CAPITULO 4

LAS IDEAS DE LOS ALUMNOS DE

SECUNDARIA SOBRE LOS CONCEPTOS Y
LEYES
DE
LA
TEORIA
DE
PROBABILIDADES.
DOS
ESTUDIOS
EXPERIMENTALES.
En este captulo vamos a presentar dos investigaciones
empricas propias que tienen como objetivo central establecer un
sistema de ideas personales sobre el azar y la probabilidad de una
muestra de adolescentes espaoles, teniendo en cuenta la naturaleza
contingente y constructiva del razonamiento probabilstico.
La primera investigacin tiene un carcter de "experiencia
piloto" en un doble sentido. Por un lado, evaluaremos en un escenario
educativo espaol un tipo de tareas que han constituido la base de la
investigacin en razonamiento probabilstico en otros escenarios y
pases. Por otro lado, pretendemos conseguir que los alumnos recin
ingresados en la universidad expliciten su lenguaje del azar, sus ideas
probabilsticas y sus mecanismos de resolucin de problemas
estocsticos, a fin de obtener un punto de referencia "techo" que nos
permita construir el sistema de ideas probabilsticas de los
adolescentes y estudiar la naturaleza contingente de su pensamiento
probabilstico. La construccin de este sistema y el estudio de la
influencia de variables de tarea y de sujeto constituyen el objetivo de
la segunda investigacin.
ESTUDIO 1: SESGOS EN EL RAZONAMIENTO PROBABILSTICO Y
EFECTOS DE LA INSTRUCCIN ESTADSTICA ELEMENTAL
1.1.- INTRODUCCIN
La investigacin que se describe a continuacin se enmarca
dentro del paradigma de heursticos y sesgos y tiene tres objetivos
fundamentales:
En primer lugar, analizar la presencia en sujetos universitarios
de los sesgos estadsticos fundamentales documentados en la
literatura, no slo los definidos por Tversky y Kahneman sino tambin
los definidos por otros autores, como el sesgo determinstico o causal,
al que presta mucha atencin Hogarth (1987).
En segundo lugar, estudiar el uso de las reglas y leyes de la
teora de probabilidades, en versiones formales o intuitivas de las
mismas, por parte de los mismos sujetos. Se quiere analizar la

coexistencia de estos heursticos estadsticos con los heursticos no

estadsticos y en qu circunstancias aparecen unos u otros. Dicho con
otras palabras, queremos analizar la influencia del contenido de la
tarea en la estrategia de solucin adoptada.
En tercer lugar, investigar la influencia que sobre el
razonamiento estadstico tiene la instruccin probabilstica inicial que
se imparte a los estudiantes espaoles en el bachillerato. Es de
esperar que esta instruccin proporcione al alumno tcnicas
elementales de clculo probabilstico que le permitan disminuir el
recurso a los heursticos no estadsticos pero no se espera la solucin
correcta de los problemas que tienen una mayor demanda cognitiva.
En cuanto a la metodologa de investigacin, se han introducido
diversas modificaciones en relacin a la que usualmente se sigue en el
paradigma de heursticos y sesgos. En cada problema los sujetos
tienen que elegir una respuesta de tres que se le proporcionan y
deben explicar o hacer los clculos que justifican su eleccin. De las
tres posibles respuestas que se proporcionan para cada problema, una
de ellas refleja directamente un sesgo del razonamiento probabilstico,
otra refleja la contestacin correcta desde el punto de vista de la
teora de probabilidades y la tercera sirve para cerrar el abanico de
todas las respuestas posibles o en algunos casos refleja un sesgo
alternativo al principal.
En lnea con el enfoque de Fong, Krantz y Nisbett (1986) y de
Shaughnessy (1992), realizamos una caracterizacin de las
concepciones estocsticas de los sujetos que consideramos til para
describir los resultados de la investigacin. En concreto, para calificar
cada problema se desarroll un sistema de codificacin de 3 puntos:
Una calificacin de 1, significa que la respuesta elegida junto
con la explicacin dada por el sujeto, se clasifica en la categora de
respuesta no estadstica o respuesta enteramente sesgada. El
sujeto refleja el uso del heurstico no estadstico definido a priori, no
slo en la eleccin que hace de la respuesta sino tambin en su
explicacin, donde no aparece ningn concepto o principio estadstico
y s manifestaciones del sesgo. Para dar esta calificacin a una
respuesta se utilizan los siguientes indicadores: prevalencia de un
modelo determinstico, causalidad abusiva, presencia de la estrategia
conocida como el enfoque del resultado, uso de heursticos no
estadsticos de juicio, respuestas basadas fundamentalmente en la
experiencia concreta del sujeto y antinormativas.
Una calificacin de 2, significa que la respuesta y justificacin
dadas se clasifica en la categora de respuesta pobremente
estadstica. El sujeto en su respuesta, o bien hace alguna mencin de
conceptos o leyes estadsticas aunque de manera incompleta o
incorrecta, o bien usa a la vez heursticos estadsticos y no
estadsticos. Como indicadores se utilizan: manifestaciones que

muestran cierta comprensin del azar y de los sucesos aleatorios,

intento de aplicacin de modelos normativos a tareas simples
distinguindolos de las creencias intuitivas, rastros de lenguaje formal
del azar, intento de utilizar el concepto de probabilidad como
proporcin y las leyes elementales de clculo probabilstico.
Una calificacin de 3, significa que la respuesta y su
justificacin se clasifica en la categora de buena respuesta
estadstica. El sujeto en su respuesta hace un uso apropiado de los
conceptos y leyes estadsticas y realiza clculos probabilsticos
correctos. Como indicadores se utilizan: comprensin en profundidad
de algunos modelos de azar matemticos (clsico y frecuencial, en
concreto), habilidad para comparar y contrastar varios modelos de
azar, uso adecuado del lenguaje, habilidad para seleccionar y aplicar
el concepto y/o el clculo normativo apropiado.
En el anexo 1 de este captulo (p. 183) se presenta este sistema
de codificacin aplicado a cada uno de los diez problemas. Para que un
sujeto sea calificado en un problema determinado no slo tiene que
escoger una de las opciones sino que debe explicar, mediante clculo
o razonamiento verbal, su eleccin. Las razones de exigir al sujeto una
explicacin de la seleccin de respuesta que hace en cada problema y
de establecer un sistema de codificacin como el descrito son las
siguientes:
Los heursticos son constructos tericos mediante los cuales el
investigador explica el razonamiento probabilstico del sujeto; si ste
elige la respuesta que encierra un determinado sesgo frente a la
respuesta que es correcta desde el punto de vista formal, el
investigador determina que el sujeto razona segn el heurstico que
genera ese sesgo o error de juicio. Nos parece interesante detectar en
las justificaciones de los sujetos pruebas o indicios de la existencia de
tales constructos tericos. Por otra parte y partiendo de la hiptesis de
que en el razonamiento de las personas coexisten procedimientos
estadsticos y no estadsticos y que unos u otros se elicitan en funcin
de diferencias intelectuales de los individuos pero tambin en funcin
de las caractersticas de la tarea, no se puede establecer una
dicotoma entre pensamiento sesgado y pensamiento correcto porque
presenta un escenario demasiado simple y esquemtico del
pensamiento estadstico. El sistema de codificacin propuesto es ms
flexible y permite categorizar respuestas que muestran la coexistencia
de elementos formales e intuitivos en el razonamiento probabilstico.
En cuanto a la estructura de la prueba, seleccionamos los
problemas no slo en funcin de que su contenido provoque algn tipo
de sesgo (tal como se hace en la mayora de las investigaciones
reseadas en la literatura) sino tambin en funcin del contenido
probabilstico formal que subyace en ellos; es decir se tuvieron en
cuenta dos variables para seleccionar los problemas:

a) Tipo de sesgo que elicitan. Se eligieron 4 tipos de sesgo:

representatividad, accesibilidad, determinismo y aversin al
riesgo, todos ellos estudiados en captulos anteriores. Los dos
primeros por la importancia que tienen en el razonamiento
probabilstico, en concreto, por el papel que desempean en el
procesamiento selectivo de la informacin, que segn Evans (1982,
1983) es la causa fundamental de sesgos en el razonamiento. Por su
parte, el sesgo determinista tiene su origen en la primaca del
pensamiento causal sobre el pensamiento probabilista. El sistema
educativo entrena el primer tipo de pensamiento, introduciendo desde
los primeros aos de escolarizacin el mtodo de la fsica newtoniana
como paradigma de la metodologa cientfica. El alumno va
construyendo una concepcin del mundo determinista y causal que si
bien es superior al conocimiento vulgar de las experiencias cotidianas,
puede impedir el desarrollo del pensamiento sobre el azar y la
incertidumbre, sobre todo si la ciencia estadstica se ensea tarda y
escasamente. Por ltimo, la aversin al riesgo es un sesgo muy
estudiado en la teora de la decisin conductual pero en la presente
investigacin lo analizamos en relacin al sesgo que puede introducir
en la aplicacin de conceptos bsicos estadsticos, como el de
esperanza matemtica de una distribucin.
b) Tipo de contenido estadstico. En relacin a esta variable los
problemas se pueden agrupar en dos clases: La primera clase est
compuesta por los problemas cuya solucin supone la comprensin y
aplicacin de un concepto o ley probabilstica bsica, como la ley
de los grandes nmeros, el principio de regresin o el concepto de
tamao muestral. La segunda clase est compuesta por los problemas
cuya solucin supone el dominio de las tcnicas elementales del
clculo probabilstico, como las leyes de la multiplicacin y suma de
probabilidades, la regla de Bayes o la ley binomial. Hemos introducido
un problema de clculo combinatorio porque la combinatoria
proporciona recursos y herramientas esenciales en la resolucin de
problemas probabilsticos.
Nos ha parecido interesante cruzar las dos variables, sobre todo
estudiar la influencia de los heursticos en el clculo probabilstico. De
la revisin de las investigaciones en el campo se desprende que se ha
prestado poca atencin a esta cuestin; sin embargo, y si el sistema
computacional humano es limitado, es necesario conocer el influjo de
estrategias intuitivas de razonamiento (en definitiva, "atajos
computacionales") en la realizacin de clculos probabilsticos
elementales.
1.2.- MTODO
Sujetos: La prueba se aplic de forma individual a 93
estudiantes de la Universidad Autnoma de Madrid: 66 alumnos de 1
curso de Ciencias Matemticas, 17 de 1 de Ciencias Biolgicas y 10 de
Geografa e Historia. 46 de esos estudiantes haban estudiado la teora

elemental de probabilidades y otros 47 no.

Procedimiento: La prueba consisti en contestar a un
cuestionario de 10 problemas, seleccionados con los criterios ya
sealados y cuyos enunciados figuran en la discusin de los
resultados. En las instrucciones se les indic a los sujetos que se
trataba de una prueba de contenido probabilstico pero que no se
pretenda conocer cunto saban de teora de probabilidades sino
conocer la dificultad de aplicacin de ciertos conceptos y leyes
matemticas. En la tabla 1 se pueden observar los 10 problemas
clasificados en relacin a las dos variables:
tabla 1
Error! Marcador no
definido.

COMPRENSION
LEYES
ESTADISTICAS

CALCULO
PROBABILISTICO

DETERMINISMO

REPRESENTATIVIDAD

3, 10

5, 7, 8

ACCESIBILIDAD

AVERSION AL RIESGO
1.3.- RESULTADOS

6
Y DISCUSIN

Vamos a analizar los resultados en relacin a los tres objetivos

de la investigacin:
En relacin a los dos primeros objetivos:
Para evaluarlos hemos definido las variables pr1, pr2 y pr3 que
dan la proporcin de calificaciones "uno", "dos" y "tres",
respectivamente. Como hemos dicho anteriormente, se califica con un
1 la respuesta no estadstica, con un 2 la respuesta pobremente
estadstica y con un 3 la respuesta correcta segn las leyes formales
de la teora de probabilidades. En la tabla 2 se reflejan los resultados
obtenidos en cuanto a los porcentajes de los tres tipos de
calificaciones, tanto a nivel global como desglosados por problemas:
Tabla 2
Error! Marcador
no definido.

PORCENTAJE
DE
CATEGORIA 1

PORCENTAJE
DE
CATEGORIA 2

PORCENTAJE
DE
CATEGORIA 3

TOTAL

62.06

31.24

6.70

PROBLEMA 1

61

25.6

13.4

PROBLEMA 2

91.2

8.8

PROBLEMA 3

28.44

61.4

10.2

PROBLEMA 4

69.1

29.4

1.5

PROBLEMA 5

49.4

34.2

16.5

PROBLEMA 6

65.8

31.6

2.6

PROBLEMA 7

79

19.8

1.2

PROBLEMA 8

28.2

56.5

15.3

PROBLEMA 9

95

PROBLEMA 10

69

21.1

9.9

Como puede observarse, aproximadamente el 62% de las

respuestas dadas fueron clasificadas en la categora de respuestas no
estadsticas, el 31% en la categora de respuestas pobremente
estadsticas y slo el 7% en la categora de buenas respuestas
estadsticas. Estos datos confirman de forma global la fuerte presencia
de sesgos y errores de razonamiento y clculo probabilstico en la
muestra de universitarios espaoles y la notable ausencia de
principios normativos consolidados; nuestros estudiantes recin
ingresados en la universidad exhiben tanto concepciones noestadsticas como concepciones estadsticas ingenuas. Pasemos ahora
a un estudio por bloques de tareas atendiendo a la clasificacin de la
tabla 1.
a) Analizando los problemas 2, 3, 9 y 10 que no exigen clculos
sino la comprensin e interpretacin de leyes probabilsticas
fundamentales, se puede observar la interaccin que existe entre esas
leyes y los heursticos no estadsticos que parecen estar presentes:
2) En un curso de formacin de pilotos se sigui la
siguiente estrategia: se premiaba al piloto que haca un buen
aterrizaje y se castigaba al que lo haca mal. Los instructores
de vuelo observaron que los pilotos premiados solan hacerlo
peor en el siguiente vuelo y los castigados solan hacerlo mejor
Podras explicar este fenmeno?
-Es una casualidad: podra haber sucedido
lo contrario

-Es un fenmeno que se puede explicar por las

leyes estadsticas
*
-Es una cuestin de motivacin: el castigo
es ms eficaz que el premio

(Se marca con un asterisco la respuesta que se considera

correcta)
Error!
Marcador no
definido.
PROBLEMA 2

%
CATEGORIA 1

%
CATEGORIA 2

91.2

% CATEGORIA
3

8.8

El 91% de las respuestas mostraron un pensamiento

absolutamente determinista y causal sin ningn tipo de factor
estadstico. Las respuestas reflejan un esquema causa-efecto, en
donde la motivacin es la causa del fenmeno observado; incluso,
ante el rechazo afectivo que supone valorar ms el castigo que el
premio como refuerzo a una conducta, algunos sujetos prefieren
atribuir a la pura casualidad lo sucedido, sin ninguna mencin a la
regularidad estadstica que se desprende del enunciado.
Slo un 9% de las respuestas recogen esta regularidad
estadstica y seleccionan la respuesta: "es un fenmeno que se puede
explicar por las leyes estadsticas", aunque sus explicaciones no hacen
referencia explcita al principio de regresin a la media; son
explicaciones del tipo "parece que hay una regularidad estadstica
pero puede ser casualidad".
3) Estamos tirando una moneda al aire muchas veces.
Qu secuencia tiene ms probabilidad de obtenerse:
a) CXXCXC

b) CCCCXC

c) tienen la misma probabilidad de ocurrir *

Error!
Marcador no
definido.
PROBLEMA 3

%
CATEGORIA 1
28.44

%
CATEGORIA 2
61.4

%
CATEGORIA 3
10.2

Este problema es el que arroja una proporcin de categora 1

ms baja. Slo el 28% de las respuestas escogen la opcin a),
justificando su eleccin con una explicacin que refleja claramente el
sesgo de representatividad: la secuencia CCCCXC es menos probable
porque no es normal que en el lanzamiento de una moneda al aire
salgan tantas caras seguidas.

La mayora de los sujetos, el 72% restante, escogen la opcin

c) pero slo un 10% dan una explicacin correcta en trminos de la
ley de los grandes nmeros y del concepto de independencia
estadstica; incluso algunos de estos ltimos sujetos hacen el clculo
correcto de la probabilidad de ocurrencia de las secuencias:
p(a)=p(b)=(1/2) 6 =1/64.
Un 61% de las respuestas reflejan la coexistencia de reglas
formales y sesgos y aunque escogen la opcin c) reconocen que la
secuencia CXXCXC es ms "normal", es ms "creble" que la CCCCXC.
Algunos sujetos resuelven el dilema mediante la falacia de admitir
que, en el fondo "todos los sucesos aleatorios tienen igual
probabilidad". Frente a los fenmenos determinsticos que se pueden
predecir, los fenmenos aleatorios son impredecibles y no se puede
establecer ningn orden o jerarqua entre ellos. En este sentido
parecen considerar que las explicaciones en trminos probabilsticos
son de rango cientfico inferior a las explicaciones causales.
9) Se dispone de tres cartas: una de ellas es negra por
ambas caras, otra roja por ambas caras y la tercera tiene una
cara roja y la otra negra. Se meten las cartas en un sombrero
y una mano inocente extrae una de ellas de la que se puede
ver slo una de las caras. Supongamos que es roja.
Un jugador te ofrece apostar cierta suma de dinero
contra la misma cantidad de su parte, apostando l a favor de
la carta roja-roja Te parece una apuesta equitativa y limpia,
donde los dos tengis las mismas posibilidades de ganar?
Si

No

No tengo datos para opinar

Error!
Marcador no
definido.
PROBLEMA 9

% CATEGORIA
1
95

%
CATEGORIA 2

%
CATEGORIA 3

Este problema es el que recibe ms calificaciones 1. El 95% de

los sujetos contestan que la apuesta es equitativa en funcin de que
establecen un inventario de posibilidades incompleto. Para ellos slo
existen dos posibilidades: carta (roja, roja) o carta (roja,negra). No es
fcil para el sistema computacional humano acceder al rbol
completo de todas las posibilidades y tomar en consideracin que,
en la situacin planteada, no slo hay un experimento aleatorio que
consiste en extraer del sombrero una de las tres cartas, sino que
hay un segundo experimento aleatorio que consiste en hacer visible

el anverso o el reverso de la carta extrada. En efecto, el suceso

condicionante no es la carta, es la cara de la carta:
Cara Vista

Cara Oculta

R (anverso) R (reverso)
Carta (R,R)
R (reverso) R (anverso)
Carta (R,N) R N
Por tanto, la probabilidad de que la carta sea la (R,R) es 2/3 y
la probabilidad de que sea la (R,N) es 1/3.
Hay un 5% de sujetos que intentan hacer un diagrama que
recoja todas las posibilidades pero ninguno llega a hacerlo completo.
Por ejemplo, un sujeto llega a la conclusin de que la probabilidad de
(R,R) es el doble de la probabilidad de (R,N) y entonces asigna 1/2 a
la probabilidad de (R,R) y 1/4 a la probabilidad de (R,N).
10) En una cierta ciudad hay dos maternidades. En la
mayor nacen aproximadamente 45 bebs por da y en la
menor 15. Como sabes, ms o menos el 50% de los recin
nacidos son nios aunque el porcentaje exacto de nios vara
de un da a otro. Durante un ao entero cada maternidad
registr los das en los que ms del 60% de los recin nacidos
fueron nios. Qu maternidad registr ms das de stos?:
-La mayor

-La menor

-Las dos maternidades registraron

aproximadamente el mismo nmero de das

Error!
Marcador no
definido.
PROBLEMA 10

%
CATEGORIA 1

%
CATEGORIA 2

% CATEGORIA
3

69

21.1

9.9

El 69% de las respuestas reflejan una completa insensibilidad

al tamao de las muestras y al escoger la opcin c) reconocen, de
modo explcito, que las dos muestras son iguales a efectos de

predecir la proporcin nios/nias que nacen en ellos. Un 21% de las

respuestas tienen en cuenta el tamao de las muestras pero lo
hacen de modo incorrecto, sobre todo por incomprensin o mala
interpretacin del enunciado. Slo el 10% de los sujetos hacen
correcto uso del concepto de tamao muestral.
Hay que subrayar la dificultad de comprensin del enunciado
de este problema que es un clsico en la investigacin realizada en
el marco del paradigma de heursticos y sesgos (Kahneman et al.,
1982). Algunos alumnos interpretan que se les pide el nmero de
bebs nacidos en el ao en una y otra maternidad y otros dicen
directamente que no entienden lo que se les pide. Es necesario
plantear una versin de esta misma tarea con un enunciado ms
claro, lo intentaremos en nuestra segunda investigacin (ver el tem
11, p. 187).
Los datos de los problemas 3 y 10 apoyan parcialmente a
Nisbett et al.(1983). Estos autores sostienen que las personas
poseen un sistema de reglas inferenciales abstractas que son una
versin intuitiva de la ley de los grandes nmeros y que las utilizan
en problemas cotidianos. Las respuestas al problema 3 reflejan la
existencia de un procedimiento estadstico, de una intuicin de la la
ley de los grandes nmeros que impide que los sujetos caigan en el
sesgo de representatividad a pesar de las tentaciones que suministra
el enunciado. Sin embargo, esa misma versin intuitiva de la ley de
los grandes nmeros no aparece en el problema 10 y los sujetos
caen, en una gran mayora, en el sesgo de representatividad.
Los problemas 2 y 9 son muy difciles. Presentan situaciones
muy engaosas que impiden la emergencia de posibles reglas
estadsticas. Las respuestas al problema 2 no reflejan la existencia
de una versin intuitiva del principio de regresin a la media. En el
problema 9 aparece con fuerza la falacia de que la informacin dada
sobre el color de una cara de la carta extrada no cambia la
equiprobabilidad de las cartas salvo que la probabilidad se debe
aplicar al espacio muestral reducido de las dos cartas posibles.
b) En relacin a los problemas que
probabilstico, hay datos que conviene analizar:

exigen

clculo

5) Qu probabilidad es menor:
A) la probabilidad de que una persona elegida
aleatoriamente cumpla aos un da determinado ( por
ejemplo el 25 de Agosto) o
B) la probabilidad de que dos personas elegidas
aleatoriamente cumplan aos el mismo da?
Es menor A

Es menor B

Son iguales

8) Qu probabilidad es menor:
A) la probabilidad de conseguir un seis al lanzar un dado
B) la probabilidad de conseguir dobletes (el mismo
nmero en los dos dados) al lanzar dos dados?
La A

La B

Son iguales
Error!
Marcador no
definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

PROBLEMA 5

49.4

34.2

16.5

PROBLEMA 8

28.2

56.5

15.3

Estos dos problemas son, desde el punto de vista de su

estructura matemtica, isomorfos; se pueden resolver, entre otros
mtodos, aplicando las leyes de la suma y multiplicacin de
probabilidades exactamente de la misma manera en los dos
problemas. Sin embargo, son muy distintos si se hace un anlisis
superficial de los mismos; en el problema 5 aparece un suceso
"raro", un suceso que las personas consideran muy improbable,
como es el de que dos individuos, elegidos al azar, cumplan aos el
mismo da; en el problema 8 se plantea una situacin ms familiar
para el sujeto, como es el juego con dados.
Pues bien, as como en el problema 5 la mitad de los sujetos se
dejan llevar por el sesgo de representatividad y juzgan como menos
probable el suceso "raro" porque es representativo de suceso muy
improbable, en el problema 8 slo el 28% de los sujetos explican que
es menos probable el suceso de conseguir dobletes que el de
conseguir "un seis" porque es muy raro conseguir dobletes ("casi
nunca sale un doble seis al tirar dos dados"). Se manifiesta el
carcter contingente de los juicios probabilsticos: el contenido de la
tarea influye en la estrategia de solucin adoptada.
Sin embargo, la proporcin de respuestas totalmente correctas
es similar en ambos problemas, alrededor de un 16%; esto se explica
en funcin de que, aunque el problema 5 elicita ms fuertemente el
sesgo, sin embargo a la hora de resolverlo correctamente es

necesario aplicar los mismos clculos a uno y a otro:

Problema 5 :
probabilidad a= 1/365
probabilidad b=(1/365).(1/365)+...+(1/365).(1/365)=1/365
Problema 8 :
probabilidad a= 1/6
probabilidad b= (1/6).(1/6)+...+(1/6).(1/6)= 1/6
En cuanto a las respuestas clasificadas como pobremente
estadsticas son las de aquellos sujetos que emplean bien la ley de la
multiplicacin pero sistemticamente se olvidan de sumar en las
opciones b, tanto del problema 5 como, lo que es ms sorprendente,
del problema 8. En efecto, en el 8, el rbol de posibilidades parece
ms accesible, parece intuitivo que hay 6 casos favorables de 36
posibles; sin embargo ms de la mitad de los sujetos resuelven el
problema 8 as:
Probabilidad b= (1/6).(1/6) < 1/6= Probabilidad a
Es bastante llamativo que muy pocos alumnos intentaran
utilizar la regla de Laplace para resolver el problema 8 (en el
problema 5 no la utiliz ninguno). Parece fcil razonar que hay 36
casos posibles al lanzar dos dados {(1,1), (1,2),...(6,5), (6,6)} y slo
6 casos favorables para conseguir dobletes {(1,1), (2,2),...,(6,6)};
por tanto la probabilidad de b) es 6/36. Sin embargo, los alumnos
que intentan hacer clculos normativos (que coinciden con los que
estudiaron algo de teora de probabilidades en el bachillerato)
utilizan la suma y la multiplicacin de probabilidades. Este hecho
puede deberse a que en la instruccin elemental en probabilidades
suele insistirse ms en ejercicios sencillos de suma y multiplicacin
de probabilidades y menos en la determinacin de los
correspondientes espacios muestrales.
7) Cul es la probabilidad de que entre 6 nacimientos 3
sean mujeres:
20/64

3/6

1/8

Error!
Marcador no
definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

PROBLEMA 7

79

19.8

1.2

El problema 7 presenta unas pautas de solucin

extraordinariamente similares a los problemas 5 y 8: En primer lugar,
el sesgo de representatividad tambin se muestra con mucha fuerza
en este problema; el 79% de los sujetos responden que 3/6 es la
probabilidad de que nazcan 3 nias en 6 nacimientos porque en la
poblacin nacen tantas nias como nios; es la "ley de los pequeos
nmeros" por la cual una muestra aunque sea pequea siempre
representa las caractersticas de la poblacin. Algunos llegan a hacer
una interpretacin "representativa" de la ley de Laplace:
casos favorables/casos posibles= 3/6.
En segundo lugar, hay un 20% de los sujetos que no se dejan
llevar por la representatividad de la situacin y hacen un clculo
probabilstico del mismo tipo que el que realizan en los problemas 5
y 8: (1/2).(1/2).(1/2)= 1/8. Realmente ste es el clculo de la
probabilidad de que las 3 personas nacidas en 3 nacimientos sean
nias. Slo un 1% hace los clculos correctos, correspondientes a la
ley binomial que se muestra como una regla estadstica de difcil
adquisicin, y llega a la solucin 20/64.
4) En una determinada ciudad donde el 90% de los
ciudadanos son blancos y un 10% son negros se comete un
delito: un hombre es atracado en el centro de la ciudad y
afirma que el atracador es negro. Sin embargo, cuando un
juzgado que investiga el caso reconstruye varias veces la
escena, bajo unas condiciones de iluminacin parecidas, la
vctima identifica correctamente la raza del asaltante el 80%
de las veces Cul es la probabilidad de que el asaltante fuera
efectivamente negro?
0.80

