Matemática – Aula de Exercícios (Plano de aula – Ensino médio)

Como referenciar este texto: Matemática – Aula de Exercícios (Plano de aula – Ensino médio). Rodrigo Terra. Publicado em: 04/11/2026. Link da postagem: https://www.makerzine.com.br/matematica-aula-de-exercicios-plano-de-aula-ensino-medio/.


 
 

Esta aula prática ajuda os estudantes a irem além do “calcular por calcular”. A proposta é treinar a escolha consciente entre média, mediana e moda, justificando a decisão com base no contexto, na forma da distribuição e na presença de valores extremos. O foco é preparar para situações reais (dados do cotidiano e de exames) em que a melhor medida de tendência central depende do problema.

 

Título da aula

Medidas de tendência central em ação: quando usar média, mediana ou moda?

Esse título funciona porque desloca o foco do “calcular” para o “decidir”. Ele sinaliza que a aula é sobre escolher a medida adequada e justificar a escolha com base no conjunto de dados.

Dependendo do espaço onde o título aparece, vale ajustar o formato sem perder o sentido:

  • Versão curta (quadro/slide inicial ou AVA): Média x Mediana x Moda: qual usar?
  • Versão para folha de exercícios: Escolhendo a melhor medida de tendência central em diferentes conjuntos de dados.
  • Ênfase em valores extremos: Quando a média engana? Mediana, moda e outliers em foco.
  • Para revisão: Qual medida representa melhor os dados? Critérios e justificativas.

Inclua uma pergunta-norteadora logo abaixo do título e retome-a a cada exercício. Ela mantém o critério de escolha explícito:

  • Qual medida representa melhor este conjunto? Por quê?
  • Há valores extremos? O que muda na escolha?
  • A distribuição parece simétrica ou assimétrica?

Ajuste a linguagem ao perfil da turma. Se “tendência central” confundir, use algo como “Qual medida resume melhor os dados?”. Em turmas mais avançadas, vale explicitar termos como distribuição assimétrica e outliers no próprio título ou subtítulo. O importante é que quem lê já entenda que a tarefa envolve comparar e justificar, não apenas aplicar uma fórmula.

 

Objetivos de Aprendizagem

Precisão no cálculo: ao final, o estudante calcula corretamente média (x̄ = Σxᵢ/n), mediana (para n ímpar e par) e moda a partir de listas de dados e de tabelas de frequências simples. Ordena os valores para encontrar a mediana, identifica quando não há moda ou quando há mais de uma, e apresenta resultados com unidade e arredondamento conforme o enunciado (na ausência, usar duas casas decimais é suficiente). Faz checagens rápidas de plausibilidade: a média deve estar entre o mínimo e o máximo; a mediana deve estar em posição central da lista ordenada; a(s) moda(s) são os valores mais frequentes.

Escolha da medida mais adequada ao conjunto: o estudante compara as três medidas no mesmo conjunto e decide qual representa melhor o fenômeno, considerando:

  • Outliers e assimetria: com valores extremos ou cauda alongada, prioriza-se a mediana por ser menos sensível; em distribuição aproximadamente simétrica e sem extremos, a média costuma sintetizar bem por usar todos os dados.
  • Multimodalidade e natureza dos dados: quando há um ou mais picos claros, a(s) moda(s) ajudam a descrever padrões de concentração; em dados categóricos, a moda é frequentemente a escolha pertinente.
  • Objetivo da análise: para descrever o “típico” (ex.: renda típica), a mediana tende a ser mais informativa; para balanços e projeções (ex.: consumo médio), a média pode ser preferível.

Justificativa estatística clara: espera-se uma justificativa curta (1 a 3 frases) que nomeie a característica do conjunto e conecte-a à medida escolhida. Termos desejáveis: “sensível a outliers”, “robusto”, “assimetria à direita/esquerda”, “multimodal”. Exemplos:

  • Aceitável: “Há um valor muito alto em relação aos demais (outlier), a distribuição fica assimétrica à direita; a mediana é mais robusta e representa melhor o valor típico.”
  • Aceitável: “As frequências se concentram em dois picos (5 e 9); faz sentido reportar as duas modas para descrever os padrões.”
  • Insuficiente: “Escolhi a média porque parece melhor.” (não explica a relação com a forma da distribuição nem com o objetivo da análise).

 

Materiais utilizados

Cartões de dados: Prepare um conjunto variado com contextos curtos e legíveis; alguns casos com valor extremo, outros com empates e tamanhos par/ímpar de observações. Cada cartão deve trazer os dados e um enunciado objetivo em 1–2 linhas (por exemplo: qual medida descreve melhor esse conjunto? Justifique.). Numere os cartões para facilitar a circulação e a coleta. Formato prático: meia folha A4 (A5), fonte grande; se possível, plastifique para reuso com caneta para quadro.

Kits por grupo: Organize tudo em envelopes ou pastas para acelerar a distribuição. Uma boa referência é 1 kit para cada grupo de 3–4 estudantes, com quantidade suficiente para todos trabalharem ao mesmo tempo.

