Escola da Comunidade Mahometana

10.ͣClasse, Turma: E

Disciplina: História

3˚Trimestre 2023

Estudo da Estatística e da Etno-Matemática

Estudantes: Professor:
Muhammad Kheizar Manuel Amisse

Muhammad Mubin

Muhammad Ravalia

Sahil Khan Vali

Zayan Ibrahimo

Classificação: Assinatura:
____________ ________________

Maputo, aos 07 de Outubro de 2023

ÍNDICE
Introdução .................................................................................................................................................... 3
Objectivos ..................................................................................................................................................... 4
Objectivo geral.......................................................................................................................................... 4
Objectivos Específicos .............................................................................................................................. 4
Conceitos da Estatística ................................................................................................................................ 5
Estatística .................................................................................................................................................. 5
População ................................................................................................................................................. 5
Amostra .................................................................................................................................................... 5
Razões para a utilização de uma amostra ............................................................................................... 5
Cuidados a ter na formação de uma amostra ......................................................................................... 5
Recenseamento e sondagem ................................................................................................................... 5
Objectivos da Estatística .............................................................................................................................. 6
Variáveis........................................................................................................................................................ 6
Variável Qualitativa .................................................................................................................................. 6
Variável Quantitativa................................................................................................................................ 7
Variável discreta ou descontínua ......................................................................................................... 7
Variável contínua .................................................................................................................................. 7
Recolha, organização e apresentação de dados estatísticos ...................................................................... 7
Definição do problema ............................................................................................................................. 7
Planificação do processo de resolução .................................................................................................... 7
Recolha de dados ..................................................................................................................................... 7
Organização de dados .............................................................................................................................. 7
Apresentação de dados ............................................................................................................................ 8
Análise e interpretação de dados ............................................................................................................ 8
Percentagens e Estimativas .......................................................................................................................... 8
Percentagens ............................................................................................................................................ 8
Estimativas ................................................................................................................................................ 9
Tabelas de frequência para dados simples ................................................................................................ 10
Frequência absoluta (𝒇𝒊) ........................................................................................................................ 10
Frequência relativa (𝒇𝒓𝒊)........................................................................................................................ 10
Frequência absoluta e relativa acumulada ............................................................................................ 11
Gráficos ....................................................................................................................................................... 12

1
 Gráfico circular........................................................................................................................................ 12
Gráfico de barras .................................................................................................................................... 13
Medidas de tendência central ................................................................................................................... 14
Média aritmética .................................................................................................................................... 14
Moda ....................................................................................................................................................... 15
Mediana .................................................................................................................................................. 15
Medidas de dispersão ................................................................................................................................ 16
Tipos de medidas de dispersão .................................................................................................................. 16
Desvio médio (d) .................................................................................................................................... 16
Variância (𝝈𝟐) ......................................................................................................................................... 17
Desvio padrão (𝝈) ................................................................................................................................... 18
Cálculo do desvio padrão para dados agrupados .................................................................................. 18
Cálculo do desvio padrão para dados agrupados a partir de intervalos de classes ............................. 19
Etno-Matemática ........................................................................................................................................ 20
Etno-Matemática – A Matemática no Continente Africano ...................................................................... 21
Conclusão.................................................................................................................................................... 24
Referências Bibliográficas .......................................................................................................................... 25
Referência Bibliográficas Manuais ......................................................................................................... 25
Referência Bibliográficas Electrónicas ................................................................................................... 25

2
Introdução
A estatística contem meios para delimitar estudos, tratar dados, resolver problemas, quantificar
os dados de uma maneira eficaz. Esta unidade contem 4 lições, que abordam acerca de: conceitos
básicos; Identificação de variáveis; Organização e interpretação d estatística em tabelas e
gráficos; Determinação de frequências.
O termo "etnomatemática" foi cunhado pelo educador e matemático brasileiro Ubiratàn
D'Ambrosio em 1977, durante uma apresentação para a Associação Americana para o Avanço da
Ciência. Desde que D'Ambrosio fez a proposta, inúmeros esforços foram feitos para uma definição
mais precisa do termo, incluindo os do próprio D'Ambrosio ("Um abuso etimológico me leva a usar
as palavras ethno e mathema para suas categorias de análise e técnica ticas.).

3
Objectivos:
Objectivo geral:
• Abordar sobre a Etno-Matemática e a Estatística.

Objectivos Específicos:
• Desifrar as suas explicações;
• Mostrar o desenvolvimento historial da Etno-Matemática.

4
Conceitos da Estatística
Estatística É uma parte da matemática aplicada que fornece métodos para colecta, organização,
descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de
decisões.

População é o conjunto total de elementos portadores de, pelo menos, uma característica
comum.

