Beruflich Dokumente
Kultur Dokumente
PUC-SP
SO PAULO
2009
PONTIFCIA UNIVERSIDADE CATLICA DE SO PAULO
PUC-SP
SO PAULO
2009
Banca Examinadora
Autorizo exclusivamente, para fins acadmicos e cientficos, a reproduo
total ou parcial dessa Tese por processos de fotocopiadoras ou eletrnicos.
Assinatura: __________________________________________________________
So Paulo, 02 de dezembro de 2009.
Dedico este trabalho s minhas quatro
filhas: Samantha, Amanda, Paula e
Roberta.
AGRADECIMENTOS
This research refers to the building of mathematical and/or statistical ideas and
concepts around Central Limit Theorem for Mathematics graduates. The investigation
is justified by the importance of the theorem in Statistics Inference and its
understanding by the professionals to be, who will act in Basic Education. Therefore,
a research on some books was done, which is related to the teaching and learning
process of the theorem and we emphasized its importance on the Mathematics
teacher daily practice. The theoretical approach focuses on the theories of didactics
of mathematics, particularly, the Theory of Didactic Transposition, with an ecological
approach under the knowledge and teaching point of view, that is, we investigated
what kind knowledge is essential or not so as to make the theorem live throughout
the Mathematics course. The methodological procedures are focused on the didactic
design, because the investigation has a qualitative nature, and whose assumptions
are linked to Didactic Engineering. This is justified because the investigation is in the
context of teaching statistics, so, it is also in the learning process. The subjects of this
investigation are the graduates who had some knowledge about Basic Statistics and,
from a previous analysis about the kind of knowledge they had about the theme, we
presented some activities in a problem-situation context connected to the
Mathematics teachers daily practice. After these activities, there was also a dialogue,
with discussions about the theme, allowing us to anlyse how the ideas and concepts
around the Central Limit Theorem were built, being its understanding the main aim
for the graduates. Besides that, we analysed some textbooks for higher education,
based on the Anthropological Theory of Didactics, because the focus is on knowing
how to do, which also showed us that knowledge is essential for the theorem to live
under the knowledge and teaching ecological point of view. On the other hand, we
detected what kind of limitations, or restrictions, exist in the books analyzed,
interfering in the elaboration of the activities by the teacher. Thus, our investigation
reaffirms the importance of teaching and learning Statistics in the various applications
for the Mathematics teachers to be.
LISTA DE QUADROS
1 INTRODUO ................................................................................................ 15
2 UMA INVESTIGAO MOTIVADA PELA EXPERINCIA ............................. 19
3 REVISO DA LITERATURA ........................................................................... 25
3. 1 O Teorema Central do Limite Sob tica da Educao ........................ 25
3. 2 Um Breve Cenrio Histrico do Teorema Central do Limite ................ 33
4 PROCEDIMENTOS E REFERENCIAIS METODOLGICOS ........................ 41
4. 1 A Anlise dos Livros-Texto e a Teoria Antropolgica do Didtico ....... 45
4. 2 As Atividades Didticas e os Licenciandos .......................................... 46
4. 3 A Pesquisa e a Prtica: o Design Didtico ........................................... 50
5 QUADRO TERICO DA INVESTIGAO ..................................................... 53
5. 1 A Problemtica Ecolgica sob o Ponto de Vista do Saber ................... 54
5.1.1 A Noo de Ecossistema ........................................................... 54
5.1.2 Abordagem Ecolgica do Saber: O Teorema Central do Limite 56
5. 2 Abordagem Ecolgica do Didtico........................................................ 70
5. 3 Literacia Estatstica .............................................................................. 74
6 O ESTUDO DA CONSTRUO DOS SABERES ESTATSTICOS ............... 79
6. 1 O Teorema Central do Limite e os Livros-Texto .................................. 80
6.1.1 Anlise Quantitativa de Livros-Texto ......................................... 81
6.1.2 Apresentao e Anlise de Atividade no Livro-Texto ................ 82
6.1.2.1 Atividades do Livro-Lexto A1 ......................................... 82
6.1.2.2 Atividades do Livro-Lexto A2 ......................................... 90
6.1.2.3 Atividades do Livro-Lexto A3 ......................................... 93
6.1.2.4 Atividades do Livro-Lexto A4 ......................................... 96
6.1.2.5 Atividades do Livro-Lexto A5 ......................................... 96
6.1.2.6 Atividades do Livro-Lexto A6 ......................................... 99
6.1.2.7 Atividades do Livro-Lexto A7 ......................................... 105
6.1.3 Definio do Teorema Central do Limite nos Livros-Texto ........ 108
6. 2 A Anlise da Investigao Sob o Ponto de Vista Ecolgico do
Didtico: o Teorema Central do Limite e os Licenciandos ................... 112
6.2.1 As Atividades com os Licenciandos ........................................... 113
6.2.2 A Primeira Atividade com os Licenciandos ................................ 114
6.2.3 Noes Preliminares para as prximas Atividades .................... 119
6.2.4 Anlise das Atividades 2 e 3 ...................................................... 124
6. 3 O Dilogo: Intervenes Controladas .................................................. 137
7 CONSIDERAES FINAIS ............................................................................ 147
REFERNCIAS .................................................................................................... 153
APNDICES ........................................................................................................ 161
ANEXOS .............................................................................................................. 187
15
1 INTRODUO
___________
2 Esse grupo era composto por 14 de professores de Matemtica, de uma escola particular de Juiz de Fora. A formao
desse grupo surgiu a partir do evento promovido pelo Sindicato dos Estabelecimentos Particulares de Ensino de Juiz de
Fora-MG (SINEPE-JF), convidando alguns autores dos PCN para um encontro com os professores da cidade, no ano de
1997. Posteriormente, sob a coordenao da autora deste trabalho, iniciaram-se encontros semanais para reflexo e
discusso sobre o texto.
3 Neste perodo, alm de coordenar o grupo de professores da Educao Bsica de uma escola privada, a autora lecionava
*775: Estatstica no apenas um jogo de tcnicas, mas sim uma atitude mental de
tratamento de dados. Em particular, reconhece a incerteza e a variabilidade num conjunto de
informaes. Torna a pessoa apta a tomar decises em situaes de incerteza.
*781: Numeracia estatstica exige um sentido para os nmeros: apreciando os nveis de
preciso, o bom senso de fazer estimativas, uma abordagem de senso comum nos dados
com suporte em um argumento, a tomada de conscincia de uma variedade de
interpretaes de nmeros e uma judiciosa compreenso dos conceitos amplamente
utilizados como mdias e porcentagens. Tudo isso so partes do cotidiano. (HOLMES, 2000,
p. 51, traduo nossa; grifo nosso).4
cumulativa, posto que o propsito dirige-se para o sujeito que, acima de tudo, tem a
possibilidade de mudar a realidade na qual est inserido. Mudar a realidade pode
ser um tanto paradoxal, pois questes como a favor de quem?; para qual
objetivo?, so bsicas e devem ser trabalhadas com afinco. Afinal, teoricamente,
todos almejam por uma sociedade mais justa.
Diante desses fatos, o escopo deste trabalho investigar como os
licenciandos de Matemtica constroem as ideias e os conceitos que esto no
entorno do Teorema Central do Limite. Entendemos ideias como noes intuitivas
que surgem a partir da vivncia e crena do sujeito, e por conceito, tal como Artigue
(1990) o define quando estuda a evoluo do tratamento de um determinado saber,
partindo de um contexto que diz respeito a este saber, mesmo na elaborao de
situaes artificiais, porm hipoteticamente reais, que podem ocorrer no cotidiano da
sala de aula.
Reforando o fato de que a Estatstica tem seu papel fundamental na leitura
de mundo e, portanto, engendra facilmente situaes-problema reais para a sala de
aula, faz-se imprescindvel preocupar-se com a forma como essa rea do
conhecimento ir ser abordada pelos futuros professores. E, nessa direo,
Contreras (2002) refora que:
3 REVISO DA LITERATURA
___________
5 Procuramos citar os eventos que possuem Grupos de Trabalho (GT) em Educao Estatstica.
26
___________
6 "For students taking an introductory statistics course which includes inferential statistics, the Central Limit Theorem is
clearly a sine qua non. However, although this theorem may be regarded as the cornerstone of statistical inference, it has
been the writers experience over a number of years that many students find it difficult to understand and that the general
concept of a theoretical sampling distribution may be too abstract to be fully appreciated when first met. Even students with a
good mathematical background, who can appreciate a proof of the theorem, may have difficulty understanding its
significance. (Texto original)
27
Sob esse aspecto, Glencross (1986), tal como Skemp (1971), defende a ideia
de que quem mais precisa conhecer cada um desses princpios o prprio
professor. E, nesse sentido, o autor os amplia para trs: deve estar provido de
colees de exemplos adequados para o conceito; deve garantir que o conceito seja
conhecido em inmeras diferentes situaes; deve alegar que todas as variveis
envolvidas no conceito so aleatrias.
Glencross (1986) esclarece que, se o professor faz uso desses trs
elementos bsicos, quando explicitados, servem como ponto de partida para nortear
as atividades voltadas para aprendizagem dos alunos.
Um outro aspecto do artigo a ser destacado quando o autor afirma que os
membros do Joint Education Committee of the Royal Statistical Society e o Institute
of Statisticians tm notado crticas dos estatsticos em relao ao ensino nesse nvel,
pois, em particular, muitas vezes, os prprios professores desse segmento ignoram
as situaes prticas em prol do excesso de manipulao formal dos objetos
matemticos.
As atividades propostas, na pesquisa de Glencross, so de diferentes tipos de
distribuies para a abordagem do Teorema Central do Limite, que faz uso de
tecnologias para gerar nmeros aleatrios. O cerne de seu trabalho est na
aplicao do teorema que, sob o ponto de vista didtico, a primeira etapa para
compreend-lo. Por exemplo, situaes-problema, que podem ocorrer no dia a dia,
___________
7 Optamos por no traduzir essa expresso por entender que na Psicologia da Educao Matemtica tem sido um termo
potencialmente usado entre os pesquisadores. Mas, a ttulo de entendimento, mesmo de maneira superficial, poderia ser
traduzida como personificaes mltiplas.
