Formas de razonamientos que muestran estudiantes de maestría de matemática educativa sobre las distribuciones uniforme discreta y binomial mediante problemas de simulación en Fathom
Tipo de documento
Autores
Lista de autores
Ramírez, Greivin
Resumen
Según Garfield, et al ([3, pág. 300,]), uno de los prerrequisitos que deben tener los estudiantes antes de estudiar las distribuciones muestrales, siendo estas la piedra angular de la inferencia estadística ([16, pág. 277,], [3, pág. 295,]), es la idea de distribución: describir distribuciones de datos (como la uniforme y la binomial), caracterizar su forma, centro, dispersión y variabilidad (es el corazón de la estadística según [11], [12], [4], [5], [15]). Así, esta investigación responde a la pregunta ¿Cuáles son las formas de razonamiento que muestran estudiantes de maestría de matemática educativa al estudiar las distribuciones uniforme discreta y binomial mediante problemas de simulación en Fathom?
Fecha
2009
Tipo de fecha
Estado publicación
Términos clave
Fuentes de información | Organización y representación de datos | Razonamiento
Enfoque
Nivel educativo
Idioma
Revisado por pares
Formato del archivo
Referencias
[1] E, Ballester. “Pensamiento estadístico que muestran los profesores al estudiar la centralidad y la variabilidad en un contexto de estadística dinámica con tecnología”. CINVESTAV-IPN. 2006. [2] G, Burrill. “Simulation as a tool to develop statistical understanding” en Proceed- ings of the Sixth International Conference on Teaching Statistics. Cape Town South Africa.2002. [3] J, Garfield; R, delMas; B, Chance. “Reasoning about sampling distributions” en The Challenge of Developing Statistical Literacy, Reasoning and Thinking. Kluwer Academic Publishers. 2004. [4] J, Garfield; D, Ben Z-vi. “A framework for teaching and assessing reasoning about variability”. Statistic Education Research Journal. 2005. [5] J, Hammerman; A, Rubin. “Strategies for managing statistical complexity with new software tool”. Statistic Education Research Journal. 2004. [6] InstitutodeInvestigaciónenMatemáticasAplicadasySistemasdelaUNAM(IIMAS) y el Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2001). “El mundo de los números: la estadística en la vida cotidiana”. Variabilidad. México. D. F. [7] S,Inzunsa.“Significadosqueestudiantesuniversitariosatribuyenalasdistribuciones muestrales en un ambiente de simulación computacional y estadística dinámica” CINVESTAV-IPN.2006. [8] R,Lock.“UsingFathomtopromoteinteractiveexplorationsofstatisticalconcepts”en Proceedings of the Sixth International Conference on Teaching Statistics. Cape Town South Africa. 2002. [9] K,Lipson.“Theroleofcomputerbasedtechnologyindevelopingunderstandingofthe concept of sampling distribution” en Proceedings of the Sixth International Conference on Teaching Statistics. Cape Town South Africa. 2002. [10] J.D, Mills. “Using Computer Simulation Methods to Teach Statistics: A Review of the Literature” en Journal of Statistics Education. [11] M, Pfannkuch; C, Wild. “Towards and understanding of statistical thinking” en The challenge of developing statistical literacy, reasoning and thinking. Kluwer Academic Publishers. 2004. [12] J, Shaughnessy. “Missed opportunities in research on the teaching and learning of data and chance” en People in mathematics education. MERGA. 1997. [13] M, Shaughnessy . “Research in Probability and Statistics: Reflections and Direc- tions” en Handbook of Research on Mathematics Teaching and Learning. Macmillan Publishing Company. 1997. [14] M, Shaughnessy; C, Reading. “Reasoning about variation” en The Challenge of De- veloping Statistical Literacy, Reasoning and Thinking. Kluwer Academic Publishers. 2004. [15] J, Watson; B, Kelly; R, Callingham; M, Shaughnessy. “The measurement of school students’ understanding of statistical variation”. Journal of Mathematical Education in Science and Technology. 2003. [16] C,Wild;G,Seber“ChanceEncounters:afirstcourseindataanalysisandinference” John Wiley & Sons, Inc. 2000.