1

INSTITUTO NACIONAL DE MATEMATICA PURA E APLICADA

MESTRADO EM MATEMTICA - PROFMAT

ANDRE LUIZ GOMES AUGUSTO

UMA INTRODUO PROBABILIDADE E

ESTATSTICA NO EJA (Educao de Jovens e Adultos) -
Em busca da democratizao do ensino.

Rio de Janeiro - RJ

2015

ANDRE LUIZ GOMES AUGUSTO

 2

UMA INTRODUO PROBABILIDADE E

ESTATSTICA NO EJA (Educao de Jovens e Adultos) -
Em busca da democratizao do ensino.

Dissertao apresentada ao
Curso de Mestrado em Matemtica
do Instituto Nacional de Matemtica
Pura e Aplicada, como requisito
parcial de obteno do Grau de
Mestre. rea de concentrao:
Ensino de Matemtica

Orientador: Prof. Dr. ROBERTO IMBUZEIRO OLIVEIRA

Rio de Janeiro - RJ
2015

ANDRE LUIZ GOMES AUGUSTO

 3

UMA INTRODUO PROBABILIDADE E

ESTATSTICA NO EJA (Educao de Jovens e Adultos)
Em busca da democratizao do ensino.

Dissertao apresentada ao
Curso de Mestrado em Matemtica
do Instituto Nacional de Matemtica
Pura e Aplicada, como requisito
parcial de obteno do Grau de
Mestre. rea de concentrao:
Ensino de Matemtica

Aprovada em _______________ de 2015

BANCA EXAMINADORA
______________________________________________________
Prof. Dr. ROBERTO IMBUZEIRO OLIVEIRA - IMPA
______________________________________________________

______________________________________________________

Rio de Janeiro - RJ
2015
 4

Dedicatria

Dedico este trabalho primeiramente

a Deus, razo de toda a minha
existncia; a minha me, por todo o
apoio; minha esposa, por sua
compreenso; e aos meus filhos,
por serem minha motivao para
enfrentar as dificuldades durante o
curso.
 5

Agradecimentos

A todos os professores que tive ao longo de minha trajetria neste curso de

mestrado. So eles: Elon Lages Lima, da disciplina Nmeros, Conjuntos e Funes
Elementares; Paulo Cezar Pinto Carvalho, das disciplinas Matemtica Discreta e
Preparao para o TCC; Eduardo Wagner, da disciplina Geometria; Carlos Gustavo
Tamm de Arajo Moreira, da disciplina Aritmtica e Polinmios; Roberto Imbuzeiro, da
disciplina Resoluo de Problemas; Marcelo Vianna, da disciplina Clculo I e Moacyr
Alvim Horta Barbosa da Silva, da disciplina Geometria Analtica, por contriburem
fortemente para a minha formao e qualificao profissional.
Ao professor Roberto Imbuzeiro, por sua orientao segura, dedicada e
atenciosa.
A todos os meus colegas de curso, especialmente aos amigos Sergio Serrano
e Fabio, por serem verdadeiros companheiros.
A Ana Cristina da Silva, Isabel Cherques, Andrea Nascimento, Kenia Rosa e
Josenildo Pedro, da Diviso de Ensino, por serem sempre to solcitos aos meus
pedidos.
A toda minha famlia, especialmente a minha me, Maria Isabel; a minha
esposa, Guaraciara de Oliveira Augusto e a meus filhos Raphael, Matheus e Isabela
de Oliveira Augusto, por me apoiarem, torcerem por mim e, principalmente,
compreenderem os momentos de ausncia em virtude dos estudos.
Finalmente, agradeo a Deus por me prover, sustentar-me e conduzir-me at
aqui.
 6

Resumo

Este trabalho realiza uma discusso dos principais conceitos de Probabilidade

e Estatstica em nvel de Ensino Mdio, buscando uma forma mais acessvel de
ensinar esses contedos no EJA (Educao de Jovens e Adultos - Ensino Mdio), com
o objetivo de ajudar sua ascenso ao nvel superior. As atividades propostas para sala
de aula envolvem a resoluo de problemas do ENEM dos ltimos cinco anos.

Palavras chave: Probabilidade, Estatstica, EJA Ensino Mdio e ENEM

 7

Abstract

This paper presents the main concepts of probability and statistics at the high
school level, seeking a more affordable way to teach these contents to EJA (Youth and
Adult Education - High School), in order to help her rise to the top level . The proposed
activities for the classroom involve solving ENEM problems from the last 5 years of
exams.
 8

Sumrio

Captulo 1 Introduo 09

Captulo 2 Introduo a probabilidade 10

Introduo 10

Espao Amostral e Probabilidade de Laplace 10

Espaos de Probabilidade 13

Probabilidades Condicionais 15

Eventos independentes 17

Distribuio Binominal 17

Teorema Binomial 18

Capitulo 3 - Introduo a Estatstica 19

Conceitos Preliminares 19

Distribuio de frequncia 20

Distribuio de frequncia em classes unitrias 21

Distribuio de frequncia em classes representadas por intervalos reais 23

Medidas Estatsticas 25

Medidas de Posio 25

Medidas de disperso 27

Uso da Probabilidade na Estatstica 31

Capitulo 4 - Descrio das Atividades e Constataes 33

Plano de Aula: Introduo a Probabilidade 34

Plano de Aula: Introduo a Estatstica 35

Atividades: Questes ENEM Probabilidade e Estatstica 36

Atividades: Questes ENEM Probabilidade e Estatstica 49

Captulo 5 - Concluso 61

Referncias Bibliogrficas 63
 9

CAPITULO 1 - Introduo

Sempre que ensinamos um contedo, o aluno nos pergunta qual seria a real
aplicao desse novo conhecimento. Probabilidade e Estatstica no so diferentes,
mas quando se trata desses dois contedos, a resposta est a nossa volta. Quando
abrimos um jornal, ou mesmo assistimos a um programa poltico, temos nada mais,
nada menos que exposies de dados, sejam eles estatsticos ou probabilsticos.
quando surge um grande problema, que interpretarmos esses dados e assim
tirarmos nossas concluses. Essa dificuldade detectada nos alunos do ensino
noturno: perceber que h muita informao contida num grfico, num resultado de
mdia ou tambm na possibilidade de certo evento ocorrer. Levar os alunos a
interpretar tais informaes sempre foi um grande desafio para os professores de EJA
na rede pblica estadual. Se ainda considerarmos o fato de que o currculo desse
segmento reduzido, por ter como objetivo recuperar o tempo perdido do aluno
que se afastou da escola pelos mais variados motivos, temos a noo exata das
barreiras a serem ultrapassadas.

Alm de revermos os fundamentos conceituais destes dois assuntos

relataremos algumas atividades didticas realizadas em agosto de 2014 na Escola
Estadual Professor Ubiratan Reis Barbosa na turma 301 do turno noturno. A turma era
um grupo de 20 alunos cujas idades eram bem heterogneas (entre 18 e 54 anos) e
cujos motivos para estar retornando aos estudos no supletivo eram diversos, variando
entre a busca por uma colocao melhor no mercado de trabalho, o desejo de fazer
uma faculdade ou, para os mais velhos, simplesmente uma realizao pessoal.
Justamente esses fatores foram os responsveis por tornar o projeto to interessante.
Partiu-se do princpio que o primeiro passo seria mostrar aos estudantes a importncia
dos contedos com os materiais apresentados nos captulos 2 e 3. Dessa forma, a
motivao surgiria ao perceberem que, ao contrrio do que sempre escutaram, era
possvel dominar esses contedos. Paralelamente, a realizao de atividades do
captulo 4, com as questes do ENEM dos ltimos cinco anos, visou proporcionar-lhes
a devida preparao para o referido exame, esmiuando as questes com discusso e
anotaes.
Com a realizao deste trabalho, deseja-se demonstrar que possvel aplicar
esses contedos ao Ensino de Jovens e Adultos, respeitando as diferenas e
limitaes. Esses pontos so discutidos com mais detalhes no captulo 6.
 10

CAPITULO 2 - Introduo a Probabilidade

Neste captulo, apresentamos uma breve reviso conceitual dos contedos de

Probabilidade relevantes para o Ensino Mdio. Nossa Discusso baseada na
referncia - Anlise Combinatria e Probabilidade - 6 edio 2004.

Introduo

Diremos que um experimento determinstico quando repetido em condies

semelhantes conduz a resultados essencialmente idnticos. Os experimentos que
repetidos sob as mesmas condies produzem resultados geralmente diferentes sero
chamados de experimentos aleatrios. Fenmenos aleatrios acontecem
constantemente em nossa vida diria. So frequentes perguntas tais como: chover
amanh? Qual ser a temperatura mxima no prximo domingo?

A Teoria das Probabilidades o ramo da Matemtica que cria, desenvolve e

em geral pesquisa modelos que podem ser utilizados para estudar experimentos ou
fenmenos aleatrios.

O modelo matemtico utilizado para estudar um fenmeno aleatrio particular

varia em sua complexidade matemtica, dependendo do fenmeno estudado. Mas
todos esses modelos tm ingredientes bsicos comuns. O que vamos fazer agora e
estudar uma srie de fenmenos aleatrios relativamente simples e interessantes, e
fixar uma serie de ideias e noes que so totalmente gerais.

Espao Amostral e Probabilidades de Laplace.

Vamos tratar de um caso particular da situao geral que ser desenvolvida no

tpico a seguir. Este caso particular muito importante, porque a maior parte dos
exemplos e exerccios deste trabalho so relativos a este tpico.

A definio de probabilidade como quociente do nmero de casos favorveis

sobre o nmero de casos possveis foi a primeira definio formal de probabilidade.
A probabilidade introduzida nesta seo tem, como veremos, vrias propriedades.
Elas sero tomadas como definio de uma funo de conjunto que tambm
chamaremos de probabilidade no tpico seguinte.

Consideremos o seguinte experimento aleatrio: Jogue um dado e observe o

nmero mostrado na face de cima.
 11

A primeira tarefa consiste em descrever todos os resultados do experimento e

calcular o seu nmero. De outra forma: explicitar qual o conjunto de possveis
resultados do experimento e calcular o nmero de elementos contidos nele. Este
conjunto chamado de Espao Amostral. fcil descrev-lo em nosso exemplo:

={1, 2, 3, 4, 5 e 6}

Os Elementos do espao amostral so chamados eventos elementares. Os

subconjuntos do espao amostral sero chamados eventos. Por exemplo, o sub
conjunto A={2, 4, 6} evento que acontece se nmero mostrado na face de cima
par.

