Título: Problema da Agulha de Buffon
Transcrição
Título: Problema da Agulha de Buffon
AGULHA DE BUFFON Verônica Yumi Kataoka Miriam Cardoso Utsumi O número π (pi) é uma constante matemática, que está representada, por exemplo, na razão entre o comprimento de uma circunferência e o seu diâmetro. Atualmente existem muitos métodos computacionais que permitem calcular o valor de π de forma precisa, utilizando bilhões de casas decimais. Podemos identificar também a presença do π na expressão que determina a probabilidade que uma agulha de comprimento l, lançada ao acaso, intercepte um dos segmentos de retas paralelas (traçadas num tabuleiro de madeira ou num papel) afastadas a uma distância d (sendo l≤d). Esta situação é conhecida como o “Problema da Agulha de Buffon”, proposta pelo matemático e filósofo George Louis Leclerc e essa probabilidade, denominada de probabilidade geométrica1, é determinada pela expressão p = π d 2l . Usando esse problema de Buffon é possível realizar um experimento aleatório para o lançamento da agulha e estimar o valor de π pela associação entre a probabilidade geométrica e a probabilidade frequentista (determinada pela razão entre o número de sucessos – intercepta o segmento de reta - e o número de lançamentos). Mas por que estimar, com erro, uma constante que pode ser calculada de forma totalmente precisa? Para responder a tal questionamento, deve-se considerar que é importante no ensino de Probabilidade que o professor propicie situações em que os alunos possam realizar experimentos e observar eventos, explorando assim conceitos fundamentais para Probabilidade, tais como: aleatoriedade, independência, variação, previsibilidade e incerteza. De acordo com. Gal (2005) esses conceitos estão presentes no cotidiano dos alunos, já que a maioria dos fenômenos é de natureza aleatória, sendo também conceitos constantemente utilizados nos processos de cálculos probabilísticos. Esse mesmo autor afirma que o aluno que é capaz de ler e interpretar criticamente informações probabilísticas, bem como tomar decisões com base nas mesmas, pode ser considerado letrado em Probabilidade., Buscando desenvolver o letramento probabilistico, essa sequência de ensino (SE) propõe o trabalho tanto com experimentos determinísticos, determinando o valor de π de forma clássica, isto é, medindo o diâmetro e a circunferência de um objeto cilíndrico; como com 1 . Nesta concepção de probabilidade, os espaços amostrais são descritos por figuras geométricas, sendo não-enumeráveis, podendo ser finitos, como no caso da região delimitada por um quadrado ou um cubo; ou infinitos como a região delimitada por duas retas (TUNALA, 1995). 1 experimentos aleatórios, estimando o valor de π por meio do problema da agulha de Buffon. Dessa forma o aluno poderá explorar os conceitos supracitados, além de diferenciar esses dois tipos de experimentos e os tipos de erros originados pelos mesmos, quais sejam: erros sistemáticos nos experimentos determinísticos e erros aleatórios no experimento aleatório. A proposta de se trabalhar com esses dois tipos de erros (sistemático e aleatório), advém do fato que o aluno pode explorar a idéia de variabilidade de diferentes perspectivas, concordando com Makar & Confrey (2004) que afirmam que comparar grupos pode estimular aos aprendizes a considerar não só medidas de dispersão dentro de cada grupo, mais entre os grupos, e, por conseguinte, considerar variação entre (tanto com os erros sistemáticos como aleatórios) e dentro (erros sistemáticos) das próprias medidas. Objetivo Geral Explorar as diferenças que existem entre um experimento determinístico e um experimento aleatório, e, por conseguinte, discutir os conceitos de erros sistemáticos e aleatórios, utilizando como medida o valor de π . Objetivos específicos Estimar o valor de π pelo método do Buffon; Determinar um valor aproximado para π pelo método Clássico; Explorar as ideias de variabilidade entre e dentre das próprias medidas; Discutir os conceitos de erros sistemáticos, erros aleatórios, experimento, replicação (repetição), amostra, parâmetro, estimativa; Visualizar o fenômeno da convergência por meio da simulação computacional no AVALE; Material necessário • Tabuleiros de madeira ou cartolina com feixe de segmentos de retas paralelos, sendo a distância “d” entre esse segmentos fixa; • Palitos de dente ou palitos de fósforo ou varetas de madeira de comprimento l ; • Cartaz em papel madeira para sistematizar os resultados. • Fita adesiva. • Laboratório de informática com acesso à Internet. • Calculadora. • Réguas, barbante, fita métrica de costureira; • Diferentes objetos cilíndricos. 