácilmente en
una computadora. Basta con pedir a la computadora que genere aleatoriamente
un número comprendido entre 1 y 5, y que mire si dicho número es 1 ó 2. Como
2 es el 40% de 5, si sale 1 ó 2 lo interpretaremos como un acierto en la
simulación de los tiros del jugador, mientras que si sale 3, 4 ó 5 lo
interpretaremos como un fallo. Luego pediremos a la computadora que genere
aleatoriamente 20 de tales números entre 1 y 5, y que mire si exactamente 11 de
ellos son 1 ó 2. Si es así, lo interpretaremos como si el jugador simulado hubiera
metido exactamente 11 canastas de 20 intentos cuando su porcentaje de aciertos
es del 40%. Por último, pediremos a la computadora que realice este ejercicio
10000 veces y que cuente el número de veces en que exactamente 11 de los 20
intentos del jugador simulado en el partido se convierten en canastas. Si
dividimos este número entre 10000 tendremos una muy buena aproximación de
la probabilidad teórica en cuestión.
Para valorar la utilidad de la simulación 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 país te contrata como
asesor. Acaba de adoptar una política que obliga a las parejas a tener hijos hasta
que les nazca el primer varón, momento en el que habrán de cesar de procrear.
Lo que quieren saber los gobernantes de ese país es: ¿cuántos hijos tendrá la
familia media como resultado de esta política? y ¿cuál será la distribución de los
sexos? En vez de hacer una recopilación de datos estadísticos, para lo cual
tendrían que transcurrir años, uno puede lanzar una moneda un número
suficientemente grande veces para tener una muestra que nos permita hacer una
estimación. Si interpretamos el sol como hombre (H) y el águila como mujer

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 94


(M), uno lanza la moneda hasta que sale el primer sol y apunta el número de
lanzamientos, esto es el número de hijos de la familia. La sucesión MMH
corresponde a dos mujeres seguidas de un hombre, H corresponde a un hijo
único hombre, etc. Se repite este procedimiento 100 ó 1000 veces para producir
100 ó 1000 «familias» y se calcula el número medio de hijos de cada familia y
la distribución de los sexos. Puede que tú, y también los funcionarios del país,
encuentren sorprendente la respuesta.
La aplicación de los métodos de Montecarlo facilita mucho los estudios de los
sistemas grandes, las situaciones que se dan en problemas de colas y
planificación de horarios, y en fenómenos físicos, tecnológicos y matemáticos.
Desde las rebajas de los grandes almacenes hasta los laboratorios de turbulencia
en aeronáutica, todo el mundo hace simulaciones. Generar números aleatorios
en una computadora y manejar luego las simulaciones probabilísticas basadas en
ellos es más fácil y barato que tratar con los fenómenos aleatorios reales. La
única advertencia es que no hay que olvidar que existe una clara diferencia entre
el modelo y la simulación de un fenómeno y el fenómeno real propiamente
dicho. No es lo mismo tener un hijo que lanzar una moneda.
En relación con esto es útil la siguiente representación esquemática de la
simulación—y, hasta cierto punto, de la matemática aplicada en general—. El
proceso puede dividirse en cinco estadios:

 El primero es la identificación del fenómeno real que nos interesa,


 a continuación, la creación de una versión idealizada de dicho fenómeno,
 en tercer lugar, la construcción de un modelo matemático basado en
dicha versión simplificada,
 luego, la realización de una serie de operaciones matemáticas con el
modelo para obtener predicciones y
 por último, la comparación de estas predicciones con el fenómeno
original para ver si concuerda. (Véase el artículo sobre La filosofía de la
matemática.)

Muchas aplicaciones de la matemática son inmediatas, pero lamentablemente es


muy fácil, especialmente en las ciencias sociales, confundir el modelo propio
con la «realidad» y atribuir a esta última alguna propiedad que sólo existe en el
modelo. He aquí un ejemplo simple tomado del álgebra elemental: Jorge puede
realizar una tarea en 2 horas y Marta emplea 3 horas en realizar la misma tarea.
¿Cuánto tardarán 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 muchísimos otros, la certeza de
las conclusiones matemáticas derivadas del modelo no siempre es extensiva a
las suposiciones, simplificaciones y datos que uno ha empleado en la
construcción del modelo. Éstos no se dejan manejar bien, son nebulosos y
totalmente falibles, a pesar de las afirmaciones, fastidiosamente autosuficientes
a veces, de sociólogos, psicólogos y economistas. Al igual que la señora Brown,
la mujer perfectamente ordinaria de Virginia Woolf, la realidad es infinitamente
compleja e imposible de captar por completo en ningún modelo matemático.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 95


2. Incertidumbre

Por David Moore

INTRODUCCIÓN
El vocablo "incertidumbre" se usa con la intención de evocar dos temas
relacionados: datos y azar. Ninguno de ellos es un campo separado dentro de las
matemáticas; sin embargo, ambos fenómenos constituyen objetos de estudio de
la matemática. En términos generales, la estadística y la probabilidad son las
disciplinas matemáticas que tratan de los datos y el azar, respectivamente.
Todas las recomendaciones recientes relativas a planes de estudio escolares
coinciden en sugerir que la estadística y la probabilidad deberían ocupar un sitio
12 ,14
mucho más prominente que en el pasado . Sin embargo, debido al énfasis en
el análisis de datos que se hace en dichas recomendaciones, es fácil contemplar
a la estadística en particular como una colección de habilidades específicas (o
incluso, como un saco de trucos). La tarea de este ensayo no es llamar la
atención hacia los datos y el azar, como temas en los planes de estudio
escolares, la están atrayendo ya, sino desarrollar este entramado de ideas
matemáticas en una forma que esclarezca los temas y las estrategias globales, en
cuyo interior los temas individuales encuentran su lugar natural.
Cualquier análisis que pretenda influir en la enseñanza deberá reflejar la
experiencia de profesores y estudiantes. Las propuestas para reformar los planes
de estudio desligadas de esa experiencia ofrecen esperanzas utópicas que
resultan decepcionantes en la práctica. La estadística en las escuelas no es
utópica; el nuevo material que se prueba actualmente tiene utilidad práctica y
más bien contribuye que desplaza al desarrollo de los conceptos y las
capacidades numéricas. No obstante, es fácil que en nuestro entusiasmo
pasemos por alto problemas prácticos y que impulsemos la enseñanza de una
materia irreal en cantidad o nivel. Es importante llamar la atención hacia las
dificultades y los potenciales pasos en falso, así como hacia las ventajas, en el
uso de datos y el azar en la enseñanza de la matemática. Al escribir este ensayo
he intentado errar en la dirección práctica y no en la utópica.

Datos
El interés en la enseñanza de la estadística 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 está haciendo cada vez más común la
enseñanza de temas matemáticos que tienen una aplicación directa, en lugar de
seleccionarlos tan sólo porque conducen a temas posteriores en la matemática.
La estadística es uno de estos temas.
En notas periodísticas se presentan estadísticas económicas y sociales, así como
encuestas de opinión a nivel nacional, datos médicos tanto de estudios
epidemiológicos como de pruebas clínicas; datos comerciales y financieros.
Muchos ciudadanos deben tratar con datos en mayor detalle dentro de sus
trabajos. Agricultores y agroindustriales usan pronósticos de cosechas y

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 96


resultados de pruebas de campo agrícolas. Los ingenieros se ocupan de datos
sobre el rendimiento, la calidad y la confiabilidad de productos. Es cada vez más
frecuente pedir a los obreros industriales que registren y actúen sobre los datos
de control de los procesos. Las ciencias de la salud se las ven con datos sobre el
costo y la efectividad así como con resultados de investigaciones médicas. El
mundo de los negocios se maneja con base en datos de todo tipo: costos,
utilidades, proyecciones de ventas, investigaciones de mercado y muchos más.
Hay apremiantes razones prácticas para aprender estadística.
Como sugieren estos ejemplos, los datos no son simples números, sino números
con un contexto. El número 4.6 en ausencia de un contexto no transmite
información alguna; el hecho de que el peso al nacer un niño fue de 4.6 kg nos
permite comentar el saludable tamaño del pequeño. Es decir, los datos participan
a nuestros conocimientos de su contexto para que podamos ejercer la
comprensión y la interpretación, en vez de limitarnos a efectuar operaciones
aritméticas.
Por lo tanto, hay razones de peso tanto pedagógicas como prácticas para enseñar
estadística en las escuelas. En la estadística se combinan la ejecución de
cálculos en un ambiente con sentido y el ejercicio del criterio en la selección de
los métodos y en la interpretación de los resultados. En los grados iniciales la
estadística no se enseña por su valor intrínseco, sino porque constituye un medio
eficaz para desarrollar la comprensión cuantitativa y para aplicar la aritmética y
las técnicas de graficación en la solución de problemas.
Los profesores que entienden que los datos son números en un contexto,
proporcionarán siempre el contexto adecuado al plantear problemas a los
estudiantes. Calcular la media de cinco números es un ejercicio de aritmética, no
de estadística. Calcular el precio promedio de una cinta de música popular en
cinco establecimientos detallistas es estadística; en particular cuando se combina
con la consideración del grado de dispersión de los precios y con una
combinación con los precios de otros géneros musicales.
Es esencial que las ventajas prácticas y pedagógicas de trabajar con datos no
sucumban ante el énfasis exclusivo en la enseñanza de las operaciones. Los
profesores y los encargados de elaborar los materiales para los planes de estudio
deberán ser imaginativos al proporcionar datos que tengan sentido para los
estudiantes. En los grados superiores es posible utilizar datos de otras materias
académicas (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 ("¿Cuántos niños 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
números deberá tomarse en cuenta al planear la instrucción. Los datos
adecuados no sólo constituyen un aspecto atractivo para motivar a los
estudiantes; son esenciales para el carácter de la estadística. Sin embargo, es
importante que el esfuerzo requerido para producir los datos no oscurezca las
ideas matemáticas que se enseñan y se aprenden.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 97


En particular, los intentos por producir datos adecuados sobre cuestiones que
revisten importancia fuera del ámbito escolar resultan siempre mucho más
difíciles de lo que podría parecer a primera vista. Las experiencias
desagradables con intentos tardados y confusos para producir datos bien podrían
desalentar a los profesores de enseñar estadística. Las dificultades asociadas con
las actividades de producción de datos constituyen la primera de varias barreras
potenciales de una reforma efectiva. Los materiales de los planes de estudio
deberán proporcionar tanto datos interesantes como sugerencias prácticas
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 fenómenos 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 física elemental. Salvo por un error de medición muy pequeño,
el resultado es cierto. Si, por otra parte, la moneda se lanza al aire, no podemos
predecir si caerá cara o cruz. El resultado es incierto. Sin embargo, el
lanzamiento de una moneda no es un hecho fortuito. Si se hace un gran número
de lanzamientos, la proporción de caras se acercará mucho a la mitad. Esta
regularidad en el largo plazo no es sólo una construcción teórica sino un hecho
observado:
 El naturalista francés Buffon (1707-1788) lanzó una moneda 4040 veces.
2048
Resultado: 2048 caras, una proporción de  0.5069 de caras.
4040
 Alrededor de 1900, el estadístico inglés Karl Pearson en un acto sin
precedentes lanzó una moneda 24000 veces. Resultado: 12012 caras, una
proporción de 0.5005.
 El matemático inglés John Kerrich, mientras fue prisionero de los alemanes
durante la Segunda Guerra Mundial, lanzó una moneda 10 000 veces.
Resultado: 5067 caras, una proporción de 0.5067.
Los fenómenos cuyos resultados individuales son inciertos pero que cuentan con
un patrón regular de los mismos en muchas repeticiones se llaman aleatorios.
"Aleatorio" no es sinónimo de "fortuito", sino la descripción de un tipo de orden
diferente del determinista que suele asociarse con la ciencia y las matemáticas.
La probabilidad es la rama de la matemática 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 áreas de la ciencia en las que aparece el comportamiento
aleatorio (como la genética o la teoría cuántica) sino hasta el bachillerato, y eso
sólo 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 difícil de observar en situaciones circunstanciales.
Incluso las loterías estatales, aunque familiares para muchos estudiantes, ofrecen
una experiencia limitada en el aspecto ordenado de la aleatoriedad debido al

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 98


énfasis que hacen en los cuantiosos premios en extremo improbables. En estos
juegos de azar que tanta publicidad reciben, se utiliza la aleatorización física
real, pero dan la impresión de hacer rica a la gente de manera fortuita.
Los psicólogos han demostrado que nuestra intuición del azar contradice de
manera profunda las leyes de la probabilidad que describen el comportamiento
aleatorio real. Este entendimiento incorrecto es muy difícil de corregir por
medio de la instrucción formal. Los intentos por enseñar probabilidad e
inferencia estadística sin la preparación 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 educación 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 teoría 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
matemáticas. Afortunadamente, el estudio de datos provee un ambiente natural
para tales experiencias. La prioridad del análisis de datos sobre la probabilidad y
la inferencia formal es un principio importante en la enseñanza de la
incertidumbre.
Pueden usarse dispositivos de azar artificiales (monedas, dados, perinolas) para
producir datos en el salón de clases con el objetivo de aplicar las habilidades del
análisis de datos y descubrir la naturaleza ordenada de estos dispositivos. La
incertidumbre también 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 variación natural
surge en las alturas, las calificaciones en lectura o en los ingresos de un grupo de
personas. Quizás resulte sorprendente que los patrones de variación que ocurren
en mediciones cuidadosas o en datos sobre muchos individuos puedan
describirse por las mismas matemáticas que describen los resultados de los
dispositivos de azar.
La experiencia con la variación en datos es un primer paso hacia el
reconocimiento de la conexión entre estadística y probabilidad. En una etapa
posterior, el papel de la aleatorización deliberada en los diseños estadísticos para
producir datos refuerza esta conexión. Por último, la inferencia estadística
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 prácticos para
enseñar el azar no están ausentes. Una meta de la instrucción en probabilidad es
contribuir a que los estudiantes entiendan que la variación aleatoria, más que la
causalidad determinista, explica muchos aspectos del mundo.
Supóngase 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 sólo consigue encestar uno. "Nerviosismo", dicen los aficionados. Pero
esta explicación fortuita no es necesariamente correcta. Un jugador cuya

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 99


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 actuación como la descrita
fácilmente podría deberse a simple variación aleatoria.
Cierta comprensión de la probabilidad nos permite tomar en cuenta el papel del
azar en lugar de buscar una causa específica, con frecuencia espuria, de cada
suceso particular.

Calculadoras y computadoras
Si bien el advenimiento de equipo de cómputo rápido y de fácil acceso ha
incidido en la matemática en general, en el caso de la estadística ha
revolucionado su práctica. Un efecto obvio de esta revolución es que ahora se
facilitan los análisis más complejos sobre conjuntos con un número mayor de
datos. Pero la revolución de la computación también ha dado lugar a cambios en
la naturaleza de la práctica estadística. En el pasado, los estadísticos realizaban
análisis integrales pero con cálculos laboriosos basados en un modelo
matemático específico a fin de sacar conclusiones de los datos. La enseñanza de
la estadística se caracterizaba por el énfasis correspondiente en la realización de
cálculos extensos.
Ahora el paradigma del análisis estadístico es un diálogo entre modelos y datos.
Se permite que los datos critiquen o incluso refuten el modelo original, Los
métodos de diagnóstico que participan en este proceso constituyen un campo
importante de la investigación estadística. En todos se realizan muchos cálculos,
y los que se han adoptado de manera más generalizada hacen un uso
considerable de las gráficas. Además, la cancelación de los límites antes
impuestos por los cálculos manuales ha llevado a nuevos métodos de inferencia
3
inclusive a partir de conjuntos de datos muy pequeños . Esta naturaleza
cambiante de la estadística tiene reflejos inmediatos en los estilos didácticos,
particularmente en el énfasis creciente en los métodos gráficos y en el análisis
informal de los datos.
La influencia de las computadoras ha motivado el examen de conciencia entre
los matemáticos, algunos de los cuales cuestionan la naturaleza de una
demostración basada en una búsqueda por computadora de los casos posibles
que resultan demasiado numerosos para el escrutinio humano. En un nivel más
elemental, tanto profesores como padres de familia se preguntan si el uso
temprano de calculadoras no obstaculizará la comprensión de los números y de
las operaciones aritméticas. Los estadísticos, por otra parte, han dado la
bienvenida a calculadoras y computadoras como una fuerza liberadora. Calcular
sumas de cuadrados manualmente no aumenta la comprensión; tan sólo
entorpece la mente. En estas circunstancias, es natural que el estadístico impulse
el uso de calculadoras y computadoras en la enseñanza de datos en todos los
niveles.
La enseñanza universitaria de la estadística incluye ya un uso universal de las
calculadoras así como una amplia utilización de software de estadística para
computadoras. (Existe, desde luego, más una continuidad que una disyunción
entre calculadoras y computadoras a medida que la tecnología continúa su

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 100


avance.) He aquí un ejercicio típico de estadística elemental, reconsiderado a la
luz de la facilidad para realizar cálculos.
En la figura 1 se presenta el diagrama de dispersión de los datos sobre la edad a
la que cada grupo de niños pronunció su primera palabra y los resultados de una
prueba de capacidad mental que se les aplicó posteriormente. ¿La edad a la que
se aprende a hablar ayuda a predecir el resultado de la prueba posterior?
En otra época se hubiera pedido a un estudiante que graficara los datos y luego
calculara la recta de regresión de mínimos cuadrados (la recta continua de la
figura 1) junto con el coeficiente de correlación r  0.640 . Quizás el diagrama
se hubiera omitido para ahorrar tiempo. La mayoría de los estudiantes habría
necesitado al menos 15 minutos para este ejercicio con una calculadora básica.
Sólo un sádico hubiera pedido algo más de ellos.

FIGURA 1. Datos de la edad a la que cada uno de 21 niños aprendió a hablar


(escala horizontal) y sus Calificaciones de Adaptación 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 regresión
sufre un cambio de posición sustancial y modifica el valor de las mediciones
numéricas como la correlación.

