Modelado Matemtico en

Aulas Escolares de
Elemental y Secundaria
Presentado por: Lisa Evered

 El trmino modelado matemtico es nuevo para

describir un proceso antiguo.
El modelado matemtico es similar a la resolucin de los
problemas, pero no idntico a ello.
La resolucin de problemas comienza con un problema
gramaticalmente estructurado al cual los estudiantes
aplican mtodos matemticos previamente enseados.

 El modelado matemtico, tal como se usa hoy da,

comienza con una situacin que usualmente no es
estructurada.

Los mtodos matemticos apropiados para una

situacin no estructurada pueden no estar dentro del
repertorio del estudiante ms brillante o del profesor
ms competente.

La diferencia principal entre la resolucin de problemas

y el modelado matemtico es prcticamente la diferencia
que existe entre una tarea estructurada y una no
estructurada.

 La resolucin de problemas ha sido la

mayor preocupacin de los docentes de
matemticas desde hace siglos.
El modelado matemtico ha logrado surgir
como una metodologa educativa y
cientfica solo a partir de los ltimos 30 o
40 aos.

 John Dewey fue uno de los primeros en sugerir

que los matemticos .deberan preocuparse por
el mundo real.

Su tesis principal de Aprender Haciendo forz a

los estudiantes y docentes de matemticas a
apartarse de los libros texto y adentrarse en el
mundo real.

Dewey no utiliz el trmino modelado matemtico

pero si escribi acerca del pensamiento
reflexivo requerido para investigar una situacin
no estructurada.

Las cinco etapas del pensamiento reflexivo de Dewey son:

1.
2.
3.

Sugerencias para una solucin.

Raciocinio del problema
Formar una hiptesis basndose en las sugerencias
y los raciocinios.

4.

Formular la hiptesis

5.

Probar la hiptesis a travs de una accin.

Noten las semejanzas que existen entre la lista de Dewey

y a lo que se refieren los cientficos como mtodo
cientfico.

 Wertheimer y Kohler fueron los fundadores de la

psicologa Gestault en la Universidad de Berln a

principios de 1930.
El libro de Wertheimer, Pensamiento Productivo,
diferenci el modelado de la resolucin de
problemas.
La solucin de problemas hace nfasis en el
conocimiento de tcnicas.
El
modelado
matemtico
formulaciones imaginativas.

requiere

de

 El trabajo de dos volmenes de George Polya,

Las Matemticas y el Razonamiento Plausible,
hace nfasis en la importancia de la formulacin
imaginativa.
Saaty identifica tres temas fundamentales en el
modelado matemtico
(1) Conteo (2) Estimacin, y (3) Estructuracin.

 Estos temas nos guiarn en la seleccin

de ejemplos con contenidos matemticos
con motivacin intrnseca.
Comenzaremos con el conteo.
Otros ejemplos destacarn (1)
la
estructura como un tema de modelado y
(2) la estimacin como un tema de
modelado

Una mirada a lo que viene

El conteo como tema de modelado
La hermandad del hombre.
*Estn relacionados entre si todos los seres
humanos?
*Hace cuantas generaciones compartimos
ancestros comunes?
*Son Adn y Eva nuestros ancestros comunes
ms cercanos?

La estructuracin como tema de modelado

La Mesa Estable - - el Dilema del mesero

Se tambalean todas las mesas que tienen
cuatro patas?
Los meseros doblan servilletas para estabilizar
una mesa tambaleante!
Existe otra manera?

La estimacin como tema de modelado.

Tomando decisiones sobre relaciones
* Cuantas relaciones se necesitan
antes de encontrar la correcta?
* Como decides cul es la correcta?

El conteo como tema de modelado

La hermandad del hombre
Cada persona tiene un rbol genealgico

Supongan que n generaciones estn

representadas en cada rbol genealgico.

Qu tan grande debe ser n para que las ramas

de dos rboles genealgicos cualquiera
contengan el mismo ancestro?

 La poblacin del mundo hoy da es de

aproximadamente 4.5 x 109.
Asuman que la poblacin de hace n
generaciones no era mayor a la de hoy
da.
Un modelo de conteo puede ser
desarrollado para mostrar el mximo valor
de n requerido para establecer que dos
individuos estn relacionados, es decir,
que tienen un ancestro en comn.

 Un individuo que aun vive desciende

de dos individuos la madre y el
padre.
Ellos a su vez, descienden cada uno
de
dos
individuos
y
as
sucesivamente.
Cuntos individuos estaran en la
ensima generacin de una P dada?

 Los primeros ancestros de la generacin

P son 2 en nmero.
Los segundos ancestros de la generacin
P son 22 4.
La ensima generacin de P debe ser 2n.

 Consideren el rbol genealgico de Q.

