La estadística inferencial es una parte de la estadística que comprende los métodos y procedimientos que por medio de la inducción determina propiedades de una población estadística, a partir de una parte de esta. Su objetivo es obtener conclusiones útiles para hacer deducciones sobre una totalidad, basándose en la información numérica de la muestra.
Se dedica a la generación de los modelos, inferencias y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de unas características numéricas (estimación), pronósticos de futuras observaciones, descripciones de asociación (correlación) o modelamiento de relaciones entre variables de Sam (análisis de regresión). Otras técnicas de modelamiento incluyen análisis de varianza, series de tiempo y minería de datos.
Video 1 (tomar apuntes)
Video 2 Extracción de balotas con o sin reemplazamiento o reposición. . Debe tomar apuntes y comentar en este blog o en el canal de youtube indicando el nombre programa y nrc
Las matemáticas o la matemática2 (del latín mathematĭca, y este del griego μαθηματικά, derivado de μάθημα, ‘conocimiento’) es una ciencia formal que, partiendo de axiomas y siguiendo el razonamiento lógico, estudia las propiedades y relaciones entre entidades abstractas como números, figuras geométricas, iconos, glifos, o símbolos en general.
La matemática en realidad es un conjunto de lenguajes formales que pueden ser usados como herramienta para plantear problemas de manera no ambigua en contextos específicos. Por ejemplo, el siguiente enunciado podemos decirlo de dos formas: X es mayor que Y e Y es mayor que Z, o forma simplificada podemos decir que X > Y > Z. Este es el motivo por el cual las matemáticas son tan solo un lenguaje simplificado con una herramienta para cada problema específico (por ejemplo 2+2= 4, o 2x2= 4).
Video de bienvenida al curso
Video de conceptos básicos. Debe tomar apuntes y comentar en este blog o en el canal de youtube de la profesora Bechy indicando el nombre Universidad y ciudad
Hoy, 14 de marzo, es un día especial para el mundo de las matemáticas y la ciencia. En este día conmemoramos el Día de Pi, un número que ha fascinado a matemáticos, físicos e ingenieros a lo largo de la historia. La notación con la letra griega (π) proviene de las palabras griegas "periferia" y "perímetro", y representa la relación constante entre la circunferencia de un círculo y su diámetro.
Pero las coincidencias no terminan aquí. Este mismo día marca el nacimiento de dos gigantes de la física: Albert Einstein y Georg Cantor. Einstein, nacido en 1879, revolucionó nuestra comprensión del universo con su teoría de la relatividad, cambiando para siempre la forma en que entendemos el espacio, el tiempo y la gravedad. Por otro lado, Cantor, nacido en 1845, contribuyó significativamente a la teoría de conjuntos y nos introdujo a la noción de infinitud, transformando la manera en que pensamos sobre los conjuntos infinitos.
Además, el 14 de marzo también marca el día en que nos despedimos de otro genio de la física, Stephen Hawking, quien falleció en 2018. Hawking, conocido por sus contribuciones a la cosmología y la física teórica, desafió las fronteras del conocimiento humano y nos inspiró con su valentía y determinación frente a la adversidad.
En Estados Unidos, el Día de Pi fue oficialmente reconocido por la Cámara de Representantes en 2009, instando a las instituciones educativas a promover actividades que fomenten el amor por las matemáticas entre los estudiantes.
El 14 de marzo es mucho más que una celebración del número Pi; es un día para reflexionar sobre el legado de grandes mentes matemáticas y científicas que han contribuido al avance del conocimiento humano.
Respecto a Einstein he retomado esta frase de un prodigioso docente de la Universidad de Standford
"Casi todo el mundo ha oído hablar de Einstein-que es el científico más conocido de todos los tiempos, fue elegido como" Persona del Siglo "por la revista Time y, si no otra cosa, sus citas parecen estar por todas partes en Internet (algunos de los cuales en realidad no son de él, pero eso es otra historia). También puede haber oído que él vino para arriba con algunas de sus ideas revolucionarias, como la teoría especial de la relatividad, mientras trabajaba como empleado de patentes humildes. Y vagamente sabemos que hay algunas cosas esotérico y alucinante involucrados. Pero no se dan cuenta de que la verdadera historia de sus problemas iniciales y los triunfos es más interesante (y pertinente) de los mitos, y que está dentro de su capacidad para doblar su mente un poco y realmente entender los conceptos básicos y las implicaciones de la relatividad . "- Dr. Larry Randles Lagerstrom
Las medidas de tendencia central son medidas
estadísticas que pretenden resumir en un solo valor a un
conjunto de valores. Representan un centro en torno al
cual se encuentra ubicado el conjunto de los datos. Las
medidas de tendencia central más utilizadas son: media,
mediana y moda. Las medidas de dispersión en cambio
miden el grado de dispersión de los valores de la variable.
