Você está na página 1de 71

PONTODOSCONCURSOS

MATEMTICAATUARIAL
DEPESSOAS
SUSEP
Aula1
AndrCunha
12/02/2010

Este documento contm o contedo programtico do curso (plano de


ensino) e aborda os seguintes tpicos: Conceitos bsicos de Probabilidade e
Matemtica Financeira. Noes de Clculo Diferencial e Integral.

Pgina 2 de 71

Caro concursando,
Estamos comeando um trabalho curto, porm bem intenso. O
objetivo estarmos muito bem preparados no dia 17 de abril para
prestar a prova da SUSEP. O desafio grande. Matemtica Atuarial
uma matria longe de ser elementar, pouco estudada (quase que na
totalidade somente por quem da rea) e, como se no bastasse,
houve mudanas significativas entre os editais de 2006 e 2010.
Matemtica Atuarial (Pessoas + Danos) responde neste
concurso por 50% da prova especfica, contra apenas 20% no
certame de 2006. Entram tpicos novos, como Mltiplos Decrementos
e Anuidades Contnuas, e deixam de constar outros, como Valores
Garantidos.
Essas mudanas no edital, acredito, refletem a constante
evoluo no processo de capacitao profissional no mundo como um
todo, mais particularmente na Inglaterra e nos Estados Unidos, onde
a Aturia mais desenvolvida. O Brasil vem correndo mais devagar,
mas vem. Desde 2005 o IBA (Instituto Brasileiro de Aturia) s aceita
como membros bacharis em Cincias Atuariais que so aprovados
em seus exames de admisso. Por essas razes extremamente
desafiador escrever esse curso.
Para voc, concursando, sugiro que tente manter a cabea fria,
principalmente com o que vai cair na prova. Ir bem em concurso ir
melhor que os outros, e me parece que (quase) todos esto com o
mesmo problema. Tenho recebido vrios e-mails todos os dias de
pessoas preocupadas com bibliografia. Eu tenho razovel experincia
como professor, aluno auto-didata e aturio, e confesso que tive
relativa dificuldade em montar uma bibliografia para o presente
curso.
Devido a todo esse ambiente de mudanas j descrito, apesar
de ser necessrio resolver muitas questes de concursos anteriores
e vamos faz-lo , isso no ser suficiente. Por isso o curso vir
quente. Vou tentar expor a matria da maneira mais simples
possvel, como foi dito na Aula 0, mas nunca abrindo mo do rigor
matemtico.
Gosto muito de uma frase de Max Weber: O homem no teria
conseguido o possvel se, repetidas vezes, no tivesse tentado o
impossvel.
Vamos tentar o impossvel. Que todos os alunos do Ponto dos
Concursos passem na SUSEP.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 3 de 71

PLANO DE ENSINO
O planejamento de um curso um processo dinmico, no
esttico, principalmente em se tratando de um curso novo. Foram
feitas algumas alteraes no plano de ensino.
Aula

Data

Contedo

31/01 INTRODUO. Introduo s Funes de Sobrevivncia e


Tbua de Mortalidade. Paralelo entre Matemtica
Financeira e Matemtica Atuarial. Valor Presente Atuarial
(VPA).

12/02 CONCEITOS
BSICOS.
Conceitos
bsicos
de
Probabilidade e Matemtica Financeira. Noes de Clculo
Diferencial e Integral.

2-3 22/02 FUNES


DE
SOBREVIVNCIA.
Funes
de
e
Sobrevivncia de uma vida. Tbua de Mortalidade. Tempo
de vida futuro de um recm-nascido, tempo at a morte
01/03
de uma pessoa de idade x, fora de mortalidade, tbua de
mortalidade, relao entre a tbua de mortalidade e
funo de sobrevivncia, esperana de vida, leis de
mortalidade, mtodos para fracionar idades, tbuas
selecionadas. Comutaes.
4

08/03 ANUIDADES. Anuidades discretas, contnuas e variveis.

15/03 SEGUROS DE VIDA. Seguros de vida pagos no fim do


ano da morte, relao entre seguro de vida e anuidades
pagas no momento da morte, seguros variveis.

22/03 PRMIOS. Clculo de prmio nico, fracionado, puro e


comercial. Planos pagveis por sobrevivncia, morte e
invalidez. RESERVAS. Mtodos prospectivo, retrospectivo
e recorrncia.

29/03 MLTIPLAS VIDAS. Funes sobrevivncia de mltiplas


vidas status da vida conjunta, status do ltimo
sobrevivente, funes de contingncia e anuidades
reversveis.

05/04 MLTIPLOS DECREMENTOS. Modelos de mltiplos


decrementos e suas aplicaes. Tbuas de mltiplos
decrementos.

09/04 REGIMES
FINANCEIROS
E
RISCOS.
Regimes
financeiros: repartio simples, repartio de capitais de
cobertura e capitalizao. Risco de subscrio. Risco de
longevidade. Risco da taxa de juros. Risco em garantias
mnimas.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 4 de 71

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 5 de 71

Contedo
1. Probabilidade ....................................................................................................... 7
1.1.

Os Diferentes Tipos de Probabilidade .............................................. 7

1.2.

Conjuntos e Eventos ............................................................................ 10

1.3.

Definio Axiomtica de Probabilidade ......................................... 10

1.4.

Probabilidades Conjunta e Condicional ......................................... 10

1.5.

Independncia ........................................................................................ 12

2. Variveis Aleatrias......................................................................................... 13
2.1.

Definio de Varivel Aleatria ........................................................ 13

2.2.

Funo Discreta de Probabilidade ................................................... 14

2.3.

Funo de Distribuio de Probabilidade ..................................... 15

2.4. Funo de Sobrevivncia ......................................................................... 15


2.5. Funes de Distribuio e de Densidade de Probabilidade
para Variveis Contnuas .................................................................................. 16
2.6. Funes de Probabilidade Conjunta .................................................... 18
2.6.1. Funes de Probabilidade Marginal

.......................................................21

2.6.2. Funes de Probabilidade Condicional .......................................................22


2.6.3. Variveis Aleatrias Independentes

.......................................................23

3. Valores Esperados Envolvendo Uma nica Varivel Aleatria ....... 24

4.

3.1.

Mdia .......................................................................................................... 24

3.2.

Valor Esperado de Uma Funo de Varivel Aleatria ............ 25

3.3.

Varincia ................................................................................................... 26

Matemtica Financeira ......................................................... 27


4.1.

Taxa efetiva de juros ................................................... 27

4.2.

Funo de acumulao ................................................. 28

4.3.

Taxa instantnea de juros ............................................. 28

4.4.

Valor Presente ............................................................ 30

4.4.1. Valor Presente de uma srie de pagamentos.................................................31


4.5.

Taxas nominais e taxas efetivas .................................... 32

4.6.

Anuidades ou Rendas ................................................... 33

4.6.1. Renda imediata, postecipada e temporria....................................................34


4.6.2. Renda imediata, antecipada e temporria......................................................35
4.6.3. Renda diferida de m anos, postecipada e temporria....................................37

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 6 de 71
4.6.4. Renda diferida de m anos, antecipada e temporria......................................38
4.6.5. Rendas vitalcias (Perpetuidades).................................................................39
4.6.6. Rendas fracionadas........................................................................................40
4.6.7. Rendas contnuas...........................................................................................42
5.

Noes de Derivada e Integral .............................................. 45


5.1.

Noes de Derivada ..................................................... 45

5.2.

Noes de Integral....................................................... 46

6.

Exerccios de Fixao .......................................................... 49

7.

GABARITO ......................................................................... 55

8.

Resoluo dos Exerccios de Fixao ...................................... 56

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 7 de 71

1.

Probabilidade

A probabilidade a teoria matemtica que permeia toda a


Matemtica Atuarial.
Um fenmeno aleatrio quando o seu comportamento
futuro no pode ser previsto com absoluta certeza. Por
exemplo, as condies climticas no dia da prova da SUSEP no
podem ser previstas com 100% de acerto. Por outro lado, possvel
que a previso do tempo seja realizada em termos probabilsticos. Se
voc tiver a curiosidade de consultar o site da empresa Climatempo1,
constatar que a previso dada em termos de tendncias e que,
inclusive, a seguinte observao feita: Esta tendncia resultado
de modelos matemticos e no tem interferncia direta dos
meteorologistas. Estes valores podem variar muito de um dia para o
outro.. Ou seja, a Climatempo est dizendo para os seus clientes,
que so leigos em Meteorologia, que a previso do tempo possui uma
margem de erro e que isto se deve utilizao de modelos
matemticos probabilsticos de previso.
As variveis demogrficas so aleatrias por natureza.
No sabemos quais sero os seus valores futuros seno depois
de observ-los. Para exemplificar, no sabemos quando vamos
morrer (ainda bem!), ou qual a taxa de natalidade que ter o Brasil
em 2010.
Faremos uma breve reviso dos conceitos fundamentais da
teoria da probabilidade nesta aula.
1.1. Os Diferentes Tipos de Probabilidade
A) Probabilidade como a razo entre o nmero de resultados
favorveis e o nmero total de resultados possveis (teoria
clssica)
Nesta abordagem a probabilidade de um dado evento2 E
calculada a priori3 pela frmula

http://www.climatempo.com.br
O conceito de evento ser formalizado mais adiante nesta aula.
3
Aqui, a priori significa aquilo que est relacionado com o raciocnio lgico a partir
de proposies auto-evidentes ou o que pressuposto por experincia. Neste
2

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 8 de 71

(1)

P=

NE
N

em que P a probabilidade de E, NE representa o nmero de


ocorrncias de E e N o nmero de todos os resultados possveis.
Uma noo importante que est subentendida em (1) que os
resultados devem ser equiprovveis.
Exemplo 1. Lance uma moeda no viciada (ou justa) duas vezes. Os
resultados possveis so cara-cara (CC), cara-coroa (CK), coroa-cara
(KC) e coroa-coroa (KK). Qual a probabilidade de se obter pelo
menos uma coroa?
Seja E o evento que denota a obteno de pelo menos uma coroa;
ento E o conjunto dos resultados

E = {CK, KC, KK} .


