A História Do Risco

A Histria do Risco o Gnese do Pensamento Estat e stico e o Ensino de Estat stica na Universidade
Antonio Goncalves de Moura
Dissertao apresentada como requisito parcial ca para obteno do grau de mestre em educao sob a ca ca orientao da profa. Dra. Elianda Figueredo Arantes ca Tiballi
Universidade Catlica de Gois o a Mestrado em Educaao c
Goinia - 2005 a
Antonio Gonalves de Moura c
A Histria do Risco - Gnese do Pensamento Estat o e stico e o Ensino de Estat stica na Universidade
Universidade Catlica de Gois o a Mestrado em Educaao c
Goinia - 2005 a
Banca examinadora: Profa. Dra. Elianda Figueredo Arantes Tiballi (Orientadora) - UCG Prof. Dr. Jos Carlos Libneo-UCG e a Prof. PhD. Jos Carlos Seraphin-UFG e
Agradecimentos ` A meus pais, meus primeiros mestres, e todos aqueles que contribu ram de perto para que eu completasse este texto.
Resumo
Diante das transformaes tanto de ordem cient co ca quanto tcnica na sociedade e atual, inevitvel a necessidade de espaos que permitam as pessoas analisar e cone a c textualizar informaoes, de modo que elas incorporem `s suas prprias experincias. c a o e Aliado a estas necessidades nos propomos a desenvolver este trabalho iniciando pela histria do risco-gnese do pensamento estat o e stico, por entendermos ser este o in cio de sua trajetria. O objetivo deste trabalho investigar e analisar os contedos e o e u as perspectivas conceituais, metodolgicas e didticas presentes nos programas trao a balhados pelos professores da disciplina Estat stica considerando estes aspectos que nos propomos investigar, procuramos estabelecer o destacado papel da estat stica na formao dos estudantes em suas respectivas reas de conhecimento, numa perspecca a tiva metodolgica e didtica que proporcione um processo de ensino que leve o aluno o a a identicar procedimentos para pensar, estabelecer novas formas de conexes entre o elas e de incorporar esses conhecimentos `s suas futuras experincias prossionais. a e Aqui no estamos propondo o rompimento com os paradigmas da estat a stica clssica, a nem a imerso total ` estat a a stica Bayesiana, mas um conhecimento, ao ponto de se manejar situaoes reais em um ou outro destes enfoques, considerando como nec cessrio a aprendizagem signicativa por parte do aluno. Para a realizaao destes a c estudos recorremos ao estudo de caso do Departamento de Matemtica e F a sica da Universidade Catlica de Gois envolvendo a histria, evoluao e desenvolvimento o a o c dos contedos da disciplina estat u stica no curso de Matemtica, sua situaao atual, e a c uma proposta para ministrar essa disciplina num curso de graduaao dentro de uma c abordagem no apenas tradicional, mas que leve o aluno a reexo e proporcione a a uma aprendizagem dentro do contexto social em que se desenvolve o ensino.
Rsum e e
Face aux transformations tant dordre scientique que dordre technique dans la socit actuelle, il est invitable avoir des espaces permettant aux gens analyser ee e et contextualiser des informations pour quelles soient incorpores ` leurs propres e a expriences. Ali ` ces besoins nous proposons dvelopper ce travail en commenant e ea e c par lhistoire du risque-gen`se de la pense statistique, puisque nous comprenons e e cela comme le dbut de sa trajectoire. e Le but de ce travail est rechercher et analyser les contenus et les perspectives des concepts, mthodologiques et didactiques prsents dans les programmes travaills e e e par les professeurs de la discipline,la statistique, considrant les aspects auxquels e nous proposons rechercher, et en plus, notre intention a t de mettre en relief le ee rle de la statistique pour la formation des tudiants dans leurs dirents domaines o e e de connaissances dans une perspective mthodologique et didactique qui entra e ne un processus denseignement capable de mener ll`ve ` identier des procds pour ee a e e penser, tablir de nouvelles formes de connexion entre elles et aussi pour incorporer e ces connaissances ` leurs futures expriences professionnnelles. a e Ici, nous ne proposons ni la rupture avec les mod`les de la statistique classique, e ni limmersion totale dans la satistique Bayesiana, mais ce que nous proposons cest une connaissance au point de savoir manier des situations relles dans un ou dans e un autre point de vue tenant en compte lapprentissage signicative de la part de ll`ve. ee Pour faire ces tudes nous nous sommes appuys sur ltude du cas du Dpartement e e e e de Mathmathiques et de Physique de lUniversit Catholique de Gois englobant e e a lhistoire, lvolution et le dveloppement des contenus de la discipline statistique du e e cours de Mathmatiques, sa situation actuelle, et une proposition pour lenseigner e dans un cours de niveau suprieur sous une vision pas seulement traditionnelle, e mais qui soit aussi capable de mener ltudiant ` une rexion qui entra ` un e a e ne a apprentissage dans un contexte social dans lequel lenseignement se dveloppe. e
Sumrio a
Introduo ca 1
1 A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTAT ISTICO 5 1.1 A Mensurao do Risco . . . . . . . . . . . . . . . . . . . . . . . . . 9 ca 1.2 Administraao do Risco . . . . . . . . . . . . . . . . . . . . . . . . . 12 c 1.3 A Histria do Risco e a Histria da Estat o o stica . . . . . . . . . . . . 19 1.4 A Estat stica no Cotidiano . . . . . . . . . . . . . . . . . . . . . . . 21 1.5 A Estat stica Como Disciplina Escolar no Brasil . . . . . . . . . . . 23 2 O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE CATOLICA DE GOIAS 26 2.1 O Ensino de Estat stica Como Disciplina Escolar . . . . . . . . . . . 27 2.2 A Disciplina Estat stica . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.3 As Demandas e a Formaao de Professores . . . . . . . . . . . . . . 32 c 2.4 O Curso de Matemtica da Universidade Catlica de Gois . . . . . . 34 a o a 2.5 Programas da Disciplina Estat stica no Curso de Matemtica e F a sica - Licenciatura Plena em Matemtica da Universidade Catlica de Gois 36 a o a 2.6 A Disciplina Estat stica no Curso de Matemtica e F a sica da Universidade Catlica de Gois - 1967 . . . . . . . . . . . . . . . . . . . . . 37 o a 2.7 Programa da Disciplina Estat stica do Curso de Matemtica - Habia litao em Matemtica . . . . . . . . . . . . . . . . . . . . . . . . . . 45 ca a O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE 3.1 Inferncia Estat e stica . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Inferncia Estat e stica Clssica e Bayesiana . . . . . . . . . . . . . . a 3.3 Inferncia Estat e stica Numa Disciplina Introdutria no Curso de Grao duao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 3.4 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Deniao de Probabilidade . . . . . . . . . . . . . . . . . . . . . . c 3.6 Notaes e Denies . . . . . . . . . . . . . . . . . . . . . . . . . . co co 3.7 Probabilidade Condicionada e Eventos Independentes . . . . . . . 3.8 Leis de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i 52 . 53 . 53 . . . . . . 56 57 58 58 59 60
3.9 3.10 3.11 3.12 3.13 3.14 3.15
Lei da Probabilidade Total . . . . . . . . . . . . . Teorema de Bayes . . . . . . . . . . . . . . . . . . Algumas Tcnicas de Inferncia Estat e e stica . . . . Exemplo de Aplicaao da Lei de Bayes . . . . . . c Estimao Por Ponto e Por Intervalo . . . . . . . ca Exemplo de Estimaao Pontual . . . . . . . . . . c A Educao Estat ca stica e Seu Papel na Sociedade
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
62 64 65 66 67 68 75 79 79 82 85 89 92
4 PERSPECTIVAS METODOLOGICAS E DIDATICAS PARA O ENSINO DE ESTAT ISTICA 4.1 A Aprendizagem e Prticas Educativas na Disciplina Estat a stica . . . 4.2 Metodologia Para Aprendizagem da Disciplina Estat stica . . . . . . 4.3 A Didtica e o Ensino de Estat a stica . . . . . . . . . . . . . . . . . . A CONSIDERACOES FINAIS Bibliograa
ii
Introduo ca
A cincia torna-se necessria para o homem compreender a realidade e por meios e a de teorias adequadas, fazer inferncias. Diante de grandes transformaes, tanto de e co ordem cient ca quanto tcnica, que vm ocorrendo na sociedade atual, inevitvel e e e a a necessidade de espaos que permitam `s pessoas, analisar e contextualizar inc a formaes, de modo que elas possam ser incorporadas `s suas prprias experincias. co a o e Neste sentido o objetivo desta investigaao o ensino de estat c e stica no curso de graduao. No desenvolvimento desta pesquisa, o nosso objetivo foi investigar e analisar ca as perspectivas conceituais, metodolgicas e didticas e da implantaao dos novos o a c programas. presentes nos programas que so trabalhados pelos professores no ensino a de estat stica no curso de graduao. As anlises conceituais foram aquelas relativas ca a aos contedos dos programas da disciplina estat u stica na graduaao. As anlises c a metodolgicas e didticas foram realizadas a partir da psicologia cognitiva sovitica, o a e sobre tudo dos estudos de Davydov e Leontiev. Para realizaao desta investigaao c c obedecemos aos critrios da pesquisa qualitativa, coletando os dados por meio de e uma pesquisa bibliogrca com o objetivo de apreender a evoluao e desenvolvimento a c do conhecimento estat stico, da anlise dos programas desta disciplina no curso de a Matemtica e F a sica da Universidade Catlica de Gois, e de entrevistas com trs o a e professores que trabalharam nos per odos em que este programa sofreu modicaoes c tendo participado das reformulaes. Com este critrio entrevistamos trs profesco e e
2 sores do quadro docente deste curso. A organizao dos contedos programticos ca u a dessa disciplina no diferem muito de outras instituies de ensino superior no Braa co sil. Portanto optamos pela metodologia do estudo de caso, onde o foco um estudo e localizado, tendo o curso de Matemtica da Universidade Catlica de Gois como a o a referncia. O Trabalho que desenvolvemos nesta investigaao encontra-se em quatro e c partes que se completam: na primeira apresentamos uma viso panormica sobre a a a histria do risco, num enfoque probabil o stico, por entendermos ser este o in da cio trajetria da evoluao e desenvolvimento da estat o c stica e do pensamento estat stico. Tomamos como referncia inicial desta histria os jogos de azar. Percorremos um e o caminho desde a forma de pensar dos jogadores at a estruturaao matemtica das e c a probabilidades e da estat stica, que culminou com a mensurao do risco. Destacaca mos alguns de seus principais pensadores e a importncia do risco em nossas aes a co dirias. Na segunda parte recorremos a um estudo de caso no Departamento de a Matemtica e F a sica da Universidade Catlica de Gois. Sua evoluao e desenvolvio a c mento, e a anlise das entrevistas com os professores que trabalharam nos diferentes a programas desta disciplina, registrando a histria e sua evoluao. As diculdades o c enfrentadas nesta disciplina e a forma como ela passou a fazer parte do elenco da disciplina do curso de Matemtica. Os contedos de cada programa foram registraa u dos, analisando-se suas poss veis contribuies para a aprendizagem dos alunos. Na co terceira parte apresentamos uma proposta de perspectivas metodolgicas e didticas o a para o ensino de estat stica, baseado no pensamento de Davydov. Destacamos nesta proposta os processos que levam o aluno durante a aprendizagem, ao desenvolvimento de habilidades e competncias cognitivas. A necessidade de um ensino de e estat stica que leve o aluno ao desenvolvimento mental, lhe proporcionando uma aprendizagem signicativa do aprender a pensar. Na quarta parte zemos uma abordagem do ensino de estat stica na graduaao destacando a necessidade urgente c
3 de se caminhar rumo a novos horizontes destacando as correntes de pensamento clssica e Bayesiana. Ancorado nos aportes tericos destas duas correntes de pensaa o mento, desenvolvemos uma parte terica das probabilidades normalmente ensinada o no curso de graduaao, alm de aplicaoes desta teoria numa situao do cotidiano, c e c ca com solues envolvendo os mtodos utilizados pela estat co e stica clssica e Bayesia ana. Ainda hoje persiste uma grande diculdade dos professores nesta disciplina bsica de estat a stica num curso de graduao, para a transposio da barreira naca ca turalmente criada pelo ensino tradicional em que o objeto de estudo apresenta-se quase sempre bem delineado, obedecendo a uma seqncia de pr-requisitos e que ue e dene um horizonte claro de chegada, tal horizonte , muitas vezes, o simples cume primento do programa da disciplina. H necessidade de se resgatar continuamente a a discusso sobre a realidade da educao e as atividades do professor, que um dos a ca e principais agentes mediador para desenvolver dentro do seu contexto prossional e social juntamente com os alunos formas de adequao dos contedos ensinados `s ca u a necessidades do mundo atual, sempre buscando prticas pedaggicas e didticas que a o a leve o aluno a aprender a pensar. No conseguimos ver o professor como executor a apenas de prticas elaboradas e denidas, desenvolvendo processo de ensino que leve a o aluno apenas a memorizao. Estamos num ensino de estat ca stica em que o professor proporcione situaes em que o aluno aprenda a buscar informaes e solues co co co para os problemas do dia-a-dia, que desenvolva no aluno o pensamento terico e o no apenas receitas baseada em experincias adquiridas ao longo do tempo. No a e a conseguimos ver um professor que projete suas inseguranas nos alunos mantendo c as mesmas herdadas na sua formaao prossional. Estamos pensando em um enc sino que leve o aluno a aprender teorias e desenvolver seu pensamento, no apenas a como conseqncias da transmisso e intercmbio de idias e conhecimentos, mas ue a a e tambm como alteraoes sociais. Desenvolver formas de pensamento que propore c
4 cione reexes sobre a forma de investigar determinado contedo, o aluno dever o u a adquirir meios de pensar numa busca cont nua da qualidade cognitiva associada ` a aprendizagem do pensar. A busca de alternativas e os questionamentos sobre o conhecimento dominante hoje uma rotina nos sistemas em geral, e em particular e na educaao, que passa na atualidade por grandes transformaes. Transformaoes c co c essas, que so resultados de uma nova realidade e que vo em busca de soluoes para a a c os questionamentos sobre estes paradigmas insucientes para lidar com a complexidade do mundo atual, que acontece numa velocidade que cresce exponencialmente, portanto necessrio a busca de novos aportes tericos que se adeque a essa realie a o dade. No foi nossa pretenso nesta pesquisa esgotar todos os passos da evoluao a a c e desenvolvimento do risco e da estat stica, ou de pretender solucionar a todos os problemas que enfrenta hoje o ensino de estat stica no curso de graduaao. Nosso c propsito foi realizar uma investigao que contribu com o processo de aprendio ca sse zagem desta disciplina dentro de uma abordagem no apenas tradicional e empirista, a mas numa abordagem que leve o aluno a reexo e investigaao dentro de um pensaa c mento terico capaz de proporcionar uma aprendizagem dentro do contexto cultural o e institucional em que se desenvolve o ensino. Porm no podemos esquecer as die a culdades acadmicas que enfrentam alunos e professores dentro do contexto social e em que vivem, portanto da mesma forma como esperamos uma aprendizagem signicativa, tambm devemos esperar uma qualicao dos professores para desenvolver e ca suas competncias e proporcionar o ensino que tanto desejamos. e
Cap tulo 1 A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTAT ISTICO

