Académique Documents
Professionnel Documents
Culture Documents
Recursos interactivos
para el estudio
ArtícuLos
Noviembre 2015
80
pp. 31-38
de la varianza
IGNACIO GONZÁLEZ-RUIZ
CARMEN BATANERO BERNABEU
JOSÉ MIGUEL CONTRERAS GARCÍA
NoVIEMBrE
2015
rrelación y regresión. Al analizar la bondad de ajuste Para introducir con comodidad la tecno-
de los puntos del diagrama de dispersión a la recta logía en la enseñanza de los contenidos
de regresión utilizamos el coeficiente de determi- de estadística y probabilidad se crea la ne-
nación (cuadrado del coeficiente de correlación). cesidad de formar al profesorado en el
Finalmente, en el estudio de las distribuciones de empleo adecuado de software para fo-
probabilidad, la varianza (o desviación típica) se uti- mentar la comprensión de los alumnos
liza en el teorema de Markov para indicar la pro- (Chance, Ben-Zvi, Garfield y Medina,
porción de valores de la variable incluida en inter- 2007; Contreras, Díaz, Arteaga, Gonzato
valos centrados alrededor de la media. Igualmente y Cañadas, 2011).
la desviación típica es uno de los dos parámetros
que determina la distribución normal. Significado de un concepto
La varianza aparece también en el segundo curso matemático: el caso de la varianza
de Bachillerato de Ciencias Sociales, vinculada a la Al reflexionar sobre la dificultad del apren-
inferencia estadística, al estudiar la distribución dizaje de los conceptos es necesario co-
muestral de la media y de la proporción. En conse- menzar por hacer un análisis epistemoló-
cuencia, es importante que los estudiantes adquieran gico. Centrándonos en la varianza y
una comprensión suficiente del concepto para ase- siguiendo a Godino y Batanero (1997), con-
gurar su éxito en los temas citados. sideramos las siguientes entidades primarias
como constituyentes de su significado:
32 — Estadística descriptiva unidimensional. tipos de variables. Méto-
dos estadísticos. tablas y gráficos. Parámetros estadísticos de lo- — Problemas y situaciones. Inducen activi-
80 calización, de dispersión y de posición. dades que definen el campo de pro-
— Distribuciones bidimensionales. Interpretación de fenómenos so-
ciales y económicos a partir de la representación gráfica de una blemas de donde surge la varianza. Un
nube de puntos. Grado de relación entre dos variables estadísti- ejemplo sería determinar el grado en
cas. regresión lineal. Extrapolación de resultados. Asignación de
probabilidades a sucesos. que difieren los datos de una muestra
— Distribuciones de probabilidad binomial y normal. con respecto al promedio.
tabla 1. Iniciación a la estadística y la probabilidad — Procedimientos, algoritmos, operaciones. Al
en el bachillerato de ciencias sociales resolver un problema se realizan dis-
tintas prácticas. Características en la
resolución de problemas de la varianza
Fundamentos serían sumar una serie de diferencias
de valores con respecto a la media del
Recursos en Internet y su papel
conjunto, elevándolas al cuadrado y
en la enseñanza de la estadística
dividiendo por el número de suman-
El currículo español advierte de la importancia de dos.
la competencia tecnológica en el ámbito de las ma- — Representaciones utilizadas en la resolu-
temáticas (MEC, 2007). La estadística en particular ción de problemas (términos, expre-
cuenta con una gran influencia de la tecnología y siones, símbolos, tablas, gráficos).
de Internet (Pratt, Davies y Connor, 2011; Biehler — Conceptos, proposiciones. Las definiciones
et al., 2013), donde se posibilita abordar objetos es- y propiedades características de la va-
tadísticos abstractos a través de micromundos vir- rianza y sus relaciones con otros con-
tuales basados en la simulación (Batanero, 1998; ceptos.
