UNIVERSIDAD DE ANTIOQUIA

FACULTAD DE EDUCACIÓN
DEPARTAMENTO DE ENSEÑANZA DE LAS CIENCIAS Y LAS ARTES
LICENCIATURA EN EDUCACION ENFASIS EN BÁSICA MATEMÁTICA

1. IDENTIFICACIÓN

Nombre del espacio de conceptualización: Pensamiento Matemático VI

(Fundamentos de Estadística)

Acta del Consejo de Facultad:

N° de créditos: 4 Intensidad horaria: 6 horas/

semana

Tipo de espacio de conceptualización: Habilitable Validable

clasificable

Pertenece al Campo: Saber específico

Pertenece al Núcleo: Pensamiento Aleatorio
Se ubica en el nivel: 6° semestre
Programa académico: Licenciatura en Educación
Énfasis en Básica Matemática
Prerrequisitos: sistemas numéricos, números reales, matemáticas
generales, conjuntos
Correquesitos: calculo

2. JUSTIFICACIÓN

El licenciado del programa de Licenciatura en Educación Básica con Énfasis en

Matemáticas deberá estar preparado para los nuevos o actuales retos en
educación primaria y media vocacional entre ellos, el fomento del pensamiento
aleatorio como nueva alternativa de conocimiento en sus futuros estudiantes,
en adición al crecimiento académico por medio de su formación investigativa.
El curso de Pensamiento Aleatorio (Fundamentos de Estadística) se ofrece
como introducción a la investigación cuantitativa, lo que admitirá: crear buenas
bases teóricas que junto a la didáctica del mismo saber específico, consentirá
fomentar el quehacer en la enseñanza de la estadística en la educación básica.
También alimentará a la elaboración de proyectos y en general a la
investigación en las áreas de la educación donde se apliquen los métodos
estadísticos.

Teniendo en cuenta la enculturación de las próximas generaciones el curso es

pertinente a las necesidades del medio. Sus contendidos tocan temas con
actualidad científica y pretende impactar en la cultura estadística de las
nuevas generaciones. Las problemáticas específicas de espacio de
conceptualización radican en fomentar el pensamiento aleatorio fundado en la
causalidad y los fenómenos caóticos y en general al azar y desde allí intentar
modelar fenómenos para aproximarlos a la realidad cotidiana de los
fenómenos. Sin embargo, solo se presenta como inicios de tópicos que en la
actualidad son muy amplios en estudios más especializados.

Al final del curso, el estudiante estará preparado para enfocar los problemas de
investigación con una nueva forma de abordarlos. A su vez estará motivado
para enfrentar los retos de la continuación del aprendizaje de la estadística con
miras a la enseñanza en la educación básica. Pero también le dará una alta
visión hacia la investigación en el aula y en general a la experimentación.

3. OBJETIVOS

3.1. GENERALES

Desarrollar habilidades para tabular, organizar, interpretar datos, realizar

inferencias con base en los fundamentos metodológicos de las
probabilidades. Desarrollar destrezas de aplicación de la estadística en la
solución de problemas reales de las ciencias de la educación que motiven
 su empleo a aplicarlos a la didáctica del ejercicio docente y a las diferentes
áreas de investigación en el aula.

3.2. ESPECÍFICOS

• Reconocer las diferentes etapas de un proceso estadístico así como

distinguir los diferentes tipos de variables estadísticas.
• Utilizar los métodos cuantitativos para describir, tabular y representar
gráficamente un conjunto de datos
• Determinar las diferentes medidas estadísticas de un conjunto de
datos e Interpretar y/o analizar resultados estadísticos provenientes
de una encuesta utilizando un software estadístico.
• Describir las características o distribuciones especiales de algunos
fenómenos reales o cotidianos en las áreas de la educación.
• Aplicar la inferencia estadística para realizar generalizaciones hacia
las características de una población de interés en educación.

