Você está na página 1de 58

Faculdade de Administração e Ciências Contábeis

Departamento de Contabilidade

Métodos Quantitativos aplicados à Contabilidade
STC 00076
Notas de aula

2014

2

EMENTA
Técnicas de amostragem estatística aplicáveis à auditoria contábil. Técnicas alocação de
recursos sob restrições orçamentária. Técnicas de simulação aplicáveis à elaboração de
orçamentos. Técnicas de previsão aplicáveis à elaboração de orçamentos. Teoria de
decisão: decisões rotineiras e não-rotineiras no âmbito da contabilidade.
OBJETIVO
Aplicação de instrumental quantitativo que possibilita a elaboração de informações de
caráter contábil, necessárias aos processos de planejamento e controle econômicofinanceiro.
CURRÍCULO RESUMIDO DO PROFESSOR
Fernando Lagoeiro é Professor Associado da UFF. Doutor em Engenharia de Produção.
Mestre em Contabilidade (Controladoria). Especialista em Auditoria. Matemático com
diversos cursos nas áreas de Análise de Sistemas e Pesquisa Operacional.
CONTEÚDO
1 – Amostragem por Estimativa
2 –Valor Esperado
3 - Método Monte Carlo
4 – Análise de Investimentos
5 – Análise de Risco
6 – Alocação de Recursos
7 - Função Objetivo de Mínimos Quadrados
ANEXOS:
I – Áreas na cauda direita sob a Distribuição normal padronizada
II - Tamanhos de Amostras para Amostragem por Estimativas para Atributos:
Amostras Aleatórias.

FERNANDO LAGOEIRO

3

BIBLIOGRAFIA
1 – BATALHA, Mário Otávio (Coordenador) & outros. Gestão Agroindustrial, 2:
GEPAI Grupo de Estudos e Pesquisas Agroindustriais. São Paulo: Atlas, 1997.
2 – BROM, Luiz Guilherme; Administração Financeira; São Paulo: Agência
Dinheiro Vivo, 2002.
3 - BRONSON, Richard & NAADIMUTH, Govindasami; "Schaum's Outline of
Theory and Problems of Operations Research"; McGraw-Hill, 1997.
4– CASTRO NETO, Alberto Corrêa e; Análise de Projetos; Rio de Janeiro:
Bennet, 1982.
5 - COOK & WINKLEY; “Auditoria: Filosofia e Técnica”; São Paulo: Saraiva.
6 – CORRAR, Luiz J. & THEÓPHILO, Carlos Renato (coordenadores) et all; “Pesquisa
Operacional para Decisão em Contabilidade e Administração”; São Paulo: Atlas,
2004.
7 – EHRLICH, Pierre J.; “Pesquisa Operacional: Curso Introdutório”; São Paulo:Atlas,
1976.
8 – ERMES Medeiros da Silva & OUTROS; “Pesquisa Operacional para os Cursos de:
Economia, Administração e Ciências Contábeis”; São Paulo: Atlas, 1996.
9 – MARTINS, Gilberto A. & DONAIRE, Denis; “Princípios de Estatística”; São
Paulo: Atlas, 1990.
10 - PUCCINI, Abelardo. Matemática Financeira Objetiva e Aplicada. 1 ed. São Paulo:
Saraiva, 2001.
“As Notas de Aula não substituem a bibliografia indicada”.

FERNANDO LAGOEIRO

4
1 – AMOSTRAGEM POR ESTIMATIVA

1.1- Amostragem por Estimativa para Determinação de Variáveis
“O parecer do auditor deve fundamentar-se em evidências. As evidências em auditoria
são colhidas através de testes”.
CONFIANÇA é o grau de segurança desejado na auditoria.
PRECISÃO ( p ) é o maior valor que pode ser considerado como imaterial.
Relações Estatísticas Fundamentais:
Desvio padrão .................................... S = √Σ (x - x)2| n
Erro padrão da média ....................S x = S | √ n  
Desvio padrão normal (Z) = valor tabelado ( anexo I )

Intervalo de confiança ...................... p = Z  Sx  
Tamanho da amostra “n” é dado combinando e  :
n = ( ZS | p )2
Exemplo:
No decorrer de um trabalho o auditor quer selecionar uma amostra
de um total de 4.600 contas à receber com saldo igual a $570.400,00, aceitando como
imaterial um erro conjunto de $7.500,00 .
a)
Cálculo do tamanho da amostra ( n )
- Confiança de 95 % ...... Z = 1,96 ( ver tabela )
- precisão .................... p = + 7500 | 4600 = + $ 1,63 por conta
- desvio padrão da população (amostra piloto com 30 a 50 contas)
Spiloto = √Σ (a - x)2| n = $17,00
- saldo médio = 570.400 | 4600 = $ 124,00 + $1,63
- escala : $ 122,37 ----- $125,63
Então: n = ( ZS | p )2 = [ ( 1,96  17 ) | 1,63 ]2 = 20,442  418
b) Seleção da amostra: Se a população for finita, a seleção poderá ser feita por
amostragem aleatória simples. Para populações infinitas poderá ser usada a amostragem
sistemática com início casual (lista aleatória dos itens 
b)

késimo item

K = N / n ).

Avaliação da amostra: Se a média dos itens da amostra estiver dentro da escala de
precisão ( 122,37 a 125,63 ), o auditor concluirá com 95 % de segurança que o
valor total da população está dentro dos limites de precisão (+ 7500,00 ). Caso
contrário, reiniciar o processo.

Exercício: Construir a escala e calcular o tamanho de amostra com base nos dados:
CASO

Valor da
População

Nº de Ítens da
População

Desvio Padrão
(S)

Erro Conjunto

Nível de
Confiança

A
B
C
D
E

$100.000,00
$722.000,00
$5.500.000,00
$57.000,00
$340.000,00

500
9.000
94.000
400
700

8
32
14
23
42

$1.000,00
$5.000,00
$10.000,00
$2.000,00
$6.000,00

95 %
90 %
90 %
99 %
95 %

FERNANDO LAGOEIRO

5

1.2 - Amostragem por Estimativa para Determinação de Atributos
Em vista da estreiteza dos intervalos de confiança, da taxa de erro e da escala de precisão
nos testes de atributos, em que se comprova a existência, ou ausência, de falhas (população
binária), o tamanho das amostras é tabulado ( anexo II ) .
Exemplo: Consideremos uma população formada de 4.000 pedidos de cheques. Os
procedimentos de controle interno do cliente exigem que cada pedido de cheque seja
contra-assinado pelo supervisor do departamento de origem. O Auditor quer testar a
observância dessa política. O atributo a ser testado é a taxa de erro da população; define-se
erro como a falta de assinatura do supervisor do departamento.
a) Tamanho da amostra:
Inicialmente são estabelecidos os parâmetros para o teste.
Tamanho da população: 4.000 itens.
Confiança (depende da avaliação preliminar dos controles internos do cliente) = 95%.
Limite Máximo de Precisão: se mais de 3 % dos itens não estiverem assinados, a
política será considerada ineficaz.
Taxa de Erro Esperada: será considerada uma taxa de erro de 2 %. A determinação
pode ser feita com base em uma amostra piloto, experiência anterior com populações
semelhantes ou conhecimento que se possua da eficácia do sistema de controle interno.
Usando a Taxa de Erro Esperada, juntamente com o Limite Máximo de Precisão
estabelecido, o Auditor pode definir como de 3% - 2% = 1%, sua necessidade de Precisão
Tamanhos de Amostras para Amostragem por Estimativas para Atributos: Amostras
Aleatórias (Escala: 2% + 1% ou de 1 a 3%).
Os parâmetros estabelecidos para o teste podem agora ser usados juntamente com
as tabelas, a fim de determinar o tamanho de amostra adequado. O quadro IV do anexo II
apresenta tamanhos de amostra para níveis de confiança de 95 % e taxas de erros esperadas
de até 2%. Com base nesse quadro, pode-se ver que, para uma população composta de
4.000 itens e uma precisão de + 1 %, o tamanho da amostra terá de ser de 634.
b) Seleção da Amostra: proceder como na Amostragem para Determinação de Variáveis.
c) Avaliação da Amostra: Depois de selecionar a amostra, o Auditor examina os itens que
a compõem, para ver se há observância dos procedimentos e calcula a taxa de erro da
amostra. Se esta estiver dentro dos limites da escala, ele poderá concluir, com 95 % de
confiança, que a taxa de erro da população é de 2% + 1 %.Caso contrário ele reinicia o
processo e/ou reavalia o controle interno do cliente, podendo exigir níveis de confiança
mais elevados para os testes posteriores.
Exercício: Sua empresa adquiriu recentemente um lote de 3.900 peças usinadas. O
fabricante garante uma precisão de +1% com uma taxa de erro de 2%.

FERNANDO LAGOEIRO

FERNANDO LAGOEIRO . Quantas deve examinar para que seu laudo tenha 95% de confiança? (R: 632).6 Você foi encarregado de elaborar um laudo técnico sobre essas peças.

10 37000 Com base no critério do Valor Esperado. seleciona-se aquela que otimiza o Valor Esperado (MAX {VE} ou MIN {VE} ).10 13000 0.742.7 2 – VALOR ESPERADO Valor Esperado (VE) de um evento é o produto de sua probabilidade pelo resultado que produz no caso de sua ocorrência. porém.10 9400 0. Assim temos : VEJuruna = 0.10 22500 400 M bbl 0. Receita ($mil) Probabil.20 5600 0. que escolha fazer? Se a empresa está com alguns problemas relativos à limitação orçamentaria e decide adotar o critério de otimizar a taxa RSI (retorno sobre o investimento) ou VE | Investimento.000) = =$2. As seguintes informações estão disponíveis: a) Investimentos ( $ MIL ) : Bacias Poço Seco Poço Completado Juruna 2000 5500 Jaconé 4900 9900 b) Receitas líquidas descontadas e probabilidades Eventos BACIA JURUNA BACIA JACONÉ Probabil. uma técnica de decisão pode ser usada para ajudar uma empresa que faz perfurações em zonas onde se desconhece a existência de petróleo a decidir se perfura ou não. Exemplo: Uma empresa dedicada à exploração de petróleo está analisando as perspectivas de perfuração em duas bacias sedimentares.2(5. mutuamente exclusivas.20 13000 300 M bbl 0. todas as outras baseiam-se nela. O VE de uma decisão é interpretado como sendo o valor médio que seria obtido caso essa decisão fosse adotada um grande número de vezes. Os riscos inerentes a exploração de petróleo.1(13. Entre várias alternativas. qual a escolha? Solução: Da tabela (b) encontramos o valor esperado para a receita líquida de cada bacia sedimentar.30 -3000 0.1(9.00 FERNANDO LAGOEIRO .3(-3000)+0.400)+0.50 -7500 100 M bbl 0. O VE de uma decisão corresponde a soma algébrica dos VEs de cada evento possível de ocorrer no caso de se tomar essa decisão. As técnicas de decisão devem ser consideradas mais como apoio a decisões racionais do que uma medida absoluta da expectativa de benefícios.3(940)+0. não podem ser eliminados.600)+0.10 -3700 200 M bbl 0. o cálculo consiste no somatório das probabilidades multiplicadas pelas receitas líquidas previstas. O Valor esperado é a mais importante das técnicas de decisão.30 940 0. Por exemplo. Receita ($mil) SECO 0.