Dicho en otros términos las medidas de dispersión
pretenden evaluar en qué medida los datos difieren entre
sí. De esta forma, ambos tipos de medidas usadas en
conjunto permiten describir un conjunto de datos
entregando información acerca de su posición y su
dispersión.
La tabulación y generación de gráficos en excel es una poderosa herramienta que nos permite obtener rápidamente un resumen de datos estadísticos para luego interpretarlos de acuedo al contexto de los mismos. En los siguientes videos tutoriales realizados por estudiantes de Uniminuto Centro Regional Ibagué, encontrará el paso a paso de como tabular, graficar e interpretar datos discretos.
Una medida de tendencia central es un dato (No necesariamente numérico) que representa, resume, sintetiza o representa un conjunto de datos.
Las medidas de tendencia central para datos numéricos o cuantitativos son La Media aritmética (Promedio), la Mediana y la Moda.
El surgimiento de la estadística como una parte de la aritmética aplicada a problemas poblacionales, y su presencia en todos los medios de difusión masiva y de divulgación científica. Posibilidad de predicciones de base estadística para la toma de decisiones. Términos clave: población, muestra y parámetros, medidas de tendencia central: mediana, moda, promedio.
Conducción: Oski Guzmán.
* Serie: Horizontes. Matemática 1 [2007]
* Canal: Encuentro
* Portal: Conectate
El experimento más grande del mundo se lleva a cabo en el Gran Colisionador de Hadrones (LHC, su sigla en inglés) en Ginebra, Suiza. Consiste en hacer chocar protones acelerados hasta alcanzar casi la velocidad luz, y detectar lo que sucede cuando esto ocurre.
El objetivo de este experimento es buscar respuestas a preguntas fundamentales de la humanidad: ¿qué somos?, ¿de dónde venimos? y ¿para dónde vamos? Para la física, estas preguntas se traducen en: ¿de qué está hecho el universo?, ¿cuál es su origen? y ¿cuál es su futuro?
Recientemente, uno de los cuatro detectores de los choques del LHC, llamado LHCb, reportó el descubrimiento de cinco nuevas partículas llamadas ‘bariones encantados’, que vienen siendo primos de los protones y neutrones.
Los bariones están compuestos por tres partículas fundamentales llamadas ‘quarks’. Dentro de los bariones más conocidos están los protones y los neutrones. Los ‘quarks’, a su vez, son partículas subatómicas y constituyentes fundamentales de la materia, que viven y obedecen las reglas del mundo cuántico.
La dinámica de los ‘quarks’, es decir, la forma como se comportan, está descrita por una teoría llamada cromodinámica cuántica o QCD, su sigla en inglés. En resumen, la QCD nos dice cómo funcionan los ‘quarks’, describiendo la interacción fuerte esencial para la formación de núcleos atómicos, formados por protones y neutrones.
La QCD es una de las teorías más elegantes matemáticamente hablando que tiene la física; sin embargo, tiene varios problemas aún por discernir. Sus principales características son el confinamiento y la libertad asintótica, algo bastante extraño de lo que conocemos sobre las interacciones entre partículas.
El confinamiento se refiere a que los ‘quarks’ siempre tienen que estar asociados. Estas agrupaciones son regularmente de dos y tres ‘quarks’, llamados mesones y barones, respectivamente. Experimentos recientes muestran que también puede haber asociaciones de cuatro y cinco ‘quarks’, llamados ‘tetraquark’ y ‘pentaquark’ (LHCb, según lo reportó el descubrimiento del primer ‘pentaquark’ en el 2015).