Amostra é uma parcela representativa da população que é examinada com o propósito de

tirarmos conclusões sobre essa população.
A população pode ser finita ou infinita
São exemplos de populações finita:
• Os professores de Matemática;
• Os jogadores de futebol.
São exemplos de populações infinitas:
• Os resultados obtidos em sucessivos lançamentos de moeda;
• As temperaturas em diversos pontos de um país, num determinado momento.

Razões para a utilização de uma amostra:

• A população é infinita;
• Às condições económicas;
• À inutilização de elementos observados;
• Às condições de comodidade.

Cuidados a ter na formação de uma amostra:

• Imparcialidade-todos elementos devem ter a mesma oportunidade de fazer parte da
amostra;
• Representatividade-deve conter em proporção tudo o que a população possui, tanto
qualitativa como quantitativamente;
• Tamanho-deve ser suficientemente alargada para que as características da amostra se
aproximem, tanto quanto possível, das características da população.

Recenseamento e sondagem
Num recenseamento são observados todos os indivíduos da população relativamente aos
diferentes critérios que estão a ser objecto do estudo. Isto é, faz-se um recenseamento, sempre
que toda a população é observada relativamente ao objecto de estudo.
Exemplos:

5
 • Recenseamento para o serviço militar;
• Recenseamento para fins eleitorais.
Numa soldagem, o estudo estatístico baseia-se numa parte da população, isto é, baseia-se
numa amostra que deve ser representativa dessa população. Por outras palavras, faz-se
uma soldagem sempre que no estudo estatístico se envolve apenas parte da população.

Objectivos da Estatística
O termo “estatística” deriva etimologicamente do substantivo latino status (estado). Esta palavra
aparece pela primeira vez no século XVIII e foi sugerida pelo Alemão Gottfried Achemmel (1719-
1772).
A origem está relacionada com o facto de terem sido os estados e os governos a sentirem
necessidade de mandar elaborar registos da população, de nascimentos, de impostos, de
casamentos, etc. Muitos estados organizaram estudos para melhor conhecerem determinadas
características da sua população, nomeadamente para determinarem leis sobre impostos e
sobre o número de homens disponíveis para a guerra.
Actualmente, a Estatística não se limita apenas ao estudo da Demografia e da Economia. O
seu campo de aplicação alargou-se à análise de dados em Biologia, Medicina, Física,
Psicologia, Indústria, Comércio, Meteorologia, Educação, etc. Em muitos países existe um
Departamento ou Instituto Nacional de Estatística.

Variáveis
Chama-se variável ao conjunto de resultados possíveis de um fenómeno.

Variável Qualitativa: Quando os seus valores são expressos por atributos: sexo, cor da pele, etc.
6
Variável Quantitativa: Quando os dados são de carácter nitidamente quantitativo, e o conjunto
dos resultados possui uma estrutura numérica, trata-se portanto da estatística de variável e se
dividem em :
Variável discreta ou descontínua: Seus valores são expressos geralmente através de números
inteiros não negativos. Resulta normalmente de contagens. Ex: Nº de estudantes presentes às
aulas de introdução à estatística no 1º semestre de ano Z: Março = 18 , Abril = 30 , Maio = 35 ,
Junho = 36.
Variável contínua: Resulta normalmente de uma medição, e a escala numérica de seus possíveis
valores corresponde ao conjunto R dos números Reais, ou seja, podem assumir, teoricamente,
qualquer valor entre dois limites.
Exemplos:
• Cor dos olhos dos alunos: qualitativa;
• Índice de liquidez nas indústrias capixabas: quantitativa contínua;
• Número de defeitos em aparelhos de TV: quantitativa discreta;
• Comprimento dos pregos produzidos por uma empresa: quantitativa contínua;
• O ponto obtido em cada jogada de um dado: quantitativa discreta.

Recolha, organização e apresentação de dados estatísticos

Para facilitar um estudo estatístico, normalmente segue-se um conjunto de passos que
designamos por fases do método estatístico.

Definição do problema
O problema a analisar deve ser estabelecido de forma clara e precisa.

Planificação do processo de resolução

Definido o problema, é preciso determinar um processo para o resolver e, em especial, para
obter informações dobre a variável em estudo. É nesta fase que se decide pela observação de
toda a população ou de uma amostra e se estabelece uma calendarização das actividades a
realizar.

Recolha de dados
É a fase operacional, que envolve, a reunião e o registo sistemático dos dados. Os dados podem
ser recolhidos através de questionários, observações directas, experimentações entrevistas ou
pesquisa bibliográfrica.

Organização de dados
A organização de dados consiste em “resumir” os dados através da sua contagem e
agrupamentos para identificar características genéricas do fenómeno em estudo, ignorando-se
assim os seus atributos individuais; isto é, obtém-se um conjunto de números que permite
distinguir o comportamento do carácter estatístico.