Contreras, 2011). Mills (2002) señala que estos re- — Demostraciones. Empleadas para probar
cursos permiten sustituir las demostraciones for- las propiedades de la varianza y que
males por razonamientos más intuitivos, contribu- llegan a formar parte de su signifi-
yendo a la rebaja de su complejidad. cado.
De acuerdo con este marco teórico, el sig- varianza. Al ser la muestra intencional no pretende- NoVIEMBrE
2015
nificado de un concepto matemático varía mos generalizar nuestras conclusiones, sino estudiar
según la institución considerada y los ins- la utilidad de los recursos encontrados para la labor
trumentos semióticos disponibles en la docente.
misma. El proceso de enseñanza requiere En primer lugar, se caracterizan los campos de proble-
fijar unos significados para los conceptos mas, fruto de las distintas situaciones problema que
a enseñar, que no coinciden, en general, presentan. Posteriormente, haremos lo propio con
con el atribuido por los matemáticos pro- los algoritmos y procedimientos, tipo de lenguaje y represen-
fesionales. taciones que presentan.
La caracterización de definiciones y propiedades no
es relevante para nuestra muestra pues todos los
Metodología applets están concebidos para usarse una vez sean
Nuestro trabajo se centra en el análisis de conocidas las definiciones de varianza y sus propie-
diez applets descritos en la tabla 2 junto dades elementales. Se complementa el análisis con
con un código para identificar cada uno una clasificación temática de los applets por su pro-
de ellos. Para localizarlos hemos recurrido ximidad a la estadística descriptiva, probabilidad o
a la exploración de servidores de educa- inferencia estadística.
ción matemática que recogen applets por
33
temáticas. También se ha realizado una
búsqueda directa, en Internet, a partir de Resultados
términos claves como «applet» y alguno Campos de problemas 80
NovieMbre
2015
Requiere conocer los conceptos de media, des- forma del histograma que la repre-
viación respecto a la media, varianza y desviación senta. Pueden modificarse los datos y
típica. La figura 1 es un ejemplo en donde se in- ver sus efectos sobre el gráfico y sobre
cluyen también el rango y recorrido intercuartí- estos estadísticos.
lico, la desviación media y el coeficiente de va- CP2. Comparar la dispersión de dos o más dis-
riación y otras medidas de valor central y de tribuciones estadísticas. Un ejemplo se mues-
forma. tra en la figura 3 donde, a partir de dos
— CP1.2. Medir la dispersión de los datos procedentes de muestras de igual tamaño asociadas a un
una muestra a partir de su representación gráfica. Un mismo experimento, se obtienen las va-
ejemplo se muestra en la figura 2. En esta apli- rianzas y las desviaciones típicas muestra-
cación se trata de que el alumno encuentre la re- les asociadas a cada una de ellas.
lación entre los valores de la media aritmética y
de la desviación típica de una distribución y la CP3. Comparación de la varianza y la cuasiva-
rianza. En inferencia estadística, una vez
calculada la varianza en la muestra, nos
interesa estimar el valor de la varianza en
la población. Sin embargo, la varianza
muestral no es un buen estimador, de-
biendo recurrir a la cuasivarianza:
34 ƒ
N
(xi -x )
sN2 -1 = i =1
80
N -1
En algunos applets se pone de manifiesto
la bondad de la cuasi-varianza como esti-
mador muestral insesgado frente a la va-
rianza muestral, a partir de los datos de
una muestra.
CP4. Construir un intervalo de confianza para
estimar la varianza (o la desviación típica). Una
vez obtenido un estimador de la varianza
en la población por medio de la cuasiva-
Figura 1. Medir la dispersión de datos en una muestra (A6)
rianza, algunas situaciones requieren del
cálculo de un intervalo de confianza para
la misma. En el ejemplo de la figura 4, los
alumnos pueden variar el rango de valores
que toman los parámetros asociados a la
construcción de un intervalo de confianza
NoVIEMBrE
2015
sentido a la información que se presenta en un his- En relación a la simbología, destaca su
tograma o un diagrama de barras y comprender escasez. En los applets donde se manifiesta,
mejor el significado de la varianza (figura 2). va acompañada de algún tipo de aclaración
AP8. Estimar la varianza a partir de gráficos. El alumno y es la simbología estándar en el trata-
puede recurrir a este applet para dar una aproxima- miento de la varianza y la desviación típica:
ción del valor que puede tomar la varianza, presen- S2N (varianza muestral), SN (desviación tí-
tados los datos por medio de un histograma o un pica muestral), S2N-1 (cuasivarianza), SN-1
diagrama de barras. (cuasidesviación típica), s2 (varianza po-
blacional), s (desviación típica poblacio-
En la tabla 4 observamos mayor variedad de proce- nal).