8 Traduo nossa. No original: As every mathematical concept involves essential variable, all these mathematical variables
need to be varied if full generality of the mathematical concept is to be achieved. (DIENES, 1963, p. 156).
28
A partir das premissas acima, Mndez (1991) trabalhou com textos escritos
pelos alunos veteranos, verificando seus conhecimentos sobre a representao de
um conjunto de conhecimentos implcitos acerca do Teorema Central do Limite, e
por meio do mapa conceitual, definiu dois nveis de compreenso. No primeiro nvel,
reconheceu as habilidades e os conhecimentos exigidos para resolver as atividades
propostas pelos livros-texto. O segundo nvel diz respeito a outras reas do
conhecimento que, geralmente, no esto nos livros-texto.
Os dois nveis de compreenso, oriundos do resultado da anlise de duas
tarefas realizadas na primeira fase da pesquisa, suscitaram o raciocnio em relao
aos conceitos que exigem diferentes nveis de interpretao. A primeira tarefa
constituiu-se de um teste contendo questes clssicas de mltipla escolha extradas
de livros-texto, previamente analisadas pelo investigador; a segunda tarefa revelou
vrias situaes diferentes, porque direcionava recolher as declaraes e
29
O terceiro trabalho investigado por ns, relativo ao tema, foi publicado nos
anais do ICOTS-7, por Alvorado e Batanero (2006). Os autores propem analisar a
atividade do professor quando est planejando a aula a respeito do conceito do
Teorema Central do Limite para engenheiros; abordar diferentes situaes em que o
teorema pode ser apresentado como proposta didtica para seu ensino; apresentar
sua abordagem histrica no sentido de favorecer a aprendizagem dos alunos;
conhecer as formas de apresentao verbal, simblica e grfica do teorema a partir
de anlise de livros-texto de Estatstica para o curso de Engenharia.
A metodologia dessa pesquisa consta de uma proposta didtica em que
incorporou simulaes com materiais manipulveis e o uso do software @Risk, um
programa que funciona a partir da Microsoft Excel. E o trabalho, de um modo geral,
props um mtodo didtico para melhorar o ensino de Estatstica para engenheiros.
Para os autores, o planejamento do ensino est baseado no conhecimento
matemtico sobre o teorema. A partir do modelo terico proposto por Godino (2002)
para anlise de livros-texto usados no curso introdutrio de Estatstica para
Engenharia, eles buscaram diagnosticar elementos que permitiram a abordagem do
Teorema Central do Limite, tal como o conjunto de problemas que deram origem ao
teorema; as representaes verbal, simblica e grfica usadas pelos alunos na
resoluo desses problemas e nos diferentes objetos matemticos envolvidos; os
procedimentos usados por diferentes autores para resolver os problemas que
envolvem o teorema; as propriedades dos objetos matemticos usados nesses
procedimentos; e, por fim, os argumentos usados para justificar as solues dos
problemas. Foram analisados 16 livros-texto indicados para o curso de Engenharia,
na Universidade de Granada.
Na poca da publicao citada, apesar de a pesquisa ainda estar em vias de
experimentao, os autores puderam constatar nesse artigo que, mesmo que o
Teorema Central do Limite seja reconhecido como uma ferramenta fundamental para
Inferncia Estatstica, as leituras prvias dos estudantes e o tempo disponvel de
ensino no so suficientes para prestar-lhes devida ateno. Em geral, h
dificuldade de compreenso quando apresentada uma demonstrao formal de
algumas formulaes do teorema at mesmo por alunos da ps-graduao em
curso. E, alm disso, verificaram que vale a pena dispor de algumas aulas para
investigar o significado do teorema por meio de programas grficos computacionais
dinmicos.
31
Cajori (2007), Struik (1992), Eves (1997), Rodriguez (1989), Mether (2003) e
Fischer (2000) so alguns historiadores que mostraram o sculo XVIII como a era da
Matemtica Ilustrada, devido influncia do modelo vigente: o Iluminismo. Nesse
contexto, deu-se o desenvolvimento das ideias que conduziram a formulao do
Teorema Central do Limite.
A evoluo desse teorema est estreitamente relacionada ao
desenvolvimento das ideias da probabilidade. Diante desse contexto histrico,
reportamo-nos observao de Coutinho (1996):
A noo de acaso data da Histria Antiga, tendo sua origem ligada aos
jogos de azar, notadamente na civilizao egpcia, primeira dinastia, 3500
a.C., certamente com um aspecto ldico. O desenvolvimento, porm, das
idias que formam a base do desenvolvimento da probabilidade ocorreu
bem mais tarde, com Jrme Cardan (De Ludo Aleae), Galileu (Sulla
Scoperta dei Dadi) e Fra Luca dal Borgo, que em sua obra publicada em
1494 e intitulada Summa de Arithmetica, Geometria, Proportioni et
Proportionalita, enuncia o problema mais tarde resolvido por Blaise Pascal
(1623 1662) e Pierre de Fermat (1601 1665), a quem podemos, de certa
forma, atribuir a origem da concepo de Probabilidade. (COUTINHO, 1996,
p. 12)
ele, principalmente para Estatstica, foi a obra lEssai Philosophique sur les
Probabilits, publicada em 1814, em que fez a primeira tentativa de axiomatizao
da Teoria das Probabilidades e, ainda, explorou a natureza da teoria probabilstica
do acaso (COUTINHO, 2001). Nesse mesmo trabalho, Laplace usou a propriedade
relativa soma de variveis aleatrias como sendo base para a demonstrao9 do
Teorema Central do Limite e, alm disso, trabalhou com a funo caracterstica,
conforme apndice B, numa distribuio de probabilidades. Apesar do carter
dedutivo, Laplace no tinha inteno de estudar o teorema em si, mas utiliz-lo
apenas como tcnica, ou seja, um procedimento para o clculo de probabilidades e
consolidao de sua teoria.
Nos estudos de Blaiotta e Delieutraz (2004), atribuda a Polya a utilizao
do termo central nesse teorema, pois significa de importncia central na teoria das
probabilidades, tendo em vista que o Teorema Central do Limite , muitas vezes,
implicitamente, aplicado em situaes reais. Por exemplo, como bem descreveu
Laplace, ao considerar o erro total como a soma de numerosos erros
essencialmente muito pequenos, devido a causas independentes, a distribuio de
probabilidades que modeliza esses erros a normal. Isso ocorre em muitas
situaes realizadas, como na Astronomia, nas pequenas variaes de temperatura,
nas correntes irregulares de ar, entre outros.
Fischer (2000) afirma que, de todas as contribuies para a compreenso da
demonstrao do teorema, no sculo XIX, a de Poisson (1781-1840) pode ser
considerada aquela que mais desenvolveu conceitos que cercam a formulao do
teorema. Poisson publicou dois artigos, um em 1824 e outro em 1829, levantando
questes para serem discutidas sobre o teorema. Sua ideia era a de que todo
procedimento do mundo fsico fosse governado por leis matemticas distintas.
Nesse contexto, ele tentou apresentar uma anlise matemtica um pouco mais
detalhada do que aquela apresentada por Laplace. Ele considerou dois aspectos:
apresentou uma demonstrao para uma varivel contnua, a partir das ideias
iniciais sobre variveis aleatrias, e discutiu a validade do Teorema Central do
Limite.
Esse tratamento inicial, dado por Poisson ao teorema, fundamenta-se a partir
da condio de que as variveis devem ser identicamente distribudas: primeiro pela
___________
9 Segundo Balacheff (2004), a demonstrao a pedra angular do pensamento matemtico, do raciocnio dedutivo, o qual
tem sua base terica no processo de provar por meio de cdigos e de formalidades.
35
soma delas e, em seguida, por uma combinao linear de seus elementos. Dessa
forma, generaliza a demonstrao da soma de variveis aleatrias para diferentes
distribuies, conforme se pode observar no apndice D.
As transies entre os sculos XVIII e XIX, e os sculos XIX e XX, foram
marcadas pelos esforos e dedicao por parte dos matemticos no sentido de
construir fundamentao lgico-dedutiva para as questes abertas que, inclusive,
ainda existem na atualidade, como, por exemplo, a Hiptese de Riemann que,
segundo Devlin (2004, p. 15), o nico problema de Hilbert de 1900 que continua
sem soluo. Segundo Boyer (1974):
vrias tentativas, a primeira verso do Teorema Central do Limite que foi formulada
por Laplace em 1814 (vide apndice E).
No entanto, at ento, segundo Hald (1998, p. 402), as tentativas no foram
satisfatrias sob trs aspectos: (i) o teorema no havia sido monstrado para
distribuies infinitas; (ii) no havia condies explcitas, em termos de momentos
(apndice C), sobre as quais o teorema consolidado; (iii) no havia conhecimento
na poca sobre a razo de convergncia. Nas palavras de Lakatos (1978, p. 177),
nesse perodo, eles no sabiam que aps o descobrimento de um contra-exemplo
eles no tinham que analisar sua prova cuidadosamente e tentar encontrar o lema
oculto.
Outros grandes personagens da histria da Matemtica tambm contriburam
diretamente para o desenvolvimento do teorema e, dentre eles, podemos destacar a
famlia Bernoulli, Bayes (1702-1761), DeMoivre (1667-1754) e Taylor (1685-1731)10.
Todavia os trs itens apontados por Hald (1998) foram resolvidos por
matemticos russos, entre 1870 e 1910. Destacam-se Chebyshev (1821-1894),
Markov (1856-1922) e Liapounov (1857-1918).