Por otro lado, la libertad asintótica nos dice que la interacción fuerte se hace más débil cuando la energía es mayor. Según esto, al comienzo del universo, cuando había una gran cantidad de energía concentrada, la interacción fuerte que liga los ‘quarks’ no era tan potente y, por tanto, estos podían estar desligados unos de otros. En esta especie de sopa de ‘quarks’ no había posibilidades de formar protones o neutrones, por lo que no se podían formar núcleos atómicos.
Este conocimiento nos lleva a entender en qué momento del universo y bajo qué circunstancias se formaron los núcleos atómicos, para luego dar inicio a la formación del universo a gran escala como lo conocemos actualmente.
Comprender a cabalidad la naturaleza de la interacción fuerte es una de las grandes incógnitas matemáticas por resolver de los llamados problemas del milenio. Quien logre dilucidarlo, recibiría un millón de dólares y lo haría merecedor de un eminente puesto en la historia de la ciencia.
De ahí la importancia de los descubrimientos reportados por el LHCb. Las nuevas cinco partículas bariónicas y los estados de ‘pentaquark’ nos ayudan a entender cómo funcionan los ‘quarks’ y ese extraño mundo de la interacción fuerte.
JAIRO ALEXIS RODRÍGUEZ* Especial para EL TIEMPO * Ph. D. Director de Investigación y Extensión de la Universidad Nacional.
Desde el porcentaje de que llueva o nieve un día concreto en una zona determinada hasta la idoneidad de apostar o no según la mano de póker que llevemos, pasando por las cuotas a favor o en contra de la victoria de un cierto equipo y muchos otros fenómenos físicos o económicos. Gran parte de los datos que nos encontramos a diario en muchos ámbitos están basados en el cálculo de probabilidades.
En 1933, Andréi Kolmogórov establecía la que se conoce como concepción axiomática de probabilidad, dando rigor de esta forma a muchos de los estudios que se habían realizado con anterioridad en esta rama y comenzando así el estudio moderno de la teoría de probabilidades. Pero el estudio de la probabilidad comenzó mucho antes, y se puede decir que los precursores de esta teoría fueron Pierre de Fermat y Blaise Pascal.
Nos remontamos al siglo XVII. La teoría de números da sus primeros pasos como rama de las matemáticas gracias a Pierre de Fermat, y la geometría analítica hace su aparición en las matemáticas apoyada en los estudios del propio Fermat y de René Descartes. Al margen de todo esto, la alta sociedad francesa se entretiene con juegos de azar.
Pierre de FermatWIKIPEDIA
Uno de sus integrantes, Antoine Gombaud, Caballero de Méré, era un experto jugador (aparte de escritor y pensador). A pesar de su sabiduría en lo que a juegos de azar se refería, había dos que le creaban dudas, que no entendía completamente. Por ello, decidió planteárselos a Pascal.
El primero que vamos a comentar es el siguiente. Supongamos que tiramos un dado cuatro veces y pensemos en la probabilidad de que salga al menos un 6 en alguna de las tiradas (da igual en cuál de ellas). La cuestión es la siguiente: ¿nos conviene apostar a que saldrá al menos un 6? Veámoslo con matemáticas.
Vamos a calcular la probabilidad de que no salga ningún 6 en ninguna de las tiradas, y el resultado se lo restaremos a 1, obteniendo así la probabilidad de que salga al menos un 6.
La probabilidad de que no salga un 6 en una tirada es 5/6 (cinco valores que no son 6 entre seis valores posibles), y como tiramos cuatro veces (y las tiradas son independientes), la probabilidad de que no salga ningún 6 en esas cuatro tiradas es:
(5/6) · (5/6) · (5/6) · (5/6) = (5/6)4
Ahora la probabilidad de que salga al menos un 6 saldrá de restar ese resultado a 1:
P(Al menos un 6) = 1-(5/6)4=0’5177…
Como nos sale un resultado mayor que 0’5, nos conviene apostar a que saldrá al menos un 6 en cuatro tiradas de un dado.