0.31

Error!
Marcador no
definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

PROBLEMA 4

69.1

29.4

1.5

Como hemos tenido ocasin de analizar en el captulo 2, otra

ley estadstica que presenta muchos problemas de aplicacin es la
Regla de Bayes. En el problema 4, matemticamente idntico al
"problema de los taxis", se presenta una situacin que desde un

enfoque estadstico se resuelve como una mera aplicacin del

teorema de Bayes pero que, en la prctica, no es fcilmente
interpretable en trminos formales. En muchos trabajos (Tversky y
Kahneman, 1982b; Shaughnessy, 1983a) se explican los errores
cometidos en su solucin por el sesgo de representatividad que se
manifiesta, entre otras formas, como una insensibilidad a las
probabilidades previas. En el presente trabajo y siguiendo una
propuesta de Hogarth (1987), atribuimos el error sistemtico que
cometen los sujetos a la prevalencia del pensamiento causal sobre el
pensamiento probabilista, sesgo que hemos dado en llamar
determinismo: los sujetos slo admiten como dato esencial para
estimar la probabilidad el 80% de aciertos en las identificaciones; es
la capacidad de la victima para hacer identificaciones correctas el
nico factor que influye en la estimacin de la probabilidad.
Las explicaciones de los sujetos son congruentes con esta
hiptesis: el 69% de las respuestas se han codificado como
calificaciones 1 y ah se recogen todos los sujetos que escogen la
solucin c) y casi todos de los que eligen la solucin a); las
justificaciones de todos estos sujetos tienen en comn la
manifestacin de expresiones muy deterministas, que siempre giran
alrededor del dato especfico de la capacidad de reconocimiento de
la victima. Los que escogen la opcin c) todava van ms all en su
determinismo: " la probabilidad de que el asaltante sea negro es 1
porque as lo ha dicho la vctima y no tiene por qu engaar", es el
tipo de explicacin comn en ellos.
El 29% de las respuestas se han calificado con un 2 y
corresponden a sujetos que han tratado de utilizar las probabilidades
previas adems del dato del 80%. El clculo que realizan es 0.8x0.1,
es decir multiplican la probabilidad de identificacin correcta de ser
negro por la probabilidad de encontrarse aleatoriamente con un
negro en esa poblacin. Diramos que estn calculando el numerador
de la frmula de Bayes pero les falta el denominador; en todo caso,
es una cuestin de "espacio del problema" al desarrollar el diagrama
en rbol.
Es interesante la estrategia de "anclaje y ajuste" que realizan a
continuacin para elegir una solucin: se anclan en 0.08 que es el
resultado de la anterior operacin y a continuacin ajustan, unos a
0.8 que es la solucin a) y que tiene parecido visual con 0.08 y otros
a 0.31 que es el nmero ms bajo de las soluciones propuestas. Esta
estrategia recuerda al conflicto reflexin-decisin definido por
Borovcnik y Bentz (1991) que hemos tenido ocasin de estudiar en el
captulo anterior; en efecto, la reflexin (el clculo) produce un dato,
0.08, que no corresponde a ninguna de las soluciones ofrecidas y
entonces el alumno ha de realizar una nueva operacin cognitiva
para tomar la decisin.
Adems, estos datos pueden arrojar nueva luz sobre el

conservadurismo: si la limitacin computacional de las personas les

lleva a un clculo restringido al numerador, la estimacin de la
probabilidad a posteriori siempre ser ms baja
que la que
proporcione la Regla de Bayes donde hay un denominador positivo
que al ser menor que 1 hace aumentar el cociente.
6) Imagnate que eres un general rodeado por una
fuerza enemiga abrumadora que aniquilar tu ejrcito de 600
hombres a menos que te decidas por tomar una de las dos
posibles vas de escape. Tus espas te dicen que si tomas la
primera salida salvars a 200 soldados, mientras que si te
decides por la segunda hay una probabilidad de 1/3 de que
los 600 consigan salvarse y una probabilidad de 2/3 de que
no lo consiga ninguno. Qu camino eliges?
1 salida

2 salida

cualquiera*
Error!
Marcador no
definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

PROBLEMA 6

65.8

31.6

2.6

Este problema presenta una situacin que se puede abordar

con el concepto de esperanza matemtica desde un enfoque
estadstico normativo, o con el concepto de utilidad esperada si lo
tratamos como un problema del campo de la teora matemtica de la
decisin. Sin embargo, al revisar el enfoque descriptivo de la teora
de la decisin conductual en el captulo 2, hemos tenido ocasin de
comprobar que autores como Tversky y Kahneman (1981) han
estudiado las soluciones que se dan, de manera sistemtica, a
problemas semejantes a ste y han establecido que los sujetos
estructuran este tipo de situaciones de toma de decisin en base al
factor de aversin al riesgo cuando se trata de ganancias y de
proclividad al riesgo cuando se trata de prdidas.
Los datos de la presente investigacin no rechazan las
anteriores aseveraciones pero con algunos matices importantes. Un
66% de las respuestas han sido calificadas con un 1 porque escogen
la primera o segunda salida en base a consideraciones de aversin
(la gran mayora) o de atraccin por el riesgo ( una minora). Incluso
algunos sujetos escogen la tercera opcin de respuesta por el poco
atractivo que le comportan las dos primeras; se manifiestan de
nuevo explicaciones en trminos causales: "depende de la calidad
del ejrcito que se salga con bien de una emboscada". En todo caso,

todas estas respuestas tienen en comn la ausencia de cualquier

regla estadstica formal para abordar el problema.
Un 32% de las respuestas reflejan el intento de clculos
estadsticos pero sin llegar a comprender el concepto de esperanza
matemtica o de utilidad esperada. Por ejemplo, algunos sujetos
hacen la operacin (1/3). 600 y concluyen que la segunda salida
supone la salvacin de 200 soldados con probabilidad 1/3 y por tanto
es peor que la primera donde se salvan seguros 200 soldados. Est
claro que estas personas no sesgan su razonamiento por aversin al
riesgo, lo que parece deducirse de la opcin que eligen, sino por una
mala comprensin del concepto de esperanza matemtica o utilidad
esperada.
1) Considera los cuadros A y B
A
xxxxxxxx
xxxxxxxx
xxxxxxxx

B
xx
xx
xx
xx
xx
xx
xx
xx
xx
En cul de los cuadros hay ms formas posibles para
pasar de la primera fila a la ltima, sabiendo que desde una x
cualquiera de una fila puedes saltar a cualquier x de la fila
inmediatamente inferior?
-En A

-En B

-El mismo nmero

Error!
Marcador no
definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

PROBLEMA 1

61

25.6

13.4

En este problema, el clculo combinatorio que proporciona la

solucin es inmediato (83 = 29) pero slo lo realizan el 13% de los
sujetos. El 61% se deja llevar por la mayor disponibilidad o
accesibilidad perceptiva de paso de una x a otra x inferior en la
figura de la izquierda respecto a la de la derecha, y juzga que el
nmero total de caminos es mayor en la figura de la izquierda que

en la de la derecha. En definitiva, calculan el nmero total de

caminos por la facilidad que tienen de imaginarse caminos concretos
en una y otra figura.
El 26% de los sujetos no se dejan llevar por la forma de los
cuadros y realizan un clculo combinatorio que sin embargo es
incorrecto. Aparecen algunos errores de clculo, tpicos en la
enseanza no universitaria pero incomprensibles en alumnos
universitarios, como el de sumar en vez de multiplicar: 8+8+8 frente
a 2+2+2+2+2+2+2+2+2. Aqu se puede ver una vez ms la utilidad
de pedir a los sujetos que expliquen la eleccin de su respuesta. Los
que eligen la opcin a) pueden guiarse por una ilusin perceptiva o
por una estrategia de clculo equivocada pero las dos vas de
razonamiento llevan a la misma respuesta.
Los problemas 1 y 9 muestran que el sesgo de accesibilidad
est muy relacionado con el procesamiento selectivo de la
informacin que hacen las personas cuando tienen que resolver un
problema; a su vez este procesamiento selectivo tiene que ver no
slo con la facilidad de recuperar o recordar ejemplos (como sucede
en las tareas que Tversky y Kahneman proponen para estudiar dicho
sesgo) sino tambin con la facilidad de imaginar todas las
posibilidades de una situacin.
Para resolver correctamente estos dos problemas, ms que
realizar clculos probabilsticos complejos, es necesario utilizar bien
el esquema combinatorio, el cual permite establecer el rbol de
todas las posibilidades que presenta una determinada situacin.
Hemos visto en la revisin del enfoque evolutivo del captulo 2 que
Piaget e Inhelder (1951) sostienen que slo los sujetos que estn en
el estadio evolutivo de las operaciones formales pueden resolver
problemas probabilsticos en cuanto que los esquemas proporcional y
combinatorio, esenciales para abordar este tipo de problemas,
forman parte de las operaciones formales. Se compartan o no las
tesis de los autores ginebrinos, parece claro que el dominio de las
tcnicas combinatorias es fundamental para resolver muchos
problemas del azar. Una de estas tcnicas es la de diagramas de
rbol que facilita la realizacin del inventario completo de todos los
sucesos asociados a una situacin. Sin embargo, esta tcnica no es
de fcil adquisicin y sobre todo, de fcil aplicacin en todas las
situaciones.
En relacin al tercer objetivo:
Para evaluarlo es necesario comparar los resultados obtenidos
por los sujetos que estudiaron la teora de probabilidades a un nivel
elemental frente a sujetos que no recibieron ningn tipo de
instruccin formal en dicha disciplina.
En la tabla 3 se pueden observar las frecuencias (n1, n2, n3) y

proporciones (pr1, pr2, pr3) de calificaciones 1, 2 y 3 en cada uno de

los dos grupos:
Error! Marcador
no definido.

n1

pr1

n2

pr2

n3

pr3

Total

439

0.62

221

0.31

49

0.07

con estudios

200

0.55

128

0.35

35

0.10

sin estudios

239

0.69

93

14

0.04

0.27

Los sujetos con estudios elementales de teora de

probabilidades, en relacin a los sujetos sin ninguna instruccin en
dicha teora, tienen una proporcin significativamente menor de
calificaciones 1 (z= -3.83 < z0.005) y una proporcin significativamente
superior de calificaciones 3 (z= 3.14 > z0.995).

Llama, con todo, la atencin que el 55% de sus respuestas no

muestren ninguna idea, razonamiento o clculo estadstico y estn
gobernadas por procedimientos no estadsticos; y sigue llamando la
atencin que slo el 10% de sus respuestas se puedan calificar como
totalmente correctas segn las reglas formales. Parece deducirse de
estos datos que la escasa instruccin en probabilidades que suele
darse en el bachillerato, disminuye la necesidad de recurrir a
estrategias intuitivas que surgen de la experiencia cotidiana, pero no

evita completamente los sesgos y errores a los que pueden conducir

estos heursticos que parecen formar parte de la dotacin de
recursos cognitivos que todas las personas tienen. Conviene sealar
que el cuestionario se pas en un contexto acadmico y que se dijo
en las instrucciones que se trataba de una prueba de contenido
probabilstico, con lo que se estaba invitando tcitamente a activar
los recursos estadsticos de los sujetos que los tuviesen. Sera
interesante pasar la prueba en un contexto cotidiano, no acadmico
y tratar de disminuir la terminologa probabilstica, a fin de
comprobar si siguen existiendo diferencias significativas entre los
dos grupos, en los sesgos del razonamiento probabilstico.
Lo que no garantiza la instruccin elemental, al menos tal
como se imparte actualmente, es un dominio suficiente de las reglas
y procedimientos formales; el porcentaje de respuestas correctas en
ambos grupos es muy bajo. Ms de la tercera parte de las respuestas
(35%) de los sujetos instruidos suponen la utilizacin incorrecta de
un concepto o un clculo estadstico que conocen o la confusin
entre leyes probabilsticas formales y estrategias de razonamiento
no estadsticas.
Un dato complementario del anterior es que, aunque la gran
mayora de las respuestas de los sujetos no instruidos (69%)
suponen un pensamiento sobre el azar regido por estrategias no
estadsticas (lo que confirma de nuevo la profunda imbricacin de las
mismas en la estructura cognitiva de las personas) hay un 27% de
respuestas que muestran la existencia de versiones intuitivas de
reglas o procedimientos formales en sujetos que nunca estudiaron
teora de probabilidades.
Los datos anteriores parecen apuntar la hiptesis de que en el
razonamiento probabilstico de los sujetos (instruidos y no instruidos)
coexisten heursticos no estadsticos y procedimientos formales, al
menos versiones intuitivas de los mismos, tal como sostienen Nisbett
et al. (1983); son las caractersticas de la tarea las que activan un
tipo u otro de recursos.
Se ha realizado el test de la Chi 2 para estudiar en cada uno de
los problemas si haba relacin entre la calificacin y la existencia de
estudios
estadsticos:
las
nicas
diferencias
significativas
corresponden al problema 2 (22=3.96, p<0.04), problema 5
(22=6.83, p<0.04) y problema 8 (22=6.18, p<0.04).
En la tabla 4 se pueden ver los datos correspondientes a los
tres problemas:
Error!
Marcador
no definido.

%
CATEGORIA 1

%
CATEGORIA 2

%
CATEGORIA 3

ESTUDIOS

NO
ESTUDIOS

SI
ESTUDIOS

NO
ESTUDIOS

PROBLEMA 2

100

83.3

PROBLEMA 5

64.1

35

25.6

42.5

10.3

22.5

PROBLEMA 8

40.5

16.3

47.6

65.1

11.9

18.6

SI
ESTUDIOS
16.7

NO
ESTUDIOS
0

SI
ESTUDIOS
0

Los problemas 5 y 8 son matemticamente equivalentes y

requieren las tcnicas de clculo probabilstico ms sencillas, como
son la suma y la multiplicacin de probabilidades; la enseanza de
las probabilidades, aunque sea escasa, proporciona estas tcnicas
que no son triviales para un novato.
En cuanto al problema 2 conviene observar que no hay ningn
estudiante (con instruccin o sin instruccin en probabilidades) que
lo resuelva utilizando el principio de regresin a la media, que sera
la estrategia adecuada desde una perspectiva estadstica. La
diferencia entre los sujetos con instruccin y sin instruccin en el
problema 2, por tanto, parece radicar en que los sujetos con cultura
estadstica elemental tienen una representacin del mundo menos
determinstica que los sujetos no instruidos, admiten una
intervencin del azar en el fenmeno enunciado sin saber muy bien
en qu consiste dicha intervencin. Las explicaciones de los sujetos
que admiten que el fenmeno es de tipo estadstico son tan
ambiguas que no se puede descartar que los sujetos escogen la
opcin estadstica porque saben que se trata de un cuestionario
probabilstico. Adems, esa diferencia no aparece en el problema 4
en donde el pensamiento determinista est presente tanto en
sujetos instruidos como no instruidos. Sera necesaria una
investigacin, centrada en el sesgo causal, para dilucidar la cuestin
y desde luego, la utilizacin de tareas menos engaosas que el tem
2.

1.4. CONCLUSIONES
Tratemos de sistematizar y sintetizar los resultados
encontrados en esta primera investigacin emprica. En relacin a los
tres objetivos que nos marcamos y que hemos descrito en la
introduccin, queremos subrayar tres caractersticas del razonamiento probabilstico de los sujetos que consideramos claves para
explicar tanto la existencia de sesgos y errores en su comprensin de
los fenmenos aleatorios como el carcter contingente de sus juicios.

En primer lugar, la prevalencia abusiva del pensamiento

causal sobre el pensamiento probabilstico. Cuando la ciencia
reconoce que el mundo no se explica slo en trminos de necesidad
sino que hay que incluir tambin el azar (ah est, por ejemplo, la
teora de la evolucin de Darwin), la concepcin puramente
determinista de los fenmenos forma parte fundamental del sistema
de creencias de nuestros universitarios (por lo menos los recin
ingresados) y como tal dificulta el florecimiento del pensamiento
aleatorio.
Esta concepcin determinista se manifiesta, tal como se haba
previsto, en los problemas 2 y 4. Ha quedado claro un procesamiento
selectivo de la informacin que desprecia datos importantes que hay
en las situaciones planteadas, como las probabilidades previas
(problema 4) o una regularidad estadstica (problema 2). En ambos
casos las explicaciones de los sujetos reflejan una representacin de
los problemas en trminos de causa-efecto, o bien porque la cadena
causal est presente (problema 2: el premio y el castigo modifican la
conducta de los pilotos) o bien porque la cadena causal est ausente
(problema 4: no hay relacin entre las proporciones de ciudadanos
blancos y negros en la ciudad y la probabilidad del suceso de que el
atracador sea negro porque la relacin se establece entre ese suceso
y la capacidad de identificacin de la victima; cuanta mayor sea la
capacidad de identificacin, mayor ser la probabilidad pedida
independientemente de las probabilidades previas). Conviene
advertir que se trata de dos problemas que encierran conceptos
probabilsticos sofisticados (regresin a la media y teorema de
Bayes) en un contexto muy engaoso. Por tanto, tenemos que ser
prudentes en las conclusiones extradas a partir de ellos acerca de la
preeminencia del pensamiento determinstico-causal.
Sin embargo, el hallazgo ms sorprendentes es haber
encontrado manifestaciones de este pensamiento en explicaciones
de tipo global: por ejemplo, la idea de que toda situacin aleatoria se
puede convertir en determinstica mediante la destreza o pericia (la
destreza del general y su ejrcito en el problema 6) o la idea de que
el azar es catico y al no poder hablar de causas y efectos no hay
posible jerarquizacin de los sucesos aleatorios (el enunciado de que
"todos los sucesos son igualmente probables" en el problema 3).
En segundo lugar, una habilidad computacional limitada
que se concreta en los cuatro hallazgos siguientes:
a) Incapacidad de los sujetos para hacer el inventario completo
de todas las posibilidades asociadas a una situacin. En los
problemas 1, 7 y 9 se muestra claramente esta incapacidad, los
sujetos tienen dificultades para hacer el diagrama en rbol completo
de la tarea correspondiente. Se podra argumentar que el problema 9
("las tres cartas") presenta una situacin muy engaosa que
confunde a los sujetos y les impide construir una representacin del

problema que tenga en cuenta la naturaleza compuesta del juego.

Sin embargo, el problema 7 y sobre todo el problema 1, presentan
escenarios menos engaosos y tambin se manifiestan con fuerza
las dificultades combinatorias de los alumnos. Estos resultados son
congruentes con la tesis de Piaget e Inhelder (1951) de que la
capacidad combinatoria es una destreza de alto nivel en el desarrollo
intelectual de la persona.
b) Dificultad de los sujetos para establecer el espacio muestral
de ciertos experimentos aleatorios lo cual les lleva a errores de
aplicacin de la ley de Laplace que es una regla aparentemente
sencilla de comprender y utilizar. As, en los problemas 5 y 8 los
sujetos prefieren utilizar las leyes de la suma y la multiplicacin de
probabilidades en lugar de establecer el espacio muestral
correspondiente. En el problema 7, los sujetos se lanzan a aplicar la
regla casos favorables/casos posibles, utilizando un espacio muestral
equivocado.
c) La ley multiplicativa de las probabilidades parece de ms
fcil adquisicin que la ley aditiva, segn los resultados de los
problemas 5 y 8. Esto puede estar relacionado con lo dicho en el
punto 1), en cuanto que lo difcil para los alumnos es darse cuenta
que en ambos problemas adems de una interseccin de sucesos
(multiplicacin de probabilidades) hay tambin una unin de sucesos
(suma de probabilidades). Por ejemplo en el problema 5, el
cumpleaos de una persona y el cumpleaos de la otra han de
coincidir pero eso puede ser el 1 de Enero o el 2 de Enero o...o el 31
de Diciembre.
d) Los heursticos de representatividad, accesibilidad y
aversin al riesgo, parecen actuar de sustitutos o complementos de
las limitadas destrezas de clculo de los sujetos. Emergen como
"atajos computacionales" que reducen el esfuerzo cognitivo en la
adquisicin y procesamiento de la informacin. En el problema 7, por
ejemplo, la dificultad combinatoria para explicitar el espacio
muestral {(VVVVVV),......, (VVMMVM),......(MMMMMM)} y seleccionar
los casos favorables (VVVMMM),..., (VVMMMV),..., se compagina con
una percepcin selectiva de la situacin basada en los datos de 6
nacimientos y 3 mujeres que es representativa de la realidad donde
aproximadamente el 50% de los nacimientos son mujeres. Incluso los
sujetos que "se resisten" a este influjo de la representatividad o
similitud de la muestra con la poblacin realizan un clculo
incompleto: (1/2)(1/2)(1/2)=1/8 que corresponde a una terna
concreta de nacimientos.
En tercer lugar, se manifiesta una clara dependencia de las
caractersticas de la tarea, lo que apoya la hiptesis de la
naturaleza contingente de los juicios probabilsticos (Payne et al.,
1993): el sistema cognitivo humano es adaptativo en su necesidad
de comprender, controlar y dominar el entorno. En otras palabras,

los sujetos hacen mayor o menor uso de leyes estadsticas con

respecto a heursticos no estadsticos, dependiendo del contexto o
contenido del problema.
Este fenmeno se observa muy bien en los problemas 5 y 8.
Son dos problemas que tienen una estructura profunda, matemtica,
equivalente pero tienen una estructura superficial, perceptiva,
diferente. En efecto, como hemos tenido ocasin de comprobar al
analizar los resultados, los clculos a realizar para comparar las
probabilidades pedidas en ambos problemas son idnticos. Sin
embargo, el problema 5 presenta un escenario de clave no
probabilstica, de reunin de fiesta de cumpleaos, mientras que el
problema 8 es un tpico ejercicio de teora de probabilidades adems
de un juego aleatorio. Pues bien, mientras la mitad de los sujetos
razonan en clave no probabilstica en el problema 5 slo la cuarta
parte razonan en clave no probabilstica en el problema 8. Es un
claro ejemplo de razonamiento dependiente del contenido de la
tarea.
La naturaleza contingente y constructiva del razonamiento
probabilstico tambin se observa en los problemas 3 y 10, en donde
hay que aplicar la ley de los grandes nmeros y el concepto de
independencia estadstica en dos contextos diferentes. En el
problema 3 los sujetos utilizan la ley formal (a veces en una
formulacin primaria e incorrecta) con mayor frecuencia que el
heurstico de representatividad, an tratndose de alumnos no
instruidos en probabilidades. Por contra, en el problema 10, el
concepto normativo de tamao muestral no se tiene en cuenta y es
el heurstico de representatividad quien domina la solucin del
problema. Con todo, hemos de subrayar las dificultades de
comprensin de este problema que hace que muchos alumnos no
entiendan lo que se les est pidiendo. Este es un ejemplo claro de
tarea donde la comunicacin entre el investigador y el sujeto se hace
difcil y por tanto las conclusiones han de ser prudentes. En nuestra
segunda investigacin plantearemos este mismo problema con un
enunciado ms inteligible.
Los tres factores que acabamos de enunciar y que parecen
estar en el origen de los sesgos en razonamiento probabilstico, no
se modifican substancialmente con la instruccin, al menos con el
tipo y cantidad de enseanza estadstica que se imparte en los
niveles anteriores a la universidad de nuestro sistema educativo.
Aunque esta instruccin dota al estudiante de algunas herramientas
elementales de clculo estadstico que le permiten recurrir menos a
los heursticos no estadsticos, no impide que el pensamiento del
sujeto siga gobernado por un pensamiento causal abusivo, que siga
cometiendo errores sistemticos de clculo y que su razonamiento se
vea afectado por las caractersticas de la tarea.
A nuestro juicio, hay varios niveles definitorios de la enseanza

tradicional que fomentan estos sesgos.

La enseanza tradicional de la ciencia, tratando de comunicar
el conocimiento cientfico que supera el conocimiento vulgar de los
alumnos, entroniza el pensamiento newtoniano y explica el mundo
en forma de leyes de "obligado cumplimiento", donde el orden
causal es el nico posible. No puede florecer as la flor delicada del
pensamiento estadstico que ofrece un tipo distinto de orden para
modelizar la realidad: la regresin, la correlacin, la ley de los
grandes nmeros introducen orden en el mundo (que ya no es
newtoniano sino einsteniano y cuntico) pero no es un orden
determinista sino estadstico.
La enseanza tradicional de la matemtica entrena en tcnicas
de clculo tiles pero muy insuficientes. Se produce as un
anumerismo o analfabetismo matemtico que tiene nefastas
consecuencias para la capacidad computacional de las personas. Se
presta poca atencin a estrategias educativas tales como familiarizar
a los alumnos con nmeros muy grandes y con nmeros muy
pequeos, entrenarlos en tcnicas de clculo combinatorio, y sin
embargo, estas estrategias son pre-requisitos bsicos para el trabajo
con probabilidades.
La enseanza tradicional de la teora de probabilidades es
lineal en el desarrollo del currculo. El contenido de la disciplina se
despliega siguiendo la estructura lgica de la matemtica: a partir
de los axiomas de Kolmogorov se deducen los diversos teoremas y
se realizan ejercicios de aplicacin para apuntalar los nuevos
conocimientos. No hay conciencia de la naturaleza contingente del
razonamiento y por tanto no se consideran distintos enfoques
probabilsticos de un mismo problema ni distintos problemas con
diferente contenido pero con la misma estructura normativa.
Tampoco hay conciencia de diferencias individuales en la
comprensin probabilstica y todos los alumnos se someten al mismo
rgimen de enseanza.
Hay dos lneas de investigacin que nos parecen necesarias a
la luz de estos resultados: la primera lnea deber profundizar en la
naturaleza contingente del razonamiento probabilstico, dependiente
de una variedad de factores de tarea y de diferencias individuales.
Ser necesario presentar a los sujetos un amplio abanico de
situaciones que cubran el ancho espectro de matemticas e
intuiciones que permiten comprender el azar; adems, ser
necesario un amplio abanico de sujetos, con diferentes edades,
estilos cognitivos, capacidades matemticas, etc. que permitan
estudiar la relacin entre comprensin probabilstica y diferencias
individuales. Estas son las caractersticas de la investigacin que
abordamos a continuacin.
La segunda lnea de investigacin deber centrarse en el

diseo y evaluacin de un modelo de enseanza-aprendizaje de las

probabilidades elementales que trate de modificar significativamente
los sesgos detectados en el pensamiento probabilstico desde edades
tempranas (Garfield y del Mas, 1989). Hemos sealado tres notas
definitorias de la enseanza tradicional que repercuten negativamente en la conducta probabilstica de los sujetos y que nos pueden
servir como puntos de referencia para el diseo del nuevo modelo de
instruccin. Este trabajo lo abordaremos en los captulos 6 y 7.