2 Tempo estimado: Três aulas de 50 minutos cada. Desenvolvimento da atividade no ambiente de aprendizagem papel e lápis 1ª etapa: Método Clássico Nessa etapa o professor deve solicitar que cada dupla de alunos escolha pelo menos dois objetos cilíndricos (Figura 1) e uma das partes dos objetos (por exemplo, tampa, fundo do copo) em seja possível medir o comprimento (C) e o diâmetro da circunferência (D), e em ( ) seguida calcular, com o auxílio de uma calculadora, os valores aproximados de π π EC = C D , anotando os resultados numa cartaz em papel madeira colado na lousa (Figura 2). O professor pode discutir com os alunos que o valor de π será designado como aproximado nesse experimento, justamente porque o esperado é que o valor encontrado seja bem próximo de π por se tratar de um experimento determinístico, isto é, o valor de π de fato pode ser determinado pela razão entre o comprimento e o diâmetro de uma circunferência, sendo então o resultado de uma relação teórica já existente. Figura 1. Exemplos de objetos cilíndricos para experimento com o método clássico Dupla Método Clássico π EC Objeto C D 1 1 27,0 8,5 3,1765 2 1 27,5 8,6 3,1977 3 2 28,2 8,6 3,2791 4 3 24,0 7,3 3,2877 5 2 28,1 8,6 3,2674 6 3 23,6 7,2 3,2778 7 1 27,0 8,5 3,1765 Figura 2. Exemplo da planilha de dados do método clássico utilizando régua e barbante Ressalta-se que o professor deve levar certa quantidade de objetos cilíndricos de forma que pelos menos duas duplas de alunos meçam o mesmo objeto, no exemplo da figura 2 foram três duplas medindo o objeto 1, duas duplas o objeto 2 e duas duplas o objeto 3. Na medição do mesmo objeto se forem encontradas diferenças nos valores aproximados de π , o que geralmente acontece, permitirá a discussão da existência de erros sistemáticos, 3 como por exemplo, medidas feitas em partes diferentes no objeto, ou medidas feitas na mesma parte, mas com grau de precisão diferente. No caso do exemplo da figura 2, os alunos mediram o comprimento e a circunferência na mesma parte, e para o objeto 1 observa-se que a dupla 2 encontrou um valor aproximado de π diferente das duplas 1 e 7, o mesmo acontecendo com os objetos 2 e 3 medidas pelas demais duplas. Na medição de objetivos diferentes, se forem encontradas diferenças nos valores aproximados de π , poder-se-á discutir o erro sistemático advindo da facilidade (ou dificuldade) de medir alguns objetos por serem maiores ou menos escorregadios, como é o exemplo do valor π EC do objeto 1 é o que mais se aproxima do valor de π , porque ele era um objeto médio, de alumínio e que tinha uma marcação no centro da tampa superior, o que pode ter auxiliado no diâmetro da circunferência. A utilização de diferentes instrumentos de medição por dupla, por exemplo, régua e barbanteou com a fita métrica de costureira, ou barbante e escalímetro, ou ainda usar um paquímetro, também podem gerar erros sistemáticos Em seguida o professor deve solicitar às duplas que realizem o experimento aleatório. 