616 .20 4500 0. mas otimiza a utilização dos recursos. Durante este período.10 3000 0.598 VEI 4450 7400 Nesse cenário a Bacia Juruna é melhor. Entretanto a empresa poderá se encontrar num ambiente de restrições orçamentárias.450.00 Pelo critério do Valor Esperado Máximo..10 6000 FERNANDO LAGOEIRO . então.8 VEJaconé = 0.70  5.2  (13.000) + 0. o produto X.900  VEI-Jaconé = $7400.5  (-7. a Empresa deveria decidir pela exploração da Bacia Jaconé.1 (37.10 2000 0.50  4.10 5000 0. Devemos. EXERCÍCIOS 1) ASA IND.1  (22. A procura do produto tem sido irregular e atualmente não há tendência consistente nas vendas..500)+0. VPL ( $ ) 0.00 VEI-Jaconé = 0. A gerência calcula que se deixar de atender aos pedidos existentes perderá 80% dos clientes que encomendam o produto.20 3500 0.1  (-3. que resultaria num maior lucro esperado.30  2. produz um composto químico.25 5000 0.000) = $4.25 3000 0.30 4000 0. calcular o VE dos investimentos : VEI-Juruna = 0. uma opção.000 + 0.430. O custo total do produto X é de $ 50 por unidade..500  VEI-Juruna = $ 4.500)+ +0. as vendas mensais foram as seguintes : vendas / mês meses 8000 5 9000 12 10000 3 Em quantas unidades deve a ASA fixar sua produção? 2) A companhia GET quer escolher um de dois projetos mutuamente exclusivos que possuem as seguintes distribuições de Valor Presente Líquido: PROJETO A PROJETO B Probab. A ASA tem produzido e vendido o produto X nos últimos 20 meses.. então: RESIJuruna = VE = 2742 = 0.00 . maximizar a relação VE Investimento ou seja. que se deteriora e precisa ser jogado fora se não for vendido até o final do mês em que foi produzido. Nota: RESI = Retorno “Esperado” Sobre Investimento.700) + 0. RESIJaconé= 4430 = 0. então.50  9. A empresa pode adquirir o mesmo produto de uma empresa concorrente a $ 80 por unidade mais $ 10 de frete por unidade.40 4000 0. e seu preço de venda de $ 80 por unidade.. VPL ( $ ) Probab. Vamos. mesmo que não apresente o maior Valor esperado.900 + 0.

6) TRAÍRA Com. determinar se vale a pena comprar o seguro. Qual seria o preço justo de venda do bilhete? 4) Um seguro para acidentes de automóveis custa ao proprietário $100. Existem três alternativas para sua nova linha de produção: Produzir 1. baseado no cálculo do valor esperado.00 / ano. 5) Num projeto para venda de cerveja na praia tem-se as seguintes perspectivas: TEMPO DIA SOL NUBLADO CHUVOSO PROBABILIDADE 0.00 em caso de ocorrer realmente um acidente.500 ($ 500) 750 u / ano $ 1. 750 ou 500 unidades desse novo equipamento por ano. pretende lançar um novo tipo de equipamento no mercado.00 e 0.0002 de dar um prêmio de R$50. respectivamente.6 0.1 LUCRO $600 $300 $100 Um seguro contra chuva custa $90 e paga $400 em caso de chuva. Determinar.00.00.00001 de probabilidade de dar um prêmio de R$100. Sua Diretoria considera duas situações quanto à receptividade desse produto no mercado.100 $ 250 500 u / ano $ 500 $ 500 Sugira a melhor alternativa de linha de produção para a empresa.000.000.00. Baseado no valor esperado. FERNANDO LAGOEIRO . As estatísticas indicam que cerca de 10% dos veículos que trafegam na cidade se acidentam durante o ano.000 unidades/ano) e Vendas baixas (600 unidades/ano). A seguinte matriz de resultados monetários foi calculada: Linha de Produção Altas Baixas 1000 u / ano 600 u / ano 1000 u / ano $ 1. fabricante de aparelhos elétricos. representadas por: Vendas altas ( 1. 0.000.Ind. Admite-se que as despesas médias para reparar um veículo acidentado atinjam $700. e mais uma franquia de $100. As probabilidades associadas a esses eventos são 65 % e 35 %.004 de um prêmio de R$25.9 3) Um bilhete de loteria tem 0.3 0. se será conveniente comprar uma apólice de seguro nas condições acima..

Sabe-se que a probabilidade de que um carro sofra um acidente é de 3%. Quanto espera a seguradora ganhar com cada carro segurado? FERNANDO LAGOEIRO .00 em caso de acidente e cobra uma taxa de $100.00.000.10 7) Uma seguradora paga $3.

New York: Mc Graw-hill.. representante brasileira) e . A versão de treinamento do ARENA poderá ser acessada através dos seguintes endereços: .T. O objetivo da simulação é determinar a distribuição dos resultados possíveis de um projeto. daí o nome. cujos resultados são tabelados em intervalos de classes. é uma técnica de simulação baseada na utilização de números aleatórios que são sorteados. gerando valores aleatórios para cada variável de acordo com suas respectivas distribuições de probabilidade.General Purpose Simulation System GPSS/H. As mais conhecidas linguagens de uso geral são: 1..sm.SIMAN PEDGEN. torna-se fácil calcular a média ou Valor Esperado. Normalmente esse processo requer um grande número de computações muitas vezes atingindo valores superiores a 1000. Uma vez atribuida a cada variável aleatória a sua distribuição de probabilidade.11 3 – MÉTODO DE MONTE CARLO O Método de Monte Carlo. É através da Técnica de Simulação que procuramos combinar exaustivamente os valores das variáveis aleatórias para resultar numa distribuição de probabilidades para a variável dependente analisada como resultado do projeto. R.1995. Manuais do usuário. Essa computação repetitiva é efetuada até que um suficiente número de valores da variável dependente defina sua distribuição de probabilidade.com (“Systems Modelling”. podemos simular o comportamento do fluxo de caixa. A idéia básica é associar a cada probabilidade um número aleatório compreendido entre 00 e 99. Com esses valores aleatórios das variáveis independentes.GPSS . poderemos calcular pela equação do Benefício. Linguagens de Simulação Linguagens de Simulação são linguagens computacionais criadas especialmente para desenvolver sistemas de simulação. tendem a se estabilizar. O SIMAN também é o suporte do software animado ARENA. SHANNON.paragon@paragon. A repetição dos passos de simulação mostra que depois um certo tempo as freqüências associadas às classes de benefícios. Quando essa distribuição é conhecida. SADOWSKI. USA) . cada valor da variável dependente.com. podemos chegar aos valores para cada parâmetro do fluxo de caixa. O uso de computadores torna o processo muito cômodo e rápido.http://www. FERNANDO LAGOEIRO . Uma vez gerado um nº aleatório.br (PARAGON. 1991. já que o princípio é semelhante ao da ROLETA. Introduction to Simulation using SIMAN. de modo a representear a distribuição de probabilidade de 0 a 100%. 2.C.

.....60 46 ... etc. Há 8. O número total de horas extras necessárias acima das 32 é de zero a doze e....... A idéia é selecionar.. b) O trabalho normal consiste em 8 hs/dia e 5 dias/semana.....50/h e) Um caminhão consegue fazer 100  10 coletas por hora...... por meio de um gerador de números aleatórios RN.. são necessários 160 caminhões por hora (16... Então é preciso efetuar 16.. extras....75 61 . baseando-se na experiência.17 12 . f) Se tudo correr bem..00/dia. Sabe-se que.. j) Vamos então tabular a probabilidade cumulativa P(S) = p(S) e alocar para cada intervalo de S uma subdivisão proporcional.. a quantidade de horas extras requeridas: S 1 2 3 4 5 6 7 8 9 10 11 12 P(S) .. c) Custo diário de um caminhão de coleta: -Motorista: $12.5 . Sabe-se que: a) A coleta deverá ser feita duas vezes por semana.. d) Hora extra de caminhão de coleta com guarnição (o pagamento da mão-de-obra é 50 % a mais ) : -Motorista = $12.. por dia.06 3 ......000 pontos de coleta...00 -2 ajudantes: $ 8.000  100 para fazer o serviço de uma semana.. deprec.75 -Ajudantes = $8.. Vamos iniciar a simulação considerando três caminhões.. costuma ser necessário trabalhar certo número de horas extras acima das 32 horas de caminhão-guarnição regulares que tomaremos como referência. Junto com hs..95 86 .99 96 1.75  1.. a probabilidade de se necessitar S horas extras é dada por p(S)... Por dia.... etc... variações no volume de lixo a ser coletado e outros imprevistos. o máximo que uma guarnição consegue trabalhar é 12 hs..= $ 60. $140..00 -Manutenção.000/semana  5dias) = 3200. $ 60. Isto resulta num mínimo de 32 12 = 2.50  1.11 7 ...66 caminhões-guarnição. $100.. combust... g) O nº diário de coletas é (16..0 RN 0 2 6 11 17 32 45 60 FERNANDO LAGOEIRO 75 85 95 99 .000 coletas/semana...45 33 .. são necessários 160  5dias= 32caminhões-guarnição/hora.02 1 .00  8 = $7.75/hora cada um  8 hs ....25 -Manut.. devido a atrasos. Vamos supor que este número permaneça constante.... depreciação.50 $52. $26.00 $300.. coletas / hora ) h) Vamos calcular o número mínimo de caminhões. i) Agora estamos prontos para iniciar a simulação.12 Exemplo: É preciso estudar a coleta de lixo de uma região.5  2 ajudantes . $18.85 76 .50/hora  8 hs .. combustível.32 18 ....

500.00 2 53 7 40 0 1.500.200.00 A tabela mostra que o ótimo está em se ter 5 caminhões-guarnição.00 840.00 4 65 8 40 0 1.500.00 0 1.00 52.00 5 19 5 40 0 1.00 horas normais 8. O exemplo é extremamente simples.500. FERNANDO LAGOEIRO .627.00 0 1.00 0 1.00 420.00 8 24 16 900.672.00 3 29 5 40 0 1. pois tem apenas uma variável aleatória.00 0 1.500.13 Vamos simular.00 1.200.50 4 79 9 32 9 1.500.50 1.00 1.620.00 892.00 24 13 900.50 1.00 0 1. A cada vez.740.595.792.00 420.00 472.740.00 5 1 18 5 40 0 1.50 8 24 16 900. para cada situação.50 5 75 8 32 8 1.500.582.00 4 1 21 5 32 5 1. calculando o Valor Esperado dos custos (a partir da distribuição das horas extras e dos seus custos).00 7.252.740.620.50 1.500.00 840.00 682.50 2 62 8 32 8 1.00 3 1 1 32 1 1.00 840.462.50 1.200. apenas cinco valores.500. Poderíamos tê-lo resolvido analíticamente. Nº de Caminhões 3 Valores Nº aleatório gerado hs extras acima de 32h Horas normais Total de hs extras 1 80 9 24 17 2 68 8 24 3 30 5 4 67 5 70 $ diário $ diário hs estras $ diário total 900.50 1.00 7.500.00 1.00 1.00 262. seleciona-se um número aleatório de 2 dígitos e vêem-se quantas horas vão ser necessárias acima das 32.200.200.500.50 16 900.00 1.