O nmero de elementos em E 3. Como N = 4, temos que

P[ E ] =

NE 3
= .
N
4

A definio clssica de probabilidade possui alguns defeitos,


como, por exemplo, a sua no capacidade de abordar situaes em
que os resultados so no equiprovveis.
B) Probabilidade como freqncia relativa
Considere n realizaes de um experimento aleatrio (vide
definio mais adiante). Ento, define-se a probabilidade de um dado
evento E como

contexto, a posteriori denotaria o que est relacionado com o raciocnio lgico a


partir dos fatos que so observados.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 9 de 71
(2)

P[ E ] = lim n

nE
n

em que nE denota o nmero de ocorrncias de E. Como na prtica


no podemos obter infinitas realizaes, temos que (2) estima P[E]
dado um valor finito de n. Observe que 0 P[ E ] 1 , pois nE n . Um
dos problemas desta abordagem justamente o fato de nunca
podermos realizar o experimento por um nmero infinito de vezes.
Outra dificuldade que assume-se que a razo nE/n possui um limite
para n tendendo a infinito.
Apesar dos problemas mencionados acima, a definio de
probabilidade como freqncia relativa essencial para a aplicao
da teoria da probabilidade ao mundo real.
C) Probabilidade baseada na teoria axiomtica
Esta a abordagem moderna da probabilidade. Para
desenvolv-la, preciso introduzir os conceitos de experimento
aleatrio, espao amostral e evento.
Um
experimento
aleatrio

simplesmente
um
experimento em que os resultados so no determinsticos,
isto , probabilsticos. O espao amostral o conjunto de todos
os possveis resultados de um experimento aleatrio. Um
evento um subconjunto do espao amostral que satisfaz a
certas restries (no vem ao caso, neste curso, detalhar quais so
estas restries). De forma geral, quase todo subconjunto do espao
amostral um evento4.
O moderno tratamento axiomtico da teoria da probabilidade
em grande parte devido pesquisa do brilhante matemtico russo
Andrei N. Kolmogorov (1903-1987)5.

Nem todo subconjunto do espao amostral um evento. Eventos so


subconjuntos do espao amostral que tm medidas de probabilidade
consistentes com os axiomas da probabilidade do item 1.3.
Apesar deste tipo de informao no ser importante para a prova, no nos custa
nada conhecer um pouco da histria da matemtica e pagar o tributo a um dos
maiores matemticos de todos os tempos!

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 10 de 71
1.2. Conjuntos e Eventos
Um conjunto uma coleo de objetos abstratos ou
concretos. Um exemplo de conjunto concreto o conjunto de todos
os residentes na cidade de So Paulo cuja altura exceda 1,60 m. O
conjunto de todos os habitantes de So Paulo com altura entre 1,60m
e 1,70m um subconjunto do conjunto anterior. No estudo da
probabilidade, ns estamos interessados no conjunto de todos os
possveis resultados de um experimento (espao amostral) e nos
subconjuntos daquele conjunto. comum representar o espao
amostral de um experimento aleatrio usando a letra grega
(mega). Eventos so subconjuntos de . O prprio conjunto
um evento, o qual denominado evento certo.
1.3. Definio Axiomtica de Probabilidade
Seja um experimento aleatrio com espao amostral .
Considere um evento qualquer E. Define-se probabilidade como a
funo P[.] que atribui um nmero P[E] para o evento E do espao
amostral denominado probabilidade de E tal que
a) P[E] 0.
b) P[] = 1.
c) P[E F] = P[E] + P[F] se E F = .
As expresses (a), (b) e (c) so os axiomas da probabilidade.
1.4. Probabilidades Conjunta e Condicional
Assuma que se queira realizar o seguinte experimento: estamos
numa certa cidade do Brasil e desejamos coletar dados sobre o
tempo local. Em particular estamos interessados em trs eventos, os
quais sero denominados A, B e C, onde
A o evento que representa uma temperatura igual ou maior a
20 C em qualquer dia;
B o evento que denota um ndice de precipitao maior ou
igual a 10mm em qualquer dia;
Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 11 de 71

C o evento que representa a ocorrncia simultnea de A e B,


isto , C = AB (ou C = A B);
Como C um evento, P[C] uma probabilidade que satisfaz os
axiomas. Mas P[C] = P[AB]; neste caso, diz-se que P[AB] a
probabilidade conjunta dos eventos A e B.
Em muitas situaes prticas, o fenmeno aleatrio de
interesse pode ser desmembrado em duas etapas. A informao do
que ocorreu numa dada etapa pode influenciar as probabilidades de
ocorrncias das etapas seguintes.
Nestes casos, diz-se que ganhamos informao e que podemos
recalcular as probabilidades de interesse. Essas probabilidades
recalculadas so conhecidas como probabilidades condicionais.
A definio de probabilidade condicional ser motivada pelo exemplo
a seguir.
Exemplo 2. Considere os eventos A, B e C definidos acima. Seja ni o
nmero de dias em que o evento i ocorreu. Ao longo de 1000 dias (n
= 100), foram feitas as seguintes observaes: nA = 711, nB = 406,
nAB = 200. Pela interpretao da probabilidade em termos da noo
de freqncia relativa, podemos estimar que:
P[A] nA/n = 711/1.000 = 0,711
P[B] nB/n = 406/1.000 = 0,406
P[AB] nAB/n = 200/1.000 = 0,200
Agora considere a razo nAB/nA . Esta a freqncia relativa de
ocorrncia do evento AB quando o evento A ocorre. Dito de outra
forma, nAB/nA corresponde frao do tempo em que o ndice de
precipitao maior ou igual a 10mm naqueles dias em que a
temperatura igual ou maior a 20 C. Portanto, estamos lidando com
a freqncia de um evento, dado que (ou condicionado ao fato
de que) outro evento ocorreu. Note que

n AB n AB / n P[ AB]
=

nA
nA / n
P[ A]

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 12 de 71
Este conceito emprico sugere que seja introduzido o conceito
de uma medida de probabilidade condicional definida por

(3)

P[ B / A] =

P[ AB]
,
P[ A]

P[ A] > 0

em que P[ B / A] denota a probabilidade de que B ocorra dado


que A ocorreu.
Similarmente,

(4)

P[ A / B] =

P[ AB]
,
P[ B]

P[ B] > 0

1.5. Independncia
Os eventos A e B, pertencentes ao espao amostral , com
P[A] > 0 e P[B] > 0, so independentes se e somente se
(5)

P[ AB] = P[ A]P[ B] . Importante para a Prova!

Como P[ AB] = P[ B / A]P[ A] = P[ A / B]P[ B] , segue-se que


(6)

P[ A / B] = P[ A]

(7)

P[ B / A] = P[ B]

so vlidas quando A e B so eventos independentes.


A definio de independncia diz que, se A e B so
independentes, ento o resultado B no ter efeito sobre a
probabilidade de A e vice-versa.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 13 de 71

2.

Variveis Aleatrias

2.1. Definio de Varivel Aleatria


Uma quantidade X, associada a cada possvel resultado do
espao amostral, denominada varivel aleatria discreta se
assume valores num conjunto contvel ou enumervel6 (como o
conjunto dos nmeros inteiros ou o conjunto dos nmeros naturais
), com certa probabilidade. Logo, uma varivel aleatria uma
funo, e no uma varivel propriamente dita. So exemplos de
variveis aleatrias discretas:

Nmero de coroas obtido no lanamento de duas moedas;

Nmero de itens defeituosos em uma amostra retirada,


aleatoriamente, de um lote;

Nmero de defeitos em um carro que sai de uma linha de


produo.

Considere o lanamento de duas moedas mencionado acima. O


espao amostral
= {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)},
e os valores que a varivel aleatria X (nmero de coroas) pode
assumir so
X = {0, 1, 2}.
Observe que o valor x = 0 est associado ao resultado (cara, cara), o
valor x = 1 est associado aos resultados (cara, coroa) e (coroa,
cara) e o valor x = 2 est associado ao resultado (coroa, coroa).
Uma varivel aleatria contnua uma funo que associa
elementos do espao amostral ao conjunto dos nmeros reais
(conjunto no enumervel). Exemplos de variveis aleatrias
contnuas:
6

Um conjunto enumervel quando possvel estabelecer uma correspondncia


do tipo um para um (biunvoca) com o conjunto dos nmeros naturais. Isto
quer dizer que possvel contar um conjunto enumervel.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 14 de 71

Tempo de resposta de um sistema computacional;

Volume de gua perdido por dia, num sistema de


abastecimento;

Resistncia ao desgaste de um tipo de ao, num teste


padro.

2.2. Funo Discreta de Probabilidade


A funo que atribui a cada valor de uma varivel aleatria
discreta sua probabilidade chamada de funo discreta de
probabilidade ou, simplesmente, funo de probabilidade

P[ X = xi ] = f ( xi )

(8)

i = 1,2,...

Uma funo de probabilidade satisfaz 0 f(xi) 1 e i f(xi) = 1.


As
variveis
aleatrias
discretas
so
completamente
caracterizadas pela sua funo de probabilidade.
Exemplo 3. Considere o lanamento de um dado no viciado. A
probabilidade de se obter um resultado de 1 a 6 igual a 1/6. O
espao amostral = {1, 2, 3, 4, 5, 6}. A Fig. 1 ilustra a funo de
probabilidade f(xi) =1/6, i = 1, 2, 3, 4, 5, 6, da varivel aleatria X.

f(x)

1/6

1/6

1/6

1/6

1/6

1/6

Figura 1: funo de probabilidade.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 15 de 71

2.3. Funo de Distribuio de Probabilidade


A funo de distribuio ou funo acumulada de
probabilidade de uma varivel aleatria discreta X definida pela
expresso
(9)

F ( x) = P[ X x] .

A Fig. 2 mostra a funo de distribuio F(x) da varivel


aleatria do exemplo 3.

F(x)
1
5/6
2/3
1/2
1/3
1/6

Figura 2: funo de distribuio de probabilidade.

2.4. Funo de Sobrevivncia


A funo de sobrevivncia de uma varivel aleatria discreta
X definida pela expresso
Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 16 de 71

(10)

S ( x) = P[ X > x] .

claro que F(x) + S(x) = 1, para todo x.

2.5. Funes de Distribuio, de Densidade de Probabilidade


e de Sobrevivncia para Variveis Contnuas
Diz-se que f(x) uma funo contnua de probabilidade ou
funo densidade de probabilidade para uma varivel aleatria
contnua X, se satisfaz duas condies:
1. f(x) > 0 para todo x (-,);
2. a rea definida por f(x) igual a 1.
A condio 2 dada pela integral

(11)

f ( x)dx = 1 .

Para calcular probabilidades, temos que, para a b


b

(12)

P[a X b] = f ( x)dx .
a

Observe que a probabilidade de ocorrncia de um dado valor


isolado k sempre nula, ou seja, P[x = k] = 0.
As funes de distribuio e de sobrevivncia de uma
varivel aleatria contnua X tambm so definidas pela expresso
(9) e (10), que podem ser postas nas formas
x

(13)

F ( x) =

f ( )d .

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 17 de 71

(14)

S ( x ) = f ( ) d .
x

De (11), (13) e (14), mais uma vez temos a relao


F(x) + S(x) = 1

As Figuras 3 e 4 ilustram as funes densidade de probabilidade


e de distribuio de uma varivel aleatria Normal (vide definio no
item 4.1).