Pero es evidente que los datos incluyen dos casos extremos, marcados como el
caso 18 y el 19 en el diagrama. ¿Cómo influyen estos casos en el análisis de
regresión? 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 gráficas. El caso 19, aunque está alejado
de la recta de regresión, no ejerce una influencia muy grande sobre la posición
de la recta o el valor de la correlación r. El caso 18, por otra parte, tiene una
influencia considerable. Al omitir este punto, la recta de regresión se mueve
hasta la posición de la recta punteada que se muestra en la figura y reduce la
correlación 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 101


una prueba de capacidad posterior es mucho más débil 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 automatización de los cálculos reserva nuestras energías para el análisis de
los datos. Es natural que el análisis adopte la forma de la solución de un
problema en grupo: "¿Hay algo inusual? Los puntos alejados. ¿Qué tan
importantes son? Intentemos hacer el análisis de nuevo sin ellos." De esta
manera se estimula la búsqueda de información adicional acerca de contexto de
los datos, preguntar, por ejemplo, si el niño del caso 18 se tardó tanto para
empezar a hablar como para no considerarlo en un estudio de desarrollo de
niños normales. El ejemplo también nos lleva a preguntar qué hace que una
observación tenga influencia, pregunta que conduce a nuevos e importantes
temas de la estadística.
La automatización de los cálculos permite que los estudiantes se concentren en
otros aspectos de la solución de problemas: planear un análisis adecuado,
interpretar los resultados en su contexto y hacer nuevas preguntas matemáticas
sugeridas por un ejercicio. Pero también es cierto que los cálculos
automatizados pueden ocultar la naturaleza del trabajo que se lleva a cabo e
impedir juzgar si el trabajo fue adecuado para el problema en cuestión. Con
demasiada frecuencia los estudiantes creen que las computadoras únicamente
nos informan acerca de la verdad, como en las películas de la Guerra de las
Galaxias.
18
En un ejercicio de muestreo realizado en un salón de clases , se pidió 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 distribución uniforme de los mismos colores. La distribución de los
colores de los dulces estaba lejos de ser uniforme. La finalidad del ejercicio era
mostrar a partir de la comparación 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 habían metido el
modelo de la población."
El exceso de optimismo en cuanto a la efectividad de las computadoras es un
importante escollo potencial en la enseñanza de la estadística, ya que no basta
planear la integración 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 mágica".
Las capacidades aritméticas básicas se necesitan para realizar operaciones y
estimaciones mentales, las cuales son importantes para verificar los cálculos
automatizados. Las calculadoras con las cuatro operaciones básicas mantienen el
control sobre el orden de las operaciones, las cuales deben solicitarse de una en
una, en tanto que las únicas partes automatizados del proceso son los algoritmos.
Un niño debe entender, por ejemplo, la distinción entre dividendo y divisor a fin
de usar una calculadora para hacer una división larga. Un niño debe saber que el
promedio se encuentra al sumar las observaciones y dividirlas entre el número
de las mismas con la finalidad de encontrar x usando una calculadora básica.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 102


Por lo tanto, los niños pueden empezar a usar calculadoras en el estudio de datos
tan pronto como comprendan las operaciones. Después se puede usar una
calculadora que calcule la media y la desviación estándar muestral directamente
a partir de los datos anotados con las teclas, para saltarse los algoritmos
rutinarios ya dominados.
En un nivel más avanzado, deberán 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 más importante, la
experiencia con dispositivos de azar físicos y con simulaciones físicas, como
sacar cuentas coloreadas de una caja, deberán preceder a las simulaciones de
computadora. Los "micromundos" no tienen necesariamente una conexión con
la realidad, a pesar de que los estudiantes tienden a creer que la computadora
presenta la realidad. Una transición cuidadosamente graduada de lo físico a lo
digital es de suma importancia. La práctica de un uso dosificado se facilita
cuando calculadoras y computadoras forman parte de ambiente normal del salón
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 organización que nos ayudan a ver el estudio
matemático de datos y el azar como un todo coherente. Uno de estos principios
es la progresión de las ideas del análisis de datos a la producción de datos a la
probabilidad a la inferencia. El análisis de este ensayo se organiza con base en
estas etapas.
 Análisis de datos, que incluye las tareas de organizar, describir y resumir
datos.
 Producción de datos, generalmente para responder a preguntas específicas
acerca de una población más grande.
 Probabilidad, la descripción matemática de la aleatoriedad.
 Inferencia, el hecho de sacar conclusiones a partir de los datos.
Esta progresión de temas es representativa tanto del desarrollo lógico del campo
como del grado de dificultad de los conceptos. Por lo tanto, proporciona el
orden general en que deberán aparecer los temas de estadística en los planes de
estudio escolares. Desde luego, las tres etapas finales se presentarán de manera
informal desde el principio en el contexto del análisis de datos. La experiencia
con la producción de datos, en particular, la experiencia con los resultados
aleatorios, puede empezar en los primeros grados. De manera similar, deberán
estimularse las conclusiones informales desde las etapas iniciales.
El principal inconveniente de este perfil es que no hace énfasis en que la
probabilidad es importante por derecho propio, no por ser simplemente una
parte de la estadística. Tanto el concepto de probabilidad como los hechos
matemáticos básicos 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 progresión de los conceptos estadísticos. Los
diseños estadísticos para producir datos se caracterizan por el uso deliberado de
azar en experimentos de comparación aleatorizados y de muestreo aleatorio. He

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 103


aquí una oportunidad para proporcionar mayor experiencia con la aleatoriedad y
para avanzar a un estudio de la variación aleatoria con resúmenes numéricos
(como la media de varias observaciones). Es posible usar tanto la selección
física aleatorio como la simulación.
Por otra parte, la inferencia estadística formal requiere cierto grado de
comprensión de la probabilidad. Por lo tanto, tiene sentido que la sección sobre
probabilidad esté entre la producción 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
matemático formal de estos temas quizás deba ser una materia optativa en lugar
de un curso obligatorio a nivel de bachillerato.

ANÁLISIS DE DATOS
El análisis de datos es un renacimiento de la estadística descriptiva, con nuevos
métodos, mayor énfasis en las gráficas y una filosofía consistente debido a John
Tukey. (Los volúmenes 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 análisis de datos es "dejar que
los datos hablen" mediante la búsqueda de patrones en los datos sin considerar
en un principio si los datos son representativos de un universo mayor.
La inspección de los datos a menudo revela características inesperadas. Si los
datos se produjeron para responder a una pregunta específica (estas son las
circunstancias en que los métodos tradicionales como los intervalos de
confianza y las pruebas de significación se justifican mejor), las características
inusuales pueden llevar a reconsiderar el análisis que se había planeado. Por lo
tanto, un análisis de datos cuidadoso precede a la inferencia formal en una
práctica adecuada de la estadística.
En otros casos, no se tienen preguntas específicas en mente y tan sólo se
pretende dejar que los datos sugieran conclusiones cuya confirmación podría
buscarse con estudios adicionales. Se habla entonces del "análisis exploratorio
de datos" por la analogía de un explorador que penetra en tierras desconocidas.
Las contribuciones más conocidas del análisis de datos son los nuevos métodos
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 términos más largos).
A partir de estos ejemplos es fácil ver el análisis de datos como una colección de
inteligentes herramientas y pasar por alto los principios de organización. Tanto
el análisis de conjuntos de datos complejos como el orden de la enseñanza 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 patrón global y luego las desviaciones
significativas de dicho patrón.
3. Pasar de la presentación gráfica a las mediciones numéricas de aspectos
específicos de los datos para consolidar los modelos matemáticos del patrón
global.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 104


Presentación de datos
El primer principio y el tercero sugieren que el aprendizaje sobre datos se inicie
con la presentación de la distribución de una sola variable. La mayoría de tales
datos son conteos, es así como variables cualitativas como el color se vuelven
numéricas, o bien mediciones con unidades. Los métodos específicos para
presentar datos pueden correr paralelamente con la evolución de los conceptos
cuantitativos iniciales. La pregunta "¿Cuántos 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 números de dos dígitos puede reforzar
la distinción entre el lugar de las decenas y las unidades en los números enteros.
En un diagrama de tallo con datos de dos dígitos se lista cada dígito
correspondiente a las decenas como un "tallo" y las observaciones se registran al
colocar los dígitos correspondientes a las unidades como "hojas" en el tallo
adecuado. Como ejemplo se presenta un diagrama de tallo del número de home
runs que bateó Babe Ruth en cada uno de los años que jugó en los Yankees.
2 25
3 45
4 1166679
5 449
6 0

Más tarde aún se llega a los histogramas. Para construir histogramas de datos
que incluyan más que pocos valores se requiere una comprensión del concepto
de interpelación y la capacidad para agrupar números, así como destreza para
hacer y usar escalas en el trazo de gráficas.
La elección entre las variantes disponibles en los diagramas de tallo y los
histogramas requiere mayor reflexión cuando los números que componen los
datos se hacen menos simples. Los diagramas de tallo de números con varios
dígitos suelen requerir redondeo o truncación. La agrupación en clases de
números con varias cifras decimales para hacer un histograma necesita una clara
comprensión del orden en los números decimales. La planeación cuidadosa es
importante a fin de evitar presentar de manera inadvertida a los estudiantes
tareas que rebasen sus capacidades numéricas. Pero también es evidente, que el
análisis de datos en los grados elementales puede reforzar importantes conceptos
y capacidades de los planes de estudio existentes mediante su aplicación en
situaciones interesantes.
Cuando se ha construido una presentación, es necesario interpretar y comunicar
lo que entiende a otros. Los niños no tienen mayor capacidad natural para "leer"
datos que capacidad innata para leer palabras. Debe enseñárseles tanto la
estrategia para analizar datos como las características específicas de las que
deben estar conscientes. La estrategia se expresa en el segundo principio: buscar
el patrón, luego las desviaciones. Las características específicas cambian
conforme se avanza por las etapas mencionadas en el primer principio. Un
ejemplo ilustrará el proceso en el caso de datos con una sola variable.
En 1961 el jardinero de los Yankees Roger Maris rompió la marca de 60 home
runs en una sola temporada impuesta por Babe Ruth. He aquí una comparación

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 105


pormenorizado de los home runs realizados cada año por Ruth (a la izquierda) y
por Maris durante los años que jugaron con los Yankees:
RUTH MARIS
0 8
1 346
25 2 368
54 3 39
9766611 4
944 5
0 6 1

La forma general de la distribución de Ruth es aproximadamente simétrica. El


centro se encuentra cerca de los 46 home runs, en el sentido de que hizo más de
46 la mitad de las veces y menos de esta cantidad la mitad de las veces. No hay
desviaciones marcadas del patrón global. En particular, los famosos 60 home
runs de Ruth en 1927 no sobresalen de los demás 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 patrón global. Ese patrón global (excluyendo el
caso extremo) es de nueva cuenta aproximadamente simétrico 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 patrón global de la distribución de una sola variable se aprende a
buscar la simetría o los sesgos, los picos individuales o múltiples, el centro y el
grado de dispersión respecto del centro. Las desviaciones importantes de un
patrón regular incluyen los vacíos y los casos extremos. Obsérvese que aunque
la construcción de la presentación de los datos es una operación que debe de
aprenderse, la interpretación requiere criterio.
Ninguna distribución de datos reales tiene la simetría perfecta de algunas formas
matemáticas. No todas las distribuciones pueden describirse correctamente
como simétricas o sesgadas. Hacer demasiado énfasis en la clasificación de lo
que vemos frustrará tanto a profesores como a estudiantes. Es necesario
aprender a observar características notables, no a polemizar sobre características
imprecisas. Obsérvese asimismo que analizar los datos de manera natural lleva a
intentos por interpretar lo que se ve, como cuando se observó que los 60 home
runs de Ruth no fueron una actuación extraordinaria en él, en tanto que los 61
home runs de Maris constituyeron un logro sobresaliente mucho más allá de su
nivel usual.
Interpretar la forma global de una distribución 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 distribución tiene un sesgo a la derecha porque
hay muchas palabras que tienen entre dos y cinco letras y el número de palabras
largas es menor. (En la terminología estadística usual se toma la dirección del
sesgo como la dirección del extremo más largo, no como la dirección en que se
concentran la mayoría de los datos.)

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 106


FIGURA 2. Los datos sobre la longitud de las palabras en la revista Popular
Science colectados por estudiantes revelan una distribución sesgada ya que las
palabras cortas son más comunes que las largas.

FIGURA 3. Los datos sobre la calificación media del SAT verbal por entidad
federativo revelan un doble pico que refleja dos tradiciones diferentes en los
estudiantes que realizan exámenes: en algunos estados la mayoría de los
estudiantes que aspiran llegar a la universidad realizan el SAT, en tanto que en
otros estados sólo lo hacen unos cuantos, ya que la mayoría hace el examen
ACT.

El histograma de la figura 3 muestra la calificación media por entidad federativo


del aspecto verbal de la prueba Scholastic Aptitude Test (SAT). Esta distribución
tiene dos picos. El pico próximo al valor 425 representa las entidades
federativas en que la mayoría de los estudiantes que aspiran llegar a la
universidad hacen la prueba; el pico más alto representa los estados en los que la
mayoría de los estudiantes toman el examen American College Testing (ACT) y
sólo los estudiantes que hacen solicitudes de ingreso a universidades que exigen
exámenes de admisión realizan el SAT.

Descripción numérica
Al examinar los datos sobre los home runs de Ruth y Maris se vio que los
cálculos pueden ayudar a describir los datos. Por un conteo simple ("más de la
mitad y menos de la mitad") pueden darse números que hacen más precisa la
diferencia entre los centros que se observan en los diagramas de tallo. La
progresión natural de las herramientas matemáticas se expresa en el tercer
principio de organización: de las gráficas a las mediciones numéricas a los
modelos matemáticos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 107


En el caso de la distribución de los valores de una sola variable, los aspectos
básicos que deben describirse numéricamente son el centro (o localización) y la
dispersión (o diseminación) de la distribución. (El término más antiguo
"tendencia central", que es a la vez más largo y menos claro que "centro" o
"localización", es usado ocasionalmente por los estadísticos y deberá
abandonarse.) Hay dos conjuntos comunes de medidas descriptivas para la
localización y la dispersión: la mediana con los cuartiles (o quizás otros
percentiles) y la media con la desviación estándar. Los percentiles sólo requieren
el conteo y saber fracciones simples (1/4, 1/2, 3/4 para la mediana y los
cuartiles). La media es el promedio aritmético. 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 aritméticas básicas. Estas
mediciones simples forman un útil vocabulario descriptivo.
La experiencia con la conexión entre la forma de los datos mostrados y las
mediciones numéricas refuerza el sentido de número. Aunque tanto las
representaciones como las mediciones parecen elementales, no deberá
subestimarse el grado de comprensión matemática requerido para usarlas de
manera eficaz (por oposición a limitarse a calcular las mediciones). Por ejemplo,
en una prueba de campo de nuevo material didáctico, ni los estudiantes ni el
profesor pudieron convencerse de que al agregarse observaciones al extremo
derecho de una distribución particular con muchas observaciones repetidas en el
19
centro, la mediana no resultaba afectada . La experiencia práctica con muchos
conjuntos de datos, incluyendo tentativas para estimar las mediciones al
observar la presentación gráfica y analizar los resultados, contribuye a que los
estudiantes construyan su comprensión 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 descripción numérica de una distribución por medio de la mediana, de
cuartiles y de las observaciones de los extremos lleva a una nueva presentación
gráfica, el diagrama de caja. Un ejemplo muestra lo útil 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 número de calorías que contienen? En la figura
4 tres diagramas de caja presentan la distribución de las calorías por hot dog
entre las diferentes marcas de fábrica de los tres tipos. Los extremos de las cajas
marcan los cuartiles, la línea 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 calorías por
hot dog.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 108


Figura 4. Tres diagramas de caja muestran la representación gráfica de la
mediana, los cuartiles y los valores extremos de las calorías proporcionadas por
varias marcas de hot dogs que pertenecen a tres tipos estándares de carne de res,
de carne, de ave de corral. Es fácil ver que los hot dogs de ave de corral como
grupo contienen menos calorías por hot dog.

Modelos matemáticos
En este breve análisis acerca de los datos con una sola variable aún no se
menciona la desviación estándar ni la etapa final en la progresión que va de la
representación gráfica a la descripción numérica al modelo matemático. La
desviación estándar presenta varias desventajas para la descripción de datos. No
resulta práctico calcularla una calculadora básica, es muy sensible a pocos
valores extremos y difícilmente 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 desviación estándar es de suma importancia en la estadística,
debido principalmente a que es la medida natural de la dispersión en las
distribuciones normales. Las curvas normales ofrecen un ejemplo de una
descripción matemática concisa del patrón global de una distribución de datos.
Son idealizaciones matemáticas que no capturan la irregularidad de los datos
reales ni las desviaciones tales como los casos extremos. Por ejemplo, las curvas
normales tienen una simetría perfecta.
La mayoría 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 Matemáticas). Esto puede
deberse a la tendencia tradicional que considera las distribuciones normales y
otras como distribuciones de probabilidad, las cuales deben desarrollarse sólo
después 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 círculo.
En la figura 5 se presenta un histograma de las calificaciones en vocabulario del
examen lowa Test correspondientes a los 947 estudiantes del séptimo grado de

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 109


Gary, Indiana, con la curva normal que describe aproximadamente la
distribución de las calificaciones. Muestra con bastante claridad la manera en
que una curva normal proporciona un modelo matemático idealizado para
ciertas distribuciones de datos.

Figura 5. Un histograma de las calificaciones en vocabulario de cerca de 1000


estudiantes del séptimo grado muestra una estrecha adhesión a ala distribución
idealizada de la curva normal con forma de campana.

El paso de las observaciones particulares a una distribución idealizada de "todas


las observaciones" es una abstracción sustancial. El uso de un modelo
matemático tal como una distribución normal o uniforme para formular esta
abstracción constituye un paso sustancial hacia la comprensión del poder de las
matemáticas. La simulación con computadora resulta muy útil en este punto.
Los estudiantes pueden formular un "modelo de la población" en base a su
experiencia con datos, meter su modelo en la computadora y simular
observaciones de la población. 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 básicas de las curvas normales, la idea de normalizar las
observaciones con la escala de las unidades de la desviación estándar alrededor
de la media, y el uso de la tabla normal estándar para calcular las frecuencias
relativas.
Aunque las distribuciones en el sentido matemático completan la progresión de
los métodos 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 introducción completa a la probabilidad. Entre
tanto, la experiencia con datos de varias variables deberá irse cultivando a
medida que los estudiantes avanzan en los conceptos y las capacidades
matemáticas necesarias. El estudio inicial de datos con dos variables viene
después del examen de una sola variable, de conformidad con nuestro primer

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 110


principio, pero los modelos matemáticos de aplicación práctica son más
accesibles en el caso de dos variables.
La gráfica básica para datos con dos variables es el diagrama de dispersión, el
cual proporciona un medio para la comprensión de las coordenadas en el plano.
La concentración de puntos en ciertos sitios (¿estudiantes hombres y mujeres?)
y los puntos alejados de un diagrama de dispersión motivan el análisis. El patrón
global más simple es una tendencia lineal. El modelo matemático que produce
una distribución simple de un patrón lineal es una línea recta con su ecuación.
Las mediciones numéricas incluyen las medidas del centro y de la desviación de
cada variable por separado, la pendiente de la recta ajustada como distribución
de la relación lineal y, quizás, el coeficiente de correlación como medida de la
fuerza de la asociación lineal.
El coeficiente de correlación, al igual que la desviación estándar, está vinculado
a los modelos y métodos de la estadística tradicional, cuyas ventajas, si bien
reales, no son claras sino hasta una etapa bastante avanzada del estudio. El
coeficiente de correlación se relaciona estrechamente con la regresión de
mínimos cuadrados; es decir, la correlación mide la fuerza de un tipo específico
de asociación establecida por una línea recta. Así como la desviación estándar
deberá posponerse hasta que las distribuciones normales le den un contexto, por
tanto, la correlación y la regresión de mínimos cuadrados no necesitan hacer su
aparición hasta que los estudiantes de bachillerato emprendan un estudio
sustancial de la estadística per se.
Gran parte del análisis de datos, si bien útil por derecho propio, puede enseñarse
desde el principio de la escuela elemental hasta los primeros años 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 métodos simples que incluyan cálculos más sencillos que el
de mínimos cuadrados y que sean menos sensibles a las observaciones extremas.
1
El material “Quantitative Literacy " ofrece una explicación clara de estos
métodos para su utilización en los grados intermedios.
Otros aspectos de los datos con varias variables merecen prioridad sobre la
correlación y la regresión de mínimos cuadrados. Estos incluyen la distinción
entre variables explicatorias y de respuesta, la relación de la asociación con la
causación, y los efectos de las "variables ocultas" que no se hayan medido en
una asociación observada. Estas ideas son sutiles pero no en lo que a los
cálculos se refiere; se captan mejor por experiencias dirigidas con datos reales y
mediante análisis de las mismas, usando varios métodos de representación y de
cálculo; y guardan una estrecha relación con la comprensión del tipo de
explicaciones que ofrecen las ciencias naturales y sociales.
En la enseñanza del análisis de datos en un plan de estudio escolar general, los
temas deberán elegirse no por su importancia dentro del campo de la estadística
sino por su relevancia inmediata para los estudiantes, por su utilidad en el
reforzamiento de la comprensión cuantitativa general, y por su contribución al
desarrollo del razonamiento sobre datos inciertos. La estadística es importante
por derecho propio, más importante que el cálculo diferencial e integral en la
mayoría de las ocupaciones, y esa importancia deberá reflejarse en un curso

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 111


optativo sustancial en los años finales del bachillerato que incluya un análisis de
datos más avanzado así como producción de datos, probabilidad e inferencia.

