Title: Corso di LABORATORIO DI DIDATTICA DELLA MATEMATICA Prof. C. DAPUETO- Prof.ssa G. PESCE Dalle distribuzioni di frequenza alle leggi di distribuzione Specializzandi: Bergamino - Chiavazza -Costa - Deambrogio - Goggi
1Corso di LABORATORIO DI DIDATTICA DELLA
MATEMATICAProf. C. DAPUETO- Prof.ssa G.
PESCEDalle distribuzioni di frequenza alle
leggi di distribuzioneSpecializzandi Bergamino
- Chiavazza -Costa - Deambrogio - Goggi
2INDICE
- Introduzione
- Statistica
- Statistica-Esercizi
- Dal discreto al continuo
- Probabilità
- Conclusioni
3Introduzione
- Collocazione progetto didattico
- Istituto tecnico commerciale indirizzo Mercurio
con riferimento a - classe IV (per quanto concerne il discreto)
- classe V (per quanto concerne il continuo).
- Triennio di un istituto tecnico ITIS oppure
triennio di un liceo scientifico
4Introduzione
- Motivazioni della scelta
- La statistica e la probabilità sono argomenti
particolarmente importanti per lo sviluppo della
capacità critica dei discenti - Linsegnamento della matematica deve contribuire
alla formazione di un cittadino conscio
(matematica per il cittadino), in grado di saper
interpretare ed analizzare la realtà che lo
circonda in modo consapevole - I recenti temi dei test di ammissione alle
facoltà scientifiche nonché i test PISA dedicano
particolare importanza alla statistica e alla
probabilità - La statistica inoltre e un fondamentale
strumento per superare alcuni limiti relativi a
cio che un alunno pensa di se rispetto ai suoi
compagni (es. altezza, peso, ecc.)
5Introduzione
- Si introduce il concetto di distribuzione
di frequenza partendo da esempi concreti, anche
basati su notizie, fatti di cronaca, dibattiti
televisivi, ecc., im modo da - stimolare maggiormente linteresse e il
coinvolgimento degli studenti - sottolineare i collegamenti interdisciplinari
con - economia aziendale,
- economia politica,
- scienza delle finanze,
- fisica,
- biologia,
- materie più umanistiche (es. semplice lettura di
un quotidiano, notizie economiche, indagini
ISTAT, ecc.)
6Introduzione
- Lapproccio didattico
- Predisporre delle schede ad hoc, anche con
esercizi motivanti gli interessi degli allievi -
- Il livello di approfondimento e di
formalizzazione sarà maggiore con riguardo al
liceo scientifico rispetto allapproccio seguito
negli istituti tecnici - Tratteremo
- Lo sviluppo della statistica descrittiva, nel
discreto e nel continuo - Gli eventi aleatori, e quindi la probabilità,
sempre con riferimento prima al discreto e poi al
continuo
7STATISTICA
- Far considerare agli studenti un certo insieme di
oggetti, possibilmente a loro vicino e noto, ad
es. - laltezza degli alunni della classe
- i tempi di percorrenza da casa a scuola
- la scelta dei mezzi di trasferimento casa-scuola
- i voti dellultimo compito in classe
- i cd che un negozio di musica ha venduto nelle
due settimane successive al festival di Sanremo - il PIL dellItalia e degli altri Paesi europei
8Statistica
- Per introdurre empiricamente i concetti di
- carattere
- modalità
- popolazione
- frequenza assoluta e relativa (percentuale)
- distribuzione
- si considerano gli esempi visti e si invitano
gli studenti ad analizzare il tipo di carattere
considerato (qualitativo o quantitativo) - si passa quindi ad una discussione critica
per stimolare i discenti, accertandosi che
abbiano una prima idea dei fenomeni - si invitano ad esaminare come si distribuiscono
questi dati, facendo ad esempio osservare quali
siano le altezze più frequenti, ecc.