Passamos agora a segunda etapa: a de calcular a probabilidade de um evento

A. Consideremos o caso do evento A= {2, 4, 6} de nosso exemplo. claro
intuitivamente que se repetimos o experimento um grande nmero de vezes
obteremos um nmero par aproximadamente metade dos casos; ou seja o evento A
vai ocorrer mais ou menos a metade das vezes. O que esta por trs dessa intuio o
seguinte:

a) Os eventos elementares so todos igualmente provveis;

b) O nmero de elementos de A(#(A)=3) justamente a metade dos
elementos de (#()=6).

Estas consideraes motivam a definio de probabilidade de um evento como

A, da seguinte forma.

Laplace referia-se aos elementos de A (ou elementos que compem A) como

os casos favorveis. Os elementos do espao amostral eram chamados casos
possveis. Defina ento

 12

Vamos ento resumir as condies feitas at agora, que permitem a utilizao

desta definio de probabilidade.

Suponha que os experimentos aleatrios tm as seguintes caractersticas:

a) H um nmero finito ( digamos n) de eventos elementares(casos possveis).

A unio de todos os eventos elementares o espao amostral .
b) Os eventos elementares so igualmente provveis.
c) Todo evento A uma unio de m eventos elementares onde m n.

Definimos ento probabilidade A = P(A) = = =

Consequncia imediata desta definio so as seguintes propriedades:

a) para todo evento A, 0 P(A) 1

b) P()=1
c) P()=0 (porque #()=0);
d) Se A B= ento p(A B)=P(A)+P(B)

Exemplo: Trs moedas so jogadas simultaneamente. Qual a probabilidade de obter

2 caras? Qual a probabilidade de obter pelo menos 2 caras?

Vamos indicar como C, cara e com K coroa. O espao amostral ento

={(CCC),(CCK),(CKC),(KCC),(CKK),(KCK),(KKC),(KKK)}

Donde: # () = casos possveis = 8

Se A indica o evento obter 2 caras temos que

A=(CCK),(CKC),(KCC)

Assim #(A)=3 e portanto

P(A)=

Se B denota o evento obter pelo menos duas caras temos

B={(CCK),(CKC),(KCC),(CCC)}

Resulta que #(B)=4 e P(B) =

 13

Espaos de Probabilidade

Vamos introduzir agora a noo geral de probabilidade e provar vrias

propriedades que so consequncias mais ou menos imediatas da definio

Seja um espao amostral (conjunto no vazio). Uma funo P definida para

todos os subconjuntos de (chamados eventos) chamada uma probabilidade se:

1) para todo evento A, 0 P(A) 1, para todo evento A

2) P( )= 1;

3) P() = 0;

4) Se A B = ento P(A B) = P(A) + P(B).

Pelo que observamos acima, as probabilidades de Laplace satisfazem estas

trs propriedades. Portanto, elas so um caso particular desta definio mais geral
que acabamos de dar. Este caso particular aparecer na maior parte deste trabalho.
No entanto, existem muitas probabilidades (ou seja, funes com as propriedades 1, 2,
3 e 4 mostradas acima) que no so desta forma particular. Um exemplo simples se
obtm tomando = {0,1} e definindo

P()=0, P( )=1, P({0})=2/3, P({1})=1/3.

Em geral, sejam um conjunto com n elementos, = {w1,w2,...,wn}, e p1,

p2,...,pn n nmeros no negativos e tais que p1 +p2 +... +pn = 1; Definamos P ({wi})=pi,

i = 1, 2, ..., n e, em geral, para A C , P(A) = soma das probabilidades dos elementos

pertencentes a A). A funo P assim obtida uma probabilidade sobre . Em geral
ela diferente da probabilidade de Laplace introduzida no tpico anterior. Se p1 = p2 =
... = pn = 1/n obtemos a probabilidade de Laplace como caso particular.

Vrias consequncias simples e teis da definio de probabilidade esto

contidas nas seguintes proposies.

Eventos Complementares

So os eventos que se completam em relao ao espao amostral. O evento

complementar A, associado a uma experincia aleatria e denotado por, s ocorre se
A deixar de ocorrer, isto , o evento formado por todos os elementos do espao
amostral que no pertencem a A. o complementar, l-se no A.
 14

Proposio 1- (Probabilidade complementar)

P() = 1 - P(E)
Demonstrao;

seja P( )= 1, como =E e E = ,

temos que P( )= P (E ) = P(E) + P() = 1

portanto P() = 1 - P(E)

Proposio 2 - Se A B ento P(A) = P(B) - P(B-A).

Demonstrao:

Como B = A (B - A) e A (B - A) = ,

P(B) = P(A (B - A)) = P(A) +P(B - A),

e Portanto P(A) = P(B) - P(B - A)

Proposio 3 - P(A B) = P(A) + P(B) - P(AB)

Demonstrao:

Temos que

P(A) = P(A - B) + P(A B)

P(B) = P(B - A) +P (A B).

Somando:

P(A) + P(B) = P(A - B) + P(B - A) + P(A B) +P(A B).

Portanto

P(A B) = P(A) + P(B) - P(A B)

Exemplo:Um nmero entre 1 e 300 escolhido aleatoriamente. Calcular a

probabilidade de que ele seja divisvel por 3 ou por 5.
 15

Sejam A e B os eventos que acontecem se o nmero escolhido for divisvel por

3 e por 5 respectivamente Temos que calcular P(A B). Os nmeros entre 1 e 300
divisveis por 3 so 100; os divisveis por 5 so 300/5=60, e os divisveis por 3 e 5
simultaneamente so 300/15=20.

temos portanto

P(A) = 100/300 = 1/3

P(B) = 60/300 = 1/5,

P(A B) = 20/300 =1/15

Assim,

P(A B) = P(A) + P(B) - P(A B) = 1/3 + 1/5 - 1/15 = 7/15

PROBABILIDADES CONDICIONAIS

Consideremos o experimento que consiste em jogar um dado no

viciado. Sejam = {1, 2, 3, ..., 6}, A = {2, 4 e 6} e B = {1,2 e 4}. Temos que
P(B)=#(B)/#()=3/6 = . Esta a probabilidade de B a Priori, quer dizer, antes que o
experimento se realize. Suponhamos que, uma vez realizado o experimento, algum
nos informe que o resultado do mesmo um nmero par, Isto , que A ocorreu. Nossa
opinio sobre a ocorrncia de B se modifica com esta informao, j que, ento,
somente poder ter ocorrido B se o resultado do experimento tiver sido 2. Esta opinio
quantificada com a introduo de uma probabilidade a posteriori ou, como vamos
cham-la doravante, probabilidade condicional de B dado A, definida por

Dados dois eventos A e B, a probabilidade condicional de B dado A nmero

P(A B) / P(A). Representaremos este nmero pelo smbolo P(B | A). Temos ento
simbolicamente

De modo geral, se A e B so eventos de um espao amostral S, a

Probabilidade de o evento A ocorrer, dado que o evento B tenha ocorrido, dada por:
 16

P(A|B)=

Exemplo

Uma pesquisa com 80 mulheres classificou as participantes conforme a cor do

cabelo e dos olhos. quadro seguinte mostra o resultado dessa pesquisa:

Cor dos olhos

Azuis castanhos
Cor dos cabelos Loira 25 12
Morena 5 20
Ruiva 10 8

Escolhida uma moa ruiva, qual a probabilidade de ela ter olhos azuis?

Sejam os eventos:

B, a moa escolhida ruiva;

a, a moa escolhida tem olhos azuis.

Note que, ao ser dada a informao "escolhida uma moa ruiva" o espao
amostral fica reduzido. O espao amostral passa a ser )= = 18

visualizando em diagrama, temos

Ruivas 10
olhos azuis
18-10=8

) ruivas com olhos azuis

O evento A s poder acontecer na interseo de A e B.

 17

A Probabilidade de ocorrer o evento A dado que o evento B tenha ocorrido,

denominada probabilidade condicional e ser indicada por P(A|B).

no exemplo em questo, temos P(A|B)= = .

Eventos independentes

Quando os eventos A e B so independentes, isto , a Probabilidade de um

deles ocorrer no depende de ter ou no ocorrido o outro, temos P(B|A)=P(B) ou

P(A|B)=P(A), como . , temos Ento:

P(A B) = P(A) . P(B)

Distribuio Binominal

Consideramos agora um experimento com apenas dois resultados possveis,

que chamaremos de sucesso e fracasso.

Por exemplo:

1) Jogamos uma moeda no viciada e pomos sucesso = cara e fracasso = coroa.

2) Jogamos um dado no viciado e pomos sucesso= o resultado 5 ou 6; fracasso = o

resultado 1, 2, 3 ou 4.

3) De uma urna que contm 6 bolas brancas e 4 bolas pretas, sacamos um bola e
pomos sucesso = a bola preta ; fracasso = a bola branca.

Chamaremos de p a probabilidade de sucesso e q= 1- p a probabilidade de

fracasso. Nos nossos exemplos os valores de p so 1/2, 2/6 e 4/10, respectivamente.

Suponhamos agora que faamos repeties do nosso experimento, realizando-

o um nmero fixo n de vezes.

Assim, por exemplo, no caso n=5 jogamos a moeda cinco vezes, jogamos o
dado cinco vezes, sacamos sucessivamente, com reposio, 5 bolas da urna.

Suponhamos ainda que a probabilidade p de sucesso mantenha-se constante

ao longo das repeties. Isso, no exemplo 1), significa que a probabilidade de se obter
cara em qualquer lanamento 1/2.
 18

Suponhamos finalmente que as repeties sejam independentes, isto , que o

conhecimento dos resultados de algumas provas no altere as probabilidades dos
resultados das demais. Isso no exemplo 3), significa que as bolas so sacadas com
reposio.

Logo, o problema que queremos resolver Qual seria a probabilidade de

obtermos k sucessos nessas n repeties?

