02 Matematica Financeira Estatistica PDF

Prefeitura de Campo Grande-MS
Auditor Fiscal da Receita Municipal
1. Juros simples. Montante e juros. Taxa real e taxa efetiva. Taxas equivalentes. Capitais
equivalentes. 2. Juros compostos. Montante e juros. Taxa real e taxa efetiva. Taxas
equivalentes. Capitais equivalentes. Capitalização contínua .................................................... 1
3. Descontos: simples, composto. Desconto racional e desconto comercial ...................... 14
4. Amortizações. Sistema francês. Sistema de amortização constante. Sistema misto. Fluxo
de caixa. Valor atual. Taxa interna de retorno ........................................................................ 19
5. Estatística Descritiva: Gráficos, tabelas ......................................................................... 48
6. Medidas de posição e de variabilidade .......................................................................... 58
7. Probabilidades: conceito, axiomas e distribuições (binominal, normal, poisson, qui-
quadrado). Inferência estatística............................................................................................. 94
8. Amostragem: amostras casuais e não casuais. Processos de amostragem, incluindo
estimativas de parâmetros. Intervalos de confiança ............................................................. 148
9. Testes de hipóteses para médias e proporções ........................................................... 153
10. Correlação e Regressão ............................................................................................ 153
Olá Concurseiro, tudo bem?
Sabemos que estudar para concurso público não é tarefa fácil, mas acreditamos na sua
dedicação e por isso elaboramos nossa apostila com todo cuidado e nos exatos termos do
edital, para que você não estude assuntos desnecessários e nem perca tempo buscando
conteúdos faltantes. Somando sua dedicação aos nossos cuidados, esperamos que você
tenha uma ótima experiência de estudo e que consiga a tão almejada aprovação.
Pensando em auxiliar seus estudos e aprimorar nosso material, disponibilizamos o e-mail

professores@maxieduca.com.br para que possa mandar suas dúvidas, sugestões ou
questionamentos sobre o conteúdo da apostila. Todos e-mails que chegam até nós, passam
por uma triagem e são direcionados aos tutores da matéria em questão. Para o maior
aproveitamento do Sistema de Atendimento ao Concurseiro (SAC) liste os seguintes itens:
01. Apostila (concurso e cargo);

02. Disciplina (matéria);
03. Número da página onde se encontra a dúvida; e
04. Qual a dúvida.
Caso existam dúvidas em disciplinas diferentes, por favor, encaminhar em e-mails separados,
pois facilita e agiliza o processo de envio para o tutor responsável, lembrando que teremos até
cinco dias úteis para respondê-lo (a).
Não esqueça de mandar um feedback e nos contar quando for aprovado!
Bons estudos e conte sempre conosco!
1552659 E-book gerado especialmente para MARCOS ROBERTO DE OLIVEIRA

1. Juros simples. Montante e juros. Taxa real e taxa efetiva. Taxas equivalentes.
Capitais equivalentes. 2. Juros compostos. Montante e juros. Taxa real e taxa
efetiva. Taxas equivalentes. Capitais equivalentes. Capitalização contínua
JUROS SIMPLES1
Em regime de juros simples (ou capitalização simples), o juro é determinado tomando como base
de cálculo o capital da operação, e o total do juro é devido ao credor (aquele que empresta) no final da
operação. As operações aqui são de curtíssimo prazo, exemplo: desconto simples de duplicata, entre
outros.
Nos juros simples o juro de cada intervalo de tempo sempre é calculado sobre o capital inicial
emprestado ou aplicado.
- Os juros são representados pela letra J.

- O dinheiro que se deposita ou se empresta chamamos de capital e é representado pela letra C (capital)
ou P(principal) ou VP ou PV (valor presente) *.
- O tempo de depósito ou de empréstimo é representado pela letra t ou n.*
- A taxa de juros é a razão centesimal que incide sobre um capital durante certo tempo. É representado
pela letra i e utilizada para calcular juros.
*Varia de acordo com a literatura estudada.
Chamamos de simples os juros que são somados ao capital inicial no final da aplicação.
Exemplo
1) Uma pessoa empresta a outra, a juros simples, a quantia de R$ 4. 000,00, pelo prazo de 5 meses,
à taxa de 3% ao mês. Quanto deverá ser pago de juros?
Resposta
- Capital aplicado (C): R$ 4.000,00
- Tempo de aplicação (t): 5 meses
- Taxa (i): 3% ou 0,03 a.m. (= ao mês)
Fazendo o cálculo, mês a mês:

- No final do 1º período (1 mês), os juros serão: 0,03 x R$ 4.000,00 = R$ 120,00
- No final do 2º período (2 meses), os juros serão: R$ 120,00 + R$ 120,00 = R$ 240,00
Desse modo, no final da aplicação, deverão ser pagos R$ 600,00 de juros.
1
MARIANO, Fabrício – Matemática Financeira para Concursos – 3ª Edição – Rio de Janeiro: Elsevier,2013.
1
Fazendo o cálculo, período a período:
- No final do 1º período, os juros serão: i.C
- No final do 2º período, os juros serão: i.C + i.C
- No final do 3º período, os juros serão: i.C + i.C + i.C
--------------------------------------------------------------------------
- No final do período t, os juros serão: i.C + i.C + i.C + ... + i.C
Portanto, temos:
J=C.i.t
1) O capital cresce linearmente com o tempo;

2) O capital cresce a uma progressão aritmética de razão: J=C.i
3) A taxa i e o tempo t devem ser expressos na mesma unidade.
4) Nessa fórmula, a taxa i deve ser expressa na forma decimal.
5) Chamamos de montante (M) ou FV (valor futuro) a soma do capital com os juros, ou seja:
Na fórmula J= C . i . t, temos quatro variáveis. Se três delas forem valores conhecidos, podemos
calcular o 4º valor.
M = C + J → M = C.(1+i.t)
Exemplo
A que taxa esteve empregado o capital de R$ 25.000,00 para render, em 3 anos, R$ 45.000,00 de
juros? (Observação: Como o tempo está em anos devemos ter uma taxa anual.)
C = R$ 25.000,00
t = 3 anos
j = R$ 45.000,00
i = ? (ao ano)
C.i.t
j=
100
25000.i.3
45 000 =
100
45 000 = 750 . i
45.000
i=
750
i = 60
Resposta: 60% ao ano.
Quando o prazo informado for em dias, a taxa resultante dos cálculos será diária; se o prazo for
em meses, a taxa será mensal; se for em trimestre, a taxa será trimestral, e assim sucessivamente.
Questões
01. (AL/RR – Economista – FUNRIO/2018) Paulo contraiu uma dívida do Banco X, no valor de R$
400,00 que foi quitada em dois trimestres, depois de contraída.
A taxa linear mensal praticada pelo Banco X, que teve como resultado a cobrança de juros de R$
150,00, foi de
(A) 8,70%.
(B) 7,50%.
(C) 6,25%.
(D) 5,10%.
02. (EBSERH – Técnico em Contabilidade – CESPE/2018) No que se refere a matemática financeira

e finanças, julgue o item seguinte.
Se R$ 10.000 forem aplicados pelo prazo de 45 dias à taxa de juros simples de 12% ao ano, o montante
ao final do período será inferior a R$ 10.140.
( )Certo ( )Errado
2
03. (BANESTES – Assistente Securitário – FGV/2018) Caso certa dívida não seja paga na data do
seu vencimento, sobre ela haverá a incidência de juros de 12% a.m.. Se essa dívida for quitada com
menos de um mês de atraso, o regime utilizado será o de juros simples.
Considerando-se o mês comercial (30 dias), se o valor dessa dívida era R$ 3.000,00 no vencimento,
para quitá-la com 8 dias de atraso, será preciso desembolsar:
(A) R$ 3.096,00;
(B) R$ 3.144,00;
(C) R$ 3.192,00;
(D) R$ 3.200,00;
(E) R$ 3.252,00.
04. (BANPARÁ – Técnico Bancário – INAZ do Pará) Na capitalização de juros simples:

(A) A capitalização de juros ocorre sobre o capital inicial
(B) Os juros são pagos no vencimento, que é fixo.
(C) Os juros são pagos durante o período de capitalização
(D) Os juros são incorporados ao capital durante a capitalização
(E) Todas as alternativas acima estão erradas
05. (IESES) Uma aplicação de R$ 1.000.000,00 resultou em um montante de R$ 1.240.000,00 após

12 meses. Dentro do regime de Juros Simples, a que taxa o capital foi aplicado?
(A) 1,5% ao mês.
(B) 4% ao trimestre.
(C) 20% ao ano.
(D) 2,5% ao bimestre.
(E) 12% ao semestre.
06. (EXATUS-PR) Mirtes aplicou um capital de R$ 670,00 à taxa de juros simples, por um período de
16 meses. Após esse período, o montante retirado foi de R$ 766,48. A taxa de juros praticada nessa
transação foi de:
(A) 9% a.a.
(B) 10,8% a.a.
(C) 12,5% a.a.
(D) 15% a.a.
07. (UMA Concursos) Qual o valor do capital que aplicado por um ano e meio, a uma taxa de 1,3%
ao mês, em regime de juros simples resulta em um montante de R$ 68.610,40 no final do período?
(A) R$ 45.600,00
(B) R$ 36.600,00
(C) R$ 55.600,00
(D) R$ 60.600,00
08. (TRF- 3ª REGIÃO – Analista Judiciário – FCC) Em um contrato é estabelecido que uma pessoa
deverá pagar o valor de R$ 5.000,00 daqui a 3 meses e o valor de R$ 10.665,50 daqui a 6 meses. Esta
pessoa decide então aplicar em um banco, na data de hoje, um capital no valor de R$ 15.000,00, durante
3 meses, sob o regime de capitalização simples a uma taxa de 10% ao ano. No final de 3 meses, ela
resgatará todo o montante correspondente, pagará o primeiro valor de R$ 5.000,00 e aplicará o restante
sob o regime de capitalização simples, também durante 3 meses, em outro banco. Se o valor do montante
desta última aplicação no final do período é exatamente igual ao segundo valor de R$ 10.665,50, então
a taxa anual fornecida por este outro banco é, em %, de
(A) 10,8%.
(B) 9,6%.
(C) 11,2%.
(D) 12,0%.
(E) 11,7%.
Comentários
01. Resposta: C
O capital será de: 400,00
2 trimestres: 2.3 = 6 meses
3
J = 150 reais.
Utilizando a fórmula básica para juros compostos teremos:
C.i.t
j=
100
150 . 100 = 400 . i . 6
15000
i = 2400 = 6,25% ao mês
02. Resposta: Errado

C.i.t
Pela fórmula de juros simples teremos j =
100
Mas antes devemos converter os dados para a mesma unidade de tempo.
i = 12% ao ano = 1% ao mês
t = 45 dias = 1,5 meses
C = 10000
Montante foi de 10140, logo o juros foi de 10140 – 10000 = 140 reais.
Vamos lá!
C.i.t
j=
100
10000 . 1 . 1,5 15000
j= 100
= 100 = 150 reais, que é superior à 140 reais conforme dito no enunciado.
03. Resposta: A
Antes de resolvermos devemos fazer as devidas conversões, vamos lá!
i = 12% ao mês = 12 : 30 = 0,4% ao dia
C.i.t
j=
100
3000 . 0,4 . 8 9600
j= = = 96 reais
100 100
Assim deverá pagar 3000 + 96 = 3096 reais
04. Resposta: A
Na capitalização simples o juros sempre incide sobre o capital inicial, por isto a alternativa A está
correta.
05. Resposta: E
C = 1.000.000,00
M = 1.240.000,00
t = 12 meses
i=?
M = C.(1+it) → 1240000 = 1000000(1 + 12i) → 1 + 12i = 1240000 / 1000000 → 1 + 12i = 1,24 → 12i =
1,24 – 1 → 12i = 0,24 → i = 0,24 / 12 → i = 0,02 → i = 0,02x100 → i = 2% a.m
Como não encontramos esta resposta nas alternativas, vamos transformar, uma vez que sabemos a
taxa mensal:
Um bimestre tem 2 meses → 2 x 2 = 4% a.b.
Um trimestre tem 3 meses → 2 x 3 = 6% a.t.
Um semestre tem 6 meses → 2 x 6 = 12% a.s.
Um ano tem 1 ano 12 meses → 2 x 12 = 24% a.a.
06. Resposta: B
Pelo enunciado temos:
C = 670
i=?
n = 16 meses
M = 766,48
4
Aplicando a fórmula temos: M = C.(1+in) → 766,48 = 670 (1+16i) → 1 + 16i = 766,48 / 670 →1 + 16i =
1,144 → 16i = 1,144 – 1 → 16i = 0,144 → i = 0,144 / 16 → i = 0,009 x 100 → i = 0,9% a.m.
Observe que as taxas das alternativas são dadas em ano, logo como 1 ano tem 12 meses: 0,9 x 12 =
10,8% a.a.
07. Resposta: C
C=?
n = 1 ano e meio = 12 + 6 = 18 meses
i = 1,3% a.m = 0,013
M = 68610,40
Aplicando a fórmula: M = C (1+in) → 68610,40 = C (1+0,013.18) → 68610,40 = C (1+0,234) → C =
68610,40 = C.1,234 → C = 68610,40 / 1,234 → C = 55600,00.
08. Resposta: C
j= 15.000*0,10*0,25 (0,25 é 3 meses/12)
j=15.000*0,025
j=375,00
Montante 15.000+375,00= 15.375,00
Foi retirado 5.000,00, então fica o saldo para nova aplicação de 10.375,00 o valor a pagar da segunda
parcela (10.665,50) é o mesmo valor do saldo da aplicação dos 10.375,00 em 03 meses.
10.665,50-10.375,00= 290,50, esse foi o juros, então é só aplicar a fórmula dos juros simples.
j=c.i.t
290,5=10.375,00*i*0,025
290,5=2.593,75*i
i= 290,5/2.593,75
i= 0,112
i=0,112*100=11,2%
JUROS COMPOSTOS
O capital inicial (principal) pode crescer, como já sabemos, devido aos juros, segundo duas
modalidades, a saber:
Juros simples (capitalização simples) – a taxa de juros incide sempre sobre o capital inicial.
Juros compostos (capitalização composta) – a taxa de juros incide sobre o capital de cada
período. Também conhecido como "juros sobre juros".
Na prática, as empresas, órgãos governamentais e investidores particulares costumam reinvestir as

quantias geradas pelas aplicações financeiras, o que justifica o emprego mais comum de juros
compostos2 na Economia. Na verdade, o uso de juros simples não se justifica em estudos econômicos.
Exemplo
Considere o capital inicial (C) $1500,00 aplicado a uma taxa mensal de juros compostos (i) de 10% (i
= 10% a.m.). Vamos calcular os montantes (capital + juros), mês a mês:
Após o 1º mês, teremos: M1 = 1500 x 1,1 = 1650 = 1500(1 + 0,1)
Após o 2º mês, teremos: M2 = 1650 x 1,1 = 1815 = 1500(1 + 0,1)2
Após o 3º mês, teremos: M3 = 1815 x 1,1 = 1996,5 = 1500(1 + 0,1)3
.....................................................................................................
Após o nº (enésimo) mês, sendo M o montante, teremos evidentemente: M = 1500(1 + 0,1)t
De uma forma genérica, teremos para um capital C, aplicado a uma taxa de juros compostos (i) durante
o período (t):
M = C (1 + i)t
Onde:
M = montante,
C = capital,
2
5
i = taxa de juros e
t = número de períodos que o capital C (capital inicial) foi aplicado.
(1+i)t ou (1+i)n = fator de acumulação de capital
Na fórmula acima, as unidades de tempo referentes à taxa de juros (i) e do período (t), tem de
ser necessariamente iguais. Este é um detalhe importantíssimo, que não pode ser esquecido!
Assim, por exemplo, se a taxa for 2% ao mês e o período 3 anos, deveremos considerar 2% ao mês
durante 3x12=36 meses.
Graficamente temos, que o crescimento do principal(capital) segundo juros simples é LINEAR,

CONSTANTE enquanto que o crescimento segundo juros compostos é EXPONENCIAL, GEOMÉTRICO
e, portanto tem um crescimento muito mais "rápido".
- O montante após 1º tempo é igual tanto para o regime de juros simples como para juros
compostos;
- Antes do 1º tempo o montante seria maior no regime de juros simples;
- Depois do 1º tempo o montante seria maior no regime de juros compostos.
Juros Compostos e Logaritmos

Para resolução de algumas questões que envolvam juros compostos, precisamos ter conhecimento de
conceitos de logaritmos, principalmente aquelas as quais precisamos achar o tempo/prazo. É muito
comum ver em provas o valor dado do logaritmo para que possamos achar a resolução da questão.
Exemplo
Um capital é aplicado em regime de juros compostos a uma taxa mensal de 2% (2% a.m.). Depois de
quanto tempo este capital estará duplicado?
Resolução
Sabemos que M = C (1 + i)t. Quando o capital inicial estiver duplicado, teremos M = 2C.
Substituindo, vem: 2C = C(1+0,02)t [Obs: 0,02 = 2/100 = 2%]
Simplificando, fica:
2 = 1,02t , que é uma equação exponencial simples.
Teremos então: t = log1,022 = log2 /log1,02 = 0,30103 / 0,00860 = 35
Nota: log2 = 0,30103 e log1,02 = 0,00860; estes valores podem ser obtidos rapidamente em máquinas
calculadoras científicas. Caso uma questão assim caia no vestibular ou concurso, o examinador teria de
informar os valores dos logaritmos necessários, ou então permitir o uso de calculadora na prova, o que
não é comum no Brasil.
Portanto, o capital estaria duplicado após 35 meses (observe que a taxa de juros do problema é
mensal), o que equivale a 2 anos e 11 meses.
Resposta: 2 anos e 11 meses.
- Em juros simples quando a taxa de juros(i) estiver em unidade diferente do tempo(t), pode-se
colocar na mesma unidade de (i) ou (t).
- Em juros compostos é preferível colocar o (t) na mesma unidade da taxa (i).
6
Questões
01. (UFLA – Administrador – UFLA/2018) A alternativa que apresenta o valor futuro correto de uma
aplicação de R$ 100,00 à taxa de juros compostos de 10% ao ano pelo período de dois anos é:
(A) R$ 121,00
(B) R$ 112,00
(C) R$ 120,00
(D) R$ 110,00
02. (BANPARÁ – Técnico Bancário – FADESP/2018) Na realização de um empréstimo de R$

8.000,00 por três meses, havia duas possibilidades de sistema a considerar: juros simples a 5%a.m ou
juros compostos a 4%a.m. Comparando os montantes obtidos nesses dois sistemas, é correto afirmar
que o de juros simples é, aproximadamente,
(A) inferior ao de juros compostos em R$ 300,00.
(B) inferior ao de juros compostos em R$ 200,00.
(C) igual ao de juros compostos.
(D) superior ao de juros compostos em R$ 200,00.
(E) superior ao de juros compostos em R$ 300,00.
03. (STM – Analista Judiciário – CESPE/2018) Uma pessoa atrasou em 15 dias o pagamento de uma
dívida de R$ 20.000, cuja taxa de juros de mora é de 21% ao mês no regime de juros simples.
Acerca dessa situação hipotética, e considerando o mês comercial de 30 dias, julgue o item
subsequente.
No regime de juros compostos, o valor dos juros de mora na situação apresentada será R$ 100 menor
que no regime de juros simples.
( )Certo ( )Errado
04. (TRANSPETRO – Engenheiro Junior – CESGRANRIO/2018) Uma empresa captou R$ 100.000

reais a uma taxa de juros compostos de 1% ao mês.
Ao cabo de seis meses no futuro, essa dívida terá um valor em reais, no presente, de
(A) R$ 103.030
(B) R$ 104.060
(C) R$ 105.101
(D) R$ 106.000
(E) R$ 106.152
05. (EXÉRCITO BRASILEIRO) Determine o tempo necessário para que um capital aplicado a 20 % a.
m. no regime de juros compostos dobre de valor. Considerando que log 2 = 0,3 e log 1,2 = 0,08.
(A) 3,75 meses.
(B) 3,5 meses.
(C) 2,7 meses.
(D) 3 meses.
(E) 4 meses.
06. (FCC) Saulo aplicou R$ 45 000,00 em um fundo de investimento que rende 20% ao ano. Seu
objetivo é usar o montante dessa aplicação para comprar uma casa que, na data da aplicação, custava
R$ 135 000,00 e se valoriza à taxa anual de 8%. Nessas condições, a partir da data da aplicação, quantos
anos serão decorridos até que Saulo consiga comprar tal casa?
Dado: (Use a aproximação: log 3 = 0,48)
(A) 15
(B) 12
(C) 10
(D) 9
(E) 6
07. (CESGRANRIO) Um investimento de R$1.000,00 foi feito sob taxa de juros compostos de 3% ao
mês. Após um período t, em meses, o montante foi de R$1.159,27. Qual o valor de t? (Dados: ln(1.000)
= 6,91; ln(1.159,27) = 7,06; ln(1,03) = 0,03).
(A) 1
(B) 2
7
(C) 3
(D) 4
(E) 5
08. (MPE/GO – Secretário Auxiliar – MPE-GO/2017) Fábio aplicou R$ 1.000,00 em uma aplicação
que rende juros compostos de 2% ao mês. Ao final de 3 meses qual será o montante da aplicação de
Fábio, desprezando-se as casas decimais?
(A) R$ 1.060
(B) R$ 1.061
(C) R$ 1.071
(D) R$ 1.029
(E) R$ 1.063
Comentários
01. Resposta: A
C = 100
i = 10%a.a = 0,1
t = 2 anos (taxa e tempo na mesma unidade, ok!)
M=?
M = 100.(1 + 0,1)²
M = 100.1,21 = 121 reais
02. Resposta: D
Nesta questão precisamos calcular o valor obtido no regime de juros simples e o valor obtido em juros
compostos, para depois calcularmos.
- Juros Simples
M=?
J=?
C = 8000
i = 5%a.m. = 0,05
t = 3 meses
J = 8000.0,05.3 = 1200
M = 8000 + 1200 = 9200
- Juros compostos
M=?
C = 8000
i = 4% a.m. = 0,04
t = 3 meses
M = 8000.(1 + 0,04)³ = 8000.1,04³ = 8998,12
Fazendo a variação entre os valores teremos 9200 – 8998,12 = 201,09, que aproximadamente será
200 reais, assim o sistema de juros simples será superior em 200 reais se compararmos com o regime
de juros compostos.
03. Resposta: Certo

Neste exercício devemos saber no regime de juros simples e no regime de juros compostos para então
podermos compará-los.
- Juros Simples
C = 20000
i = 21%a.m. = 0,21
t = 15 dias (observe que a taxa e o tempo estão em unidades diferentes, assim iremos converter o
tempo na unidade da taxa)
t = 15/30 = ½ mês
8
1
J = 20000.0,21 . 2 = 2100
- Juros Compostos
C = 20000
i = 21%a.m. = 0,21
t = 15 dias (observe que a taxa e o tempo estão em unidades diferentes, assim iremos converter o
tempo na unidade da taxa)
t = 15/30 = ½ mês
1
M = 20000.( 1 + 0,21)2
1
M = 20000.1,212
Muita atenção neste momento, pois o expoente é uma fração e para isto você deve lembrar de algumas
𝑚 1
𝑛 2 2
propriedades de potência, 𝑎 𝑛 = √𝑎𝑚 , portanto no nosso exercício temos 1,212 = √1,211 = √1,21 = 1,1.
Prosseguindo,
1
M = 20000.1,212
2
M = 20000. √1,21
M = 20000.1,1 = 22000
Sendo de Juros = 22000 – 20000 = 2000

Portanto em juros simples = 2100
Juros compostos = 2000
Em juros simples é 100 reais maior que em juros compostos
04. Resposta: E
Vamos captar as informações:
M=?
C = 100000
i = 1%a.m. = 0,01
t = 6meses
M = 100000.(1 + 0,01)6
M = 100000.1,016
M = 100000. 1,06152 = 106152 reais
05. Resposta: A
M=C(1+i)t
2C=C(1+0,2)t
2=1,2t
Log2=log1,2t
Log2=t.log1,2 → 0,3=0,08t → T=3,75 meses
06. Resposta: B
M = C. (1 + i)t
C = 45.000
i = 0,2
--------------------
C = 135.000
i= 0,08
45.000 (1+ i)t = 135.000 (1 + i)t
45.000 (1 + 0,2)t = 135.000 (1 + 0,08)t
45.000 (1,2)t = 135.000 (1,08)t
135.000/45.000 = (1,2/1,08)t
3 = (10/9)t
log3 = t.log (10/9) → 0,48 = (log10 - log9).t → 0,48 = (1 - 2log3).t
0,48 = (1 - 2.0,48).t → 0,48 = (1 - 0,96).t → 0,48 = 0,04.t
t = 0,48/0,04 → t = 12
9
07. Resposta: E
M = C (1 + i) t
1159,27 = 1000 ( 1 + 0,03)t
1159,27 = 1000.1,03t
ln 1159,27 = ln (1000 . 1,03t)
7,06 = ln1000 + ln 1,03t
7,06 = 6,91 + t . ln 1,03 → 0,15 = t . 0,03 → t = 5
08. Resposta: B
Juros Compostos
M = 1000 .(1,02)^3
M = 1000 . 1,061208
M = 1061,20
TAXAS DE JUROS: EFETIVA, NOMINAL, PROPORCIONAIS, EQUIVALENTES, REAL E

APARENTE3
As taxas de juros são índices fundamentais no estudo da matemática financeira. Os rendimentos

financeiros são responsáveis pela correção de capitais investidos perante uma determinada taxa de juros.
As taxas serão incorporadas sempre ao capital.
Taxa Efetiva
São aquelas onde a taxa da unidade de tempo coincide com a unidade de tempo do período de
capitalização(valorização). Utilizado muito em caderneta de poupança.
Exemplos
- Uma taxa de 75% ao ano com capitalização anual.