  • Conjunto de cartões numerados.
  • 2–3 folhas quadriculadas e 2 folhas lisas.
  • 2 lápis, borracha e régua.
  • Calculadora simples (ou autorização para usar a do celular).
  • Bloco de post-its e um pequeno rolo de fita adesiva.

Cole por fora do envelope uma mini-lista de conferência para rápida checagem ao final (itens e quantidade). Post-its de cores diferentes ajudam a identificar contribuições de cada grupo no painel de síntese.

Alternativas rápidas: Sem impressora, projete ou escreva 3–4 casos no quadro e os grupos copiam os dados; sem post-its, use tiras de papel + fita; sem fita, use ímãs ou massinha adesiva; sem calculadoras, combine o uso controlado do celular (modo avião e som desligado) ou priorize estimativas e cálculo manual em amostras menores. Na falta de projetor, reserve um espaço de parede ou uma cartolina para a exposição final.

 

Metodologia utilizada e justificativa

Por que estudo de caso com rotação. Resolver três casos curtos em sequência obriga a comparar situações com formatos de dados diferentes, em vez de aplicar uma “regra única”. A rotação distribui o tempo de fala entre os grupos, cria repetição com variação (mesmo objetivo, cenários distintos) e ajuda a separar o ato de calcular do ato de escolher, que é o centro da aprendizagem aqui.

Como desenhar as três estações. Monte casos que “puxem” decisões diferentes, com dados enxutos (5–12 valores) e descrição breve do contexto. Alternar tabela e pequeno gráfico rascunhado ajuda a notar a forma antes do cálculo.

  • Estação 1 — outlier evidente (numérica contínua): uma série com um valor muito alto ou muito baixo em relação aos demais. A ideia é levar a considerar a mediana como representação estável. Exemplo ilustrativo: valores como 2.000, 2.100, 2.200, 2.300, 50.000 em um contexto de rendas.
  • Estação 2 — bimodal ou categórica: duas concentrações de valores numéricos (ex.: tempos de percurso em dois turnos) ou dados por categorias (ex.: preferência de sabores). Aqui, a moda pode comunicar melhor “o que é comum”, enquanto média e mediana podem esconder os dois grupos.
  • Estação 3 — assimetria leve sem extremos: todos os valores contam e não há ponto fora da curva marcante (ex.: litros de água consumidos por dia em uma semana). A média pode ser a síntese mais útil quando o objetivo é balancear recursos ou comparar desempenhos agregados.

Defesa escrita e oral enxuta. Proponha um formato curto e repetível para cada caso: (1) cálculo das três medidas; (2) leitura da forma dos dados — simetria, outliers, múltiplos picos; (3) decisão e justificativa ligada ao contexto e ao público que receberá a informação. Use perguntas-gatilho para refinar o argumento: “Se remover o maior valor, sua decisão muda?”, “Qual medida comunica melhor para quem precisa agir com o dado?”. Nas falas, intervenha para manter o foco no porquê da escolha, não apenas no resultado numérico.

 

Desenvolvimento da aula (50 minutos)

Antes de os grupos começarem, provoque uma previsão relâmpago com a Estação A. Calcule no quadro a média sem o 90 e depois com o 90: sem o 90, a soma é 105 e a média é 17,5; com o 90, a soma vai para 195 e a média salta para 27,9. A mediana, com sete valores, continua 18. Pergunte o que muda no “típico” e o que muda no “total”. Nomeie explicitamente: média é sensível a extremos; mediana é robusta. Esse contraste inicial dá o tom do que os grupos precisam justificar.

Durante a Rodada 1, o que mais ajuda é orientar a escrita das justificativas. Peça que sustentem a escolha com duas evidências, não apenas com a definição. Estas perguntas-chave costumam destravar bons argumentos:

  • Qual é a finalidade aqui: descrever o caso típico ou estimar um total/média por pessoa?
  • Há valores muito afastados do restante? Se eu duplicasse o maior valor, qual medida mudaria mais?
  • A distribuição parece simétrica ou tem cauda? Se houver assimetria forte, por que a mediana protege melhor o “típico”?
  • A moda faz sentido para esta variável? Se houver mais de uma moda, isso ajuda ou atrapalha a síntese?

Na troca de casos (Rodada 2), estimule contestações ancoradas em números, não em preferências. Um modelo útil de frase para os post-its: “Escolhi mediana porque, ao incluir o outlier, a média mudou de X para Y, enquanto a mediana permaneceu Z”. Se validarem a decisão anterior, que digam o critério que pesou; se contestarem, que indiquem qual medida e qual dado sustentam a mudança.

Na plenária, organize as falas por estação e por objetivo. Compare decisões diferentes para a mesma estação com dois cenários: “tempo típico” versus “planejar recursos/total acumulado”. Isso costuma esclarecer por que, no deslocamento (A), a mediana descreve melhor o típico, enquanto para estimar combustível total a média pode ser mais apropriada. Se surgirem valores muito extremos como na Estação C, introduza a ideia de média aparada de forma prática: descarte 1 valor muito baixo e 1 muito alto e recalcule a média, explicitando que é um ajuste quando poucos outliers distorcem o resultado. Evite transformar isso em regra fixa; trate como um recurso contextual.

