Medidas de dispersão em variáveis contínuas: plano ativo para o ensino médio

Visão geral e título da aula

Título da aula: Matemática – Medidas de dispersão e variáveis contínuas (Plano de aula – Ensino médio). Bloco: Estatística Básica. Tema: Medidas de dispersão e variáveis contínuas. Duração: 50 minutos.

Contexto e intenção didática: a aula situa as medidas de dispersão como complemento às medidas de tendência central, evidenciando por que dois conjuntos com a mesma média podem apresentar variabilidades muito diferentes. Partindo de situações próximas à realidade dos estudantes (tempos de deslocamento, alturas, massa das mochilas), o foco é reconhecer variáveis contínuas, discutir arredondamentos e organizar os dados em classes.

Objetivos de aprendizagem: ao final, os(as) alunos(as) devem ser capazes de calcular amplitude total, variância, desvio padrão e amplitude interquartílica a partir de dados desagrupados, e estimar essas medidas para dados contínuos agrupados em classes (usando pontos médios e frequências). Também devem interpretar os resultados para comparar cenários, comunicar incertezas e justificar decisões com base na variabilidade observada.

Metodologia ativa: em pequenos grupos, a turma coleta um conjunto de dados reais, define a largura das classes e constrói uma tabela de frequências; em seguida, elabora um histograma ou polígono de frequências (opcional) e calcula as medidas de dispersão, refletindo sobre o efeito de outliers, do tamanho da amostra e da escolha das classes. O(a) professor(a) faz intervenções curtas para checagens de entendimento, promove estimativas manuais e com planilha e conduz discussões sobre limitações e erros de arredondamento.

Recursos e referências: planilha eletrônica, calculadora científica e materiais abertos como IBGE Educa (contextos e bases de dados), INEP (microdados e indicadores) e GeoGebra (visualização). Produto final sugerido: um mini-relatório em grupo conectando as medidas calculadas a implicações práticas do cotidiano, como ajustar o horário de saída para reduzir o risco de atraso.

Objetivos de aprendizagem

Construção de tabelas por classes: Ao final da sequência, os estudantes serão capazes de organizar uma variável contínua levantada pela turma em uma tabela de frequências por classes. Isso inclui definir o intervalo total dos dados, escolher o número de classes e a amplitude de classe, estabelecer limites inferiores e superiores, e registrar frequências absoluta, relativa e acumulada. Também calcularão pontos médios de classe para uso nas estimativas e verificarão a consistência dos totais, garantindo uma base sólida para análises subsequentes.

Estimativa de medidas em dados agrupados: Os alunos estimarão a média, a variância, o desvio padrão e a amplitude interquartílica (IQR) de dados contínuos agrupados, empregando os pontos médios das classes e fórmulas apropriadas. Discutirão o caráter aproximado dessas medidas, como a influência da largura das classes e da escolha de limites, e farão checagens de plausibilidade (por exemplo, se a média estimada fica dentro do intervalo observado). Serão incentivados a comparar resultados obtidos manualmente e com planilhas para consolidar procedimentos e interpretar divergências.

Interpretação e comparação da dispersão: Em contextos cotidianos, como tempos de deslocamento casa–escola, os estudantes aprenderão a comparar conjuntos com médias semelhantes porém dispersões diferentes, articulando conclusões úteis para planejamento e tomada de decisão. Desenvolverão uma leitura crítica de gráficos e resumos numéricos, relacionando maior ou menor variabilidade a noções de previsibilidade, risco e equidade, competência valiosa para itens de vestibular que exigem interpretação de dados reais.

Critérios de sucesso e integração curricular: O êxito será evidenciado quando o estudante justificar a escolha das classes, calcular corretamente frequências e medidas de dispersão a partir de dados agrupados e comunicar, com vocabulário estatístico adequado, o que a variabilidade revela sobre o fenômeno estudado. A proposta dialoga com Geografia (mobilidade urbana), Física (incerteza de medidas) e Biologia (biometria), reforçando o raciocínio quantitativo com práticas ativas e recursos abertos que favorecem autonomia e reprodutibilidade.

Materiais utilizados

Para conduzir as atividades, organize um kit básico com quadro e marcadores, além de um projetor (opcional) para exibir tabelas e gráficos. Calculadoras científicas ou planilhas digitais — como LibreOffice Calc e Planilhas Google — serão usadas para construir classes, somatórios e medidas de dispersão sem perder tempo com contas repetitivas. Se a escola não dispõe de laboratório, um único computador conectado ao projetor já permite a demonstração coletiva dos procedimentos.