A publicao do artigo de Chebyshev , tradicionalmente, considerada o incio
das demonstraes com rigor para o teorema. Apesar de a demonstrao estar
incompleta, Chebyshev usou o mtodo dos momentos, conforme apndice C. Mais
tarde, seu trabalho recebeu a contribuio de Markov, que tambm trabalhou
arduamente para obter a generalizao do mtodo de momentos aps a prova de
Liapounov. Ele finalmente foi bem sucedido em 1913, quando apresentou um artigo
que continha uma demonstrao do Teorema Central do Limite. Mais detalhes
encontram-se no apndice F.
Liapounov e Markov foram alunos de Chebyshev. Liapounov queria introduzir
provas rigorosas para teoria das probabilidades e foi bem sucedido em seu intento.
Ele no recorreu ao mtodo de momentos, mas seguiu a idia de Laplace, fazendo
o uso das funes caractersticas. Liapounov publicou, em 1901, uma demonstrao
que considerada a primeira constituda de rigor para o teorema, porm ainda
incompleta.
De acordo com Mether (2003), Lindeberg (1876-1932) chega a iniciar a
demonstrao, finalizando com as condies necessria e suficiente de Lvy (1838-
___________
10No temos a inteno de elencar todos os matemticos que contriburam para a Histria da Estatstica, mas apenas citar
alguns.
37
1
2
sn2= 12 . Se E x 0, (3.1)
2 i x i
sn sn
ento,
S
N0,1 (3.2)
sn
Essa autora apresenta, neste texto, o design didtico, como uma ferramenta
que permite reconhecer as intervenes controladas, exercendo um papel essencial
no sentido de como a teoria e a prtica podem ser efetivamente teis. Literacia foi
escolhida para refletir a amplitude dos conhecimentos, habilidades e competncias
que esto sendo avaliados (BRASIL, 2009, grifo nosso)12. Em Matemtica, a
literacia avaliada sob trs dimenses: conceitual, procedimental e interdiciplinar.
Sob a dimenso conceitual, a literacia matemtica recebe uma abordagem
mais ampla, destacando-se, em primeiro lugar, os conceitos relativos estimativa,
mudana e crescimento; espao e forma; raciocnio lgico; incerteza e dependncias
e relaes; em segundo, os conceitos matemticos contidos no currculo, como, por
exemplo, as relaes numricas, a lgebra e a geometria.
A dimenso procedimental, em linhas gerais, refere-se s competncias e s
habilidades que o estudante deve desenvolver de modo que saiba resolver
problemas a partir da escolha de estratgias, que so divididas em trs classes: a
primeira diz respeito s operaes simples; a segunda, ao reconhecimento em
estabelecer as interrelaes entre os diferentes modelos matemticos para
resoluo de problemas; e, por fim, a terceira classe dispe da prtica do raciocnio
matemtico em estabelecer generalizaes e exercer a descoberta.
A terceira dimenso da literacia matemtica, a interdisciplinar, consiste na
resoluo de problemas em todas as vertentes da cincia ou do cotidiano,
entendendo que a Matemtica no uma disciplina isolada das demais, isto , em
oposio viso fragmentada do conhecimento.
___________
11 Texto original: Through the measure of students mathematical literacy and competences that they pretend to provide,
these evaluations question from the outside the efficiency of our educational systems, make more visible on the international
scene successes but also limitations and failures, and lead to question educational research about its potential for informing
and guiding curricular decisions and policies. (Trad. COUTINHO, Cileda de Queiroz e Silva; SILVA, Maria Jos Ferreira da)
12 Disponvel em: http://www.inep.gov.br/internacional/pisa/ Acesso em: 30 ago 2009.
43
___________
13 Texto original: The scale of levels of didactic codetermination certainly can help to make didactical design sensitive to the
different kinds of constraints to which didactical action is submitted, from the civilization level to the subject level. (Trad.
COUTINHO, Cileda de Queiroz e Silva; SILVA, Maria Jos Ferreira da).
45
que ocupa uma posio privilegiada, e isso lhe atribudo por ser um material de
base para investigao. Assim, a praxeologia (ou organizao) da ecologia do objeto
matemtico de estudo, o Teorema Central do Limite, de duas espcies: a
matemtica e a didtica, o que refora a estrutura do primeiro procedimento
metodolgico.
Segundo Chevallard (1996), a teoria () o nvel superior de justificativa-
explicao-produo e nem sempre est presente numa atividade. No entanto,
podemos dizer que essa atividade, por si, encarrega-se por pertencer a uma
organizao praxeolgica pontual, ou seja, quando a praxeologia relaciona uma
nica atividade T ao complexo: tarefa, tcnica, tecnologia e teoria (T, , , ).
A tcnica no se restringe apenas a um modo de ser realizado. Alguns
conceitos devem fazer parte dos conhecimentos disponveis do estudante para que
se possa aplicar a tcnica. A tecnologia () existe para justificar e explicar as
tcnicas (), e a teoria () a justificativa da justificativa, isto , a tecnologia da
tecnologia.
O desenvolvimento das praxeologias proporcionou o design didtico numa
forma prpria e nica para cada etapa, isto , sucessivamente, nos permitindo a
anlise pontual na fase experimental da pesquisa.
___________
14 A pesquisa foi de Iniciao Cientfica e contou com a participao dos alunos da Licenciatura em Matemtica, Andra
Stambassi Souza e Vanderson Damasceno Ribeiro, sob a orientao da autora deste trabalho. Como os dados coletados
no foram analisados estatisticamente, pareceu oportuno lhes dar um tratamento estatstico apropriado. Isso fez com que
contemplassem as duas dimenses desta pesquisa: o Teorema Central do Limite e outros objetos estatsticos numa
situao-problema em que representa um tema pertinente e real para alunos da Licenciatura em Matemtica.
47
___________
15Apndice H.
16A palavra fracasso no tem conotao negativa, por isso est colocada entre aspas, pois entendemos que seria no caso
de respostas de no xito.
49
tambm as mesmas que podem manter, entre si, relaes que resultam em uma
verdadeira coevoluo. Em outras palavras, as diversas espcies no so
independentes: os elementos do ecossistema so interdependentes, porque mantm
entre si relaes mltiplas, coerentes e ordenadas, formando, assim, um conjunto,
em geral, estvel e autnomo.
O trabalho de Artaud (1998) identifica quatro tipos de ecossistemas para o
saber matemtico:
Como a mdia amostral dada pelo produto entre a varivel soma (S) pelo
1
coeficiente k = , ento a distribuio da soma se aproxima de uma distribuio
N
normal. E, para que tal fato acontea, preciso que satisfaa a duas condies:
___________
17Un contenu de savoir ayant t design comme savoir enseigner subit ds lors un ensemble de transformations
adaptatives qui vont le rendre apte prendre place parmi les objets denseignement. Le travail qui dun objet de savoir
enseigner fait un objet denseignement est appel la transposition didactique. (CHEVALLARD, 1991, p. 39, traduo nossa)
59
___________
19 Segundo Magalhes e Lima (2002, p. 184), [...] as probabilidades para o modelo Normal so calculadas com o auxlio de
tabelas. Para se evitar a multiplicao desnecessrias de tabelas para cada par de valores (, ), utiliza-se uma
transformao que conduz sempre ao clculo de probabilidades com uma varivel de parmetros (0, 1), isto , mdia 0 e
varincia 1. E essa varivel a centrada reduzida, valor de z.
63
Uma amostra aleatria simples pode ser com reposio, caso uma unidade
possa ser sorteada mais de uma vez, e sem reposio, se a unidade sorteada for
removida da populao. Para autores como Bussab e Morettin (2003, p. 262), do
ponto de vista da quantidade de informao contida na amostra, o procedimento
sem reposio mais adequado. Contudo, a amostragem com reposio pode
simplificar o tratamento terico, pois a independncia entre as unidades
selecionadas facilita o desenvolvimento das propriedades dos estimadores que
sero considerados.
Nos casos para os quais a populao seja muito grande e diversificada,
existem procedimentos para construo de amostras (no aleatrias), tais como
amostras intencionais, por cotas ou por julgamento.
A extrao de elementos para amostras aleatrias simples exige tcnicas
especficas de forma que contemplem a metodologia da pesquisa em questo. Levin
64
Variveis Aleatrias
Triola (1999, p. 93) define uma varivel aleatria uma varivel (geralmente
representada por X) que tem um valor numrico nico (determinado aleatoriamente)
para cada resultado de um experimento. Por exemplo, consideremos o experimento
de observar a pontuao dos alunos, por turma, na 5 Srie, ou 6 ano, do Ensino
Fundamental, obtida a partir de instrumento de mensurao do ndice de autoestima.
Podemos associar, a cada turma, o valor X que indica a mdia aritmtica dos pontos
dos alunos daquela turma.
Dessa forma, se a escolha da turma em questo for feita por um sorteio
aleatrio (experimento aleatrio), ento se pode dizer que X uma varivel aleatria.
Meyer (1983) apresenta variveis aleatrias a partir de situaes de
experimentao, como, por exemplo, atribuir o valor um s peas perfeitas e o valor
zero s defeituosas de um determinado objeto. Como definio, o autor apresenta:
seja um experimento e S um espao amostral associado ao experimento. Uma
funo X, que associe a cada elemento s S um nmero real, X(s), denominada
varivel aleatria. (MEYER, 1983, p. 66)
O modelo matemtico que descreve uma varivel aleatria de uma funo,
pois associa cada um dos eventos resultantes de uma experincia aleatria a um
nmero real, seja esse nmero definido em um conjunto enumervel ou no
enumervel. Observa-se que as duas definies apresentadas so equivalentes.
Vale a pena observar que essa uma definio usualmente aceita na comunidade
acadmica e apresentada nos diversos livros didticos.
