Componentes de Pensamiento Estadstico y sus consecuencias para la Instruccin

y Evaluacin

Beth L. oportunidad
California Politcnica de la Universidad del Estado de Diario de Estadstica de
Educacin Volumen 10, Nmero 3 (2002),
www.amstat.org/publications/jse/v10n3/chance.html

Copyright 2002 por Beth L. Chance, todos los derechos reservados. Este texto puede
ser libremente compartida entre los individuos, pero no podr volver a publicar en
cualquier medio sin el consentimiento expreso y por escrito del autor y notificacin
previa del editor.

Palabras Claves: Introduccin a las estadsticas; Alfabetizacin; Razonamiento.

Resumen

Este documento se centra en un tercer brazo de desarrollo de la estadstica: el

pensamiento estadstico. Despus de levantamientos recientes definiciones de
estadstica pensamiento, las implicaciones para la enseanza a partir estudiantes
(incluidos los no principales) se discuten. Varias sugerencias se dan por instruccin
directa destinadas a desarrollar "hbitos de la mente" para el pensamiento estadstico en
los estudiantes. El documento concluye con sugerencias para evaluar la capacidad de
los estudiantes a pensar estadsticamente. Si bien estas sugerencias se dirige
principalmente a la no-mayores, muchas estadsticas principales tambin se beneficiara
de un mayor desarrollo de estas ideas en su educacin de pregrado.

1. Introduccin

Este documento se centra en el tercer brazo de desarrollo de la estadstica: el

pensamiento estadstico. Al tiempo que nuestros estudiantes "pensar estadsticamente"
suena deseable, a muchos instructores no podr ser inmediatamente obvio lo que esto
implica y si no estadstico o pensamiento puede ser desarrollada a travs de instruccin
directa. Por otra parte, lo que, en su caso, los componentes del pensamiento estadstico
podemos esperar que nuestros principios a los estudiantes a desarrollar? Para ayudar a
delimitar los componentes de la estadstica de pensar con una gua como la forma de
abordar estas ideas en nuestra enseanza, este documento se examinan las siguientes
cuestiones:

Qu es el pensamiento estadstico?
Cmo podemos ensear el pensamiento estadstico?
Cmo podemos determinar si los estudiantes estn pensando estadsticamente?

En primer lugar, el documento se hace una encuesta reciente de las definiciones de

"pensamiento estadstico", se centra en elementos que intervienen en este proceso y
tratar de diferenciar el pensamiento estadstico de la alfabetizacin y la estadstica
razonamiento estadstico. En segundo lugar, las implicaciones para la instruccin dado
que se centrar principalmente en el comienzo de los cursos no estadsticas principales.
Varias sugerencias proporcionar mecanismos para tratar de desarrollar "hbitos" de
pensamiento estadstico en los estudiantes.
2. Definiciones de Pensamiento Estadstico

Numerosos textos y documentos de utilizar la frase "el pensamiento estadstico" en su

ttulo. Sin embargo, pocos dar una definicin formal del pensamiento estadstico.
Muchos parecen usar "el pensamiento", "razonamiento" y "alfabetizacin"
intercambiable en un esfuerzo por distinguir el entendimiento de los conceptos
estadsticos de la manipulacin numrica que, con demasiada frecuencia ha
caracterizado a la utilizacin de estadstica e instruccin. Ayudado por los ltimos
avances en tecnologa ", nmero clculo" ya no deben dominar el paisaje del curso
introductorio. En lugar de ello, tenemos el lujo de permitir a nuestros estudiantes a
concentrarse en el proceso estadstico que precede a los clculos y la interpretacin de
los resultados de estos clculos.
Estadstica de investigacin, la prctica y la educacin estn entrando en una nueva era,
una que se centra en el desarrollo y uso de estadsticas de pensar. (Snee de 1999, p.
255)
Sin embargo, no ha sido tan clara la manera de desarrollar esta capacidad a nuestros
estudiantes, o incluso exactamente lo que significa .
Consciente de las deficiencias de las actuales formulaciones, estadsticos y varios
comits han hecho oficial los intentos de caracterizar lo que se entiende por
pensamiento estadstico:

Box, Hunter y Hunter (1978), p. 2, el esbozo del proceso de investigacin estadstica a

travs del siguiente esquema:

Figura 1.

