Você está na página 1de 60

CAP TULO 1

I NTRODUO P.O.


I nt r odu o

Pesquisa Operacional
(P.O.), enquanto nome,
constitui numa expres-
so ainda pouco conhecida, principal-
mente no Brasil. Suas aplicaes, por
outro lado, j se fazem presentes at
mesmo no cotidiano de pessoas comuns,
seja atravs do disposio em filas
nicas nas agncias bancrias, seja no
agendamento de consultas em clnicas e
hospitais, seja no planejamen-to das
mos de direo no trnsito de uma
cidade. Vamos nas linhas seguintes
tentar traar um panorama geral de seus
elementos e de seus objetivos.

At 1950, a Pesquisa Operacio-
nal era utilizada apenas na rea militar,
quando os generais americanos e ingle-
ses planejavam a disposio de seus
exrcitos de ataque e de defesa com
finalidades de otimizar as conquistas
com a menor baixa de homens possvel.
Obviamente que isso era conseguido
graas a um planejamento minucioso e
matemtico das aes das tropas. Da,
comearam a modelar a realidade das
foras armadas com elementos mate-
mticos, o que resultou em alguma
complexidade. Paralelamente, desafios
eram colocados para os profissionais da
rea de exatas, como engenheiros,
matemticos, fsicos, administradores,
contadores, etc, no sentido de desen-
volver procedimentos numricos e

1
DUCKWORTH, E. Guia Pesquisa
Operacional, editora Atlas, So Paulo, 1972.
lgicos que resolvessem determinados
problemas. Estes procedimentos, hoje
em sua maioria informatizados,
compem o que chamamos de Pesquisa
Operacional.

No foi muito difcil criar adap-
taes para as reas no-blicas dos
procedimentos anteriores, sendo que
hoje a Pesquisa Operacional (P.O.)
encontra aplicaes em diferentes
campos como a agricultura, a indstria, a
administrao pblica, o trnsito, a
minerao, nos hospitais, entre outros.
No existe situao em que sistemas
humanos ou sistemas homem-mquina
realizem trabalhos e a P.O. no possa ser
utilizada para assegurar a eficcia dos
aspectos de programao daqueles
trabalhos.
1


Neste captulo, apresentaremos
algumas tcnicas de P.O. que so as
seguintes:
- Programao Linear;
- Teoria de Filas;
- Estatstica Aplicada;
- Teoria da Deciso;
- Teoria dos J ogos;
- J ogo de Empresas;

O objetivo deste captulo o de
apresentar resumidamente os princpios
de cada uma delas, delineando suas
funes e procedimentos utilizados para
que as mesmas sejam desempenhadas.
Pretende-se que tais tcnicas sejam
estudadas em pormenores nos captulos
que se seguiro.


Pr ogr ama o Li near

Trata-se da tcnica mais ampla-
mente utilizada da P.O.. A dificuldade
maior desta tcnica foi, sem dvida, a de
A
carter operacional, isto , dificul-dade
em se criar e de se aplicar proce-
dimentos matemticos seqenciais os
algoritmos. Felizmente, em 1947, o
matemtico George B. Dantzig criou um
algoritmo batizado por Simplexo e este
usado at hoje pelos programado-res de
computador. No ano passado, em 1998,
eu mesmo cheguei a desenvolver um
programa (o JC Simplexo 1.0) que
resolvia problemas de P.L. (Programa-
o Linear) de at 5 variveis e 10
restries. Depois disso, descobri que o
MS Excel vinha com uma ferramenta que
utiliza tambm o simplexo, alm de
outros algoritmos, para resolver tais
problemas de P.L. Assim, deveremos
estud-los no Excel e aposentar por
enquanto o JC Simplexo.

Vamos ilustrar o raciocnio utili-
zado em um problema tpico de P.L..
Imagine que voc gerencia um
minimercado horti-granjeiro do tipo
sacolo e seu objetivo o de minimizar
os custos de seus produtos, a fim de se
tornar competitivo no mercado. Imagine
tambm que voc venda apenas 3 tipos
de legumes, a saber tomates, cenouras e
batatas. As estatsticas tm mostrado que
o consumo semanal destes alimen-tos
de 600 kg. Assim, voc deseja adquirir
quantidades tais dos trs produ-tos que
resultem em 600 kg. No entanto, cada
um dos legumes tem um custo diferente,
digamos:
- tomates : R$ 0,30 / kg
- cenouras : R$ 0,40 / kg
- batatas : R$ 0,50 / kg
Vamos tambm considerar que o preo
de venda do sacolo calculado com
base no custo mais 50%.

1) Considerando as condies acima,
podemos perceber a grande vantagem
em adquirir somente tomates, o que
levaria o custo total a:





Produto preo kg quant. kg preo tot.
tomates R$ 0,30 600 R$ 180,00
cenouras R$ 0,40 0 R$ 0,00
batatas R$ 0,50 0 R$ 0,00
custo total R$180,00
O custo e o preo do quilo do sacolo
sairo por:

preo do quilo = R$ 0,30 + 50% = R$ 0,45


2) Obviamente, um sacolo que se preze
no deveria negociar um nico produto,
mas todos, conforme sua procura.
Vamos colocar, ento, que a demanda
mnima de cada um dos produtos tenha
que ser as seguintes:
- tomates : mnimo de 100 kg
- cenouras : mnimo de 130 kg
- batatas : mnimo de 90 kg.
A soluo deste problema agora ser a de
adquirir a menor quantidade possvel de
batatas e de cenouras, j que seus custos
so maiores. Assim, a tabela ficar em:

Produto preo kg quant. kg preo tot.
tomates R$ 0,30 380 R$ 114,00
cenouras R$ 0,40 130 R$ 52,00
batatas R$ 0,50 90 R$ 45,00
custo total R$211,00

Evidentemente, o nosso custo foi eleva-
do, mas o problema assumiu uma forma
mais prxima da realidade a partir da
condio adicional quantidades mni-
mas, condio esta que denominaremos
a partir de agora restrio. O custo e o
preo do quilo do sacolo ficaro agora
em:


preo do quilo = R$ 0,35 + 50% = R$ 0,53

3) Podemos agora tornar o problema
ainda mais complexo com a adio de
uma nova restrio: O espao fsico.
Sabemos que os legumes possuem
tamanhos diferentes e exigem condies
especiais de acomodao nas barracas.
Assim, vamos agora supor que a
quantidade mxima de cada um dos
legumes acima, se fossem comprados
com exclusividade, sejam:
- tomates : mximo de 500 kg
- cenouras : mximo de 700 kg
- batatas : mximo de 600 kg
Isto significa que se comprarmos 500 kg
de tomates, os mesmos ocuparo todo o
sacolo e no haveria espao para
acomodar mais nada. Se comprar-mos
250 kg de tomates, estes ocupariam a
metade do sacolo e a outra metade
poderia ser preenchida com 350 kg de
cenouras; etc. Esta restrio que envol-
ve quantidades a serem acomodadas com
exclusividade requer um pouco mais de
elaborao matemtica, confor-me
veremos no captulo seguinte e se chega
a:

Partindo da soluo do item 2), temos
que a mesma no verifica a restrio
acima:

Logo, devemos ir diminuindo aos
poucos a quantidade de tomates e ir
acrescentando na quantidade de cenou-
ras (mais baratas do que as batatas) de
modo a chegarmos na soluo. Obser-ve
que, manualmente, tivemos que fazer
vrias tentativas para obter a soluo:










tomates batatas cenouras restr.
1) 380 130 90 1,096
2) 350 160 90 1,079
3) 300 210 90 1,050
4) 280 230 90 1,039
5) 200 310 90 0,993
6) 210 300 90 0,999
7) 215 295 90 1,001
8) 212,5 297,5 90 1,000

Vamos verificar se a soluo realmente
obedece restrio de espao fsico:
Ao acomodar 212,50 kg de tomates,
estamos ocupando um espao fsico de:

Analogamente, ao acomodar 297,5 kg de
cenouras, estaremos ocupando um
espao fsico do barraco:

Idem para 90 kg de cenouras:

Somando estes percentuais, teremos
100,00% do barraco ocupado. Pode-
mos agora avaliar o custo e o preo de
venda do quilo do sacolo:

Produto preo kg quant. kg preo tot.
tomates R$ 0,30 212,50 R$ 63,75
cenouras R$ 0,40 297,50 R$ 119,00
batatas R$ 0,50 90 R$ 45,00
custo total R$227,75


preo do quilo = R$ 0,38 + 50% = R$ 0,57









Ocorre, na prtica que o nmero
de variveis bastante elevado (em vez
de 3 legumes, poderamos ter 30), o que
acrescenta dificuldades imensas reso-
luo do problema. Sem falar tambm de
restries de outras naturezas que
poderiam tornar o problema ainda mais
complexo. Assim, a parte operacional
exigiu o desenvolvimento de um algo-
ritmo capaz de chegar soluo atravs
de operaes matemticas o que hoje
o simplexo. Ainda melhor, o simplexo
est disponvel na ferramenta Solver do
MS Excel. Aprenderemos a resolver
problemas de P.L. nesta planilha eletr-
nica em breve.

Problemas de P.L. so utilizados
em diversas reas, e podemos citar
exemplos:
1) Numa fundio, para determinar os
percentuais de metais que formaro ligas
com certas caractersticas de modo que o
custo de produo seja o mais baixo
possvel;
2) na fabricao da rao mais barata,
levando em conta os percentuais
mnimos de nutrientes que a mesma
dever apresentar;
3) Numa refinaria de petrleo, para se
checar a composio mais barata da
gasolina a partir de diversos fornece-
dores;
4) na determinao da rota de cami-
nhes de uma transportadora para mini-
mizar o tempo de percurso;
5) nos planejamentos de produo em
geral onde se deve dimensionar as
quantidades produzidas de cada produto
para maximizao do lucro;
6) no planejamento da localizao de
escolas pblicas com o intuito de mini-
mizar as distncias percorridas pelos
alunos;
7) no campo, para se estabelecer a
diviso de terras em atividades de cultivo
e de pecuria de forma a obter uma maior
rentabilidade;
8) na administrao de uma empresa, no
dimensionamento de funcionrios por
setores a fim de obter uma maior
produtividade global;
9) etc.


Teor i a das Fi l as

Numa estao de servios, sem-
pre que estes so solicitados de forma
aleatria no tempo, bastante provvel a
formao de filas. Por exemplo, numa
agncia bancria, os caixas constituem
estaes de servio e os clientes que o
solicitam podem chegar em intervalos
aleatrios no tempo, isto , sem previ-
ses exatas. Alm disso, a prestao de
servios a cada cliente tambm no est
determinada no tempo e pode ser consi-
derada tambm como aleatria. A teoria
de filas se faz til principalmente para
que o gerente consiga administrar as filas
de modo que as mesmas no cres-am
continuamente e que tambm no exija
um tempo de espera demasiada-mente
longo, o que, sem dvida,
comprometeria a produtividade do lugar.

Se por um lado as filas represen-
tam uma preocupao administrativa, a
ausncia delas tambm preocupante,
porque pode sinalizar que exista
desperdcio de tempo. Por exemplo,
existem lojas com muitos balconistas de
forma que, quando a gente chega, logo
atendido. Neste momento, podemos
notar alguns balconistas sem ter o que
fazer, aguardando novos clientes. Se isso
se repetir por muitas vezes ao longo dos
dias, sinal de que menos balconis-tas
fariam o servio da mesma forma,
portanto, com menos custo para o em-
pregador. Em contrapartida, um super-
mercado, que exige muito tempo de seus
clientes aguardando na fila do caixa,
costuma perd-los para sempre.

A Teoria das Filas uma tcnica
da P.O. que objetiva estudar o fenmeno
da formao de filas e o administrador
que dela se utiliza ter melhores
condies de gerenci-las, encontrando
um ponto timo entre a ociosidade das
estaes de trabalho (como os caixas de
um supermercado) e a espera dos
clientes na fila. Este ponto timo
dimensionado a partir do tempo mdio
de atendimento de um cliente e o tempo
mdio de chegada dos clientes. A partir
disso, pode-se dimensionar o nmero
exato de caixas para que os clientes
estejam sujeitos a um tempo mdio de
espera de 10 minutos, por exemplo, o
que no chega a ser irritante.

A Teoria das Filas apresenta
aplicaes tambm em diversas reas,
como voc pode notar na tabela
2
abaixo:

Cliente Operao Estao
1. veculo abasteci-
mento
bomba de
combustvel
2. mquinas
quebradas
manuteno mecnico

3. veculo transporte barcas
4. pessoa compra de
produto
vendedor
5. navio carga-
descarga
porto
6. avio aterrissagem pista de
aeroporto
7. pea para
estoque
sada do
almoxarifado
consumidor
8. pessoa saque de
dinheiro
caixa do
banco
9. paciente clnica
hospitalar
mdico
10. requisio
de material
baixa no
estoque
controlador
de estoque


Podemos catalogar duas impor-
tantes concluses obtidas a partir da
Teoria das Filas:


2
CONTADOR, J.C.. Alguns modelos da
1) Se as estaes de trabalho forem
planejadas para atender exatamente
demanda, a fila tende a crescer conti-
nuamente.

Isso ocorre em muitos bancos
mal administrados, quando percebemos
que a fila s pra de crescer quando o
segurana fecha a entrada do banco.
Nestes casos, com certeza, no h
nenhum planejamento e provavelmente
o intervalo mdio de chegada de clientes
ainda menor do que o de atendimento
dos mesmos pelos caixas.

2) Se as estaes de trabalho forem
planejadas para atender imediatamente
toda a demanda, na melhor das hipte-
ses, metade do tempo ser perdido com
ociosidade das estaes.

Como j discutimos, um lugar
sem filas implica que as estaes ficam
desocupadas. No geral, elas ficaro 50%
de seus tempos livres para que nenhum
de seus clientes tenha que esperar para
realizar algum servio. A no ser que as
estaes possam desenvolver algum
outro tipo de servio enquanto aguar-
dam clientes, isso representar uma
realidade bastante indesejvel.

Estudaremos a Teoria de Filas
em maiores detalhes num captulo desta
apostila.


Est at st i c a Apl i c ada

Alm de se fazer presente em
tcnicas da P.O., como a Teoria das
Filas, Teoria da Deciso, J ogos de
Empresas entre outras, a Estatstica
apresenta ferramentas que, por si s, j
compem tcnicas de otimizao de
recursos e que ajudam na tomada de
deciso. Um exemplo destas tcnicas o
Pesquisa Operacional. UNIP, So Paulo, 1998.
estudo da Correlao e Regresso.
Atravs dele, procura-se verificar se
existe dependncia entre duas vari-
veis, at que ponto esta dependncia
verdadeira e como fazer projees
futuras baseando-se em estatsticas pre-
tritas.

Imagine que voc gerencia a
prefeitura de uma cidade e esteja rece-
bendo denncias de que o aumento de
circulao de veculos esteja compro-
mendo a qualidade do ar. Assim, voc
poder encomendar uma pesquisa para
saber se isto realmente est acontecen-
do. A partir desta pesquisa, chegou-se
seguinte tabela:

N veculos (em mil) Qualidade do ar (em
%)
1089 55
1000 70
700 100
753 98
808 84
894 86
950 63
1200 50

Existe um parmetro que acusar
a dependncia entre a qualidade do ar e
o nmero de veculos em circu-lao,
que denominado coeficiente de
correlao linear, no caso, calculado em
0,9576, evidenciando uma forte
dependncia ou correlao entre as
variveis envolvidas.

A partir do momento em que se
verifica a correlao, pode ser de inte-
resse o dimensionamento da frota para
que se obtenha um percentual de quali-
dade do ar desejado. Assim, calcula-se
uma reta de tal modo a minimizar as
somas das distncias aos pontos consi-
derados, e esta reta chamada de reta de
regresso. A partir dela, podem ser feitas
previses com relao qualidade do ar
caso o nmero de carros seja
determinado, e vice-versa, quantos
carros devemos ter circulando para se
obter uma qualidade de ar especfica.:



Por exemplo, a partir da reta, uma
frota com 1.400 mil veculos implicaria
num nvel de qualidade do ar em torno
de 25%, enquanto que para se obter uma
qualidade do ar mnima de 90%,
deveremos ter, no mximo 790 mil
veculos circulando.

Este estudo poderia ser feito
tambm supondo que se ajustem curvas
em vez de retas, como exponenciais,
logaritmos, polinmios, etc. Existe
tambm o estudo de mais de duas vari-
veis, o que chamado de Correlao e
Regresso Mltipla, em oposio
Correlao e Regresso Simples. Sua
complexidade, no entanto, foge aos
objetivos do curso, que analisar num
captulo subsequente os casos de Corre-
lao e Regresso Simples Linear e
Exponencial. Ambos encontram facili-
dades imediatas de clculo na calcula-
dora HP-12C, o Linear de modo direto e
o Exponencial com pequenas adapta-
es.


Teor i a da Dec i so

Vamos ilustr-la com uma situa-
o problema retirada de um excelente
trabalho
3
, em breve nossa disposio
na biblioteca desta faculdade:

Uma grande companhia de
energia oferece R$ 60.000 ao propriet-
rio de uma rea pelos direitos de explo-
rao de gs natural e, se existir gs, mais
R$ 600.000 durante a fase de explorao.
O proprietrio, percebendo que o
interesse da companhia um bom
indcio da existncia de gs, est cogi-
tando da possibilidade de desenvolver
ele mesmo o empreendimento. Para isso,
necessrio contratar uma equipe de
especialistas, cujo custo inicial de R$
100.000, que sero perdidos se o gs no
for encontrado. Se existir gs, entretanto,
o proprietrio avalia que ter um lucro de
R$ 2.000.000. Se estimar em 60% a
probabilidade de existir gs, o que deve
decidir?

Trata-se de uma situao mate-
maticamente simples, mas cuja deciso
poder ser tomada mediante a aplicao
de diferentes critrios. A escolha dos
critrios estar, sem dvida, atrelada a
condies scio-econmicas do proprie-
trio, bem como de caractersticas de sua
personalidade. Se for algum com
esprito agressivo e gostar de correr
riscos, bem provvel que resolva
empreender sozinho a explorao do
provvel gs. Caso oposto, algum com
caracterstica mais pessimista preferir a
primeira alternativa, pois a que confere
maior segurana, apesar de menor
rentabilidade.

Os critrios de deciso podem ser
os seguintes:
Critrio da Maximizao da Expec-
tativa;
Critrio da Varincia;
Critrio da Perspectiva de Runa;
Critrio da Tranqilidade;

3
CONTADOR, J.C.. Alguns Modelos da
Pesquisa Operacional, UNIP, So Paulo, 1998.
Critrio Maximin;
Critrio Maximax;
Critrio Mediano.



Vamos retornar a este assunto,
ainda que seja no segundo semestre deste
ano, na disciplina P.O.M.Q. II.