ESTUDIO 2: EL SISTEMA DE IDEAS PROBABILSTICAS DE LOS

ADOLESCENTES
2.1. INTRODUCCIN
Los resultados de la primera investigacin muestran la
coexistencia de concepciones errneas e ideas correctas sobre el
azar y la probabilidad en algunos contenidos concretos de la teora
de probabilidades, en alumnos recin ingresados en la universidad.
Ahora estudiaremos sistemtica y exhaustivamente los sesgos y
heursticos probabilsticos en todos los contenidos conceptuales,
tericos y procedimentales que conforman el currculo de la teora de
la probabilidad en la enseanza secundaria. El primer objetivo de
esta investigacin se centra en establecer una radiografa completa
de las ideas estadsticas elementales y sus sesgos asociados que
poseen alumnos de todos los cursos de la enseanza media, en
definitiva, se intenta describir el pensamiento probabilstico de
sujetos adolescentes.
El segundo objetivo es analizar la naturaleza contingente y
constructiva de los juicios probabilsticos de los estudiantes
de secundaria. Payne et al.(1993) muestran el carcter contingente
de la conducta de decisin de los sujetos y nosotros intentamos
hacer lo mismo en el campo del razonamiento probabilstico.
El tercer objetivo es medir la fuerza o ms bien la
aceptacin intuitiva que tienen los conceptos y leyes del azar
y la probabilidad. Esto tiene que ver con que el marco terico de
investigacin elegido es el enfoque de Fischbein (1983, 1987)
basado en la interaccin entre intuiciones y matemticas, del
que ya hablamos en captulos anteriores. En relacin al conocimiento
probabilstico intuitivo, nos interesa estudiar, en primer lugar, cules
son las intuiciones primarias de nuestros adolescentes y cmo se
relacionan con los sesgos probabilsticos; en segundo lugar, si las
intuiciones primarias incorrectas se modifican o desaparecen a causa
de la instruccin elemental en la teora de probabilidades; en tercer
lugar, si las intuiciones secundarias son siempre correctas o se puede
generar conocimiento sesgado a travs de la enseanza.
Fischbein, al igual que importantes psiclogos como Bruner
(1965) y grandes matemticos como Poincar (1952, 1979) y Plya
(1954), considera que la intuicin es un factor muy importante a
considerar en la comprensin de la ciencia y en el proceso de
enseanza-aprendizaje.
Entiende
por
intuicin
conocimiento
inmediato, es decir acepta la formulacin de Bruner de que la
intuicin implica comprender el significado de la estructura de un
problema sin necesidad explcita del pensamiento analtico.
Establece que la compatibilidad entre la intuicin y la estructura
lgica de conocimiento es una componente esencial de la
comprensin y una precondicin de la utilizacin independiente y
efectiva de ese conocimiento en diversos contextos.

El matemtico Engel (1971) admite una intuicin natural

geomtrica sobre la que se puede construir el pensamiento
geomtrico axiomtico pero niega la existencia de una intuicin
probabilstica anloga. Fischbein, Barbat y Minzat (1971) explican la
contradiccin entre el hallazgo de los psiclogos de la emergencia
espontnea de una intuicin probabilstica y la negacin de Engel de
tal intuicin, en base a que el objeto de investigacin de psiclogos y
matemticos
es
distinto:
los
primeros
han
estudiado
fundamentalmente el concepto primario de azar y la cuantificacin
elemental del mismo mientras que los segundos tratan con
formaciones
intuitivas
ms
complejas,
que
no
surgen
espontneamente, y con expresiones cuantitativas de las mismas
que suponen un aparato matemtico ms sofisticado. En la presente
investigacin vamos a contrastar la hiptesis explicativa de Fischbein
et al., yendo ms all de los tpicos iniciales del azar y la
probabilidad y llegando a investigar la comprensin intuitiva por
nuestros adolescentes, de ideas probabilsticas de cierta
complejidad, como son el teorema de Bayes, el principio de regresin
a la media, la ley binomial, etc.
a) Variables de tarea
Despus de estudiar el programa de probabilidades y
estadstica del bachillerato todava vigente y el diseo curricular de
matemticas de la nueva enseanza secundaria, hemos establecido
el ndice de los ncleos conceptuales fundamentales y de las
ideas a investigar dentro de cada ncleo conceptual:
1) Lenguaje del azar
Prez Echeverra (1990) afirma que el concepto de probabilidad
en el lenguaje cotidiano es muy similar al significado que daba
Laplace a este trmino: " la probabilidad es relativa en parte a
nuestra ignorancia y en parte a nuestros conocimiento." (Laplace,
1985, p. 27). El problema es la ambigedad con que se usan en el
lenguaje corriente los distintos trminos probabilsticos (imposible,
improbable, probable, posible, etc.) que expresan el grado de
seguridad o el grado de incertidumbre acerca de la ocurrencia de un
suceso. Budescu y Wallsten (1985) encontraron que la relacin entre
las expresiones verbales de la probabilidad y sus correspondientes
expresiones numricas est sometida a una considerable variabilidad entre los distintos sujetos que las utilizan aunque suele existir
una constancia dentro del mismo sujeto.
En la presente investigacin se indaga acerca de la habilidad
verbal de los adolescentes, para describir exactamente situaciones
probabilsticas. En particular queremos averiguar si los sujetos
equiparan los conceptos de certeza y alta probabilidad, por un lado,
y los conceptos de imposibilidad y baja probabilidad, por otro, tal

como sugiere la investigacin de Green (1982).

2) Probabilidad como mtrica del azar
Fischbein (1975) afirma que las personas entre 13 y 17 aos
poseen una intuicin correcta de las siguientes ideas relacionadas
con la medida del azar:
a) La cuantificacin del azar como la relacin entre el nmero
de casos favorables y el de casos posibles, con la asignacin de 1
para la representacin de la probabilidad del suceso seguro y 0 para
la probabilidad del suceso imposible.
b) Los axiomas de la teora de probabilidades: P(A)0; P(U)=1;
P(AUB)=P(A)+P(B), donde A y B son sucesos mutuamente
excluyentes.
Trataremos de profundizar en la afirmacin tan fuerte que hace
este autor que supone que tanto la ley de Laplace como los axiomas
de Kolmogorov derivan de una fuente intuitiva primaria.

3) Fenmenos determinsticos vs fenmenos aleatorios.

Se investiga en un variado rango de situaciones si los alumnos
interpretan el mundo en clave probabilstica cuando se trata de
experiencias aleatorias, o por el contrario, lo interpretan
sistemticamente en clave determinstica (sean fenmenos
aleatorios o determinsticos), haciendo uso de un razonamiento
causal abusivo, tal como sugiere nuestra primera investigacin. Hay
varios ejemplos que estudiaremos: la gente busca un significado
causal a experiencias que se explican por el principio de regresin a
la media, o interpreta en trminos de causa-efecto la correlacin
estadstica entre dos variables, o da una solucin matemtica no
estadstica a problemas que aceptan naturalmente una solucin
probabilstica (Kline, 1960).
4) Concepto de probabilidad terica. Ley de Laplace.
Este ncleo conceptual es complementario del 2) y se centra
en el concepto de probabilidad como proporcin: en primer lugar,
vamos a comprobar si en la comprensin y en la aplicacin del
concepto de probabilidad ms estndar (casos favorables/casos
posibles) los sujetos utilizan distintas reglas en funcin de la
dificultad aritmtica del problema, tal como sealan Prez
Echeverra, Carretero y Pozo (1986), o bien, de acuerdo con la idea
de Piaget e Inhelder (1951), los esquemas operacionales de
proporcin y probabilidad aparecen durante el estadio de las

operaciones formales, es decir en la adolescencia, y una vez

adquiridos permiten resolver cualquier problema que exija un clculo
de proporciones. En segundo lugar, comprobaremos si cuando la
tarea propuesta supone una situacin engaosa, los adolescentes se
olvidan de la regla de Laplace para el clculo de la probabilidad y
utilizan heursticos como el de representatividad, tal como ocurre con
sujetos adultos, incluso expertos en estadstica, segn concluyen las
investigaciones de Tversky y Kahneman (1982a, 1982b).
5) Concepto de probabilidad emprica. Asignacin
probabilidades cuando los sucesos no son equiprobables.

de

Investigaremos si los alumnos son capaces de inferir

probabilidades de sucesos no equiprobables a partir de muestreos
aleatorios o por contra, la escasa experiencia que tienen acerca del
azar y sus leyes (que se reduce a juegos como el lanzamiento de
ruletas, monedas y dados no trucados), les lleva a confiar en la idea
abstracta de "equiprobabilidad", sin tener en cuenta la situacin
aleatoria concreta (Godino, Batanero y Caizares, 1987). De modo
complementario, queremos profundizar en el anlisis de la idea que
aparece muy extendida en la primera investigacin con alumnos de
1 de universidad: "todos los resultados de un experimento aleatorio
tienen la misma probabilidad de ocurrir porque el azar es
imprevisible y catico y cualquier cosa puede ocurrir", o dicho de
otro modo: "el azar no se puede cuantificar".
6) Teorema de Bernoulli. Consecuencias de la ley de los
grandes nmeros.
Investigaremos si existe una intuicin correcta de este teorema
o si priman en el pensamiento de los adolescentes una serie de ideas
incorrectas acerca de los fenmenos aleatorios que se explican por
esta ley (Borrs y Morata, 1989). La idea esencial a estudiar es si los
adolescentes comprenden el concepto de equilibrio global que
supone la ley de los grandes nmeros, la estabilidad de las
frecuencias relativas a largo plazo o ms bien, tienen un concepto de
equilibrio local, de regularidad del azar a corto plazo. En este sentido
se van a investigar los siguientes aspectos:
a) La vigencia de la llamada "falacia del jugador", es decir la
creencia de que despus de una larga serie de cruces es ms
probable que salga cara, al lanzar una moneda normal, o dicho de
otra manera, la intuicin de que "el azar tiene memoria", es
compensatorio.
b) La creencia errnea en una "regularidad estadstica" que
supone que si se ha lanzado la moneda 1000 veces y han salido 519
caras y 481 cruces y se sigue lanzando, necesariamente la diferencia
entre caras y cruces disminuye a medida que aumenta el nmero de
tiradas. Esta creencia errnea parece un corolario abusivo de que el
cociente de caras y cruces s que se aproxima a 1 cuando el nmero

de tiradas es muy grande.

c) La intuicin acerca de un principio estadstico correcto como
es el fenmeno de regresin a la media que explica que si tiramos la
moneda otras mil veces es ms probable que el nmero de caras de
la segunda tanda de 1000 tiradas sea menor de 519 que lo contrario.
d) La vigencia del sesgo de representatividad que hace estimar
ms probable una secuencia "desordenada" como CXXCCX, que una
secuencia "ordenada", como CCCXXX, al lanzar una moneda.
e) La interpretacin que hacen los alumnos de la convergencia
en probabilidad que supone la ley de los grandes nmeros.
7) Combinatoria y establecimiento del espacio muestral
asociado a una experiencia aleatoria.
Estudiaremos la dificultad que tienen los alumnos para
establecer el conjunto de resultados asociado a algunas experiencias
aleatorias, dificultad detectada por Fischbein (1975) y por Engel,
Varga y Walser (1976). En nuestra primera investigacin se puso de
manifiesto esta dificultad en relacin con la incapacidad de los
alumnos para establecer el espacio muestral de algunas situaciones
aleatorias y para realizar clculos combinatorios sencillos. Ahora
investigaremos la dificultad en tres direcciones:
a) El dominio del esquema combinatorio en relacin a la
comprensin de la probabilidad.
b) Los problemas histrico-epistemolgicos que se plantearon
en la modelizacin matemtica de una determinada situacin
aleatoria y su vigencia en el pensamiento de los alumnos.
c) El contexto de la tarea que puede inhibir el conteo
exhaustivo de los resultados posibles en un experimento aleatorio e
incitar al uso de razonamientos o heursticos que suponen un atajo
computacional incorrecto.
8) Ley de la multiplicacin de probabilidades.
Nos interesa contrastar afirmaciones, a veces contrapuestas,
de varios investigadores: Fischbein (1975) defiende que en el anlisis
de la ley de multiplicacin de probabilidades debe hacerse una
distincin entre la intuicin primaria de la reduccin de la
probabilidad como resultado de la conjuncin de las condiciones
(P(AB)P(A), P(AB)P(B)) y el clculo apropiado en esta situacin (la
multiplicacin). La mayora de los sujetos poseen la intuicin
primaria de la reduccin de la probabilidad pero no la intuicin del
clculo apropiado. Adems sucede que la transferencia de la ley
multiplicativa, una vez aprendida, a otra situacin aleatoria slo se
produce si esta ltima est prxima a la situacin en la que se
aprendi; no hay una transferencia remota de la ley multiplicativa. El
autor admite su equivocacin al pensar que bastaba con hacer
explcita al alumno su intuicin primaria, correcta aunque
rudimentaria, y asociarla con la correspondiente tcnica de clculo,
para que ste construya una estructura conceptual viable (en este

caso, la ley multiplicativa) que pueda transferir para resolver

problemas anlogos. Por ello, aconseja que se busquen diferentes
mtodos para ensear la ley multiplicativa de las probabilidades,
como la utilizacin de los diagramas en rbol en una amplia variedad
de situaciones concretas.
Green (1982) ha encontrado un dominio muy pobre de esta
ley que, segn l, no tiene un soporte intuitivo al que los sujetos
puedan agarrarse. Kahneman, Slovic y Tversky (1982) han mostrado
que los juicios intuitivos de probabilidad de los sujetos violan la regla
de la conjuncin cuando la conjuncin es ms representativa de los
procesos subyacentes en una situacin probabilstica que alguno de
los sucesos constituyentes de la situacin.
9) Ley de la suma de probabilidades
Fischbein (1975) explica la dificultad encontrada en la
utilizacin de esta ley, en base a la incapacidad de los sujetos para
realizar el inventario completo de los sucesos asociados a una
situacin probabilstica, tal como se indic en el apartado 7): la
dificultad est en determinar todos los sucesos elementales que
componen el suceso unin y no en la comprensin de que hay que
sumar todas las probabilidades para hallar la probabilidad de la
unin. Fischbein pone esta dificultad como ejemplo no slo de la
laguna intuitiva ms importante de la comprensin del azar y la
probabilidad, sino ms bien como ejemplo de una intuicin
contradictoria con el principio normativo. Dice que hay que construir
una intuicin secundaria, destinada a llenar esa falta de intuicin o a
reemplazar la intuicin primaria inadecuada, pero que esa
construccin exige ejercicio prolongado que interacte con los
estadios de desarrollo intelectual, de modo que la construccin se
incorpore dentro de la estructura cognitiva del sujeto.
En nuestra primera investigacin encontramos que la ley
multiplicativa de las probabilidades parece ms fcil que la ley
aditiva. En la presente investigacin queriendo contrastar los
hallazgos de los autores citados, vamos a estudiar las leyes de la
suma y la multiplicacin de probabilidades en dos escenarios
distintos : el escenario estndar, de aplicacin directa de las leyes, y
el escenario que presenta una situacin engaosa que puede inhibir
el uso de las leyes.
10) Variable aleatoria. Esperanza matemtica. Ley binomial.
Aunque lo ms llamativo en una experiencia aleatoria sean los
valores extremos, lo que suele proporcionar ms informacin son los
valores medios o los valores esperados. Entender bien el significado
del valor esperado es til en el anlisis de muchas situaciones de la
vida real. Precisamente en la primera investigacin (problema n 6)
exploramos la comprensin del concepto de utilidad esperada en un
tem que generaba el sesgo de aversin al riesgo en un contexto

pseudo-real.
En la presente investigacin queremos estudiar este concepto
en fenmenos aleatorios familiares regidos por la ley binomial. Se
elige esta distribucin de probabilidad porque es una de las ms
sencillas, cuyo clculo de probabilidades y de parmetros (media y
varianza) exige slo la utilizacin de las leyes de la suma y la
multiplicacin de probabilidades y las tcnicas combinatorias pero
que, por lo mismo, presenta asociadas las dificultades indicadas en
los apartados 7, 8 y 9.
11) Probabilidad condicionada. Independencia de sucesos.
Teorema de Bayes
Muchos de los errores habituales en el mtodo de razonamiento se deben a una mala comprensin del concepto de probabilidad
condicionada (Kelly y Zwiers, 1988). Este concepto afirma que, salvo
que A y B sean dos sucesos independientes, la probabilidad de que
ocurra A es distinta de la probabilidad de que ocurra A sabiendo que
ha ocurrido B. Qu significa esto para un alumno de secundaria?
En esta investigacin, estudiamos la utilizacin intuitiva que
hacen los adolescentes de este concepto y de un teorema asociado
como es la Regla de Bayes que ha generado una abundante
investigacin en relacin a los sesgos que suscita: conservadurismo
de los sujetos en la estimacin de las probabilidades a posteriori,
ignorancia de las probabilidades a priori, planteamiento del problema
en trminos causales y no probabilsticos,...(Bar-Hillell, 1983;
Borovcnik, 1988).
12) Variabilidad de las muestras aleatorias. Tamao muestral.
Estimar las caractersticas de una poblacin a partir de los
datos de una muestra es el objeto de la estadstica inferencial. La
dificultad se centra en la eleccin de una muestra representativa de
la poblacin y con tamao adecuado. La investigacin ha sealado la
insensibilidad de los sujetos al tamao muestral cuando el problema
se presenta en un contexto engaoso y la tendencia a formular una
"ley de los pequeos nmeros" que supone una extensin abusiva de
la ley de los grandes nmeros a muestras pequeas (Borovcnik,
1983; Evans y Dusoir, 1977, Kassin, 1979, Shaughnessy, 1992).
En la presente investigacin estudiamos ambas cuestiones
mediante dos problemas. Uno es el problema de las maternidades
que ya discutimos en la primera investigacin. All tuvimos ocasin
de comprobar la dificultad de comprensin de su enunciado; por eso,
ahora lo presentamos con un enunciado mucho ms simple pero
manteniendo la misma estructura normativa. Otro es el problema 7
del captulo 3, ahora lo presentamos en una versin que
consideramos ms clara desde la perspectiva conceptual (ver

problema 4 en el anexo 2 de este captulo, p. 185).

b) Variables del sujeto
Otra de las conclusiones de la primera investigacin haca
referencia a la necesidad de estudiar las diferencias individuales en
la calidad del razonamiento probabilstico. En este sentido,
analizaremos la relacin entre el rendimiento en probabilidades y
ciertas variables del sujeto que puedan explicar parte de la varianza
en el rendimiento: edad, sexo, estilo cognitivo, conocimiento previo
de teora de probabilidades y rendimiento en matemticas.
En relacin a la edad, pretendemos establecer patrones
evolutivos de los conceptos probabilsticos a lo largo de la
adolescencia, es decir en un rango de edad de 14 a 18 aos
(Brainerd, 1981). De los resultados de la investigacin de Fischbein
(1975) parece desprenderse que no hay una mejora sistemtica y
espontnea en el razonamiento probabilstico que pueda atribuirse a
la edad, por lo menos en los ncleos conceptuales que estudia
(probabilidad como mtrica del azar, leyes de la suma y multiplicacin de probabilidades). En su investigacin se encuentra, sin
embargo, una cierta superioridad de los alumnos mayores (el rango
de edad est entre 13 y 17 aos) en la capacidad de transferencia de
las reglas de clculo, una vez aprendidas.
Por el contrario, Green (1982) encuentra en su investigacin
que la variable ao escolar es un factor significativo que explica el
14% de la varianza encontrada en su prueba de conceptos
probabilsticos. Los sujetos de su estudio tienen entre 11 y 16 aos y
hay una mejora significativa de los alumnos mayores de 13 aos, en
relacin a los menores, lo que podra explicar los resultados
contradictorios con Fischbein, cuyos sujetos son todos mayores de 13
aos. Se apunta un dato en la investigacin de Green que consideramos de mucho inters: los temes donde se encontraron diferencias significativas en relacin a la edad, son temes que exigen la
aplicacin de la regla de Laplace (casos favorables / casos posibles),
mientras que en el resto de los temes (los que implican un
reconocimiento de la existencia de fenmenos aleatorios, la ley de
los grandes nmeros, la inferencia estadstica, etc.) no se
encontraron diferencias en relacin a la edad. En definitiva, son las
cuestiones que tienen que ver con el concepto de probabilidad como
una proporcin, las que son sensibles a la edad. Esto parece tener
relacin con el esquema proporcional como uno de los componentes
del pensamiento formal (Karplus, Pulos y Stage, 1983a, 1983b). Por
ello, se han introducido en el presente estudio varias cuestiones que,
desde un punto de vista piagetiano, exigen la utilizacin de tres
esquemas operatorios formales: las operaciones combinatorias, las
proporciones y la nocin de probabilidad terica. En relacin a estas
cuestiones se investigar la existencia de patrones evolutivos.

Vamos a estudiar la variable sexo porque Green (1982) ha

encontrado que los chicos superan (con significacin estadstica) a
las chicas en la puntuacin total de su cuestionario de conceptos
probabilsticos; sin embargo, no ha hallado diferencias significativas
estadsticamente en la mayora de los temes, considerados uno a
uno.
El estudio de la dependencia-independencia de campo
(DIC) es uno de los enfoques funcionales que ha enriquecido y sigue
enriqueciendo el anlisis del comportamiento cognitivo de las
personas enfrentadas a la resolucin de diversos tipos de tareas
(perceptivas, de comprensin de la ciencia, etc.). Por ejemplo, Corral
(1983) ha estudiado la influencia de la DIC en la resolucin de las
tareas formales utilizando la teora de los Operadores Constructivos
de Pascual Leone. Tambin, dentro de este marco terico, se ha
estudiado la relacin entre la DIC y la resolucin de problemas
qumicos (Pozo et al., 1991).
El estilo cognitivo DIC explica las diferencias individuales en el
funcionamiento cognitivo de los sujetos en base a los siguientes
principios (Carretero, 1982; Pozo et al., 1991):
-Los sujetos independientes de campo (I.C.) son ms
autnomos que los dependientes de campo (D.C.) respecto a la
informacin exterior.
- Los sujetos IC tienen una mayor capacidad para reestructurar
el campo perceptivo.
- A los IC les resulta ms fcil que a los sujetos DC aislar un
elemento de su contexto.
- Los IC tienen una mayor capacidad para la resolucin de
situaciones que se ven obstaculizadas por la induccin de un
conocimiento figurativo, as como una mayor capacidad para utilizar
otras estrategias cuando las que se aplican no son adecuadas.
- Los sujetos IC se ven menos influidos en su funcionamiento
cognitivo por trastornos emocionales.
Una conjetura de Corral (1983) que creemos muy fecunda
para el presente trabajo, postula que uno de los aspectos en los que
se diferenciaran los IC y los DC es en su facilidad para rechazar
ideas espontneas que la ciencia o las pruebas experimentales
falsan, pero que cualquier sujeto, al menos en algn momento de su
desarrollo, considera como evidentes ( por ejemplo, la idea de que es
necesaria alguna fuerza para que exista movimiento) debido a la
pregnancia perceptiva o a los aspectos figurativos de la situacin.
Los sujetos IC mostraran una mayor facilidad para abandonar ideas
errneas que los sujetos DC. Si eso es as, la variable psicolgica DIC
podra explicar parte de la varianza en el rendimiento en tareas
probabilsticas engaosas, es decir, tareas que dificultan la
utilizacin del pensamiento probabilstico formal porque incitan el
uso de concepciones sesgadas del azar y sus leyes.

