Foco HL apoiado. Primeira avaliação 2021; atual até 2028. Curso de primeira-avaliação-2029 é separado. Guia restante, avaliação e requisitos práticos retêm seus registros pendentes.
Pré-requisitos: leia as quantidades e unidades declaradas, use aritmética e as condições do modelo abaixo. Cada lição desenvolve seu próprio método antes da transferência independente.
Estes são exemplos didáticos originais ou explicitamente fictícios, não medições reais ou investigações avaliadas concluídas por aprendizes.
Dois grupos têm a mesma mediana, mas dispersão diferente. Um único resumo não descreve tanto localização quanto consistência.
Esta lição estuda densidade de frequência: Frequência dividida pela largura da classe, usada como altura do histograma.
Escolha a estrutura matemática
Compare uma média e uma dispersão adequadas no contexto. Um histograma usa área para a frequência, logo altura=frequência/largura da classe. Estimativas agrupadas assumem valores representativos dentro dos intervalos.
Declare as entradas permitidas e as unidades antes de calcular. Uma equação deve expressar a relação, não apenas registrar uma entrada de calculadora.
Verifique o resultado em relação às quantidades iniciais. Substitua na relação original ou compare o gráfico e a resposta numérica quando apropriado.
Exemplo:
Uma classe de 10 a 20 com frequência 30 tem densidade 30/10=3. Uma classe de 20 a 40 com frequência 20 tem densidade 20/20=1. Sua barra mais larga não deve ser confundida com maior densidade. Para valores 2,4,4,6,9, a mediana é 4 e a média é 5.
Teste um atalho tentador
A barra mais alta do histograma não precisa conter a maior quantidade de observações. A média agrupada é uma estimativa. Correlação não prova causalidade, e extrapolação se estende além da faixa observada.
Quando um atalho falha, identifique a premissa que ele viola. Mantenha o valor exato até o arredondamento final solicitado.
Atenção:
A altura de uma barra de histograma sempre equivale à sua frequência, mesmo com larguras de classe desiguais. Essa afirmação é falsa. Explique qual definição ou premissa ela viola.
Interprete uma nova situação
Escolha um gráfico adequado ao tipo de dado. Forneça tanto uma comparação numérica quanto seu significado para a população; não inferir mais precisão do que a amostra suporta.
Uma solução completa fornece o resultado matemático e explica o que ele significa. Verifique se é possível no contexto declarado.
Use isso em seu curso
Aplicações e Interpretação HL na primeira avaliação atual de 2021. Este é apoio conceitual authored; o guia completo é necessário para certificar cada objetivo.
Forneça o método antes da resposta final e siga as regras de calculadora e fórmulas do papel. Revise uma resposta errada localizando o primeiro passo inválido.
Chave:
Frequência dividida pela largura da classe, usada como altura do histograma. Escolha a relação, mostre o método, verifique suas premissas e interprete o resultado.
4.3
Probabilidade, árvores e raciocínio condicional
O que muda após o primeiro sorteio?
Uma bolsa tem 3 contadores vermelhos e 2 azuis. Retirar dois sem reposição altera a probabilidade da segunda cor.
Esta aula estuda probabilidade condicional: a probabilidade de um evento após restringir o espaço amostral a uma condição declarada.
Escolha a estrutura matemática
Multiplique ao longo de um ramo da árvore e some ramos disjuntos. Com reposição, a composição permanece fixa. Probabilidade condicional é P(A dado B)=P(A∩B)/P(B), para P(B)>0.
Declare as entradas permitidas e as unidades antes de calcular. Uma equação deve expressar a relação, não apenas registrar uma entrada de calculadora.
Verifique o resultado em relação às quantidades iniciais. Substitua na relação original ou compare o gráfico e a resposta numérica quando apropriado.
Exemplo:
Sem reposição, P(dois vermelhos)=3/5×2/4=3/10. P(um de cada)=3/5×2/4+2/5×3/4=3/5. Se P(A∩B)=0.12 e P(B)=0.3, P(A dado B)=0.4.
Teste um atalho tentador
Eventos mutuamente exclusivos significam nenhuma sobreposição; independentes significam que conhecer um evento não altera a probabilidade do outro. Dois eventos disjuntos com probabilidade positiva não são independentes.
Quando um atalho falha, identifique a premissa que ele viola. Mantenha o valor exato até o arredondamento final solicitado.
Atenção:
Eventos mutuamente exclusivos com probabilidades positivas devem ser independentes. Esta afirmação é falsa. Explique qual definição ou suposição ela viola.
