Matemtica Financeira

Prof. Edson
1

Taxa de Juros
FORMA PORCENTUAL
Na forma porcentual a taxa de juros aplicada a centos do capital. Ex.: 12% ao ano.

FORMA UNITRIA
Na forma unitria a taxa de juros aplicada a unidades do capital. Ex.: 0,12 ao ano.

CLCULO DO JURO
JURO SIMPLES
A remunerao pelo capital inicial (o principal) diretamente proporcional:

- Ao valor aplicado; - Ao tempo de aplicao.

3

CLCULO DO JURO
FRMULA BSICA:

J=C.i.n
onde: J = Juro C = Capital inicial (Principal) i = Taxa de Juros (na forma unitria) n = prazo de aplicao (na mesma unidade que a taxa)

MONTANTE
JURO SIMPLES

Montante a soma do juro mais o capital aplicado.

M=C+J
onde: C= principal n= prazo de aplicao i = taxa de juros

M = C(1 + in) = C. FATOR

6

TAXA PROPORCIONAL
JURO SIMPLES
EXEMPLO

A taxa i1 (referida ao perodo n1) proporcional taxa i2 (referida ao perodo n2) se: Ou ainda:

i1 i2

n1 n2

i1 n1

i2 n2

Ou, do mesmo modo, se:

i1.n 2

i 2 .n1
8

JUROS COMPOSTOS

11

Juros Compostos
Juros Simples:
Apenas o capital inicial rende juros; O Juro diretamente proporcional ao tempo e taxa.

Juros Compostos:

O Juro gerado pela aplicao, em um perodo, ser incorporado; No perodo seguinte, o capital mais o juro passa a gerar novos juros; O regime de juros compostos mais importante, porque retrata melhor a nossa realidade.

12

Montante
O clculo do montante, em juros compostos dado pela frmula:

M C.(1 i)

M C.F n

M = montante ao fim de n perodos C = capital inicial n = nmero de perodos i = taxa de juros por perodo, efetiva F = fator de correo da taxa i

13

Prof. Edson

Noes de Estatstica

A morte de uma pessoa uma tragdia; a de milhes, uma estatstica. Joseph Stalin (1879 1953)

Estatsticas so iguais a biqunis: o que elas revelam sugestivo, mas o que elas escondem essencial. Roberto Campos (1917 2001)

Um estatstico aquele que, se est com a cabea dentro de um forno e os ps enterrados no gelo, ainda diz que, na mdia, tudo est muito bem... Piadinha de matemtico

Rol: o arranjo dos dados brutos em ordem de frequncia crescente ou decrescente.

17 18 18 18 22 17 18 18 19 22 17 18 18 19 23 17 18 18 19 23 17 18 18 19 26 18 18 18 19 26 18 18 18 19 18 18 18 19 18 18 18 20 18 18 18 21

Dados organizados em uma tabela

Idade Alunos Freqncia Relativa Freqncia Absoluta

17 18 19 20 21 22 23 26

5 26 7 1 1 2 2 2 46

5/46 = 10,86 % 26/46 = 56,52 % 7/46 = 15,21 % 1/46 = 2,17 % 1/46 = 2,17 % 2/46 = 4,34 % 2/46 = 4,34 % 2/46 = 4,34 % 100 %

0 10,86 % 67,38 % 82,59 % 84,76 % 86,73 % 91,27 % 95,51 % 100 %

Tabela 1 Idades dos alunos de Medicina 2009

Dados organizados em um grfico de colunas

Anglo Medicina 2009
30

26
25

nmero de alunos

20

15 10 5 0 17 18 19 20 Idade 21 22 23 26

7
1 1 2

Dados organizados em setores circulares (torta ou pizza)

Anglo Medicina 2009

17 19 21 23

18 20 22 26

Idades

Assumiremos alguns fatos bsicos: que o total de 90 medalhas correspondem a uma porcentagem de 100%, e que um ngulo de 1 volta (completa) mede 3600. Assim, se o ngulo de 960 corresponde ao nmero de medalhas de prata obtidas, podemos estabelecer a seguinte relao de proporcionalidade:
Total de Medalhas de Prata 90 96o 360o 24