El conocimiento previo en un campo cientfico cualquiera, es

una variable fundamental a la hora de explicar un aprendizaje nuevo
en ese campo. Slo cuando ya existe algn concepto rudimentario
relevante para el material nuevo el aprendizaje es significativo. Lo
que se aprende es funcin, fundamentalmente, de lo que ya se sabe
(Ausubel, Novak y Hanesian, 1978). Driver, Guesne y Tiberghien
(1985) sealan cmo el contenido previo o las concepciones
alternativas con las que los alumnos se acercan al estudio de la
ciencia son, muy a menudo, concepciones sesgadas, desviadas,
sobre los fenmenos cientficos y persisten an despus de la
instruccin. El enfoque de las concepciones alternativas ha sido y
sigue siendo muy fecundo para el anlisis de los procesos cognitivos
en la comprensin de las ciencias de la naturaleza por parte de los
adolescentes. Menos importancia ha tenido en el campo de las
matemticas.
En la presente investigacin contribuimos a este anlisis
estudiando si los alumnos que han recibido instruccin en la teora
de probabilidades realizan significativamente mejor una prueba de
razonamiento probabilstico que los que no han recibido dicha
instruccin. Sin embargo, no debe bastarnos con saber que esta
variable influye, sino tambin cmo influye. En consecuencia,
trataremos de catalogar, en primer lugar, las ideas estadsticas,
tanto correctas como errneas, que los adolescentes poseen antes
de cualquier tipo de instruccin (intuiciones primarias) y, en segundo
lugar, las ideas estadsticas que poseen, tanto correctas como
incorrectas, despus de haber estudiado probabilidades (intuiciones
secundarias).
El nivel de aptitud en matemticas es otra variable
potencialmente predictora del rendimiento en tareas probabilsticas
en cuanto que la teora de probabilidades es una parte del corpus
cientfico que constituye la matemtica. Green (1982) ha encontrado
que la variable MA, habilidad matemtica general, es un factor
significativo estadsticamente a la hora de explicar la varianza
encontrada en el rendimiento en el test de conceptos probabilsticos
por parte de alumnos ingleses de entre 11 y 16 aos. Sin embargo,
Fischbein (1975) reduce mucho la importancia de la habilidad previa
en matemticas, a la hora de explicar el rendimiento en el
aprendizaje y comprensin de las ideas probabilsticas ms
elementales; encontr que la superioridad de los alumnos con mayor
preparacin matemtica slo se manifest cuando se indujo a los
sujetos a transferir una operacin aprendida (la aplicacin de la ley
de multiplicacin de probabilidades a experimentos aleatorios con
dados y manzanas, despus de haberla aprendido en una tarea ms
sencilla de extraccin de canicas de una bolsa). Formula una
hiptesis explicativa: la aptitud para las matemticas presupone la
habilidad para adaptar un procedimiento de cuantificacin a
intuiciones preexistentes pero no presupone, al menos necesaria-

mente, la existencia de intuiciones primarias extras o la capacidad

de generarlas en alumnos con alta habilidad matemtica. Nosotros
queremos analizar no slo si influye o no esta variable en el
razonamiento probabilstico de nuestros adolescentes, sino tambin
cmo influye en cada una de las ideas y conceptos que conforman la
teora elemental de probabilidades.
c) Iniciativas metodolgicas en relacin a las variables
de la tarea
Uno de los resultados bsicos de la primera investigacin de
esta tesis refleja el hecho de que el razonamiento probabilstico
depende de las caractersticas de la tarea propuesta. Ahora
analizaremos este resultado fundamental desde otro ngulo
mediante algunas aportaciones metodolgicas que creemos suponen
una innovacin en las investigaciones en este campo. La descripcin
de estas aportaciones y las razones para realizarlas se exponen a
continuacin.
c.1) Cada contenido probabilstico se presenta al menos en dos
problemas diferentes, definidos de tal modo que: o bien inciden en
distintos elementos conceptuales, o bien incitan con fuerza desigual
la representacin del problema en trminos de un sesgo
probabilstico, o bien provocan distintos sesgos que afectan al mismo
ncleo conceptual estadstico. Los problemas son seleccionados de
entre los que se utilizan
en las investigaciones sobre el
razonamiento probabilstico y que hemos tenido ocasin de revisar
en los captulos 2 y 3 de esta tesis, con dos criterios: han de
resolverse con la utilizacin directa de alguna de las ideas
estadsticas que conforman los ncleos conceptuales bsicos y han
de provocar alguno de los sesgos o intuiciones documentados.
c.2) Cada problema se presenta solucionado con dos
explicaciones alternativas, una de ellas se basa en la utilizacin de
una idea estadstica correcta, la otra se basa en una concepcin
alternativa de la idea normativa. Esta metodologa que ya ha sido
utilizada en otros contextos de investigacin (Mevarech, 1983) es
una
adaptacin
del
modelo
diagnstico
de
dificultades
procedimentales en destrezas matemticas bsicas de Brown y
Burton (1978). En situaciones de aprendizaje tradicional se le da a un
estudiante una serie de problemas y sus respuestas son
cuidadosamente analizadas por un diagnosticador. En el presente
estudio el cuestionario juega el papel de un alumno errtico y sus
concepciones errneas o correctas han de ser identificadas por los
diagnosticadores, es decir, los estudiantes que participan en el
estudio.
Contemplada desde otro ngulo, esta metodologa permite
tratar la tarea como una prueba de juicio probabilstico y analizarla a
la luz del modelo conceptual de juicios probabilsticos de Hogarth

(1987). En ese modelo, un juicio o decisin ocurre dentro de un

entorno de tarea; a su vez, dentro de ese entorno de tarea acta el
esquema de la persona, es decir las creencias o ideas de la persona,
que influye en la representacin mental de la tarea, es decir, en
cmo el sujeto percibe y estructura la tarea a realizar. Es en este
escenario donde tienen lugar las operaciones de adquisicin de la
informacin, procesamiento de los datos y salida de resultados, que
caracterizan la resolucin de una tarea y conducen al juicio
probabilstico. En cualquiera de estas operaciones se pueden
producir sesgos o estrategias errneas, cuyo origen est, o bien en
las caractersticas de la tarea, o bien en el esquema del sujeto o bien
en ambos elementos a la vez. Este modelo conceptual tiene la
virtud, a nuestro criterio, de explicar y situar la funcin de los
heursticos y sesgos de Tversky y Kahneman y de las intuiciones de
Fischbein, en el razonamiento probabilstico de las personas.
As, le presentamos a la mitad de los alumnos un cuestionario
que tiene unos problemas resueltos correctamente y otros
incorrectamente, y la otra mitad recibe un cuestionario que tiene
bien resueltos los problemas que el primero tena mal y viceversa. La
redaccin de la solucin correcta recoge explcitamente el principio o
ley estadstica en la que se basa; la redaccin de la solucin
incorrecta est formulada con las mismas ideas errneas que
expresaron los sujetos de la primera investigacin de esta tesis o de
investigaciones anteriores del autor y en el caso en que se recurre a
temes nuevos, la redaccin de la solucin recoge la formulacin del
sesgo tal como est descrito por el investigador correspondiente. El
trabajo de cada alumno ser juzgar si le parece correcta o incorrecta
la solucin propuesta a cada tem y dar una medida de la confianza
en su juicio.
Este formato puede tener el inconveniente de ser sensible al
"sesgo confirmatorio", no tanto en el sentido que lo define Evans
(1989) de que el sujeto escoge la solucin que confirme su hiptesis
previa, sino en cuanto que puede haber un porcentaje de sujetos que
acepten la solucin propuesta, sea sta cual sea, simplemente
porque es la propuesta. Ahora bien, lo que se pretende en este
estudio no es evaluar lo que sabe cada alumno de teora de
probabilidades, sino comparar las componentes cientficas y
personales del pensamiento probabilstico de los adolescentes, y en
este sentido el posible sesgo confirmatorio estara compensado en
los dos tipos de cuestionarios propuestos (uno con la solucin
normativa y otro con la solucin alternativa, en cada tem).
Con la metodologa propuesta en la presente investigacin se
eliminan las conocidas dificultades de expresin escrita y clculo que
tienen los alumnos de bachillerato y que se acentan en los de 1
BUP, las cuales ocultan muchas veces la existencia de un
pensamiento intuitivo correcto; la eliminacin de esta dificultad (los
alumnos no tienen que escribir ni calcular nada) anula una variable

extraa que podra influir en un anlisis comparativo del

pensamiento probabilstico de alumnos tan diferentes como son los
de 1 y COU.
Por otra parte, un estudio como el presente que pretende
cubrir el amplio espectro de contenido probabilstico que describimos
anteriormente, lo que implica una gran cantidad de temes en el
cuestionario, exige que se aligere lo ms posible el trabajo de
escritura y clculo en cada tem, para evitar sensacin de hasto y
cansancio en los alumnos. La necesidad de un cuestionario amplio se
deriva de que no se puede obtener una idea global de las
concepciones probabilsticas de los sujetos analizando sus respuestas
a una tarea individual, por muy sugerente que sta sea, sino que se
deben considerar las respuestas a mltiples tareas relacionadas,
supuesta la naturaleza contingente de estas concepciones.
Otra de las razones que justifican la eleccin de esta
metodologa es que se puede comparar directa y explcitamente,
cada idea estadstica con sus correspondientes sesgos, tanto en
alumnos instrudos en probabilidades como en alumnos no instruidos: al presentar las soluciones correctas a cada problema, el propio
procedimiento sirve de instruccin inicial a los alumnos que nunca
estudiaron probabilidades y activa en la memoria ideas que en algn
momento hayan podido aprender alumnos que estudiaron
probabilidades; por su parte la solucin incorrecta recoge
explcitamente en su formulacin un sesgo cognitivo o intuicin
errnea que el alumno tiene que aceptar o rechazar. De esta manera
podemos analizar la aceptacin intuitiva de leyes tan sofisticadas
para un novato como son la Regla de Bayes o el Principio de
Regresin a la Media, por ejemplo, que con otro formato de
investigacin sera muy difcil.
Pensamos que la prueba propuesta actuar como una lupa de
muchos aumentos de las diversas ideas, creencias e intuiciones que
conforman la comprensin del azar y sus leyes de estas personas. En
suma, facilitar el anlisis del conocimiento personal vs
conocimiento cientfico en la comprensin de la ciencia estadstica.
c.3) En cada problema, el sujeto ha de dar una medida de su
confianza en la exactitud de su juicio. Dicha medida se expresa en
una escala de 50 a 100, de tal modo que una confianza 50 indica que
el sujeto ha tomado al azar (a cara y cruz) la decisin sobre la
correccin de la solucin propuesta ya que no tiene nada claro si
esta solucin es correcta o incorrecta, mientras que una confianza
100 expresa la total seguridad del sujeto en su decisin. Desde esta
perspectiva, la confianza podra ser una probabilidad subjetiva en
cuanto que mide el grado personal de incertidumbre acerca de un
suceso incierto para uno mismo. Decimos "podra ser" y no decimos
"es" porque, como afirman von Winterfeldt y Edwards (1986, p. 83)
"... no todas las opiniones numricas sobre sucesos inciertos son

probabilidades; las opiniones para ser tratadas como probabilidades

deben ser consistentes". Queda por saber si las medidas de
confianza que dan nuestros alumnos son consistentes (de Finetti,
1974).
Esta medida de confianza se utiliza, dentro del campo de la
teora de la decisin conductual, en el paradigma de calibracin para
estudiar el sesgo de sobreconfianza (Gambara, 1991), como hemos
tenido ocasin de revisar en el captulo 2. Fischbein (1987) relaciona
la sobreconfianza con la metacognicin. Explica la tendencia general
de la gente a ser sobreconfiada por una necesidad de certidumbre
en sus juicios y decisiones, por una necesidad de conseguir
representaciones e interpretaciones crebles de la realidad. Sin
embargo, la sobreconfianza es un obstculo para el autocontrol y
puede bloquear el camino hacia una mejora significativa de la
calidad del razonamiento. Fischbein afirma que el objetivo educativo
en relacin a la sobreconfianza no debe ser simplemente obtener
una mejor calibracin de los juicios de los estudiantes sobre la
correccin de sus soluciones; no se trata de hacerlos conscientes de
cun ignorantes son porque planteado as, puede destruir su
autoconfianza e interrumpir sus procesos de razonamiento sin una
contrapartida de una mejora sistemtica de su calidad de
pensamiento. El problema educativo genuino es dotar a los
estudiantes de medios intelectuales para controlar metdicamente,
por una reflexin a posteriori, el curso y componentes de sus
procesos de razonamiento y desarrollar, a travs de prctica
sistemtica,
algunas
tcnicas
para
controlar
directa
y
automticamente la validez de nociones e inferencias implicadas en
el proceso de razonamiento.
En la presente investigacin no pretendemos hacer un estudio
sobre la existencia de sobreconfianza en el razonamiento
probabilstico de los sujetos ni establecer una medida de su
capacidad metacognitiva, tareas, ambas, muy interesantes pero que
resultan lejanas a los objetivos de nuestro anlisis. Lo que
pretendemos con la introduccin de esta medida de confianza es
tener un indicador cuantitativo de la fuerza o aceptacin intuitiva
que tiene para los sujetos la solucin elegida (Fischbein, Tirosh y
Melamed, 1981). Esto nos permitir establecer una categorizacin
de las ideas probabilsticas de los adolescentes, en base a su
atraccin intuitiva.
En resumen, tres son los objetivos fundamentales de la
investigacin:
a) Realizar una descripcin, lo ms completa posible, del
sistema de ideas probabilsticas de los adolescentes, estudiando el
origen de los sesgos o ideas errneas en relacin al esquema
cognitivo del sujeto y a las caractersticas de la tarea.

b) Establecer una categorizacin de las ideas probabilsticas,

tanto las que corresponden a un conocimiento cientfico como las
que corresponden a un conocimiento personal, segn su aceptacin
intuitiva por los adolescentes.
c) Investigar la influencia de ciertas variables del sujeto (ao
escolar, sexo, estilo cognitivo, conocimientos previos y habilidad
matemtica general) en el rendimiento en tareas de razonamiento
probabilstico.
2.2.- MTODO
Sujetos: 275 alumnos pertenecientes a dos institutos de
bachillerato de Madrid, diurnos, de barrios de clase media. Los
alumnos estaban distribuidos por cursos acadmicos de la siguiente
manera: 26 de 1 BUP (1 grupo), 133 de 2 de BUP (4 grupos), 57 de
3 de BUP (2 grupos) y 59 de COU (2 grupos). Por sexo, 116 eran
hombres y 159 mujeres.
Diseo: Se trata de un experimento con asignacin aleatoria
de grupos ya formados de modo que, en cada grupo, la mitad de los
alumnos contestaron un cuestionario probabilstico que tiene 14
problemas con solucin normativa y 14 con solucin no normativa y
la otra mitad contestaron a otro cuestionario que tiene bien
resueltos, desde el punto de vista normativo, los problemas que el
primero tena mal y viceversa.
Se definieron 28 variables dependientes: cada una de ellas
establece la correccin o incorreccin de la respuesta del sujeto a
cada tem del cuestionario. Hemos optado por considerar el
rendimiento en cada tem como una variable dependiente en lugar
de considerar como una nica variable dependiente el rendimiento
global en el cuestionario completo, por dos razones, una terica y
otra metodolgica:
La amplsima variedad de ideas probabilsticas, de muy distinto
nivel de sofisticacin y dificultad, que conforma el cuestionario, el
cual pretende cubrir todos los contenidos del currculo de
probabilidades del bachillerato y COU, nos parece que dificulta el
estudio de la comprensin probabilstica de los alumnos como un
todo nico y nos aconseja no un macro-anlisis sino un micro-anlisis
que permita estudiar cada uno de los ncleos probabilsticos por
separado.
La razn metodolgica es que, ante la escasez de investigaciones sobre la comprensin probabilstica de los adolescentes,
nuestro trabajo es un estudio exploratorio que utiliza tareas de
diverso tipo y procedencia (paradigma de heursticos y sesgos,
paradigmas evolutivos, investigacin didctica, etc.) cuya validez
ecolgica no est suficientemente contrastada en el campo del

pensamiento probabilstico de los adolescentes. Por ello conviene

investigar la adaptacin del contenido de cada tem a estos sujetos.
lo que refuerza la conveniencia de un anlisis tarea a tarea.
Se han utilizado las siguientes variables independientes, todas
ellas intergrupo:
1) Variable curso o ao escolar, con 4 niveles: 1 de BUP, 2 de
BUP, 3 de BUP y COU.
2) Variable DIC (Dependencia/Independencia de Campo), con 2
niveles: independientes de campo y dependientes de campo. Se
evalu la dimensin dependencia-independencia de campo (DIC) de
los sujetos mediante la adaptacin espaola (Ballesteros y Maci,
1981) del Group Embedded Figures Test (GEFT) de Witkin, Oltman,
Raskin y Karp (1971). Este test es una adaptacin del Embedded
Figures Test (EFT) que permite evaluar la dimensin DIC en grupos
amplios de sujetos en una sesin de 20 minutos. Consta de tres
secciones, cada una de las cuales consta de 9 figuras complejas que
enmascaran, cada una de ellas, una figura simple que ha de
encontrar el sujeto. La puntuacin, que es el nmero total de formas
simples definidas correctamente en la segunda y tercera seccin (las
formas de la primera sirven de entrenamiento), se mueve en un
rango de 0 a 18. Hemos clasificado como dependientes de campo
(DC) a los sujetos que ocupaban el primer cuartil de la distribucin e
independientes de campo (IC) a los que ocupaban el ltimo cuartil de
la distribucin.
3) Variable conocimientos previos en teora de probabilidades,
con dos niveles: s, no. Para evaluar esta variable se pregunt a los
alumnos si haban estudiado alguna vez dicha parte de las
matemticas y cundo. Esta informacin se cotej con sus profesores
de matemticas de tal manera que se encontr que 198 alumnos
nunca haban estudiado teora de probabilidades y 77 haban
estudiado el contenido probabilstico correspondiente al programa de
matemticas de 1 de BUP. Esos son los dos grupos que se
establecieron en relacin a la variable conocimientos previos.
4) Variable aptitud para las matemticas, con cuatro niveles:
baja, regular, alta y muy alta. Para evaluar esta variable se pidi a
los profesores de los sujetos que los calificasen en una escala de 4
puntos (aptitud baja, regular, alta y muy alta) de acuerdo a su
historial acadmico en matemticas.
5) Variable sexo, con dos niveles: hombre y mujer.
Procedimiento: los sujetos deban responder a un cuestionario de 28 problemas que cubren los ncleos conceptuales citados en
la introduccin a este experimento y cuyos enunciados y soluciones

propuestas figuran en el anexo 2 de este captulo (pg. 185). En

concreto, deban juzgar si la solucin propuesta a cada cuestin era
correcta o incorrecta y adems deban estimar la seguridad con la
que haban formulado su juicio, en medida de porcentaje (50-100%).
En las instrucciones no se les indicaba explcitamente que se trataba
de una prueba de razonamiento probabilstico sino que se les deca
que las cuestiones propuestas eran situaciones de la vida cotidiana,
sorteos y juegos. Adems se les deca que haba cuestiones resueltas
correctamente y cuestiones cuya solucin era incorrecta y que tenan
que detectar unas y otras. Se les peda que contestaran a todas las
cuestiones aunque tuvieran dudas y que estimaran, en cada una, la
seguridad que tenan en que la decisin que haban tomado (acerca
de calificar una solucin como correcta o incorrecta) era acertada.
Para ello se les instruy en la estimacin de confianza como una
medida de 50 a 100: un porcentaje de 100 significaba total
seguridad en haber acertado al calificar una solucin dada y uno de
50, significaba que no haba ninguna seguridad en la solucin y que
la calificacin de correcta o incorrecta se haba hecho al azar. Se
hicieron diversos ejercicios de estimacin de confianza con un
cuestionario de temes de conocimiento general.
2.3.- RESULTADOS
Vamos a presentar los resultados obtenidos en dos grandes
bloques: los relativos a factores de tarea y los relativos a factores de
sujeto.
a) En relacin a los factores de tarea, hemos estudiado para
cada tem, en primer lugar, si existen diferencias significativas
estadsticamente entre el porcentaje de aceptacin de la solucin
normativa y el de aceptacin de la solucin no normativa; para
analizar esta diferencia de proporciones hemos utilizado la prueba de
la Chi-2.
En segundo lugar, hemos estudiado las diferencias
significativas entre la confianza media de aceptacin de ambas
soluciones; para analizar esta diferencia de medias hemos utilizado
el anlisis de varianza de un factor.
En tercer lugar hemos clasificado los problemas en categoras
que reflejan su grado de aceptacin intuitiva por parte de los
alumnos, utilizando las diferencias significativas tanto de porcentajes
como de confianzas. Conviene subrayar el hecho de que el anlisis
del pensamiento estadstico de los sujetos se realiza utilizando
pruebas estadsticas: la estadstica explica la estadstica. Esto puede
parecer una paradoja pero ya Bertrand Rusell hizo algo similar con la
teora de conjuntos: recuerden aquello del "barbero que afeitaba a
todos los del pueblo que no se afeitaban a s mismos".
Los resultados obtenidos figuran en la siguiente tabla.

% ACEPTACION

CONFIANZA MEDIA DE
ACEPTACION

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

CATEGORIZACION

ITEM 1

85

50.4

12=37.96
p<.01

86.85

80.70

F1,272=10.6
p<.01

ITEM 2

86.5

32.8

12=82.82
p<.01

89.14

82.21

F1,273=9.91
p<.01

ITEM 3

40.8

74.3

12=31.48
p<.01

77.13

82.51

F1,273=5.47
p<.05

CI

ITEM 4

52.4

58.4

------

77.02

75.13

------

IC

ITEM 5

63.2

77.7

12=6.93
p<.01

83.17

89.29

F1,273=11.21
p<.01

CI

ITEM 6

42.6

63.2

12=11.56
p<.01

74.82

84.90

F1,272=22.14
p<.01

CI

ITEM 7

60.5

54.1

------

78.08

79.8

------

IC

ITEM 8

87.8

49.6

12=47.48
p<.01

87.23

80.86

F1,273=9.24
p<.01

ITEM 9a

85.1

40.8

12=52.4
p<.01

87.63

80.46

F1,273=10.35
p<.01

Error!Marcador no definido.

% ACEPTACION

CONFIANZA MEDIA DE
ACEPTACION

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

CATEGORIZACION

ITEM 9b

73.5

58.4

12=6.89
p<.01

88.21

83.41

F1,273=8.75
p<.01

ITEM 10

50.4

77.7

12=22.26
p<.01

83.20

87.47

F1,273=8.75
p<.01

CI

ITEM 11

56.8

79.1

12=15.65
p<.01

83.20

87.47

F1,273=4.27
p<.05

CI

ITEM 12

76

54.1

12=14.18
p<.01

79.30

71.52

F1,272=11.04
p<.01

ITEM 13

79.7

70.4

-------

87.61

85.02

-------

IC

ITEM 14

36.8

49.3

-------

82.22

80.90

-------

SC

ITEM 15

65.3

51.6

12=5.22
p<.05

78

69.83

F1,169=13.15
p<.01

ITEM 16

75

63.5

-------

78.28

79.1

-------

IC

ITEM 17

63.7

48

12=6.375
p<.01

91.74

87.47

F1,270=5.94
p<.05

ITEM 18

61.5

63.7

-------

80.61

78.37

-------

IC

ITEM 19

45.6

42.3

-------

82.29

78.86

-------

SC

Error!Marcador no definido.

% ACEPTACION

CONFIANZA MEDIA DE
ACEPTACION

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

SOLUCION
NORMATIVA

SOLUCION NO
NORMATIVA

DIFERENCIAS
SIGNIFICATIVAS

CATEGORIZACION

ITEM 20

44.2

73.2

12=22.96
p<.01

77.10

84.04

F1,269=10.23
p<.01

CI

ITEM 21

51.7

81.3

12=25.85
p<.01

73.10

82.76

F1,269=14.25
p<.01

CI

ITEM 22

52.8

82.9

12=28.22
p<.01

75.60

86.28

F1,268=22.73
p<.01

CI

ITEM 23

41.5

67.1

12=17.19
p<.01

76.64

82.92

F1,265=8.24
p<.01

CI

ITEM 24

39.8

70.8

12=25.94
p<.01

71.02

77.09

F1,263=6.61
p<.05

CI

Error!Marcador no definido.

Como observamos en la tabla, hemos establecido cuatro

categoras en la interaccin entre intuiciones y matemticas:
a) En la primera categora (I) estn los problemas que
presentan un porcentaje elevado de aceptacin de soluciones
correctas con un alto grado de confianza y al mismo tiempo un
porcentaje claramente inferior de aceptacin de la solucin
incorrecta. Postulamos que estos problemas incluyen ideas
probabilsticas intuitivas. Podemos suponer que las ideas
estadsticas que pertenecen a esta categora no causarn
dificultades en el proceso de enseanza-aprendizaje. Hemos
clasificado en esta categora los problemas que tengan a la vez, un
porcentaje de aceptacin de la solucin normativa y de su confianza
asociada significativamente mayores que el porcentaje y confianza
de aceptacin de la solucin no normativa.
b) En la segunda categora (IC) estn los problemas que
presentan un porcentaje elevado de aceptacin de la solucin
correcta con un alto grado de confianza y al mismo tiempo un
porcentaje tambin elevado de aceptacin de la solucin incorrecta.
Las ideas normativas y sesgadas, reflejadas en ambos tipos de
soluciones, parecen coexistir en el pensamiento probabilstico de los
sujetos. Postulamos que estos problemas incluyen ideas
probabilsticas internamente contradictorias, desde un punto
de vista cognitivo. Los sujetos no son generalmente conscientes del
conflicto; simplemente reaccionan conforme a uno de los dos
enfoques, normativo o sesgado, dependiendo de que el contexto de
la tarea active uno u otro. Podemos suponer que las ideas
estadsticas que pertenecen a esta categora probablemente
causarn dificultades en el proceso de enseanza-aprendizaje pero
esperamos que una buena estrategia didctica incrementar los
porcentajes y los niveles de confianza de las soluciones normativas.
Hemos clasificado en esta categora los problemas que tengan a la
vez, unos porcentajes de aceptacin de la solucin correcta y de la
solucin incorrecta superiores al 50% y las diferencias entre ambos
porcentajes y tambin entre sus confianzas asociadas no sean
estadsticamente significativas.
c) En la tercera categora (CI) estn los problemas que
presentan un porcentaje elevado de aceptacin de soluciones
incorrectas con un alto grado de confianza y al mismo tiempo un
porcentaje claramente inferior de aceptacin de la solucin correcta.
Postulamos que estos problemas incluyen ideas probabilsticas
contraintuitivas. Podemos suponer que los mtodos de enseanza
tradicionales tendrn slo un efecto temporal, superficial, e incluso
ningn efecto, en el enfoque intuitivo bsico de este tipo de
problemas. La base intuitiva de las respuestas incorrectas es tan
fuerte, tan profundamente enraizada en los hbitos mentales de los
sujetos que es muy difcil producir una modificacin permanente de
esas ideas sesgadas. Es necesario disear procesos de enseanzaaprendizaje de reestructuracin conceptual fuerte que tengan como
uno de sus objetivos fundamentales superar el carcter contraintui-

tivo de dichos conceptos. Hemos clasificado en esta categora los

problemas que tengan a la vez, un porcentaje de aceptacin y una
confianza en la solucin no normativa significativamente mayores
que el porcentaje y confianza de aceptacin de la solucin
normativa.
d) Quedan fuera de las tres categoras anteriores dos
problemas (SC) que tienen en comn el conseguir porcentajes por
debajo del 50% de aceptacin tanto de la solucin normativa como
de la solucin no normativa.
En la tabla siguiente presentamos los problemas clasificados
segn la categorizacin que acabamos de establecer

Error! Marcador no
definido.CATEGORIAS

PROBLEMAS

Intuitivos (I)

1,2,8,9,12,15,17

Internamente contradictorios
(IC)

4,7,13,16,18

Contraintuitivos (CI)

3,5,6,10,11,20,21,22,23,24

Sin clasificar (SC)

14,19

Los problemas 25, 26 y 27 que presentan cuestiones relativas

al lenguaje y mtrica del azar no siguen el formato solucin
normativa vs solucin no normativa. Veamos los resultados
obtenidos:
25) Aqu te presentamos 5 frases:
No puede ocurrir
No ocurre muy frecuentemente
Ocurre con bastante frecuencia
Ocurre casi siempre
Ocurre siempre
A continuacin te hacemos 4 preguntas y t debes responder
con el nmero de la frase que consideres conveniente de entre las 5
que te hemos presentado. Puedes usar el mismo nmero ms de
una vez si quieres.
Cul de las anteriores frase significa lo mismo que "muy probable"?
Cul de las anteriores frases significa lo mismo que "improbable"?
Cul de las anteriores frases significa lo mismo que "probable"?
Cul de las anteriores frases significa lo mismo que "no muy
probable"?
1
2
3
4
5

No puede
ocurrir

No
ocurre
muy frecuentem

Ocurre
con
bastante
frecuenci

Ocurre
casi
siempre

Ocurre
siempre

ente
Muy
probable
Improbable

6
34

28

55

60

20

20

64

Probable
No muy
probable

18

17

67

Los nmeros representan porcentajes y los que van en negrilla

se consideran respuestas correctas.