Distribuio de Probabilidades
Distribuies Amostrais
___________
22 [] des transformations qui dpassent la seule structuration du texte des savoirs pour stendre plusiurs des
caractristiques dune situation didactique sont invitablement dune cetaine ampleur. Sont-elles alors viables? A vrai dire, la
question se pose dj pour les modifications du seul texte du savoir. En effet, les contraintes qui psent sur la transposition
ne se limitent pas celles qui concernent la proposition dobjets enseigner. Llaboration dune transposition particulire
conduisant la determination dobjets denseignements une fois ralise, encore faut-il que ces derniers puissant rellement
vivre, de faon durable, dans le systme denseignement concret. Il est ncessaire en particulier que lintgration puisse se
faire avec les lments anciens qui nont pas t modifis.
Ltude de la transposition didactique stend alors celle des conditions de la viabilit de tel ou tel objet denseignement.
Nul doute quune connaissance precise de ces conditions serait dun grand secours pour delimiter le champ des possibles
en didactique des sciences, et pour viter les espoirs dus et la perte dnergie correpondante. Une vritable cologie des
savoirs savre ncessaire, [...]. (JOSHUA; DUPIN,1993, p. 202-203)
72
Nesses termos, podemos dizer que o autor acaba por traar um quadro
conceitual antropolgico do conhecimento ou uma antropologia cognitiva. E, a partir
dessas noes, podemos pensar o objeto de maneira mais precisa, o real, isto , o
Teorema Central do Limite. A estrutura ecolgica do didtico pode ser representada
pelo esquema 6.
73
Essa habilidade pode estabelecer conexes entre um conceito e outro, como, por
exemplo, centro e disperso, ou pode tambm combinar ideias sobre dados e
chances, conforme alegam os mesmos autores.
Para Moore (2005, p. xxiii), a estatstica utiliza dados para se adquirir insight
e para se chegar a concluses. Afirma ainda que os dados so nmeros dentro de
um contexto. Nesse sentido, apresenta o seguinte exemplo:
___________
25 []. A knowledge-based solution to the real problem requires better understanding of how a system works and perhaps
also how it will react to changes to input streams, settings or environment. (WILD; PFANNKUCH, 1999, p. 225)
77
DENOMINAO AUTORES
Contexto Matemtico
10
x 2,5 (6.4)
n 16
Distribuio para X
Distribuio para X
-1 1
de 90 e, por outro lado, +1,96 para o de 110, em que ser calculado o valor do
tamanho da amostra.
x
z
n
90 100
1,96 .
10
n
n4 (6.6)
OBJETOS OBJETOS
MATEMTICOS ESTATSTICOS
DISTRIBUIO
OPERAES EM IR NORMAL
DISTRIBUIO DE
PROBABILIDADES
CONCEITO
DE REA MDIA; VARINCIA;
DESVIO PADRO
VARIVEL
ALEATRIA
CONCEITO DE
PROBABILIDADE
Contexto Cotidiano
500 490
z 1. (6.7)
10
A partir da rea hachurada na figura 3, o modelo real pode ser reduzida para
o modelo padro:
Contexto matemtico
Contexto cotidiano
1
0,12 hora (6.9)
n 70
Quando o autor apresenta esse resultado, no fica claro o que significa 0,12
hora, mas o desvio padro da amostra de 70 unidades. Com o exemplo resolvido,
entendemos que, apesar do destaque ao teorema, talvez exista nfase para a
tcnica, sem o devido trabalho sobre a tecnologia. Logo em seguida, diz: a
98
Contexto matemtico
Uma populao muito grande tem mdia 20,0 e desvio padro 1,4. Extrai-se uma
amostra de 49 observaes. Responda: (a) Qual a mdia da distribuio amostral?
(b) Qual o desvio padro da distribuio amostral? (c) Qual a percentagem das
possveis mdias amostrais que diferiro por mais de 0,2 da mdia da populao?
Fonte: STEVENSON, 1981, p. 182-182.
20,2 20
1 x proporo: 0,1587
0,2
19,8 20
1 x proporo: 0,1587
0,2
Total: 0,3174 (6.11)
Contexto cotidiano
Ainda nessa obra, A6, optamos tambm por expor um exemplo, no sentido de
analisarmos a estrutura ecolgica da atividade proposta.
103
Um fabricante de baterias alega que seu artigo de primeira categoria tem uma vida
esperada (mdia) de 50 meses. Sabe-se que o desvio padro correspondente de 4
meses. Que percentagem de amostras de 36 observaes acusar vida mdia no
4 4
Para n 36; x 0,67
36 6
x x (6.12)
n Para n 64; 4 4 0,50
x
64 8
Esse exemplo, exposto por Triola (1999, p. 129), apresenta dois itens para
serem solucionados e comparados. O item (a) refere-se massa de um homem,
escolhido aleatoriamente, e, portanto, no constitui numa amostra. A partir do
clculo do valor padronizado ou o escore reduzido, pode-se afirmar que os pesos
(massas) so distribuidos normalmente. Assim:
x
z = 0,23 (6.16)
Ele tambm recorre tabela Normal padro, conforme anexo 11, para
encontrar a rea que corresponde a 0,4090, isto , P(x > 180) P(z > 0,23) = 0,5
0,0910 = 0,4090. Portanto, a probabilidade de o homem pesar mais de 180 lb
0,4090 e a representao grfica dada pela figura 14.
___________
26 Uma libra (massa) corresponde aproximadamente a 0,4536 kg.
106
Para o item (b), o autor indica que utilize o teorema central do limite (porque
estamos lidando agora com a mdia para um grupo de 36 valores, e no um valor
individual). Em seguida, ele justifica que agora se trata de uma distribuio de
mdias amostrais, da a necessidade de utilizar os parmetros x (mdia das
mdias amostrais) e x (desvio padro da amostra), que so:
x = = 173 (6.17)
30 (6.18)
x = 5
n 36
De acordo com as anlises das atividades dos sete livros-texto, nos foi
possvel apontar algumas caractersticas prprias de cada obra. As mesmas,
ocasionalmente, so exitosas, mas apresentam tambm restries que podem servir
como entraves no processo de aprendizagem. Em contrapartida, determinadas
restries ou limitaes enriquecem a proposta de nossa investigao, pois servem
como ferramentas excelentes para reflexo e discusso entre especialistas,
professores e alunos.
Alguns pontos comuns nos foi possvel identificar como: todos os livros-texto
que apresentam o enunciado do teorema, primeiro o enuncia, no incorrendo em
sua demonstrao e, em seguida, algumas aplicaes sob forma de problemas de
contexto matemtico e/ou do cotidiano, reforando as ideias em torno do Teorema
Central do Limite. Segundo Bussab e Morettin (2003, p. 273), a demonstrao
completa desse teorema exigiria recursos dos quais no dispomos, portanto no
ser dada, mas o importante sabermos como esse resultado pode ser usado.
Diante do que constatamos com a anlise dos livros-texto e com as
afirmativas desses autores, podemos dizer que um dos saberes no necessrios
para o Teorema Central do Limite, no processo de ensino e de aprendizagem, a
demonstrao de como se chega a esse resultado, porm defendemos que o
contexto histrico deveria ser enfatizado, principalmente porque, na nossa
investigao, os atores so os licenciandos em Matemtica.
Essa abordagem nos proporcionou o ponto de vista do professor ao elaborar
suas atividades didticas referentes ao teorema, por entender que o livro-texto
constitui potencialmente um elemento norteador no processo de ensino e de
aprendizagem. Tauber (2001, p. 69) interpreta essa dinmica como um significado
institucional de referncia, pois serve como base de seleo de objetos
significativos que esto de acordo com o enfoque para a construo de uma
sequncia didtica. Por isso achamos interessante apresentar como o teorema
apresentado/enunciado pelos autores, pois todos alegam sua extrema importncia,
com exceo de A4, porque no o menciona.
109
Dado:
1. A varivel aleatria x tem distribuio (que pode ser normal, ou no), com mdia
e desvio-padro .
2. Amostras de tamanho n so extradas aleatoriamente dessa populao.
A7 Concluses:
1. Na medida em que o tamanho da amostra aumenta, a distribuio das mdias
amostrais x tende para uma distribuio normal.
2. A mdia das mdias amostrais ser a mdia populacional .
3. O desvio-padro das mdias amostrais ser / n .(TRIOLA, 1999, p.129)
110
___________
27 Entendemos por Estatstica Bsica os temas que dizem respeito Estatstica Descritiva e Teoria das Probabilidades.
114
Vale ainda ressaltar que AC registrou que se toma algo ao acaso, alegando que
aleatoriedade significa no ter uma ordem de escolha. Ele recorreu diretamente
ideia de ordenao, fato esse que confirmou restrio quanto sua afirmativa.
4) Para voc, a varivel aleatria tem alguma relao com funo matemtica?
AO: Sim.
BM: Sim.
CA: No, pois a varivel aleatria poder assumir infinitos valores em um intervalo
finito, alm de no seguir uma lei (ordem).
FA: Sim, pois, assim como na funo matemtica, a varivel aleatria pode
assumir infinitos valores e est associada a outra varivel.
5) Em caso afirmativo ao item anterior, elabore uma definio para varivel aleatria
e variveis aleatrias independentes.
AO: Varivel aleatria aquela que os valores esto em funo da aleatoriedade,
ou seja, medida que varia a amostra, variam-se os dados correspondentes.
Variveis aleatrias independentes tm o mesmo conceito anterior, porm, de
forma independente uma da outra.
BM: Varivel aleatria Um experimento ocorre ao acaso.
Variveis aleatrias independentes Um experimento que no depende dos
demais.
CA: NO RESPONDEU.
FA: Varivel aleatria as variveis aleatrias podem assumir infinitos valores
em um intervalo.
Variveis aleatrias independentes podem assumir infinitos valores, porm
sem depender do valor da outra varivel.
fim, o ideal que a validao no seja produzida pelo professor, mas da prpria
situao em que o protagonista o aluno e, no nosso caso, os licenciandos.