FERNANDO LAGOEIRO . elabore o FLUXO DE CAIXA.1 . visto que os resultados que indicam o curso da ação a adotar dependem dos valores estimados nesta etapa do trabalho. É um ponto crítico da análise. Supondo que a depreciação seja de R$ 100 mil ao ano (já embutidas nas despesas operacionais). CÁLCULO DO FLUXO DE CAIXA LÍQUIDO Receita (-) CPV.14 4 .Métodos de Análise de Investimentos 4.Fluxo de Caixa O ponto de partida para a análise de um investimento é o estabelecimento de uma previsão para o fluxo de caixa do projeto. considerando todas as entradas e saídas de caixa do empreendimento. realizou as projeções de retorno anuais para os 3 primeiros anos do projeto (os valores estão estimados ao final de cada ano). que prestações de amortização de dívidas somem R$ 60 mil ao ano e que a alíquota do IR seja de 20 %. Após estudos de mercado e de uma série de outras análises. CMV ou CSP (=) Lucro Bruto (-) Despesas Operacionais (=) Lucro antes do juros e Imposto de Renda (LAJIR) (-) Despesas Financeiras (=) Lucro antes de Imposto de Renda (-) Imposto de Renda (=) Lucro líquido (Resultado do Período) (+) Depreciação (-) Amortização de Dívidas (pagamento do principal) (=) Fluxo de Caixa Líquido do Período Projetado EXEMPLO Um investidor pretende investir 1 milhão de reais em uma nova fábrica de calçados.

000 410. de modo a gerar os mesmos juros ou ganhos que a soma dos juros obtidos pelas diversas parcelas.000 428.000 428.000) (640.000) (470.000 960. FERNANDO LAGOEIRO .000) 804.000 100.000 490.000) (=) LAJIR 454.000) (60.000) (60.2 .000) (=) Lucro Líquido 331.000 (350.000 (=) Lucro Bruto (-) Despesas Operacionais 371.000) (5.000 470.000 1.600.000 4.Taxa Mínima de Atratividade Os critérios econômicos consideram uma taxa de desconto para o fluxo de caixa de um projeto.A taxa média significa na realidade a taxa que deveria ser aplicada sobre todo o capital.340.000) (580.000 485.000) (97.TMA e é representada pela taxa média que uma empresa ou pessoa tem os seus ativos aplicados. considerando-se as parcelas dos capitais como os pesos da média.200 368.800) (82. Tal taxa é conhecida como Taxa Mínima de Atratividade .000) (400.000 1.200 368.000 1.000) (=) LAIR 414.000 (-) IR (20%) (82.15 PROJEÇÕES (R$) ANO 1 ANO 2 ANO 3 Receita das Vendas 1.000 100.000 (-) Amortizações (60.000.000 (-) Despesas Financeiras (40.000) (60.450. A TMA é média ponderada das taxas envolvidas.000 (+) Depreciação 100.200 328.000 (-)Custo dos Produtos Vendidos (536.000 870.000) (=) Fluxo de Caixa Líquido 371.000 388.

3 .Taxa Interna De Retorno (TIR / IRR) A IRR de um investimento é definida como a taxa de desconto que torna o NPV igual a zero. NPV = PVR .PVI Exemplo: Determinar o NPV do fluxo de caixa abaixo para TMA = 5%.00. Pode-se usar diversas taxas de desconto para um mesmo projeto a fim de testar sua sensibilidade a variações da TMA. em 3 instituições financeiras distintas: $ 10.16 Exemplo J.6 + 15 .05) 2 + 50 /(1.. a juros simples.4 .PVI = 0  [ R1 /(1+i) + R2 /(1+i)2 + . + Rn /(1+i)n ] = [ I1 /(1+i) + I2 /(1+i)2 + . Matematicamente é representada pela taxa “ i ” que soluciona a equação PVR .m..00 em C a 5 % a.. e $ 25. Qual a taxa média de rentabilidade do capital aplicado? TMA = 10 .00 em B a 3.000.000.00 em A a 3.. é indiferente a aceitação ou não do projeto: NPV > 0 aceitar o projeto NPV= 0 indiferente NPV< 0 recusar o projeto. $ l5. 3.36% 50 4. + In /(1+i)n ] FERNANDO LAGOEIRO .000.8 + 25. Serri aplicou $ 50.000.. 4. descontados à TMA.05) 1 + 40 / (1.6 % a.8 % a. 5 = 4.m. m. 3. recomenda aceitar todos os projetos cujo NPV for maior que zero (positivo) e rejeitar os projetos em que o NPV for menor que zero (negativo). Período: Receitas: Investimentos: 0 1 30 2 40 3 50 (-70) NPV = 30 / (1.05) 3 . Para NPV = 0.70  NPV = 38 O critério de aceitação ou rejeição de um projeto.Valor Presente Líquido (VPL / NPV) É o resultado da diferença entre o VALOR PRESENTE (ou Atual) das Receitas e o VALOR PRESENTE das Despesas / Investimentos do Projeto.

Proj A: (-1000. é indiferente a aceitação ou não do projeto: TIR > TMA aceitar o projeto TIR = TMA indiferente TIR < TMA recusar o projeto.33 ANOS EXERCÍCIOS 1 – Achar a IRR e avaliar a viabilidade econômica do seguinte projeto de investimento. 300. 100) Proj B: (-1000. Um dos outros hoteis instalou tal sistema no ano anterior. A IRR além de ser a taxa de desconto que anula o NPV. é encarada também como a maior taxa de juros que se pode pagar pelo empréstimo de um capital. 400. 4. pelo método NPV com TMA = 10 %.A gerência de um hotel está considerando a instalação de um sistema de ar condicionado para seus quartos. recomenda aceitar todos os projetos em que a TIR for maior que a TMA e rejeitar os projetos em que a TIR for menor que a TMA.33 ANOS PROJETO B = 3 ANOS + 200 / 600 = 3. Brigham “Fundamentos de Administração Financeira” Makron Books PROJETO A = 2 ANOS + 100 / 300 = 2. Para TIR = TMA. Período: 0 1 2 3 Receitas: 50 60 70 Investimentos: (-100) 2 .5 – Prazo de retorno (Pay Back) Apura o tempo de recuperação do principal investido. 300. 600) DATA 0 1 2 3 4 PROJETO A RETORNOS SALDO -1000 500 -500 400 -100 300 0 PROJETO B RETORNOS SALDOS -1000 100 -900 300 -600 400 -200 600 0 (*) Exemplo extraído do livro: Weston. O hotel tem 150 apartamentos e é um dos 3 hoteis da cidade. 100. 400. O custo de instalação é FERNANDO LAGOEIRO . Fred. É importante notar que a IRR não pode ser calculada quando as receitas líquidas forem inferiores ao investimento efetuado. 500. de forma que este seja pago com os recursos gerados pelo próprio projeto.17 O critério de aceitação ou rejeição de um projeto.

000.Determinar a IRR: Período: Receitas: Investimentos: 0 1 60 2 72 (-100) 5 .00 1 45.250.9 e 10: Uma empresa estuda a realização de um projeto com o seguinte fluxo de caixa: Ano Valor ($) 0 -140. Se o sistema for instalado. nos próximos 10 anos. os lucros dos quartos fossem de $20. no exercício anterior. Segundo nossas estimativas.00 FERNANDO LAGOEIRO . qual seria sua decisão como proprietário desse hotel? 4 .000.000.000.Se. Os custos em capacidade plena são de $170. A manutenção anual é estimada em $1.000. Os lucros para cada quarto são $25.8. Espera-se que o sistema opere com capacidade plena durante 14 semanas por ano e com capacidade reduzida durante 6 semanas.00 por ano . espera-se que 90% dos quartos sejam ocupados durante 20 semanas do período de verão e 80% caso o sistema não seja instalado.00/dia.00 / dia. Determine pelo método Valor Presente Líquido (NPV) se o investimento deve ser feito.00 3 45. na aquisição de uma pequena fábrica de biscoitos.000.000. Os donos do hotel aplicam seu dinheiro a 6% ao ano. Que decisão tomar com base no critério do Valor Presente Líquido (NPV)? CONSIDERE PARA OS EXERCÍCIOS 7.00 / dia.00.00. A vida estimada do sistema é de 15 anos.Temos a oportunidade de investir nosso capital de $1.00/ano. a fábrica deverá retornar um fluxo de receitas líquidas de $170.00 Soma 45.00/ano e taxas e seguros em $2.000. 3 .Determinar NPV do seguinte fluxo de caixa para TMA = 10%. Período: 0 1 Receitas: Investimentos: (-100) (-50) 2 200 3 400 6 . que está aplicado em papeis de renda fixa à taxa de 10% ao ano.00/dia e em capacidade reduzida de $120.18 estimado em $180.000.00 4 50.00 2 45.

00 270. Ano 0 1 2 3 4 5 Soma Valor ($) -1. pode sempre aplicar os seus recursos financeiros a uma taxa efetiva de 10% ao ano.00 120. com a taxa de desconto de 10% ao ano.845. a juros compostos.00 12.00 aplicados a 10% ao ano durante todo esse período. se a empresa investir os R$140.1511% a.974.000. R$204. e reaplicar os resultados à taxa de 10% ao ano. 7) Determinar o valor presente líquido (NPV) desse projeto.00 80 3.00 10) Determinar a taxa interna de retorno (IRR) do projeto. $213. R$6.000.a.01 8) Determinar o montante acumulado no final de quatro anos.00 1. 11) Determinar a taxa interna de retorno trimestral do fluxo de caixa que segue: Trimestre 0 1 2 3 4 Soma Valor ($) -1.00 120.00 270.a.00 120.t.95% a.00 600. 12) Determinar a taxa interna de retorno anual do fluxo de caixa que segue. se a empresa não realizar o projeto e mantiver os $140. ao longo dos quatro anos.19 A empresa dispõe dos $140.00 270.120.00 9) Determinar o montante acumulado no final de quatro anos.00 270.000. 13) Determinar o valor presente líquido (NPV) e a taxa interna de retorno (IRR) do fluxo FERNANDO LAGOEIRO .000.00 para executar o projeto e. 11.000.00 120.059.00 no projeto.00% a.

000.000.650.500. 14) Considerar o fluxo de caixa da tabela a seguir: Trimestre 0 1 2 3 4 5 6 Soma Valor ($) (-)10.000.000.00 1.250. .800.00 1.$117.00 1.00 1.200.000.00 0.000.00 2.00 1. Ano 0 1 2 3 4 5 6 7 8 Soma Valor ($) (-)10.00 1.200.650.00 FERNANDO LAGOEIRO .00 1.00 1.650.00 1.63 e 10.18 e 10.00 3.000.00 2.20 de caixa indicado a seguir.00 1.200.250.00 1. e a taxa interna de retorno (IRR).00 1.000.000.02% a.00 $942. no regime de juros compostos.00 1.00 1.00 1.00 6. 15) Considerar o fluxo de caixa da tabela a seguir: Mês 0 1 2 3 4 5 6 7 8 9 10 Valor ($) (-)10.000..000.00 4.00 1.00 Determinar o valor presente líquido (NPV) desse fluxo de caixa.500. para uma taxa de desconto de 8% ao ano.00 0. para a conversão das taxas de juros.a.a. em termos anuais.000.60% a.00 2.00 2.250. Assumir ano com 360 dias. Utilizar o conceito de taxas equivalentes.000.000. para a taxa de desconto de 12% ao ano.000.00 3.