26) Escribe una palabra o frase que signifique lo mismo que:

Imposible...........................................
Posible.............................................
Igual posibilidad...................................
Pequea posibilidad.................................
Muy probable........................................
Porcentaje de respuestas
correctas
Imposible

88

Posible

81

Igual posibilidad

54

Pequea posibilidad

77

Muy probable

59

27) Las posibilidades de que ocurra un cierto suceso ( por

ejemplo, obtener "un cinco" al lanzar un dado en el juego del
parchs) pueden ser grandes o pequeas. Algunas veces el suceso es
seguro, otras veces es imposible, otras veces es probable. El nmero
que mide la posibilidad de ocurrencia de un suceso determinado al
realizar un experimento aleatorio se llama probabilidad de ese
suceso.
Te doy la siguiente lista de nmeros: -100, infinito, 0, -10,
100%, 1/2, 1/5, 10, 1.
Qu nmero de esa lista usaras para indicar la probabilidad
del:
a) suceso seguro ________________

b) suceso imposible ________________

c) suceso que puede ocurrir o no ________________
d) suceso que tiene igual posibilidad de ocurrir que de no
ocurrir _______
e) suceso que tiene la misma posibilidad de ocurrir que cada
uno de otros 4 sucesos que tambin pueden ocurrir? _______________
Advertencia: a cada uno de los anteriores sucesos slo debes
asociar un nmero de la lista como su probabilidad pero ten en
cuenta que hay algn suceso que no se le puede asociar ningn
nmero de la lista como probabilidad. Indica cul.
a) suceso seguro:
1
10
100%
infinito

54%
8%
30%
8%

b) suceso imposible:
0
89%
-10
1%
ninguno
8%
no contesta 2%
c) suceso que puede ocurrir o no:
1/2
52%
ninguno
45%
no contesta 3%
d) suceso que tiene igual posibilidad de ocurrir que de no
ocurrir
1/2
81%
ninguno
15%
no contesta 4%
e) suceso que tiene la misma posibilidad de ocurrir que cada
uno de otros 4 sucesos que tambin pueden ocurrir:
1/5
33%
1/2
22%
ninguno
31%
no contesta14%

b) En relacin a los factores de sujeto, hemos estudiado la

importancia
que
tienen
ciertas
variables
psicolgicas
e
instruccionales para explicar la variabilidad encontrada en el
razonamiento probabilstico de nuestros adolescentes. Hemos
analizado cada item en funcin de las siguientes variables: ao

escolar, sexo, estilo cognitivo (dependencia-independencia de

campo), conocimientos previos en teora de probabilidades y aptitud
en matemticas.
En la tabla siguiente se muestra para cada item las diferencias
significativas en porcentajes de respuestas correctas, encontradas en
relacin a las distintas variables

DIFERENCIAS SIGNIFICATIVAS
ESTADISTICAMENTE

CURSO

CONOCIMIENTOS
PROBABILIDADES

SEXO

NIVEL MATEMATICAS

DIC

ITEM 1
ITEM 2

12=12.76
p<.01

ITEM 3

12=6.79
p<.01

ITEM 4
ITEM 5
ITEM 6

12=6.36
p<.05

21=10.05
p<.01

ITEM 7
ITEM 8
ITEM 9a
ITEM 9b
ITEM 10
ITEM 11

12=5.13
p<.05

ITEM 12

12=5.96
p<.05

Error!Marcador no definido.

DIFERENCIAS SIGNIFICATIVAS
ESTADISTICAMENTE

CURSO

CONOCIMIENTOS
PROBABILIDADES

SEXO

NIVEL MATEMATICAS

DIC

ITEM 13
ITEM 14
12=14.03
p<.01

ITEM 15
ITEM 16
ITEM 17

32=7.87
p<.05

32=13.3
p<.01

ITEM 18
32=9.98
p<.05

ITEM 19
ITEM 20

32=10.84
p<.05

12=19.97
p<.01

ITEM 21

12=10.1
p<.01

ITEM 22

12=5.39
p<.01

ITEM 23

12=5.74
p<.05

ITEM 24

Error!Marcador no definido.

Error!Marcador no definido.

DIFERENCIAS SIGNIFICATIVAS
ESTADISTICAMENTE

CURSO

SEXO

NIVEL MATEMATICAS

DIC

32=9.37
p<.05

ITEM 25
ITEM 26

CONOCIMIENTOS
PROBABILIDADES

32=7.53
p<.05

32=13
p<.01

ITEM 27

Analicemos ms pormenorizadamente los resultados obtenidos en funcin de las distintas variables:

Error!Marcador no definido.

CONOCIMIENTOS SOBRE TEORIA DE PROBABILIDADES

% RESPUESTAS
CORRECTAS

NO
ESTUDIARON

SI
ESTUDIARON

CATEGORIZACION

ITEM 2 **

83.2

63.2

INTUITIVO

ITEM 3 **

27.8

44.2

CONTRAINTUITIVO

ITEM 6

35.4

51.9

CONTRAINTUITIVO

ITEM 11 *

33.3

48.1

CONTRAINTUITIVO

ITEM 12 *

64.1

48.1

INTUITIVO

ITEM 20 **

28.2

57.1

CONTRAINTUITIVO

ITEM 21 **

31.3

51.9

CONTRAINTUITIVO

ITEM 22 **

29.4

44.2

CONTRAINTUITIVO

ITEM 23 *

32.5

48.1

CONTRAINTUITIVO

CURSO
% RESPUESTAS CORRECTAS

COU

ITEM 17 *

46.2

51.1

66.7

67.2

ITEM 20 *

12

44.4

32.1

32.8

ITEM 26 *

33.3

52.6

57.1

65.5

SEXO
% RESPUESTAS CORRECTAS

HOMBRE

MUJER

ITEM 6 **

46.9

27.2

ITEM 15 **

72.4

48.3

NIVEL MATEMATICAS
% RESPUESTAS
CORRECTAS

BAJO

REGULAR

BUENO

MUY
BUENO

ITEM 17 **

45.3

50.5

66.3

79.2

ITEM 19 *

33.9

58.2

53.7

58.3

ITEM 25 *

36.9

60

53.7

62.5

ITEM 26 **

40.6

51.1

68.4

60

Nivel de significacin: **: = 0.01

*: = 0.05

Error!Marcador no definido.

2.4.- DISCUSIN

DE LOS RESULTADOS

a) En relacin a factores de tarea

Vamos a ir discutiendo los resultados obtenidos agrupados en
los ncleos conceptuales definidos en la introduccin. Si bien se
analizan las ideas generales contenidas en las tareas, para una
comprensin ms profunda es necesario tener presente su texto que
figura en el anexo 2 de este captulo (p.185)
Lenguaje y mtrica del azar
Los resultados de las cuestiones 25 y 26 (p.191) indican que
los adolescentes espaoles poseen un lenguaje del azar tan
impreciso y ambiguo como el de los adolescentes anglosajones
(Green, 1982): hay un grupo que identifica suceso seguro con suceso
muy probable, por un lado, y suceso imposible con suceso
improbable, por otro; incluso hay un grupo de sujetos que identifican
la simple probabilidad de que ocurra un suceso con la seguridad de
que ocurra.
En el ejercicio 26 los alumnos muestran una dificultad evidente
para escribir una palabra o frase que refleje una situacin aleatoria
con resultados equiprobables, slo el 54% lo hizo correctamente. El
error ms frecuente es la idea de que si dos resultados de un
fenmeno aleatorio son posibles entonces son igualmente posibles;
ejemplos en este sentido son frases del siguiente tipo: "que llueva
maana o que no llueva", "que el R.Madrid gane la liga o no la gane",
"que halla (sic) un terremoto o no", etc. Incluso, cuando describen
situaciones aleatorias con ms de dos resultados posibles, la
confusin puede llegar a identificar igual posibilidad con suceso
seguro: "que algn equipo gane la liga", es una frase escrita como
ejemplo de igual posibilidad.
En relacin a la cuestin 27 (p.192) que recoge la idea de
probabilidad como una medida del azar aparecen unos resultados
interesantes:
1) la gran mayora de alumnos escogen intuitivamente el 1 ( o
el 100%) y el 0 para expresar las probabilidades de los sucesos
seguro e imposible, respectivamente;
2) alrededor de un 8% de alumnos prefieren una escala de
probabilidad que va de 0 a 10, quiz como una transposicin
mecnica de la escala de calificacin escolar; slo 2 sujetos (un 1%)
usaron un nmero negativo para representar una probabilidad;
3) los alumnos que escogen el infinito como probabilidad del
suceso seguro son alumnos de 3 y COU, es decir alumnos que han
estudiado el concepto de infinito en anlisis y lo generalizan; no

Error!Marcador no definido.

supone, por tanto, una intuicin primaria sino secundaria, fruto de la

instruccin;
4) de forma anloga a lo que suceda en el ejercicio 26, hay
bastante confusin con la probabilidad 1/2: se asocia correctamente
con un suceso que tiene igual posibilidad de ocurrir que de no ocurrir
pero tambin se asocia incorrectamente con resultados que
simplemente pueden ocurrir o no y con sucesos equiprobables
cuando hay ms de dos resultados en el conjunto de resultados;
5) la tercera parte de los alumnos aplican correctamente la
regla de Laplace para asignar probabilidades de sucesos
equiprobables cuando hay un conjunto finito de resultados, como
sucede en el apartado e); con todo, este dato hay que ponerlo "en
cuarentena" por el siguiente motivo: los alumnos, que se les haba
advertido que a uno de los apartados no se les poda adjudicar
ningn nmero de la lista como probabilidad, escogen
principalmente los apartados c) y e); efectivamente al suceso del
apartado c) no se le puede asignar un nmero de la lista como
probabilidad, en cambio al apartado e) s se le puede asignar el 1/5.
Los alumnos que no asignan probabilidad en el apartado e) pueden
estar pensando en el nmero 1/4, en una incorrecta aplicacin de la
Ley de Laplace, llevados por el dato de que hay "otros 4 resultados",
Si esto es as, subira el porcentaje de los alumnos que tienen una
comprensin intuitiva primaria de la ley de Laplace.
Fenmenos determinsticos vs fenmenos aleatorios
El item 8 (p.186) es un item fcil (intuitivo). Los sujetos
aceptan por abrumadora mayora (87.8%) la explicacin que incluye
el concepto de correlacin de dos variables (aunque descrita sin
emplear este trmino), distinguindolo del principio de causa-efecto
y rechazan, aunque por exigua ventaja (50.4), la explicacin que
confunde ambos conceptos. Tambin la confianza que muestran los
que aceptan la solucin correcta (87.23%) supera con significacin
estadstica (p<0.01) la que muestran los que aceptan la solucin
incorrecta (80.86%).
En cuanto al item 24 (p.191) (contraintuitivo), la matemtica
ofrece para la solucin de este problema diversos modelos, dos de
los cuales se ofrecen a la consideracin de los sujetos. Aunque el
enfoque a) es aceptable como posible reparto del dinero, hemos
considerado como correcto el enfoque b) que trata la cuestin como
un fenmeno gobernado por las leyes del azar. Esta fue la solucin
que Pascal le dio a un problema semejante a ste, planteado por el
Caballero de Mer. Los alumnos prefieren claramente la solucin no
probabilstica a la solucin probabilstica, no solamente aceptando la
primera por amplio margen (70.8%) sino tambin rechazando la
segunda por mayora (60.2%).

Error!Marcador no definido.

Concepto de probabilidad terica. Ley de Laplace

El item 6 (p.186) es un item difcil (contraintuitivo). El 57.4%
de los alumnos rechazan el clculo de la probabilidad como
proporcin de casos favorables en relacin a los casos posibles y
complementariamente, el 63.2% aceptan una estrategia aditiva en
dicho clculo. En cuanto a confianza, los datos van en el mismo
sentido: la confianza que suscita aceptar la estrategia aditiva
(84.90%) es significativamente mayor (p<0.01) que la que suscita
aceptar la estrategia proporcional (74.82%).
A diferencia del item 6, el item 17 (p.189) es fcil (intuitivo).
Los sujetos no slo aceptan mayoritariamente el esquema
proporcional (63.7%) sino que rechazan la estrategia aditiva (52%).
Tambin la confianza da un vuelco: se acepta con mayor confianza la
estrategia proporcional (91.47%) que la aditiva (87.47%).
Los resultados de los temes 6 y 17 son congruentes con la
idea de que los alumnos utilizan varias estrategias o reglas para
resolver problemas que impliquen el empleo de la Ley de Laplace
(Prez Echeverra, Carretero y Pozo, 1986). Adems, la utilizacin de
estas estrategias muestra poca consistencia en el sentido de que la
estrategia de aplicacin universal en este tipo de problemas, el
esquema proporcional, slo se acepta en problemas de clculo ms
sencillo, como es el 17, y en cambio en problemas de clculo ms
complejo, como es el 6, los alumnos la rechazan en beneficio de
estrategias de aplicacin local, como puede ser la estrategia aditiva.
Empleamos el concepto de aplicacin local en el siguiente
sentido: en los problemas 6 y 17 el empleo de la estrategia aditiva
lleva a una solucin errnea, en cambio en otro tipo de problemas
puede llevar a una solucin correcta; por ejemplo a la cuestin: "Dos
bolsas A y B contienen bolas blancas y negras: La bolsa A tiene 3
bolas negras y 1 blanca. La bolsa B tiene 6 bolas negras y 5 blancas.
En qu bolsa tienes ms posibilidades de extraer una bola negra?",
los alumnos que emplean la estrategia universal, el esquema
proporcional, contestan que la bolsa A porque 3/4 es mayor que
6/11, pero los alumnos que emplean la estrategia aditiva tambin
contestan que la bolsa A porque en la bolsa A hay una diferencia de
2 a favor de las negras y en la bolsa B slo hay una diferencia de 1.
En
cuanto
al
problema
7
(p.186)
(internamente
contradictorio), la solucin correcta provoca una aceptacin (60.5%
con una confianza del 78%) aproximadamente del mismo grado que
la solucin incorrecta (54.1% con una confianza del 80%) lo que
parece indicar que los sujetos aceptan alternativamente la solucin
basada en la norma matemtica o la solucin basada en el heurstico
de representatividad, en funcin de que una u otra estn presentes.
Desde el punto de vista matemtico, este problema es una simple
aplicacin de la regla de Laplace, de asignacin de probabilidades a

Error!Marcador no definido.

priori; desde el punto de vista del alumno, esta cuestin parece

exigir el clculo de probabilidades condicionadas, de probabilidades
a posteriori, debido a que el enunciado del problema provoca una
fuerte representatividad de la figura de Pedro como ingeniero
(Tversky y Kahneman, 1974), de modo que o se revisa al alza la
probabilidad terica de 0.3 de que Pedro sea ingeniero o
simplemente se ignora esta probabilidad a priori.
Los resultados de este tem muestran que, algunas veces, el
problema de los errores o sesgos en el razonamiento probabilstico
de la gente no es tanto un problema de rechazo intuitivo de las
soluciones normativas estadsticas sino mas bien es un problema de
representacin cognitiva de la tarea que se hace en clave no
estadstica salvo que la solucin normativa est presente.
Concepto de probabilidad emprica. Sucesos no equiprobables
El problema 1 (p.185) es un item fcil (intuitivo). La solucin
correcta es aceptada (85% con una confianza del 86.85%)
significativamente ms (p<0.01) que la solucin incorrecta (50.4%
con una confianza del 80.70%). De todos modos, hay un 50% de
sujetos que aceptan una solucin incorrecta que recoge un doble
sesgo: primero, el sesgo de equiprobabilidad, segn el cual los
resultados de un experimento aleatorio siempre son igualmente
probables y por tanto, en la bolsa debe haber tantas bolas negras
como blancas; segundo, la falacia del jugador, segn la cual el azar
"tiene memoria" y si han salido varias bolas negras es ms probable
que a continuacin salga bola blanca para equilibrar. Podra pensarse
que el otro 50% de sujetos que rechazan la solucin sesgada
construyen una representacin correcta del problema; sin embargo
es aventurada esa hiptesis porque, como veremos a continuacin
en el problema 20, existe la posibilidad de una tercera solucin,
tambin incorrecta: el creer que hay igual probabilidad de extraer
bola blanca que negra, por una de estas dos razones:
a) cada extraccin es independiente de las anteriores (hasta
aqu el razonamiento sera correcto) y como hay igual nmero de
bolas de un color y de otro (sesgo de equiprobabilidad) entonces la
probabilidad sera la misma;
b) el azar es imprevisible y no se puede cuantificar, todos los
resultados de un experimento aleatorio tienen la misma posibilidad
de ocurrir.
El item 20 (p.190) es difcil (contraintuitivo). No slo la
solucin errnea es ampliamente aceptada (73.2% con una
confianza media de 84.04%) sino que la solucin correcta hecha
explcita al alumno es aceptada minoritariamente (slo un 44.2%) y
con confianza significativamente menor (77.10%). Es muy llamativo
el dato (que concuerda con un hallazgo de la primera investigacin)
de que un porcentaje tan grande de alumnos y con tanta confianza

Error!Marcador no definido.

acepte una idea tan burda y simple del azar como un caos, no sujeto
a leyes cientficas, y por tanto impredecible en sus resultados. Ante
un enunciado de este tipo, los alumnos olvidan la regularidad que
aparece en muchos experimentos aleatorios familiares para ellos
como el lanzamiento de monedas, dados, ruletas, etc. y de la que
son conscientes cuando resuelven otros problemas de esta o de
otras investigaciones.
Los problemas 1 y 20 tienen que ver con el mismo contenido
probabilstico: realizar inferencias de probabilidades desde
muestreos aleatorios. Para resolverlos matemticamente hay que
manejar conceptos como el de tamao muestral o la ley de los
grandes nmeros. Los adolescentes, en cambio, realizan una
representacin superficial de las tareas que las convierte en tareas
radicalmente diferentes: la solucin correcta del problema 1 est
redactada en expresiones intuitivas, familiares para el alumno,
donde los conceptos estadsticos estn implcitos, mientras que la
solucin correcta del 20 est redactada en trminos mucho ms
formales y de conceptos estadsticos ms explcitos. Tambin los
sesgos que se provocan son distintos en ambas tareas: el problema
20 induce la idea abstracta de igualdad de probabilidades (todos los
resultados de un experimento aleatorio son igualmente probables),
mientras que el 1 induce un doble sesgo de equiprobabilidad y
falacia del jugador que, por lo que se ve, es de menor atraccin
intuitiva que el primero.
Teorema de Bernoulli
En la interpretacin intuitiva del Teorema de Bernoulli se
suscitan de manera sistemtica una serie de errores conceptuales.
Uno de ellos consiste en atribuir a las frecuencias absolutas las
mismas propiedades que tienen las frecuencias relativas. Por
ejemplo, en el lanzamiento de monedas normales, el cociente entre
el nmero de caras y el de cruces de una sucesin de tiradas tiende
a 1 a medida que aumenta el nmero de stas; por tanto, los sujetos
infieren que la diferencia entre el nmero de caras y el de cruces
tiende a 0 cuando la realidad es que esa diferencia tiende a
aumentar cuantas ms veces tiramos la moneda al aire.
Pues bien, en el problema 12 (p.188) (intuitivo), cuando en la
solucin correcta se les explica este fenmeno estadstico, los
alumnos lo aceptan mayoritariamente (76% con una confianza del
79.3%) e incluso significativamente mejor (p<0.01) que admiten la
solucin errnea (54.1% con una confianza media del 71.52%).
Podra pensarse que la confusin sobre el comportamiento de las
frecuencias relativas y absolutas, no es tanto una confusin intuitiva,
primaria de los sujetos, sino ms bien es una confusin secundaria,
cultural, producto de unos conceptos mal aprendidos.
Otro

de

los

errores

conceptuales

que

surgen

en

la

Error!Marcador no definido.

interpretacin del teorema de Bernoulli es la confusin entre

convergencia funcional y convergencia en probabilidad: la funcin y=
(n+1) / (2n-7) tiende a 1/2 cuando n tiende a infinito, y la frecuencia
relativa de obtener cara al lanzar una moneda normal tiende a 1/2
cuando el nmero de tiradas (n) tiende a infinito; pero son dos
convergencias distintas, en cuanto que la primera implica que fijado
un nmero positivo y tan pequeo como se quiera, llega un
trmino, a partir del cual la distancia entre la funcin y su lmite es
menor que , mientras que no ocurre lo mismo con la frecuencia y la
probabilidad, cuya diferencia llega a ser menor que pero puede
dejar de serlo, aunque cada vez con menos frecuencia.
De manera semejante a lo que ocurre en el problema 12, en el
problema 15 (p.189) (intuitivo) los sujetos mayoritariamente
aceptan la solucin correcta (65.3% con una confianza media del
78%) y en medida significativamente mayor (p<0.05) que la solucin
incorrecta (51.6% con una confianza del 70%). Adems hay un dato
que se sale de la norma casi universal de que la confianza de
aceptar una solucin (sea correcta o incorrecta) es mayor que la
confianza de rechazarla: la confianza de los que rechazan la solucin
incorrecta (79.11%) es superior a la confianza de los sujetos que la
aceptan (70%).
Analizados estos dos problemas, no parece haber resistencias
cognitivas insalvables para entender el teorema de Bernoulli,
planteado intuitivamente, y lo que habra que evitar es una
enseanza formalista del teorema desvinculada de este substrato
intuitivo.
La ley de los grandes nmeros y la independencia estadstica
El item 2 (p.185) es un item fcil (intuitivo). En una situacin
aleatoria tan familiar como sta, los alumnos no caen en la falacia
del jugador y manejan bien el concepto de experimentos aleatorios
independientes.
En el item 13 (p.188) (internamente contradictorio) se
puede comprobar la profunda interaccin que existe entre el
pensamiento estadstico del sujeto y la tarea concreta, de tal modo
que esa interaccin parece ser la clave de la representacin
cognitiva que realiza el sujeto. La solucin incorrecta, basada en el
heurstico de representatividad suscita una aceptacin (70.4% con
una confianza del 85%) menor que la aceptacin que genera la
solucin normativa (79.7% con una confianza media del 87.61%)
pero en ambos casos la aceptacin es muy alta y las diferencias no
son significativas estadsticamente. Parece razonable pensar que los
adolescentes
activan la representacin "ingenua" o la
representacin "estadstica" de la tarea en funcin del contexto o
situacin en que sta se presenta.

Error!Marcador no definido.

En el problema 22 (p.190) (contraintuitivo), la solucin

correcta es significativamente menos aceptada (p<0.01) que la
incorrecta (52.8% vs 82.9%). La solucin correcta est basada en la
utilizacin intuitiva del concepto de regresin a la media, una nocin
clave de la teora de probabilidades que encuentra muchas
resistencias psicolgicas para su empleo. En este problema los
alumnos se dejan llevar por un sesgo que viene a ser el reverso de la
falacia del jugador: sta consiste en pensar que si al realizar el
experimento aleatorio de lanzar 1000 veces una moneda normal al
aire han salido 520 caras y 480 cruces, si seguimos lanzando la
moneda la diferencia entre caras y cruces se va a reducir (para que
la proporcin de caras tienda a 1/2 a medida que aumenta el nmero
de tiradas) y por tanto conviene apostar a cruces; pues bien, no hay
que confundir la idea errnea que encierra el sofisma del jugador con
el fenmeno de regresin a la media que asegura que si tiramos la
moneda otras 1000 veces es ms probable que el nmero de caras
de la segunda tanda de mil tiradas sea menor de 520 que lo
contrario. Quiz la prevencin contra el sofisma del jugador est en
la base del error de los sujetos en el presente problema: las dos
tandas de 1000 lanzamientos de la moneda son experimentos
independientes uno de otro y por tanto, independientemente de lo
que haya ocurrido en la primera tanda, en la segunda los sucesos
son equiprobables y por tanto hay la misma probabilidad de obtener
ms de 520 caras que de obtener menos. Esta es la explicacin
errnea que aceptan masivamente los sujetos.
Combinatoria y establecimiento del conjunto de resultados
asociado a una experiencia aleatoria
El item 5 (p.186) (contraintuitivo) es un problema histrico:
el gran matemtico D'Alembert (1717-1783) defendi con fuerza la
asignacin de probabilidades que se hace en la solucin incorrecta,
afirmando que al lanzar dos monedas hay tres resultados equiprobables: obtener 0, 1 2 caras, y por tanto las probabilidades asignadas
deben ser 1/3, 1/3 y 1/3. Los adolescentes de nuestra investigacin
aceptan de buen grado y alta confianza la solucin de D'Alembert
(77.7% y confianza 89.3%) en unos porcentajes significativamente
mayores (p<0.01) que la solucin correcta (63.2% y confianza
83.17%).
En el problema 14 (p.188) (sin clasificar) slo el 36.8% de los
sujetos aceptan la solucin correcta. Esto parece indicar que los
alumnos consideran que C17,14 < C 17,3, cuando la igualdad en esa
expresin es una de las propiedades bsicas de los nmeros
combinatorios. Podra inferirse que ante la falta de dominio del
clculo combinatorio los alumnos caen en el sesgo de accesibilidad
que es una estrategia de conteo que consiste en intentar construir
grupos concretos de 3 alumnos y de 14; como es ms
fcil "acceder" a grupos de 3 alumnos que de 14, es decir,
representarse mentalmente 3 sujetos que 14, se induce que hay ms

Error!Marcador no definido.

grupos de 3 alumnos que de 14. Sin embargo, slo el 49.3% de los

sujetos aceptan una solucin que utiliza esta estrategia errnea de
razonamiento. Una posible explicacin a la anomala de que tanto
una solucin como otra sean rechazadas, es que la redaccin de la
solucin incorrecta es confusa y as, aunque el alumno puede creer
que hay ms grupos de 3 que de 14 , como al escribir un grupo de 3
tiene que escribir menos nombres que al escribir un grupo de 14,
hace un clculo estimativo que le lleva a considerar que, en total,
Luis no tiene que escribir ms nombres que Fernando.
En el problema 16 (p.189) (internamente contradictorio) se
puede comprobar la dificultad que tienen los alumnos para hacer el
inventario completo de los resultados de un experimento aleatorio,
sobre todo, cuando se trata de experimentos de varias pruebas
como es este caso. De nuevo, no parece aventurado inferir que ante
el fallo generalizado del esquema combinatorio, funciona el
heurstico de accesibilidad y los alumnos se apuntan al establecimiento del espacio probabilstico que propugna la respectiva
solucin, sea sta correcta o incorrecta.
El anlisis conjunto de los temes 5,14 y 16, indica que la
descripcin de un espacio de probabilidad, por muy sencillo que nos
parezca a los profesores, no es una cuestin trivial por varias
razones:
1) Los problemas epistemolgicos que se plantean; las
matemticas no siempre ofrecen un nico modelo vlido para
resolver un problema, sino que a veces, ofrecen varios para que el
resolutor del problema elija: Es el modelo de D'Alembert asumible
dentro de la teora de probabilidades?, La solucin dada por Pascal al
dilema del problema 24, antes analizado, es la nica que tiene
racionalidad matemtica o se podra aceptar como racional la otra
solucin propuesta o incluso que se llevara todo el dinero el jugador
que iba ganando cuando se interrumpi el juego?
2) Las demandas cognitivas que supone el establecimiento de
un espacio de probabilidad sobre todo en experiencias aleatorias de
varias pruebas. Por ejemplo, el esquema combinatorio que se
necesita para realizar el inventario completo de todos los resultados
asociados a una experiencia aleatoria es una herramienta intelectual
que le cuesta dominar a los adolescentes.
Leyes de la suma y la multiplicacin de probabilidades
El item 3 (p.185), muy estudiado en la literatura de heursticos
y sesgos, es muy difcil (contraintuitivo). Ya se conoca la utilizacin
por parte de los sujetos del heurstico de representatividad para
resolverlo y aqu se comprueba la fuerza con que es aceptado
(74.3% con una confianza media del 82.51%). Lo ms sorprendente
es, sin embargo, el rechazo de la solucin normativa basada en una
propiedad tan simple (aparentemente) como es que la probabilidad

Error!Marcador no definido.

de ocurrencia conjunta de dos sucesos no puede ser mayor que la

probabilidad de ocurrencia de uno slo de esos sucesos: slo el
40.8% de los sujetos aceptan esta idea presentada explcitamente y
adems con una confianza del 77.13%, datos significativamente
inferiores a los de aceptacin de la solucin no normativa. Fischbein
(1975) ha mostrado que sujetos de 13 a 17 aos s utilizan esta idea
estadstica, presentada en una tarea estndar, no engaosa, como
es la de extraer canicas de una bolsa.
En el problema 18 (p.189) (internamente contradictorio) no
hay diferencias significativas estadsticamente entre la solucin
correcta y la incorrecta, tanto en porcentajes de aceptacin como en
la confianza que suscitan. La solucin correcta supone utilizar con
soltura la suma y la multiplicacin de probabilidades pero los
alumnos simplemente tienen que aceptar intuitivamente esos
clculos. La aceptacin intuitiva de un clculo probabilstico se
enfrenta a la aceptacin intuitiva de la categora de "suceso raro"
para explicar una situacin estadstica. Hay que decir que los dos
sucesos son raros en el sentido de que la probabilidad de que
ocurran es muy pequea (1/365); ahora bien, sabemos que la gente
percibe como especialmente rara la coincidencia de dos cumpleaos
en un colectivo de personas. Por eso la solucin alternativa la hemos
dado en base a esta percepcin. Pues bien, a pesar de realizar este
cuestionario en un contexto acadmico, en la clase de matemticas,
donde se supone que los alumnos intentan dar respuestas en
trminos ms cientficos, resulta que nuestros adolescentes admiten
una explicacin tan poco matemtica como la de "suceso raro" con la
misma fuerza que una basada en unos clculos de suma y
multiplicacin.
En el item 19 (p.190) (sin clasificar), la mayora de los
adolescentes de la investigacin (54.4%) rechazan la ley
multiplicativa de las probabilidades planteada explcitamente y en un
contexto de ejercicios tpicos, no engaosos, sobre el clculo
elemental de probabilidades. La solucin incorrecta se ha planteado
de forma que se pudiera estudiar si nuestros adolescentes caan en
el error tan tpico y sistemtico en aritmtica, de sumar cantidades
cuando hay que multiplicarlas. Pues bien, nos encontramos que, con
la misma fuerza que rechazan la estrategia multiplicativa, rechazan
tambin la estrategia sumativa (57.7%), lo cual parece indicar que
no est ah el origen del error en la utilizacin de la ley
multiplicativa, no es un problema de clculo sino de representacin
de la tarea. Aunque Fischbein (1975) mostr que los sujetos de 13 a
17 aos poseen una intuicin primaria correcta sobre la ley de
multiplicacin y que por tanto esta ley puede ser bien comprendida
si se utiliza un programa de enseanza adecuado, el resultado del
problema 19 es ms pesimista, en lnea con investigaciones
posteriores (Green, 1982): parece indicar que no hay una intuicin
bsica generalizada sobre el principio multiplicativo de las
probabilidades. Es posible que los alumnos intuyan que P(AB) P(A)

Error!Marcador no definido.