A probabilidade de nessas n repeties obtermos k sucessos e, em

consequncia, n-k fracassos em um ordem predeterminada, por exemplo, os sucessos
nas K primeiras repeties e os fracassos nas demais;

Pois as repeties so independentes.

claro que, em outra ordem, a probabilidade seria a mesma, pois apenas a

ordem dos fatores alteraria. A probabilidade de obtermos k sucessos n-k fracassos em
qualquer ordem multiplicado pelo nmero de ordem possveis que
( )(para escolher uma ordem basta escolher em quais das n repeties ocorrero os k
sucessos). Acabamos de provar o

Teorema Binomial: A probabilidade de ocorrerem exatamente k sucessos em uma

sequncia de n provas independentes, na qual a probabilidade de sucesso em cada
repetio e p, igual a

( )

Exemplo: Jogamos um moeda no viciada 10 vezes. Qual a probabilidade de

obtermos exatamente 5 caras?

Pondo sucesso=cara, temos p=1/2 cada repetio e as repeties so

independentes. queremos achar a probabilidade de k=5 sucessos em n=10 repeties.
Pelo teorema binomial, a resposta

( )
 19

Capitulo 3 - Introduo a Estatstica

Neste captulo, apresentamos uma breve reviso conceitual dos contedos de
Estatstica relevantes para o Ensino Mdio. Nossa discusso baseada na referncia -
Paiva, Manoel - Matemtica Paiva volume 3, So Paulo , Moderna, 2009

A Estatstica um instrumento de leitura da informao e da transformao em

conhecimento e tambm uma cincia que se ocupa de estratgias e decises num
contexto de variabilidade e incerteza, isto , das generalizaes de caractersticas
observadas em uma parte da coletividade que se deseja conhecer. Detalhando*,* a
Estatstica e um conjunto de tcnicas e mtodos de pesquisa que abrangem, entre
outros temas: planejamento de experimento, coleta de dados, representao de dados
numricos por meio de tabelas e grficos, anlise de dados, previses e tomadas de
decises com base na anlise de dados.

Temos contato com essa cincia quando vemos, por exemplo, a previso do
tempo nos noticirios, os resultados de pesquisas eleitorais, a porcentagem de
eficcia de um medicamento ou as previses de inflao para o ano seguinte. Vivemos
em um mundo de nmeros e saber relacionar nmeros com fatos facilita o
acompanhamento das rpidas transformaes do dia a dia, assim como dificulta o
engano induzido por resultados falseados.

Conceitos preliminares

Universo estatstico ( ou populao estatstica)

Na coleta de dados sobre determinado assunto, chama-se universo estatstico

o conjunto formado por todos os elementos que possam oferecer dados relativos ao
assunto em questo.
Exemplo: o Instituto Brasileiro de Geografia e Estatstica (IBGE) divulga,
periodicamente, um estudo sobre o salrio mdio do trabalhador brasileiro. O universo
estatstico , nesse caso, o conjunto de todos os assalariados brasileiros.

Amostra
Quando o universo estatstico muito vasto ou quando no possvel coletar
dados de todos os elementos desse universo, seleciona-se um subconjunto dele,
chamado amostra, do qual os dados para pesquisa so coletados.
 20

Para que a amostra seja representativa, isto , para que ela no apresente
tendncias distintas das do universo estatstico, devem ser adotados alguns critrios
para torn-la imparcial.

Amplitude de uma amostra de dados numricos

Observe a situao:

Uma amostra de barras de ferro para construo civil apresenta os seguintes

comprimentos, em metro:

6,28 6,35 6,26 6,30 6,20 6,38 6,28 6,29 6,30 6,25 6,26 6,32

Observando que o maior e o menor comprimento dessa amostra so,

respectivamente, 6,38 e 6,20, dizemos que a amplitude da amostra (6,38 - 6,20) m,
ou seja 0,18m. Assim, podemos definir: sendo a e b, respectivamente, o menor e o
maior elemento de uma amostra de dados numricos, chama-se amplitude da amostra
o nmero b - a.

Rol

Os dados coletados em uma amostra podem ser organizados em tabelas ou

grficos. Quando esses dados so numricos, podemos ainda organiz-los em
sequncia chamadas de rol.

Rol toda sequncia de dados numricos (a1, a2, a3,..., an) tal que cada
elemento, a partir do segundo maior ou igual a seu antecessor, ou menor ou igual
a seu sucessor.

Distribuio de frequncia

A anlise de dados numricos de uma amostra facilitada pela organizao

dos dados em uma tabela ou em um grfico. Para isso, os elementos da amostra so
separados em classes.

- Classes unitrias - uma classe representada por um nico nmero.

Exemplos: uma amostra de pares de sapatos produzidos por uma indstria em

determinado perodo pode ser agrupada em classes representadas por um nico
nmero referente ao tamanho do sapato (38, 39, 40, 41, 42 e 43).
 21

- intervalos reais - quando se tem uma variedade grande de valores, como por
exemplo uma amostra das estaturas em centmetros de pessoas adultas de um
determinada regio, essas estaturas podem ser representadas por intervalos reais.

Exemplos: Uma amostra de alturas de moradores de uma determinada regio

[140,150[ , [150,160[, [160,170[, [170,180[, [180,190[, [190,200]

Distribuio de frequncia em classes unitrias

Tabela

Para uma pr-avaliao do desempenho dos candidatos em um exame

vestibular, foi selecionada uma amostra de 80 provas.
Depois de corrigidas esses provas, as notas foram organizadas, obedecendo-
se aos seguintes critrios:
A amostra foi separada em classes determinadas pelas notas das provas;
A quantidade de notas de uma mesma classe chamada de frequncia (F)
dessa classe;
A soma das frequncias de todas as classes chamada de frequncia total
(Ft) da amostra;
Dividindo-se a frequncia F de uma classe pela frequncia total Ft, obtm-se
um nmero chamado de frequncia relativa (F%) da classe.

Com os resultados construiu-se a tabela a seguir, chamada de tabela de

distribuio de frequncias.

Desempenho dos candidatos

Classe (nota) Frequncia (nmero de alunos) Frequncia relativa
4 8 10%
5 17 21,25%
6 24 30%
7 20 25%
8 11 13,75%
Frequncia total: FT=80

Os dados da tabela anterior podem tambm ser descritos por grficos de

diferentes tipos, conforme mostrado a seguir.
 22

Grficos de linha

30

20 Frequncia
(nmero de
10 alunos)

0
4 5 6 7 8

Grficos de barras verticais

Desempenho dos candidatos

30
25
20
15 Frequncia (nmero
10 de alunos)

5
0
4 5 6 7 8

Grficos de barras horizontais

Desempenho dos candidatos

8
7
Frequncia (nmero
6 de alunos)
5
4

0 10 20 30
 23

Grficos de setores

Desempenho dos candidatos

4
5
6
7
8

Observao: Todos os grficos acima foram construdos em sala passo a passo com
alunos. Vale ressaltar que o grfico de setores nesse caso foi colocado apenas como
ilustrao pois ele pede informao por se tratar de dados ordenados. Os alunos nos
exerccios de fixao construram os grficos usando papel quadriculado e
calculadora.

Distribuio de frequncia em classes representadas por

intervalos reais

Para avaliar o tamanho de seus peixes, um piscicultor retirou dos audes uma
amostra de vinte carpas e mediu o comprimento delas, em centmetros, obtendo os
seguintes resultados:

[49, 52, 56, 52, 50, 54, 57, 60, 48, 59, 48, 49, 57, 53, 55, 51, 53, 52, 55, 57]

Para representar esses dados em uma tabela de distribuio de frequncias,

com classes no unitrias, os procedimentos usuais so:

I Determinar a amplitude da amostra.

(60 - 48)cm = 12cm

II - Escolher um intervalo fechado, de comprimento maior ou igual amplitude da

amostra, que contenha a amostra, ou seja, [48,60].

III - Dividir o intervalo escolhido no item II em subintervalos, fechados esquerda e

abertos direita, exceto do ltimo subintervalo. Como o quociente de 12 por 3 igual
a 4, vamos dividir o intervalo do item II em 4 subintervalos de comprimento igual a 3:
 24

[48,51[, [51,54[, [54,57[, [57,60]. Esses subintervalos so chamados de classes, e o

comprimento de cada um chamado de amplitude da respectiva classe.

IV - Agrupar os elementos da amostra de modo que cada agrupamento seja formado

por elementos que pertenam a uma mesma classe.

48, 48, 49 e 50 pertencem classe [48,51[;

51, 52, 52, 52, 53 e 53 pertencem classe [51,54[;
54, 55, 55 e 56 pertencem classe [54,57[;
57, 57, 57, 59 e 60 pertencem classe [57,60];

Assim, podemos construir a seguinte tabela de distribuio de frequncia:

Tamanho dos peixes

Classe F F%
(comprimento em centmetros)
[48,51[ 5 25%
[51,53[ 6 30%
[54,57[ 4 20%
[57,60] 5 25%
FT=20

Histograma

Tamanhos dos peixes

7

5
Frequncia

0
[48,51[ [51,54[ [54,57[ [57,60]
classe (comprimento em centmetro)
 25

Medidas estatsticas

Dividindo a renda nacional anual de um pas pelo nmero de habitantes,

obtm-se a renda per capita, isto , a renda por pessoa. Supondo que a renda per
capita de um pas seja 5000 dlares, pode-se concluir que a distribuio de renda
nesse pas equitativa? claro que no, pois pode-se ter, por exemplo, metade da
populao no ganhando nada e cada cidado da outra metade ganhando 10.000
dlares; a renda per capita continuaria sendo de 5.000 dlares. Esse exemplo ajuda a
entender que necessrio mais de um parmetro para avaliar a distribuio dos
valores de uma amostra de nmeros. Alguns desses parmetros so as medidas
estatsticas, classificadas como medidas de posio e medidas de disperso.

Medidas de posio

So medidas que indicam o posicionamento dos elementos de uma amostra de

nmeros quando est representada num rol.

Mdia aritmtica:

Os contedos de quatro baldes de gua so 3L, 5L, 2L e 1L. Se toda gua

fosse igualmente distribuda entre os baldes, com quantos litros ficaria cada um?