9Statistica
- Si intende quindi
- far sviluppare agli studenti esercizi relativi
proprio alla costruzione di tabelle (o
distribuzioni di frequenza), per familiarizzarli
con la manipolazione di dati grezzi - portare gli studenti alla comprensione e
allopportunità del raggruppamento di dati in
classi separate - Parallelamente si propongono le medesime
attività anche in laboratorio informatico
mediante lausilio di Excel, di XLStat e di STAT
scaricabile dal sito di MACOSA
10Statistica
NOTE
- La rappresentazione dei dati con carta e matita
risulta spesso più difficile per gli studenti
infatti devono prestare attenzione ad errori di
calcolo che potrebbero portare a rappresentazioni
totalmente errate, distogliendo così i discenti
dalla finalità principale del lavoro. - In particolare, luso di Excel facilita proprio
la parte grafica e di calcolo, (lo studente è
direttamente coinvolto nel processo di
apprendimento). - XLStat, invece, pur essendo uno strumento più
potente, presenta un costo sicuramente più
elevato e, inoltre, da un punto di vista
didattico, si ritiene che debba essere utilizzato
solo a posteriori, dopo lapprendimento dei
concetti, come verifica del lavoro svolto dagli
alunni, in quanto esso calcola automaticamente i
vari indici statistici. - Agendo in tal modo si utilizza una metodologia
didattica di tipo percettivo-motorio, molto più
efficace rispetto ad una metodologia di tipo
simbolico-ricostruttivo in quanto consente di
semplificare il processo di apprendimento dei
discenti, risultando in tal modo meno faticoso e
più incentivante.
11Statistica
- Si propone quindi di far svolgere agli
studenti in maniera diretta indagini su fenomeni
specifici. Esempi - indagine sul numero di studenti stranieri
iscritti nella scuola negli ultimi anni - indagine sul costo di un determinato bene nel
tempo - per un liceo scientifico, la temperatura nei vari
giorni -
- Poi si può agevolmente introdurre il
concetto di istogramma come strumento per
raffigurare la distribuzione di frequenze - Si procede con lintroduzione degli indici
di posizione (moda, mediana, media aritmetica) e
dei principali indici di dispersione (varianza,
scarto quadratico medio, coefficiente di
variazione), con lo scopo di ottenere misure di
sintesi e di confronto tra variabili statistiche.
- (Esempi sempre collegati con casi reali
vicini agli studenti)
12Esercizi
La tabella seguente riporta la distribuzione dei
voti conseguiti in matematica da 26 studenti di
una classe.
A B C D E F G H I J K L M N O
7 4 8 9 8 7 7 6 5 4 4 3 7 6 8
P Q R S T U W X Y Z
5 5 7 6 7 8 8 9 6 4
Si individui la tipologia di carattere osservata,
si raggruppino i dati in unopportuna tabella e
si proceda quindi al calcolo degli opportuni
indici di posizione.
13Esercizi
ESERCIZIO 2 Le azioni FIAT, in 5 sedute
successive della Borsa di Milano, hanno avuto le
seguenti quotazioni (in euro) 2,98 2,97 2,98
2,99 2,98 Se una persona ha acquistato, a
ogni seduta, 100 azioni, qual è stato il costo
medio per azione? E se ne ha acquistate 200 ad
ogni seduta?
14Dal discreto al continuo
- Attraverso opportuni esempi (velocita di
unauto, altezza di una persona...) si vogliono
portare gli studenti al passaggio dal discreto al
continuo, mostrando come molti fenomeni reali
possono assumere un qualsiasi valore in un certo
intervallo. - Esempio Rilevazione dellaltezza
- Rilevazione dellaltezza degli studenti (piccolo
campione) - istogramma sperimentale
- Ampliamento della dimensione del campione
- distribuzione teorica continua
15Dal discreto al continuo
- Consideriamo un grande numero di individui, ad
esempio 100.000, si ottengono 100.000 valori di
altezza, compresi tra un minimo ed un massimo. Si
evidenzia che maggiore e la numerosita del
campione, maggiore e la precisione nella
determinazione della media e varianza (mm al
posto di cm) - Si possono rappresentare graficamente tutti i
suddetti valori - raggruppandoli in classi
- costruendo un istogramma (sulle ascisse sono
riportati i valori delle altezze e sullordinata
la densità di frequenza, che si intende proprio
introdurre in questa sede, come rapporto tra la
frequenza relativa e lampiezza della classe) - Listogramma sarà costituito da tanti rettangoli
quante sono le classi in cui sono stati suddivisi
i valori. - Aumentando il numero di classi diminuisce la
loro ampiezza e, quindi, la base dei singoli
rettangoli, ma larea totale dellistogramma
rimane sempre costante, pari ad uno -
16Dal discreto al continuo
- Area dellistogramma somma delle aree di tutti
i rettangoli - Area rettangolo base altezza (ampiezza
classe densità di frequenza) frequenza
relativa - comprensione di un concetto di per sé
complesso passo passo, partendo proprio dalla
rappresentazione grafica - Al crescere del numero dei rettangoli
listogramma tende ad una funzione continua, la
cui area vale ancora uno, detta funzione di
densità
17Dal discreto al continuo
- Si evidenziano
- le distribuzioni teoriche che riproducono
andamenti tipici delle distribuzioni di frequenza
(esempio distribuzione normale o gaussiana) - Il confronto fra istogramma sperimentale ottenuto
prima e la distribuzione gaussiana teorica ?