Questo 3 (UFRGS/2009)

Medidas de Tendncia Central

Mdia aritmtica: a soma de todos os valores observados da varivel dividida pelo nmero total de observaes. Sob uma viso geomtrica a mdia de uma distribuio o centro de gravidade, representa o ponto de equilbrio de um conjunto de dados. a medida de tendncia central mais utilizada para representar a massa de dados. Moda: o valor que apresenta a maior frequncia da varivel entre os valores observados. Mediana: num rol com nmero mpar de elementos, o valor que ocupa a posio central da srie de observaes de uma varivel, dividindo o conjunto em duas partes iguais, ou seja, a quantidade de valores inferiores mediana igual quantidade de valores superiores a mesma; ou, se o nmero de elementos for par, o valor que corresponde mdia aritmtica entre os dois valores limites dessa diviso simtrica do rol.

Exerccio 1 - Considere o seguinte rol de dados, que representa as idades dos alunos de uma turma com 50 alunos
16 18 18 19 17 18 18 19 17 18 18 19 17 18 18 19 17 18 18 19 17 18 19 19 17 18 19 20 17 18 19 20 18 18 19 20 18 18 19 21

21

21

22

22

22

22

23

23

24

26

Com base nas definies apresentadas no texto, determine os valores da mdia aritmtica, da mediana e da moda das idades dessa turma.

Mo = 18

Exerccio- A distribuio de salrios de uma empresa descrita pela tabela

abaixo.

Funcionrios Salrio (R$)

500 1000 2000 11000 500 1000 2000 500 1000 2000

10
500,00

5
1.000,00

2
1.500,00

9
2.000,00

4
5.000,00

1
11.000,00

500 1000 2000

500 1000 2000

500 1500 2000

500 1500 5000

500 2000 5000

500 2000 5000

500 2000 5000

500 10 62000 31

1000 5 1500 2

2000 9 31

5000 4

11000 1

2000

Mo

500

Md

1500

Questo 3 (ENEM/2009)

1 4

2 1 4 2 5 2 4 1 2 2 1

6 1

30 10

1 1 1 1 2 4 4 5 5 6

Md

2 2

6 2

A moda o valor com maior frequncia: Mo = 1.

Questo 4 (ENEM/2009)

Para respondermos questo, basta organizarmos o rol das cotaes: 73,10 81,60 82,00 83,00 84,00 84,60 85,30 Como o nmero de elementos da distribuio desse rol mpar, a mediana o elemento que ocupa a posio central na distribuio.

Alm disso, observe que a distribio multimodal, e possui mdia 81,9.

73,10

81, 60

82, 00

83, 00 7

84, 00

84, 60

85,30

573, 60 7

81, 9

Medidas de Disperso
As medidas de disperso auxiliam as medidas de tendncia central a descrever um conjunto de dados. Indicam se os dados esto, ou no, prximos uns dos outros.Essas medidas indicam a distribuio dos resultados em torno da mdia. Normalmente, so necessrios ao menos uma medida de tendncia central e uma medida de disperso para descrever um conjunto de dados adequadamente. O desvio-mdio a diferena entre cada valor observado e a mdia. Ao somar todos os desvios, ou seja, ao somar todas as diferenas de cada valor observado em relao a mdia, o resultado igual a zero (propriedade da mdia aritmtica). Isto significa que esta medida no mede a variao dos dados. Para resolver este problema, pode-se desconsiderar o sinal da diferena, considerando-as em mdulo e a mdia destas diferenas em mdulo. No h nada errado em se considerar o desvio-mdio, mas essa medida no tem muitas propriedades importantes e no muito utilizada. O mais comum considerar o quadrado dos desvios em relao mdia e ento calcular sua mdia. O resultado, denominado varincia, ser dado em unidades quadrticas, o que dificulta a sua interpretao. O problema resolvido extraindo-se a raiz quadrada desse reultado, definindo-se, assim, o desvio-padro.
n

dm

i 1

xi n

n 2 i 1

xi n

n i 1

xi n

Interpretao do desvio-padro
Considere o grfico abaixo, que representa os reultados obtidos por uma turma com 96 alunos numa prova com 10 questes. A mdia dessa amostra 5; o desvio-padro 2 (valores aproximados). O comportamento dessa turma dito normal (gaussiana).