- Uma taxa de 11% ao trimestre com capitalização trimestral.
Quando no enunciado não estiver citando o período de capitalização, a mesma vai coincidir com
unidade da taxa. Em outras palavras iremos trabalhar com taxa efetiva!!!
Taxa Nominal
São aquelas cujas unidade de tempo NÃO coincide com as unidades de tempo do período de
capitalização.
Exemplos
- 5% ao trimestre com capitalização semestral.

- 15% ao semestre com capitalização bimestral.
Para resolução de questões com taxas nominais devemos primeiramente descobrir a taxa
efetiva (multiplicando ou dividindo a taxa)
Exemplo
3
mundoeducacao.com/matematica/taxa-efetiva-taxa-real.htm
10
Como são 12 meses que existem no ano, então dividimos a taxa por 12, trazendo a taxa para o mesmo
período da capitalização, tendo assim a taxa efetiva da operação.
Toda taxa nominal traz implícita uma taxa efetiva que deve ser calculada proporcionalmente.
Taxas Proporcionais ou Lineares (regime de juros simples)

São taxas em unidade de tempo diferente que aplicadas sobre o mesmo capital ao mesmo período de
tempo irão gerar o mesmo montante.
Exemplos
- 2% a.s é proporcional quantos % a.a?
Como 1 ano tem 2 semestre 2%. 2(semestres) = 4% a.a
- Uma taxa de 60% a.a geraria as seguintes taxas: 5% a.m (60%/12 meses);10% a.b (60%/6
bimestres); 20% a.q(60%/3quadrimestres) ....
Taxas Equivalentes (regime de juros compostos)

As taxas de juros se expressam também em função do tempo da operação, porém não de forma
proporcional, mas de forma exponencial, ou seja, as taxas são ditas equivalentes.
Exemplos
- 24% a.a é equivalente a %a.m?

Vamos aplicar o conceito acima, para resolução deste exemplo:
(1+ia)=(1+im)12 (expoente na menor unidade de tempo) (1+0,24) = (1+im)12  1,24 = (1+im)12  Para
12
retirar o expoente, basta fazermos a operação inversa da potenciação  12√1,24 = √(1 + 𝑖𝑚 )12
1
12
√1,24 = 1 + 𝑖𝑚 → 𝑖𝑚 = 1,2412 − 1
Algumas bancas informam o valor da raiz, outras deixam como está.
𝒏
𝒎
√𝒂𝒎 = 𝒂 𝒏
Taxa Real, Aparente e Inflação
Taxa Real (ir) = taxa que considera os efeitos da inflação e seus ganhos.
Taxa Aparente (ia) = taxa que não considera os efeitos da inflação (são as taxas efetivas/nominais).
Taxa de Inflação (ii) = a inflação representa a perda do poder de compra.
Podemos escrever todas essas taxas em função uma das outras:
(1+ia) = (1+ir).(1+ii)
𝑀
Onde: (1 + 𝑖𝑎 ) = 𝐶
, independe da quantidade de períodos e do regime de juros.
Exemplos
01. Uma aplicação no mercado financeiro forneceu as seguintes informações:

− Valor aplicado no início do período: R$ 50.000,00.
− Período de aplicação: um ano.
11
− Taxa de inflação no período de aplicação: 5%.
− Taxa real de juros da aplicação referente ao período: 2%.
Se o correspondente montante foi resgatado no final do período da aplicação, então o seu valor é
(A) R$ 53.550,00.
(B) R$ 53.500,00.
(C) R$ 53.000,00.
(D) R$ 52.500,00.
(E) R$ 51.500,00.
Observe que o período de aplicação é de 1 ano, então tanto faz utilizar o regime de juros simples ou
compostos.
C = R$ 50.000,00
t= 1 ano
ii = 5% = 0,05
ir = 2% = 0,02
M=?
(1+ia) = (1+ir).(1+ii)  (1+ia) = (1+0,02).(1+0,05i)  (1+ia) = 1,02 . 1,05  (1+ia) = 1,071 

ia = 1,071-1  ia = 0,071(taxa efetiva da operação)
Aplicando a fórmula do montante: M = C.(1+i)t  M= 50 000.(1+0,071)1  50 000. 1,071 
M= 53.550,00
Resposta: A.
02. Uma pessoa investiu R$ 1.000,00 por 2 meses, recebendo ao final desse prazo o montante de R$
1.060,00. Se, nesse período, a taxa real de juros foi de 4%, então a taxa de inflação desse bimestre foi
de aproximadamente
(A) 1,92.
(B) 1,90.
(C) 1,88.
(D) 1,86.
(E) 1,84.
Neste exemplo, está nos faltando saber o valor da taxa de juros aparente, mas com as outras
informações do enunciado podemos chegar ao seu valor:
C = 1.000,00
M = 1.060,00
t = 2 meses
ir = 4% = 0,04
ii= ?
𝑀 1060
(1 + 𝑖𝑎 ) = ⇒ (1 + 𝑖𝑎 ) = ⇒ (1 + 𝑖𝑎 ) = 1,06
𝐶 1000
1,06
(1 + 𝑖𝑎 ) = (1 + 𝑖𝑟 ). (1 + 𝑖𝑖 ) ⇒ 1,06 = (1 + 0,04). (1 + 𝑖𝑖 ) ⇒ (1 + 𝑖𝑖 ) = ⇒ (1 + 𝑖𝑖 ) = 1,0192 ⇒
1,04
𝑖𝑖 = 1,0192 − 1 ⇒ 𝑖𝑖 = 0,0192 ⇒ 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 100(𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙) ⇒ 1,92
Questões
01. (Pref. Guarujá/SP – Professor de Matemática – CAIPIMES) Considere as seguintes situações:
I- Carlos comprou um produto que à vista custava R$ 1.000,00. Como ele não tinha todo esse valor,
ele fez um plano de pagamento com 12 prestações iguais, de R$ 100,00 cada uma, sem entrada.
II- Ana comprou o mesmo produto que Carlos, na mesma loja e com o mesmo preço à vista, mas fez
o seguinte plano de pagamento: uma entrada de R$ 100,00 e mais 11 prestações de R$ 100,00 cada
uma.
Com base nessas situações, é possível afirmar corretamente que:

(A) a taxa de juros do plano de Ana foi menor que a taxa de juros do plano de Carlos.
(B) a taxa de juros do plano de Ana foi igual à taxa de juros do plano de Carlos.
12
(C) a taxa de juros do plano de Ana foi maior que a taxa de juros do plano de Carlos.
(D) não há como comparar as taxas de juros dos planos de Ana e de Carlos.
02. (TJ/PE - Analista Judiciário-Contador - FCC) Uma taxa de juros nominal de 21% ao trimestre,
com juros capitalizados mensalmente, apresenta uma taxa de juros efetiva, trimestral de,
aproximadamente,
(A) 21,7%.
(B) 22,5%.
(C) 24,8%.
(D) 32,4%.
(E) 33,7%.
03. (Pref. Florianópolis/SC – Auditor Fiscal – FEPESE) A taxa de juros simples mensais de 4,25%
equivalente à taxa de:
(A) 12,5% trimestral.
(B) 16% quadrimestral.
(C) 25,5% semestral.
(D) 36,0% anual.
(E) 52% anual.
04. (BAHIAGÁS – Técnico de Processos Tecnológicos – IESES) Uma pessoa faz um investimento
em uma aplicação que rende 14% de juros (taxa aparente) anuais. Porém a inflação em seu país é de
10% anuais. Portanto a taxa de juros real que remunera a aplicação é:
(A) Maior que 3,8% e menor que 3,9% ao ano.
(B) Maior que 3,6% e menor que 3,7% ao ano.
(C) Menor que 3,6% ao ano.
(D) Maior que 3,9% ao ano.
(E) Maior que 3,7% e menor que 3,8% ao ano.
05. (LIQUIGÁS – Assistente Administrativo – CESGRANRIO) Um financiamento está sendo

negociado a uma taxa nominal de 20% ao ano.
A taxa de juros efetiva anual desse financiamento, se os juros são capitalizados semestralmente, é:
(A) 10,00%
(B) 20,21%
(C) 21,00%
(D) 22,10%
(E) 24,20%
Comentários
01. Resposta: C.
I. Carlos: 12 . 100 = 1200
II. Ana: 100 + 11 . 100 = 100 + 1100 = 1200
Os valores são iguais, porém Carlos não deu entrada e Ana sim. Por isso, a taxa de juros do plano de
Ana foi maior que a de Carlos.
02. Resposta: B.
21% a. t capitalizados mensalmente (taxa nominai), como um trimestre tem 3 meses, 21/3 = 7%
a.m(taxa efetiva).
im = taxa ao mês
it= taxa ao trimestre.
(1+im)3 = (1+it)  (1+0,07)3 = 1+it  (1,07)3 = 1+it  1,225043 = 1+it  it= 1,225043-1  it =
0,225043 x 100  it= 22,5043%
03. Resposta: C.
Sabemos que taxas a juros simples são ditas taxas proporcionais ou lineares. Para resolução das
questões vamos avaliar item a item para sabermos se está certo ou errado:
4,25% a.m
Trimestral = 4,25 .3 = 12,75 (errada)
13
Quadrimestral = 4,25 . 4 = 17% (errada)
Semestral= 4,25 . 6 = 25,5 % (correta)
Anual = 4,25.12 = 51% (errada)
04. Resposta: B.
(1+ia) = (1+ir).(1+ii)
Jogando os valores que temos, na fórmula.
1+ 0,14=(1+taxa real) . (1+ 0,1
1,14= (1+taxa real) . (1,1)
1,14/1,1= (1+taxa real)
1,0363= 1+ taxa real
1.0363-1=taxa real
Taxa real = 0,0363
Taxa real = 3,63%
05. Resposta: C.
Taxa nominal: 20%a.a. capitalizada semestralmente, ou seja 20/2 = 10% ao semestre.
Agora, basta determinar a taxa efetiva:
(1+iquero) = (1+itenho)
(1+iquero)1 = (1+0,10)²
iquero = 1,21 – 1 = 0,21 = 21%
3. Descontos: simples, composto. Desconto racional e desconto comercial
DESCONTOS
Entende-se por Valor Nominal o valor de resgate, ou seja, o valor definido para um título em sua data
de vencimento. Representa, em outras palavras, o próprio montante da operação.
A operação de se liquidar um título antes de seu vencimento envolve geralmente uma recompensa, ou
um desconto pelo pagamento antecipado. Desta maneira, desconto pode ser entendido como a diferença
entre o valor nominal de um título e o seu valor atualizado apurado n períodos antes de seu vencimento.
Por outro lado, Valor Descontado de um título é o seu valor atual na data do desconto, sendo
determinado pela diferença entre o valor nominal e o desconto, ou seja:
Valor descontado = Valor nominal – Desconto
As operações de desconto podem ser realizadas tanto sob o regime de juros simples como no de juros
compostos. O uso do desconto simples é amplamente adotado em operações de curto prazo, restringindo-
se o desconto composto para as operações de longo prazo.
Tanto no regime linear como no composto ainda são identificados dois tipos de desconto:
(a) desconto “por dentro” (ou racional) e;
(b) desconto “por fora” (ou bancário, ou comercial).
Exemplo
Ao resgatar uma duplicata dois meses, antes da data do vencimento (04/03/2005), o credor José da
Silva (aquele que irá receber o valor da mesma) recebe uma quantia de R$ 460,00.
A essa diferença entre o valor título (valor nominal) e o valor recebido (valor atual) damos o nome
de desconto.
D=N–A
Onde:
D = desconto
N = valor nominal
A = valor atual
14
O desconto concedido pelo banco, para o resgate de um título antes do vencimento é maior, resultando
num resgate de menor valor para o proprietário do título. O desconto é o contrário da capitalização.
Comparando com o regime de juros, observamos que:
- o Valor Atual, ou valor futuro (valor do resgate) nos dá ideia de Montante;

- o Valor Nominal, nome do título (valor que resgatei) nos dá ideia de Capital;
- e o Desconto nos dá ideia de Juros.
DESCONTOS SIMPLES4
Desconto Racional Simples (por dentro)

O desconto racional, também denominado de desconto “por dentro”, incorpora os conceitos e relações
básicas de juros simples. Assim, sendo Dr o valor do desconto racional, C o capital (ou valor atual), i a
taxa periódica de juros e n o prazo do desconto (número de períodos que o título é negociado antes de
seu vencimento), tem-se a conhecida expressão de juros simples
𝐷𝑟 = 𝐶 . 𝑖 . 𝑛
Pela própria definição de desconto e introduzindo-se o conceito de valor descontado no lugar de capital
no cálculo do desconto, tem-se:
𝐷𝑟 = 𝑁 − 𝑉𝑟
Sendo N o valor nominal (ou valor de resgate, ou montante) e V o valor descontado racional (ou valor
atual) na data da operação.
Como:
𝑁
𝑉𝑟 = 𝐶 =
1 + 𝑖. 𝑛
Tem-se:
𝑁. 𝑖. 𝑛
𝐷𝑟 =
1 + 𝑖. 𝑛
A partir dessa fórmula é possível calcular o valor do desconto racional obtido de determinado valor
nominal (N), a uma dada taxa simples de juros (i) e a determinado prazo de antecipação (n).
Já o valor descontado, conforme definição apresentada, é obtido pela seguinte expressão de cálculo:
𝑁
𝑉𝑟 =
1 + 𝑖. 𝑛
Observe, uma vez mais, que o desconto racional representa exatamente as relações de juros simples.
É importante registrar que o juro incide sobre o capital (valor atual) do título, ou seja, sobre o capital
liberado da operação.
A taxa de juro (desconto) cobrada representa, dessa maneira, o custo efetivo de todo o período do
desconto.
Desconto Comercial Simples (por fora)

Esse tipo de desconto, simplificadamente por incidir sobre o valor nominal (valor de resgate) do título,
proporciona maior volume de encargos financeiros efetivos nas operações. Observe que, ao contrário dos
juros “por dentro”, que calculam os encargos sobre o capital efetivamente liberado na operação, ou seja,
sobre o valor presente, o critério “por fora” apura os juros sobre o montante, indicando custos adicionais
ao tomador de recursos.
A modalidade de desconto “por fora” é amplamente adotada pelo mercado, notadamente em
operações de crédito bancário e comercial a curto prazo.
4
NETO. A. Alexandre. Matemática Financeira e suas aplicações. 12ed. Atlas, São Paulo.
15
O valor desse desconto, genericamente denominado desconto “por fora” (Df) no regime de juros
simples é determinado pelo produto do valor nominal do título (N), da taxa de desconto periódica “por
fora” contratada na operação (d) e do prazo de antecipação definido para o desconto (n). Isto é:
Df = N . d . n
O valor descontado “por fora” (Vf), aplicando-se a definição, é obtido:
Vf = Nx(1 – d . n)
Desconto comercial (bancário) acrescido de uma taxa pré-fixada

Em alguns casos teremos acréscimos de taxas pré-fixadas aos títulos, que são as taxas de despesas
bancárias/administrativas (comissões, taxas de serviços, ...) cobradas sobre o valor nominal (N). Quando
as mesmas aparecem nos enunciados, devemos somá-la à taxa de juros, conforme a fórmula abaixo:
Df = N. (i.t + h)
Onde:
Df = desconto comercial ou bancário
N = valor nominal
i = taxa de juros cobrada
t = tempo ou período
h = taxa de despesas administrativas ou bancárias.
Temos ainda o valor bancário recebido, que nada mais é que: V = N – Db na qual podemos escrever
da seguinte forma:
V = N – Db → V = N – N (i.t + h) → V = N . [1 - (i.t + h)]
Relação entre Desconto Comercial (Dc) e Desconto Racional (Dr)

Algumas questões propõem a utilização dessa relação para sabermos o valor do desconto caso fosse
utilizado o desconto comercial e precisássemos saber o desconto racional e vice-versa. A relação é dada
por:
Df = Dr . (1 + i.t)
Questões
01. Um banco ao descontar notas promissórias, utiliza o desconto comercial a uma taxa de juros
simples de 12% a.m. O banco cobra, simultaneamente uma comissão de 4% sobre o valor nominal da
promissória. Um cliente do banco recebe R$ 300.000,00 líquidos, ao descontar uma promissória vencível
em três meses. O valor da comissão é de:
(A) R$ 20.000,00
(B) R$ 30.000,00
(C) R$ 40.000,00
(D) R$ 50.000,00
(E) R$ 60.000,00
02. (FCC) Dois títulos são descontados em um banco 4 meses antes de seus vencimentos com uma
taxa de desconto, em ambos os casos, de 2% ao mês. O valor atual do primeiro título foi igual a R$
29.440,00 e foi utilizada a operação de desconto comercial simples. O valor atual do segundo título foi
igual a R$ 20.000,00 e foi utilizada a operação de desconto racional simples. A soma dos valores nominais
destes dois títulos é igual a
(A) R$ 53.600,00.
(B) R$ 54.200,00.
(C) R$ 55.400,00.
(D) R$ 56.000,00.
(E) R$ 56.400,00.
16
03. O desconto simples comercial de um título é de R$ 860,00, a uma taxa de juros de 60% a.a. O
valor do desconto simples racional do mesmo título é de R$ 781,82, mantendo-se a taxa de juros e o
tempo. Nesse as condições, o valor nominal do rótulo é de:
(A) R$ 9000,00
(B) R$ 8600,22
(C) R$ 8000,00
(D) R$ 9600,22
(E) R$ 10.600,00
Respostas
01. Resposta: A
h = 0,04
t=3
iB = 0,12 . 3
AB = N . [1 - (iB + h)]
300 000 = N . [1 - (0,12.3 + 0,04)]
300 000 = N . [1 – 0,4]
N = 500 000
Vc = 0,04 . N
Vc = 0,04 . 500 000
Vc = 20 000
02. Resposta: A
1º título - Dcs
t = 4 meses
i = 2% a.m
A = 29440
N1 = ?
D=N–A
Dcs = N.i.t → N – A = N.i.t → N – 29440 = N.0,02.4 → N – 29440 = N.0,08 → N – 0,08N = 29440 →
0,92N = 29440 → N = 29440 / 0,92 → N = 32000
2º título - Drs
t = 4 meses
i = 2% a.m
A = 20000
N2 = ?
N = A (1 + i.t) → N = 20000 (1 + 0,02.4) → N = 20000 (1 + 0,08) → N = 20000.1,08 → N = 21600
Como o enunciado da questão pede a soma dos valores nominais, então teremos:
N1 + N2 → 32000 + 21600 = 53600.
03. Resposta: B
Dc = 860
Dr = 781,82
Usando N = (Dc . Dr) / (Dc – Dr),
N = (860 . 781,82) / (860 – 781,82) = 672365,2 / 78,18 = 8600,22
DESCONTOS COMPOSTOS5
Desconto Racional Composto (por dentro)

As fórmulas estão associadas com os juros compostos, assim teremos:
5
NETO. A. Alexandre. Matemática Financeira e suas aplicações. 12ed. Atlas, São Paulo.
17
Onde:
D = Desconto Racional Composto
A = Valor Atual
i = taxa
Onde:
N = Valor Nominal
A = Valor Atual
i = taxa
Desconto Comercial Composto (por fora)
Como a taxa incide sobre o Valor Nominal (maior valor), trocamos na fórmula o N pelo A e vice versa,
mudando o sinal da taxa (de positivo para negativo).
Onde:
N = Valor Nominal
A = Valor Atual
i = taxa
Questões
01. (FCC) Dois títulos, um com vencimento daqui a 30 dias e outro com vencimento daqui a 60 dias,
foram descontados hoje, com desconto racional composto, à taxa de 5% ao mês. Sabe-se que a soma
de seus valores nominais é R$ 5.418,00 e a soma dos valores líquidos recebidos é R$ 5.005,00. O maior
dos valores nominais supera o menor deles em
(A) R$ 1.195,00.
(B) R$ 1.215,50.
(C) R$ 1.417,50.
(D) R$ 1.484,00.
(E) R$ 1.502,50.
02. (CESPE) Na contração de determinada empresa por certo órgão público, ficou acordado que o
administrador pagaria R$ 200.000,00 para a contração do serviço, mais quatro parcelas iguais no valor
de R$ 132.000,00 cada a serem pagas, respectivamente, no final do primeiro, segundo, terceiro e quarto
anos consecutivos à assinatura do contrato. Considere que a empresa tenha concluído satisfatoriamente
o serviço dois anos após a contração e que tenha sido negociada a antecipação das duas últimas parcelas
para serem pagas juntamente com a segunda parcela. Com base nessa situação hipotética, julgue o item
a seguir.
Se para o pagamento for utilizado desconto racional composto, a uma taxa de 10% ao ano, na
antecipação das parcelas, o desconto obtido com o valor da terceira parcela será o mesmo que seria
obtido se fosse utilizado desconto racional simples.
( ) Certo ( ) Errado
18
03. (FCC) O valor do desconto de um título de valor nominal igual a R$ 15.961,25, resgatado 2 anos
antes de seu vencimento e segundo o critério do desconto composto real, é igual a R$ 3.461,25. A taxa
anual de desconto utilizada foi de
(A) 11%.
(B) 13%.
(C) 14%.
(D) 15%.
(E) 16%.
Respostas
01. Resposta: C
t = 30 dias = 1 mês (1º título) e 60d = 2 meses(2º título)
Drc
i = 5% a.m = 0,05
N1 + N2 = 5418
A1 + A2 = 5005 → A1 = 5005 – A2
Temos que o Drc é dado por :
N = A (1 + i)t → N1 = A1 (1 + 0,05)1 e N2 = A2 (1,05)2 → N2 = A2.(1,1025)
N1 + N2 = 5418 , substituindo teremos:
A1 (1,05) + A2(1,1025) = 5418 , como temos que A1 = 5005 – A2 :
(5005 – A2).(1,05) + A2(1,1025) = 5418 → 5255,25 – 1,05 A2 + 1,1025 A2 = 5418 →
0,0525 A2 = 5418 – 5255,25 → 0,0525 A2 = 162,75 → A2 = 3100 e A1 = 5005 – 3100 = 1905
N1 = 1,05 .1905 = 2000,25 e N2 = 1,1025. 3100 = 3417,75
O maior é N2 e o menor N1 , assim faremos N2 – N1 = 3417,75 – 2000,25 = 1417,5
02. Resposta: CERTO