PRODUCCIÓN DE DATOS
Los datos convenientes son un producto del esfuerzo humano inteligente así
como lo son los reproductores de discos compactos y el maíz híbrido. Existen
varias razones por las que la producción de datos es una parte importante en la
enseñanza de datos y el azar. El análisis de datos se lleva a cabo de manera más
eficaz sobre datos con los que uno se encuentra íntimamente familiarizado, ya
que la familiaridad sugiere tanto las características esperadas que es necesario
buscar como la explicación de las características que no se esperan. Los diseños
estadísticos para producir datos que dan respuesta a preguntas específicas
constituyen el puente conceptual que enlaza el análisis de datos con la inferencia
clásica 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 estadística 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 enseñanza de la estadística provienen de varias
fuentes. Gran parte de ellos son datos dados, números 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 información contextual pertinente, los datos dados pueden
ofrecer un marco adecuado para la interpretación y el análisis, así como para la
adquisición de habilidades. Los datos dados son más útiles con los niños de
mayor edad, quienes cuentan con los conocimientos y la experiencia más
amplios para entender el contexto de los datos. Es posible exponer a la clase la
información de interés que los estudiantes no puedan producir por sí mismos,
para así poder emplear con mayor provecho el tiempo y esfuerzo ahorrados. Los
datos gubernamentales sobre poblados o vecindarios próximos, por ejemplo,
suelen mostrar patrones de la población, la vivienda, el ingreso y la salud que
resultan informativos y sorprendentes.
Una segunda categoría, los datos de clase, se colectan en el salón de clases y
son relevantes principalmente para los estudiantes de la clase, sin plantear la
pregunta de si las conclusiones respecto a alguna población más grande se
encuentran garantizadas. Los datos de clase proporcionan un ambiente natural
para la enseñanza del análisis de datos, que tiene una restricción similar sobre el
alcance de sus conclusiones. Puede iniciarse con preguntas simples: "¿Cuántos
niños viven en tu casa?" "¿Cuánto dinero traes en la bolsa?" La primera
pregunta produce datos con números enteros, la segunda números con dos cifras
decimales. Planear la producción de datos requiere la anticipación del análisis
que se necesitará, un recordatorio tan relevante para el profesional armado con
software como para el profesor atento a si sus estudiantes deberán enfrentar un
conteo o decimales. Las mediciones también pueden producir datos de clase:
usando una cinta métrica, encontrar la anchura de hombros y la distancia entre
ambos brazos de todos los estudiantes de la clase, trazar después un diagrama de
dispersión y estudiar la relación revelada.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 112


Los experimentos son una tercera fuente de datos. La observación, sea
experimentación es la producción activa de datos. La observación, 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 estímulo real
a fin de observar la respuesta al mismo. La distinción entre variables
explicatorias y de respuesta, parte esencial de las explicaciones causales, es más
transparente en el ambiente de un experimento. Los experimentos más
conocidos de las ciencias básicas, 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
cómo se expande un globo, se les está pidiendo que entiendan no sólo el
comportamiento de ese globo en particular sino también el efecto del calor sobre
los gases en general. Este enorme salto conceptual suele dejarse implícito.
El paso de los datos de clase a las muestras diseñadas estadísticamente tiene la
gran ventaja de hacer explícita la transición de los datos acerca de una clase en
particular a los datos que representan una población mayor. Cómo realizar
muestreos es un tema propio de la estadística, con implicaciones mucho más
amplias que la simple generación de datos atractivos para el análisis. La
estadística también tiene mucho que decir acerca de cómo experimentar, aunque
sus pautas no son relevantes para la mayoría de los experimentos de las ciencias
básicas. El diseño de muestras y de experimentos es un tema central en el
estudio sistemático de la producción de datos. Pero hay un tema que lo precede,
tanto lógicamente como en la experiencia del salón de clases: contestar
preguntas y hacer mediciones para producir datos de clase plantean la cuestión
de la medición.

Medición
Medir una característica significa representarla por medio de un número. Esta
noción básica introduce en sí misma una abstracción. La reflexión acerca de la
medición lleva en última instancia a un entendimiento completo de por qué
algunos números son informativos y otros son irrelevantes o absurdos. En
primer término, ¿cuál es una manera válida (adecuada o con sentido) de medir
una característica particular? Empecemos por considerar características físicas
tangibles. La longitud es fácil, acordamos que una regla lo hará. El área es más
difícil, porque no contamos con un dispositivo que podamos “colocar junto a"
las múltiples formas bidimensionales posibles del mismo modo en que
colocamos una regla junto a cualquier longitud. Debemos preocuparnos por
comprender la característica que va a medirse, por pensar en un instrumento
satisfactorio y por las unidades que resultarán y sus relaciones con otras
unidades. Incluso para las mediciones físicas, el estudio de estas cuestiones se
extiende a lo largo de los años escolares tanto en matemáticas como en ciencias.
Pero la validez de las mediciones físicas es simple en comparación con los
problemas de medición de las ciencias sociales y de la conducta. ¿Cuál es una
buena manera de medir la riqueza material de una familia o el carácter amigable
de un compañero estudiante? ¿Qué miden en realidad el examen lowa Test o las
pruebas de admisión universitarias ACT y SAT? Un examen detallado de tales
preguntas llevaría demasiado lejos en el campo. Pero deberá estimularse

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 113


siempre a los estudiantes a preguntarse si los datos son en realidad válidos para
el uso propuesto. Los conductores de más de 65 años de edad se ven envueltos
en más accidentes fatales que los conductores cuyas edades oscilan entre los 16
y los 17 años. ¿Así es que después de todos los quinceañeros no son tan
imprudentes al volante? No, el número de conductores con más de 65 años es
muy superior. La proporción en vez de conteo de los accidentes es la medición
adecuada en este caso, y la proporción de accidentes fatales de los quinceañeros
triplica aproximadamente al de las personas de edad avanzada.
El segundo aspecto principal de la calidad de las mediciones, después de la
validez, es la precisión. Un proceso de medición puede mostrar un error
sistemático, o sesgo, como cuando la lectura de una báscula tiene siempre 1.5
Kg. de menos. El sesgo es un concepto preciso sólo cuando se conoce con
claridad el "valor verdadero" que debería producir la medición. El posible sesgo
de las calificaciones SAT es una fuente continua de acalorados debates, pues no
se cuenta con ningún valor "correcto" de comparación. Como siempre, las
mediciones físicas son mucho más precisas que las mediciones conductuales o
sociales.
Un proceso de medición también muestra variación; es decir, mediciones
repetidas de la misma cantidad no producen resultados idénticos. Las
variaciones en los instrumentos comunes como básculas de baño y cintas de
medir son pequeñas respecto de grado de precisión deseado, por lo que
acostumbramos ignorar la variación en las mediciones. Las actividades que
presentan variación 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
inspección, proporciona una serie de mediciones variables cuya distribución
puede presentarse gráficamente y estudiarse con las herramientas de análisis de
datos. El centro de la distribución de las mediciones describe el sesgo y la
dispersión describe la variación.
Las actividades de medición que son seguidas por el análisis de los datos que
producen aumenta la sensibilidad de los estudiantes hacia el tema de la calidad
de las mediciones. He aquí un ejemplo de una clase universitaria.
El instructor pidió 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
mostró un caso particular que casi seguramente fue un error grave, aunque nadie
admitió haber registrado un pulso en reposo de 180. El diagrama de tallo
también puso de manifiesto una sospechosa concentración de pulsos que
terminaban en cero. El cuestionamiento de los estudiantes reveló que varios de
ellos habían aprendido a contar los latidos durante 6 segundos y a multiplicarlos
por 10 en clases de aerobics. Esto llevó al análisis de los métodos de medición
usados. La mayoría de los estudiantes contó los latidos durante 60 segundos. El
grupo decidió que esto era más preciso que el método de las clases de aerobics,
pero que resulta afectado por los latidos parciales al principio y al final del
periodo de 60 segundos. Alguien sugirió cronometrar el tiempo de 50 latidos
exactos y calcular los latidos por minuto a partir de este tiempo. Esto fue
aceptado como un método de medición práctica más preciso.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 114


Diseños estadísticos
El diseño de encuestas y experimentos muestrales es un tema central en la
estadística a la vez que una transición importante en los conceptos. El análisis de
datos enfatiza la comprensión de los datos específicos a la mano. Ahora se
considera que los datos representan una población mayor. Es la población la que
se busca entender. Los estudiantes no encuentran muy fácil de asimilar esta
abstracción agregada. Por ejemplo, cuando varios estudiantes llevan a cabo una
tarea experimental, persisten en tratar de explicar los resultados variables en
términos de las características individuales de Sarah, Matthew y Ruth. Desde el
punto de vista del "muestreo" estos estudiantes se consideran como
representativos de una población estudiantil mayor. Ya no estamos interesados
en las características individuales que pueden explicar el desempeño de Sarah,
Matthew y Ruth.
La transición del análisis de datos a la inferencia sigue una trayectoria paralela
en la abstracción matemática. La media muestral x deja de ser un número
individual, una medida de localización para esos datos. Es una comprensión de
una variable aleatoria que se considerará contra el fundamento de la distribución
de la variable aleatoria; debe considerarse contra lo que ocurriría si se repitiera
varias veces el proceso de producción de datos. La dificultad de estas nuevas
ideas no puede ocultarse.
Por fortuna, no es necesario que aparezca de inmediato la íntima conexión de la
producción de datos diseñada con base en las ideas de la probabilidad y en la
lógica de la inferencia. Antes habrá que conseguir un valioso conocimiento de
los datos. Es muy importante, por ejemplo, identificar los datos que no son
representativos. La evidencia anecdótica basada en un reducido número de casos
individuales por nosotros conocidos, influye nuestro pensamiento en formas que
no pueden resistir el análisis y que, por lo tanto, deben revisarse. Los casos
individuales atrapan nuestra atención porque son inusuales en cierta forma o
porque ocurren en nuestro medio ambiente inmediato. Ejemplos y análisis
mostrarán que no hay razón para esperar que estos casos sean, en forma alguna,
típicos.
Los métodos de muestreo incorrectos, en especial las muestras de respuestas
voluntarias en las que las personas que participan se eligen a sí mismas, también
son comunes. He aquí un ejemplo.
La columnista que ofrece consejos, Ann Landers lleva a cabo una encuesta de
respuestas voluntarias una vez cada varios años al pedir a sus lectores que
respondan a una pregunta candente. Los resultados son siempre buenos para las
notas periodísticas y las entrevistas radiofónicas que hacen publicidad a su
columna. La primera encuesta que realizó es la más reveladora, ya que se cuenta
con una comparación. En 1975 Ann Landers preguntó "Si tuviera que hacerlo de
nuevo, ¿tendría usted hijos?" La respuesta de cerca de 70% de las
aproximadamente 10,000 personas que contestaron fue "no". Muchas de ellas
acompañaron sus respuestas con desgarradoras historias de las crueldades a las
que fueron sometidas por sus hijos. Está en la naturaleza de la respuesta
voluntaria atraer gente con fuertes sentimientos, en especial de índole negativa,
acerca de tema en cuestión. Una muestra aleatoria a nivel nacional encargada en

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 115


reacción a la atención prestada a los resultados de Ann Landers encontró que el
91% de los padres tendrían niños de nuevo.
La participación voluntaria puede producir fácilmente 70% de respuestas
negativas, cuando la verdad es 90% de respuestas afirmativas. Tales datos no
transmiten información útil acerca de nadie excepto de las personas que dieron
un paso al frente. Sin embargo, los medios informativos no sólo difunden datos
de respuestas voluntarias como si estuvieran describiendo una población
general, sino que también manejan encuestas telefónicas y por correo que
producen más datos como éstos. Los estudiantes atentos encontrarán ejemplos
con facilidad. El estudio de la evidencia anecdótica y de las respuestas
voluntarias deja clara la necesidad de un método sistemático para seleccionar las
muestras.
El método recomendado por el estadístico es dejar que el azar impersonal
seleccione la muestra. El muestreo aleatorio elimina los prejuicios de la elección
personal, sea del encargado de hacer el muestreo o de quienes son encuestados.
El uso deliberado del azar es el principio estadístico más importante para la
producción de datos. A primera vista parecería un hecho contra natura
abandonar el juicio humano, pero el azar se muestra menos atroz cuando se
compara con la evidencia anecdótica 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 tamaño establecido la misma oportunidad de ser la
muestra que realmente se elija.
Las muestras aleatorias simples son fáciles de tratar en el salón de clases,
empezando por sacar nombres de un sombrero o cuentas de varios colores de un
recipiente. Sigue el uso de una tabla de números aleatorios y, por último, la
simulación en computadora. Recuérdese la advertencia de que una introducción
demasiado rápida de la computadora oscurecerá la naturaleza de la selección
aleatoria. No es necesario incluir en la instrucción introductoria los diseños de
muestreos aleatorios más elaborados como los usados en encuestas muestrales a
nivel nacional.
Los experimentos comparativos aleatorizados más simples guardan una estrecha
relación con las muestras aleatorias simples. Una vez más puede ponerse de
manifiesto la necesidad de un buen diseño al analizar algunos experimentos no
controlados o no aleatorizados. He aquí un ejemplo:
Un científico político interesado en la efectividad de la propaganda para
modificar opiniones llevó 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, después de lo cual volvió a medirse su actitud. El año era 1940. Entre la
primera y la segunda prueba, Alemania invadió y ocupó Holanda y Francia. La
actitud de los estudiantes hacia Alemania cambió de manera radical, pero nunca
sabremos en qué medida este cambio fue resultado de la lectura de la
propaganda alemana.
El diseño de este experimento adoptó una forma común en los experimentos de
laboratorio de las ciencias naturales:
Observación  Tratamiento  Observación

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 116


Fuera del ambiente controlado del laboratorio, los experimentos con tales
diseños simples no producen datos útiles. 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 caída de Francia.
Los experimentos diseñados estadísticamente incluyen dos principios básicos:
comparación (o control) y aleatorización. El diseño comparativo aleatorizado
más simple compara dos tratamientos, uno de los cuales puede ser simplemente
un tratamiento de control tal como no leer propaganda. He aquí el bosquejo del
diseño:

La asignación aleatoria adjudica una muestra aleatoria simple de los sujetos al


Tratamiento 1; los sujetos restantes reciben el Tratamiento 2. La aleatorización
asegura que no haya sesgo en la asignación de los sujetos a los tratamientos. Por
lo tanto, los grupos son semejantes (en promedio) antes de que se apliquen los
tratamientos. La comparación asegura que las fuerzas exteriores actuarán 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
sistemática en las respuestas debe reflejar el efecto de los tratamientos. La
lógica de los experimentos comparativos aleatorizados permite llegar a
conclusiones acerca de las causas, la respuesta no sólo está asociada con el
tratamiento sino que de hecho es causada por el mismo.
Como en el caso de muestreo, en la práctica son frecuentes los diseños más
elaborados pero no necesitan aparecer al principio de la instrucción. La
experiencia con la aleatorización en el salón de clases es sencilla y valiosa.
Considérese, por ejemplo, el uso de objetos de referencia como las figuras de
plástico para representar a los sujetos que van a asignarse a dos tratamientos
diferentes para cefaleas intensas. Los estudiantes pueden llevar a cabo la
asignación aleatoria. Algunas de las figuras de plástico tendrán una marca en el
fondo, la cual no se verá cuando se haga la aleatorización. Estos sujetos,
desconocidos para los experimentadores, tienen un tumor cerebral que hará
ineficaz cualquier tratamiento. ¿Qué tan imparcialmente distribuyó la
aleatorización a estos sujetos entre ambos grupos? Hacer varias veces la
aleatorización y presentar la distribución de los conteos. La aleatorización
repetida enriquece la experiencia con la variación aleatoria que conduce a la
probabilidad y a la inferencia.
Algunas precauciones
Con los fundamentos tanto de análisis de datos como de la producción de los
mismos a la mano, los estudiantes de mayor edad pueden emprender estudios
estadísticos serios. Ejemplos recientes de proyectos para planes de estudios
incluyen una muestra de las opiniones de los estudiantes acerca de las opciones
de los menúes en las cafeterías escolares; una muestra de vehículos en un
crucero local, clasificados por tipo y lugar de procedencia según lo revelaban las

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 117


placas de circulación, y un experimento sobre el efecto de la distancia y el
ángulo sobre el éxito para encestar un tiro de basquetbol. El diseño de tales
estudios proporciona valiosa experiencia para la aplicación de las ideas
estadísticas. El análisis de datos reales que lleven a conclusiones firmes es
fuente de satisfacciones personales. Pero deben anticiparse y mantenerse en
límites aceptables los problemas prácticos presentes en la producción de datos.
1
He aquí un extracto de informe de un cuidadoso estudio de nuevo material de
estadística en la enseñanza a nivel de bachillerato. Algunas de las actividades de
producción de datos fueron bastante elaboradas, incluyendo tanto el estudio de
tráfico vehicular como el experimento de enceste en el básquetbol. Su
experiencia resulta admonitoria.
Nuestras experiencias de prueba en campo nos han convencido de que la
recolección de datos es un componente importante de la educación estadística al
menos por dos razones. Primera, aprender a diseñar y llevar a cabo actividades
de recolección de datos (e.g., determinar las variables independiente y
dependiente y el tamaño muestras) es fundamental para la estadística. Segunda,
la recolección de datos es una experiencia motivante que hace que el análisis
estadístico sea más interesante y tenga más sentido para los estudiantes.
Sin embargo, nuestras experiencias nos han convencido asimismo de que la
recolección de datos plantea algunos retos formidables en el salón de clases. Por
ejemplo, los profesores que realizaron las pruebas de campo informan que
ocuparon una cantidad excesiva de tiempo de clase en la recolección de datos en
comparación con el que dedicaron a la exploración y el análisis de los datos, tan
sólo para encontrar que los datos de los estudiantes eran incompletos o
imprecisos. Estos retos quebrantaron a tal punto el ritmo del avance académico
que aumentó la renuencia de los profesores para llevar a cabo investigaciones
estadísticas que dependieran de la recolección de datos.