Este cap tulo apresenta uma viso panormica da evoluao e desenvolvimento a a c do pensamento estat stico e das contribuioes realizadas ao longo do tempo pelos c matemticos, f a sicos, astrnomos e outros que, a partir da histria do risco, cono o tribu ram para a construo da cincia estat ca e stica e para suas aplicaoes a servio c c da comunidade e de outras cincias. A amplitude deste tema algo sem limites, e e quanto mais pesquisa sobre ele, mais se tem a necessidade de conhec-lo. e As consideraes aqui apresentadas tiveram como referncia principal a leitura co e de Peter L. Bernstein (1997), mostrando a histria de um grupo de pensadores que o propunham colocar o futuro a servio do presente, revelando que o futuro mais c e que um capricho dos deuses e que as pessoas no so pass a a veis ante a natureza. Os estudos daqueles pensadores contribu ram signicativamente para os primeiros passos rumo ao desnudamento do risco, ou seja, para compreenso da gnese do a e pensamento estat stico, desde suas origens at este conhecimento se transformar em e disciplina escolar. 5
Cap tulo 1. A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTATISTICO 6 A palavra Risco deriva do italiano riscare e tem uma variedade de signicados distintos, porm no enfoque que apresentaremos, ele signica ousar. Assim, esta e pesquisa sobre a histria do risco, e, conseqentemente da Estat o u stica, se restringe a uma abordagem ou racioc nio probabil sticos. Vamos trat-lo considerando o risco a uma opao e no um destino. c a Como em toda rea do conhecimento, o risco tem suas origens nas vrias cia a vilizaes que de uma forma ou de outra deixaram suas contribuioes, como por co c exemplo, para o surgimento e a evoluao das cincias modernas como base para o c e cotidiano, onde no nos damos conta do risco a que estamos submetidos, embora eles a ocorram com efetuada freqncia e de vrias formas. Porm, o risco como gnese do ue a e e pensamento estat stico surgiu na Antigidade, juntamente com os chamados jogos u de azar. Com o tempo, os jogos foram evoluindo e conseqentemente o pensamento do u ser humano com o propsito de dominar o risco que envolvia os diferentes tipos o de jogos; tudo isso em busca das vantagens dos jogadores ao realizar qualquer tipo de jogo e de jogada, comportamento que mudou pouco ou quase nada at os dias e de hoje; prtica que apenas est mais diversicada e mais sosticada. No in a a cio, pessoas mais chegadas ` jogatina comearam a pensar em uma forma de controlar a c ou medir suas chances, tanto de erro quanto de acerto, ao realizarem uma jogada. Diante de tal situao, o principal caminho a percorrer era encontrar uma forma ca de reduzir as incertezas ao realizar uma jogada; o que se mostrava uma barreira intranspon vel. Considerando-se que o jogo to antigo quanto o homem, e que no e a in no existia nem um sistema de numeraao de fcil manejo para que se pudesse cio a c a registrar as jogadas e o comportamento das mesmas, no havia como perceber a a noo do risco. ca
Cap tulo 1. A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTATISTICO 7 No ano 500 D.C., os hindus desenvolveram o sistema de numeraao utilizado c atualmente. Ele contribuiu para o desenvolvimento de todas as atividades intelectuais da poca. Mais tarde, esse sistema quebraria todas as barreiras de restrioes de e c aplicaes com a incluso do numeral zero, deixando o sistema to completo que co a a at hoje, com tantos avanos no dom e c nio das cincias, ningum ousou modic-lo e e a ou melhor-lo (Bernstein, 1997, p. 31-33). a Com o novo sistema de numeraao, iniciaram-se as investigaes para soluao de c co c problemas que surgiam entre os jogadores e as apostas. Um desses problemas deu origem a quase todas as investigaoes sobre o risco e, provavelmente, deu in ` c cio a anlise matemtica das probabilidades, que a medida de conana em que algo a a e c vai acontecer; isto, em outras palavras, estimulou estudiosos do assunto para a quanticaao do risco. c Girolamo Cardano (1500-1571) foi um importante personagem na histria do o risco, escreveu Liber de Ludo Aleae (livro dos jogos de azar). Esta obra parece ter sido o primeiro esforo srio de desenvolver os princ c e pios estat sticos da probabilidade, portanto, um instrumento de mediao do risco (Bernstein, 1997, p. 46). c Em 1654, o famoso jogador Antonio Gombaud, chevalier de Mr, props um ee o desao ao matemtico francs Blaise Pascal (1623-1662) que era o de resolver um a e complicado problema. Este problema j tinha sido proposto h uns duzentos anos a a por Lucas Pacciolli, e consistia na seguinte proposta: dois jogadores A e B combinam jogar um certo tipo de jogo at que um deles vena 6 (seis) rodadas. Porm, o jogo e c e e interrompido por algum motivo quando A venceu 5 (cinco vezes) e B 3 (trs vezes). e Ento, como deveria ser dividida essa aposta? a Este problema aparece vrias vezes nas obras dos matemticos durante os sculos a a e
Cap tulo 1. A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTATISTICO 8 XVI e XVII. Muitas so as variaoes, mas a questo permanece a mesma: como dia c a vidir as apostas em um jogo interrompido? O enigma acabou conhecido como o problema dos pontos. Este um problema mais signicativo do que se apresenta. e A resoluao dele marcou o in da anlise sistemtica da probabilidade e da quanc cio a a ticao do risco (Bernstein, 1997, p. 43). ca Surgiram na Frana grandes colaboradores no estudo da histria e da evoluo do c o ca risco. Podemos destacar entre eles, Pierre de Fermat (1601-1665) e Blaise Pascal. Os feitos de Pascal e Fermat contribu ram para o desenvolvimento do estudo do risco no s com enfoque no jogo, mas dando in aos fundamentos sistemticos a o cio a da probabilidade. Pascal e Fermat foram os pioneiros ao trabalharem intuitivamente na criao de uma teoria para qual chegaram pela primeira vez a uma medida da ca probabilidade. O reconhecimento feito a Pascal e a Fermat chega ao ponto de muitos dizerem que seus feitos marcam o in da sabedoria nesta rea de conhecimento, e no apenas cio a a da simples soluo do problema dos pontos sobre o jogo de azar. A partir desses ca estudos, inicia-se o rompimento denitivo com a tomada de deciso baseada apenas a em crenas e feitiarias. Alm desses, outros franceses tambm tiveram participaao c c e e c importante no desenvolvimento da histria do risco, com valiosa contribuio para o ca sua mensuraao. c Ganhar dinheiro em jogos de azar, talvez seja to antigo quanto o desejo humano a de obter alguma coisa em troca de nada. Com a nova noao de probabilidade iniciamc se as tentativas de soluao do complicado problema dos pontos, que circulou entre c os matemticos durante mais ou menos 100 anos. A soluao partiu do racioc a c nio de que o jogador que estava vencendo, quando interrompido o jogo, teria maior probabilidade de vencer se o jogo continuasse, mas qual a probabilidade de quem
1.1. A Mensurao do Risco ca
estava perdendo? Com esses enigmas, surgiu um novo ramo de conhecimento: o da cincia da previso. Pascal e Fermat comeam a soluao do problema determinando e a c c a probabilidade de cada um dos resultados poss veis para cada jogador. Com esse novo conhecimento, perceberam que os resultados podiam ser matematicamente medidos. Para os conhecimentos da poca, esse feito foi bastante signicativo. e No entanto, Pascal e Fermat foram alm. Ao resolverem o famoso problema e dos pontos e tentarem equacion-lo, lanaram denitivamente os fundamentos da a c Estat stica. A partir deles, quebrou-se a barreira de alguns limites do conhecimento, percebendo-se que poss e vel obter informaes uteis e seguras, at mesmo sobre co e assuntos onde reinam as mais completas incertezas, alm de se ter constitu um e do marco na histria da teoria das probabilidades. o
1.1
A Mensurao do Risco ca
Com as realizaoes no campo da Matemtica por Pascal e Fermat, inicia-se um c a novo dom nio do conhecimento e, conseqentemente, novos sonhos de controle do u risco em todos os campos de atuaao. Uma das grandes colaboradoras na evoluo c ca do controle do risco foi a fam Bernoulli, um de seus membros, Daniel Bernoulli, lia escreveu um artigo chamado Artigo de So Petersburgo, considerado um dos doa cumentos mais profundos j escritos, no s sobre a teoria do risco, dentro de um a a o enfoque estat stico, mas tambm sobre o comportamento humano. Ele efetuou come plexas medioes que enfocam muitos aspectos da vida humana. Daniel Bernoulli teve c o grande mrito dentre seus contemporneos de elevar a probabilidade do mundo da e a teoria para a prtica (Bernstein, 1997, p. 99-100). a Um colaborador bastante discreto desta trajetria da evoluao no desenvolvio c
10
mento da mensurao do risco foi o Ingls Thomas Bayes. Sua grande obra, que ca e o imortalizou, foi um artigo intitulado Essay Towards Solving a Problem in the Doctrine of Chances (Ensaio Sobre a Soluao de um Problema da Doutrina das c Chances). Poucos colaboradores escreveram algo to original quanto essa obra, a a ponto de surpreender, na poca, estat e sticos, economistas e cientistas sociais, porque o trabalho estabelecia a base do moderno mtodo de se fazer inferncia estat e e stica, na realidade, estava surgindo um novo paradigma para a Estat stica Inferencial. Antecipadamente, podemos dizer que a originalidade e a mudana de paradigma c constitu ram-se em comparar probabilidades posteriores com probabilidades a priori. Isso torna a contribuiao de Bayes c mpar. Em outras palavras, esta idia nos levou e a perceber que no existe uma resposta unica sobre condioes de incerteza, ou seja, a c tudo se tornar dinmico no mundo das chances. a a Outro pensador francs que muito colaborou na mensurao do risco foi Pierre e ca Simon de Laplace (1749-1827). A contribuiao de Laplace se estendeu, principalc mente, ao estudo da teoria das probabilidades, alm da diversicao das aplicaes e ca co no s na mensurao do risco mas em aplicaoes a toda espcie de fenmeno como a o ca c e o nas cincias sociais e nos fenmenos jur e o dicos, eleitorais, meteorolgicos, f o sicos etc. Com a diversicao na aplicaao das probabilidades a esses fenmenos, as probabica c o lidades, alm de ser um instrumento de medio do risco, passaram a ser, tambm, e ca e um processo de investigao em outras reas do conhecimento. ca a Laplace tambm admitiu que no existe algo como sorte, em seu Essai Philoe a sophique Sur Les Probabilits (Ensaio Filosco Sobre as Probabilidades) declarou: e o Os eventos presentes esto ligados aos eventos precedentes por um v a nculo, baseado no princ pio bvio de que uma coisa no pode ocorrer sem uma causa que a o a
11
produza.... Todos os eventos mesmos aqueles que, devido ` insignicncia, no paa a a recem seguir as grandes leis da natureza, resultam delas to necessariamente como a a `s resolues do sol.(Laplace, apud Bernstein, 1997, p. 198) co A partir de Laplace, novas concepoes nasceram entre a probabilidade e a Esc tat stica que inicialmente eram estudadas consideradas separadamente. Com o conhecimento estat stico, aliado aos estudos sobre o clculo das probabilidades, vea ricou - se que Laplace tambm estava construindo o alicerce matemtico da Ese a tat stica. Em todas as reas do conhecimento, os tericos formulam as bases cient a o cas do campo daquelas cincias, surgindo assim os chamados pai. Laplace pode ser e considerado o paida teoria moderna das probabilidades, pois ele foi um dos principais colaboradores e proporcionou o auge de seu desenvolvimento. A forma como Laplace deniu classicamente a probabilidade, em sua poca, continua at os dias e e de hoje sem nenhuma modicaao e com a mesma validade. Mesmo na Matemtica, c a os principais meios de descobrir a proximidade da verdade ou diminuir as incertezas so baseados nas probabilidades e, assim como estes, muitos outros conhecimentos a humanos esto, de uma forma ou de outra, vinculados ` probabilidade. a a E pertinente lembrar, ainda, que a probabilidade comeou considerando os jogos c de azar como seu principal m, e que mais tarde ela tomou rumos diferentes. Em seu in cio, era dif se imaginar que a probabilidade fosse to prxima ao nosso diacil a o a-dia e que, por isto, se constituiria em um conhecimento to importante quanto o a de qualquer outra rea do conhecimento humano. a Laplace publicou em 1812, uma de suas obras intitulada Teoria Anal tica das Probabilidades, onde nela escreveu:
1.2. Administrao do Risco ca
12
A teoria das probabilidades est na base no somente do senso comum; permite a a que apreciemos com exatido o que mentes acuradas sentem graas a uma espcie de a c e instinto e que muitas vezes so incapazes de avaliar... ensina-nos a evitar iluses que a o muitas vezes nos ilude;... no existe cincia mais valiosa para nossas conjecturas a e nem uma cincia mais util para a administrao do nosso sistema de educao e ca ca pblica. (Laplace apud Bernstein, 1997, p. 206) u
1.2
Administrao do Risco ca
A partir do sculo XVII, a mensuraao do risco j era uma realidade. As ativie c a dades comerciais se intensicaram, principalmente com os holandeses e britnicos. a A partir da novos ventos sopraram, novas idias, novos conhecimentos surgiram e com o intercmbio entre os povos, e o risco no cou fora desse desenvolvimento. a a Nesse novo ambiente cient co de estudos sobre o risco surge uma nova postura, ampliando-se sua explicaao e seu campo de aplicao. c ca E poss vel que somente o jogo no teria provocado um desenvolvimento to a a rpido e despertado tanto interesse na idia da administrao do risco. Na poca a e ca e em que todos os colaboradores no estudo do risco eram unnimes de que a probaa bilidade tinha aplicaoes muito mais abrangentes que o simples ambiente do jogo, c os negcios se expandiam rapidamente, ento havia a necessidade de administrar o o a risco e diminuir as incertezas e conseqentemente no ser surpreendido, era a misso u a a desses pensadores a ser cumprida. Com a expanso do capitalismo, veio tambm a e a acumulao do capital e o surgimento de um novo impulso na administrao do ca ca risco. Sempre ocorrer riscos em todas as decises que tomarmos, de uma forma ou a o
13
de outra, e quando corremos um risco, estamos apostando em um resultado que seja conseqncia da deciso que tomamos, mesmo no sabendo ao certo o poss ue a a vel resultado que obteremos. Francis Galton (1822-1911) contribuiu notavelmente para a administraao do c risco. Seus conhecimentos e suas contribuioes, sem dvida, deixaram o risco cada c u vez mais distante do jogo, e nos aproximaram cada vez mais dos complexos instrumentos de mediao e controle do risco nos negcios, de um modo geral, e nas c o nanas. c Uma das grandes contribuioes de Galton foi seu estudo sobre a hereditariedade. c Ele estava mais interessado em compreender como o talento persiste geraao aps c o gerao entre certas fam ca lias. E, claro, ele esperava que em sua prpria fam e o lia isso viesse a ser constatado, geraao aps gerao; o que a histria no conrmou. c o ca o a Ele procurava identicar naturezas proeminentes nobres. Esse campo de estudo ele denominou de eugenia.
A criana herda em parte dos pais, em parte dos ancestrais... Quanto mais sua c genealogia retroceder, mais numerosos e variados seus ancestrais se tornaro, at a e cessarem de diferir de qualquer amostra igualmente numerosa tomada por acaso da raa em geral... Essa lei nega fortemente a transmisso plenamente hereditria de c a a qualquer dom... A lei equilibrada; ela cobra o mesmo imposto de sucesso ` transe a a
14
misso da maldade e da bondade. Se ela desencoraja as expectativas extravagantes a de pais talentosos de que seus lhos herdaro seus poderes, o faz igualmente com a os temores extravagantes de que herdaro todas as suas fraquezas e doenas. (Apud a c Galton, Bernstein, 1997, p. 166)
De um modo geral, encerra-se com Galton o grande per odo das medies. Este co fato no implicou no encerramento denitivo das mesmas, ou que estava conclu a da denitivamente a tarefa na longa e lenta escalada da mediao e da administraao do c c risco. Antes de Cardano, Pascal, Fermat, Thomas Bayes, Galton, Laplace e outros no a menos importantes na teoria do risco, ningum havia ousado tentar medir a incerteza e e a dvida. At este ponto, ningum havia imaginado que o simples estudo sobre u e e jogos de azar se descortinaria num ramo signicativo da Matemtica:a Teoria das a Probabilidades. Conseqentemente se extinguiu a dvida de que o prazer, a dor, o u u trabalho, a utilidade, o valor e a riqueza so situaes que admitem a comparaao a co c da quantidade de vantagens e desvantagens. A partir de ento, a sorte, a crena e os deuses j no tinham mais tanta credia c a a bilidade quanto antes da medio do risco, porque se o que ocorre na natureza fosse ca uma questo de sorte, a gesto do risco no teria nenhum signicado, bastava valera a a se da sorte. Estamos, em outras palavras, separando denitivamente a ocorrncia e
1.2. Administrao do Risco ca do evento de sua causa.
15
Quando se reclama de m sorte, est se eximindo de qualquer responsabilidade a a pelo ocorrido; o mesmo ocorre quando dizemos que algum tem muita sorte, estamos e negando toda competncia a esse algum que obteve um resultado satisfatrio. e e o At este ponto, o esforo dos colaboradores da histria do risco foi centrado e c o apenas nas probabilidades, que era o conhecimento dispon para mediao do risco. vel c Aqui, no podemos mais decidir apenas por nossas preferncias, pois isto signica a e gostar mais de uma coisa do que de outra. A racionalidade permite que as decises o sejam tomadas objetivamente, os erros que se possa cometer ao inferenciar algo devero ser erros aleatrios e no decorrentes de nossas preferncias. Sem o dom a o a e nio parcial do risco, seria imposs vel a expanso ou mesmo a explorao de muitas a ca atividades. O in cio e a expanso do Capitalismo deve muito ` gesto do risco, a a a porque no era e no de bom-senso deixar sobre as leis do acaso grandes negcios a a e o e o comrcio em geral. e Com o Capitalismo, o risco incorporou novas aplicaoes e tomou um novo senc tido. Da por diante, as grandes companhias de seguros, principalmente seguros de vida, tiveram um novo surto de expanso e desenvolvimento. O seguro das grana des companhias de navegaoes tambm propiciou uma nova etapa ` navegaao e, c e a c conseqentemente um novo avano nas transaoes comerciais; alm de que novos hou c c e rizontes, novas idias se semearam no mundo; os intercmbios culturais e comerciais e a proporcionaram grandes benef cios em todos os sentidos, tanto nos planos comercial e cient co. Na verdade, com a gesto de risco, dividiu-se entre os investidores e a mena surao do risco as responsabilidades, proporcionando aos grandes investimentos ca
1.2. Administrao do Risco ca novas atitudes e, conseqentemente novos empreendimentos. u
16
Os progressos realizados na gesto do risco como j foram ditos, tiveram uma a a seqncia cont ue nua de avanos e contribuies de muitos colaboradores. Kenneth c co Arrow foi um deles, e num ensaio sobre o risco, Arrow pergunta por que as pessoas, sem exceao de crena e etnia, continuavam apostando, mesmo esporadicamente, c c em algum tipo de jogo de azar? Porque continuamos a acreditar nas probabilidades matemticas se elas sempre nos informam que sempre perdemos em todos os casos a poss veis, ou seja, os riscos que podemos ter so bem inferiores `s quantidades de a a riscos que corremos no decorrer da vida. (Bernstein, 1997, p. 203-206) Kenneth Arrow adverte, no entanto, que uma sociedade onde ningum teme as e conseqncias do ato de correr risco, poder proporcionar um terreno frtil para a ue a e conduta anti-social. Arrow, na realidade, faz uma abordagem sobre o risco bastante diferente das j apresentadas, porque suas armaes no recaem sobre o funcionaa co a mento das probabilidades; o seu foco principal recai sobre a forma de como se tomam decises sob condioes de incerteza e como convivemos com elas. O fato que Arrow o c e considerado o precursor do conceito de administraao do risco, principalmente no e c campo das habilidades prticas. a As situaes de risco vm aumentando ` medida que crescem as necessidades do co e a mundo atual; as soluoes destas situaoes crescem na mesma intensidade. O mundo c c j enfrentou quase todos os tipos de riscos no passado e continua enfrentando uma a gama deles no presente e, com certeza, novos riscos surgiro; por isso devemos estar a preparados para enfrent-los ` medida que forem surgindo e com intensidade que a a vierem. A idia de que no futuro o homem dominaria todo conhecimento que fosse nee
17
cessrio sobre o risco, e de que a certeza substituiria a incerteza, no foi concretizada. a a O que aconteceu foi uma exploso de mais conhecimentos e, cada vez mais, da nea cessidade de novos conhecimentos. Com o passar do tempo, era bvio que haveria o mais facilidades para se dominar as certezas e facilitar a vida de todos ns. O que o na realidade aconteceu foi o contrrio, vieram mais incertezas e um mundo mais a dif de se entender e dominar. cil Estamos evidenciando que os tericos da histria do conhecimento sobre o risco, o o em suas tentativas de mediao, controle, administrao e gesto do risco como Carc ca a dano, Pascal, Fermat, Laplace, Bayes, Galton, Arrow e outros no menos impora tantes, no conclu a ram a tarefa de lidar com o risco. Esta tarefa seria imposs vel, porque sempre surgiro novas formas de risco e, conseqentemente, devero surgir a u a novas formas de administr-la. Em outras palavras, existe uma evoluao cont a c nua neste tipo de fenmeno, pois os avanos tanto no controle quanto na administraao o c c do risco continuaro de acordo com a gravidade e a intensidade dos novos riscos que a surgiro. a Entendemos que esta evoluao um processo dinmico e est sempre se modic e a a cando, por isso julgamos ser de extrema importncia para todos os prossionais, a sem distinao de campo, um conhecimento atualizado sobre as situaoes de risco a c c que sua prosso submetida diariamente. a e O estat stico Maurice Kendall, escreveu: A Humanidade no assumiu o controle da sociedade, retirando o dom a nio da providncia divina.... para deix-la ` merc das leis do acaso . Ao vislumbrarmos e a a e o novo milnio, quais as perspectivas de conseguirmos concluir a tarefa, de podere mos esperar controlar mais riscos e, ao mesmo tempo, progredir? (Apud Kendal;
1.2. Administrao do Risco ca Bernstein, 1997, p. 331)
18
Neste milnio, estamos constatando novas perspectivas de mais conhecimentos, e no s a servio do controle dos riscos que certamente surgiro, mas a servio de a o c a c todas as necessidades do mundo atual. O esforo para compreender as tendncias c e da natureza de se repetir, mesmo independentemente, que certamente norteou e e motivou, creio eu, todos os colaboradores da histria do risco, que certamente o zeram essa abordagem e ajudaram a construir, ao longo do tempo, o progresso no sentido de evitar, pelo menos em parte, grandes erros. Esses tericos que moldaram toda essa trajetria pelo menos nos ultimos 450 o o anos, sem sombras de dvidas, inuenciaram as decises que afetam as nossas vidas, u o tomadas segundo procedimentos disciplinados que superam de longe os mtodos e emp ricos do passado (Bernstein, 1997, p. 337-338). Transformaram a percepao c do risco, da chance de perder, em oportunidade de ganhar; de destino e apelo aos deuses em um projeto de diminuiao de incertezas; de previses sosticadas do c o futuro baseadas nas probabilidades. As tomadas de decises no pertencem mais o a aos deuses, eles j no direcionaram mais os acontecimentos aqui na Terra. a a Trabalhar com eventos causais era algo desconhecido na poca; somente foi e poss a partir do Renascimento e de posse do sistema de numeraao inventado vel c pelos hindus no ano 500 D.C. Entretanto, o risco e o controle so nossos parceiros inevitveis e inseparveis; a a a poss que o risco e o controle do risco sejam um dos ingredientes necessrios e vel a e fundamentais para estimular as grandes decises em todas as atividades. Sem o o risco e seu controle, talvez a tomada das decises no cotidiano no tivessem nenhuma o a emoo e, logicamente, a vida como um todo se transformasse numa inrcia sem m. ca e
1.3. A Histria do Risco e a Histria da Estat o o stica
19
1.3
A Histria do Risco e a Histria da Estat o o stica
Antes de falarmos sobre a evoluao histrica da Estat c o stica, mencionaremos a histria o do risco, por entendemos que um a base necessria e suciente do outro. Em outras e a palavras, so assuntos interligados. A compreenso de um depende da compreenso a a a do outro. Na realidade, a Estat stica comeou quando algum se props, pela pric e o meira vez, a tentar medir alguma coisa; ao realiz-lo, possivelmente lhe ocorreu a alguma incerteza, e a tambm se iniciaria a mediao do risco que ocorre em qual e c quer situaao. c Como a Estat stica se fundamenta em conhecimentos matemticos, Pascal, Fera mat, a fam Bernoullis, Laplace, Lagrange, Gauss, Galton, Bayes que dominavam lia estes conhecimentos na poca, alm de outros, contribu e e ram para o desenvolvimento dessa cincia; alm das aplicaes diversicadas das probabilidades em praticamente e e co toda classe de fenmeno. o As aplicaoes da Estat c stica chegaram aos fenmenos sociais e pol o ticos, aos judiciais, eleitorais, meteorolgicos, f o sicos etc. J informamos que, a partir de a Laplace, as probabilidades que surgiram para medir o risco, se constitu ram no alicerce matemtico da Estat a stica. Quando falamos do risco, normalmente estamos fazendo aluso apenas `s probaa a bilidades, porm com o conhecimento principalmente da Estat e stica formulada nos sculos XIX e XX, continuamos trabalhando estatisticamente com situaoes de risco e c dentro de praticamente quase todas `s reas de conhecimento. Carl Pearson (1857a a 1935) foi um dos importantes colaboradores para a expanso dos conhecimentos a estat sticos com inmeras aplicaes em situaes reais do nosso cotidiano. Ele foi u co co quem lanou os fundamentos matemticos vlidos para toda Estat c a a stica do sculo e
1.3. A Histria do Risco e a Histria da Estat o o stica XX.
20
Podemos considerar que o progresso da Estat stica se consolidou com os matemticos que forneceram um conhecimento cada vez mais aprimorado, e com os a estat sticos que ampliaram seu campo de aplicao para uma innidade de reas ca a do conhecimento humano. Esta parceria aconteceu, e acontece at hoje, no s na e a o Estat stica, mas em qualquer rea do conhecimento, mesmo porque em todo tipo de a conhecimento h intersecoes (Bernstein, 1997, p. 168-169). a c Sabemos que sempre existe uma seqncia natural de grandes colaboradores em ue cada ramo do conhecimento. Na Estat stica, na mensuraao e administraao do c c risco no foram diferentes. Colaboraes em vrios sentidos, inclusive no s nas a co a a o aplicaes prticas, mas no sentido de ampliaao dos conhecimentos sobre a prpria co a c o Estat stica. nos sculos XX e XXI, ampliam-se as aplicaoes prticas com o uso dos e c a conhecimentos deixados principalmente por Fisher e Pearson, que continuam sendo aplicados e sendo o foco de grande ateno dentro do ramo da Estat ca stica, devido a grande exibilidade de aplicaoes destes conhecimentos na soluao de problemas do c c nosso dia-a-dia. Partindo deste princ pio, Fisher desenvolveu a estrutura com maior rigor, em particular a teoria das pequenas amostras e, tambm, a teoria da estimaao, ou seja, e c ele estruturou um dos grandes ramos da Estat stica Inferencial tal qual conhecemos e aplicamos at os dias atuais. Com Fisher temos o in de uma nova etapa de e cio desenvolvimento na Estat stica, podemos dizer em sua parte mais interessante, alm e de necessria, que a parte do contedo dela com muitas aplicaes prticas. Em a e u co a 1919, ele desenvolveu uma gama de trabalhos, na sua maioria ligados ` agricultura, a que ainda hoje uma rea onde se utiliza bastante os conhecimentos estat e a sticos em aplicaes prticas. co a
1.4. A Estat stica no Cotidiano
21
Fisher considerado um estat e stico clssico e a caracter a stica fundamental do per odo Fisheriano foi a adoo de uma postura de indeterminismo, que consistia em ca demonstrar e caracterizar que a experimentao lida com uma populaao das quais ca c as amostras causais so poss a veis, sendo quase sempre os unicos meios dispon veis para inferenciar a populaao. c O ritmo de crescimento pelo qual passaram todos os ramos do conhecimento no sculo XX inclui o processo de desenvolvimento da Estat e stica. Devemos isto a esse trio incomum: Galton, Pearson e Fisher, todos considerados clssicos, que desenvola veram o suporte terico e prtico da teoria da correlaao, regresso e das amostras, o a c a das sries temporais e de vrios outros processos estat e a sticos, considerados as bases desse campo de conhecimento. Podemos dizer que eles fazem parte denitivamente do marco inicial das correntes de investigao que levaram a Estat ca stica ao alto grau de desenvolvimento em que se encontra hoje. Com Galton, Pearson e Fisher, as teorias da Estat stica do sculo XX iniciaram e sua expanso a novos dom a nios do conhecimento criado no sculo XIX. A partir desse e ponto, comea o rompimento das r c gidas limitaes da Estat co stica ligada somente ao conhecimento matemtico; nasce uma nova viso criada pelos estat a a sticos e inicia-se um crescimento signicativo no desenvolvimento das tcnicas estat e sticas; com isso, a experimentaao toma novos rumos e as aplicaes se multiplicam em todos os c co ramos das cincias. e
1.4
A Estat stica no Cotidiano
Percebemos, ao longo da histria da Estat o stica, um desenvolvimento bastante lento. Suas aplicaoes, a partir de Pearson, Galton e Fisher, comeam a ser percebidas com c c
1.4. A Estat stica no Cotidiano
22
mais interesse, e a importncia prtica de suas aplicaoes na Segunda Guerra Muna a c dial pelos Estados Unidos, Inglaterra e Japo (com a utilizao da estat a ca stica por esses pa para ns militares) ajudaram em sua expanso. Houve, na realidade, ses a uma exploso de novas aplicaoes dos mtodos estat a c e sticos, especialmente a partir dos anos 40, com o desenvolvimento de mtodos para o controle de qualidade, prine cipalmente na indstria blica. Esses fatos despertaram interesse em outras reas e, u e a conseqentemente, um olhar de mais respeito para a Estat u stica. No Brasil, a Estat stica teve mais problemas para se desenvolver, tanto no meio acadmico quanto nas aplicaes a servio da comunidade, e vrios fatores cone co c a tribu ram para esse fato. Como j vimos, a Estat a stica se fundamenta no conhecimento matemtico, e aqui no Brasil, a matemtica teve seu desenvolvimento basa a tante lento. Com a Estat stica, no foi diferente, como no foi tambm diferente a a e com outras cincias, de um modo geral. e Alm dos fatores mencionados, considerados bastantes signicativos para o dee senvolvimento da Estat stica, ainda havia o desinteresse pol tico da Coroa Portuguesa, que s tinha interesse em explorar o Brasil. Para a Coroa, desenvolver qualo quer parte do conhecimento cient co aqui viria concorrer com os interesses de Portugal. Essa idia retardou aqui, no somente o desenvolvimento da Matemtica e da e a a Estat stica como tambm das outras cincias, retardando a criaao de instituioes e e c c de curso superior, onde essas reas do conhecimento eram e so desenvolvidas. Na a a poca, o dom da cultura jesu e nio tica ainda era total; isso implicava no haver lugar a para o esp rito de liberdade, conseqentemente, no havia ambiente favorvel nem u a a para o meio acadmico nem para as cincias. e e Por se tratar de um pa europeu, Portugal absorveu um grande desenvolvimento s em termos de cincias naturais. Com a vinda da Corte Portuguesa para o Brasil, e
1.5. A Estat stica Como Disciplina Escolar no Brasil
23
em 1808, e com a abertura dos portos por D. Joo VI, inicia-se no Brasil um novo a tempo, um novo ambiente cultural, porque comeavam soprar os ventos vindos da c Europa. Com essa abertura vieram tambm novas idias, surgindo com isso novos e e intercmbios culturais para nosso pa a s.
1.5
A Estat stica Como Disciplina Escolar no Brasil
O ensino de Estat stica, como disciplina escolar, no Brasil iniciou em 1810 na Academia Real Militar, na Escola Politcnica do Rio de Janeiro e tambm na Escola de e e Engenharia. Foram nessas escolas que a Estat stica se estabeleceu como disciplina autnoma (Rodrigues, 1946, p. 249). o No foi de se estranhar que a Estat a stica tenha surgido nessas escolas, pois foi nelas que a Matemtica no Brasil teve seu maior desenvolvimento e seu ponto de a referncia, portanto, a Estat e stica tambm lhe acompanhou (Rodrigues, 1947, p. e 249-250). Por muito tempo, ela permaneceu servindo apenas a aplicaoes bastante c simples, como nos servios ociais do governo, como recenseamentos e outros. c Com a revoluao de 1930, surgiram novas idias e signicativas mudanas, tanto c e c na estrutura econmica quanto social, e nesta evoluao de conhecimentos e de novas o c idias que nasce o Instituto Nacional de Estat e e stica, em 6 de julho de 1934, constituindo -se como alicerce principal do Instituto Brasileiro de Geograa e Estat stica (IBGE), que foi criado em 1936. A partir desse ponto, comeam os problemas e as soluoes que a Estat c c stica provocou e provoca at hoje. Criado o IBGE, com nalidade bem denida, deparavae se, ento, com a falta de prossionais para desenvolver tarefas a que o Instituto a
24
se propunha, j que no haviam prossionais nessas reas e nem em quantidade a a a necessria para compor o quadro de funcionrios. Para suprir as necessidades de a a momento, surge a idia da criaao da Escola Nacional de Cincias e Estat e c e stica, cuja nalidade era promover cursos especiais de Estat stica. A partir da incluso da Estat a stica nos cursos de engenharia, atravs da disciplina e Economia Pol tica e do Direito Administrativo, ela se estabeleceu denitivamente como disciplina autnoma e comeou a ser inclu em todos os cursos, e, logicao c da mente, a carncia de professores de Estat e stica tambm se fazia presente naquele e momento. E pertinente dizer que ela enfrenta hoje os mesmos problemas da poca e de seu in cio, e no h horizontes, pelo menos em mdio prazo, para amenizar essa a a e situao. ca O surgimento de novas faculdades com cursos de Estat stica, como em 1934, na Faculdade de Filosoa Cincias e Letras da Universidade de So Paulo, fundada e a pelo Decreto Lei no 6.283 de 25 de janeiro de 1934 onde mais tarde, em 1964, foi criado o Departamento de Estat stica, o problema persiste. E evidente que um novo crescimento surge. Tal crescimento era de se esperar, e se deu em funo da evoluao e das necesca c sidades de aplicaoes prticas, alm de incluso da Estat c a e a stica em novos cursos de graduao que surgiam (Maranaka, 1945, p. 4). ca Os Institutos de Educaao que estavam surgindo em grande quantidade, tiveram c um papel fundamental no ensino de Estat stica. Quanto mais surgiam escolas e cursos, em cujos curr culos guravam a Estat stica, mais necessidades de professores surgiam; esse fator aumentava ainda mais a necessidade de mais professores de Estat stica para suprir a demanda.
25
Todas estas consideraes feitas sobre a evoluo e o desenvolvimento da Esco ca tat stica foram iniciadas pela histria do risco, at chegarmos a ela como disciplina o e escolar, foi o que julgamos necessrio para iniciarmos um estudo de caso sobre as a origens e o desenvolvimento da Estat stica como disciplina escolar no Departamento de Matemtica e F a sica da Universidade Catlica de Gois. Como ela foi inclu o a da no elenco das disciplinas do curso de Licenciatura Plena em Matemtica desta Unia versidade e como se encontra em 2005.
Cap tulo 2 O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE CATOLICA DE GOIAS