Como ele pede para saber se antecipássemos o valor da 3º parcela em um 1 ano, termos:
N = 132.000
t=1
i = 10% a.a = 0,10
- Para o Desconto Racional Composto: A = N / (1 + i)t
A = 132.000 / (1 + 0,1)¹ → A = 132.000 / 1,1
- Fazendo no Desconto Racional Simples: A = N / (1 + i.t)
A = 132.000 / (1 + 0,1.1)
A = 132.000 / 1,1
Ao anteciparmos 3° parcela em um ano, o desconto obtido com o valor desta parcela será o mesmo
que seria obtido se fosse utilizado desconto racional simples.
03. Resposta: B
O termo real faz referência a racional.
N = 15961,25
t = 2 anos
Drc = 3461,25
i=?
D = N – A → 3461,25 = 15961,25 – A → A = 15961,25 – 3461,25 → A = 12500
N = A (1 + i)t → 15961,25 = 12500.(1 + i)2 → (1 + i)2 = 15961,25 / 12500 → (1 + i)2 = 1,2769 → 1 + i =
√ 1,279 → 1,13 = 1 + i → i = 1,13 – 1 → i = 0,13 → i = 13%
4. Amortizações. Sistema francês. Sistema de amortização constante. Sistema

misto. Fluxo de caixa. Valor atual. Taxa interna de retorno
SISTEMAS DE AMORTIZAÇÕES
Muito utilizado hoje quando se faz um empréstimo/financiamento6, transações de pagamentos de

compra de imóveis, entre outros, transações feitas a longo prazo.
6
SAMANEZ, C.P., Matemática Financeira, 3ª edição. São Paulo: Pearson-Prentice Hall, 2002.
19
- Alguns conceitos:
Amortização (A)  é um processo que extingue dívidas através de pagamentos periódicos, é

a extinção de uma dívida através da quitação da mesma. Parte da prestação que não incide juros.
Prestação (P)  É a amortização acrescida de juros.
P=A+J
Juros (J)  Taxa que incide sobre o saldo devedor do período anterior (note que quando trabalhamos
com sistemas de amortização, estamos trabalhando com o regime de juros compostos).
Postecipadas Algo que será realizado posteriormente. Em outras palavras você irá usar e depois
pagar.
Antecipadas O contrário de postecipada.
SISTEMA DE AMORTIZAÇÃO CONSTANTE (SAC)
Exemplo
Para um empréstimo de R$ 10.000,00, a uma taxa de 5% ao mês, qual será a sua tabela de
amortização sabendo que serão pagas em 4 parcelas.
1º Passo: Determinar o valor da cota de amortização:
𝐸 10000
𝐴= ⟹ = 2500
𝑛 4
Em um sistema de amortização constante, as amortizações são iguais para todos os períodos:
NETO, Alexandre Assaf. Matemática Financeira e suas Aplicações.12 ed. São Paulo: Atlas, 2012.
NETTO, Scipione Di Pierro; TEIXEIRA, James. Matemática Financeira. São Paulo: Pearson Education do Brasil, 1998.
20
O período 0(zero), é o do valor do empréstimo/financiamento.
Com a cota de amortização, podemos calcular o Saldo Devedor para todos os períodos. Observe que
no período 4 o saldo é 0(zero), é onde temos a quitação total da dívida.
2º Passo: Calcular o Juros para cada período. (Atenção: o Juros sempre irá incidir sobre o
Capital/Saldo Devedor do período anterior.)
Período 1 J = C.i.t (t=1)  J= 10000 . 0,05 .1  J = 500 ∴ Observe que o juros incidiu sobre o
capital do Período 0(período anterior) e não do Período 1.
3º Passo: Calcular o valor da prestação para cada período. Lembrando que P= A+J
Período 1 P = 2500+500  P = 3000
4º Passo: Calcular o Juros para o Período 2.
Período 2  J = C.i.t (t = 1)  J = 7500 . 0,05 .1  J = 375 ∴ Observe que o juros incidiu sobre o
capital do Período 1 (período anterior) e não do Período 2.
5º Passo: Calcular o valor da prestação para cada período. Lembrando que P = A + J
Período 2 P = 2500+375  P = 2875
E vamos fazendo assim para cada período, temos:
21
Principais características:
- As cotas de amortização são iguais;
- As prestações são decrescentes;
- Os juros são decrescentes;
- As amortizações serão sempre constantes.
- Nas colunas dos Juros e das Prestações observa-se de uma PA (Progressão Aritmética) de razão
decrescente.
Fórmulas do Cálculo da Prestação (Séries Postecipadas)
𝟏
Para séries antecipadas (com entrada), basta multiplicar o valor da prestação por (𝟏+𝐢).
SISTEMA DE AMORTIZAÇÃO FRANCÊS OU TABELA PRICE (SAF)
Exemplo
Para um empréstimo de R$ 8.660,00 a uma taxa de 5% ao mês, qual será a sua tabela de amortização
sabendo que serão pagas em 5 parcelas. Dado que FRC = 0,231.
1º Passo: Determinar o valor da prestação
Em um sistema de amortização francês, as prestações são iguais para todos os períodos, e é possível
acha-la através da fórmula:
1
Com isso podemos reescrever da seguinte forma, sabendo que 𝐹𝑉𝐴 = 𝐹𝑅𝐶 :
𝟏 𝑷
𝑬 = 𝑷. → 𝑬. 𝑭𝑹𝑪 = 𝑷 → 𝑭𝑹𝑪 =
𝑭𝑹𝑪 𝑬
Aplicando ao exemplo:
1
E = P . FVA  𝐸 = 𝑃. 𝐹𝑅𝐶  E .FRC= P  8660 . 0,231 = P  P = 2000,46 (vamos arredondar para
2000.)
22
2º Passo: Calcular o Juros para cada período. (Atenção: o Juros sempre irá incidir sobre o
Capital/Saldo Devedor do período anterior.)
Período 1 J = C.i.t (t = 1)  J = 8660 . 0,05 .1  J = 433 ∴ Observe que o juros incidiu sobre o
capital do Período 0 (período anterior) e não do Período 1.
3º Passo: Calcular o valor da amortização para cada período. Lembrando que P= A+J, logo A = P - J
Período 1 A = 2000 - 433  A = 1567

Com a Amortização já podemos descobrir o Saldo Devedor do Período 1.
4º Passo: Calcular o Juros para cada período.
Período 2 J = C.i.t (t=1)  J= 7093. 0,05 .1  J = 354,65 ∴ Observe que o juros incidiu sobre o
capital do Período 1(período anterior) e não do Período 2.
5º Passo: Calcular o valor da amortização para cada período.
Período 2 A = 2000 – 354,65  A = 1645,35

Com a Amortização já podemos descobrir o Saldo Devedor do Período 2.
23
E vamos fazendo assim para cada período, temos:
Obs.: Por estarmos trabalhando com números com vírgulas, podem ocorrer erros de aproximação,
fazendo com que na coluna do Saldo Devedor ainda reste algum valor.
- As prestações são constantes;
- Juros decrescentes;
- Amortizações crescentes.
- Na coluna Juros, temos uma PG (Progressão geométrica) de razão descrente.
SISTEMA DE AMORTIZAÇÃO MISTO (SAM).
- A prestação é a média entre a do SAC e a do Sistema Francês.
Para efetuar os cálculos basta utilizar todo os conceitos aprendidos acima.
SISTEMA DE AMORTIZAÇÃO VARIÁVEL
No sistema de amortizações variáveis (SAV), a devolução do financiamento não segue uma sequência
que obedeça a um critério ou modelo matemático. Neste sistema, o devedor paga o principal,
periodicamente por valores variáveis de acordo com a combinação realizada previamente com o credor.
A única restrição consiste em que o somatório das parcelas de amortização seja idêntico ao valor do
financiamento, enquanto os juros sobre o saldo devedor sejam pagos em cada período, juntamente com
a parcela de amortização e, na hipótese de não estar prevista amortização em um determinado período,
os juros, necessariamente, sejam pagos.
Exemplo
Supondo um financiamento de $ 50 mil a uma taxa de 12,0% a.a. e prazo de 12 meses, imaginando-
se que tenha sido combinado o fluxo de pagamentos seguinte:
24
Referências
http://www.premioabecip.org.br/2010/tema1/universitario/marcelo-dos-santos.pdf
REZENDE, Teotonio Costa. Os sistemas de amortização nas operações de crédito imobiliário: a falácia da capitalização de juros e da inversão do momento de
deduzir a quota de amortização. Rio de Janeiro: Universidade Federal Rural do Rio de Janeiro, 2003.
SISTEMA AMERICANO DE AMORTIZAÇÃO
O Sistema Americano de Amortização é um tipo de quitação de empréstimo que favorece aqueles que
desejam pagar o valor principal através de uma única parcela, porém os juros devem ser pagos
periodicamente ou, dependendo do contrato firmado entre as partes, os juros são capitalizados e pagos
junto ao valor principal. Observe as planilhas demonstrativas desse modelo de amortização.
Exemplo 1
Um empréstimo de R$ 50.000,00 será pago através do sistema americano no prazo de 10 meses, a
juros mensais de 3% ao mês. Veja: De acordo com o modelo de amortização americana, a quitação do
empréstimo ocorrerá no último mês, então nos meses anteriores a pessoa irá pagar somente o valor
dos juros.
Juros = 3% de 50.000 = 1.500
Observe que os juros do último período também são pagos pelo devedor.
Exemplo 2
Construa a planilha e determine o valor total dos juros pagos pelo empréstimo referente a R$
25.250,00, pagos pelo sistema americano durante 5 meses, a uma taxa de 2,5% ao mês.
Juros mensais = 2,5% de 25.250,00 = 0,025 * 25.250,00 =
25
O valor total dos juros é equivalente a R$ 3.156,25.
Questões
01. (Banco do Brasil – Técnico bancário – FCC) Um empréstimo de R$ 800.000,00 deve ser
devolvido em 5 prestações semestrais pelo Sistema de Amortizações Constantes (SAC) à taxa de 4% ao
semestre. O quadro demonstrativo abaixo contém, em cada instante do tempo (semestre), informações
sobre o saldo devedor (SD), a amortização (A), o juro (J) e a prestação (P) referentes a esse empréstimo.
Observe que o quadro apresenta dois valores ilegíveis.
Se o quadro estivesse com todos os valores legíveis, o valor correto da prestação P, no último campo
à direita, na linha correspondente ao semestre 5, da tabela, seria de
(A) 170.300,00.
(B) 167.500,00.
(C) 166.400,00.
(D) 162.600,00.
(E) 168.100,00.
02. (TRT 6ª REGIÃO- ANALISTA JUDICIÁRIO-CONTABILIDADE - FCC) Um empréstimo foi obtido

com taxas de juros simples de 18% a.a., para pagamento em 12 prestações mensais, consecutivas,
vencendo a primeira 30 dias após a obtenção do empréstimo. Sabendo-se que foi adotado, neste caso,
o sistema de amortização constante (SAC) e que o valor principal do empréstimo era R$ 120.000,00, o
valor da 8a parcela foi
(A) R$ 9.750,00
(B) R$ 10.600,00
(C) R$ 10.750,00
(D) R$ 12.000,00
(E) R$ 11.250,00
03. (UFGD – Analista Administrativo – Economia – AOCP) O sistema que consiste no plano de
amortização de uma dívida em prestações periódicas, sucessivas e decrescentes, em progressão
aritmética, denomina-se
(A) Sistema de Amortização Misto.
(B) Sistema Price.
(C) Sistema de Amortização Constante.
(D) Sistema Americano com fundo de amortização.
(E) Sistema Alemão.
26
04. (BNDES – Profissional Básico – Ciências Contábeis – CESGRARIO) Um cliente solicitará um
empréstimo bancário e, para tirar suas dúvidas, antes de ir ao banco, contratou um consultor particular.
Ele informou ao consultor que gostaria de que o empréstimo fosse nas seguintes condições: na prestação
calculada, já estivesse incluída parte da amortização da dívida e que, no final da operação, tivesse pagado
a menor quantidade de juros possível. Ele não tem restrições quanto ao valor das prestações.
Baseando-se nas informações do seu cliente, qual sistema de amortização o consultor deve indicar?
(A) Americano
(B) Alemão
(C) Francês (PRICE)
(D) SAC (Amortização Constante)
(E) SAM (Amortização Misto)
05. (UFRB – Economista – FUNRIO) Sobre o sistema de amortização constante (SAC) e o sistema
de amortização francês (SAF), é correto afirmar que:
(A) no SAC as parcelas são decrescentes.
(B) no SAF as parcelas são crescentes.
(C) os juros são calculados sobre o valor da amortização em ambos os sistemas.
(D) o pagamento total de juros é igual em ambos os sistemas.
(E) o saldo devedor após o pagamento da primeira parcela é maior no SAC do que no SAF.
06. (Pref. Florianópolis/SC – Auditor Fiscal de Tributos Municipais – FEPESE) Uma pessoa
financiou 100% de um imóvel no valor de R$ 216.000,00 em 9 anos. O pagamento será em prestações
mensais e o sistema de amortização é o sistema de amortização constante (SAC).
Sabendo que o valor da terceira prestação é de R$2.848,00, a taxa de juros mensal cobrada é de:
(A) 0,2%.
(B) 0,4%.
(C) 0,5%.
(D) 0,6%.
(E) 0,8%.
07. (TRE/BA – Técnico Judiciário – CESPE/2017) Um banco emprestou a uma empresa R$ 100.000,
entregues no ato, sem prazo de carência, para serem pagos em quatro prestações anuais consecutivas
pelo sistema de amortização constante (SAC). A taxa de juros compostos contratada para o empréstimo
foi de 10% ao ano, e a primeira prestação será paga um ano após a tomada do empréstimo.
Nessa situação, o valor da segunda prestação a ser paga pela empresa será?
(A) Superior a R$ 33.000,00.
(B) Inferior a R$ 30.000,00.
(C) Superior a R$ 30.000,00 e inferior a R$ 31.000,00.
(D) Superior a R$ 31.000,00 e inferior a R$ 32.000,00.
(E) Superior a R$ 32.000,00 e inferior a R$ 33.000,00.
08. (ELETROBRAS – Contabilidade – FCC) O Banco Comitê S.A. emprestou para a empresa
Empreende S.A. a quantia de R$ 1.000.000,00, por 3 anos, a taxa de juros de 2,5%, ao ano, com
pagamentos anuais. O sistema de amortização pactuado é o sistema Price. Com base nos dados, o valor
a ser registrado pela empresa, considerando que a mesma não pretende liquidar o empréstimo
antecipadamente, é
(A) o pagamento de três parcelas de R$ 374.137,17.
(B) um total de juros pagos, pelo empréstimo de R$ 50.411,50.
(C) uma amortização do valor principal, referente a terceira parcela de R$ 350.137,17.
(D) uma amortização do valor da segunda parcela de R$ 25.000,00.
(E) o pagamento de juros no valor de 8.539,93, relativos a primeira parcela.
Respostas
01. Resposta: C.
Parcela 5 = Amortização 5 + Juros 5
Juros 5 = Saldo devedor 4 x taxa de juros
Juros 5 = 160.000 x 0,04 = 6.400,00
P5 = 160.000 + 6.400 = 166.400,00
27
02. Resposta: D.
SAC = P e J decrescente.
i = 18% a.a /12 = 1,5% a.m. = 0,015
A = E/n  120 000/12 = 10 000
Vamos utilizar a fórmula do termo geral da PA
Pn = P1 + (n - 1).r  P8 = P1 + 7.r ,
Onde: J1= 0,015 . 120 000 = 1800
P1 = A + J = 10 000 + 1800 = 11 800
r = - i.A = - 0,015 x 10 000 = - 150
P8= 11 800 + 7.(- 150)  P8= 11 800 – 1050  P8 = 10 750,00
03. Resposta: C.
Como vimos no estudo dos tipos de Amortização, a única que apresenta esta característica é o Sistema
de Amortização Constante (SAC).
04. Resposta: D.
- As cotas de amortização são iguais;
- As prestações são decrescentes;
- Os juros são decrescentes;
- As amortizações serão sempre constantes.
- Nas colunas dos Juros e das Prestações observa-se de uma PA (Progressão Aritmética) de razão
decrescente.
05. Resposta: A.
(A) correto
(B) as parcelas são constantes
(C) vimos que no SAC as amortizações são constantes.
(D) Cada sistema tem um pagamento de juros diferentes. No SAC é em progressão aritmética e no
SAF é em progressão geométrica.
(E) Na verdade no SAF o saldo devedor após o pagamento da primeira parcela é maior que no SAC,
pois a amortização é crescente o que torna o saldo devedor menor a cada pagamento.
06. Resposta: B.
Sabemos que no SAC Amortizações são constantes:
Sabemos que E = 216.000
n = 9 anos x 12(mensal) = 108 parcelas
A=?
𝐸 216000
𝐴= = = 2000
𝑛 108
Com a cota de amortização, podemos calcular o Saldo Devedor para todos os períodos:
Sabemos a prestação do período 3 que é R$ 2.848,00. Lembrando que P = A + J, temos que para o
período 3:
P = A + J  2 848 = 2 000 + J  J = 2 848 – 2 000 = 848. O juros incide sobre o capital do período
anterior que neste caso é o 2.O tempo é 1
J = C.i.t  848 = 212 000.i.1  i = 848 / 212 000  i = 0,004 x 100%  i = 0,4%.
07. Resposta: E.
D = 100.000
A = 100.000/4 = 25.000
i = 10% a.a
P2 = ??
28
P2 = A + J2
P2 = 25.000 + (100.000-25.000) x 0,1
P2 = 25.000 + 75.000x0,1
P2 = 25.000 + 7500
P2 = 32.500
08. Resposta: B.
Como é pela tabela Price, vamos encontrar primeiramente o valor da prestação
(1+0,025) 3 −1 0,07689062
1000000 = P.[0,025.(1+0,025) 3 ] =P. 0,02692226 = P. 2,856023
1000000
P = 2,856023= 350137,24, este é o valor pago por prestação, vamos montar a tabela para descobrir o
valor dos juros e da amortização.
J = 25000 + 16871,57 + 8539,92 = 50411,49
FLUXO DE CAIXA
Um fluxo de caixa7 representa uma série de pagamentos ou de recebimentos que se estima ocorrer
em determinado intervalo de tempo. É bastante comum, na prática, defrontar-se com operações
financeiras que se representam por um fluxo de caixa. Por exemplo, empréstimos e financiamentos de
diferentes tipos costumam envolver uma sequência de desembolsos periódicos de caixa. De maneira
idêntica, têm-se os fluxos de pagamentos/recebimentos de aluguéis, de prestações oriundas de compras
a prazo, de investimentos empresariais, de dividendos etc.
Os fluxos de caixa podem ser verificados das mais variadas formas e tipos em termos de períodos de
ocorrência (postecipados, antecipados ou diferidos), de periodicidade (períodos iguais entre si ou
diferentes), de duração (limitados ou indeferidos) e de valores (constantes ou variáveis). Os termos dos
fluxos de caixa são genericamente simbolizados por PMT, sendo para as demais variáveis empregada a
mesma simbologia adotada em capítulos anteriores (PV, FV n, i).
Modelo Padrão
Os fluxos de caixa podem ser representados sob diferentes formas e tipos, exigindo cada um deles
um tratamento específico em termos de formulações. Esquematicamente, os fluxos de caixa são
identificados com base na seguinte classificação:
𝑃𝑜𝑠𝑡𝑒𝑐𝑖𝑝𝑎𝑑𝑜𝑠
1. Período de Ocorrência { 𝐴𝑛𝑡𝑒𝑐𝑖𝑝𝑎𝑑𝑜𝑠
𝐷𝑖𝑓𝑒𝑟𝑖𝑑𝑜𝑠
𝑃𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠
2. Periodicidade {
𝑁ã𝑜 𝑃𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠
7
FARIA, Rogério Gomes de. Matemática Comercial e Financeira. 5 ed. São Paulo: Pearson Education do Brasil, 2000.
FRANCISCO, Walter De. Matemática Financeira. 7 ed. São Paulo: Atlas, 1991.
NETO, Alexandre Assaf. Matemática Financeira e suas Aplicações.12 ed. São Paulo: Atlas, 2012.
NETTO, Scipione Di Pierro; TEIXEIRA, James. Matemática Financeira. São Paulo: Pearson Education do Brasil, 1998.
29
𝐿𝑖𝑚𝑖𝑡𝑎𝑑𝑜𝑠 (𝐹𝑖𝑛𝑖𝑡𝑜𝑠)
3. Duração { 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜𝑠
(𝐼𝑛𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜𝑠)
𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠
4. Valores {
𝑉𝑎𝑟𝑖á𝑣𝑒𝑖𝑠
O modelo-padrão de um fluxo de caixa, conforme grifado no esquema acima, é verificado quando os

termos de uma sucessão de pagamentos ou recebimentos apresentam, ao mesmo tempo, as seguintes
classificações:
Postecipados - indica que os fluxos de pagamentos ou recebimentos começam a ocorrer ao final do

primeiro intervalo de tempo. Por exemplo, não havendo carência, a prestação inicial de um financiamento
é paga ao final do primeiro período do prazo contratado, vencendo as demais em intervalos sequenciais.
Limitados - o prazo total do fluxo de caixa é conhecido a priori, sendo finito o número de termos
(pagamentos e recebimentos). Por exemplo, um financiamento por 2 anos envolve desembolsos neste
intervalo fixo de tempo sendo, consequentemente, limitado o número de termos do fluxo (prestações do
financiamento).
Constantes - indica que os valores dos termos que compõem o fluxo de caixa são iguais entre si.
Periódicos - é quando os intervalos entre os termos do fluxo são idênticos entre si. Ou seja, o tempo
entre um fluxo e outro é constante.
Graficamente, o fluxo de caixa uniforme (padrão) é representado da forma seguinte:
Observe que a estrutura desse fluxo obedece à classificação-padrão apresentada anteriormente:

- o PMT inicial ocorre em n = 1: postecipado;
- a diferença entre a data de um termo e outro é constante: periódico;
- o prazo do fluxo é preestabelecido (fixo), apresentando n períodos: limitado ou finito;
- os valores PMT são uniformes (iguais): constantes.
Valor presente e fator de valor presente
O valor presente de um fluxo de caixa uniforme, conforme discutido no item precedente, para uma taxa
periódica de juros, é determinado pelo somatório dos valores presentes de cada um de seus valores.
Reportando-se à representação gráfica do fluxo-padrão apresentado, tem-se:
Logo:
𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇

𝑃𝑉 = + + + ⋯+ 𝑛−1
+
(1 + 𝑖) (1 + 1)² (1 + 𝑖)³ (1 + 𝑖) (1 + 𝑖)𝑛
Colocando-se em evidência:
1 1 1 1 1
𝑃𝑉 = PMT [ + + 3
+ ⋯+ 𝑛−1
+ ]
(1 + 𝑖) (1 + 𝑖)² (1 + 𝑖) (1 + 𝑖) (1 + 𝑖)𝑛
𝑃𝑉 = PMT [(1 + 𝑖)−1 + (1 + 𝑖)−2 + (1 + 𝑖)−3 + ⋯ + (1 + 𝑖)−𝑛+1 + (1 + 𝑖)−𝑛 ]
30
FPV
A expressão entre colchetes é denominada de Fator de Valor Presente, sendo representada pela
Matemática Financeira da forma seguinte:
FPV (i, n)
Com isso, a formulação genérica do valor presente assume a expressão:
PV = PMT x FPV (i,n)
Observe que FPV, conforme é apresentado na formulação anterior entre colchetes, equipara-se à
soma de uma progressão geométrica (PG) DE n termos, sendo o primeiro termo (a1) e a razão (q) igual a
(1 + i)-1, e o n-ésimo termo (an) igual a (1 + i)-n.
A fórmula de cálculo da soma de uma PG é dada por:
𝑎1 − 𝑎𝑛 × 𝑞
𝑆𝑛 = 𝐹𝑃𝑉 (𝑖, 𝑛) =
1−𝑞
Substituindo-se os valores da expressão na soma dos termos de uma PG, tem-se:
(1 + 𝑖)−1 − (1 + 𝑖)−𝑛 × (1 + 𝑖)−1

𝐹𝑃𝑉(𝑖, 𝑛) =
1 − (1 − 𝑖)−1
Seguindo-se a sequência de dedução adotada por Mathias e Gomes8 multiplica-se o numerador e o

denominador por (1 + i), obtendo-se:
[(1 + 𝑖)−1 − (1 + 𝑖)−𝑛 × (1 + 𝑖)−1 ] × (1 + 𝑖)

𝐹𝑃𝑉 (𝑖, 𝑛) =
[1 − (1 + 𝑖)−1 ] × (1 + 𝑖)
(1 + 𝑖)−1 × (1 + 𝑖) − (1 + 𝑖)−𝑛 × (1 + 𝑖)−1 × (1 + 𝑖)

(1 + 𝑖) − (1 + 𝑖)−1 × (1 + 𝑖)
(1 + 𝑖)−1+1 − (1 + 𝑖)−𝑛 × (1 + 𝑖)−1+1

(1 + 𝑖) − (1 + 𝑖)−1+1
1 − (1 + 𝑖)−𝑛
1+𝑖−1
1 − (1 + 𝑖)−𝑛
𝑖
Essa expressão é muitas vezes representada da maneira seguinte:

1
1−
(1 + 𝑖)𝑛
𝑖
(1 + 𝑖)𝑛 − 1
(1 + 𝑖)𝑛
𝑖
(1 + 𝑖)𝑛 − 1
(1 + 𝑖)𝑛 𝑥 𝑖
8
MATHIAS, N. Franco; GOMES, J. Maria. Matemática financeira. 2ed.. São Paulo: Atlas, 1998. p. 242.
31
Mediante o FPV, a fórmula do valor presente de um fluxo de caixa uniforme é apresentada da maneira
seguinte:
1 − (1+𝑖)−𝑛
PV = PMT x 𝑖
ou
PV = PMT x FPV (i,n)
Exemplo
Determinar o valor presente de um fluxo de 12 pagamentos trimestrais, iguais e sucessivos de $ 700,00

sendo a taxa de juros igual a 1,7% a.m.
Resposta
PMT = $ 700,00
n = 12 pagamentos trimestrais
i = 1,7% a.m. ou: (1,017)3 - 1 = 5,19% a.t.
PV = PMT x FPV (i, n)
PV = $ 700,00 x FPV (5,19%, 12)
PV = $ 700,00 x 8,769034
PV = $ 6.138,30
Valor futuro e fator de valor futuro
O valor futuro, para determinada taxa de juros por período, é a soma dos momentos de cada um dos
termos da série de pagamentos/recebimentos. Graficamente, tem-se a seguinte representação:
O valor futuro pelo padrão ocorre junto com o último termo do fluxo de caixa. Capitalizando-se cada
um dos valores da série, apura-se a seguinte expressão:
FV = PMT + PMT x (1 + i) + PMT x (1 + 𝑖)2 +

PMT x (1 + 𝑖)3 + ... + PMT x (1 + 𝑖)𝑛 - 1
Colocando-se PMT em evidência:
Identicamente, a expressão entre colchetes é definida por Fator de Valor Futuro e representada por:
FFV (i,n)
A formulação genérica do valor futuro de um fluxo de caixa uniforme é expressa da forma seguinte:
FV = PMT x FFV (i, n)
Da mesma maneira em relação ao desenvolvimento da fórmula do valor presente, observe que a

expressão do FFV representa a soma dos termos de uma progressão geométrica, onde 𝑎1 = 1; q = (1 +
i) e 𝑎𝑛 = (1 + 𝑖)𝑛−1 . Pela mesma equação de cálculo da soma dos valores de uma PG, tem-se:
𝑎1 − 𝑎𝑛 𝑥 𝑞
𝑆𝑛 = FFV x (i,n) = 1−𝑞
32
Promovendo os mesmos ajustes e simplificações desenvolvidos na identidade do valor presente,
chega-se a:
(1+𝑖)𝑛
FFV (i, n) = 𝑖
Assim, a partir do FFV pode-se elaborar a expressão de cálculo do valor futuro (montante) de um fluxo
de caixa uniforme, ou seja:
(1+𝑖)𝑛 −1
FV = PMT x
𝑖
Ou
FV = PMT x FFV (i,n)
Exemplo
Calcular o montante acumulado ao final do 7º mês de uma sequência de 7 depósitos mensais e

sucessivos, no valor de $ 800,00 cada, numa conta de poupança que remunera a uma taxa de juros de
2,1% a.m.
Resposta
O valor futuro pode ser calculado pela soma do montante de cada depósito, isto é:
FV = 800,00 + 800,00 (1,021) + 800,00 (1,021)2