Ou seja,

a mdia aritmtica de n nmeros x1,x2,x3,...,xn, e indicada por x , dada por :

Mdia aritmtica ponderada:

Considere agora dez baldes de gua, tal que cinco deles contm 4l cada um,
trs outros contm 2L cada um, e os dois restantes contm 5L cada um. Se toda essa
gua fosse igualmente distribuda entre esses baldes, com quantos litros ficaria cada
um?

 26

O resultado 3,6L chamado de mdia aritmtica ponderada dos volumes 4L,

2L e 5L, com pesos (fatores de ponderao) 5, 3 e 2, respectivamente.
Genericamente, definimos:

A mdia aritmtica ponderada dos n nmeros x1, x2, x3, ... xn, com pesos p1,p2,
p3, ... pn, respectivamente, e o nmero x tal que:

Moda

O elemento de maior frequncia em uma amostra chamado de moda

(Mo) da amostra. Nem sempre a mdia aritmtica o melhor elemento para a
representao de uma amostra. Dependendo da situao, possvel que outro
elemento seja a melhor escolha ou, at mesmo que no exista mdia aritmtica. o
caso de amostras cujos elementos no so nmeros.

Como exemplo, observamos a tabela a seguir:

Teste dos medicamentos contra insnia

Medicamentos Nmeros de resultados positivos
A 12
B 14
C 11
D 12
E 16

Observe que o medicamento E corresponde maior frequncia na amostra de

resultados positivos. Portanto, se no houver contraindicao mdica, a escolha do
medicamento E a melhor opo contra insnia.

Mediana - o termo central de um rol.

Em um escritrio de contabilidade, trabalham cinco pessoas com salrio mdio

de 2.460,00, isto , a mdia aritmtica entre os cinco salrios de 2.460,00. Essa
informao pode dar a falsa ideia de que os cinco trabalhadores desse escritrio tm
salrios prximos de 2.460,00. Para perceber que apenas a mdia aritmtica no
 27

representativa dessa amostra, observe os salrios dos cinco funcionrios

apresentados em rol:

R$ 450,00 R$500,00 R$520,00 R$4.550,00 R$ 6.280,00

Por isso, nesse caso, alm da mdia aritmtica, convm informar o valor do
centro do rol (R$ 520,00), que chamado de mediana da amostra. Podemos definir
mediana, genericamente, assim:

Considerando n nmero x1, x2, x3, ..., xn, dispostos em rol:

Sendo n mpar, chama-se mediana, indicada por Md o termo central do rol, isto
, o termo xi com

Sendo n par, chama-se mediana, indicada por Md a mdia aritmtica entre os

termos centrais desse rol, isto , a mdia entre os termos xi e xi+1 com .

Medidas de disperso

As medidas de posio, como mdia aritmtica, a mediana e a moda de um

conjunto de dados numricos no so suficientes para uma anlise conclusiva sobre
como variam os valores desse conjunto; por exemplo, o quanto esses valores esto
prximos ou distantes de uma medida previamente fixada. Esse fato pode ser
percebido pela tabela abaixo, que apresenta os salrios mensais dos funcionrios de
dois escritrios, A e B.

Salrios mensais
Escritrios A B
Salrios (nmero de funcionrios) (nmero de funcionrios)
R$ 4.900,00 0 2
R$ 4.500,00 1 0
R$ 2.700,00 1 0
R$ 1.600,00 2 0
R$ 500,00 2 0
R$ 400,00 0 4
 28

Apesar de a mdia salarial nos dois escritrios ser a mesma, RS 1900,00, as

distribuies so muito diferentes. Por exemplo, os salrios no escritrio A esto mais
prximos da mdia aritmtica do que os salrios no escritrio B.

Por isso, precisamos de outras medidas para avaliar a distribuio de uma

amostra de nmeros. Neste item, vamos estudar algumas dessas medidas, chamadas
de medidas de disperso, que podem ser entendidas a partir do problema a seguir.

Para preencher uma vaga de gerente de produo, o departamento de

recursos humanos de uma empresa, aps realizar vrios testes, selecionou dois
candidatos: Ana e Felipe. A tabela abaixo mostra o desempenho dos dois nas provas
a que se submeteram.

Notas de Ana e Felipe

Candidato Ana Felipe
Assunto
Conhecimentos de 8,5 9,5
Informtica
Lngua Portuguesa 9,5 9,0
Lngua inglesa 8,0 8,5
Matemtica 7,0 8,0
Conhecimentos de 7,0 5,0
economia
Mdia = 8,0 Mdia = 8,0

Os dois candidatos obtiveram a mesma mdia. Como proceder,

cientificamente, para estabelecer um critrio de desempate na avaliao?

A comparao entre os desempenhos desses dois candidatos pode ser feita

por meio de medidas estatsticas, como o desvio absoluto mdio, a varincia ou o
desvio padro. Essas medidas, chamadas de medidas de disperso, indicam o
quanto os elementos de uma amostra esto afastados da mdia aritmtica. Ser
considerada menos dispersa e, portanto, mais regular, a amostra que se apresentar a
menor medida. No caso de Felipe e Ana, um critrio de desempate pode ser a
regularidade, isto , o candidato escolhido ser o que apresentar a amostra de notas
menos dispersa.
 29

Desvio Absoluto Mdio

Nas cinco provas realizadas, Ana obteve 8,0 de mdia aritmtica, e suas notas
foram 85; 9,5; 8,0; 7,0; 7,0 conforme tabela anterior. Para determinar o quanto cada
nota est afastada da mdia aritmtica, basta efetuar a diferena entre a nota e a
mdia, nessa ordem; essa diferena chamada de desvio da nota. Esses desvios so:

8,5 - 8,0 = 0,5

9,5 - 8,0 = 1,5

8,0 - 8,0 = 0

7,0 - 8,0 = -1,0

O mdulo de cada um desses desvios chamado de desvio absoluto da nota

correspondente:

O desvio absoluto da nota 8,5 I0,5I = 0,5

O desvio absoluto da nota 9,5 I1,5I = 1,5
O desvio absoluto da nota 8,0 I0,0I = 0,0
O desvio absoluto de cada uma das duas notas 7,0 I-1,0I = 1,0

A mdia aritmtica entre esses desvios absolutos chamada de desvio

absoluto mdio e se indica por Dam

De maneira anloga, tem-se o desvio absoluto mdio das notas obtidas por
Felipe, Dam', no conjunto de provas;

Dam' = 1,2

Assim verificamos que as notas de Ana esto, em mdia 0,8 acima ou

abaixo da mdia aritmtica 8, e as notas de Felipe esto, em mdia, 1,2 acima ou
abaixo da mdia aritmtica 8, como Dam< Dam', conclui-se que Ana teve um
desempenho mais regular que Felipe e, por isso, merece a vaga.

Para uma amostra qualquer, definimos:

Sendo x a mdia aritmtica de uma amostra e de nmeros x1, x2, x3, ..., xn,
chama-se desvio absoluto mdio, e se indica por Dam, o nmero:
 30

Varincia

Outra medida que indica o afastamento dos valores dos elementos de uma
2
amostra, em relao medida aritmtica, a varincia, que se representa por (
a letra grega "sigma").

Chama-se varincia a mdia aritmtica entre os quadrados dos desvios dos

elementos de uma amostra, isto :

2 2
Calculando as varincias dos conjuntos de notas de Ana A e Felipe F,

citados anteriormente, temos:

0,9

2,5

2 2
Como A < F, conclumos que Ana obteve nas provas um desempenho mais
regular que Felipe.

Desvio padro
Na interpretao da varincia podem surgir algumas dificuldades em relao
unidade de medida dos elementos da amostra. Por exemplo, quando os elementos da
amostra indicam capacidade em litros(L), a varincia representa um resultado em L2.
Como essa unidade no tem significado fsico, no conveniente utilizar as varincias
nesse caso. Por causa de dificuldades como essa, foi criado o desvio padro,
representado por , definido como a raiz quadrada da varincia.
Calculando o desvio padro do conjunto de notas de Ana , A, e de Felipe, F,

citados anteriormente, temos:

A= F=
Como A < F que Ana teve nas provas um desempenho mais regular que
Felipe.
 31

O uso da Probabilidade na Estatstica

O uso da probabilidade em Estatstica esta relacionado predio de eventos

futuros. O meteorologista prediz que h 8% de chance de chover em determinada
regio; o setor de controle de qualidade de uma fbrica faz uma pesquisa estatstica e
prediz que apenas 3 em cada 1000 peas produzidas apresentaro defeitos; um
mdico sanitarista analisa as ltimas pesquisas sobre uma epidemia em certa regio
do pas e conclui que a probabilidade de infeco nas condies observadas de
50%...

Para fazermos predies, muitas vezes precisamos examinar o padro dos

eventos, analisar com que frequncia eles ocorrem e qual a mdia de ocorrncia.

Alguns eventos, como o resultado obtido no lanamento de um dado, tm

frequncias iguais

25
F
r 20
j
e e
o
q m 15
g
u
a
e 1 10
d
n 2
a 5
c 0
s
i
a 0
1 2 3 4 5 6
Nmero obtido

Outros eventos, como obter cara ou coroa ao jogar moeda, geram grficos
simtricos. O grfico abaixo um registro do nmero de caras quando jogamos 6
moedas, em 100 jogadas.
 32

35

30

25
Nmero de jaogadas

20

15

10

0
0 1 2 3 4 5 6
Nmeros de caras

Esse grfico mostra que a probabilidade maior ocorrerem 3 caras quando 6

moedas so lanadas, e que sair 6 caras, ou nenhuma cara, a ocorrncia de menor
probabilidade.
 33

CAPTULO 4 - Descrio das atividades e constataes

Neste captulo relatamos o contexto geral e formatado das atividades que

desenvolvemos em sala.

Este trabalho na Escola Estadual Ubiratan Reis Barbosa, situada no municpio

de Nilpolis - RJ. A turma participante do trabalho foi uma turma de Mdulo 3 EJA,
que possui um quantitativo de 25 alunos, sendo que tendo em todos os encontros uma
mdia de 17 alunos, sua faixa de idade ficava
entre 18 e 55 anos aproximadamente. Com podemos ver, um grupo bastante
heterogneo.

Este trabalho envolveu uma longa experincia em sala de aula num total de 14
encontros onde cada encontro teve durao de dois tempos de 50 minutos conforme
mostram as tabelas de plano de aula.