A educao existe por toda parte e, muito mais do que a escola, o resultado da ca e ao de todo meio scio-cultural sobre os seus participantes. E o exerc ca o cio de viver e conviver o que educa. A escola de qualquer tipo apenas um lugar e um momento e provisrio onde isto pode acontecer. C. R. Brando o a Ensinar e aprender, prticas do cotidiano escolar so atividades diretamente a a ligadas ao conhecimento, no s ao conhecimento em si, mas a um conhecimento a o que esteja inserido nas necessidades, seja por parte do aluno seja por parte do professor, tanto na escola quanto na sociedade. A busca de informaoes pertinentes, c que podero vir a integrar um elenco de conhecimentos associados a outras rea do a a conhecimento, e seu manejo na perspectiva de encontrar soluoes para os problemas c da realidade individual e social, tambm tarefa do ensinar e do aprender. e e Como ensinar parte do conhecimento, deve-se levar os alunos a aprenderem conceitos dentro do contedo apresentado que lhes proporcionem capacidades de pensar u
26
2.1. O Ensino de Estat stica Como Disciplina Escolar
27
e aprender, de forma que estes contedos faam sentido em suas futuras atividades u c prossionais. A Estat stica um destes contedos que proporciona um conhecimento e u necessrio para tratamento de dados, isto nos leva a crer que este um conhecimento a e necessrio, tanto para quem ensina como para quem aprende. a Com a crescente necessidade de aplicaes dos conhecimentos estat co sticos no tratamento de informaoes oriundas de vrios setores da cincia, e com o avano c a e c da informtica, a estat a stica teve sua importncia reconhecida em todas as reas a a do conhecimento. Com essas necessidades, evidente que todos os prossionais de e hoje, sem exceao, deveriam ter um conhecimento m c nimo de estat stica para suprir as necessidades bsicas de gerenciar as vrias situaoes em que nos so impostas e a a c a que surgem no dia-a-dia. Portanto, torna-se cada vez mais evidente a necessidade do ensino de nooes bsicas de Estat c a stica em todos os cursos de graduaao. Alm c e desses conhecimentos, torna-se evidente a necessidade de novos rumos na forma de conduzir os contedos, no s da Estat u a o stica, mas em todo ramo das cincias e naturais, e da busca urgente de novos conhecimentos que possam contribuir, de modo mais signicativo, para a explicao da realidade. ca
2.1
O Ensino de Estat stica Como Disciplina Escolar
Desde os primeiros passos da construo do conhecimento deparamos com a ca inegvel necessidade de aplicao de conhecimentos estat a ca sticos numa gama de atividades prossionais. O tratamento estat stico de dados vem auxiliando e certamente diminuindo as incertezas em praticamente todas as reas do conhecimento. a Quando a Estat stica foi inserida no elenco de disciplinas nos cursos de gra-
2.1. O Ensino de Estat stica Como Disciplina Escolar
28
duao, ela rmou-se denitivamente como disciplina escolar, e entendemos que ca esta disciplina enfrenta problemas como outra qualquer, e no so poucos, ela contia a nua enfrentando velhos problemas que a acompanham desde seus primeiros passos. Alguns fatores de ordem natural contribu ram ao longo do tempo para isso. Um deles que esta uma disciplina moldada para ser desenvolvida numa abordagem e e investigativa e que, portanto, leve o aluno ` reexo. a a Normalmente a Estat stica ensinada num enfoque tradicional, sem nenhuma e perspectiva de aproximaao entre seu contedo e a realidade. Ela deveria ser dec u senvolvida num enfoque investigativo que levasse ` prticas que atendessem a um a a conhecimento, levando o aluno a aoes que realizem suas perspectivas no desenvolvic mento de atividades do dia-a-dia. Entendemos que necessria prtica pedaggica e a a o que os leve a uma aprendizagem signicativa. Para a execuao dessa tarefa falta c prossionais qualicados e capazes de levar o aluno a aprender a pensar. A dissociaao do ensino de Estat c stica com a prtica evidente, ainda no a e a e comum ao ensinar esta disciplina desenvolver estratgias envolvendo contedo e e u prtica. Este ensino continua, ano aps ano, a persistir na rotina de ensino ainda a o nos moldes de quando o prprio professor teve seu primeiro contato. o A cr tica mais comum ao ensino de Estat stica feita pelos alunos o enfoque e tradicional, acadmico, excessivamente terico e desconectado dos problemas reais e o que ocorreram no cotidiano, no trabalho e na comunidade etc. Deveria se dar mais nfase ao estudo de casos e problemas reais, mostrando a utilidade da Estat e stica no envolvimento de problemas reais da vida do aluno e, futuramente, de sua vida prossional.
2.2. A Disciplina Estat stica
29
2.2
A Disciplina Estat stica
Esta uma disciplina que continua se estruturando com cont e nuas modicaoes, c com propsito de adequar seus contedos `s necessidades do mundo atual, numa o u a perspectiva que tenha signicado e se transforme em instrumento cognitivo do aluno, inclusive na sua forma de pensamento. Entendemos que em cada rea do conhecimento muito importante a deniao a e c da ementa destinada, para que se d nfase exatamente aos enfoques e aos tpicos ee o selecionados destinados a esta rea. Um exemplo disso a importncia que deve ser a e a dada a processos estocsticos para curso de engenharia da computao e a probabia ca lidade para engenharia eltrica etc. e Com esta losoa de trabalho, a comunicaao professor/aluno caria bem mais c interessante se ensinadas dentro de uma abordagem que leve o aluno a situaoes c e busca de informaes que lhes d signicado, isto sem dvida provocaria nele o co e u interesse pela Estat stica, porque a vislumbraria dentro das possibilidades de aplica la em sua futura prosso. Entendemos ser este o caminho tanto para a Estat a stica quanto para qualquer outro tipo de aprendizagem, substituindo um ensino que a nosso ver no tem mais espao nos dias de hoje. a c A Estat stica como disciplina escolar relativamente recente. Teve seu in base cio tante t mido na Academia Real da Marinha e na Academia Real Militar. Segundo o professor Rodrigues, foi nos cursos de engenharia, atravs das disciplinas Economia e Pol tica e do Direito Administrativo, que a Estat stica se estabeleceu como disciplina autnoma e que, permanecendo at hoje no elenco de disciplinas que guram o e no curr culo, no s das escolas politcnicas, como tambm de outras escolas de a o e e
2.2. A Disciplina Estat stica engenharia (Rodrigues, 1946, p. 250).
30
No Cap tulo I falamos sobre a histria do risco e da estat o stica. Vimos seu desenvolvimento e sua evoluao at se transformar em disciplina escolar. Apresenc e taremos, agora, como o contedo dessa disciplina se estruturou e desenvolveu no u Departamento de Matemtica e F a sica da Universidade Catlica de Gois e qual sua o a realidade hoje. Sabemos que os contedos de ensino vm se transformando numa trajetria u e o lenta e longa. O problema de denir o que contedo do ensino e de selecionar os e u mais importantes um dos aspectos mais conituosos da histria do pensamento e o educativo e da prtica de ensino; diculdades que se reetem nos mais diversos a enfoques, perspectivas e proposioes pedaggicas (Sacristn, 1998, p. 149). c o a Na realidade, ao selecionar um contedo para compor um curr u culo devemos fazer uma srie de indagaes, como: a que funo queremos que este se cumpra em e co ca relao aos indiv ca duos, ` cultura, ` sociedade na qual estamos ou a qual aspiramos a a conseguir; o curr culo, como seleo de cultura, serve a uma sociedade ou a uma viso ca a de como esta sociedade dever ser. Na verdade, o contedo escolar determinado por a u e um processo social, no qual agem condicionamentos econmicos, pol o ticos e pessoais dos grupos especializados, de suas idias sobre o valor do processo educativo para o e desenvolvimento individual e da coletividade humana (Sacristn, 1998, p. 155). a O pensamento pedaggico sobre os contedos que integram os curr o u culos bae seado essencialmente nos movimentos sociais dos sculos XIX e XX, com ra na e zes revoluao burguesa do nal do sculo XVIII e do Iluminismo, que resgata o valor c e dos indiv duos. So idias coerentes com o predom a e nio do liberalismo econmico, o onde a iniciativa privada cumpre um papel fundamental; o curr culo no se afasta a
2.2. A Disciplina Estat stica dessa lgica do desenvolvimento do indiv o duo.
31
Ancorada nesses mesmos princ pios, a Estat stica, como disciplina no curso de graduao, foi sendo introduzida ` medida que novos cursos surgiram, principalca a mente a partir de 1934. Hoje, a Estat stica faz parte do elenco bsico de disciplinas a na quase totalidade dos cursos universitrios. Porm, de um modo geral, os alunos a e que cursam essa disciplina a consideram nada motivadora por vrias razes: quer a o seja pela prpria diculdade de seu contedo, quer seja pelo pouco uso que dela faz o u em outras disciplinas, ou seja, pela nfase terica dada pelos seus professores. e o Considerando os cursos de graduao em que a Estat ca stica uma disciplina e obrigatria, no se v uma conexo das noes elementares dela com as demais o a e a co disciplinas. As concluses advindas de estudos experimentais so apresentadas sem o a que se explicitem pelo menos o uso de tcnicas quantitativas, no sendo oferecido e a ao aluno a oportunidade de chegar a concluses ou resultados que tenham algum o signicado. De acordo com essa situao, a existncia dessa disciplina em tais cursos ca e parece mais estranha ainda ao aluno, que, desde o in cio, percebe que no h nenhum a a interesse especial pela Estat stica ministrada dessa forma. A Estat stica chega ao aluno sem nenhum preparo prvio e no leva em cone a siderao que ele no traz consigo nenhum conhecimento dessa disciplina. Esse ca a comportamento de conduao da disciplina cria uma barreira cada vez mais slida c o na espontaneidade do aluno, que nunca se manifesta, `s vezes por inibio natural, a ca `s vezes por falta do conhecimento m a nimo durante as aulas. Um agravante bastante signicativo para a no-compreenso da Estat a a stica que e os alunos que ingressam na Universidade, geralmente sem conhecimento algum nesta rea, no desenvolveram competncias cognitivas no que diz respeito aos conceitos a a e
2.3. As Demandas e a Formao de Professores ca
32
e desenvolvimento do pensamento terico, fator que inuencia signicativamente na o aprendizagem da Estat stica. Normalmente, o aluno chega ` Universidade com uma viso bastante detera a min stica, adquirida ao longo de seu aprendizado nos ensinos Fundamental e Mdio, e e, como a disciplina j tem uma complexidade natural sua compreenso e o seu a a aprendizado cam comprometidos. Assim, essa srie de fatores, constitue-se em ine gredientes contributivos para a diculdade do aprendizado da Estat stica enquanto disciplina escolar.
2.3
As Demandas e a Formao de Professores ca
Com o crescimento assustador de novas faculdades e conseqentemente de novos u cursos de graduaao, a situaao continuou, no mudou a grande a necessidade de c c a mais professores qualicados de Estat stica para o mercado. A idia que permeia a Lei de Ddiretrizes e Bases da Educao Nacional (LDBe ca 1996) da exibilizao das ementas dos cursos superiores e, como a estat e ca stica est no topo das que apresentam grandes diculdade, exigido, cada vez mais, que a e ocorram mudanas nos moldes de conduzir essa disciplina por meio de prticas pec a daggicas que comprometam o aluno com o aprendizado de suas aplicaes e com a o co busca de solues para problemas da comunidade. co Toda essa problemtica enfrentada pela Estat a stica tem origens remota, porm e bem denidas e expl citas. Mesmo nas Universidades, tidas como referncias, a Ese tat stica no teve no seu desenvolvimento natural o ancoramento em aportes tericos a o que levasse sempre o aluno a competncias do pensar. e
2.3. As Demandas e a Formao de Professores ca
33
A Estat stica teve sempre um ensino enfocado na estat stica terica ou estat o stica matemtica, sem uma perspectiva de seu desenvolvimento na rea da educaao a a c estat stica ou na estat stica em educaao. Nos departamentos h muito tempo j se c a a constata uma grande limitaao do corpo docente qualicado, devido a concorrncia c e do mercado de trabalho, seja pelas empresas seja pela administraao pblica, que c u absorvem uma grande parte desses prossionais, oferecendo muito mais vantagens a esse prossional do que qualquer instituio de ensino. ca Um caso t pico desse fenmeno o Departamento de Estat o e stica da Universidade de Bras (UnB), que inicialmente teve o curso regular de bacharelado em lia Estat stica, em 1970, depois mestrado em Estat stica e Mtodos Quantitativos, em e 1978. Desde sua criao, esse Departamento cou caracterizado pela intensa ativica dade na rea de cursos de ps-graduaao e referncia no Centro-Oeste. Hoje, tem a o c e funo reduzida a praticamente oferecer as disciplinas para os cursos de graduao. ca ca No Brasil, poucas so as Universidades que fazem uma abordagem dessa disa ciplina envolvendo capacidades de pensar e aprender entre teoria, metodologia e prtica. Alm disso, ou por isso, existe uma presso quase natural para a retirada a e a dela dos cursos de graduao. Quando se trata de reas como humanas e biolgicas a ca a o presso ainda maior, embora elas necessitem da disciplina tanto quanto a rea das a e a cincias naturais. Mesmo nas cincias naturais, os alunos resolvem problemas sem, e e na realidade, lavarem em conta o pensar e o aprender, na verdade terminam fazendo aplicao sem nenhum sentido prtico, porm num enfoque puramente acadmico. ca a e e Uma das limitaoes, alm das j citadas, que o professor de Estat c e a e stica termina ensinando esta disciplina do modo que lhe foi ensinado durante o curso de graduao. Esse um problema somente do ensino Superior no Brasil. O campo ca e da educao estat ca stica complexo e pouco desenvolvido. E necessrio um conjunto e a
2.4. O Curso de Matemtica da Universidade Catlica de Gois a o a
34
de iniciativas para consolidar essa rea e melhorar o conhecimento do processo de a ensino e aprendizagem que envolvem a disciplina. Alguns esforos tm sido feitos para que a Estat c e stica tenha a devida atenao c e importncia como disciplina e como conhecimento necessrio no tratamento de a a dados. Essa preocupao de mbito internacional. Vrias conferncias foram proca e a a e gramadas e realizadas com a nalidade de criar intercmbios para estabelecimento a de metas sobre essa disciplina. Assim, a necessidade crescente na formaao de docentes na rea de estat c a stica contribuiu para que o International Statistical Institute (ISI) organizasse, a partir de 1982, uma srie de conferncias internacionais sobre o ensino de estat e e stica. A partir da criaao do International Association for Statistical Education (IASE) em c 1991, como uma seo do ISI, todas as atividades do ensino da Estat ca stica foram a concentradas, favorecendo tanto o intercmbio como o estabelecimento de metas e a desaos para o futuro do seu ensino.
2.4
O Curso de Matemtica da Universidade Catlica a o de Gois a
Foi criado em 1961 em regime seriado com o objetivo de suprir parte das necessidades do mercado e do ensino. O corpo docente, que ministrava aula para a primeira turma, tinha suas limitaes naturais devido a vrias razes, sendo uma delas a co a o da falta de professores qualicados na regio e na prpria Universidade Catlica a o o de Gois ` poca; alm de sua prpria posio geogrca que no era um plo de a ae e o ca a a o atrao para professores, nem o mercado oferecia tantas opes. ca co Esse curso foi todo estruturado em condioes precrias sem praticamente nenhum c a
2.4. O Curso de Matemtica da Universidade Catlica de Gois a o a colaborador com conhecimentos espec cos nesta rea. a
35
O curso tinha como objetivo principal formar professores de Matemtica para a trabalhar nas redes Estadual e Municipal de ensino e nas instituies de ensino co privado, suprindo, em parte, a demanda para os ensinos Fundamental e Mdio, e para o curso de graduao, atendendo a necessidade natural da poca e da regio. ca e a Para constatar a grande ausncia de professores de Estat e stica naquela poca, na e primeira turma no constava a disciplina Estat a stica no curso que era chamado de Matemtica e F a sica. Na realidade, no havia em Gois prossionais com formao acadmica, com a a ca e dom nio e experincia no conhecimento dos mtodos estat e e sticos. O curso de Matemtica e F a sica, como era chamado, foi, por muito tempo, o unico curso superior em Matemtica e F a sica do Estado de Gois. Dele, sa os prossionais para suprir a a as necessidades do mercado de trabalho, tanto no setor empresarial quanto no setor de ensino, inclusive no ensino de graduao. Havia uma grande ausncia desses ca e prossionais no mercado. Na primeira turma formaram-se trs alunos sendo, dois e do curso de Matemtica e um do curso de F a sica. Esta primeira turma colou grau somente em 31 de outubro de 1969. O destino principal dos formandos desses cursos era o ensino, pois j histrico ae o esse tipo de prossional no ter nenhum status no mercado de trabalho. Alm da a e baixa remuneraao destinada ao professor, o desenvolvimento da pesquisa, aprec sentava pouca ou quase nenhuma produtividade acadmica; talvez, por isso, a Ese tat stica tenha sido deixada em segundo plano, sempre anexada a Departamentos de Matemtica em praticamente todas as Universidades brasileiras. a
2.5. Programas da Disciplina Estat stica no Curso de Matemtica e a F sica - Licenciatura Plena em Matemtica da Universidade Catlica de a o Gois a 36
2.5
Programas da Disciplina Estat stica no Curso de Matemtica e F a sica - Licenciatura Plena em Matemtica da Universidade Catlica de a o Gois a
A Lei de Diretrizes e Bases da Educaao Nacional (Lei no 9.394 de 20/12/1996) deu c enfoque radical aos programas curriculares, e favoreceu a criao pelo Ministrio ca e da Educao e Cultura (MEC) dos Parmetros Curriculares Nacionais (PCNs). ca a Nos PCNs, encontram-se destacadas sugestes para as nooes de Estat o c stica no ensino Fundamental, tendo por objetivo o tratamento de informaes, que inclui co coleta de dados, organizaao e descriao dos mesmos, bem como a identicaao de c c c comportamento aleatrio. o No s no passado, como no presente, os livros didticos assumiram e assumem a o a um papel importante nos processos de ensino e aprendizagem; sendo, `s vezes, rea ferncia no s para reformas curriculares, mas, principalmente, para a efetivaao e a o c do ensino em nosso pa Em muitos casos, o prprio livro didtico adotado como s. o a e programa e no como texto auxiliar; as ementas da disciplina Estat a stica tambm e sofrem essas inuncias, pode-se armar que os livros didticos so, incontestavele a a mente, instrumentos privilegiados no cenrio educacional brasileiro e internacional, a pois so eles que, verdadeiramente, ditam as normas no ensino e na aprendizagem a nas salas de aula; logo eles acabam sendo os is depositrios dos saberes provenie a entes das diferentes disciplinas escolares. Neste processo, os professores so substitu a dos, passando a ser apenas portadores dos contedos j expl u a citos nos livros didticos. Uma das grandes limitaoes a c neste sentido que estes livros foram constitu e dos para serem utilizados por per odos determinados e para clientes espec cos, em reas distintas do conhecimento; isso a