2ª etapa: Método Buffon O professor deve distribuir para cada dupla um pequeno tabuleiro de madeira ou cartolina com um feixe de segmentos paralelos (Figura 3), sendo a distância “d” entre esse segmentos fixa. Figura 3. Exemplo do tabuleiro e da agulha (vareta) com o resultado de sucesso Em seguida, cada aluno deve lançar uma agulha (vareta, palito de dente etc), de comprimento l ( l ≤ d ) , 50 vezes (n) (perfazendo uma amostra de 100 lançamentos por dupla) e, a cada lançamento (replicação), anotar se a agulha intercepta um dos segmentos (como o exemplo na Figura 3), determinado assim o número de k sucessos. Os alunos devem medir também o comprimento da agulha l , já que pode haver uma pequena variação na medida. Com esses resultados, o professor deve solicitar aos alunos que calculem o valor estimado para o 4 parâmetro π utilizando a fórmula da probabilidade geométrica - p = π d 2l . Nessa fórmula os alunos devem substituir o valor de p pelo resultado da freqüência relativa k n (probabilidade frequentista) obtendo assim o valor para a estimativa2 de π - p = π d 2l → k πˆ d 2lk = → πˆ = 2 l n nd (Figura 4). Dupla Método Buffon πˆ n k l D 1 100 47 5,00 8 2,6596 2 150 63 5,10 8 3,0357 3 100 51 5,15 8 2,5245 4 100 40 5,00 8 3,1250 5 100 41 5,15 8 3,1402 6 100 30 5,00 8 4,1667 7 100 45 5,10 8 2,8333 Figura 4. Exemplo da planilha de dados do método Buffon com 100 lançamentos por dupla Salienta-se que não será discutida neste tutorial a solução deste problema por meio da probabilidade geométrica3 por envolver, por exemplo, o conceito de integral que foge do escopo da educação básica. Mesmo não apresentando a demonstração para a obtenção da expressão da probabilidade geométrica para os alunos, acreditamos que a atividade é muito relevante, pois consideramos que o mais importante é apresentar para os alunos outra forma prática de obter uma estimativa para o valor de π . Obtidos os valores aproximados de π ( π EC ) pelo método clássico - experimento determinístico e os valores estimados de π ( πˆ ) pelo método do Buffon – experimento aleatório, o professor pode discutir com os alunos os erros encontrados nos dois tipos de experimentos, passando para a 3ª etapa da SE. 3ª etapa: Comparação entre os métodos A partir da planilha de dados preenchida com os resultados dos dois métodos, o professor pode discutir com os alunos as diferenças entre os dois experimentos, solicitando que Quando substituímos o valor da probabilidade pela freqüência relativa, o valor de π passa a ser estimado é representado na Estatística com o símbolo πˆ e denominado de estimativa do parâmetro π . Destaca-se que a estimativa é diferente do que designamos de valor aproximado, isto é o valor aproximado, como dito, é o valor obtido de um experimento determinístico, ou seja de uma relação já existente teoricamente. 3 Para ter acesso à demonstração do cálculo desta probabilidade, consulte Tunala (1995); Kataoka; Rodrigues; Oliveira (2007). 2 5 sejam calculados os erros experimentais, que no caso do método clássico são denominados de erros sistemáticos, por serem provenientes de erros de medição (quer seja originado pelo instrumento utilizado, que seja pela pessoa que está medindo) ( Erro 1 = π EC − π ) ; e no método Buffon são denominados erros aleatórios ( Erro 2 = πˆ − π ) (Figura 5). Ressalta-se que teoricamente se um experimento é aleatório não devem existir erros sistemáticos, mas no caso do Problema da Agulha de Buffon, se o lançamento da agulha ou sua medida forem feitos de forma incorreta podem estar inclusos também erros sistemáticos no valor do erro 2. Sendo assim é importante que o professor esteja atento a forma como os alunos estejam lançando a agulha e procedendo às medições. Dupla 1 2 3 4 5 6 7 Método Clássico Objeto C D 1 1 2 3 2 3 1 27,0 27,5 28,2 24,0 28,1 23,6 27,0 8,5 8,6 8,6 7,3 8,6 7,2 8,5 π EC Método Buffon Erro 1 n K l πˆ Erro 2 2,6596 3,0357 2,5245 3,1250 3,1402 4,1667 2,8333 -0,4820 -0,1059 -0,6171 -0,0166 -0,0013 1,0251 -0,3083 D 3,1765 0,0349 100 47 5,00 8 3,1977 0,0561 150 63 5,10 8 3,2791 0,1375 100 51 5,15 8 3,2877 0,1461 100 40 5,00 8 3,2674 0,1258 100 41 5,15 8 3,2778 0,1362 100 30 5,00 8 3,1765 0,0349 100 45 5,10 8 Figura 5. Exemplo da planilha de dados dos dois métodos Calculado os dois erros, é importante discutir com os alunos que alguns valores encontrados no experimento super ou subestimam o valor de π , e que há uma tendência dos erros sistemáticos serem mais próximos de zero (só ocorrem por falta de precisão no processo de medição), comparativamente