dimientos que de campos de problemas. Los applets
que involucran representaciones de tipo gráfico (A7, Respecto a las representaciones gráficas se
A8, A9) se caracterizan por poner en juego un mayor han encontrado diagramas de puntos y de
número de los algoritmos y procedimientos (AP2, barras, histogramas, curvas de distribución
AP3, AP7 y AP8). Por otra parte, los que se centran y funciones de densidad. Deducimos por
exclusivamente en la obtención del valor numérico tanto la necesidad de que el profesor ponga
que toma la varianza y/o la desviación típica (A1, atención a estas representaciones y asegure
A6 y A10) se restringen a uno (AP1). su comprensión por parte de los estudian-
tes para trabajar con los applets.
36 Clasificación temático-estadística
80 Algoritmos y procedimientos Applets de los applets
AP1. cálculo con datos sin agrupar A1, A6,
A10 Se presenta en la tabla 5, una clasificación
AP2. cálculo con datos agrupados
AP3. cálculo con datos representados gráficamente
A7, A8, A9
A7, A8, A9
de los mismos según su vinculación a la
AP4. cálculo con dos muestras distintas A2, A4 estadística descriptiva, al cálculo de pro-
AP5. Estimación de la varianza por medio de la cuasivarianza A5
AP6. construcción de un intervalos de confianza A3
babilidades o a la inferencia estadística.
AP7. Lectura en interpretación de gráficos A3, A7, A8, Mayoritariamente (en siete de los diez
AP8. Estimación a partir de la lectura de gráficos
A9
A7, A8, A9 applets), el tratamiento de la varianza que
se propone en la muestra se caracteriza
tabla 4. correspondencia entre algoritmos y applets
por potenciar aspectos propios de la es-
tadística descriptiva.
medio de la noción de idoneidad didáctica applets dependerá de la organización del trabajo NoVIEMBrE
2015
(Godino, Wilhelmi y Bencomo, 2005), que que el profesor proponga en el aula. Resulta de
se articula por medio de seis componentes interés el trabajo que los estudiantes puedan hacer
que se describen a continuación. con los applets de manera grupal, de forma que
La idoneidad epistémica se fundamenta en la se subsanen los conflictos que emerjan de esta
representatividad de los significados ins- práctica.
titucionales implementados (o pretendi- La idoneidad mediacional es la disponibilidad y ade-
dos), respecto de un significado de refe- cuación de los recursos necesarios para el desarrollo
rencia; es decir, si el significado que de la del proceso de enseñanza-aprendizaje. Para llevar a
varianza se aporta en un applet es adecuado la práctica el trabajo con los applets que se presentan
desde el punto de vista matemático. Aun- en este trabajo no se requiere más que un ordenar
que se ha visto que los campos de pro- en el aula.
blemas se adecúan al tratamiento de la va-
La idoneidad emocional se centra en el interés y la mo-
rianza en el primer curso de bachillerato
tivación del alumnado en el proceso de estudio. El
de Ciencias Sociales, para asegurar esta
trabajo con tecnología supone una amplia fuente
idoneidad será necesario que el profesor
de motivación para los estudiantes, ya que les per-
plantee previamente un problema rele-
mite enfrentarse al concepto de varianza de un
vante que motive el uso del recurso. Asi-
modo alternativo al que proponen otros recursos,
mismo tras su implementación, debiera
37
como el libro de texto; de ahí que su grado de ido-
interpretarse el valor asociado a la varianza
neidad sea notable.