2.6. A Disciplina Estat stica no Curso de Matemtica e F a sica da Universidade Catlica de Gois - 1967 o a
37
signica que manuais escolares esto longe de conter as diversas aquisioes da pesa c quisa e expor as divergncias de investigaoes de escolas de todo mundo. e c
2.6
A Disciplina Estat stica no Curso de Matemtica a e F sica da Universidade Catlica de Gois o a 1967
Antes de a Estat stica compor o elenco das disciplinas do Departamento de Matemtica e F a sica, em 1967, os alunos deste curso j tinham recebido suas nooes a c na disciplina pedaggica Psicologia da Educao, estas noes foram ministradas o ca co durante o per odo de 1961-1966. Essas noes de estat co stica inseridas em uma outra disciplina que j gurava no a curr culo do curso de Matemtica, entendida que foi por falta, na poca, de uma a e e estruturao mais adequada do elenco de disciplinas desse curso. Para esclarecer esse ca in da disciplina Estat cio stica como disciplina autnoma, entrevistamos professores o que trabalharam na poca, neste curso. e Os professores entrevistados deram informaes sobre a histria e o in co o cio da disciplina Estat stica no curso de Matemtica e F a sica da Universidade Catlica o de Gois. Cada professor contou a sua verso sobre o assunto e que em s a a ntese obtivemos valiosas informaes, como as apresentadas a seguir: co Quando da criao do curso de matemtica da Faculdade de Filosoa Cincias ca a e e Letras integrante da ento Universidade de Gois, os cursos de Bacharelado com a a durao de 3 (trs anos) e Licenciatura em Matemtica (mais 1 ano de disciplinas ca e a pedaggicas) no contemplavam disciplinas na rea de Estat o a a stica. Existia uma disciplina de sociologia que abordava alguns tpicos de Estat o stica
38
Descritiva. Talvez, por essa motivao, resolveu-se incluir o estudo de Estat ca stica no curso de Bacharelado em Matemtica. A consolidao do estudo dessa disciplina a ca no curso de Matemtica, ocorreu por ocasio da Reforma Universitria a partir de a a a 1971. Os contedos das disciplinas, nem s de Estat u o stica, mas tambm dos outros e contedos, eram includos ` medida que o curso se desenvolvia e assim se formaria u a o elenco de disciplinas do currculo do curso de Matemtica e F a sica, em particular a Estat stica. Os contedos eram includos `s vezes, por informaes e inuncias de u a co e outras instituies que tambm tinham o curso, alm da grande inuncia do livro co e e e didtico. Esta forma de agir dentro do Departamento perdurou at 1967, quando foi a e denido o primeiro programa no muito estruturado da disciplina Estat a stica dentro do curso de Matemtica e Fsica da Universidade Catlica de Gois. a o a A disciplina Estatstica fez parte pela primeira vez como disciplina autnoma do o currculo do curso de Matemtica e Fsica da Universidade Catlica de Gois, em a o a 1967, sendo ministrada no terceiro ano do curso em regime seriado, com o nome de Estat stica Geral e Aplicada, com uma carga horria de (90 horas aula), e em cujo a programa constavam os seguintes contedos: u Estatstica Descritiva conceitos distribuio de freqncias ca ue sries estatsticas e representao grca ca a medidas de tendncia central e
2.6. A Disciplina Estat stica no Curso de Matemtica e F a sica da Universidade Catlica de Gois - 1967 o a medidas de disperso assimetria e curtose a
39
Anlise combinatria a o
arranjo combinao ca permutao ca correlao linear ca a regresso linear Noes de Nmeros Indices co u
Este programa foi ministrado no perodo de 1967-1972. Este programa foi inuenciado por outros programas j existentes em outras a instituies de ensino superior, pelos prprios professores, que trouxeram inuncia co o e da sua formao e, conseqentemente, da Universidade onde se formaram, alm da ca u e inuncia dos livros didticos que na poca era praticamente quem comandavam e a e os contedos dos programas das disciplinas. A Estat u stica foi ministrada como disciplina autnoma no 2o ano do curso em regime seriado com 90 horas aula. o Fazendo uma anlise de como foi inserido esse primeiro programa no curso de Maa temtica e F a sica da Universidade Catlica de Gois, pertinente observar a histria o a e o e a evoluao da Estat c stica como disciplina escolar, que teve um in bastante secio melhante e praticamente o mesmo percurso de como se tornou disciplina autnoma o no Brasil na Academia Real Militar, em 1810, onde era ministrada tambm dentro e de uma outra disciplina chamada Economia Pol tica.
40
A disciplina Estat stica foi se estruturando assim como quase todas as demais disciplinas que compunham o curr culo do curso de Matemtica e F a sica, buscando sempre um contedo satisfatrio que cobrisse as necessidades da poca. Neste per u o e odo, nenhum professor falou de estratgias e mtodos de ensino, estes contedos eram e e u ensinados exatamente como eles foram aprendidos. Programa da Disciplina Estatstica da Universidade Catlica de Gois - 1973 o a 1979 Algumas consideraoes sobre a disciplina Estat c stica na Universidade Catlica de o Gois, especialmente no curso de Matemtica. Ingressei na Universidade Catlica a a o de Gois em agosto de 1974, mediante concurso pblico, para lecionar Introduao a u c ` Estat a stica - I e Introduo ` Estat ca a stica - II, disciplinas que eram oferecidas pelo primeiro Ciclo de Estudos Gerais da Universidade, (antigo Bsico) atravs da a e coordenao do professor Jos Miguel. ca e Estas disciplinas eram obrigatrias em todos os cursos da Universidade catlica o o de Gois e possu a am 02 (dois) crditos cada uma delas, perfazendo um total de 60 e horas aula. O programa destas disciplinas apresentava apenas tpicos de Estat o stica Descritiva, assim distribu dos: Introduo ` Estatstica - I com 30 horas aula ca a
ca Introduo Arredondamento de dados nmeros - Conceitos de Estatstica u Fases do Trabalho estatstico
2.6. A Disciplina Estat stica no Curso de Matemtica e F a sica da Universidade Catlica de Gois - 1967 o a Sries estat e stica Representao Tabular das sries estat ca e sticas representao Grca ca a
41
Introduo ` Estatstica - II com 30 horas aula ca a
Medidas de tendncia e mdias, Moda e Mediana e Separatrizes ou Medida de Posio ca Quart Decs, e Cents ou percent s, s Medidas de disperso a Assimetria e Curtose
Os alunos do curso de Matemtica, nesta poca, alm destas duas disciplinas ainda a e e cursavam outra denominada Estatstica, com 04 crditos perfazendo um total de 60 e horas aula, cujo programa contemplava os tpicos o Noes de probabilidade co
Experimento aleatrio o Espao amostra c Eventos Denio de probabilidade ca Postulados e teoremas fundamentais
2.6. A Disciplina Estat stica no Curso de Matemtica e F a sica da Universidade Catlica de Gois - 1967 o a Probabilidade condicional e independncia e Varivel aleatria a o Funo de probabilidade ca Funo de distribuio ca ca ca Funo densidade de probabilidade Distribuies de probabilidades discretas e cont co nuas Mtodos estatsticos e
42
Fizemos a primeira reunio convocada pelo Departamento de Matemtica e F a a sica com pauta espec ca sobre a discusso do curr a culo dos cursos de Matemtica e a Fsica, nesta reunio foi dada grande nfase ` formao do conhecimento de Es a e a ca tat stica pelos alunos do curso de Matemtica, pois no havendo na regio graduao a a a ca nessa disciplina, os egressos do curso de licenciatura plena em Matemtica estariam a plenamente preparados para leciona- la nos cursos de 2o grau, pois alm do contedo e u adquirido, ainda tinham uma formao pedaggica. ca o O trabalho no primeiro Ciclo de Estudos Gerais com as duas disciplinas de Introduo ` Estatstica alm de mostrar execuo inovadora, muito contribuiu para ca a e ca o desenvolvimento e o fortalecimento das monitorias, onde preferencialmente os alunos do curso de Matemtica eram aproveitados. As turmas, naquela poca, cona e tavam com 70 alunos e, no incio de cada unidade em cada disciplina tinham uma preleo, nome que se dava a uma aula para as 03 turmas juntas, 210 alunos aproca ximadamente que tinham uma viso inicial sobre os tpicos que seriam tratados nas a o 04 aulas subseqentes. Nestas aulas trabalhavam-se os tpicos j apresentados na u o a metade do tempo disponvel, enquanto que o tempo restante era usado para trabalho
43
em grupo, onde os monitores atuavam juntamente com os professores responsveis a pelas turmas. Os resultados obtidos neste per odo foram altamente satisfatrios pois o alm de apresentar a Estatstica como disciplina instrumental para todas `s reas e a a do conhecimento, ainda permitiam aos professores do Departamento de Matemtica a e Fsica usar excelente campo de monitoria e estgio para alunos do curso de Ma a temtica com aptido e interesse pela rea de Estat a a a stica. Vrios foram os nossos alunos que, a partir destes contedos iniciados, tiveram a u uma outra opo de trabalho, pois, com a absoluta ausncia de especialistas da rea, ca e a comearam e se aperfeioaram em mdias e grandes empresas, no tratamento de inc c e formaes, controle de qualidade etc. Alm de se tornarem professores de estat co e stica, na Universidade Catlica de Gois e em outras Universidades. o a Analisando este programa da disciplina Estat stica no curso de Matemtica e a Fsica da Universidade Catlica de Gois e o seu per o a odo de vigncia, observae mos que a forma de abordagem dos contedos no primeiro Ciclo de Estudos Gerais u (Bsico) era bastante diferenciada. Entendemos que este processo tenha sido um a grande avano em termos de estratgia aliada a recursos pedaggicos dispon c e o veis, percebemos uma inovao no ensino desta disciplina bastante signicativo em terca mos de aprendizagem. O fato de uma mesma turma terem aula com todos os professores da equipe de estatstica entendemos que, para o per odo considerado, era uma estratgia positiva. e Um dos ramos da Estatstica que apresenta um grande grau de diculdade, dentro do conhecimento estatstico, a probabilidade pois, para seu clculo, so necessrios e a a a um bom conhecimento de Matemtica e um bom racioc a nio lgico. O mesmo acontece o com a parte inferencial, s estes fatores j constituem diculdades na aprendizagem, o a alm destes tpicos normalmente serem apresentados numa abordagem onde se leva e o
44
apenas em considerao a aplicao da modelagem matemtica, isto, sem dvida, ca ca a u e mais uma barreira para se entender a Estat stica. Em 1975, o curso de Matemtica muda novamente, passa a ser curso de Licena ciatura Plena em Cincias, reconhecido atravs do Parecer no . 473/75 de 06/12/75 e e do Conselho Federal de Educao (CFE), destinado a formao de professores para ca ca ensino do segundo grau, com durao mnima de 3 anos e mxima de 7 anos. A disca a ciplina Estat stica continua com o mesmo contedo, passando a gurar os cdigos: u o MAF 1411, MAF 1412. A disciplina Estatstica - I com Cdigo. MAF - 1411 contendo 4 crditos e 60 o e horas aula contemplava o seguinte programa:
Estat stica descritiva Probabilidade Experimento aleatrio o Espao amostra c Eventos Denies de probabilidade co Postulados e teoremas fundamentais Varivel aleatria a o Funo de probabilidade ca Funo de distribuio ca ca Funo densidade de probabilidade ca
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a Distribuies de probabilidades discretas e cont co nuas Varivel aleatria a o Distribuies discretas e contnuas co Teoria elementar da amostragem.
45
A disciplina Estatstica - II com Cdigo MAF - 1412 contendo com 4 crditos e 60 o e horas aula contemplava os tpicos: o Teste quiquadrado ajuste de curvas Teoria da correlao ca Anlise de sries temporais a e Nmeros u ndices.
2.7
Programa da Disciplina Estat stica do Curso de Matemtica - Habilitao em Matemtica a ca a
Quando o nome do curso foi alterado de Licenciatura Plena em Matemtica para a Habilitao em Matemtica houve mudanas no perl do curso e conseqentemente ca a c u na organizao dos seus contedos e na forma de ministr-los, diferenciada daquela ca u a ensinada no primeiro Ciclo de Estudos Gerais. A Estat stica descritiva se transformou em: Introduo ` Estatstica - I Cdigo - MAF 1401 com 2 crditos e 30 horas aula, ca a o e e apresentava os seguintes contedos: u Generalidades
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a Organizao da estatstica no mundo e no Brasil ca Apresentao das grandezas usadas em estat ca stica Metodologia do trabalho estat stico As sries estatsticas e Representao grca das sries estatsticas. ca a e
46
Introduo ` Estatstica-II Cdigo. MAF 1402 com 2 crditos e 30 horas aula, ca a o e e apresentava os seguintes contedos: u
Introduo e interseo de conjuntos ca ca Representao grca da reta e da parbola ca a a Tabulao de dados ca e Medidas de tendncia central para valores isolados e agrupados Distribuio de freqncias ca ue Medidas de posio ca Medidas de disperso a Assimetria e curtose
Numa outra disciplina estatstica com 4 crditos e 68 horas aula havia: e Probabilidade
o Experimento aleatrio
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a Espao amostra c Eventos Denio de probabilidade ca Postulados e teoremas fundamentais Probabilidade condicionada e independncia e Variveis aleatrias a o Funo de probabilidade ca Funo de distribuio ca ca Funo densidade de probabilidade ca Distribuies de probabilidade discretas e cont co nuas
47
Mtodos Estatsticos. e Em 1987, o curso muda novamente para curso de Matemtica e a partir desse a novo perl muda-se a organizao dos contedos e conseqentemente o curr ca u u culo. A disciplina Estatstica passa a ter 6 crditos e 90 horas aula com Cdigo MAF e o - 2425, cujo programa tinha os tpicos: o
Experimento aleatrio o Espao amostral c Eventos Denies de probabilidades co
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a Probabilidades condicionada e independncia e Variveis aleatrias discretas e contnuas a o Funes de probabilidade co Funo densidade de probabilidade e de distribuio ca ca Distribuies de probabilidades discretas e cont co nuas.
48
A disciplina Estatstica Matemtica - Cdigo MAF - 2432 com 4 crditos e 60 a o e horas aula, cujo programa era:
Sries estat e sticas Representao grca ca a e Medidas de tendncias central Medidas de posio ca Medidas de variabilidade ou disperso a Noes de amostragem co Distribuies amostrais co Intervalos de conana c Testes de hipteses o Noes de sries temporais co e Correlao ca
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a Regresso linear simples e mltipla a u Anlise de varincia. a a
49
Este curso de Matemtica para a situao atual da disciplina Estat a ca stica, entendemos que na parte de reorganizao dos contedos foi bastante signicativo, pois ca u proporcionou um conhecimento m nimo da Estat stica Descritiva, da probabilidade e da parte inferencial. Com isto, o curso passou a ter um programa mais adequado na graduao em Matemtica. ca a A importncia destes contedos com a nova reorganizao e o novo curr a u ca culo, entendemos ter grande importncia pelo fato destes contedos serem capazes de sua u prir parte das necessidades do mercado de trabalho em todos os seus setores, e de se tornar, tambm, uma das opes para se atuar como professor de Estat e co stica no Ensino Superior. Embora o curso de Matemtica atualmente tenha na disciplina Estat a stica um contedo bastante expressivo, entendemos ser apenas parte do problema solucionado u desta disciplina, ainda necessrio muito, principalmente na sua forma de conduo e a ca relacionando-a com as necessidades do cotidiano. E necessrio superar o enfoque tradicional e empirista normalmente utilizado a pelos professores desta disciplina. A necessidade da introduo de um pensamento ca terico para provocar mudanas qualitativas dentro de um pensamento estat o c stico, cumprindo assim parte do papel do ensino e propiciando mudanas no aluno na c forma de aprendizagem. Na realidade, uma grande parte das aulas de Estat stica hoje dada num enfoque bastante acadmico, numa abordagem distante da realidade, e e usando apenas modelagem matemtica, isto faz da disciplina algo sem signicado e a vista como um grande problema para os cursos de graduao, mesmo nos cursos de ca
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a cincias naturais. e
50
Entendemos que houve melhora na forma de ministrar estes contedos e vrios u a fatores contriburam para tanto, um deles foi a qualicao de alguns professores ca nesta rea, isto provocou e provoca melhoria em todos os aspectos, inclusive na a parte pedaggica e, em conseqncia na aprendizagem. o ue Assim, consideramos necessrio incluir em nossa entrevista uma segunda pera gunta: as mudanas implantadas na disciplina estat c stica contribu ram para a melhoria do ensino no curso de Matemtica? a Acredito que ao longo deste per odo em que ocorreram mudanas tanto na parte c de contedo quanto na estratgia e, tambm, na parte pedaggica houve uma evoluo u e e o ca natural, principalmente na organizao mais adequada dos contedos, isto de uma ca u certa forma facilitou em parte a forma de ensinar esta disciplina. Porm, um dos e grandes problemas que o Departamento de Matemtica e F a sica da Universidade Catlica de Gois sempre enfrentou e enfrenta, a falta de prossionais qualicao a e dos que conduza esta disciplina de uma forma mais adequada com as necessidades do mundo atual. Ainda continuamos em parte ensinando a Estat stica nos mesmos moldes de quando ela foi introduzida no curso de Matemtica e F a sica da Universidade Catlica de Gois. o a Entendemos que isto tudo apenas parte do problema no ensino da Estat e stica, mas para melhorar o ensino ainda falta muito. Segundo Leontiev toda ao huca mana est orientada para um objeto, ento entendemos que o desenvolvimento desses a a contedos dever ser direcionado para o pensar e o aprender, pois so procedimentos u a a lgicos que permitem a aprendizagem. o No captulo III, vamos desenvolver um tpico introdutrio de probabilidade que o o
2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a
51
entendemos ser parte do contedo bsico para um curso de graduao que contemple u a ca probabilidades, envolvendo as duas correntes de pensamento, clssico e Bayesiana. a
Cap tulo 3 O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE

A Estatstica compreende trs grandes ramos: a estat e stica descritiva, as probabilidades e a estatstica indutiva ou inferencial. Seja qual for o ramo, a sua im portncia no tratamento de dados, principalmente numa abordagem quantitativa, a e evidente. Aqui, vamos fazer algumas referncias introdutrias aos fundamentos da e o probabilidade e da inferncia (Stevenson, 1986, p. 2-3). e A estruturao formal da Estat ca stica se deu, principalmente, no sculo XX com e Galton, Pearson e Fisher. Dessa evoluo e desenvolvimento, j mencionamos no ca a captulo I, agora, nosso foco a abordagem da noo bsica de inferncia clssica e ca a e a e Bayesiana que o enfoque principal deste cap e tulo, quando estaremos apresentando alguma tcnica de inferncia com exemplos prticos apresentados em situaes e e a co reais, e com uma abordagem probabil stica que foi o eixo de parte deste trabalho. Lembrando que, normalmente, a inferncia apresentada como disciplina escolar e e tambm sob o aspecto de estimao e testes de hipteses, que no faro parte deste e ca o a a trabalho, alm de outros tratamentos da inferncia, como a anlise de deciso. e e a a Neste captulo, a idia desenvolver a parte da inferncia que englobe um ra e e e 52
3.1. Inferncia Estat e stica
53
cioc nio simples e que trate do processo de sair do particular e inferir para o todo, como nos prprios conceitos de inferncia estat o e stica que abordaremos.
3.1
Inferncia Estat e stica
Inferncia ou induo refere-se ao processo de racioc e ca nio pelo qual partindo-se de uma parte, procura-se tirar concluses sobre o todo. Ou, o processo, segundo o o qual partindo-se das informaes contidas em uma amostra selecionada de uma co populao de interesse, procura-se tirar concluses sobre certas caracter ca o sticas da populao. ca Em quase todas as atividades defrontamo-nos com situaes reais presentes, nas co quais temos de conseguir ou concluir sobre algumas situaes que no estejam no co a presente. Esse processo de se chegar a uma idia do que est ausente na base do que e a est presente a inferncia. O que est presente leva ou conduz o esp a e e a rito da idia e a ` aceitao dessa situao. Toda inferncia, justamente, por ultrapassar os fatos ca ca e incontestveis e conhecidos, fornecidos seja pela observao seja pela lembrana de a ca c conhecimento anterior, contm um salto do conhecido para o desconhecido; um salto e alm do que dado e j estabelecido. A inferncia ocorre por intermdio ou atravs e e a e e e da sugesto despertada pelo que visto e lembrado. a e
3.2
Inferncia Estat e stica Clssica e Bayesiana a
A partir de 1930, a Inferncia Estatstica teve entre as dcadas de 30 e 60, um e e destacado desenvolvimento ao enfoque clssico. No entanto, a partir de 1960 surgiu a
3.2. Inferncia Estat e stica Clssica e Bayesiana a
54
um outro marcante desenvolvimento da inferncia Bayesiana, marcada principale mente pela cr tica ao enfoque clssico (Bekman, 1980, p. 91). a A partir de 1950, embora grande parte dos estat sticos manteve a opinio de que a a probabilidade de sucesso da ocorrncia de um evento, como medida da incerteza e associada ao mesmo, era uma probabilidade objetiva inerente a esse sucesso em si, a partir de 1960, a forma de interpretao da probabilidade como uma medida ca subjetiva toma corpo com grande fora. c Esta forma de interpretao teve como suporte a utilizao sistemtica baseada ca ca a no teorema de Bayes e, conseqentemente, d lugar ` inferncia Bayesiana, ou, u a a e mais geralmente, ` parte da teoria da deciso que se baseia no chamado critrio de a a e Bayes. A idia de incorporar a opinio subjetiva do pesquisador, anteriormente ` seleo e a a ca da amostra sobre o parmetro populacional da informao fornecida pelos dados a ca amostrais, deu origem a esse novo impulso na inferncia estat e stica que chamada e inferncia Bayesiana. Foi Thomas Bayes, lsofo ingls do sculo XVIII, quem e o e e primeiramente deu essa grande idia, que, devido ` sua grande originalidade cone a siderada nova e revolucionria, deu origem a um novo paradigma de inferncia a e estatstica. A inferncia Bayesiana um enfoque alternativo de forma diferenciada da ine e ferncia usualmente dada nas disciplinas do curso de graduao, e que vem sendo e ca bastante difundida pela escola Bayesiana. E um enfoque que calcula probabilidades a posteriori a partir do conhecimento das probabilidades a priori. Esse novo mtodo se e contrape signicativamente aos mtodos clssicos ou freqentistas, o qual usado o e a u e com regularidade em todos os programas da disciplina Estat stica em cursos de gra-
3.2. Inferncia Estat e stica Clssica e Bayesiana a duao. ca
55
A problemtica losca da inferncia estat a o e stica, de um modo geral, surge de alguma forma da grande diculdade de se justicar o racioc nio indutivo e, portanto, do carter de sua consistncia nas teorias cient a e cas obtidas a partir deste mesmo racioc nio. Em qualquer cincia experimental h sempre um conjunto de proposies nee a co cessrias para que o corpo cientco dessas proposies seja considerado como vera co dadeiro. Na realidade, um novo conhecimento pode ser produzido pelo processo de inferncia estatstica. Neste processo, so utilizados dois tipos de racioc e a nios: no racioc nio dedutivo, a concluso est sempre contida nas premissas anteriormente a a feitas, a armativa que se partimos de um conhecimento considerado verdadeiro e obtemos outro conhecimento tambm verdadeiro; em contraposio, no racioc e ca nio indutivo, a concluso atropela o poder de armao das premissas, conseqentemente, a ca u esse fator poder levar ` falsidade da concluso considerada verdadeira (Rivadula, a a a 1991, p. 17-36). A anlise estatstica de dados com aplicao dos mtodos denominados clssico a ca e a ou freqentista usada constantemente no ensino de graduao. A inferncia Bayeu e ca e siana feita por um raciocnio indutivo, que fornece uma concluso mais geral do e a que os contidos nas premissas, concluso essa que pode ser falsa mesmo que as prea missas sejam verdadeiras. O princ pio dedutivo, o chamado racioc e nio lgico, pois o a partir de premissas verdadeiras chega-se a uma concluso verdadeira, ou seja, ina ferncia dedutiva sempre conclusiva, enquanto que a inferncia indutiva sempre e e e e inconclusiva (Rivadula, 1991, p. 30). Carl Pearson foi um dos pioneiros em aplicaes prticas da estat co a stica inferen-
3.3. Inferncia Estat e stica Numa Disciplina Introdutria no Curso de o Graduao ca 56 cial, alm de estabelecer a relao entre a estat e ca stica descritiva e a probabilidade, com o uso das mdias, da varincia e do coeciente de correlao para fazer inferncias e a ca e acerca das distribuies bsicas de probabilidade. co a Com a estatstica convencional, a unica incerteza admitida para a anlise uma a e incerteza amostral. A aproximao bayesiana oferece um guia balanceador com um ca amlgama de recursos estabelecidos por pesquisadores que aplicam uma anlise real a a (Reneau, 1994, p. 957).
3.3
Inferncia Estat e stica Numa Disciplina Introdutria no Curso de Graduao o ca
Vamos fazer uma abordagem de alguns tpicos de estat o stica inferencial, uma vez que entendemos fazer parte de um programa bsico e necessrio para a mensurao a a ca do risco que corremos geralmente numa tomada de deciso em um enfoque probaa bilstico. E pela importncia das probabilidades na inferncia, vamos introduzir o a e raciocnio tanto clssico quanto Bayesiano na soluo de algumas situaes reais do a ca co cotidiano, claro, levando em conta a grande diculdade normalmente apresentada e pelos alunos nessa disciplina. A forma como vamos abordar a probabilidade defendida tanto pelas inferncias e clssica quanto pela da inferncia Bayesiana, um caminho para se ministrar um a e e curso introdutrio de inferncia a alunos que no tiveram nenhum contato com esse o e a tipo de raciocnio. Aqui, o enfoque que daremos ` probabilidade a da teoria lgica, a e o segundo Laplace. Ou seja, a probabilidade de um evento como sendo a razo entre a o nmero de casos favorveis e o nmero de casos poss u a u veis. Essa foi a denio de ca probabilidade dada pelo prprio Laplace. o
3.4. Probabilidade
57
3.4
Probabilidade
Aparentemente, deveria ser muito fcil dar uma denio de probabilidade. De a ca fato, relativamente fcil, matematicamente denir as propriedades de uma funo e a ca de probabilidade, ou seja:
a) Fica num intervalo de zero a um. b) Soma-se ou integra-se a um. e a c) A soma ou integral da probabilidade de eventos dispersos igual ` probabilidade da unio desses eventos. a
A freqente interpretao estat u ca stica de probabilidade essa, pela qual a freqncia e ue relativa est limitada ao comportamento de um resultado no-determin a a stico ou numa observada poro de uma populao. Essa idia foi delineada antes de Laplace, ca ca e quando se deniu como um nmero de casos a favor sobre seu nmero total. Assim, u u se pudssemos simplesmente repetir o experimento ou observar o fenmeno, algumas e o vezes necessrio, perceber-se-ia qual a provvel reincidncia. Esse um bom camia a e e nho para reetir sobre probabilidade, mas o insucesso que freqentemente no e u a e possvel obter um nmero compatvel exatamente igual ao sistema gerador do evento u (KENDALL, 1949; PLACKET, 1966). O clculo de probabilidade um conhecimento matemtico que se presta ao esa e a tudo de fenmeno aleatrio-probabil o o stico. Nesses fenmenos, o resultado de um o experimento no pode ser previsto com certeza, mas , em geral, capaz de relacionar a e todos os resultados possveis de ocorrer.
3.5. Denio de Probabilidade ca
58
3.5
Denio de Probabilidade ca
A denio clssica de probabilidade baseia-se no conceito primitivo de resultados ca a igualmente provveis. Consideremos um experimento aleatrio com um nmero a o u nito de resultados. Suponhamos que, por alguma razo de simetria, por exemplo, a passamos a atribuir a mesma chance de ocorrncia a cada um dos pontos amostrais. e Do ponto de vista clssico, a probabilidade de um evento a razo entre o nmero a e a u de resultados favorveis ao evento e o nmero total de resultados poss a u veis. Intuitivamente, a probabilidade de um evento uma medida de nossa certeza a e respeito de uma ocorrncia. Representa, pois, nosso grau de crena no resultado, e c podendo ser de natureza objetiva ou subjetiva. Porm, a denio de probabilidade e ca e um assunto que ainda tem muito a render, por ser objeto que comporta interpretaes co distintas. A incerteza quanto a eventos futuros, realidade que enfrentamos cotidianamente, sempre exerceu verdadeiro fasc nio sobre a mente humana. Talvez, por isso, os jogos de azar tenham sido to cultuados desde a mais remota antiguidade. Neste a contexto, surgiu a primeira denio de probabilidade, como citada acima; existem ca muitos outros conceitos e denies de probabilidade, que certamente em seu cerne co no se distanciaro muito da prpria denio de Laplace (Bekman, 1980, p. 6-7). a a o ca
3.6
Notaes e Denioes co c
a) Experimento - um ensaio cient e co destinado ` vericao de um fenmeno a ca o f sico. b) Espao amostral - um conjunto formado por todos os resultados poss c e veis,
3.7. Probabilidade Condicionada e Eventos Independentes quando da realizao de um experimento aleatrio. Notao:S. ca o ca
59
c) Evento - todo e qualquer subconjunto de um espao amostral. E um subconjunto e c de resultados possveis. d) Eventos complementares. Notao: A , os eventos A e B so chamados compleca a mentares se, e somente se, A B = (evento imposs vel) e A B = S(evento certo). e) Probabilidade de um evento A , Notao:P (A). ca
De acordo com a denio clssica de probabilidade, ento: ca a a m onde m o nmero de resultados poss e u veis do evento A e n o e n nmero total de resultados poss u veis.
f ) P (A) =
P (A) ainda satisfaz os axiomas:
g) 0 P (A) 1; h) P (S) = 1; i) o conjunto vazio e P () = 0 a probabilidade do evento imposs e e vel
3.7
Probabilidade Condicionada e Eventos Independentes
O estabelecimento de uma probabilidade est, em geral, diretamente relacionado com a o estado da informao dispon ca vel. E muito freqente o caso em que o estado de u informao modicado pela ocorrncia de algum outro evento relacionado com o ca e e
3.8. Leis de Bayes
60
experimento em questo. Estamos interessados em calcular a probabilidade de um a evento quando outro evento j ocorreu. E claro, que o evento ocorrido nos trar a a novas informaes para que possamos calcular a probabilidade desse outro evento co ocorrer. Suponhamos, para efeito de raciocnio, que desejamos a probabilidade de um evento A que designamos por P (A) a probabilidade desse evento, atribu apenas da com o conhecimento da mecnica do experimento correspondente. Se, entretanto, a recebermos a informao de que um outro evento B ocorreu, essa modicao de ca ca estado de informao poder levar-nos a reavaliar a probabilidade do evento A por ca a um novo valor dado por P (A/B), chamamos isso de probabilidade condicional do evento A dado B. Denotando por P (A) uma probabilidade que corresponde ao estado inicial de informao sobre o experimento, podemos denir corretamente pelas ca chamadas leis de Bayes, como a seguir.
3.8
Leis de Bayes
Sejam A, B, C etc. eventos, ento: a P (A/B) = P (A B) , seP (B) > 0. P (B)
Analogamente, temos que: P (B/A) = P (A B) , se P (A) > 0. P (A)
Das expresses acima, resulta imediatamente a regra do produto que nos ensina a o calcular a probabilidade do evento interseco: ca P (A B) = P (A)P (B/A) = P (B)P (A/B). (I) Nota-se que a ordem de condicionalidade indiferente para o clculo da probabilidade e a do evento interseco. ca
3.8. Leis de Bayes
61
H de se considerar, tambm, o caso de eventos cuja ocorrncia no afeta o a e e a valor da probabilidade em que estamos interessados. Ou seja, sua ocorrncia repree senta uma contribuio irrelevante ao estado de informao do ponto de vista da ca ca probabilidade do evento que temos em mente. Ento, se P (A/B) = P (A) , o evento A dito estatisticamente independente a e do evento B . Isso implica que B tambm ser estatisticamente independente de A, e a pois, ento podemos escrever: a P (B/A) = P (A/B) P (A B) = P (B) = P (B) P (A) P (A)
P (B/A) = P (B), implica em P (A/A) = P (A). Podemos dizer simplesmente que os eventos A e B so independentes. Nas a condioes de independncia estat c e stica, a regra do produto se simplica, tornando-se: P (A B) = P (A)P (B), ou para vrios eventos: a P (A1 A2 ... Ai ) = P (A1 )P (A2 )...P (Ai ). Deve-se notar que a independncia de eventos funo do estado de informao. e e ca ca Alternando-se o estado de informao, os eventos referidos acima podero deixar de ca a ser independentes. Se A1 , A2 , ..., Ai so eventos mutuamente exclusivos, ento: P (A1 A2 ) = P (A1 )+ a a P (A2 ), e para - eventos tem-se:
P (A1 A2 ... Ai ) = P (A1 ) + P (A2 ) + ... + P (Ai )(II) O pensamento central da teoria Bayesiana foca-se na idia de condicionalidade. e Esse um princpio bsico da estatstica Bayesiana que ns utilizamos em nossas e a o probabilidades, observando-se novas e relevantes informaes. co
3.9. Lei da Probabilidade Total
62
Se denimos uma probabilidade condicional diferente na qual ocorre primeiro, ento: a P (B/A) = P (A B) , se P (A) > 0. P (A)
Porque se a probabilidade de A e B ocorrer, igual a probabilidade de B e A e ocorrer, (P (A B) = P (B A)) , ento juntos podemos reavaliar e ver o que se a segue: i) P (A B) = P (A/B)P (B); ii) P (A B) = P (B/A)P (A); iii) P (A/B)P (B) = P (B/A)P (A); iv) P (A/B) = v) P (A/B) = P (A) P (B/A); P (B) P (B/A)P (A) . P (B)
No item (iv), a ultima linha representada pela lei de BAYES. Isso , real e e mente, um princpio no qual inverte-se a probabilidade condicional. Nota-se que poder amos entender facilmente como P (B/A) desse item, transfere a probabilidade incondicional para a sobra da ultima igualdade.
3.9
Lei da Probabilidade Total
Sejam A1 , A2 , ..., An eventos mutuamente exclusivos (constituindo, ento, uma partio) a ca e B um evento qualquer de S. Esses eventos podem ser simbolicamente representados num diagrama de Venn, em que supomos que a rea correspondente a cada a evento numericamente igual a sua probabilidade. Vejamos o diagrama seguinte na e Figura 4.1.
3.9. Lei da Probabilidade Total
63
Figura 3.1: Figura -Diagrama de Venn A coleo de eventos A1 , A2 , ..., An dene uma distribuio de probabilidades, ca ca signicando que um e somente um desses eventos ir ocorrer respectivamente com a probabilidades P (A1 ), P (A2 ), ..., P (An ), cuja soma unitria. e a De acordo com o diagrama de Venn, Figura 3.1 temos que: B =
n i=1 (Ai
B).
Logo, sendo as interseces Ai B mutuamente exclusivas, temos de (II) que: co