Figura 3: funo densidade de probabilidade Normal.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 18 de 71

Figura 4: funo de distribuio Normal.

2.6. Funes de Probabilidade Conjunta


possvel definir mais de uma varivel aleatria num mesmo
espao de probabilidade7. Por exemplo, considere o lanamento
simultneo de duas moedas no viciadas. Aqui a ordem do resultado
7

Um espao amostral e uma medida de probabilidade P formam um espao de


probabilidade . Na verdade, esta definio incompleta; no obstante, est
coerente com os conceitos ensinados nesta aula. Para maiores detalhes sobre as
sutilezas da teoria de probabilidade, recomendamos que voc consulte (no
agora que voc est na reta final para a SUSEP, mas somente depois de passar!)
An Introduction to Probability Theory and Its Applications de William Feller.
Esse livro considerado uma das bblias da teoria de probabilidade.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 19 de 71
no importante de modo que os resultados elementares do
experimento aleatrio so 1 = CC (cara-cara), 2 = CK (cara-coroa) e
3 = KK (coroa-coroa). Logo, o espao amostral = {CC, CK, KK}.
Agora vamos definir as variveis aleatrias: X 1 ( ) = 0 se pelo menos
uma das moedas der cara (C) ( X 1 ( ) = 1 para os demais casos) e
X 2 ( ) = 1 se der uma cara e uma coroa (CK) ( X 2 ( ) = +1 para os
demais casos). Ento P[X1=0] = (porque P[CC] = e P[CK]= ),
P[X1=1] = , P[X2=-1] = e P[X2=+1] = . Alm disso, note que a
probabilidade do evento conjunto P[X1=0, X2=+1] = P[CC] = .
O evento conjunto {X x, Y y} = {X x} {Y y} consiste
em todos os resultados tais que X ( ) x e Y ( ) y (veja a Fig.
5).

(x, y)

Figura 5: a regio hachurada representa o evento


conjunto.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 20 de 71

A funo de distribuio conjunta de X e Y definida como


(15)

FXY ( x, y ) = P[ X x, Y y ] .

Se FXY ( x, y ) for contnua e diferencivel (logo X e Y s podem


ser variveis aleatrias contnuas!), a funo densidade de
probabilidade conjunta de X e Y pode ser a partir da expresso

(16)

f XY ( x, y ) =

2
[ FXY ( x, y )] .
xy

A Fig. 6 mostra a funo densidade de probabilidade conjunta


Normal. O volume total sob a superfcie da Fig. 6 igual a um,
haja vista que

XY

( x, y )dxdy = 1

(evento certo).

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 21 de 71

Figura 6: grfico da densidade conjunta Normal.

A probabilidade do evento {X x, Y y} dada por

(17)

FXY ( x, y ) =

d d f

XY

( , ) .

Sejam X e Y variveis aleatrias discretas. Ento a funo


discreta de probabilidade conjunta definida por
(18)

2.6.1.

f XY ( xi , yk ) = P[ X = xi , Y = yk ] .

Funes de Probabilidade Marginal

Dada uma funo densidade de probabilidade conjunta, pode-se


obter a funo densidade de probabilidade de cada uma das variveis
aleatrias individuais.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 22 de 71
Sejam X e Y variveis aleatrias contnuas com densidade
conjunta fXY(x,y). Ento fX(x) e fY(y) so denominadas densidades
marginais de X e Y, respectivamente, se so obtidas de fXY(x,y) por
meio das expresses

(19)

f X ( x) =

XY

( x, y )dy

(20)

fY ( y ) =

XY

( x, y )dx

Note que as funes de densidade de probabilidade marginal


fX(x) e fY(y) correspondem s funes de densidade de probabilidade
individuais de X e Y, respectivamente.
Podemos obter resultados similares para variveis aleatrias
discretas. Dada a funo discreta de probabilidade conjunta fXY(xi,yk),
as funes discretas de probabilidade marginal so dadas por
(21)

f X ( xi ) = f XY ( xi , yk )
k

(22)

f Y ( yk ) = f XY ( xi , yk )
i

2.6.2.

Funes de Probabilidade Condicional

Sejam X e Y variveis aleatrias discretas com funo de


probabilidade conjunta fXY(xi,yk). Ento as funes discretas de
probabilidade condicional P[X=xi/Y=yk] = fX/Y(xi/yk) e P[Y=yk/ X=xi] =
fY/X(yk/xi) so definidas como
(23)

f X / Y ( xi / yk ) =

f XY ( xi , yk )
,
f Y ( yk )

f Y ( yk ) 0

(24)

fY / X ( yk / xi ) =

f XY ( xi , yk )
,
f X ( xi )

f X ( xi ) 0

De (21) e (22) resulta que


(25)

Andr Cunha

f XY ( xi , yk ) = f X / Y ( xi / yk ) fY ( yk ) = fY / X ( yk / xi ) f X ( xi )

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 23 de 71
Podemos definir as densidades condicionais associadas a
duas variveis aleatrias contnuas X e Y (com densidade
conjunta fXY(x,y) e densidades marginais fX(x) e fY(y)) de forma
anloga8. A densidade condicional de Y dado o resultado X = x
definida por

(26)

fY / X ( y / x) =

f XY ( x, y )
,
f X ( x)

f X ( x) 0

e a densidade condicional de X dado o resultado Y = y como

(27)

f X / Y ( x / y) =

f XY ( x, y )
,
fY ( y )

fY ( y ) 0 .

2.6.3. Variveis Aleatrias Independentes


Quando X e Y so variveis aleatrias independentes a
funo de probabilidade conjunta igual ao produto das
funes marginais de probabilidade, ou seja
(28)

f XY ( x, y ) = f X ( x) f Y ( y ) .

Podemos generalizar a frmula (26). Sejam X1, X2, ..., Xn


variveis aleatrias independentes com funo de probabilidade
conjunta f(x1, x2, ..., xn) e funes marginais de probabilidade f(x1),
f(x2), ..., f(xn). Ento vlida a expresso
(29)

f ( x1 , x2 ,..., xn ) = f ( x1 ) f ( x2 )... f ( xn ) .

Se X e Y so independentes, ento a densidade condicional de


X, dado que Y = y ,

(30)
8

f X / Y ( x / y) =

f XY ( x, y ) f X ( x) fY ( y )
=
= f X ( x) .
fY ( y )
fY ( y )

Apesar de termos afirmado que possvel obter as densidades condicionais (24) e


(25) de forma anloga ao caso anterior (que envolvia variveis aleatrias
discretas), observe que (24) e (25) so obtidas a partir da definio de
probabilidade condicional.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 24 de 71

e a densidade condicional de Y, dado que X = x ,

(31)

3.

fY / X ( y / x ) =

f XY ( x, y ) f X ( x) fY ( y )
=
= fY ( y ) .
f X ( x)
f X ( x)

Valores
Esperados
Varivel Aleatria

Envolvendo

Uma

nica

J dissemos que uma varivel aleatria completamente


caracterizada (ou especificada) pela sua funo de
probabilidade. Isto quer dizer que temos toda a informao acerca
de X quando sabemos quem fX(x) (isto , quando conhecemos a
frmula de fX(x)). Na prtica, bastante comum no conhecermos
fX(x). Neste caso, como faramos para caracterizar X?
O fato que normalmente temos acesso a diversas
observaes de uma varivel aleatria e podemos nos aproveitar
deste fato para tentar obter uma descrio, ainda que parcial, da
mesma. Uma maneira alternativa de caracterizar uma varivel
aleatria envolveria a obteno de estimativas de alguns de seus
momentos ou mdias estatsticas. Na prtica, os momentos
mais importantes so a mdia (momento de 1 ordem) e a
varincia (momento de 2 ordem). A mdia uma medida de
posio de fX(x) (veremos o que isso quer dizer logo seguir), ao
passo que a varincia uma medida de disperso (ou do grau
de variabilidade) de fX(x). A Estatstica tambm define momentos
de ordem mais alta como a assimetria (3 ordem) e a curtose (4
ordem), mas eles no sero vistos neste curso porque no so
relevantes para a prova.
Vejamos a seguir os conceitos de mdia e varincia.
3.1. Mdia
A mdia (tambm conhecida como valor esperado ou
esperana) uma medida de posio de uma funo de
probabilidade, servindo para localizar a funo sobre o eixo de
variao da varivel em questo. Em particular, a mdia

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 25 de 71
caracteriza o centro de uma funo de probabilidade9. A mdia
uma caracterstica numrica de uma funo de probabilidade.
Se X for uma varivel aleatria discreta que pode tomar os
valores x1, x2, ..., xn com probabilidades f(x1), f(x2), ..., f(xn), ento a
mdia de X definida por
n

(32) E[ X ] = x1 f ( x1 ) + x 2 f ( x 2 ) + ... + x n f ( x n ) = xi f ( xi ) .
i =1

em que E denota o operador esperana matemtica.


Se a varivel aleatria discreta X puder tomar um nmero
infinito de valores, ento (30) pode ser generalizada na forma

(33) E[ X ] = x1 f ( x1 ) + x 2 f ( x 2 ) + ... + x n f ( x n ) + ... = xi f ( xi ) .


i

O valor esperado de uma varivel aleatria contnua X com


densidade de probabilidade fX(x) dada pela integral

(34) E[ X ] = xf ( x)dx .

3.2. Valor Esperado de Uma Funo de Varivel Aleatria


Seja X uma varivel aleatria discreta com funo de
probabilidade fX(xi) e g(X) uma funo de X. Ento o valor esperado
de g(X)
(35) E[ g ( X )] = g ( xi ) f X ( xi ) .
i

A mediana e a moda tambm so medidas de posio. A mediana tambm


procura caracterizar o centro de uma funo de probabilidade, s que usando um
critrio diferente. A mediana calculada com base na ordem dos valores de uma
varivel aleatria. A moda (ou modas) corresponde ao valor (ou valores) de
mxima probabilidade.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 26 de 71
Caso X seja uma varivel aleatria contnua com densidade de
probabilidade fX(x), o valor esperado de g(X) dado por

(36) E[ g ( X )] =

g ( x) f

( x)dx .

Se g ( X ) = g1 ( X ) + g 2 ( X ) , em que g1(X) e g2(X) tambm so


funes de X, ento vale
(37) E[ g ( X )] = E[ g1 ( X )] + E[ g 2 ( X )] .
Relacionamos abaixo algumas propriedades importantes da
esperana matemtica E(.). Sejam a e c valores constantes e X
uma varivel aleatria (tanto faz se contnua ou discreta), ento
valem:
1. E[c] = c ;
2. E[cX ] = cE[ X ] ;
3. E[a + cX ] = a + cE[ X ] .
Note-se que tambm usual denotar a mdia de X usando o
smbolo X ou a letra grega .
3.3. Varincia
Sejam X uma varivel aleatria (discreta ou contnua) e
g ( X ) = [ X X ]2 uma funo de X. Define-se a varincia de X
(denotada por var(X) ou 2) como o valor esperado E[g(X)] dado por
(38) var( X ) = X2 = E[ g ( X )] = E[ X X ]2 = E[ X 2 2 XX + X 2 ] = E[ X 2 ] [ X ]2
Sejam a e c constantes e Z = a + cX. No difcil
demonstrar que vale a propriedade
(39) var(a + cX ) = c 2 var( X ) .