 P(B) (de todos modos la inestabilidad de esta idea se puede

comprobar en el problema 3 sobre Helena, la cajera de un banco),
pero parece que no admiten de manera natural que P(AB)=
P(A)P(B), cuando A y B son independientes.
Variable aleatoria. Esperanza matemtica. Ley binomial
En el item 21 (p.190) (contraintuitivo) es significativa
(p<0.01) la diferencia entre la aceptacin de la solucin incorrecta
(81.3% con una confianza media del 82.76%) y la aceptacin de la
correcta (51.7% con una confianza del 73.7%). Estos datos parecen
indicar que nuestros adolescentes no slo carecen de una intuicin
primaria de la distribucin binomial, sino que sta es claramente
contraintuitiva, como muestra el rechazo que tiene la solucin
correcta. Este caso puede ser un buen ejemplo de una situacin en
donde no slo hay ausencia de una intuicin primaria adecuada
sobre la que construir el concepto formal, sino que hay presencia de
una intuicin contradictoria con dicho concepto que dificulta su
asimilacin cognitiva. Los alumnos aceptan con gran confianza una
utilizacin incorrecta de la ley de Laplace y les cuesta aceptar una
distribucin de probabilidad que describe explcitamente el abanico
de sucesos y sus probabilidades asociadas. De nuevo aparece la
dificultad de los sujetos, no slo a realizar el inventario completo de
los sucesos asociados a una situacin aleatoria, sino la dificultad de
comprender y aceptar ese inventario cuando se les proporciona de
manera directa y explcita. Frente a ello, los alumnos parecen optar
por una estrategia mixta de representatividad y accesibilidad: la
proporcin de 3 nias en 6 nacimientos "representa" muy bien el
hecho de que, en grandes nmeros, la probabilidad de que nazca
una nia en un nacimiento, es aproximadamente de 1/2. Adems
podra ser el heurstico de accesibilidad al que recurren los alumnos:
con los datos del problema, el clculo que aparece inmediato,
disponible es 3/6.
El tem 23 (p.191) (contraintuitivo) es un tem muy difcil
puesto que los alumnos no slo aceptan mayoritariamente (67.1%) y
con alta confianza (82.92%) la solucin incorrecta sino que rechazan
tambin mayoritariamente (58.5%) y con alta confianza (83%) la
correcta. En este tem est implcito el concepto de valor esperado o
valor medio de una distribucin, en concreto de la distribucin
binomial. Este concepto ya fue estudiado en la primera
investigacin, en su variante de utilidad esperada de una decisin en
ambiente de incertidumbre, y all se vio la dificultad de emergencia
del concepto formal ante el sesgo de aversin al riesgo que
mostraban los sujetos. En este caso parece ser el sesgo de
representatividad el responsable de impedir la aplicacin del
concepto de esperanza matemtica. En efecto, en la solucin
incorrecta, los alumnos aceptan una explicacin de que es ms raro,
menos representativo del comportamiento del azar, el obtener 50
caras y 50 cruces que obtener 48 caras y 52 cruces; pero lo ms

Error!Marcador no definido.

llamativo es que la solucin correcta no est formulada para que

emerja el heurstico de representatividad sino para hacer explcito el
concepto de valor esperado de una variable aleatoria y la
consecuencia es que los alumnos la rechazan mayoritariamente.
Probabilidad condicionada. Independencia de sucesos. Teorema
de Bayes
En el apartado a) del item 9 (p.187) se mide el ndice de
aceptacin intuitiva del concepto de probabilidad condicionada en un
problema estndar, de bolas en urnas, y sin situaciones engaosas
por medio. Como vemos es un concepto intuitivo de alta
aceptacin: los alumnos aceptan mayoritariamente la solucin
normativa (85.1%) y rechazan tambin por mayora (59.2%) la
solucin incorrecta que ignora el concepto de probabilidad
condicionada.
En el apartado b) ya se presenta el concepto en un contexto
engaoso: se trata de ver si los alumnos son capaces de distinguir
entre la dependencia aleatoria y la dependencia fsica, es una nueva
forma de estudiar el pensamiento probabilstico del adolescente
enfrentado a su pensamiento determinstico, causal. Fsicamente, la
situacin b) es distinta de la a) en cuanto que en b) observa la bola
extrada en segundo lugar y en a) observa la bola extrada en primer
lugar; estadsticamente, la informacin obtenida en b) es
equivalente a la informacin obtenida en a) para calcular una
probabilidad condicionada. Pues bien, planteada la solucin del item
9b) en trminos estadsticos, los alumnos la aceptan casi en la
misma medida que aceptaron la solucin en a): no hay diferencias
significativas en los porcentajes de aceptacin de la solucin correcta
en a) y en b). Sin embargo, planteada en trminos de percepcin
fsica, la mayora de alumnos caen en la confusin de ambas
independencias, la fsica y la aleatoria; los mismos alumnos que
rechazaron mayoritariamente la solucin incorrecta en a) son los que
ahora aceptan tambin por mayora, la solucin incorrecta en b).
Esto refleja que el concepto de independencia estadstica no est lo
suficientemente estabilizado y diferenciado del de independencia
fsica. Con todo, el porcentaje de los sujetos que aceptan la
dependencia estocstica (73.5%) es significativamente mayor
(p<0.01) que el porcentaje de los que aceptan la confusin entre la
independencia fsica y la independencia estocstica (58.4%).
En nuestra primera investigacin ya abordamos un problema
anlogo al planteado en el item 10 (p.187) (contraintuitivo),
mostrando que nuestros alumnos universitarios tambin eran
insensibles a las probabilidades previas y adems encontramos que
sus explicaciones se basaban en un razonamiento causal lineal
abusivo. El formato de la presente investigacin, donde unos
alumnos tienen delante una versin intuitiva, desnuda de clculos,
de la solucin normativa bayesiana y otros la solucin sesgada por el

Error!Marcador no definido.

determinismo del dato del testigo, permite profundizar en los

resultados anteriores: el porcentaje del 77.7% de los adolescentes
que aceptan la solucin incorrecta es similar al 69.1% que en el
primer experimento daban una respuesta no-estadstica al problema,
justificado el porcentaje algo mayor porque en la presente
investigacin el sujeto se encontraba explcita la solucin incorrecta
y slo tena que aceptarla; cuando se les presenta la solucin
correcta y se les hace explcita la necesidad de tener en cuenta las
probabilidades previas, el 50.4% de los sujetos la aceptan. Este
porcentaje es significativamente inferior (p<0.01) al porcentaje que
acepta la solucin incorrecta (77.7%), lo que indica la fuerza del
sesgo.

Variabilidad de las muestras aleatorias. Tamao muestral

En el item 4 (p.185) (internamente contradictorio), los
sujetos se apuntan a la solucin suministrada, sea cual sea, sin
diferencias significativas entre ellas: el 52.4% de los sujetos, con una
confianza del 77.02%, aceptan la solucin correcta, frente al 58.4%
de los sujetos, con una confianza del 75.13%, que aceptan la
solucin incorrecta. Esto parece indicar que no es un problema de
incomprensin de la ley de los grandes nmeros sino de aplicacin
abusiva de dicha ley, provocada por el contexto de la tarea. La ley de
los grandes nmeros no es una ley contraintuitiva sino mal
interpretada en situaciones engaosas donde los alumnos utilizan
una "ley de los pequeos nmeros", remedo sesgado de la ley formal
de los grandes nmeros. Esta ley de los pequeos nmeros, que
interfiere en la comprensin e interpretacin de conceptos claves de
la estadstica inferencial, como son el de representatividad de las
muestras aleatorias, el de tamao muestral, etc., viene a decir: "toda
muestra es representativa de la poblacin de la que procede y por
tanto sus parmetros deben de coincidir con los de la poblacin
original". Nisbett et al. (1983) afirman que el uso o no de esta ley
depende del contexto de la tarea; han realizado experimentos en
donde los sujetos tienen en cuenta el tamao muestral o la
variabilidad de la muestra, por ejemplo, para generalizar un dato
desde una muestra a una poblacin.
El formato de la presente investigacin permite profundizar en
la cuestin 11 (p.187) que es un tem clsico en el paradigma de
heursticos y sesgos. Est claro que este es un problema
contraintuitivo en el sentido de que la solucin incorrecta es
aceptada con mayor fuerza, estadsticamente significativa (p<0.01),
(79.1% y confianza de 87.47%) que la solucin correcta (56.8% y
confianza del 83.2%). Sin embargo, es esperanzador el dato de que
una mayora de adolescentes aceptan la solucin normativa y
adems con alta confianza, cuando se les hace explcita, aunque sea

Error!Marcador no definido.

en un contexto muy engaoso. Esto concuerda de nuevo con la idea

de Nisbett et al. (1983) de que los sujetos poseen una intuicin
correcta aunque simple y poco elaborada de la ley de los grandes
nmeros que coexiste con estrategias de razonamiento no
estadsticas y que es activada o no en funcin del contexto de la
tarea.
Este problema se suele presentar con una redaccin ms
compleja, tal como la enunciamos en la primera investigacin de
esta tesis. Ahora hemos preferido una formulacin ms sencilla,
tratando de adaptarla a sujetos adolescentes y procurando mejorar
la comprensin del enunciado. Esta tarea induce una clara
insensibilidad de los sujetos al tamao muestral que Tversky y
Kahneman atribuyen al sesgo de representatividad y que provoca
que, de forma sistemtica y mayoritaria, los sujetos estimen que el
resultado a) es tan probable como el resultado b), estimacin en
franca contradiccin con la ley de los grandes nmeros. Nosotros
pensamos que los sujetos no estn respondiendo a la tarea
estadstica sobre el tamao muestral sino que estn respondiendo a
una tarea aritmtica sobre la igualdad de proporciones 7/10 y
70/100.
b) En relacin a factores de sujeto
De las variables de sujeto estudiadas, las que afectan a mayor
nmero de temes del cuestionario son el ao escolar, la aptitud para
las matemticas y sobre todo los conocimientos previos en teora de
probabilidades. A grandes rasgos, podemos decir que los alumnos
que no han estudiado probabilidades, estn en primero de BUP o
tienen un nivel bajo en aptitud matemtica contestan peor a algunos
temes del cuestionario. A esto hay que aadir inmediatamente que
hay 15 problemas (ms de la mitad del cuestionario) en los que
ninguna de las variables citadas origina diferencias significativas. En
este sentido, conviene recordar que son muy escasos y
contradictorios los trabajos que han abordado la influencia de las
diferencias individuales en el rendimiento en probabilidades de
alumnos adolescentes; en Espaa que sepamos, ninguno. Por tanto,
nuestra investigacin se puede considerar pionera y exploratoria y
como tal las conclusiones que se pueden extraer de ella son
necesariamente limitadas. Cabe hacer, no obstante, algunas
consideraciones sobre los resultados conseguidos en relacin a los
factores de sujeto:
Conocimientos previos de probabilidad:
1) En la mayora de los problemas (19 de 28) no hay
diferencias significativas entre los que estudiaron y no estudiaron
probabilidades. Esto parece mostrar la poca rentabilidad de una
instruccin en probabilidades escasa y superficial, tal como la
definen muchos profesores de matemticas del bachillerato.

Error!Marcador no definido.

2) Los alumnos que nunca estudiaron teora de probabilidades

contestan significativamente mejor (p<0.05) que los alumnos que
estudiaron dicha teora las cuestiones 2 y 12. Recurdese que las dos
cuestiones fueron clasificadas como intuitivas por los altos
porcentajes de aceptacin de la solucin normativa frente a la
solucin sesgada. Eso parece indicar que en algunos alumnos que
estudiaron la teora elemental de probabilidades de forma deficiente
se generan intuiciones secundarias errneas en el manejo de
conceptos e ideas estadsticas de alta aceptacin intuitiva primaria
para alumnos totalmente novatos en el campo de la teora de
probabilidades.
3) Los alumnos que estudiaron probabilidades contestan
significativamente mejor (p<0.05) las cuestiones 3, 6, 11, 20, 21, 22
y 23. Todos estos problemas fueron clasificados como problemas
contraintuitivos
por sus altos porcentajes de aceptacin de la
solucin sesgada frente a la normativa. Esto parece indicar que
algunos alumnos que estudiaron probabilidades han desarrollado
algunas intuiciones secundarias correctas desde el enfoque
normativo que les permiten evitar el sesgo correspondiente,
inevitable para los que nunca estudiaron probabilidades por el
carcter contraintuitivo de dichos problemas. Con todo, hay que
precisar que los alumnos que tienen conocimientos previos no lo
hacen "mejor" sino que lo hacen "menos mal" que los alumnos que
no tienen dichos conocimientos, en el sentido de que en ambos
grupos hay una mayora de soluciones sesgadas.
Ao escolar
Analizado el cuestionario tem a tem en relacin a esta
variable, hemos encontrado que el problema 17 lo contestan bien un
porcentaje significativamente mayor (p<0.05) de los alumnos de 3 y
COU y los problemas 20 y 26 los alumnos de 2, 3 y COU. En el resto
de los problemas, no hay diferencias significativas en relacin a la
variable ao escolar.
La resolucin del problema 17 exige el dominio del esquema
proporcional que es una de las capacidades que conforman el
pensamiento formal segn la teora piagetiana; nuestro dato sera
congruente con la idea de un cierto desarrollo evolutivo en este
esquema. Sin embargo, no se encuentran diferencias significativas
en el item 6 que exige el dominio del mismo esquema proporcional
pero que resulta ms difcil que el problema 17 conforme predice el
paradigma de anlisis de tareas. Parece pues, que nuestros alumnos
de enseanza secundaria no alcanzan el dominio completo de este
esquema pero que hay una cierta evolucin del mismo. A la vista de
estos resultados parece conveniente estudiar en una prxima
investigacin la influencia del pensamiento formal en el
razonamiento probabilstico.

Error!Marcador no definido.

En el problema 20, los alumnos de 1 lo hacen

significativamente peor (p<0.05) que el resto sobre todo porque
aceptan en bloque la solucin incorrecta que supone una concepcin
primitiva del azar como algo imprevisible, incontrolable, donde no se
puede medir el grado de probabilidad que tienen los distintos
sucesos posibles y por tanto se les adjudica a todos la misma
probabilidad.
En el problema 26, tambin los alumnos de 1 lo hacen
significativamente peor (p<0.05) que el resto de alumnos, sobre
todo cuando tienen que escribir una palabra o frase que signifique lo
mismo que "igual posibilidad". Un ejemplo de tctica escolar
aprendida es que los alumnos mayores se ayudan del ejercicio 25
para responder el ejercicio 26, cosa que no hacen los alumnos de 1:
por ejemplo, algunos alumnos mayores utilizan la frase "ocurre casi
siempre" que se da en el ejercicio 25 para expresar algo equivalente
a "muy probable" que se les pide en el ejercicio 26.
En cuanto a la variable ao escolar, los resultados de nuestra
investigacin son ms congruentes con los resultados de Fischbein
(1975) que con los resultados de Green (1982). En efecto, Green
encontr en su estudio con alumnos ingleses que la variable ao
escolar es un factor significativo y parece que es en 2 de BUP (15-16
aos) donde se produce una mejora apreciable estadsticamente del
juicio probabilstico, mejora que no sigue aumentando en cursos
posteriores (3 y COU). No se trata, por tanto, de un desarrollo
sistemtico y uniforme del pensamiento probabilstico a lo largo del
bachillerato sino que hay un salto en determinado ao escolar.
Nosotros, ms en la lnea de los hallazgos de Fischbein, no hemos
encontrado diferencias significativas respecto a la edad en la
mayora de los ncleos conceptuales estudiados que son muchos,
puesto que el cuestionario pretende ser exhaustivo en cuanto a
contenidos de la teora de probabilidades elemental.
Aptitud en matemticas
Hemos clasificado a los alumnos en cuatro categoras en
relacin a esta variable siguiendo el criterio de sus profesores de
matemticas que tuvieron en cuenta las calificaciones obtenidas en
esta asignatura en el presente y pasado curso y puntuaron a sus
alumnos en una escala de 0 a 10. Las cuatro categoras son: baja
(puntuacin menor de 4 puntos), regular (puntuacin entre 4 y 6
puntos), alta (puntuacin entre 6 y 8 puntos) y muy alta (puntuacin
mayor de 8 puntos).
En la gran mayora de los problemas no hay diferencias
significativas en funcin de la habilidad matemtica general de los
sujetos. Esto parece indicar que el nivel de aptitud alcanzado en las
matemticas escolares clsicas (aritmtica, geometra, algebra y

Error!Marcador no definido.

anlisis) no guarda relacin con la calidad del pensamiento

estadstico intuitivo de nuestros adolescentes, no sirve para predecir
la conducta de los alumnos en resolucin de problemas estadsticos.
Los alumnos buenos y malos en matemticas caen en los mismos
sesgos y tienen la misma dificultad de clculo probabilstico.
Solamente en las cuestiones 17, 19, 25 y 26, los sujetos de
nivel bajo lo hacen significativamente peor (p<0.05) que el resto de
los alumnos. Tienen en comn todas estas cuestiones el referirse a
las ideas ms elementales de la teora de probabilidades como son el
lenguaje intuitivo del azar y las propiedades ms sencillas de la
probabilidad como medida del azar. Es decir que los alumnos ms
hbiles en matemticas tienen una cierta ventaja en la aceptacin
natural de ciertas operaciones aritmticas para asignar probabilidades (la proporcin en el problema 17, la multiplicacin en el
problema 19) pero no poseen un sistema de intuiciones probabilsticas ms correcto desde el enfoque normativo, para aplicar a tareas
de razonamiento estadstico, que los alumnos menos hbiles en
matemticas.
En concreto, los contenidos probabilsticos cuyo dominio
aparece claramente relacionado con el nivel en matemticas son los
relativos al lenguaje del azar (problemas 25 y 26). Los alumnos de
mayor aptitud para las matemticas tienen un lenguaje del azar ms
preciso en cuanto que no identifican la alta probabilidad con la
seguridad, la baja probabilidad con la imposibilidad y la
equiprobabilidad con la probabilidad de un suceso que puede ocurrir
o no.
El problema 17 es un tem crucial como se viene demostrando
a lo largo de esta investigacin. Hemos visto que los alumnos ms
jvenes (los de 1 y 2 de BUP) lo hacen peor y ahora comprobamos
que tambin los alumnos de menor habilidad matemtica general lo
hacen peor. Ya hemos dicho que este problema no induce una
situacin engaosa, tpica del paradigma de heursticos y sesgos,
sino que es una tarea propia de los paradigmas piagetiano y
neopiagetiano en cuanto que pone en juego el dominio del esquema
proporcional. Con todo, la superioridad en la destreza proporcional
de los alumnos buenos en matemticas es relativa, en cuanto que en
el item 6 que supone la utilizacin del mismo esquema con
cantidades menos sencillas, no hay superioridad de los alumnos
mejores en matemticas.
En el problema 19, los alumnos ms capaces en matemticas
superan significativamente a los menos hbiles porque aceptan en
mayor medida la multiplicacin de probabilidades para el clculo de
la probabilidad de la conjuncin y rechazan en mayor medida
tambin, la suma como el clculo apropiado.
Nuestros resultados acerca de la influencia del nivel de aptitud

Error!Marcador no definido.

en matemticas son congruentes con los encontrados por Fischbein

(1975) que afirma que los alumnos con alta habilidad matemtica no
tienen intuiciones probabilsticas ms correctas y sofisticadas que los
alumnos con menor aptitud. Al mismo tiempo contradice el dato de
la investigacin de Green (1982) que encontr que la habilidad
matemtica de los alumnos es un factor significativo para explicar la
variabilidad encontrada en el rendimiento en un test probabilstico
de alumnos ingleses. Quiz el problema pueda estar en los criterios
que se han utilizado para clasificar a los alumnos. En algunas
investigaciones se pasa a los sujetos una prueba de conocimientos
matemticos y se les categoriza de acuerdo con el rendimiento en
dicha prueba. Nosotros nos hemos basado en las calificaciones
escolares que tienen la ventaja de evaluar al alumno en funcin de
su rendimiento a lo largo de un perodo dilatado de tiempo, como
son dos cursos acadmicos, y no en base a una prueba puntual pero
que tienen el inconveniente de la falta de homogeneidad en cuanto
que los alumnos de la muestra proceden de centros distintos y
cursos distintos y por tanto con criterios de evaluacin no
necesariamente coincidentes. Parece necesario profundizar en la
cuestin en una prxima investigacin.
2.5.- CONCLUSIONES
Sistematizaremos los datos obtenidos en relacin a los tres
objetivos bsicos que nos propusimos en la presente investigacin:
a) En primer lugar, creemos estar en condiciones de establecer
el sistema de ideas probabilsticas que conforman el
pensamiento sobre el azar de nuestros adolescentes, tanto las ideas
normativas como las ideas alternativas. En lugar de elaborar un
catlogo de ideas inconexas o dispersas vamos a agrupar estas
ideas en categoras que el alumno debe dominar para comprender y
aplicar la teora elemental de probabilidades y el profesor debe
reconocer porque son motivo de dificultades especficas en el
aprendizaje. Estas categoras que conforman un sistema integrado
de ideas son: el lenguaje del azar, la mtrica del azar, la naturaleza
del azar y el clculo probabilstico o asignacin de probabilidades.
Los alumnos poseen trminos que indican grados
variables de probabilidad, de incertidumbre de una situacin
aleatoria (problemas 25 y 26). Esas palabras se generan en la vida
cotidiana y aunque tcitamente se admite la universalidad de cada
una de ellas, en realidad hay una gran confusin en su utilizacin. As
un nmero importante de alumnos confunde "muy probable" con
"sucede siempre" y ms an confunde "improbable" con "no puede
suceder". Esto puede deberse a que en el lenguaje coloquial los
trminos posible y probable estn tan mezclados que expresiones
como "es muy posible", "poco posible", "bastante posible",
"posiblemente" son sinnimas de "es muy probable", "poco

Error!Marcador no definido.

probable", etc. y en los extremos del continuo de incertidumbre, "imposible" es sinnimo de im-probable" y "seguramente" es sinnimo
de "probablemente" (la confusin llega incluso a los diccionarios y
as el diccionario enciclopdico Larousse identifica "imposible" con
"no posible" pero tambin con "cosa sumamente difcil").
En cuanto a la probabilidad como una mtrica del azar,
nuestros resultados no nos permiten hacer una afirmacin tan fuerte
como la que hace Fischbein (1975): la regla de Laplace y los axiomas
de Kolmogorov derivan de una fuente intuitiva primaria, es decir,
existe una intuicin natural estadstica sobre la que se puede
construir el pensamiento probabilstico axiomtico. Nuestros
adolescentes s establecen intuitivamente el 1 como la probabilidad
del suceso seguro y el 0 como la probabilidad del suceso imposible, y
por tanto su escala intuitiva de probabilidad tiene los mismos lmites
que la escala normativa, pero tienen dificultades evidentes para
asignar el resto de las probabilidades; en particular, asocian una
probabilidad de 0.5 con resultados que pueden o no pueden suceder
y con resultados equiprobables cuando son posibles ms de dos
resultados (problema 27).
Utilizan de manera contradictoria la asignacin clsica de
probabilidades, la Ley de Laplace, unas veces bien (problema 17) y
otras mal (problema 6), lo que parece reflejar el dominio inestable
del esquema proporcional, una herramienta cognitiva bsica para la
medida del azar; adems, la aplicacin intuitiva de la regla de
Laplace es dependiente de contexto, de modo que a veces se ignora
por efecto del heurstico de representatividad (problema 7) y a veces
se utiliza abusivamente por el efecto del heurstico de accesibilidad
(problema 21).
En relacin a la naturaleza del azar, nuestros adolescentes
tienen dificultades para interpretar el mundo en clave probabilstica,
con tendencia a explicar fenmenos aleatorios con razonamiento
causal y argumentos o estrategias determinsticas (problema 24),
por supuesto, siempre que la clave probabilstica no se haga explcita
por medio de sorteos, loteras, juegos de azar, etc. Esta tendencia no
es inevitable y en ciertos contextos, los adolescentes distinguen
entre una relacin causal y una relacin estadstica (problema 8).
Un resultado esencial que se desprende de la investigacin en
relacin a cmo conciben el azar nuestros adolescentes, es la
creencia sistemtica y latente acerca de que todos los sucesos de
una experiencia aleatoria tienen la misma posibilidad de ocurrir.
Surge as la idea abstracta de "equidad del azar" que se utiliza sin
tener en cuenta las caractersticas del fenmeno aleatorio en estudio
(problemas 20, 22, 26 y 27). Decimos que es una idea latente porque
se manifiesta o no en funcin del contexto de la tarea y puede
coexistir con ideas probabilsticas ms elaboradas como se puede
comprobar en el resto de los temes.