n
P (B) =
i=1
P (Ai B).(III)
Equivalentemente aplicando (I), podemos escrever:

n
P (B) =
i=1
P (Ai )P (B/Ai ).(IV )
3.10. Teorema de Bayes Se n = 2, podemos fazer Ai = A e A2 = A, e ainda podemos escrever: P (B) = P (A)P (B/A) + P (A)P (B/A)(V )
64
As expresses (III), (IV) e (V) exprimem a chamada lei da probabilidade total. Veo mos pela expresso (IV) que essa lei nos ensina a obter a probabilidade incondicional a de um evento conhecidas todas as suas probabilidades condicionais aos poss veis resultados da partio A e as probabilidades incondicionais desses resultados. Isso ca facilita o estudo de situaes em que, primeiramente, um e somente um entre os reco sultados A1 , A2 , ..., An ocorrer e, posteriormente, um resultado de interesse ocorrer a a ou no. a
3.10
Teorema de Bayes
Podemos obter cada probabilidade particular pela aplicao direta da expresso P (A/B) = ca a P (A B) , com P (B) > 0, ou seja: P (B) P (Ai /B) = P (Ai /B) = temos: P (Ai /B) =
n i=1
P (Ai B) , P (B) > 0 (VI), ou usando (III) P (B)

n i=1
P (Ai B) , (VII), usando novamente a expresso (I) a P (Ai B) P (Ai )P (B/Ai ) .(V III) P (Ai )P (B/Ai )
As expresses (VI), (VII), (VIII) so equivalentes e encerram a mesma idia. A o a e expresso (VIII) , geralmente, apresentada como o teorema de Bayes. a e O teorema de Bayes torna-se relevante quando consideramos as probabilidades P (Ai ) como sendo representativas de um certo estado inicial de informao, que ca se modica to logo chegue ao nosso conhecimento a ocorrncia de um evento B, a e
3.11. Algumas Tcnicas de Inferncia Estat e e stica
65
pois tal informao alterar o nosso conhecimento a respeito das probabilidades de ca a ocorrncia dos eventos Ai . e Para Finetti (1930), tanto o teorema de Bayes quanto toda a inferncia Bayesie ana que se obtm generalizando ou desenvolvendo o teorema de Bayes, um instrue e mento adequado para obter um conhecimento indutivo, pois as probabilidades iniciais podem ser transformadas em probabilidades nais ` luz dos sucessos observados. a
3.11
Algumas Tcnicas de Inferncia Estat e e stica
Aqui, o principal objetivo descrever atravs das tcnicas inferenciais exemplos e e e que normalmente so desenvolvidos numa disciplina introdutria num curso de graa o duao, em cursos que contemplam a probabilidade. No entanto, vamos trabalhar ca com alunos sem nenhuma noo de inferncia e pesquisa, como de praxe em praca e e ticamente todas as universidades brasileira ao atendimento dos programas da disciplinas introdutrias de probabilidade e Estatstica que trata de inferncia. o e Normalmente, a inferncia estatstica apresentada aos alunos de graduao sob e e ca dois pontos de vista distintos: Da estimao - nesta abordagem feita uma especulao da inferncia a resca e ca e peito do comportamento das caractersticas de uma populao. ca Testes de hipteses - nesta abordagem o pesquisador tem motivos para estabeleo cer hipteses associadas a valores de interesse para os parmetros em questo; o a a este tpico no foi includo como objeto de estudo de nosso trabalho. o a Neste texto, sero apresentados exemplos de aplicao da teoria Bayesiana e da a ca teoria clssica, que normalmente so apresentadas aos alunos de graduao numa a a ca
3.12. Exemplo de Aplicao da Lei de Bayes ca disciplina introdutria de estatstica envolvendo probabilidades. o
66
No desenvolvimento de cada exemplo, vamos observar o comportamento de cada mtodo e em que diferem os mtodos clssico e Bayesiano, e que concluses podemos e e a o inferir sobre os mtodos. e
3.12
Exemplo de Aplicao da Lei de Bayes ca
O exemplo de aplicao seguinte foi adaptado de Bekaman e Neto (1980). Um ca instituto especializado em meteorologia acerta 90% dos dias em que chove e 95 % dos dias em que no h chuva. Sabe-se que chove em 10% dos dias. Na previso a a a feita em dado dia, qual a probabilidade de Chover? Consideremos os eventos:
A Chove no dia em que foi feita a previso. a a A No chove no dia em que foi feita a previso. a B O instituto faz previso de chuva. a B O instituto faz previso de no chover. a a
Podemos escrever pelas leis de Bayes as probabilidades: P (B/A) ento, P (B/A) = 0, 10 a P (B/A = 0, 95 ento, P (B/A) = 0, 05 como chove em 10% dos dias, ento: a a P (A) = 0, 10 ento P (A) = 0, 90 a pela lei da probabilidade total, temos: P (B) = P (A B) + P (A B) = P (A)P (B/A) + P (A)P (B/A
3.13. Estimao Por Ponto e Por Intervalo ca substituindo os valores dos eventos, P (B) = 0, 10.0, 90 + 0, 90.0, 05 P (B) = 0, 09 + 0, 045 = 0, 1350
67
0,1350 a probabilidade de haver previso de chuva, independente do real estado e a da natureza. Pelo teorema de Bayes, temos: P (A/B) =
P (AB) P (B)
0,09 0,1350
= 0, 6667 ou 66,67% que a probabilidade de chover. e
Podemos observar que embora o instituto seja convel, a probabilidade de uma a previso de chuva estar correta menos de 70%. a e Em compensao, podemos observar que a probabilidade de que uma previso de ca a no chover esteja certa : a e P (A B) = P (A)P (B/A) = 0, 10.0, 10 = 0, 010 P (A B) = P (A)P (B/A) = 0, 90.0, 95 = 0, 855 P (B) = P (A B) + P (A B) = 0, 010 + 0, 855 = 0, 865 P (A B) 0, 855 P (A/B = = = 0, 9884 ou 98, 84% 0, 865 P (B) Pois, a probabilidade de chover no dia em que foi feita a previso 0,09 e de a e no chover de 0,01. No entanto, a probabilidade do instituto fazer previso e no a e a a chover de 0,045 e a probabilidade de no chover de 0,95. e a e
3.13
Estimao Por Ponto e Por Intervalo ca
A estimao um processo que consiste em utilizar dados amostrais para estimar ca e os valores de parmetros populacionais desconhecidos. Essencialmente, qualquer a caracterstica de uma populao pode ser estimada a partir de uma amostra aleatria. ca o
3.14. Exemplo de Estimao Pontual ca
68
Entre os mais comuns, esto a mdia e o desvio padro de uma populao e a a e a ca proporo populacional. ca H inmeras aplicaes da estimao, elas podem ser pontuais e intervalares, as a u co ca estatsticas amostrais so utilizadas como estimadores de parmetros populacionais. a a Assim, uma mdia amostral usada como estimativa de uma mdia populacional, a e e e proporo de itens de uma amostra de determinada caracter ca stica da populao serve ca para estimar a proporo da populao que apresenta aquela caracter ca ca stica. Tais estimadores chamam-se estimadores pontuais, porque originam uma unica estimativa do parmetro. Porm, sabe-se que a amostragem aleatria apresenta tendncias a e o e a gerar amostras em que a mdia amostral, por exemplo, no igual ` mdia da e a e a e populao, embora os dois valores, em geral, sejam prximos. Em virtude da vaca o riabilidade amostral, usual incluir uma estimativa intervalar para acompanhar a e estimativa populacional. As capacidades de estimar parmetros populacionais por meio de dados amostrais a est ligada diretamente ao conhecimento da distribuio amostral da estat a ca stica, que est sendo usada como estimador. A seguir, daremos exemplo de estimao pontual, a ca envolvendo as estat sticas clssica e Bayesiana. a
3.14
Exemplo de Estimao Pontual ca
A proposta desse exemplo foi mostrar uma adaptao de Albert (1996, p. 77). Como ca exemplo de estimao pontual, vamos tentar obter a ecincia de um sistema de teca e lefonia em uma empresa do ramo. Consideremos apenas o indicador ligaes comco pletadas no sistema de telefonia pelos usurios. Vamos denir ligao completada a ca como sucesso e ligao no completada como no-sucesso, sendo P a probabilidade ca a a
3.14. Exemplo de Estimao Pontual ca de acerto (ligao completada). ca
69
Suponhamos que foram realizadas 40 chamadas no sistema de telefonia. Dessas, foram completadas 30 ou o nmero de sucessos tenha sido 30 delas. u Temos, = p
30 40
= 0, 75
Esta soluo no utiliza informaes ou opinies prvias do pesquisador com ca a co o e conhecimento do assunto; essa uma das divergncias entre o mtodo clssico e o e e e a Bayesiano. Vejamos a soluo do mesmo problema pelo processo de inferncia Bayesiana. ca e Consideremos que P possa assumir quaisquer valores de uma distribuio cont ca nua [0,1], ou que assuma valores numa distribuio discreta de probabilidades. Em quaisca quer dos casos, esta distribuio chamada a priori. Neste exemplo, vamos consica e derar as seguintes probabilidades chamadas a priori sendo:
P = 0,60 considera o sistema ruim. P = 0,70 considera o sistema regular. P = 0,80 considera o sistema bom. P = 0,90 considera o sistema timo. o E bom saber que poderiam ser atribudos outros valores para a classicao do ca sistema. O termo distribuio signica aqui, o conjunto de valores assumidos por P e suas ca respectivas probabilidades de ocorrncia. Atribuindo probabilidades aleatoriamente e e respectivamente iguais aos valores j denidos 0,60 0,70 0,80 e 0,90 para os valores a
70
de P, como por exemplo: 0,25 esta distribuio a priori denida pelas probabilidades ca de 0,25 poderia ter sido outra. Probabilidades (p): 0,25 0,25 0,25 0,25. Valores atribudos de P: 0,60 0,70 0,80 0,90. Suponhamos que desejamos estimar um determinado parmetro de uma populao a ca com base nos resultados de uma amostra aleatria. O princ o pio da mxima verosa similhana da estat c stica clssica, recomenda que se adote como estimativa para o a parmetro o valor, que maximiza a funo de verossimilhana do resultado amostral a ca c obtido. A principal crtica que se pode fazer a esse princ pio, o fato de ignorar por e completo qualquer informao existente antes da realizao do experimento. ca ca O procedimento da inferncia Bayesiana leva em conta a informao inicial e ca e tambm o resultado experimental. Portanto, o princ e pio da mxima verossimia lhana encontra seu melhor campo de aplicao quando no se dispe de informaes c ca a o co prvias relevantes. e Vamos obter o estimador (isto , a quantidade a ser usada na estimao) de e ca mxima verossimilhana para a proporo de sucessos em uma populao. Foi adoa c ca ca tado o procedimento de amostragem binomial, isto , vericado o nmero r de sue u cessos em n observaes aleatrias. A funo de verossimilhana dada pela proco o ca c e babilidade de se obterem r sucessos em n observaes, sendo P a proporo real de co ca
n
sucessos, ou seja:
r xP r (1 P )nr (Bekman e Neto, 1980, p. 97-98).
A estimativa pontual do sucesso para o exemplo seguinte dado pela verossimie lhana associada, e pode ser escrita da seguinte forma:P 30 .(1 P )10 . c - Agora vamos calcular a distribuio a posteriori para os valores de P com suas ca
3.14. Exemplo de Estimao Pontual ca respectivas probabilidades. Pelo teorema de Bayes podemos escrever:
71
- Distribuio a posteriori = distribuio a priori x verossimilhana, ento temos: ca ca c a P (p = 0, 60)/ foram observados 30 sucessos) = P (p = 0, 60)xP (30sucessos/p = 0, 60)/P (30sucessos), ou seja: 0, 25.0, 630 .0, 410 E[0, 60] = = 0, 0807 (0, 25(0, 630 .0, 41 0 + 0, 730 0, 310 + 0, 830 0, 210 + 0, 930 0, 110 )) E[0, 70] = 0, 25.0, 730 .0, 310 = 0, 4633 (0, 25(0, 630 .0, 41 0 + 0, 730 0, 310 + 0, 830 0, 210 + 0, 930 0, 110 )) E[0, 80] = 0, 4413 E[0, 90] = 0, 0147 Esta probabilidade a posteriori de 0,0807 ou 8,07% relativa ao valor de P = 0, 60 muito menor do que aquela a priori (0,25). Isto signica que a evidncia amostral e e diminui a chance do valor de P = 0, 60, ou seja, com a quantidades de sucessos de 30 chamadas completadas em 40 realizadas, o sistema teria menos chance de ser considerado ruim, de acordo com as distribuies denidas a priori. co Os demais valores so calculados de forma idntica, encontrando a seguinte disa e tribuio: ca a posteriori:0,0807 0,4630 0,4413 0,0147. Podemos observar que a maior probabilidade a posteriori de 0,4633. obtida e para P = 0,70, conhecida a probabilidade do resultado amostral de 30 chamadas completadas em 40 realizadas, ento o valor mais provvel , para P = 0,70. a a e O valor esperado ou mdia da distribuio a priori denida pelo produto dos e ca e valores de P pelas respectivas probabilidades, ou seja: o valor esperado E[P ] = 060x0, 25 + 0, 70x0, 25 + 0, 80x0, 25 + 0, 90x0, 25 = 0, 75000.
72
E[P ] = 0, 75000 poder ser interpretado como uma esperana ou mesmo uma a c expectativa do sistema ser considerado regular, ou mesmo mais que regular. O valor esperado ou mdia da distribuio a posteriori conhecido o resultado dos e ca sucessos de 30 chamadas completadas em 40 realizadas, o valor mais provvel para a P, 0,70, pelo fato da maior probabilidade a posteriori ser 0,4630, que obtida e e para P=0,70.
Valor esperado E[P] = 0, 60x0, 0807 + 0, 70x0, 4633 + 0, 80x0, 4413 + 0, 90x0, 0147 = 0, 7 Observemos que o valor esperado ou mdia da distribuio a posteriori E[P] = 0, 7398 e ca e que poder ser utilizada como estimativa para P, isto aumenta a probabilidade de se a sugerir que o sistema est mais para ser realmente regularque para ser ruimou a bom, pois as expectativas do sistema diminuem em vista de que antes a expectativa era de E[P ] = 00, e pela distribuio a posteriori apresentar uma expectativa de bf ca P = 0,7398, reforando a idia de que o sistema est realmente mais para regular. c e a Ou no mximo um pouco mais que regular. a A probabilidade de que o sistema seja considerado timode acordo com os 30 o sucessos de 0,0147 ou 1,147%, que bem inferior a probabilidade a priori de 0,25. e e Tais consideraes feitas dependem das probabilidades a priori, atribu co das mesmo aleatoriamente, obrigatoriamente por quem tem algum conhecimento do funcionamento prvio do sistema, alm de conhecer o ferramental matemtico-estat e e a stico necessrio para a anlise do problema. a a Para analisar o comportamento do mesmo sistema considerando uma outra situao, vamos atribuir outras probabilidades como por exemplo: ca P = 0, 150, 200, 250, 40 mantendo a mesma distribuio de probabilidades a prica ori:
73
P = 0, 600, 700, 800, 90. Calculando os valores da distribuio a posteriori de ca forma idntica aos j calculados, temos: e a E[0, 60] = E[0, 70] = 0, 15.0, 630 .0, 410 = 0, 08069 (0, 6(0, 630 .0, 410 + 0, 730 .0, 310 + 0, 830 .0, 210 + 0, 930 .0, 110 )) 0, 2.0, 730 .0, 310 = 0, 46329 (0, 7(0, 630 .0, 410 + 0, 730 .0, 310 + 0, 830 .0, 210 + 0, 930 .0, 110 )) E[0, 80] = 0, 44126 E[0, 90] = 0, 01476 Ento, a distribuio posteriori = 0,08069 0,46329 0,44126 0,01476. a ca e O valor esperado ou mdia da distribuio a priori calculado pelo produto dos e ca e valores de P pelas respectivas probabilidades, ento: a E[P ] = 0, 79000
O valor de P mais provvel seria bf P = 0,80 para o sistema ser considerado a bom, pois o valor esperado ou mdia da distribuio a priori de 0,79000 ou 79% e ca e que, tambm, uma probabilidade para avaliar o sistema. e e O valor esperado ou mdia da distribuio a posteriori calculado da mesma e ca e forma, ento temos: a E[P ] = 0, 739009. Para a distribuio a posteriori o valor de P mais provvel seria P = 0,70. Visto ca a que o valor esperado para a distribuio a posteriori de = 0,739009 que poder ser ca e a utilizado como estimativa para bf P, com isto, diminui a probabilidade do sistema ser considerado bom, e nos remete a avaliar o sistema como regularou pouco mais que regular.
74
Finalmente, observamos nas concluses realizadas sobre a classicao do siso ca tema que o mtodo Bayesiano tem uma abordagem mais abrangente, podendo quane ticar probabilidades a posteriori para diferentes valores da probabilidade de sucesso de P. Porm, esta uma alternativa que para os Bayesianos uma qualidade; e e e e para os clssicos um defeito. a e Tais aplicaes podero ser feitas tambm nas estimativas intervalares e testes co a e de hipteses, tanto para as abordagens clssica, quanto para Bayesiana. Poder o a amos tambm ter usado a moda ou a mediana, para uma estimativa pontual pela abordagem e Beyesiana para P, ou a prpria mdia da distribuio a posteriori que 0,739009, o e ca e reforando a expectativa do sistema ser realmente regularou no mximo mais que c a regular. Pudemos observar que a distribuio a posteriori mudou com a mudana da ca c distribuio a priori, mesmo no alterando a verossimilhana, pois esta s depende ca a c o dos dados. Observamos que o valor esperado da distribuio a priori foi puxada para ca o valor de p = 0,80, mas a esperana da distribuio a posteriori continua tendendo c ca para uma classicao do sistema para realmente regular. ca Observamos que o mtodo de inferncia clssica se baseia na teoria freqentista e e a u de Von Mises, trabalhando sempre com um conjunto de referncia, que o espao e e c amostral. O uso dessa teoria frequentista se deve ao fato de que a concluso est a a baseada em todas as possveis amostras que poderiam ter sido observadas, mas no a foram, e por repeties, sob as mesmas condies do processo de amostragem ou de co co experimentao, cujo comportamento pode ser entendido a partir do racioc ca nio com freqncia. Da a relevncia do processo de obteno dos dados para essa teoria. ue a ca A teoria Bayesiana, por sua vez, atribui as probabilidades e as hipteses iniciais o
3.15. A Educao Estat ca stica e Seu Papel na Sociedade
75
como a priori para calcular as probabilidades a posteriori, que no derivada nem a e de repeties experimentais e nem do processo de obteno dos dados. O que co ca e necessrio que nas atribuies das probabilidades iniciais a priori seja usado o a e co princpio da coerncia, para dar suporte ao procedimento. e Observamos ainda que a soluo de problemas pelo mtodo Bayesiano transmite ca e um otimismo, porque h sempre a possibilidade de se revisar tais probabilidades ` a a luz dos dados obtidos, alm de ser considerada uma soluo mais justa, pois trata-se e ca de um conhecimento subjetivo, que leva em conta a experincia do pesquisador. e Observamos que a soluo de problemas pelo mtodo clssico uma caracter ca e a e stica esttica, pois neste mtodo no possvel considerar o conhecimento e a experincia a e a e e do pesquisador em suas concluses. Neste racioc o nio, o mtodo engessado pelo e e espao amostral e considerado que somente o conhecimento objetivo verdadeiro. c e e Entendemos que no desenvolvimento da abordagem dos contedos do tpico de u o probabilidades envolvendo a idia dos tericos da estat e o stica clssica e dos tericos a o da estatstica Bayesiana, que esta forma de ensinar a estat stica a forma mais e prxima de levar o aluno a desenvolver um pensamento terico, que uma das o o e proposies da idia mestra de Davydov, proporcionando um ensino investigativo e co e que leve a uma aprendizagem signicativa.
3.15
A Educao Estat ca stica e Seu Papel na Sociedade
Normalmente, a Estatstica, como hoje ministrada nas escolas, seja em que n e vel for, sempre considerada como um dos temas mais complexos de ensinar e tambm e e de aprender. No entanto, ela desempenha um papel essencial na educao para a cica
76
dadania, e ela , sem dvida, detentora de um conhecimento necessrio na realizao e u a ca de projetos e investigaes em variad co ssimos dom nios do conhecimento; uma ferramenta usada no planejamento, na anlise de dados e na formao de inferncias a ca e para tomada de decises; sua linguagem e conhecimento bsicos so utilizados no o a a dia-a-dia em praticamente todos os dom nios do conhecimento. Na realidade, nem s a Estat o stica, mas qualquer disciplina ou contedo, no u a far nenhum sentido se este contedo no faz sentido para quem est aprendendo, a u a a alm de no despertar interesse no aprendizado. O ensino da Estat e a stica se no for a aplicado a projetos e usado como instrumento de investigao e, conseqentemente, ca u de aprendizagem, continuar sem sentido; essa idia relativamente nova, mas est a e e a sendo uma tendncia mundial. Atualmente, um dos grandes centros de colaboradores e neste novo perl de ensino da estatstica est na Espanha na Universidade de Gra a nada, sob a orientao de Carmem Batanero. Nem s a Estat ca o stica, mas tambm e a matemtica esto, mundialmente, tomando novos rumos, e com fortes tendncias a a e ao ensino da educao matemtica que tem este mesmo perl que a Estat ca a stica est a tomando. No ensino com a aplicao do projeto na investigao aora naturalmente o ca ca carter experimental, de maneira que os alunos trabalham de forma integrada com a diversos contedos da prpria disciplina estat u o stica. O contato com diferentes tipos de variveis dentro das atividades promove, naturalmente, nos alunos um entendia mento e compreenso da linguagem, dos conceitos e dos mtodos Estat a e sticos envolvidos na investigao; este conjunto de conhecimentos leva o aluno muito alm de ca e uma simples memorizao, alm de despertar a capacidade cr ca e tica e a reexo, o a que bastante signicativo e fundamental para o exerc e cio de uma cidadania ativa e responsvel. a
77
O foco principal na educao estatstica a investigao, e j se verica uma ca e ca a grande evoluo neste sentido por alguns prossionais, a partir dos anos 50 que ca entendemos ser o caminho para uma aprendizagem signicativa. Que a matemtica essencial ao desenvolvimento da estat a e stica, parece no levar a dvidas a ningum, mas esquecer ou ignorar os outros ingredientes (a indispensvel u e a presena dos dados, a essencial interveno dos computadores e uma certa arte de c ca analisar dados) que fazem parte integrante da cincia estat e stica, e que a distinguem claramente da matemtica, levanta grandes preocupaes e reaes por parte dos esa co co tat sticos. O racioc nio tpico da estat stica diferente do que se usa em matemtica e a e da que seja legtimo tentar evitar que o ensino da estat stica se faa adotando uma c orientao semelhante ` que seguida quando se ensina matemtica (Jorge Branco, ca a e a 2000, p. 58). Uma grande quantidade de estat sticos defendem a idia de que a educao Ese ca tat stica deva deslocar-se do clculo e da realizao de tarefas de rotina para o proa ca cesso geral de investigao. A Estatstica deve envolver a investigao dentro de ca ca um projeto que envolva organizao de dados representativos, sistematizao e inca ca terpretao deles logicamente, isto culmina com a tomada de decises, usando as ca o concluses nais, pois esse um processo que podemos chamar de ciclo de inveso e tigao. ca Para Richard Snee, a nfase da investigao deve estar na escolha de dados, e ca compreenso grca de dados, experimentao, questionamento, enfatizando assim a a ca o modo como o periciamento estatstico usado na investigao de problemas do e ca mundo real. Acreditamos que essa , hoje, a forma mais adequada de se desenvolver e os contedos estat u sticos, levando os alunos a compreender o papel da estat stica na sociedade atual.
78
Entendemos que este o caminho que poder ser trilhado com facilidade para e a estudar e investigar situaes bastante variadas, alm de ser natural este caminho, co e tambm para promover a interdisciplinaridade e a conexo entre assuntos distintos. e a Pois, a estat stica poder ser relacionada com muitas caracter a sticas, podendo quaisquer delas ser o ponto de partida para vrias investigaes estat a co sticas. Enquanto a Estatstica no for encarada como um processo de investigao, continuaremos a ca com uma Estatstica apenas acadmica, sem provocar nenhum interesse no aluno e e sem vislumbrar aplicaes dela dentro da realidade. co Conforme Davydov, o pensamento terico se caracteriza como o mtodo da aso e censo do abstrato para o concreto. Ento, o ensino da disciplina Estat a a stica de acordo com as necessidades do mundo atual, deve ser desenvolvido atravs de um e processo investigativo, que leve o aluno a desenvolver seu pensamento dentro dos contedos, fazendo reexo de cada atividade do processo de aprendizagem com a u a nalidade de aplic-lo a situaes concretas e vivenciadas. a co No captulo IV a seguir, estamos propondo de acordo com os aportes tericos de o Davydov alternativas para se desenvolver o ensino da disciplina Estat stica.
Cap tulo 4 PERSPECTIVAS METODOLOGICAS E DIDATICAS PARA O ENSINO DE ESTAT ISTICA