Teor i a de J ogos

Igualmente tcnica anterior-
mente apresentada, vamos ilustrar um
problema tambm retirado do trabalho
de CONTADOR:

Duas redes de supermercados
propem-se a construir, cada uma delas,
uma loja em uma regio onde existem
trs cidades, A, B e C, cujas distncias
so entre si:
AB =10 km; BC =15 km; AC =20 km.
Aproximadamente 45% da
populao da regio vivem prximos
cidade A, 35% prximos cidade B e
20%, prximos cidade C.
Cada rede est ciente do interes-
se da outra na regio, e ambas fizeram
pesquisas de mercado que deram proje-
es idnticas. A rede I, por ser maior e
ter desenvolvido melhor reputao que a
rede II, conta com a preferncia do
consumidor. Se ambas as redes se
localizarem na mesma cidade, ou eqi-
distantes de uma cidade, a rede I ter
65% de participao de mercado nessa
cidade. Se a rede I ficar mais prxima de
uma cidade que a rede II, deter 90% de
participao no mercado dessa cidade.
Se a rede I ficar mais distante de uma
cidade que a rede II, deter 40% do
mercado dessa cidade. O restante das
vendas, sob qualquer circunstncia, ir
para a rede II. Alm disso, ambas as
redes sabem que a rede I tem como
poltica no localizar-se em cidades
muito pequenas, como o caso da cidade
C.






10 km
A 45% B 35%


15 km

20 km


C 20%



Devemos agora montar a matriz
de ganho para a rede I, afim de se deter-
minar qual a melhor opo para se loca-
lizar, independente de qual ser a escolha
feita pela rede II em termos de
localizao. Para tanto, devemos calcu-
lar. Esta matriz constitui uma tabela onde
so dispostos todas as alternativas de
localizao para ambas as redes. Usando
um pouco de matemtica, chega-se
seguinte matriz de ganho:

rede II
rede I A B C
A 65% 62,5% 80%
B 67,5% 65% 80%

Analisando a matriz acima, nota-
se uma vantagem da rede I localizar-se
na cidade B, pois, independente de a rede
II localizar-se em A, B ou C, atravs
desta deciso, a rede I estar garantindo
para si melhores retornos: Se a rede I

4
O jogo War, lanado pela Grow no Brasil,
um dos jogos baseados naqueles jogos de
guerra (nota de Joo Carlos dos Santos)
escolher A e a II escolher A, I ficar com
65% das vendas contra 35% de II. Se a
rede I escolher A e a II escolher B, I
ficar com 62,5% e II com 37,5%, e
assim por diante.

Considerando agora que o quadro
acima tambm estivesse de posse dos
administradores da rede II, a melhor
escolha seria a cidade B, pois seus
ganhos ou seriam 37,5% (caso I
escolhesse A) ou 35% (caso I escolhes-
se B).

Veremos num captulo desta
apostila o desenvolvimento um pouco
mais aprofundado deste tipo de proble-
ma.


J ogos de Empr esas

A tcnica de Simulao Empre-
sarial ou Jogo de Empresas como
mais conhecida, est sendo utilizada com
muito sucesso para o treinamento e
desenvolvimento gerencial. Esta tcnica
capacita estudantes e profissionais de
competncia intelectual, habilidade es-
tratgica e viso empresarial...

Os jogos de empresas surgiram
em 1956 ... nos Estados Unidos ... Esse
jogo foi uma adaptao dos jogos exis-
tentes na rea militar para o ambiente
empresarial.
4


Os primeiros jogos eram proces-
sados de forma manual. Com o advento
dos computadores, eles tiveram um
grande impulso, permitindo que fossem
elaborados modelos mais complexos e
com um alto nvel de preciso. A intro-
duo dos computadores permitiu ainda
que os dados fossem processados com
maior rapidez, tornando os jogos mais
dinmicos. Atualmente, os jogos de
empresas so um importante instrumen-
to de treinamento e desenvolvimento
empresarial.

Os jogos de empresa so abstra-
es matemticas simplificadas de uma
situao relacionada com o mundo dos
negcios. Os participantes do jogo,
individualmente ou em grupo, adminis-
tram toda a empresa, ou parte dela,
atravs de decises administrativas por
perodos sucessivos.

Os jogos de empresa tambm
podem ser definidos como um exerccio
estruturado e seqencial da tomada de
decises em torno de um modelo de
operao dos negcios, no qual os par-
ticipantes assumem o papel de adminis-
tradores de uma empresa simulada.

Os fundamentos dos jogos de
empresa esto baseados na simulao.
Entende-se por simulao uma tcnica
que manipula modelos representativos e
simplificados da realidade complexa e
suas dependncias, para obter determi-
nados resultados que seriam tcnica ou
economicamente inviveis de serem
obtidos no ambiente real considerado.
Todo jogo de empresas encontra-se
baseado em um modelo de simulao
especfico. Esse modelo representa
matematicamente as caractersticas
fsicas, tecnolgicas e econmicas da
empresa, bem como o ambiente que a
cerca.

Os jogos de empresa podem,
ento, ser classificados de acordo com
algumas das caractersticas que formam
o seu modelo...


5
Administrao Geral, Adm. de Vendas, Adm
da Produo, Adm. Financeira e Adm. de
Os jogos de empresas podem ser
gerais ou funcionais... Os jogos de
empresas do tipo geral so elaborados
para desenvolver habilidades gerenciais
em administradores do nvel mais alto da
estrutura organizacional da empresa.
Nesse tipo de jogo de empresas, as
principais reas funcionais da empresa
esto consideradas.
5
Os gerentes desen-
volvem habilidades na tomada de
decises a nvel de poltica da empresa,
bem como na coordenao de esforos
para alcanar os objetivos traados.

Os jogos funcionais so elabora-
dos para desenvolver habilidades em
reas especficas da organizao. Dentre
elas, tem-se as reas de finanas,
produo, vendas e recursos humanos. O
principal objetivo dos jogos funcio-nais
, portanto, o desenvolvimento de
habilidades nas tarefas bsicas da rea
em questo....

Um dos principais benefcios dos
jogos de empresas a possibilidade da
compactao do tempo. Como o
resultado das decises tomadas esto
disponveis automaticamente, possvel
simular vrios anos da gesto de uma
empresa em poucas horas.

Nos jogos de empresas, os
participantes podem cometer erros que
acarretam em grandes prejuzos
empresa simulada. Nesse caso, o erro
pode ser assimilado pelos participantes,
no permitindo que se repita na
realidade.

Alguns jogos de empresas
tambm permitem que as decises
tomadas para um perodo tenham
influncia no somente nesse perodo,
mas tambm nos seguintes. Isso exige
dos participantes uma viso de longo
Recursos Humanos (nota de Joo Carlos dos
Santos).
prazo no momento da tomada das
decises...

Quando utilizado no meio aca-
dmico, os jogos de empresas se tornam
uma importante ferramenta para exerci-
tar os conhecimentos adquiridos nas
disciplinas do curso, permitindo ainda
que sejam feitas integrao entre elas.
6



CAP TULO 2

PROGRAMAO LI NEAR



I nt r odu o

O presente captulo objetiva
desenvolver a tcnica de Pesquisa
Operacional mais conhecida e usada em
todo o mundo: a Programao Linear,
que tambm ser designada por P.L..
Partiremos da hiptese de que o leitor
no dispe de conhecimentos bsicos em
lgebra, o que ser fundamental na
modelagem dos problemas. Assim,
vamos propor inicialmente um estudo
dos tpicos elementares desta importan-
te ramificao do conhecimento mate-
mtico.
O que se pretende fazer , basi-
camente, trs coisas: Primeira, a partir de
um problema concreto, chegar em sua
modelagem matemtica. Segunda, a
partir desta modelagem, obter sua
resposta com o auxlio do computador.
Terceira, analisar as respostas obtidas.

Voc no tardar em perceber
que a primeira destas tarefas a mais
difcil, pois envolve um pouco de

6
Manual do Coordenador do software de
Simulao Industrial, Bernard Sistemas,
Florianpolis, 1.997.
habilidades em matemtica e um pouco
de raciocnio abstrato. No obstante,
estaremos propondo exerccios que iro
orientar o aluno nesta direo, aos
poucos e sempre.

Em segundo lugar, a utilizao
do laboratrio de informtica exigir um
pouco de conhecimento na planilha
eletrnica Excel, pois nela que se
encontra o algoritmo usado (o Simple-
xo). Igualmente, vamos supor que o
aluno desconhea por completo este
software, embora partiremos do princ-
pio de que saiba utilizar o microcom-
putador, por ter cursado a disciplina
Informtica Bsica, no semestre passa-
do.
Em terceiro lugar, teremos a
anlise das respostas assim obtidas,
ocasio em que iremos tomar uma
deciso a respeito do problema estudado.
A partir deste estudo, compre-enderemos
melhor a natureza do proble-ma proposto
e veremos tambm at que ponto nossa
soluo afetada por modi-ficaes
feitas no problema inicial (Anlise de
Sensibilidade).


Tpi c os de l gebr a

Uma das premissas bsicas da
lgebra a de que quantidades numri-
cas podem ser representadas por letras
ou smbolos, que chamaremos vari-
veis. Assim, quando desconhecemos a
quantidade a ser adquirida de um certo
produto, poderemos nos expressar em x
unidades. Se desconhecemos a quanti-
dade de um outro produto, dizemos y
unidades, assim por diante.

Vale a pena rever algumas de
suas regras usadas nas operaes:


7 + 7 + 7 + 7 = 4.7
x + x + x + x = 4.x = 4x
y + y + y = 3y

2x + 3x = (x + x) + (x + x + x) = 5x
4y + 2y = 6y
9x + 11x 3y = 20x 3y

5x 3x = (x + x + x + x + x) (x + x + x) = 2x
10z 2z = 8z
10x 3y 4x = 6x 3y
5z 3y + z 8y = 6z 11y
2y + x 5y 7x = -3y 6x

0,3x + 0,6x = 0,9x
1,99x 0,34y + 0,23x = 2,22x 0,34y

Ex erc c i o

1) Calcule o valor das seguintes
expresses:

a) x +x +x +x +x =
b) y +y =
c) 4x +6x =
d) 9y +3y =
e) 10x 3x =
f) 9y 12y =
g) 3z 6z =
h) 2x 3y +x =
i) 7w 2x +w - 5x =
j) 5x 3y +8z z =
k) 6x +3y 4z =
l) 8x 3x +9x =
m) y x +z =
n) y y +y =
o) 10x 11x +x =
p) x 5x +2x 8x =
q) 5x 3y +5x +y =
r) 9x 6y 2x 2y =
s) 0,40x +0,35x =
t) 1,21y 3,45y +0,34x =
u) 1,23x 3,45y 5,66y =
v) 0,01x +x =
w) 3,45y 2,33x =

Model agens I ni c i ai s

O que no se deve perder de vista
que as letras estudadas na seo
anterior representam quantidades vari-
veis, isto , nmeros que no foram
ainda determinados. Acompanhe o
exemplo a seguir e veja como fazer uma
pequena modelagem matemtica com o
auxlio das variveis:

- No setor de laticnios de umsuper-
mercado, o lucro obtido com a margarina
Floriana de R$ 0,30 por unidade
vendida. Expresse a varivel Lucro (L)
em termos da quantidade (x) vendida.



Quantidade Lucro
1 1 . 0,30 = 0,30
2 2 . 0,30 = 0,60
3 3 . 0,30 = 0,90
... ...
x x . 0,30 = 0,30x

Assim, o lucro obtido com x unidades ser
igual a
L = 0,30x
Por exemplo, se a quantidade for 40,
teremos lucro de L = 0,30.40 = 12,00, e
assim por diante.

- Um comerciante de combustvel paga
R$ 0,25 por litro de diesel, R$ 0,45 por
litro de lcool e R$ 0,55 por litro de
gasolina. Expresse a funo custo C.

A palavra funo dever ser entendida
aqui como uma relao de dependncia
entre o que ir se pagar com as quantida-
des adquiridas de cada combustvel. Se
acaso o comerciante s adquirisse diesel,
teramos C = 0,25x, onde x a quantidade
em litros de diesel. Se consumisse apenas
lcool, C = 0,45y, onde y a quantidade em
litros de lcool. Se consumisse apenas
gasolina, C = 0,55z, onde z a quantidade
em litros de gasolina. Mas, consumindo os
trs combustveis, a funo custo se
transforma em:

C = 0,25x + 0,45z + 0,55z

Ex erc c i os

2) O custo do metro quadrado de certo
azulejo para uma loja de materiais de
construo R$ 3,28. Expresse o custo
C em funo da quantidade pedida em
metros quadrados (x).

3) Numa cidade, o imposto predial
(IPTU) proporcional rea construda
em m
2
. Se tal imposto igual a 1,80
UFIR por m
2
, determine a funo IPTU
em termos da rea construda em m
2
.




4) Numa mercearia, o preo de venda
de um refrigerante A igual a R$ 1,20,
enquanto que o de outro refrigerante B
igual a R$ 1,40. Qual a receita obtida (R)
com a venda de certa quantidade x de
refrigerantes A e quantidade y de refrige-
rantes B?

5) Um arteso lucra R$ 3 por cada
cinzeiro que vende e lucra R$ 8 por cada
abajur. Qual o lucro obtido com a venda
destes objetos?

6) Um operador cuida da manuteno
de trs mquinas, A, B e C. Para cada
assistncia prestada mquina A, gasta,
em mdia, 10 min, para cada assistncia
a B, em mdia 15 min e para cada
assistncia a C, 18 min. Qual o tempo
total de assistncias as mquinas, se cada
uma delas requer nmeros diferentes de
reparos, x, y e z?

7) Numa livraria, com os livros da rea
jurdica, se obtm um lucro mdio de R$
30,00 / livro, com os livros da rea
mdica, um lucro mdio de R$ 48,00 /
livro e da rea gerencial, R$ 25,00 / livro.
Qual a funo lucro com a venda de
livros destas trs reas?

8) Numa agncia bancria, existem 5
caixas, A, B, C, D e E. O tempo mdio
de atendimento prestado por cada um
deles a clientes do banco so, em
minutos, 1,2; 1,8; 4,0; 1,0; 2,8. Qual a
funo tempo trabalhado nesta agncia?

9) Uma transportadora cobra R$ 0,80
por quilometro rodado para volumes de
at 10 litros, cobra R$ 1,00 para volumes
de 10 a 15 litros, R$ 1,15 para volumes
de 15 a 20 litros e R$ 1,30 para volumes
de 20 a 30 litros. Expresse a receita em
funo dos nmeros de volumes de dife-
rentes especificaes transportados
numa viagem de 1 km.




Ex pr essando Rest ri es

Uma restrio qualquer condi-
o imposta pela realidade, como a
demanda mnima e mxima de um
produto, o espao fsico reservado para
sua alocao, o tempo mximo que
podemos dispensar a cada produto
fabricado por uma mquina, etc. Nesta
seo, vamos aprender a expressar tais
restries matematicamente.

- Considerando o exemplo da seo
anterior da margarina Floriana, digamos
que o espao fsico do setor reservado a
ela possa acomodar no mximo 220
unidades. Expresse tal restrio
matematicamente.

Seja x a quantidade de potes de
margarina. Se x no pode ultrapassar a
220, ento, x deve ser menor ou igual a
220. O smbolo matemtico desta condio
s. Assim:
x s 220

- Considerando o segundo exemplo da
seo anterior, as demandas semanais
mnimas para cada combustvel so
3.000 litros de diesel, 1.500 litros de
lcool e 2.500 litros de gasolina.
Expresse tal restrio matematicamente.

Se a quantidade mnima de diesel a ser
adquirida de 3.000 litros, o comerciante
poder adquirir 3.000 litros ou mais.
Assim, a quantidade poder ser igual ou
maior a 3.000. O smbolo matemtico
agora >. Assim:

x > 3.000

Analogamente:

Y > 1.500
z > 2.500



Ex erc c i os

10) Considerando o exerccio 2, as
acomodaes para o estoque permitem
alojar at 500 m
2
de tal azulejo. Exprima
tal condio em linguagem matemtica.

11) Considerando o exerccio 3, naquela
cidade, a rea construda no pode ser
menor que 30 m
2
. Determine este fato
em desigualdade matemtica

12) Considerando ainda o exerccio 3,
naquela cidade, a rea construda no
pode ser maior do que 800 m
2
. Expresse
tal restrio.

13) Considerando o exerccio 4, o
refrigerador de tal mercearia comporta,
no mximo, 60 unidades de
refrigerantes. Exprima esta condio
matematicamente.

14) Considerando ainda o exerccio 4,
pesquisas mostraram que as demandas
para cada refrigerante so, por semana,
em mdia de 30 refrigerantes A e 24
refrigerantes B, com incertezas de 10%
para baixo e para cima destas mdias.
Como voc expressaria estas restries
matematicamente?

15) Considerando ainda o exerccio 7, a
demanda mensal de livros jurdicos de
400, a de livros mdicos de 300 e a de
livros gerenciais, 250, dados com
incerteza de 15% acima e abaixo deste
valor. Quais as expresses de restrio
para este fato?


16) Considerando o exerccio 9, se o
caminho tem a capacidade para acondi-
cionar 100000 litros, expresse tal restri-
o, considerando a capacidade mxima
de cada volume.

17)
(A) Uma indstria de sabonetes fabrica 2
tipos de sabonetes, A e B. Com o tipo A,
a mesma lucra R$ 0,10 por unidade e
com o tipo B, lucra R$ 0,15 por unidade.
Exprima o lucro da fbrica com os sabo-
netes A e B.

(B) A empresa gasta 2 segundos para
fabricar o sabonete A e 3 segundos para
a fabricao de B. O tempo disponvel
para a fabricao de sabonetes de 2
horas. Passe este valor para segundos e
expresse matematicamente tal restrio.

(C) As demandas em dias anteriores
orientaram o fabricante a limitar em
2400 unidades de sabonete A e limitar
em 1800 unidades de sabonete B.
Exprima tal restrio.

Tr abal hando c om Ex c l usi vi dade

Voc notar que uma das restri-
es mais complicadas nos problemas de
P.L. a que expressa exclusividade.
Vamos ilustr-la com o exemplo do
sacolo apresentado no captulo ante-
rior:

- ... Podemos agora tornar o problema
ainda mais complexo com a adio de
uma nova restrio: O espao fsico.
Sabemos que os legumes possuem
tamanhos diferentes e exigem condies
especiais de acomodao nas barracas.
Assim, vamos agora supor que a
quantidade mxima de cada um dos
legumes acima, se fossem comprados
com exclusividade, sejam:
- tomates : mximo de 500 kg
- cenouras : mximo de 700 kg
- batatas : mximo de 600 kg...
Expresse matematicamente tal restrio.