com os erros aleatórios (principalmente quando o número de lançamento é reduzido), pelo menos teoricamente esse é um resultado esperado. Verificando os erros no exemplo na figura 5, observa-se que na coluna do π EC , todos os valores superestimam o valor de π , como conseqüência, todos os valores do Erro 1 são positivos. Já em relação ao πˆ , temos tanto valores super (resultado da dupla 6) como subestimando (resultado da dupla 1) o π , originando nos valores do Erro 2 tanto positivos como negativos. Percebe-se também que de fato os valores do Erro 1 são mais próximos do zero que os do Erro 2 (com exceção das duplas 4 e 5). Em síntese, o professor ao trabalhar com os dois tipos de erros (sistemáticos e aleatórios), possibilita ao aluno perceber que a natureza dos mesmos é distinta, isto é, os erros sistemáticos podem ser controlados, utilizando-se, por exemplo, aparelhos mais precisos, e que os erros aleatórios são inerentes aos fenômenos que envolvem sorteios, lançamentos ao acaso, ou seja, não podem ser controlados. 6 Retomando o que afirma Makar & Confrey (2004) é importante que o aluno explore a idéia de variabilidade desde diferentes perspectivas: comparando resultados de diferentes duplas para um mesmo objeto (no caso do método clássico), oportuniza-se aos alunos perceberem a variação dentro das próprias medidas comparando os erros sistemáticos. E tanto no caso do método clássico, quando os objetos são diferentes, como o do Buffon, é possível que os alunos percebam a variação entre as medidas por meio, respectivamente, dos erros sistemáticos e aleatórios. A importância de se explorar a ideia de variabilidade nesses dois tipos de experimento, pode se apoiar ainda no que afirmam Pfannkuch (1997), Shaughnessy (1997), que a variabilidade é o coração da Estatística e é o componente fundamental do pensamento estatístico. Caso a escola possua um laboratório de informática com acesso a internet, os alunos podem utilizar vários applets que realizam a simulação do problema de Buffon, para aumentar o número de lançamentos. No caso desse tutorial, a proposta é desenvolver essa sequência de ensino também no Ambiente Virtual de Apoio ao Letramento Estatístico para a Educação Básica – AVALE-EB. Desenvolvimento da atividade no ambiente de aprendizagem virtual – AVALE-EB O AVALE-EB oferece um sistema de entrada de dados personalizado (Figura 5), gerando uma planilha eletrônica dinâmica e em tempo real, disponibilizando ferramentas estatísticas para o tratamento dos dados (Figura 6). Figura 6. Planilha estatísticas Figura 5 . Entrada de dados personalizados eletrônica e ferramentas No caso dessa sequência de ensino é possível, por exemplo, comparar os resultados dos dois métodos de qualquer dupla utilizando o gráfico de barras ou o boxplot dos erros experimentais. (Figura 7). 7 Figura 7. Exemplos de resultados obtidos no AVALE-EB para a sequência de ensino Uma vantagem do ambiente virtual em comparação com o ambiente papel e lápis é a opção da simulação em Java, em que os resultados se referem à estimativa de probabilidade para 10, 100, 1000 ou 10.000 lançamentos. Para tal, acesse Simulação Buffon – Java na aba Buffon do AVALE-EB, que você será direcionado para o site http://www.galileu.esalq.usp.br/applet.php?id=4. Professor, você, pode discutir com a turma o fenômeno da convergência, ou seja, a aproximação da estimativa de Pi ( πˆ ) do valor do Pi à medida que o número de lançamentos aumenta (Figura 8). Figura 8. Estimativas de probabilidade da simulação com 10.000 lançamentos para a SE Agulha do Buffon com comprimento da agulha de 0,5 unidade de comprimento – u.c. e distância entre os segmentos de 1 u.c. Fonte: http://www.galileu.esalq.usp.br/applet.php?id=4 No resultado da simulação da Figura 8 é possível observar que: 8 • na primeira imagem, no último lançamento, a agulha não tocou no segmento; • na segunda imagem, os pontos vermelhos que caem na região externa às duas curvas azuis são considerados sucessos (a determinação da região favorável advém da expressão de probabilidade