Figura 1. "El proceso de aprendizaje como un circuito de retroalimentacin".

Alientan a los estadsticos:

Averige todo lo que pueda sobre el problema

No se olvide nonstatistical conocimiento
Definir objetivos
Aprender unos de otros, poniendo de relieve la interaccin entre la teora y la
prctica

Gran parte de este esquema es lo que los investigadores estn todava en construccin
hoy en da.
Moore (1990) propone que los elementos bsicos incluyen:

1. La omnipresencia de la variacin en los procesos

2. La necesidad de datos sobre los procesos
3. El diseo de produccin de datos con una variacin en la mente
4. La cuantificacin de variacin
5. La explicacin de la variacin

Estas ideas fueron utilizadas para formar la definicin proporcionada por la Asociacin
Americana de Estadstica (ASA) / Asociacin Matemtica de Amrica (MAA) Comit
Mixto sobre la titulacin de Estadstica (vase Cobb 1992) como:

la necesidad de datos
la importancia de la produccin de datos
la omnipresencia de la variabilidad
la medicin y modelado de la variabilidad

La ASA Comit de Trabajo sobre Estadsticas del Pensamiento (vase Sylwester 1993)
propone:

a. el reconocimiento de la incertidumbre y la variabilidad de datos y su impacto en

la toma de decisiones
b. la utilizacin del mtodo cientfico en el abordaje de cuestiones y problemas

En el mbito del control de calidad y mejora de procesos, Snee (1990) define el

pensamiento estadstico como:
procesos de pensamiento, en donde se reconoce que la variacin est a nuestro
alrededor y presente en todo lo que hacemos, todo el trabajo es una serie de procesos
interconectados, e identificar, caracterizar, cuantificar, controlar y reducir la variacin
de proporcionar oportunidades de mejora.
La Sociedad Americana para la Calidad Glosario de trminos estadsticos (1996)
proporciona una filosofa de aprendizaje y accin basado en los principios
fundamentales siguientes:
todos los trabajos que se produce en un sistema interconectado de los procesos
variacin que existe en todos los procesos
la comprensin y la reduccin de variacin son claves para el xito

Mallows (1998) sostuvo que las definiciones anteriores haban desaparecido las "zeroth
problema", es decir, lo que los datos pudieran ser pertinentes. Sugiri la siguiente
definicin:

... la relacin de datos cuantitativos a un mundo real problema, a menudo en presencia

de la variabilidad y la incertidumbre. Trata de hacer precisa y explcita lo que los datos
que ha [sic] que decir sobre el problema de inters (p. 3).

Mallows Tambin pregunta si podemos desarrollar una teora de la estadstica de

pensar y estadstica aplicada. Silvestres y Pfannkuch (1999) trat de hacer precisamente
eso. Su enfoque fue a pedir la prctica de los estadsticos y que los estudiantes trabajan
en proyectos de lo que estn "haciendo" en un intento de identificar los elementos clave
de esta previamente de alguna manera vaga pero entendido intuitivamente el conjunto
de ideas. Sus entrevistas conducido al desarrollo de un perodo de cuatro dimensiones
marco del pensamiento estadstico en investigacin emprica:

Una dimensin: el ciclo de investigacin

Dimensin Dos: Tipos de Pensamiento
Dimensin tres: la interrogativa ciclo
Dimensin cuatro: Disposiciones

Ellos afirman que la comprensin de los patrones de pensamiento y estrategias

utilizadas por los estadsticos y los profesionales para resolver los reales problemas del
mundo, y la forma en que se integran, vamos a estar en mejores condiciones para
mejorar la necesaria solucin de problemas y habilidades de pensamiento en nuestros
estudiantes. Un tema en funcionamiento a lo largo de su artculo es que la naturaleza
contextual de las estadsticas problema es un elemento esencial y de cmo los modelos
estn vinculados a este contexto es donde se produce el pensamiento estadstico