cujo preço à vista é $100.00 (+) 6.00 16) Considerando-se ano com 360 dias.00 (+) 34.800. é adquirido no dia 1º de março com um financiamento para ser liquidado em três prestações mensais de $34.000. $43. . que vencem no 1º dia de cada mês subseqüente à data de sua aquisição.a taxa interna de retorno (IRR) desse fluxo de caixa.valor presente líquido (NPV) desse fluxo de caixa para uma taxa de desconto de 10% ao ano. e a sua taxa interna de retorno (IRR). para a conversão das taxas de juros.00 FERNANDO LAGOEIRO .800.64% a.21 Soma 700. capitalizados mensalmente. em termos anuais.000.800. $394.000.05 e 13.a. Testes 18 e 19: Um equipamento.000. 17) Considerando-se ano com 365 dias.00 (+) 2. determine: .00. Utilizar o conceito de taxas equivalentes.00. . a contar da data de sua aquisição. Assim. o fluxo de caixa do financiador é o que segue: Datas 1 / Mar 31 / Mar 30 / Abr 30 / Mai Dias 0 30 60 90 Total Líquido Mês 0 1 2 3 Valor ($) (-) 100.000.60% a.a. cujo preço à vista é $20. em termos anuais.valor presente líquido (NPV) desse fluxo de caixa para uma taxa de desconto de 10% ao ano. é adquirido no dia 1º de março com um financiamento para ser liquidado em três prestações mensais de $6.00.00 (+) 6. que vencem a cada 30 dias corridos. $392.64 e 12.800. Assumir ano com 360 dias. o fluxo de caixa do financiador é o que segue: Datas 1 / Mar 1 / Abr 1 / Mai 1 / Jun Dias 0 31 61 92 Valor ($) (-) 20.00 (+) 34.00 (+) 6. para a taxa de desconto de 12% ao ano.00.00 (+) 34. Assim.000. em termos anuais.82% a.000.00 Determinar o valor presente líquido desse fluxo de caixa (NPV).64 e 12.000. no regime de juros compostos.a taxa interna de retorno (IRR) desse fluxo de caixa.a. Testes 16 e 17: Um equipamento.000. determine: .

e reaplicar os resultados à taxa de 10% ao ano.000. Testes 20. 20) Determinar o valor presente líquido (NPV) desse projeto.00 22) Determinar o montante acumulado no final de quatro anos. com a taxa de desconto de 10% ao ano. $6. $213.000.28 e 12.00 no projeto.00 45.00 A empresa dispõe dos $140.845. ao longo dos quatro anos.974.000. $359.059. pode sempre aplicar os seus recursos financeiros a uma taxa efetiva de 10% ao ano.00 18) Considerando-se ano com 360 dias.22 Total Líquido (+) 400.54 e 12.53% a.00 45. .valor presente líquido (NPV) desse fluxo de caixa para uma taxa de desconto de 10% ao ano.000. .000.A taxa interna de retorno (IRR) desse fluxo de caixa.00 aplicados a 10% ao ano durante todo esse período. .01 21) Determinar o montante acumulado no final de quatro anos. se a empresa investir os $140. determine: . em termos anuais.valor presente líquido (NPV) desse fluxo de caixa para uma taxa de desconto de 10% ao ano.00 45.000.35% a. determine: . em termos anuais.00 45.a. $381.00 23) Determinar a taxa interna de retorno (IRR) do projeto.000.a. a juros compostos. $204. 19) Considerando-se ano com 365 dias.00 50. 21. FERNANDO LAGOEIRO 11.95% a.000. 22 e 23: Uma empresa estuda a realização de um projeto com o seguinte fluxo de caixa: Ano 0 1 2 3 4 Soma Valor ($) -140.00 para executar o projeto e.000.A taxa interna de retorno (IRR) desse fluxo de caixa.a. se a empresa não realizar o projeto e mantiver os $140.

15 x (250.00)2]1/2 = [109.00 0. (R) (100.1x700.00-440.550]1/2 = 107.1 x (900.00-440.40 700.00 VE-Maricá = 0.2x(-100.00) 0.5x240.00)2 + 0. A medida estatística que apura esse grau de dispersão é o desvio-padrão ( ):  = √Σ P(R – VE)2 Niterói = [0.1x900. Por exemplo: Uma empresa dedicada à exploração de petróleo está analisando as perspectivas de perfuração em duas bacias sedimentares.10 150.00 + 0.00-440.00-440.00-200.00 0.00 + 0.00 0.00) + 0.23 5 – Análise de Risco 4.00 0.89 FERNANDO LAGOEIRO .00 0.00 2º passo: Cálculo da medida de risco de cada projeto de investimento O risco é mensurado pela variabilidade dos possíveis resultados em relação ao resultado esperado.2 x (-100.4 x (600.00-200.20 600.00)2 + 0.00 = = 200. pode-se avaliar o risco de um determinado projeto.10 1º passo: Cálculo do retorno esperado (VE) de cada alternativa de investimento VE-Niterói = 0.1x300.00) + 0.1 x (300.00 = 440.47 Maricá = [0.1x(-100.15x150.15 x (150. As seguintes informações estão disponíveis: a) Investimentos ( X $10 MIL ) : Bacias Niterói Maricá Poço Seco 150 250 Poço Completado 350 850 b) Receitas líquidas descontadas e probabilidades Cenários Poço seco 100 M bbl 200 M bbl 300 M bbl 400 M bbl Bacia NITERÓI Resultados Probabilid.1 .00-200.00)2 ]1/2 = [11.Análise de Risco de dois projetos isolados Conhecendo-se as probabilidades de ocorrências de situações ou cenários futuros não esperados pelo investidor.00-440.2 x (300.00)2 + + 0.10 Bacia MARICÁ Resultados Probabilid.00)2 + + 0.00 + 0.15 300.2x300.00)2 + 0.00)2 + 0.00 0.00 + 0.15 240. (R) (100.00) 0.00)2 + 0.00-200.00 – 200.00 0.10 900.20 300.00)2 + 0.1 x (700.4x600.1 x (-100.5 x (240.15x250.50 250.00 0.00 + 0.490]1/2 = 330.00 + 0.

24 MARICÁ tem um retorno médio esperado maior.00.606 = 60. um maior grau de RISCO.000.. NITERÓI possui um risco relativo ao retorno esperado bem inferior à MARICÁ.00  (250.00 X 0. que gera um custo adicional de $1. maior o RISCO.00  53.00. obtendo um lucro de $4.00  (150. mesmo com cliente pagando juros de mora e demais despesas. 3 % de receber com atraso. revelando uma maior variabilidade do retorno esperado em relação aos resultados possíveis.00 e oferecendo um prazo de pagamento de 30 dias a uma clientela homogênea em termos de conceito de crédito.2 – Estudo de Caso A agência revendedora GPB Veículos Ltda. o desvio-padrão indica quanto o retorno esperado (valor esperado da receita) é representativo dessa distribuição: quanto maior a concentração em torno do retorno médio.2 + 850. devido a falência do cliente.00  75. mediante cobrança administrativa.47 / 200.00 X 0.602 = 60. 1 % de jamais vir a receber.8) = 0.1 +350.00.89 / 440. o que obriga a GPB Veículos a assumir um prejuízo no valor do preço de custo do veículo. menor o desvio-padrão e vice-versa. 3º Passo: Cálculo do coeficiente de variação O coeficiente de variação aponta a participação do desvio-padrão (RISCO) sobre o retorno médio de cada projeto.202 % Quanto maior o CV. que gera um custo adicional de $4. Diante da distribuição de probabilidade. ou seja.000.735 % CVMaricá = 330.000. 2 % de receber com atraso. Ou seja. Historicamente. vende um único tipo de veículo por $20. A utilização do Coeficiente de Variação permite comparar diretamente os dois projetos analisados: CV = /VE CVNiterói = 107.00 X 0. mesmo com cliente pagando juros de mora e demais despesas.9) = 0. maior a dispersão em relação a media.2 % 4. a empresa apresenta as seguintes probabilidades de recebimento:     94 % de receber rigorosamente em dia. 4º Passo: Cálculo do Retorno Esperado sobre o Investimento: Este passo somente é executado se a empresa apresenta problemas relativos à limitação orçamentária e decide adotar o critério da TAXA DE RETORNO SOBRE INVESTIMENTO para auxiliar na escolha: ReSI =VE Investimentos / VE Receitas ReSI Niterói = 200. No caso em tela.6 % ReSI Maricá = 440. FERNANDO LAGOEIRO .00 X 0. mas um desvio-padrão também mais elevado.000. mediante cobrança judicial.

VE) (R-VE)2 X P Variância (  2) Desvio-Padrão ( ) Preocupada com a possibilidade de perda. acredita que a adoção de algumas alterações na comercialização poderá reduzir o risco do negócio: oferecer um prazo de pagamento de 7 dias. Além disso. (P) Retorno Médio Ponderado Esperado (VE)  FERNANDO LAGOEIRO RXP .25 1) Diante dessas possibilidades. e elevará a probabilidade de recebimentos pontuais para 95 %. Com essa nova condição comercial. 3) Calcule o retorno médio ponderado para a situação proposta: Condição proposta Receber em dia Cobrança administrativa Cobrança judicial Lucro normal Custos adicionais Retorno (R) Probab. Retorno/ evento Probabil. e exigir garantias do cliente. os custos adicionais das cobranças cairão pela metade com as mesmas probabilidades anteriores.00 no preço de venda. calcule o retorno médio ponderado esperado pela agência hoje: Condição Comercial Atual Lucro Normal Custos Adicion. a GPB Veículos acredita que praticamente eliminará a probabilidade de não receber. dada pelo desvio padrão: Condição Atual receber em dia cobrança administrativa cobrança judicial não receber (P) (R) (R . a diretoria da GPB Veículos Ltda. (P) RXP Receber em dia Cobrança administrativa Cobrança judicial Não receber Retorno médio ponderado esperado (VE)  2) Calcule a medida de risco. com desconto de $ 600.

com as novas medidas preventivas: Condição proposta Receber em dia (p) (R) (R .VE) (R .Faça seus comentários sobre as duas situações comparadas (importante): FERNANDO LAGOEIRO . através do Coeficiente de Variação: CV =  / Rm Na primeira situação  CV = Na segunda situação  CV = .26 4) Calcule o desvio-padrão para a proposta.VE )2 x P Cobrança administrativa Cobrança Judicial Variância (  2)  Desvio-Padrão ( )  5) Compare diretamente as duas situações.

no qual desejamos encontrar um conjunto de valores não negativos..Falando simplificadamente. para variáveis sujeitas a restrições. Formulação e Modelagem em Programação Linear 6.. Note que as componentes envolvendo variáveis normalmente aparecem do lado esquerdo e a constante no lado direito. a inequação 3x1 + 2x2 < 4 é uma inequação linear. FERNANDO LAGOEIRO . As composições das ligas..n) ------------------ Função Objetivo ------------------ Restrições ------------------ Não negatividade Um modelo de otimização. 6. onde cada componente é uma constante conhecida ou uma variável multiplicada por uma constante conhecida. .. é chamado PROBLEMA DE PROGRAMAÇÃO MATEMÁTICA. i = (1. enquanto que as inequações 3x1² + 2x2 < 4 e 3x1 x2 + 2x2 < 4 . poucos deles. Isto porque a teoria matemática que aborda as técnicas relacionadas com os programas matemáticos é ainda muito limitada.... ou a diferença. seus preços e as limitações na disponibilidade de matéria prima encontram-se na tabela.27 6 . com qualquer número de variáveis e milhares de restrições... da Universidade de Stanford. o que enfatiza sua importância. podem ser resolvidos dentro de um razoável tempo de computação. X2.X2.. Atualmente tem-se solucionado problemas de Programação Linear....Geometria e Álgebra em programação linear (1) Um fabricante deseja maximizar a receita bruta. porém.. obtendo o melhor valor para a função objetivo..2...... e somente se. não são.. ele é igual a soma.1 . então ele pode ser solucionado.ALOCAÇÃO Os problemas de alocação geralmente assumem a forma de equações que possuem uma estrutura básica simples (modelo de otimização).... Os problemas de Programação Linear têm sido resolvidos pelo método “SIMPLEX” inventado pelo Prof. um termo é dito linear se. Xn) Sujeito a Gk(X1. Dantzig. Existem muitos tipos de Programas Matemáticos. dos componentes.PROGRAMAÇÃO LINEAR Um Programa Linear contém uma Função Objetivo que é um termo linear e todas as restrições são também lineares. Se um problema pode ser formulado como um PROGRAMA LINEAR. George B.. Por exemplo. Xn) e Xi  0 . OTIMIZE (Max ou min) F(X1. Uma das exceções é um tipo especial chamado PROGRAMA LINEAR.