PROBABILIDAD
La variación aleatoria puede investigarse empíricamente aplicando las
herramientas del análisis de datos para poner de manifiesto la regularidad
presente en los resultados aleatorios. La probabilidad proporciona los recursos
matemáticos que describen el azar con mucho mayor detalle del que la
observación podría descubrir. La teoría de la probabilidad es una impresionante
demostración del poder de las matemáticas 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 límite preciso para las
fluctuaciones en el conteo de las caras conforme se repiten los lanzamientos. La
distribución del conteo de las caras después de n lanzamientos de una moneda
legal (no cargada) tiene una media de n / 2 , que al graficarse contra n aparece
como una línea recta (véase la figura 6). La desviación estándar 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 )

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 118


desviaciones estándar a ambos lados de la media. El conteo de las caras
graficado contra n se aproximará dentro de cualquier distancia dada de este
intervalo un número infinito de veces a medida que continúen los lanzamientos,
pero sólo lo cortará un número finito de veces. El análisis de datos, incluso con
la ayuda de la simulación de computadora, jamás podría descubrir la ley del
logaritmo iterado.

Figura 6. La ley del logaritmo iterado describe la región 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
n 2log(log n)
2 .

Como otras áreas bellas y útiles de las matemáticas, la probabilidad sólo tiene
un sitio limitado en la enseñanza práctica, inclusivo a nivel de bachillerato.
Debido a la sencillez de los fundamentos de la probabilidad desde el punto de
vista matemático, es fácil 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 difíciles 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 típicas. 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 años es un
prerrequisito importante para la enseñanza exitosa de la probabilidad formal. No
es casual que la probabilidad matemática se originara en el estudio de los juegos
de azar, uno de los pocos ambientes en los que los fenómenos aleatorios simples
se observan con la suficiente frecuencia para manifestar patrones claros en el

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 119


largo plazo. La enseñanza puede intentar recapitular este desarrollo histórico al
registrar datos de dispositivos de azar y, más tarde, de muestreos aleatorios y
simulaciones de computadora. Pero sin importar si tal experiencia ocurre
temprano o tarde en la formación de estudiante, toma un tiempo significativo
conseguir la comprensión adecuada de comportamiento de los eventos
aleatorios.

Fundamentos
Los primeros pasos hacia la probabilidad matemática tienen lugar en el contexto
de datos de dispositivos de azar en los grados iniciales. Aprender a encontrar el
patrón global pero sin intentar una explicación causal de cada resultado ("Ella
no giró la perinola fuerte"). Esta abstracción se hace más sencilla porque buscar
el patrón global de los datos es una de las estrategias centrales de análisis de
datos.
Después, 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 idealización matemática de estas frecuencias relativas estables en el largo
plazo. Una vez que los estudiantes hayan aprendido las matemáticas de las
proporciones, es posible iniciar el estudio de la probabilidad mediante la
asignación de probabilidades a conjuntos finitos de resultados y la comparación
de las proporciones observadas con estas probabilidades.
La comparación de los resultados con las probabilidades puede resultar
frustrante si no se planea con cuidado. La simulación con computadora es muy
útil para proporcionar el gran número de intentos requeridos para que las
frecuencias relativas observadas estén razonablemente cerca de las
probabilidades. En secuencias cortas de intentos, las desviaciones de los
resultados observados de las probabilidades a menudo les parecerán grandes a
los estudiantes. Los psicólogos 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 pequeños
números" 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 explicación causal ofrecida porque subestimamos en gran
medida la probabilidad de las rachas en las secuencias aleatorias.
Pídase a varias personas que anoten una secuencia de caras y cruces que imite
10 lanzamientos de una moneda normal. ¿Qué tan larga fue la racha más grande
de caras o cruces consecutivas? La mayoría de las personas anotarán una
secuencia con rachas de no más de dos caras o cruces consecutivas. Pero de
hecho la probabilidad de una racha de tres o más 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 cálculos de probabilidades que incluyen rachas son muy complicados, esta
es un área adecuada para la simulación en computadora. Las rachas de caras o
cruces consecutivas que aparecen en el lanzamiento real de una moneda (y que
predice la teoría de la probabilidad) nos parecen sorprendentes. Puesto que no
esperamos observar rachas largas, podemos concluir que los lanzamientos de la

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 120


moneda no son independientes o que alguna influencia está afectando el
comportamiento aleatorio de la moneda.
El mismo concepto erróneo aparece en las canchas de básquetbol. Si un jugador
consigue encestar varios tiros consecutivos, tanto los aficionados como sus
compañeros de equipo pensarán que "trae la mano caliente" y que es más
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 más frecuentes de lo que se esperaría en una secuencia de
intentos aleatorios independientes. Tirar una pelota de básquetbol es como
lanzar un par de dados, aunque, desde luego, la probabilidad de encestar varía 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 empírico.
Un poco más adelante, una comprensión completa de las proporciones motiva el
modelo matemático de la probabilidad: un espacio muestra (el conjunto de todos
los resultados posibles) y una asignación de probabilidad que satisfaga un
reducido número de leyes o axiomas básicos que incluyan la regla de adición
P( A o B )  P( A )  P( B ) para eventos disjuntos. Las demás leyes aditivas
para combinaciones simples de eventos pueden deducirse de éstos o, usando un
camino más simple, pueden motivarse directamente de comportamiento de las
proporciones. Estas leyes aditivas constituyen el contenido matemático de la
probabilidad elemental.
En este punto de avance de la probabilidad matemática, sería conveniente hacer
una pausa para algunos ejercicios no numéricos en los que se apliquen las leyes
de la probabilidad, así como para tratar otro aspecto de pensamiento matemático
que no es natural en los estudiantes: la lectura atenta y literal de los enunciados
lógicos. Los psicólogos 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 cuál de los siguientes enunciados era más 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 persistió a pesar de varios
intentos con enunciados opcionales que pudieran hacer más transparente la
cuestión. Los sujetos no habían estudiado probabilidad. "Sólo" el 36% de los
estudiantes recibidos de ciencias sociales con varios cursos de estadística en sus
créditos 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 matemáticos acerca de la probabilidad.
Nisbett et al. dieron a conocer comparaciones antes y después que proporcionan
evidencia firme del efecto del estudio formal. El énfasis en el aspecto
conceptual y cualitativo del pensamiento probabilistico, tanto previo como
paralelo al estudio de las matemáticas de la probabilidad, resulta de gran valor.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 121


Estudio adicional
La adquisición de capacidades sólidas que tengan aplicaciones prácticas, por
oposición a la comprensión conceptual básica de la probabilidad, requiere un
estudio más detallado. En este punto abandonamos el dominio central de los
conceptos matemáticos que deben enseñarse a todos los estudiantes. Hay varias
trayectorias lógicas para abordar la probabilidad intermedia. La elección del
material dependerá, por ejemplo, de si la probabilidad se estudiará como un
tema importante por derecho propio o si se contempla principalmente como una
vía para llegar a la inferencia estadística.
Primero, una recomendación negativa: evitar el uso de métodos 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 difíciles los problemas combinatorios.
El estudio de la combinatoria no contribuye a la comprensión conceptual del
azar y produce menos frutos que otros temas en cuanto a la obtención de la
capacidad para establecer modelos probabilísticos. En la mayoría de los casos
deberán evitarse los problemas de conteo salvo los más sencillos.
Un paso hacia adelante más provechoso a partir de los fundamentos de la
probabilidad es considerar las reglas de la probabilidad condicional, de
independencia y de multiplicación. 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 matemáticas. 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 básicas que son
invaluables en la construcción de modelos probabilísticos en las ciencias
naturales y sociales.
Es bastante factible presentar la idea de independencia y la regla de
multiplicación P( A y B )  P( A )P( B ) para eventos independientes prestando
escasa atención, si acaso, a la probabilidad condicional en general. Esta
trayectoria es atractiva si la meta es llegar a la inferencia estadística de la
manera más efectiva y evita asimismo las considerables dificultades
conceptuales asociadas con la probabilidad condicional. Las distribuciones
binomiales para el conteo de sucesos en un número determinado de intentos
independientes se encuentran al alcance inmediato, como lo están otras
aplicaciones interesantes como la contabilidad de los sistemas complejos.
Si se decide omitir el tema de la probabilidad condicional, deberá hacerse
hincapié en el significado cualitativo de la independencia y en el riesgo de
9
suponer informalmente que la independencia es válida. El ensayo de Kruskal
contiene ejemplos y reflexiones acerca de la suposición informal de la
independencia, con énfasis en testimonios "independientes" de supuestos
milagros. Temas relacionados con la independencia, con las distribuciones
binomiales y con la regla de multiplicación para eventos independientes deberán
tratarse en los últimos años en las matemáticas de bachillerato.


‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 122
El estudio atento de la probabilidad condicional es atractivo cuando el objetivo
consiste en capacitar a los estudiantes en la construcción y el uso de
descripciones matemáticas de procesos con un nivel moderadamente avanzado.
La construcción de modelos de procesos con varias etapas que no sean
deterministas requiere probabilidades condicionales. Para citar sólo un ejemplo,
en el caso de los positivos falsos al investigar condiciones de excepción 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 aquí un ejemplo basado en
un informe reciente en el que puede encontrarse un análisis estadístico
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
están presentes, ELISA es positiva con una probabilidad aproximada de 0.98;
cuando la sangre probada no está contaminada con antícuerpos, la prueba da un
resultado positivo con una probabilidad aproximada de 0.07. Estos números 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 serán positivos falsos.
El cálculo 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 árbol sencillo como el que se muestra en la figura 7. Los
estudiantes provistos de la comprensión de la probabilidad condicional y los
diagramas de árbol pueden programar con facilidad una simulación de
computadora de procesos cuyo estudio analítico resulte demasiado complejo.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 123


FIGURA 7. El cálculo de los positivos falsos en la prueba ELISA para detectar
anticuerpos de SIDA puede llevarse a cabo en un diagrama de árbol 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 fácil e inteligente si la instrucción está dirigida
principalmente a la enseñanza de definiciones y reglas. Los estudiantes
encuentran difícil de entender la distinción entre P( A B ), P( B A ) y
P( A y B ) . Mostrar la fotografía 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 esté bien
vestida. Es decir, los individuos que responden confunden P( A B ) y P( B A )
. Los ejercicios cualitativos con la identificación de la información 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 ) .

Transición a la inferencia

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 124


El muestreo aleatorio y la aleatorización experimental proporcionan experiencia
con la aleatoriedad que no sólo motiva el estudio de la probabilidad sino
también el tipo de razonamiento que se emplea en la inferencia basada en la
probabilidad. El muestreo repetido o la aleatorización experimental repetida
producen, evidentemente, resultados variables. Esta variación es aleatorio en el
sentido técnico, en lugar de fortuita, porque el diseño emplea un mecanismo de
azar explícito. De este modo, la conclusión de una encuesta de opinión de que el
61% de los adultos estadounidenses aprueban un sistema nacional de seguro
médico requiere un margen de error que refleje el grado probable de variación
aleatorio en encuestas muestrales similares. Asimismo, la conclusión de que un
nuevo tratamiento médico supera a un tratamiento común sólo puede sustentarse
si el margen de superioridad excede la variación aleatorio probable en
experimentos similares.
Los resultados aleatorios observados en la producción de datos son estadísticas
como proporciones o medias muestrales. Las estadísticas muestrales son
variables aleatorias (fenómenos aleatorios que tienen valores numéricos). El
comportamiento regular en el largo plazo de dichas estadísticas en muestreos
repetidos o en aleatorizaciones experimentales repetidas se describe por una
distribución de muestreo. Es común 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 distribución de un conteo, que es binomial
bajo hipótesis ligeramente idealizadas. Las medias muestrales tienen una
distribución normal si la distribución de la población 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 estándar de las proporciones y de las medias muéstrales
decrecen a razón de 1 / n a medida que el tamaño n de la muestra aumenta,
un hecho que permite entender las ventajas de las muestras grandes.
¿Qué ocurre cuando el número de observaciones n crece sin restricción? Los
teoremas de límites más importantes de la probabilidad abordan esta cuestión.
La ley de los grandes números establece que las proporciones y las medias
muestrales se aproximan o tienden (en varios sentidos) a las proporciones y
medias correspondientes de la población subyacente. El teorema del límite
central establece que tanto las proporciones como las medías se distribuyen de
manera aproximadamente normal cuando el tamaño de la muestra se
incrementa.
En la figura 8 se ilustra el teorema del límite central en forma gráfica. Empieza
con la distribución de una sola observación que tiene un sesgo a la derecha y
está lejos de ser normal. Las distribuciones de esta forma suelen usarse para
describir la vida útil de las piezas que no sufren desgaste. La media de esta
distribución particular es 1. Las otras curvas de la figura muestran la
distribución de la media x de muestras de tamaño 2 y de tamaño 10 sacadas de
la distribución original. La forma normal típica empieza a dibujarse ya cuando
sólo se promedian 10 observaciones. Una simulación con computadora podría
mostrar el efecto en una manera aún más marcada.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 125


Figura 8. El teorema del
límite central en acción: la
distribución de las medias
muestrales sacadas de una
distribución sesgada a)
muestra una progresión
hacia la distribución
normal cuando el tamaño
de la muestra se incrementa
de 2 b) a 10 c).

Se trata de un conjunto sustancial de material cuya presentación formal resulta


bastante inaccesible. La instrucción estadística tradicional en la educación
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 comprensión de la independencia
así como de las distribuciones con sus medias y desviaciones estándar. Pero el
grado de formalismo matemático con el que se enseñan tradicionalmente estos
temas suele ser innecesario a nivel universitario y fuera de cuestión a nivel de
bachillerato. Tanto la longitud como la dificultad de la trayectoria que
desemboca en la estadística vía la probabilidad formal ofrecen argumentos en
5
contra de este enfoque tradicional. Como Garfield y Ahlgren concluyen .
Enseñar el entendimiento conceptual de la probabilidad parece ser todavía una
tarea muy difícil, llena de ambigüedades y espejismos. En consecuencia,
hacemos la recomendación pragmática para realizar dos esfuerzos de
investigación que precederían en paralelo: uno que continúe la exploración de
los medios para inducir las concepciones válidas de la probabilidad y otro que
explore la forma en que las ideas útiles de la inferencia estadística pueden
enseñarse sin depender de la probabilidad técnicamente correcta.
Por fortuna, el énfasis empírico del análisis de datos, adquirido de manera
gradual empezando en los primeros grados, ofrece un marco para enseñar tanto
la probabilidad básica como la inferencia elemental. La simulación, primero
física y después con software, puede poner de manifiesto los conceptos
esenciales de la probabilidad y es particularmente adecuada para revelar las
distribuciones de los muestreos. Sólo se requieren conocimientos de
probabilidad bastante informales para hacer reflexiones sobre distribuciones de
muestreo. Como indicó el estudio anterior de las distribuciones normales, la
descripción de datos proporciona el contexto adecuado para las distribuciones en

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 126


calidad de modelos matemáticos idealizados de la variación. El plan de estudios
general de matemáticas que se enseña a todos los estudiantes deberá incluir el
análisis de datos y una introducción empírica tan sólo para los conceptos y las
leyes básicas de la probabilidad a un nivel equivalente al del material
15
Quantitative Literacy .

INFERENCIA
La estadística se ocupa de la recolección, organización y análisis 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 carácter filosófico. No
es sorprendente pues que los estadísticos estén en desacuerdo con el enfoque
2
más provechoso de la inferencia. Barnett ofrece un panorama comparativo de
las posiciones encontradas.
¿Bayesiana o clásica?
La divisoria filosófica más importante separa la inferencia bayesiana de la
inferencia clásica. Cierta comprensión de esta distinción es esencial para tomar
decisiones atinadas en los planes de estudios. La cuestión de la inferencia en la
forma más simple es cómo sacar conclusiones acerca del parámetro de una
población con base en los valores estadísticos calculados a partir de la muestra.
Un parámetro es un número que describe a la población, tal como la altura
media  de todas las mujeres estadounidenses con edades entre los 18 y los 22
años. Un valor estadístico relevante en este caso es la altura media muestral x 
de una muestra aleatoria de mujeres jóvenes. Para fines de inferencia, nos
imaginamos la forma en que variaría x  en muestras repetidas de la misma
población. La distribución del muestreo refleja el parámetro subyacente, en este
caso  es la media de la distribución de x  Es debido a que la distribución del
muestreo depende de parámetro desconocido de que el valor estadístico contiene
información acerca de parámetro.
La inferencia clásica 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 términos de lo que ocurriría en la
producción repetida de datos. Decir "Estamos "95% seguros de que  está
entre 1.636 y 1.643 m" es una forma abreviada de decir "Obtuvimos este
intervalo por un método que es correcto en el 95% de todas las muestras
posibles." Los enunciados probabilísticos de la inferencia clásica se aplican al
método y no a la conclusión específica a la mano, de hecho, los enunciados
probabilísticos acerca de una conclusión específica no tienen sentido porque el
parámetro poblacional es fijo, aunque no se conozca su valor.
El método bayesiano pide información previa acerca de valor de parámetro en
juego. Esto se hace al considerar el parámetro  como una cantidad aleatoria
con una distribución de probabilidad conocida que expresa nuestra información
imprecisa acerca de su valor. La altura media  de todas las jóvenes
estadounidenses no es aleatoria en el sentido tradicional. Pero es incierta. Tengo
la plena seguridad de que  está entre 1.372 m y 1.829 m, y pienso que lo más
probable es que  esté cerca del centro de este intervalo. Mi estimación

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 127



subjetiva de la incertidumbre puede expresarse en una distribución de
probabilidad de  .
En la perspectiva bayesiana el concepto de probabilidad se amplía para incluir
estas probabilidades subjetivas o personales. Lo que es nuevo aquí no son las
matemáticas., que permanecen iguales, sino la interpretación de la probabilidad
como la representación de una estimación subjetiva de la incertidumbre en vez
de como una frecuencia relativa en el largo plazo. Se entiende ahora que la
distribución de muestreo de la estadística x expresa las probabilidades
condicionales de los valores de x para un valor dado de  . Un cálculo
posterior combina la información previa con los datos observados para obtener
la distribución condicional de  dados los datos. (La forma discreta de este
cálculo 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 términos de
enunciados probabilísticos acerca de parámetro desconocido en sí mismo: es del
95% la probabilidad de que la verdadera media esté entre 1.636 m y 1.643 m.
La conclusión bayesiana es sin lugar a dudas más sencilla de entender que el
enunciado clásico. Además, la información previa es importante en muchos
problemas. Los estadísticos por lo general concuerdan en que los métodos
bayesianos deberían usarse cuando se conoce la distribución de probabilidad
previa del parámetro. Lo que se cuestiona es si siempre se cuenta con
distribuciones previas convenientes, como sostienen los bayesianos. Los
estadísticos no bayesianos no piensan que mi estimación subjetiva sea siempre
información útil y, por consiguiente, no están dispuestos a hacer un uso general
de distribuciones previas subjetivas. La conclusión aparentemente clara de un
análisis bayesiano puede depender en gran medida de supuestos acerca de la
distribución previa que no pueden comprobarse a partir de los datos.
Para la instrucción introductoria de la inferencia, los métodos bayesianos
presentan varios inconvenientes. Requieren de una sólida comprensión de la
probabilidad condicional. De hecho, los estudiantes deben entender la distinción
entre la distribución condicional de valor estadístico dado el parámetro y la
distribución condicional del parámetro dado el valor estadístico observado en
realidad. Esto resulta fatalmente sutil. La interpretación subjetiva de la
probabilidad es bastante natural, pero desvía la atención de la aleatoriedad y el
azar en calidad de fenómenos observados en el mundo cuyos patrones pueden
describirse matemáticamente. La comprensión del comportamiento de los
fenómenos aleatorios es una meta importante de la enseñanza de datos y el azar;
la probabilidad entendida como estimación personal de la incertidumbre es, en
el mejor de los casos, irrelevante para conseguir esta meta. La línea que va del
análisis de datos por diseños aleatorizados para la producción de datos y la
probabilidad hacia la inferencia es más clara cuando la inferencia clásica es la
meta.
Dos tipos de inferencia, intervalos de confianza y criterios de significación
figuran en la instrucción introductoria de la inferencia estadística clásica. El
razonamiento subyacente en ambos tipos de inferencia puede introducirse de
manera informal en las descripciones de datos. El tratamiento formal y los
métodos específicos deberán reservarse para los cursos de probabilidad y

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 128


estadística de los años finales del bachillerato y no deberá hacerse ningún
intento por presentar más que unos cuantos procedimientos específicos.
Particularmente en el caso de las pruebas de significación, un método formal
oscurece el razonamiento a tal grado que quizás sea mejor evitar al mismo
tiempo las hipótesis y las estadísticas de comprobación.