7
Apresentação de dados
Há duas formas de apresentação de dados que não se excluem mutuamente: a apresentação por
tabelas e a apresentação por gráficos. Estas formas de apresentar dados permitem sintetizar
grandes quantidades de informação, tornando mais fácil a compreensão do carácter em estudo e
permitindo a sua futura análise.
Os principais tipos de gráficos são:
Gráfico em colunas ou em barras: é a representação de uma série por meio de rectângulos,
dispostos verticalmente (em colunas) ou horizontalmente (em barras).
Gráfico circular este gráfico é construído com base em um círculo, e é empregado sempre que
desejamos ressaltar a participação do dado no total. O total é representado pelo círculo, que fica
dividido em tantos sectores. Obtemos cada sector por meio de uma regra de três simples e
directa, onde o total da série corresponde a 360°, ou seja, 360°→100%.
O pictograma constitui um dos processos gráficos que melhor fala ao público, pela sua forma
ao mesmo tempo atraente e sugestiva. A representação gráfica consta de figuras.
Ilustrações

Análise e interpretação de dados

Nesta fase, calculam-se novos números com base nos dados estatísticos. É a fase mais
importante e delicada do estudo estatístico, pois é durante esta fase que se tiram conclusões.
Das fases do método de estudo mencionados, vamos agora centrar a nossa atenção nas fases de
organização e apresentação de dados através das ilustrações acimas dadas. Antes, porém,
vamos recordar alguns aspectos do cálculo numérico com interesse para o estudo estatístico.

Percentagens e Estimativas
Percentagens
A percentagem, valor que se representa pelo símbolo %, traduz uma quantidade em relação a
100. Dizer que 3% ( três por cento) dos alunos da nossa escola estudam Economia é o mesmo
que dizer que em cada 100 alunos da escola há 3 que se dedicam ao estudo desta disciplina.

A percentagem traduz, assim, uma fracção de 100, que pode também ser representada sob a
forma de um número decimal.

8
A fracção 1/100 representa 1%, bem como o número 0,01. 3% traduz a fracção 3/100, bem como
o número decimal 0,03.

Estimativas
Para evitarmos erros nos cálculos estatísticos, devemos prever o resultado antes de calcularmos
o valor correcto. A estimativa é o cálculo mental, ou seja, correspondente ao valor previsto para
um resultado.

Exemplo:

Numa turma da 9.ͣ classe com 55 alunos, 30 têm a disciplina de Física. Como podemos calcular a
percentagem de alunos que estão matriculados nesta disciplina?

Resolução:

Estimativa: como 30 é um pouco mais metade de 55, o número que devemos encontrara será
ligeiramente superior a 50%.

55 100
=
30 𝑥

30.100 300
𝑥= ↔𝑥=
55 55

𝑥 = 54,54 (… )

Concluímos então que 54,54% dos alunos, aproximadamente, estão matriculados na disciplina
de Física.

9
Tabelas de frequência para dados simples
Apresentam-se no quadro em baixo as idades (em anos) dos alunos da turma 5 da 9.ͣ classe de
uma escola secundária.

N˚ 1 2 3 4 5 6 7 8 9 10 11 12
Idade 16 13 15 16 14 13 14 15 15 14 15 17
N˚ 13 14 15 16 17 18 19 20 21 22 23
Idade 14 15 15 15 14 16 15 14 14 15 17

Consideramos a variável estatística idade (em anos) Trata-se de uma variável estatística que
toma os valores 13,14,15,16 e 17.
Recorrendo a letras para representar as variáveis estatísticas, tem-se que:
• x representa os valores da variável idade;
• 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 e 𝑥5 representam os valores da variável x;
• 𝑥1 = 13; 𝑥2 = 14; 𝑥3 = 15; 𝑥4 = 16 e 𝑥5 = 17.
De forma resumida, podemos representar os valores 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 e 𝑥5 por 𝑥𝑖 , com i = 1,2,3,4
e 5.
A partir desta leitura do quadro anterior, podemos construir a tabela seguinte:

Tabela 1 – Distribuição das idades dos alunos da turma 5

Idade (em anos) 𝒙𝒊 Contagem frequência 𝒇𝒊
13 II 2
14 IIII II 7
15 IIII IIII 9
16 III 3
17 II 2
Total 23

Frequência absoluta (𝒇𝒊 )

Chama-se frequência absoluta de um valor da variável ao número de vezes que esse valor foi
observado.