buona approssimazione del fenomeno considerato - il collegamento con lanalisi, con riferimento al
concetto di integrale (area sottesa ad una curva)
- Per gli studenti di un liceo scientifico, -gt si
approfondirà in analisi il concetto di integrale
indefinito e definito - per gli studenti di un istituto tecnico
commerciale -gt concetto sviluppato solo a livello
intuitivo, senza eccessivi formalismi - Note la media e la varianza del campione
e possibile calcolare in modo preciso la
percentuale di popolazione avente altezza
compresa in un certo intervallo, evitando cosi
di sommare le aree dei singoli rettangoli
dellistogramma -
18Probabilità
- Con la statistica si analizzano dati certi,
osservati ex post, mentre con la probabilità si
introduce il concetto di evento aleatorio, inteso
come accadimento il cui esito sia incerto.
A tal fine si fornisce una serie di esempi - il numero di automobili che transitano su
unautostrada in un dato giorno - luscita di un dato numero al gioco del lotto
- il valore che può assumere un titolo azionario
- la temperatura registrata in una giornata
- laltezza di un alunno in una classe
-
- Si va così a definire il concetto di
probabilità, nodo concettuale problematico dal
punto di vista definitorio e didattico
19Probabilità
- ESEMPIO 1
- Luisa, che sa della fine della mia
storia con Mario, ed ama gli indovinelli, mi
dice Sai, viene a trovarmi per qualche giorno
Sergio, un mio lontano cugino, dall'Emilia.
Potremmo andare a cena assieme, e poi, chissà,
potrebbe nascere qualcosa! Sergio non è molto
alto, ma ha un bell aspetto, anche se porta gli
occhiali. Gli piace leggere. È un po' taciturno,
ma quando parla sa essere piacevole. Non ti dico
altro. - Prova a indovinare che mestiere fa (A) il
magistrato, (B) il bibliotecario, (C)
l'agricoltore, (D) l'attore o (E) il dentista?
In assenza di altre informazioni su Sergio e, in
generale, sui parenti di Luisa, ipotizzando che
Luisa sappia che io non ho particolari preferenze
per un mestiere o l'altro, come dovrei
rispondere per individuare il mestiere più
probabile? - In effetti, si può osservare proprio come fra i
mestieri indicati, in Emilia, e in tutte le
regioni italiane, il più frequente è di gran
lunga sicuramente l'agricoltore. E ai nostri
giorni anche gli agricoltori portano gli
occhiali, e leggono. Solo qualche stereotipo, e
l'assenza di considerazioni statistiche, potrebbe
indurre a pensare che la risposta OK sia
"bibliotecario". Diversa, ovviamente, sarebbe la
situazione se Luisa avesse 5 cugini che fanno i
mestieri indicati.
20Probabilità
- ESEMPIO 2
- Lancio ripetutamente un dado (non
truccato).Quale tra i seguenti fatti è più
probabile? (A) Ottenere di fila 5,2,1,4,3,6
(B) Ottenere di fila 5 volte 6 (C) Ottenere di
fila 1,2,3,4,5,6 (D) Ottenere di fila 6 volte
1 (E) Ottenere di fila 1,1,2,2,3,3 -
- Se lancio un fissato numero di volte un dado
non truccato, tutte le sequenze di uscite hanno
la stessa probabilità non c'è motivo per cui,
facendo 3 lanci, 333 sia meno probabile di, ad
es., 524.Nel nostro caso il fatto più probabile
è (b) in quanto si tratta di una sequenza tra
tutte le possibili (e tra loro equiprobabili)
sequenze di 5 uscite tutte gli altri fatti sono
meno probabili si tratta di una sequenza tra
tutte le possibili sequenze di 6 uscite, che sono
molte di più (sono 6 volte la quantità delle
sequenze di 5 uscite la probabilità di B è 6
volte la probabilità di ciascuno degli altri
eventi).