A quantidade x de tomates ocupar uma
frao de do estabelecimento co-
mercial, pois se x = 250, teremos
, isto , metade do sacolo
tomado com tomates, ou 50% do espao
fsico comprometido como os tomates.
Analogamente, y quilogramas de cenouras
ocuparo um espao fsico de do
sacolo e z quilogramas de batatas
ocuparo do sacolo. No entanto, a
soma destes espaos no poder ultra-
passar a 1 (ou 100%). Assim:



Poderamos chegar a concluses idnticas
montando regras de trs. O software JC
Simplexo exigia que se eliminassem os
denominadores, o que no verdadeiro
para o Excel, conforme veremos.

Ex erc c i os

18) Considerando o exerccio 5, com o
material que o arteso dispe, d para se
fazer somente 100 cinzeiros ou somente
40 abajures. Como o mesmo poder
fazer os dois objetos, expresse tal
restrio.

19) Considerando ainda o exerccio 5, no
dia de trabalho, o arteso consegue fazer
somente 120 cinzeiros ou somente 50
abajures. Como o mesmo poder fazer os
dois objetos, expresse tal restrio.

20) Considerando o exerccio 7, o espao
fsico da livraria permite acondicionar,
em mdia, somente 1000 litros jurdicos;
somente 800 livros mdicos ou somente
1200 livros gerenciais. Como a mesma
pretender vender os livros das trs
reas, qual a restrio matemtica a ser
obedecida?

21)
(A) Um feirante vende mas, uvas e
melancias, lucrando por quilogra-
ma, respectivamente, R$ 0,20, R$
0,30 e R$ 0,40. Expresse a funo
lucro.
(B) Sua barraquinha no entanto, daria
para acomodar 50 quilos de ma,
caso s vendesse tal fruta, 40 quilos
de uvas se s vendesse uvas e 30
quilos de melancias caso comer-
cializasse apenas esta fruta. Expres-
se matematicamente esta restrio.


22) Considerando o exemplo do captulo
1, do sacolo:
a) Determine a funo custo;
b) Expresse matematicamente a
restrio demandas mnimas;
c) Expresse matematicamente a
restrio espao fsico;


Passos par a a Model agem
de um Pr obl ema de P.L.

Em vista da dificuldade apresen-
tada pelos alunos do curso passado,
desenvolvi uma orientao em passos
para a modelagem de um problema de
Programao Linear, que, seguidos
sistematicamente, conduziro o aluno
formulao matemtica do mesmo.

- Uma fbrica de brinquedos pretende
produzir dois tipos de aeromodelo. O
primeiro tipo tem corpo de madeira, uma
hlice e um conjunto de rodas para
pouso. O segundo tipo tem corpo de ao,
duas hlices e dois conjuntos de rodas.
Sabe-se que a fbrica pode produzir, por
hora 30 hlices, 20 conjuntos de rodas,
10 corpos de madeira e 6 corpos de ao.
Determinar a quantidade de cada um dos
tipos de aeromodelo a ser produzido por
hora para se obter o mximo lucro,
sabendo que o aeromodelo de madeira
propor-ciona lucro unitrio de R$2,00 e
o de ao R$5,00.


Passo 1 Determinar o objetivo
O aluno deve se fazer a pergunta:
Qual o objetivo do problema?
Neste caso o objetivo maximizar o
lucro.
A segunda pergunta : de que?
A resposta ser de produo e venda de
dois tipos de aeromodelos, de madeira e
de ao.
A terceira pergunta:
Quais so as variveis?
A resposta ser x aeromodelos de
madeira e y aeromodelo de ao.
A quarta:
Como fica a funo objetivo?
Como cada aeromodelo de madeira d
um lucro de R$ 2,00, ento, x aero-
modelos daro um lucro de 2x reais.
Como cada aeromodelo de a ao d um
lucro de R$ 5,00 , y aeromodelos daro
um lucro de 5y reais.

A funo objetivo fica:
L = 2x +5y


Passo 2 Especificar restries
Restrio qualquer limitao imposta
pelo tempo, matria prima, mo-de-obra,
dinheiro, espao fsico, demanda., etc.
Temos, inicialmente que deter-minar
quais as naturezas e quantidades das
restries do problema.
As restries neste problema so de
matria prima, pois existe uma
quantidade limitada de componentes por
hora de trabalho na fbrica. Temos, por
hora:
30 hlices
20 conjuntos de rodas
10 corpos de madeira
8 corpos de ao

Em seguida, devemos estabele-
cer uma conexo destes dados com as
variveis da funo objetivo (em geral
etapa mais delicada).

No problema como cada
aeromodelo de madeira usa 1 hlice, x
usaro 1.x hlices. Como cada
aeromodelo de ao usa 2 hlices, y
usaro 2.y hlices. Mas, o nmero de
hlices no poder ultrapassar a 30.
Ento:
x +2y s 30

Cada aeromodelo de madeira usa
1 conjunto de rodas, x usaro 1.x
conjuntos de rodas. Cada aeromodelo de
ao usa 2 conjuntos de rodas, y usaro
2.y conjuntos de rodas. Mas, o nmero
de conjuntos de rodas no poder
ultrapassar a 20. Ento:
x +2y s 20

Cada aeromodelo de
madeira usa 1 corpo de madeira, x
aeromodelos usaro 1.x corpos de
madeira. Aeromodelos de ao no usam
corpos de madeira. Como o nmero de
corpos de madeira est limitado em 10,
temos:
x s 10

Aeromodelos de madeira no usam
corpos de ao. Cada aeromodelo de ao
usa 1 corpo de ao. Logo, y aeromodelos
de ao usaro 1.y corpos de ao. Mas, o
nmero de corpos de ao est limitado
em 6. Assim:
y s 6


Passo 3 Montagem do Problema
Agora, basta compor as concluses feitas
anteriormente:
max L =2x +5y
sujeito a x +2y s 30
x +2y s 20
x s 10
y s 6


Ex erc c i os

23) Modele o problema exemplo do
captulo anterior, seguindo os passos
discutidos anteriormente.

24) Uma empresa da indstria
automobilstica produz automveis e
caminhes e est organizada em quatro
departamentos.
Departamento de Carroceria pode
estampar chapas para 30.000
automveis por ms, caso s produza
este tipo de chapa ou 10.000 chapas
para caminhes se produzir somente
este tipo de chapa.
Departamento de Motor pode
produzir somente 40.000 motores de
automveis por ms, caso s
fabrique este tipo de motor e idem
para 20.000 motores de caminho.
Departamento de Montagem de
Automveis pode montar 20.000
automveis por ms.
Departamento de Montagem de
Caminhes pode montar 8000
caminhes por ms.
O lucro unitrio proporcionado por um
automvel de R$ 6.000,00 e o lucro
unitrio proporcionado por um caminho
de R$ 10.000,00. A empre-sa pode
vender motores separadamente, sendo
que o de automvel proporcional lucro
de R$ 2.000,00 e o de caminho, R$
3.000,00.
Deseja-se saber qual o programa de
produo que proporciona mximo
lucro. Monte o problema de P.L.,
seguindo os trs passos apresentados
anteriormente.

25) Umafbrica produz sucos de laranja
e de tomate. O processo consiste na
fabricao da lata, na extrao do suco e
no enlatamento. O mercado pode
fornecer tomate para 20000 latas por
semana, e laranjas para 30000 latas por
semana. O lucro gerado por uma lata de
suco de tomate RS 0,20, e por uma de
laranja, R$ 0,30. As latas so idnticas,
diferindo apenas o rtulo. As sesses de
fabricao de latas tm capacidade para
produzir 40000 latas por semana. A
seo de extrao trabalha 40 horas por
semana e pode produzir, por hora, 1000
latas de suco de laranja ou 2000 latas de
suco de tomate, trabalhando exclusiva-
mente. A seo de enlatamento pode
enlatar at 35000 latas por semana, de
um tipo ou de outro, pois as latas so
idnticas.
Modele matematicamente este problema
de P.L. seguindo os trs passos
apresentados.


Resol vendo um Probl ema de P.L.

Para resolver um problema de
P.L., isto , determinar sua soluo
tima, vamos recorrer aos recursos da
ferramenta Solver, disponvel no Excel
da Microsoft. Isso exigir um pouco de
familiaridade com o programa, mas
acredito que o aluno ir adquiri-la
rapidamente, levando em conta o curso
de Informtica Bsica feito no semestre
passado, ainda que no tenhamos vistos
nada sobre esta planilha eletrnica.

Para facilitar seu entendimento,
desenvolvi uma apresentao no Power
Point que ir mostrar passo a passo como
se resolve um problema de P.L.. Para
tanto, o aluno dever se dirigir ao
laboratrio de informtica, inicializar o
Power Point e abrir o arquivo Progra-
mao Linear.ppt. Em seguida, escolha
o menu Apresentaes e depois a opo
Exibir apresentao. Agora, limite-se a
dar cliques sucessivos para exibir os
slides da apresentao. Se necessitar
retornar um slide, pressione a tecla
Backspace. A impresso destes slides
est disponvel para os interessados, o
que facilita ainda mais no momento de
resolver os demais problemas. Aps a
obteno de todas as pginas desta
apostila, o aluno poder inclui-lo num
apndice da mesma.


Ex erc c i os

26) V ao laboratrio de informtica e
resolva os problemas dos exerccios 23,
24 e 25.


27) Uma companhia produz
locomotivas, vages e unidades de
controle. A fbrica possui trs sees
principais: A, B e C. Cada vago
produzido consome, por ms, 3 unidades
da capacidade da seo A, 1 da seo B
e 3 da seo C. Cada locomotiva
produzida consome 2 unidades da
capacidade da seo A, 4 da seo B e 3
da seo C. Cada unidade de controle
consome 1 unidade da capacidade da
seo C. Sabendo que a capacidade
mensal das sees A,B e C ,
respectivamente, 10, 11 e 13, e que o
lucro auferido por uma unidade de
locomotiva, vago e unidade de controle
, respectivamente, 4, 5 e 1 unidades
monetrias, determinar o programa
timo de produo.

28) Uma editora imprime livros tcnicos
e romances em trs tipos de
encadernao. A capacidade semanal de
produo para qualquer livro :
encadernao de luxo =250 unid.
encadernao tipo brochura =1400
unid.
encadernao de bolso =300 unid.
O lucro unitrio de R$ 4 por livro
tcnico e R$ 8 por romance. A demanda
semanal mdia que dever ser atendida
para cada edio lanada, durante as 15
primeiras semanas, :

Encadernao
Luxo Brochura Bolso
Livro Tcnico 200 600 100
Romance 100 1000 400

Para obter mximo lucro:
(A) quantos livros deve editar por
semana?
(B) em quais encadernaes deve edit-
los?

29) Uma empresa fabrica dois tipos de
cintos: A e B. O tipo A, de melhor
qualidade, d um lucro de R$ 20,00 por
unidade e o B, de R$ 15,00 por unidade.
O tempo de fabricao de A o dobro do
de B. Se fosse suspensa a fabricao de
A, poderiam ser feitas 1000 unidades por
dia de B. O estoque de couro suficiente
para 800 cintos por dia (A ou B). Os
contratos de fornecimento obrigam a um
mnimo de 150 unidades de A e 500 de
B.
Deseja-se saber quais quantidades de A
e B devem ser produzidas diariamente
para que o lucro seja mximo.

30) Uma empresa pode fabricar os
produtos A, B e C na mesmo mquina. A
mquina trabalha, no mximo, 45 horas
por semana. A produo horria de cada
produto 50 peas A, 25 peas B e 75
peas C. Uma pesquisa mercadolgica
revelou que, no mximo, sero
absorvidas por semana: 1000 peas A,
500 peas B e 1500 peas C. Sabendo
que o lucro unitrio , respectivamente,
para A, B e C, R$ 4, R$ 12 e R$3,
determinar o plano semanal de produo
que propicie mximo lucro.

31) O fabricante de raes garante que a
frmula de uma de suas marcas contm
um mnimo de 35% do peso em protena,
um mnimo de 1,5% de gordura e um
mximo de 8% de fibras (celulose).
Determinar o custo mnimo para fabricar
uma tonelada de rao, sabendo que o
fabricante pode comprar quatro
alimentos como matria prima:
(A) Alfafa, de custo R$ 66 / tonelada.
(B) Resduos de destilaria, R$ 92 /
tonelada.
(C) Torta de peixe, R$ 156 / tonelada.
(D) Torta de soja, R$ 96 / tonelada.
As porcentagens de protena,
gordura e celulose de cada um desses
alimentos so dadas no quadro abaixo:

Alfafa Resduos Torta
Peixe
Torta
Soja
Celulose 25 3 1 6,5
Protena 17 25 60 45
Gordura 2 2 7 0,5
32) Uma refinaria deseja que sua
gasolina Premium contenha, no mnimo,
as seguintes porcentagens dos
componentes A, B e C, a saber: 10% de
A, 20% de B e 12% de C. Dispe de trs
tipos diferentes de petrleo:
O petrleo do Texas tem 15% de A,
10% de B e 9% de C e custa $ 2 por
barril.
O petrleo da Pensilvnia tem 18%
de A, 25% de B e 3% de C e custa $
2,50 por barril.
O petrleo da Califrnia tem 10% de
A, 15% de B e 30% de C e custa $
1,80 por barril.
Determinar a mistura para a produo da
gasolina que proporcione o mnimo
custo.

33) Uma refinaria de petrleo produz
duas qualidades de gasolina, cujo galo
vendido, respectivamente, por 18 e 21
centavos. A refinaria pode comprar
quatro tipos diferentes de produtos
bsicos, com as seguintes composio e
preo:


Produtos bsicos

Componentes
Preo
por
galo
A B C
1 0,80 0,10 0,10 0,14
2 0,30 0,30 0,40 0,10
3 0,70 0,10 0,20 0,15
4 0,40 0,50 0,10 0,12

A gasolina de 21 centavos deve ter, pelo
menos, 60% de A e no mais que 35% de
C. A gasolina de 18 centavos no pode
ter mais de 30% de C. No processo de
misturar a gasolina, 2% de A, 1% de B e
1% de C se perdem por evaporao.
Determinar as quantidades relativas de
produtos bsicos que devem ser usados a
fim de minimizar o custo por galo.

34) Uma pessoa obrigada pelo seu
mdico a fazer uma dieta que fornea,
diariamente, pelo menos a quantidade de
vitaminas A, B, C e D especificada na
tabela abaixo. A dieta poder incluir
leite, arroz, feijo e carne, que contm a
quantidade de vitaminas, em miligramas
por litro ou quilo mostrada na tabela.
Determinar o consumo dirio de cada um
dos alimentos, de tal maneira que a dieta
satisfaa prescrio mdica pelo menor
custo possvel.

Vitaminas A B C D Preo
leite 10 8 15 20 1,00
arroz 5 7 3 2 0,80
feijo 9 6 4 3 1,20
carne 10 6 7 9 6,00
Quant.Mn 80 70 100 60


35) Um fornecedor deve preparar, a
partir de cinco tipos de bebida base de
frutas disponveis em seu estoque, 500
gales contendo, pelo menos, 20% de
suco de laranja, 10% de suco de uva e 5%
de suco de tangerina. Quanto de cada
uma das bebidas deve utilizar para
minimizar os custos? Valores abaixo em
%:

Sucos Estoque
gales
Custo por
galo
laranja uva tangerina
A 40 40 0 200 1,50
B 5 10 20 400 0,75
C 100 0 0 100 2,00
D 0 100 0 50 1,75
E 0 0 0 80 0,25


36) Uma fazenda possui 45 hectares de
terra, 20 tratores e 15 homens, dispondo
de trs processos de produo, por ordem
de mecanizao crescente. A tabela
mostra, para cada processo, os recursos
que so necessrios, em termos de terra,
trator e homem, para a produo de 1000
toneladas por safra de um determinado
produto.

Processo A B C Recursos
disponveis
terra 50 40 20 45
homens 4 5 25 15
tratores 0 4 20 20

Qual deve ser a poltica de utilizao
desses recursos para obter a mxima
produo?

37) Um fazendeiro dispe de 100 acres
de terra, 100 horas de trabalho em maro
e 80 horas de trabalho em julho, e pode
aplic-las no cultivo do milho, aveia,
soja ou trigo (as demais horas de trabalho
j esto comprometidas e os demais
recursos no limitaro a produo). A
partir dos dados abaixo, determinar a
melhor distribuio dos recursos, de
forma a maximizar o lucro do fazendeiro
(modelar as variveis em quantidades de
acres de plantio de cada cultura.
Cdigos:
A trabalho necessrio em maro para
cada acre cultivado (em horas).
B trabalho necessrio em julho para
cada acre cultivado (em horas).
C produo obtida para cada acre
cultivado (em toneladas).
D preo de venda por tonelada (% /
ton).
E custo do plantio por acre ($ / acre).

Cdigo Milho aveia soja trigo
A 0 1 0 0,5
B 1 0 2 0
C 40 30 30 12
D 125 60 200 250
E 2000 800 2000 1800


38) Um fazendeiro quer determinar o
melhor programa para produzir milho e
trigo. Dispe de:
100 unidades de terra;
200 unidades de trabalho de plantio;
75 unidades de trabalho de cultivo;
150 unidades de trabalho de colheita.
Os dados sobre o rendimentos,
exigncias em recursos e produo
potencial esto no quadro seguinte.
Cdigos:
A rendimento;
B trabalho de plantio;
C trabalho de cultivo;
D trabalho de colheita;
E terra;
F renda;
G preo lquido.

Por unid. Por unid. Prod.mx.
de terra de produto por recurso
Cdigo milho trigo milho trigo milho trigo
A 40 20
B 0,8 0,8 0,020 0,040 10mil 5mil
C 1,0 0 0,025 0 3mil infinito
D 0,8 2,0 0,020 0,010 8mil 1600
E 0,025 0,050 4mil 2mil
F 40 30
G 1,00 1,50



39) Uma refinaria tem capacidade para
processar 50000 barris de petrleo por
dia e precisa fornecer, para seus postos
de servio, 27000 barris de gasolina por
dia. Trs so as opes para operar a
refinaria:
(A) operar obtendo baixa produo de
gasolina e baixa produo dos demais
produtos.
(B) operar obtendo alta produo de
gasolina e baixa produo dos demais
produtos.
(C) complementar a produo de
gasolina da prpria refinaria comprando
gasolina no mercado.
Pelo processo (A), cada barril de
petrleo fornece 0,40 barril de gasolina e
mais 0,60 barril de demais produtos.
Pelo processo (B) cada barril de petrleo
fornece 0,60 barril de gasolina e 0,30
barril dos demais produtos.
Um barril de gasolina vendido por R$
240 e um barril dos demais produtos, por
R$160.
Um barril de petrleo comprado por R$
120 e um de gasolina por R$ 210.
O custo do processamento de um barril
de petrleo pelo processo (A) de
R$24,00 e, pelo processo (B), de
R$32,00.
Qual deve ser a programao da
produo desta refinaria para que seu
lucro seja mximo?