25 20
Candidatos

15 10

95,44% 68,26%
5 0 0 1 2 3 4 5 6 7 8 9 10 Nmero de Acertos

importante destacar que, se duas populaes apresentam a mesma mdia e os desvios-padro no so iguais, as populaes no possuem o mesmo comportamento.

Exerccio Proposto - Em um treinamento de salto em altura, trs atletas

realizaram uma srie com 4 saltos cada um. As marcas obtidas, em centmetros, esto relacionadas na tabela abaixo.

Atleta Alfa Atleta Beta Atleta Gama

148 145 146

170 151 151

155 150 143

131 152 160

Podemos verificar que o Atleta Alfa obteve a melhor mdia.

MAlfa MBeta 148 170 155 131 4 145 151 150 152 4 146 151 143 160 4 604 4 598 4 600 4 151 cm 149,5 cm

MGama

150 cm

Atleta Alfa Atleta Beta Atleta Gama

148 145 146

170 151 151

155 150 143

131 152 160

151 149,5 150

Podemos verificar que o Atleta Beta foi o mais regular, fato evidenciado pelo menor valor do desvio-padro.
VA Alfa DPAlfa VABeta DPBeta VAGama DPGama 148 151 196,5 cm2 4,5
2 2

170 151 14 cm
2

155 151 4

131 151

196,5 cm2

1,5

0,5 4

2,5

29 4

7,25 cm2

7,25 cm2 4
2

2,7 cm
2

7 4

10

166 4

41,5 cm2

41,5 cm2

6, 4 cm

Questo 2 (UFPel/2008-2)

6,0 7

7,0 2 9,0 1 7 2 1

65 10

6,5
2

VA

6,0

6,5

7,0

6,5

9,0

6,5

1,75

0,50 10

6,25

7 2 1 8,50 0, 85 10

DP

0,85

0,92

NOES DE PROBABILIDADE

TEORIA DAS PROBABILIDADES

A teoria das probabilidades busca estimar as chances de ocorrer um determinado acontecimento. um ramo da matemtica que cria, elabora e pesquisa modelos para estudar experimentos ou fenmenos aleatrios.

1. Espao Amostral
Experimento aleatrio: um experimento que pode apresentar resultados diferentes, quando repetido nas mesmas condies. Espao amostral: o conjunto de todos os resultados possveis de um experimento aleatrio. Indicamos o espao amostral por . Evento: Chama-se evento a qualquer subconjunto do espao amostral. Obs.: Dizemos que um espao amostral equiprovvel quando seus elementos tm a mesma chance de ocorrer.

2. Eventos certo, impossvel e mutuamente exclusivos

Evento certo: Ocorre quando um evento coincide com o espao amostral. Evento impossvel: Ocorre quando um evento vazio.

Exemplos:
Ex.: 1 Lanar um dado e registrar os resultados: Espao amostral: = 1, 2, 3, 4, 5, 6
Evento A: Ocorrncia de um nmero menor que 7 e maior que zero. A = 1, 2, 3, 4, 5, 6 Portanto A = , logo o evento certo.