Frequência relativa (𝒇𝒓𝒊 )

Chama-se frequência relativa de um valor da variável ao quociente entre a frequência absoluta do
𝑓𝑖
valor e o número total (n) das observações (𝑓𝑟𝑖 = ).
𝑛

10
 Tabela 2 – Distribuição das idades dos alunos da turma 5

𝒇𝒓𝒊 em % (
𝒙𝒊 𝒇𝒊 𝒇𝒓𝒊
frequência relativa
(idade) ( frequência absoluta) (frequência relativa)
em percentagem)
2
13 2 = 0,09 9
23
7
14 7 = 0,30 30
23
9
15 9 = 0,39 39
23
3
16 3 = 0,13 13
23
2
17 2 = 0,09 9
23
Total 23 1 100

Propriedades das frequências absolutas e relativas:

• A soma das frequências absolutas (𝑓𝑖 ) é igual ao número total de observações (n);
• A soma das frequências relativas (𝑓𝑟𝑖 ) é igual a 1. No caso de se considerarem
percentuais, será igual a 100%.

Frequência absoluta e relativa acumulada

A frequência absoluta acumulada, que se representa por (𝐹𝑖 ), e a frequência relativa acumulada,
que se representa por (𝐹𝑟𝑖 ), obtêm-se adicionando as frequências absolutas e relativas, até ao
valor considerado da variável estatística.
Tabela 3 – Distribuição das idades dos alunos 5
𝑭𝒊 𝑭𝒓𝒊
𝒇𝒊 𝒇𝒓𝒊
𝒙𝒊 (frequência (frequência
(frequência (frequência
(idade) absoluta relativa
absoluta) relativa)
acumulada) acumulada)
13 2 0,09 2 0,09
14 7 0,30 9 0,39
15 9 0,39 18 0,78
16 3 0,13 21 0,91
17 2 0,09 23 1
Total 23 1 _

Na tabela 3 estão calculadas as frequências absolutas e relativas acumuladas da variável idade

no conjunto dos alunos da turma 5.
Nesta tabela encontra-se resposta para as questões seguintes:

11
 • Qual é o número de alunos com idade inferior ou igual a 14 anos?
Resposta: há 9 alunos com 14 anos ou menos.
• Qual é a percentagem de alunos com idade inferior a 16 anos?
Resposta: 78% dos alunos tem uma idade inferior a 16 anos.
Naturalmente, o último valor da frequência absoluta é igual ao número total de observações
(neste caso 23) e o último valor da frequência relativa acumulada é igual a 1.

Gráficos
Os gráficos constituem uma outra forma de representar os dados. Comparando-os às tabelas, os
gráficos são mais atractivos e facilitam a compreensão da informação a veicular. Neste estudo
vamos utilizar somente os gráficos circulares e os gráficos de barras.

Gráfico circular
O gráfico circular, também é designado por sectograma, é representado através de um círculo
dividido em sectores circulares cujas amplitudes dos ângulos são proporcionais às frequências
dos valores da variável estatística.
Em baixo podemos observar um exemplo de gráfico circular:

Areas dos Continentes do mundo

Africa
Asia
15% 23%
Europa
14% America do Norte
6% 20% Oceania
18% 4% America do Sul
Ex-URRS

Nota: foram excluídos da Europa os países da ex-URSS, tendo a Turquia Incluída na

Ásia e não na Europa.
Repara-se que o círculo correspondente a 100%, que é a soma das frequências relativas, em
percentagem, dos valores da variável estatística.
A distribuição das idades dos alunos da turma 5, definida pela tabela 3, pode ser representada
pelo diagrama circular seguinte:

12
 Idade dos alunos
9%
9%13%

30%
39%

13 anos 14 anos 15 anos 16 anos 17 anos

Na construção de um gráfico circular, a questão central diz respeito à definição dos sectores
circulares correspondentes às diferentes frequências. Para definir os sectores circulares, recorre-
se a seguinte relação:
* Ao círculo completo faz-se corresponder a frequência total.
Como a amplitude total do círculo é 360˚, a relação anterior assume a seguinte forma:
* À amplitude de 360˚ faz-se corresponder a frequência total.
Se seguida, calculam-se as amplitude correspondentes às diferentes frequências recorrendo-se a
uma regra de três simples:
360˚______n
E que se lê “360˚ está para n assim como…(por exemplo: x está para 2)”.
Vamos agora calcular a amplitude do ângulo, sendo a frequência absoluta é 2.
360˚×2
360˚______23 𝑥= = 31,3043 …
23

x________ 2 𝑥 = 31˚ (arredondamento às unidades)

A divisão do círculo nos diferentes sectores circulares torna-se agora mais fácil de executar com
a ajuda de um transferidor.
Na construção dos gráficos circulares deve ter-se em conta que:
• A amplitude de cada sector circular é proporcional à frequência que representa;
• A legenda pode ser dispensada, inscrevendo-se os valores da variável e as suas
frequências nos respectivos sectores circulares;
• Podem usar-se cores diferentes para os diferentes sectores circulares.