Os encontros foram desenvolvidos utilizando os materiais tericos contidos nos

captulos 2 e 3. A cada tpico eram realizados exerccios de fixao e, ao final de cada
contedo, foram resolvidas as questes do ENEM correspondentes aos contedos
trabalhados. Estas questes vieram dos exames de 2010 a 2014 e cada questo foi
comentada junto com a turma com o objetivo de sanar as dvidas e identificar as
dificuldades. Uma descrio mais detalhada das atividades dada nas duas tabelas
abaixo.

A seguir relatamos as questes do ENEM abordadas e como os alunos responderam

a cada problema proposto.
 34

PLANO DE AULA: INTRODUO PROBABILIDADE

1 AULA 2 AULA 3 AULA
ASSUNTO Introduo Probabilidade Probabilidade
probabilidade Conceitos bsicos condicional
OBJETIVOS Apresentar a Definio de Desenvolvimento do
existncia da probabilidade e suas conceito de
probabilidade no dia a propriedades, probabilidade
dia do aluno, as probabilidade condicional.
definies de evento e complementar
espaos, amostras, e propriedades.
evento complementar,
certo e impossvel.
METODOLOGIA Aula expositiva com Aula expositiva com Aula expositiva com
resoluo de resoluo de resoluo de
exerccios fceis, exerccios fceis, exerccios fceis,
mdios e algumas mdios e algumas mdios e algumas
questes de questes de questes de vestibular.
vestibular. vestibular.
TEMPO Dois tempos de 50 Dois tempos de 50 Dois tempos de 50
minutos. minutos. minutos.
4 AULA 5 AULA 6 AULA e 7 aula
ASSUNTO DISTRIBUIO REVISO DOS RESOLUO DE
BINOMIAL CONTEDOS PROBLEMAS
OBJETIVOS Desenvolvimento do Reviso dos Resoluo das
conceito de contedos questes desse tema
distribuio binomial a apresentados. presente nos ltimos
partir de um exerccio, cinco anos no ENEM.
utilizando os conceitos
definidos
anteriormente.
METODOLOGIA Aula expositiva com Resoluo de Resoluo das
resoluo deexerccios com atividades propostas
exerccios fceis,
objetivo de tirar no captulo 4
mdios e algumas dvidas, de obter (questes do ENEM
questes deuma ideia dos ltimos cinco
vestibular. quantitativa e anos) e realizao de
qualitativa do avaliao diagnstica
aproveitamento da de pontos positivos e
turma e de prepar- negativos com
los para os prximos colaborao da turma.
encontros em que
haveria resoluo de
questes do ENEM.
TEMPO Dois tempos de 50 Dois tempos de 50 Quatro tempos de 50
minutos. minutos. minutos.
 35

PLANO DE AULA: INTRODUO A ESTATSTICA

1 AULA 2 AULA 3 AULA
ASSUNTO Introduo Estatstica - Estatstica e alguns
Estatstica Construo de conceitos bsicos
grficos
OBJETIVOS Apresentar a Construo de Distribuio de
existncia da grficos de linha, frequncia em
estatstica no dia a dia barras verticais, classes, construo
do aluno, as barras horizontais e de um histograma e
definies de amostra, de setores. resolues de
amplitude, rol e exerccios.
distribuio de
frequncia em classes
unitrias.
METODOLOGIA Aula expositiva e Aula expositiva e Aula expositiva e
exerccios de fixao exerccios de fixao exerccios de fixao.
com tratamento dos nessa parte, Construo das
dados e construo aproveitando as tabelas e dos
das tabelas para tabelas construdas histogramas.
melhor assimilar os nas aulas anteriores
tpicos apresentados. para a construo
dos grficos.
TEMPO Dois tempos de 50 Dois tempos de 50 Dois tempos de 50
minutos. minutos. minutos.
4 AULA 5 AULA 6 AULA
ASSUNTO Medidas estatsticas Medidas estatsticas Resoluo das
atividades propostas
OBJETIVOS Medidas estatsticas
Medidas estatsticas Resoluo das
de posio (mdia,
de disperso (desvio questes desse tema
mediana e moda) e
absoluto mdio, presente nos ltimos
resolues de
varincia e desvio cinco anos no ENEM.
exerccios. padro) e resolues
de exerccios.
METODOLOGIA Aula expositiva, Aula expositiva e Resoluo das
exerccios de fixao exerccios de fixao.
atividades propostas
para melhor assimilar Nesse caso, para os No captulo 4
os novos conceitos. alunos perceberem a (questes do ENEM
utilidade dos novos dos ltimos cinco
conceitos em relaoanos) e realizao de
aos anteriores. avaliao diagnstica
de pontos positivos e
negativos com
colaborao da turma.
TEMPO Dois tempos de 50 Dois tempos de 50 Quatro tempos de 50
minutos. minutos. minutos.
 36

QUESTES DO ENEM DOS LTIMOS CINCO ANOS -

PROBABILIDADE.

Atividade - 1
(ENEM - 2009) A populao mundial est ficando mais velha, os ndices de
natalidade diminuram e a expectativa de vida aumentou. No grfico seguinte, so
apresentados dados obtidos por pesquisa realizada pela Organizao das Naes
Unidas (ONU), a respeito da quantidade de pessoas com 60 anos ou mais em todo o
mundo. Os nmeros da coluna da direita representam as faixas percentuais. Por
exemplo, em 1950 havia 95 milhes de pessoas com 60 anos ou mais nos pases
desenvolvidos,
nmero entre 10% e 15% da populao total nos pases desenvolvidos.

Em 2050, a probabilidade de se escolher, aleatoriamente, uma pessoa com 60 anos

ou mais de idade, na populao dos pases desenvolvidos, ser um nmero mais
prximo de:

A)1/2 B) 7/20 C) 8/25 D) 1/5 E) 3/25

Como proposta de trabalho em resolver questes dos cinco ltimos anos de

ENEM, a resoluo dessa primeira atividade foi bastante simples. Aps 15 min.
praticamente toda turma conseguiu resolv-la utilizando conceitos bsicos de
probabilidades como evento e espao amostral em conjunto com a interpretao de
grficos. A grande discusso foi de qual seria o melhor valor para o ano de 2050 no
grfico. O grupo concluiu que o bom senso seria 32%, mas que independente disso,
qualquer valor dentro do intervalo 30% a 35% levaria resposta C como a mais
prxima.
 37

Atividade 2
(ENEM-2009) A populao brasileira sabe, pelo menos intuitivamente, que a
probabilidade de acertar as seis dezenas da mega sena no zero, mas quase.
Mesmo assim, milhes de pessoas so atradas por essa loteria, especialmente
quando o prmio se acumula em valores altos. At junho de 2009, cada aposta de seis
dezenas, pertencentes ao conjunto {01, 02, 03, ..., 59,60}, custava R$ 1,50.
Considere que uma pessoa decida apostar exatamente R$ 126,00 e que esteja
mais interessada em acertar apenas cinco das seis dezenas da mega sena,
justamente pela dificuldade desta ltima. Nesse caso, melhor que essa pessoa faa
84 apostas de seis dezenas diferentes, que no tenham cinco nmeros em comum, do
que uma nica aposta com nove dezenas, porque a probabilidade de acertar a quina
no segundo caso em relao ao primeiro , aproximadamente,

A) 1 1/2 vez menor.

B) 2 1/2vezes menor.
C) 4 vezes menor.
D) 9 vezes menor.
E) 14 vezes menor.

Nesta atividade, ficou clara a dificuldade da turma em lidar com combinao,

mesmo tendo sido dada uma aula de reforo para relembrar os conceitos de
combinao. No geral, levaram bem mais tempo para resolver o exerccio. Mas
quando relembrados os conceitos de combinao, mesmo com alguma dificuldade, a
turma em sua maioria conseguiu realizar mais essa tarefa. O tema suscitou interesse
por se tratar de assunto comum em rodas de conversa, embora eles nunca tivessem
olhado para o mesmo sob a perspectiva de um problema matemtico. Cabe ressaltar
que a partir daquele momento ficou claro que para o trabalho ficar mais completo seria
necessrio um estudo mais apurado, tratando o assunto de anlise combinatria
(Princpio multiplicativo, Permutao e Combinao). No entanto, fugia do objetivo
inicial e esses tpicos foram abordados, ou melhor, relembrados, de acordo com a
necessidade.
 38

Atividade 3
(ENEM-2010) A figura I abaixo mostra um esquema das principais vias que interligam
a cidade A com a cidade B. Cada nmero indicado na figura II representa a
probabilidade de pegar um engarrafamento quando se passa na via indicada. Assim
h uma probabilidade de 30% de se pegar engarrafamento no deslocamento do ponto
C ao o ponto B, passando pela estrada E4, e de 50%, quando se passa por E3. Essas
probabilidades so independentes umas das outras.

Paula deseja se deslocar da cidade A para a cidade B usando exatamente duas das
vias indicadas, percorrendo um trajeto com a menor probabilidade de engarrafamento
possvel. O melhor trajeto para Paula :

A)E1E3. B) E1E4. C) E2E4. D) E2E5. E)E2E6.