Para a coleta de dados contínuos, use fita métrica ou régua (quando a variável envolver comprimentos) e celulares com cronômetro para tempos, garantindo que todos adotem o mesmo protocolo de medição. Oriente a turma a registrar os valores brutos em uma planilha-base (impressa ou digital) com campos para unidade, data, responsável e observações, o que facilita a posterior montagem da tabela de frequências por classes e a discussão sobre precisão e arredondamentos.

Como referências e bases de exercícios, recorra a recursos abertos e gratuitos: o acervo do Matemática Multimídia – Unicamp oferece vídeos e objetos interativos úteis para revisar conceitos; a OBMEP/IMPA traz problemas contextualizados que podem inspirar situações de coleta; o repositório EduCapes – CAPES reúne planos e materiais complementares; e os dados do INMET permitem trabalhar séries reais de temperatura, ideais para estimar amplitude, variância e desvio padrão a partir de classes.

Para evitar contratempos, leve versões impressas da planilha-base, garanta baterias carregadas e combine a formação de grupos com papéis definidos (coleta, registro, conferência). Quando possível, baixe previamente conjuntos de dados em formato CSV e teste a importação nas planilhas; caso falte internet, utilize os arquivos offline. Reforce também cuidados éticos: anonimizar informações sensíveis dos estudantes, padronizar unidades e documentar qualquer decisão de arredondamento para que as estimativas de dispersão sejam interpretadas corretamente.

Metodologia utilizada e justificativa

Metodologia ativa: Aprendizagem baseada em dados (ABD) articulada a trabalho cooperativo em duplas ou grupos e discussão guiada no formato Think–Pair–Share. A sequência parte de dados reais coletados pelos estudantes para que construam classes, representações gráficas e, a partir delas, calculem e interpretem amplitude, variância, desvio padrão e amplitude interquartílica. Justificativa: manipular e discutir variabilidade desenvolve raciocínio estatístico valioso para o vestibular e para a leitura crítica de fenômenos do cotidiano, com caráter interdisciplinar que dialoga com Geografia (mobilidade e território), Física (medidas e incerteza) e Biologia (variação biométrica).

Na ABD, os grupos definem uma variável contínua mensurável pela turma (por exemplo, tempo de deslocamento casa–escola, comprimento de passos, massa da mochila), estabelecem um protocolo simples de coleta (unidades, instrumento, número de casas decimais) e registram de forma anônima para preservar a privacidade. Em seguida, consolidam o conjunto de dados em uma planilha e verificam outliers, lacunas e consistência. Quando a coleta local não for possível, o professor pode disponibilizar conjuntos públicos de dados abertos que mantenham a natureza contínua da variável.

Com os dados prontos, as equipes constroem tabelas de frequência com classes, justificando a escolha do número e da largura das classes de acordo com o tamanho da amostra e a amplitude observada. A partir dessas classes, estimam média e quartis, e calculam medidas de dispersão (amplitude, amplitude interquartílica, variância e desvio padrão) por meio de pontos médios e frequências, discutindo as aproximações envolvidas no agrupamento. A visualização com histogramas e diagramas de caixa apoia a interpretação e favorece a comparação entre subgrupos.

No trabalho cooperativo, cada membro assume um papel (organizador de dados, calculista, verificador e relator), o que promove co-responsabilidade e checagem mútua. A etapa Think–Pair–Share estrutura-se assim: individualmente, cada aluno responde a uma pergunta-motriz (por exemplo, “qual medida de dispersão melhor resume esta distribuição e por quê?”); em duplas, confrontam procedimentos e resoluções; por fim, no compartilhamento com a turma, comparam dispersões entre conjuntos e defendem escolhas, articulando evidências numéricas e gráficas.

A avaliação é formativa e contínua: o professor observa a qualidade da coleta, a justificativa das classes, a correção dos cálculos e, sobretudo, a solidez das interpretações. Critérios de sucesso incluem explicitar o que cada medida revela, reconhecer limitações de dados agrupados e tomar decisões baseadas na variabilidade (por exemplo, planejar horários considerando dispersão de tempos). Como apoio, podem ser usados planilhas livres e bases públicas, como o IBGE e o portal dados.gov.br, garantindo acesso aberto e reprodutibilidade.