Intervalos de confianza
El razonamiento en que se apoyan los enunciados de confianza es relativamente
directo. Más aún, las notas periodísticas de encuestas de opinión y sus márgenes
de error proporcionan una fuente constante de ejemplos para análisis
¿Cómo es posible que una muestra de tan sólo 1 500 personas pueda representar
de manera precisa la opinión de 185 millones de adultos estadounidenses? El
muestreo aleatorio ofrece parte de la explicación; 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 simulación de distribuciones de muestreo. La
distinción entre población y muestra, la idea de muestreo aleatorio y la noción
de distribución de muestreo son fundamentales para la inferencia. La simulación
permite la introducción gradual de los intervalos de confianza durante la
exploración de muestreo y de las distribuciones de muestreo. Las ideas de los
intervalos de confianza pueden enseñarse por medio de representaciones
10
gráficas de muestras simuladas . Un enfoque más formal requiere estar
familiarizado con las distribuciones normales.
Supóngase que el 30% de los estudiantes de bachillerato de un condado grande
llegan a la escuela en su automóvil. Al preguntar a una muestra aleatoria simple
de 250 estudiantes si llegaron a la escuela en su automóvil el día de hoy produce
250 observaciones independientes, cada una con una probabilidad de 0.3 de ser
"sí". La proporción p̂ de respuestas "sí" de la muestra varía de una muestra a
otra. Simular, digamos, 1,000 muestras y presentar la distribución del muestreo
de p̂ . Es aproximadamente normal, con media 0.3 y desviación estándar 0.029.
Simulaciones repetidas de muestras de varios tamaños tomadas de esta
población indican que el centro de la distribución del muestreo se mantiene en el
valor 0.3 y que la dispersión está controlada por el tamaño de la muestra. En
muestras grandes (alrededor de las 1,000 observaciones), los valores de la
estadística muestral p̂ se concentran de manera acusada alrededor del
parámetro poblacional p  0.3 . Los estudiantes pueden ver empíricamente que
las muestras de este tamaño permiten hacer conjeturas adecuadas acerca de la
población completa.
Pero, ¿Qué tan adecuadas son las conjeturas basadas en una muestra? Podemos
cuantificar la respuesta al describir la forma en que varía la estadística p̂ en
muestreos repetidos. Es un hecho básico de las distribuciones normales que
cerca del 95% de las observaciones se encuentran dentro de dos desviaciones
estándar a ambos lados de la media. Por tanto, en muestreos repetidos, el 95%
de todas las muestras de 250 estudiantes producen una proporción muestral p̂
que está aproximadamente 0.06 de la verdadera proporción 0.3 de los

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 129


estudiantes que llegan en su automóvil a la escuela. La simulación indica que
este es el caso.
Supóngase ahora que una muestra de 250 estudiantes de otro condado grande
revela que 105 de ellos llegan en su automóvil a la escuela. Se conjetura que la
verdadera proporción p de todos los estudiantes de este condado que llegan en
su automóvil a la escuela está cerca de p̂  105 / 250  0.42 . Si (como es cierto)
la variabilidad es casi la misma que en el condado simulado. p̂ está entre ±0.06
de p en el 95% de todas las muestras. Se dice que hay una confianza del 95%
de que la proporción desconocida de la población p se encuentra en el
intervalo 0.42  0.06 . En términos más generales, el intervalo p̂  0.06 es un
intervalo de confianza del 95% para la p desconocida.
En la figura 9 se ilustra el comportamiento de un intervalo de confianza en
muestras repetidas. Cuando se sacan muestras repetidas de tamaño 250 algunos
de los intervalos p̂  0.06 cubren la proporción verdadera de p , en tanto que
otros no lo hacen. Pero en el largo plazo, 95% de todas las muestras producirán
un intervalo que cubre la verdadera p . Es decir, la probabilidad de que el
intervalo aleatorio p̂  0.06 contenga a p es 0.95. Como ocurre en general en
la inferencia clásica, esta probabilidad se refiere al funcionamiento del método
en un número indefinidamente grande de muestras repetidas.

FIGURA 9. Comportamiento de un intervalo de confianza en muestras repetidas


de la misma población, La curva normal es la distribución muestral de la
proporción muestral p̂ cuyo centro está en la proporción de la población p .
Los puntos son los valores de p̂ de 25 muestras, con el intervalo de confianza
indicado por flechas a ambos lados. En el largo plazo el 95% de estos intervalos
contendrán a p .

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 130


La primera parte de la argumentación anterior pertenece al estudio del muestreo
y la simulación y es en esencia una demostración empírica de la sorprendente
confiabilidad de las muestras que parecen pequeñas en comparación con el
tamaño de la población. Los hechos que surgen de tales demostraciones de
muestreo son mucho más importantes que la vestimenta formal que se les dé en
la segunda etapa de la argumentación. La segunda etapa pertenece a un estudio
más avanzado de la inferencia. La conclusión cualitativa de que la mayoría de
los resultados muestrales están cerca de la verdad se hace cuantitativa al
establecer un intervalo y un nivel de confianza. Es necesario hacer énfasis tanto
en la naturaleza de esta conclusión como en sus limitaciones.
¿Cuáles son las bases de nuestro enunciado de confianza? Sólo existen dos
posibilidades.
1. El intervalo 0.42  0.06 contiene la proporción verdadera de la población
p.
2. Nuestra muestra aleatoria simple fue una de las pocas muestras en las que
p̂ no está dentro de 0.06 puntos de la p verdadera. Sólo 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 afirmación de que se tiene una
confianza del 95% de que la p desconocida está en 0.42  0.06 es una forma
abreviada de decir que "Obtuvimos estos números por un método que da
resultados correctos el 95% de las veces."
En cuanto a las limitaciones de este razonamiento, recuérdese que el margen de
error en un intervalo de confianza sólo incluye el error del muestreo aleatorio.
En la práctica hay otras fuentes de error que no se toman en consideración. Por
ejemplo, las encuestas de opinión nacionales suelen realizarse por vía telefónica
usando equipo que marca números telefónicos residenciales al azar. En las
encuestas telefónicas se omiten los hogares sin teléfono. Además, los
encuestadores suelen encontrar que hasta el 70% de las personas que contestan
el teléfono son mujeres. Los hombres estarían subrepresentados en la muestra a
menos que se tomaran las medidas necesarias para contactarlos. Estos hechos de
la vida estadística real introducen cierto sesgo en las encuestas de opinión y
otros estudios muestrales.

Pruebas de significación
El objeto de un intervalo de confianza es estimar el parámetro de una población
y, acompañar la estimación con una indicación de la incertidumbre resultante de
la variación debida al azar de los datos. Las pruebas de significación no
proporcionan la estimación de un parámetro desconocido, sino sólo una
evaluación de si en la población está presente algún efecto o diferencia. El mero
reconocimiento de que es necesaria una evaluación como esta. de que no todos
los resaltados observados representan una causa subyacente real, muestra ya una
complejidad estadística. Los jueces de las representaciones científicas que
hablan a los estudiantes capaces que las han elaborado encuentran que cualquier
efecto en la dirección deseada, por pequeño que sea, se considera convincente.
El papel de la variación debida al azar no se reconoce.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 131


La significación estadística es una forma de responder a la pregunta "¿El efecto
observado es mayor que el que sería razonable atribuir al azar solo?" He aquí el
razonamiento de las pruebas de significación presentado informalmente en el
marco de un importante ejemplo:
Durante la era de Vietnam, el Congreso decidió que los jóvenes deberían
elegirse al azar para el servicio militar. El primer sorteo de reclutamiento se
llevó 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. Después del sorteo, los medios periodísticos afirmaron
que los hombres que habían nacido en los meses finales del año tenían más
posibilidades de obtener números de reclutamiento bajos y, por consiguiente, de
ser alistados. El análisis de datos (figura 10) sugiere una asociación entre la
fecha de nacimiento y el número de reclutamiento. Un valor estadístico que
mide la fuerza de la asociación entre el número de reclutamiento (1 al 366) y la
fecha de nacimiento (1 a 366 empezando con el 1 de enero) es el coeficiente de
correlación. De hecho, r  0.226 para el sorteo de 1970. ¿Es éste evidencia
sólida de que el sorteo no fue realmente aleatorio?

Una prueba de significación aborda la cuestión haciendo una pregunta de


probabilidad: Supóngase en aras de la argumentación que el sorteo haya sido
realmente aleatorio; ¿cuál 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. Conclusión: Puesto que un valor de r
distante de 0 como el observado en 1970 prácticamente nunca ocurriría en un
sorteo aleatorio, se tiene evidencia sólida de que el sorteo de 1970 no fue
aleatorio.
En la figura 10 se muestra el diagrama de dispersión de los números de
reclutamiento asignados a cada fecha de nacimiento por el sorteo de
reclutamiento de 1970. Es difícil distinguir alguna asociación sistemática entre
la fecha de nacimiento y el número de reclutamiento en este diagrama de
dispersión. Las gráficas inteligentes pueden poner de relieve la asociación, como
en la figura. Pero se requiere un cálculo de probabilidad para saber si la
asociación observada es mayor de lo que sería razonable atribuir al azar solo.
En una asignación aleatoria de números de reclutamiento a fechas de nacimiento
se esperarla que la correlación estuviera cerca de 0. La correlación observada en
el sorteo de 1970 fue r  0.226 , indicando que los hombres nacidos en los
últimos meses del año tendieron a obtener números de reclutamiento más bajos.
El sentido común por sí solo no permite decidir si r  0.226 significa que el
sorteo no fue aleatorio. Después de todo, la correlación en un sorteo aleatorio
casi nunca será exactamente 0. Quizás r  0.226 esté dentro del intervalo de
valores plausibles que podrían ocurrir como resultado de la variación debida al
azar sola.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 132



Figura 10. Los datos del sorteo de reclutamiento de
1970 revelan una ligera correlación negativa donde
las fechas de nacimiento próximas al final de año
tienen mayores posibilidades de obtener números de
reclutamiento bajos. La tendencia puede verse de
manera más inmediata localizando los números 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 común
usada para resaltar los patrones en diagramas de
dispersión de una variable de respuesta contra una
variable explicatoria.

Para resolver esta incertidumbre se compara el valor -0.226 observado con una
distribución de referencia. la distribución de muestreo de r en un sorteo
realmente aleatorio. Se encuentra que un sorteo realmente aleatorio
prácticamente nunca produciría un valor de r tan distante de cero como la
correlación observada en 1970. El cálculo de probabilidad nos dice lo que el
sentido común 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 investigación correspondiente reveló que las cápsulas que
contenían las fechas de nacimiento se habían llenado mes por mes y que no se
revolvieron adecuadamente. Las fechas de los últimos meses permanecieron
4
cerca de la parte superior y tendieron a sacarse primero. (Fienberg ofrece más
detalles acerca del sorteo de reclutamiento de 1970, incluyendo extensos análisis
estadísticos del resultado.)
Preguntas como "¿Es éste un resultado grande?" o "¿Es éste un resultado
inesperado?" surgen con frecuencia al realizar análisis de datos. Es bastante
natural dar una respuesta después de comparar el resultado individual con una
distribución de referencia, tal como comparamos informalmente el peso al nacer
de un niño con la distribución de los pesos al nacer de todos los niños. Sin lugar
a dudas, debería estimularse a los estudiantes para que reconozcan el papel de la
variación debida al azar y para que realicen la evaluación informal de la

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 133


"significación" al comparar un resultado individual con una distribución de
referencia adecuada. Si se está estudiando probabilidad y simulación de
computadora, la comparación puede expresarse en términos de probabilidad y
distribuciones de muestreo. Pero no es necesario incluir las "pruebas de
hipótesis" formales en los planes de estudios escolares.
Existen varias razones para ello. La mecánica de enunciar hipótesis, calcular una
estadística de prueba y hacer la comparación con valores consultados en tablas
oculta el razonamiento de las pruebas de significación. El razonamiento en sí es
un tanto difícil y abunda en sutilezas. Ejemplos eficaces del uso de las pruebas
de significación se encuentran más apartados de la experiencia cotidiana que las
encuestas de opinión y ejemplos similares de enunciados de confianza. La
comprensión de los temas relacionados con datos y el azar, así como el
desarrollo del razonamiento cuantitativo en general, se beneficiaría más
concluyendo el estudio escolar de la estadística con la probabilidad, las
distribuciones de muestreo, los intervalos de confianza y un énfasis continuo en
el uso de estas herramientas en el razonamiento acerca de datos inciertos.

PENSAMIENTO ESTADÍSTICO
La estadística y la probabilidad son las ciencias que se ocupan de la
incertidumbre, de la variación presente en todo género de procesos naturales y
creados por el hombre. Como tales, son más que una parte de los planes de
estudios de matemáticas, aunque encajan bien en este marco. La probabilidad es
un campo dentro de las matemáticas. La estadística, como la física o la
economía, es una disciplina independiente que hace un uso intenso y esencial de
las matemáticas.
La estadística reclama, en cierta medida el ser un método fundamental de
indagación, una forma general de pensamiento que es más importante que
cualquiera de los hechos o técnicas específicas que conforman la disciplina. Si
la finalidad de la educación es desarrollar capacidades intelectuales generales, la
estadística merece un sitio esencial en la enseñanza y el aprendizaje. La
educación debería introducir a los estudiantes en los métodos de la literatura y la
historia, en el análisis político y social de las sociedades humana,. en la
investigación de la naturaleza por la ciencia experimental, y en el poder de
abstracción y deducción de las matemáticas. El razonamiento a parir de datos
empíricos de carácter incierto es un método intelectual igualmente poderoso y
penetrante.
Esto no quiere decir que la enseñanza detallada de los métodos estadísticos
específicos deba ocupar por sí misma un sitio prominente en los planes de
estudios escolares. De hecho no deberá ocuparlo. Pero el pensamiento
estadístico, entendido en su sentido amplio, deberá ser parte del aparato mental
de toda persona educada. Los elementos centrales del pensamiento estadístico
pueden resumiese de la siguiente manera:
1. La omnipresencia de la variación 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 134


2. La necesidad de datos acerca de los procesos. La estadística es resueltamente
empírica, no especulativa. La atención a los datos tiene prioridad máxima.
3. El diseño de la producción de datos con la variación en mente. Conscientes
de las fuentes de variación no controlada, evitarnos muestras
autoseleccionadas e insistimos en la realización de comparaciones en los
estudios experimentales. Y la variación planeada en la producción de datos
se introduce mediante el uso de la aleatorización.
4. La cuantificación de la variación. La variación aleatoria se describe
matemáticamente por la probabilidad
5. La explicación de la variación. El análisis estadístico busca los efectos
sistemáticos subyacentes en la variabilidad aleatoria de individuos y
mediciones.
El pensamiento estadístico no es un hecho recóndito ni ajeno a la experiencia
cotidiana. Pero no se desarrollará en los niños si no está presente en los planes
de estudios. Los estudiantes que empiezan su educación con ortografía y
multiplicaciones esperan que el mundo sea determinista; aprenden con rapidez a
esperar que una sola respuesta sea la correcta y las demás incorrectas, al menos
cuando éstas adoptan la forma numérica. La variación es un hecho inesperado e
16
incómodo. Escuchen a Arthur Nielsen describir la experiencia que tuvo su
empresa de investigación de mercado con sofisticados administradores de
comercialización:
... Demasiadas personas de mundo de los negocios asignan igual validez a todos
los títulos impresos en papel. Aceptan los números como representantes de la
Verdad y encuentran difícil trabajar con el concepto de probabilidad. No ven a
un número como una especie de abreviada de un intervalo que describe nuestro
conocimiento real de la condición subyacente. Por ejemplo. Nielsen Company
proporciona a los fabricantes las estimaciones de las ventas a través de
establecimientos detallistas... Una vez decidí que incluiríamos diagramas para
mostrar un intervalo probable alrededor del número reportado; por ejemplo las
ventas están arriba del 3 por ciento o abajo del 3 por ciento o en algún valor
intermedio. Esta resultó ser una de mis ideas más estúpidas. Nuestros clientes
sencillamente no pudieron trabajar con este tipo de incertidumbre. Actúan como
si los números reportados fueran el evangelio.

La capacidad para abordar de manera inteligente la variación y la incertidumbre


es la meta de la instrucción en datos y el azar. Existe cierta evidencia de que la
17
instrucción mejora en realidad esta capacidad. Nisbett et al describen las
investigaciones sobre la enseñanza de varias clases de razonamiento. Hacen
notar que la instrucción en probabilidad y estadística aumenta la buena
disposición para tomar en consideración la variación debida al azar, aun cuando
la instrucción sea del tipo tradicional que no hace el menor intento por aplicar el
razonamiento probabilístico en circunstancias no estructuradas. He aquí un
ejemplo típico:

[Se pidió a los sujetos] que explicaran por qué una agente viajera casi siempre
queda decepcionada cuando vuelve a ir a un restaurante donde disfrutó de una

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 135


comida excepcional en su primera visita. Los sujetos que no habían estudiado
estadística por lo general resolvieron este problema con respuestas fortuitas,
exclusivamente no estadística, tales como "quizás los chefs cambiaron mucho" o
"sus expectativas eran tan altas que la comida no podía satisfacerlas". Los
sujetos que habían llevado cursos de estadística dieron respuestas que incluían
consideraciones estadísticas, tales como "muy pocos restaurantes tienen puras
comidas excelentes, lo más 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
instrucción de carácter bastante abstracto tenga un efecto en la reflexión sobre
sucesos cotidianos. El efecto es más acusado cuando la instrucción señala la
aplicabilidad de las ideas estadísticas en la vida diaria, como sin lugar a dudas
debería hacerse en la instrucción escolar. Esta es evidencia de que estamos
tratando en realidad con una capacidad intelectual fundamental de aplicación
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 estadístico cotidiano. Esta es
evidencia de que estamos tratando con un método intelectual independiente.
¿Por qué enseñar acerca de los datos y el azar? La estadística y la probabilidad
tienen una utilidad práctica. El análisis de datos en particular contribuye al
aprendizaje de las matemáticas básicas. Pero, aún más importante, debido a que
el pensamiento estadístico es un método intelectual independiente y
fundamental que merece atención en los planes de estudios escolares.