+ 800,00 (1,021)3 + ... + 800,00 (1,021)6
FV = $ 5.965,41
Aplicando-se a fórmula-padrão de apuração do valor futuro, tem-se, de forma abreviada, o mesmo

resultado:
FV = PMT x FFV (i,n)
(1+𝑖)𝑛 −1
FV = PMT x
𝑖
(1,021)7−1
FV = 800,00 x
0,021
FV = 800,00 x 7,456763 = $ 5.965,41
Equivalência financeira e fluxos de caixa
Deve ser ressaltado também no estudo do fluxo de caixa o conceito de equivalência financeira. Esse
raciocínio é de fundamental importância para a Matemática Financeira, permitindo o correto entendimento
e uso de seus resultados. A equivalência financeira encontra extensas aplicações práticas, estando
presente na tomada de decisões financeiras, na seleção de planos de empréstimos e financiamentos
mais atraentes, em propostas de refinanciamento e reescalonamento de dívidas etc.
De acordo com o que foi desenvolvido anteriormente, diz-se que dois ou mais fluxos de caixa (capitais)
são equivalentes quando produzem idênticos valores presentes num mesmo momento, convencionando-
se determinada taxa de juros.
Por exemplo, os 4 fluxos de caixa ilustrados a seguir são equivalentes para uma taxa de juros de 5%
ao mês, pois geram, para uma mesma taxa e juros, valores iguais em qualquer data focal escolhida.
33
Definindo-se 𝑡0 (momento presente como data focal):
190,00 220,00 267,00 414,00
(1,05)2
= (1,05)5 = (1,05)9 = (1,05)18
Registre-se, uma vez mais, que a equivalência financeira no regime de juros compostos, para dada
taxa de juros, pode ser verificada em qualquer momento tomado como referência (data focal). Por
exemplo, se a data for definida em 𝑡18 , tem-se:
414,00 = 267,00 (1,05)9 = 220,00 (1,05)13

= 190,00 (1,05)16
e assim por diante.
A equivalência de dois ou mais capitais, para determinada taxa de juros, ocorre em qualquer data
tomada como referência. Alterando-se a taxa, a equivalência evidentemente deixa de existir, dado que o
conceito depende da taxa de juros. Algumas ilustrações práticas evidenciando o uso do conceito de
equivalência financeira são desenvolvidas a seguir.
Exemplo
Admita que uma empresa esteja avaliando quatro planos de pagamentos de um financiamento de $
300.000,00 conforme apresentados a seguir. A taxa de juros considerada nas propostas é de 7% a.m.
Qual a opção de pagamento economicamente mais atraente?
Resposta
Os planos de pagamento formulados apresentam o mesmo valor presente (data zero) quando
descontados à taxa de juros de 7% a.m. O resultado atualizado continua igual, mesmo se definida outra
data focal. Logo, conclui-se que os fluxos de pagamento do financiamento são equivalentes,
apresentando o mesmo custo.
Assim, em termos estritamente econômicos de atratividade, torna-se indiferente (equivalente) a
escolha de uma ou outra forma de pagamento. Mesmo que a soma das prestações seja diferente em
cada proposta, o fundamental na avaliação econômica é a comparação entre valores expressos em uma
mesma unidade de tempo.
A decisão, dessa forma, deve ser tomada levando em conta o aspecto financeiro do desembolso, pois
os fluxos de caixa são diferentes em cada plano em termos de valores e data de ocorrência. A forma de
pagamento escolhida deve, evidentemente, adequar-se à capacidade financeira do tomador de recursos
e ao comportamento das taxas de juros de mercado.
34
Fluxos de caixa não convencionais
Os fluxos definidos no denominado modelo-padrão foram amplamente estudados no início do capítulo.

Esta parte dedica-se, mais especificamente, aos demais tipos de caixa, não considerados no modelo-
padrão. A seguir são desenvolvidos as várias classificações não convencionais dos fluxos de caixa.
Período de ocorrência
Com relação ao período em que a ocorrer, o fluxo de caixa pode ser identificado como postecipado,
antecipado e diferido.
- Postecipado
No tipo postecipado, a série de pagamentos/recebimentos começa a acorrer exatamente ao final do

primeiro período, de acordo com a ilustração gráfica acima. Esse fluxo enquadra-se no modelo-padrão
detalhado inicialmente, não havendo nada mais a acrescentar.
- Antecipado
O fluxo de caixa antecipado indica que a série de valores começa a ocorrer antes do final do primeiro
período, conforme é representado graficamente acima. Por exemplo, um aluguel pago no início do período
de competência (geralmente no início do mês) enquadra-se como um fluxo de caixa antecipado por um
período (mês). Se dois aluguéis forem adiantados ao locador, a antecipação é de dois períodos, e assim
por diante.
A determinação do valor presente e montante de um fluxo de caixa antecipado não apresenta maiores
novidades. Além de ter-se sempre a opção de atualizar ou corrigir os seus termos individualmente, pode-
se também utilizar a fórmula do modelo-padrão para a parte convencional do fluxo, e adicionar os termos
antecipados (corrigidos) a esse resultado.
Por exemplo, admita o seguinte fluxo de caixa com antecipação de dois períodos:
Para uma taxa de juros de 4% por período, tem-se:

PV = [70,00 × FPV (4%, 8)] + 70,00 + 70,00 × (1,04)
PV = (70,00 × 6,732745) + 70,00 + 72,80
PV = 471,29 + 70,00 + 72,80 = $614,09
FV = [70,00 × FPV (4%, 8) + 70,00(1,04)8 ] + 70,00 (1,04)9
FV = (70,00 × 9,214226) + 95,80 + 99,63
FV = 645,00 + 95,80 + 99,63 = $ 840,43
35
- Diferido (Carência)
O diferimento indica que os termos da série começam a ocorrer após o final do primeiro período,
conforme ilustrado no gráfico anterior.
Nessa ilustração, a série inicia-se no período imediatamente após o final do primeiro intervalo de
tempo, indicando consequentemente uma carência de um período. Se a série começar a ocorrer no
momento 3 do gráfico, a carência atinge dois períodos: no momento 4 tem-se uma carência de 3 períodos;
e assim por diante.
Em suma, a base de comparação para se definir uma carência é o final do primeiro período. Para a
matemática financeira, a carência existe quando o primeiro fluxo de caixa se verificar após o final do
primeiro período, ou seja, após ter decorrido c períodos de tempo.
A determinação do montante de um fluxo de caixa com carência segue a formulação desenvolvida do
modelo-padrão. Deve ser ressaltado, uma vez mais, que nesse caso n representa o número de termos
da série, e não o seu prazo total.
A formulação do valor presente, no entanto, requer um pequeno ajuste, de forma a ser expresso na
data zero, ou seja:
PV = PMT x FPV (i, n) x FAC (i, c)
Onde:
c = número de períodos de carência.
FAC = Fator de Atualização de Capital (valor presente).
FAC = 1/ (1 + i)n
Por exemplo, admita o seguinte fluxo de caixa diferido por 2 períodos:
- Diferido (Carência)
Observe que o fluxo de caixa apresenta um prazo total de 9 períodos, sendo o número determos igual
a 7 (n = 7), e a carência de 2 períodos (c = 2).
Para uma taxa de juros de 2,2% por período, têm-se os seguintes resultados:
PV = 100,00 x FPV (2,2%, 7) x FAC (2,2%, 2)
PV = 100,00 x 6,422524 x 0,957410 = $ 614,90
FV = 100,00 x FFV (2,2%, 7)
FV = 100,00 x 7,479318 = $747,93
Periodicidade
A periodicidade reflete os intervalos de tempo em que os fluxos de caixa ocorrem. Se esses intervalos
forem sempre iguais, diz-se que os fluxos são periódicos, enquadrando-se no modelo-padrão
apresentado. Se, por outro lado, os termos se verificarem em intervalos irregulares (diferentes entre si),
tem-se o que se denomina de fluxos de caixa não periódicos. O gráfico a seguir ilustra um fluxo de caixa
não periódico, onde os valores não se verificam uniformemente em termos de sua periodicidade.
36
Tanto o cálculo do valor presente, como o do valor futuro, devem ser processados, respectivamente,
pelo somatório da atualização e capitalização de cada um dos termos.
Genericamente, têm-se as seguintes expressões:
𝑃𝑉 = ∑𝑛𝑗=0 𝑃𝑀𝑇𝑗 / (1 + 𝑖)𝑗
𝑃𝑉 = ∑𝑛𝑗=0 𝑃𝑀𝑇𝑗 / (1 + 𝑖)𝑛−𝑗
Ilustrativamente, admita o seguinte fluxo de caixa não periódico:
Para uma taxa de juros de 1,9% a.m., tem-se:

𝟏𝟎𝟎,𝟎𝟎 𝟏𝟎𝟎,𝟎𝟎 𝟏𝟎𝟎,𝟎𝟎 𝟏𝟎𝟎,𝟎𝟎
PV = 100,00 + (𝟏,𝟎𝟏𝟗)𝟑 + (𝟏,𝟎𝟏𝟗)𝟒 + (𝟏,𝟎𝟏𝟗)𝟖 + (𝟏,𝟎𝟏𝟗)𝟏𝟓
PV= 100,00 + 94,51 + 92,75 + 86,02 + 75,40
PV = $ 448,68
FV = 100,00 + 100,00 (1,019)7 + 100,00 (1,019)11 + 100,00 (1,019)12 + 100,00 (1,019)15
FV = 100,00 + 114,08 + 123,00 + 125,34 + 132,62
FV = $ 595,04 ou FV = 448,68 x (1,019)15 = $ 595,04.
Duração
A duração de um fluxo de caixa pode ser finita, característica do modelo-padrão, ou indeterminada

(indefinida), quando o prazo não é conhecido previamente. No caso de uma série infinita, determina-se
unicamente o seu valor presente. Para algumas situações específicas podem ser atribuídas
probabilidades para se definir a duração de um fluxo, como é o caso da atividade de seguros. No entanto,
este tipo de situação não será tratada aqui, ficando mais restrito estudo da Matemática Atuarial.
A representação gráfica de uma série indefinida pode ser ilustrada da forma seguinte:
O cálculo do valor presente é efetuado pelo somatório do valor atualizado de cada um de seus termos,
isto é:
𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇
𝑃𝑉 = (1+𝑖)
+ (1+𝑖)2
+ (1+𝑖)3
+ ⋯+ (1+𝑖)∞
37
Genericamente:
∞
𝑃𝑀𝑇𝑗
𝑃𝑉 = ∑
(1 + 𝑖)𝑗
𝑗=1
Detalhando a formulação:
𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇 𝑃𝑀𝑇
𝑃𝑉 = (1+𝑖)
+ (1+𝑖)2
+ (1+𝑖)3
+ (1+𝑖)4
+ ⋯+ (1+𝑖)∞
1 1 1 1 1
𝑃𝑉 = 𝑃𝑀𝑇 [(1+𝑖) + (1+𝑖)2
+ (1+𝑖)3
+ (1+𝑖)4
+ ⋯+ (1+𝑖)∞
]
Os valores entre colchetes representam a soma dos termos de uma progressão geométrica indefinida,
cuja razão é menor que 1. Aplicando-se o teorema de limite na fórmula da soma dos termos, tem-se:
𝑎1 + 𝑎𝑛 ×𝑞
𝐹𝑃𝑉 = lim
𝑛→∞ 1−𝑞
Processando-se as deduções e simplificações pertinentes a partir dessa expressão, chega-se ao valor

presente de um fluxo de caixa igual, constante, periódico e indeterminado, ou seja:
𝑃𝑀𝑇
PV =
𝑖
Em outras palavras, o valor presente desse fluxo é determinado pela relação entre o
pagamento/recebimento periódico, igual e sucessivo, e a taxa de juros considerada. As séries
indeterminadas encontram aplicações práticas principalmente em avaliações de imóveis efetuadas com
base nos rendimentos de aluguéis, na apuração do preço de mercado de uma ação a partir do fluxo
previsto de dividendos etc. Com o intuito de proceder a uma aplicação prática do cálculo do valor presente
de um fluxo indeterminado, admita que um imóvel esteja rendendo $ 2.000,00 de aluguel mensalmente.
Sendo de 2% a.m.o custo de oportunidade de mercado (ganho da melhor alternativa de aplicação
disponível), pode-se avaliar preliminarmente que o valor deste imóvel atinge $ 100.000,00, isto é:
2.000,00
𝑃𝑉 = = $ 100.000,00
0,02
O valor de referência do imóvel, válido para uma avaliação inicial, é o valor presente do fluxo de
rendimentos mensais (aluguéis) previsto por um prazo indeterminado, descontado a um custo de
oportunidade.
Valores
No que se refere aos valores, os termos de caixa podem ser constantes, se os fluxos de caixa
apresentarem-se sempre iguais, ou variáveis, se os fluxos não forem sempre iguais entre si. Se os valores
de caixa forem constantes, o fluxo identifica-se com o modelo-padrão estudado. No entanto, se os valores
de caixa apresentarem-se desiguais (variáveis), o valor presente é calculado pela soma dos valores
atualizados de cada um de seus termos. O valor futuro, por seu lado, é determinado pelo somatório dos
montantes de cada um dois termos ou, ainda, capitalizando-se o valor presente para a data futura.
Identicamente aos fluxos de caixa não periódicos, têm-se as seguintes generalizações:
𝑃𝑉 = ∑𝑛𝑗=0 𝑃𝑀𝑇𝑗 / (1 + 𝑖)𝑗
𝐹𝑉 = ∑𝑛𝑗=0 𝑃𝑀𝑇𝑗 × (1 + 𝑖)𝑗

Ou
𝐹𝑉 = 𝑃𝑉 × (1 + 𝑖)𝑛
38
Por exemplo, admita um fluxo de caixa com os seguintes valores, ocorrendo respectivamente ao final
de cada um dos próximos 5 anos: $ 80,00, $ 126,00, $ 194,00, $ 340,00 e $ 570,00. Para uma taxa de
juros de 4% a.a., têm-se os seguintes resultados:
𝟖𝟎,𝟎𝟎 𝟏𝟐𝟔,𝟎𝟎 𝟏𝟗𝟒,𝟎𝟎 𝟑𝟒𝟎,𝟎𝟎 𝟓𝟕𝟎,𝟎𝟎

𝑷𝑽 = (𝟏,𝟎𝟒)
+ (𝟏,𝟎𝟒)𝟐 + (𝟏,𝟎𝟒)𝟑
+ (𝟏,𝟎𝟒)𝟒
+ (𝟏,𝟎𝟒)𝟓
𝑃𝑉 = 76,92 + 116,49 + 172,46 + 290,63 + 468,50
𝑃𝑉 = $1.125,00
FV = 570,00 + 340,00 (1,04) + 194 (1,04)2 126,00 (1,04)3 + 80,00 (1,04)4
𝑭𝑽 = 𝟓𝟕𝟎, 𝟎𝟎 + 𝟑𝟓𝟑, 𝟔𝟎 + 𝟐𝟎𝟗, 𝟖𝟑 + 𝟏𝟒𝟏, 𝟕𝟑 + 𝟗𝟑, 𝟓𝟗
𝐹𝑉 = $ 1.368,80
Ou
𝐹𝑉 = 1.125,00 × (1,04)5 = $ 1.368,80
Questões
01. Uma mercadoria é vendida a prazo em 5 pagamentos mensais de $ 700,00. Sendo de 3,5% a.m.
a taxa de juros, determinar o seu preço à vista admitindo que o primeiro pagamento é efetuado no ato da
compra:
(A) R$ 3.500,00
(B) R$ 3.377,50
(C) R$ 3.271,16
(D) R$ 3.200,85
(E) R$ 3.429,29
02. Uma pessoa irá necessitar de $ 7.000,00 daqui a 10 meses. Quanto deverá ela depositar
mensalmente num fundo de poupança que rende 1,7% a.m. de juros?
(A) 𝑅$ 625,15
(B) 𝑅$ 586,10
(C) 𝑅$ 648,10
(D) 𝑅$ 500,18
(E) 𝑅$ 700,00
03. Um veículo, cujo preço à vista é de $ 30.000,00, está sendo vendido nas seguintes condições:
a) entrada = 30%
b) saldo em 6 prestações mensais, iguais e sucessivas, vencendo a primeira daqui a dois meses.
Determinar o valor de cada prestação, admitindo uma taxa de juros de 2% a.m.
(A) $ 4.541,50
(B) $ 4.000,00
(C) $ 3.010,02
(D) $ 2.100,02
(E) $ 3.824,02
39
04. Determinado produto está sendo vendido por $ 1.800,00 a vista, ou em 3 pagamento mensais e
iguais de $ 650,00. Estando atualmente em 3,3% a.m. as taxas de juros de mercado, a melhor alternativa
de compra é a compra a vista.
( )Certo ( )Errado
05. Determinada mercadoria é vendida por $ 2.500,00 a vista ou por 20% de entrada mais prestações
mensais de $ 309,00. Sendo de 2% a.m. a taxa corrente de juros, determinar o número de prestações
mensais.
(Dado: log 1,2 = 0,008600 e log 0,870550 = − 0,060206)
(A) 6 prestações
(B) 7 prestações
(C) 8 prestações
(D) 9 prestações
(E) 10 prestações
06. Determinado bem é vendido em 7 pagamentos mensais, iguais e consecutivos de $ 4.000,00. Para
uma taxa de juros de 2,6% a.m., até que preço compensa adquirir o aparelho à vista?
(A) $ 25.000,00
(B) $ 26.001,18
(C) $ 23.300,18
(D) $ 25.301,18
(E) $ 21.201,00
07. Um veículo novo está sendo vendido por $ 4.000,00 de entrada mais 6 pagamentos mensais, iguais
e consecutivos de $ 3.000,00. Sabendo-se que a taxa de juros de mercado é de 5,5% a.m., determinar
até que preço interessa comprar o veículo a vista.
(A) 18.986,59
(B) 20.586,59
(C) 17.746,50
(D) 16.500,50
(E) 19.999,59
Respostas
01. Resposta: C.
PV = 700,00 + [700,00 x FPV (3,5%, 4)]

PV = 700,00 + (700,00 x 3,673079)
PV = R$ 3.271,16
02. Resposta: C.
FV = PMT x FFV (i, n)

7.000,00 = PMT x FFV (1,7%, 10)
7.000,00 = PMT x 10,800733
40
7.000,00
PMT = 10,800733 = 𝑅$ 648,10
03. Resposta: E.
Valor a financiar = 30.000,00 - 9.000,00 = $ 21.000,00

PV = PMT x FPV (2%, 6) x FAC (2%, 1)
1− (1,02)−6
21.000,00 = PMT x 0,02
x (1,02)-1
21.000,00 = PMT x 5,601431 x 0,980392

21.000,00 = pmt X 5.491598
21.000,00
PMT = 5,491598
= $ 3.824,02
04. Resposta: Certo.

A indicação da alternativa de compra mais interessante pode ser obtida pelo valor presente das duas
propostas (escolhe-se evidentemente aquela de menor PV), ou pela determinação do custo mensal da
venda a prazo (o percentual apurado é comparado com a taxa de mercado).
PV (a vista) = $ 1.800,00
PV = (a prazo) = 650,00 x FPV (3,3%, 3)
650,000 x 2,812375
= $ 1.828,04
A venda a prazo, por apresentar um PV maior que o valor a vista, indica um custo maior que a taxa de
mercado (3,3% a.m.). Interessa a compra à vista.
O custo mensal da compra a prazo é calculado:
PV = PMT x FPV (i, n)
1− (1+𝑖)−3
1.800,00 = 650,00 x 𝑖
i = 4,11% a.m.
Confirma-se um custo embutido na venda a prazo de 4,11% a.m. maior que os juros de mercado (3,3%
a.m.).
05. Resposta: B.
Valor a financiar: 2.500,00 - 20% = $ 2.000,00
PV = PMT + FPV (i, n)
2.000,00 = 309,00 x FPV (2,0%, n)
2.000,00
309,00
x 0,02 = 1 - (1,02)-n
0,129450 = 1 - (1,02)-n
(1,02)-n = 0,870550
Aplicando-se a propriedade de logaritmo:

- n x log 1,02 = log 0,870550
41
log 0,870550
n=-
log 1,02
− 0,060206
n=- 0,008600
= 7 meses (prestações mensais)
06. Resposta: D.
PMT = $ 4.000,00 PV= ?
𝑖 = 2,6 % 𝑎. 𝑚.
𝑛=7
1− (1+𝑖)−𝑛
𝑃𝑉 = 𝑃𝑀𝑇 × 𝑖
Ou
𝑃𝑉 = 𝑃𝑀𝑇 × 𝐹𝑃𝑉 (𝑖, 𝑛)
1− (1,026)−7
𝑃𝑉 = 4.000,00 × 0,026
𝑃𝑉 = 4.000,0 × 6,325294 = $ 25.301,18.
O valor presente pode também ser calculado pela atualização de cada uma dos termos do fluxo, ou
seja:
4.000,00 4.000,00 4.000,00 4.000,00
𝑃𝑉 = (1,026)
+ (1,026)2 + (1,026)3 + ... + (1,026)7
Resolvendo-se a expressão chega-se, evidentemente, ao mesmo resultado: PV = $ 25.301,18.
07. Resposta: A.
O preço à vista é formado pela entrada de $ 4.000,00 mais a soma dos valores atuais das prestações
de $ 3.000,00 cada, ou seja:
PV = Entrada + [PMT x FPV (i,n)]
PV = 4.000,00 + 3.000,00 x FPV (5,5%, 6)
PV = 4.000,00 + 3.000,00 x 4,995530
PV = 18.986,59
TAXAS DE RETORNO E TAXAS INTERNAS DE RETORNO
Taxa Mínima de Atratividade (TMA) 9
Os métodos de avaliação que serão apresentados, para efeito de avaliar méritos de alternativas para
investimento, apresentam como principal característica o reconhecimento da variação do valor do dinheiro
no tempo. Este fato evidência a necessidade de se utilizar uma taxa de juros quando a análise for efetuada
através de um deles. A questão é definir qual será a taxa a ser empregada.
A TMA é a taxa a partir da qual o investidor considera que está obtendo ganhos financeiros
Existem grandes controvérsias quanto a como calcular esta taxa. Alguns autores afirmam que a taxa
de juros a ser usada pela engenharia econômica é a taxa de juros equivalente à maior rentabilidade das
aplicações correntes e de pouco risco. Uma proposta de investimento, para ser atrativa, deve render, no
mínimo, esta taxa de juros.
9
Assaf Neto – Livro Administração Financeira
42
Outro enfoque dado a TMA é a de que deve ser o custo de capital investido na proposta em questão,
ou ainda, o custo de capital da empresa mais o risco envolvido em cada alternativa de investimento.
Naturalmente, haverá disposição de investir se a expectativa de ganhos, já deduzido o valor do
investimento, for superior ao custo de capital. Por custo de capital, entendesse a média ponderada dos
custos das diversas fontes de recursos utilizadas no projeto em questão.
Taxa Interna de Retorno (TIR)

Vamos analisar as taxas de retorno e taxas internas de retorno. Qual o significado de Taxa interna de
Retorno?
Esta taxa é muito utilizada na analise de viabilidade de projetos.
A Taxa Interna de Retorno (TIR), em inglês IRR (Internal Rate of Return), é uma taxa de desconto
hipotética que, quando aplicada a um fluxo de caixa, faz com que os valores das despesas, trazidos ao
valor presente, seja igual aos valores dos retornos dos investimentos, também trazidos ao valor
presente.O conceito foi proposto por John Maynard Keynes, de forma a classificar diversos projetos de
investimento: os projetos cujos fluxos de caixa tivessem uma taxa interna de retorno maior do que a taxa
mínima de atratividade deveriam ser escolhidos.1
Assim, a TIR é a taxa necessária para igualar o valor de um investimento (valor presente) com os seus
respectivos retornos futuros ou saldos de caixa gerados em cada período. Sendo usada em análise de
investimentos, significa a taxa de retorno de um projeto.
Por exemplo, utilizando uma calculadora financeira, encontramos para o projeto "P1" uma Taxa Interna
de Retorno de 15% ao ano.
Esse projeto será atrativo se a empresa tiver uma TMA menor do que 15% ao ano.
A solução dessa equação pode ser obtida pelo processo iterativo, ou seja "tentativa e erro", ou
diretamente com o uso de calculadoras eletrônicas ou planilhas de cálculo.
A Taxa Interna retorno (TIR)

