Ficha de Matemática B — Dados Bivariados (10.º Ano)
Ficha de Matemática B para o 10.º ano sobre Dados bivariados — dispersão, correlação e reta de regressão: 12 exercícios com página de soluções sobre diagrama de dispersão, coeficiente de correlação linear e reta dos mínimos quadrados.
O que inclui esta ficha
- Exercícios 1–3: identificação de pares de dados com variável explanatória e resposta, leitura da nuvem de pontos (forma, direção e força) e classificação de valores do coeficiente de correlação.
- Exercícios 4–6: distinção entre correlação e causalidade, interpretação dos coeficientes da reta de regressão e método dos mínimos quadrados com recurso a tecnologia.
- Exercícios 7–9: obtenção da equação de uma relação linear a partir de uma tabela, associações lineares perfeitas e associações não lineares com correlação próxima de zero.
- Exercício 10: interpretação de um algoritmo em Python que avalia a reta de regressão (pensamento computacional).
- Exercícios 11–12: análise de um exemplo com causa comum e produção escrita sobre a relação entre horas de estudo e nota final.
Competências que desenvolve: Interpretar um diagrama de dispersão, classificar o coeficiente de correlação linear, calcular e usar previsões da reta de regressão dentro do intervalo dos dados, distinguir associação de causalidade e fundamentar cada conclusão.
Conteúdo programático: Aprendizagens Essenciais de Matemática B, 10.º ano — tema Estatística, tópico «Dados bivariados»: pares de dados, diagrama de dispersão, coeficiente de correlação linear, reta de regressão (mínimos quadrados) e a distinção entre correlação e causalidade.
Porque isto importa
Estudar duas variáveis em conjunto muda a pergunta: já não se pergunta quanto vale, mas como varia uma em função da outra. O diagrama de dispersão é a primeira imagem dessa relação — forma, direção e força — e o coeficiente de correlação traduz-na num número entre −1 e 1, que mede apenas associação linear. A reta de regressão, obtida pelo método dos mínimos quadrados, permite prever dentro do intervalo observado, mas a leitura crítica é indispensável: uma correlação alta não demonstra que uma variável cause a outra, e há relações reais que a correlação linear quase não revela. É esta leitura que a literacia estatística do currículo procura.
Erros comuns
- Concluir causalidade a partir de uma correlação alta — pode haver uma terceira variável em causa.
- Prever para valores muito fora do intervalo dos dados, confiando na reta além do que foi observado.
- Ler o sinal de r como força: r = −0,9 é uma associação forte, não fraca.
- Esquecer que r só mede associação linear — relações em curva podem dar r próximo de zero.
Como usar esta ficha
Imprime a ficha e resolve os exercícios sem consultar as soluções. Só depois de terminar compara as respostas com as soluções incluídas no final do PDF — é nessa comparação que se identifica o que ainda precisa de revisão. Se um exercício ficar errado, vale a pena voltar à matéria correspondente antes de avançar.