Nessa atividade, a turma teve uma dificuldade acentuada. A questo

trabalhava claramente com probabilidades independentes e foi perceptvel que a maior
dificuldade na verdade foi a de interpretar o problema. Com isso, mais da metade teve
problemas em trabalhar com a ideia de probabilidade complementar. Logo assim que
foram feitas certas colocaes, a turma percebeu que o grande problema residia em
interpretar, pois a resoluo em si foi bastante simples.
 39

Atividade 4
(ENEM 2010) - O diretor de um colgio leu numa revista que os ps das mulheres
estavam aumentando. H alguns anos, a mdia do tamanho dos calados das
mulheres era de 35,5 e, hoje, de 37,0. Embora no fosse uma informao cientfica,
ele ficou curioso e fez uma pesquisa com as funcionrias do seu colgio, obtendo o
quadro a seguir:

TAMANHO DO CALADO NMERO DE FUNCIONRIAS

39,0 1

38,0 10

37,0 3

36,0 5

35,0 6

Escolhendo uma funcionria ao acaso e sabendo que ela tem calado maior que 36,0,
a probabilidade de ela calar 38,0

a) 1/3 b) 1/5 c) 2/5 d) 5/7 e) 5/14

A atividade em questo foi muito interessante. Um grupo significativo de alunos

surpreenderam, fugindo da frmula em questo de probabilidade condicional.
Resolveram a questo com a reduo do espao amostral de forma simples, com uma
probabilidade simples, como eles mesmos falaram. Foi observado ainda, que a
escolha das questes mexe com a energia da turma, que ao conseguir resolv-las
sente-se mais motivada e confiante. Por isso, as questes foram ordenadas por ano e
por grau de dificuldade, pois para uma turma meio desacreditada como a do EJA faz-
se necessrio primeiro que os alunos ganhem confiana, para poder avanar em
direo a exerccios mais complexos.
 40

Atividade 5
(ENEM 2011) Rafael mora no Centro de uma cidade e decidiu se mudar, por
recomendaes mdicas, para uma das regies: Rural, Comercial, Residencial Urbano
ou Residencial Suburbano. A principal recomendao mdica foi com as temperaturas
das "ilhas de calor" da regio, que deveriam ser inferiores a 31C. Tais temperaturas
so apresentadas no grfico:

Escolhendo, aleatoriamente, uma das outras regies para morar, a probabilidade de

ele escolher uma regio que seja adequada s recomendaes mdicas

A) 1/5
B) 1/4
C) 2/5
D) 3/5
E) 3/4

A atividade no geral no parecia acrescentar muito s outras. Contudo, como a

proposta era analisar todas as questes apresentadas no ENEM nos ltimos cinco
anos, a mesma no foi omitida do trabalho. Surpreendentemente, um nmero
expressivo de alunos no acertou a resposta por um problema de leitura e
interpretao. Indubitavelmente, foi um ganho muito grande conversar com a turma a
esse respeito. Alegaram ser uma "pegadinha", j que a grande maioria escolheu a
alternativa D. Veio assim tona um problema grande para os alunos em avaliaes de
matemtica: a interpretao cuidadosa dos problemas propostos.
 41

Atividade 6
(ENEM 2011) O grfico mostra a velocidade de conexo internet utilizada em
domiclios no Brasil. Esses dados so resultado da mais recente pesquisa de 2009,
realizada pelo Comit Gestor da Internet (CGI).

Disponvel em: http://agencia.ipea.gov.br. Acesso em: 28 abr. 2010 (adaptado).

Escolhendo-se, aleatoriamente, um domiclio pesquisado, qual a chance de haver

banda larga de conexo de pelo 1Mbps neste domiclio?

A) 0,45 B) 0,42 C) 0,30 D) 0,22 E) 0,15

A atividade em si possui o mesmo entrave que a anterior, mas sem muito a

acrescentar, pois os alunos j haviam resolvido uma questo semelhante
anteriormente. No caso, a "atividade 4" ajudou sim em mostrar que o contedo foi
absorvido e a turma resolveu bem rapidamente. O grupo inteiro levou no mximo 4
minutos.
 42

Atividade 7
(ENEM 2011) Todo o pas passa pela primeira fase de campanha de vacinao contra
a gripe suna (H1N1). Segundo um mdico infectologista do Instituto Emlio Ribas, de
So Paulo, a imunizao "deve mudar", no pas, a histria da epidemia. Com a vacina,
de acordo com ele, o Brasil tem a chance de barrar uma tendncia do crescimento da
doena, que j matou 17 mil no mundo. A tabela apresenta dados especficos de um
nico posto de vacinao.

Campanha de vacinao contra gripe suna

Datas da vacinao Pblico - alvo Quantidades de pessoas

vacinadas
8 a 19 de maro Trabalhadores da sade e 42
indgenas
22 de maro a 2 de abril Portadores de doenas 22
crnicas
5 a 23 de abril Adultos saudveis entre 20 56
e 29 anos
24 de abril a 7 de maio Populao com mais de 60 30
anos
10 a 21 de maio Adultos saudveis entre 30 50
e 39 anos
Disponvel em: http://img.terra.com.br. Acesso em: 26 abr. 2010 (adaptado).

Escolhendo-se aleatoriamente uma pessoa atendida nesse posto de vacinao, a

probabilidade de ela ser portadora de doena crnica

A) 8%. B) 9%. C)11%. D)12%. E) 22%.

A atividade em questo ficou dentro do raciocnio trabalhado nas atividades 4 e

6. A turma a resolveu com muita facilidade e tempo muito curto, aproximadamente 4
minutos.
 43

Atividade 8
(ENEM 2011) Em um jogo disputado em uma mesa de sinuca, h 16 bolas: 1 branca e
15 coloridas, as quais, de acordo com a colorao, valem de 1 a 15 pontos (um valor
para cada bola colorida). O jogador acerta o taco na bola branca de forma que esta
acerte as outras, com o objetivo de acertar duas das quinze bolas em quaisquer
caapas. Os valores dessas duas bolas so somados e devem resultar em um valor
escolhido pelo jogador antes do incio da jogada. Arthur, Bernardo e Caio escolhem os
nmeros 12, 17 e 22 como sendo resultados de suas respectivas somas. Com essa
escolha, quem tem a maior probabilidade de ganhar o jogo :

A) Arthur, pois a soma que escolheu a menor.

B) Bernardo, pois h 7 possibilidades de compor a soma escolhida por ele, contra 4
possibilidades para a escolha de Arthur e 4 possibilidades para a escolha de Caio.
C) Bernardo, pois h 7 possibilidades de compor a soma escolhida por ele,
contra 5 possibilidades para a escolha de Arthur e 4 possibilidades para a
escolha de Caio.
D) Caio, pois h 10 possibilidades de compor a soma escolhida por ele, contra 5
possibilidades para a escolha de Arthur e 8 possibilidades para a escolha de Bernardo.
E) Caio, pois a soma que escolheu a maior.

Novamente se mostrou a necessidade de reforar os contedos de anlise

combinatria. Os alunos conseguiram resolver de forma bem mais tranquila, ento.
Um grupo utilizou os contedos relembrados na atividade 2, mas mesmo assim ficou
claro que existe uma dificuldade que precisa ser trabalhada e mais ainda a dificuldade
em trabalhar com os nmeros em si, simplificar uma expresso, evitando contas
desnecessrias. Ao obter essas explicaes, eles sem dvida acham mais fcil a
resoluo. Porm, ainda falta prtica na utilizao desses artifcios.
 44

Atividade 9
(ENEM 2012) Em um jogo h duas urnas com 10 bolas de mesmo tamanho em cada
urna. A tabela a seguir indica as quantidades de bolas de cada cor em cada urna.

Cor Urna Urna

1 2
Amarela 4 0
Azul 3 1
Branca 2 2
Verde 1 3
Vermelha 0 4

Uma jogada consiste em: 1) o jogador apresenta um palpite sobre a cor da

bola que ser retirada por ele da urna 2; 2) ele retira, aleatoriamente, uma bola da
urna 1 e a coloca na urna 2, misturando-a com as que l esto; 3) em seguida ele
retira, tambm aleatoriamente, uma bola da urna 2; 4) se a cor da ltima bola retirada
for a mesma do palpite inicial, ele ganha o jogo. Qual cor deve ser escolhida pelo
jogador para que ele tenha a maior probabilidade de ganhar?

A) Azul.
B) Amarela.
C) Branca.
D) Verde.
E) Vermelha.

A forma como a turma lidou com a atividade 9 foi admirvel. Eles trabalharam
de forma bem prtica, o que criou uma discusso bem interessante sobre o resultado
correto. Imaginaram cada caso. Qual bola seria colocada na 2 urna e de que forma
isso influenciaria no espao amostral e assim no resultado procurado. O mais
gratificante foi eles perceberem que independente da primeira escolha, a melhor
chance na segunda urna seria sempre a bola vermelha. O tempo de resoluo foi
longo j que a questo acabou sendo resolvida em grupo. Decidiu-se que era
prefervel deixar correr a discusso que tratava de espao amostral porque
influenciaria no resultado, o que ganhou mais importncia do que a resoluo da
questo em si.
 45

Atividade 10
(ENEM 2012) Jos, Paulo e Antnio esto jogando dados no viciados, nos quais, em
cada uma das seis faces, h um nmero de 1 a 6. Cada um deles jogar dois dados
simultaneamente. Jos acredita que, aps jogar seus dados, os nmeros das faces
voltadas para cima lhe daro uma soma igual a 7. J Paulo acredita que sua soma
ser igual a 4 e Antnio acredita que sua soma ser igual a 8. Com essa escolha,
quem tem a maior probabilidade de acertar sua respectiva soma

A) Antnio, j que sua soma a maior de todas as escolhidas.

B) Jos e Antnio, j que h 6 possibilidades tanto para a escolha de Jos quanto
para a escolha de Antnio, e h apenas 4 possibilidades para a escolha de Paulo.
C) Jos e Antnio, j que h 3 possibilidades tanto para a escolha de Jos quanto
para a escolha de Antnio, e h apenas 2 possibilidades para a escolha de Paulo.
D) Jos, j que h 6 possibilidades para formar sua soma, 5 possibilidades para
formar a soma de Antnio e apenas 3 possibilidades para formar a soma de
Paulo.
E) Paulo, j que sua soma a menor de todas.

A atividade 10 foi resolvida com bastante tranquilidade pelos alunos. Nada de

relevante foi observado a no ser o estudo das possibilidades, ou melhor, do conjunto
evento. Cabe ressaltar a insegurana do aluno em perguntar se a questo seria
somente aquilo mesmo, ainda que tenha descoberto a resposta certa.
 46

Atividade 11
(ENEM 2013) Numa escola com 1 200 alunos foi realizada uma pesquisa sobre o
conhecimento desses em duas lnguas estrangeiras, ingls e espanhol. Nessa
pesquisa constatou-se que 600 alunos falam ingls, 500 falam espanhol e 300 no
falam qualquer um desses idiomas. Escolhendo-se um aluno dessa escola ao acaso e
sabendo-se que ele no fala ingls, qual a probabilidade de que esse aluno fale
espanhol?