Q tambin tendra 2n ancestros en su
ensima generacin.
Si P y Q tienen 2n ancestros en la
ensima generacin, Podran P y Q
tener al menos un ancestro en comn?
Ellos podran si 2n > 4.5 x 109. Por qu?

 Si 2n > 4.5 x 109 , entonces n > 32.

Cualquier pareja de individuos no necesita
regresar ms de 32 generaciones para
encontrar un ancestro en comn.
Si una nueva generacin aparece
aproximadamente cada 25 aos, entonces
la bsqueda de un ancestro comn no
necesita extenderse ms de 800 aos.

La estimacin como un tema de modelado.

El modelo Mosteller
Cuntas relaciones se necesitan antes de
encontrar la persona correcta?
Supongan que un joven barranquillero
conoce a 100 mujeres y desea elegir a su
esposa entre ellas.
Tiene el que salir con cada una de las
100 mujeres y despus elegir?

 El proceso de salir con cada una de las

mujeres sera agotador ( y costoso)
En algn momento el joven dira: estoy
cansado de este juego. Me casar con la
prxima mujer que se vea mejor que las
dems y le preguntar si quiere casarse
conmigo!.

La afirmacin del joven es un algoritmo de

eleccin. Lo nico que hace falta es:
1. Un criterio para mejor que las dems. Y
En que momento durante la secuencia de
las 100 mujeres debera ser aplicado el
algoritmo para maximizar la probabilidad
de tomar la mejor decisin?

El primer item depende del gusto que tiene

el joven por las mujeres.
El segundo puede ser modelado
matemticamente.
Comencemos con una lista mas razonable
de candidatas que consiste de 3 mujeres.
Se les asignarn los puestos 1, 2 y 3,
siendo el # 3 la mujer que ms le gusta y
el #1 la que menos le gusta.

Si sale con las 3 en un orden arbitrario,

existen 6 ordenes posibles:
1, 2, 3
1, 3, 2
2, 1, 3

2, 3, 1
3, 1, 2
3, 2, 1

 Supongamos que el decide aplicar el

algoritmo despus de su primera cita.
Despus de la primera cita el elige a la
mujer que le gust ms que la mujer con
la que sali primero.

Las secuencias sealadas con un

asterisco llevan a elegir a la mujer 3 - quien es la que le gustara ms si tuviera
que salir con las 3.

 Con solo 3 mujeres de donde escoger, el

tiene un 50% de probabilidad de elegir la
mejor para l, al salir con una sola y
luego aplicar el algoritmo.
1, 2, 3
* 1, 3, 2
* 2, 1, 3

* 2, 3, 1
3, 1, 2
3, 2, 1

 Supongan que hay 4 mujeres de donde escoger.

Asgnenles los puestos 1, 2, 3, 4 siendo el #4 la mujer
que ms le gusta. Hay entonces 24 ordenes arbitrarios:
1,2,3,4
1,2,4,3
1,3,2,4
1,3,4,2
*1,4,2,3
*1,4,3,2

2,1,3,4
*2,1,4,3
2,3,1,4
2,3,4,1
*2,4,1,3
*2,4,3,1

* 3,1,2,4
*3,1,4,2
*3,2,1,4
*3,2,4,1
*3,4,1,2
*3,4,2,1

4,1,2,3
4,1,3,2
4,2,1,3
4,2,3,1
4,3,1,2
4,3,2,1

En cada secuencia sealada con un asterisco, la

estrategia de aplicar el algoritmo despus de la primera
cita lleva a elegir la mujer #4, la mejor mujer para l.

 La probabilidad de elegir a la mejor mujer

saliendo con una sola y luego escogiendo
la prxima quien es mejor que la primera
(si alguna) es de 11/24. Esto es solo un
poco menos que la probabilidad de
escoger entre nicamente 3 mujeres!.

No podramos continuar analizando

situacin de esta manera.

la

Aun con una lista de 8 mujeres de donde

escoger,
habran entonces 40.320
ordenes posibles de citas.
Para la lista original de 100 mujeres, 100!
Secuencias se necesitaran para ser
examinadas.

Las probabilidades de que el joven

consiga la mujer mas adecuada entre una
lista n de mujeres saliendo con las
primeras s mujeres y despus eligiendo a
la siguiente mujer la cual le gust ms que
cualquiera con la que haya salido antes
estn dadas para varios valores de n y s.

Esta tabla nos da: :

n
1
2
3
4
5
10
20
50
100

s
1
1
2
2
3
4
8
19
38

p (s, n)
1.0000
.5000
.5000
.458
.433
.399
.384
.374
.371

n
n /e 1 /e ~ .368

 El mejor momento para que el joven deje

de salir con cada mujer en su lista y
aplicar el algoritmo es aproximadamente
de 1/3 en el recorrido de la lista.
A medida que n aumenta, la probabilidad
de que esta estrategia le consiga la
mejor mujer se acerca 1 /e = .368.