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 27 de 71

A raiz quadrada da varincia chamada de desvio-padro


ou erro-padro, sendo denotada pelo smbolo .

4.

Matemtica Financeira

Juros simples no tm nenhuma aplicao relevante para a


matemtica atuarial.10 Desta forma, tudo o que se falar daqui para
frente envolver apenas capitalizao composta ou contnua.
Aqui cabe um parntesis: No tem cado questes envolvendo
clculo diferencial e integral nas provas da SUSEP. S que desta vez
a ESAF pede no edital anuidades contnuas. Este tpico s pode ser
tratado atravs de derivadas e integrais. Por isso veremos
matemtica financeira tambm sob essa perspectiva.
a) Se voc j estudou clculo alguma vez na sua vida, no deve
ter problemas nesta parte, e pule o item 5 desta aula.
b) Se voc nunca estudou, vou tentar passar os bizs11 para a
prova. No acredito que a ESAF pegue pesado em clculo, at por ser
a primeira vez que essa matria consta do edital. Isso ser feito no
item 5. Recomendo sua leitura antes do item 4.
c) Se voc nunca estudou, uma outra opo pular essa parte.
Clculo se d em 4 semestres, 6 horas por semana em um curso de
engenharia ou matemtica de alto nvel. No d para aprender em 2
meses. Alm disso, no acredito que caia mais de uma questo
envolvendo clculo. Isso implica que umas nove questes no
envolvero. Por ltimo, todos temos deficincias. Um dos
componentes da frmula do sucesso12 saber reconhec-las, e focar
nos nossos pontos fortes.
4.1. Taxa efetiva de juros
Dito isso, vamos definir taxa efetiva de juros i, como o montante
que uma unidade monetria (u.m.) ir render durante um perodo.
Assim, se temos 1 real no comeo do perodo, no fim dele
teremos 1 + i.

10

Na minha opinio, a melhor aplicao de juros simples para resolver problemas de juros simples em
provas!
11
Carioqus ou Militars para dicas.
12
Desculpe se pareceu brega, mas para mim verdade.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 28 de 71
4.2. Funo de acumulao
Definimos a funo de acumulao a(t) como a que representa o
valor acumulado de uma u.m. no tempo t.
Propriedades de a(t):
1. a(0) = 1
2. t2 > t1 a(t2) > a(t1)
3. a(1) - a(0) = i a(1) = 1 + i
4. a( +) = a().a()
A propriedade 1 vem direto da definio de a(t). A propriedade 2
diz que a taxa de juros sempre positiva. Apesar de
matematicamente podermos ter i negativo, bem razovel sup-lo
positivo para todas as situaes que veremos daqui em diante. A
propriedade 3 vem direto da propriedade 1. E da definio de taxa
efetiva de juros. A propriedade 4 afirma que os juros que rendem 1
u.m. durante um determinado perodo so iguais aos juros
proporcionados por essa mesma u.m. durante uma parte deste
perodo mais os juros obtidos reinvestindo-se o capital resultante
durante o resto do perodo.
Funo de acumulao para t perodos, t inteiro, i constante.
t

k =1

k =1

(40) a (t ) = a(1) = a (1) = a (1) t = (1 + i ) t

13

Funo de acumulao para t perodos, t inteiro, taxa efetiva de


juros de ik, constante durante o perodo k.
t

(41) a(t ) = (1 + ik )
k =1

Note que (40) um caso particular de (41) para i = ik.


4.3. Taxa instantnea de juros capitalizao contnua
A taxa de capitalizao contnua t (l-se delta t) definida por:
(42) t =

13

1 da (t )

a (t ) dt

A frmula (40) vale mesmo para t no inteiro.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 29 de 71

da(t )
a variao da funo acumulao com o tempo. Mede o
dt
quanto de juros foi agregado durante um intervalo de tempo
infinitesimal dt. Dividimos o resultado pelo valor no incio do perodo,
a(t), e temos a taxa instantnea de juros, exatamente como fazemos
no caso discreto.
Dessa forma, t representa e taxa de juros exatamente no
instante t.
Outra forma de apresentar a taxa instantnea de juros 14
(43) t =

d ln(a (t ))
dt

Onde ln( x) = log e ( x) denota o logaritmo neperiano de um nmero


positivo x, ou logaritmo de x na base e 2,71828.
Partindo de (43) chega-se funo de acumulao para o caso
contnuo:
t

(44)

r dr
a(t ) = e 0

Quando a taxa instantnea de juros for constante, t = ,


temos:

(45)

a(t ) = et

Repare que as equaes (40) e (45) referem-se funo de


acumulao para taxas de juros constantes. Assim, temos
obrigatoriamente

(1 + i ) t = e t (1 + i ) t = (e ) t 1 + i = e
E finalmente temos as relaes entre a taxa instantnea de juros
e a taxa de juros i:
(46) = ln(1 + i ) ou
(47) i = e 1
Exemplo 4: Determine a taxa de juros composta equivalente
taxa instantnea de juros = 2%.
Soluo:
Como constante usamos (47):
14

Compare as equaes (42) e (43) com as (12) e (13) da Aula 0.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 30 de 71
i = e 1 = e 0,02 1 = 0,0202 = 2,02%
Exemplo 5: Seja t =0,02t, para 0 t 2. Determine a funo de
acumulao a(t).
Soluo:
Como a taxa instantnea varivel, temos de usar (44):
t

r dr
0 , 02 rdr
a(t ) = e 0 = e 0

Mas

0,02rdr = 0,01r 2

= 0,01 2 2 0,01 0 2 = 0,04

Assim,

0 , 02 rdr
a(t ) = e 0
= e 0,04

4.4. Valor Presente


O valor presente (ou atual) de uma u.m. em t o inverso da
funo de acumulao a(t).
1

1
a(t )

Tempo

Repare a importncia da funo de acumulao para se trazer a


valor presente qualquer montante no futuro.
O valor presente (VP) de M, t perodos frente, no regime de
juros compostos a taxa i a.p. (ao perodo), dado por:

M
Tempo

VP

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 31 de 71
(48) VP =

M
M
=
a(t ) (1 + i ) t

1
. Isso facilita muito nossa notao, posto
(1 + i )
que a equao (48) se reduz a VP = Mv t .
Por definio, v =

O valor presente (VP) de M, t perodos frente, no regime de


capitalizao contnua com taxa de capitalizao contnua t dado
por:

M
Tempo

VP

(49)

4.4.1.

r dr
M
M
VP =
= t
= Me 0
r dr
a(t )
e 0

Valor Presente de uma srie de pagamentos

Sejam dados n pagamentos M1, M2, ... , Mn, nos tempos t1, t2,
... , tn. O VP desta srie de pagamentos, no regime de capitalizao
composta, dado por

M1

M2

Mn
...
Tempo

VP

t1

(50) VP = M 1v + M 2 v + ... + M n v
t1

Andr Cunha

...

t2

t2

tn

= M jv

tn

tj

j =1

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 32 de 71

4.5. Taxas nominais e taxas efetivas


At agora estudamos somente taxas de juros efetivas, isto , o
efetivo custo do dinheiro.
Mas quando algum vai ao banco pedir um financiamento e
informado que os juros nominais cobrados sero de 12% ao ano
com capitalizao mensal (12% a.a.c.c.m), ser que essa pessoa
pagar efetivamente 12% ao ano?
A resposta no. Vejamos o motivo.
A populao em geral leiga em matemtica (e em muitas
outras coisas). Para o leigo, 12% a.a. equivale a 1% a.m. (ao ms).
O seu limite de clculo esse. E assim que so feitas muitas
transaes. Desta forma, 12% a.a.c.c.m significa pagar 12%/12 =
1% ao ms.
Mas quem paga 1% ao ms paga efetivamente quanto ao ano?
Sendo i a taxa anual efetiva, para cada unidade monetria que
ele devia no nicio do ano, ele dever, ao final de um ano, 1 + i.
Mas ele est pagando 1% a.m. Portanto, para cada unidade
monetria que ele devia no nicio do ano, ele dever, ao final de um
ano, (1 + 0,01)12.
Como os dois capitais no fim do ano tm de ser iguais, temos:

1 + i = (1 + 0,01)12 , de onde i = 0,1268


Concluso: 12 % a.a.c.c.m equivalem a 12,68% de taxa efetiva.
Para generalizar o resultado obtido usamos exatamente o
mesmo raciocnio acima.
Sendo:
i(m) = taxa nominal pagvel m vezes por perodo
i = taxa efetiva do perodo
m = nmero de divises do perodo
Temos ento

i (m)
(51) 1 + i = 1 +
m

(52) i

Andr Cunha

(m)

ou

m
= m (1 + i ) 1

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 33 de 71
Nota 1: No necessrio memorizar (52), pois apenas
manipulao algbrica de (51).
Nota 2: No nem necessrio memorizar (51), tendo entendido
como chegamos na frmula.
Nota 3: A taxa efetiva de juros sempre maior ou igual taxa
nominal. As taxas s sero iguais quando forem iguais a zero. i i (m ) .
Nota 4: No confundir taxa efetiva ou taxa nominal com taxa
real r. A taxa real a taxa efetiva descontada a inflao, ou seja,
1+ i
, onde a taxa de inflao do perodo. At segunda
1+ r =
1+
ordem, no vamos usar taxas reais neste curso.
Nota 5: Prova-se que lim i ( m ) = , a taxa instantnea de juros.
m

Exemplo 6: Determine a taxa efetiva anual equivalente a uma


taxa de 20% a.a.c.c.t (20% ao ano com capitalizao trimestral).
Soluo
Como so 4 trimestres ao ano, temos:
m=4
i(m) = 0,2
4

0,2
De (51), 1 + i = 1 +
= 1,2155
4

Assim, a taxa efetiva anual de 21,55%.