Anl i se de Ps-ot i mi za o

Seguindo os trs passos anterior-
mente apresentados, conseguimos partir
de um problema real de programao
linear e chegarmos em sua modelagem
matemtica. Isto representa a traduo
do problema real de uma linguagem
particular do nosso idioma para uma
linguagem universal, que a da
matemtica. Depois disso, fizemos uma
adaptao do problema escrito nesta
linguagem e fomos ao laboratrio e
aprendemos a montar uma planilha no
Microsoft Excel e, utilizando a ferra-
menta Solver, obtivemos a soluo ideal
do problema, que chamada soluo
tima, pois determina os melhores
valores para as variveis x, y, etc... de
modo a atingirmos nosso objetivo
(maximizar os lucros ou minimizar os
custos). Esta etapa pode ser considerada
como o quarto passo.

Uma vez encontrados os valores
timos de x, y, etc., faz-se necessria
uma anlise posterior para se verificar a
legitimidade das respostas obtidas, pois
no muito raro, o aluno poder se
equivocar tanto na hora de modelar
matematicamente o problema quanto na
hora de montar a planilha no Excel.
Assim, procuramos substituir os valores
obtidos para as variveis x, y, etc. na
formulao matemtica do problema,
afim de checar se houve o segundo tipo
de engano. Assim procedendo, teremos
outras informaes valiosas sobre as
quantidades dos recursos disponveis
utilizados e no utilizados que com-
pem as restries do problema. Estes
procedimentos podero ser designados
como o passo quinto do problema de
programao linear. Vamos ilustrar com
o antigo exemplo da fbrica de aeromo-
delos que se encontra desenvolvido nas
pginas 18 e 19 desta apostila e tambm
ilustrado na aula visual do Power Point
cujas listagens de seus slides foram
entregues aos alunos em sala de aula.

O Qui nt o Passo

Uma fbrica de brinquedos
pretende produzir dois tipos de
aeromodelo. O primeiro tipo tem corpo
de madeira, uma hlice e um conjunto de
rodas para pouso. O segundo tipo tem
corpo de ao, duas hlices e dois
conjuntos de rodas. Sabe-se que a fbrica
pode produzir, por hora 30 hlices, 20
conjuntos de rodas, 10 corpos de madeira
e 6 corpos de ao. Determinar a
quantidade de cada um dos tipos de
aeromodelo a ser produzido por hora
para se obter o mximo lucro, sabendo
que o aeromodelo de madeira
proporciona lucro unitrio de R$2,00 e o
de ao R$5,00.

A modelagem matemtica deste
problema ficou em (terceiro passo):
max L =2x +5y
sujeito a x +2y s 30
x +2y s 20
x s 10
y s 6

Atravs da ferramenta Solver do
MS Excel forneceu:
x =8
y =6
L =46

A primeira pergunta do quinto
passo : Os valores obtidos para as
variveis x, y, etc. conferem com a
funo objetivo? Substitumos direta-
mente em sua frmula para esta
constatao:

L =2x +5y
=2.8 +5.6
=16 +30
=46 (ok)

A segunda pergunta do quinto
passo : Os valores obtidos com as
variveis x, y, etc. satisfazem s restri-
es do problema? Igualmente, subs-
titumos os valores nas restries:
x +2y s 30
8 +2.6 s 30
8 +12 s 30
20 s 30 (ok)

x +2y s 20
8 +2.6 s 20
8 +12 s 20
20 s 20 (ok)

x s 10
8 s 10 (ok)

y s 6
6 s 6 (ok)

Finalmente, a partir das nature-
zas das restries anteriores, podemos
determinar os recursos excedentes e
demais caractersticas da soluo tima
obtida. Por exemplo, a primeira desi-
gualdade acima refere-se ao nmero de
hlices mximo que a fbrica poder
produzir por hora, isto , 30. No entanto,
as caractersticas do programa de
produo timo a ser implantado
assegura que somente 20 hlices sero
necessrias, o que determina um recurso
excedente de 10 hlices por hora. A
partir disso, a fbrica poder ou reduzir a
produo horria de hlices de 30 para
20 ou trabalhar duas horas seguidas e
folgar uma, por exemplo. J a segunda
desigualdade indica que o nmero de
conjunto de rodas mximo a ser produ-
zido por hora 20 e a soluo tima a ser
implantada utilizar todos estes 20.
Assim, no haver excedentes de rodas.
A terceira restrio refere-se aos corpos
de madeira que podem ser produzidos
por hora, isto , 10. Como sero
fabricados apenas 8 aeromodelos de
madeira por hora, haver um excedente
de 2. As providncias a serem tomadas
aqui assemelham-se s da produo de
hlices. Finalmente, a quarta restrio
informa que o nmero mximo de corpos
de ao a ser fabricado por hora de 6,
sendo este o exato nmero de
aeromodelos de ao a serem constru-
dos. Assim, no haver excesso de
corpos de ao.


Resol u o do Pr obl ema 36

O problema de nmero 36 apre-
senta uma dificuldade bastante prpria
das situaes prticas onde a Programa-
o Linear aplicada: Uma vez estabe-
lecidas as variveis, nem sempre
imediato a relao que as mesmas tero
com a funo objetivo e com as
restries do problema:

Uma fazenda possui 45 hectares de terra,
20 tratores e 15 homens, dispondo de trs
processos de produo, por ordem de
mecanizao crescente. A tabela mostra,
para cada processo, os recursos que so
necessrios, em termos de terra, trator e
homem, para a produo de 1000
toneladas por safra de um determinado
produto.

Processo A B C Recursos
disponveis
terra 50 40 20 45
homens 4 5 25 15
tratores 0 4 20 20

Qual deve ser a poltica de utilizao
desses recursos para obter a mxima
produo?

Passo 1 Determinar o objetivo
O aluno deve se fazer a pergunta:
Qual o objetivo do problema?
Maximizar a quantidade produzida.
A segunda pergunta : de que?
De um produto agrcola, dividindo as
terras em trs partes onde em cada uma
delas ser adotado um dos trs processos
de produo.
A terceira pergunta:
Quais so as variveis?
x : hectares reservados p/ processo A;
y : hectares reservados p/ processo B;
z : hectares reservados p/ processo C.
Como fica a funo objetivo?

- Em cada 50 hectares de terra cultivados
atravs do processo A, sero produzidas
1.000 toneladas do produto. Assim, com
uma quantidade x, sero produzidas
(regra de trs):
hectares toneladas
50 1.000
x Tx



- Analogamente, em cada 40 hectares de
terra cultivados atravs do processo B,
sero produzidas 1.000 toneladas do
produto. Assim, com uma quantidade y,
sero produzidas:
hectares toneladas
40 1.000
y Ty



- Analogamente, para y hectares de terra
cultivados pelo processo C:
Tz =50z

Logo, a quantidade total de toneladas de
produto, que dever ser maximizada,
ser:

Max T =20x +25y +50z
Passo 2 Especificar restries
Quais as naturezas e quantidades das
restries do problema?
- terras 45 hectares
- mo de obra 15 homens
- mquinas 20 tratores

Faa a conexo entre as restries
acima e as variveis do problema.
- Como x representa o nmero de
hectares para o cultivo atravs do
processo A, y so as terras do processo B
e z as terras do processo C, ento, temos
que
x +y +z =45

- Em cada 50 hectares cultivados pelo
processo A, teremos a necessidade de 4
homens. Logo, em x hectares, necessita-
remos de:
hectares homens
50 4
x Hx

Analogamente, teremos:

Como o nmero mximo de homens
disponveis 15, teremos:
Hx +Hy +Hz s 15


- Analogamente para tratores:



Passo 3 Montagem do Problema
Agora, basta compor as concluses feitas
anteriormente:

Max T =20x +25y +50z
sujeito a x +y +z =45




Passo 4 Resoluo no Excel

Resolvendo este problema atravs da
planilha da Microsoft, chegamos aos
seguintes valores:

x =0,00 hectare
y =36,67 hectares
z =8,33 hectares
P =1.333,33 toneladas

Isso significa que o processo A no
dever ser adotado, o processo B dever
ocupar 36,67 hectares e o processo C
dever ocupar 8,33 hectares das terras a
serem cultivadas. Atravs desta diviso
de terras, alcanar-se- a mxima
produtividade, que ser de 1.333,33
toneladas do produto agrcola.


Passo 5 Anlise de Ps-Otimizao

Os valores obtidos para as variveis x,
y e z conferem com a funo objetivo?
Substituindo os valores encontrados na
funo objetivo, teremos:
T =20x +25y +50z
T =20.0 +25.36,67 +50.8,33
T =0 +916,75 +416,15
T =1.333,25

A diferena aqui notada se deve ao fato
de arredondarmos os valores de x e de y
assim obtidos.

Os valores obtidos com as variveis x,
y, etc. satisfazem s restries do
problema?
Substituindo os valores encontrados nas
restries:

x +y +z =45
0 +36,67 +8,33 =45
45 =45 (ok)










Determinar os recursos excedentes
A partir das substituies anteriores,
podemos notar que o recurso homens
ser totalmente aproveitado (15),
enquanto que o recurso tratores no, isto
, necessitaremos de 12 tratores,
enquanto que dispomos de 20. Logo,
haver ociosidade de 8 tratores.


Demais caractersticas da soluo
tima obtida
Observe que o nmero de homens que ir
trabalhar no processo B 4,58, enquanto
que no processo C 10,41. Logo,
devemos concluir que melhor
colocarmos 5 homens trabalhando no
processo B e 10 homens no processo C,
ainda que isso, na prtica, altere um
pouco os resultados obtidos. O mesmo
dizer para o nmero de tratores 3,67 para
o processo B e 8,33 para o processo C.
Como, neste caso, existe ociosidade de
tratores, poderemos incumbir 4 tratores
para o processo B e 9 tratores para o
processo C.

Ex erc c i o

40) Um fabricante de invlucros
plsticos possui em estoque 1.200 caixas
em uma de suas fbricas e outras 1.000
caixas em uma segunda fbrica. O
fabricante recebeu pedidos deste produto
provenientes de trs diferentes varejistas
nas quantidades de 1.000, 700 e 500
caixas, respectivamente. Os custos
unitrios de expedio desde as fbricas
at os varejistas so os seguintes:

varejista 1 varejista 2 varejista 3
fbrica 1 14 13 11
fbrica 2 13 13 12

Determinar o programa de expedio
que atenda todas as demandas a partir do
estoque disponvel a um custo mnimo.













CAP TULO 3

TEORI A DAS FI LAS


I nt r odu o

o captulo 1, apresen-
tamos a Teoria das Filas
como uma ferramenta da
Pesquisa Operacional que tem por
estudo os sistemas em que a formao de
filas inevitvel. Poderamos nos
questionar: a formao de filas no
interessante sob o aspecto da produti-
vidade, j que sempre significar que
algum ou alguma coisa estar
aguardando para ser atendido ou
processado, o que no deixa de ser
desperdcio de tempo. Imagine que peas
aps serem processadas por uma
mquina A, mais rpida, tenham que ser
processadas por outra mquina B, mais
lenta. Neste caso, se a mquina A no for
desligada por algum tempo, haver a
formao de uma fila que tende a crescer
indefinidamente:


Mq. A Mq. B
peas emfila

Por outro lado, ainda que se a mquina A
seja mais lenta que B, mas produza peas
em intervalos de tempos aleatrios,
haver tambm a formao de filas,
controlada, com um tamanho mdio
especfico e com as peas esperando
tambm um tempo mdio especfico na
fila. Digamos que ocorra uma fila com
tamanho mdio de 50 unidades de peas.
Obviamente, poder no ser
economicamente interessante substituir
ou adquirir mais mquinas para auxiliar
no processo, levando em conta toda a
infra-estrutura de produo na qual as
duas mquinas acima estejam inseridas.


Inicialmente, vamos estudar a
Distribuio Binomial, que representa a
teoria bsica de probabilidades na qual
se apoiam diversos estudos estatsticos.
Em seguida, vamos apresentar a
Distribuio de Poisson, que constitui
um modelo matemtico de excelente
aproximao de diversas situaes da
realidade objetiva. Vamos, atravs de
exemplos tirados da experincia do
professor, discorrer sobre seus aspectos
principais, procurando mostrar sua
aplicabilidade direta nos sistemas onde
h formao de filas. De fato, podemos
considerar que as pessoas chegam a um
terminal de caixa eletrnico conforme
tempos aleatrios e a durao de cada
uma delas no interior do mesmo tambm
aleatria. Apesar de aleatrios, ambos
apresentam mdia e desvio padro,
conforme veremos, o que ajuda a prever
o seu comporta-mento.

O presente captulo objetiva,
inicialmente, o estudo de sistemas em
que se formam filas: filas num caixa
eletrnico de um banco, filas de avio
num aeroporto para aterrissagem, filas
numa cabine telefnica, etc. A princpio,
vamos estudar sistemas com uma nica
estao de atendimento ou de
processamento e calcular elementos tais
como: probabilidades de o sistema estar
vazio, com um cliente, com dois, etc;
nmero mdio de clientes na fila e no
sistema; nmero mdio de clientes sendo
atendidos; tempo mdio de espera na
fila; tempo mdio gasto no sistema; entre
outros. Logo, trata-se de um estudo
descritivo do sistema.

Finalmente, estudaremos siste-
mas com mais de uma estao atravs de
uma macro do Microsoft Excel, j que a
matemtica envolvida torna-se bastante
complicada. Tal planilha eletrnica
dever estar habilitada para tambm
dimensionar o nmero exato de estaes
que atendam a certas res-tries, como o
N
nmero mdio de clientes na fila ser
igual a 10, por exemplo, ou o tempo
mdio de espera na fila ser de 12
minutos.


A Di st r i bui o Bi nomi al

Considere o nascimento de 4
crianas. As possibilidades quanto ao
sexo da criana sero:

1 nasc. 2 nasc. 3 nasc. 4 nasc.
H H H H
H H H M
H H M H
H H M M
H M H H
H M H M
H M M H
H M M M
M H H H
M H H M
M H M H
M H M M
M M H H
M M H M
M M M H
M M M M

No quadro acima, a letra H indica o
nascimento de um homem, enquanto que
a letra M indica o nascimento de uma
mulher. Assim, admitindo todas as
possibilidades acima com iguais chances
de ocorrer, podemos ainda anotar as
freqncias com que ocorrem o
nascimento de nenhuma, 1, 2, 3 ou 4
mulheres (M):

freqncia freqncia %
nenhuma 1 =1/16 =6,25%
1 4 =4/16 =25,00%
2 6 =6/16 =37,50%
3 4 =4/16 =25,00%
4 1 =1/16= 6,25%
total 16 =16/16 =100,00%

A segunda coluna foi obtida a partir de
contagem na tabela anterior, enquanto

7
por exemplo, 5!=5.4.3.2.1=120. Por definies
especiais, 0! =1! =1.
que a terceira coluna a freqncia
percentual, que obtida dividindo a
freqncia pelo nmero total de casos
(isto , 16), e, em seguida, multiplican-
do-se por 100.

Podemos dizer que as freqn-
cias encontram-se distribudas conforme
as possibilidades: nenhuma, 1, 2, 3 ou 4
meninas. Isto considerado uma
distribuio de freqncias binominal,
j que em cada nascimento, podamos ter
duas possibilidades (binmio) homem
(H) ou mulher (M).

Como todas as alternativas acima
apresentam as mesmas chances,
individualmente, podemos dizer que, em
cada um dos nascimentos a
probabilidade de nascer menina de
50%, isto , 1 em 2. Considere agora 10
nascimentos em vez de 4. Qual seria a
probabilidade de nascer 4 mulheres?
Obviamente, o clculo das diferentes
possibilidades resultariam em nmero
muito maior que 16 no caso, 1.024 o
que torna invivel sob o ponto de vista
prtico. Poderemos, assim, lanar mo
da frmula para o clculo de tal
probabilidade:





onde:
k o nmero de sucessos que se deseja;
n o nmero total de tentativas;
p a probabilidade individual em cada
tentativa;
o smbolo ! indica fatorial e correspon-
de ao produto do nmero por todos os
seus antecessores at a unidade
7
.

Assim, adaptando a frmula acima s
caractersticas da questo levantada,
teremos que k igual a 4, pois desejamos
4 nascimentos de mulheres em n igual a
10 nascimentos (tentativas) totais. A
probabilidade p de nascer mulher em
cada nascimento pode ser considerada
50% ou 0,50, j que estamos supondo
que nasam mulheres e homens com a
mesma freqncia. Assim:




Na maioria dos problemas prticos, a
probabilidade individual (p) ser menor
do que 50%, pois quando existem duas
possibilidades para algo, quase sempre
uma delas tem mais chances de ocorrer.
Por exemplo, uma mquina pode
produzir peas perfeitas ou defeituosas,
sendo que a freqncia com que isso
ocorra seja de 3% de peas com defeito
(e obviamente, 97% de peas perfeitas).

A matria em questo j foi
apresentada no curso de Estatstica,
embora tenhamos evitado a operaciona-
lidade de seus clculos atravs de tabelas
de distribuio, que sero geradas agora
como exerccio prtico no laboratrio de
informtica. Tente resolver os seguintes
exerccios a seguir, utilizando a frmula
acima.


Ex erc c i os

1) Num berrio, existem 30 crianas.
Qual a probabilidade de que:
a) 10 sejam meninos?
b) 14 sejam meninas?
c) 29 sejam meninos?
d) todos sejam meninas?
e) pelo menos 2 sejam meninos?

2) Uma mquina produz peas perfeitas
e defeituosas, na razo de 1 pea
defeituosa para 49 perfeitas. Qual a
probabilidade:
a) individual de que uma pea saia
defeituosa?
b) de que numa caixa com 40 peas
tenhamos 5 com defeito?


3) Um fabricante de radiadores sabe que
0,3% do que fabrica apresenta incorre-
es no encaixe dentro do comparti-
mento especfico do carro. Uma
montadora de veculos passar a utilizar
tais radiadores se os mesmos passarem
no seguinte teste: Utilizar uma amostra
com 50 e nenhum apresentar defeito.
Quais as chances de o negcios ser
fechado?

4) Um medicamento novo foi testado em
46 pacientes, apresentando reao
adversa grave num deles. Reformulou-se
a sua composio, mas infelizmente, o
componente que provocou tal reao no
foi modificado. Para que tal remdio seja
aprovado pelo Ministrio da Sade, far-
se- um novo teste, agora com 60
pacientes. Quais as chances deste
medicamento ser aprovado, sabendo que
para tanto no dever apresentar o efeito
colateral indesejado em nenhum dos
pacientes?

5) Um vendedor observou que 60% dos
clientes que entram em sua loja apenas
especulam preos. Qual a chance de
entrarem 10 pessoas e todas adquirirem
algum produto?