Gombaud sabía que esa apuesta era ligeramente favorable que la contraria (aunque seguro que no hizo los cálculos como hemos mostrado aquí), y a partir de aquí se planteó qué ocurriría al tirar dos dados y esperar que en ambos salga 6 al menos una vez. Su razonamiento fue algo parecido a lo siguiente:
“La probabilidad de sacar 6 en ambos dados (en una tirada) es igual a multiplicar por 1/6 la probabilidad de sacar un 6 con un dado en una tirada. Por tanto, para igualar la situación al problema anterior habría que hacer 4 · 6 = 24 tiradas. Así conseguimos un problema en el que la probabilidad de sacar 6 en ambos dados al menos una vez es la misma que la de sacar un 6 al menos una vez en el caso anterior, por lo que interesa apostar a favor de ese hecho.”
El caso es que nuestro caballero de Mére, a pesar de que aparentemente la apuesta era favorable, veía que a la larga perdía más veces que ganaba. Vamos, que la apuesta no parecía tan favorable, pero no sabía por qué. ¿Podrías ayudar tú a Antoine? Piénsalo, más adelante daremos la respuesta.
El segundo problema es, bajo mi punto de vista, más interesante. Os pongo en situación:
Imaginemos que dos jugadores A y B juegan con una moneda, tirándola y viendo lo que sale en ella. Si sale cara, A acumula un punto, y si sale cruz lo acumula el jugador B. Ambos han apostado 32 € y gana el jugador que antes llegue a 5 puntos, llevándose entonces todo el dinero (al parecer, el problema trataba de tirar un dado y cada uno había elegido un número concreto, pero para ilustrar el problema nos vale nuestro ejemplo). Por circunstancias que no vienen al caso, hay que interrumpir el juego antes de que uno de los jugadores gane, estando en ese momento el marcador así: A lleva 4 puntos y B lleva 3 puntos. La cuestión es la siguiente: ¿cómo debe repartirse el dinero?
Este problema había sido estudiado anteriormente por Luca Pacioli y por Tartaglia, pero ambos dieron respuestas erróneas. Nuestro caballero de Mére se lo propuso a Pascal, que lo puso en conocimiento de Fermat mediante correspondencia. En esa correspondencia entre estos dos monstruos de las matemáticas se resolvió este problema y, de paso, se creó el germen de la teoría del cálculo de probabilidades.
Pero vayamos al problema en sí. La primera idea, en cierto modo razonable, sería repartir el dinero total, 64 €, en proporción según los puntos que llevan cada uno de ellos en el momento en el que el juego se corta. Como en ese momento A lleva 4 puntos y B lleva 3 puntos, habría que dividir 64 entre 7 y dar 4 partes a A y 3 partes a B…
…el problema es que este razonamiento no da un resultado justo. Por ejemplo, imaginad que sólo se ha hecho una tirada y ha salido cara. Entonces A lleva un punto…y las circunstancias obligan a terminar ahí el juego. Según el razonamiento anterior, A debería llevarse todo el dinero, lo que sería a todas luces injusto.
El reparto más justo (y, por tanto, el correcto) debe ir en función de la probabilidad que tendría cada uno de ganar el juego si éste no se hubiera interrumpido. Vamos a analizar cuáles serían las probabilidades de cada uno y las usaremos después para repartir el dinero correctamente.
Como decíamos, el jugador A lleva 4 puntos y el B lleva 3 puntos, y gana el primero que llegue a 5 puntos. Si en la siguiente tirada hubiera salido una cara, el jugador A llegaría a 5 puntos y, por tanto, ganaría. La probabilidad de que ocurra eso es la probabilidad de que salga cara en una tirada: 1/2.
Si hubiese salido cruz, el jugador B sumaría 4 puntos. Como el A también lleva 4, todavía no ha ganado nadie, por lo que hay que tirar de nuevo. Si en esa segunda tirada sale cara, gana el A, y esto ocurre con probabilidad
(1/2) · (1/2) = 1/4 (el primer 1/2 por la cruz y el segundo por la última cara)
Y si en la segunda tirada sale cruz, gana el jugador B. La probabilidad de que eso ocurra es también
(1/2) · (1/2) = 1/4 (el primer 1/2 por la primera cruz y el segundo por la última cruz)
Analizando estos casos, vemos que la probabilidad de que gane A es:
P(Gana A)=1/2 + 1/4 = 3/4
Y la probabilidad de que el ganador sea B es:
P(Gana B)=1/4
Entonces debemos dividir el dinero total en cuatro partes y darle tres a A y una a B. Por tanto, al jugador A le corresponden 48 € y al B le deben dar 16 €.
