AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO Escola Básica e Secundária Dr. Vieira de Carvalho Departamento de Matemática e Ciências Experimentais Planificação Anual de MACS – 11º ano Ano Letivo 2015/2016 TEMA TÓPICOS MODELOS MATEMÁTICOS Vértice, aresta de um grafo Grafo simples Ordem de um grafo Dimensão de um grafo Grau de um vértice Subgrafo Grafo conexo Grafos completos Caminhos e circuitos (GRAFOS) OBJETIVOS ESPECÍFICOS • Desenvolver competências para determinar o essencial de uma determinada situação, de modo a desenhar esquemas apropriados a uma boa descrição. • Procurar modelos e esquemas que descrevam situações realistas de pequenas distribuições. • Tomar conhecimento de métodos matemáticos próprios para encontrar soluções de problemas de gestão. • Encontrar estratégias passo-a-passo para obter possíveis O grafo das pontes de soluções. Konigsberg Circuito e caminho de • Descobrir resultados gerais na abordagem de uma situação. Euler Grafos eulerianos Eulerização de um grafo • Para cada modelo, procurar esquemas combinatórios (árvores) que permitam calcular pesos totais de caminhos Circuito de Hamilton possíveis. O problema do caixeiro • Encontrar algoritmos – decisões passo a passo para viajante Algoritmo da cidade mais encontrar soluções satisfatórias. • Discutir sobre a utilidade e próxima e algoritmo do viabilidade económica (e não só) da procura das soluções peso das arestas ótimas. AVALIAÇÃO - Testes escritos - Participação na aula (questões de aula, fichas de trabalho, participação oral, caderno diário, portfólio) - Atitudes e Valores (assiduidade, pontualidade, comportamento, cumprimento de regras e prazos, realização dos trabalhos de casa, respeitar os colegas e o professor) Árvores Árvore abrangente Algoritmo de Kruskal e algoritmo de prim MODELOS POPULACIONAIS Modelos discretos crescimento populacional de • Familiarizar os alunos com modelos discretos de crescimento populacional. • Comparar o crescimento linear com o crescimento exponencial através do estudo de progressões aritméticas e Crescimento linear ou geométricas. crescimento aritmético • Familiarizar os alunos com modelos contínuos de Progressões geométricas crescimento populacional. Progressão aritmética •Familiarizar os alunos com modelos contínuos de Modelos contínuos de crescimento exponencial e logarítmico. crescimento populacional • Comparar os modelos decrescimentos linear, exponencial, logarítmico e logístico. Crescimento exponencial ou crescimento geométrico Crescimento logarítmico Crescimento logístico • Dar a entender aos estudantes a diferença entre fenómeno MODELOS DE PROBABILIDADE Fenómenos deterministas aleatórios determinístico e fenómeno aleatório. e • Alertar para as vantagens de encontrar modelos matemáticos apropriados para este tipo de fenómenos. Argumentos de Simetria e regra de Laplace • Construir modelos de probabilidade para situações simples em que se admita como razoável o pressuposto de simetria Modelos de ou equilíbrio. probabilidades em • Calcular a probabilidade de alguns acontecimentos a partir espaços finitos dos modelos construídos. Variáveis quantitativas. Função massa de • Construir modelos de probabilidade para situações um probabilidade pouco mais complexas utilizando a regra do produto. Probabilidade condicional • Apreender as propriedades básicas de uma função massa de probabilidade. Acontecimentos independentes • Identificar acontecimentos em espaços finitos . • Saber calcular as probabilidades de alguns acontecimentos Árvores de probabilidade utilizando propriedades da probabilidade. Probabilidade Regra de Bayes total. • Fazer compreender a noção de probabilidade condicional através de exemplos simples. Valor médio e variância • Mostrar a utilidade das árvores de probabilidades como instrumento de organização de informação quando se está populacional perante uma cadeia de experiências aleatórias Espaço de resultados infinitos. Modelos . • Ilustrar a forma de cálculo de probabilidades de discretos e modelos acontecimentos utilizando uma árvore de probabilidades. contínuos. Exemplo de modelos • Apresentar a definição de probabilidade condicional (tomando como base uma representação em diagrama de contínuos Modelo binomial Modelo normal Venn de uma população classificada de forma cruzada segundo diversas categorias). • Utilizar a definição de probabilidade condicional para formalizar a noção intuitiva de acontecimentos independentes. • Apresentar a definição de acontecimentos independentes. • Introduzir os estudantes nas técnicas bayesianas. • Fazer a distinção entre valor médio (ou média) populacional e média amostral e também, de modo idêntico, para a variância e outras características já referidas no estudo descritivo de amostras. • Alargar a noção de população como um conceito subjacente a um modelo de probabilidade. • Apresentar de forma justificada as fórmulas de cálculo do valor médio e da variância para modelos quantitativos de espaços de resultados finitos. • Mostrar o interesse em adotar modelos com suporte não finito em situações onde o conjunto de resultados possíveis não seja conhecido na sua totalidade ou seja demasiado extenso. • Calcular probabilidades de acontecimentos a partir de alguns modelos contínuos simples. • Salientar a importância deste modelo referindo o teorema limite central. • Referir as principais características de um modelo normal ou gaussiano. • Calcular probabilidades com base nesta família de modelos recorrendo ao uso de uma tabela da função de distribuição de uma normal standard INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Parâmetro e estatística • Apresentar as ideias básicas de um tipo de raciocínio com que os estudantes são confrontados pela primeira vez, em que, a partir das propriedades estudadas num conjunto de dados, se procurarão tirar conclusões para um conjunto de dados mais vasto. Noção de estimativa pontual. estimação de • Apresentar as ideias básicas de um processo de inferência um valor médio estatística, em que se usam estatísticas para tomar decisões acerca de parâmetros. Importância da amostragem aleatória, • Mostrar toda a potencialidade da Estatística, que nos no contexto da permite tirar conclusões e tomar decisões, indo do particular inferência estatística para o geral, quantificando o erro cometido nessa tomada de decisões. Utilização do Teorema do limite central na obtenção da distribuição de amostragem da média Construção de estimativas intervalares ou intervalos de confiança para o valor médio e proporção Interpretação do conceito de intervalo de confiança *Os