A Di st r i bui o de Poi sson

Muitos fenmenos prticos
apresentam probabilidades individuais
muito pequenas, isto , prximas de zero
porque ocorrem pouco numa sucesso de
muitas provas. Por exemplo, a
verificao dos veculos que passam
num ponto de uma rua durante 2 horas,
que podem ser consideradas 7.200
segundos. Assim, cada segundo
considerado uma prova e a probabili-
dade de passar veculo num segundo
especfico ser:



isto , a cada 7.200 segundos observa-
dos (provas), ocorreram 128 deles em
que houve a passagem de veculos, de
modo a considerarmos a passagem de
veculo como uma ocorrncia probabi-
lstica com menos de 2% em cada
segundo na rua em questo. Tal
probabilidade poderia expressar a mdia
com que os veculos passam por segundo
em tal rua:


onde a letra grega lambda () indica a
mdia. O matemtico francs Poisson
demonstrou que a frmula apresentada
para a distribuio binomial na seo
anterior poder ser simplificada para a
seguinte
8
:



onde
k o nmero de sucessos desejados;
a mdia no tempo com que ocorre o
sucesso;
e o nmero de Euler
9
.

Ilustrando a frmula apresenta-
da, podemos calcular a probabilidade de
passar 1 veculo (k =1) no tempo em que
se baseia a mdia ( =0,0178 veculo por
segundo), isto , num segundo que ser:


8
Esta demonstrao belssima encontra-se em
MORETTIN, L.G. Estatstica Bsica, LCTE,
So Paulo, 1980.


o que resultou bem prximo da mdia
(0,0175 ~ 0,0178), j que a pequena
diferena explicada a partir das
probabilidades de passar mais de um
veculo no ponto (k = 2, 3, etc).
Recomenda-se utilizar todas as casas
decimais oferecidas pela calculadora, a
fim de obter melhor preciso. Na HP-
12C isso pode ser obtido usando o
recurso de memria para o valor de .

Se quisssemos encontrar a
probabilidade de 2 veculos (k =2) em 1
segundo especfico, teramos:



que corresponderia ao fato de dois
veculos se encontrarem exatamente no
ponto da rua em observao.

Obviamente, poderemos alterar o
valor de conforme o tempo
considerado na observao. Por
exemplo, em 30 segundos, a nova mdia
seria:

=30. =0,5333333 veculo / 30 seg.

bastante significativo para a
veracidade do estudo de Poisson
comparar a probabilidade terica com os
resultados prticos obtidos. Isso quer
dizer que, ao utilizarmos a frmula da
distribuio de Poisson estaremos
medindo a probabilidade de k veculos
estarem passando pelo ponto no
intervalo de tempo considerado:


9
vale, aproximadamente, 2,718281828.

De fato, em 240 intervalos de 30
segundos observados, tivemos 134
intervalos sem veculos transitando, o
que representa:



cuja diferena para o valor terico
esperado menor do que 3 pontos
percentuais. Analogamente, aplicamos a
frmula de Poisson para 1, 2, 3 veculos
transitando num intervalo de 30
segundos e comparamos com a
freqncia observada na prtica da
experincia:

veculos freqncia
observada
freq. %
observada

Poisson
0 134 55,83% 58,66%
1 86 31,29% 35,83%
2 18 7,50% 8,34%
3 2 0,83% 1,48%

Existem fortes razes para se acreditar
que a freqncia percentual observada
fique ainda mais prxima da prevista por
Poisson caso aumentssemos o nmero
de observaes feitas. No entanto,
apenas pelos resultados acima, j
notamos espantosa correlao entre os
percentuais.

O que foi apresentado extre-
mamente significativo, j que podera-
mos estender os resultados para
experincias tais como: pessoas
chegando em uma fila de um caixa
eletrnico, clientes chegando em uma
padaria, mquinas quebrando exigindo
reparo mecnico, etc.



Ex erc c i os

6) A mdia de chamadas por minuto
numa central telefnica de 3. Qual a
probabilidade de que num minuto
especfico ocorra:
a) nenhuma chamada?
b) uma nica chamada?
c) duas chamadas?
d) trs chamadas?
e) quatro chamadas?
f) cinco chamadas?
g) seis chamadas?

7) Os clientes de uma lanchonete
chegam em mdia de 1 a cada 2 minutos.
Calcule:
a) a mdia de chegada por hora.
b) a probabilidade de que cheguem 40
clientes em 1 hora.
c) a probabilidade de que cheguem 35
clientes em 1 hora.
d) a probabilidade de que cheguem 20
clientes em 1 hora.


Fi l a c om 1 Est ao de Ser vi os

Conforme afirmamos na intro-
duo deste captulo, vamos apresentar a
teoria envolvida em sistemas com 1 fila
e 1 estao de servio. Para tanto,
utilizaremos um exemplo a fim de tornar
as coisas mais assimilveis.

Imagine um caixa eletrnico de
um banco instalado dentro de uma
empresa. No mesmo, chega uma mdia
de 1 pessoa a cada 1 minuto. Assim,
vamos representar a mdia de chegadas
na fila por :

=1 pessoa / min =60 pessoas / hora

Suponha agora que cada pessoa gaste em
mdia 45 segundos neste terminal, o que
ser representado por , mdia de
atendimento:

=1 pessoa / 45 seg =80 pessoas /hora

Um importante conceito na Teoria de
Filas o fator de utilizao (tambm
chamado de intensidade de trfego ou
ndice de congestionamento) que nada
mais do que a razo (diviso) entre as
mdias de chegada e de atendimento:



No exemplo, teremos que:



Podemos interpretar este fator de
utilizao como a probabilidade de o
sistema estar ocupado (75%), ou o
nmero mdio de clientes sendo
atendidos (0,75 cliente). Alm disso, tal
fator simplifica muito as frmulas a
seguir.



- Probabilidade de o sistema no estar
ocupado
Tal probabilidade ser designada por P0
que indica que no h clientes no
sistema. Como a probabilidade
complementar, isto , de haver clientes
no sistema de , temos que:

P0 = 1 -


No exemplo, =0,75, o que implica que
P0 =0,25.

Probabilidade de haver n clientes no
sistema

Pn =
n
.(1 - )

No exemplo, as probabilidades de haver
n clientes no sistema seriam:

n Pn
0 0,75
0
.(1-0,75) =0,2500
1 0,75
1
.(1-0,75) =0,1875
2 0,75
2
.(1-0,75) =0,1406
3 0,75
3
.(1-0,75) =0,1055
4 0,75
4
.(1-0,75) =0,0791
5 0,75
5
.(1-0,75) =0,0593
6 0,75
6
.(1-0,75) =0,0445
7 0,75
7
.(1-0,75) =0,0334
8 0,75
8
.(1-0,75) =0,0250
9 0,75
9
.(1-0,75) =0,0188
10 0,75
10
.(1-0,75) =0,0141


Probabilidade de haver n ou mais
clientes no sistema

Pn ou mais =
n


No exemplo:

n ou mais Pn ou mais
5 0,75
5
=0,2373
9 0,75
9
=0,0751
12 0,75
12
=0,0317
15 0,75
15
=0,0134
30 0,75
30
=0,0002




Nmero mdio de clientes no sistema
Tambm entendido como com-
primento (length) mdio da fila.



No exemplo, o nmero mdio de clientes
ser de:



Nmero mdio de clientes sendo
atendidos
Vimos que tal nmero igual ao
fator de utilizao :

La =

No problema, La =0,75 cliente

Nmero mdio de clientes na fila
Logicamente, ser igual ao
nmero mdio de clientes no sistema
(fila + atendimento) menos o nmero
mdio de clientes no atendimento:

Lq = Ls La

No exemplo, temos que Lq =3 0,75 =
2,25 clientes. Observao: fila em ingls
queue.


Probabilidade de o tempo de espera na
fila ser superior a W

PW ou mais =.e
- ( - ).W


No exemplo, se quisssemos saber quais
as chances de uma pessoa esperar mais
de 10 minutos (10/60 hora), teramos:




Tempo mdio de espera na fila



No problema, teremos:



Tempo mdio de atendimento



Esta frmula bvia, j que representa
a mdia horria de clientes atendidos
pela estao de servios. No exemplo,
tnhamos 80 clientes por hora, o que d
um tempo de 1/80 hora por cliente, isto
, 45 minutos.

Tempo mdio no sistema



Esta frmula tambm trivial, j que o
sistema igual fila mais atendimento.
No exemplo, temos que Ws =2,25 +0,75
=3 minutos.

Ex er c c i os

8) O balco de uma sorveteria atendido
por uma pessoa. Os clientes chegam de
acordo com um processo de Poisson, a
uma taxa mdia de 30 por hora. Devido
qualidade do sorvete, os clientes
chegam e esto dispostos a esperar. O
tempo de atendimento de cada cliente
distribudo exponencial-mente com
mdia de 1,5 minuto. Determine:
a) o fator de utilizao;
b) a probabilidade de o atendente estar
desocupado;
c) a probabilidade de existir 5 clientes
na sorveteria;
d) a probabilidade de a fila estar com 7
clientes;
e) o nmero mdio de clientes no
sistema;
f) o nmero mdio de clientes sendo
atendidos;
g) o nmero mdio de pessoas na fila;
h) probabilidade de um cliente esperar
mais de 5 minutos para ser atendido;
i) o tempo mdio de espera na fila;
j) o tempo mdio gasto no sistema;

9) As chegadas a uma cabine telefnica
seguem uma distribuio de Poisson,
com intervalo mdio de 8 minutos entre
duas chegadas consecutivas. A durao
das chamadas apresenta uma
distribuio exponencial, com mdia de
4 minutos. Perguntam-se:
a) Qual o fator de utilizao do
sistema?
b) Qual a probabilidade de uma pessoa,
chegando cabine, esperar?
c) Qual o nmero mdio de pessoas no
sistema?
d) Qual o nmero mdio de pessoas ao
telefone?
e) Qual o nmero mdio de pessoas na
fila?
f) Qual o tempo mdio de espera?
g) Qual a probabilidade de uma pessoa
esperar 12 minutos ou mais at
iniciar o telefonema?
h) Qual a probabilidade de uma pessoa
gastar 12 minutos ou mais com
espera e telefonema?


Um Est udo de Caso
10


Proposio do Problema

Uma seo de apoio administra-
tivo, ligado linha de produo de uma
grande indstria, encarregada de
preencher diversos tipos de formulrios
referentes requisio de peas,
materiais e manuteno de equipamen-
tos. Para o bom desempenho da linha de
produo, essa seo deve processar os
formulrios rapidamente, de forma a no
causar atrasos nos processos produtivos
que dependem das requisies e
formulrios processados. Por outro lado,
o sistema tem caractersticas aleatrias,
j que os encarregados da produo no
podem prever com muita antecipao os
pedidos que devem ser feitos. Deseja-se
estudar o funcionamento da equipe, de
forma a determinar os elementos de
deciso com relao a uma possvel
ampliao.

- Levantamento de Dados

As caractersticas do sistema de
filas foram estudadas com o objetivo de
escolher o modelo de filas adequado.
Inicialmente, determinou-se que no
havia necessidade de estudar individual-
mente o desempenho de cada elemento
da equipe, face a cada tipo de formulrio,

10
conforme descrito emANDRADE, E.L.
Introduo Pesquisa Operacional, editora
LTC, So Paulo, 1998.
j que qualquer funcionrio tinha
condies de preencher todos os tipos
existentes, indistintamente. Anali-sando
cuidadosamente a operao do sistema,
concluiu-se que os clientes da seo
eram os formulrios e requisies, uma
vez que eram esses elementos que
exigiam tempo da equipe, ou seja,
requeriam servios. Como no havia
restries a seu nmero, a populao de
clientes foi considerada infinita. Assim,
verificou-se que o sistema podia ser
analisado pelo modelo de 1 fila e 1
estao de servios, com populao
infinita. Para o levantamento das
caractersticas das chegadas e dos
atendimentos, foi feito um levantamento
estatstico do nmero de pedidos de
formulrios por dia de servio e dos
tempos gastos no preenchimento dos
mesmos. Os experimentos foram
realizados em 120 dias teis e os
trabalhos esto mostrados nas tabelas 1 e
2:

n pedidos por dia freqncia emdias
8 2
9 4
10 6
11 8
12 10
13 12
14 13
15 14
16 12
17 10
18 9
19 7
20 5
21 3
22 2
23 2
24 1
tabela 1.


n formulrios
atendidos por dia
freqncia emdias
12 2
13 2
14 3
15 5
16 6
17 8
18 9
19 11
20 12
21 13
22 10
23 9
24 8
25 6
26 5
27 5
28 2
29 2
30 1
tabela 2.
Tratamento dos Dados

Com esses dados levantados,
possvel determinar as caractersticas das
chegadas de pedidos e dos atendimentos.
O processo de determina-o dessas
caractersticas feito da seguinte forma:

* Calcula-se a freqncia relativa do
nmero de pedidos por dia.
* Escolhe-se a distribuio terica de
probabilidades que mais se aproxima da
freqncia relativa real, por algum
mtodo de ajuste de curvas.
* Toma-se a mdia da distribuio
ajustada como o elemento que descreve
o processo real.

A tabela 3 mostra o processo
acima aplicado aos dados das chegadas.

n
pedidos
por dia
freqncia
emdias
freqncia
relativa
real
freqncia
relativa
Poisson
8 2 0,0167 0,0194
9 4 0,0333 0,0324
10 6 0,0500 0,0486
11 8 0,0667 0,0663
12 10 0,0833 0,0829
13 12 0,1000 0,0956
14 13 0,1083 0,1024
15 14 0,1167 0,1024
16 12 0,1000 0,0960
17 10 0,0833 0,0847
18 9 0,0750 0,0706
19 7 0,0583 0,0557
20 5 0,0417 0,0418
21 3 0,0250 0,0299
22 2 0,0167 0,0204
23 2 0,0167 0,0133
24 1 0,0083 0,0083
total 120 1,0000 0,9708

Mdia de pedidos por dia:
Vamos utilizar a calculadora HP-12C
para fazer tal clculo. Inicialmente,
devemos digitar os pares de valores (xi,
fi). Depois disso, a mdia ponderada do
nmero de pedidos por dia, cujos pesos
sero as freqncias, estar em :


Pressione Visor
f CLEAR E 0,00
8 ENTER 2 E+ 1,00
9 ENTER 4 E+ 2,00
10 ENTER 6 E+ 3,00
... ...
24 ENTER 1 E+ 17,00
g 15,02

Logo, .

Clculos de algumas freqncias:

8 pedidos por dia:



15 pedidos por dia:



20 pedidos por dia:


O grfico abaixo mostra a
paridade entre as freqncias reais
observadas e as previstas pelo modelo de
Poisson:

O mesmo processo pode ser
usado para a determinao das
caractersticas dos atendimentos por
parte da equipe. Com uma anlise
anloga anterior, podemos concluir que
a curva de Poisson se ajusta bem aos
dados reais, com mdia = 21
formulrios preenchidos por dia, dando
um tempo mdio de preenchimento de
22,8 minutos (dia de 8 horas), segundo a
distribuio exponencial negativa
11
.
Verifique em sua HP-12C o valor da
mdia (=20,68 ~ 21).

- Medidas de Desempenho do Sistema

Com as frmulas apresentadas na
seo anterior, teremos:

=15 pedidos / dia

=21 atendimentos / dia

taxa de utilizao :

n mdio de documentos no sistema:


n mdio de pedidos aguardando:

11
enquanto que o nmero de formulrios
despachados por dia segue uma distribuio de
Poisson, os tempos de despacho de tais


tempo mdio de espera na fila:

considerando o dia com 8 horas teis (8
x 60min =480 minutos).

tempo mdio gasto no sistema:



Analisando os resultados acima,
podemos concluir que a seo no se
encontra sobrecarregada, pois o
preenchimento dos documentos ocupa
apenas 71,43% () do seu tempo til.
Alm disso, um documento demora
pouco mais de 1h20min (80,14 min) para
ser despachado e o nmero de
documentos aguardando despacho no
elevado (Lq =1,79 documentos).


Ex er c c i os

10) Considerando a tabela 2 da seo
Um Estudo de Caso, calcule:
a) a mdia ;
b) as freqncias relativas para o
nmero de formulrios atendidos por
dia para 12, 19 e 25 formulrios.
c) as freqncias previstas por Poisson
para o nmero de formulrios
atendidos por dia para 12, 19 e 25
formulrios.

11) Um levantamento estatstico em um
sistema de 1 fila e 1 estao de servios
forneceu os seguintes resultados:

n
pedidos
por hora
freqncia
emhoras
freqncia
relativa
freqncia
Poisson
formulrios segue uma distribuio exponencial
negativa.
0 29
1 55
2 53
3 34
4 17
5 10
6 4


n atend.
por hora
freqncia
emhoras
freqncia
relativa
freqncia
Poisson
0 6
1 21
2 47
3 63
4 68
5 53
6 37
7 23
8 7
9 4

a) Calcule as mdias e , usando duas
casas decimais.
b) Complete as colunas acima, usando
quatro casas decimais.

12) Considerando o exerccio anterior,
calcule:
a) o fator de utilizao do sistema;
b) o nmero mdio de clientes na fila;
c) a probabilidade de 3 ou mais clientes
estarem na fila;
d) o tempo mdio de espera na fila em
minutos;
e) a probabilidade de um cliente esperar
mais de 10 minutos.

13) O departamento masculino de uma
grande loja emprega um alfaiate para
ajustar roupas de clientes. O nmero de
clientes que requer ajustes segue uma
distribuio de Poisson com uma taxa
mdia de chegada de 2 clientes por hora.
O tempo gasto para ajustar uma roupa
segue aproximadamente uma
distribuio exponencial com mdia de
24 minutos.
a) Qual o nmero mdio de clientes na
sala do alfaiate?

12
Tal probabilidade calculada por
b) Quanto tempo um cliente espera
gastar na sala do alfaiate?
c) Qual a probabilidade de um cliente
esperar mais que 10 minutos na fila
para ser atendido?
d) Qual o tempo mdio de espera na fila
experimentado por todos os clientes?

14) A seo de doces finos de uma
confeitaria atendida exclusivamente
pelo proprietrio, como parte de sua
estratgia comercial. O modelo de
chegada de clientes, aos sbados, segue
aproximadamente uma distribuio de
Poisson, com uma taxa mdia de
chegada de 10 pessoas por hora. O tempo
gasto para atender um cliente estimado
como sendo distribudo expo-
nencialmente com mdia de 4 minutos.
Determine:
a) a probabilidade de formar fila;
b) o tamanho mdio da fila;
c) o tempo mdio que um cliente espera
na fila;
d) a probabilidade de um cliente gastar
mais de 12 minutos na loja;
12

e) a probabilidade de um cliente gastar
menos de 12 minutos na loja.