É a taxa de atualização do projeto que dá o VPL nulo.
A TIR é a taxa que o investidor obtém em média em cada período (ano, mês,...) sobre os capitais que
se mantêm investidos no projeto, enquanto o investimento inicial é recuperado progressivamente.
A TIR é um critério que atende ao valor de dinheiro no tempo, valorizando os cash-flows – Fluxo de
caixa -atuais mais do que os futuros, constitui com a VPL e o PAYBACK atualizado os três grandes
critérios de avaliação de projetos.
Como o VPL – TIR é um metodo de analise de investimento derivado do VPL, segue a mesma regra,
ou seja, A Taxa Interna de Retorno de um investimento pode ser
1- Maior do que a Taxa Mínima de Atratividade: significa que o investimento é economicamente
atrativo.
TIR>TMA – PROJETO VIAVEL
2- Igual à Taxa Mínima de Atratividade: o investimento está economicamente numa situação de
indiferença.
TIR=TMA – PROJETO PODERÁ SER VIAVEL
3- Menor do que a Taxa Mínima de Atratividade: o investimento não é economicamente atrativo
pois seu retorno é superado pelo retorno de um investimento com o mínimo de retorno já definido.
TIR<TMA – PROJETO INVIAVEL
Entre vários investimentos, o melhor será aquele que tiver a maior Taxa Interna de Retorno.
Matematicamente, a Taxa Interna de Retorno é a taxa de juros que torna o valor presente das entradas
de caixa igual ao valor presente das saídas de caixa do projeto de investimento.
Desta forma, a TIR é a taxa de desconto que faz com que o Valor Presente Líquido (VPL) do projeto
seja zero. Um projeto é atrativo quando sua TIR for maior do que o custo de capital do projeto
Método da Taxa Interna de Retorno (TIR)10

Por definição, a taxa interna de retorno de um projeto é a taxa de juros para a qual o valor presente
das receitas torna-se igual aos desembolsos. Isto significa dizer que a TIR é aquela que torna nulo o valor
presente líquido do projeto. Pode ainda ser entendida como a taxa de remuneração do capital.
A TIR deve ser comparada com a TMA para a conclusão a respeito da aceitação ou não do projeto.
Uma TIR maior que a TMA indica projeto atrativo. Se a TIR é menor que a TMA, o projeto analisado passa
10
GITMAN, 2002
43
a não ser mais interessante. O cálculo da TIR é feito normalmente pelo processo de tentativa e erro, pois
necessitamos de planilhas eletrônicas ou calculadoras financeiras para efetuar estes cálculos.
A Taxa Interna de Retorno (TIR) é a taxa de juros (desconto) que iguala, em determinado momento do
tempo, o valor presente das entradas (recebimentos) com o das saídas (pagamentos) previstas de caixa.
A TIR é usada como método de análise de investimentos, onde o investimento será economicamente
atraente se a TIR for maior do que a taxa mínima de atratividade (taxa de retorno esperada pelo
investimento).
A TIR também é utilizada na comparação entre dois ou mais projetos de investimentos, quando estes
forem mutuamente excludentes. Neste caso, o projeto que apresentar o maior valor da TIR será o projeto
economicamente mais atraente.
O cálculo da TIR é um processo muito complexo quando calculado à mão, sendo normalmente
calculado com o uso de calculadoras financeiras ou programas de computador. Entretanto, para efeito
didático, não é possível exigir dos alunos que tenham uma calculadora financeira, visto que estas são
normalmente de alto custo. Além disso, quando o aluno realiza o cálculo à mão, ele se familiariza mais
com o conceito da TIR.
Assim, neste trabalho está sendo proposta uma técnica de cálculo da TIR pelo método de tentativa e
erro (proposta inicialmente por GITMAN, 2002), mas que terá um refinamento para melhorar o grau de
precisão dos resultados em relação ao método original de Gitman (2002). Foram realizados testes com
diferentes configurações de fluxo de caixa para testar o método, verificando-se que o método de tentativa
e erro, embora mais lento do que quando se usa uma calculadora financeira ou um software de
computador, produz resultados bastante precisos.
De acordo com Hoji (2006), a Taxa Interna de Retorno (TIR) é conhecida também como taxa de
desconto do fluxo de caixa. A TIR é uma taxa de juros implícita numa série de pagamentos (saídas) e
recebimentos (entradas), que tem a função de descontar um valor futuro ou aplicar o fator de juros sobre
um valor presente, conforme o caso, para trazer ou levar cada valor do fluxo de caixa para uma data focal
(data base de comparação de valores correntes de diversas datas). Geralmente, adota-se a data de início
da operação – momento zero – como a data focal de comparação dos fluxos de caixa (NETO, 2006). A
soma das saídas deve ser igual à soma das entradas, em valor da data focal, para se anularem (HOJI,
2006).
Segundo Neto (2006), normalmente, o fluxo de caixa no momento zero (fluxo de caixa inicial) é
representado pelo valor do investimento, ou empréstimo ou financiamento; os demais fluxos de caixa
indicam os valores das receitas ou prestações devidas.
Ainda de acordo com Hoji (2006), o conceito de TIR é utilizado para calcular a taxa “i” quando existe
mais de um pagamento e mais de um recebimento ou quando as parcelas de pagamento ou recebimento
não são uniformes.
O método da Taxa de Retorno, usado para análise de investimentos, assume implicitamente que todos
os fluxos intermediários de caixa são reinvestidos à própria TIR calculada para o investimento. O critério
de decisão, quando a TIR é usada para tomar decisões do tipo “aceitar-rejeitar”, é o seguinte: Se a TIR
for maior que o custo de capital (taxa mínima de atratividade), aceita-se o projeto; se for menor, rejeita-
se o projeto. Esse critério garante que a empresa esteja obtendo, pelo menos, sua taxa requerida de
retorno. Tal resultado deveria aumentar o valor de mercado da empresa e, consequentemente, a riqueza
dos seus proprietários (GITMAN, 2002). Entre duas alternativas econômicas com TIR diferentes, a que
apresentar maior taxa representa o investimento que proporciona o maior retorno. A TIR não deve ser
confundida com a taxa mínima de atratividade que o valor investido deverá proporcionar para que o
investimento seja interessante (HOJI, 2006).
A taxa interna de retorno, apesar de ser consideravelmente mais difícil de calcular à mão do que o VPL
(Valor Presente Líquido – outro método de análise de investimentos) é possivelmente a técnica sofisticada
mais usada para a avaliação de alternativas de investimentos. Como a TIR é a taxa de desconto que faz
com que o VPL de uma oportunidade de investimento iguale-se a zero (já que o valor presente das
entradas de caixa é igual ao investimento inicial), matematicamente, a TIR é obtida resolvendo-se a
Equação 1 para o valor de k que torne o VPL igual a zero (GITMAN, 2002).
n
FC t
VPL    I0 (01)
t 1 (1  k ) t
44
n
FCt
0  I0 (02)
t 1 (1  TIR)t
Onde: FCt – valor presente das entradas de caixa;
I0 – investimento inicial;
k – taxa de desconto (igual ao custo de capital de empresa);
t – tempo de desconto de cada entrada de caixa;
n - tempo de desconto do último fluxo de caixa.
De acordo com Gitman (2002) a TIR pode ser calculada tanto por tentativa e erro como se recorrendo
a uma calculadora financeira sofisticada ou a um computador. Como será demonstrado a seguir, o cálculo
da TIR à mão, empregando-se a Equação 2, não é um trabalho fácil.
Será demonstrada a abordagem de tentativa e erro, visto que o objetivo deste trabalho é demonstrar
um método para cálculo da TIR a ser usado em sala de aula, onde a maioria dos alunos não têm acesso
a uma calculadora financeira (normalmente de alto custo).
Avaliação de alternativas de investimento em economia após a classificação dos projetos tecnicamente
corretos é imprescindível que a escolha considere aspectos econômicos. E é a engenharia econômica
que fornece os critérios de decisão, para a escolha entre as alternativas de investimento.
Os principais métodos de avaliação que formam a base da engenharia econômica, e com eles
podemos avaliar e escolher os melhores projetos são:
- Método do valor presente líquido (VPL);
- Método da taxa interna de retorno (TIR).
- Método do PAY-BACK (PB).
Os métodos VPL e TIR, são exatos, e equivalentes, não apresentam os problemas na análise e decisão
e escolha do melhor projeto, no entanto o PAY-BACK descontado apesar de ser muito utilizado na
avaliação de projetos ele não realiza o exato prazo de retorno do investimento.
O método, que é muito utilizado, e que possui limitações do ponto de vista conceitual é o PAY-BACK
ou método do tempo de recuperação do investimento. O método do PAY-BACK consiste simplesmente
na determinação do número de períodos necessários para recuperar capital investido, ignorando as
consequências além do período de recuperação e o valor do dinheiro no tempo. Normalmente é
recomendado que este método seja usado como critério de desempate, se for necessário após o emprego
de um dos métodos exatos.
Estes métodos são equivalentes e indicam sempre a mesma alternativa de investimento, que é a
melhor do ponto de vista econômico. Embora indicarem o mesmo resultado, existe é claro vantagens e
desvantagens um em relação ao outro, e que serão comentadas a seguir.
CRITÉRIOS ECONÔMICOS DE DECISÃO11
Método do valor presente líquido (VPL)
O método do valor presente líquido, também conhecido pela terminologia método do valor atual,
caracteriza-se, essencialmente, pela transferência para o instante presente de todas as variações de
caixa esperadas, descontadas à taxa mínima de atratividade. Em outras palavras, seria o transporte para
a data zero de um diagrama de fluxos de caixa, de todos os recebimentos e desembolsos esperados,
descontados à taxa de juros considerada.
Se o valor presente for positivo, a proposta de investimento é atrativa, e quanto maior o valor positivo,
mais atrativa é a proposta.
n
FC t
VPL    I0
t 1 (1  k ) t
Onde: FCt – valor presente das entradas de caixa;
I0 – investimento inicial;
k – taxa de desconto (igual ao custo de capital de empresa);
t – tempo de desconto de cada entrada de caixa;
11
http://www.iepg.unifei.edu.br/edson/download/Engecon2/CAP3EEA.pdf
45
n - tempo de desconto do último fluxo de caixa.
Tir= 17,3%
VPL = 7.171,30
Explicações da tabela:
Coluna 1 –DATAS - data zero em economia consideramos a data do Valor presente.
As outras datas são exatamente a vida útil do projeto (maquinários e outros bens relacionados),
Coluna 2 – VALORES - R$ 55.000,00 é o investimento – valor negativo para representar que este
dinheiro sairá do caixa da empresa para o projeto.
Os outros valores R$ 25.000,00 do ano 1 ao ano 3 é exatamente os valores de retorno se o projeto
for implantado.
Coluna 3 – ITEM – são as nomenclaturas respectivas de investimentos e redução de custo – neste

caso podemos também lançar como retorno dependendo do caso.
Coluna 4 – FATOR DE CÁLCULO - o fator de cálculo utilizado para análise de investimento é
baseado na metodologia de JURO COMPOSTO, lembra-se?
É claro que esta formula é do montante, mas em nosso caso, neste item vamos usar somente o fator.
VF  VP (1 i)
n
Então o que é fator de cálculo a juro composto? É exatamente - um mais taxa elevado ao período
respectivo, como segue:
(1 i)
n
Para que serve então o fator de cálculo? Serve para “trazer para a data presente um valor que está no
futuro”!
É evidente que se dividirmos um valor pelo seu respectivo fator teremos como resulta o valor presente.
Se multiplicarmos teremos o respectivo valor futuro. Entendeu? Grande dica para concursos.
Coluna 5 - VPS – valor presente respectivo de cada ano, ou seja estamos calculando aqueles valores
que a empresa terá no futuro, verificando qual será seu respectivo valor na data zero- valor presente,
..ok.?
VF
VP 
(1 i)
n
Coluna 6 - SALDOS – calculamos os respectivos saldos em cada ano. Ou seja, teremos que “pagar
os investimentos efetuados pela empresa”, então temos que ir pagando de acordo com as entradas de
caixa ou neste caso será a redução de custos, entendeu?
Quando o saldo se transforma em positivo é sinal que conseguimos cobrir o valor dos investimentos,
portanto fique alerta neste período temos a viabilidade do projeto.
Podemos também utilizar a formula do valor presente líquido para cálculo direto:
46
Em concurso utilizamos um método ainda não comprovado cientificamente, mas que pode dar um
parâmetro para as respostas corretas. Ou seja
EXEMPLO 1: Fluxo de caixa de uma anuidade (entradas constantes).

A seguir é apresentado um esquema de fluxo de caixa com investimento inicial no ano
Zero.
Dica para concurso:

Taxa de retorno -Aproximação = média de retorno / investimentos =60/100 = 0,6
Pegue este valor e dívida por dois ou seja 0,60/2 =0,3; portanto temos duas taxas de retorno taxa
máxima = 0,6 e taxa mínima 0,3
Faça agora a média entre as taxas máxima e a mínima, em alguns casos funciona.
0,60+0,30=0,90 e agora dívida por 2 para acha a média aritmética das taxas que será igual a 0,45 =
45% é uma taxa aproximada a TIR real que é de 47,2%, lembre-se que é uma alternativa não cientifica.
Questões
01. Uma organização fez um desembolso inicial de $ 3.000,00 esperando receber $ 700,00 ao final de
um ano, $ 900,00 ao final de dois anos, $1.400,00 ao final de três anos e $ 1.700,00 ao final de quatro
anos. Determine o seu VPL supondo uma taxa de atratividade é de 10% aa.
(A) $593,12
(B) $700,00
(C) $1.000,00
(D) $1.200,00
(E) $358,77
02. (CVM/FCC) O esquema abaixo representa o fluxo de caixa de um investimento no período de 3

anos, valores em reais:
Sabendo-se que a taxa interna de retorno (TIR) é de 10% ao ano, o valor do desembolso inicial (D) é
de:
(A) R$ 17.325,00
(B) R$ 16.500,00
(C) R$ 16.000,00
(D) R$ 15.500,00
(E) R$ 15.000,00
Comentários
01. Resposta: A.
n
FCt
VPL    I0
t 1 (1  k )
t
47
02. Resposta: D.
n
FCt
Sabendo que 0  I0
t 1 (1  TIR)t
Então
0 9075
0= +
1,1²
+ 10.648
1,1³
- I0
1,1¹
I0 = 7.500 + 8000 = 15.500
5. Estatística Descritiva: Gráficos, tabelas
A Estatística Descritiva ou Estatística é a parte disponibiliza métodos para resumo e apresentação

de dados estatísticos com o objetivo de facilitar a compreensão e utilização desses dados. Em resumo
podemos dizer que ela tem por finalidade a utilização de distribuição de frequências, tabelas, gráficos,
diagramas e medidas descritivas.
TABELAS E GRÁFICOS
O nosso cotidiano é permeado das mais diversas informações, sendo muito delas expressas em
formas de tabelas e gráficos12, as quais constatamos através do noticiários televisivos, jornais, revistas,
entre outros. Os gráficos e tabelas fazem parte da linguagem universal da Matemática, e compreensão
desses elementos é fundamental para a leitura de informações e análise de dados.
A parte da Matemática que organiza e apresenta dados numéricos e a partir deles fornecer conclusões
é chamada de Estatística.
Tabelas: as informações nela são apresentadas em linhas e colunas, possibilitando uma melhor
leitura e interpretação. Exemplo:
Fonte: SEBRAE
Observação: nas tabelas e nos gráficos podemos notar que a um título e uma fonte. O título é utilizado
para evidenciar a principal informação apresentada, e a fonte identifica de onde os dados foram obtidos.
Tipos de Gráficos
Gráfico de linhas: são utilizados, em geral, para representar a variação de uma grandeza em certo
período de tempo.
Marcamos os pontos determinados pelos pares ordenados (classe, frequência) e os ligados por
segmentos de reta. Nesse tipo de gráfico, apenas os extremos dos segmentos de reta que compõem a
linha oferecem informações sobre o comportamento da amostra. Exemplo:
12
https://www.infoenem.com.br
http://mundoeducacao.bol.uol.com.br
48
Gráfico de barras: também conhecido como gráficos de colunas, são utilizados, em geral, quando há
uma grande quantidade de dados. Para facilitar a leitura, em alguns casos, os dados numéricos podem
ser colocados acima das colunas correspondentes. Eles podem ser de dois tipos: barras verticais e
horizontais.
Gráfico de barras verticais: as frequências são indicadas em um eixo vertical. Marcamos os pontos
determinados pelos pares ordenados (classe, frequência) e os ligamos ao eixo das classes por meio de
barras verticais. Exemplo:
Gráfico de barras horizontais: as frequências são indicadas em um eixo horizontal. Marcamos os

pontos determinados pelos pares ordenados (frequência, classe) e os ligamos ao eixo das classes por
meio de barras horizontais. Exemplo:
Observação: em um gráfico de colunas, cada barra deve ser proporcional à informação por ela
representada.
Gráfico de setores: são utilizados, em geral, para visualizar a relação entre as partes e o todo.
Dividimos um círculo em setores, com ângulos de medidas diretamente proporcionais às frequências
de classes. A medida α, em grau, do ângulo central que corresponde a uma classe de frequência F é
dada por:
360°
𝛼= .𝐹
𝐹𝑡
Onde:
Ft = frequência total
49
Exemplo
Para acharmos a frequência relativa, podemos fazer uma regra de três simples:
400 --- 100%
160 --- x
x = 160 .100/ 400 = 40%, e assim sucessivamente.
Aplicando a fórmula teremos:
360° 360°
−𝐹𝑢𝑡𝑒𝑏𝑜𝑙: 𝛼 = .𝐹 → 𝛼 = . 160 → 𝛼 = 144°
𝐹𝑡 400
360° 360°
−𝑉ô𝑙𝑒𝑖: 𝛼 = .𝐹 → 𝛼 = . 120 → 𝛼 = 108°
𝐹𝑡 400
360° 360°
−𝐵𝑎𝑠𝑞𝑢𝑒𝑡𝑒: 𝛼 = .𝐹 → 𝛼 = . 60 → 𝛼 = 54°
𝐹𝑡 400
360° 360°
−𝑁𝑎𝑡𝑎çã𝑜: 𝛼 = .𝐹 → 𝛼 = . 20 → 𝛼 = 18°
𝐹𝑡 400
Como o gráfico é de setores, os dados percentuais serão distribuídos levando-se em conta a proporção
da área a ser representada relacionada aos valores das porcentagens. A área representativa no gráfico
será demarcada da seguinte maneira:
Com as informações, traçamos os ângulos da circunferência e assim montamos o gráfico:
Pictograma ou gráficos pictóricos: em alguns casos, certos gráficos, encontrados em jornais,

revistas e outros meios de comunicação, apresentam imagens relacionadas ao contexto. Eles são
desenhos ilustrativos. Exemplo:
50
Histograma: o consiste em retângulos contíguos com base nas faixas de valores da variável e com
área igual à frequência relativa da respectiva faixa. Desta forma, a altura de cada retângulo é denominada
densidade de frequência ou simplesmente densidade definida pelo quociente da área pela amplitude da
faixa. Alguns autores utilizam a frequência absoluta ou a porcentagem na construção do histograma, o
que pode ocasionar distorções (e, consequentemente, más interpretações) quando amplitudes diferentes
são utilizadas nas faixas. Exemplo:
Polígono de Frequência: semelhante ao histograma, mas construído a partir dos pontos médios das
classes. Exemplo:
Gráfico de Ogiva: apresenta uma distribuição de frequências acumuladas, utiliza uma poligonal
ascendente utilizando os pontos extremos.
51
Cartograma: é uma representação sobre uma carta geográfica. Este gráfico é empregado quando o
objetivo é de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.
Interpretação de tabelas e gráficos
Para uma melhor interpretação de tabelas e gráficos devemos ter em mente algumas considerações:
- Observar primeiramente quais informações/dados estão presentes nos eixos vertical e horizontal,
para então fazer a leitura adequada do gráfico;
- Fazer a leitura isolada dos pontos.
- Leia com atenção o enunciado e esteja atento ao que pede o enunciado.
Exemplos
(Enem) O termo agronegócio não se refere apenas à agricultura e à pecuária, pois as atividades
ligadas a essa produção incluem fornecedores de equipamentos, serviços para a zona rural,
industrialização e comercialização dos produtos.
O gráfico seguinte mostra a participação percentual do agronegócio no PIB brasileiro:
Centro de Estudos Avançados em Economia Aplicada (CEPEA).

Almanaque abril 2010. São Paulo: Abril, ano 36 (adaptado)
Esse gráfico foi usado em uma palestra na qual o orador ressaltou uma queda da participação do
agronegócio no PIB brasileiro e a posterior recuperação dessa participação, em termos percentuais.
Segundo o gráfico, o período de queda ocorreu entre os anos de
A) 1998 e 2001.
B) 2001 e 2003.
C) 2003 e 2006.
D) 2003 e 2007.
E) 2003 e 2008.
52
Resolução
Segundo o gráfico apresentado na questão, o período de queda da participação do agronegócio no

PIB brasileiro se deu no período entre 2003 e 2006. Esta informação é extraída através de leitura direta
do gráfico: em 2003 a participação era de 28,28%, caiu para 27,79% em 2004, 25,83% em 2005,
chegando a 23,92% em 2006 – depois deste período, a participação volta a aumentar.
Resposta: C
(Enem) O gráfico mostra a variação da extensão média de gelo marítimo, em milhões de quilômetros
quadrados, comparando dados dos anos 1995, 1998, 2000, 2005 e 2007. Os dados correspondem aos
meses de junho a setembro. O Ártico começa a recobrar o gelo quando termina o verão, em meados de
setembro. O gelo do mar atua como o sistema de resfriamento da Terra, refletindo quase toda a luz solar
de volta ao espaço. Águas de oceanos escuros, por sua vez, absorvem a luz solar e reforçam o
aquecimento do Ártico, ocasionando derretimento crescente do gelo.
Com base no gráfico e nas informações do texto, é possível inferir que houve maior aquecimento global
em
(A)1995.
(B)1998.
(C) 2000.
(D)2005.
(E)2007.
Resolução
O enunciado nos traz uma informação bastante importante e interessante, sendo chave para a
resolução da questão. Ele associa a camada de gelo marítimo com a reflexão da luz solar e
consequentemente ao resfriamento da Terra. Logo, quanto menor for a extensão de gelo marítimo, menor
será o resfriamento e portanto maior será o aquecimento global.
O ano que, segundo o gráfico, apresenta a menor extensão de gelo marítimo, é 2007.
Resposta: E
53
Mais alguns exemplos:
01. Todos os objetos estão cheios de água.
Qual deles pode conter exatamente 1 litro de água?

(A) A caneca
(B) A jarra
(C) O garrafão
(D) O tambor
O caminho é identificar grandezas que fazem parte do dia a dia e conhecer unidades de medida, no
caso, o litro. Preste atenção na palavra exatamente, logo a resposta está na alternativa B.
02. No gráfico abaixo, encontra-se representada, em bilhões de reais, a arrecadação de impostos

federais no período de 2003 a 2006. Nesse período, a arrecadação anual de impostos federais:
(A) nunca ultrapassou os 400 bilhões de reais.

(B) sempre foi superior a 300 bilhões de reais.
(C) manteve-se constante nos quatro anos.
(D) foi maior em 2006 que nos outros anos.
(E) chegou a ser inferior a 200 bilhões de reais.
Analisando cada alternativa temos que a única resposta correta é a D.
Questões
01. (Pref. Fortaleza/CE – Pedagogia – Pref. Fortaleza) “Estar alfabetizado, neste final de século,
supõe saber ler e interpretar dados apresentados de maneira organizada e construir representações, para
formular e resolver problemas que impliquem o recolhimento de dados e a análise de informações. Essa
característica da vida contemporânea traz ao currículo de Matemática uma demanda em abordar
elementos da estatística, da combinatória e da probabilidade, desde os ciclos iniciais” (BRASIL, 1997).
Observe os gráficos e analise as informações.
54
A partir das informações contidas nos gráficos, é correto afirmar que:
(A) nos dias 03 e 14 choveu a mesma quantidade em Fortaleza e Florianópolis.
(B) a quantidade de chuva acumulada no mês de março foi maior em Fortaleza.
(C) Fortaleza teve mais dias em que choveu do que Florianópolis.
(D) choveu a mesma quantidade em Fortaleza e Florianópolis.
02. (DEPEN – Agente Penitenciário Federal – CESPE)
Ministério da Justiça — Departamento Penitenciário Nacional

— Sistema Integrado de Informações Penitenciárias – InfoPen,
Relatório Estatístico Sintético do Sistema Prisional Brasileiro,
dez./2013 Internet:<www.justica.gov.br> (com adaptações)
A tabela mostrada apresenta a quantidade de detentos no sistema penitenciário brasileiro por

região em 2013. Nesse ano, o déficit relativo de vagas — que se define pela razão entre o déficit de
vagas no sistema penitenciário e a quantidade de detentos no sistema penitenciário — registrado
em todo o Brasil foi superior a 38,7%, e, na média nacional, havia 277,5 detentos por 100 mil
habitantes.
Com base nessas informações e na tabela apresentada, julgue o item a seguir.
Em 2013, mais de 55% da população carcerária no Brasil se encontrava na região Sudeste.
( )certo ( ) errado
03. (TJ/SP – Estatístico Judiciário – VUNESP) A distribuição de salários de uma empresa com
30 funcionários é dada na tabela seguinte.
Salário (em salários mínimos) Funcionários

1,8 10
2,5 8
3,0 5
5,0 4
8,0 2
15,0 1
55
Pode-se concluir que
(A) o total da folha de pagamentos é de 35,3 salários.
(B) 60% dos trabalhadores ganham mais ou igual a 3 salários.
(C) 10% dos trabalhadores ganham mais de 10 salários.
(D) 20% dos trabalhadores detêm mais de 40% da renda total.
(E) 60% dos trabalhadores detêm menos de 30% da renda total.
04. (TJ/SP – Estatístico Judiciário – VUNESP) Considere a tabela de distribuição de frequência

seguinte, em que xi é a variável estudada e fi é a frequência absoluta dos dados.
xi fi
30-35 4
35-40 12
40-45 10
45-50 8
50-55 6
TOTAL 40
Assinale a alternativa em que o histograma é o que melhor representa a distribuição de
frequência da tabela.
05. (SEJUS/ES – Agente Penitenciário – VUNESP) Observe os gráficos e analise as afirmações

I, II e III.
56
I. Em 2010, o aumento percentual de matrículas em cursos tecnológicos, comparado com 2001,
foi maior que 1000%.
II. Em 2010, houve 100,9 mil matrículas a mais em cursos tecnológicos que no ano anterior.
III. Em 2010, a razão entre a distribuição de matrículas no curso tecnológico presencial e à
distância foi de 2 para 5.
É correto o que se afirma em
(A) I e II, apenas.
(B) II, apenas.
(C) I, apenas.
(D) II e III, apenas.
(E) I, II e III.
06. (DEPEN – Agente Penitenciário Federal – CESPE)
A partir das informações e do gráfico apresentados, julgue o item que se segue.