Observa-se aqui que a afirmao de Charnay anloga definio de
situao adidtica, elemento fundamental da Teoria das Situaes Didticas
(BROUSSEAU, 1979).
Isso confirma que a nossa investigao est sob o jugo da Didtica da
Matemtica, de acordo com Almouloud (2007, p. 34), uma situao didtica se
caracteriza pelo jogo de interaes do aluno com os problemas colocados pelo
professor, o que contempla as diretrizes dessa pesquisa. Assim, o desenvolvimento
das atividades propostas ser do prprio estudante em testemunhar ou vivenciar a
construo de ideias e conceitos na dinmica da teoria das situaes didticas.
Assim, estaremos efetivamente tentando reponder problemtica ecolgica
do nosso objeto existente do saber, o Teorema Central do Limite, que, luz do
questionamento ecolgico de Artaud (1998), uma forma de questionar o real: o que
existe e por que existe? nessa direo que conduzimos nossa pesquisa, dando
oportunidade para o licenciando se expressar, descentralizando do professor a fala e
o desenvolvimento de modos de pensar sobre o contedo estatstico em estudo. Por
isso, optamos por recorrer a uma diversidade de situaes dentro de um mesmo
contexto, uma vez que por meio de situaes e de problemas a resolver que um
conceito adquire sentido para o sujeito. Contudo, haver tambm interferncias
controladas, por parte dos pesquisadores, pois, como j exposto, o professor
tambm ter sua atuao como pesquisador, fundamentado nos pressupostos da
pesquisa-ao de Thiollent (1996).
De modo geral e de acordo com a Atividade 1, podemos afirmar que nenhum
deles questiona sobre o significado de varivel, especificamente, tal como foi
proposto, com exceo de AO, que apresentou alguns exemplos. Esse fato pode ser
atribudo ausncia de comunicao que, supostamente, deveria ocorrer durante as
aulas de Matemtica na formao do indivduo.
De fato, Medeiros (2005) confirma:
RESPOSTA PONTUAO
Estou seguro que est correto 4
Acredito que est correto 3
Aposto 50% que est correto 2
Acredito que est incorreto 1
Estou seguro que est incorreto 0
Fonte: Dados da pesquisa de Iniciao Cientfica realizada no CES/JF.
Para a leitura e anlise dos dados, foi necessrio reconhecer que objetos
estatsticos essenciais para essa etapa a organizao de dados; o clculo da
mdia e sua interpretao; e a questo da variabilidade permeiam distintamente,
por meio de pontuaes, em cada turma de 5a Srie, ou 6 ano (instituies pblica e
particular). A partir das medidas calculadas e interpretadas, verificamos a
importncia das medidas descritivas, incidindo nas ideias do Teorema Central do
Limite, por meio de amostras.
124
___________
30 Anexo 4.
125
___________
31 Anexo 5, resposta, na ntegra, de AO para atividade 2.
126
20
5C [14,99624; 29,94116] Proporo: = 62,5%
32
13
5D [9,80303; 23,95897] Proporo: = 61,90476%
21
22
5E [10,24619; 26,18721] Proporo: = 73,33333%
30
20
Pblica: 5C [14,99624; 29,94116] Proporo: = 62,5%
32
uma atividade com mais clareza, sem criar expectativas do que os alunos poderiam
ter respondido, mas tambm nos indicou uma limitao para a nossa investigao.
Para a construo da tcnica, na atividade 2, foram necessrios mobilizar
alguns conceitos matemticos e estatsticos. E, nessa direo, nos permitiu construir
o ecossistema conforme o esquema 12.
ATIVIDADE 3:
OBJETIVOS:
- Construir o significado de aleatoriedade e amostragem;
- Conhecer o mtodo estocstico para construir uma distribuio de
amostras aleatrias;
- Desenvolver habilidades para interpretao de grficos estatsticos;
129
___________
34 A atividade 3 do licenciando AO se encontra em sua ntegra no anexo 8.
130
3) Construa um banco de dados com todos os resultados obtidos, isto , rena todos
os dados do grupo.
Resposta: Construdo no EXCEL.
5) Determine a mdia dos valores obtidos em cada item (coluna) do banco de dados
do item anterior, (4). O que voc observa? Compare com o obtido no item 1.
Resposta: A mdia das mdias da escola pblica foi de 20,24, enquanto a da escola
particular foi de 22,09. J o desvio padro das mdias da escola pblica foi 2,74 e
da escola particular, 2,35. Neste sentido, podemos concluir descritivamente que a
mdia das mdias da escola particular mais representativa, j que o coeficiente de
variao de 0,1064 e o da escola particular, 0,1354, apesar de que a mdia em
ambos casos seja significativas.
(concluso)
Resposta: Os grficos construdos para este item foram realizados no programa
SPSS, cujas mdias e desvios padro das escolas pblica e particular esto no
anexo. Foi possvel observar a mdia das mdias e o desvio padro das amostras,
realizada no Excel: Escola Pblica: Mdia das mdias 19,8565 e desvio padro das
amostras: 2,257985; Escola Particular: mdia das mdias: 22,47733 e desvio
padro, 2,061976
Resposta: Comparando as mdias das escolas pblica e particular, neste caso com
os dados aleatrios, 600 variveis, das 30 amostras, para escola pblica, cuja mdia
foi 19,59 e o desvio padro, 10,41, e o mesmo nmero de variveis para escola
particular, cuja mdia foi 22,09 e o desvio padro, 10,16, foi possvel constatar que
as mdias tm seus valores bem prximos enquanto os desvios padres diferem-se
entre si, sendo que os das amostras so bem menores que os da populao.
3) Construa um banco de dados com todos os resultados obtidos, isto , rena todos
os dados do grupo.
Resposta: No relatrio do SPSS.
5) Determine a mdia dos valores obtidos em cada item (coluna) do banco de dados
do item anterior, (4). O que voc observa? Compare com o obtido no item 1.
Resposta: medida que aumentamos o tamanho da amostra, a mdia vai se
aproximando da mdia da populao e o desvio padro vai diminuindo.
___________
35 A atividade 3 foi realizado no programa SPSS, cujo relatrio se encontra no anexo 9.
133
(concluso)
8) Compare com o obtido no item 4. O que voc observa?
Resposta: O teorema central do limite.
___________
36 As respostas, na ntegra, encontram-se no anexo 10.
135
3) Construa um banco de dados com todos os resultados obtidos, isto , rena todos
os dados do grupo.
Resposta: Em branco.
5) Determine a mdia dos valores obtidos em cada item (coluna) do banco de dados
do item anterior, (4). O que voc observa? Compare com o obtido no item 1.
Resposta: Quando vamos aumentando o tamanho da amostra, mais a mdia se
aproxima da mdia da populao e, ao contrrio, o desvio padro vai diminuindo.
3, para a escola particular com relao mdia do ndice de autoestima dos 122
alunos, conforme o material coletado37 de BM. Outro fato que reitera essa afirmativa
foi a tcnica utilizada para o item 4, pois FA seguiu da mesma forma, diferindo de
AO, ou seja, ele atribuiu tamanhos de amostras diferentes para as mdias dos
nmeros aleatrios no que concerne aos ndices de autoestima.
Contudo, percebemos algumas diferenas quanto s justificativas, pois a
resposta do item 5 foi bem similar, apresentando caractersticas de como as tcnicas
() utilizadas foram gradativamente levando concluso final, expressa somente
oralmente para o item 8, pois FA deixa em branco, mas fala sobre sua concluso, na
prxima etapa de nossa investigao.
A partir dos dados registrados dos trs licenciandos AO, BM e FA, podemos
dizer que, de certa forma, essa anlise atendeu a nossa hiptese de conhecer como
os licenciandos constrem as ideias e noes acerca do teorema, ao menos em
parte, j que essa investigao no foi de cunho quantitativo, e, sim, qualitativo.
Dessa maneira, poderamos chegar reconstruo do que vem a ser o conceito do
Teorema Central do Limite.
A partir das respostas apresentadas pelo licenciandos, podemos apontar
alguns conceitos que efetivamente foram mobilizados por cada um, por meio do
ecossistema do esquema 13.
___________
37 Anexo 9.
137
Esse primeiro dilogo diz respeito atividade como um todo. Vejamos como
seguimos:
PE: A grande vantagem de trabalhar com esses dois parmetros, a mdia e o desvio
padro, que podemos tirar algumas concluses, sem estender para outros tipos de
parmetros, tais como os quartis, outras medidas de disperso, assimetria ou o grau
de curtose. Assim, estaremos simplificando o modo de como podemos tirar algumas
concluses. Ento, o que vocs podem concluir a partir das mdias e dos desvios
padres dos dados apresentados, isto , dos 132 alunos da escola pblica e dos
122 alunos da particular?
BM: A mdia dos alunos da escola pblica bem menor que o da escola particular.
Parece que a autoestima dos alunos em relao Matemtica mais baixa quanto
menor o nvel econmico, isso?
AO: Pode ser, mas acho que temos que observar alguns dados individuais, j que a
mdia leva em conta todos os valores, inclusive os extremos.
FA: Mesmo levando em conta todos os valores, no podemos desprezar esse
parmetro, pois nas atividades seguintes, com os nmeros aleatrios, observamos
que acontece a mesma coisa.
140
FA: Todos que foram construdos a partir de amostras foram menores at que os
dados originais. Mesmo fazendo com tamanho de amostras diferentes.
BM: Isso realmente aconteceu.
AO: Ento eu perdi tempo construindo todas as 30 amostras de 20 elementos
aleatrios?
PE: Claro que no! Foi, inclusive muito interessante, j que voc optou por extrair
todos do EXCEL. Assim, nos foi possvel inclusive discutir sobre isso! Mas o que
ser que est por trs disso? Isto , de quais objetos matemticos e estatsticos
vocs precisam para que isso ocorra?