15) Um barbeiro trabalha sozinho e no
marca hora para clientes, atendendo na
ordem de chegada. As chegadas seguem
o modelo de Poisson, com mdia de duas
pessoas por hora. O tempo de
atendimento distribudo segundo uma
exponencial com mdia de 20 minutos.
Pedem-se:
a) o nmero mdio de clientes na
barbearia;
b) o nmero mdio de clientes
esperando para ser atendido;
c) o tempo mdio gasto por um cliente
na barbearia;
d) a probabilidade de um cliente gastar
mais que a mdia de tempo na
barbearia.

Ps/W ou mais =PW ou mais / .
16) Uma datilgrafa recebe trabalho de
acordo com um processo de Poisson
taxa mdia de 4 trabalhos por hora. Os
trabalhos so datilografados com mdia
de 12 minutos por trabalho, exponen-
cialmente distribudos. Determine:
a) a probabilidade de um trabalho estar
concludo em at 45 minutos;
b) a probabilidade de todos os trabalhos
estarem concludos at o final do
expediente;


Fi l a c om K Est a es de Servi o

Obviamente, sistemas com
apenas um atendente ou uma estao de
servios constituem casos isolados na
prtica e, geralmente, quando se deseja
aplicar a teoria de filas em situaes
concretas, dificilmente ser nesta
condio. Felizmente, possvel ampliar
os conceitos aqui discutidos para
sistemas com mais de uma estao de
servios, que, a partir de agora,
designaremos por k estaes de servio.
Em contrapartida, devido complexida-
de de suas operaes, foi desenvolvida
uma planilha eletrnica no MS Excel
com o intuito de poupar o aluno de sua
matemtica. Tal planilha foi intitulada
Teoria de Filas.xls, e encontra-se no
servidor do laboratrio desta faculdade.
Assim, para resolver os exerccios a
seguir, utilizaremos apenas tal planilha,
que bastante simples de ser utilizada
(veja suas instrues na prpria
planilha). A planilha poder servir
tambm de prova real para os exerccios
anteriores, quando consideraremos o
parmetro k (nmero de estaes) igual a
1.

Um posto automotivo possui 10
bombas de combustvel, cada uma com
capacidade para atender 32 clientes por
hora segundo uma distribuio de
Poisson. Os automveis chegam de
acordo com uma distribuio de Poisson
de mdia 300 por hora. Determinar:
a) o nmero mdio de automveis na
fila;
b) o tempo mdio de espera na fila;
c) a probabilidade de a espera ser
superior a 5 minutos.

Soluo :
A partir do enunciado acima, teremos:
= 300 automveis por hora
= 32 automveis por hora
k = 10 bombas de combustvel

Utilizando o arquivo Teoria de Filas.xls,
obtemos, automaticamente, os seguintes
resultados:
a) Lq = 11,77 automveis
b) Wq = 2,35 min
c) P1min ou + = 14,82%


Ex er c c i os

17) Oito vendedores cuidam do
atendimento aos clientes em uma
finssima joalheria. O tempo mdio de
atendimento meia hora por cliente,
tempo este exponencialmente
distribudo. Os clientes chegam a uma
taxa mdia de doze por hora.
Determinar:
a) o nmero mdio de clientes na loja;
b) o nmero mdio de clientes
esperando;
c) a probabilidade de um cliente chegar
e esperar;
d) a probabilidade de um cliente esperar
mais de 7 minutos para ser atendido;
e) o tempo mdio gasto no sistema;
f) o nmero mdio de vendedores
desocupados.
g) a variao percentual do tempo em
espera na fila se for contratado mais
um vendedor.
h) o que ocorreria se a joalheria
demitisse um vendedor e ficasse com
apenas 7?
Di mensi onando o n de Est aes

O arquivo Teoria de Filas.xls,
alm da planilha 1, que trata de clculos
quando so conhecidos os parmetros ,
e k, possui ainda a planilha 2, que
objetiva o dimensionamento do sistema
em termos do nmero de estaes,
conforme o tempo mdio de espera em
fila desejado. A partir dela, muitos
clculos de interesses podem ser
implementados e a mesma constitui uma
importante ferramenta para
gerenciamento de filas dinmicas, isto ,
aquelas que mudam suas caractersticas
ao longo do tempo. Por exemplo, o
movimento num supermer-cado em
horrio de almoo maior do que no
incio de seu expediente, por exemplo.
Assim, exige de seu gerente uma
administrao diferenciada. Atravs
desta planilha, pode-se alterar
convenientemente o nmero de caixas de
modo a no obrigar os clientes a um
tempo de espera muito longo. Vamos
ilustrar com o exemplo seguinte.

Num supermercado, existe a
possibilidade de operao com 20
caixas. A mdia com que os clientes
chegam em fila nica de 70 por hora no
horrio de abertura e de 100 por hora em
horrio de almoo, segundo a
distribuio de Poisson e o tempo m-dio
de atendimento est exponencial-mente
distribudo com mdia de 10 minutos.
Calcular os nmeros de caixa ideais em
operao para ambos horrios, de modo
a fazer com que o tempo mdio de espera
em fila no ultrapasse a 5 minutos.

Soluo:
1 = 70 clientes/hora
2 = 100 clientes/hora
= 6 clientes/hora (1 a cada 10 minutos)
Wq mx = 5 minutos

Utilizando a planilha de forma conveni-
ente, encontramos os seguintes
resultados:

1 = 70 clientes/hora:
k = 13 caixas em operao
Wq = 4,64 minutos

2 = 100 clientes/hora
k = 19 caixas em operao
Wq = 3,45 minutos

Assim, recomendvel colocar 13 caixas
em operao no horrio de abertura e mais
4 caixas, totalizando 19, em horrio de
almoo, para que o cliente no espere em
mdia mais do que 5 minutos.


Ex er c c i os

18) Num posto pedgio, chegam 30
automveis por minuto, conforme
Poisson, e a durao do atendimento
distribudo exponencialmente em torno
da mdia de 20 segundos.
a) Qual o nmero de cabines que
devero estar em operao de modo
a fazer com que o tempo de espera
em fila no exceda a 2 minutos?
b) Qual o tempo de espera mdio na fila
em segundos?
c) Qual o nmero mdio de automveis
na fila nica?
d) Qual a probabilidade de um
automvel aguardar mais de 1
minuto na fila?

19) Numa agncia bancria, os tempos
de atendimentos so distribudos
exponencialmente em torno da mdia de
2 minutos por cliente, e o gerente conta
com at 15 caixas para operar. O
primeiro grfico abaixo ilustra como
varia a mdia de chegadas por hora
(conforme Poisson) ao longo de um dia
comum. Esboce o segundo grfico que
representa o nmero ideal de caixas em
operao (menor possvel) de modo que
o tempo de espera mdio da fila nunca
ultrapasse a 5 minutos.




20) A maternidade de um hospital tem 5
salas de parto. As pacientes da mater-
nidade chegam ao hospital de acordo
com um processo de Poisson, a uma taxa
de 3 por dia. So acomodadas numa sala
de parto, se houver disponvel, caso
contrrio, so enca-minhadas a outro
hospital. Uma paciente ocupa uma sala
de parto por 24 horas, em mdia, tempo
exponencial-mente distribudo.
Calcular:
a) a probabilidade de uma paciente
chegar e ser acomodada numa sala;
b) a probabilidade de ser transferida
para outro hospital;
c) o aumento percentual de pacientes
atendidos se uma nova sala for
destinada para partos.


CAP TULO 4

REGRESSO SI MPLES


I nt r odu o

O objetivo deste captulo ini-
ciar o aluno no estudo da relao entre
duas variveis observadas na prtica.
comum do ser humano procurar enxer-
gar uma dependncia entre as coisas que
o cercam, designando uma delas como
causa e a outra como efeito. Por exem-
plo, podemos pensar que o aumento da
criminalidade devido ao aumento do
desemprego, que as notas tiradas pelos
alunos em uma matria esto relaciona-
das presena em sala de aula, que
colocando-se litros de gua sobre o
relgio que mede o consumo de energia
eltrica estaremos fazendo economia da
mesma. Isso s o comeo.

Nosso estudo pretende colocar
um ponto de interrogao nestas nossas
observaes ou crendices, atravs de
uma regresso aos dados j ocorridos e
procurando saber se h uma relao
ntida de dependncia entre os mesmos
ou o que observamos so valores alea-
toriamente distribudos. Em outras
palavras, vamos estudar os parmetros
que indicam se as variveis observadas,
de fato, parecem interagir entre si, ou se
o que observamos umas poucas vezes
so fatos casuais e no devero se repetir
no futuro. Para tanto, comeare-mos com
uma pequena reviso sobre a Geometria
Analtica, para um posterior
desenvolvimento dos conceitos relacio-
nados com a Regresso.

Entendemos por Regresso a re-
tomada a valores que aconteceram num
passado prximo com a finalidade de
entender o presente e planejar o futuro.
Assim, se conseguimos relacionar a
baixa produtividade de um setor
temperatura insuportvel do mesmo,
certamente seria mais vantajoso para o
administrador gastar com equipamentos
de refrigerao do que continuar do jeito
que est. Se, de fato, a baixa pro-
dutividade de dever exclusivamente ou
principalmente ao calor, teremos um
caso de regresso simples, isto , esta-
remos relacionando uma varivel pro-
dutividade a uma nica outra tem-
peratura. Poderia ocorrer, no entanto,
que, alm da temperatura, a baixa pro-
dutividade tivesse relacionada a outros
fatores, tais como a motivao de seus
funcionrios, a integrao entre os mes-
mos, aos baixos salrios, etc. Neste caso,
teramos uma regresso mltipla, o que
foge ao nosso objetivo no momento, por
representar uma maior complicao
operacional.


Geomet r i a Anal t i c a

Geometria Analtica a parte da
Matemtica que se preocupa em estudar
as caractersticas algbricas dos elemen-
tos geomtricos. Por exemplo, sabemos
que uma reta uma linha que no muda
de direo, mas tambm poderemos
equacionar sua posio num plano ou no
espao atravs de coordenadas. Va-mos
comear com pontos.

Num plano, isto , em alguma
superfcie no-curva, podemos localizar
seus pontos atravs de coordenadas, que
so os endereos destes pontos. Para
tanto, precisaremos de duas refe-rncias,
duas retas perpendiculares. O ponto de
encontro das duas retas ser o marco zero
para ambas. A reta horizon-tal ser
chamada de x e a vertical de y: depois
disso, para a direita iremos medir a
distncia at o encontro das retas com
valores positivos; para a esquerda iremos
tambm medir a distncia com valores
negativos, na reta x horizontal. O mesmo
dizer para a reta y vertical: para cima,
valores positivos, para baixo, valores
negativos:


Um ponto ser localizado no
sistema acima pelas suas coordenadas, x
e y. Introduzindo linhas de grade no
sistema acima, teremos um reticulado
semelhante ao do papel milimetrado, o
que torna mais imediata a localizao de
pontos, que representaremos por um x:


Assim, a localizao dos pontos acima
ser escrita como um par, onde o pri-
meiro nmero a coordenada x e o se-
gundo nmero a coordenada y. Com
isso, teremos:

A =(2,3) B =(1,-3) C =(-2,0)

Observe agora a reta do prximo
grfico. Veja que a mesma pode ser
considerada um conjunto de pontos
sucessivos uns aos outros e que estes
pontos tm coordenadas bem definidas:




A partir dos pontos desta reta, notamos
que, se o x for um nmero, o y ser
sempre o mesmo nmero mais 1: x =0 e
y =1; x =1 e y =2; x =2 e y =3; etc.

y = x + 1

Esta caracterstica o que mais define a
reta acima, sendo por isso denominada
de equao da reta. Cada reta ter sua
prpria equao. Por exemplo, a equa-
o da reta abaixo ser

y = 6 2x



Em geral, a equao da reta ter a
seguinte forma:



x
y
A
B
C
onde m um nmero que multiplica x e
h um nmero que vem somando ou
diminuindo. Nos exemplos anteriores:

y = x + 1 m = 1 e h = 1

y = 6 2x m = -2 e h = 6

O parmetro m responsvel pela
inclinao da reta quanto maior for o
m, maior ser sua inclinao e vice-
versa. Valor negativo indicar inclinao
para baixo. A partir de agora, m ser
designado por inclinao.

O parmetro h pode ser entendi-
do como a coordenada y do ponto de
encontro da reta com o eixo y. Por
exemplo, na primeira reta, temos que o
ponto de encontro era (0, 1) e notamos
que h = 1. J no segundo exemplo, o
ponto de encontro era (0, 6) e h = 6.
Generalizando, se x = 0, atravs da
frmula teremos:

y = mx + h
y = m.0 + h
y = h

Por isso, o parmetro h ser designado
por intercepo.

Alm de retas, poderemos ter
ainda parbolas, cbicas, exponenciais,
etc, cada qual com equaes especfi-
cas. Entretanto, tais estudos fugiriam de
nosso objetivo atual.


Regr esso Li near Si mpl es

Considere a tabela de valores
abaixo que representa a frota de vecu-
los que trafegam em determinados dias
acompanhada pelo ndice de qualidade
do ar em percentual para uma metrpole
brasileira:
N veculos (emmil) Qualidade do ar (em%)
1089 55
1000 70
700 100
753 98
808 84
894 86
950 63
1200 50
Se considerarmos que a cada n-
mero de veculos corresponde uma
qualidade do ar, teremos a formao de
pares (x, y). Colocando estes pares num
plano, teremos:


Pelo grfico, notamos uma ntida
relao entre a frota e a qualidade do ar
nesta circunstncia. Observe que no h
um alinhamento perfeito entre os pontos,
mas o mesmo poder ser intudo sem
muito esforo. Podemos passar inmeras
retas prximas a estes pontos. Uma
destas retas ser tal que a soma das
distncias aos pontos acima ser a menor
possvel. Obviamente, esta ser a melhor
reta. Esta reta ser chamada de reta de
regresso.

Esta reta de regresso, depois de
calculada, poder servir como refern-
cia para projees futuras e ajuda a
entender a dependncia entre as duas
variveis nmero de veculos e quali-
dade do ar. Ficou claro que a qualidade
do ar depende do nmero de veculos que
circula pela cidade. Assim, atribu-mos
qualidade do ar o carter de varivel
dependente, enquanto que ao nmero de
veculos, atribumos o carter de
varivel independente. Assim, no foi
por acaso que colocamos o nmero de
veculos na varivel x, que ser sempre a
varivel independente e a qualidade do
ar na varivel y, que ser sempre a
varivel dependente.


A Equa o da Ret a de Regr esso

A reta de regresso, como qual-
quer outra reta, apresenta uma equao
da forma y =mx + h. O clculo da
inclinao e o da intercepo depender
dos pares de pontos (x, y) presentes em
nossa regresso e foi deduzido a partir do
Clculo Diferencial, estudo que foge ao
nosso objetivo atual. Por hora, dire-mos
apenas que sua frmula foi deduzi-da
usando como base a idia de melhor reta,
isto , aquela que minimiza a dis-tncia
aos pontos considerados. O Cl-culo
Diferencial nos forneceu:



onde
- m a inclinao;
- N o nmero de pontos;
- xy a soma dos produtos de x por y;
- x a soma das coordenadas x;
- y a soma das coordenadas y;
- x
2
a soma das coordenadas x
2
;
- ( x)
2
o quadrado de x.

Como, na prtica, utilizaremos a nossa
calculadora HP-12C para tais clculos,
no nos deteremos em ilustrar a aplica-
o desta frmula.

O Clculo Diferencial tambm
nos forneceu um dado muito importante
que o fato de que as mdias de cada
varivel pertencerem reta de regresso.
Em outras palavras, o ponto
pertence reta de regresso:



Coef i c i ent e de Cor rel a o

Considere o quadro abaixo que
relaciona a nota tirada em Matemtica
com a presena do aluno em sala de aula.

Aluno Presena (em%) Nota
Alessandra 75 8,3
Aurlio 77 6,1
Eduardo 77 9,3
Ivanildo 80 7,3
J ose 85 6,1
Lucas 85 9,7
Maurcio 90 8,0
Nbia 91 5,4
Patrcia 94 8,4
Odir 100 7,0



Colocando estes valores num grfico,
teremos:




Agora, vemos que uma linha reta j no
to fortemente sugerida pelos pontos
acima. Em sntese, no podemos dizer
que haja uma relao entre as notas e a
presena to ntida como havia entre o
nmero de veculos e a qualidade do ar.
Mesmo que ainda possamos calcular a
reta de regresso, a mesma no ser to
significativa como o foi no exemplo
anterior. Ento, para saber se h sentido
em fazer uma regresso, podemos utili-
zar o grfico para ver se h uma tendn-
cia linear sugerida ou no.

Sem lanar mo do grfico, existe
um parmetro matemtico que nos
informa se h boa ou no correlao entre
os pontos considerados. Este par-metro
chamado de coeficiente de cor-relao.
Sua frmula, tambm fornecida pelo
Clculo Diferencial, ser:



Como este resultado tambm estar
disponvel em nossa calculadora HP-12C,
tambm nos pouparemos de uma penosa
ilustrao.

Aps calcularmos o coeficiente de
correlao para os dados do nvel de
qualidade do ar, chegamos a 0,9576,
enquanto que para as notas de Matemti-
ca temos um coeficiente de correlao de
0,1871. Este coeficiente, conforme
vimos, mede o quanto o conjunto de
valores nos sugere a existncia de uma
reta, isto , se h uma forte correlao
linear entre os dados. Inicialmente,
tiramos o sinal negativo deste coefi-
ciente. Podemos usar a seguinte tabela
para concluir tal coisa:

Coeficiente de Correlao Indicao
de 0 a 0,30 nenhuma correlao
de 0,30 a 0,50 correlao muito fraca
de 0,50 a 0,70 correlao fraca
de 0,70 a 0,90 correlao moderada
de 0,90 a 0,95 correlao forte
de 0,95 a 1,00 correlao muito forte

Conclumos assim que o primeiro
exemplo tem uma correlao muito forte,
isto , faz bastante sentido aproximar uma
reta para representar a dependncia entre
as variveis, pois o coeficiente de
correlao (sem o sinal) de 0,9576. A
qualidade do ar, realmente,
comprometida com o nmero de vecu-
los que trafega na cidade.

Por outro lado, o coeficiente de
correlao para as notas de matemtica,
como espervamos, baixo e no indica
correlao entre as variveis. Assim,
podemos concluir que no h indcios de
que a presena afete significativamente a
nota tirada pelos alunos. Observe que o
coeficiente (sem o sinal) ficou abaixo de
0,30.