FERNANDO LAGOEIRO . para o chumbo e... XA > 0 .00/m no tecido A e $2..... para o cobre XA + 2XB < 11 . Quanto de cada tecido deve a fábrica produzir para obter o maior lucro.. para o zinco XA + 3XB < 15 . e pode fornecer qualquer quantidade.00/m no tecido B. não pode fabricar uma quantidade negativa de liga.. (2) ..........Uma fábrica produz dois tipos de tecido usando 3 cores diferentes de lã...00 por tonelada. 100 kg de lã verde e 120 kg de lã preta...28 ITENS LIGA TIPO A LIGA TIPO B Materia Prima Disponível Cobre 2 1 16 Zinco 1 2 11 Chumbo 1 3 15 $venda / unidade $30....00 $50.... o objetivo é : Max Z = 30 XA + 50 XB s. são necessárias as seguintes quantidades de lã (em gramas): Lã Tecido A Tecido B Amarela 400 500 Verde 500 200 Preta 300 800 A fábrica dispõe apenas de 100 kg de lã amarela.00 Seja XA a quantidade de liga A a ser produzida.... Portanto.. A fábrica A garante um lucro de $4... XB a quantidade de liga B a ser produzida.00 por tonelada. mas não pode fornecer mais de 3 toneladas.500.. Para cada metro de tecido.Um comerciante pretende obter uma quantidade não superior a 5 toneladas de certo produto que pode ser encomendada a duas fábricas A e B. Qual a quantidade deve o comerciante adquirir de cada fábrica? (3) ... a 2XA + XB < 16 . supondo que lucra $5. A fábrica B garante um lucro de $3... XB > 0 .000..

.08 Xi  0. S2.3 – Formulação e modelagem em PL (1) Um fabricante de rações garante que seu produto tem.4) e (2) Um nutricionista precisa estabelecer uma dieta com.5 45 0.B e C em cada unidade desses cinco alimentos.02 R$ 400 R$ 900 R$ 450 25X1 + 3X2 + 1X3 + 6. por unidade. S1 S2 S3 S4 S5 A 0 1 5 4 3 B 2 1 0 3 2 C 3 1 0 9 0 CUSTO 4 2 1 10 5 FERNANDO LAGOEIRO .5X4  0. S4 e S5. de modo a ser mínimo seu custo? Ingredientes % de % proteína % Gordura Custo / Ton celulose Alfafa 25 17 2 R$ 300 Resíduos 3 25 5 Torta de 1 60 7 Peixe Torta de 6. Essas vitaminas estão contidas em quantidades variadas em cinco alimentos que vamos chamar de S 1 . pelo menos...35 2X1 + 5X2 + 7X3 + 0. 10 unidades de vitamina A. Qual a composição que deve ter uma tonelada dessa ração.5 soja Seja : X1 = Quantidade de alfafa na mistura X2 = Quantidade de resíduos na mistura X3 = Quantidade de torta de peixe na mistura X4= Quantidade de torta de soja na mistura Então: Min Custo = 300 X1 + 400 X2 + 900 X3 + 450 X4 sujeito a X1 + X2 + X3 + X4 = 1 17X1 + 25X2 + 60X3 + 45X4  0. bem como seu custo.. em Reais.29 6. e no máximo 8 % de celulose. pelo menos. A tabela seguinte dá o número de unidades das vitaminas A . i = (1. a partir dos ingredientes da tabela seguinte. 30 unidades de vitamina B e 18 unidades de vitamina C. S3. 35 % de proteína e 2% de gordura.5X4  0.

5XC-RS + 40x35XA-MT + 20x22XB-MT + 2x3. Mín-custo = 4S1 + 2S2 + S3 + 10S4 + 5S5 Tal que: S2 + 5S3 + 4S4 + 3S5  10 2S1 + S2 + 3S4 + 2S5  30 3S1 + S2 + 9S4  18 e S1 .5 SP-MT 35 22 3.5XC-MT Número máximo de caminhões disponíveis de cada modelo não pode ser excedido: XA-RS + XA-MT < 5 XB-RS + XB-MT < 10 XC-RS + XC-MT < 20 Cada local deve receber no mínimo a carga solicitada: 40xA-RS + 20XB-RS + 2XC-RS > 160 FERNANDO LAGOEIRO . S3 . S5  0 (3) O setor de transporte de cargas de uma cooperativa agrícola. 10 caminhões Modelo B e 20 caminhões Modelo C. que atendam aos teores desejados de vitaminas com o menor custo. Os custos de transporte por tonelada ($/t) e as capacidades de carga (t) dos caminhões são dados na tabela abaixo: Modelo A Modelo B Modelo C SP-RS 20 12 1. dispõe de 5 caminhões Modelo A.30 Calcular as quantidades dos cinco elementos que devem ser incluídos na dieta diária. S4 . que opera em São Paulo (SP). minimizando os custos de transporte ? Definição das variáveis de decisão: XA-RS Caminhões modelo A enviados para RS XB-RS Caminhões modelo B enviados para RS XC-RS Caminhões modelo C enviados para RS XA-MT Caminhões modelo A enviados para MT XB-MT Caminhões modelo B enviados para MT XC-MT Caminhões modelo C enviados para MT Função objetivo: Minimizar o custo de transporte Min 40x20XA-RS + 20x12XB-RS + 2x1. S2 . Existe uma carga de 160 toneladas para ser remetida para o Rio Grande do Sul (RS) e uma de 100 toneladas para ser remetida para o Mato Grosso (MT).5 Capacidade 40 20 01/02/00 Quantos e quais caminhões a cooperativa deve mandar para o Rio Grande do Sul e para o Mato Grosso.

proposto para o problema: Min 0.66X4 + 0. XA-MT.50 0.66X4 + 0.50X1 + 0.31 40XA-MT + 20XB-MT + 2XC-MT > 100 Modelo de P. proposto para o problema: Min 800XA-RS + 240XB-RS + 3XC-RS + 1400XA-MT + 440XB-MT + 7XC-MT s. A tabela abaixo apresenta a composição nutricional (g / kg) e o custo ($ / kg) de cada um dos alimentos: Alimento: Alimento 1 Alimento 2 Alimento 3 Alimento 4 Alimento 5 Proteínas 3 4 5 3 6 Sais Minerais 2 3 4 3 3 Custo 0. XC-MT > 0 (4) Uma empresa agrícola dispõe de 5 tipos de alimentos com diferentes composições nutricionais (proteínas e sais minerais).72 Qual a ração mais barata possível de se produzir com a combinação de alimentos disponíveis que atenda as exigências diárias mínimas de um determinado animal ( 42 g de proteinas e 24 g de sais minerais) ? Definição das variáveis de decisão: X1 Quantidade do alimento 1 utilizada na ração X2 Quantidade do alimento 2 utilizada na ração X3 Quantidade do alimento 3 utilizada na ração X4 Quantidade do alimento 4 utilizada na ração X5 Quantidade do alimento 5 utilizada na ração Função objetivo: Minimizar o custo de produção Min 0. XB-MT.00 0. FERNANDO LAGOEIRO .00X3 + 0.72X5 Quantidade mínima de proteinas e sais minerais que devem ser fonecidas na ração: 3X1 + 4X2 + 5X3 + 3X4 + 6X5 > 42 2X1 + 3X2 + 4X3 + 3X4 + 3X5 > 24 Modelo de P. XB-RS.72 X5 s.00X3 + 0. XC-RS. XA-RS + XA-MT XB-RS + XB-MT XC-RS + 40XA-RS + 20XB-RS + <5 < 10 XC-MT 2XC-RS < 20 < 160 40XA-MT + 20XB-MT + 2XC-MT < 100 XA-RS.70X2 + 1.a.L.L.50X1 + 0.70X2 + 1.a.66 0.70 1.

e de modo a minimizar o custo das estações de tratamento? Definição das variáveis de decisão: EA Eficiência da estação de tratamento da Usina A EB Eficiência da estação de tratamento da Usina B EC Eficiência da estação de tratamento da Usina C Função objetivo: Minimizar o custo total das estações de tratamento Min KEA + KEB + KEC Garantir que em nenhum ponto do rio a quantidade de poluentes seja maior que P: Ponto A Quantidade de poluentes produzida pela Usina A : PA Quantidade de poluentes descarregada no ponto A : PA (1 – EA) Portanto: PA ( 1 – EA ) < P Ponto B Quantidade de poluentes produzida pela Usina B : PB Quantidade de poluentes descarregada no ponto B : PB (1 – EB) FERNANDO LAGOEIRO . depois de sofrerem um tratamento. B e C). 5 (5) O vinhoto de 3 usinas de açúcar e álcool ( A. de modo que. devido à ação bioquímica (por exemplo. 3. O tratamento de vinhoto pode reduzir a quantidade de poluente até um máximo de 90%. expressa em toneladas por PA. i = 1. aeração). a quantidade de poluente é reduzida em 10% e 20%. Por outro lado. para qualquer ponto do rio. no final de cada trecho A-B e B-C do rio. PB e PC.32 3X1 + 4X2 + 5X3 + 3X4 + 6X5 > 42 2X1 + 3X2 + 4X3 + 3X4 + 3X5 > 24 Xi > 0. são descarregados num rio. Cada uma das 3 usinas produz uma quantidade diária de poluente vindo do vinhoto. respectivamente. 4. Esta redução é denominada "eficiência de estação de tratamento" e o custo da estação i é diretamente proporcional à sua eficiência (Ki x eficiência). a quantidade de poluentes medida em um dia não ultrapasse P toneladas. respectivamente. Qual a eficiência que devem ter as estações de tratamento. 2.

um programa gratuito que não tem restrições. proposto para o problema: Min K EA + K EB + K EC s.gams.33 Quantidade de poluentes existente no ponto B : 0.9 PA ( 1 – EA ) + PB ( 1 – EB ) < P 0.8 [ 0.25 GAMS: A User’s Guide.4 . A descrição completa do AMPL poderá ser encontrada em: FERNANDO LAGOEIRO .win. que é gratuito na versão para estudante. existem outros mais modernos e amigáveis.ampl.Pacotes Computacionais Atualmente. MEERAUSS. como é o caso do LINGO e do GAMS. Hoje. L. que também é uma versão limitada de um programa comercial. Além desses.. K. The Scientific Press. e mais dois ``solvers'' : o “Minos”.8 [ 0. Release 2. Chicago: Lindo System Inc. Foram dois dos primeiros softwares desenvolvidos para microcomputadores. KENDRICK. A. BROOKE.9 PA ( 1 – EA ) + PB ( 1 – EB ) ] + PC ( 1 – EC ) Portanto: 0. EB > 0.a: PA ( 1 – EA ) < P 0.. cujas descrições completas poderão ser encontradas em: CUNNINGHAN. existem dezenas de pacotes computacionais para solução de problemas de “Programação Linear”. D. e o “Lpsolve”.com/ o programa de otimização AMPL. A. entre eles destacam-se os conhecidos “LP 88” e “LINDO”. Mais informações poderão ser obtidas em: http://www.9 PA ( 1 – EA ) + PB ( 1 – EB ) < P Ponto C Quantidade de poluentes produzida pela Usina C : PC Quantidade de poluentes descarregada no ponto C : PC (1 – EC) Quantidade de poluentes existente no ponto C : 0. poderão ser obtidos na homepage http://www.9 PA ( 1 – EA ) + PB ( 1 – EB ) Portanto: 0. EC > 0 6.L.The Lingo Modelling Language.com ( informações do GAMS) http://www.8 [ 0. SCHRAGE.net/~lindo (informaçoes do LINGO).9 PA ( 1 – EA ) + PB ( 1 – EB ) ] + PC ( 1 – EC ) < P Modelo de P.9 PA ( 1 – EA ) + PB ( 1 – EB ) ] + PC ( 1 – EC ) < P EA > 0. limitada a 300 variáveis e 300 restrições.