Gráfico de barras
A partir da tabela de distribuição das idades dos alunos da turma 5…

13
 𝒙𝒊 (idade) 𝒇𝒊 (frequência absoluta) 𝒇𝒓𝒊 (frequência relativa)
13 2 0,09
14 4 0,17
15 5 0,22
16 7 0,30
17 3 0,13
Total 21 1

….podemos construir o seguinte gráfico de barras:

Exemplo 1
8

0
13 14 15 16 17

Série 1

Aspectos a considerar na construção de um gráfico de barras:

• As barras só diferem numa das suas dimensões;
• Uma das dimensões das barras- exactamente aquela que vai variando-correspondente às
frequências dos diferentes valores da variável estatística;
• As barras devem estar separadas umas das outras com espaços iguais.

Medidas de tendência central

As medidas de tendência central que estudaremos são a média, moda e mediana. Estas medidas
são indicativas de informação contida nos gráficos ou tabelas. Para cada caso, dependendo do
contexto do problema em estudo, estas medidas devem ser convenientemente utilizadas.

Média aritmética
A média aritmética (ou simplesmente média) de um conjunto de dados numéricos é o número
que se obtém dividindo a soma dos valores de todos os dados pelo número de dados e representa-
se por 𝑥̅ .
Exemplo:
Consideremos o exemplo relativo aos bebés nascidos no mês de Agosto no Hospital José
Macamo, cuja tabela será representada ao lado. Calcule a média do número de bebés nascidos.

14
Resolução:
Como 𝑓𝑖 traduz o número de vezes que ocorre 𝑥𝑖 , a média é igual a:
3×0+5×1+10×2+8×3+4×4 65
𝑥̅ = = ≈ 2,17
30 30

A média será aproximadamente 2,17.

Moda
A moda de um conjunto de dados é o dado que ocorre com maior frequência e representa-se por
𝑀𝑜 .
Exemplo: Numa escala de 10 a 20, as classificações dos testes de Matemática de dois alunos da
9.ͣ classe foram as seguintes:
Testes 1˚ 2˚ 3˚ 4˚ 5˚ 6˚
Ana 8 0 10 16 8 7
Hugo 12 15 12 8 13

Indique a moda das classificações de cada um dos amigos.

Resolução:
Ana: 𝑀𝑜 =8 Hugo: 𝑀𝑜 =12

Mediana
A mediana de um conjunto de dados numéricos ordenados é um número que ocupa a posição
central da sequência ordenada (por ordem crescente ou decrescente) dos dados em estudo e
representa-se por 𝑥̃.
Nos dados ordenados, a mediana é o valor central se o número de dados for ímpar ou média dos
dois valores centrais se esse número for par.
Exemplo:
Relativamente às classificações ordenadas dos testes de Matemática da Ana e do Hugo, a
mediana é igual a:
Ana: 0 7 8 8 10 16 Hugo: 8 10 12 13 15
8+8 16
𝑥̃ = = =8 𝑥̃ = 12
2 2

E se os dados estiverem contidos numa tabela de frequência, como calcular a mediana?

Exemplo:
Consideremos as classificações obtidas pelos alunos de uma turma da 9.ͣ classe na disciplina de
Educação Física. Baseado na tabela de frequências seguinte, pretende-se determinar as três
medidas de tendência central.

15
 𝒙𝒊 𝒇𝒊 𝑭𝒊 𝒇𝒓𝒊 % 𝑭𝒓𝒊 (%) 𝒇𝒊 × 𝒙𝒊
7 2 2 7,4 7,4 14
8 3 5 11,1 18,5 24
9 3 8 11,1 29,6 27
10 4 12 14,8 44,4 40
11 5 17 18,6 63,0 55
12 3 20 11,1 74,1 36
13 3 23 11,1 85,2 39
14 4 27 14,8 100 56
n 27 100 291

Resolução:
• Moda:
A moda é o valor que mais se repete, pelo que é igual a 11 (analisa-se a coluna correspondente a
𝑓𝑖 ).
• Média:
A coluna 𝑓𝑖 × 𝑥𝑖 traduz o número de vezes que o dado 𝑥𝑖 se repete, pelo que:
291
𝑥̅ = ≈ 10,8
27
• Mediana:
A mediana que corresponde a 50% dos dados ordenados, será o valor de 𝑥𝑖 correspondente a
50% 𝐹𝑟𝑖 (%). Assim, 50% das observações corresponde a 𝑥𝑖 = 11, logo 𝑥̃ = 11.

Medidas de dispersão:
As medidas de centralização tornaram-se insuficientes para caracterizar uma distribuição
estatística. Era necessário completar o estudo de uma distribuição estatística com outras medidas
que permitissem determinar o grau de dispersão dos dados em torno dos valores centrais.