Volvamos ahora al primer problema. ¿Lo has resuelto? Razonando como en el caso de una sola tirada de dado seguro que sí. Pero por si acaso vamos a comentarlo.
Vamos a calcular la probabilidad de que no salga el resultado (6,6), y después, como antes, le restaremos esa probabilidad a 1. Como el resultado (6,6) puede darse solamente en 1 de los 36 casos posibles, y tiramos el dado 24 veces, tenemos que:
P(No salga (6,6)) = (35/36)24
Ahora le restamos ese valor a 1 y obtenemos la probabilidad de que salga (6,6) al menos una vez en 24 tiradas:
P(Al menos sale (6,6) una vez en 24 tiradas) = 1 – (35/36)24 = 0’4914…
Lo que significa, al ser menor que 0’5, que apostar a ese resultado es, a la larga, perjudicial para el jugador.
Como ya hemos comentado, Pascal y Fermat comentaron y dieron solución a estos problemas en la correspondencia que se generó entre ambos (Fermat, sobre todo, era mucho de comunicarse con otros matemáticos por correspondencia) después de que el caballero de Mére se los propusiera a Pascal. Aquí tenéis traducciones al inglés de parte de esa correspondencia, aunque por desgracia no todas las cartas han llegado a nuestros días. El responsable de formalizar todos estos argumentos fue Christiaan Huygens, que tuvo conocimiento de esta correspondencia sobre 1655. En 1657 publicó el tratado De Ratiociniis in Ludo Aleae (Calculando en juegos de azar), escrito en el que resolvía los problemas sobre probabilidades que circulaban en aquella época. Este tratado se convirtió en el primero trabajo publicado sobre cálculo de probabilidades.
Como habéis podido ver, el simple planteamiento de un problema práctico por parte de Antoine Gombaud, caballero de Mére, acabó dando lugar a toda una teoría matemática con multitud de usos y aplicaciones. Y no es el único caso, recordad el caso de los puentes de Königsberg y la teoría de grafos. Por ello, no debemos restarle importancia a ninguno de los problemas que se nos puedan ocurrir o que nos puedan aparecer, ya que nunca se sabe la importancia que pueden llegar a tener o las aplicaciones que se les puede encontrar.
Recuperado de http://elpais.com/elpais/2017/04/26/el_aleph/1493220185_791291.html
La Fundación BBVA ha elegido a 63 investigadores y creadores culturales para financiar proyectos personales con impacto social. Esta convocatoria, a la que se presentaron 1900 solicitudes, está pensada para impulsar proyectos con un gran margen de flexibilidad en el uso de recursos que permite a los galardonados centrarse en hacer avanzar sus iniciativas y no en la justificación de gastos. En total, la convocatoria está dotada con 2,2 millones de euros con una media de 34000 euros por proyecto. Los ámbitos de trabajo de los galardonados son muy diversos, desde el trabajo científico en la búsqueda de los mecanismos biológicos del cáncer o la obesidad a la búsqueda de planetas parecidos a la Tierra o el diseño de ciudades más vivibles por personas de todas las edades. A continuación, hablamos con algunos de los seleccionados.
Leandro Luigi di Stasi. Controlar la fatiga en profesiones de riesgo
Leandro Luigi di Stasi, psicólogo
Un fallo provocado por el cansancio en un cirujano o un conductor de transporte público puede poner en peligro la vida de una o varias personas. Leandro Luigi di Stasi, investigador en el Departamento de Psicología Experimental de la Universidad de Granada trabaja para reducir el riesgo asociado a la fatiga detectándola con tiempo. Para lograrlo, él y su equipo han elaborado un índice que defina con la mayor objetividad posible el nivel de cansancio aceptable que no se debe superar, a través de indicadores como el movimiento ocular y la actividad cerebral y están desarrollando un sistema para construir dispositivos portables y de bajo costo que los trabajadores puedan llevar consigo.