• Desarrollar modelación lineal simple con covariables cuantitativas

• Planear y desarrollar un diseño de experimentos de un solo factor y

de dos factores

• Explorar paquetes estadísticos como Excel o SPSS

4. PROBLEMAS Y CONTENIDOS

4.1. PROBLEMAS

• Los números en matemáticas son fríos y no representan mas allá de los

que conceptualmente son. En estadística, los números y en general los
datos tienen gran significado, tienen historia, tiene contexto, relatan
hechos y hablan; por tanto habrá que detallarlos en su interpretación
¿Cómo hacer que los números expresen lo que tienen que decir?
• El azar desde su concepción filosófica no tiene una definición clara. En
algunos casos se presenta como incertidumbre, caos, contingencia o
 simplemente lo que contrasta al determinismo del siglo XVII. Hoy en día
se sabe que los modelos que representan los fenómenos reales tienen
un componente aleatorio importante ¿Cómo separar este componente? Y
¿Cómo poder analizarlo sin perder información que conduzca a errores
metodológicos en nuestras conclusiones?
• La modelación de fenómenos en los que está presente el azar es un reto
para los investigadores. Es un proceso que no es fácil y que necesita de
muchos conocimientos en la generación de nuevos modelos, pero ¿es
posible representar algunos modelos cotidianos de la educación a través
de modelos estadísticos ya conocidos?
• Hoy día no es posible analizar todos los individuos de una población por
algunas razones, entre otras como por limitación de recursos
económicos y talento humano, tiempo o porque es inoficioso analizar
una población ya que una muestra puede dar la misma información. Es
conveniente utilizar muestras aleatorias como representaciones reales
de los individuos de una población. ¿Cómo hacer para tomar muestras
representativas que permitan inferir a toda una población, obtener
conclusiones validad y objetivas sin perder información que conduzca a
errores metodológicos en las decisiones?

4.2. CONTENIDO DETALLADO POR CAPÍTULOS

4.2.1. UNIDAD 1. ESTADÍSTICA DESCRIPTIVA

• Introducción: El alcance de la Estadística.

o La metodología estadística. Poblaciones, muestras y datos.
o Variables estadísticas y escalas de medición.
• Representación tabular de un conjunto de datos.
• Agrupación de un conjunto de datos (representaciones gráficas y medidas
descriptivas)
• Medidas descriptivas para datos sin agrupar.
• Medidas descriptivas para datos agrupados.
 • Taller de aplicación sobre Estadística Descriptiva con ayuda del
computador
• Trabajos de aplicación

4.2.2. UNIDAD 2. PROBABILIDAD Y VARIABLES ALEATORIAS.

DISTRIBUCIONES DE PROBABILIDAD

• Conceptualización del azar

• Introducción a la teoría probabilidad.
• Probabilidad condicional e Independencia de eventos.
• Relaciones causa efecto (regla de Bayes)
• Variables aleatorias (valor esperado y varianza)
• Función de masa de probabilidad y funciones de densidad de una variable
aleatoria discreta o continua
• Distribuciones especiales de probabilidades. Distribución binomial,
distribución Poisson, Distribución normal
• Teoremas de aproximación (ley de los grandes números)
• manejo de tablas estadísticas
• Trabajos de aplicación

4.2.3. UNIDAD 3: INFERENCIA ESTADÍSTICA

• Teoría del muestreo, diseño de muestras aleatorias

• distribuciones muestrales (distribución de las media, varianza,
proporción y diferencias entre las medias)
• Intervalos de confianza para la media y la proporción de una población
• Test de hipótesis para la media de una población.
• test de hipótesis para la diferencia entre las medias de dos poblaciones
independientes.
• test de hipótesis para la media y la diferencia entre las medias de
pequeñas muestras. Distribución T.
• test de hipótesis para la proporción y la diferencia entre las
proporciones.
 • test de hipótesis para la varianza y la razón de varianzas de dos
poblaciones independientes.
• test de hipótesis para muestras pareadas.
• test de hipótesis independencia y homogeneidad para tablas de
contingencia. Test Chi-cuadrado.
• Regresión y Correlación bivariada
• Trabajos de aplicación

5. METODOLOGÍA

La metodología propuesta es en su mayoría la tradicional, sin embargo

dependiendo del tamaño del grupo, se proponen alternativas
metodológicas como la estrategia teórico –experimental, donde el
estudiante construye su propio conocimiento a atreves de los experimento
reales. Durante todo el semestre se propone un trabajo experimental que la
mayoría de los métodos impartidos en clase y que al final se traducirá
como un la ejecución de un micro proyecto de investigación donde el
estudiante aplicara sus conocimientos adquiridos y las habilidades
desarrolladas en el software estadístico. dentro de las estrategias de
enseñanza está la de impartir teoría y práctica, cada teoría estará
respaldada por un desarrollo experimental que el estudiante hará
previamente a iniciar la discusión metodológica del saber. Para ello tendrá
herramientas como: talleres en grupo, tareas de seguimiento,
exposición y lectura de artículos, aplicación de encuestas, uso de
calculadoras, software estadístico adecuado. En algunos casos será
necesaria ayudas didácticas como: proyector de acetatos, video bim,
clases en la sala de computador (software Excel, SPSS )