& Kernighan. Supondo que toda a produção possa ser vendida. se não deverá ser tentado um outro procedimento de arredondamento. AMPL .Arredondamento Alguns problemas requerem que as variáveis tenham valores inteiros. W. Formule o problema e construa o modelo de programação linear que fornece a combinação de investimentos que produz o maior ganho.00 em hipotecas e empréstimos. The Scientific Press. B.00 0. ações (3%).000. “Integer Programming” .00 0. M. Nesse caso. Addison-Wesley.A Modeling Language for Mathematical Programming. porem menos de $ 3. MÁQUINA MODELO 1 MODELO 2 MODELO 3 MODELO 4 Tempo disponível A 2h 0.56 1.00 0.00 em ações e hipotecas.34 FOURER. empréstimos ( 4% ).Uma pessoa com $ 4.000 h B 0.000 h LUCRO $ 0. A e B .00 1.500.00 para investir considera as aplicações: bônus (2%). Os vários tipos de cigarros requerem quantidades diferentes de tempo de máquina e proporcionam lucros diferentes.Uma refinaria fabrica 2 tipos de gasolina.. visto que Programas Lineares gerados com variáveis inteiras (chamados Programas Inteiros) não fornecerão solução ou fornecerão soluções precárias. os preços de venda e requisitos para fabricar as gasolinas encontram-se na FERNANDO LAGOEIRO . formule o problema e construa o modelo de Programação Linear que maximiza o lucro.M. Os custos.00 1.00 0.00 4. se para algumas variáveis aparecerem valores fracionários na solução.00 1. Felizmente. uma solução produzida desta maneira será próxima da ótima. Um corretor lhe aconselha que não invista mais de $ 1.00 0. a partir de 2 tipos de petróleo bruto. 1 e 2.800 h C 0. a quantidade total de tempo de máquina por semana é limitada ( ver tabela) . Gay. 3 .00 0.6 – Exercícios 1 . 6. A solução resultante deverá ser testada para ver se todas as restrições são satisfeitas ou quase satisfeitas. Se os dados refletirem um total razoável de erros.000.H. não menos que $ 1. além disso. D.50 2. pequenas variações nos limites das variáveis.00 0. a solução aproximada é aceitável.00 em bônus e ações.00 0. Produzem-se quatro tipos diferentes de cigarros.500. R. então elas podem ser arredondadas para valores inteiros. segundas hipotecas (6%) .Certa fabrica de cigarros possui três tipos de máquinas. Uma discussão completa sobre arredondamento pode ser encontrada em: Salkin.5 . 6.00 2 ..

92 Sem defumar R$ 0.62 Defumado em hora extra R$ 6. Custo do Produto Acabado Presunto Lombinho Pernil Defumado em hora normal R$ 5. lombinhos e pernis a serem defumados e qual a proporção a vender sem defumar.35 tabela. lombinho $ 5. Podem ser processados. Petróleo disponibilidade Custo gasolina % de A Preço de requerido venda A 100 R$ 6.Um trabalho composto de 3 tarefas A.18 R$ 4.00 2 30. Formule o problema e construa o modelo de Programação Linear. super e comum ). A diferença nos preços de venda entre defumado e não defumado é: presunto $ 6. B e C tem que ser executado por trabalhadores de categorias I.48 R$ 0. Também pode-se processar. 3h de II e 6h de I.00% R$ 8.58 R$ 5.00 R$ 3. pernil $ 6.00 B 200 R$ 3. II e III.00% R$ 5.00. 106 presuntos defumados por dia sem pagar hora extra. supondo que toda a produção possa ser vendida. O objetivo é maximizar o lucro.Deseja-se formular o problema e construir o modelo de Programação Linear. Formule o problema e construa o modelo de Programação Linear que maximiza o lucro. a fim de executar o trabalho a um custo mínimo TRABALHADORES TAREFAS I II III A 5h 4h 3h B 4h 6h 5h C 4h 2h 3h Custo / hora R$ 2. se esta fosse inteiramente feita por um tipo de trabalhador.00 1 60.76 R$ 5. de modo a calcular qual a proporção de presuntos.50 R$ 0.00. que serão os constituintes de 3 tipos de gasolina ( extra. no máximo.00 R$ 4.00 4 .00.00 Horas disponíveis 10 h 8h 9h 5 . Os tempos gastos em cada tarefa dependem da categoria do trabalhador. Seu custo horário também.Deseja-se determinar as misturas de 4 derivados do petróleo. no máximo. É preciso empregar pelo menos 1h de trabalhador III. A tabela mostra os tempos gastos para cada tarefa. Porém as tarefas também podem ser efetuadas por diversas combinações de horas dos diferentes trabalhadores. 315 lombinhos e pernis defumados por dia sem pagar hora extra.51 Matéria ´Prima disponível 480 400 230 6 .54 R$ 6. FERNANDO LAGOEIRO .

7 vezes o depósito deixado na CEF. que o investimento feito em letras do tesouro não ultrapasse 1. Supondo que o investidor não deseja adquirir mais do que 1750 ações e letras de câmbio.1 .00 4 1. que o investidor queira deixar.00 Gasolina Especificações Venda Não mais que 30 % de 4 A Não mais que 50 % de 3 R$ 5.3 .50 R$ 3.00 e tem a sua disposição 3 alternativas para aplicar seu capital.50 e cuja rentabilidade anual é de 8 %. 7 . ALT.00 3 4. com o objetivo de maximizar seu capital no fim do ano. ALT.000 bbl R$ 4. Formule o problema e construa o modelo de Programação Linear que indica ao investidor que quantidades alocar a cada alternativa. $ 2.000 bbl R$ 5.50 Formule o problema e construa o modelo de Programação Linear que maximiza o lucro.00 2 2.Um investidor possui $ 18.000 bbl R$ 3.00 e cuja rentabilidade anual esperada é de 32 %.000.00 na CEF.36 As tabelas abaixo mostram as percentagens de especificações dos diversos constituintes e os preços de venda de cada tipo de gasolina por barril ( bbl ).Comprar um lote de ações cujo o preço unitário é de $ 4. ALT. Constituintes Disponibilidades Custo / bbl 1 3.50 Não menos que 40 % de 2 B C Não mais que 50 % de 4 Não menos que 10 % de 2 Não mais que 70 % de 1 R$ 4. pelo menos. FERNANDO LAGOEIRO . além de deixá-lo na CEF rendendo 6 % ao ano.comprar letras do tesouro cujo preço unitário é de $ 1. que seu corretor só possa conseguir até 1000 ações e 1500 letras de câmbio.2 .000 bbl R$ 6.000.50 e cuja rentabilidade anual esperada é de 47 %.Comprar letras de câmbio cujo preço unitário é de $ 3.

.. x3. O melhor método para determinação dos parâmetros a e b que minimize as discrepâncias é o Método dos Mínimos Quadrados.(x)²  a = y .000.xy nx² . Método dos Mínimos Quadrados Estabelecido o modelo y = a + bx .....10x .000 e $ 20. ou “Ajustamento de Retas”.xn) que influenciam o comportamento de y. Isto é. x2. Qual a explicação? FERNANDO LAGOEIRO . que os dados foram obtidos por métodos de amostragem aleatória e que “qualquer relação só é válida no âmbito dos dados amostrais” Estime a despesa de uma família de 4 pessoas com renda de $15. Limitaremos nossa exposição ao caso em que apenas duas variáveis intervêm no modelo: a variável dependente y e a variável independente x. onde: y = despesa anual estimada com mercadorias.000 de renda não gaste nada em mercadorias..37 7 . x = renda líquida anual.000... estudaremos o modelo: y =a +bx onde a e b são os parâmetros da função. A Estatística oferece meios de chegarmos à relação função entre a variável dependente (y) e as variáveis explicativas ou independentes (x1.xn) através da análise de regressão. isto é. Segundo esse método. poderemos avaliar os parâmetros a e b pela aplicação das seguintes fórmulas: b = nxy . precisamos dos valores de a e b de forma que a nossa reta passe tão próxima quanto possível dos pontos assinalados no diagrama de dispersão.. Sabendo-se que a equação proporciona um ajustamento razoavelmente bom. a variável dependente do modelo.. Apresentaremos apenas o estudo da função linear (ajustamento de uma reta).. É fácil identificarmos uma série de variáveis xi (x1 .bx Exercícios (1) Suponhamos que uma cadeia de Supermercados tenha financiado um estudo dos gastos com mercadorias para famílias de quatro pessoas... para obter valores de parâmetros desconhecidos utilizando dados amostrais.bx n ou a = y . queremos minimizar a discrepância total entre os pontos marcados e a reta que iremos determinar.. Seja y uma variável que nos interessa estudar e cujo comportamento futuro desejamos prever. x3.. b) Um dos diretores da firma ficou intrigado com o fato de a equação aparentemente sugerir que uma família com $ 2. A investigação se limitou a famílias com renda líquida entre $ 8. Obteve-se a seguinte equação y = -200 + 0.. x2.Função Objetivo de Mínimos Quadrados É o objetivo da “Análise de Regressão”.

38 (2) Determine uma equação preditora do montante de seguro em função da renda anual. com base nos seguintes dados : Renda ($1000) 20 25 26 18 16 17 32 seguro 10 12 15 10 15 20 30 13 5 38 40 40 50 Resposta ( Seguro = a + b Renda ) : y = -12 + 1. x² = 8571 ) FERNANDO LAGOEIRO 42 40 . (x = 287.32x . y = 247. xy = 7875.