BIBLIOGRAFÍA 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 136


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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 137


3. Media, mediana y moda

por John Allen Paulos

Artículo publicado en Más allá de los números de John Allen Paulos


Traducción 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 conclusión de que el
adulto promedio tiene un pecho y un testículo. 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 ganó 72,000 ptas. con esas ventas.
El dueño del restaurante dice que la moda, o lo más corriente, de las
cuchipandas en sus fiestas es 120,000 ptas. e insinúa que la mitad de sus clientes
gastan más. Un agente de bolsa afirma que su inversión valdrá millones pero,
por los cálculos que usted hace, piensa que cientos es más ajustado.
De la única 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 números que pretenden dar una
idea de lo que es típico y corriente en una situación dada, pero no siempre es así.
Como sus valores relativos pueden variar considerablemente, es importante
conocer sus definiciones. (Véase también la entrada sobre Estadística: dos
teoremas).
La media de un conjunto de números es lo que normalmente se conoce
como promedio (o media aritmética) de dichos números. Para encontrar la
media de N números vasta con hallar su suma y dividirla por N. La definición es
fácil 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 más de 40 000 000 ptas.; quizás hay en él unas pocas
grandes mansiones carísimas rodeadas de un enjambre de casas modestas.
Por contra, la mediana de un conjunto de números es el número situado en
el centro del conjunto. Para hallarla basta con alinear los números en orden
creciente; la mediana es el número del medio (o la semisuma de los dos números
centrales, si el conjunto de números es par). Así, la mediana del conjunto 8, 23,
9, 23, 3, 57, 19, 34, 12, 11, 18, 95 y 48 se determina ordenándolos 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 pequeño conjunto de
números, cuya media es, por cierto, 27, 7. (En grandes colecciones de números
la mediana se llama a veces 50-ésimo percentil, indicando con ello que es mayor
que el 50% de los números de la colección. Análogamente, cuando se dice que
un número está en el 93-ésimo percentil se está diciendo que es mayor que el
93% de los números).

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 138


El vendedor del ejemplo anterior podría haber ganado millones de pesetas
en comisiones por sus nueve ventas de hoy, con una mediana de 8 000 ptas.;
quizá seis de las ventas les supusieron una comisión de 8 000 ptas. cada una,
mientras que ganó 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 sería mucho más que las 72 000 ptas. que él sugería haber ganado.
La comisión media en este caso sería de 172 000 ptas.
Otro número, que a veces conduce a más equívocos, es la moda de un
conjunto de datos. No es más que el dato que aparece con más frecuencia y no
tiene por qué estar cerca de la media ni de la mediana del conjunto. El dueño del
restaurante que decía que 120 000 ptas. era la moda de las cuchipandas quizás
había 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 sólo 69
200 ptas.
Un ejemplo algo más 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 volátil que cada año 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 años, y se pregunta cuánto le darán por él.
Esta cantidad depende del número de años en que el valor haya experimentado
un alza, y la media matemática, que en contextos probabilísticos se llama
también su esperanza matemática, es la friolera de 1 378 000 000 ptas. Sin
embargo, la moda o valor más probable de la herencia es sólo la miseria de 13
000 ptas.
La explicación de esta gran diferencia es que las rentas astronómicas
correspondientes a muchos años de alza del 60% sesgan la media hacia arriba,
mientras que las pérdidas correspondientes a muchos años de un 40% de baja
están acotadas inferiormente por 0 ptas. El problema es una versión
contemporánea de la llamada paradoja de San Petersburgo. [Para los interesados
en más detalles: el valor aumenta una media del 10% anual (el promedio entre +
60% y -40%). Así, al cabo de 100 años, la media o esperanza matemática de la
inversión es 100 000 ptas. x (1,10)100, que es 1 378 000 000 ptas. Pero por otra
parte, el resultado más probable es que el valor experimente un alza
exactamente 50 de los 100 años. Por tanto la moda es 100 000 ptas. x (1,6) 50 x
(0,6) 50, que es 13 000 ptas. La esperanza matemática no siempre coincide con
el valor que se espera.]
Corrientemente la esperanza matemática de una cantidad se calcula
multiplicando sus posibles valores por las probabilidades correspondientes a los
mismos y sumando estos productos. Consideremos a modo de ilustración una
compañía de seguros domésticos que tiene sus buenas razones para creer que en
promedio, cada año, por cada 10 000 de sus pólizas recibirá una reclamación de
40 000 000 ptas.; una de cada 1000 reclamará una indemnización de 5 000 000
ptas.; una de cada 50 reclamará 200 000 ptas.; y el resto no dará ningún
problema. La compañía de seguros quiere saber cuál es su desembolso medio
por póliza (para saber qué primas ha de cobrar) y la respuesta es la esperanza

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 139


matemática. 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 comprensión de estas distintas medidas de la tendencia central hará un
36,17% menos probable que la persona media sea víctima de los usos engañosos
de estas cantidades por parte de los agentes de la propiedad inmobiliaria,
vendedores, agentes de bolsa y dueños de restaurantes. Naturalmente, esta
misma persona ya habrá sido víctima de un caso grave de hermafroditismo y,
por tanto, el o ella tendrá probablemente otras preocupaciones.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 140


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 leído algunos libros
(de amor, principalmente) por lo que se siente muy orgullosa. La muchacha está
muy cansada de la mezquina tutela de sus respetables padres y piensa en
casarse. Su naturalidad y energía la hacen cometer, a veces, actos muy
inesperados.

Así, pues Lily elige novio. Tiene cinco pretendientes: Juan, Paul, Miguel,
Jacobo y el señor Richar, con el que los padres son benevolentes, y ... uno más,
del que, según parece, está enamorada.

El primer pretendiente, Juan, es un funcionario joven, agradable, con ojos


bonitos, nariz aguileña y atractiva, pero con seis dedos en el pie izquierdo. A los
padres, este dedo les causa extrañeza y se convierte en un gran obstáculo. Pero
para Lily, este dedo es, tal vez, lo más atractivo que tiene Juan: a ella le gusta
todo lo original, y en cuanto a lo demás, Juan es deslucido, como un gorrión.
Paul es un joven amable, dispone de un automóvil caro y un tío rico, además, el
tío 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 posó una vez, sin
intención alguna, por curiosidad, y después de dos sesiones quedó claro que sus
relaciones podrían ser mucho más íntimas, si ella lo consintiera. Jacobo es un
matemático joven y, como suele decirse, promete mucho. Formula los
cumplidos como teoremas. Una vez, contándole a Lily que vio a una conocida
de ella abrazándose con su amigo Carlos, advirtió: «Su conjunción me llevó a la
idea de que en nuestra situación no hay ya entropía: ella eligió a Carlos». A Lily
todo el tiempo le parecía que Jacobo deseaba descomponerla en factores o
simplificarla como una fórmula sofisticada. El señor Richar es un hombre de
negocios, dueño de una gran mercería, de dos casas grandes y de algo más. Es
un gordinflón de unos cincuenta años con cara lisa y colorada y cabeza pelada.
Le cuelgan arrugas de la barbilla, la nuca y detrás de las orejas; su dentadura,
probablemente, es postiza y parece que todo él, desde la cabeza hasta los
talones, está tejido de numerosos globos de distinto diámetro. Es muy galante
con los clientes ricos, atento con Lily y muy respetado por los cónyuges 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 está 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 141


círculo, debería superar una pasión secreta: los padres no darán su
consentimiento a ese matrimonio. ¡Dios mío! Cuántos sermones hubo cuando
una vez el padre notó que Lily esta guiñándose con el limpiachimeneas de
dientes blancos desde una de las ventanas... Pero las vías del amor son
inescrutables.

Así, pues, la pobre Lily se encuentra en una encrucijada, sufre y está agitada,
pues no sabe qué decisión 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 íntima amiga María, la cual se ha casado hace poco
y parece estar satisfecha de la vida. Después de besos, lágrimas, risas y
recuerdos, Lily pasó a tratar el asunto. María, excepto ayes, no puede proponerle
nada, pero... invitó a su marido, que es cibernético, a examinar el problema. Éste
no quiso orientarse en todas las variantes, en los arrebatos espirituales ni en los
estímulos mercantiles; besó a Lily para tranquilizarla, cogió una hoja de papel y
dibujó la tabla siguiente: en las columnas estaban enumerados los novios y en
los renglones se indicaban las distintas características contradictorias.

La tabla la llenaba por renglones, valorando a cada novio por el sistema de 10


puntos. Este resultó ser una ocupación mucho más fácil y hasta más divertida,
que la discusión de la situación en conjunto. Juzgue usted mismo.

1. Apariencia x1 8 7 8 5 1 10 8 a1
2. Jovialidad x2 3 7 10 1 10 10 12 a2
3. Posición material x3 7 8 2 5 10 1 10 a3
4. Sociabilidad x4 3 8 10 3 6 10 12 a4
5. Actitud hacia Lily x5 5 6 8 10 5 8 20 a5
6. Actitud de los padres hacia el novio x6 3 7 4 5 10 1 5 a6
7. Familiares del novio x7 7 9 5 10 6 1 5 a7
8. Edad x8 9 10 9 9 1 10 8 a8
9. Probabilidad de ser amado por Lily x9 6 7 8 5 1 10 10 a9

Suma 51 69 64 53 50 61
Criterio K-suma ponderal 548 736 761 585 508 780
*

Por su aspecto exterior el más atractivo, desde luego, es el deshollinador. A éste


lo valoraron con la mayor cantidad de puntos: 10. Juan también 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 podría estar mirándolos sin parar) mas
tiene una figura algo incomprensible; es muy expansivo, siempre está

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 142


moviéndose. Por lo demás, Lily no considera esto como un defecto: 8 puntos.
Jacobo, el matemático, aunque es alto de estatura, se encorva, mira de reojo a
través 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. Así que ya hemos
rellenado el primer renglón de la tabla.

Los más alegres de todos son el pintor Miguel y el deshollinador: 10 puntos


cada uno. El funcionario Juan es discreto, latoso, no está satisfecho con su
cargo, considera que todo el tiempo le están chasqueando, mas le gustan las
carreras de caballos: 3 puntos. Paul es un hombre liviano, sonriente y, por lo
general, siempre está contento de todos, pero es poco activo: 7 puntos. Jacobo
siempre está gimiendo y a las distintas proposiciones de pasar el tiempo de
alguna manera alegre, responde que está cansado y que no tiene tiempo:1 punto.
El Sr. Richar es bondadoso y alegre, capaz de lograrlo todo; la felicidad le
sonríe: 10 puntos.

El más acomodado es el Sr. Richar: 10 puntos. Aunque Juan está descontento de


su posición, mas recibe buen sueldo: 7 puntos. Paul, por lo visto, no dice la
verdad referente a su situación material, pero alquila un apartamento magnífico,
el mobiliario causó gran impresión 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 situación
material del deshollinador es evidente: 1 punto.

Los padres de Lily preferirían 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 línea 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 señora 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 señor 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 años, la edad más aceptable del novio es la de 22 años.
La desviación hacia ambos lados es indeseable: se tomó la decisión de reducir
en un punto por cada tres años de desvío desde los 22 años. Así es como en el
renglón “Edad” aparecieron cifras. De manera análoga, 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 demás (véase renglón “suma”). En este caso, Paul le lleva 5
puntos a Miguel y habría que casarse con Paul.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 143


Pero hay que tomar en consideración una razón 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 muchísimo más importancia la sociabilidad y
la lozanía del futuro esposo, que la actitud de sus padres hacia él. Por eso, para
distintos puntos de la tabla es menester introducir ciertos coeficientes, que los
denominaremos coeficientes ponderales. Estos coeficientes podrían valorarse
también por el sistema de 10 puntos, mas la importancia de cada índice puede
indicarse también en tantos por ciento. En nuestra tabla así hemos hecho. Para
no tener que operar con quebrados, los tantos por cientos, escritos en la última
columna, se cogieron de la centena: son, precisamente, los que desempeñan la
función de coeficientes ponderales. Su elección tiene un carácter subjetivo y es
bastante evidente. Por ejemplo, son comprensibles las causas, por las que Lily
apreció más 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 obstáculo de pequeña importancia: la aman con locura y, por
eso, en resumidas cuentas, no se opondrán a su elección.

De esta modo, el criterio de apreciación 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
éstos reflejan el grado de su interés en índices correspondientes- este criterio
tiene el aspecto siguiente: K=8x1+12x2+10x3+12x4+20x5+5x6+5x7+8x8+20x9

Los resultados de las cálculos están expuestos en el último renglón de la tabla.


Aquí, al igual que antes, podemos ver que, según el criterio escogido, Paul,
Miguel y el limpiachimeneas tiene considerable ventaja en comparación con los
demás. Pero ahora resulta que el deshollinador está delante de todos... A pesar
de que en la primera discusión a Lily le parecía que esta ilusión secreta era
irrealizable... Después de tantas lágrimas de alegría y de abrazos, se tomó la
decisión de casarse con el deshollinador. Mas, primero habrá que conocerle más
de cerca, y las amigas examinan ya los pasos correspondientes que habrá que
dar. Desde luego, es posible que después de conocerse mejor, varíen los índices
en su columna, así que no vamos a decir aún 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 características importantísimas de los novios. Estoy
de acuerdo con Ud., y si recurre a este método cuando elija al novio, a la novia,
el nuevo sitio de trabajo o el lugar de veraneo, confeccione un cuadro mucho
más detallado. Esto sólo aliviará su suerte y le quitará la penosa carga de
responsabilidad al tomar una decisión desafortunada. El método de razonar para
la construcción del criterio de calidad puede ser análogo en muchos problemas.
Si algunos índices cualitativos pueden ser medidos objetivamente, como, por
ejemplo, el salario, es menester utilizarlos. Si la apreciación de los índices es
subjetiva, entonces puede aprovecharse el consejo de un experto a la valoración
de la persona interesada.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 144


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 Matemáticas.


Selección y comentarios de J.R. Newman. Traducción de Regina Tayá.
Ediciones Grijalbo. 1968.

La aptitud científica de George Bernard Shaw


Por James R. Newman

Lo mejor de Bernard Shaw no es, precisamente, su pensamiento científico. La


ciencia le interesaba, pero tenía una cierta inclinación a equivocarse. Aunque la
ciencia le ofrecía un fértil campo para el ejercicio de su talento como polemista
y satírico, fue a menudo incapaz de distinguir entre el científico honrado y el
impostor, entre teorías que merecían la atención y teorías estériles. Además
apoyó las cosas más absurdas. Estaba contra la vivisección y la vacunación;
tenía muy mala opinión de la medicina y aún peor de sus practicantes; tenía
asombrosas teorías propias sobre biología, fisiología, bacteriología e higiene, y
nada podía persuadirle de que el Sol se estaba consumiendo (ya que como
esperaba vivir más que Matusalén sentía que esta catástrofe era cuestión
personal); despreciaba los experimentos de laboratorio, considerándolos trucos
preparados para probar teorías preconcebidas sin tener en cuenta el peso de la
evidencia.
Pero a pesar de sus prejuicios y nociones excéntricas, Shaw no cerraba su mente
a las obras importantes de la ciencia. Seguía los adelantos de la investigación en
campos tan variados como el estudio de Pavlov sobre los perros y los
experimentos de Michelson-Morley con el interferómetro sobre el
desplazamiento del éter. Le gustaba visitar laboratorios y espiar las bacterias 1.
Le interesaba el funcionamiento de las cosas: coches, radios, máquinas,
motocicletas, tocadiscos. Era un entusiasta de la fotografía. Cada invento que
ahorraba trabajo ganó su admiración, pero "su desprecio por la maquinaria
anticuada no tenía límites: decía que los podría haber inventado una pulga si
hubiera estado interesada en los beneficios”2
Las actitudes de Shaw y Jonathan Swift hacia la ciencia eran muy parecidas.
Ambos vivieron en períodos de gran avance científico; ambos respetaban la
ciencia; ninguno tenía especial aptitud para ella. Los dos la trataron desde el
punto de vista de reformadores sociales y satíricos; ambos despreciaron la
pretensión; ninguno usó la ciencia como actividad puramente especulativa.
Swift dirigió su ingenio a las matemáticas, que en su forma avanzada le parecían
completamente triviales; Shaw declaró la guerra a las prácticas biológicas, que

1
Hesketh Pearson, G. B. S. A Full Length Portrait, Nueva York, 1942, p. 270. Existe traducción castellana:
“Bernard Shaw”, Montaner y Simón. He utilizado esta biografía para muchos de los detalles de este apunte;
sobre Bernard Shaw ver también Sixteen Self-Sketches, Nueva Cork, 1949.
2
Pearson op. cit., p. 270.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 145


consideraba crueles y estúpidas. Es comprensible que exagerara. Le gustaba la
exageración y la consideraba una herramienta esencial de reforma. "Si no dices
una cosa de manera irritante, más vale que no la digas, ya que nadie se
preocupará de una cosa que no les preocupa." (La gramática es extraña, aun para
G. B. S.)
Sin embargo, había una rama de la ciencia que Shaw ni satirizó, ni enriqueció
con teorías propias. La materia que perdonó era la matemática. No minimizaba
su importancia y admitía, abandonando por lo menos esta vez su pose de
omnisciencia, que sabía muy poco sobre ella. Culpaba de su ignorancia a la
desastrosa instrucción que recibió en la Wesleyan Connexional School. "No nos
dijeron ni una palabra sobre el significado o utilidad de las matemáticas: sólo
nos pedían que explicáramos cómo se podía construir una triángulo equilátero o
la intersección de dos círculos, y a sumar a, b y x, en vez de peniques y chelines,
dejándonos tan ignorantes que concluí que a y b debían significar huevos y
queso, y x, nada, con el resultado de que rechacé el álgebra como cosa absurda,
y no cambié mi opinión hasta que ya hacia los treinta, Graham Wallas y Karl
Pearson me convencieron de que en vez de enseñarme matemáticas me habían
tomado el pelo."
La influencia de estos distinguidos señores fue muy beneficiosa. Desde luego,
Shaw no fue nunca un gran calculador: "No he usado un logaritmo en mi vida y
no podría intentar extraer la raíz cuadrada de cuatro sin equivocarme," Pero
aprendió a apreciar la importancia de una rama de la matemática superior, la
teoría de las probabilidades y la estadística. La selección siguiente presenta una
versión de Shaw del desarrollo y aplicación práctica del cálculo 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 matemáticas.
Sospecho que si hubiera más Shaw enseñándolas llegarían a hacerse populares.
Pero la probabilidad matemática de esta circunstancia compuesta es
evidentemente pequeña."