Evento B: Ocorrncia de um nmero maior que 6. B= No existe nmero maior que 6 no dado, portanto o evento impossvel. Evento C: Ocorrncia de um nmero par. C = 2, 4, 6 Evento D: Ocorrncia de mltiplo de 3. D = 3, 6

Evento E: Ocorrncia de nmero par ou nmero mltiplo de 3. E=C D E = 2, 4, 6 3, 6 E = 2, 3, 4, 6 - Unio de eventos Evento F: Ocorrncia de nmero par e mltiplo de 3. F=C D F = 2, 4, 6 3, 6 F= 6 Interseco de eventos

Evento H: Ocorrncia de nmero mpar H = 1, 3, 5

Obs.: C e H so chamados eventos complementares. Observe que C H = . Quando a interseo de dois eventos o conjunto vazio, eles so chamados eventos mutuamente exclusivos.

PROBABILIDADE DE OCORRER UM EVENTO

P( A)

nmero de elementos de A nmero de elementos de

P( A)

n( A) n( )

Exemplos
Ex.: 1 Consideremos o experimento Aleatrio do lanamento de um moeda perfeita. Calcule a probabilidade de sair cara. Espao amostral: = cara, coroa n( ) = 2 Evento A: A = cara n(A) = 1 Como , n( A temos ou ) P ( A) 1 0,50 = 50% n( B ) P( A)
2

Ex.: 2 No lanamento de um dado perfeito, qual a probabilidade de sair nmero maior do que 4? Espao amostral: = 1, 2, 3, 4, 5, 6 n( ) = 6 Evento A: A = 5, 6 n(A) = 2
n( A) n( ) 2 6 1 3

P( A)

P( A)

P( A)

Ex.: 3 No lanamento simultneo de 3 moedas perfeitas distinguveis, qual a probabilidade de serem obtidas: a) Pelo menos 2 caras? b) Exatamente 2 caras? C = cara K = coroa = CCC, CCK, CKC, CKK, KCC, KCK, KKC, KKK n( ) = 8 A = CCC, CCK, CKC, KCC n(A) = 4

a) A = CCC, CCK, CKC, KCC

P( A) 4 8 1 2 50%

n(A) = 4

b) B = CCK, CKC, KCC

n(B) = 3

P( B)

3 8

0,375 37,5

Ex.: 4 Vamos formar todos os nmeros de 3 algarismos distintos, permutando os dgitos 7, 8 e 9. Qual a probabilidade de, escolhendo um nmero desses ao acaso, ele ser: a) mpar b) par? c) mltiplo de 6? d) mltiplo de 4? e) maior que 780?
= 789, 798, 879, 897, 978, 987 6 n( ) =

a) Evento A: ser mpar 987 n(A) = 4

P( A) 4 6 2 3 0,66

A = 789, 879, 897,

66%

b) Evento B: ser par n(B) = 2

B = 798, 978

P( B)

2 6

1 0,33 33% 3

c)Evento C: ser mltiplo de 6 978 2

C = 798,

P(C )

0,33

33%
D=
0 0%

d) Evento D: ser mltiplo de 4 0 n( D ) 0

P( D) n( ) 6

n(D) =

e) Evento E: ser maior que 780 E = n(E)= 6 n( E ) 6 P( E ) 1 100% n( ) 6

Ex.: 5: Consideremos todos os nmeros naturais de 4 algarismos distintos que se podem formar com os algarismos 1, 3, 4, 7, 8 e 9. Escolhendo um deles ao acaso, qual a probabilidade de sair um nmero que comece por 3 e termine por 7?

___ ___ ___ ___ 3 ___ ___ 7

n( A) n( )

n( )

A6, 4

6! (6 4)!

6! 2!

6.5.4.3.2! 2!

360

n( A)

A4, 2

4! (4 2)!

4.3.2! 12 2!

P( A)

12 360

1 30

0,033

3,33%

Exemplo 6: Num grupo de 75 jovens, 16 gostam de msica, esporte e leitura; 24 gostam de msica e esporte; 30 gostam de msica e leitura; 22 gostam de esporte e leitura; 6 gostam somente de msica; 9 gostam somente de esporte e 5 gostam somente de leitura. CALCULE a probabilidade de escolher, ao acaso, um desses jovens: a) ele gostar de msica; b) ele no gostar de nenhuma dessas atividades.