A) 1/2
B) 5/8
C) 1/4
D) 5/6
E) 5/14

A Atividade 11 em si mais uma vez teve uma quantidade muito pequena de

acertos. Na verdade um nico aluno conseguiu acertar a resposta. Os alunos
interpretaram muito bem a questo, o que faltou foi o domnio do contedo extra,
teoria de conjuntos. Ele foi trabalhado no incio, entretanto houve por parte dos alunos
problema em reconhecer a necessidade da aplicao dessa teoria na questo, ou
seja, mais uma vez estava presente o problema de interpretao do exerccio.
Interessantemente, um grupo achou a resposta 5/8 e outro questionou que essa no
seria a resposta certa, pois o aluno poderia falar ingls e no somente ingls e o
mesmo para os que falavam espanhol. Tal raciocnio foi um grande ganho, pois
mesmo no sabendo como resolver, sabiam que a resposta no era a opo B. Da
ficou muito interessante apresentar a eles com diagrama de Venn, lgebra simples e
uma probabilidade simples, que a resposta era a letra A.
 47

Atividade 12
(ENEM 2013) Uma fbrica de parafusos possui duas mquinas, I e II, para a produo
de certo tipo de parafuso. Em setembro, a mquina I produziu 54/100 do total de
parafusos produzidos pela fbrica. Dos parafusos produzidos por essa mquina,
25/1000 eram defeituosos. Por sua vez, 38/1000 dos parafusos produzidos no mesmo
ms pela mquina II eram defeituosos. O desempenho conjunto das duas mquinas
classificado conforme o quadro, em que P indica a probabilidade de um parafuso
escolhido ao acaso ser defeituoso.

0 P < 2/100 Excelente

2/100 P < 4/100 Bom

4/100 P < 6/100 Regular

6/100 P < 8/100 Ruim

8/100 P 1 Pssimo

O desempenho conjunto dessas mquinas, em setembro, pode ser classificado como

A) excelente.
B) bom.
C) regular.
D) ruim.
E) pssimo.

Essa questo foi muito difcil para turma. Apenas dois alunos conseguiram
resolv-la. Levou um bom tempo para o entendimento de o parafuso pertencer
mquina I ou pertencer maquina II. Trabalhar com o conectivo "ou" em probabilidade
foi no final uma experincia muito positiva, ainda que a insegurana em resolver
questes do tipo ao final da explicao permanecesse. Na resoluo em conjunto, o
raciocnio do grupo em sua maioria acompanhou o do mestre, embora o grau de
dificuldade da atividade se fizesse claro. Diferentemente da anterior, notou-se que era
um tipo de atividade a ser mais trabalhada com a turma.
 48

Atividade 13
(ENEM 2013) Considere o seguinte jogo de apostas: Numa cartela com 60 nmeros
disponveis, um apostador escolhe de 6 a 10 nmeros. Dentre os nmeros disponveis,
sero sorteados apenas 6. O apostador ser premiado caso os 6 nmeros sorteados
estejam entre os nmeros escolhidos por ele numa mesma cartela.
O quadro apresenta o preo de cada cartela, de acordo com a quantidade de
nmeros escolhidos.
Quantidade de Preo da cartela
nmeros escolhidos (R$)
em uma cartela
6 2,00
7 12,00
8 40,00
9 125,00
10 250,00
Cinco apostadores, cada um com R$ 500,00 para apostar, fizeram as seguintes
opes: Arthur: 250 cartelas com 6 nmeros escolhidos; Bruno: 41 cartelas com 7
nmeros escolhidos e 4 cartelas com 6 nmeros escolhidos; Caio: 12 cartelas com 8
nmeros escolhidos e 10 cartelas com 6 nmeros escolhidos; Douglas: 4 cartelas com
9 nmeros escolhidos; Eduardo: 2 cartelas com 10 nmeros escolhidos. Os dois
apostadores com maiores probabilidades de serem premiados so:

A) Caio e Eduardo.
B) Arthur e Eduardo.
C) Bruno e Caio.
D) Arthur e Bruno.
E) Douglas e Eduardo

A atividade 13 apesar de ser trabalhosa, foi resolvida pela maioria da turma por
basicamente se tratar de combinaes e por esse assunto j ter aparecido em
atividades anteriores. Persistia, entretanto, a dificuldade em lidar com os nmeros, em
procurar uma forma mais simples de realizar contas, simplificar um problema.
Verificou-se ento a necessidade de desenvolver esse tipo de habilidade nas sries
iniciais do ensino noturno e mais ainda no diurno, j que muitos desses alunos
concluram seu ensino fundamental no turno da manh, ficando claro que h uma
deficincia geral, no somente nos alunos do ensino noturno.
 49

QUESTES DO ENEM DOS LTIMOS CINCO ANOS ESTATSTICA

Atividade 1
(ENEM - 2009) A suspeita de que haveria uma relao causal entre tabagismo e
cncer de pulmo foi levantada pela primeira vez a partir de observaes clnicas.
Para testar essa possvel associao, foram conduzidos inmeros estudos
epidemiolgicos. Dentre esses, houve o estudo do nmero de casos de cncer em
relao ao nmero de cigarros consumidos por dia, cujos resultados so mostrados no
grfico a seguir.

De acordo com as informaes do grfico,

A) O consumo dirio de cigarros e o nmero de casos de cncer de pulmo so
grandezas inversamente proporcionais.
B) O consumo dirio de cigarros e o nmero de casos de cncer de pulmo so
grandezas que no se relacionam.
C) O consumo dirio de cigarros e o nmero de casos de cncer de pulmo so
grandezas diretamente proporcionais.
D) Uma pessoa no fumante certamente nunca ser diagnosticada com cncer de
pulmo.
E) O consumo dirio de cigarros e o nmero de casos de cncer de pulmo so
grandezas que esto relacionadas, mas sem proporcionalidade.

A atividade 1 foi resolvida rapidamente pela turma, j que ser tratava

basicamente de uma interpretao do grfico, mas foi aproveitado o questionamento
sobre grandezas diretamente e inversamente proporcionais. Foi dada uma pausa nas
atividades para relembrar esses contedos e assim ficou claro para toda turma a no
existncia de proporcionalidade entre os eixos do grfico.
 50

Atividade 2
(ENEM - 2009) - Suponha que a etapa final de uma gincana escolar consista em um
desafio de conhecimentos. Cada equipe escolheria 10 alunos para realizar uma prova
objetiva, e a pontuao da equipe seria dada pela mediana das notas obtidas pelos
alunos. As provas valiam, no mximo, 10 pontos cada. Ao final, a vencedora foi a
equipe mega, com 7,8 pontos, seguida pela equipe Delta, com 7,6 pontos. Um dos
alunos da equipe Gama, a qual ficou na terceira e ltima colocao, no pde
comparecer, tendo recebido nota zero na prova. As notas obtidas pelos 10 alunos da
equipe Gama foram 10; 6,5; 8; 10; 7; 6,5; 7;8; 6; 0. Se o aluno da equipe Gama que
faltou tivesse comparecido, essa equipe

A) teria a pontuao igual a 6,5 se ele obtivesse nota 0.

B) seria a vencedora se ele obtivesse nota 10.
C) seria a segunda colocada se ele obtivesse nota 8.
D) permaneceria na terceira posio, independentemente da nota obtida pelo
aluno.
E) empataria com a equipe mega na primeira colocao se o aluno obtivesse nota 9.

A atividade 2 foi resolvida rapidamente por toda turma, pois trabalhava apenas
com o conceito de mediana, este plenamente apreendido pela turma.
 51

Atividade 3
(ENEM 2010) Os dados do grfico foram coletados por meio da Pesquisa Nacional por
Amostra de Domiclios.

Supondo-se que, no Sudeste, 14 900 estudantes foram entrevistados nessa pesquisa,

quantos deles possuam telefone mvel celular?

A) 5 513
B) 6 556
C) 7 450
D) 8 344
E) 9 536
A Atividade 3 Foi realizada pela maioria da turma dentro de um pequeno
intervalo de tempo. Houve grande satisfao em constatar que todos interpretaram
bem os dados do grfico. Os alunos que demoraram um pouco mais, foi devido ao
clculo das porcentagens. Eles se apresentaram mais independentes na realizao da
atividade.
 52

Atividade 4
(ENEM 2010) O grfico a seguir apresenta o gasto militar dos Estados Unidos, no
perodo de 1988 a 2006.

Com base no grfico, o gasto militar no incio da guerra no Iraque foi de:

A) U$ 4.174.000,00.
B) U$ 41.740.000,00.
C) U$ 417.400.000,00.
D) U$ 41.740.000.000,00.
E) U$ 417.400.000.000,00.

A atividade 4 foi muito fcil de ser realizada pois se tratava apenas de

interpretao do grfico e entender que 417,4 bilhes = 417.400.000.000,00.
Satisfatoriamente todos os alunos entenderam a atividade.
 53

Atividade 5
(ENEM 2010) O grfico apresenta a quantidade de gols marcados pelos artilheiros das
Copas do Mundo desde a Copa de 1930 at a de 2006.

Quantidades de Gols dos Artilheiros

das Copas do Mundo

Disponvel em: http://www.suapesquisa.com. Acesso em: 23 abr. 2010 (adaptado).

A partir dos dados apresentados, qual a mediana das quantidades de gols marcados
pelos artilheiros das Copas do Mundo?

A) 6 gols B) 6,5 gols C) 7 gols D)7,3 gols E)8,5 gols

A atividade 5 foi facilmente resolvida pelos alunos, j que os mesmos j tinham

resolvido uma questo parecida. Levou um pouco de tempo, mas todos eles chegaram
mesma resposta.
 54

Atividade 6

(ENEM 2010) Marcos e Paulo foram classificados em um concurso. Para classificao

no concurso o candidato deveria obter mdia aritmtica na pontuao igual ou superior
a 14. Em caso de empate na mdia, o desempate seria em favor da pontuao mais
regular. No quadro a seguir so apresentados os pontos obtidos nas provas de
Matemtica, Portugus e Conhecimentos Gerais, a mdia, a mediana e o desvio
padro dos dois candidatos.
Dados dos candidatos no concurso

Matemtica Portugus Conhecimentos Mdia Mediana Desvio

Gerais Padro

14 15 16 15 15 0,32
MARCOS

PAULO 8 19 18 15 18 4,97

O candidato com pontuao mais regular, portanto mais bem classificado no concurso,

A) Marco, pois a mdia e a mediana so iguais.