Para los espacios de carácter eminentemente teórico se tendrá en cuenta

la obligatoria asistencia y para aquellos como talleres y discusión de
problemas experimentales, así como aquellas que no implican
presencialidad en el aula. Para lo cual en la primera semana se presentará
un cronograma que de cuenta de ello.
6. EVALUACION

La evaluación es un proceso inherente e inseparable de la enseñanza y del

aprendizaje, cumple una función motivadora y formativa y a su vez
integradora de saberes. En ella se pretende alcanzar unos objetivos que
implica la certificación académica del logro de los objetivos, el desarrollo de
competencias, la adquisición de conocimientos y la incorporación de
valores.

6.1. Motivadora o Formativa

El estudiante tendrá tutorías y asesorías individuales, prácticas grupales de

observación, diseño y elaboración de encuestas para su posterior análisis.
Mediante su motivación personal buscará los mejores diseños de muestreo
para elegir muestras representativas dignas de aplicarles los métodos
estadísticos que se impartirán a lo largo del curso.

6.2. Integradora – cualitativa

El desarrollo que se ha alcanzado de manera teórica, se reflejará en las

prácticas, diseño, elaboración y análisis de encuestas con ayudas del
software de computador, en ellos habrá integración con discusión grupal, la
comprensión de un problema, la solución a él y la síntesis del conocimiento
aprendido.

6.3. Integradora - cuantitativa

En ella el estudiante expresará los avances alcanzados en el logro individual

de sus competencias, integrando sus conocimientos teóricos y las
estrategias de solución de problemas con base en la metodología
estadística impartida
7. BIBLIOGRAFÍA

7.1. principal

• Sandoval, Juan J (2006). Notas de Clase para un curso de

pensamiento Matemático VI (in press)

• Peña-Sánchez de Rivera, D, Romo (1998). J. Introducción a la

estadística para las ciencias sociales, España : McGraw-Hill
Interamericana

• Mccollough C (1976) Análisis estadístico en las ciencias sociales

y educación. Bogota : McGraw-Hill Interamericana

• Milton, J. S, Arnold J.C. (2004) Probabilidad y estadística

aplicaciones para ingeniería y la ciencia de la computacionales.
4ª edición. McGraw Hill

• Freund, J. Miller, I. Millar, M. Estadística Matemática con

aplicaciones. 6 ed. Editorial Prentice Hall. 2000

• Jay L. Devore. Probabilidad y Estadística para Ingeniería y

ciencias. Editorial Thomson Learning. 2001

• Mendenhall, W. Sincich, T. Probabilidad y Estadística para

Ingeniería y Ciencias. 4 Ed. Editorial Prentice. Hall. 1997

• Mongomery, D; Runger, G. Probababilidad y Estadística aplicadas

a la Ingeniería. McGraw-Hill Interamericana, 1996

• Walpole, R. Myers, R. Myers, S. Probabilidad y Estadística para

ingenieros. 6 Ed. Editorial Pearson. 1999

7.2. Complementaria

• Villamizar J, Ardila Cuellar G, Wayne D. Estadística con

aplicaciones a las ciencias sociales y a la educación. Bogota:
McGraw-Hill Interamericana. 1981-1982

• Guenther, W.C. Introducción a la Inferencia Estadística. México:

Limusa, 1981.
• Haber, A. y R. Runyon. Estadística General. Fondo Educativo
Interamericano S.A., 1973.

• Remington, R.D. Y M.A. Shark. Estadística Biométrica y

Sanitaria. Madrid: Prentice Hall, 1974.

• Pagano. M, Gauvreau k. Fundamentos de Bioestadística,

Thompson Learning, 2.001. Mexico

• Wayne, W.D. Bioestadística. México: Limusa, 2.002.

• http://www.spss.com/es/

7.3. Paginas recomendadas

• www.bioestadistica.uma.es/libro
• www.estadistico.com/
• http://www.amstat.org/publications/jse/
• http://www.ugr.es/~batanero/didactica%20de%20la%20estadistica.htm
• http://www.ugr.es/~batanero/formacion%20para%20profesores.htm
• http://www.so.ucr.ac.cr/Enlaces/Estadistica/problemas/Diccionario.html
• http://www.estadistico.com/dic.html