Nina Tramullas. Un lugar de apoyo a los expatriados
Nina Tramullas, periodista
Nina Tramullas, licenciada en comunicación, ha puesto en marcha 0034 Código Expat, una plataforma web dedicada a los españoles que trabajan fuera de España o están pensando en irse. En ese espacio se ofrecerá información relacionada con todo lo que significa vivir en el extranjero y se podrán encontrar servicios específicos que pueden ser útiles cuando se está fuera de España. Tramullas considera que es especialmente interesante la información fiscal y legal, pero comenta que también existe demanda de psicólogos españoles, que puedan entender mejor las particularidades culturales y las necesidades de alguien de su país. Además, 0034 Código Expat servirá como punto de encuentro para compartir experiencias.
Mª Paz Martín. Crear ciudades en las que también vivan bien los mayores
“Mick Jagger [el líder de los Rolling Stones],
con 72 años, es un anciano según la definición oficial”, dice Mª Paz Martín Rodríguez. Para ella es un ejemplo de que esa edad se puede vivir con la misma plenitud que otras etapas de la vida, algo que en la sociedad actual no se ha integrado de un modo adecuado. El proyecto por el que recibirá la ayuda esta arquitecta consiste en analizar cuál es la situación actual de la organización urbana desde el punto de vista de las personas mayores. Se analizará, la planificación urbana, hasta el hogar y el entretenimiento, para observar las carencias y poder ofrecer mejoras. Con los resultados, se realizará una exposición itinerante, porque, en gran medida, el trabajo de Martín Rodríguez tiene que ver con la concienciación social. “El cambio tiene que ser muy global, pero sobre todo debemos entender que no tiene por qué ser feo o triste”, apunta. “El diseño para los ancianos ha de hacerse con optimismo y contemplando las nuevas formas de vivir, dándole la vuelta a los prejuicios”, concluye.
David Gómez-Ullate. Algoritmos matemáticos contra el fraude bancario
David Gómez-Ullate,Inst Ciencias Matemáticas
El proyecto de David Gómez-Ullate, profesor de la Universidad Complutense de Madrid, utiliza las matemáticas y la inteligencia artificial para enseñar a las máquinas a detectar fraudes en medios de pago electrónicos, sobre todo con tarjetas de crédito. “Un banco nos pasa una base de datos con un año de operaciones de transacciones electrónicas y se anotan cuáles son legítimas y cuáles son fraudes”, explica Gómez-Ullate. “Lo que buscamos es que la máquina aprenda de esas pautas para ver cuáles son fraudulentas o no y pueda ayudar a evitar fraudes en el futuro”, añade. “Si una persona utiliza la tarjeta de crédito para un tipo de productos y de repente compra algo que no tiene nada que ver habrá un indicio más probable de fraude”, ejemplifica el investigador. Además, es importante que el sistema sea rápido para que no haga engorroso el uso del pago electrónico o de una tarjeta. “Los bancos buscarán un equilibrio entre incrementar las probabilidades de detectar el fraude y molestar a sus clientes”, apunta.
Sara González. Gestionar mejor los residuos y hacer que tengan valor
Sara González, ingeniera química
El objetivo del proyecto se Sara González, ingeniera química de la Universidad de Santiago de Compostela, es transformar el entorno de una ciudad modelo española de unos 125000 habitantes, como Santiago, y trasformarla en una 'smart city' (ciudad inteligente). El desarrollo de una ciudad inteligente conlleva varias variables, como la logística y el transporte. En este caso, González prestará atención a los residuos alimentarios que se generan en una ciudad para mejorar su gestión. “El proyecto analizará dentro de la ciudad modelo los puntos donde se generan residuos, como hogares, restaurantes o supermercados, y se observará el proceso desde que se consumen los alimentos hasta que se llevan a los puntos de gestión”, explica González. Ahora ese destino es la incineración y el vertedero, pero ellos quieren plantear alternativas como el uso de residuos ara la producción de biogas o fertilizantes. “Queremos hacer evolucionar las ciudades hacia el tipo de ciudades inteligentes como Niza o Copenhague”, finaliza.