B) Marco, pois obteve menor desvio padro.
C) Paulo, pois obteve a maior pontuao da tabela, 19 em Portugus.
D) Paulo, pois obteve maior mediana.
E) Paulo, pois obteve maior desvio padro.

A atividade 6 foi resolvida facilmente pelos alunos pois se tratava apenas de

interpretar a tabela e ter domnio dos conceitos de mdia , mediana e desvio padro
que foram facilmente entendidos atravs do material de apoio no captulo IV.
 55

Atividade 7
(ENEM 2010) O quadro seguinte mostra o desempenho de um time de futebol no
ltimo campeonato. A coluna da esquerda mostra o nmero de gols marcados e a
coluna da direita informa em quantos jogos o time marcou aquele nmero de gols.

GOLS MARCADOS QUANTIDADES DE PARTIDAS

0 5

1 3

2 4

3 3

4 2

5 2

7 1

Se X, Y e Z so, respectivamente, a mdia, a mediana e a moda desta distribuio,

ento

a) X = Y < Z.
b) Z < X = Y.
c) Y < Z < X.
d) Z < X < Y.
e) Z < Y < X.

Como na atividade 6, a atividade 7, apesar de ser um pouco demorada foi

realizada por todos os alunos. Assim como na atividade anterior, tratava-se apenas do
domnio dos conceitos.
 56

Atividade 8
(ENEM 2011) Uma equipe de especialistas do centro meteorolgico de uma cidade
mediu a temperatura do ambiente, sempre no mesmo horrio, durante 15 dias
intercalados, a partir do primeiro dia de um ms. Esse tipo de procedimento
frequente, uma vez que os dados coletados servem de referncia para estudos e
verificaes de tendncias climticas ao longo dos meses e anos.

As medies ocorridas nesse perodo esto indicadas no quadro:

GOLS QUANTIDADES DE
MARCADOS PARTIDAS

1 15,5

3 14

5 13,5

7 18

9 19,5

11 20

13 13,5

15 13,5

17 18

19 20

21 18,5

23 13,5

25 21,5

27 20

29 16
 57

Em relao temperatura, os valores da mdia, mediana e moda so,

Respectivamente, iguais a

a) 17 C, 17 C e 13,5 C.
b) 17 C, 18 C e 13,5 C.
c) 17 C, 13,5 C e 18 C.
d) 17 C, 18 C e 21,5 C.
e) 17 C, 13,5 C e 21,5 C.

A como as duas ltimas atividades, a atividade 8 foi resolvida facilmente pelos

alunos servindo apenas como reforo.
 58

Atividade 9

(ENEM 2011) A participao dos estudantes na Olimpada Brasileira de Matemtica

das Escolas Pblicas (OBMEP) aumenta a cada ano. O quadro indica o percentual de
medalhistas de ouro, por regio, nas edies da OBMEP de 2005 a 2009.

REGIO 2005 2006 2007 2008 2009

Norte 2% 2% 1% 2% 1%
Nordeste 18% 19% 21% 15% 19%
Centro-Oeste 5% 6% 7% 8% 9%
Sudeste 55% 61% 58% 66% 60%
Sul 21% 12% 13% 9% 11%

Em relao s edies de 2005 a 2009 da OBMEP, qual o percentual mdio de

medalhistas de ouro da regio nordeste?

A) 14,6%
B) 18,2%
C) 18,4%
D) 19,0%
E) 21,0%

A atividade 9 foi resolvida com muita facilidade por toda a turma, por ser uma
questo simples sobre o contedo de mdia aritmtica.
 59

Atividade 10
(ENEM 2012) O grfico apresenta o comportamento de emprego formal surgido,
segundo o Caged, no perodo de janeiro de 2010 a outubro de 2010.

BRASIL - Comportamento de Emprego Formal no perodo de janeiro a outubro de

2010 - CAGED

Com base no grfico, o valor da parte inteira da mediana dos empregos formais
surgidos no perodo

A) 212 952.
B) 229 913.
C) 240 621.
D) 255 496.
E) 298 041.

Atividade 10 foi realizada com muita facilidade pela turma, pois se tratava apenas
do contedo de mediana com nmeros pares de elementos.
 60

Atividade 11

(ENEM 2013) As notas de um professor que participou de um processo seletivo, em

que a banca avaliadora era composta por cinco membros, so apresentadas no
grfico. Sabe-se que cada membro da banca atribuiu duas notas ao professor, uma
relativa aos conhecimentos especficos da rea de atuao e outra, aos
conhecimentos pedaggicos, e que a mdia final do professor foi dada pela mdia
aritmtica de todas as notas atribudas pela banca avaliadora.

Utilizando um novo critrio, essa banca avaliadora resolveu descartar a maior e a

menor notas atribudas ao professor. A nova mdia, em relao mdia anterior,

A) 0,25 ponto maior.

B) 1,00 ponto maior.
C) 1,00 ponto menor.
D) 1,25 ponto maior.
E) 2,00 pontos menor

A atividade 11 foi realizada com bastante facilidade pela turma, no tendo nada a
acrescentar. Sem dvida, o material de estatstica foi muito melhor recebido pela
turma do que o material de probabilidade. A turma colocou que isso se deve ao fato de
ser um contedo mais prtico.
 61

CAPTULO V - Concluso

Este Trabalho de Concluso de Curso assumiu como objetivo procurar

entender de que forma o tpico de Probabilidade e Introduo Estatstica pode ser
levado para a sala de aula em nvel de ensino mdio na modalidade EJA (Educao
de Jovens e Adultos). Props tambm mostrar as principais dvidas e dificuldades
apresentadas pelos alunos face ao contedo novo com uma abordagem mais
completa, com objetivo de prepar-los para a prova do ENEM.

Foi utilizado em um primeiro momento um material de apoio de

probabilidade e Introduo Estatstica, contidos nos captulos 2 e 4, visando formar
nesses alunos uma base consistente para que eles consigam tranquilamente resolver
questes bsicas de probabilidade e de estatstica.

Ficou clara a carncia do domnio, ou at pior, do no conhecimento da

teoria de conjuntos necessria no contedo de probabilidade, como por exemplo
relao de pertinncia, de incluso, diagrama de Venn. Para prosseguirmos foi
necessrio um apoio extra, o positivo em face dessas dificuldades e das destacadas
no incio da concluso. Foi fundamental os alunos estarem sempre abertos a
apreender esses contedos bsicos e cientes de sua necessidade para o
entendimento do todo. Esse reforo foi feito dentro de um controle para no fugir do
objetivo.

Deste estudo foram obtidos alguns resultados. Em um primeiro

momento, ficou clara a falta de continuidade de contedo, seja entre os mais novos
que vieram do ensino diurno, seja dos mais velhos que se encontravam no ensino
noturno h bastante tempo. A principal dificuldade foi a falta de contedos bsicos
como potenciao, racionalizao, porcentagem, nmeros fracionrios e habilidade
insuficiente na resoluo de equaes. Em diversos momentos, para criar um
ambiente onde os alunos se sentissem mais seguros, trabalhamos bastante com a
calculadora, principalmente na construo de tabelas de distribuio para o clculo
das porcentagens.

Por mais que o material de apoio de probabilidade englobasse todos os

conceitos iniciais necessrios para que o objetivo ENEM fosse alcanado e mesmo
considerando que a maioria dos alunos conseguiram se sair satisfatoriamente bem no
contedo de probabilidade, ficou evidente a dificuldade de abstrao dos alunos em
questes de probabilidades mais elaboradas. Por sorte foram poucas nesse nvel nos
anos do ENEM analisados. Verificou-se que no caso do contedo de probabilidade foi
necessria uma reviso dos contedos de permutao e combinao e que esse
contedo necessita ser dividido em uma quantidade maior de aulas para que seja
melhor aproveitado e absorvido pelos alunos. Isso se deve s carncias de contedos
bsicos. Estes vo aparecer e so de vital importncia para o melhor entendimento do
material.

Depreende-se que o contedo de estatstica foi muito melhor

aproveitado pelo seu perfil mais prtico e por suas frmulas prontas. Os alunos se
mostraram mais seguros com frmulas prontas e se sentiram mais vontade com a
construo dos grficos, includos os de setores. Foi bastante positivo que em alguns
 62

momentos essa construo foi sem o auxlio da calculadora, passo esse decidido com
o grupo, no imposto, at porque nosso objetivo final eram as atividades com
questes do ENEM e houve cincia de que nessa parte do trabalho no seria possvel
nenhuma consulta. E ao final do estudo desse material e a realizao das atividades
ficou claro que o contedo Introduo Estatstica pode ser tranquilamente
apresentado em turma do ensino mdio noturno na modalidade EJA, pois mesmo com
seu tempo reduzido, seus conceitos foram recebidos muito bem com excelentes
resultados.

Este trabalho buscou mostrar a possibilidade de se ensinar os

contedos de Probabilidade e Introduo Estatstica no EJA. Conclui-se tal
possibilidade como realidade. um dever proporcionar a esses alunos condies
iguais, no importando as situaes adversas, como tempo reduzido e defasagem de
contedos. preciso um estudo para que se determine o que se deve omitir e o que
se deve ministrar, o que no constitui negar a eles um currculo relevante. Seriedade
demandada a fim esses alunos tenham condies de prosseguir seus estudos em p
de igualdade com os alunos do ensino regular. Espera-se que este trabalho sirva de
incentivo para outros trabalhos e projetos que privilegiem esse segmento to
esquecido e que merece sua devida ateno.
 63

Referncias Bibliogrficas

PAIVA, M. - Matemtica Paiva volume 3, So Paulo , Moderna, 2009

BUCCHI, P. - Matemtica 2, So Paulo , Escala educacional, 2011

LIMA, E. L., CARVALHO, P. C. P., MORGADO, A. C., Wagner, E. A Matemtica

do Ensino Mdio, Vol. 2 e 4, Rio de Janeiro. SBM, 2002;

MORGADO, A. C., CARVALHO, P. C. P, Pitombeira, J. B. C, Fernadez, P. - Analise

Combinatria e Probabilidade.Rio de Janeiro . SBM 1991

SMOLE, K. C. S. - Matemtica - Ensino Mdio - Volume 3 - ed. So Paulo : Saraiva ,

2005