141
BM: A partir dos dados coletados, extramos a mdia e o desvio padro de cada
instituio. Depois atribumos o tamanho das amostras extradas aleatoriamente a
partir das 30 amostras de 20 elementos cada. Os objetos matemticos eu no sei,
mas os estatsticos tem a ver com a mdia, o desvio padro e o tamanho da
amostra.
FA: No seria o objeto matemtico a diviso que faramos quando desejamos
encontrar o desvio padro da amostra? Por que precisvamos exatamente dos trs
dados que BM falou?
AO: A manipulao no EXCEL e no SPSS tambm podem ser considerados objetos
matemticos e estatsticos?
PE: FA e BM, vocs podem responder para AO sua pergunta?
BM: Acho que sim, neste caso vejo apenas objetos estatsticos, tais como mdia e o
desvio padro. Ainda bem que FA falou da idia do quociente como objeto
matemtico. Interessante como tudo tem matemtica.
BM: Pelo experimento de AO, parece que sim. Cada vez que aumentamos o
tamanho da amostra, os histogramas que construmos no SPSS indicou que seria
normal.
PE: Vamos dizer que aproximadamente normal, tudo bem? Mas ser que existe um
modelo matemtico que descreva esse comportamento?
BM: o teorema central do limite! Eu j tinha estudado isso antes.
AO: Eu no sabia que era um teorema.
FA: E eu no sabia que tinha um modelo que fizesse que tal coisa acontecesse!
A partir dos histogramas gerados pelos dados das amostras, eles chegaram
ao enunciado do teorema, cada um a seu modo, mostrando-nos o quanto so
diferentes as percepes que cada um tem sobre as ideias e os conceitos no
entorno de um teorema. A concluso de que um teorema gera um comportamento
padro, causa, muitas vezes, surpresa aos alunos. Contudo, nos atentamos para o
143
contexto em si, de uma situao que ocorre no dia a dia dos professores de
Matemtica. A autoestima dos alunos acaba por interferir na aprendizagem nessa
disciplina. So reflexes pertinentes para licenciandos em Matemtica, pois faro
parte de sua realidade quando estiverem em exerccio do magistrio.
A interao entre um tema fundamental para a Inferncia Estatstica e a
prtica de sala de aula causa tambm motivao para todos os sujeitos envolvidos.
Assim, para encerrar o dilogo, o desfecho foi sintetizar os objetos matemticos e
estatsticos que estiveram presentes no estudo do Teorema Central do Limite.
PE: Ento, tudo que realizamos foi para chegar a essa concluso: existe um modelo
matemtico chamado o Teorema Central do Limite, pois, a partir desse teorema,
podemos dizer que, mesmo que uma curva seja assimtrica, se aumentarmos o
tamanho das amostras, a curva tender cada vez mais aproximar-se da curva
Normal. E, segundo os autores de livros-texto, trabalhar com curva Normal tem suas
vantagens, principalmente porque precisamos usar apenas dois parmetros: a mdia
e o desvio padro. Infelizmente, a demonstrao desse teorema demandar muito
tempo e, alm disso, bastante complexo, no desmerecendo habilidade de vocs
com os objetos matemticos, mas, por enquanto, no o nosso foco de estudo, e
sim, as implicaes que esse teorema tem no dia a dia. Vocs poderiam citar outros
exemplos?
AO: Deve ter bastante exemplos. Mas agora nada me vem em mente.
FA: Todas as distribuies que podem ser reduzidas a uma curva normal, acho que
aplicamos o teorema, no ?
BM: Deve ter um monte de exemplos, mas podemos ficar por aqui, no?
PE: Tudo bem. Mas deixo como lio de casa uma reflexo sobre aplicao do
teorema, tudo bem?
Um outro ponto que no deve ser despercebido, j que o nosso trabalho est
direcionado aos licenciandos de Matemtica, no tocante formao do professor.
O contexto no qual as atividades 2 e 3 foram elaboradas tem relao direta com
essa linha de pesquisa, que o da formao continuada dos professores, apesar de
no haver nfase para tal, at mesmo porque o nosso objetivo est bem delimitado
numa abordagem ecolgica do saber e do didtico. Em contrapartida, a autoestima
dos alunos da 5 Srie, ou 6 ano, do Ensino Fundamental, nos propiciou alguns
momentos de reflexo sobre esse assunto. Assim, segundo Chevallard, Bosch e
Gascn (2001):
___________
38Entendemos como insight a habilidade de discernir sobre o assunto a ser abordado.
39Statistical Literacy is the ability to understand and critically evaluate statistical results that permeate our daily lives
coupled with the ability to appreciate the contributions that statistical thinking can make in public and private, professional
and personal decisions. (WALMANN, 1993, p. 1).
145
Portanto, todo momento foi privilegiado, sem diminuir ou aumentar outro, mas,
desde j, ressaltamos a importncia de focar o objeto do nosso tema, Teorema
Central do Limite, e suas abordagens ecolgicas tanto para o saber em si, quanto
para o didtico.
Para finalizar, talvez no seja de grande pretenso de nossa parte achar que
esse trabalho vem preencher as lacunas existentes sobre a Inferncia Estatstica,
muito pelo contrrio: talvez seja uma forma de chamarmos ateno para que,
efetivamente, os estudantes de ps-graduao, pesquisadores e outros interessados
tenham um olhar mais atento para essa linha de pesquisa, que a Educao
Estatstica.
146
147
7 CONSIDERAES FINAIS
sentido geral, para todo cidado que tem o dever e o direito de desenvolver essas
habilidades.
Nesse contexto, entendemos o quanto importante a Estatstica no mundo
atual, extremamente influenciada por meios de comunicao e tecnologia de ltima
gerao. De fato, no h como acompanhar os avanos tecnolgicos num mundo
ditado por uma gama de informaes, que podem gerar at mesmo o sentimento de
insegurana por parte de quem procura mais e mais informaes. Portanto, seria
pretenso de nossa parte finalizar as discusses aqui explicitadas, j que devemos
entender que este trabalho deve servir como mais um meio de sensibilizar a classe
de educadores matemticos que lidam com o Ensino da Estatstica no Ensino
Superior e, em especial, os que fazem parte da formao dos futuros professores de
Matemtica que estaro atuando na Educao Bsica. um ciclo que no permite
um incio e no h um ponto final. Deve ser trabalhada, ininterruptamente, a
importncia da Estatstica como leitura de mundo, na formao de professores, no
ato de inferir sobre as informaes e saber efetivamente como os dados foram
trabalhados at chegar ao conhecimento de todos.
Vale a pena ainda ressaltar a importncia desse objeto do saber como
modelo matemtico para explicar fenmenos da natureza, das Cincias Sociais, das
Cincias Biolgicas, entre outras cincias. Apesar de o foco de nossa investigao
ter sido no processo de ensino e de aprendizagem do teorema, destaca-se que a
partir da Educao que podemos acreditar numa mudana de paradigma,
rompendo, assim, com crenas arraigadas de que a Matemtica, e
consequentemente, a Estatstica, serve apenas para um pequeno grupo. Muito pelo
contrrio, o enfoque desse tema na Educao visa efetivamente a possibilidade de
ampliar o conhecimento dos futuros professores, no sentido de que mudar significa,
metaforicamente, despir de todo o pr-conceito e se permitir aceitar suas prprias
limitaes. desejo de buscar meios que possam ser superados mediante o
processo de estudo, a servio do futuro, isto , daqueles ou daquelas que esto
diante das carteiras, sedentos pelo saber. claro que a realidade no bem assim.
Existem outras variveis a serem consideradas, tais como indisciplina,
desmotivao, a desvalorizao do professor como profissional, a estrutura
particular de cada instituio de ensino e outras mais. Todavia, devemos acreditar
ser um ponto de partida, mesmo com todos esses obstculos.
150
___________
40Jarl Waldemar Lindeberg, da Finlndia e Paul Lvy, da Frana, descobriram de modo independente, um conjunto de
condies sobrepostas necessrias para a conjectura se tornasse verdadeira, e, neste caso, a conjectura central do limite
passaria a ser o teorema central do limite. (SALSBURG, 2009, p. 84).
151
REFERNCIAS
______. Engenharia Didctica. In: BRUN, Jean. Didctica das Matemticas. Trad.
Maria Jos Figueiredo. Lisboa: Instituto Piaget, 1996, p.193-217.
BLAIOTTA, J.; DELIEUTRAZ, P. Teorema central del limite. Buenos Aires, 2004.
Disponvel em:
http://www.union-matematica.org.ar/reunion_anual/anteriores/monografiatcl41.pdf.
Acesso em: 02 fev. 2007.
______. Os diferentes papis do professor. In: PARRA, Ceclia; SAIZ, Irm. Didtica
da matemtica: reflexes psicopedaggicas. Porto Alegre: Artes Mdicas, 1996, p.
48-72.
CAM, L. L. The Central Limit Theorem around 1935. Statistical Science 1, p. 78-96.
1986. Disponvel em:
http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?view=body&id=pdf_1&ha
ndle=euclid.ss/1177013818. Acesso em: 06 abr. 2009.
GARFIELD, J.; BEN-ZVI, D. How students learn statistics revisited: a current review
of research on teaching and learning statistics. International Statistical Review.
2007, v. 75, n. 3, December/2007, p. 372-396.
HALD, A. A history of mathematical and statistics: from 1750 to 1930. New York:
John Wiles & Sons, 1998. (Wiley Series in Probability and Statistics)
HOLMES, P. What sort of Statistics should be taught in schools and why? In:
LOUREIRO, C.; OLIVEIRA, F.; BRUNHEIRA, L. Ensino e aprendizagem da
Estatstica. Lisboa: Grafis, 2000.
SENETA, E. The central limit problem and linear least squares in pre-revolutionary
Russia. The background. Mathematical Scientific. v. 9, 1984, p. 3777.