 

Avaliação / Feedback e Observações

O que observar enquanto circula

Foque em três evidências rápidas: (1) cálculos conferidos (sem arredondar cedo demais), (2) escolha da medida coerente com a forma dos dados e com o objetivo do caso, (3) justificativa que menciona efeito de valores extremos, ideia de simetria/assimetria ou presença de múltiplos picos. Quando algo falhar, provoque com perguntas curtas em vez de dar a resposta.

  • “Se eu remover este valor extremo, o que muda mais: média ou mediana? Isso muda sua escolha?”
  • “O objetivo aqui é representar o ‘típico’ ou todos os valores igualmente? Sua medida atende a isso?”
  • “Há repetição suficiente para a moda dizer algo útil?”

Checklist enxuto para o professor (2–3 min por grupo)

  • Calculou média, mediana e moda corretamente e indicou unidade.
  • Identificou outliers ou justificou ausência deles.
  • Descreveu a distribuição com termos simples (simétrica, assimétrica, bimodal) antes de escolher.
  • Ligou a medida escolhida ao objetivo do caso (representar típico, negociar preço, comparar turmas, etc.).
  • Registrou incertezas (“entre média e mediana, escolho X porque…”).

Feedback que move a aprendizagem

  • Quando a conta está certa, mas a escolha não: “Sua média está correta. Como há assimetria à direita, confira se a mediana descreve melhor o valor típico. Compare com e sem o maior valor.”
  • Quando ignoram valores extremos: “Você notou este salário muito acima dos demais? Refaça a média sem ele e explique o impacto. A mediana mudou quanto?”
  • Quando a moda é usada de forma inadequada: “Nestes dados quase não há repetições; a moda não é estável. Que informação a mediana oferece aqui?”
  • Para qualificar justificativas vagas: “Troque ‘é melhor’ por uma razão mensurável: qual medida muda menos quando há outliers?”

Dois erros recorrentes e intervenções curtas

  • Confundir moda com ‘mais provável’ em dados contínuos: proponha agrupar em classes e mostrar que a “moda” depende do agrupamento; oriente a preferir mediana para “valor típico”.
  • Escolher média por hábito: peça um teste de robustez de 30 segundos: “Adicione +20% ao maior valor. O que acontece com cada medida?” Se a decisão mudar, discuta por quê.

Semáforo de saída (1 minuto)

  • Mostre cartões ou use dedos: Verde “sei quando usar cada medida”, Amarelo “tropeço com outliers”, Vermelho “confundo as três”.
  • Planeje o próximo encontro a partir disso: quem marcou amarelo refaz um caso focando outliers; vermelho recebe um mini-esquema com exemplos e uma dupla de apoio na próxima rodada.

Validação entre pares focada

  • Cada grupo revisa outro e preenche três linhas: medida escolhida pelo colega; um ponto de concordância; uma pergunta de checagem (sobre outliers, objetivo ou forma da distribuição). Evite recontas longas; mire a coerência da escolha.

 

Resumo para compartilhar com os estudantes

O que você precisa levar desta aula

  • Média (x̄ = Σxᵢ/n): boa quando a distribuição é aproximadamente simétrica e sem extremos; útil se o interesse é “quanto daria por pessoa se dividíssemos o total”.
  • Mediana: o valor central após ordenar; resiste a outliers e normalmente representa melhor o “típico” em distribuições assimétricas.
  • Moda: o valor mais frequente; funciona bem em dados categóricos ou quando importa “o mais comum”.

Exemplos relâmpago

  • 10, 10, 10, 10, 50 → média = 18, mediana = 10. O 50 é extremo; o “típico” aqui é 10 (prefira mediana).
  • 12, 13, 14, 15, 16 → média = 14, mediana = 14. Sem extremos; média e mediana representam bem.
  • Cores de camiseta: azul, azul, verde, vermelho → moda = azul. Em categorias, a moda responde melhor.

Como decidir em 30 segundos

  1. Ordene os dados (ou visualize) e veja se há valores muito fora do conjunto.
  2. Defina o foco: representar o “típico” ou repartir um total por indivíduo?
  3. Outliers/assimetria → mediana; simetria sem extremos → média; “mais comum”/categórico → moda.

Quer revisar em casa?

Dica final: ao resolver exercícios (inclusive de vestibular), pergunte‑se “o que quero representar?” e “há outliers?”. A medida escolhida deve combinar com essas respostas.

 

Sobre o autor

Rodrigo Terra

Rodrigo Terra é criador e mantenedor do MakerZine, atuando nas áreas de educação, tecnologia, ciência de dados, inteligência artificial e cultura maker. Desenvolve projetos e conteúdos sobre programação, automação, análise de dados, robótica educacional, computação criativa e metodologias ativas, conectando inovação, aprendizagem e tecnologia no cotidiano educacional. Apaixonado por café, boas conversas e aprendizado contínuo, está sempre explorando novas ideias, ferramentas e possibilidades.

Ver perfil no LinkedIn

Próxima leitura

Continue explorando

Carregando sugestões de leitura...