4.6. Anuidades ou Rendas
Peo a vocs agora especial ateno neste tpico, devido sua
importncia. Apesar de ainda no pertencer ao escopo da Matemtica
Atuarial, visto que as rendas so certas e portanto independem de
um elemento de risco,15 todo o raciocnio deste item anlogo
ao que veremos na Aula sobre anuidades sob a tica atuarial,
inclusive do ponto de vista notacional.
Rendas so pagamentos peridicos, normalmente anuais,
podendo ser de mesmo montante ou no, efetuados durante
determinado tempo ou infinitamente, comeando imediatamente ou

15

O valor presente das rendas depende do risco de taxa de juros. O que no sofre risco o pagamento a
ser feito. Os antigos detentores de ttulos da Enron no concordam com essa afirmao.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 34 de 71
diferidos por alguns anos, e so pagos ou no incio ou no fim de cada
ano.
Daqui em
falado nada,
constantes e o
taxa de juros

diante, at o final do curso, quando no for


as rendas so formadas por pagamentos
regime adotado o de capitalizao composta
i.

Toda renda discreta segue o esquema grfico abaixo (repetido


por convenincia).

M1

M2

Mn
...
Tempo

VP

(50)

t1

...

t2

tn

VP = M 1v + M 2 v + ... + M n v = M j v
t1

tn

t2

tj

j =1

4.6.1.

Renda imediata, postecipada e temporria

Esta renda segue o seguinte esquema grfico:

1
...
Tempo

VP

...

Esta renda consiste de pagamentos de 1 u.m. a partir do


primeiro ano (imediata), no final de cada ano (postecipada), durante
n anos (temporria).
Notao:
Valor presente (t = 0):

Andr Cunha

an

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 35 de 71

Valor acumulado (t = n):

sn

1 vn
an = v + v + ... + v =
i
n

(53)

sn = (1 + i)

(54)

n1

+ (1 + i)

n 2

(1 + i) n 1
+ ... + (1 + i) + 1 =
i

Para a obteno de (53) foram usados:

O VP de uma soma de fluxos a soma dos VP`s dos


fluxos
A frmula da Soma de termos em Progresso Geomtrica:

Soma =

a1 q n 1
, onde a1 o primeiro termo da srie e q a
q 1

razo entre qualquer termo e seu antecessor.


Repare que

sn = an (1 + i) n . Isso no coincidncia. Pode ser

provado facilmente multiplicando (53) por (1 + i) . Melhor que provar


n

visualizar.

an

sn

so valores da mesma anuidade. A nica

diferena so as datas s quais ambos se referem, 0 e n,


respectivamente. Qualquer fluxo em t = 0 pode ser levado para t = n
n
multiplicando-se por (1 + i) . Logo, podemos ver direto que
(55)

4.6.2.

sn = an (1 + i) n

Renda imediata, antecipada e temporria

Esta renda segue o seguinte esquema grfico:

1
...
Tempo

VP
Andr Cunha

... n-1

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 36 de 71

Esta renda consiste de pagamentos de 1 u.m. a partir do primeiro


ano (imediata), no comeo de cada ano (antecipada), durante n anos
(temporria).
Notao:
Valor presente (t = 0):

a&&n

Valor acumulado (t = n):

&s&n

(56)

a&&n = 1 + v + v + ... + v

(57)

&s&n = (1 + i) + (1 + i)

n 1

n1

1 vn 1 vn
=
=
d
1 v

(1 + i) n 1
+ ... + (1 + i) =
d

Mais uma vez, e pelos mesmos motivos,

(58)

&s&n = a&&n (1 + i) n

16

Aqui cabe outro parntesis. Nas equaes (56) e (57) apareceu


pela primeira vez a taxa de desconto d.
A taxa de juros i a razo entre os juros pagos e o valor inicial
(Vi).
A taxa de desconto d a razo entre os juros pagos e o valor
final (Vf).
Exemplificando, seja um investimento de 100 reais que
acumula no final do perodo 110 reais.
A taxa de juros i dada por

Juros 10
=
= 10%
100
Vi

A taxa de desconto d dada por

16

Juros 10
=
= 9,09%
Vf
110

Deste ponto at o final da aula, nem sempre apresentaremos o valor acumulado, por dois motivos: cai
muito menos e, se cair, basta levar o VP ao VF, como fizemos em (55) e (58).

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 37 de 71
Relaes entre d, i e v.

Juros
Vi
Juros
i
d=
=
d =
Vf
Vf
1+ i
Vi
v+d =

1
i
+
v + d =1
1+ i 1+ i

Isto posto, voltemos s anuidades.


4.6.3.

Renda diferida de m anos, postecipada e temporria

Esta renda segue o seguinte esquema grfico:

...

1
...
Tempo

VP0

VPm

m+1

m+2

...

m+n

Esta renda consiste de pagamentos de 1 u.m. a partir do


m-simo ano (diferida), no final de cada ano (postecipada), durante n
anos (temporria).
Notao:
Valor presente (t = 0): m / an
Podemos calcular essas rendas diretamente, como fizemos em
(53) e (54), sem maiores dificuldades. Mas preferimos calcular de
outra forma, pois o raciocnio que usaremos o mesmo que vamos
precisar para resolver as questes de concurso.
Primeiro passo: Calcular o valor dessa renda no instante m
( VPm ):
Esse valor nada mais que o valor presente de uma renda
imediata, postecipada e temporria, ou seja,

Andr Cunha

an

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 38 de 71
Segundo passo: Calcular o valor dessa renda no instante 0. Em
outras palavras, trazer essa renda do instante t = m para o instante
t = 0.
Para isso, basta multiplicar VPm por vm. Desta forma,

(59)

1 v n v m v m+ n
=
m / an = v an = v
i
i
m

Outra forma de calcular m / an


(60)

m/

an = am+n am

17

A equao (60) decorre do fato de que uma renda diferida de m


anos, temporria por n anos, pode ser interpretada como uma renda
imediata durante m + n anos, subtraindo-se uma renda imediata de
m anos.
Desenvolvendo (60), temos que:

1 v m+ n 1 v m v m v m+ n

=
m / an =
i
i
i
4.6.4.

Renda diferida de m anos, antecipada e temporria

Esta renda segue o seguinte esquema grfico:

1
...

...

Tempo

VP0

VPm

m+1

...

m+n-1

m+n

Esta renda consiste de pagamentos de 1 u.m. a partir do


m-simo ano (diferida), no comeo de cada ano (antecipada),
durante n anos (temporria).
Notao:

17

Faltou a cantoneira no termo am+n, por limitaes do editor de texto utilizado.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 39 de 71

&&n
Valor presente (t = 0): m / a
&&n .
Primeira forma de calcular m / a
Primeiro passo: Calcular o valor dessa renda no instante m
( VPm ):
Esse valor nada mais que o valor presente de uma renda
imediata, antecipada e temporria, ou seja,

a&&n

Segundo passo: Calcular o valor dessa renda no instante 0. Em


outras palavras, trazer essa renda do instante t = m para o instante
t = 0.
Para isso, basta multiplicar VPm por vm. Desta forma,

(61)

1 v n v m v m+ n
&&
&&
=
m / an = v an = v
d
d
m

Outra forma de calcular m / an


(62)

m/

a&&n = a&&m+n a&&m

A interpretao de (62) anloga


desenvolvimento deixamos para o aluno.
4.6.5.

de

(60).

Rendas vitalcias (Perpetuidades)

Rendas vitalcias, anuidades vitalcias, ou ainda perpetuidades,


consistem de pagamentos de 1 u.m. feitos eternamente. Pode
parecer elucubrao matemtica, mas no . Em 2009, o Banco do
Brasil precificou uma captao de bnus perptuos no valor de US$
1,5 bilho!18
As perpetuidades podem ser imediatas ou diferidas, antecipadas
ou postecipadas, mas obviamente nunca temporrias. Temos ento
quatro casos possveis para as perpetuidades:

18

Fonte: www.bb.com.br

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 40 de 71

imediata postecipada:

imediata antecipada:

diferida de m anos postecipada: m / a

&&
diferida de m anos antecipada: m / a

a&&

Para calcul-las, ou voc utiliza o mesmo raciocnio empregado


para o clculo das anuidades temporrias, ou percebe que as
perpetuidades so apenas um caso limite das anuidades temporrias,
quando o nmero de anos n tende ao infinito. Optamos pela segundo
mtodo. Temos ento, dado que lim v n = 0 :
n

(63)

(64)

(65)

(66)

4.6.6.

1 vn 1
a = lim an = lim
=
n
n
i
i
1 vn 1
a&& = lim a&&n = lim
=
n
n
d
d
v m v m+ n v m
=
m / a =limm / an = lim
n
n
i
i
v m v m+ n v m
&&
&&
=
m / a =limm / an = lim
n
n
d
d

Rendas fracionadas

No pretendemos neste resumo de matemtica financeira


esgotar o assunto. Mas vamos introduzir aqui o conceito de rendas
fracionadas, e quando estudarmos o assunto em matemtica atuarial
nos aprofundaremos.
As anuidades fracionadas podem ser imediatas ou diferidas,
antecipadas ou postecipadas, temporrias ou perptuas. Vamos
apresentar agora apenas renda fracionada imediata, postecipada e
temporria. As derivaes dos outros 7 casos so anlogas s que
fizemos nos subitens 4.6.1 a 4.6.5.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 41 de 71
Esta renda segue o seguinte esquema grfico:

1/m

1/m

1/m
...
Tempo

VP

1/m

...

2/m

nm
=n
m

Esta renda consiste de pagamentos de 1 u.m. ao ano, divididos


em m vezes de 1/m, pagos imediatamente, no final de cada
subperodo, durante n anos.
Notao:
Valor presente (t = 0):

an(m)

Valor acumulado (t = n):

sn(m)

Temos ento

( m)
n

1
2
3
1
n

1 m
= v + v m + v m + ... + v m + v n
m

O termo entre parntesis uma P.G. de nm termos cujos


1

primeiro termo e razo so iguais a v m . Assim,

( m)
n

1 nm

1 1 vm
1

vm vm

=
=
1
m
m
m

1
v

n
1 v
1

m
1 v

Multiplicando denominador e numerador da equao acima por

(1 + i )

1
m

, e usando a relao

Andr Cunha

1
m

1
m

v (1 + i ) = 1

e a equao (52) temos:

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 42 de 71

(67)

( m)
n

1 vn
=
= ( m)
1
i

m (1 + i) 1

s n( m) = a (nm) (1 + i) n , segue que

e como

(68)

1 vn

( m)

sn

1 vn
(1 + i) n 1
n
= ( m) (1 + i) =
i
i ( m)

Repare na semelhana das frmulas (67) e (68) com as frmulas


(53) e (54), respectivamente. Elas diferem apenas pelo denominador,
i ( m ) no caso fracionrio e i no caso no fracionrio.
Como i i (m ) , a n( m ) a n e s n( m ) s n
Em outras palavras, o VP da anuidade fracionada postecipada
maior que o VP da paga somente uma vez no perodo. Este um
resultado esperado, pois os pagamentos foram antecipados.
4.6.7.

