Profundizando en el Teorema Central del Límite con apoyo de Excel, R-Studio e IA

Resumen

Actualmente, tanto en Educación Secundaria como en Educación Superior, se propone la enseñanza del Teorema Central del Límite (TCL), junto con los modelos Binomial y Normal, con el propósito de aplicarlos en la resolución de problemas. Los métodos que están disponibles para transitar entre estos modelos de probabilidad están respaldados por el TCL, el cual trae consigo variadas dificultades y errores en su comprensión y aplicación (Alvarado y Retamal, 2012; Zhang et al., 2022). El rol de este teorema en la interpretación de modelos de probabilidad y técnicas de inferencia estadística es indiscutible, sin embargo, su presencia como objeto de enseñanza no está exenta de conflictos didácticos y epistemológicos (Benzon, 2021). Basta con mencionar que en los libros de texto coexisten distintas versiones de la proposición contenida en el teorema (Alvarado y Batanero, 2008). Por ejemplo, en ocasiones, se lo define desde la convergencia de sucesiones de variables aleatorias, pero también suele ser definido como un límite ordinario de una sucesión de funciones, incluso pueden hallarse versiones que describen el teorema a partir de la suma de variables independientes no idénticamente distribuidas (Vergara, 2020). Ante esta variedad conceptual, la literatura reporta ventajas del uso de herramientas de visualización y simulación para incrementar la comprensión del TCL, especialmente a través de la profundización en el rol que cumplen las distribuciones muestrales (May, 2010; Ruggieri, 2016). Al respecto, las investigaciones empíricas han demostrado que la combinación de aprendizaje guiado por indagación y la simulación de muestreo con apoyo tecnológico logra resultados significativamente mejores que los métodos de enseñanza convencional en la comprensión del TCL (e.g., Jayashree y Biswas, 2024). Así, los alcances del uso de procesos de simulación con soporte tecnológico evidencian beneficios para promover la comprensión de la inferencia estadística y es una temática de interés creciente (Burnham et al., 2023; Koparan y Rodríguez-Alveal, 2022).

A partir de lo anterior, este taller tiene como objetivo contribuir a la comprensión del TCL, utilizando entornos digitales de procesamiento de datos de manera complementaria (Excel, R-Studio e IA) para analizar su conexión con los intervalos de confianza, la inferencia formal, las distribuciones Normal y Binomial y la ley de los grandes números. En este sentido, el taller promueve, a través de la discusión, el análisis de los significados que actualmente predominan a nivel escolar y, a través de la simulación digital, la revisión de algunos de los significados originales en torno al TCL. Al inicio se motiva a los participantes del taller a compartir sus experiencias en torno a la enseñanza del TCL con y sin uso de tecnologías digitales. Luego, se realizará una breve inducción para el uso de los programas e IA, a partir de un instructivo online. Con Excel se generarán muestras aleatorias provenientes de una población no normal y se aplicará una prueba con cierto nivel de significancia, verificando si el intervalo de confianza respectivo contiene o no el parámetro a estimar. En R-Studio se mostrará cómo programar un “ciclo for”, para generar una prueba TCL similar a la de Excel. La IA se usará de manera complementaria para generar y verificar códigos. Las actividades serán acompañadas de preguntas para la discusión. Al final del taller los participantes podrán reportar las ventajas y desventajas del uso combinado de estas herramientas tecnológicas para transferir e implementar en el aula escolar y/o universitaria.

  • Eje temático: Uso de la tecnología, IA y manejo de paquetes estadísticos.
  • Ponentes:
    • Andrea Stephanie Vergara Gómez
    • Danilo Díaz Levicoy