Los Simpsons se ha consolidado como un fenómeno de la cultura pop internacional, serie ganadora de muchos premios. Es la comedia de mayor duración de todos los tiempos y también es uno de los programas de televisión al aire más alfabetizados, Contiene muchas referencias a diversos campos académicos, incluyendo las matemáticas.
Desde que Los Simpson están al aire hemos visto mas de cien episodios con referencias matemáticas que van desde aritmética, cálculo mental y de porcentajes, proporciones, geometría, cálculo, topología, estadística, criptología, efectos ópticos, acertijos, la teoría del caos, los teoremas de Pitágoras y Fermat, las matemáticas recreativas, o el misterioso número áureo.
Y es que varios guionistas de esta exitosa serie saben matemáticas. Al Jean, el jefe de guionistas es licenciado en matemáticas por la Universidad de Harvard; David Cohen, guionista y productor es licenciado en física por la misma universidad; Ken Keeler es doctor en matemática aplicada, una rama de las matemáticas,…”
En una escena del primer capítulo, titulado “Bart, el genio” (emitido en enero de 1990), Maggie construye la frase “EMCSQU” con una torre de cubiletes. La ecuación matemática más famosa de la historia de la ciencia E = m c² (SQU = squared, en inglés “al cuadrado”).
En ese mismo episodio hay un chiste sólo para nerds. Envían a Bart a un Centro de Aprendizaje Especial para Niños Superdotados y su primera lección es de matemáticas. “La profesora pone un problema a los alumnos, el primer ejemplo de una broma matemática descarada en Los Simpson. La profesora escribe una ecuación en la pizarra y dice: “y es igual a r al cubo partido por 3, y si determináis correctamente la tasa de incremento en esta curva, creo que quedaréis agradablemente sorprendidos”.”
Todos los alumnos (excepto Bart) averigüan la respuesta y se echan a reír, pues la solución se halla derivando la función.
Pero sin duda el capítulo mas asombroso es cuando Homer delante de una pizarra empezó a escribir la fórmula, que desarrollada, acaba prediciendo la masa del Bosón de Higgs. “La ecuación de Homer se aproximaba mucho. La suya es un poco mayor, un poco más grande, pero se aproxima bastante 14 años antes del descubrimiento de la partícula”, afirmó Marta Martín.
Acá dos episodios
Homero hace estallar máquina detectora de mentiras.
Homero y la estadísica
La ciencia escondida en los Simpsons: Claudio Sanchez en una charla de TEDxRosario
Las actitudes negativas hacia las matemáticas son comunes y los expertos advierten que son más perjudiciales de lo que pensamos. Cuando un padre le dice a su hijo: "nunca me fue bien en matemáticas", puede estar contribuyendo a que él sienta lo mismo. Comentarios casuales como ese tienden a normalizar posiciones adversas frente a esta ciencia.
Pero mientras que la habilidad numérica precisa de habilidades como sumar y multiplicar, las matemáticas no son solo eso, son acerca de la resolución de problemas.
Si llegaste a tiempo al trabajo hoy, si les trajiste café a tus colegas o si estás decidiendo qué comprar de almuerzo, todo eso requiere de pensamiento lateral... en otras palabras, matemáticas. Aunque tengan mala fama, las usamos todo el tiempo y con un poco de esfuerzo todos podemos mejorar nuestra capacidad.
¿Hay un gen de las matemáticas?
En 2011, un estudio hecho por la Universidad John Hopkins, Illinois, Estados Unidos, encontró que a los niños que tenían un sentido numérico altamente desarrollado -la habilidad de estimar números- también les iba bien en las pruebas de matemáticas. Los investigadores indicaron que eso significaba que la capacidad de manejar números podía ser innata.
Cuando Albert Einstein murió en 1955, sacaron su cerebro y lo preservaron para futuros estudios científicos. ¿Era su cerebro la razón de su genialidad? Durante los años siguientes varios científicos lo estudiaron y, aunque sus resultados a veces han sido controvertidos, muchos aseguran que "el cerebro de Einstein era diferente a los demás".
Un estudio reciente hecho por científicos de la Universidad del Estado de Florida encontró que Einstein tenía una "corteza prefrontal extraordinaria", que pudo haber contribuido a que tuviera tales capacidades.