Interprete uma nova situação
Uma tabela de contingência torna o denominador restrito visível. Antes de usar um produto P(A)P(B), justifique a independência pelo contexto ou pelas informações fornecidas.
Uma solução completa fornece o resultado matemático e explica o que ele significa. Verifique se é possível no contexto declarado.
Use isso em seu curso
Aplicações e Interpretação HL na primeira avaliação atual de 2021. Este é apoio conceitual authored; o guia completo é necessário para certificar cada objetivo.
Forneça o método antes da resposta final e siga as regras de calculadora e fórmulas do papel. Revise uma resposta errada localizando o primeiro passo inválido.
Chave:
A probabilidade de um evento após restringir o espaço amostral a uma condição declarada. Escolha a relação, mostre o método, verifique suas premissas e interprete o resultado.
4.4
Modelos binomial, normal e de Poisson
O que torna uma contagem previsível?
Um inspetor de qualidade conta itens defeituosos. O número é aleatório, mas um modelo pode descrever sua faixa provável.
Esta aula estuda valor esperado: a média ponderada pela probabilidade de uma variável aleatória.
Escolha a estrutura matemática
Um modelo binomial precisa de n fixo, ensaios independentes, dois resultados e p constante. E(X)=np e Var(X)=np(1-p). Para um modelo normal use z=(x-μ)/σ. Um modelo Poisson descreve contagens com taxa constante e suposições de independência adequadas.
Declare as entradas permitidas e as unidades antes de calcular. Uma equação deve expressar a relação, não apenas registrar uma entrada de calculadora.
Resolva um caso verificado
$$P(X=k)=\binom nk p^k(1-p)^{n-k},\qquad X\sim B(n,p)$$
Verifique o resultado em relação às quantidades iniciais. Substitua na relação original ou compare o gráfico e a resposta numérica quando apropriado.
Exemplo:
Para X binomial(5,0.2), P(X=0)=0.8^5=0.32768, E(X)=1 e Var(X)=0.8. Para uma quantidade normal com μ=100, σ=15, o valor 130 tem z=2. Uma média de Poisson de 3 por hora dá média 6 em duas horas.
Teste um atalho tentador
Nem toda contagem é binomial: alterar p ou a dependência pode invalidá-la. Para uma variável contínua, a probabilidade de um valor exato é zero. A correção de continuidade é relevante ao aproximar uma distribuição discreta por uma normal.
Quando um atalho falha, identifique a premissa que ele viola. Mantenha o valor exato até o arredondamento final solicitado.
Atenção:
Toda contagem de sucessos tem distribuição binomial, independentemente da dependência. Esta afirmação é falsa. Explique qual definição ou pressuposto ela viola.
Interprete uma nova situação
Escreva o evento como uma desigualdade antes de usar as funções de distribuição da calculadora. Distinga P(X<k), P(X≤k) e um complemento de cauda. Enuncie os pressupostos no contexto.
Uma solução completa fornece o resultado matemático e explica o que ele significa. Verifique se é possível no contexto declarado.
Use isso em seu curso
Aplicações e Interpretação HL na primeira avaliação atual de 2021. Este é apoio conceitual authored; o guia completo é necessário para certificar cada objetivo.
Forneça o método antes da resposta final e siga as regras de calculadora e fórmulas do papel. Revise uma resposta errada localizando o primeiro passo inválido.
Chave:
A média ponderada pela probabilidade de uma variável aleatória. Escolha a relação, apresente o método, verifique seus pressupostos e interprete o resultado.
4.5
Testes de hipótese e conclusões contextuais
O acaso poderia explicar o resultado?
Uma fábrica afirma que apenas 10% dos itens são defeituosos. Uma amostra contém mais defeitos, mas o próprio acaso pode explicar alguma diferença.
Esta aula estuda o nível de significância: o limiar de probabilidade escolhido para rejeitar uma hipótese nula.
Escolha a estrutura matemática
Enuncie H₀ e H₁ em parâmetros populacionais antes de analisar o resultado. Calcule a probabilidade da cauda adequada sob H₀. Rejeite H₀ quando a evidência atender à regra de significância especificada; caso contrário, declare que há evidências insuficientes.
Declare as entradas permitidas e as unidades antes de calcular. Uma equação deve expressar a relação, não apenas registrar uma entrada de calculadora.
Resolva um caso verificado
$$H_0:p=p_0,\qquad H_1:p>p_0$$
Verifique o resultado em relação às quantidades iniciais. Substitua na relação original ou compare o gráfico e a resposta numérica quando apropriado.