Fazendo proj e es

Com base na reta de regresso,
podemos fazer projees e estimar o que
vai acontecer no futuro. Assim, a regres-
so passa a ser mais uma ferramenta de
administrao e de controle. Vamos
continuar exemplificando com os nveis
de qualidade do ar em funo da frota que
circula em uma cidade. Digamos que
pretendemos saber qual ser o nvel de
qualidade do ar acaso tenhamos circu-
lando 1.400 veculos. Para isso, ne-
cessitaremos da equao da reta de re-
gresso, que foi calculada como:

y = -0,1071x + 174,70

Como o nmero de veculos corresponde
varivel x, fazemos x =1 400 e substi-
tumos na equao acima:

y = -0,1071.1400+174,70
y = 24,76 ~ 25%

Assim, caso a frota de veculos seja de 1
400, poderemos esperar uma qualidade
do ar entorno de 25%.
Alternativamente, caso quissse-
mos dimensionar o nmero de veculos
para circular de modo que a qualidade do
ar fosse de 90%, teramos agora que a
varivel y que seria a conhecida.
Substituindo na mesma equao da reta
de regresso:

y = -0,1071.1400 + 174,70
90 = -0,1071x + 174,70
0,1071x = 174,70 90
0,1071x = 84,70

x = 790,85 ~ 791 mil veculos


Usando a c al c ul adora HP-12C

Se voc entendeu a importncia
dos conceitos discutidos nas sees
anteriores, vai apreciar muito a grande
facilidade operacional da nossa mquina,
o que dispensa a maioria das frmulas
apresentadas.

Vamos lembrar que, quando pres-
sionamos a tecla ENTER, estamos trans-
ferindo o nmero do visor (registrador X)
para o registrador Y. (Para maiores
esclarecimentos, consulte o Captulo 8)
Assim, para que o valor digitado fique no
registrador Y, devemos digit-lo pri-
meiro e, logo aps, digitar o valor para
ficar no registrador X, antes de pressio-
nar a tecla de entrada de dados, +.
Exemplificando com a tabela da pgina
62, temos:

N veculos (emmil) Qualidade do ar (em%)
1089 55
1000 70
700 100
753 98
808 84
894 86
950 63
1200 50




Pressione Visor
f CLEAR E+ 0,00
55 ENTER 1089 E+ 1,00
70 ENTER 1000 E+ 2,00
100 ENTER 700 E+ 3,00
98 ENTER 753 E+ 4,00
84 ENTER 808 E+ 5,00
86 ENTER 894 E+ 6,00
63 ENTER 950 E+ 7,00
50 ENTER 1200 E+ 8,00

As duas primeiras teclas que pressiona-
mos (primeira linha acima) serve para
limpar os registradores estatsticos de
nossa mquina. O nmero que aparece
aps darmos entrada com o par de valo-
res refere-se contagem dos mesmos.
Uma vez tendo feita a digitao acima, a
calculadora estar pronta para fornecer-
nos demais parmetros. Acompanhe
atentamente o que vamos fazer a seguir:

- Para fazer uma projeo em y
Se quisssemos saber qual seria o ndice
para uma frota de 1 400 veculos, basta
digitar o valor e pressionar as teclas g e
. Esta ltima corresponde ao valor 2
do teclado da mquina:

Pressione Visor
1400 g 24,82

Note que o valor ligeiramente diferen-te
do projetado anteriormente devido ao
arredondamento maior feito naquela
ocasio.

- Para fazer uma projeo em x
Se quisssemos saber qual o nmero de
veculos implicaria num ndice de quali-
dade do ar de 90%, usaramos as teclas g
e ,r. Esta segunda tecla corresponde ao
valor 1 do teclado.

Pressione Visor
90 g ,r 791,15

Outro valor mais prximo da exatido do
que o anteriormente apresentado.

- Para calcular o coeficiente de
correlao
Observe que as funes anteriores
calculam as projees e tambm o coefi-
ciente de correlao r. Para tanto, aps o
clculo de uma projeo, pressione a tecla
de alternncia dos registradores x e y, a
tecla .

Pressione Visor
-0,96
f 4 -0,9576

- Para calcular a intercepo
Pensando bem, a intercepo pode ser
considerada a projeo de y quando x for
igual a zero. De fato, pela equao da reta
de regresso, quando x =0, y se torna h:
y = mx + h
y = m.0 + h
y = h
Assim, para obtermos h, basta fazermos a
projeo de y considerando x igual a zero:

Pressione Visor
0 g 174,7018

Para calcular as mdias de x e de y
As mdias de x e de y podero ser calcu-
ladas a partir da soma e diviso, mas
existe um caminho mais direto: teclas g e
. Esta ltima trata-se do 0 do teclado.
Vamos usar a tecla de inverso para
obtermos a mdia de y, isto , :

Pressione Visor
g 924,25
75,75

Assim, =924,25 e =75,75.



- Para calcular a inclinao
Vimos anteriormente que o ponto ( , )
pertence reta de regresso. Assim, eles
verificam a equao da reta de regresso.
Portanto,

y =mx +h
=m +h
- h =m


Pressione Visor
f 4 0,0000
75,75 ENTER 75,7500
174,7018 - -98,9500
924,25 -0,1071


Adver t nc i as

Uma significativa associao entre
duas variveis grandeza independente
y e grandeza dependente x que
traduzida por um coeficiente de
correlao prximo de 1, pode significar
quatro coisas:
1) Realmente existe uma relao de
causa e efeito entre elas, como se
havia suposto. Esta a certeza de um
estudo bem sucedido.
2) No existe relao de causa e efeito
entre as variveis; o que ocorreu foi
apenas uma coincidncia. Isto pode
ser verificado a partir de outras ob-
servaes para se concluir a vera-
cidade ou no da dependncia entre
as variveis.
3) Pode existir uma outra varivel no
relacionada que esteja afetando as
outras duas. Noutras palavras, x e y
so dependentes de uma varivel z.
4) Em vez de x ser independente e y ser
dependente de x, pode estar
acontecendo o contrrio. Por exem-
plo, os gastos mensais de uma pes-
soa (y) dependem de sua renda
lquida (x), mas o contrrio pode ser
mais verdadeiro para muitas pes-
soas, isto , a renda lquida (y)
quem depende de seus compromis-
sos mensais (x). Isto se verifica
quando uma pessoa, por ter assumi-
do compromissos para os prximos
meses, se empenhe a ganhar mais
dinheiro para dar conta dos mesmos.


Li mi t a es da Regr esso na
Capac i dade de Pr ever

Uma das finalidades da anlise de
regresso consiste na capacidade de
prever como uma varivel dependente
(grandeza y) se comportar com uma
mudana da varivel independente
(grandeza x). No entanto, alm de haver
uma forte relao linear entre elas, isto ,
mdulo (nmero sem o sinal) do
coeficiente de correlao prximo
unidade, e tendo observado as
advertncias que esto no pargrafo
anterior, para validar as previses, temos
tambm que nos certificar de que:
1) A previso de x confivel. Vamos
supor que chegamos concluso que
as vendas de sorvete so fortemente
afetadas pela tempera-tura mdia do
ms. Se quisermos estimar as vendas
para janeiro de 99 (varivel y), temos
que prever com segurana tambm
qual ser a temperatura mdia
daquele ms, ou ao menos um
intervalo de tempera-turas confivel.
2) Estamos descartando as mudanas
repentinas. No exemplo acima, po-
der ser lanado no mercado um
produto que concorra com os sorve-
tes em janeiro de 99 e, ainda que
tenhamos acertado a temperatura
mdia, as vendas de sorvete no se
comportaro como o previsto.
3) O novo valor de x est prximo aos
antigos. Uma regresso feita com
temperaturas variando de 20 a 30
graus no expressiva para prever as
vendas de sorvetes se a tempera-tura
for de 40 graus. Em termos mais
tcnicos, uma previso de ex-
trapolao (quando o valor de x que
prever y estiver fora dos limites
originais) muito menos confivel
do que uma previso de interpola-
o (quando o valor de x que preve-
r y estiver dentro dos limites origi-
nais).

Ex er c c i os

1) No quadriculado abaixo, represente os
pontos:
A =(3, 4) B =(-2, 5) C =(2, -3)
D =(-1, - 4) E =(0, 2) F =(0, -4)
G =(1, 0) H =(-3, 0) I =(0,0)

2) Nos quadriculados abaixo, represente
as seguintes retas, conforme o exemplo
abaixo:
reta r : y = 2x 1
Para traar uma reta, bastam 2 pontos.
Assim, atribumos valores para x e obte-
mos y:
x = 1 y = 2.1 1 = 1
x = 2 y = 2.2 1 = 3

reta s : y =x +2


reta t : y =3x


reta u : y =4 x

reta v : y =9 2x



3) Para as estatsticas abaixo, j calcu-
lamos o coeficiente de correlao. Voc
seria capaz de associ-los corretamente?
Coeficiente Correlao Estatstica
0,9775 Muito forte
0,9191
-0,8674
-0,6139
-0,3792
0,0755

a)
b)


c)


d)











f)





4) Um diretor pretende avaliar se os
recursos investidos num projeto de
marketing implicou ou no no aumento
de vendas de um produto. Para tanto,
baseou-se em estatsticas dos cinco
ltimos meses, anotando o capital
investido em marketing e o nmero de
produtos vendidos, conforme tabela:

Invest. (emmil R$) Vendas (emmil unid.)
31,4 12.854
24,9 7.850
17,9 5.820
40,1 13.989
30,0 11.450

a) Calcule as mdias de x e de y.
b) Calcule h.
c) Calcule m, usando
d) Qual o retorno esperado acaso sejam
investidos R$ 50 mil?
e) Qual o investimento necessrio para
vender 10.000 unidades?
f) Qual o valor do coeficiente de
correlao? Classifique a correlao
das variveis com base nele.
g) Voc concorda que as vendas so
significativamente afetadas pelo
investimento em marketing?

5) A produo de uma hortalia parece
depender diretamente da concentrao
(em g/l) de um certo adubo. Para tanto, a
fim de se verificar tal fato, plantou-se a
hortalia em cinco canteiros idnticos
com concentraes diferentes do adubo e
calculou-se o peso mdio das hortalias
de cada canteiro (em gramas), conforme
tabela abaixo:

Canteiro Conc. (g/l) peso (gramas)
1 15 240
2 20 315
3 30 267
4 35 528
5 40 473

a) Calcule as mdias de x e de y.
b) Calcule h.
c) Calcule m, usando
d) Qual o peso da hortalia, se a
concentrao de adubo for 25,0 g/l?
e) Qual dever ser a concentrao de
adubo para que o peso da hortalia
seja de 350 g?
f) Qual o valor do coeficiente de
correlao? Classifique a correlao
das variveis com base nele.
g) Voc concorda que a concentrao
de adubo afeta significativamente o
peso das hortalias?

6) A tabela abaixo relaciona o nmero
de homens/horas por ms de esforo
preventivo (educacional) e o nmero de
acidentes por milho de homens/hora.

Homens/hora por ms para
educao
acidentes por milho
de homens/hora
200 7,0
500 6,4
450 5,2
800 4,0
900 3,1
150 9,0
300 6,5
600 4,4

a) Qual o coeficiente de correlao?
Classifique a regresso.
b) Voc concorda que o investimento
na educao preventiva afeta signi-
ficativamente o nmero de aciden-
tes?
c) A fim de se reduzir a zero o nmero
de acidentes por milho de ho-
mens/hora, qual o valor de ho-
mens/hora por ms a ser destinado
para a educao preventiva?

7) Os nmeros abaixo relacionam o
nmero de pessoas que visitou uma
choperia e a temperatura mdia da noite:

Temperatura (emgraus) Visitantes
20 132
17 145
13 106
25 111
30 147
32 140
34 130
35 147
39 150

O gerente da choperia quis averiguar se
a temperatura exerce alguma influncia
para o consumo daquela choperia. Com
base nos dados acima, a que concluso
teria chegado? J ustifique baseado no
coeficiente de correlao.

8) O quadro abaixo mostra a relao
entre os pesos em quilogramas, de pais e
filhos (baseado no trabalho de Carlos
Gustavo M. Antunes).

famlia peso do pai peso do filho
lvares 50 53
Danti 55 54
Florena 59 67
Maia 64 60
Moreira 70 59
Pereira 76 76
Silva 82 90
Souza 94 75

Voc concordaria que o peso do pai
determina qual ser o peso do filho?
J ustifique baseado no coeficiente de
correlao.

9) A tabela abaixo relaciona a durao do
casamento, em anos, e o nmero de
separaes judiciais aps este tempo,
dados fornecidos por um cartrio da
regio (baseado no trabalho de Silvia
Regina Pontes).

Durao do casamento Nmero de divrcios
1 354
2 301
3 265
4 238
5 256
6 245
7 245
8 205
9 167
10 157

Voc concorda que h uma forte relao
entre as variveis acima? J ustifique.


10) Um economista observou as taxas de
juros (anuais) e o total de capital
estrangeiro aplicado no Brasil em 15
datas.
J uros (% a.a.) Capital (US$ bilhes)
9,0 2,0
11,6 2,4
19,5 3,1
25,0 3,4
29,7 3,2
31,7 3,9
33,0 4,0
37,6 4,1
41,8 5,1
42,9 5,2
47,5 5,5
48,2 5,3
49,0 5,4
50,2 5,7
52,7 6,1

a) Calcule as mdias de x e de y.
b) Calcule h.
c) Calcule m, usando
d) Qual o capital estimado, caso o
governo fixasse os juros em 45,0%?
e) Qual a confiana que existe na
estimativa do item anterior?


Regr esso Exponenc i al Si mpl es

Considere que a populao de
uma cidade variou ao longo dos anos
conforme a tabela abaixo:

x =Ano y =Habitantes (mil)
0 500
1 689
2 924
3 1.247
4 1.609
5 2300
6 3244
7 4444
8 6449

Colocando estes valores num grfico,
percebemos que um ajuste linear no o
mais indicado, por percebemos uma
ntida curva crescente:

A equao desta curva, que ir nos
auxiliar a prever a populao desta cida-
de para os prximos anos, ter a seguin-
te forma:




onde e o nmero de Euler e vale apro-
ximadamente 2,71828. Para obter mais
casas deste nmero, digite em sua HP-
12C:

Pressione Visor
1 g e
x
f 9 2,718282828


Para encontrar os valores de k e
de m, utilizamos uma propriedade mate-
mtica importante, que a de aplicar o
logaritmo natural nos dois lados da
equao. Assim:



Mas, o logaritmo de um produto igual
soma dos logaritmos individuais:



Mas, quando o logaritmando tem
expoente, este pode ser transformado em
fator multiplicativo:



Mas, ln e = 1. Ento, nossa equao fica:



Fazendo ln y = Y e ln k = H, temos:



que a equao de uma reta.

Concluso: Para fazer uma regresso
exponencial, fazemos uma mudana de
varivel e procedemos como se fosse
uma regresso linear. Assim, a regresso
exponencial herda todos os conceitos e
atributos vistos, como as facilidades
operacionais de clculo na HP-12C.

Vamos exemplificar:

x =Ano y =Habitantes
(mil)
Y =ln y
0 500 6,215
1 689 6,535
2 924 6,829
3 1.247 7,128
4 1.609 7,383
5 2300 7,741
6 3244 8,085
7 4444 8,399
8 6449 8,772


A ltima coluna representa o logaritmo
natural de y, e pode ser calculada na HP-
12C com a seqncia de teclas g LN.
Podemos, ento, entrar com os valores x
e Y na mquina da seguinte forma:

Pressione Visor
f 3 0,000
f CLEAR E 0,000
500 g LN ENTER 6,215
0 E+ 1,000
689 g LN ENTER 6,535
1 E+ 2,000
...
6449 g LN ENTER 8,772
8 E+ 9,000

Agora, buscamos:

Digite Valor Coment.
RCL 1 9,000 n
RCL 2 36,000 Ex
RCL 3 204,000 Ex2
RCL 4 67,087 EY
RCL 5 506,060 EY2
RCL 6 287,291 EXy

Para calcular m:



no que digitamos:

Pressione Visor
RCL 1 ENTER RCL 6 X 2.585,618
RCL 2 ENTER RCL 4 X 170,499
RCL 1 ENTER RCL 3 X 1.836,000
RCL 2 ENTER 2 y
x
0,316
STO 7 0,316

para obtermos o valor de m (0,316).
Alocamos m na memria 7 (STO 7)





Para calcular H, lanamos mo da
frmula:



no que digitamos:

Pressione Visor
RCL 4 ENTER RCL 1 7,454
RCL 7 ENTER 0,316
RCL 2 X 11,367
RCL 1 6,191
STO 8 6,191

para obtermos o valor de H (6,191).
Guardamos este valor na memria 8
(STO 8).

Assim, temos a equao da reta:

Y = 0,316x + 6,191

Isso quer dizer que a relao entre o ano
(x) e o logaritmo natural da populao
(ln y =Y) uma reta:



No entanto, fazendo as mudanas de
variveis, voltamos em:

H = ln k k = e
H


Pressione Visor
RCL 8 g e
x
488,390
STO 9 488,390


Assim, a equao da curva exponencial
fica:

y = 488,390.e
0,316x

Para fazer uma projeo, saber por
exemplo qual ser a populao desta
cidade no ano 10, fazemos:

x = 10 y = 488,334.e
0,316.10

o que na HP-12C significa:

Digite Valor
RCL 7 ENTER 10 X 3,157
g e
x
23,509
RCL 9 X 11.481,679

Alternativamente, poderamos calcular Y
atravs da funo predefinida na HP-12C:

Digite Valor
10 g 9,3349
g e
x
11.481,679

A ltima linha trata da operao inversa na
obteno de y a partir de Y:





Ex er c c i os

11) As receitas obtidas por um grupo
empresarial foram ao longo dos cinco
anos de existncia da empresa:

Ano Receita (milhes de R$)
1 0,500
2 0,735
3 1,169
4 1,753
5 2,542

a) Calcule a equao da reta Y, onde Y =
lny.
b) Calcule o coeficiente de correlao desta
reta Y.
c) Calcule a equao da exponencial y.
d) Estime as receitas da empresa para os
prximos trs anos.

12) A tabela abaixo representa o nmero
de divrcios registrados em um cartrio
em funo da durao do casamento
(dados fictcios):

Durao emanos Nmero de divrcios
1 150
2 104
3 85
4 65
5 50
6 34
7 22
8 12
9 9
10 6

A princpio, notamos que quanto os
divrcios tendem a ocorrer nos primeiros
anos de casamento. Graficando os
valores acima, obtemos:


Observe que, ainda que possamos ajustar
uma reta aos pontos acima (e com isso,
fazer uma regresso linear), a disposio
dos mesmos melhor sugere uma curva
exponencial.
a) Caso no dispusssemos do grfico,
qual seria a medida a ser tomada para
decidir qual das duas regresses (linear
ou exponencial) deveramos usar?
b) Calcule a equao da exponencial.
c) Obtenha a projeo do nmero de
divrcios para casamentos que duraram
5 anos e compare com o valor obtido a
partir da tabela. A que se deve a
diferena encontrada?
d) Qual o coeficiente de correlao?