En respuesta a Wild y Pfannkuch, Moore (1999) abog por "introduccin selectiva" de

los tipos de pensamiento estadstico, se introduce a los estudiantes comienzo. Al aclarar
los "datos, anlisis, conclusiones" de la parte ciclo de investigacin, argument para la
siguiente estructura:

La primera vez que se examinar un conjunto de datos, (1) comenzar la representacin

grfica de los datos y la interpretacin de lo que ves, (2) para ver y analizar los patrones
para atacar las desviaciones de los patrones, explicaciones y buscar el problema en
contexto, (3) basada en el examen de los datos, elija numrico apropiado descripciones
de aspectos especficos; (4) si el patrn general es lo suficientemente regular y buscar
un pacto de modelo matemtico para ese patrn (p. 251).

Para los estudiantes ms avanzados que parece centrarse ms en cuestiones de

medicin y la formulacin de problema como se comenta por Mallows. En respuesta,
Snee (1999) sostuvo que "Qu datos son relevantes y cmo recoger buenos datos son
consideraciones importantes y tambin podra ser considerado competencias bsicas de
los estadsticos" (p. 257) y Smith (1999) abog por la adicin de "creatividad" como un
modo de pensar a su hbitat y Pfannkuch la lista.

Siguiendo el criterio de Wild y Pfannkuch, parece que una definicin de "pensamiento

estadstico" incluye "lo que hace un estadstico." Estos procesos implican claramente,
pero ir ms all, resumiendo los datos, resolver un problema particular, el razonamiento
a travs de un procedimiento, y explicando la conclusin. Tal vez lo que es nico para
el pensamiento estadstico, ms all del razonamiento y la alfabetizacin, es la
capacidad de ver el proceso en su conjunto (con iteracin), incluido el "por qu", para
entender la relacin y el significado de la variacin en este proceso, tener la capacidad
de explorar los datos en formas ms all de lo que se ha prescrito en los textos, y para
generar nuevas preguntas ms all de los encuestados por el investigador principal. Si
bien la alfabetizacin puede ser considerado estrictamente como la comprensin e
interpretacin de informacin estadstica presentada, por ejemplo, en los medios de
comunicacin, y el razonamiento puede ser considerada como restrictiva de trabajo a
travs de las herramientas y conceptos aprendidos en el curso, la estadstica pensador es
capaz de ir ms all de lo que se ensea en el curso, a la pregunta espontnea e
investigar las cuestiones y los datos involucrados en un contexto especfico.
3. Implicaciones para la Instruccin - Desarrollo de Hbitos

Estas definiciones sugieren que hay una visin ms global del proceso estadstico,
incluida la comprensin de la variabilidad estadstica y el proceso en su conjunto, que
nos gustara inculcar en nuestros estudiantes. En el pasado, en general se supone que
los estadsticos que desarrollar esta forma de pensar a travs de la prctica, la
experiencia y de trabajo con altos estadsticos. Recientemente, ha habido ms y ms
llamadas para instruir a los novatos, incluidos los no principales, en los hbitos mentales
de resolucin de problemas y habilidades necesarias para pensar estadsticamente.
Estos hbitos mentales incluyen:

1. examen de la mejor manera de obtener significativos y los datos pertinentes

para responder a la pregunta que nos ocupa
2. constante reflexin sobre las variables involucradas y la curiosidad por otras
formas de examinar y reflexionar sobre el problema y los datos a mano
3. ver el proceso completo de revisin constante de cada uno de los componentes
4. omnipresente escepticismo sobre los datos obtenidos
5. constante relacin de los datos para el contexto del problema y la interpretacin
de las conclusiones a no trminos estadsticos
6. pensar ms all de los libros de texto

La cuestin es si, y cmo, estos hbitos se pueden incorporar en principio la

instruccin. La respuesta variar dependiendo de si estamos hablando de cursos para
los estadsticos que para los otros estudiantes? Por otra parte, dnde este componente
se inscriben en el marco de desarrollo de las estadsticas?