Rendas contnuas

Estudamos o pagamento de uma renda sendo feito em m vezes


durante o ano. Agora imagine a frequncia m se tornando cada vez
maior, indefinidamente, e o intervalo de tempo 1/m cada vez menor,
indefinidamente. Teremos assim o que chamamos de renda contnua.
Repare que nesse caso no faz sentido se falar em renda
antecipada ou postecipada, mas continua a fazer sentido renda
diferida ou imediata, e renda temporria ou vitalcia.
Como fizemos com rendas fracionadas, vamos estudar apenas
um caso. Os outros 3 casos so anlogos.
Anuidade contnua, imediata e vitalcia
Notao:
Valor presente (t = 0):
Valor futuro (t = n):

an

sn

Do exposto temos que:


(69)
Andr Cunha

an = lim a
m

( m)
n

1 vn 1 vn
,
= lim ( m) =
m i

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 43 de 71
Onde usamos o fato de lim i

( m)

= , a taxa instantnea de juros.

A nica diferena da equao (69) para (53) e (56) que no


denominador aparece a taxa instantnea de juros , no lugar de i e
d, respectivamente.
Outra forma de provar a equao (69) calcular a integral
n

vt v n v0
t
an = v dt =
= ln v ,
ln
v

0
0
n

Como

ln v = ln(1 + i) 1 = ln(1 + i) = ,

vn 1 1 vn
,
an =
=

Segue que

Para o clculo do

sn

sn = an (1 + i) =
n

, adivinhem:

(1 + i) n 1

Exemplo 7: Um felizardo foi contemplado por uma promoo de


sua operadora de carto de crdito que lhe dar R$ 5.000,00 por
ms, durante 10 anos, sempre no final de cada ms. Sabendo que a
taxa de juros de mercado de 1% a.m., determine quanto que a
operadora teria de separar hoje, para honrar esse compromisso. O
primeiro pagamento dentro de um ms.
Soluo:
Trata-se de uma renda imediata, postecipada e temporria.
Temos o esquema abaixo:

5.000

5.000

5.000
...
Tempo

VP
Andr Cunha

...

http://www.pontodosconcursos.com.br

120
SUSEP 2010

Pgina 44 de 71

A operadora ter de separar o VP desta renda. Usando (53),

VP = 5000a120

1 vn
1 1,01120
= 5000
= 5000
= 5000 69,70052
0,01
i

Assim, VP = R$348.502,60.
Exemplo 8: Uma empresa planeja emitir bnus perptuos
remunerando o seu detentor taxa de 10% a.a. Supondo que cada
bnus tenha cupons anuais de R$ 500,00, o primeiro sendo pago no
dia da emisso, determine o quanto a empresa vai conseguir captar
se emitir 100.000 bnus.
Soluo:
Esta renda segue o seguinte esquema grfico (por bnus):

500

500

500
...
Tempo

VP

...

Esta uma perpetuidade imediata antecipada. Para um bnus,


usando (64), temos:

VP = 500 a&& = 500


Mas d =

Assim,

1
d

i
0,1
1
=
=
1 + i 1 + 0,1 11

VP = 500

Andr Cunha

1
= 500 11 = 5500
d

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 45 de 71
Como a empresa planeja emitir 100.000 bnus, ela deve captar
100.000 x 5.500 = R$ 550.000.000

5.

Noes de Derivada e Integral

O melhor nome para esse item seria Remendo de Clculo,


mas ficaria muito feio no ndice.
Procuramos ser rigorosos ao tratar da Teoria das Probabilidades
e de Matemtica Financeira.
Para o clculo integral, no temos a menor pretenso de sermos
rigorosos. Tratar com rigor essa matria, mesmo em um resumo, no
tomaria menos de 100 pginas de material, algo de que no
dispomos e nem precisamos.
Este item se destina aos que nunca viram clculo integral antes,
e seu objetivo ajudar no clculo de algumas integrais bsicas, caso
caiam na prova da SUSEP. mais um guia de como calcular algumas
derivadas e integrais.
Agora, e somente agora, o objetivo no aprender, decorar.
Quem quiser aprender, deve faz-lo aps o concurso, pois mesmo
que no estudasse mais nada alm de clculo at a prova da SUSEP,
ainda assim o tempo seria insuficiente para sua devida compreenso.
Aos demais j iniciados em clculo, sugiro ir diretamente aos
exerccios.
5.1. Noes de Derivada
Para o que pode cair na prova, toda funo derivvel. Isto ,
toda funo f(x) tem uma derivada chamada f`(x).19 A tabela
abaixo lista as principais funes e suas respectivas derivadas,sendo
a uma constante qualquer, e g e h funes de x.

19

Isto no verdade. H funes no derivveis em alguns pontos. H at funes no derivveis em


nenhum ponto.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 46 de 71
f(x)
a
x
xa
ln( x)

f`(x)
0
1
ax a 1
1/x
ex
a x ln(a)

ex
ax
ag

a g'

g+h

g ' + h'

5.2. Noes de Integral


Integral o inverso da derivada. Sendo mais preciso, se
queremos calcular a integral de f(x), queremos calcular uma funo
F(x) tal que F(x) = f(x).

2 x 21

Por exemplo, se f(x) = 2x, F ( x) = x 2 , pois a derivada de x 2


= 2x .

Como a derivada de uma constante zero, qualquer funo do


tipo F ( x) = x 2 + c, c constante, uma integral de f(x).
Notao: F ( x) = f ( x)dx
Assim, como fizemos para as
principais integrais na tabela abaixo.

Andr Cunha

derivadas,

f(x)

F(x)

x+c

xa

x a +1
+c
a +1

1/x

ln(x) + c

ex

ex + c

ax

ax
+c
ln(a )

ag

a G

g+h

G+H

http://www.pontodosconcursos.com.br

resumimos

SUSEP 2010

as

Pgina 47 de 71

Na tabela acima, novamente a uma constante qualquer, g e h


so funes de x. G e H so as integrais de g e h, respectivamente.
Exemplos:
a) f ( x) = x F ( x) =
5

x6
f ( x)dx = x dx =
+c
6
5

b) f ( x) = 4 F ( x) = 4dx = 4 1dx = 4 x + c
c) f ( x) = x 2 + 3 x + 10 F ( x) = f ( x)dx = ( x 2 + 3x + 10)dx

f ( x) = x 2 dx + 3xdx + 10dx =

x3
x2
+ 3
+ 10 x + c
3
2

A integral que vimos acima a chamada integral indefinida.


Sempre haver a constante na soma.
O que pode cair na prova so as integrais definidas. So
praticamente iguais s definidas, mas com uma diferena.
Vamos estabelecer a integral definida de f(x), variando no
intervalo de a at b, como segue:
b

f ( x)dx =F (b) F (a)


a

Assim, so os seguintes passos que temos de tomar para


calcular uma integral.
1 passo: Calcular a integral indefinida F(x)
2 passo: Calcular F(b) e F(a)
3 passo: Calcular F(b) - F(a)
simples assim. No tem segredo. Mas no vou lhe enganar.
Com isso, voc, que no pulou essa parte, no vai ter aprendido nada
de clculo. Mas vai responder s questes que envolvem integrais.
s isso que importa.
Exemplos:
6

d) Calcule

(x

+ 3 x + 10)dx .

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 48 de 71
1 passo: Vimos, no exemplo c), que a integral indefinida da
x3
x2
funo ( x 2 + 3x + 10) F ( x) =
+ 3
+ 10 x + c
3
2
2 passo:

F (6) =

63
62
+ 3 + 10 6 + c = 72 + 54 + 60 + c = 186 + c
3
2

F (0) = c
3 passo:
6

Portanto,

(x

+ 3 x + 10)dx = F (6) F (0) = 186 + c c = 186

Repare que a constante c foi anulada durante o processo. Como


isso sempre ocorrer na integral definida, na prtica no vamos mais
escrever a constante no clculo da integral.

10

e) Calcule

v dt
t

Para a integral, v constante (s no constante o que


depender da varivel de integrao, que neste caso t)

Da tabela, a integral de v t

vt
. Teremos ento
ln v

10

vt
v10 v 0
v10 1
v 10 1
1 v 10
0 v dt = ln v = ln v = ln(1 + i) 1 = ln(1 + i) =
0

10

S para concluir. Clculo muito mais que isso. Mas dificilmente


numa prova da ESAF cair algo mais sofisticado. Mesmo assim, se
cair, uma questo somente no capaz de lhe tirar do preo.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 49 de 71

6.

Exerccios de Fixao

O enunciado abaixo refere-se s questes de nmeros 1 a 4.


Aps vrios anos de magistrio no ensino superior, um professor de
Estatstica constatou que, em sua aula na graduao, a funo de
probabilidade de X, varivel aleatria que representa o nmero de
alunos ausentes s sextas-feiras, a seguinte
X

f(x)

0,010

0,020

0,310

0,320

0,240

0,080

0,019

0,001

1. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4


alunos estaro ausentes
(A) 0,63
(B) 0,13
(C) 0,87
(D) 0,56
(E) 1
2. O valor esperado da varivel aleatria X
(A) 3,08
(B) 3,26
(C) 2,12
(D) 0,32
(E) 0,96

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 50 de 71
3. O valor esperado de Y = 5X + 4
(A) 4
(B) 3,1
(C) 15,4
(D) 19,4
(E) 81
4. A varincia de X
(A) 9,49
(B) 1,22
(C) 10,71
(D) 19,4
(E) 81
O enunciado a seguir refere-se s questes de nmeros 5 e 6.
Seja X uma varivel aleatria com densidade de probabilidade
f X ( x) = 2 2 x para 0 x 1 e f X ( x) = 0 para os demais valores.
5. A probabilidade de se obter X maior do que 0
(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 51 de 71
6. A probabilidade de se obter X maior do que 0,5
(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

O enunciado a seguir refere-se s questes de nmeros 7 a 10


Um total de 15.064.859 alunos esto matriculados no ensino
superior, divididos entre cursos com durao de 4 anos, de 2 anos e
de menos de 2 anos. A matrcula, separada por sexo, mostrada na
tabela a seguir.
4 anos

2 anos

Menos de 2 anos

Homens

4.076.416

2.437.905

172.874

Mulheres

4.755.790

3.310.086

311.788

Fonte: Digest of Educational Statistics 1997, Tabela 170.

Nessa populao, as probabilidades aproximadas de matrcula em um


dos tipos de instituio de ensino superior, por sexo, so
4 anos

2 anos

Menos de 2 anos

Homens

0,27

0,16

0,01

Mulheres

0,32

0,22

0,02

Considere o experimento de extrair aleatoriamente um estudante


matriculado de sua populao. Defina a varivel aleatria X = 0, se
um homem selecionado, e X = 1, se uma mulher selecionada.
Defina a varivel aleatria Y = 1, se o estudante escolhido de um
curso de 4 anos, Y = 2, se o estudante escolhido de um curso de 2
anos e Y = 3, se de um curso de menos de 2 anos.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 52 de 71
7. Qual a probabilidade do estudante escolhido aleatoriamente ser
homem (X = 0)?
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03

8. Qual a probabilidade de um estudante, escolhido aleatoriamente,


ser de um curso de 2 anos (Y = 2)?
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03
9. Assinale a alternativa com a funo discreta de probabilidade
marginal f ( x) .