M
6 8 9 16 14 6 E

5 11

n( ) = 75 gostam de msica: 6 + 8 + 16 + 14 = 44 no gostam de nenhuma dessas atividades: 75 (6 + 9 + 5 + 8 + 6 + 14 + 16) = 75 64 = 11

a) a probabilidade de gostar de msica:

P( A)

n( A) n( )

44 75

58%

b) probabilidade de no gostar de nenhuma dessas atividades:

P( B)

n( B ) n( )

11 75

14%

PROBABILIDADE DA UNIO DE DOIS EVENTOS

Consideremos dois eventos A e B de um mesmo espao amostral . Da teoria dos conjuntos sabemos que: n( A B) n( A) n( B) n( A B)
Dividindo os membros da equao por n( ), temos: n( A B) n( A) n( B) n( A B)
n( ) n( ) n( ) n( )

P( A

B)

P( A)

P( B)

P( A

B)

Exemplo 7 : No lanamento de um dado, qual a probabilidade de se obter o nmero 3 ou um nmero mpar? Espao amostral: = {1, 2, 3, 4, 5, 6} n( ) = 6 Evento A: nmero 3 A = {3} n(A) = 1 n(B) =

Evento B: nmero mpar 3

b = {1, 3, 5}

A B = {3} {1, 3, 5} = {3} n(A B) = 1 P(A B) = P(A) + P(B) P(A P(A

B)

1 B) = 6

3 1 6 6
3 6

P(A

B) =

Exemplo 8: Ao retirar uma carta de um baralho de 52 cartas, qual a probabilidade de que essa carta seja vermelha ou um s? n( ) = 52 Evento A: a carta vermelha n(A) = 26 Evento B: a carta s n(B) = 4 n(A B) = 2
P( A B) P( A) P( B) P( A B)

P( A

B)

26 52

4 52

2 52

P( A B)

28 52
53,8%

P( A

7 B) 13

PROBABILIDADE DO EVENTO COMPLEMENTAR

A probabilidade de no ocorrer o evento A a probabilidade de ocorrer o evento complementar de A, representado por . Nessas condies, temos :
A A P( ) e A A P( A A)

Ento,

1 P( A)

P( A)

P( A) 1 P( A)

Exemplo 9: No lanamento simultneo de dois dados perfeitos distinguveis, vamos calcular a probabilidade de NO sair soma 5. = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}. n( ) = 36. Seja A o evento sair soma 5. Ento: A = {(1,4), (2,3), (3,2), (4,1)} n(A) = 4

P( A)

n( A) n( )

4 36

1 9

P( A) 1 P( A)

1 P( A) 1 9

P( A)

8 9

Exemplo 10: Uma mquina produziu 50 parafusos dos quais 5 eram defeituosos. Ao pegar ao acaso 3 parafusos, qual a probabilidade de que: a) Os trs sejam perfeitos? b) Os trs sejam defeituosos? c) Pelo menos um seja defeituoso? n( ) = n de combinaes de 50 elementos tomados 3 a 3.

n( ) =

C50,3

50! 3!(50 3)!

50! 3!.47!

50.49.48.47! 19.600 6.47!

a)evento A: os trs parafusos so perfeitos

n( A) C45,3 45! 3!( 45 3)! 45.44.43.42! 6.42! 14190

P ( A)

n( A) n( )

14190 19600

0,72398 ou 72,4%

b) evento B: os trs parafusos so defeituosos 5! 5.4.3! n( B) C5,3 10 3!(5 3)! 3!.2!

n( B ) P( A ) c) evento C: n( )

que corresponde ao complementar de A (os trs so perfeitos). Logo:

P(C ) P( A) P(C ) 1 P( A) P(C ) 1 0,72398 P(C ) 0,27602 ou

10 0,00005 ou 0,005% o pelo menos um defeituoso, 19600

27,6%