(o desviación típica) en el contexto del
problema. En la muestra analizada, los applets potencian los 80
NoVIEMBrE
2015 Referencias bibliográficas y J. Kilpatrick (eds.), Mathematics education as
a research domain: A search for identity, Kluwer,
BATANERO, C. (1998), «Recursos para la educación esta- Dordrecht, 177-195.
dística en Internet», Uno, n.º 15, 13-26. GODINO, J. D., M. WILHELMI y D. BENCOMO
BATANERO, C., y J. GODINO (2001), «Developing new (2005), «Suitability criteria of a mathe-
tools in statistics education research», Proceedings of matical instruction process. A teaching
the 53rd Session of the International Statistical Institute, Bul- experience of the function notion»,
letin of ISI, tome LIX, book 2, 137-142 Mediterranean Journal for Research in Mathe-
BIEHLER, R., D. BEN-ZVI, A. BAKKER, y K. MAKAR matics Education, n.º 4(2), 1-26.
(2013), «Technology for enhancing statistical reason- MEC (2007), Real Decreto 1467/2007, de 2 de
ing at the school level», en M. A. Clements, A. J. noviembre, por el que se establece la estructura del
Bishop, C. Keitel, J. Kilpatrick y F. K. S. Leung Bachillerato y se fijan sus enseñanzas mínimas.
(Eds.), Third international handbook of mathematics edu- MILLS, J. D. (2002), «Using computer simula-
cation, Springer, Nueva York, 643-689. tion methods to teach statistics: a review
CHANCE, B., D. BEN-ZVI, J. GARFIELDy E. MEDINA of the literature», Journal of Statistics Edu-
(2007), «The role of technology in improving stu- cation, n.º 10(1),
dent learning of statistics», Technology Innovations in <http://www.amstat.org/publications/
Statistics Education 1(1). jse/v10n1/mills.html>.
CONTRERAS, J. M. (2011), Evaluación de conocimientos y recur- — (2004), «Learning abstract statistics con-
sos didácticos en la formación de profesores sobre probabilidad cepts using simulation», Educational Re-
condicional, Tesis doctoral, Universidad de Granada.
38
search Quarterly, n.º 28(4), 18-33.
CONTRERAS , J. M., C. DÍAZ, P. ARTEAGA, M. GONZATO MOORE, D. S. (1990), «Uncertainty», en L. A.
80
y G. CAÑADAS (2011), «Probabilidad condicional: Steen (ed.), On the shoulders of giants. new
Exploración y visualización mediante recursos en In- approaches to numeracy, National Academy
ternet», Epsilon, n.º 28(3), 91-100. Press, Washington, D. C.
ESTEPA, A., y J. DEL PINO (2013), «Elementos de interés PRATT, D., N. DAVIES y D. CONNOR (2011),
en la investigación didáctica y enseñanza de la dis- «The role of technology in teaching and
persión estadística», Números, n.º 83, 43-63. learning statistics», en C. Batanero, G.
GEA, M. M., C. BATANERO, P. ARTEAGA, G. R. CAÑADAS, Burrill y C. Reading (eds.), Teaching statistics
y J. M. CONTRERAS (2013), «Análisis del lenguaje in school mathematics. Challenges for teaching
sobre la correlación y regresión en libros de texto de and teacher education. A joint ICMI/IASE
bachillerato», Suma, n.º 76, 37-45. Study, Springer, Nueva York 97-107.
GODINO, J. D., y C. BATANERO (1997), «Clarifying the WILD, C. J., y M. PFANNKUCH (1999), «Statis-
meaning of mathematical objects as a priority area of tical thinking in empirical enquiry», Inter-
research in Mathematics Education», en A. Sierpinska national Statistical Review, n.º 67(3), 223-263.
IGNAcIo GoNzáLEz-ruIz
Universidad de Cantabria