Error!Marcador no definido.

Hemos avanzado la hiptesis de que este resultado podra

arrojar nueva luz sobre la funcin de los heursticos de juicio en el
sentido de que la representatividad de una situacin o la
accesibilidad de un dato, seran los elementos que permitiran
romper la idea abstracta de igualdad, introduciendo un cierto orden
en el caos aleatorio: es el suceso "representativo" o el suceso
"accesible" el que tiene ms probabilidad de ocurrir. Se puede
argumentar que tambin los expertos estadsticos utilizan los
heursticos y caen en los sesgos de representatividad, accesibilidad,
anclaje y ajuste, etc, y que hay que admitir que poseen instrumentos
sofisticados de cuantificacin del azar y una comprensin profunda
de los fenmenos aleatorios. Esto es verdad pero sucede que los
expertos caen en los sesgos en situaciones engaosas, "amaadas
perceptivamente" por los investigadores, que les impiden activar la
competencia estadstica que realmente tienen y como consecuencia
regresan a estrategias de razonamiento ms burdas. Por contra,
nuestros adolescentes caen en los sesgos no slo en contextos
engaosos sino tambin en situaciones estndar, en ejercicios tpicos
sobre la teora de la probabilidad elemental (por ejemplo, ejercicios
14, 16, 18, 20 y 22); podemos inferir que para estos alumnos, en
ausencia de principios normativos slidos, las estrategias de
representatividad y accesibilidad suponen un cierto progreso frente a
la idea de caos aleatorio.
En relacin a las tcnicas de asignacin de probabilidades,
es decir el clculo probabilstico, de nuevo se detecta la coexistencia
de destrezas computacionales correctas e incorrectas en nuestros
adolescentes:
- ya hemos comentado la utilizacin problemtica de la regla
de Laplace como mecanismo bsico de asignar probabilidades a
priori
- hay una dificultad cognitiva estructural para el
establecimiento del conjunto de resultados asociado a una
experiencia aleatoria, sobre todo cuando se trata de experiencias
aleatorias de varias pruebas; en el origen de esta dificultad
encontramos el dominio inestable del esquema combinatorio
(problemas 14 y 16) y problemas epistemolgicos (problema 5)
- la ley de multiplicacin de probabilidades puede tener una
base intuitiva primaria, de manera que nuestros adolescentes
admiten que la probabilidad de la conjuncin nunca es mayor que las
probabilidades de los sucesos componentes (salvo en contextos muy
engaosos, como es el problema 3), pero el clculo asociado que es
la multiplicacin, ya no es tan evidente para ellos (problema 19)
- la ley de suma de probabilidades es de difcil aplicacin sobre
todo por la dificultad de hacer el inventario de todos los sucesos
elementales asociados a un suceso compuesto, tal como hemos
comentado en el apartado b); nuestros adolescentes soslayan esta
dificultad con el empleo de diversas estrategias como el heurstico

Error!Marcador no definido.

de accesibilidad (problema 21) o las creencias en categoras no

probabilsticas (el concepto de "suceso raro" del problema 18)
- la dificultad computacional de las leyes de la suma y
multiplicacin de probabilidades influye directamente en la dificultad
de comprensin y aplicacin de la ley binomial (problemas 21 y 23)
- hay una aceptacin intuitiva del clculo de la probabilidad
condicionada (problema 9a) pero la comprensin del concepto de
independencia estadstica se ve perturbado por la confusin con la
idea de independencia fsica (problema 9b)
- la comprensin y aplicacin de la regla de Bayes como
mecanismo bsico de asignar probabilidades a posteriori resulta muy
difcil y nada intuitiva (problema 10); en el origen de dicha dificultad
est no slo la complejidad computacional que dicho teorema
comporta, lo que obliga a los sujetos al empleo de atajos
computacionales (heurstico de representatividad), sino tambin, y
una vez ms, el razonamiento causal lineal de los sujetos (Hogarth,
1987), como se puede comprobar en la aceptacin mayoritaria de la
solucin incorrecta del problema 10.
Hay dificultad de utilizacin de la ley de los grandes nmeros,
que se traduce en errores tales como:
- no tener en cuenta el tamao de la muestra para hacer una
estimacin de un parmetro poblacional (problema 11)
- usar una ley de los pequeos nmeros, de modo que los
estadsticos de una muestra, por pequea que sea, deben coincidir
con los parmetros poblacionales (problema 4)
- admitir una regularidad del azar en pequeas secuencias, de
tal manera que se considera el azar como un proceso que se corrige
continuamente a s mismo, donde una desviacin en una direccin
conduce necesariamente a una desviacin en la direccin puesta con
el fin de restablecer el equilibrio (problema 13)
- ignorar el concepto de valor esperado de una variable
aleatoria (problema 23)
- realizar estimaciones de probabilidad a partir de un muestreo
aleatorio sin tener en cuenta la estabilidad de las frecuencias
relativas (problema 20)
- confundir la ley de los grandes nmeros con el principio de
regresin a la media (problema 22).
En definitiva, frente a la idea de equilibrio global, de
estabilidad de las frecuencias relativas a largo plazo, que supone la
ley de los grandes nmeros, parece que los alumnos utilizan una
idea intuitiva de equilibrio local, de estabilidad de las frecuencias
relativas a corto plazo.
Sin embargo, estas dificultades y errores no parecen excluir
una intuicin primaria y rudimentaria de las leyes de los grandes
nmeros, de tal modo que hay:

Error!Marcador no definido.

- un rechazo de la falacia del jugador (tal como se formula en

el problema 2)
- una cierta comprensin del concepto de convergencia en
probabilidad (problema 15)
- una apreciacin del diferente comportamiento de las
frecuencias absolutas y relativas (problema 12)
- una capacidad de estimacin cualitativa de una probabilidad
a partir de un muestreo aleatorio (problema 1).
Estos resultados son congruentes con los hallazgos de Nisbett
et al. (1983, 1987) en relacin a que las personas usan heursticos
estadsticos en su razonamiento inductivo cotidiano, es decir,
herramientas de juicio probabilstico que son equivalentes intuitivos
primarios de principios estadsticos (por ejemplo, la ley de los
grandes nmeros). La utilizacin de esos heursticos depende del
contexto de la tarea y es ms probable cuando el espacio muestral y
el proceso de muestreo estn claramente definidos y el papel del
azar en la interpretacin del fenmeno en estudio tambin est
claro. Los autores muestran en ambos estudios que la instruccin en
estadstica mejora el razonamiento inductivo porque incrementa
tanto la probabilidad de que las personas elijan un enfoque
estadstico a un problema dado, como la calidad de las soluciones
estadsticas. Esta mejora es posible porque los procedimientos
estadsticos, an embrionarios, son parte del equipamiento intuitivo
de las personas.
En resumen, hemos detectado dos tipos de dificultades a las
que se enfrentan nuestros adolescentes cuando tienen que resolver
tareas de clculo probabilstico: a) las que se derivan de la
naturaleza del pensamiento intuitivo de los alumnos que se
caracteriza por centrarse slo en aspectos parciales y subordinarse a
lo inmediato o perceptivo de la tarea; b) las que se derivan del
insuficiente desarrollo de operaciones generales de conocimiento,
como son el esquema proporcional y el combinatorio.
b) En segundo lugar y para conseguir una categorizacin de
las ideas probabilsticas de los adolescentes segn su
aceptacin intuitiva, hemos considerado dos variables: el
porcentaje de aceptacin de la solucin (correcta vs incorrecta) a
cada problema probabilstico y el grado de confianza que la
aceptacin de una solucin suscita en el sujeto. Hemos identificado
tres principales categoras de situaciones problemticas:
1) problemas que presentan un porcentaje elevado de
aceptacin de soluciones correctas con un alto grado de confianza y
simultneamente un porcentaje claramente inferior de aceptacin de
la solucin incorrecta. Afirmamos que estos problemas incluyen ideas
probabilsticas intuitivas. Hemos encontrado, por ejemplo, que
algunas ideas errneas que suponamos muy extendidas como la
falacia del jugador y la identificacin de los conceptos de correlacin

Error!Marcador no definido.

y causalidad, no lo estn tanto y las ideas normativas de

independencia estadstica y probabilidad condicionada, cuando se
presentan explcitamente, son aceptadas mayoritariamente;
2) problemas que presentan un porcentaje elevado de
aceptacin de la solucin correcta con un alto grado de confianza y
simultneamente un porcentaje tambin elevado de aceptacin de la
solucin incorrecta. Postulamos que estos problemas incluyen ideas
probabilsticas cognitivamente contradictorias que se elicitan en
funcin de las caractersticas de la tarea. En general son situaciones
problemticas en donde se enfrentan ideas normativas que se
derivan de la ley de los grandes nmeros con heursticos clsicos del
razonamiento probabilstico. De este tipo es el problema 4 donde se
manifiesta una "ley de los pequeos nmeros" o la del problema 13
que contiene la idea de "patrn aleatorio representativo del azar".
Parece que efectivamente hay una coexistencia no pacfica, una
guerra fra, entre heursticos formales y personales en el
pensamiento estadstico de los adolescentes;
3) problemas que presentan un porcentaje elevado de
aceptacin de soluciones incorrectas con un alto grado de confianza
y al mismo tiempo un porcentaje claramente inferior de aceptacin
de la solucin correcta. Defendemos que estos problemas incluyen
ideas probabilsticas contraintuitivas. Son problemas que encierran
conceptos probabilsticos de cierta sofisticacin como el valor
esperado de una variable aleatoria, la ley binomial, el teorema de
Bayes y la inferencia de un parmetro a partir de un estadstico
muestral. Tambin se incluyen en esta categora dos problemas
clsicos (5 y 24) que los profesores consideran sencillos pero que ya
fueron polmicos en los albores de la teora de probabilidades. Este
hecho pone de manifiesto la necesidad de tener en cuenta la historia
de la disciplina a la hora de abordar su enseanza.
Pensamos que esta categorizacin contribuye a aclarar la
controversia entre Engel y Fischbein acerca de la existencia o no de
una intuicin natural probabilstica de la que hablamos en la
introduccin de este trabajo. En efecto, parece que hay una base
intuitiva para las ideas probabilsticas ms sencillas, como son la
escala de probabilidad y la independencia estadstica, pero este
substrato intuitivo se pierde en ideas probabilsticas ms complejas
permitiendo la emergencia de intuiciones antinormativas que
interfieren en la comprensin y aplicacin de la ciencia estadstica.
Quedan fuera de la categorizacin propuesta un pequeo
conjunto de problemas que comparten el conseguir unos
relativamente bajos porcentajes de aceptacin tanto de la solucin
correcta como de la incorrecta. Pero comparten algo ms: su solucin
exige dominar el esquema proporcional y el esquema combinatorio.
Se detecta una inestabilidad cognitiva de estas capacidades en los
adolescentes que no se explica por ideas previas errneas

Error!Marcador no definido.

fuertemente arraigadas sino parece relacionarse con el nivel de

desarrollo de las operaciones lgico-matemticas generales de
conocimiento.
c) En tercer lugar, hemos realizado algunos hallazgos que
tienen que ver con cmo se modifica y cmo evoluciona el
sistema de ideas probabilsticas en funcin de una serie de
variables
psicolgicas
e
instruccionales.
Analizado
el
cuestionario tem a tem, son pocas las ideas, creencias y estrategias
probabilsticas de nuestros adolescentes que se modifican en funcin
del sexo, del curso, de la aptitud para las matemticas, de la
instruccin previa en probabilidades y del estilo cognitivo. Con todo,
hemos encontrado diferencias significativas en una serie de
cuestiones, sobre todo en funcin de la existencia o no de la
instruccin previa en la teora de probabilidades pero tambin en
funcin del ao escolar y la aptitud para las matemticas.
Analicmoslas brevemente.
Una de las destrezas ms susceptible de modificacin y
evolucin es la de comparacin de probabilidades cuando se utiliza
el concepto de probabilidad como proporcin. Esta destreza que se
analiza en los problemas 6 y 17 vara en funcin del ao escolar, la
instruccin en teora de probabilidades y la aptitud para las
matemticas. Son los alumnos mayores, de alta habilidad
matemtica y que han estudiado probabilidades los que utilizan una
estrategia proporcional en este tipo de tareas y por contra son los
alumnos menores, poco aptos para las matemticas y novatos en el
estudio de la probabilidad los que emplean una estrategia aditiva.
Esto significa, por un lado que hay una evolucin con la edad de
dicho esquema, lo que estara de acuerdo con la teora piagetiana, y
por otro que la instruccin elemental en probabilidades y la aptitud
matemtica tienen influencia en el dominio del esquema
proporcional.
Este resultado coexiste con el otro dato de que todos los
alumnos en conjunto o agrupados por ao escolar, aptitud para las
matemticas y conocimientos previos en teora de probabilidades,
hacen peor el tem 6 que el 17 lo que implica que la eleccin de una
u otra regla de razonamiento no depende slo del conocimiento de
stas sino que depende tambin de la tarea. Este dato es
congruente con los resultados conseguidos en las investigaciones
realizadas bajo el enfoque del anlisis de reglas (Prez Echeverra,
1990).
Otra idea que experimenta modificaciones en funcin de la
edad y la instruccin previa es la idea primitiva y burda del azar
como sinnimo de caos y desorden, donde todos los sucesos son
igualmente posibles. En el problema 20 se comprueba que los
alumnos de 1 de BUP que no estudiaron probabilidades aceptan, de
modo significativo, en mayor medida esta idea que el resto de los

Error!Marcador no definido.

alumnos lo que indica, por un lado que hay un desarrollo autnomo

de la idea de que si las leyes fsicas son una de las caras de la
realidad las leyes del azar son la otra cara, y por otro que la
instruccin elemental en teora de probabilidades ayuda a combatir
aquella intuicin primaria errnea.
En cambio la falacia del jugador es una idea errnea que sufre
un proceso inverso. Los alumnos que estudiaron la teora de
probabilidades la aceptan en mayor medida que los alumnos que no
la estudiaron, como se puede comprobar en el problema 2. Se puede
pensar que sobre la intuicin primaria, que Tversky y Kahneman
(1974) explican por el heurstico de representatividad, se cimenta
una intuicin secundaria errnea, fruto de la mala comprensin de la
ley de los grandes nmeros.
Tambin el ejercicio 12, que versa sobre un aspecto concreto
del teorema de Bernoulli, lo contestan significativamente mejor los
alumnos que no estudiaron probabilidades que los alumnos que las
estudiaron. Este ejercicio 12 comparte con el ejercicio 2, el contener
ideas probabilsticas que fueron categorizadas como intuitivas. Este
hecho nos permite suponer que la instruccin en probabilidades,
generalmente escasa y superficial, puede generar algunas veces,
ideas errneas que se imponen a intuiciones primarias correctas,
previas a la instruccin. Es un dato ms que indica la importancia de
tener en cuenta las ideas espontneas de los alumnos al abordar el
proceso de enseanza-aprendizaje.
De modo complementario hay que decir que la instruccin en
probabilidades, aunque sea escasa y superficial, dota a los alumnos
de unas determinadas tcnicas probabilsticas que no aparecen por
"generacin espontnea": en los temes 3, 6, 11, 20, 21, 22 y 23
(todos categorizados como contraintuitivos), los alumnos con
instruccin superan significativamente a los alumnos sin instruccin
en probabilidades.
Tambin hemos encontrado que los alumnos ms hbiles en
matemticas manifiestan superioridad en la precisin de su lenguaje
probabilstico (cuestiones 25 y 26) y en la comprensin de los
clculos u operaciones aritmticas que son necesarios para asignar
probabilidades en tareas sencillas (cuestiones 17 y 19) pero no
poseen intuiciones ms sofisticadas que los alumnos menos hbiles
en matemticas, para comprender las principales leyes del azar.
La ltima consideracin es de ndole terico-metodolgica: ya
hemos dicho que este trabajo tena un objetivo marcadamente
exploratorio debido a la escasez y (sin embargo) contradicciones, de
investigaciones realizadas sobre la comprensin probabilstica de los
adolescentes y la influencia de factores de tarea y de sujeto. Debido
a ello, en nuestro trabajo hemos pretendido rastrear un amplsimo
abanico de ideas probabilsticas utilizando tareas y problemas de

Error!Marcador no definido.

diversas procedencias (investigaciones sobre la gnesis y evolucin

de la nocin de probabilidad, investigaciones sobre heursticos y
sesgos en razonamiento probabilstico, investigaciones didcticas,
etc.). Y han quedado claros varios motivos de autocrtica:
a) El contenido poco adaptativo de varios temes que impiden
la generalizacin de conclusiones acerca de la comprensin de
algunas ideas probabilsticas por parte de los adolescentes: el tem
10 sobre la aplicacin del teorema de Bayes y el tem 21 que exige la
utilizacin de la ley binomial, son tareas de gran complejidad
computacional planteadas con un contenido muy engaoso.
b) La redaccin poco afortunada de algunos temes que nos
plantean la duda de si los sujetos estaban contestando a una tarea
distinta de la que planteaba el investigador: los resultados del tem
14, que pretenda explorar la aceptacin intuitiva de una propiedad
de los nmeros combinatorios, reflejan que los estudiantes quedaron
desconcertados con ambas soluciones, la normativa y la no
normativa. El trmino de "suceso raro" empleado en el tem 18 es
equvoco.
c) Se compagina mal un objetivo tan ambicioso como era el de
rastrear un amplio conjunto de conceptos probabilsticos en una
variedad de contextos estndares y engaosos, con la necesaria
limitacin temporal, espacial y conceptual de un cuestionario.
Aunque la metodologa seguida ha ayudado a disminuir el trabajo de
los alumnos porque slo se les peda que aceptasen o rechazasen un
determinado razonamiento pero no tenan que construirlo, no hemos
podido profundizar en determinadas cuestiones.
Resumen final
Si tenemos que sintetizar en breves apartados los hallazgos de
esta investigacin diramos:
1) Ha quedado clara la naturaleza altamente contingente del
razonamiento probabilstico de manera que los juicios y
razonamientos probabilsticos de nuestros adolescentes no son
invariantes en funcin de factores de tarea.
2) De los factores de sujeto, el que ms influye es la
instruccin en probabilidades ("para bien y para mal") y despus el
ao escolar y el nivel de aptitud en matemticas. Con todo, en la
mayora de cuestiones (exactamente 14) no aparecen diferencias
significativas en funcin de ninguna de las variables de sujeto
estudiadas.
3) Hemos encontrado diversos grados de aceptacin intuitiva
de las ideas formales probabilsticas de modo que hemos conseguido
clasificarlas en tres categoras: intuitivas, contraintuitivas e
internamente contradictorias.
4) Hemos detectado la presencia sistemtica de un pequeo

Error!Marcador no definido.

conjunto de principios intuitivos y/o normativos que permiten hablar

de un sistema de ideas personales de los adolescentes sobre el azar
y la probabilidad. Estas ideas no estn aisladas sino que forman un
sistema integrado de concepciones en torno a los siguientes
elementos: naturaleza, lenguaje y mtrica del azar y asignacin de
probabilidades. Estableciendo una analoga con la teora de la
decisin conductual, el sistema sera el enfoque descriptivo de la
teora de probabilidades frente al enfoque normativo o matemtico.

Error!Marcador no definido.

Describamos el sistema:
Aspectos o
elementos del azar

Teora matemtica
de probabilidades

Sistema de ideas
personales

creencias subyacentes
sobre la naturaleza del azar

-naturaleza dual del mundo:

los fenmenos determinsticos y los fenmenos
aleatorios, en pie de igualdad, son las dos caras de la
realidad
-naturaleza dual de la
probabilidad: como grado de
creencia (probabilidad
subjetiva) y como lmite de
frecuencias relativas
(probabilidad objetiva)
-naturaleza ordenable y
jerarquizable del azar
-la probabilidad como
incertidumbre (caso nico)

-el pensamiento probabilstico subordinado al pensamiento determinstico:

fenmenos de regresin a la
media y de correlacin
explicados en trminos de
causa-efecto; la independencia estadstica confundida con la independencia
fsica; la convergencia
funcional interfiere en la
convergencia en probabilidad
-confusin entre los enfoques subjetivista y frecuencial
-sesgo de equiprobabilidad,
debido a la naturaleza
catica del azar

lenguaje del azar

conceptos bien definidos de:

suceso seguro, imposible,
probable

identifica: suceso seguro y

muy probable
suceso imposible y muy
improbable

mtrica del azar

axiomas de Kolmogorov

escala de probabilidad [0,1]

asignacin de probabilidades

Mecanismos como:
-ley de Laplace
-ley de los grandes nmeros: frecuencia relativa
-ley de la suma y la multiplicacin de probabilidades
-distribuciones discretas y
continuas
-teorema de Bayes
-aritmtica de los pequeos
nmeros
Esquemas operatorios
bsicos:
- concepto de proporcin
- teora combinatoria
Las paradojas de la teora
de probabilidades

Mecanismos como:
-heursticos: representatividad, accesibilidad, anclaje y ajuste, ley
de los pequeos nmeros...
-versiones intuitivas y
primitivas de las leyes
normativas (ley de Laplace,
ley de los grandes nmeros,
Regla de Bayes reducida al
numerador, etc.)
-anumerismo: p.ej., la
multiplicacin de varios
nmeros siempre produce
un nmero mayor
Esquemas operatorios
bsicos:
- coexistencia de estrategias
proporcionales y aditivas en
problemas de proporciones
- capacidad combinatoria
limitada

Error!Marcador no definido.

ANEXO 1
Sistema de codificacin seguido para categorizar las
respuestas a cada problema del experimento 1 en tres
categoras:
Categora 1: respuestas no estadsticas; respuestas sesgadas
Categora 2: respuestas pobremente estadsticas
Categora 3: respuestas estadsticas formalmente correctas.
En cada problema esta categorizacin se concreta del siguiente
modo:
Problema 1
Categora 1: respuestas a) b) en cuya explicacin hay una
percepcin selectiva de la situacin; se basan en las formas de los
cuadros y en el procesamiento de la informacin se refleja el sesgo
de accesibilidad en cuanto que "da la sensacin" de que en el cuadro
A hay ms caminos que en el B.
Categora 2: respuestas a), b) c) que se basan en un clculo
combinatorio incompleto o incorrecto.
Categora 3: respuestas c) que realizan explcitamente el
clculo correcto.
Problema 2
Categora 1: respuestas a) c) que se basan en explicaciones
causales y no hay ninguna referencia a la regularidad estadstica que
refleja el enunciado.
Categora 2: respuestas b) que se eligen por exclusin de las
otras. Respuestas a), b) c) que muestran la coexistencia de un
pensamiento fuertemente causal con el reconocimiento de una
regularidad estadstica en la situacin.
Categora 3: respuestas b) que usan explcita y correctamente
el principio de regresin a la media aunque no mencionen este
trmino.
Problema 3
Categora 1: respuestas a) que se justifican en base al
heurstico de la representatividad: la secuencia b) es muy poco
probable porque es muy raro, nada representativo del fenmeno
"lanzar una moneda al aire", obtener tantas caras seguidas
Categora 2: respuestas c) que aaden explicaciones
incorrectas o incompletas a formulaciones intuitivas de la ley de los
grandes nmeros y del concepto de independencia estadstica. Por
ejemplo,
hay
una
utilizacin
abusiva
del
principio
de
equiprobabilidad y as se escoge c) porque "en toda situacin regida
por el azar, los sucesos son siempre equiprobables, siempre tienen la
misma probabilidad".
Categora 3: respuestas c) que hacen uso explcito y correcto
de las leyes formales implicadas (la ley de los grandes nmeros y el
principio de independencia); respuestas c) con el clculo
probabilstico correcto: p(a)=p(b)=(1/2)6=1/64

Error!Marcador no definido.

Problema 4
Categora 1: respuestas a) que reflejan un razonamiento
basado en lo llamativo del dato especfico del 80% de identificaciones correctas de la vctima y sin ninguna utilizacin de las
probabilidades previas; respuestas c) que reflejan un razonamiento
determinista basado en la creencia sin fisuras en la declaracin de la
victima.
Categora 2: respuestas a), b) c) que se basan en un clculo
incorrecto pero que utilizan las probabilidades previas adems del
dato del 80%
Categora 3: respuestas b) que realizan los clculos
probabilsticos correctos, correspondientes a la Regla de Bayes
aunque no mencionen este nombre.
Problemas 5 y 8
Categora 1: respuestas b) que se justifican en base a lo raro e
improbables que son esos sucesos y que no incluyen ningn tipo de
clculo probabilstico.
Categora 2: respuestas a), b) c) con clculos incompletos.
Categora 3: respuestas c) que aaden los clculos probabilsticos correctos.
Problema 6
Categora 1: respuestas a) que se justifican en base a la
aversin al riesgo que supone la segunda salida: respuestas b) que
se justifican en base a la preferencia por el riesgo de esta salida;
respuestas c) que se eligen por indiferencia ante lo poco atractivas
que resultan las dos salidas propuestas.
Categora 2: respuestas a), b) c) que reflejan un clculo
incorrecto de la utilidad esperada.
Categora 3: respuestas c) que suponen un clculo correcto de
la utilidad esperada, aunque no utilicen este trmino.
Problema 7
Categora 1: respuestas b) que reflejan el uso del heurstico de
representatividad, en su forma de "ley de los pequeos nmeros":
cualquier muestra, por pequea que sea, ha de tener los mismos
parmetros que la poblacin de la que procede.
Categora 2: respuestas b) c) que reflejan una mala
aplicacin de la Ley de Laplace o un clculo incorrecto, del tipo (1/2).
(1/2).(1/2)
Categora 3: respuestas a) que realizan correctamente los
clculos correspondientes a la Distribucin Binomial, aunque no se
mencione este nombre.
Problema 9
Categora 1: respuestas a) que muestran un sesgo de
accesibilidad en el recuento selectivo de todas las posibilidades del
experimento aleatorio compuesto; reducen el espacio muestral del
experimento a dos sucesos equiprobables: "extraccin de la carta
(roja, roja)" y "extraccin de la carta (roja, negra)".