Desenvolvimento da aula (50 min)

Preparo (antes da aula): Selecione um conjunto enxuto de dados contínuos do cotidiano da turma (por exemplo, 25–35 tempos de deslocamento cronometrados pelos alunos ou 30 temperaturas diárias recentes do INMET). Defina o número de classes k usando a regra da raiz (k ≈ √n) ou Sturges, fixe a largura de classe e prepare uma planilha-modelo com colunas para limites, ponto médio, frequência absoluta (fi), acumulada (Fi) e relativa (fri). Verifique previamente a coerência das unidades e a ausência de valores impossíveis, para que a atividade caiba em 50 minutos.

Introdução – 10 min: Relembre o que é uma variável contínua e o conceito de espalhamento, contrastando a média com medidas de dispersão. Mostre rapidamente um histograma esquemático de dois conjuntos com a mesma média e pergunte: “Duas turmas com a mesma média podem ter dispersões diferentes?”. Colete hipóteses dos alunos, destacando as ideias de amplitude, variância, desvio padrão e amplitude interquartílica (IQR) como lentes complementares para descrever a variabilidade.

Atividade principal – 30–35 min: Em grupos, os estudantes: (1) definem classes e pontos médios; (2) constroem a tabela de frequências; (3) estimam a média para dados agrupados (pontos médios ponderados por fi); (4) calculam variância e desvio padrão estimados; (5) obtêm a amplitude e discutem o IQR a partir das frequências acumuladas. Incentive o uso de planilha para agilizar os cálculos e, quando possível, peçam que esbocem um histograma e um boxplot simples para apoiar a comparação entre grupos.

Mediação e apoio contínuo: Circule entre os grupos verificando a consistência das classes (sem lacunas ou sobreposições), conferindo arredondamentos e fórmulas. Provoque análises do tipo “o que muda se aumentarmos o número de classes?” e “há indícios de assimetria ou outliers?”. Sugira a checagem de outliers pela regra de 1,5 IQR e incentive que justifiquem escolhas com base nos números e nas representações gráficas, não apenas na intuição.

Fechamento – 5–10 min: Cada grupo apresenta um achado objetivo: qual conjunto é mais disperso e por quê, citando ao menos duas medidas (por exemplo, desvio padrão e IQR) e o que isso implicaria em decisões práticas, como prever atrasos. Relacione com questões típicas de vestibular e proponha tarefa curta: repetir o procedimento com um novo conjunto de dados coletados em casa, registrando passos e justificativas em um parágrafo reflexivo.

Guia rápido de cálculos (dados contínuos agrupados)

Este guia sintetiza as fórmulas essenciais para trabalhar com dados contínuos agrupados em classes, ideal para uso em sala de aula com planilhas ou calculadoras. Cada classe é um intervalo [ai, bi) com frequência fi e ponto médio mi = (ai + bi)/2. A partir da tabela de frequências, é possível estimar medidas de posição e de dispersão sem acessar cada valor individual, assumindo que os dados de uma classe se concentram em seu ponto médio.

Para a média estimada, utilize a expressão x̄ ≈ (∑ fi mi)/N, onde N = ∑ fi é o total de observações. Na prática, multiplique a frequência de cada classe pelo respectivo ponto médio, some os resultados e divida por N. Essa aproximação funciona muito bem quando as classes têm amplitudes semelhantes e a distribuição não é extremamente assimétrica dentro das classes.

A variância amostral estimada é dada por s² ≈ [∑ fi (mi − x̄)²]/(N − 1) e o desvio padrão por s = √s². Uma forma computacionalmente conveniente é s² ≈ [∑ fi mi² − N x̄²]/(N − 1), reduzindo erros de arredondamento quando se trabalha com muitas classes. Lembre-se de usar N − 1 para amostras; se os dados representarem a população inteira, pode-se usar N no denominador.

Como medidas complementares de dispersão, a amplitude total é simplesmente max − min, obtida pelos valores extremos observados (ou pelos limites das classes externas, quando apropriado). A amplitude interquartílica (IQR = Q3 − Q1) é estimada por interpolação linear dentro das classes onde caem 0,25N e 0,75N na frequência acumulada, oferecendo uma medida robusta ao efeito de valores muito altos ou muito baixos.