Se os percentuais forem representados por barras verticais, conforme o gráfico a seguir, então
o resultado será denominado histograma.
Comentários
01. Resposta: C.
A única alternativa que contém a informação correta com os gráficos é a C.
02. Resposta: CERTO.

555----100%
306----x
X=55,13%
03. Resposta: D.
(A) 1,8*10+2,5*8+3,0*5+5,0*4+8,0*2+15,0*1=104 salários
(B) 60% de 30, seriam 18 funcionários, portanto essa alternativa é errada, pois seriam 12.
(C)10% são 3 funcionários
(D) 40% de 104 seria 41,6
57
20% dos funcionários seriam 6, alternativa correta, pois5*3+8*2+15*1=46, que já é maior.
(E) 6 dos trabalhadores: 18
30% da renda: 31,20, errada pois detêm mais.
04. Resposta: A.
A menor deve ser a da primeira 30-35
Em seguida, a de 55
Depois de 45-50 na ordem 40-45 e 35-40
05. Resposta: E.
I- 69,8------100%
781,6----x
X=1119,77
II- 781,6-680,7=100,9
10 2
III- 25 = 5
06. Resposta: ERRADO.

Como foi visto na teoria, há uma faixa de valores no eixo x e não simplesmente um dado.
6. Medidas de posição e de variabilidade
MÉDIA ARITMÉTICA
Considere um conjunto numérico A = {x1; x2; x3; ...; xn} e efetue uma certa operação com todos os
elementos de A.
Se for possível substituir cada um dos elementos do conjunto A por um número x de modo que o
resultado da operação citada seja o mesmo diz – se, por definição, que x será a média dos elementos de
A relativa a essa operação.
Média Aritmética Simples13
A média dos elementos do conjunto numérico A relativa à adição é chamada média aritmética.
Cálculo da média aritmética

Se x for a média aritmética dos elementos do conjunto numérico A = {x1; x2; x3; ...; xn}, então, por
definição:
A média aritmética(x) dos n elementos do conjunto numérico A é a soma de todos os seus

elementos, dividida pelo número de elementos n.
Exemplos:
1) Calcular a média aritmética entre os números 3, 4, 6, 9, e 13.
Se x for a média aritmética dos elementos do conjunto (3, 4, 6, 9, 13), então x será a soma dos 5
elementos, dividida por 5. Assim:
3 + 4 + 6 + 9 + 13 35
𝑥= ↔𝑥= ↔𝑥=7
5 5
13
IEZZI, Gelson – Matemática – Volume Único
58
A média aritmética é 7.
2) Os gastos (em reais) de 15 turistas em Porto Seguro estão indicados a seguir:

65 – 80 – 45 – 40 – 65 – 80 – 85 – 90
75 – 75 – 70 – 75 – 75 – 90 – 65
Se somarmos todos os valores teremos:
65 + 80 + 45 + 40 + 65+, , , +90 + 65 1075

𝑥= = = 71,70
15 15
Assim podemos concluir que o gasto médio do grupo de turistas foi de R$ 71,70.
Questões
01. (Câmara Municipal de São José dos Campos/SP – Analista Técnico Legislativo – Designer
Gráfico – VUNESP) Na festa de seu aniversário em 2014, todos os sete filhos de João estavam
presentes. A idade de João nessa ocasião representava 2 vezes a média aritmética da idade de seus
filhos, e a razão entre a soma das idades deles e a idade de João valia
(A) 1,5.
(B) 2,0.
(C) 2,5.
(D) 3,0.
(E) 3,5.
02. (TJ/SC - Técnico Judiciário - Auxiliar TJ-SC) Os censos populacionais produzem informações
que permitem conhecer a distribuição territorial e as principais características das pessoas e dos
domicílios, acompanhar sua evolução ao longo do tempo, e planejar adequadamente o uso sustentável
dos recursos, sendo imprescindíveis para a definição de políticas públicas e a tomada de decisões de
investimento. Constituem a única fonte de referência sobre a situação de vida da população nos
municípios e em seus recortes internos – distritos, bairros e localidades, rurais ou urbanos – cujas
realidades socioeconômicas dependem dos resultados censitários para serem conhecidas.
http://www.ibge.gov.br/home/estatistica/populacao/censo2010/default.shtm
(Acesso dia 29/08/2011)
Um dos resultados possíveis de se conhecer, é a distribuição entre homens e mulheres no território
brasileiro. A seguir parte da pirâmide etária da população brasileira disponibilizada pelo IBGE.
http://www.ibge.gov.br/censo2010/piramide_etaria/index.php
(Acesso dia 29/08/2011)
O quadro abaixo, mostra a distribuição da quantidade de homens e mulheres, por faixa etária de uma
determinada cidade. (Dados aproximados)
Considerando somente a população masculina dos 20 aos 44 anos e com base no quadro abaixo a
frequência relativa, dos homens, da classe [30, 34] é:
(A) 64%.
(B) 35%.
59
(C) 25%.
(D) 29%.
(E) 30%.
03. (EsSA - Sargento - Conhecimentos Gerais - Todas as Áreas – EB) Em uma turma a média
aritmética das notas é 7,5. Sabe-se que a média aritmética das notas das mulheres é 8 e das notas dos
homens é 6. Se o número de mulheres excede o de homens em 8, pode-se afirmar que o número total
de alunos da turma é
(A) 4.
(B) 8.
(C) 12.
(D) 16.
(E) 20.
04. (SAP/SP - Oficial Administrativo – VUNESP) A altura média, em metros, dos cinco ocupantes de
um carro era y. Quando dois deles, cujas alturas somavam 3,45 m, saíram do carro, a altura média dos
que permaneceram passou a ser 1,8 m que, em relação à média original y, é
(A) 3 cm maior.
(B) 2 cm maior.
(C) igual.
(D) 2 cm menor.
(E) 3 cm menor.
05. (PC/SP – Oficial Administrativo – VUNESP) Em uma empresa com 5 funcionários, a soma dos
dois menores salários é R$ 4.000,00, e a soma dos três maiores salários é R$ 12.000,00. Excluindo-se o
menor e o maior desses cinco salários, a média dos 3 restantes é R$ 3.000,00, podendo-se concluir que
a média aritmética entre o menor e o maior desses salários é igual a
(A) R$ 3.500,00.
(B) R$ 3.400,00.
(C) R$ 3.050,00.
(D) R$ 2.800,00.
(E) R$ 2.500,00.
Comentários
01. Alternativa: E.
Foi dado que: J = 2.M
𝑎+𝑏+⋯+𝑔
𝐽= 7
= 2. 𝑀 (I)
𝑎+𝑏+⋯+𝑔
Foi pedido: 𝐽
=?
Na equação ( I ), temos que:

𝑎+𝑏+⋯+𝑔
7= 𝐽
7 𝑎+𝑏+⋯+𝑔
=
2 𝑀
𝑎 + 𝑏 + ⋯+ 𝑔
= 3,5
𝑀
02. Alternativa: E.
[30, 34] = 600, somatória de todos os homens é: 300+400+600+500+200= 2000
600 600
300+400+600+500+200
= 2000 = 0,3 . (100) = 30%
60
03. Alternativa: D.
Do enunciado temos m = h + 8 (sendo m = mulheres e h = homens).
𝑆
A média da turma é 7,5, sendo S a soma das notas: 𝑚+ℎ = 7,5 → 𝑆 = 7,5(𝑚 + ℎ)
𝑆1
A média das mulheres é 8, sendo S1 a soma das notas: = 8 → 𝑆1 = 8𝑚
𝑚
𝑆2
A média dos homens é 6, sendo S2 a soma das notas: ℎ
= 6 → 𝑆2 = 6ℎ
Somando as notas dos homens e das mulheres:

S1 + S2 = S
8m + 6h = 7,5(m + h)
8m + 6h = 7,5m + 7,5h
8m – 7,5m = 7,5h – 6h
0,5m =1,5h
1,5ℎ
𝑚 = 0,5
𝑚 = 3ℎ
h + 8 = 3h
8 = 3h – h
8 = 2h → h = 4
m = 4 + 8 = 12
Total de alunos = 12 + 4 = 16
04. Alternativa: A.
Sendo S a soma das alturas e y a média, temos:
𝑆
= 𝑦 → S = 5y
5
𝑆−3,45
3
= 1,8 → S – 3,45 = 1,8.3
S – 3,45 = 5,4
S = 5,4 + 3,45
S = 8,85, então:
5y = 8,85
y = 8,85 : 5 = 1,77
1,80 – 1,77 = 0,03 m = 3 cm a mais.
05. Alternativa: A.
x1 + x2 + x3 + x4 + x5
x1 + x2 = 4000
x3 + x4 + x5 = 12000
𝑥2 + 𝑥3 + 𝑥4
= 3000
3
x2 + x3 + x4 = 9000
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 = 4000 + 12000 = 16000
Sendo 𝑥1 𝑒 𝑥5 o menor e o maior salário, respectivamente:

𝑥1 + 9000 + 𝑥5 = 16000
𝑥1 + 𝑥5 = 16000 − 9000 = 7000
Então, a média aritmética:

𝑥1 + 𝑥2 7000
= = 3500
2 2
61
Média Aritmética Ponderada
A média dos elementos do conjunto numérico A relativa à adição e na qual cada elemento tem um
“determinado peso” é chamada média aritmética ponderada14.
Cálculo da média aritmética ponderada

Se x for a média aritmética ponderada dos elementos do conjunto numérico A = {x1; x2; x3; ...; xn} com
“pesos” P1; P2; P3; ...; Pn, respectivamente, então, por definição:
P1 . x + P2 . x + P3 . x + ... + Pn . x =
= P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn ↔ (P1 + P2 + P3 + ... + Pn) . x =
= P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn e, portanto,
𝑥1 ; 𝑥2 ; 𝑥3 ; …; 𝑥𝑛
Observe que se P1 = P2 = P3 = ... = Pn = 1, então 𝑥 = 𝑛
: que é a média aritmética simples.
A média aritmética ponderada dos n elementos do conjunto numérico A é a soma dos produtos
de cada elemento multiplicado pelo respectivo peso, dividida pela soma dos pesos.
Exemplos:
1) Calcular a média aritmética ponderada dos números 35, 20 e 10 com pesos 2, 3, e 5,
respectivamente.
Se x for a média aritmética ponderada, então:
2 .35 + 3 .20 + 5 .10 70 + 60 + 50 180

𝑥= ↔𝑥= ↔𝑥= ↔ 𝑥 = 18
2+3+5 10 10
A média aritmética ponderada é 18.
2) Em um dia de pesca nos rios do pantanal, uma equipe de pescadores anotou a quantidade de peixes
capturada de cada espécie e o preço pelo qual eram vendidos a um supermercado em Campo Grande.
Tipo de peixe Quilo de peixe pescado Preço por quilo

Peixe A 18 R$ 3,00
Peixe B 10 R$ 5,00
Peixe C 6 R$ 9,00
Vamos determinar o preço médio do quilograma do peixe vendido pelos pescadores ao supermercado.
Considerando que a variável em estudo é o preço do quilo do peixe e fazendo a leitura da tabela,
concluímos que foram pescados 18 kg de peixe ao valor unitário de R$ 3,00, 10 kg de peixe ao valor
unitário de R$ 5,00 e 6 kg de peixe ao valor de R$ 9,00.
Vamos chamar o preço médio de p:
18𝑥3,00 + 10𝑥5,00 + 6𝑥9,00 54 + 50 + 54 158

𝑝= = = = 4,65 𝑟𝑒𝑎𝑖𝑠
18 + 10 + 6 34 34
Neste caso o fator de ponderação foi a quantidade de peixes capturadas de cada espécie.
A palavra média, sem especificações (aritmética ou ponderada), deve ser entendida como média
aritmética.
14
62
Questões
01. (EPCAR – Cadete – EPCAR) Um líquido L1 de densidade 800 g/l será misturado a um líquido L2
de densidade 900 g/l Tal mistura será homogênea e terá a proporção de 3 partes de L1 para cada 5 partes
de L2 A densidade da mistura final, em g/l, será
(A) 861,5.
(B) 862.
(C) 862,5.
(D) 863.
02. (TJM-SP – Oficial de Justiça – VUNESP) Ao encerrar o movimento diário, um atacadista, que
vende à vista e a prazo, montou uma tabela relacionando a porcentagem do seu faturamento no dia com
o respectivo prazo, em dias, para que o pagamento seja efetuado.
PORCENTUAL DO PRAZO PARA

FATURAMENTO PAGAMENTO (DIAS)
15% À vista
20% 30
35% 60
20% 90
10% 120
O prazo médio, em dias, para pagamento das vendas efetuadas nesse dia, é igual a
(A) 75.
(B) 67.
(C) 60.
(D) 57.
(E) 55.
03. (SEDUC/RJ - Professor – Matemática – CEPERJ) Uma loja de roupas de malha vende camisetas
com malha de três qualidades. Cada camiseta de malha comum custa R$15,00, de malha superior custa
R$24,00 e de malha especial custa R$30,00. Certo mês, a loja vendeu 180 camisetas de malha comum,
150 de malha superior e 70 de malha especial. O preço médio, em reais, da venda de uma camiseta foi
de:
(A) 20.
(B) 20,5.
(C) 21.
(D) 21,5.
(E) 11.
04. (CÂMARA MUNICIPAL DE SÃO JOSÉ DO RIO PRETO/SP – Programador de Computador –

FIP) A média semestral de um curso é dada pela média ponderada de três provas com peso igual a 1
na primeira prova, peso 2 na segunda prova e peso 3 na terceira. Qual a média de um aluno que tirou
8,0 na primeira, 6,5 na segunda e 9,0 na terceira?
(A) 7,0
(B) 8,0
(C) 7,8
(D) 8,4
(E) 7,2
05. (SESP/MT – Perito Oficial Criminal - Engenharia Civil/Engenharia Elétrica/Física/Matemática

– FUNCAB) A tabela abaixo mostra os valores mensais do Imposto Predial e Territorial Urbano (IPTU)
pagos pelos apartamentos de um condomínio. Determine a média aritmética desses valores.
Número de Apartamentos Valor de IPTU Pago

5 R$ 180,00
5 R$ 200,00
10 R$ 220,00
10 R$ 240,00
4 R$ 300,00
6 R$ 400,00
63
(A) R$ 248,50
(B) R$ 252,50
(C) R$ 255,50
(D) R$ 205,50
(E) R$ 202,50
06. (SAP/SP - AGENTE DE SEGURANÇA PENITENCIÁRIA DE CLASSE I – VUNESP) Em uma

seção de uma empresa com 20 funcionários, a distribuição dos salários mensais, segundo os cargos
que ocupam, é a seguinte:
Sabendo-se que o salário médio desses funcionários é de R$ 1.490,00, pode-se concluir que o salário
de cada um dos dois gerentes é de
(A) R$ 2.900,00.
(B) R$ 4.200,00.
(C) R$ 2.100,00.
(D) R$ 1.900,00.
(E) R$ 3.400,00.
07. (UFPE - Assistente em Administração – COVEST) Em um concurso existem provas de

Português, Matemática, Informática e Conhecimentos Específicos, com pesos respectivos 2, 3, 1 e 4. Um
candidato obteve as seguintes notas nas provas de Português, Matemática e Informática:
Disciplina Nota
Português 77
Matemática 62
Informática 72
Se a nota do candidato no concurso foi 80, qual foi a sua nota na prova de Conhecimentos Específicos?
(A) 95
(B) 96
(C) 97
(D) 98
(E) 99
08. (VUNESP – FUNDUNESP – Assistente Administrativo) Um concurso teve duas fases, e, em

cada uma delas, os candidatos foram avaliados com notas que variaram de zero a dez. Para efeito de
classificação, foram consideradas as médias ponderadas de cada candidato, uma vez que os pesos da
1.ª e da 2.ª fases foram 2 e 3, respectivamente. Se um candidato tirou 8 na 1.ª fase e 5 na 2.ª, então é
verdade que sua média ponderada foi
(A) 6,2.
(B) 6,5.
(C) 6,8.
(D) 7,1.
(E) 7,4.
09. (SAAE/SP - Fiscal Leiturista – VUNESP) A tabela mostra os valores de algumas latinhas de
bebidas vendidas em um clube e a quantidade consumida por uma família, em certo dia.
Bebidas (latinha) Valor unitário Quantidade Consumida

Refrigerante R$ 4,00 8
Suco R$ 5,00 6
Cerveja X 4
64
Considerando-se o número total de latinhas consumidas por essa família nesse dia, na média, o preço
de uma latinha saiu por R$ 5,00. Então, o preço de uma latinha de cerveja era
(A) R$ 5,00.
(B) R$ 5,50.
(C) R$ 6,00.
(D) R$ 6,50.
(E) R$ 7,00.
10. (Instituto de Pesquisas Tecnológicas – Secretária – VUNESP) Em um edifício residencial, 14

unidades pagam uma taxa mensal de condomínio no valor de 930 reais. Para as 28 unidades restantes,
que são menores, a taxa mensal de condomínio também é menor. Sabendo-se que o valor médio da taxa
mensal de condomínio, nesse edifício, é de 750 reais, é correto afirmar que o valor em reais que cada
unidade menor paga mensalmente de condomínio é igual a
(A) 600.
(B) 620.
(C) 660.
(D) 700.
(E) 710.
Comentários
01. Alternativa: C.
3.800+5.900 2400+4500 6900
3+5
= 8
= 8 = 862,5
02. Alternativa: D.
Média aritmética ponderada: multiplicamos o porcentual pelo prazo e dividimos pela soma dos
porcentuais.
15.0+20.30+35.60+20.90+10.120
=
15+20+35+20+10
600+2100+1800+1200
= 100
=
5700
= = 57
100
03. Alternativa: C.
Também média aritmética ponderada.
180.15+150.24+70.30
180+150+70
=
2700+3600+2100
= 400
=
8400
= 400
= 21
04. Alternativa: B.
Na média ponderada multiplicamos o peso da prova pela sua nota e dividimos pela soma de todos os
pesos, assim temos:
8.1 + 6,5.2 + 9.3 8 + 13 + 27 48
𝑀𝑃 = = = = 8,0
1+2+3 6 6
05. Alternativa: B.
5.180 + 5.200 + 10.220 + 10.240 + 4.300 + 6.400 10100

𝑀= = = 252,50
5 + 5 + 10 + 10 + 4 + 6 40
65
06. Alternativa: C.
2𝑥 + 8 ∙ 1700 + 10 ∙ 1200
𝑀é𝑑𝑖𝑎 =
20
2𝑥 + 8 ∙ 1700 + 10 ∙ 1200
1490 =
20
2𝑥 + 13600 + 12000 = 29800

2𝑥 = 4200
𝑥 = 2100
Cada um dos gerentes recebem R$ 2100,00
07. Alternativa: C.
2.77 + 3.62 + 1.72 + 4. 𝑥

= 80
2+3+1+4
412 + 4. 𝑥
= 80
10
4x + 412 = 80 . 10
4x = 800 – 412
x = 388 / 4
x = 97
08. Alternativa: A.
2.8 + 3.5 16 + 15 31
𝑀𝑝 = = = = 6,2
2+3 5 5
09. Alternativa: E.
8.4 + 6.5 + 4. 𝑥
=5
8+6+4
62 + 4. 𝑥
=5
18
4.x = 90 – 62
x = 28 / 4
x = R$ 7,00
10. Resposta: C.
𝟏𝟒 . 𝟗𝟑𝟎 + 𝟐𝟖 . 𝒙
= 𝟕𝟓𝟎
𝟏𝟒 + 2𝟖
𝟏𝟑𝟎𝟐𝟎 + 𝟐𝟖 . 𝒙
= 𝟕𝟓𝟎
𝟒𝟐
13020 + 28.x = 42 . 750

28.x = 31500 – 13020
x = 18480 / 28
x = R$ 660,00
MÉDIA GEOMÉTRICA
Este tipo de média é calculado multiplicando-se todos os n valores e extraindo-se a raiz de

índice n deste produto. (n≥2)
66
Em uma fórmula: a média geométrica de a1, a2, ..., an é
A média geométrica de um conjunto de números é sempre menor ou igual à média aritmética dos
membros desse conjunto (as duas médias são iguais se e somente se todos os membros do conjunto são
iguais). Isso permite a definição da média aritmética geométrica, uma mistura das duas que sempre tem
um valor intermediário às duas.
A média geométrica é também a média aritmética harmônica no sentido que, se duas sequências (an)
e (hn) são definidas:
Então an e hn convergem para a média geométrica de x e y.
Exemplo:
Digamos que tenhamos os números 4, 6 e 9, para obtermos média geométrica deste conjunto,
multiplicamos os elementos e obtemos o produto 216.
Pegamos então este produto e extraímos a sua raiz cúbica, chegando ao valor médio 6.
Extraímos a raiz cúbica, pois o conjunto é composto de 3 elementos. Se fossem n elementos,
extrairíamos a raiz de índice n.
Neste exemplo teríamos a seguinte solução:
Utilidades da Média Geométrica
Progressão Geométrica
Uma das utilizações deste tipo de média é na definição de uma progressão geométrica que diz que
em toda PG., qualquer termo é média geométrica entre o seu antecedente e o seu consequente:
Tomemos como exemplo três termos consecutivos de uma PG.: 7, 21 e 63.

Temos então que o termo 21 é média geométrica dos termos 7 e 63.
Vejamos:
Variações Percentuais em Sequência
Outra utilização para este tipo de média é quando estamos trabalhando com variações percentuais em
sequência.
Exemplo
Digamos que uma categoria de operários tenha um aumento salarial de 20% após um mês, 12% após
dois meses e 7% após três meses. Qual o percentual médio mensal de aumento desta categoria?
67
Sabemos que para acumularmos um aumento de 20%, 12% e 7% sobre o valor de um salário,
devemos multiplicá-lo sucessivamente por 1,2, ; 1,12 e 1,07 que são os fatores correspondentes a tais
percentuais.
A partir daí podemos calcular a média geométrica destes fatores:
Como sabemos, um fator de 1, 128741 corresponde a 12, 8741% de aumento.

Este é o valor percentual médio mensal do aumento salarial, ou seja, se aplicarmos três vezes
consecutivas o percentual 12, 8741%, no final teremos o mesmo resultado que se tivéssemos aplicado
os percentuais 20%, 12% e 7%.
Digamos que o salário desta categoria de operários seja de R$ 1.000,00, aplicando-se os sucessivos
aumentos temos:
Salário Inicial +% Salário final Salário inicial + % médio Salário final

Informado
R$ 1.000,00 20% R$ 1.200,00 R$ 1.000,00 12, 8417 R$ 1.128,74
R$ 1.200,00 12% R$ 1.334,00 R$ 1.287,74 12, 8417 R$ 1.274,06
R$ 1.334,00 7% R$ 1.438,00 R$ 1.274,06 12, 8417 R$ 1.438,08
Observe que o resultado final de R$ 1.438,08 é o mesmo nos dois casos. Se tivéssemos utilizado a
média aritmética no lugar da média geométrica, os valores finais seriam distintos, pois a média aritmética
de 13% resultaria em um salário final de R$ 1.442,90, ligeiramente maior como já era esperado, já que o
percentual de 13% utilizado é ligeiramente maior que os 12, 8417% da média geométrica.
Cálculo da Média Geométrica Triangular

Bom... primeiro observamos o mapa e somamos as áreas dos quadrados catetos e dividimos pela
hipotenusa e no final pegamos a soma dos ângulos subtraindo o que está entre os catetos e dividimos
por PI (3,1415...) assim descobrimos a média geométrica dos triângulos.
Exemplo:
A média geométrica entre os números 12, 64, 126 e 345, é dada por:
G = R4[12 ×64×126×345] = 76,013
Aplicação Prática:
Dentre todos os retângulos com a área igual a 64 cm², qual é o retângulo cujo perímetro é o menor
possível, isto é, o mais econômico? A resposta a este tipo de questão é dada pela média geométrica entre
as medidas do comprimento a e da largura b, uma vez que a.b = 64.
A média geométrica G entre a e b fornece a medida desejada.