Tipos de medidas de dispersão;

• Desvio médio;
• Desvio padrão;
• Variância;
• Intervalos de variação.

Desvio médio (d)

Supondo que as classificações obtidas pelo João e pela Ana nos testes de Matemática, ao longo
do ano lectivo, tenham sido as seguintes:

16
João Ana
12;13;11;15;14 10;16;13;15;11
Em qualquer dos casos, a média das classificações é 13 e, pela simples observação dos dados,
parece claro que as classificações da Ana são mais dispersas em relação a média do que as do
João.
Para avaliar a dispersão das classificações podemos calcular a média dos desvios do tipo
|𝑥𝑎 − 𝑥̅ |. Organizando os dados em tabelas, como podes ver na tabela abaixo.

𝒙𝒊 𝒙𝒊
̅
𝒙𝒂 − 𝒙 |𝒙𝒂 − 𝒙
̅| ̅
𝒙𝒂 − 𝒙 |𝒙𝒂 − 𝒙
̅|
(João) (Ana)
11 -2 2 10 -3 3
12 -1 1 11 -2 2
13 0 0 13 0 0
14 1 1 15 2 2
15 2 2 16 3 3
Total 6 Total 10

6 10
𝑑(𝐽𝑜ã𝑜) = 5 = 1,2 𝑑(𝐴𝑛𝑎) = =2
5

Os valores obtidos chamam-se desvios médios e, tal como foi previsto, o desvio médio das
classificações da Ana (2) é maior do que o desvio médio aumentar à medida que os valores
observados se afastam da média.
Seja 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 são os n valores observados de uma variável quantitativa e 𝑥̅ a sua média,
ao valor assim obtido chama-se desvio médio e representa-se por d.
∑𝑛
𝑎=1|𝑥𝑎 −𝑥̅ |
Para dados não agrupados: d= ;
𝑛

∑𝑛
𝑎=1 𝑓𝑎|𝑥𝑎 −𝑥̅ |
Para dados agrupados em classes: d= .
𝑛

Variância (𝝈𝟐 )
Seja 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 são os n valores observados de uma variável quantitativa e 𝑥̅ a sua média.
Chama-se variância de uma variável à medida da sua dispersão estatística, indicando quão longe
em geral os seus valores se encontram do valor esperado, e representa-se por 𝜎 2 , valor dado pela
fórmula:
∑𝑛
𝑎=1(𝑥𝑎 −𝑥̅ )
2
𝜎2 = 𝑛

Exemplo

17
1. Vamos utilizar novamente os dados das notas do João e da Ana:
(13−13)2 +(15−13)2 +(14−13)2 +(12−13)2 +(11−13)2
𝜎 2 (𝐽𝑜ã𝑜) = =2
5

(16−13)2 +(11−13)2 +(10−13)2 +(15−13)2 +(13−13)2

𝜎 2 (𝐴𝑛𝑎) = = 5,2
5

Desvio padrão (𝝈)

O desvio padrão é a raiz quadrada positiva da variância.

∑𝑛
𝑎=1(𝑥𝑎 −𝑥̅ )
2 ∑𝑛 2
𝑎=1 𝑥 𝑎
𝜎=√ ou 𝜎=√ − 𝑥̅ 2
𝑛 𝑛

Exemplos:
1. Consideramos as classificações de um certo aluno, Mauro, num período de tempo:
13;12;11;13;15;15;16;17;14
Vamos calcular a média:
11+12×2+13+14+2×15+16+17
𝑥̅ = = 14
9

Vamos calcular o desvio padrão:

∑𝑛
𝑎=1(𝑥𝑎 −𝑥̅ )
2 ∑9𝑎=1(𝑥𝑎 −14)2 30 10
𝜎=√ =√ = √ 9 = √ 3 = 1,8257.
𝑛 9

𝜎 = 1,8257~1,8 (desvio padrão calculado a uma casa decimal).

Cálculo do desvio padrão para dados agrupados

Exemplo
Consideramos a tabela:
Passageiros por autocarro Números de carros (𝒇𝟎 )
0 18
1 35
2 16
3 24
4 7
Total 100

Para casos como este, em que os dados estão agrupados por repetição, usamos a fórmula:

∑𝑛
𝑎=1 𝑓𝑎 (𝑥𝑎 −𝑥̅ )
2 ∑𝑛 2
𝑎=1 𝑓𝑎 𝑥 𝑎
𝜎=√ ou 𝜎=√ − 𝑥̅ 2
𝑛 𝑛

18
 Para facilitar o uso da fórmula, vamos completar primeiro a tabela:
𝒙𝒂 𝒇𝒂 𝒙𝒂 𝒇𝒂 𝒙𝒂 𝒇𝒂 𝒙𝟐 𝒂
0 18 0 0 0
1 35 1 35 35
2 16 4 32 64
3 24 9 72 216
4 7 16 28 112
Total 100 167 427

∑5𝑎=1 𝑓𝑎 𝑥𝑎 ∑5𝑎=1 𝑓𝑎 𝑥 2 𝑎−
Logo, 𝑥̅ = = 1,67 e 𝜎 = √ − 1,672 = 1,2
100 100

Portanto, cada autocarro transporta em média aproximadamente 1,7 passageiros com um desvio
padrão de 1,2 passageiros.