Exemplo:
Para H₀:p=0.1 e H₁:p>0.1 com n=10, observar pelo menos 3 defeitos tem probabilidade 1-(0.9^10+10×0.1×0.9^9+45×0.1²×0.9^8)≈0.070191. Em 5%, isso constitui evidência insuficiente de que a taxa de defeitos supera 10%.
Teste um atalho tentador
Não rejeitar H₀ não é prova de que H₀ seja verdadeira. Escolha a cauda baseada em H₁, não daquela que apresenta menor valor. Significância estatística não mede a magnitude prática de um efeito.
Quando um atalho falha, identifique a premissa que ele viola. Mantenha o valor exato até o arredondamento final solicitado.
Atenção:
Não rejeitar uma hipótese nula prova que ela é verdadeira. Esta afirmação é falsa. Explique qual definição ou pressuposto ela viola.
Interprete uma nova situação
Conclua com uma frase sobre a população e a afirmação original. Enuncie os pressupostos do modelo e considere se o procedimento de amostragem os sustenta.
Uma solução completa fornece o resultado matemático e explica o que ele significa. Verifique se é possível no contexto declarado.
Use isso em seu curso
Aplicações e Interpretação HL na primeira avaliação atual de 2021. Este é apoio conceitual authored; o guia completo é necessário para certificar cada objetivo.
Forneça o método antes da resposta final e siga as regras de calculadora e fórmulas do papel. Revise uma resposta errada localizando o primeiro passo inválido.
Chave:
O limiar de probabilidade escolhido para rejeitar uma hipótese nula. Escolha a relação, apresente o método, verifique seus pressupostos e interprete o resultado.
4.6
Intervalos de confiança, qui-quadrado e regressão
Quão incerto é a média amostral?
Duas amostras dão médias diferentes. Precisamos de uma declaração sobre a incerteza de amostragem, não de uma promessa de que uma amostra é igual à população.
Esta lição estuda intervalo de confiança: um intervalo calculado por um procedimento projetado para cobrir o parâmetro populacional em uma taxa de longo prazo declarada.
Escolha a estrutura matemática
Para uma média normal com σ conhecida, um intervalo de 95% é média amostral±1.96σ/√n. Para qui-quadrado, some (observado-esperado)²/esperado com os graus de liberdade corretos. Escolha um teste adequado aos dados e pressupostos.
Declare as entradas permitidas e as unidades antes de calcular. Uma equação deve expressar a relação, não apenas registrar uma entrada de calculadora.
Verifique o resultado em relação às quantidades iniciais. Substitua na relação original ou compare o gráfico e a resposta numérica quando apropriado.
Exemplo:
Com média=50, σ=10, n=100, erro padrão=1 e o intervalo de 95% é [48.04,51.96]. Para contagens observadas 30 e 20 contra esperadas 25 e 25, qui-quadrado=25/25+25/25=2, antes de decidir pelos graus de liberdade e limiar de rejeição.
Teste um atalho tentador
Um procedimento de confiança de 95% não fornece probabilidade de 95% de que uma média populacional fixa caia neste único intervalo. Contagens esperadas e parâmetros estimados afetam a validade e os graus de liberdade dos testes qui-quadrado.
Quando um atalho falha, identifique a premissa que ele viola. Mantenha o valor exato até o arredondamento final solicitado.
Atenção:
Uma correlação forte por si só estabelece uma relação causal. Esta afirmação é falsa. Explique qual definição ou pressuposto ela viola.
Interprete uma nova situação
Relate a incerteza no contexto. Na regressão, inspecione os resíduos, evite extrapolações injustificadas e distinga uma relação ajustada de uma explicação causal. S3 e IB AI HL exigem limites de escopo verificados diferentes.
Uma solução completa fornece o resultado matemático e explica o que ele significa. Verifique se é possível no contexto declarado.
Use isso em seu curso
Aplicações e Interpretação HL na primeira avaliação atual de 2021. Este é apoio conceitual authored; o guia completo é necessário para certificar cada objetivo.
Forneça o método antes da resposta final e siga as regras de calculadora e fórmulas do papel. Revise uma resposta errada localizando o primeiro passo inválido.
Chave:
Um intervalo calculado por um procedimento projetado para cobrir o parâmetro populacional em uma taxa de longo prazo declarada. Escolha a relação, mostre o método, verifique seus pressupostos e interprete o resultado.
Aulas interativas sobre este tópico
Passe por ele passo a passo, com exercícios de verificação instantânea.