Sumando lo demás
Sin embargo, los expertos generalmente están de acuerdo en que tanto lo innato como lo adquirido juegan un rol importante cuando se trata de las matemáticas. Factores como la vida familiar, la educación e incluso las privaciones influyen en nuestras posibilidades de dominar esta ciencia.
Un estudio hecho en Noruega, en el que se pusieron a prueba las habilidades de 70 niños, encontró que lo único necesario es mucha práctica. Y muchos expertos advierten que el hablar de "genes matemáticos" es una falacia pues lo que se requiere para ser bueno en matemáticas es esforzarse.
Para Toby Bailey, de la Escuela de Matemáticas de la Universidad de Edimburgo, es vital que la gente deje a un lado la creencia de que se es bueno o malo para las matemáticas, y que adopte una "mentalidad de desarrollo" -a menudo corriente en los países del suroriente asiático- según la cual si uno trabaja, seguramente mejora.
La clave: valentía
Uno de los más grandes obstáculos para convertirse en un genio matemático es el miedo. Preséntale un problema matemático a un grupo de gente y la mayoría querrá huir. Aunque no lo creas, existe una condición llamada "ansiedad matemática", y hay escáneres que muestran que el área del cerebro afectada es similar a la que se activa cuando sentimos dolor físico.
El gran problema con esta ansiedad es que la gente se da por vencida. Su mente les dice que no pueden hacerlo y el miedo hace que no insistan. Pero, por supuesto, las matemáticas no son un monstruo. Lo que tienen es un problema de imagen. Decir que no somos buenos para las matemáticas es casi como una medalla de honor. Sin embargo, no es cierto.
En el fondo, todos somos matemáticos. Muchos empleos dependen de ello. Por ejemplo, quizás no asocies la enfermería con las matemáticas, pero cuando se están administrando medicinas, un error en un punto decimal puede ser la diferencia entre la vida y la muerte.
La realidad es que usamos las matemáticas a diario. Para navegar en el mundo, tenemos que entender los números y poder calcular los riesgos.
5 trucos para ser mejor en matemáticas
1. La confianza es la clave. El 50 por ciento de ser un matemático es creer que uno puede solucionar un problema. De alguna manera tienes que poder superar ese pavor que sientes cuando te presentan un ejercicio. Recuerda que todas las herramientas y técnicas ya están inventadas: no tienes que reinventar la rueda. Lo único que hay que hacer es decidir cómo aplicar esas herramientas para solucionar esa pregunta en particular.
2. Aprender matemáticas es como aprender a tocar un instrumento. No puedes pretender que vas a aprender a tocarlo en un día. Tienes que practicar las escalas y después vas a poder tocar una pieza musical. De hecho, las matemáticas se parecen a un lenguaje: es el lenguaje de la naturaleza. Debes dedicarle un poco de tiempo antes de poderlo entender y usar.
3. Está bien atascarse. Como matemático profesional, paso la mayor parte de mi vida atascado en problemas matemáticos. Pero eso es lo que lo hace divertido: ese momento maravilloso en el que de repente te das cuenta de cómo puedes resolver el problema. ¡Si todo fuera fácil, sería aburrido! Y siempre recurre al pensamiento lateral... el truco es encontrar diferentes perspectivas.
4. Divide el problema en pedazos pequeños. Construir un argumento matemático es un poco como un juego de ajedrez: la combinación de todos los movimientos individuales es lo que al final te lleva a ganar la partida.
5. Encuentra el patrón. Cuando juego "Papel, tijera o piedra", lo que trato de hacer es descubrir algún patrón en la conducta de mi oponente. Si lo logro, tengo la ventaja. Eso es una habilidad matemática. Las matemáticas no son habilidades aritméticas, es la ciencia de la búsqueda de patrones. ¡Incluso si nunca pudiste aprender las tablas de multiplicar, puedes ser un buen matemático! (de hecho, muchos de mis colegas no se las saben).
.png "English"){kind=small}
Se dedica a la generación de los modelos, inferencias y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de unas características numéricas (estimación), pronósticos de futuras observaciones, descripciones de asociación (correlación) o modelamiento de relaciones entre variables de Sam (análisis de regresión). Otras técnicas de modelamiento incluyen análisis de varianza, series de tiempo y minería de datos.