Con la evolucin reciente de herramientas estadsticas para la instruccin, incluidos los

estudios de casos, proyectos estudiantiles, las nuevas herramientas de evaluacin (para
una visin general de estos recursos, ver Moore 2001), es viable para inculcar estos
hbitos en los estudiantes. Sin embargo, la eleccin del trmino "hbitos" aqu es
bastante deliberada, para estas competencias deben ser enseadas a travs de ejemplo y
un uso repetido. Por otra parte, no se aplican en cada situacin, pero los estudiantes
pueden aprender a abordar los problemas con estas directrices generales en mente. A
continuacin comenzar a esbozar algunas de estas directrices y cmo los estudiantes
pueden ser alentados a desarrollar estos hbitos. La seccin siguiente ofrece
sugerencias para evaluar si los estudiantes poseen estos hbitos.

3,1 comenzar desde el principio

El xito de estadstica consultores tienen la capacidad de pedir a la preguntas necesarias

para extraer los datos pertinentes para abordar la cuestin de que se trate.

Para m las mayores contribuciones a las estadsticas de investigacin cientfica han

estado en la etapa de planificacin. (Smith 1999, p. 249)

Generalmente se ha supuesto que los estadsticos obtener esta capacidad a travs de la

experiencia y la smosis, que slo atraviesa por situaciones en las que han fracasado los
enfoques podemos aprender a preguntar las preguntas pertinentes.
 Como Wild y Pfannkuch (1999) sostienen, podemos proporcionar ms estructura en
este proceso de aprendizaje. Por ejemplo, los estudiantes deben recibir numerosas
situaciones en las que las cuestiones de recopilacin de datos se examinan y son
claramente pertinentes a las conclusiones extradas a partir de los datos. Tal vez el
enfoque ms obvio es preguntar a los estudiantes para reunir datos, tales como medir el
dimetro de una pelota de tenis (Scheaffer, Gnanadesikan, Watkins, y Witmer 1996).
Los estudiantes ver rpidamente las dificultades relacionadas con esa tarea: Tenemos
una herramienta de medicin? Qu son las unidades que utiliza? De qu forma los
diferentes mtodos de mediciones contribuyen a la variabilidad en las mediciones?
Cules son otras fuentes de variacin en las mediciones y podemos controlarlos?
Cmo funciona la variabilidad entre unidades de observacin afectar nuestros
resultados? Qu medidas repetidas nos permiten calcular mejor el "verdadero" de
medicin? Los estudiantes ver claramente el messiness real de la recopilacin de datos
tan a menudo ignorada en los libros de texto. Los estudiantes tambin tienen un mayor
grado de propiedad y el compromiso con dichas cesiones.

Una de las cuestiones clave es "hemos recogido los datos correctos?" Los estudiantes se
pueden dar numerosos ejemplos en los que "la respuesta correcta a la pregunta
equivocada," a menudo se refiere a un error tipo III, ha dado lugar a consecuencias
drsticas. El Challenger de accidentes se ha mantenido como un ejemplo de no
examinar los datos pertinentes. An ms, simplemente, los estudiantes se puede pedir a
comparar los precios de los pequeos en diferentes sodas las Grandes Ligas de Bisbol
estadios (como en la oportunidad y Rossman 2001). El posterior anlisis debe tener en
cuenta el hecho de que los tamaos de "pequeo refresco" varan segn los estadios, y
esta variacin en la definicin no debe ser ignorada. O los estudiantes pueden comparar
el porcentaje de estudiantes de secundaria en un estado de tomar el SAT con la media de
puntuacin de SAT. Los estudiantes ver que los estados con menores porcentajes de
tomar el SAT tienden a tener medios ms altos puntajes. Ellos comienzan a preguntarse
si se est viendo la informacin ms relevante para la medicin de los estados o
ejecuciones en la educacin de los estudiantes.

En mi enseanza, de una manera hago hincapi a los estudiantes que todas las
investigaciones deben comenzar con el examen de cuestiones de recopilacin de datos
est moviendo estos temas a ser el debati por primera vez en el curso. Creo que esto se
hace hincapi a los estudiantes para comenzar con la evaluacin de la pregunta, la
consideracin de otras variables, y una cuidadosa planificacin de la recogida de datos.