G = R[a × b] = R[64] = 8
Resposta:
É o retângulo cujo comprimento mede 8 cm e é lógico que a altura também mede 8 cm, logo só pode
ser um quadrado! O perímetro neste caso é p = 32 cm. Em qualquer outra situação em que as medidas
dos comprimentos forem diferentes das alturas, teremos perímetros maiores do que 32 cm.
Interpretação gráfica
A média geométrica entre dois segmentos de reta pode ser obtida geometricamente de uma forma
bastante simples.
Sejam AB e BC segmentos de reta. Trace um segmento de reta que contenha a junção dos segmentos
AB e BC, de forma que eles formem segmentos consecutivos sobre a mesma reta.
68
Dessa junção aparecerá um novo segmento AC. Obtenha o ponto médio O deste segmento e com um
compasso centrado em O e raio OA, trace uma semicircunferência começando em A e terminando em C.
O segmento vertical traçado para cima a partir de B encontrará o ponto D na semicircunferência. A medida
do segmento BD corresponde à média geométrica das medidas dos segmentos AB e BC.
MÉDIA HARMÔNICA
A Média harmônica é o inverso da média aritmética do inverso dos referidos números:
Exemplo:
Calcular a média Harmônica entre 3 e 4.
Basta calcular a média entre os inversos dos números 3 e 4 e depois inverte-los, ou seja,
1 1
3+4= 7
2 24
7 −1 24
Logo a Média Harmônica é: 𝐻 = (24) = 7
≅ 3,42
Questões
01. (Pref. de Pinhais/PR – Médico Veterinário – FAFIPA) Qual é a média geométrica dos números
2 e 8?
(A) 2
(B) 4
(C) 6
(D) 8
02. DPE/RS – Analista – FCC) A média geométrica dos números 4, 8 e 16 é

(A) maior que a respectiva média aritmética.
(B) inferior a 6.
(C) igual a 8.
(D) igual a 4.
(E) superior a 9.
03. (SEFAZ/RJ – Analista de Controle Interno – FGV) A média geométrica simples entre os valores
{3; 9; 3; 1} é
(A) 2.
(B) 3.
(C) 4.
(D) 3,25.
(E) 3,5.
04. (FUB – Assistente Administrativo – CESPE) Os números x, y e z estão, nessa ordem, em

progressão aritmética de razão 3 e os números x, z e w estão, nessa ordem, em progressão geométrica
de razão 4. Com relação a essa situação,
69
Julgue os itens que se seguem.
A média geométrica entre os números x, z e w é igual a 9.
05. (ANAC – Especialista em Regulação de Aviação Civil – CESPE) Considerando que uma
pesquisa de satisfação referente a um novo terminal de passageiros tenha sido realizada com 50 pessoas
e o resultado em uma amostra de notas conforme apresentado na tabela abaixo, julgue os itens seguintes.
A média geométrica da distribuição das notas foi superior à média aritmética.

06. (IF/RN – Professor – FUNCERN) Considere que os números a,b e c são reais positivos e que a é
a média geométrica entre x2 e b.
Se, b é a média geométrica entre a/3 e 2x, então, o valor de y para b3=xy é
(A)
(B)
(C)
(D)
07. (TSE – Analista Judiciário – CONSULPLAN) O valor absoluto da diferença entre a média
geométrica e a média aritmética de X = {2, 2, 2, 2, 4, 16, 128, 128} é
(A) 19,5.
(B) 33,5.
(C) 31,5.
(D) 27,5.
08. (ARTESP – Especialista em Regulação de Transporte I – FCC - Adaptada) Considere as

seguintes informações:
I. (A) = média harmônica dos números 4, 6 e 12.
II. (B) = média geométrica dos números 6, 12 e 24.
A média aritmética de (A) + (B) é igual a
(A) 6.
(B) 9.
(C) 12.
(D) 18.
(E) 36.
Comentários
01. Resposta: B
Para encontrar a média geométrica basta multiplicarmos os termos e extrairmos a raiz cujo índice é
igual a quantidade de termos, então teremos:
2 2
√2.8 = √16 = 4
70
02. Resposta: C
3 3 3
√4.8.16 = √512 = √29 = 23 = 8.
03. Resposta: B
4 4 4
√3.9.3.1 = √81 = √34 = 3.
Como x, y, z estão em progressão aritmética de razão 3, temos que:

y=x+3
z=y+3=x+3+3=x+6
Depois ele diz o seguinte:

x, z, w estão em progressão geométrica de razão 4, logo
z = 4.x
Assim se igualarmos o valor de z nas duas etapas teremos:
x + 6 = z = 4x
x + 6 = 4x
6 = 4x – x
6 = 3x
6/3 = x
x=2
Portanto x = 2, disso concluímos que:

y=x+3=2+3=5
z=x+6=2+6=8
w = 4z = 4.8 = 32
Precisamos calcular a média geométrica entre x, z, w, assim teremos:
3 3 3
√2.8.32 = √21 . 23 . 25 = √29 = 23 = 8.
Logo é falsa, pois a média geométrica é igual a 8 e não 9.

Para resolver esta questão não precisa se desesperar, basta se lembrar de algo muito simples,
chamado desigualdade das médias, ou seja, a média aritmética é maior ou igual à média geométrica e
esta maior ou igual à média harmônica, assim esta afirmação é errada.
06. Resposta: A
Para resolver este problema, devemos expressar os valores de forma a gerar uma equação.
Temos o seguinte:
2
√𝑥 2 . 𝑏 = 𝑎 (*)
e também,
2 𝑎
√ 3 . 2𝑥 = 𝑏 (**)
Vamos isolar o “a” em (**) e substituir em (*).
𝑎
3
. 2𝑥 = 𝑏 2
𝑏2 .3 3𝑏²
𝑎= 2𝑥
= 2𝑥
Vamos substituir em (*) agora

2
√𝑥 2 . 𝑏 = 𝑎
2 3𝑏²
√𝑥 2 . 𝑏 = 2𝑥
71
2
3𝑏2
𝑥 2 . 𝑏 = ( 2𝑥 )
9.𝑏4
𝑥2. 𝑏 = 4𝑥 2
𝑏4
𝑥 2 . 4𝑥 2 = 9. 𝑏
4𝑥 4
9
= 𝑏³
Agora foi pedido para calcular o valor de y para b3=xy, vamos arrumar essa equação, ou seja, isolando
o y.
𝑏³ 4𝑥 4
𝑥
= 𝑦, mas sabemos que b³ = 9
, substituindo então:
4𝑥4
9
𝑥 = 𝑦
1
4𝑥 4
9𝑥
= 𝑦
4𝑥 3
9
= 𝑦
Portanto alternativa A.
07. Resposta: D
Para resolver este problema precisamos calcular a média aritmética e a média geométrica dos termos.
Média aritmética:
2+2+2+2+4+16+128+128 284
8
= 8
= 35,5
Média geométrica:
8 8 8
√2.2.2.2.4.16.128.128 = √2¹. 2¹. 2¹. 2¹. 2². 24 . 27 . 27 = √224 = 23 = 8
Agora basta fazer a diferença entre elas, assim teremos:

35,5 – 8 = 27,5.
08. Resposta: B
Para resolver este problemas devemos encontrar a média harmônica de I e a média geométrica de II,
a seguir basta calcular a média aritmética simples dos dois resultados obtidos, portanto vamos lá!
Média harmônica de I.
Para o cálculo da média harmônica, basta calcularmos o inverso da média dos inversos, ou seja,
𝑛
Média harmônica = 1 1 1 1
+ + +⋯+
𝑥1 𝑥2 𝑥3 𝑥𝑛
3
H=1 1 1 =
+ +
4 6 12
1 1 1
Primeiramente vamos calcular a soma + + através do MMC.
4 6 12
1 1 1
4
+ 6 + 12 =
3 2 1 6 1
12
+ 12 + 12 = 12 = 2
3 2
H = 1 = 3. = 6
1
2
Agora vamos calcular a média geométrica de II.
3 3 3
√6.12.24 = √21 . 31 . 22 . 31 . 23 . 3¹ = √26 . 3³ = 22 . 31 = 12
Basta encontrarmos a média aritmética simples entre 6 e 12, portanto:

6 + 12 18
= =9
2 2
72
MEDIANA E MODA
A moda e a mediana são utilizados para resumirem um conjunto de valores dado uma série estatística.
Vamos ver os conceitos de cada uma delas:
A mediana, é uma medida de localização do centro da distribuição dos dados.
A moda, é o valor que aparece com maior frequência, ou seja, podemos dizer que é o termo que está
na “moda”.
Exemplo:
Em um time de futebol temos as seguintes altura dos atletas:
(Fonte: http://geniodamatematica.com.br)
Ache o valor da mediana e da moda.
Resolução:
Primeiramente precisamos colocar os dados de forma ordenada, ou seja, montar o rol:
Altura Frequência
1,48 1
1,52 1
1,60 1
1,61 1
1,62 1
1,64 1
1,66 3
1,68 1
1,69 1
Para acharmos a mediana precisamos ver se a quantidade de valores, se for ímpar a mediana é o
valor que ocupa a posição central, se for par a mediana corresponde à média aritmética dos dois
valores centrais.
No nosso caso temos que é ímpar:
Altura Frequência
1º 1,48 1
2º 1,52 1
3º 1,60 1
4º 1,61 1
5º 1,62 1
6º 1,64 1
7º 1,66 3
8º 1,68 1
9º 1,69 1
Então a mediana é o valor que está na 5ª linha: 1,62

E a moda é 1,66, que é o valor que aparece com maior frequência.
73
Questões

– FUNCAB) Determine a mediana do conjunto de valores (10, 11, 12, 11, 9, 8, 10, 11, 10, 12).
(A) 8,5
(B) 9
(C) 10,5
(D) 11,5
(E) 10
02. (IF/GO – Assistente de Alunos – UFG) A tabela a seguir apresenta o índice de desenvolvimento
humano (IDH) de alguns países da América Latina referente ao ano 2012.
Países IDH
Argentina 0,811
Bolívia 0,645
Brasil 0,730
Chile 0,819
Colômbia 0,719
Cuba 0,780
México 0,775
Uruguai 0,792
Venezuela 0,758
Disponível em: <http://www.abinee.org.br/abinee/decon/decon55a.htm>. Acesso em: 24 fev. 2014. (Adaptado).
Dentre os países listados, aquele cujo IDH representa a mediana dos dados apresentados é:
(A) Brasil
(B) Colômbia
(C) México
(D) Venezuela
03. (Polícia Militar/SP – Aluno – Oficial – VUNESP) Na tabela, as letras q, p e m substituem as

alturas, relacionadas em ordem crescente, de seis alunos do Curso de Formação de Oficiais da Polícia
Militar avaliados em um exame biométrico, sendo que, nessa tabela, letras iguais correspondem a alturas
iguais.
Nome Altura (em centímetros)
Gonçalves q
Camargo q
Pacheco q
Mendes p
Santos m
Ferreira m
Sabendo-se que a moda, a mediana e a média aritmética das alturas desses alunos são,
respectivamente, 173 cm, 174,5 cm e 175,5 cm, pode-se concluir que a altura do aluno Ferreira é igual,
em centímetros, a
(A) 177.
(B) 178.
(C) 179.
(D) 180.
(E) 182.
74
(SEFAZ/RJ – ANALISTA DE CONTROLE INTERNO – CEPERJ) Observe os números relacionados
a seguir, e responda às questões de números 04 e 05.
4 7 3
9 6 8
8 7 8
04. A mediana desses valores vale:

(A) 6
(B) 6,5
(C) 7
(D) 7,5
(E) 8
05. A moda desses valores vale:

(A) 8
(B) 7
(C) 6
(D) 5
(E) 4
Comentários
01. Resposta: C.
Coloquemos os valores em ordem crescente:
8, 9, 10, 10, 10, 11, 11, 11, 12, 12
Como a Mediana é o elemento que se encontra no meio dos valores colocados em ordem crescente,
temos que:
10 + 11 21
𝑀= = = 10,5
2 2
02. Resposta: C.
Vamos colocar os números em ordem crescente:
0,645 0,719 0,730 0,758 0,775 0,780 0,792 0,811 0,819
O número que se encontra no meio é 0,775 (México).
03. Resposta: C.
* Se a moda é 173 cm, então q = 173 cm (Gonçalves, Camargo e Pacheco).
* Se a mediana é 174,5 cm, então (q + p) / 2 = 174,5.
q + p = 174,5 . 2
q + p = 349 cm
* Se a média aritmética é 175,5 cm, então:
3. 𝑞 + 𝑝 + 2. 𝑚
𝑀= = 17
6
2. 𝑞 + 𝑞 + 𝑝 + 2. 𝑚
= 175,5
6
2.173 + 349 + 2.m = 175,5 . 6

346 + 349 + 2.m = 1053
2.m = 1053 – 695
m = 358 / 2
m = 179 cm
04. Resposta: C.
Colocando em ordem crescente:
3; 4; 6; 7; 7; 8; 8; 8; 9
São 9 elementos, então a mediana é o quinto elemento(9+1/2)
Mediana 7
75
05. Resposta: A.
Moda é o elemento que aparece com mais frequência: 8
As medidas de posição mais importantes são as de tendência central (veremos aqui para dados
agrupados):
- Média;
- Moda;
- Mediana.
MÉDIA ARITMÉTICA (𝒙 ̅)
A média aritmética é o quociente da divisão da soma dos valores da variável pelo número deles.
Anteriormente tratamos a média para dados não agrupados, agora veremos para dados agrupados.
1) Sem intervalo de classe: considerando a distribuição relativa a 34 famílias de quatro filhos, e

tomando como variável o número de filhos do sexo masculino, teremos a seguinte tabela:
Nº de meninos fi
0 2
1 6
2 10
3 12
4 4
∑ = 34
As frequências são números indicadores da intensidade de cada valor da variável, elas funcionam
como fatores de ponderação, o que nos leva a calcular a média aritmética ponderada, dada por:
𝚺𝒙𝒊 𝒇𝒊
̅=
𝒙
𝚺𝒇𝒊
O método mais prático de resolvermos é adicionarmos mais uma coluna para obtenção da média
ponderada:
Nº de meninos fi xi.fi
0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
∑ = 34 ∑ = 78
Aplicando a fórmula temos:
Σ𝑥𝑖 𝑓𝑖 78
𝑥̅ = = = 2,29 → 𝑥̅ = 2,3 𝑚𝑒𝑛𝑖𝑛𝑜𝑠
Σ𝑓𝑖 34
Nota: quando a variável apresenta um valor 2 meninos, 3 décimos de meninos, como devemos
interpretar o resultado? Como o valor médio 2,3 meninos sugere (para este caso) que o maior número de
famílias tem 2 meninos e 2 meninas, sendo uma tendência geral, certa superioridade numérica em relação
ao número de meninos.
2) Com intervalos de classe: convencionamos que todos os valores incluídos em um determinado

intervalo de classe coincidam com seu ponto médio. Determinamos a média ponderada através da
fórmula:
Σ𝑥𝑖 𝑓𝑖
𝑥̅ = , 𝑜𝑛𝑑𝑒 𝑥𝑖 é 𝑜 𝑝𝑜𝑛𝑡𝑜 𝑚é𝑑𝑖𝑜 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒.
Σ𝑓𝑖
76
Exemplo:
i Estaturas (cm) fi
1 150 ├ 154 4
2 154 ├ 158 9
3 158 ├ 162 11
4 162 ├ 166 8
5 166 ├ 170 5
6 170 ├ 174 3
∑ = 40
Vamos abrir uma coluna para os pontos médios e outra para os produtos:
i Estaturas (cm) fi xi xi.fi

1 150 ├ 154 4 152 608
2 154 ├ 158 9 156 1404
3 158 ├ 162 11 160 1760
4 162 ├ 166 8 164 1312
5 166 ├ 170 5 168 840
6 170 ├ 174 3 172 516
∑ = 40 ∑ = 6440
Σ𝑥𝑖 𝑓𝑖
∑xifi = 6440, ∑fi = 40 e 𝑥̅ = Σ𝑓𝑖
Aplicando:
6440
𝑥̅ = = 161 → 𝑥̅ = 161 𝑐𝑚
40
Vantagens e desvantagens da média
1. É uma medida de tendência central que, por uniformizar os valores de um conjunto de

dados, não representa bem os conjuntos que revelam tendências extremas.
2. Não necessariamente tem existência real, isto é, nem sempre é um valor que faça parte
do conjunto de dados, para bem representá-lo, embora pertença obrigatoriamente ao intervalo
entre o maior e o menor valor.
3. É facilmente calculada.
4. Serve para compararmos conjuntos semelhantes.
MODA (Mo)
A moda é o valor que aparece com maior frequência em uma série de valores. Podemos dizer é o
valor que “está na moda”.
- Para dados não agrupados: ela é facilmente reconhecida, pois observamos o valor que mais se
repete, como dito na definição.
Exemplo:
A série: 7,8,9,10,11, 11, 12, 13, 14 tem moda igual a 10.
Observações:
- Quando uma série não apresenta valor modal, ou seja, quando nenhum valor aparece com
frequência, dizemos que ela é AMODAL.
- Quando uma série tiver mais de um valor modal, dizemos que é BIMODAL (dois valores modas),
TRIMODAL, etc.
- Para dados agrupados

1) Sem intervalo de classe: para determinarmos a moda basta observamos a variável com maior
frequência. Vejamos o exemplo:
77
Nº de meninos fi
0 2
1 6
2 10
3 12
4 4
∑ = 34
Observamos que a maior frequência(fi) é 12, que corresponde ao valor de variável 3, logo: Mo = 3
2) Com intervalo de classe: a classe que apresenta maior frequência é denominada classe modal. A
moda é o valor dominante que está compreendido entre os limites da classe modal. O método mais
simples para o cálculo é tomar o ponto médio da classe modal. A este valor damos o nome de moda
bruta.
𝒍 ∗ +𝑳 ∗
𝑴𝒐 =
𝟐
Onde:
l* → limite inferior da classe modal
L* → limite superior da classe modal
Exemplo:
i Estaturas (cm) fi
1 150 ├ 154 4
2 154 ├ 158 9
3 158 ├ 162 11
4 162 ├ 166 8
5 166 ├ 170 5
6 170 ├ 174 3
∑ = 40
Observe que a classe com maior frequência é a de i = 3, nela temos que l* = 158 e o L* = 162, aplicando
na fórmula:
𝑙 ∗ +𝐿 ∗ 158 + 162 320

𝑀𝑜 = = = = 160, 𝑙𝑜𝑔𝑜 𝑎 𝑀𝑜 = 160𝑐𝑚
2 2 2
Existem ainda outros métodos mais elaborados para encontramos a moda, um deles seria a fórmula
de Czuber, onde:
𝑫𝟏
𝑴𝒐 = 𝒍 ∗ + .𝒉 ∗
𝑫𝟏 + 𝑫𝟐
Onde temos:
l*→ limite inferior da classe modal
h* → amplitude da classe modal
D1 → f* - f(ant)
D2 → f* - f(post)
f*→ frequência simples da classe modal
f(ant)→ frequência simples da classe anterior à classe modal
f(post) → frequência simples da classe posterior à classe modal.
Aplicando a fórmula ao exemplo anterior temos:
𝐷1 11 − 9 2
𝑀𝑜 = 𝑙 ∗ + . ℎ ∗= 158 + . (162 − 158) = 158 + .4
𝐷1 + 𝐷2 (11 − 9) + (11 − 8) 2+3
78
8
𝑀𝑜 = 158 + = 158 + 1,6 = 159,6 ≅ 160 𝑐𝑚
5
Gráficos da moda
Observe que a moda é o valor correspondente, no eixo das abcissas, ao ponto de ordenada máxima.
Assim temos:
A moda é utilizada:
- Quando desejamos obter uma medida rápida e aproximada de posição;
- Quando a medida de posição deve ser o valor mais típico da distribuição.
Vantagens e Desvantagens da Moda
1) Não depende de todos os valores da série, nem de sua ordenação, podendo mesmo não se alterar
com a modificação de alguns deles.
2) Não é influenciada por valores extremos (grandes) da série.
3) Sempre tem existência real, ou seja, sempre é representada por um elemento do conjunto de
dados, excetuando o caso de classes de frequências, quando trabalhamos com subconjuntos (dados
agrupados) e não com cada elemento isoladamente.
MEDIANA (Md)
Como o próprio nome sugere, a mediana é o valor que se encontra no centro de uma série de
números, estando estes dispostos segundo uma ordem. É o valor situado de tal forma no conjunto
que o separa em dois subconjuntos de mesmo número de elementos.
- Para dados não agrupados: para identificarmos a mediana, precisamos ordenar os dados
(crescente ou decrescente) dos valores, para depois identificarmos o valor central. Exemplo:
Dada a série de valores:
5, 13, 10, 2, 18, 15, 6, 16, 9, vamos ordenar os valores em ordem crescente:
79
2, 5, 6, 9, 10, 13, 15, 16,18; como temos uma sequência de 9 números precisamos identificar aquele
que divide o conjunto em 2 subconjuntos com a mesma quantidade de elementos. Neste caso o valor é
10, pois temos a mesma quantidade de elementos tanto a esquerda quanto a direita:
Md = 10
Neste caso como a série tem número ímpar de termos, ficou fácil identificarmos a mediana. Porém se
a série tiver número par, a mediana será, por definição, qualquer dos números compreendidos entre dois
valores centrais desta série, ao qual utilizaremos o ponto médio entre as duas. Exemplo:
2, 6, 7, 10, 12, 13, 18, 21 (8 termos), vamos utilizar os valores mais centrais que neste caso são o 4º
e o 5º termo. Então a mediana será:
10 + 12 22
𝑀𝑑 = = = 11
2 2
Observações: estando ordenado os valores de uma série e sendo n o número de elementos desta
série, o valor mediano será:
𝑛+1
- o termo de ordem 2 , se n for ímpar;
𝑛 𝑛
- a média aritmética dos termos de ordem 2 𝑒 2 + 1, se n for par.
Observando os exemplos dados:
𝑛+1 9+1 10
- Para n = 9, temos 2 = 2 = 2 = 5, a mediana é o 5º temo, que é Md = 10.
- Para n = 8, temos 8/2 = 4 e 8/2 + 1 = 4 + 1 = 5. Logo a mediana é a média aritmética do 4º e 5º termo:
10 + 12 / 2 = 22 / 2 = 11 → Md = 11
Notas:
- O valor da mediana pode coincidir ou não com um elemento da série. Se for ímpar há
coincidência, se for par já não há;
- A mediana e a média aritmética não têm necessariamente, o mesmo valor;
- A mediana depende da posição dos elementos e não dos valores dos elementos na
série ordenada. Essa é uma diferença marcante entre mediana e a média;
- A mediana também pode ser chamada de valor mediano.
- Para dados agrupados: o cálculo da mediana se processa de modo semelhante ao dos dados não
agrupados, implicando na determinação prévia das frequências acumuladas.
1) Sem intervalo de classe: neste caso basta identificarmos a frequência acumulada imediatamente
superior à metade da soma da frequências. A mediana será o valor da variável que corresponde a tal
frequência acumulada. Exemplo:
Nº de meninos fi Fa
0 2 2
1 6 8
2 10 18
3 12 30
4 4 34
∑ = 34
Logo teremos:
Σfi 34
2
= 2 = 17, a menor frequência acumulada que supera este valor é 18, que corresponder ao valor 2
da variável, sendo esta a mediana ou valor mediano. Md = 2 meninos.
Nota:
Σfi
- Caso exista uma frequência acumulada (Fa ou Fi), tal que: 𝐹𝑖 = , a mediana será dada por:
2
𝑥𝑖 + 𝑥𝑖+1
𝑀𝑑 =
2
Ou seja, a mediana será a média aritmética entre o valor da variável correspondente a essa frequência
acumulada e a seguinte. Exemplo:
80
xi fi Fi
12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
∑=8
Temos: 8/2 = 4 = F3
Então:
15 + 16 31
𝑀𝑑 =
= = 15,5
2 2
1) Com intervalo de classe: precisamos, neste caso, determinar o ponto do intervalo em que está
compreendido a mediana. Para tal, precisamos determinar a classe mediana, que será aquela
Σfi
correspondente à frequência acumulada imediatamente superior a 2 . Fazendo isso podemos interpolar
os dados (inserção de uma quantidade de valores entre dois números), admitindo-se que os valores se
distribuam uniformemente em todo o intervalo de classe. Exemplo:
i Estaturas (cm) fi Fi
1 150 ├ 154 4 4
2 154 ├ 158 9 13
3 158 ├ 162 11 24
4 162 ├ 166 8 32
5 166 ├ 170 5 37
6 170 ├ 174 3 40
∑ = 40
A classe destaca é a classe mediana. Temos que:

Σfi 40
= = 20
2 2
Como há 24 valores incluídos nas três primeiras classes de distribuição e como pretendemos
determinar o valor que ocupa o 20º lugar, a partir do início da série, vemos que este deve estar localizado
na terceira classe (i = 3), supondo que as frequências dessa classe estejam uniformemente distribuídas.
Como existe 11 elementos nesta classe (fi) e o intervalo da classe (i) é 4, devemos tomar, a partir do
limite inferior, a distância:
20 − 13 7 7 28
.4 = . 4, 𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 𝑠𝑒𝑟á 𝑑𝑎𝑑𝑎 𝑝𝑜𝑟: 𝑀𝑑 = 158 + . 4 = 158 + = 158 + 2,54 = 160,5 𝑐𝑚
11 11 11 11
Em resumo aplicamos os seguintes passos:
1º - Determinamos as frequências acumuladas;