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 146


El vicio del juego y la virtud de asegurarse
por George Bernard Shaw

Dejad que el rey prohíba el juego y las apuestas en su reino,


porque éstos son los vicios que destruyen los reinos de los príncipes.
El Código 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 sólo
calculables por matemáticos profesionales llamados actuarios, son sin embargo
más agradables de estudiar que materias más simples, como la banca y el
capital. Esto ocurre porque, por cada político competente que hay en nuestro
país, 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 ganará y esté dispuesto a
apostar por ello. Como solamente puede ganar un caballo, y los demás deben
perder, esto sería 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 ofreciéndoles "ventajas",
tentadoramente "grandes", contra los caballos que parecen no poder ganar.
Mientras que no dan ninguna ventaja cuando se trata del caballo más idóneo,
llamado el favorito. El conocido grito, que intriga a los novatos, de "dos a uno
raya uno", significa que el apostador apostará dos contra uno contra cualquier
caballo de la carrera excepto el favorito. Sin embargo, en general, apostará diez
contra uno, o más, contra un "outsider". En este caso, si, como ocurre a veces,
gana el "outsider", el apostador profesional puede perder todo lo que había
ganado en sus apuestas contra los favoritos. En la escala entre los posibles
extremos de ganancia y pérdida puede quedar en cualquier parte, según el
número de caballos en la carrera, el número de apuestas hechas por cada uno y
la exactitud de su apreciación de la ventaja que podía ofrecer. Generalmente,
gana cuando vence un "outsider", porque siempre hay más dinero jugado en los
favoritos que en los “outsiders”, pero es posible lo contrario; porque puede
haber varios "outsiders" y también varios favoritos; y, como los "outsiders"
ganan bastante a menudo, tentar a los clientes ofreciéndoles demasiadas ventajas
sería jugar, y un apostador profesional no debe nunca jugar aunque é1 viva del
juego. Prácticamente, siempre hay bastantes factores variables en el juego para
probar hasta el límite la habilidad financiera del apostador profesional. Éste
debe presupuestar de manera que, en el peor de los casos, resulte aún solvente.
Un apostador profesional que juegue se arruinará 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 cuestión, ¿cómo es posible planear, para conservar la
solvencia, en negocios basados en el azar? La respuesta es que cuando se
abordan en número suficiente, los asuntos del azar se convierten en asuntos de

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 147


certeza, lo cual es una de las razones de por qué un millón de personas
organizadas como estado pueden hacer cosas que no intentan los individuos
privados. Sin embargo, el descubrimiento de este hecho ocurrió en el curso de
los negocios privados ordinarios.
En el pasado, cuando era peligroso viajar y la gente que partía hacia ultramar
hacía testamento solemne y rezaba como si fuese a morir, el comercio con los
países extranjeros era un negocio arriesgado, especialmente cuando el
comerciante en vez de quedarse en casa y consignar sus productos a una casa
extranjera, tenía que acompañarlos hasta su destino y venderlos allí. Para ello
tenía que hacer un trato con el propietario de un barco o un capitán.
Los capitanes de barco, que viven en el mar, no padecen los terrores que éste
inspira a los hombres de tierra. Para ellos el mar es más 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 además de la carga.
Imaginad entonces una conversación 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 capitán ávido
de carga y pasajeros. El capitán asegura al comerciante que sus productos
estarán completamente a salvo y é1 también si los acompaña. Pero el
comerciante, imbuido por las aventuras de Jonás, San Pablo, Ulises y Robinsón
Crusoe, no se atreve a la aventura. Su conversación será así:
CAPITÁN: ¡Venga! Le apuesto bastantes libras a que si usted viaja conmigo
estará sano y salvo dentro de un año.
COMERCIANTE: Pero si acepto la apuesta estaré apostando esa cantidad a que
dentro de un año estaré muerto.
CAPITÁN: Desde luego que no, si usted pierde la apuesta, como es lógico.
COMERCIANTE: Pero si yo me ahogo, usted también se ahogará y entonces,
¿qué pasa con nuestra apuesta?
CAPITÁN: Es verdad. Pero encontraré a alguien de tierra que haga la apuesta
con su esposa y familia.
COMERCIANTE: Desde luego, la cosa cambia; pero, ¿qué pasa con mi carga?
CAPITÁN: ¡Puaf! También podemos apostar por la carga. O dos apuestas una
por su vida y otra por la carga. Ambas estarán a salvo, se lo aseguro. No
sucederá nada, y usted verá todas las maravillas del extranjero.
COMERCIANTE: Pero si yo y mis productos salimos sanos y salvos, le tendré
que pagar el valor de mi vida y de los productos. Si no me ahogo me arruinaré.
CAPITÁN: Esto también es verdad. Pero no crea que llevo las de ganar. Si usted
se ahoga yo me ahogaré también; porque debo ser el último en abandonar el
barco si se hunde. Sin embargo, déjeme todavía persuadirle a arriesgarse. Le
apuesto diez contra uno. ¿Le tienta esto?
COMERCIANTE: ¡Oh! en ese caso...
El capitán ha descubierto los seguros igual que los orfebres descubrieron la
banca.
Es un negocio lucrativo; y, si la información y la intuición del asegurador son
sólidas, 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 148


pueden ganar y el asegurador arruinarse. Evidentemente, deberá poseer, no un
solo barco, sino varios, de forma que, como muchos más barcos terminarán
felizmente el viaje que los que se hundirán, ganará en media docena de barcos y
perderá 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 é1 haya poseído o ni siquiera visto una canoa. Cuantos más barcos
asegure, más seguros están sus beneficios; porque en un mismo tifón pueden
zozobrar seis barcos, pero entre mil barcos la mayor parte sobrevivirán. 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 más 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 más riesgos además del naufragio. Gente que nunca viaja ni envía
paquetes por mar pueden perder la vida o quedar tullidos en un accidente; sus
casas pueden arder o ser desvalijadas. Las Compañías 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 sólo contra el
naufragio, sino contra cualquier riesgo que no sea específicamente cubierto por
las Compañías por acciones, supuesto que se trate de un riesgo asegurable, es
decir, provechoso.
Esta previsión es una contradicción en los términos. ¿Por qué? ¿Cómo puede
una transacción segura implicar un riesgo?, y, ¿cómo puede correrse un riesgo
con seguridad?
La respuesta nos lleva a una región de misterio en la que resulta imposible
razonar los hechos por cualquiera de los métodos conocidos hasta el presente. El
ejemplo más típico lo constituye el más sencillo de los juegos de azar, que
consiste en arrojar una moneda y apostar a qué saldrá. 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 próxima vez, y la próxima, y así 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 más mínimo 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 será
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 sólo dos
veces de las diez salieron cinco y cinco, y al principio las caras ganaron tres
veces seguidas. Así, 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 aproximará 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

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 149


exactamente o casi exactamente como estaban al principio, ni más ricos ni más
pobres, excepto si las apuestas son tan elevadas que sólo las harían jugadores
que estuvieran locos.
Una compañía de seguros, bien dirigida, y que efectúa docenas de millares de
apuestas, no está jugando un juego de azar en absoluto; sabe con precisión
suficiente a qué edad morirán sus clientes, cuántas de sus casas arderán cada
año, con cuánta frecuencia serán desvalijadas, a qué cuantía se elevarán los
desfalcos de sus cajeros, cuántas compensaciones habrán de pagar a sus
empleados accidentados, cuántos accidentes sufrirán sus coches y ellos mismos,
hasta qué punto padecerán de enfermedad y falta de trabajo, cuánto les costarán
los nacimientos y las defunciones: en suma, saben qué le pasará a cada grupo de
mil, diez mil o un millón de personas incluso cuando la compañía no pueda
decir qué 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 había gente rica que, no teniendo nada mejor que hacer, evitaban la
maldición del aburrimiento (llamado entonces ennui) jugando al whist todos los
días. Más tarde, en cambio, se pusieron a jugar al bezique. Ahora juegan al
bridge. Todo club de caballeros tiene su salón 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 práctica
pronto establece reglas que permiten al jugador más estúpido elegir
correctamente: esto es, no elegir, sino obedecer las reglas. De acuerdo con esto
la gente que juega cada día con apuestas de un chelín o seis peniques se
encuentran, al final del año, 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 más de lo que juegan las
compañías de seguros.
Por fin se descubre que los aseguradores no sólo 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 máquina. En el hipódromo 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 están dispuestos a arriesgar sobre sus
caballos favoritos. Después de la carrera se divide todo el dinero apostado sobre
el ganador entre los que apostaron por é1. La máquina se queda el resto. En un
buque de placer, señoritas con tanto dinero que no saben en qué gastarlo arrojan
chelines en una máquina construida de tal forma que devuelve de vez en cuando
el chelín multiplicado por diez o por veinte. Éstos son los últimos 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
más certeza que la de que, en conjunto, han de salir perdiendo, ya que cada
ganancia de Jack y Jill es una pérdida para Tom y Susan.
¿En qué afecta esto al hombre de Estado? Del modo siguiente: el juego o el
intento de hacer dinero sin ganárselo, es un vicio económicamente (es decir,
fundamentalmente) ruinoso. En casos extremos constituye una locura que
personas de la más elevada inteligencia son incapaces de resistir: apostarán todo

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 150


lo que tienen aunque sepan que las probabilidades están en contra. Cuando, en
media hora o en medio minuto se hayan convertido en unos mendigos, se
pondrán a reflexionar sobre la locura de la gente que está haciendo lo mismo, y
en su propia locura por haberlo hecho.
Ahora bien, un Estado, al poder efectuar un millón de apuestas, mientras que un
ciudadano sólo puede permitirse una, puede incitar a cualquiera a apostar sin
correr é1 el más mínimo riesgo de pérdida financiera; porque, como ya dijimos,
lo que va a suceder en un millón de casos es seguro, aunque nadie puede prever
qué 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 é1.
Es éste el peor de los crímenes contra la sociedad. El más imperativo de los
deberes del Estado es el crear un fuerte estado de opinión contra este delito,
considerando como una cuestión de pura honradez cívica el no gastar sin ganar,
ni consumir sin producir; y una cuestión de honor cívico el ganar más de lo que
se gasta y producir más de lo que se consume, para dejar así el mundo mejor de
lo que estaba. No se puede concebir otro título de nobleza hoy en día.
Por desgracia nuestro sistema de propiedad privada de la tierra y del capital no
sólo 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 enérgico a trabajar duro y desarrollar su
negocio al máximo; pero su objetivo final es llegar a ser miembro de la
aristocracia terrateniente o de la plutocracia, vivir del trabajo de los demás y
permitir a sus hijos hacer lo mismo sin haber trabajado siquiera. El premio del
éxito en la vida es el convertirse en un parásito y fundar una raza de parásitos.
El parasitismo es el aguijón del carro capitalista: el incentivo principal sin el
cual, según se nos enseña, la sociedad humana se desharía en pedazos. El más
atrevido de nuestros arzobispos, el más democrático 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 acabará con la civilización más poderosa, y
que la doctrina contraria es diabólica. Nuestros hombres de Iglesia más
eminentes no predican, con gran sencillez y vigor, contra la tendencia a hacer
del egoísmo el motor de la civilización; 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 ladrón. A lo más que se ha llegado hoy
en Inglaterra es a la creación de loterías del Estado y a la prohibición legal de las
apuestas a la irlandesa.
Pero, una vez más, el problema no es lo bastante sencillo como para que los
abogados de la perfección socialista puedan resolverlo en abstracto. Hay épocas
de la vida en que uno ha de consumir sin producir. Todo niño de teta es un
parásito descaradamente voraz. Y, para convertir al niño 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
más de diez años. Asimismo, los ancianos no pueden producir. Algunas tribus,
que insisten excesivamente en la teoría económica de la escuela de Manchester,
superan esta dificultad fácilmente suprimiendo a los ancianos o dejándolos

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 151


morir de hambre. Esto no es necesario en la civilización moderna. Resulta
posible organizar la sociedad de tal forma que cada persona normalmente
capacitada pueda producir lo bastante, no sólo para pagar lo que va
consumiendo, sino también para reintegrar el coste de veinte años de educación,
haciendo que ésta sea una magnífica inversión para la sociedad, además de
proveer para el intervalo más largo que pueda mediar entre la incapacidad por
vejez y la muerte natural. Constituye uno de los primeros deberes del político
moderno el arreglar esto.
Pero la infancia y la vejez son cosa cierta. ¿Qué 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 sólo 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 sucederán
esas desgracias; y el Estado debe aceptar la apuesta, estando las cantidades
jugadas y recibidas fijadas matemáticamente por los actuarios del Estado. Se me
preguntará: ¿Por qué con el Estado? ¿Por qué no con una compañía privada?
Evidentemente, porque el Estado puede hacer algo que está fuera del alcance de
cualquier compañía privada. Puede obligar a cada ciudadano a asegurarse, por
poco previsor que sea, y por mucho que se fíe de su buena estrella; así, haciendo
un gran número de apuestas, puede combinar el máximo beneficio con la
máxima certeza, y depositar el beneficio en el tesoro público para el bienestar
general. Así 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
específicos 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 situación 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,
convirtiéndose en un Supertote y corredor de apuestas de la población entera.
Del mismo modo que el seguro marítimo llevó al seguro de vida, el seguro de
vida al seguro de incendios, y así sucesivamente, hasta el seguro contra las
infidelidades de los empleados, indemnizaciones en caso de muerte y seguro de
paro, la lista de riesgos asegurables irá aumentando, y las pólizas de seguros irán
cubriendo más y más 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 nacerá con una póliza
en blanco contra todos los riesgos corrientes, ahorrándose la práctica de virtudes
tan penosas como la previsión, la prudencia y la abnegación, que resultan hoy
tan opresivas y desmoralizadoras; con ello se aligerará considerablemente la
carga de moralidad de las clases medias. Los ciudadanos serán protegidos tanto
si quieren como si no, incluso si no tienen hijos que hayan de recibir educación
ni casas que guardar. El aumento de libertad resultante de la liberación de los
pequeños cuidados será inmenso. Nuestra mente ya no estará roída, ni nuestro

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 152


tiempo perdido, por la incertidumbre acerca de si vendrá gente a comer la
semana siguiente o si quedará dinero para pagar nuestros funerales cuando
muramos.
No hay nada imposible, ni siquiera desmesuradamente difícil, 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
política nadie discute, está siendo objeto de feroz oposición, no sólo por las
compañías privadas, que se verían arrinconadas, sino por la gente que se
beneficiaría con é1; y los que abogan en favor del plan, en su mayor parte, no lo
entienden, y no saben cómo defenderlo. Si en la formación profesional de
nuestros legisladores se hubiera incluido un conocimiento básico de los
principios del seguro, el proyecto Beveridge pasaría a ser ley y entraría en vigor
antes de un mes. Tal como están las cosas, mucho será si quedan algunos restos
de é1 tras años de balbuceos ignorantes, a menos que un pánico de guerra lo
haga aprobar por el Parlamento en pocas horas y sin discusiones ni enmiendas.
De todas formas, está 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 nación. Y nadie puede llegar a este nivel sin, por lo menos,
saber algo de cálculo de probabilidades; no tanto como para hacer sus cálculos y
llenar hojas de examen de ecuaciones típicas, pero sí lo bastante para saber
cuándo puede uno contar en esos cálculos, y cuándo están trucados. Porque
cuando los números imaginarios corresponden a cantidades exactas de monedas
acuñadas para siempre con caras y cruces, pisan sobre seguro, dentro de ciertos
límites; puesto que se dispone entonces de una sólida certeza y de dos
posibilidades que pueden transformarse en certezas prácticas por medio de una
prueba de una hora (o sea, de una constante y de una variable que, en realidad,
no varía); pero, cuando el cálculo se refiere a una magnitud no constante y a
varias variables muy caprichosas, entonces la intuición, el sesgo personal y los
intereses pecuniarios intervienen con tal fuerza, que aquellos que empezaron
imaginando neciamente que las estadísticas no pueden mentir acaban pensando,
no menos neciamente, que nunca hacen otra cosa.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 153


6. Correlacion, intervalos y tests

por John Allen Paulos

Artículo publicado en Más allá de los números de John Allen Paulos


Traducción de Joseph Llosa, Editorial Tusquets, 1993.

Los niños con pies más grandes tienen mejor ortografía. En zonas del sur de
Estados Unidos, los condados con mayores tasas de divorcio generalmente
tienen menores tasas de mortalidad. Los países que añaden flúor al agua tienen
tasas de cáncer más altas que aquellos que no lo hacen. ¿Hemos de estirar los
pies de nuestros hijos? ¿Conviene que haya más artículos invitando a la «dolce
vita» en Penthouse y Cosmopolitan? ¿Es una conjura la fluoración?
Aunque existan estudios que establecen todos estos resultados, las anteriores
interpretaciones de los mismos sólo son posibles si uno no distingue entre
correlación y causalidad. (Resulta interesante notar que el filósofo David Hume
sostenía que, en principio, no hay diferencia entre ambos conceptos. Sin
embargo, a pesar de algunas semejanzas superficiales, los temas que él
consideraba eran completamente distintos a éstos.) Aunque hay varias clases y
medidas distintas de correlación estadística, todas ellas indican que dos a más
cantidades están relacionadas de algún 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 extraños resultados anteriores se explican fácilmente del modo
siguiente. Los niños que tienen los pies más grandes tienen mejor ortografía
porque son mayores, siendo su mayor edad la causa de que tengan los pies más
grandes y de que su ortografía sea mejor, aunque esto ultimo no sea tan seguro.
La edad es también un factor importante en el segundo ejemplo, pues las parejas
mayores se divorciarán probablemente menos y se morirán con mayor
probabilidad que las de condados con perfiles demográficos más jóvenes. Y las
naciones que añaden flúor al agua son en general más sanas y se preocupan más
por su salud, con lo que un gran porcentaje de sus ciudadanos viven lo bastante
para enfermar de cáncer que es en buena medida una enfermedad de gente
mayor.
Para la mayoría, son menos importantes las definiciones de las medidas
efectivas de correlación y causa. Pero demasiado a menudo la gente se queda
hipnotizada con los detalles técnicos de los coeficientes de correlación, las
rectas de regresión y las curvas de máximo ajuste, y olvida echar una mirada
atrás y meditar acerca de la lógica de la situación. El fenómeno me recuerda a
las personas (yo soy una de ellas: véase el final de la entrada sobre Teoría de
juegos) que se compran un nuevo ordenador o un nuevo procesador de textos
para trabajar más aprisa y luego pierden una cantidad exorbitante de tiempo
obsesionadas con los detalles del software e inventando programas “atajo”, que

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 154


tardan algunas horas en componer y cuya invocación sólo ahorra presionar tres o
cuatro teclas.
“Parece como si todo el mundo los comprara. Todo el país se ha vuelto loco
con estas cosas”. “¿Cómo lo saben, si sólo hablaron con 1000 personas?” Como
podrían sugerir estas dos citas contradictorias, la idea de muestra aleatoria es
otro concepto estadístico 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” quizá signifique muy poco, mientras que con
una de ellas, un número sorprendentemente pequeño de encuestados puede ser
concluyente. Basándose en observaciones realizadas con esa muestra, un
intervalo de confianza es una banda numérica (que varia ligeramente de una
muestra a otra) escogida de modo que contenga el verdadero valor desconocido
de alguna característica de la población considerada, con una probabilidad
especificada de antemano (normalmente el 95%). Así, si encuestamos una
muestra aleatoria de 1 000 personas y el 43% están a favor de las ideas
expuestas en la Constitución, entonces hay una probabilidad de
aproximadamente el 95% de que el porcentaje de toda la población que está a
favor de dichas ideas esté comprendido entre el 40% y el 46%, 43% ± 3%.
Aunque hay una serie de cuestiones técnicas relativas de cálculo e
interpretación de los intervalos de confianza, no hace falta conocerlas para
comprender las ideas fundamentales, igual que ocurre en el caso de la
correlación. De hecho, si uno estudia a fondo los detalles de la estimación de los
intervalos de confianza puede pasarle por alto el alcance limitado del método.
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 estimación es muy
sensible al planteamiento dado al problema o a la formulación de la pregunta. Si
en el ejemplo anterior las ideas se hubieran identificado como procedentes de la
Constitución, las respuestas probablemente hubieran sido completamente
distintas. Las creencias, actitudes e intenciones de los encuestados no permiten
cambiar a la ligera la formulación de una pregunta por otra extensionalmente
equivalente.
La comprobación de hipótesis estadística es otro concepto estadístico cuya
comprensión no precisa conocer previamente el aparato técnico. Se hace una
suposición, se diseña y se realiza un experimento para comprobarla, luego se
hacen algunos cálculos para ver si los resultados del experimento son
suficientemente probables atendiendo a la suposición. Si no lo son se descarta la
suposición y, a veces, se acepta provisionalmente una hipótesis alternativa. Así
pues, la estadística sirve más 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 hipótesis verdadera y el de tipo II se
produce cuando se acepta una hipótesis falsa. Esta es una distinción útil 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 está más preocupado por evitar los errores del tipo II (que quien
no lo merece reciba más de lo que le toca). Si se trata ahora de castigar los

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 155


delitos, el conservador de caricatura está más 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 fármaco) o
del tipo II (aceptar un mal fármaco). Los empresarios preocupados por el control
de calidad han de contrapesar los errores del tipo I (rechazar una muestra con
muy pocos artículos defectuosos). Y los errores del tipo II (dar por buena una
muestra con demasiados artículos defectuosos). En estas situaciones y en otras
parecidas, la lógica de la comprobación estadística nos será de mucho provecho,
aun cuando no dé cifras concretas como resultado.
Más que la mayoría de las demás ramas de la matemática, la estadística es
puro sentido común formalizado y pensamiento sencillo cuantificado. Las
actitudes escépticas para con la estadística (como la de Benjamin Disraeli
“Mentiras, malditas mentiras y estadística”, o mi favorita, “Verdades, verdades a
medias y estadística”) están plenamente justificadas pero no deberían hacernos
perder de vista que se trata de una materia imprescindible. Renunciar a usarla
sería cometer un error del tipo I (o, si uno tiene los pies pequeños, un herror del
tipo I).