4452 0.0359 0.4993 0.4995 0.4986 0.4992 0.7 0.4981 0.1064 0.4998 0.3646 0.4990 0.0714 0.4916 0.4968 0.5000 0.4994 0.4265 0.3790 0.4977 0.2852 0.9 1.4997 0.4826 0.3078 0.3997 0.5000 0.4970 0.3389 0.4999 0.4946 0.4999 0.4699 0.04 0.4913 0.4943 0.4884 0.4904 0.4999 0.03 0.7 2.4956 0.2704 0.1700 0.4798 0.2967 0.4931 0.39 ANEXO I: Áreas na cauda direita sob a distribuição NORMAL PADRONIZADA Fonte: STEVENSON.4783 0.2 0.2257 0.4999 0.4996 0.1517 0.4955 0.4222 0.4997 0.1443 0.4 2.5000 0.4974 0.2823 0.3485 0.4987 0.4952 0.2123 0.3 3.4893 0.4279 0.4996 0.4394 0.4997 0.4961 0.8 0.4999 0.0 2.3686 0.4803 0.4957 0.2734 0.4999 0.4999 0.2518 0. Harbra.4131 0.4370 0.4911 0.4999 0.2422 0.4972 0.4625 0.4945 0.4875 0.4976 0.0 0.4997 0.9 0.4842 0.4989 0.4306 0.3289 0.4999 0.4998 0.4251 0. William J.4850 0.5000 0.4920 0.3962 0.2 1.0910 0.1844 0.6 0.4978 0.4732 0.3907 0.4932 0. 1986.4999 0.3264 0.4830 0.4909 0.3106 0.4951 0.1664 0.0987 0.3810 0.3577 0.4991 0.4649 0.3212 0.4918 0.4973 0.06 0.4162 0.4994 0.1 1.4099 0.4678 0.0753 0.4719 0.0557 0.0832 0.4965 0.4332 0.4706 0.4 3.3531 0.4032 0.4049 0.4998 0.2224 0.4999 0.8 2.0438 0.0080 0.4996 0.4881 0.4846 0.4319 0.4591 0.4864 0.2642 0.4929 0.4992 0.4693 0.1141 0.4927 0. Estatística Aplicada à Administração.3869 0.4949 0.4898 0.4750 0.4936 0.4999 0.4998 0.00 0.0199 0.01 0.4887 0.4999 0.4608 0.2995 0.3133 0.3023 0.4656 0.2 3.9 3.4868 0.4995 0.4934 0.4995 0.1103 0.4979 0.4998 0.4616 0.4767 0.4998 0.4999 0.3980 0.3438 0.4985 0.4726 0.0 3.4999 0.4999 0.4686 0.4987 0.4838 0.4066 0.6 3.4997 0.4177 0.4871 0.1950 0.08 0.4999 0.4999 0.4986 0.4788 0.4998 0.2454 0.4382 0.2054 0.3849 0.1772 0. 0.3944 0.4999 0.3051 0.1026 0.07 0.5000 FERNANDO LAGOEIRO .4793 0.4984 0.2190 0.1628 0.2764 0.1808 0.4633 0.4971 0.4953 0.0319 0.4969 0.02 0.4535 0.4599 0.4582 0.2881 0.4993 0.3315 0.5000 0.0398 0.0000 0.0948 0.4998 0.0239 0.1 3.2389 0.4441 0.3665 0.4964 0.4998 0.0120 0.4147 0.8 3.4980 0.9 2.4896 0.4505 0.4817 0.4429 0.2794 0.4890 0.4991 0.3238 0.4974 0.4474 0.5000 0.3186 0.3621 0.4989 0.4345 0.4991 0.4515 0.4812 0.1255 0.4996 0.3 0.4207 0.4236 0.4857 0.5000 0.1915 0.05 0.1736 0.1217 0.4772 0.4761 0.0793 0.1 0.4998 0.5 0.4995 0.3770 0.3461 0.4861 0.3340 0.4418 0.3365 0.2324 0.4981 0.4997 0.2939 0.4854 0.2291 0.4993 0.3830 0.2580 0.3159 0.4940 0.09 0.4664 0.1368 0.2019 0.4641 0.3 1.4545 0.4992 0.4988 0.4995 0.4997 0.4484 0.4999 0.4824 0.4979 0.0 1.0675 0.2357 0.4988 0.4922 0.4998 0.4901 0.1406 0.1554 0.4963 0.0596 0.4878 0.0478 0.4960 0.4998 0.1879 0.3925 0.4115 0.ed.4564 0.0160 0.4756 0.0040 0.4996 0.5 1.2088 0.1985 0.4671 0.4778 0. 1.5000 0.7 1.4990 0.3 2.3413 0.4994 0.4994 0.4986 0.4975 0.4959 0.4999 0.4738 0.3708 0.4808 0.4977 0.2910 0.3888 0.4993 0.1 2.4998 0.1293 0.4962 0.4 1.4463 0.4744 0.0636 0.4967 0.1480 0..3749 0.4999 0.8 1.1591 0.4990 0.2 2.4192 0.4713 0.4992 0.2157 0.4554 0.4082 0.3508 0.4941 0.4983 0.4906 0.4999 0.5 3.5000 0.4948 0.4982 0.1331 0.4984 0.2486 0.4925 0.4996 0.4495 0.0517 0.3554 0.3599 0.5000 0.4989 0.4999 0.4985 0.4999 0.2673 0.4998 0.0871 0.2549 0.4995 0.4 0.4357 0.4997 0.4938 0.0279 0.6 1.4292 0.4406 0.3729 0.4966 0.7 3.1179 0.4982 0.5000 0.2612 0.4994 0.4015 0.4997 0.5000 0.6 2.5 2.4525 0.4821 0.4573 0.

QUADRO I: Taxa de ocorrência esperada não superior a 2% ou não menos que 98%. Handbook of Sampling for Auditing and Accounting.75 % +1% + 1.5 % +2% 200 109 80 250 122 87 300 160 133 92 350 173 141 97 400 184 149 100 450 194 155 103 500 258 203 161 105 550 271 210 166 107 600 282 217 170 109 650 293 223 173 111 700 302 229 177 112 750 311 234 180 113 800 319 239 183 114 850 327 243 185 115 900 461 334 247 187 116 950 474 341 251 189 117 1000 486 347 254 191 118 1050 497 353 257 193 118 1100 508 358 260 195 119 1150 519 363 263 196 119 1200 529 368 265 198 120 1250 538 373 267 199 120 1300 547 377 270 200 121 1350 556 381 272 201 121 1400 564 385 274 202 122 1450 572 389 276 203 122 1500 579 392 277 204 122 1550 587 396 279 205 123 1600 594 399 281 206 123 FERNANDO LAGOEIRO .25 % + 1. Mc Graw-Hill. Herbert.40 ANEXO II Tamanhos de Amostras para Amostragem por Estimativas para Atributos: Amostras Aleatórias Fonte: ARKIN. Nível de Confiança = 90% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + . 5 %+ .

41 1650 1700 1750 1800 1850 1900 1950 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4400 4500 4600 4700 4800 4900 5000 1055 1081 1104 1127 1148 1169 1189 1207 1226 1243 1260 1276 1292 1307 1321 1335 1349 1362 1375 1387 1399 1410 1421 1432 1442 1452 1462 1472 1481 1490 601 607 613 619 625 631 636 641 651 661 669 677 685 692 699 706 712 718 723 729 734 739 743 748 752 756 760 764 767 771 774 777 780 783 786 789 791 794 402 405 408 410 413 415 417 420 424 428 431 435 438 441 444 446 449 451 453 455 457 459 461 463 464 466 467 469 470 471 473 474 475 476 477 478 479 480 FERNANDO LAGOEIRO 282 283 285 286 287 288 290 291 293 295 296 298 299 301 302 303 304 305 306 307 308 309 310 311 311 312 313 313 314 315 315 316 316 317 317 318 318 318 207 208 208 209 210 210 211 211 212 213 214 215 216 217 217 218 219 219 220 220 221 221 221 222 222 222 223 223 223 224 224 224 224 225 225 225 225 226 123 124 124 124 124 124 125 125 125 126 126 126 126 127 127 127 127 127 128 128 128 128 128 128 129 129 129 129 129 129 129 129 129 129 129 130 130 130 .

5 % +3% +4% 150 74 53 200 102 84 58 250 113 91 51 300 156 123 97 64 350 168 130 102 66 400 179 136 106 67 450 188 142 109 69 500 196 146 112 70 550 203 150 114 71 600 210 154 116 71 650 305 216 157 118 72 700 315 221 160 119 73 750 325 225 162 120 73 800 334 230 164 122 74 850 342 234 166 123 74 900 350 237 168 124 74 950 357 241 170 125 75 1000 364 244 171 125 75 1050 370 247 172 126 75 1100 377 249 172 127 75 1200 621 388 254 176 128 76 1300 647 397 257 178 129 76 1400 671 406 262 180 130 76 1500 693 414 265 181 131 77 1600 713 421 268 183 132 77 1700 732 428 271 184 132 77 1800 750 434 273 185 133 77 1900 767 440 275 186 133 78 2000 783 445 277 187 134 78 2100 798 450 279 188 134 78 2200 812 454 281 189 135 78 2300 825 458 282 189 135 78 2400 838 462 284 190 135 78 2500 849 466 285 191 136 78 2700 871 472 288 192 136 79 2900 891 478 290 193 137 79 3100 909 483 292 193 137 79 3300 926 487 293 194 137 79 FERNANDO LAGOEIRO . 5 % +1% + 1.42 QUADRO II: Taxa de ocorrência esperada não superior a 5% ou não menos que 95%.5 % +2% + 2. Nível de Confiança = 90% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .

43 3500 3700 3900 4050 4100 4400 4700 5000 2535 941 954 967 976 979 995 1010 1023 492 495 499 501 502 506 510 513 295 296 297 298 298 300 301 302 FERNANDO LAGOEIRO 195 195 196 196 196 197 198 198 138 138 138 138 139 139 139 139 79 79 79 79 79 79 79 80 .

44 QUADRO III: Taxa de ocorrência esperada não superior a 10% ou não menos que 90%.5 % +3% + 4% 250 95 300 143 101 350 153 108 400 198 162 111 450 209 169 114 500 219 176 117 550 229 182 120 600 237 187 122 650 244 192 124 700 326 251 196 126 750 337 257 199 127 800 346 263 203 128 850 355 268 206 130 900 364 272 209 131 950 372 277 211 132 1000 379 281 213 133 1050 386 285 216 133 1100 546 392 288 218 134 1150 558 399 292 220 135 1200 570 404 295 221 136 1250 581 410 298 223 136 1300 591 415 300 224 137 1350 601 420 303 226 137 1400 611 425 306 227 138 1450 620 429 308 229 138 1500 629 434 310 230 139 1550 638 438 312 231 139 1600 646 442 314 232 139 1650 654 445 316 233 140 1700 662 449 318 234 140 1750 669 452 319 235 141 1800 676 455 321 236 141 1850 683 459 322 237 141 1900 690 462 324 237 141 1950 697 464 325 238 142 2000 703 467 327 239 142 2100 715 473 329 240 142 2200 726 477 332 241 143 FERNANDO LAGOEIRO .5 % +2% + 2. 5 % +1% + 1. Nível de Confiança = 90% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .

45 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4500 4700 4900 5000 1234 1258 1281 1303 1324 1345 1364 1383 1402 1419 1437 1453 1469 1485 1500 1514 1528 1542 1555 1581 1605 1627 1638 737 746 756 765 773 781 789 796 803 809 816 822 827 833 838 843 848 852 857 861 865 873 880 887 890 482 486 490 494 497 501 504 507 509 512 515 517 519 523 523 525 527 529 531 532 534 537 540 542 543 FERNANDO LAGOEIRO 334 336 337 339 341 343 344 345 347 348 349 350 351 352 353 354 355 356 356 357 358 359 360 361 362 243 244 245 246 246 247 248 249 249 250 251 251 252 252 253 253 254 254 254 255 255 256 256 257 257 143 144 144 144 145 145 145 145 146 146 146 146 146 147 147 147 147 147 147 147 148 148 148 148 148 .

25 % + 1.75 % +1% + 1. 5 % + . Nível de Confiança = 95% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .46 QUADRO IV: Taxa de ocorrência esperada não superior a 2% ou nâo menos que 98%.5 % +2% 200 97 250 108 300 116 350 172 123 400 182 129 450 192 133 500 246 201 137 550 257 209 141 600 268 215 144 650 277 221 146 700 286 227 149 750 294 232 151 800 301 236 153 850 308 241 155 900 314 244 156 950 320 248 158 1000 430 326 251 159 1050 439 331 254 160 1100 447 336 257 161 1150 456 340 260 162 1200 463 344 262 163 1250 470 348 264 164 1300 477 352 267 165 1350 673 484 356 269 166 1400 685 490 359 271 166 1450 697 496 362 272 167 1500 708 501 365 274 168 1550 719 507 368 276 168 1600 729 513 371 277 169 1650 740 518 373 279 169 1700 749 522 376 280 170 1750 759 527 378 281 170 1800 768 531 381 283 171 1850 777 536 383 284 171 1900 786 540 385 285 172 1950 794 544 387 286 172 2000 802 547 389 287 173 2100 818 554 392 289 173 FERNANDO LAGOEIRO .