VERGNAUD, G. A teoria dos campos conceptuais. In: BRUN, J. (dir.) Didctica das
matemticas. Lisboa: Instituto Piaget, 1996, p. 155-191. (Coleo Horizontes
Pedaggicos).
APNDICES
162
2 2n 2n (2)
yn cos t dt .
0
O ponto chave dessa questo foi Laplace ter notado que poderia estender
essa idia para encontrar o termo mdio para o trinmio (1 + 1 + 1)2n, para o
quadrinmio (1 + 1 + 1 + 1)2n e assim por diante. Cada um desses polinmios
corresponde a ter erros entre seus termos (por exemplo, 1, 0, 1 para o caso do
trinmio). Sua generalizao permite que os erros sejam os valores entre
(m + 1, ..., 1, 0, 1, ..., m 1, m), (3)
imagem o conjunto de todos os nmeros no intervalo [1, +). (LEITHOLD, 1994, p. 515)
163
1 it
Para o primeiro caso, erros 1 e 1 (t) = (e + eit). E, no caso geral:
2
1 n
(t) = (7)
1 2 cos tk
2m 1 k 1
1 ijt n
P ( sn j )
2
e ( t )dt (10)
m
Neste caso a funo caracterstica : ( t ) pk eikt . Inserindo a funo
k m
1 1
P ( sn j ) exp( ijt itn x n 2x t 2 ...)dt . Em vez disso, pelo clculo de
2 2
2
1 s2 n x 1 is
= exp
exp z dt
2 n 2n 2 n x 2 nx (13)
x
1 s 2
P(sn nx = s) = exp
2n 2
. (14)
2 x x
e define-se
Eeit X = Ecos (tX) + iEsen(tX), t IR. (2)
Propriedades:
i. A funo caracterstica limitada por 1 : | X(t) | 1, t IR.
ii. A funo caracterstica assume o valor 1 no ponto 0: X(0) = 1.
Meyer (1983) chama de funo geratriz de momentos da seguinte forma: Seja X, uma varivel
aleatria discreta, com distribuio de probabilidade p(xi) = P(X = xi), i = 1, 2, ..., A funo MX,
denominada funo geratriz de momentos de X, definida por:
tx
MX (t) e j p( x j ) . (1)
j1
Se X for uma varivel aleatria contnua com funo densidade de probabilidade, chama-se de
funo geratriz de momentos por:
M X (t ) tx (2)
e f(x)d(x).
Em qualquer dos casos, o discreto ou o contnuo, Mx(t) apenas o valor esperado de etX. Por
isso, pode-se combinar as expresses e escrever:
M X ( t ) E( e tX ) . (3)
168
Seja uma varivel aleatria Yi no intervalo [a, b] com densidade contnua f1(y)
= Fi (y), o qual Fi(y) = P(Yi y). Seja xi , ( = a e = b) uma varivel
aleatria discreta, e um intervalo pequeno e estabelece que:
pxi = f(xi), xi = , + 1, ..., . (1)
conforme segue:
n
1 b its
P(xi = s) = e ( xi ( y ))dt
. (5)
2 1
i 1
1 n b sen
P(c sn c + ) = fi ( y )e iy dy .e i , (1)
1
i 1
2 sen kx 0 , k 1
cos xdx . (2)
0 x 1, k 1
2 2 2 / 2 sen h 2 1 2 2 2
| k | = e d e k / 2 (6)
k 2
k 2
2 2 2 / 2 sen h 2 1 2 2
|Pk P| = e d e k / 2 , (7)
k 2k 2 2
onde
1 (8)
= .
1 2 k 2 (max( w j ))2
2 k 2 2 2 2 / 2 sen h 2 3 kh k 2h 2
(9)
|Pk k| = ( e e ) d ln 1
0 3 3
172
em que,
22k 4 (max( w j ))2
1 2 4 2 2
k a (max( w j )) 4 22k 2 (max( w j ))3 (10)
= max e 8 ,1 e
Da, Cauchy finalmente concluiu que se k escolhido de n1/2 < k < n3/4, ento
as trs partes tendem para zero quando n tende a infinito. E, assim, P .
173
Seja z1, z2, ..., variveis aleatrias independentes que descrita por probabilidades
densas. Se (i) E (zi) = 0 para todo i e, (ii) |E(zik)| C, i, k 2, onde C uma
constante independente de i e k, ento, como n ,
1 x2
t'
s 1 2 (1)
P t n t' e dx ,
B n 2
t
onde
n n
sn = zi e Bn2 = var( zi ) . (2)
i 1 i 1
Chebyshev usou o mtodo dos momentos, que foi por ele mesmo
desenvolvido anteriormente. Mais tarde, o seu trabalhou recebeu a contribuio de
Markov que declarou: Uma condio necessria e suficiente a ser acrescida, em
Bn 2
ordem, para que o teorema se faa de modo correto o seguinte: (iii)
n
uniformemente tendendo a zero; (iii.a) E(zn2) tambm tende a zero quando n tende
ao infinito.
Markov trabalhou arduamente para obter a generalizao do mtodo de
momentos aps a prova de Liapounov. Ele finalmente foi bem sucedido em 1913,
quando apresentou um artigo que continha uma prova rigorosa sobre TCL,
superando a condio de Liapounov.
174
Ento,
1u2
t
s 1
P n t
Bn
e 2
2
du . (5)
para a distribuio normal padro, N(0, 1). Neste caso, "supe-se que todas as
varincias sejam finitas e que pelo menos uma delas seja estritamente positiva".
Uma questo pode ser levantada: quais as condies para os quais
S n ES n D
N(0, 1)? (2)
Var (S n )
S n n D (3)
N(0, 1).
n
James (2006) define o teorema (Teorema Central do Limite de Lindeberg)
apresentando as condies gerais para validade da convergncia normal:
1 n
0, lim x k 2 dFk ( x ) 0 .
n s 2 k 1 x k s n
n
(JAMES, 2006, p. 266).
x s ( x k ) 2 dFk ( x ) ( x k )2 pk ( x i ) (5)
k n
i: x k s n
3) A representao da varincia :
k2 ( x k ) 2 dFk ( x )
x ( x k ) 2 dFk ( x ) x ( x k ) 2 dFk ( x ) (7)
k s n k s n
quando n .
xk x S n ES n
4) Na condio de Lindeberg, as parcelas da soma so
sn sn
uniformemente pequenas para n grande. James (2006) apresenta um exemplo
como conseqncia dessa condio:
177
k2 (9)
max 0 quando n ,
2
1 k n s n
k2 1 1
x x k 2 dFk ( x ) x x k 2 dFk ( x )
s n2 s n2 k s n sn2 k s n
1 1 n
2 sn2 x k 2 dFk ( x ) x j 2 dFj ( x )
(10)
sn2 x k s n 2 j 1 x j s n
sn
k2 1 n
max 1 k n 2 ( x k )2 dFk ( x ) , (11)
sn2 2 k 1 x k s n
sn
e converge para 2, pela condio de Lindeberg. Como isso vale para todo > 0, o
max n2 / s n2 0.
(12)
S n ES n
ou seja, nenhuma parcela tem muito peso para a soma . Esta alegao
sn
nos reporta a aceitar, intuitivamente, a afirmao: a soma de um grande nmero de
pequenas quantidades independentes e de mdia zero, tem aproximadamente a
distribuio normal (JAMES, 2006, p.268).
5) A condio de Lindeberg formalmente mais forte que a condio sobre o
mximo das varincias. Pois
n
sn2 ( x k )
2
dF( x ) e, (13)
k 1
178
k2
max 0 quando n , ento a condio de Lindeberg conseqncia da
2
1 k n sn
convergncia normal.
1 n 1 n
( x ) 2 dFk ( x ) = ( x ) 2 dF1( x ) (15)
n 2 k 1 x n 2 k 1 x n
1 n 1 2
( x ) 2 dF1( x )
( x ) 2 dF1( x ) =
= 1, (16)
2 k 1 x n n
2 2
possurem momentos finitos de ordem maior que 2. Isto , o teorema vale para a
convergncia normal se a soma dos momentos centrais absolutos de ordem 2 +
1 n
2
E X k k 0 quando n ,
(16)
s 2 k 1
n
n
ento
S n ES n D (17)
N(0,1) .
sn
Demonstrao: Supondo a condio de Liapounov satisfeita, verificamos a
x k
condio de Lindeberg: para > 0, se x k> sn ento 1 de modo que
sn
1 n 1 n 2 x k
( x k ) 2 dFk ( x ) ( x k ) . dFk ( x )
2 k 1 x k s n
sn sn2 k 1 x k s n s n
1 n
2
x k dFk ( x )
sn 2 k 1 x k s n
1 n 1 n
2
x - k E X k k 0 quando n . (18)
s n 2 k 1 - s 2 k 1
n
sries do tipo n .