0, x = 0
(A) f ( x) =
1, x = 1
0,56, x = 0
(B) f ( x) =
0,44, x = 1
0,44, x = 0
(C) f ( x) =
0,56, x = 1
0,59, x = 0
(D) f ( x) =
0,38, x = 1
0,38, x = 0
(E) f ( x) =
0,59, x = 1

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 53 de 71
10. A funo de probabilidade condicional para Y, dado que X =1
0,57, y = 1

(A) fY / X ( y / x = 1) = 0,40, y = 2
0,02, y = 3

0,02, y = 1

(B) fY / X ( y / x = 1) = 0,29, y = 2
0,48, y = 3

0,48, y = 1

(C) fY / X ( y / x = 1) = 0,29, y = 2
0,02, y = 3

0,04, y = 1

(D) fY / X ( y / x = 1) = 0,40, y = 2
0,57, y = 3

0,57, y = 1

(E) fY / X ( y / x = 1) = 0,40, y = 2
0,04, y = 3

11. Determine o valor presente de uma anuidade que paga R$20 de


forma contnua, durante 6 anos e meio. A taxa de juros composta
de 10% a.a.
12. (AFC STN 2008 ESAF) Em uma loja de departamentos est
sendo oferecida a seguinte promoo: nas compras acima de
R$ 5.000,00, o valor parcelado em 5 parcelas mensais, iguais e
sucessivas, sendo a primeira em 90 dias. Com base nessa condio
e sabendo que a taxa aplicada ao mercado de 2,5% a. m., podemos
afirmar financeiramente que:
A) as compras com valores de at R$ 5.000,00, quando parceladas,
compensam financeiramente as compras de valores superiores a este
valor, indicadas pela promoo.
B) a loja deve fazer mais vezes esta promoo, especialmente em
pocas festivas tipo Natal, pois trar um maior volume de vendas e
de ganho nas operaes.
C) 10% um desconto possvel para o pagamento a vista.
D) o valor a vista no pode ter desconto, pois no propicia o retorno
dos clientes, implicando em prejuzos operao.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 54 de 71
E) a loja deve evitar fazer esta promoo, pois, por ter custo
financeiro, descapitaliza a empresa, visto que reduz financeiramente
seu capital de giro.
13. Uma perpetuidade antecipada e imediata tem, a uma taxa de
juros de 5%, valor presente de R$ 210. Qual o valor de cada
pagamento?
14. Considere uma anuidade que paga 1 real no fim do primeiro
perodo, 2 reais no fim do segundo, e assim por diante, at o fim do
sexto perodo, quando paga 6 reais. Determine uma expresso para o
valor
presente
desta
renda.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 55 de 71

6.

GABARITO

1C
2A
3D
4B
5E
6C
7A
8D
9C
10 - E
11 - R$ 96,90
12 C
13 - R$ 10
14 -

a&&6 6v 6
i

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 56 de 71

7.

Resoluo dos Exerccios de Fixao

O enunciado abaixo refere-se s questes de nmeros 1 a 4.


Aps vrios anos de magistrio no ensino superior, um professor de
Estatstica constatou que, em sua aula na graduao, a funo de
probabilidade de X, varivel aleatria que representa o nmero de
alunos ausentes s sextas-feiras, a seguinte
X

f(x)

0,010

0,020

0,310

0,320

0,240

0,080

0,019

0,001

1. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4


alunos estaro ausentes
(A) 0,63
(B) 0,13
(C) 0,87
(D) 0,56
(E) 1
Resoluo
A probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 estaro
ausentes dada por
4

f ( x) = 0,310 + 0,320 + 0,240 = 0,87


x=2

GABARITO: C

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 57 de 71
2. O valor esperado da varivel aleatria X
(A) 3,08
(B) 3,26
(C) 2,12
(D) 0,32
(E) 0,96
Resoluo
7

E[ X ] = xf ( x)
x =0

Logo, E[X]

= 0 0,01 + 1 0,02 + 2 0,31 + 3 0,32 + 4 0,24 + 5 0,08 + 6 0,019 + 7 0,001 = 3,081 3,08
GABARITO: A
3. O valor esperado de Y = 5X + 4
(A) 4
(B) 3,1
(C) 15,4
(D) 19,4
(E) 81
Resoluo

E[Y ] = E[5 X + 4] = 5E[ X ] + 4 = 5 3,081 + 4 = 15,405 + 4 = 19,405 19,4 .


GABARITO: D

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 58 de 71
4. A varincia de X
(A) 9,49
(B) 1,22
(C) 10,71
(D) 20,305
(E) 85,525
Resoluo
7

var( X ) = E[ X 2 ] X 2 = x 2 f ( x) X 2 .
x =0

f ( x) =0 2 0,01 + 12 0,02 + 2 2 0,31 + 3 2 0,32 + 4 2 0,24 + 5 2 0,08 +

x =0

+ 6 2 0,019 + 7 2 0,001 = 10,713


Ento,

var( X ) = E[ X 2 ] X 2 = 10,713 3,0812 = 10,713 9,493 = 1,22 .


GABARITO: B
O enunciado a seguir refere-se s questes de nmeros 5 e 6.
Seja X uma varivel aleatria com densidade de probabilidade
f X ( x) = 2 2 x para 0 x 1 e f X ( x) = 0 para os demais valores.
5. A probabilidade de se obter X maior do que 0
(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1
Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 59 de 71

Resoluo
O grfico da funo densidade de probabilidade f X ( x) = 2 2 x est
representado abaixo. A probabilidade de se obter X maior do que 0 ,
por definio, igual rea sob f(x), a qual unitria, pois representa
a probabilidade do evento certo. Conferindo:

P[ X > 0] =

base altura 1 2
=
= 1.
2
2

f(x)
2

0,5

GABARITO: E
6. A probabilidade de se obter X maior do que 0,5
(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 60 de 71

Resoluo
A probabilidade de se obter X maior do que 0,5 igual rea sob f(x)
no intervalo 0,5 < x 1 . Ou seja

P[ X > 0,5] =

0,5 1
= 0,25 .
2

GABARITO: C
O enunciado a seguir refere-se s questes de nmeros 7 a
10.
Um total de 15.064.859 alunos esto matriculados no ensino
superior, divididos entre cursos com durao de 4 anos, de 2 anos e
de menos de 2 anos. A matrcula, separada por sexo, mostrada na
tabela a seguir.
4 anos

2 anos

Menos de 2 anos

Homens

4.076.416

2.437.905

172.874

Mulheres

4.755.790

3.310.086

311.788

Fonte: Digest of Educational Statistics 1997, Tabela 170.

Nessa populao, as probabilidades aproximadas de matrcula em um


dos tipos de instituio de ensino superior, por sexo, so
4 anos

2 anos

Menos de 2 anos

Homens

0,27

0,16

0,01

Mulheres

0,32

0,22

0,02

Considere o experimento de extrair aleatoriamente um estudante


matriculado de sua populao. Defina a varivel aleatria X = 0, se
um homem selecionado, e X = 1, se uma mulher selecionada.
Defina a varivel aleatria Y = 1, se o estudante escolhido de um
curso de 4 anos, Y = 2, se o estudante escolhido de um curso de 2
anos e Y = 3, se de um curso de menos de 2 anos.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 61 de 71
7. Qual a probabilidade do estudante escolhido aleatoriamente ser
homem (X = 0)?
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03
Resoluo
Seja

f XY ( xi , yk ) ,

i = 1,2

k = 1,2,3 ,

funo

discreta

de

probabilidade conjunta da populao de homens e mulheres da


questo. Sendo assim, temos as seguintes probabilidades
conjuntas:
f XY ( x = 0, y = 1) = 0,27 (i=1, k=1), f XY ( x = 0, y = 2) = 0,16 (i=1, k=2),
f XY ( x = 0, y = 3) = 0,01 (i=1, k=3),
f XY ( x = 1, y = 1) = 0,32 (i=2, k=1),
f XY ( x = 1, y = 2) = 0,22 (i=2, k=2) e f XY ( x = 1, y = 3) = 0,02 (i=2, k=3).

Note

que

f
i =1 k =1

XY

( xi , yk ) = 0,27 + 0,16 + 0,01 + 0,32 + 0,22 + 0,02 = 1

(probabilidade do evento certo).


O enunciado determina que a
Observe que P[ X = 0] = f X ( x = 0) ,
escolhido aleatoriamente ser
marginal f X (x) no ponto x =0.

probabilidade P[ X = 0] seja calculada.


isto , a probabilidade de o estudante
homem igual probabilidade
Vimos que f X ( xi ) = f XY ( xi , yk ) . Logo,
k

P[ X = 0] = f X ( x = 0) = f XY ( x = 0, y = 1) + f XY ( x = 0, y = 2) + f XY ( x = 0, y = 3)]

P[ X = 0] = 0,27 + 0,16 + 0,01 = 0,44


GABARITO: A

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 62 de 71
8. Qual a probabilidade de um estudante, escolhido aleatoriamente,
ser de um curso de 2 anos (Y = 2)?
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03
Resoluo
Seja g Y ( y ) = f XY ( xi , yk ) a funo de probabilidade marginal de Y.
i

P[Y = 2] = g Y ( y = 2)
g Y ( y = 2) = f XY ( x = 0, y = 2) + f XY ( x = 1, y = 2)

P[Y = 2] = P[ X = 0, Y = 2] + P[ X = 1, Y = 2] = 0,16 + 0,22 = 0,38 .


GABARITO: D
9. Assinale a alternativa com a funo discreta de probabilidade
marginal f ( x) .

0, x = 0
(A) f ( x) =
1, x = 1
0,56, x = 0
(B) f ( x) =
0,44, x = 1
0,44, x = 0
(C) f ( x) =
0,56, x = 1
0,59, x = 0
(D) f ( x) =
0,38, x = 1
0,38, x = 0
(E) f ( x) =
0,59, x = 1

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 63 de 71
Resoluo
Sabemos que f X ( xi ) = f XY ( xi , yk ) . Portanto,
k

f X ( x = 0) = f XY ( x = 0, y = 1) + f XY ( x = 0, y = 2) + f XY ( x = 0, y = 3) = 0,44
na questo 7).

(calculado

f X ( x = 1) = f XY ( x = 1, y = 1) + f XY ( x = 1, y = 2) + f XY ( x = 1, y = 3) =

= 0,32 + 0,22 + 0,02 = 0,56 .