47 2200 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4400 4500 4600 4700 4800 4900 5000 1528 1551 1575 1597 1619 1640 1661 1681 1700 1719 1737 1754 1772 1789 1805 1821 1836 1851 1866 1880 833 847 860 872 884 895 906 916 925 935 944 953 961 969 976 983 990 997 1003 1010 1016 1021 1027 1032 1032 1042 1047 1052 1056 561 568 574 579 584 589 594 598 602 606 610 614 617 620 623 626 629 632 634 637 639 641 643 645 645 649 651 653 654 FERNANDO LAGOEIRO 396 399 402 405 407 409 412 414 416 418 419 421 423 424 426 427 428 429 431 432 433 434 435 436 436 438 438 439 440 291 293 294 296 297 298 299 301 302 303 303 304 305 306 307 307 308 309 309 310 310 311 311 312 312 313 313 314 314 174 174 175 176 176 176 177 177 178 178 178 179 179 179 179 180 180 180 180 180 181 181 181 181 181 181 182 182 182 .

5 % +2% + 2. 5 % +1% + 1. Nível de Confiança = 95% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .48 QUADRO V: Taxa de ocorrência esperada não superior a 5% ou nâo menos que 95%.5 % +3% + 4% 150 65 200 73 250 112 79 300 148 121 83 350 160 129 86 400 169 135 89 450 178 140 91 500 239 185 144 93 550 250 191 148 95 600 259 197 152 96 650 268 202 155 97 700 276 207 157 98 750 284 211 160 99 800 291 214 162 100 850 416 297 218 164 101 900 427 303 221 166 101 950 438 308 224 167 102 1000 448 314 226 169 102 1100 467 323 231 171 103 1200 484 331 235 174 104 1300 500 338 239 176 105 1400 514 344 242 177 106 1500 527 350 245 179 106 1600 539 355 247 180 107 1700 550 360 250 181 107 1750 555 362 251 182 107 1800 907 560 364 252 182 107 1850 919 564 366 253 183 107 1900 931 569 368 254 183 108 1950 943 573 370 254 184 108 2000 954 578 372 255 184 108 2100 977 586 375 257 185 108 2200 998 593 378 258 186 108 2300 1018 600 381 260 186 109 2400 1037 607 384 261 187 109 2500 1055 613 386 262 188 109 2600 1073 619 388 263 188 109 2700 1089 624 390 264 189 109 FERNANDO LAGOEIRO .

49 2800 2900 3000 3100 3300 3500 3700 3900 4000 4500 4700 5000 1105 1120 1135 1149 1175 1200 1222 1243 1253 1299 1315 1337 629 634 639 643 652 659 666 672 675 688 692 698 392 394 396 398 401 404 406 409 410 414 416 418 FERNANDO LAGOEIRO 265 266 267 267 269 270 271 272 273 275 275 276 189 190 190 190 191 192 192 193 193 194 194 195 110 110 110 110 110 110 111 111 111 111 111 112 .

5 % +2% + 2. 5 % +1% + 1. Nível de Confiança = 95% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .5 % +3% + 4% 250 116 300 126 350 134 400 196 141 450 207 146 500 217 151 550 226 155 600 283 234 159 650 299 242 162 700 309 248 165 750 319 254 168 800 328 260 170 850 336 265 172 900 441 343 269 174 950 453 350 274 176 1000 464 357 278 178 1050 474 363 281 179 1100 484 369 285 181 1150 494 374 288 182 1200 503 379 291 183 1250 511 384 294 184 1300 519 389 297 185 1350 527 393 299 186 1400 535 397 302 187 1450 542 401 304 188 1500 549 405 306 189 1550 772 555 408 308 190 1600 784 561 412 310 190 1650 796 567 415 312 191 1700 808 573 418 313 192 1750 819 579 421 315 192 1800 829 584 424 317 193 1850 840 589 426 318 194 1900 850 594 429 320 194 1950 860 599 431 321 195 2000 869 604 434 322 195 2100 888 612 438 325 196 2200 905 621 443 327 197 FERNANDO LAGOEIRO .50 QUADRO VI: Taxa de ocorrência esperada não superior a 10% ou nâo menos que 90%.

51 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4500 4700 4900 5000 1739 1764 1787 1810 1833 1855 1876 1896 1917 1955 1992 2027 2044 922 937 952 969 983 996 1008 1020 1031 1042 1052 1062 1068 1077 1086 1095 1103 1111 1118 1126 1133 1146 1159 1170 1176 628 636 642 649 655 661 666 671 676 681 685 689 693 697 701 704 708 711 714 717 720 725 730 735 737 FERNANDO LAGOEIRO 446 450 453 457 460 462 465 468 470 472 474 476 478 480 482 483 485 486 488 489 491 493 495 498 499 329 331 333 335 336 338 339 341 342 343 344 345 346 347 348 349 350 351 351 352 353 354 355 356 357 198 198 199 200 200 201 201 202 202 202 203 203 204 204 204 204 205 205 205 206 206 206 207 207 207 .

5 % +2% 400 180 450 189 500 197 550 205 600 295 211 650 306 217 700 317 222 750 327 227 800 408 336 232 850 421 344 236 900 433 352 239 950 444 360 243 1000 455 367 246 1050 465 373 249 1100 474 379 251 1150 483 385 254 1200 492 390 256 1250 500 396 258 1300 650 508 400 260 1350 663 515 405 262 1400 674 522 409 264 1450 686 529 414 266 1500 697 536 418 268 1550 707 542 421 269 1600 718 548 425 271 1650 728 553 428 272 1700 737 559 432 273 1750 746 564 435 275 1800 755 569 438 276 1850 764 574 441 277 1900 772 579 443 278 1950 780 584 446 279 2000 788 587 449 280 2100 803 596 453 282 2200 818 604 458 284 2300 1153 831 611 462 285 2400 1178 844 618 466 287 2500 1201 856 625 470 288 FERNANDO LAGOEIRO .52 QUADRO VII: Taxa de ocorrência esperada não superior a 2% ou nâo menos que 98%.75 % +1% + 1.25 % + 1. Nível de Confiança = 99% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + . 5 %+ .

53 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4400 4500 4600 4700 4800 4900 5000 1224 1246 1266 1286 1306 1324 1342 1359 1376 1392 1408 1423 1437 1451 1465 1478 1491 1503 1515 1527 1538 1549 1560 1571 1581 867 878 888 898 907 916 925 933 941 948 955 962 969 975 981 987 993 999 1004 1009 1014 1019 1023 1028 1032 FERNANDO LAGOEIRO 631 636 642 647 652 656 661 665 669 673 676 680 683 686 689 692 695 697 700 702 705 707 709 712 714 473 476 479 482 485 487 490 492 494 496 498 500 502 504 505 507 508 510 511 512 514 515 516 517 518 289 291 292 293 294 295 295 296 297 298 299 299 300 300 301 302 302 303 303 304 304 304 305 305 306 .

Nível de Confiança = 99% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .54 QUADRO VIII: Taxa de ocorrência esperada não superior a 5% ou nâo menos que 95%. 5 % +1% + 1.5 % +3% + 4% 200 99 250 110 300 119 350 175 126 400 187 132 450 197 137 500 206 142 550 263 214 145 600 274 221 145 650 284 228 151 700 293 234 154 750 302 329 156 800 397 310 244 158 850 409 318 248 160 900 420 324 252 162 950 431 330 256 163 1000 441 336 260 165 1050 450 341 263 166 1100 459 346 266 167 1150 468 351 269 168 1200 476 355 271 169 1250 484 360 274 170 1300 491 364 276 171 1350 498 367 278 172 1400 700 504 371 280 173 1450 713 511 374 282 174 1500 725 517 378 284 174 1550 736 523 381 286 175 1600 747 528 384 287 176 1650 758 534 387 289 176 1700 768 539 389 291 177 1750 778 544 392 292 177 1800 788 548 394 293 178 1850 797 553 397 295 178 1900 806 557 399 296 179 1950 860 561 401 297 179 2000 824 565 403 298 179 2100 840 573 407 300 180 FERNANDO LAGOEIRO .5 % +2% + 2.

55 2200 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4200 4400 4600 4800 5000 1588 1612 1636 1659 1681 1702 1723 1743 1763 1801 1837 1871 1903 1934 856 871 885 398 910 922 934 947 955 965 974 983 993 1000 1008 1016 1023 1031 1037 1050 1062 1074 1084 1094 580 587 593 599 605 610 615 620 624 628 632 636 640 643 647 650 653 656 658 664 668 673 677 681 FERNANDO LAGOEIRO 411 414 417 420 423 425 428 430 432 434 436 438 439 441 443 444 445 447 448 450 452 455 457 458 302 304 306 307 309 310 311 313 314 315 316 317 318 318 319 320 321 321 322 323 324 326 326 327 181 182 182 183 183 184 184 185 185 185 186 186 186 187 187 187 187 188 188 188 189 189 189 190 .

56 QUADRO IX: Taxa de ocorrência esperada não superior a 10% ou nâo menos que 90%. Nível de Confiança = 95% _________________________________________________________________________ Tamanho da Tamanho da Amostra para Precisão de População + .5 % +3% + 4% 400 195 450 204 500 214 550 223 600 230 650 237 700 341 244 750 352 249 800 363 255 850 373 260 900 382 264 950 391 268 1000 489 399 272 1050 501 407 276 1100 512 414 279 1150 522 421 282 1200 352 428 285 1250 542 434 288 1300 551 440 290 1350 560 445 293 1400 568 450 295 1450 576 455 297 1500 748 584 460 299 1550 761 591 465 301 1600 773 598 469 303 1650 784 605 473 305 1700 795 612 477 306 1750 806 618 481 308 1800 816 624 485 309 1850 826 630 489 311 1900 836 636 492 312 1950 846 641 495 313 2000 855 647 498 315 2100 873 657 504 317 2200 890 666 510 319 2300 906 675 515 321 2400 921 684 520 323 2500 935 691 525 325 FERNANDO LAGOEIRO .5 % +2% + 2. 5 % +1% + 1.

57 2600 2700 2800 2900 3000 3100 3200 3300 3400 3500 3600 3700 3800 3900 4000 4100 4200 4300 4400 4500 4600 4700 4800 4900 5000 1338 1363 1386 1407 1430 1451 1471 1490 1508 1528 1545 1563 1579 1595 1611 1626 1641 1655 1669 1683 1696 1709 1721 1733 949 962 974 986 997 1008 1018 1028 1038 1047 1056 1064 1072 1080 1087 1095 1102 1108 1115 1121 1127 1133 1139 1145 1150 FERNANDO LAGOEIRO 699 706 713 719 725 730 736 741 745 751 755 759 764 768 771 775 778 782 785 788 791 794 797 800 802 529 533 537 540 544 547 550 553 555 558 560 563 565 567 569 571 573 575 577 578 580 582 583 585 586 327 328 329 331 332 333 334 335 336 337 338 339 340 341 341 342 343 344 344 345 345 346 346 347 347 .

58 FERNANDO LAGOEIRO .