3,2 Comprender el proceso estadstico en su conjunto

Con demasiada frecuencia, los mtodos estadsticos se consideran como instrumentos

que se aplican en situaciones limitadas. Por ejemplo, un problema de decir "construir
un histograma para examinar el comportamiento de estos datos" o "realizar un t-test
para evaluar si estos medios son estadsticamente diferentes." Este enfoque permite a los
estudiantes a formar un muy estrecho punto de vista estadstico de la demanda: piezas se
aplican de forma aislada, tal como se especifica por la declaracin del problema. O un
investigador llega a la consulta estadstica, los datos en la mano, preguntar "qu
mtodo debo utilizar para obtener la respuesta que quiero?" Este es extrema, pero
demasiado a menudo el papel de la estadstica al comienzo de la investigacin se ignora
hasta que es demasiado tarde.
 En lugar de ello, la instruccin debe alentar a los estudiantes a ver el proceso
estadstico en su totalidad. Tal vez la ms obvia es asignar a proyectos estudiantiles en
las que los estudiantes tienen la responsabilidad primordial de formular el plan de
recopilacin de datos, activa la recogida de los datos, analizar los datos y, a
continuacin, interpretar los datos a una audiencia general. Los detalles de cmo
estructurar el proyecto de asignaciones se puede encontrar en Chance (1997). En
particular, estn diseadas para que los estudiantes empiecen a planificar su estudio
durante la segunda semana del curso (desde que comenzamos a discutir por cuestiones
de recopilacin de datos) y se amplan, ya que cada nueva etapa del proceso estadstico
se discute en el curso. Los estudiantes no dijo que las tcnicas son adecuadas, sino que
debe decidir por s mismos, eligiendo entre todos los temas (frente a histogramas
grficos de barras, a travs de dos comparaciones de muestras, inferencia de regresin,
chi-cuadrado y anlisis de ANOVA) examin en el curso. De hecho los proyectos se
han utilizado cada vez con ms regularidad las estadsticas en curso y an como la
mejor manera de introducir a los estudiantes de todo el proceso de investigacin
estadstica.

Sin embargo, como Wild y Pfannkuch (1999) prudencia, "dejarlos hacer proyectos" es
claramente insuficiente como nica herramienta estadstica para el desarrollo de
estrategias de resolucin de problemas. Si bien podemos proporcionar a los estudiantes
con esas experiencias, es fundamental que ellos con un mecanismo para el aprendizaje
de la experiencia y la transferencia de estos nuevos conocimientos a otros problemas.
Por lo tanto, mis estudiantes hacer varias actividades de recopilacin de datos a lo largo
del curso y recibir informacin que podrn aplicar a sus proyectos. Del mismo modo,
que presenten informes peridicos proyecto durante el proceso para recibir comentarios
sobre sus decisiones en cada fase y para garantizar las cuestiones objeto de la
investigacin sean adecuadas a los propsitos del curso. Tambin la estructura escritos
donde la informacin proporcionada en la clasificacin se espera que sea utilizado en
las cesiones subsiguientes. Por ejemplo, la primera tarea de escritura podr solicitar
informe a la media, mediana, desviacin estndar y cuartiles, y observaciones sobre la
distribucin y la interpretacin de estas estadsticas. La prxima cesin slo les pide
que describan la distribucin, y que se espera que apliquen su conocimiento previo de lo
que constituye un resumen adecuado.

Estas sugerencias tambin animar a los estudiantes a ver el proceso estadstico como
iterativo. Comentarios sobre un proyecto de informe se puede utilizar para modificar el
procedimiento propuesto antes de la recogida de datos se inicia. Otros enfoques que
pueden utilizarse para complementar el componente del proyecto del curso para ayudar
a los estudiantes concentrarse en el proceso global de incluir preguntas al final de un
problema relativo a la recopilacin de datos y cuestiones de cmo afectan las
conclusiones extradas. Por ejemplo, los estudiantes se puede pedir al final de una
inferencial cuestin de si las conclusiones parecen vlidas sobre la base de los
procedimientos de recopilacin de datos. Del mismo modo, un componente necesario
de mi proyecto de asignacin es de los estudiantes a reflexionar sobre las debilidades
del proceso y sugerir cambios o prximos pasos para el futuro los equipos de proyecto.