A educao no a preparao para vida, a prpria vida(...) A educao ca a e ca e o ca e uma constante reconstruo ou reorganizao da nossa experincia, que opera uma ca ca e transformao direta da qualidade da experincia, isto , esclarece e aumenta o ca e e sentido da experincia e, ao mesmo tempo, nossa aptido para dirigirmos o curso e a das experincias subseqentes. (Dewey apud. Libneo, 1979, p. 83) e u a
4.1
A Aprendizagem e Prticas Educativas na Disa ciplina Estat stica
Teoricamente os conhecimentos dos professores so transferidos aos alunos como se a fosse um depsito, assim que se comporta a nfase dos contedos baseados apenas o e e u na memorizao. Desta forma, entendemos que cada vez mais o Ensino Superior ca vai permanecendo sem signicado, principalmente, para o aluno. E verdade que al-
79
4.1. A Aprendizagem e Prticas Educativas na Disciplina Estat a stica 80 guns prossionais ligados ` atividades no campo educacional tm se envolvido na a e complexidade e multidimensionalidade do fenmeno educar, e assim grandes proo ` gressos nesta rea do conhecimento vm sendo obtidos. A luz desses conhecimentos a e poss comear a pensar numa forma, onde a nfase nos contedos seja dirigida e vel c e u para a aprendizagem. No ensino de Estatstica na Universidade Catlica de Gois, os recursos dos o a processos pedaggicos ainda so poucos aplicados, no esto presentes como deveo a a a riam, isto percebido num programa bsico de Estat e a stica introdutria no curso de o graduao. Enquanto os contedos ensinados no fazem sentido para quem est ca u a a aprendendo, e, ainda, os professores que os ensinam no se sentirem preocupados a e comprometidos com a aprendizagem, ento, eles continuaro sendo apenas objeto a a de memorizao, e sem signicados para o aluno. ca Os objetivos da psicologia cognitiva so conhecer como pensar e como desenvolver a a inteligncia nos seres humanos. Entendemos que qualquer rea do conhecimento e a deva considerar esse processo, porque ele est diretamente ligado ` compreenso do a a a aluno, visto que na aprendizagem evidente a necessidade de se desenvolver habilie dades e competncias cognitivas, pois a tarefa das escolas e dos processos educativos e e de desenvolver no aluno a capacidade de aprender, em razo das experincias postas a e pelo volume crescente de dados acess veis na sociedade e das redes informacionais, da necessidade de tratar com o mundo e, tambm, de educar a juventude em valoe res e ajud-la a construir personalidades ex a veis e eticamente ancorados (Libneo, a 2002). Hoje, o contato com aluno cada vez mais jovem em sala de aula um fato, os e meios de comunicao da atualidade vm inuenciando o modo de pensar da juca e ventude atual, isto tambm fator que altera os processos de ensino-aprendizagem. e e
4.1. A Aprendizagem e Prticas Educativas na Disciplina Estat a stica 81 Porm, a busca incessante de novos aportes tericos para atender novas necessidae o des presentes, no mundo em que vivemos, requer dinamizao em um novo processo ca didtico, pois a escola ainda o principal lugar de mediao entre o ensinar e o a e ca aprender, uma vez que o ensino propicia a internalizao da cultura e do desenvolca vimento do pensamento. As mudanas nas formas de aprender afetam as formas de ensinar em vista c da subordinao das prticas de ensino ` atividade de aprendizagem e `s aes de ca a a a co aprender e do pensar. Sendo assim, o que se espera da aprendizagem dos alunos tambm dever ser esperado de um programa de formao dos prprios professores. e a ca o Tais mudanas correspondem ` expectativa de Davydov de que a escola de hoje c a ensine aos alunos a orientar-se independentemente na formao cient ca ca e em qualquer outra, ou seja, que o ensine a pensar, mediante um ensino que impulsione o desenvolvimento mental. (Davydov apud Libneo, 1988, p. 3) a Conforme Libneo , a essncia do que acontece na Universidade a qualidade e a e e a eccia do ensino dos professores, e a qualidade da eccia da aprendizagem do a a aluno. O foco nuclear da prtica docente a aprendizagem do aluno em parceria com a e os professores e colegas. A aprendizagem universitria est associada ao aprender a a a aprender e ao aprender a pensar. Moderadamente, em funo da grande necessidade, de um novo comportamento ca no processo de ensino, a forma de ensinar dever incorporar novas investigaes a co no modo didtico de aprender e ensinar, pois o conhecimento pressupe o desenvola o vimento do pensamento, porque esse aspecto requer descobertas de metodologias e procedimentos de pensar. A mediao entre professor e aluno possibilita um meio de aprendizagem com ca
4.2. Metodologia Para Aprendizagem da Disciplina Estat stica
82
mediaes cognitivas. O suporte terico de partida o princ co o e pio Vogotskiano de que a aprendizagem uma articulao de processos externos e internos, visando a e ca internalizao de signos culturais pelo indiv ca duo, o que gera uma qualidade autoreguladora `s aes e ao comportamento dos indiv a co duos (Libneo, 2004). a
4.2
Metodologia Para Aprendizagem da Disciplina Estat stica
Conforme Leontiev (1992), a atividade surge da necessidade que impulsiona motivo orientado para o objeto. O ensino e a educao so vistos como formas sociais de organizao do proca a ca cesso de apropriao pelo homem, das capacidades formado scio-historicamente e ca o objetivadas na cultura mental e espiritual. Mas para que isso acontea, necessrio c e a que o sujeito realize determinada atividade, dirigida ` apropriao da cultura. a ca O aprender um processo ativo, e resultados de vrias interaes do professor e a co com o aluno, do aluno com os prprios colegas e estes com a prpria comunidade. o o Entendemos que essas so variveis que no ensino atual da disciplina Estat a a stica deveria fazer parte do processo de aprendizagem, mas elas se transformam em mais um problema, visto que o professor no leva em considerao esta interao nea ca ca cessria, leva em conta praticamente os aspectos lgicos que envolvem a disciplina, a o esta uma situao que deixa o aluno mais distante da aprendizagem e logicamente e ca inibe o interesse pela disciplina, os aspectos cognitivos que devem ser inseridos no processo de aprendizagem, normalmente passam despercebidos, `s vezes pela prpria a o falta desse essencial conhecimento por parte do professor. Conforme Davydov, necessrio uma estrutura da atividade do aprender ine a
83
cluindo uma tarefa de aprendizagem, as aes de aprendizagem e aes de acompaco co nhamento e avaliao, visando a compreenso do objeto de estudo em suas relaes. ca a co O resultado disso que os alunos aprendem como pensar teoricamente a respeito e de um objeto de estudo e, com isso, formam um conceito terico apropriado desse o objeto para lidar praticamente com ele em situaes concretas. Para aprendizagem co na base do pensamento de Davydov esta a idia-mestra de Vigotsky, de que a e e aprendizagem e o ensino so formas universais de desenvolvimento mental. a O pensamento terico se caracteriza como mtodo da ascenso do abstrato para o e a o concreto. Ancorado na idia de que a essncia do ensino est baseada na genee e a ralizaao terica, e que a aprendizagem tem que ser signicativa e transformada c o em instrumento cognitivo do aluno, ento, entendemos que a metodologia a ser utia lizada na aprendizagem da disciplina Estat stica bem mais abrangente do que a e aplicao de tcnicas e mtodos de ensino, portanto, necessrio desenvolver no ca e e e a aluno o pensamento terico. o O desenvolvimento do pensar, acreditamos ser o caminho para a essncia da e aprendizagem. Para a aprendizagem da Estat stica que necessita de aspectos lgicos o para seu entendimento, verica-se que o pensamento terico aliado a um projeto para o desenvolver uma atividade inserida numa situao real, proporcionar ao aluno uma ca a forma integrada de desenvolver os contedos da disciplina Estat u stica. Acreditamos, ainda, que este procedimento facilita a aprendizagem e conduz ao pensamento cr tico e reexivo sobre a cincia ensinada. Proporciona uma aprendizagem signicativa e e no apenas uma memorizao do contedo. a ca u O desenvolvimento do contedo da disciplina Estat u stica atravs de projeto, ene tendemos ser uma forma do aluno aprender a raciocinar estatisticamente atravs de e aplicaes em situaes reais, alm de ser um processo investigativo que leve o aluno co co e
84
a se inserir no s a aprender a lgica do processo de aprendizagem dos contedos a o o u espec cos de Estat stica, mas o envolvimento destes aspectos todos, dentro de uma realidade denida pela tarefa que est se realizando. a Entendemos ser esta uma proposta ousada, porm poss de ser realizada. A e vel grande diculdade de desenvolver os contedos de Estat u stica se encontra no nos a contedos, mas na forma de conduzir ou ministr-los. Entendemos que sair de um u a enfoque clssico, que a forma habitual de se transmitir os contedos da disciplina a e u Estat stica, pelo menos pela maioria dos professores desta rea, passar a trabalhar a e estes contedos num enfoque de educao estat u ca stica ou de Estat stica em educao, ca ou seja, num enfoque segundo o pensamento de Davydov. Entendemos que este um longo e lento caminho a percorrer. Vrios fatores e a agem diretamente sobre estes aspectos, de um lado o prprio professor que tem o uma formao em que todos os contedos foram recebidos no enfoque tradicional ou ca u clssico, ento mudar esta postura no uma tarefa a curto prazo. De outro lado, a a a e as prprias instituies de ensino com programas de ps-graduao que continuam o co o ca envolvidas em programas com a Estat stica pura, que transmitida num enfoque e clssico ou tradicional, sem se preocupar com a essncia da aprendizagem que o a e e pensamento terico e o envolvimento dos contedos em situaes reais. o u co Hoje existem alguns estudiosos, que apontam um novo caminho para os rumos da Estatstica. Eles propem novas idias e com preocupao no desenvolvimento o e ca terico da linha de pensamento em que no preciso s ensinar, a nfase deve ser o a e o e ancorada na aprendizagem, com uma abordagem voltada para o desenvolvimento dos contedos da disciplina Estatstica, atravs de processos pedaggicos e metodolgicos u e o o que venham contemplar o entendimento da Estat stica com um pensamento terico o do pensar estatisticamente.
4.3. A Didtica e o Ensino de Estat a stica
85
Este enfoque da nova tendncia mundial no estudo da Estat e stica o que na e atualidade tem se denominado de estat stica em educao. O ensino de Estat ca stica aliado a um processo de investigao da prpria estat ca o stica uma tarefa que para e ser realizada necessita de conhecimentos no s da Estat a o stica, mas tambm de uma e metodologia investigativa do contedo que se est ensinando. u a
4.3
A Didtica e o Ensino de Estat a stica
Um dos objetivos principais da didtica relacionar o ensino e a aprendizagem. O a e envolvimento entre professor, aluno, contedo, objetivos e mtodos de assimilao u e ca e um processo de transmisso de aquisio de conhecimento da disciplina Estat a ca stica. O professor, que o principal mediador desse processo de ensino, apresenta e didtica de aprendizagem que objetiva conseguir com que os alunos aprendam, por a mais limitaes que tenham, as quais no so poucas, quase todos tm em sua co a a e conscincia a responsabilidade de desempenhar o seu papel dentro de sala de aula e e junto a seus alunos, por mais tradicional que seja o seu mtodo de trabalhar, mesmo e aqueles que se contentam em reproduzir e transmitir o contedo da Estat u stica que est no livro didtico, levando o aluno a processo de aprendizagem mais ligado ` a a a memorizao, que ainda uma metodologia utilizada com freqncia. ca e ue Entendemos que para uma aprendizagem de qualidade o aluno deve ser orientado a se tornar cada vez mais independente, no sentido de desenvolver o seu prprio o racioc nio e de relacionar os contedos da Estat u stica a outros conhecimentos dentro dela realidade do mundo em que vive. Na perspectiva histrico-cultural, o objetivo do ensino o desenvolvimento das o e capacidades mentais e da subjetividade dos alunos atravs da assimilao conscie ca
86
ente e ativa dos contedos. O professor, na sala de aula, utiliza-se dos contedos u u da matria para ajudar os alunos a desenvolverem competncias e habilidades de e e observar a realidade, perceber as propriedades e caracter sticas do objeto de estudo, estabelecer relaes entre um conhecimento e outro, adquirir mtodos e racioc co e nio, capacidade de pensar por si prprio, fazer comparaes entre falas e acontecimentos, o co formar conceitos para lidar com eles no dia-a-dia, de modo que sejam instrumentos mentais para aplicao em situaes da vida. (Libneo, 2001) ca co a No pensamento de Davydov, para superar a pedagogia tradicional empirista, e necessrio introduzir o pensamento terico. a o O trabalho do professor dever ser dirigido para a prtica e desenvolvimento dos a a modelos de ensino e estratgias sobre os contedos, devendo ter um slido conhecie u o mento terico que ajude a desempenhar as capacidades reexivas. O trabalho prtico o a do professor dever estar inserido num contexto pol a tico, na forma de organizao ca da escola, na vida cotidiana, tudo isto so variveis que fazem parte da aprendizaa a gem e tambm inuenciam nas prticas educativas abordadas pelo professor para a e a aprendizagem. O espao escolar propicia aos professores elementos de formao provenientes c ca no s da coletividade existente na prpria escola, mas de outros espaos de conv a o o c vio social. Isso signica que o corpo docente de uma escola entra em interao com ca crenas, valores, conhecimentos, habilidades etc., que passam a fazer parte do coc nhecimento do coletivo a ser usado em novas aes. (Moura, apud Libneo, 2003, p. co a 137). Entendemos que as tcnicas e estratgias aplicadas no ensino so, em parte, e e a em funo do homem que est inserido dentro da comunidade. ca a A experincia do professor um ingrediente essencial para o relacionamento de e e
87
situaes reais e a aplicao dos contedos envolvendo a aprendizagem, este um dos co ca u e desaos a ser desenvolvido no ensino signicativo da Estat stica, para que os alunos criem e desenvolvam suas capacidades e suas habilidades, tendo como conseqncia ue seu desenvolvimento cognitivo. As competncias adquiridas ou internalizadas pelos alunos contribuem signicae tivamente na soluo dos problemas e desaos do dia-a-dia. Elas esto relacionadas ca a com as formas de aprendizagem e a preparao do aluno para pensar. ca O processo de ensino e aprendizagem teria, ento, como referncia o sujeito que a e aprende, seu modo de pensar, sua relao com o saber e como construir e reconstruir ca conceitos e valores, ou seja, a formao de sujeitos pensantes aplicando estratgias ca e interdisciplinares de ensino para desenvolver competncias de pensar e do pensar e sobre o pensar. (Libneo, 2001) a Entendemos que no s a disciplina Estat a o stica que nosso foco principal, mas e no ensino de um modo geral, ou seja, em qualquer outra disciplina este dever ser o a caminho do professor, principalmente para aqueles que pretendem dar novos rumos ` a aprendizagem. Entendemos ser esta uma necessidade atual e sem outra alternativa, pelo menos para o momento. Os processos tradicionais que levam o aluno apenas ` a memorizao devero fazer parte de um passado, pois o professor forado devido ca a e c a novas necessidades que o ensino exige, buscar forosamente meios pedaggicos c o didticos a m de melhorar a aprendizagem do aluno. a Para buscar novos caminhos no ensino de Estat stica alm de tudo que j foi e a mencionado, preciso atitude e conhecimento por parte do professor no desenvole vimento de estratgias cognitivas, em que leve o aluno a pensar. No uma tarefa e a e fcil, dentro do processo que vivemos, mas uma tarefa poss a e vel, porque o aluno
88
pode ser intencionalmente ensinado a pensar no contexto em que vive, e que desenvolve suas atividades e a lidar com informaes, fazendo conexes desses contedos co o u e generalizaes cognitivas no desenvolvimento de situaes reais dentro de sua coco co munidade. Todas essas alternativas para trilhar novos caminhos no ensino da Estat stica levam o aluno a uma aprendizagem signicativa e a uma formao cultural cient ca ca, dentro de um contexto scio-cultural. Entendemos que este o verdadeiro caminho o e para o ensino que proporcione aprendizagem. A nfase na aquisio do conhecimento e ca foi o objetivo principal neste texto.
Apndice A e CONSIDERACOES FINAIS