Error!Marcador no definido.

Categora 2: respuestas a) c) que hacen un recuento ms

completo de las posibilidades pero todava incompleto
Categora 3: respuestas b) en donde se realiza un diagrama
completo de todas las posibilidades de la situacin.
Problema 10
Categora 1: respuestas c) que reflejan el sesgo de
representatividad, en su forma de "ley de los pequeos nmeros";
las dos muestras son igualmente representativas de la poblacin de
personas nacidas en el mundo.
Categora 2: respuestas c) que reflejan la coexistencia del
sesgo de representatividad con una cierta consideracin del tamao
de las muestras; respuestas a) que reflejan una mala aplicacin del
concepto de tamao muestral.
Categora 3: respuestas b) que reflejan una correcta aplicacin
del concepto de tamao muestral.

Error!Marcador no definido.

ANEXO 2
1) Una bolsa contiene algunas bolas blancas y algunas
negras. Una nia saca una bola, observa el color y la mete de
nuevo en la bolsa; despus agita la bolsa. Hace esto
bastantes veces y siempre saca bola negra. Si ahora saca
otra bola Qu color crees que es ms probable que salga?
Solucin (incorrecta): Es ms probable obtener una bola de color
blanco porque despus de salir bastantes veces bola negra, aumenta
la probabilidad de salir bola blanca ; de esta manera nos vamos
acercando a la proporcin: 50% de bolas negras y 50% de bolas
blancas.
Solucin (correcta): Es ms probable obtener una bola de color negro
porque, aunque no sabemos cuantas bolas negras y cuantas blancas
hay en la bolsa, s sabemos que hemos sacado y vuelto a meter
varias veces una bola y hemos agitado la bolsa para que se mezclen
bien las bolas y siempre hemos obtenido bola negra; eso parece
indicar que hay ms bolas negras que blancas en la bolsa. Por tanto
es ms probable obtener bola negra en una extraccin cualquiera.
2) Juan ha participado en una lotera semanal durante el
ltimo ao. Hasta el momento nunca gan pero ha decidido
seguir jugando porque dice que la lotera es un juego de azar
donde algunas veces ganas y algunas pierdes; como l ha
jugado muchas veces y nunca ha ganado considera que han
aumentado las posibilidades de ganar en alguno de los
prximos juegos. Ests de acuerdo con la opinin de Juan?
Solucin (incorrecta): S, estoy de acuerdo con Juan. Aunque ganar a
la lotera es muy difcil, como lleva jugando mucho tiempo y siempre
ha perdido hasta ahora, eso le hace aumentar algo las posibilidades
de ganar en juegos futuros; eso no quiere decir, sin embargo, que
vaya a ganar con total seguridad
Solucin (correcta): No estoy de acuerdo con Juan. Cada juego en la
lotera es independiente del anterior y cada vez que juegas tienes las
mismas posibilidades de ganar (pocas) y de perder (muchas) que en
el juego anterior.
3) Helena tiene 37 aos y es una persona bastante
enrgica. Estudi Ciencias Polticas y acab entre los
primeros de su promocin. Cuando era estudiante milit muy
activamente en los movimientos sociales de la universidad,
especialmente en la lucha antinuclear y contra la
discriminacin. Qu te parece ms probable: que Helena
trabaje de cajera en un banco o que Helena trabaje de cajera
en un banco y adems sea una activa militante feminista?
Solucin (correcta): Me parece ms probable que Helena trabaje de
cajera en un banco porque siempre es ms probable que suceda un
acontecimiento de dos posibles que sucedan los dos acontecimientos
a la vez. Es decir la probabilidad de que suceda A y B a la vez, es
menor o igual que la probabilidad de que suceda A.
Solucin (incorrecta): Me parece ms probable que Helena trabaje de
cajera en un banco y adems sea activa militante feminista que sea

Error!Marcador no definido.

slo cajera porque la descripcin del carcter y la personalidad de

Helena encaja perfectamente con el de una persona preocupada por
problemas feministas y encaja menos con un trabajo tan burocrtico
como es el de cajera de un banco.
4) La puntuacin media global en matemticas de los
estudiantes de secundaria en el distrito escolar de Madrid es
de 40 puntos (sobre 100). 5 estudiantes han sido
aleatoriamente
seleccionados
en
el
distrito
y
las
puntuaciones respectivas en matemticas de 4 de ellos han
sido 38, 42, 40 y 60 Cul ser la puntuacin esperada para el
5 estudiante?
Solucin (incorrecta): La puntuacin esperada para el 5 estudiante
es 20 porque al hacer la media: (38+42+40+60+20) /5 = 40 y as
el grupo tiene la misma media que el distrito escolar de Madrid que
es de 40.
Solucin (correcta): La puntuacin esperada para el 5 estudiante es
40 porque esa es la puntuacin media global en todo el distrito.
Poda parecer que es 20 para que as las 5 notas (38, 42, 40, 60 y 20)
tuviesen una media de 40 pero es que una muestra de 5 alumnos no
tiene por qu tener la misma media que toda la poblacin
5) Se lanzan dos monedas al aire. Indica los resultados
posibles
de
este
experimento
aleatorio
con
sus
probabilidades asociadas
Solucin (correcta): hay 4 resultados igualmente posibles: CC, CX, XC
y XX y cada uno tiene una probabilidad de 1/4 de ocurrir. ( C es cara
y X es cruz)
Solucin (incorrecta): hay 3 resultados igualmente posibles: dos
caras, dos cruces y una cara y una cruz, y cada uno tiene una
probabilidad de 1/3 de ocurrir.
6) Dos bolsas A y B contienen bolas blancas y negras: La
bolsa A tiene 3 bolas negras y 5 blancas. La bolsa B tiene 5
bolas negras y 8 blancas. En qu bolsa tienes ms
posibilidades de extraer una bola negra?
Solucin (incorrecta): En la bolsa A porque slo hay una diferencia de
2 entre bolas blancas y negras, a favor de blancas, mientras que en
la bolsa B hay una diferencia de 3 a favor de las blancas.
Solucin (correcta): En la bolsa B porque la probabilidad de extraer
negra en la bolsa A es 3/8 y en la bolsa B es de 5/13 . Como 5/13 >
3/8, hay ms posibilidades en B
7) Pedro trabaja en una gran empresa que se dedica a la
fabricacin de maquinaria pesada y ha sido seleccionado al
azar de un conjunto de 100 profesionales, concretamente 70
abogados y 30 ingenieros. Pedro est casado y tiene 2 hijos;
sus aficiones preferidas son el bricolaje y el mantenimiento
de los 2 automviles de la familia. Estima la probabilidad de
que Pedro sea ingeniero.
Solucin (correcta): La probabilidad de que Pedro sea ingeniero es
30/100 es decir 0.3

Error!Marcador no definido.

Solucin (incorrecta): La probabilidad de que Pedro sea ingeniero es

muy alta, desde luego en porcentaje ms del 50%, en virtud del
trabajo que realiza y las aficiones que tiene.
8) Un estudio muy fiable, realizado por un organismo
internacional, ha encontrado que los pases con alto consumo
de leche tienen tambin una tasa alta de fallecimientos por
cncer de estmago mientras que los pases con bajo
consumo de leche tienen una tasa baja de fallecimientos por
cncer de estmago significa esto que beber mucha leche
puede causar un cncer de estmago?
Solucin (incorrecta): S, siempre que el estudio sea muy fiable, es
decir est hecho con todo el rigor tcnico. Claramente el estudio
muestra que hay una relacin de causa-efecto muy fuerte entre
consumo de leche y cncer de estmago
Solucin (correcta): No. Aunque el estudio sea muy fiable y est
hecho con todo el rigor tcnico, lo nico que muestra es que hay una
relacin muy fuerte entre consumo de leche y cncer de estmago
pero no demuestra que una variable sea causa de la otra. Ni la leche
produce cncer ni el cncer produce leche, aunque sean variables
que ocurren conjuntamente, debido quiz a una tercera causa que
no sabemos.
9) Una urna contiene dos canicas blancas y dos canicas
negras. Una persona extrae dos canicas sin reemplazamiento
( es decir, extrae una canica y sin devolverla a la urna extrae
la segunda) pero t no ves el color de ninguna de ellas.
a) Suponte que te ensea slo la canica extrada en
primer lugar; es blanca. Cul es la probabilidad de que la
segunda canica tambin sea blanca?
Solucin (incorrecta): Es 1/2 porque en la urna hay 2 canicas blancas
y 2 negras, por tanto hay la misma probabilidad de que la segunda
bola extrada sea blanca que negra.
Solucin (correcta): Sabiendo que la primera canica es blanca,
quedan dos canicas negras y una blanca, por tanto la probabilidad
que la segunda canica tambin sea blanca es 1/3
b) Suponte que te ensea slo la canica extrada en
segundo lugar; es blanca. Cul es la probabilidad de que la
primera canica tambin sea blanca?
Solucin (incorrecta): Cuando extrajeron la primera canica haba en
la urna 2 blancas y 2 negras, por tanto la probabilidad de que la
primera canica sea blanca es 2/4 = 1/2
Solucin (correcta): Como tengo informacin que la canica extrada
en segundo lugar es blanca, est claro que para la primera canica
hay 2 posibilidades de que sea negra y 1 posibilidad de que sea
blanca. Por tanto la probabilidad de que la primera canica sea blanca
es 1/3
10) En una ciudad el 85% de los taxis que hay son
verdes y el otro 15% son azules. Uno de estos coches es el

Error!Marcador no definido.

causante de un accidente nocturno y se da a la fuga pero un

testigo declara a la polica que el taxi es azul. Sometido el
testigo a una prueba de identificacin de colores de coches
por la noche, se comprueba que el 80% de las veces acierta el
color pero un 20% de las veces se equivoca. Estima la
probabilidad de que el taxi del accidente sea azul.
Solucin (correcta): Para estimar la probabilidad debo tener en
cuenta dos informaciones: primera, que slo hay un 15% de taxis
azules en la ciudad; segunda, que el testigo acierta un 80% de las
veces en la prueba de identificacin de colores y asegura que el taxi
del accidente es azul. Si slo tuviese la primera informacin tendra
una probabilidad de 15% de que el taxi del accidente fuese azul. Pero
la segunda informacin modifica esta probabilidad previa,
aumentndola. Con esas dos informaciones estimo que la
probabilidad de que el taxi del accidente sea realmente azul es
aproximadamente de un 40% .
Solucin (incorrecta): La probabilidad de que el taxi sea azul es 0,8
(un 80%) porque es la confianza que tenemos en que el testigo haya
visto correctamente. Si el testigo identificase siempre bien, la
probabilidad sera 1 (el 100%), pero las pruebas que le han hecho
muestran que slo identifica bien el 80% de las ocasiones
11) Cul de los resultados siguientes es ms probable?
a) Que de los 10 primeros bebs nacidos en un hospital,
haya 7 o ms nios.
b) Que de los 100 primeros bebs nacidos en un
hospital, haya 70 o ms nios.
Solucin (correcta): Es ms probable a) porque al ser una muestra
ms pequea se espera que se aleje ms de los resultados
esperados a largo plazo, que seran 50% de nios y 50% de nias. En
una muestra grande, como es la b) de 100 bebs, la proporcin de
nios y nias debe estar ms equilibrada porque se espera que se
aproxime ms a los resultados de la poblacin en general.
Solucin (incorrecta): Es igual de probable a) que b) porque 7/10 =
70/100
12) Estoy lanzando un dado al aire y anotando las veces
que me sale un "3". Tericamente, si el dado no est trucado,
tengo probabilidad 1/6 de obtener un "3". Los datos de mi
experimento son:
Numero de lanzamientos 120 240 1200
48000
Nmero de "3" esperados 20
40
200
8000
frecuencia real del "3"
29
49
177
7894
diferencia en valor abs.
106

23

4800
800
766
34

Error!Marcador no definido.

Es decir que las diferencias entre el nmero de veces que ha

salido el "3" y el nmero de veces que "esperbamos" que
saliera tiende a aumentar. Por qu puede suceder esto: por
casualidad o porque el dado est trucado o realmente el dado
est bien y lo que ocurre se puede explicar por una de las
leyes del azar?
Solucin (correcta): El dado est bien y lo que sucede se puede
explicar por las leyes del azar. As como las frecuencias relativas
( nmero de "treses" / nmero de tiradas) se acercan a la
probabilidad de 1/6 al aumentar el nmero de tiradas, las frecuencias
absolutas se separan del nmero esperado de "treses" al aumentar
las tiradas.
Solucin (incorrecta): Lo que ocurre no se puede explicar por las
leyes del azar porque est claro que las frecuencias relativas se
acercan a 1/6 . En efecto 7894/48000 = 0,164 que es
aproximadamente 1/6.
Las frecuencias absolutas o frecuencias
reales del "3" se deberan aproximar a 1/6 del nmero de tiradas y
no separarse, como ocurre en esta situacin
13) Para pasar el rato te dedicas a tirar una moneda
normal al aire y observar si sale cara ( C) o cruz ( X). De las
siguientes secuencias indica la que consideres la ms
probable que salga y la que consideres la que tiene menos
posibilidades de salir:
a) CXXCXC
b) CCCCXC
c) XXXCCC
d) XXCXCC
Solucin (incorrecta): Las ms probables son la a) y la d) porque son
las ms representativas de cmo funciona el azar y las menos
probables son la b) y la c) porque son secuencias poco normales. En
efecto cuando tiras una moneda al aire varias veces esperas obtener
el mismo numero de caras que de cruces, aproximadamente, pero no
en una secuencia tan ordenada como es la c).
Solucin (correcta): Todas las secuencias tienen igual probabilidad:
(1/2)6 . No hay que pensar que es menos probable obtener la
secuencia CCCCXC que la CXXCXC porque haya demasiadas caras
seguidas. Cada lanzamiento de la moneda es independiente del
anterior
14) En una clase de 17 alumnos, el profesor ha mandado
hacer a Luis una lista de todos los grupos de 3 alumnos que
se pueden formar y a Fernando hacerla de todos los grupos
de 14 alumnos. Luis se queja porque su lista es mucho ms
larga que la de Fernando ya que dice que hay ms grupos
posibles de 3 que de 14 alumnos. Fernando se queja porque
dice que el nmero de grupos es el mismo pero l tiene que
escribir ms nombres. Ests de acuerdo con el razonamiento
de alguno de ellos?
Solucin (correcta): Fernando tiene razn porque tiene que
establecer el mismo nmero de grupos que Luis. Ahora bien cada
grupo de Luis es de tres alumnos y el correspondiente grupo de

Error!Marcador no definido.

Fernando es de 14 alumnos.De esta manera aunque hay tantos

grupos de 3 como de 14 alumnos, construidos a partir de 17
alumnos, no es lo mismo escribir 3 nombres que 14 para cada grupo.
Solucin (incorrecta): Luis tiene razn. Se pueden hacer muchos ms
grupos de 3 alumnos que de 14. Eso implica que, en total, tiene que
escribir ms nombres que Fernando.
15) Al decir que existe probabilidad 0.5 de que salga
cara al lanzar al aire una moneda equilibrada estamos
afirmando que el cociente entre el nmero de caras y el
nmero de tiradas se aproxima a 0.5, a medida que aumenta
el nmero de tiradas. Ahora bien, un jugador un poco
tramposillo me dice que est lanzando una moneda al aire y
cuando llevaba 100 lanzamientos haba conseguido 48 caras (
cociente= 0.48) y ahora que lleva 200 lanzamientos tiene 90
caras ( cociente=0.45) es esto posible?
Solucin (incorrecta): No es posible porque a medida que aumenta el
nmero de tiradas, la frecuencia relativa de salir cara, es decir el
cociente n caras / n tiradas, debe de ir acercndose cada vez ms a
0.5 que es la probabilidad de obtener cara cuando se lanza al aire
una moneda equilibrada y normal.
Solucin (correcta): Es posible porque a medida que aumenta el
nmero de tiradas, la frecuencia relativa de salir cara, es decir el
cociente n caras / n tiradas, debe de ir acercndose cada vez ms a
0.5 que es la probabilidad de obtener cara cuando se lanza al aire
una moneda equilibrada y normal. Ahora bien esa tendencia no
exige que siempre se mantenga cuando comparamos dos
situaciones concretas de la tanda de lanzamientos. Por ejemplo si yo
estoy lanzando la moneda 100 veces, es posible obtener 50 caras y
50 cruces, con lo que el cociente es 0,5. Pero lanzo 2 veces ms y me
puede salir cara las 2 veces con lo que el cociente ya no es 0,5
aunque haya aumentado el nmero de tiradas a 102.
16) Calcula la probabilidad de que al lanzar dos dados
obtengas dobletes, es decir el mismo nmero en los dos
dados: 2 "unos" 2 "doses" 2 "treses", etc.
Solucin (correcta): Hay 36 casos posibles, desde obtener "1" en un
dado y "1" en el otro dado, hasta obtener "6" en un dado y "6" en el
otro dado, pasando por todos los casos intermedios. Slo hay 6 casos
favorables: (1,1), (2,2), etc. Por tanto la probabilidad de obtener
dobletes es 6/36 = 1/6
Solucin (incorrecta): Hay 12 casos posibles, las 6 posibilidades de
un dado y las otras 6 del otro dado y hay 1 caso favorable, que los
dos dados coincidan. Por tanto la probabilidad de obtener dobletes
es 1/12
17) Dos bolsas A y B contienen bolas blancas y negras:
La bolsa A tiene 3 bolas negras y 1 blanca. La bolsa B tiene 6
bolas negras y 2 blancas. En qu bolsa tienes ms
posibilidades de extraer una bola negra?
Solucin (correcta): En las dos bolsas tengo la misma probabilidad de
extraer bola negra, porque en las dos bolsas hay una proporcin de 3

Error!Marcador no definido.

a 1 a favor de las negras

Solucin (incorrecta): En la bolsa B hay ms posibilidades de extraer
bola negra porque en la bolsa A solamente hay una diferencia de 2 a
favor de las negras y en cambio en la bolsa B hay una diferencia de
4 a favor de las negras.
18) Dos amigos estn discutiendo acerca del siguiente
asunto: Pilar dice que la probabilidad de que una persona
escogida al azar cumpla aos un da determinado (por
ejemplo, el 25 de Agosto) es menor que la probabilidad de
que 2 personas escogidas al azar cumplan aos el mismo da,
sea el 1 de Enero o el 30 de Septiembre o el da que sea.
Pablo opina lo contrario porque dice que es rarsimo acudir a
una reunin y encontrarse con 2 personas que tengan el
mismo da de cumpleaos. Quin crees que tiene razn?
Explica tu respuesta.
Solucin (incorrecta): Pablo tiene razn porque es un suceso muy
raro el que dos personas escogidas al azar tengan el mismo da de
cumpleaos
Solucin (correcta): Ninguno tiene razn porque las dos
probabilidades son iguales. La probabilidad de que una persona
escogida al azar cumpla aos un da determinado es 1/365. La
probabilidad de que dos personas escogidas al azar cumplan aos el
mismo da es : (1/365).(1/365).365 = 1/365
19) El hombre del tiempo ha dicho que la probabilidad
de que llueva el prximo sbado es 0,4 y tambin es de 0,4 la
probabilidad de que llueva el prximo domingo. Cul es la
probabilidad de que llueva durante todo el fin de semana?
Solucin (incorrecta): 0,4 +0,4 = 0,8
Solucin (correcta): 0,4x0,4 = 0,16
20) El profesor vaca un paquete de 100 chinchetas
sobre la mesa. Algunas chinchetas caen con la punta "hacia
arriba" y algunas con la punta "hacia abajo". El resultado ha
sido: arriba 66, abajo 34. Entonces el profesor le pide a un
alumno que repita el experimento. Elige de la lista siguiente
el resultado que piensas que obtendr el alumno y justifica la
eleccin:
a) Arriba 34, abajo 66
b) Arriba 63, abajo 37
c) Arriba 51, abajo 49
d) Arriba 82, abajo 18
e) Todos los resultados tienen la misma probabilidad de
ocurrir
Solucin (incorrecta): Todos los resultados tienen la misma
probabilidad de ocurrir porque este es un experimento aleatorio y el
azar es imprevisible y no se puede cuantificar
Solucin (correcta): El resultado que obtendr el alumno se
aproximar, dentro de la lista dada, al b): arriba 63 y abajo 37,
porque es el que ms se acerca al primer resultado obtenido (66
arriba y 34 abajo). Est claro que caer hacia arriba no tiene la misma

Error!Marcador no definido.

probabilidad que caer hacia abajo en el lanzamiento de una

chincheta; para estimar con exactitud las probabilidades tendramos
que tirar las chinchetas muchsimas veces y estudiar las frecuencias
relativas, pero a falta de esa informacin podemos tomar como
probabilidades aproximadas arriba 66/100 y abajo 34/100, es decir
2/3 y 1/3 aproximadamente.
21) Cul es la probabilidad de que en 6 nacimientos
nazcan 3 nias?
Solucin (incorrecta): La probabilidad es 3/6 = 1/2
Solucin (correcta): La probabilidad es 20/64. En efecto hay que
tener en cuenta todas las posibles secuencias que se pueden formar
en 6 nacimientos donde hay 3 nias (M) y tres nios (V): VVVMMM,
VVMVMM, etc. Cada secuencia tiene probabilidad (1/2) 6 y hay 20
secuencias distintas, por tanto la probabilidad pedida es 20. (1/2) 6 =
20/64
22) Se ha lanzado una moneda normal al aire 1000
veces y hemos obtenido 520 caras y 480 cruces. Se va a
volver a lanzar la misma moneda otras 1000 veces. Qu
crees ms probable:a) Que salgan 520 caras o ms , b) que
salgan menos de 520 caras?
Solucin (correcta): Es ms probable que salgan menos de 520 caras
porque lo lgico es aproximarse ms al resultado esperado de 500
caras y 500 cruces. Las medidas tienden a regresar a su media.
Solucin (incorrecta): Son igual de probables los dos sucesos. Al
lanzar otra vez 1000 veces la moneda, como son juegos diferentes e
independientes, puede suceder lo de antes (que salgan 520 caras o
ms) o puede suceder el suceso contrario ( que salgan menos de 520
caras)
23) Se lanza una moneda normal al aire 100 veces. Qu
resultado es ms probable: obtener 50 caras y 50 cruces u
obtener 48 caras y 52 cruces?
Solucin (correcta): La probabilidad de obtener 50 caras y 50 cruces
es mayor que la probabilidad de obtener 48 caras y 52 cruces. De
hecho, el suceso de obtener exactamente 50 caras y 50 cruces es
ms probable que cualquier otro suceso concreto ( por ejemplo,
obtener 49 cruces y 51 caras u obtener 1 cruz y 99 caras, etc.). En
general, el nmero esperado de caras en n lanzamientos de una
moneda normal es n/2
Solucin (incorrecta): La probabilidad de obtener 48 caras y 52
cruces es mayor que la probabilidad de obtener 50 caras y 50 cruces
porque aunque se espera que el nmero de caras y de cruces sea
parecido, es raro, poco representativo del azar, que sea exactamente
igual.
24) Dos hombres apuestan sobre una serie de tiradas de
una moneda a cara o cruz. Acuerdan que el primero que
acierte 6 resultados ganar 40000 pts. Sin embargo, despus
de ocho tiradas han de interrumpir el juego, cuando el

Error!Marcador no definido.

primero de los hombres va ganando 5 a 3. Si tu tienes que

decidir el reparto del premio, qu opcin de las siguientes
elegiras?:
a) El primer hombre debe llevarse los 5/8 del premio
(25000 pts.) y el segundo los 3/8 restantes (15000 pts.),
segn las partidas que cada uno lleva ganadas.
b) El primer hombre debe llevarse los 7/8 del premio
(35000 pts.) y el segundo el 1/8 restante (5000 pts.), segn
las posibilidades que cada uno tiene de ganar el juego. En
efecto, la regla del juego indica que gana el hombre que
acierte 6 resultados y segn eso el nico modo en que el
segundo hombre puede acabar ganando es acertando tres
veces seguidas; la probabilidad de que eso suceda es: 1/2 x
1/2 x 1/2 =1/8
Solucin (correcta): Escojo la opcin b) porque es la que ms se
ajusta a las leyes que gobiernan el azar y el juego propuesto es un
juego de azar.
Solucin (incorrecta): Escojo la opcin a) porque es la que ms se
ajusta a un reparto proporcional, tal como se estudia en
matemticas.
25) Aqu te presentamos 5 frases:
No puede ocurrir
No ocurre muy frecuentemente
Ocurre con bastante frecuencia
Ocurre casi siempre
Ocurre siempre
A continuacin te hacemos 4 preguntas y t debes
responder con el nmero de la frase que consideres
conveniente de entre las 5 que te hemos presentado. Puedes
usar el mismo nmero ms de una vez si quieres.
Cul de las anteriores frase significa lo mismo que "muy
probable"?
Cul de las anteriores frases significa lo mismo que
"improbable"?
Cul de las anteriores frases significa lo mismo que
"probable"?
Cul de las anteriores frases significa lo mismo que "no muy
probable"?
1
2
3
4
5

26) Escribe una palabra o frase que signifique lo mismo

que:
Imposible...........................................
Posible.............................................
Igual posibilidad...................................
Pequea posibilidad.................................
Muy probable........................................

27) Las posibilidades de que ocurra un cierto suceso

( por ejemplo, obtener "un cinco" al lanzar un dado en el
juego del parchs) pueden ser grandes o pequeas. Algunas

Error!Marcador no definido.

veces el suceso es seguro, otras veces es imposible, otras

veces es probable. El nmero que mide la posibilidad de
ocurrencia de un suceso determinado al realizar un
experimento aleatorio se llama probabilidad de ese suceso.
Te doy la siguiente lista de nmeros: -100, infinito, 0,
-10, 100%, 1/2, 1/5, 10, 1.
Qu nmero de esa lista usaras
probabilidad de los siguientes sucesos:

para

indicar

la

a) suceso seguro ________________

b) suceso imposible ________________
c) suceso que puede ocurrir o no ________________
d) suceso que tiene igual posibilidad de ocurrir que de
no ocurrir _______
e) suceso que tiene la misma posibilidad de ocurrir que
cada uno de otros 4 sucesos que tambin pueden ocurrir. ?
_______________
Advertencia: a cada uno de los anteriores sucesos slo debes
asociar un nmero de la lista como su probabilidad pero ten
en cuenta que hay algn suceso que no se le puede asociar
ningn nmero de la lista como probabilidad. Indica cul.

Error!Marcador no definido.