21Probabilità
- Difficoltà degli studenti nella comprensione
della probabilità - È diffusa lidea che una successione
"regolare" di uscite sia più improbabile di una
uscita meno regolare. Esercizi di questo genere
sono assai utili per mettere in luce le
misconcezioni e aprire con gli alunni momenti di
discussione su di esse. -
- Si mostreranno quindi le differenti
definizioni di probabilità (classica e
frequentista), mostrandone altresì i limiti
22Probabilità
- Si introduce il concetto di variabile aleatoria
(grandezza che può assumere valori differenti in
modo imprevedibile).Esempi - il numero di teste che si presentano lanciando n
monete, - la velocità di unauto in un determinato istante,
- il n dei centri di un bersaglio nel tiro al
piattello su n colpi, - il n di carte di cuori estraibili da un mazzo di
40,con o senza reinserimento - la statura di una persona
- Si introducono quindi i concetti di
- variabili aleatorie discrete -possono assumere
solo determinati valori - variabili aleatorie continue -assumono qualsiasi
valore entro un certo intervallo - Per definire in modo esauriente una variabile
aleatoria è necessario definire sia i valori che
la grandezza può assumere sia con quale
probabilità può assumere tali valori, ovvero si
deve definire la sua distribuzione di probabilità
(funzione di probabilità)
23Probabilità
- Si introducono esempi di variabili aleatorie
discrete (evidenziando come discreto non implichi
finito) - Si procede ad una loro rappresentazione grafica
(istogrammi) Esempio di distribuzione di
probabilità discreta binomiale (prob. di
ottenere x successi in n prove indipendenti)
- Analogamente e specularmente a quanto osservato
con riferimento alle distribuzioni di frequenza
di fenomeni statistici, si procede al passaggio
al continuo anche per le variabili aleatorie. - In particolare si fa notare attraverso esempi
opportuni con lausilio di software (ad esempio
Stat o Excel) come, aumentando il numero delle
prove effettuate, listogramma sperimentale
converga ad una distribuzione teorica continua,
come ad es. la gaussiana o uniforme - Si vuole anche evidenziare come esistano
fenomeni che presentano andamento continuo
irregolare (es. peso degli individui), non
rappresentabili mediante distribuzione gaussiana
o uniforme
24Probabilità
- ESEMPIO altezza di una popolazione di individui
- Si può mostrare come listogramma
sperimentale sia ben approssimabile dalla
distribuzione gaussiana teorica, avente media e
varianza della popolazione in esame. - Note media e varianza, e possibile
calcolare la probabilita che laltezza degli
individui sia compresa in un certo intervallo
25Probabilità
- Larea sottesa alla curva in un certo intervallo
- In statistica rappresenta la percentuale,
ovvero la frequenza relativa, di soggetti aventi
carattere con valori in tale intervallo - In probabilità rappresenta la probabilità che
levento assuma valori in tale intervallo. Tale
area, ovvero la probabilità, potrà essere
calcolata tramite - calcolo integrale
- qualora trattasi di particolari distribuzioni,
quale la gaussiana ?uso di tavole o, piu
opportunamente, tramite calcolatrice o software - qualora trattasi di distribuzione uniforme ?
geometria (area rettangolo) - Il passo conclusivo può essere quello di passare
al concetto di inferenza, mostrando come, nota la
distribuzione del campione, sia possibile passare
alla distribuzione della popolazione con un certo
livello di confidenza (stima)
26Conclusioni
- Tipologie di difficoltà incontrabili dai
discenti - difficoltà a distinguere il concetto di carattere
da quello di frequenza - difficoltà a raggruppare opportunamente i dati in
classi - difficoltà riscontrabili nel passaggio dal
discreto al continuo relative alla non
consapevolezza dell importanza della numerosità
del campione, (in quanto solo con popolazioni
ampie vale la legge dei grandi numeri e la
convergenza della distribuzione discreta verso
quella continua) - difficoltà tipica del pensiero probabilistico,
ovvero l'idea che una successione "regolare" di
uscite sia più improbabile di una uscita meno
regolare - difficoltà di comprensione della differenza fra
fenomeno statistico ed evento aleatorio - In generale, difficoltà legate ad un
atteggiamento di pensiero, che potrebbero
condizionare la vita sociale molto di piu
rispetto ai tradizionali concetti matematici