Assim a funo de probabilidade marginal f ( x ) dada por

0,44, x = 0
f ( x) =
0,56, x = 1
GABARITO: C
10. A funo de probabilidade condicional para Y, dado que X =1
0,57, y = 1

(A) fY / X ( y / x = 1) = 0,40, y = 2
0,02, y = 3

0,02, y = 1

(B) fY / X ( y / x = 1) = 0,29, y = 2
0,48, y = 3

0,48, y = 1

(C) fY / X ( y / x = 1) = 0,29, y = 2
0,02, y = 3

0,04, y = 1

(D) fY / X ( y / x = 1) = 0,40, y = 2
0,57, y = 3

0,57, y = 1

(E) fY / X ( y / x = 1) = 0,40, y = 2
0,04, y = 3

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 64 de 71

Resoluo
Pela definio de probabilidade condicional temos que

fY / X ( y = 1 / x = 1) =

4.755.790
0,57
8.377.664

fY / X ( y = 2 / x = 1) =

3.310.086
0,40
8.377.664

fY / X ( y = 3 / x = 1) =

311.788
0,04
8.377.664

Observe que

fY / X ( y = 1 / x = 1) + fY / X ( y = 2 / x = 1) + fY / X ( y = 3 / x = 1) 1 (evento certo)
Assim a funo de probabilidade marginal fY / X ( y / x = 1) dada por

0,568, y = 1

fY / X ( y / x = 1) = 0,395, y = 2
0,037, y = 3

fY / X ( y / x = 1) = 0 p/ os demais valores de y.

Tambm podemos resolver a questo usando a frmula

fY / X ( y / x = 1) =

f XY ( x, y )
.
f ( x = 1)

Assim sendo,

fY / X ( y = 1 / x = 1) =

f XY ( x = 1, y = 1) 0,32
=
0,57
f ( x = 1)
0,56

fY / X ( y = 2 / x = 1) =

f XY ( x = 1, y = 2) 0,22
=
0,40
f ( x = 1)
0,56

fY / X ( y = 2 / x = 1) =

f XY ( x = 1, y = 3) 0,02
=
0,04
f ( x = 1)
0,56

GABARITO: E
Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 65 de 71

11. Determine o valor presente de uma anuidade paga R$20 de


forma contnua, durante 6 anos e meio. A taxa de juros composta
de 10% a.a.
Resoluo

O enunciado pede

a 6,5 =

1 v 6 ,5

20a6,5 .

Da frmula (69), temos que

Foi dado i = 10%, a taxa de juros composta. Vamos calcular a


taxa instantnea de juros .

= ln(1 + i) = ln1,10 = 0,953 .

Portanto, 20a 6,5 = 20

1 v 6,5

1 1,10 6,5
= 20
= 20 4,85 = 96,90
0,0953

GABARITO: R$ 96,90
12. (AFC STN 2008 ESAF) Em uma loja de departamentos est
sendo oferecida a seguinte promoo: nas compras acima de
R$ 5.000,00, o valor parcelado em 5 parcelas mensais, iguais e
sucessivas, sendo a primeira em 90 dias. Com base nessa condio
e sabendo que a taxa aplicada ao mercado de 2,5% a. m., podemos
afirmar financeiramente que:
A) as compras com valores de at R$ 5.000,00, quando parceladas,
compensam financeiramente as compras de valores superiores a este
valor, indicadas pela promoo.
B) a loja deve fazer mais vezes esta promoo, especialmente em
pocas festivas tipo Natal, pois trar um maior volume de vendas e
de ganho nas operaes.
C) 10% um desconto possvel para o pagamento a vista.
D) o valor a vista no pode ter desconto, pois no propicia o retorno
dos clientes, implicando em prejuzos operao.
E) a loja deve evitar fazer esta promoo, pois, por ter custo
financeiro, descapitaliza a empresa, visto que reduz financeiramente
seu capital de giro.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 66 de 71

Resoluo
Questo facilitada pelo examinador, pois as opes A, B, D e E
no fazem o menor sentido. Mas vamos ver porque o item C est
correto.
Para facilitar os clculos vamos supor uma compra no valor de
10.000. O raciocnio funciona para qualquer valor que voc escolher.
Assim, pela promoo, sero pagas 5 parcelas mensais iguais
de 2.000, a primeira em 90 dias.
Temos ento o seguinte esquema grfico, sendo o tempo
expresso em meses:

2000

2000

2000

2000

2000

Tempo (meses)

VP0

A taxa de juros de mercado de 2,5% a.m.


Vamos calcular o VP dos pagamentos.
Trata-se de uma anuidade diferida e temporria. Pode ser
antecipada (3 anos de diferimento) ou postecipada (2 anos de
diferimento). Por que?

Antecipada:

VP = 20003 / a&&5

Postecipada:

VP = 20002 / a5

Vamos usar a segunda frmula: ambas tm de dar o mesmo


resultado. Verifique.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 67 de 71
De (59) :

1,0252 1,0257
VP = 20002 / a5 = 2000
= 2000 4,4220 = 8844
0,025
Assim, uma venda de 10.000, nas condies do exerccio,
equivale a uma receita vista de 8.844. Qualquer valor vista
superior 8.844 vivel para a empresa. Logo, um desconto de
10%, que resultaria numa venda de 9.000 vista, possvel.
GABARITO: C
13. Uma perpetuidade antecipada e imediata tem, a uma taxa de
juros de 5%, valor presente de R$ 210. Qual o valor de cada
pagamento?
Resoluo
O examinador no precisa ser rigoroso. ele quem manda. Na
falta de rigor dele com o enunciado, ns temos de usar de bom senso
para acertar a questo.
A taxa de 5%. Vamos supor que seja ao perodo. No fosse
assim, o problema seria indeterminado.
O problema agora nos d o VP e pede o valor de cada
pagamento. Sugiro sempre fazer o esquema grfico, pois nos ajuda a
evitar erros.

P
...
Tempo

...

VP = 210

Como se trata de uma anuidade imediata antecipada, usamos a


equao (64). Como VP = 210, temos

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 68 de 71
VP = P a&& 210 = P

1
0,05
i
P = 210d = 210
= 210
= 10
d
1+ i
1,05

Logo, o valor de cada pagamento de R$ 10.


Verifique, sem fazer contas, porque a equao 210 = P + P a
levaria ao mesmo resultado!
GABARITO: R$ 10.
14. Considere uma anuidade que paga 1 real no fim do primeiro
perodo, 2 reais no fim do segundo, e assim por diante, at o fim do
sexto perodo, quando paga 6 reais. Determine uma expresso para o
valor presente desta renda.
Resoluo
Esta questo teoria disfarada de exerccio. Vejamos o motivo.
Esta renda segue o seguinte esquema grfico:

Tempo (perodos)

VP0

Trazendo os 6 pagamentos a valor presente, temos:

VP0 = v + 2v 2 + 3v 3 + 4v 4 + 5v 5 + 6v 6
Esta equao j responde a questo. Fcil, no? Entretanto,
alm de ser um procedimento pouco elegante (mas esquea

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 69 de 71
elegncia na prova, o que importa acertar), a opo correta poderia
(poderia no, iria!) vir em outro formato.
Soluo 1:
A equao VP0 = v + 2v 2 + 3v 3 + 4v 4 + 5v 5 + 6v 6 o que se chama
informalmente de P.A P.G. Os termos em v esto em P.G. e seus
coeficientes em P.A. O macetepara resolv-la multiplicar ambos
os membros dela pela razo da P.G.
Temos ento:

VP0 = v + 2v 2 + 3v 3 + 4v 4 + 5v 5 + 6v 6
v VP0 = v 2 + 2v 3 + 3v 4 + 4v 5 + 5v 6 + 6v 7
Subtraindo a 2 equao da 1, chegamos a

(1 v) VP0 = v + v 2 + v 3 + v 4 + v 5 + v 6 6v 7
(1 v) VP0 = v (1 + v + v 2 + v 3 + v 4 + v 5 ) 6v 7
O termo (1 + v + v 2 + v 3 + v 4 + v 5 ) o VP de uma renda imediata,
antecipada e temporria de 6 anos, ou seja,

a&&6 .

&&6 6v 7 e segue que


Assim, (1 v) VP0 = v a
VP0 =

v7
v
a&&6 6
.
(1 v)
(1 v)

J est razoavelmente compacto, mas d para melhorar. Se


1
v=
, ento com alguma manipulao algbrica, chegamos a
1+ i
v
1
= .
(1 v) i
Finalmente, conclumos que VP0 =

a&&6 6v 6
i

Importante: Uma renda que consiste de pagamentos em P.A.,


comeando com 1 u.m. a partir do final do primeiro ano, at chegar a

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 70 de 71

n u.m`s no final do n-esimo ano, recebe a notao de

( Ia) n

(Ia de

increasing annuity).
Usando raciocnio idntico ao que usamos neste exerccio, provase que

( Ia) n =

a&&n nv n
i

Soluo 2:
J usando a notao apresentada, (Ia) 6 a soma de 6 anuidades
diferidas, postecipadas e temporrias20. A tabela abaixo ilustra essa
afirmao.

0/

a6

1/

a5

2/

a4

3/

a3

4/

a2

5/

a1

Ano 1
1

Ano 2
1

Ano 3
1

Ano 4
1

Ano 5
1

Ano 6
1

1
1

Soma

Esta soma tem exatamente os mesmos pagamentos que ( Ia 6 ) .


Portanto, ter o mesmo VP.
J colocando na notao de somatrio, podemos afirmar que
5

( Ia ) 6 = k / a6 k . Desenvolvendo, usando a frmula (59),


k =0

v k v k + 6 k 5 v k v 6 k =0
=
=
i
i
k =0
k =0
5

( Ia ) 6 = k / a 6 k =
k =0

20

O termo

0/

(v k v 6 )
i

k =0

k =0

vk v6
i

a 6 pode ser visto como uma renda diferida em zero anos.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010

Pgina 71 de 71
Como

v k = a&&6 , e
k =0

( Ia) 6 =

= 6v 6 , temos finalmente que

k =0

a&&6 6v 6
i

GABARITO:

a&&6 6v 6
i

O que importa nessa aula o raciocnio que usamos para


calcular as anuidades. No podemos decorar frmulas para tudo, mas
podemos raciocinar em cima de qualquer coisa que nos peam. Na
Aula 4 veremos anuidades sob a tica atuarial. Logo, ser uma aula
mais completa. Mas certamente podemos dizer que compreender a
parte de Matemtica Financeira da aula atual um passo gigante
para compreender a Aula 4.
Abrao a todos e bons estudos.

Andr Cunha

http://www.pontodosconcursos.com.br

SUSEP 2010