13) Considere o problema 4:

Um diretor pretende avaliar se os
recursos investidos num projeto de
marketing implicou ou no no aumento
de vendas de um produto. Para tanto,
baseou-se em estatsticas dos cinco
ltimos meses, anotando o capital
investido em marketing e o nmero de
produtos vendidos, conforme tabela:

Invest. (emmil R$) Vendas (emmil unid.)
31,4 12.854
24,9 7.850
17,9 5.820
40,1 13.989
30,0 11.450

Faa uma regresso exponencial
simples, calculando:
a) a equao da exponencial;
b) o coeficiente de correlao
exponencial;
c) Qual das duas regresses parece ser
mais significativa (compare os
resultados com os obtidos no
exerccio 4)?

CAP TULO 5

TPI COS MATEMTI COS
EM FI NANAS


I nt r odu o

o difcil perceber a
lacuna existente entre os
cursos comuns de
Matemtica Financeira, Administrao
Financeira ou de Contabilidades acerca
das ferramentas matemticas que os
justificam. Assim, resolvi preparar este
captulo para o curso de Pesquisa
Operacional & Mtodos Quantitativos II
na inteno de uma abordagem
conceitual e objetiva de assuntos tais
como:
- juros simples e compostos;
- financiamentos e investimentos;
- valor presente lquido;
- taxa interna de retorno;
- ndice de lucratividade;
- valor anual uniforme equivalente;
- payback.

Tais temas sero abordados em
sala de aula com o auxlio da calculadora
HP-12C. J no laboratrio de
informtica, utilizaremos a planilha
eletrnica Excel. Assim, estaremos
estudando os assuntos sob dois prismas
diferentes e complementares, como
temos estudado os captulos anteriores.


Conc ei t os Bsi c os

Como em todos os ramos do
conhecimento humano, em Finanas,
existem os conceitos que so
considerados bsicos, por estarem pre-
sentes na maioria dos contextos onde as
mesmas se aplicam. Vamos considerar
um investimento de R$ 100,00 que
retornou R$ 140,00 ao seu investidor.
Assim, temos que:

O capital principal ou simplesmente
principal o capital do inicio da tran-
sao financeira, que o de R$ 100,00.

O montante o valor de resgate do
investimento, que de R$ 140,00.

Os juros ou rendimento a diferena
entre o que a pessoa recebeu (montante)
e o que a mesma aplicou (principal). No
exemplo, de R$ 40,00.

A taxa de juros a diviso entre os
juros recebidos e o capital principal. No
exemplo, temos que a taxa de juros ser:

.

Em porcentagem, teremos uma taxa de
juros de 40% (basta multiplicar por 100).
Logo, a taxa de juros to somente a
diviso entre os juros e o capital
principal.

Na sua opinio, aplicao do
exerccio anterior um bom investi-
mento ou no? Voc ter acertado se
afirmou que vai depender do tempo de
espera ou do prazo da aplicao. Por
exemplo, nos dias de hoje (outubro de
99), se a espera for de 1 ms, a aplicao
excelente, mas se o prazo for de 10
anos, no se poder dizer o mesmo.
Logo, a taxa de juros, por si s, no
informa muita coisa se no vier
acompanhada da unidade de tempo.
Ento, se o prazo fosse de um ms,
teramos uma taxa de juros de 40% ao
ms (40% a.m.), enquanto que se o prazo
fosse de 10 anos, teramos uma taxa de
juros de 40% dcada!

Exemplo: Uma camisa anunciada por
R$ 50 com um cheque para 30 dias ou
N
com um desconto de 20% vista. Qual
ser a taxa de juros mensal cobrada pela
loja?
a) 20% b) 21% c) 22%
d) 24% e) 25%

Soluo: O preo da camisa vista de
50 20% =40 reais. Logo, se algum
compra algo no valor de R$ 40, mas s
paga daqui a 30 dias o valor de R$ 50,
estar pagando R$ 10 de juros. Ento,



Ento, a taxa mensal de juros ser de
25%.

J ur os Si mpl es x
J ur os Compost os

Um investimento de R$ 100,00
feito segundo uma taxa de juros de 10%
a.m. Conforme os regimes a serem ado-
tados, teremos os seguintes montantes ao
longo dos meses:

sistema ms 1 ms 2 ms 3 ms 4
simples 110,00 120,00 130,00 140,00
comp. 110,00 121,00 133,10 146,41

Concluso: No regime dos juros sim-
ples, a taxa de juros incidir sempre so-
bre o capital inicial, enquanto que no de
juros compostos, a taxa de juros incidir
sempre sobre o capital corrigido
anteriormente pela taxa. Sendo assim, os
juros simples em todos os meses sero
iguais (R$ 10), enquanto que os juros
compostos sero, ms a ms, diferentes
entre si (R$10, R$ 11, R$12,10, etc).

A maior facilidade do uso do re-
gime simples, , sem dvida, a natureza
das operaes envolvidas (somar e
multiplicar). Alm disso, uma taxa de
120% ao ano (120% a.a.) se torna igual a
10% ao ms (10% a.m.), bastando dividir
a taxa anual (120%) pelo nmero de
meses do ano (12), para obter a taxa
mensal.

J uros simples so largamente
usados em pases em que a inflao
muito baixa, ou em contextos em que as
taxas de juros anuais so muito peque-
nas, pois nestes casos, a perda ao longo
dos tempos relativamente insignifi-
cante. Por exemplo, considere uma
inflao de 0,5% a.a. e as correes
anuais de R$ 100:

Sistema ms 1 ms 2 ms 3 ms 4
Simples 100,50 101,00 101,50 102,00
comp. 100,50 101,00 101,51 102,02

J uros simples tambm so usados
quando a unidade do prazo da aplicao
for menor do que a da taxa. Neste caso,
juros simples so mais agressivos do que
os compostos. No Brasil, os bancos
calculam os juros de excessos em conta
corrente (cheque especial) baseando-se
neste regime prazo em dias, mas taxa
de juros men-sal. Por exemplo, se uma
conta corrente ficou negativa de R$ 100
e o banco cobra uma taxa de juros de
10% a.m., teramos os seguintes juros:

sistema 15 dias 20 dias 30 dias 40 dias
simples 5,00 6,67 10,00 13,33
comp. 4,88 6,56 10,00 13,55

Logo, entende-se o motivo da prefern-
cia do regime simples, principalmente
porque em geral as contas ficam negati-
vas num prazo inferior ao de um ms
ocasio em que os juros simples supe-
ram os compostos. Os juros simples
foram calculados considerando uma
proporo direta. Por exemplo, 10% em
um ms equivale a 5% em quinze dias,
6,67% em 20 dias, 13,33% em quarenta
dias. J o clculo dos juros compostos
no obedece a este tipo de raciocnio, e
veremos em breve os seus mecanismos.



Ex erc c i os

1) Um investimento de R$ 300,00 rendeu
R$ 60 de juros aps 6 meses de
aplicao. Calcule a taxa de juros
semestral da aplicao.

2) Acerca do regime da aplicao do
exerccio anterior, baseado apenas no
seu enunciado, o que se pode concluir
sobre o mesmo?

3) Qual a taxa anual simples da
aplicao do exerccio 1?

4) Qual a taxa anual composta da
aplicao do exerccio 1?

5) Uma mercadoria anunciada no valor
de R$ 100 para se pagar daqui a 60 dias,
sendo que, vista, sai com um desconto
de 30%. Qual a taxa bimes-tral
cobrada?

6) Qual a taxa simples mensal do
exerccio anterior?

7) Qual das taxas abaixo melhor se
aproxima da taxa composta mensal do
exerccio 5?
a) 15% b) 21,43% c) 19,52%

8) Monte um quadro comparativo para
os dois regimes de capitalizao (simples
e composto) de um investimento de R$
1.000, ano a ano, para uma taxa anual de
5%.

J ur os Si mpl es na HP-12C

Sabemos que a HP-12C trabalha
com registradores X (o visor), Y, Z e W.
Alm destes, existem os registrado-res
financeiros, que so representados pelas
cinco teclas superiores que esto
esquerda:

n : prazo
i : taxa percentual de juros
PV : principal valor
PMT : pagamento peridico
FV : futuro valor

Ateno: Estes dois ltimos registrado-
res (PMT e FV) s devero ser usados
para juros compostos.

A HP-12C apresenta uma grande
limitao para o clculo dos juros sim-
ples automaticamente, ela s calcula os
juros. Alm disso, a taxa de juros deve
estar expressa em anos e o prazo em dias.

Por exemplo, quais os juros
pagos pelo uso de R$ 500 de uma conta
especial, se a taxa cobrada pelo banco
de 12% a.m. e o dinheiro foi usado por
11 dias?
PV =500
n =11 dias
i =12% a.m. =12 x 12 =144% a.a.
Assim, digitamos:

Digite Visor
f CLEAR FIN mantido
500 PV 500,00
11 n 11,00
144 i 144,00
f INT -22,00

Assim, os juros pagos sero R$22,00. O
sinal de negativo aparece para indicar a
sada de capital, assim como um valor
positivo sinaliza a entrada de capital
(conceito de fluxo de caixa).

Continuando o exemplo anterior, no
registrador Y teremos o principal (nega-
tivado). Assim, pressionando simples-
mente a tecla +, teremos o total a ser
restitudo:

Digite: Visor
+ -522,00

J no registrador Z, teremos o valor dos
juros com ano de 365 dias. Verifique e
explique tal diferena.

Ex erc c i os

9) Uma duplicata no valor de R$ 500,00
descontada 40 dias antes de seu
vencimento. Se o banco cobra uma taxa
de desconto simples de 12% a.m.,
calcule o valor descontado.

10) Uma conta ficou por 11 dias negativa
de R$ 340,00. Se o banco cobra juros
simples de 15 % a.m., calcule os juros
em reais.

11) Um emprstimo feito segundo a
taxa de 45% a.a. durante 59 dias. Calcule
o percentual pago de juros.


J ur os Compost os na HP-12C

Os registradores financeiros a
serem usados aqui so as teclas
superiores esquerdas do teclado da
mquina: n , i, PV e FV. Temos que
informar trs destes valores e digitar a
quarta tecla para obter a resposta. O
perodo de n e da taxa i devem coincidir,
ao contrrio do que era feito para juros
simples, onde o perodo era
necessariamente em dias e a taxa anual.
Para recuperar um valor dos regis-
tradores financeiros, pode-se usar a tecla
RCL (recupera).

Uma curiosidade da HP-12C
que, normalmente, para perodos
fracionrios, a mesma calcula os juros
como sendo simples. Assim, um
investimento de R$ 100 durante 2,5
meses taxa de 10% a.m. daria um
montante de R$ 127,05. Isso porque
teramos 2 meses de 10% a.m.
compostos, R$ 121, mais 0,5 ms de
10% simples, considerando o PV como
R$ 121, isto , R$ 6,05, totalizando os
R$ 127,05. No entanto, esta conveno
de clculo (chamada conveno linear
para perodos fracionrios) no usada
no Brasil. Aqui, em perodos
fracionrios, tambm incidem juros
compostos (conveno esta designada
por exponencial para perodos
fracionrios). Para alterar a
configurao de clculo da HP-12C,
temos que pressionar sucessivamente as
teclas STO e EEX, o que colocar
permanentemente o indicador C no
visor. Para retir-lo, basta digitar
novamente as teclas. Para o curso,
importante no tirar mais o C (o que no
apaga ao desligarmos a calculadora), j
que estamos no Brasil.

Quando o valor desconhecido for
o principal, usa-se normalmente,
informando a taxa, o perodo e o valor
futuro e pressionando PV.
Quando o valor desconhecido for
a taxa, digitam-se os trs valores
conhecidos, entrando o PV e o FV com
sinais opostos. Caso contrrio, a
mquina acusar o aparecimento do
ERRO 5.

Quando o valor desconhecido for
o perodo, a calculadora aproxima o
resultado para o valor inteiro seguinte de
prazo. Por isso, deve-se preferir utilizar
a frmula seguinte:



Ex er c c i os

12) Qual o montante da aplicao de
R$ 450 a juros de 3,5% a.m. durante 8
meses?


13) Qual o rendimento da aplicao de
R$ 450 a juros de 3,5% a.m. durante 8
meses?

14) Qual o montante da aplicao de
R$ 1 000 a juros de 1,6% a.m. durante 2
anos?

15) Qual o montante da aplicao de
R$ 1 000 a juros de 3,4% a.t. durante 4
anos?

16) Qual o montante da aplicao de
R$ 500 a juros de 18% a.a. durante 6
meses?

17) Qual o rendimento da aplicao de
R$ 876 a juros de 8% a.s. durante 7
meses?

18) Qual o rendimento de aplicao de
R$ 950 a juros de 5% a.q. durante 9
meses?

19) Qual o principal capaz de gerar um
montante de R$ 3 400 em 6 meses sob
taxa de 2,34% a.m.?

20) Certa quantia foi investida durante 7
meses sob a taxa de 2,99% a.m. e
resultou em R$ 6.145,19. Descubra o
valor de tal quantia.

21) Uma loja anuncia que seus produtos
podem ser comprados vista ou em 30
dias sem acrscimo. No entanto, um
cliente conseguiu do gerente um
desconto de 10% sobre o valor para
pagamento vista. Qual a taxa de juros
a ser paga caso comprasse em 30 dias?

22) Uma pessoa precisa de R$ 1 000 e
estuda qual das trs alternativas tem o
menor custo:
(A) Uma nica parcela de R$ 1 100 daqui
a 1 ms.
(B) Uma nica parcela de R$ 1 600 daqui
a 5 meses.
(C) Uma nica parcela de R$ 1 900 daqui
a 7 meses.
Quais as taxas de juros de cada alterna-
tiva? Qual a mais vantajosa para ela?

23) Um investidor comprou um ttulo no
mercado financeiro cujo prazo era de 3,5
meses e valor nominal R$ 500. Se o valor
negociado foi de R$ 400, calcule a taxa
de seu investimento.

24) Uma duplicata de valor nominal
igual a R$ 1 000 descontada com 1 ms
antes do vencimento sob juros simples
de 7% a.m. Se o banco onde se fez o
desconto cobra R$ 6,00 por ttulo e R$
10,00 por border como tarifas
administrativas, calcule a taxa de juros
compostos de investimento do banco.

25) Uma prestao paga antecipa-
damente com 20 dias antes de vencer e
se obtm um desconto de 1% sobre o
valor nominal. Qual a taxa de
investimento do devedor?

26) Qual foi o prazo de investimento de
um capital de R$ 4 000 que resultou em
montante de R$ 4 773,43 sob taxa
mensal de juros de 2,99%?

27) Por quanto tempo, ser necessrio
aplicar R$ 5.000 para que o mesmo
retorne R$ 1.000 de juros compostos,
sabendo que a taxa da aplicao de
3,4% a.m.?

28) Qual o prazo para que um capital
renda 30% de juros compostos taxa de
2% a.m.?

Fi nanc i ament os

At agora, estamos recordando
fluxos de caixa com uma entrada e uma
sada, fluxos este designados de fluxos
comuns de capitalizao:






100,00 115,00 .

0 3

FLUXO COMUM DE
CAPITALIZAO

No entanto, em geral, fluxos possuem
vrias entradas e vrias sadas:


600,00 500,00 650,00
400,00
200,00 .


0 4 7 9 11

FLUXO DE CAIXA
COMPLEXO

Um caso particular destes quando
todos os movimentos intermedirios so
iguais entre si, ocasio em que podemos
utilizar a tecla PMT de nossa
calculadora:



1.000,00

500,00

299,29 299,29 299,29



0 1 2 3 4

FLUXO DE CAIXA PMT

Vamos design-lo por fluxo de
caixa PMT. O fluxo acima poderia ser
resultado do problema seguinte:

Um televisor, no valor de R$ 1.000,00
financiado sem entrada para se pagar em
trs parcelas mensais de R$ 299,29 mais
uma ltima parcela de R$ 500,00 no
quarto ms. Qual a taxa de juros
cobrada pela empresa?

Pressione Visor
f CLEAR FIN (mantido)
1000 PV 1.000,00
299,29 CHS PMT -299,29
4 n 4,00
500 ENTER 299,29 200,71
CHS FV -200,71
i 13,59

Assim, a taxa de juros cobrada de
13,59% a.m. Observe que a ltima
prestao (R$ 500,00) foi decomposta
em duas: uma de R$ 299,29,
correspondente ao PMT e outra de R$
200,71, correspondente ao FV e ambas
foram entradas com o sinal negativo,
indicando uma sada de capital, ao
contrrio do PV. Note ainda que as
prestaes iniciaram no ms seguinte ao
financiamento (modo END). Caso as
prestaes comeassem no ms 0,
deveramos colocar a calculadora no
modo BEGIN:

Um armrio no valor de R$ 4.500,00
financiado em 12 prestaes fixas de R$
816,97, sendo a primeira dada com
entrada. Calcule a taxa de juros mensal
cobrada pela loja.


4.500,00



816,97 816,97 816,97 816,97



0 1 2 . . . 11


Pressione Visor
f CLEAR FIN (mantido)
g BEG (mantido
BEGIN)
4.500 PV 4.500,00
816,97 CHS PMT -816,97
12 n 12,00
i 6,00

Note que neste caso, FV considerado
nulo, pois o valor da ltima parcela foi
igual ao PMT. Conclui-se que a taxa da
loja de 6,00% a.m.


I nvest i ment os

Muitos investimentos podem ser
aproximados para fluxos de caixa PMT a
ttulo de projees. o caso do montante
obtido em caderneta de poupana ao
longo de depsitos mensais fixos,
mantendo tambm a taxa de rendimento
constante:

Uma caderneta de poupana aberta
com R$ 50,00 e, nos 240 meses seguintes
(20 anos) so feitos depsitos mensais de
R$ 50,00. Supondo a taxa de rendimento
da poupana fixa em 1,00% a.m. estime
qual ser o montante no ms do ltimo
depsito.



FV



50,00 50,00 50,00 50,00



0 1 2 . . . 240


Pressione Visor
f CLEAR FIN (mantido)
g END (sai o
BEGIN)
50 CHS PV -50,00
50 CHS PMT -50,00
240 n 240,00
1 i 1,00
FV 50.007,40

Observe que em muito o montante difere
daquele nominalmente depositado (241
x 50,00 =R$ 12.050,00), o que confirma
o investimento de poupana ser ideal
para prazos longos.

Ex er c c i os

29) Uma impressora a laser no valor
vista de R$ 1.240 financiada em 5
vezes, com uma entrada e mais quatro
prestaes iguais (1 +4) a juros de 3,4%
a.m.. Qual o valor de cada prestao?

30) Um aparelho de som de valor R$ 574
foi financiado em 24 vezes iguais
mensais sem entrada, com juros de 8,4%.
Qual o valor das prestaes?

31) Uma caderneta de poupana aberta
com um depsito de R$ 300,00 seguido
mensalmente por 10 anos por depsitos
iguais de R$ 100,00. Calcule o montante
no ms do ltimo depsito, supondo a
taxa fixa de rendimento de 1,00% a.m.