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 156


7. Sistemas de Votación

por John Allen Paulos

Artículo publicado en Más allá de los números de John Allen Paulos


Traducción de Joseph Llosa, Editorial Tusquets, 1993.

¿Cómo toman las decisiones las sociedades democráticas? La respuesta es


«votando», pero, ¿qué significa esto?, si, como suele ocurrir, hay más de dos
opciones posibles. Como pasa a menudo un buen ejemplo ilustrativo vale más
que páginas y páginas de explicación rigurosa, supongamos, a modo de
ilustración, que hay cinco candidatos a la presidencia de una pequeña
organización. Aunque todos los miembros de la organización ordenan a los
cinco candidatos según sus preferencias, el ganador depende de manera crucial
del sistema de votación empleado.
Ahora hay que concretar los números. Supongamos pues que hay 55 electores y
que ordenan a los candidatos según sus preferencias con el resultado siguiente:
18 electores ordenan a los candidatos así: A, D, E, C, B.
12 electores ordenan a los candidatos así: B, E, D, C, A.
10 electores ordenan a los candidatos así: C, B, E, D, A.
9 electores ordenan a los candidatos así: D, C, E, B, A.
4 electores ordenan a los candidatos así: E, B, D, C, A.
2 electores ordenan a los candidatos así: E, C, D, B, A.
Los partidarios del candidato A quizás digan que habría que usar el método de
pluralidad, por el que gana el candidato que recibe más votos en primer lugar.
Con este método gana A fácilmente.
Los partidarios de B quizá digan que debería hacerse una segunda vuelta entre
los dos candidatos más 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 más para encontrar un
método que le dé como vencedor. Sugerirán 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 todavía 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 método, C se proclama vencedor.
Ahora el jefe de campaña del candidato D objeta que habría que prestar más
atención a la preferencia media, y no sólo 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 tendrá una puntuación, el
llamado escrutinio de Borda, que reflejará su popularidad. Como el escrutinio de
Borda de D, 191 puntos, es mayor que el de cualquier otro, D gana con este
método.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 157


El candidato E es de un temperamento más viril y responde que sólo deberían
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 demás candidatos de
este modo se llama el vencedor de Condorcet. Pero a menudo las votaciones son
tan embrolladas que no hay ningún vencedor de Condorcet.)
¿Quién ha de ser declarado ganador y cuál es la ordenación de los cinco
candidatos según las preferencias del grupo en su conjunto? Los electores
podrían salir del impasse votando el método que van a utilizar, pero ¿qué
sistema de votación emplearían para decidirlo? No es inverosímil que
reapareciera el mismo problema en este nivel superior, pues quizá los electores
votaran por el método que más 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 esté de su parte, golpee con la ley. Cuando los hechos estén de su parte,
golpee con los hechos. Y cuando ni la ley ni los hechos estén de su parte, golpee
la mesa». Debería señalar también que el problema de decidir quién vota es aún
más espinoso que el de decidir el sistema de votación. En general, la gente
quiere que la ley dé derecho al sufragio al máximo número posible de
partidarios y que se lo niegue –o que al menos los desanime- al máximo número
posible de adversarios. Ejemplos de esto último son la oposición 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
más altruistas, independientemente de su orientación política. Los antiabortistas
contabilizan los «votos» de los no nacidos y, a menudo, los ecologistas van más
allá y apelan al apoyo «electoral» de generaciones futuras no concebidas
todavía.)
Por lo que respecta a los sistemas de votación, la situación no es siempre tan
confusa como sugiere el ejemplo anterior. Los números del ejemplo (debido a
William F. Lucas por vía de los filósofos del siglo XVIII Jean-Charles de Borda
y el marqués de Condorcet, así como de otros teóricos posteriores) fueron
preparados para mostrar que el método de votación empleado puede determinar
a veces el ganador. Pero aunque esas anomalías no se presenten siempre,
cualquier método de votación está sujeto a ellas.
De hecho, el economista matemático 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 simultáneo
de estas cuatro condiciones mínimas:
 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 también el grupo prefiere X
a Y.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 158


 No hay ningún individuo cuyas preferencias determinen dictatorialmente las
preferencias del grupo.

Aunque todo sistema de votación tiene consecuencias indeseables y aspectos


defectuosos, algunos sistemas son mejores que otros. Uno que quizá sea
especialmente apropiado para unas primarias presidenciales, en las que se
presentan varios candidatos, se llama votación de aprobación. 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 máxima aprobación. No se
producirían así situaciones como la de dos candidatos liberales que dividen el
voto liberal y permiten que gane un candidato conservador con sólo el 40% de
los votos.
El mandato moral de ser demócrata es formal y esquemático. La cuestión de
fondo es cómo deberíamos ser demócratas y el enfocar esta cuestión con una
actitud experimental abierta es perfectamente compatible con un firme
compromiso con la democracia. A los políticos que, beneficiándose 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 159


8. Estadística: dos teoremas

por John Allen Paulos

Artículo publicado en Más allá de los números de John Allen Paulos


Traducción de Joseph Llosa, Editorial Tusquets, 1993.

En su libro Suicide, el sociólogo francés Emile Durkheim demostró que la


incidencia del suicidio en una zona se puede predecir razonablemente sólo con
base en los datos demográficos. Análogamente, la tasa de desempleo se puede
estimar basándose en muestreos (y otros varios índices económicos). En
realidad muchas predicciones sociológicas y económicas son independientes de
las ideas y principios psicológicos y se basan en buena medida en razones
probabilísticas. Aunque los sucesos concretos sean difícilmente pronosticables
(quién se va a suicidar o quién se quedará sin empleo), los conjuntos grandes de
sucesos son en general fáciles de describir de antemano. Muy en líneas
generales, esto es lo que sugieren dos de los resultados teóricos más importantes
de la teoría de la probabilidad y la estadística. (Véanse también las entradas
sobre Media, Correlación y Probabilidad.)
Concretando un poco más, la ley de los grandes números 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 matemático suizo Jakob
Bernouilli en un trabajo póstumo que fue publicado en 1713, nos dice que se
puede demostrar que la diferencia entre 1/2 y el cociente del número de caras
entre el total de lanzamientos se hace arbitrariamente pequeña si aumentamos
indefinidamente el número de éstos.
No hay que entender esto como que la diferencia entre los números totales
de caras y de cruces irá disminuyendo cada vez más a medida que aumente el
número 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 número de caras entre el de lanzamientos sea más próximo a 1/2 en
el segundo caso, a pesar de que la diferencia entre los números de caras y cruces
sea también 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 salón, la ley de los grandes números no implica la falacia del
jugador: que es más fácil que salga cara después 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 aproximará más al valor real de ésta cuanto mayor sea el número de
mediciones. También es la base de la observación 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,

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 160


considerados individualmente, tampoco somos predecibles, pero tomados
colectivamente sí. La ley de los grandes números sirve de base teórica a la idea
intuitiva de que la probabilidad es la guía del mundo. Las clasificaciones de
Nielsen en televisión, las encuestas de Gallup, las tarifas de seguros y un sinfín
de estudios sociológicos y económicos ponen de manifiesto una realidad
probabilística más confusa que la de las monedas y los dados, pero no menos
auténtica.
La otra ley que quiero esbozar aquí se llama teorema del límite central, y
dice que la “media o la suma de una gran colección de medidas de una magnitud
dada cualquiera es descrita por una distribución o curva normal en forma de
campana (también llamada a veces curva gaussiana en honor del gran
matemático del siglo XIX Karl Friedrich Gauss). Esto ocurre aunque la propia
distribución de las medidas individuales no sea normal.
Para ilustrar esto último, imaginemos una fábrica 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 días y que el 70% restante tarden unos 100 meses en fallar. Está claro que
la distribución 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 días y otro mayor a
los 100 meses.

Distribución en forma de U de las vidas medias de las disqueteras de una caja de


36 típica.

Distribución gaussiana normal de las vidas medias de las disqueteras de muchas


de esas cajas

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 161


Supongamos ahora que las disqueteras salen de la línea de montaje en un
orden aleatorio en cajas de 36. Si nos entretuviéramos en calcular la vida media
de las disqueteras de una caja, encontraríamos que es de unos 70 meses, quizá
70.7. ¿Por qué? Si determinamos la vida media de las disqueteras de otra caja de
36, encontraremos de nuevo una vida media de aproximadamente 70 meses,
quizá 68.9. De hecho, si examinamos muchas cajas, la media de las medias será
muy próxima a 70, y lo que es más importante aún, la distribución de estas
medias será 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 límite central dice que en una gran mayoría de casos esta
situación es la que cabe esperar: que las medias y las sumas de cantidades que
no tienen que estar normalmente distribuidas, siguen una distribución normal.
La distribución normal aparece también en el proceso de medida porque las
medidas de una magnitud o una característica 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 distribución
normal podrían ser las alturas y los pesos para una edad específica, el consumo
de gas natural de una ciudad en cualquier día dado de invierno, los grosores de
piezas, los CI (independientemente de lo que puedan indicar), el número de
ingresos en un gran hospital en un día determinado, las distancias de los dardos
a la diana, los tamaños 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 (genéticos, físicos
o sociales) y, por tanto, su distribución normal se basa en el teorema del límite
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 estén.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 162


Lecturas en video

Nota: Los videos que a continuación se mencionan pueden consultarse en la sección de


lecturas en video del disco compacto.

Necesidad de datos

¡Qué suerte!

¿Qué se puede esperar?

Un mesurado estilo de vida

Altas esperanzas

Encuesta aparte

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 163


Autoevaluaciones

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 164


6. Autoevaluaciones
Introducción
Ya sabemos de qué se trata la autoevaluación: Comprobar uno mismo su avance en la
adquisición de conocimiento y habilidades. Y esto de la evaluación no podía faltar en este
material.

La autoevaluación no es algo que desconozcamos. Cuando aprendimos a andar en bicicleta


o en patines no fue necesario que alguien nos dijera que ya lo habíamos logrado. Cuando
todavía nos caíamos y sufríamos uno que otro raspón, sabíamos dos cosas: una, todavía no
lográbamos dominar el arte de andar sobre ruedas y, la segunda, para lograrlo debíamos
seguir practicando.

Hay ocasiones en que nuestra autoevaluación es complaciente. Encontramos motivos para


justificar nuestras deficiencias y en lugar de trabajar para superarlas, nos paralizamos con la
justificación que damos.

También llega a ocurrir que en la escuela la autoevaluación queda casi olvidada. Tal vez el
saber que periódicamente debemos ser evaluados por nuestros profesores nos lleva a
olvidarnos de la evaluación propia. Pero si lo que aprendemos en la escuela nos va a ser útil
para nuestras diversas actividades dentro y fuera de ella, la autoevaluación 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 matemáticas. Esperamos que el profesor nos diga no sólo que ya dominamos
un tema sino además cuándo podemos usarlo.

En este material te proporcionamos por cada unidad un cuestionario para que te sirva como
autoevaluación. No es, desde luego, la única forma de autoevaluarte, tú mismo puedes
diseñar 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.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 165


Además de una evaluación por cada unidad, incluimos una muestra de exámenes 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 calificación
ordinaria. El examen extraordinario representa la calificación del curso y sustituye el
promedio de las calificaciones de los períodos ordinarios si es mayor que este promedio.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 166


Autoevaluación de la Unidad 1

1. Escribe un ensayo breve sobre el papel que desempeña la estadística en tu vida. Incluye
por lo menos un mapa conceptual.
2. ¿Cómo se distribuye el uso de las vocales en el idioma español?
3. Una escuela compra cada año 150 borradores. Los precios por pieza en tres años
sucesivos fueron, 24, 60 y 125 pesos. ¿Cuál es el precio promedio que ha pagado la
escuela por borrador en este período? Otra escuela dispone de una partida fija de 3,000
pesos para la compra de borradores. ¿Cuál es el precio promedio que ha pagado la escuela
por borrador en este período?
4. En números redondos, la población urbana de México fue de 11 millones en 1950, de
18 millones en 1960 y de 29 millones en 1970.
a. Estima la población urbana de México en 1952, 1957, 1963 y 1968.
b. Si el crecimiento poblacional de 1960 a 1970 se hubiera mantenido, ¿cuál
sería la población 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, desviación
estándar, forma, versus los cinco valores (P0, Q1, Q2, Q3, P100) y sus respectivas
representaciones gráficas para describir un conjunto de datos.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 167


Autoevaluación de la Unidad 2

1. Escribe un ensayo breve sobre los tipos de Probabilidad. Incluye por lo menos un mapa
conceptual.
2. Es común 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 creación 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.
Supón que cada uno de los equipos participantes tiene la misma oportunidad de ganar o
perder.
a) Imagínate que un equipo participa 100 veces en este torneo, haz una estimación
de en cuantas ocasiones ganará 0, 1, 2, 3, 4 y 5 de esos partidos.
b) Haz una simulación de esas 100 participaciones en el torneo y compara lo que
obtienes con la estimación que hiciste.
3.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 168


Autoevaluación de la Unidad 3

1. Escribe un ensayo breve sobre el azar en los juegos. Incluye por lo menos un mapa
conceptual.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 169


Autoevaluación de la Unidad 4

1. Escribe un ensayo breve sobre la variable aleatoria y la distribución. Incluye por lo


menos un mapa conceptual.
2. El 0.4% de los focos que produce una fábrica tiene algún 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 así, úsalo y compara
ambas respuestas.
c. Construye las dos distribuciones (binomial y Poisson) para el mismo
experimento, formula dos preguntas y respóndelas
3. Una empresa recibe en su conmutador general en las horas de trabajo más 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 simultáneamente.
a. Calcula la probabilidad de que una llamada a la empresa entre 11 y 14
obtenga una señal de ocupado.
b. Calcula la probabilidad de que una llamada a la empresa entre las 9 y 11
obtenga una señal de ocupado.
c. ¿Cuántas llamadas debe ser capaz de recibir simultáneamente el
conmutador, a cualquier hora, para que la probabilidad de obtener una señal
de ocupado sea menor a 0.01?
4.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 170


Autoevaluación de la Unidad 5

1. Escribe un ensayo breve sobre el Teorema del Límite Central. Incluye por lo menos un
mapa conceptual.
2.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 171


Bibliografía

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 172


7. Bibliografía
Los materiales que se utilizaron en la elaboración de este trabajo son:

Alarcón, J., Bonilla, E. Nava, R., Rojano, T. y Quintero, R., Libro para el maestro.
Matemáticas. SEP, 1994.

Alvarado, D., Las Creencias y Concepciones en un Ambiente de Resolución de


Problemas. Tesis de Maestría del Departamento de Matemática Educativa del
Cinvestav-IPN, 1998

Antón, J.L., González, F., González, C., Llorente, J., Montamarta, G., Rodríguez, J.A., y
Ruiz, M.J., Taller de Matemáticas. Narcea Ediciones y MEC de España. Madrid,
1994.

Batanero, C. Didáctica de la Estadística. Departamento de Didáctica de las Matemáticas,


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 Gascón, J., Estudiar Matemáticas. El eslabón perdido entre la
enseñanza y el aprendizaje. ICE-Horsori, 1997.

Coxford, A., Geometry from multiple perspectivas. NCTM, 1991.

De Prada, D., Martínez, I. Y Alcalde, J., El comentario de textos matemáticos. Editorial


Ágora, 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 Iberoamérica. Revista Educación Matemática

Johnson R. y Kuby, P., Estadística elemental. Lo esencial. Thomson Editores, 1999.


López de Medrano, S., Modelos matemáticos. ANUIES, 1972.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 173


Kasner, E. & Newman, J., Matemáticas e imaginación. Biblioteca personal Jorge Luis
Borges. Hyspamérica, 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 Matemáticas. 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. Martínez Roca, 1984.

Novak, J., Conocimiento y aprendizaje. Alianza Editorial, 1998.

Olivera, A. y Zúñiga, S. Serie de Probabilidad y Estadística (6 volúmenes). Editorial


LIMUSA, 1987.

Paulos, J., El hombre anumérico. Tusquets Editores, 1990.

Paulos, J., Más allá de los números. Tusquets Editores, 1993.

Perkins, D., Smart Schools. From Training Memories to Educating Minds. New York:
The Free Press. (Hay traducción al español de Gabriela Ventureira en Gedisa
Editorial, 1995, con el título de La escuela inteligente.), 1992.

Polya, G., Cómo plantear y resolver problemas. Editorial Trillas, 1965.

Rico, Luis, Complejidad del currículo de matemáticas como herramienta profesional


RELIME: Revista Latinoamericana de Investigación en Matemática Educativa:
Num 1, CLAME, México: Thompson Editores, 1998.

Rojano, T. & Ursini, S., Álgebra con hojas electrónicas de cálculo. Grupo Editorial
Iberoamérica, 1997.

Ruiz, B., Curso rediseñado de matemáticas remediales. México: ITESM Campus Estado
de México. En la plataforma LearningSpace: RZSRZSH1/RZS/ITESM,
LSPACE\VA\curmod\cemma801\, 1999.

Selmes, I., La mejora de las habilidades de estudio. Paidós. 1992.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 174


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 evaluación de las matemáticas. Mitos, modelos, buenas preguntas
y sugerencias prácticas. NCTM, Reston, VA, 1992. (Selección y traducción del
Club de Matemáticas del CECyT Wilfrido Massieu).

Suárez, L., El trabajo en equipo y la elaboración de reportes en un ambiente de


resolución de problemas. Tesis de Maestría del Departamento de Matemática
Educativa del Cinvestav-IPN, 2000.

Sullivan, Michael. Precálculo. Prentice-Hall, 1997.

Szymborska, Wislawa. Poesía no completa. FCE, 2002.

Torres, J., La Metodología de Estudio en un Ambiente de Resolución de Problemas. Tesis


de Maestría del Departamento de Matemática Educativa del Cinvestav-IPN, 1997.

‘Probabilidad y Estadística’ Libro para el Estudiante Hoja 175