3,3 Siempre ser escpticos

Wild y Pfannkuch (1999) identificaron como un escepticismo disposicin de los

pensadores estadstica que puede ser enseado a travs de la experiencia y ver "la
manera en que ciertos tipos de informacin pueden ser la base unsoundly y resultan ser
falsas" (p. 235). La investigacin en la cognicin ha demostrado que efectivamente
instruir a los estudiantes en una nueva "forma de pensar" que necesitan para
desacreditar a darse experiencias (vase el debate en Delmas, Garfield, Oportunidad y
1999). Los estudiantes pueden ser demostrado numerosos ejemplos en los que los
pobres tcnicas de recoleccin de datos han invalidado los resultados. Por ejemplo, una
encuesta administrada por Roper encontr que el 22% de los encuestados dijo que
"parece posible" que el Holocausto nunca ocurri. Urschel (1994) seala que muchos de
los grandes peridicos respondido con gran preocupacin el creciente antisemitismo y la
negacin del Holocausto. Sin embargo, un seguimiento adoptadas por encuesta Gallup
que reformular la pregunta, la simplificacin de la lengua, lo que permite menos
extremas respuesta, y la eliminacin de la doble negacin, que se encuentra el 83%
afirma que definitivamente ocurri. Del mismo modo, una encuesta reciente de
Microsoft fue atacado por estar "redactadas de tal manera que, incluso investigadores de
mercado dentro de Microsoft en tela de juicio su imparcialidad" (Brinkley 1999). Un
famoso ejemplo es el Literaria Digest encuesta, cuyos pobres tcnicas de muestreo
llevado a una muy mala prediccin de los resultados de las elecciones. Tambin es fcil
encontrar numerosos ejemplos de los titulares de los peridicos que implican las
conclusiones de causalidad con los estudios observacionales. (Ramsey y Schafer 1997,
sobre todo proporcionar un esquema eficaz de las inferencias de estadsticas permite con
diseos de estudio bsico, p. 9.) A travs de la discusin de estos ejemplos, los
estudiantes deben desarrollar "las preguntas se preocupe" (Gal, et al., 1995), por
ejemplo como la fuente de los datos, las preguntas reales utilizados y la pertinencia de
las conclusiones extradas.

Los estudiantes necesitan tambin ser suficiente preguntas que tengan que elegir el
adecuado procedimiento de anlisis. Por ejemplo, Short, Moriarty, y Cooley (1995)
presentan un conjunto de datos a nivel de lectura de cncer de folletos y capacidad de
lectura de los pacientes con cncer. Las medianas de los dos conjuntos de datos son
idnticas, sin embargo, mirando a los grficos de las dos distribuciones revela que el
27% de los pacientes no sera capaz de comprender la ms simple panfleto. Los autores
sealan que:

A partir de la pantalla puede "estropear la diversin 'de pensar sobre la conveniencia de

medicin y pruebas de los centros. Nos hemos dado cuenta de que la construccin de la
pantalla slo despus de examinar la composicin numrica del centro de medidas pone
de manifiesto la importancia de la simple muestra de que puede ser fcilmente
interpretado y que puedan ofrecer el mejor anlisis de un problema particular.

Del mismo modo, no inferencial tcnica debe ensearse sino tambin sus limitaciones.
Por ejemplo, las grandes muestras de plomo a la significacin estadstica slo en los
casos en que todas las dems condiciones de carcter tcnico tambin se cumplen. La
Recopilacin Literaria tenido un enorme tamao de la muestra pero los resultados
siguen sin sentido. Por el contrario, las pequeas muestras a menudo no permiten la
aplicacin de procedimientos estndar inferencial. Los estudiantes pueden ser enseado
a apreciar las limitaciones y para entender cuando se necesita consultar un estadstico
para determinar los mtodos adecuados para no incluidos en su plan de estudios
introductorios.
 Por lo tanto, podemos integrar estas exposiciones en la instruccin en lugar de slo
proporcionar los problemas con agradable, limpio entero soluciones. A travs de la
exposicin repetida y las expectativas de un examen ms detallado, los estudiantes
deben aprender a generar estas preguntas por s mismos, si quieren o no. Yo saba que
haba logrado cuando un estudiante indic que ella ya no poda ver la televisin, como
fue ahora s misma constantemente bombardeando con preguntas sobre el muestreo y la
cuestin de diseo. Estos enfoques deben ayudar a inculcar la constante escepticismo
silvestres y Pfannkuch (1999) observ en sus entrevistas con los profesionales
estadsticos.