Cálculo do desvio padrão para dados agrupados a partir de intervalos de classes

Exemplo
Um curioso notou que os seus discos de música tocavam durante períodos de tempo diferentes.
De seguida, agrupou-os de acordo com os intervalos de tempo seguintes:
Intervalos de
20-25 25-30 30-35 35-40 40-45
tempo
N˚ de discos 2 8 13 18 6

Ou seja:

Classes 𝒇𝒂 𝒙𝒂 𝒙𝟐 𝒂 𝒇𝒂 𝒙𝒂 𝒇𝒂 𝒙𝟐 𝒂
20-25 2 22,5 506,25 45 1012,5
25-30 8 27,5 756,25 220 6050
30-35 13 32,5 1056,25 422,5 13731,25
35-40 18 37,5 1406,25 675 25312,5
40-45 6 42,5 1806,25 255 10837,5
Total 47 1617,5 56943,75

∑5𝑎=1 𝑓𝑎 .𝑥𝑎 1617,5 ∑ 𝑓𝑎 .𝒙𝟐 𝒂 56943,75 1617,5 2

Logo, 𝑥̅ = = e 𝜎=√ − 𝑥̅ 2 = √ −( ) = √27,2 = 5,2
47 47 𝑛 47 47

O desvio padrão é de 5,2.

19
Etno-Matemática
A etnomatemática surgiu na década de 1970, com base em críticas sociais acerca do ensino
tradicional da matemática, como a análise das práticas matemáticas em seus diferentes contextos
culturais. Mais adiante, o conceito passou a designar as diferenças culturais nas diferentes formas
de conhecimento. Pode ser entendida como um programa interdisciplinar que engloba as ciências
da cognição, da epistemologia, da história, da sociologia e da difusão.
A palavra foi cunhada da junção dos termos techné, mátema e etno. Segundo Ubiratan
D'Ambrósio o Programa Etnomatemática "tem seu comportamento alimentado pela aquisição de
conhecimento, de fazer(es) e de saber(es) que lhes permitam sobreviver e transcender, através de
maneiras, de modos, de técnicas, de artes (techné ou 'ticas') de explicar, de conhecer, de
entender, de lidar com, de conviver com (mátema) a realidade natural e sociocultural (etno) na
qual ele, homem, está inserido."
Tomando o campo da matemática como exemplo, numa perspectiva etnomatemática, o ensino
deste ganha contornos e estratégias específicas, peculiares ao campo perceptual dos sujeitos aos
quais se dirige. A matemática vivenciada pelos meninos em situação de rua, a matemática
desenvolvida em classes do ensino supletivo, a geometria na cultura indígena, são
completamente distintas entre si em função do contexto cultural e social na qual estão inseridas.
A ampla finalidade da Etnomatemática é reconhecer a cultura plural, que é responsável pela
constituição do país e elaborar um padrão educacional que responda aos anseios de seu povo. Ela
deve estar a serviço da construção da responsabilidade social e da cidadania. A etnomatemática é
uma abordagem histórico-cultural da disciplina. A matemática deve ser compreendida não
apenas como uma constituição social mas também como uma construção histórica e política. Os
povos com suas diferentes culturas, têm múltiplas maneiras de trabalhar com o conceito
matemático. Todos os diferentes grupos sociais produzem conhecimentos matemáticos. A
etnomatemática valoriza estas diferenças e afirma que toda a construção do conhecimento
matemático é válida e está intimamente vinculada a tradição, à sociedade e à cultura de cada
povo. Devemos lembrar que, a matemática apareceu para suprir as necessidades básicas do
homem, através da construção de matérias de pedra, de osso, de barro, de metal, e esse material
era utilizado em moradias, vasilhames, utensílios, etc.
Segundo D'Ambrósio (2002), não se deve tentar construir uma epistemologia para a
Etnomatemática, já que assim estar-se-ia propondo uma explicação final para a mesma, o que na
sua visão, feriria a ideia central do programa, que é entender a aventura da espécie humana na
busca de conhecimento e na adoção de comportamentos. Por outro lado, pesquisadores de
renome na área, têm levantado discussões a respeito do reconhecimento da Etnomatemática
como uma Ciência, que estaria numa "zona de confluência" entre a Matemática e a Antropologia
Cultural.
Sebastiani Ferreira (1991) recorre às ideias de Thomas Kuhn, um filósofo da Ciência, que no seu
livro "A Estrutura das Revoluções Científicas" apresenta os caminhos que deve percorrer um
acento científico desde seu nascimento até sua ruptura, através de uma revolução, e conclui que
de acordo com as ideias kuhnianas, a Etnomatemática pode ser classificada como um acento,
movimento e até mesmo uma filosofia, o que garante sua caracterização como um paradigma. de
acordo com Kuhn "o paradigma já existe quando a teoria não existe" e este é o caminho para o
reconhecimento como Ciência.