que, como dito, não será demonstrada nesse tutorial), isto é, a agulha toca no segmento; • na terceira imagem, o gráfico de barras comparando a probabilidade teórica (Distribuição) e a frequência relativa (Simulação), tanto para as agulhas que não tocam no segmento, fracasso, (Z = 0) como para as que tocam (Z=1). Salientando que essa probabilidade teórica de sucesso é obtida substituindo o valor de Pi (3,141593...), do comprimento da agulha (0,5 u.c.) e a distância entre as paralelas (1 u.c.) na expressão p = πd 2l , e que a frequência relativa é determinada pela razão entre o número de sucessos e o número de lançamentos. • na parte inferior (abaixo da primeira e segunda imagens) são apresentados os resultados de cada simulação, com as coordenadas x e y para determinar o ponto no gráfico da figura 3, e com a designação U = 0 se não tocou no segmento e U = 1 se tocou. Por exemplo, no último lançamento a vareta não tocou no segmento, o que resultou em U = 0 • Na quarta imagem aparece o valor estimado de Pi (3,147) e o erro (0,005) que seria o valor da estimativa subtraído do valor teórico do Pi (considerado nessa simulação como sendo aproximadamente 3,142). Esse resultado indica que de fato quando aumentamos o número de lançamento há uma redução do erro aleatório, que fica próximo de zero. Considerações sobre a SE Os resultados de aplicações dessa sequência de ensino nas escolas mostram que os estudantes se sentem motivados e envolvidos, conseguem atribuir significado aos conceitos desenvolvidos, percebendo as diferenças entre os experimentos e erros. Observou-se também que eles ficaram mais interessados em saber como ou por que um valor constante e já determinado como Pi pode ser gerado por um processo aleatório. A estimativa do valor π na experimentação aleatória pode não ser tão próxima do valor de π , por conta principalmente do número reduzido de lançamentos que é obtido em sala de aula, mas simulando com o computador, os estudantes percebem essa aproximação, o que possibilita também a discussão do fenômeno da convergência. Acredita-se que a exploração de sequências de ensino como essa, pode auxiliar no desenvolvimento do letramento probabilístico de alunos de diversas séries escolares. 9 Referências Gal, I. Towards “Probability Literacy” for all citizens: Building Blocks and Instructional Dilemmas. In Jones, G. A. (Ed), Exploring probability in school: Challenges for teaching and learning. pp. 39-63. 2005. Makar, K.; Confrey, J. Secondary teachers’ statistical reasoning in comparing two groups. In: Ben-Zvi, D.; Garfield, J. (Eds), The challenge of developing statistical literacy, reasoning and thinking. Dordecht, The Netherlands: Kluwer Academic Publishers. pp. 353-374. 2004. Kataoka, V. Y.; Rodrigues, A.; Oliveira, M. S. Utilização do conceito de Probabilidade Geométrica como recurso didático no Ensino de Estatística. In: Encontro Nacional de Matemática, IX, 2007, Belo Horizonte, Anais, 2007. Disponível em:http://www.sbem.com.br/files/ix_enem/Minicurso/Trabalhos/MC57002509500T.doc Pfannkuch, M. (1997). Statistical thinking: One statistician’s perspective. In F. Biddulph & K. Carr (Eds.), People in mathematics education (Proceedings of the 20th annual conference of the Mathematics Education Research Group of Australasia) (pp. 406-413). Rotorua, New Zealand. Shaughnessy, J. M. (1997). Missed opportunities in research on the teaching and learning of data and chance. In F. Biddulph & K. Carr (Eds.), People in mathematics education (Proceedings of the 20th annual conference of the Mathematics Education Research Group of Australasia) (pp. 6-22). Rotorua, New Zealand. Tunala, N. Determinação de probabilidades por métodos geométricos. Revista do Professor de Matemática, v.20, p. 16-22, 1995. 10
Documentos relacionados
O problema das Agulhas de Buffon. - Wiki para o Stoa
Inicialmente pretendia-se realizar o experimento utilizando palitos de madeira previamente selecionados de forma a terem o mesmo comprimento e uma cartolina de tamanho duplo na qual as retas parale...
Leia mais