Chegamos ao sculo XXI acompanhados do cont e nuo evoluir do pensamento humano, e, temos certeza de que no futuro novos conhecimentos viro se juntar, aos a que j foram adquiridos, porque o saber no tem ptria nem fronteiras, o campo a a a e vasto e com ilimitadas possibilidades. Na trajetria do progresso dos ultimos 450 anos, h uma gama de pensadores o a que contriburam e contribuem, em particular no campo da educao, construindo ca alternativas e ampliando os conhecimentos para se comandar as mais distintas rea a da atividade humana. Os processos probabilsticos tiveram sua origem nos jogos de azar, portanto, na ousadia do risco, por isso passamos a admirar o gnio de pensadores que ousaram dee saar a idia do risco e outras j existentes na natureza, como decorrentes da ordem e a inacessvel dos deuses, para lanar as bases do tratamento racional de fenmenos c o cuja complexidade desaa qualquer previso determin a stica. O conhecimento da Estat stica interessante e necessria, no s como instrumental para auxiliar outras e a a o a rea do conhecimento, como para seu prprio existir. o
89
Cap tulo A. CONSIDERACOES FINAIS
90
Consideramos importante a abordagem feita ` inferncia Bayesiana que de uma a e forma diferente de pensar a Estatstica mostra uma viso alternativa e muito coe a rente de se tratar dados em situaes reais. Nossas perspectivas com este trabalho co e que no ensino de estatstica tanto no enfoque clssico quanto Bayesiano se proceda a no s como transmisso de tcnicas, mas luz de um ensino que d nfase nos a o a e a e e contedos dirigidos para a aprendizagem do pensar. u Proporcionar tanto professor quanto aluno uma reexo e uma viso cr a a tica dos conhecimentos dominantes para explicar a realidade em todas as dimenses indivio dual e social. Entretanto sem este pensamento, talvez de nada adiantaria a criao ca de novas teorias e tcnicas para responder ` complexidade do mundo moderno. e a Neste trabalho, propomos uma abordagem diferente sobre o ensino de Estat stica, que normalmente feita numa viso determin e a stica do mundo em que o cerca, `s vea zes provocadas pela forma como adquiriu estes conhecimentos. Pensamos em novas perspectivas metodolgica e didtica que dem ao ensino da estat o a e stica um comportamento que leve o aluno ao desenvolvimento do pensamento e a procedimentos que possibilitem a aprendizagem. O estudo de caso sobre o ensino de Estatstica no curso de Matemtica da Uni a versidade Catlica de Gois resgatou sua histria, seu desenvolvimento, suas diculo a o dades e suas perspectivas no futuro. A anlise dos contedos da disciplina estat a u stica mostrou em suas alteraes de programas como ela se comportava e a que propsito co o atingia dentro da comunidade onde ela estava inserida. Os aportes tericos ancorados no pensamento de Davydov nos proporcionaram o uma viso parcial de suas expectativas, rumo a um ensino que leve tanto o professor a quanto o aluno ao desenvolvimento cognitivo, a busca cont nua de um processo de
Cap tulo A. CONSIDERACOES FINAIS
91
ensino que incorpore novas investigaes no modo didtico de aprender e ensinar. A co a forma de Davydov pensar o ensino, nos proporciona uma luz no processo do ensino de Estatstica, pelo modo como ele conduz operaes matemticas elementares na co a aprendizagem.
Referncias Bibliogrcas e a
[1] AMSTERDAMSKI, S. Previso e probabilidadein enciclopdia elimandi, v. a e 33 - explicao, Lisboa: Imprensa Nacional, 1996. ca [2] ANDERSON, C. W; Loynes The teaching of pratical statistics. Copyrith, John Wiley & Sons Ltda, 1987. [3] ASIMOV, I. Gnios da humanidade. v. 1, 1964. e [4] BEKMAN, O. R.; Neto, C. O. L. P. Anlise Estat a stica da Deciso. So Paulo. a a Ed. Edgard. Blucher, 1980. [5] BERNSTEIN, Peter L. Desao aos Deuses: A Fascinante Histria do Risco. o So Paulo: Campus, 1997. a [6] BESSON, J. L. A iluso das estat a sticas. So Paulo: Ed. UNESP, 1995. a [7] BOUDOT, M. Logique inductive et probabilit. Librairie Armand Colin. Paris, e 1972. [8] BOYER, C. B. Histria da matemtica. So Paulo: Ed. Edgar Blucher, 1974. o a a o a [9] BOYER, Carl B. Histria da matemtica, 1974. [10] BRANDAO, Carlos Rodrigues. O que Educaao. Ed. Brasiliense, 1995. e c
92
REFERENCIAS BIBLIOGRAFICAS
93
[11] CARVALHO, Pedro Egydio e Leser, Walter Pereira. Metodologia estat stica. So Paulo: 1977. a [12] COLLETE, J. P. Histria de las Matemticas. 1985. o a [13] CONGDON, Peter, Bayesian Statical Modelling. Queen Mary, University of London. John Wiley & Sons, Ltda, 2000. C [14] ordani, L. K. O Ensino de estat stica na Universidade e a Controvrsia sobre os e fundamentos da inferncia. Tese de (Doutorado). Universidade de So Paulo. e a Faculdade de Educao, 2001. ca [15] DROESBEKE, J. J. et Tassi, P. Histoire de la Statistique. Presses Universitaires de France. Paris, 1997. [16] DAVYDOV, V. V. ; RADZIKHOVSKLL, L.A. VIGOTSKY. Theory and the Activity Oriented Aproach in Psychology. In: WERTSCH, James (ORG.), Culture, Communication and Cognition Perspectives. New York: Cambridge University Press, 1988. [17] EVES, Howard. Introduao ` histria da matemtica. Universidade de Camc a o a pinas. So Paulo: 1997. a [18] GELMAN Colin, J. B; Stern, H. S; and Rubin, D. B. Bayesian Analysis. Chapman & hall. London, 1995. [19] GILL, Je. Bayesian Methods, Chaman & Hall/ CRC. e [20] GOLDIM, Jos Roberto. [21] HELLER, R. Como tomar decises. So Paulo: Publifolha, 1999. o a
94
[22] JAMES, E. Lightner-mathematics. Teacher, nov. 1991. Traduo de Antonio ca G. Patrocnio, agosto 1996. Um resumo da histria da probabilidade estat o stica. [23] LEITE, Jos Galvo. Introduo ` inrerncia Bayesiana. In: II Jornada de e a ca a e estatstica de Maring (MINI CURSO), 1999. a [24] LIBANEO, Jos Carlos. A Aprendizagem Escolar e a Formao de Professoe ca res na Perspectiva da Psicologia Histrico-Vultural e da Teoria da Atividade, o Artigo publicado em educar em revista m (FE da UFPR), Curitiba: Editora UFPR, Curitiba, n. 24, p. 113-147, dez. 2004. e e a [25] LIBANEO, Jos Carlos. Pedagogia e Pedagogos para Qu. So Paulo: Cortez, 2002. [26] LIBANEO, Jos Carlos. Questes de Metodologia do Ensino Superior - A Teoe o ria Histrico - Cultural da Atividade de Aprendizagem. In: Palestra Realizada o na Universidade Catlica de Gois, agosto 2003. o a e a [27] LIBANEO, Jos Carlos. In: A Didtica e a Aprendizagem do Pensar e do Aprender: A teoria Histrico - Cultural da Atividade e a Contribuio de Vasili o ca Davydov Traduo 2004. ca [28] LINDLEI, D. V. Introdution to Probality and Statistics: Fron a Bayesiana viewpoint. Cambridge University press. Cambridge, 2000. stica e sua Histria: Uma Contribuiao Para o Eno c [29] LOPES, E. C. O. A Estat sino de Estat stica Aplicada ` Educaao. Dissertao de Mestrado. Pontif a c ca cia Universidade Catlica de So Paulo, 1998. o a
95
[30] MURANACA, Maria Aparecida Segatto. Contribuies ` Histria do Pedagogo co a o no Brasil. Tese de Mestrado Apresentada na Pontif cia Universidade Catlica o de So Paulo, 1985. a [31] RIVADULLA, Andrs Rodriguez. Probabilidad e inferencia cient e ca. Anthropos. Barcelona, 1991. [32] RODNEY, C. B. Ensino - aprendizagem com modelagem matemtica. So a a Paulo: Ed. Contexto, 2002. [33] RODRIGUES, Milton da Silva. A Formao do Estat ca stico, In: RBE-IBGE, Vol 7, no.26, abril-julho, 1946. [34] RODRIGUES, Milton da Silva. Alguns Conceitos Bsicos de estat a stica In: Conferncia Realizada no Curso de Informao de 1938, IBGE, Rio de Janeiro, e ca 1939. cias Sobre o Ensino de Estat stica no [35] RODRIGUES, Milton da SilvaBreve Not Brasil, In: RBE-IBGE, nos. 30-31, abril-setembro, 1947. culo Uma Reexo Sobre a Prtica, 1998. a a [36] SACRISTAN, J. Gimeno. O Curr ArtMED, Porto Alegre, 1998. [37] SACRISTAN, J. Gimeno.Compreender e Transformar O Ensino, 1998. [38] STEVENSON, William J. Estat stica Aplicada ` Administraao. Ed. Harbra, a c 1986. [39] VEIRA, Sonia. Estat stica Experimental. 2. ed. So Paulo: Atlas, 1999. a stica para a qualidade. So Paulo: Campus, 1999. a [40] VEIRA, Sonia. Estat
96
[41] VIGOTSKY, L. S. Apresdizagem e Desenvolvimento Intelectual na Idade Escolar, In: VIGOTSKY, LURIA, LEONTIEV, Linguagem, Desenvolvimento e Aprendizagem. So Paulo: Icone Ed, 1988. a

A História Do Risco

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A História Do Risco

Uploaded by

Copyright:

Available Formats

A Histria do Risco o Gnese do Pensamento Estat e stico e o Ensino de Estat stica na Universidade

Antonio Goncalves de Moura

Universidade Catlica de Gois o a Mestrado em Educaao c

Antonio Gonalves de Moura c

Universidade Catlica de Gois o a Mestrado em Educaao c

3.9 3.10 3.11 3.12 3.13 3.14 3.15

Cap tulo 1 A HISTORIA DO RISCO-GENESE DO PENSAMENTO ESTAT ISTICO

1.1. A Mensurao do Risco ca

1.1. A Mensurao do Risco ca

1.1. A Mensurao do Risco ca

1.2. Administrao do Risco ca

1.2. Administrao do Risco ca

1.2. Administrao do Risco ca

1.2. Administrao do Risco ca do evento de sua causa.

1.2. Administrao do Risco ca novas atitudes e, conseqentemente novos empreendimentos. u

1.2. Administrao do Risco ca

1.2. Administrao do Risco ca Bernstein, 1997, p. 331)

1.3. A Histria do Risco e a Histria da Estat o o stica

A Histria do Risco e a Histria da Estat o o stica

1.3. A Histria do Risco e a Histria da Estat o o stica XX.

1.4. A Estat stica no Cotidiano

A Estat stica no Cotidiano

1.4. A Estat stica no Cotidiano

1.5. A Estat stica Como Disciplina Escolar no Brasil

A Estat stica Como Disciplina Escolar no Brasil

1.5. A Estat stica Como Disciplina Escolar no Brasil

1.5. A Estat stica Como Disciplina Escolar no Brasil

Cap tulo 2 O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE CATOLICA DE GOIAS

2.1. O Ensino de Estat stica Como Disciplina Escolar

O Ensino de Estat stica Como Disciplina Escolar

2.1. O Ensino de Estat stica Como Disciplina Escolar

2.2. A Disciplina Estat stica

A Disciplina Estat stica

2.2. A Disciplina Estat stica engenharia (Rodrigues, 1946, p. 250).

2.2. A Disciplina Estat stica dessa lgica do desenvolvimento do indiv o duo.

2.3. As Demandas e a Formao de Professores ca

As Demandas e a Formao de Professores ca

2.3. As Demandas e a Formao de Professores ca

2.4. O Curso de Matemtica da Universidade Catlica de Gois a o a

O Curso de Matemtica da Universidade Catlica a o de Gois a

ca Introduo Arredondamento de dados nmeros - Conceitos de Estatstica u Fases do Trabalho estatstico

Introduo ` Estatstica - II com 30 horas aula ca a

Programa da Disciplina Estat stica do Curso de Matemtica - Habilitao em Matemtica a ca a

Experimento aleatrio o Espao amostral c Eventos Denies de probabilidades co

2.7. Programa da Disciplina Estat stica do Curso de Matemtica a Habilitao em Matemtica ca a

Cap tulo 3 O ENSINO DE ESTAT ISTICA NA UNIVERSIDADE

3.1. Inferncia Estat e stica

Inferncia Estat e stica

Inferncia Estat e stica Clssica e Bayesiana a

3.2. Inferncia Estat e stica Clssica e Bayesiana a

3.2. Inferncia Estat e stica Clssica e Bayesiana a duao. ca

Inferncia Estat e stica Numa Disciplina Introdutria no Curso de Graduao o ca

3.5. Denio de Probabilidade ca

P (A) ainda satisfaz os axiomas:

g) 0 P (A) 1; h) P (S) = 1; i) o conjunto vazio e P () = 0 a probabilidade do evento imposs e e vel

Probabilidade Condicionada e Eventos Independentes

3.8. Leis de Bayes

Sejam A, B, C etc. eventos, ento: a P (A/B) = P (A B) , seP (B) > 0. P (B)

Analogamente, temos que: P (B/A) = P (A B) , se P (A) > 0. P (A)

3.8. Leis de Bayes

3.9. Lei da Probabilidade Total

Lei da Probabilidade Total