1 n 1
k quando n , (19)
1 k 1 1
n
180
n
de maneira que k da ordem de n 1 .
k 1
Portanto,
n 1 n
k
n 1 1 1 n 1 1 , (22)
1 k 1 1 1
Ou seja,
1
1 1 n 1 n 1
k . . (23)
1 n 1 k 1 1 n
1
n 1
Como 1 quando n , o lema est provado. (JAMES, 2006, p.271).
n
181
n Xk k 2
it sn
t2
Ee e
(I) (25)
n
k 1
Ao fixar um valor t real e recorrendo Frmula de Taylor aplicada funo g(x)= eitx
em duas situaes, a saber:
t2x2 (26)
eitx = 1 + itx + 1(x) , para 1(x) 1
2
t2x2 t3x3
eitx = 1 + itx 1(x) + 2(x) , para 2(x) 1 (27)
2 6
2 2 1 ( x ) t 2 x 2 , se x
t x 1
eitx = 1 + itx + r (x), onde r (x) = 2 , (28)
2 t3x3
2 ( x) , se x
6
Portanto,
X k x k
Eexp it k expit
dFk ( x )
sn sn
182
2
x k t 2 x k x k
= 1 it E r dFk ( x ) (29)
sn 2 sn sn
= por linearidade =
2 2
X k t 2 X k k t2 x k x k
1 itE k E 1 1 dFk ( x )
sn 2 sn 2 x k s n sn sn
3
t3 x k x k (30)
2 dF ( x )
6 x k s n s n k
s n
Xk k t 2 2k
E expit
1 2 en,k ,
(31)
sn 2sn
Desta forma,
n n 3
t2 2 t
en,k
sn2 k 1 x k s n
x k dFk ( x )
6sn2
(33)
k 1
1
Escolhendo uma seqncia de 's que converge para zero, se , existe
m
nm tal que para n nm tal que:
n 3
t
en,k , (35)
k 1
3
1
em que os restos en,k so os determinados pela frmula baseada em . Assim,
m
n 3
t
existe uma seqncia n1 < n2 < ... de inteiros positivos tal que en,k , para
k 1
3
1
nm n < nm+1, onde os valores so tambm baseados pelo fato de . Vale
m
lembrar que o valor de que determina o resto en,k depende da posio de n em
relao aos nm. Ento,
n
en,k 0 quando n . (II) (36)
k 1
n
Lema 2: Sejam cn,k nmeros complexos tais que c n,k c quando n .
k 1
Se
max 1 k n c n,k 0 quando n (39)
e
n
c n,k M (40)
k 1
Demonstrao:
Para dar seguimento da prova da condio de Lindeberg e provido do
segundo lema, sejam:
t 2 2 t2
c n,k k
e n,k e c= , por (II), tem-se que: (42)
2s 2 2
n
n n
t2 t2
c n,k en,k
, (43)
2 n 2
k 1 k 1
n
o que significa que c n,k uniformemente limitado, ou seja, existe M < tal que
k 1
n
n, c n,k M. Antes de aplicar o lema, segue a verificao da condio de
k 1
mximo:
185
t 2 k2 t2 2 n
max c n,k max max e n,k max k e n,k , (44)
1 k n 2
1 k n 2s n 1 k n 2 1 k n sn2 k 1
com o segundo termo tendendo a zero por (II). Como a condio de Lindeberg
2
implica que max k 0 , a demonstrao est terminada.
2
1 k n s n
186
_________________________________
Assinatura do(a) Voluntrio(a)
Telefones para contato: ____________________________________
_______________________________ _______________________________
Nome do pesquisador Nome Orientador(a)
Telefones _______________________ Telefones _______________________
e-mail: _________________________ e-mail: _________________________
187
ANEXOS
188
RESPOSTA DE AO
190
RESPOSTA DE BM
191
RESPOSTA DE CA
192
RESPOSTA DE FA
193
Pontuao
(Espao
Estou Aposto Estou exclusivo dos
seguro Acredito 50% Acredito seguro pesquisadores)
a
5 Srie do Ensino Resposta de que que est que que est de que
est correto est incorreto est
Fundamental correto correto incorreto
Exemplo: 6 x 4 24 X
Pontuao
Estou Aposto Estou (Espao
seguro Acredito 50% Acredito seguro exclusivo dos
Resposta de que que est que que est de que pesquisadores)
5a Srie do Ensino est correto est incorreto
correto correto
est
incorreto
Fundamental (cont.)
12. Uma lojinha tinha um estoque de 1850 toalhas
e no conseguia vend-las. Ento, numa tera-
feira,o gerente reduziu o preo delas em 50%.
Nesse dia, vendeu 418 toalhas. A notcia se
espalhou e, no dia seguinte, ele vendeu outras
837. Aps essas vendas, quantas toalhas
sobraram no estoque da loja?
13. Faa esta multiplicao.
Ver um resultado surpreendente.
123456789 x 9 =
Escola
Particular:
Turma 5A Turma 5B Turma 5C Turma 5D Turma 5E
Alunos: Notas: Alunos: Notas: Alunos: Notas: Alunos: Notas: Alunos: Notas:
1 40 1 38,5 1 37 1 40 1 40
2 40 2 37,5 2 36,5 2 40 2 40
3 39,5 3 36,5 3 36 3 39,5 3 40
4 39,5 4 35,5 4 35 4 38,5 4 39,5
5 38 5 35 5 35 5 38 5 38
6 38 6 35 6 33,5 6 38 6 36,5
7 38 7 35 7 33 7 34 7 32
8 37,5 8 35 8 33 8 32 8 31,5
9 37 9 34 9 32,5 9 32 9 26,5
10 37 10 34 10 32,5 10 31,5 10 25
11 36,5 11 34 11 32,5 11 31 11 22,5
12 36 12 34 12 32 12 31 12 17,5
13 36 13 33,5 13 31,5 13 30,5 13 17
14 35,5 14 33 14 31 14 30 14 4,5
15 35 15 33 15 31 15 29
16 34,5 16 32,5 16 30,5 16 28,5
17 30,5 17 32 17 30,5 17 27
18 28,5 18 31,5 18 30 18 26
19 28,5 19 31 19 30 19 26
20 25 20 30,5 20 29 20 23
21 24,5 21 38,5 21 28 21 23
22 24,5 22 27,5 22 27,5 22 22,5
23 20 23 27 23 27 23 22,5
24 27 24 36,5 24 14
25 24,5 25 26 25 12
26 23,5 26 26 26 9
27 23,5 27 25,5
28 23,5 28 23,5
29 21,5
30 18
31 15,5
Mdia da Mdia da Mdia da Mdia da Mdia da
33,89 30,68 31,14 28,79 29,32
turma turma turma turma turma
196
Escola
Pblica:
Turma 5A Turma 5B Turma 5C Turma 5D Turma 5E
Alunos: Notas: Alunos: Notas: Alunos: Notas: Alunos: Notas: Alunos: Notas:
1 34 1 38 1 37,5 1 30,5 1 30
2 33 2 36 2 34,5 2 27 2 29
3 30 3 34 3 33 3 25 3 28
4 25 4 34 4 31 4 24 4 26
5 24 5 33,5 5 31 5 22,5 5 26
6 23,5 6 32,5 6 31 6 21,5 6 25,5
7 23,5 7 32 7 29,5 7 20,5 7 25
8 21,5 8 30,5 8 28 8 19 8 23
9 20 9 30 9 28 9 18,5 9 22
10 18,5 10 29 10 27,5 10 17,5 10 21,5
11 16,5 11 28 11 26 11 16,5 11 21,5
12 16 12 26,5 12 25 12 16,5 12 21,5
13 14,5 13 25,5 13 24 13 16,5 13 21,5
14 13,5 14 23,5 14 23,5 14 15 14 21,5
15 12,5 15 23 15 23 15 14,5 15 21,5
16 11 16 21,5 16 23 16 14 16 20,5
17 11,5 17 21 17 22,5 17 11,5 17 20
18 9,5 18 19,5 18 22 18 7,5 18 17,5
19 9,5 19 19 19 21 19 6 19 17,5
20 9 20 19 20 20 20 5,5 20 17
21 8,5 21 16,5 21 20 21 5 21 16
22 4 22 16 22 19 22 15,5
23 15,5 23 18,5 23 13,5
24 14 24 17,5 24 13
25 13,5 25 17 25 11,5
26 13 26 16,5 26 9
27 13 27 14 27 7,5
28 12,5 28 12,5 28 4,5
29 11,5 29 12,5 29 0
30 10 30 12 30 0
31 1,5 31 11,5
32 7
Mdia Mdia Mdia Mdia
Mdia da
17,68 da 22,35 da 22,97 da 16,88 da 18,22
turma
turma turma turma turma
197
Escola Pblica:
x 20,49 20,28 18,55 19,46 22,96 19,78 20,97 18,58 21,33 18,92
S 10,31 9,45 9,71 12,23 9,40 11,25 8,89 11,14 11,10 12,45
x 15,12 21,58 19,45 14,17 23,74 20,85 18,94 17,90 23,27 22,00
S 11,09 11,03 10,38 10,09 9,78 10,62 7,79 10,31 12,68 11,32
x 23,13 19,49 23,42 22,49 20,35 21,04 23,36 12,31 20,92 22,46
S 10,46 11,12 9,69 10,10 10,02 9,03 11,83 9,24 11,05 10,94
Escola Particular:
x 21,72 24,91 21,64 22,80 21,25 20,77 22,54 24,86 24,88 20,48
S 10,89 9,27 10,66 9,83 10,62 10,93 10,24 8,31 10,95 10,19
x 24,33 16,63 24,66 21,64 18,79 22,22 20,82 22,92 17,28 27,30
S 11,46 9,27 8,43 9,85 11,65 8,33 9,89 9,64 9,33 8,72
x 21,31 21,06 23,05 22,73 25,59 21,92 21,30 20,53 19,64 23,03
S 10,15 10,05 12,30 10,36 9,38 10,81 11,36 10,25 10,13 9,65
GRFICO 5: Distribuio das mdias de dados de 60 observaes da Escola Pblica por AO.
Fonte: Grfico elaborado por AO com utilizao de EXCEL e SPSS.
GRFICO 6: Distribuio das mdias de dados de 60 observaes da Escola Particular por AO.
Fonte: Grfico elaborado por AO com utilizao de EXCEL e SPSS.
204
ESCOLA PARTICULAR
210
211
212
213
214
GRFICO 1
GRFICO 2
215
GRFICO 3
216
GRFICO 4
217
GRFICO 5
218
z 00 01 02 03 04 05 06 07 08 09
0,0 0,0000 0,0040 0,0080 0,0120 0,0159 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0875 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1028 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1878
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2354 0,2486 0,2518 0,2549
0,7 0,2580 0,2612 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3380
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4083 0,4099 0,4115 0,4131 0,4147 0,4162 0,4127
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4270 0,4292 0,4366 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4304 0,4400 0,4410 0,4430 0,4441
1,6 0,4452 0,4463 0,4474 0,4485 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4986 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999