20
D'Ambrosio acredita que a Etnomatemática possui várias dimensões que na maioria das vezes
estão interligadas, e para efeito didático as classifica deste modo:
Dimensão conceitual, vemos que é de extrema importância não desvalorizarmos um determinado
conhecimento em prol do nosso próprio conhecimento.
Dimensão histórica, olhamos a historicidade de cada povo, grupo ou sociedade, percebemos
fazeres e saberes próprios inerentes a cada cultura, onde os instrumentos materiais e intelectuais
falam muitos sobre como estes indivíduos lidam e veem a sua realidade.
Dimensão epistemológica, vemos o estudo crítico dos princípios, hipótese e resultados das
ciências já constituídas, e que visa determinar os fundamentos lógicos, o valor e o alcance dos
objetos delas, também chamada de teoria do conhecimento.
Dimensão cognitiva, são debatidos os modos de quantificar, comparar, explicar, generalizar,
dentre outros, da espécie humana. Mas a cognição é mais do que simplesmente a aquisição do
conhecimento e consequentemente, uma boa adaptação ao meio, já que a capacidade cognitiva se
aperfeiçoa a todo momento.
Dimensão política, percebemos as relações de poder, a valorização de um saber ou fazer em
subordinação de um ou exclusão de outro.
Dimensão educacional, a educação é a ação ou o processo de dar ou receber conhecimentos, de
modo a desenvolver o poder de raciocínio e julgamento e, preparar intelectualmente a si mesmo
ou aos outros para a vida adulta.

Etno-Matemática – A Matemática no Continente Africano

Não podemos esquecer que a Africa também possui as suas culturas, e cada cultura possui
dentro dela a Matemática, na qual originou Etno-Matemática. Antes da chegada dos europeus na
África, os africanos eram muito inteligentes em usar a matemática, mas não na escrita nem na
explicação da arte que estavam praticando. Então, quando os europeus chegaram descobriram
muita matemática na cultura africana, daí decidiram escrever a matemática presente e criaram
suas teorias, sem a permissão dos africanos. Por isso, é importante aprender a escrever, contar,
estudar e aprender, para evitar o imperialismo, o colonialismo e o neocolonialismo. Eis algumas
imagens para aperfeiçoar a sua compreensão.

21
22
 Como pode ver nas imagens, os africanos, eram inteligentes na construção, como o caso da
piramides, para a aplicação nos seus jogos, entre outros.
Lembrando que a etno-matemática não está ligada apenas na cultura africana, mas também em
outras culturas como a cultura árabe, na criação de tapetes, roupas islâmicas, na cultura judaica,
na criação de Tupah, na criação de sinagongues, na cultura ocidental, entre outras culturas.

23
Conclusão
Neste presente trabalho, concluímos que a estatística e a etno-matemática, ambas possuem a sua
importância. A estatística é importante para recolectar, organizar e apresentar dados e informações.
Antigamente era mais usado para fins de guerra, que nem as duas guerras mundiais, também para
demografia, economia, etc. Já agora, a etno-matemática, ela é importante para representar o
presente, o passado e o futuro da matemática nas culturas, podem elas ser africanas, árabes,
judaicas, sikhistas, entre outras.

24
Referências Bibliográficas:
Referência Bibliográficas Manuais:
• Baldaque, M.M., E.G. Matemática-7˚ Ano,Volumes 1 e 2, Texto Editores, Lda. Lisboa,
2006;
• Baldaque, M.M., E.G. Matemática-8˚ Ano,Volumes 1 e 2, Texto Editores, Lda. Lisboa,
2006;
• Baldaque, M.M., E.G. Matemática-9˚ Ano,Volumes 1 e 2, Texto Editores, Lda. Lisboa,
2006.

Referência Bibliográficas Electrónicas:

• https://pt.wikipedia.org/wiki/Instituto_Nacional_de_Estat%C3%ADstica_(Portugal);
• https://calculadorajuroscompostos.com.br;
• https://www.matematicaefacil.com.br/2017/06/etnomatematica-matematica-continente-
africano;
• https://www.ine.gov.mz;
• https://pt.wikipedia.org/wiki/Etnomatemática;
• https://openai.com/chatgpt.

25