3,4 Piense en las variables involucradas

He aqu tres cuestiones son fundamentales: Son las variables de derecho? Cmo
pensar las variables se comportarn? Existen otras variables de importancia?

Como Mallows (1998) sostiene, con demasiada frecuencia pasamos por alto el
problema de especificacin en los cursos introductorios, en lugar a partir del modelo,
suponiendo que el modelo es correcto, y el desarrollo de nuestra comprensin de este
punto hacia adelante. Del mismo modo, Wild y Pfannkuch (1999) sostienen que no nos
ensean lo suficiente de la cartografa entre el contexto y los modelos. Sin embargo,
sobre todo en los cursos para el comienzo de los estudiantes, estos temas son muy
relevantes y ms a menudo de inters para el estudiante. Los estudiantes estn muy
motivados para intentar "debunk" los estudios publicados, destacando las reas que no
se sienten suficientemente examinadas. Esta inclinacin natural a la pregunta estudios
deben ser recompensados y seguir desarrollndose.

Pedirle a los estudiantes a reflexionar sobre si los datos han sido recogidos se discuti
en la Seccin 3,1. Los estudiantes tambin pueden ser instruidos para siempre conjetura
cmo una variable se comporte (teniendo en cuenta la forma y la gama de valores, por
ejemplo), antes de que los datos han sido recogidos. Por ejemplo, los estudiantes se
puede pedir a dibujar un grfico de mediciones de alturas de estudiantes o el nmero de
hermanos antes de que los datos se reunieron en clase. En previsin de un
comportamiento variable, los estudiantes mejor ser capaz de identificar los resultados
inesperados y los problemas con la recopilacin de datos. Los estudiantes tambin
sern capaces de determinar la ms apropiada las etapas subsiguientes del anlisis
basado en la forma y el comportamiento de los datos. Los estudiantes tambin
desarrollar una comprensin ms profunda de variacin y la forma en que se manifiesta
en diferentes contextos. Los estudiantes necesitan ser alentados a pensar en el problema
y comprender el problema lo suficiente como para comenzar a anticipar lo que los datos
sern similares.

Un pensador estadstica tambin es capaz de mirar ms all de las variables sugeridas

por el mdico de guardia y en contra de hacer caso omiso de las variables influyentes o
dibujo defectuoso causal conclusiones. Por ejemplo, Rossman y Chance (2001)
presentan un ejemplo que demuestra la fuerte correlacin entre la esperanza media de
vida en un pas y el nmero de personas por televisin en el pas. Con demasiada
frecuencia, las personas tienden a saltar a conclusiones de causalidad. Aqu, los
estudiantes pueden postular a otras variables que podran explicar esta relacin, como la
riqueza del pas. Del mismo modo, en el SAT ejemplo de relieve en el punto 3,1, los
estudiantes deberan considerar la posibilidad de la geografa y la poltica estatal como
una explicacin para el bajo porcentaje de estudiantes que el SAT en algunos estados.
En general, los estudiantes necesitan para darse cuenta de que pueden no ser capaces de
anticipar todas las variables, destacando la importancia de reflexin antes de la recogida
de datos, la discusin con los profesionales, adecuadamente diseado y experimentos.

3,5 siempre los datos se refieren al contexto

Los estudiantes deben darse cuenta de que no numricos respuesta es suficiente en sus
estadsticas curso hasta esta respuesta est relacionada al contexto, a la pregunta
original. Los estudiantes deben tambin ser alentados a relacionar los datos en la mano
a las experiencias anteriores y para otros fuera de contextos. Por lo tanto, una media de
presentacin de informes o de un p-valor debe considerarse insuficiente la presentacin
de los resultados. Por el contrario, el sentido es siempre y cuando estos nmeros se
interpretan en su contexto.