Avaliação, feedback e observações

Formativa: acompanhe em tempo real o trabalho dos grupos, verificando se definem classes coerentes e se preenchem corretamente a tabela de frequências. Circule com perguntas de checagem (como foi definida a largura das classes? os intervalos se sobrepõem? o total de observações confere?), anote evidências de aprendizagem e dê microintervenções para alinhar procedimentos, notação e arredondamentos.

Observações: oriente a escolha do número de classes (k) com um critério justificado (raiz de n ou Sturges) e verifique se o intervalo total cobre do mínimo ao máximo sem lacunas. Incentive o tratamento de possíveis outliers (anotar, justificar inclusão/exclusão e testar impacto nas medidas) e o registro das decisões metodológicas no caderno. Para ganhar tempo, autorize o uso de planilha para cálculos repetitivos e conferência automática das somas.

Produto rápido: cada grupo entrega um mini-relato de 3–5 linhas interpretando o valor de s (desvio padrão) e da IQR (amplitude interquartílica) no contexto estudado. O texto deve traduzir números em significado prático, comparar variabilidade entre turmas ou rotas e apontar implicações para decisões. Exemplo: com s moderado e IQR pequeno, a maioria dos tempos está concentrada, mas alguns extremos podem exigir planos de saída mais cedo.

Autoavaliação: ao final, cada estudante registra um ponto que dominou (por exemplo, construir classes de mesma amplitude ou estimar a variância a partir da tabela) e uma dúvida remanescente. Colete rapidamente por bilhete, formulário ou plataforma e use as respostas para formar duplas de apoio, ajustar a próxima aula e elaborar um conjunto curto de exercícios de reensino focados nas lacunas apontadas.

Feedback e fechamento: devolva comentários objetivos com uma rubrica enxuta que contemple coerência das classes, correção dos cálculos, interpretação das medidas e clareza da comunicação. Destaque boas práticas observadas, sinalize erros típicos (omissão de limites, arredondamento inconsistente, confusão entre amplitude total e IQR) e proponha uma revisão breve dos itens críticos. Garanta exemplos com significado para a turma, conectando a análise a situações de mobilidade urbana, medições em laboratório e biometria.

Resumo para os alunos (para projetar ou enviar)

Nesta aula, você aprendeu a organizar dados contínuos em classes e a calcular e interpretar medidas de dispersão: amplitude, variância, desvio padrão e amplitude interquartílica (IQR). Quando dois conjuntos têm a mesma média, aquele com maior desvio padrão apresenta valores mais espalhados e, portanto, menor previsibilidade. Saber medir e comparar essa variabilidade é essencial para ler gráficos, justificar decisões e evitar conclusões apressadas com base apenas na média.

Na prática, vocês vão coletar dados do cotidiano (por exemplo, tempos de deslocamento casa–escola, medidas de altura da turma ou temperaturas ambientais), definir classes adequadas e construir uma tabela de frequências. Com os pontos médios de cada classe, estimem a média e calculem amplitude, variância e desvio padrão aproximados, além do IQR a partir dos quartis. Registrem as escolhas de classes e os arredondamentos feitos, pois eles influenciam as estimativas e a interpretação de histogramas e boxplots.

Interpretem as medidas: a amplitude é rápida de obter, mas muito sensível a valores extremos; o IQR descreve a “faixa central” de 50% dos dados e é mais robusto; a variância e o desvio padrão quantificam a dispersão global em torno da média. Ao comparar dois conjuntos, expliquem não só “qual é maior”, mas em que contexto a maior variabilidade é desejável ou problemática (planejar horários de saída, definir margens de erro em medições, entender diferenças biométricas).

Evitem erros comuns: confundir unidades (o desvio padrão tem a mesma unidade dos dados), esquecer o denominador correto ao calcular a variância (n para população ou n−1 para amostra, conforme a convenção adotada em aula), escolher classes muito largas ou muito estreitas, e somatórios de frequências que não fecham. Usem planilha ou calculadora para automatizar contas e foquem na explicação do que cada número revela sobre o fenômeno.

Para praticar gratuitamente, explorem materiais de estatística no M3–Unicamp e objetos digitais no EduCapes. Baixem séries históricas do INMET (chuva, temperatura, vento), montem suas próprias tabelas e comparem meses ou cidades: qual é mais estável segundo o desvio padrão? E segundo o IQR? Documentem o raciocínio em cada etapa e compartilhem um breve resumo com gráficos e interpretações.