Distribuciones muestrales en poblaciones binomiales: dificultades de comprensión por estudiantes de Educación Secundaria y Bachillerato
Resumen
Una de las principales dificultades en el estudio de la inferencia estadística es la comprensión del concepto de distribución muestral. En este trabajo se resumen de las principales dificultades descritas en la investigación sobre el tema y se analiza su comprensión por estudiantes de Educación Secundaria y Bachillerato. Con esta finalidad se estudian la media y el rango de cuatro valores proporcionados por estudiantes de tres cursos diferentes a una tarea relacionada con la distribución binomial. Los resultados muestran una comprensión razonable del valor esperado, aunque algunos estudiantes muestran el sesgo de equiprobabilidad. La comprensión de la variabilidad en el muestreo es pobre, pero mejora con la edad.
Descargas
Citas
Ben-Zvi, D., Bakker, A. y Makar, K. (2015). Learning to reason from samples. Educational Studies in Mathematics, 88(3), 291-303.
Begué, N., Batanero, C. y Gea, M.M.. (2018). Comprensión del valor esperado y variabilidad de la proporción muestral por estudiantes de educación secundaria obligatoria. Enseñanza de las Ciencias, 36(2), 63-79
Burrill, G. y Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in training teachers. En C. Batanero, G. Burrill y C. Reading (Eds.), Teaching statistics in school mathematics. Challenges for teaching and teacher education. A Joint ICMI/IASE Study (pp. 57–69). New York: Springer.
Gómez, E. (2014). Evaluación y desarrollo del conocimiento matemático para enseñar la probabilidad en futuros profesores de educación primaria. Tesis Doctoral. Universidad de Granada.
Harradine, A., Batanero, C. y Rossman, A. (2011).Students and teachers’ knowledge of sampling and inference. En C. Batanero, G. Burrill y C. Reading (Eds.), Teaching statistics in school mathematics. Challenges for teaching and teacher education (pp. 235-246).Springer
Lecoutre, M. P. (1992). Cognitive models and problem spaces in "purely random" situations. Educational Studies in Mathematics, 23, 557-568.
Lipson, K. (2003). The role of the sampling distribution in understanding statistical inference. Mathematics Education Research Journal, 15(3), 270-287.
Makar, K. y Rubin, A. (2018). Learning about statistical inference. En D. Ben-Zvi (Ed.), International handbook of research in statistics education (pp. 261-294). Cham: Springer.
Saldanha. L. y Thompson, P. (2002) Conceptions of sample and their relationship to statistical inference. Educational Studies in Mathematics, 51, 257-270.
Shaughnessy, J. M., Ciancetta, M. y Canada, D. (2004). Types of student reasoning on sampling tasks. En M. J. Hoines y A. B. Fuglestad (Eds.), Proceedings of the 28th Conference of the International Group for the Psychology of Mathematics Education (vol. 4, pp. 177-184). Bergen, Noruega: International Group for the Psychology of Mathematics Education
Tversky, A. y Kahneman, D. (1982). Judgments of and by representativeness. En D. Kahneman, P. Slovic y A. Tversky (Eds.), Judgement under uncertainty: Heuristics and biases (pp. 117-128). Nueva York: Cambridge University Press.
Well, A. D., Pollastsek, A.y Boyce, S. J. (1990). Understanding the effects of the sample size on the variability of the means. Organizational Behavior and Human Decision Processes, 47, 289-312.
Zacks, S. (2014). Parametric statistical inference: basic theory and modern approaches. London: Elsevier.
El material publicado en la revista se distribuye bajo una licencia Creative Commons Reconocimiento Internacional 4.0 (CC-BY 4.0). Esta licencia permite a otros distribuir, mezclar, ajustar y construir a partir de su obra, incluso con fines comerciales, siempre que le sea reconocida la autoría de la creación original. Los autores de los trabajos publicados en Revista Unión retienen el copyright de los mismos sin restricción alguna.
Publicado 2019-08-01
.png)