Por ejemplo, los datos sobre las ponderaciones de los EE.UU. 2000 Masculina equipo
de remo olmpico contener una extrema baja atpicas. Muchos estudiantes reconocen
que el valor como coxswain y ser capaz de discutir el papel de la observacin de que
en el conjunto de datos resumen. Del mismo modo, los datos sobre la cooperacin
inter-erupcin veces del Viejo Fiel giser muestran dos montones de tierra, y los
estudiantes pueden especular sobre las causas de los dos tipos de erupciones. Si bien no
todos los estudiantes poseen los conocimientos necesarios fuera en cada uno de estos
ajustes, estos datos pueden ser utilizados en los debates de clase para animar a los
estudiantes siempre se refieren a sus conocimientos estadsticos a otros temas, geologa,
biologa y psicologa, como ejemplos, en lugar de aprendizaje estadsticas y otros temas
en "compartimentos separados mental" (Wild 1994). Estos ejemplos tambin animan a
los estudiantes a "notar variacin y se preguntaba por qu" (Mullins en Wild y
Pfannkuch 1999).

Otro ejemplo que pone de manifiesto a los estudiantes la importancia del problema es
el contexto "inusual episodio" (vase Dawson 1995). En este ejemplo, los estudiantes
disponen de datos sobre el nmero de personas expuestas a riesgo, el nmero de
muertes, condicin econmica, edad y gnero para 1323 personas. Basndose
nicamente en estas tablas de datos y s o no preguntas del instructor, los estudiantes se
les pide que identificar el inusual episodio en cuestin. Esta actividad anima a los
estudiantes a pensar en contexto, la hiptesis explicaciones, y la bsqueda de sentido,
similar a la sleuthing labor realizada por la prctica de los estadsticos.

la pertinencia de las estadsticas

La ampliacin del punto anterior, los estudiantes pueden ser instruidos para ver las
estadsticas en el contexto del mundo que les rodea. Las tcnicas van desde que los
estudiantes recopilar datos sobre s mismos y sus compaeros de clase para que los
estudiantes pondrn en ejemplos de inters de los ltimos artculos de noticias. A
menudo incluyen un componente clasificado en mi curso donde los estudiantes tienen
que debatir alguna experiencia que tienen con las estadsticas fuera de clase durante el
perodo. Por ejemplo, los estudiantes pueden ver una charla en su disciplina que utiliza
las estadsticas, o pueden ser afectadas por una interesante declaracin en los medios de
comunicacin que ahora vista diferente con sus estadsticas en debunking gafas. De
este modo, los estudiantes puede ser llevado a apreciar la funcin de las estadsticas en
el mundo que les rodea.

Tambin podemos ayudar a los estudiantes a ver el papel crucial que desempean las
estadsticas y la inferencia estadstica desempear en la interpretacin de la
informacin, especialmente la informacin representada en los medios de comunicacin
populares. No slo "los datos ancdotas de tiempos" (Moore, 1998), pero utilizando
tcnicas estadsticas que nos permite extraer sentido a partir de los datos que no hemos
podido de otra manera. Sin embargo, las cuestiones de la variabilidad en gran medida
influyen en la informacin que podemos aprender. Una leccin que intento transmitir a
mis alumnos es el papel del tamao de la muestra en nuestro inferencial conclusiones -
que estn autorizados a hacer declaraciones ms fuertes con grandes tamaos de
muestra y debe ser cautelosa de los resultados falsos con los pequeos tamaos de
muestra. Los estudiantes pueden llevar a descubrir el efecto del tamao de la muestra
en p-valor de uso de la tecnologa para calcular el valor de p para la misma diferencia
en las proporciones de poblacin, pero diferentes tamaos de muestra (Rossman y
Oportunidad 2001). Por lo tanto, no podemos determinar si dos muestras proporciones
son significativamente diferentes hasta que no sepamos el tamao de las muestras
participantes. Similarly, we cannot compare averages, such as GPAs of different majors,
without knowing the sample sizes and sample standard deviations involved. Statistical
methods are necessary to take sampling variability into account before drawing
conclusions, and students need to appreciate their role.