2º - Calculamos ∑fi / 2;
3º - Marcamos a classe corresponde à frequência acumulada imediatamente superior a ∑fi / 2 (classe
mediana) e após isso aplicamos a fórmula:
𝚺𝒇𝒊
[ 𝟐 − 𝑭(𝒂𝒏𝒕)] . 𝒉 ∗
𝑴𝒅 = 𝒍 ∗ +
𝒇∗
Onde:
l* → limite inferior da classe mediana;
F (ant) → frequência acumulada da classe anterior à classe mediana;
f* → frequência simples da classe mediana;
h* → amplitude do intervalo da classe mediana.
Baseado no exemplo anterior temos:

l* = 158 ; F(ant) = 13 ; f* = 11 e h* = 4
Empregamos a mediana quando:
- Desejamos obter o ponto que divide a distribuição em partes iguais;
- Há valores extremos que afetam de uma maneira acentuada a média;
81
- A variável em estudo é salário.
Vantagens e Desvantagens da Mediana
1) Não depende de todos os valores do conjunto de dados, podendo mesmo não se

alterar com a modificação.
2) Não é influenciada por valores extremos (grandes) do conjunto de dados.
3) Quando há valores repetidos, a interpretação do valor mediano não é tão simples.
Posição relativa da Média, Mediana e Moda

Quando a distribuição é simétrica, as 3 medidas coincidem; porém a assimetria torna elas diferentes e
essa diferença é tanto maior quanto é a assimetria. Com isso teremos um distribuição em forma de sino:
x̅ = Md = Mo → curva simétrica
Mo < Md < x̅ → curva assimétrica positiva;

x̅ < Md < Mo → curva assimétrica negativa.
Referência
CRESPO, Antônio Arnot – Estatística fácil – 18ª edição – São Paulo - Editora Saraiva: 2002
OUTLIERS
Os outliers são dados que se diferenciam drasticamente de todos os outros, são pontos fora da curva.
Em outras palavras, um outlier é um valor que foge da normalidade e que pode (e provavelmente irá)
causar anomalias nos resultados obtidos por meio de algoritmos e sistemas de análise.
Entender os outliers é fundamental em uma análise de dados por pelo menos dois aspectos:
1. os outliers podem visar negativamente todo o resultado de uma análise;
2. o comportamento dos outliers pode ser justamente o que está sendo procurado.
Os outliers possuem diversos outros nomes, como: dados discrepantes, pontos fora da curva,
observações fora do comum, anomalias, valores atípicos, entre outros.
A seguir elencamos algumas situações comuns em que os outliers surgem na análise de dados e
apontamos sugestões de como lidar com eles em cada caso.
82
Como identificar quais são os dados outliers?
Encontrar os outliers utilizando tabelas
A forma mais simples de encontrar dados outliers é olhar diretamente para a tabela ou planilha de
dados – o dataset, como chamam os cientistas de dados.
O caso da tabela a seguir exemplifica claramente um erro de digitação, ou seja, de input dos dados. O
campo da idade do indivíduo Antônio Silveira certamente não representa a idade de 470 anos. Olhando
para a tabela é possível identificar o outlier, mas fica difícil afirmar qual seria a idade correta. Existem
várias possibilidades que podem se referir a idade certa, como: 47, 70 ou ainda 40 anos.
Em uma pequena amostra a tarefa de encontrar outliers com o uso de tabelas pode ser fácil. Porém,
quando a quantidade de observações passa para a casa dos milhares ou milhões fica impossível de
encontrar quais são os dados que destoam do geral. Essa tarefa fica ainda mais difícil quando muitas
variáveis (as colunas da planilha) são envolvidas.
Questões
01. (TRT-8ª – Analista Judiciário – CESPE) Com relação à definição das medidas de tendência
central e de variabilidade dos dados em uma estatística, assinale a opção correta.
(A) A moda representa o centro da distribuição, é o valor que divide a amostra ao meio.
(B) A amplitude total, ou range, é uma medida de tendência central pouco afetada pelos valores
extremos.
(C) A mediana é o valor que ocorre mais vezes, frequentemente em grandes amostras.
(D) A variância da amostra representa uma medida de dispersão obtida pelo cálculo da raiz quadrada
positiva do valor do desvio padrão dessa amostra.
(E) A média aritmética representa o somatório de todas as observações dividido pelo número de
observações.
02. (Pref. Fortaleza/CE – Matemática – Pref. Fortaleza/CE) A medida estatística que separa as
metades superior e inferior dos dados amostrados de uma população é chamada de:
(A) mediana.
(B) média.
(C) bissetriz.
(D) moda.
03. (SSP/AM – Técnico de Nível Superior – FGV) A sequência a seguir mostra o número de gols
marcados pelo funcionário Ronaldão nos nove últimos jogos disputados pelo time da empresa onde ele
trabalha:
2, 3, 1, 3, 0, 2, 0, 3, 1.
Sobre a média, a mediana e a moda desses valores é verdade que:
(A) média < mediana < moda;
(B) média < moda < mediana;
(C) moda < média < mediana;
(D) mediana < moda < média;
(E) mediana < média < moda.
83
– FUNCAB) Determine a mediana do conjunto de valores (10, 11, 12, 11, 9, 8, 10, 11, 10, 12).
(A) 8,5
(B) 9
(C) 10,5
(D) 11,5
(E) 10
05. (Pref. Guarujá/SP – SEDUC – Professor de Matemática – CAIPIMES) As massas de 5 amigos

são 63,5; 70,3; 82,2; 59 e 71,5 quilogramas. A média e a mediana das massas são, respectivamente:
(A) 69,3 e 70,3 quilogramas.
(B) 172,25 e 82,2 quilogramas.
(C) 69,3 e 82,2 quilogramas.
(D) 172, 70,3 quilogramas.
06. (FUNDUNESP – Auxiliar Administrativo – VUNESP) O gráfico apresenta informações sobre o

número médio de anos de estudo da população brasileira, com base na Pesquisa Nacional por Amostra
de Domicílios de 2011, publicado pelo Instituto Brasileiro de Geografia e Estatística (IBGE).
Com base nas informações do gráfico, é verdade que

(A) o número de homens com estudo é menor que o número de mulheres com estudo, nos anos de
2009 e 2011.
(B) de 2009 para 2011 houve um aumento no número de homens com estudo.
(C) em 2010, a média de anos de estudo das mulheres era de 7,4 anos.
(D) em 2009, a média de anos de estudos das mulheres era de exatos 7 anos e 3 meses.
(E) a média de anos de estudo das mulheres não ultrapassou a 5 meses a dos homens, nos anos de
2009 e 2011.
07. (FUNDUNESP – Auxiliar Administrativo – VUNESP) Um concurso é composto por três fases,
com pesos 1, 2 e 3, respectivamente. Pedro ficou sabendo que na 1.ª fase desse concurso sua nota foi
7,0 e que na 2.ª fase sua nota foi 4,0.
Sabendo-se que para ser aprovado a média aritmética ponderada final tem que ser, no mínimo, 5, que
as notas apresentadas ainda não estão multiplicadas pelos respectivos fatores, e que em cada fase as
notas variam de zero a dez, pode-se afirmar corretamente que
(A) não há como Pedro ser aprovado no concurso.
(B) Pedro já está aprovado no concurso, independentemente da nota que tirar na 3.ª fase.
(C) se Pedro tirar 5,0 ou mais na 3.ª fase, então ele estará aprovado no concurso.
(D) Pedro precisa tirar, no mínimo, 7,0 na 3.ª fase, para ser aprovado no concurso.
(E) tirando 4,0, Pedro estará aprovado no concurso.
84
08. (IF/GO – Assistente de Alunos – UFG) A tabela a seguir apresenta o índice de desenvolvimento
humano (IDH) de alguns países da América Latina referente ao ano 2012.
Países IDH
Argentina 0,811
Bolívia 0,645
Brasil 0,730
Chile 0,819
Colômbia 0,719
Cuba 0,780
México 0,775
Uruguai 0,792
Venezuela 0,758
Disponível em: <http://www.abinee.org.br/abinee/decon/decon55a.htm>. Acesso em: 24 fev. 2014. (Adaptado).
Dentre os países listados, aquele cujo IDH representa a mediana dos dados apresentados é:
(A) Brasil
(B) Colômbia
(C) México
(D) Venezuela
09. (QC – Segundo Tenente – Ciências Contábeis – MB) Analise a tabela a seguir.
Classe Velocidade (em nós) Tempo(h)
1 0 |------- 5 1
2 5 |------ 10 7
3 10 |------ 15 15
4 15 |------ 20 9
5 20 |------ 25 3
6 25 |------ 30 2
Dos registros de navegação de um determinado navio, foi obtido o quadro acima.

Após análise dos registros, determine a média das velocidades do navio na série observada e assinale
a opção correta.
(A) 13,43 nós
(B) 13,92 nós
(C) 14,12 nós
(D) 14,69 nós
(E) 15,26 nós
10. (Pref. Paulistana/PI – Professor de Matemática – IMA) Considere o conjunto de dados abaixo,
referente ao salário médio dos funcionários de uma empresa.
O valor da Mediana é:
(A) 1240
(B) 1500
(C) 1360
85
(D) 1600
(E) 1420
Respostas
01.Resposta: E.
Pela definições apresentadas a única que responde de forma correta a questão é sobre a média.
02. Resposta: A.
Pela definição temos que esta medida é a Mediana.
03.Resposta: A.
Reordenando temos:
0,0,1,1,2,2,3,3,3
Fica evidente o valor da moda, Mo = 3
A mediana é o meio, como é uma sequência com 9 números temos: n+1/2 → 9 +1 / 2 → 10/2 → 5,
logo a mediana será o 5º termo, então Md = 2
A média é a somatória de todos os valores, dividido pela quantidade 1+1+2+2+3+3+3 = 15, 15/9 = 1,66
Logo: média < mediana < moda
04. Resposta: C.
Coloquemos os valores em ordem crescente:
8, 9, 10, 10, 10, 11, 11, 11, 12, 12
Como a Mediana é o elemento que se encontra no meio dos valores colocados em ordem crescente,
temos que:
10 + 11 21
𝑀= = = 10,5
2 2
05. Resposta: A.
63,5+70,3+82,2 + 59+71,5 346,5
A média é: 𝑀 = 5
= 5 = 69,3
Para verificar a mediana, basta colocar os valores em ordem crescente e verificar o elemento que se
encontra no meio deles:
59 63,5 70,3 71,5 82,2
06. Resposta: E.
7,3+7,5 14,8
Média das mulheres: 2 = 2
= 7,4 anos = 7,4 . 12 = 88,8 meses
7+7,1 14,1
Média dos homens: 2 = 2 = 7,05 anos = 7,05 . 12 = 84,6 meses
Assim, 88,8 – 84,6 = 4,2 meses
07. Resposta: C.
Pesos 1, 2 e 3, respectivamente. Pedro ficou sabendo que na 1.ª fase desse concurso sua nota foi 7,0
e que na 2.ª fase sua nota foi 4,0.
Sabendo-se que para ser aprovado a média aritmética ponderada final tem que ser, no mínimo, 5
1.7 + 2.4 + 3. 𝑥
𝑀= =5
1+2+3
15 + 3. 𝑥
=5
6
15 + 3𝑥 = 6 . 5
3𝑥 = 30 − 15
86
15
𝑥= =5
3
08. Resposta: C.
Vamos colocar os números em ordem crescente:
0,645 0,719 0,730 0,758 0,775 0,780 0,792 0,811 0,819
O número que se encontra no meio é 0,775 (México).
09. Resposta: C.
Vamos calcular a média de cada classe:
* Classe 1: (0 + 5) / 2 = 5 / 2 = 2,5
2,5 . 1 = 2,5
* Classe 2: (5 + 10) / 2 = 15 / 2 = 7,5
7,5 . 7 = 52,5
* Classe 3: (10 + 15) / 2 = 25 / 2 = 12,5
12,5 . 15 = 187,5
* Classe 4: (15 + 20) / 2 = 35 / 2 = 17,5
17,5 . 9 = 157,5
* Classe 5: (20 + 25) / 2 = 45 / 2 = 22,5
22,5 . 3 = 67,5
* Classe 6: (25 + 30) / 2 = 55 / 2 = 27,5
27,5 . 2 = 55
* Soma das médias = 522,5
* Total de horas = 37h
Por final: 522,5 / 37 = 14,12
10. Resposta: C.
Colocando na ordem crescente:
1100;1200;1210;1250;1300;1420;1450;1500;1600;1980
A mediana é o número que se encontra no meio. Nesse caso que tem 10 números(par) é a média do
5º e 6º números:
1300 + 1420 2720

= = 1360
2 2
MEDIDAS DE DISPERSÃO
As medidas de tendência central fornecem informações valiosas mas, em geral, não são suficientes
para descrever e discriminar diferentes conjuntos de dados. As medidas de Dispersão ou variabilidade
permitem visualizar a maneira como os dados espalham-se (ou concentram-se) em torno do valor central.
Para mensurarmos está variabilidade podemos utilizar as seguintes estatísticas: amplitude total; distância
interquartílica; desvio médio; variância; desvio padrão e coeficiente de variação.
- Amplitude Total: é a diferença entre o maior e o menor valor do conjunto de dados.

Ex.: dados: 3, 4, 7, 8 e 8. Amplitude total = 8 – 3 = 5
- Distância Interquartílica: é a diferença entre o terceiro e o primeiro quartil de um conjunto de dados.

O primeiro quartil é o valor que deixa um quarto dos valores abaixo e três quartos acima dele. O terceiro
quartil é o valor que deixa três quartos dos dados abaixo e um quarto acima dele. O segundo quartil é a
mediana. (O primeiro e o terceiro quartis fazem o mesmo que a mediana para as duas metades
demarcadas pela mediana.) Ex.: quando se discutir o boxplot.
- Desvio Médio: é a diferença entre o valor observado e a medida de tendência central do conjunto
de dados.
- Variância: é uma medida que expressa um desvio quadrático médio do conjunto de dados, e sua
unidade é o quadrado da unidade dos dados.
87
- Desvio Padrão: é raiz quadrada da variância e sua unidade de medida é a mesma que a do conjunto
de dados.
- Coeficiente de variação: é uma medida de variabilidade relativa, definida como a razão percentual
entre o desvio padrão e a média, e assim sendo uma medida adimensional expressa em percentual.
Boxplot: Tanto a média como o desvio padrão podem não ser medidas adequadas para representar
um conjunto de valores, uma vez que são afetados, de forma exagerada, por valores extremos. Além
disso, apenas com estas duas medidas não temos ideia da assimetria da distribuição dos valores. Para
solucionar esses problemas, podemos utilizar o Boxplot. Para construí-lo, desenhamos uma "caixa" com
o nível superior dado pelo terceiro quartil (Q3) e o nível inferior pelo primeiro quartil (Q1). A mediana (Q2)
é representada por um traço no interior da caixa e segmentos de reta são colocados da caixa até os
valores máximo e mínimo, que não sejam observações discrepantes. O critério para decidir se uma
observação é discrepante pode variar; por ora, chamaremos de discrepante os valores maiores do que
Q3+1.5*(Q3-Q1) ou menores do que Q1-1.5*(Q3-Q1).
O Boxplot fornece informações sobre posição, dispersão, assimetria, caudas e valores discrepantes.
O Diagrama de dispersão é adequado para descrever o comportamento conjunto de duas variáveis

quantitativas. Cada ponto do gráfico representa um par de valores observados. Exemplo:
Um aspecto importante no estudo descritivo de um conjunto de dados, é o da determinação da

variabilidade ou dispersão desses dados, relativamente à medida de localização do centro da amostra.
Supondo ser a média, a medida de localização mais importante, será relativamente a ela que se define a
principal medida de dispersão - a variância, apresentada a seguir.
Variância: Define-se a variância, como sendo a medida que se obtém somando os quadrados dos
desvios das observações da amostra, relativamente à sua média, e dividindo pelo número de observações
da amostra menos um.
Desvio-Padrão: Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime
não é a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou dispersão com as
mesmas unidades que os dados, tomamos a raiz quadrada da variância e obtemos o desvio padrão: O
desvio padrão é uma medida que só pode assumir valores não negativos e quanto maior for, maior será
a dispersão dos dados. Algumas propriedades do desvio padrão, que resultam imediatamente da
definição, são: o desvio padrão será maior, quanta mais variabilidade houver entre os dados.
Exemplo: Em uma turma de aluno, verificou-se através da análise das notas de 15 alunos, os seguintes
desempenhos:
88
Conceito
Alunos na
Prova
1 4,3
2 4,5
3 9
4 6
5 8
6 6,7
7 7,5
8 10
9 7,5
10 6,3
11 8
12 5,5
13 9,7
14 9,3
15 7,5
Total 109,8
Média 7,32
Desvio
1,77
Padrão
Observamos no exemplo, que a média das provas, foi estimada em 7,32 com desvio padrão em 1,77.
Concluímos que a maioria das notas concentrou-se em 9,09 e 5,55.
Vejamos de outra forma:
Um aspecto importante no estudo descritivo de um conjunto de dados, é o da determinação da

variabilidade ou dispersão desses dados, relativamente à medida de localização do centro da amostra.
Repare-se nas duas amostras seguintes, que embora tenham a mesma média, têm uma dispersão bem
diferente:
Como a medida de localização mais utilizada é a média, será relativamente a ela que se define a
principal medida de dispersão - a variância, apresentada a seguir.
Define-se a variância, e representa-se por s2, como sendo a medida que se obtém somando os
quadrados dos desvios das observações da amostra, relativamente à sua média, e dividindo pelo número
de observações da amostra menos um:
Se afinal pretendemos medir a dispersão relativamente à média. Por que é que não somamos
simplesmente os desvios em vez de somarmos os seus quadrados?
Experimenta calcular essa soma e verás que (x1-x) + (x2-x) + (x1-x) + ... + (xn – x) ≠ 0. Poderíamos ter
utilizado módulos, para evitar que os desvios negativos, mas é mais fácil trabalhar com quadrados, não
concorda?! E por que é que em vez de dividirmos pó “n”, que é o número de desvios, dividimos por (n-
89
1)? Na realidade, só aparentemente é que temos “n” desvios independentes, isto é, se calcularmos (n-1)
desvios, o restante fica automaticamente calculado, uma vez que a sua soma é igual a zero. Costuma-se
referir este fato dizendo que se perdeu um grau de liberdade.
Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime não é a mesma
que a dos dados. Assim, para obter uma medida da variabilidade ou dispersão com as mesmas unidades
que os dados, tomamos a raiz quadrada da variância e obtemos o desvio padrão:
O desvio padrão é uma medida que só pode assumir valores não negativos e quanto maior for, maior
será a dispersão dos dados. Algumas propriedades do desvio padrão, que resultam imediatamente da
definição, são:
- o desvio padrão é sempre não negativo e será tanto maior, quanta mais variabilidade houver entre
os dados.
- se s = 0, então não existe variabilidade, isto é, os dados são todos iguais.
Exemplo: Na 2ª classe de certa escola o professor deu uma tarefa constituída por um certo número
de contas para os alunos resolverem. Pretendendo determinar a dispersão dos tempos de cálculo,
observam-se 10 alunos durante a realização da tarefa, tendo-se obtido os seguintes valores:
Tempo
Aluno
(minutos)
i
xi
1 13 - 3.9 15.21
2 15 - 1.9 3.61
3 14 - 2.9 8.41
4 18 1.1 1.21
5 25 8.1 65.61
6 14 - 2.9 8.41
7 16 -0.9 0.81
8 17 0.1 0.01
9 20 3.1 9.61
10 17 0.1 0.01
169 0.0 112.90
Resolução: Na tabela anterior juntamos duas colunas auxiliares, uma para colocar os desvios das
observações em relação à média e a outra para escrever os quadrados destes desvios. A partir da coluna
das observações calculamos a soma dessas observações, que nos permitiu calcular a média = 16.9. Uma
vez calculada a média foi possível calcular a coluna dos desvios. Repare-se que, como seria de esperar,
a soma dos desvios é igual a zero. A soma dos quadrados dos desvios permite-nos calcular a variância
donde s = 3.54.
112.9
s2 = = 12.54
9
O tempo médio de realização da tarefa foi de aproximadamente 17 minutos com uma variabilidade
medida pelo desvio padrão de aproximadamente 3.5 minutos. Na representação gráfica ao lado
visualizamos os desvios das observações relativamente à média (valores do exemplo anterior):
90
Do mesmo modo que a média, também o desvio padrão é uma medida pouco resistente, pois é
influenciado por valores ou muito grandes ou muito pequenos (o que seria de esperar já que na sua
definição entra a média que é não resistente). Assim, se a distribuição dos dados for bastante enviesada,
não é conveniente utilizar a média como medida de localização, nem o desvio padrão como medida de
variabilidade. Estas medidas só dão informação útil, respectivamente sobre a localização do centro da
distribuição dos dados e sobre a variabilidade, se as distribuições dos dados forem aproximadamente
simétricas.
Propriedades para dados com distribuição aproximadamente normal: Uma propriedade que se verifica
se os dados se distribuem de forma aproximadamente normal, ou seja, quando o histograma apresenta
uma forma característica com uma classe média predominante e as outras classes se distribuem à volta
desta de forma aproximadamente simétrica e com frequências a decrescer à medida que se afastam da
classe média, é a seguinte:
Aproximadamente 68% dos dados estão no intervalo .
Desvio Padrão: Propriedades para dados com distribuição aproximadamente normal:
- Aproximadamente 68% dos dados estão no intervalo

Como se depreende do que atrás foi dito, se os dados se distribuem de forma aproximadamente
normal, então estão praticamente todos concentrados num intervalo de amplitude igual a 6 vezes o desvio
padrão.
A informação que o desvio padrão dá sobre a variabilidade deve ser entendida como a variabilidade
que é apresentada relativamente a um ponto de referência - a média, e não propriamente a variabilidade
dos dados, uns relativamente aos outros.
A partir da definição de variância, pode-se deduzir sem dificuldade uma expressão mais simples, sob
o ponto de vista computacional, para calcular ou a variância ou o desvio padrão e que é a seguinte:
91
É a medida de variabilidade que em geral é expressa em porcentagem, e tem por função determinar o
grau de concentração dos dados em torno da média, geralmente utilizada para se fazer a comparação
entre dois conjuntos de dados em termos percentuais, esta comparação revelará o quanto os dados estão
próximos ou distantes da média do conjunto de dados.
Exemplo
Considere a tabela abaixo que contém as estaturas e os pesos de um mesmo grupo de indivíduos:
Média Desvio-padrão
Estaturas 175 cm 5 cm
Pesos 68 kg 2 kg
Pergunta: Qual das medidas (Estatura ou Peso) possui maior homogeneidade?
Como não é possível responder a essa pergunta utilizando o desvio-padrão, pois é uma medida de
dispersão absoluta, teremos que calcular o CVP da Estatura e o CVP do Peso. A série que apresentar a
menor variação, ou seja, o menor valor do coeficiente CVP, será a série de maior homogeneidade.
Seguindo a fórmula do coeficiente CVP, temos:
CVP Estatura
CVP Peso
Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de dispersão que os pesos.
Amplitude: Uma medida de dispersão que se utiliza por vezes, é a amplitude amostral r, definida como
sendo a diferença entre a maior e a menor das observações: r = xn:n - x1:n, onde representamos por x1:n e
xn:n, respectivamente o menor e o maior valor da amostra (x1, x2, ..., xn), de acordo com a notação
introduzida anteriormente, para a amostra ordenada.
Amplitude Inter-Quartil: A medida anterior tem a grande desvantagem de ser muito sensível à
existência, na amostra, de uma observação muito grande ou muito pequena. Assim, define-se uma outra
medida, a amplitude inter-quartil, que é, em certa medida, uma solução de compromisso, pois não é
afetada, de um modo geral, pela existência de um número pequeno de observações demasiado grandes
ou demasiado pequenas. Esta medida é definida como sendo a diferença entre os 1º e 3º quartis.
Amplitude inter-quartil = Q3/4 - Q1/4
Do modo como se define a amplitude inter-quartil, concluímos que 50% dos elementos do meio da
amostra, estão contidos num intervalo com aquela amplitude. Esta medida é não negativa e será tanto
maior quanto maior for a variabilidade nos dados. Mas, ao contrário do que acontece com o desvio padrão,
92
uma amplitude inter-quartil nula, não significa necessariamente, que os dados não apresentem
variabilidade.
Amplitude inter-quartil ou desvio padrão: Do mesmo modo que a questão foi posta relativamente
às duas medidas de localização mais utilizadas - média e mediana, também aqui se pode por o problema
de comparar aquelas duas medidas de dispersão.
- A amplitude inter-quartil é mais robusta, relativamente à presença de "outliers", do que o desvio
padrão, que é mais sensível aos dados.
- Para uma distribuição dos dados aproximadamente normal, verifica-se a seguinte relação. Amplitude
inter-quartil 1.3 x desvio padrão.
- Se a distribuição é enviesada, já não se pode estabelecer uma relação análoga à anterior, mas pode
acontecer que o desvio padrão seja muito superior à amplitude inter-quartil, sobretudo se se verificar a
existência de "outliers".
Questões
01. (AL/GO – Assistente Legislativo – Assistente Administrativo – CS/UFG) Em estatística, a

variância é um número que apresenta a unidade elevada ao quadrado em relação a variável que
não está elevada ao quadrado, o que pode ser um inconveniente para a interpretação do re sultado.
Por isso, é mais comumente utilizada na estatística descritiva o desvio-padrão, que é definido como
(A) a raiz quadrada da mediana, representada por "s" ou "μ".
(B) a raiz quadrada da variância, representada por "s" ou "α".
(C) a raiz quadrada da variância, representada por "s" ou "α".
(D) a raiz quadrada da média, representada por "s" ou "α".
02. (ANAC – Analista Administrativo – ESAF) Os valores a seguir representam uma amostra
331546248
Então, a variância dessa amostra é igual a
(A) 4,0
(B) 2,5
(C) 4,5
(D) 5,5
(E) 3,0
03. (MPE/AP – Analista Ministerial – FCC) Ao considerar uma curva de distribuição normal,
com uma média como medida central, temos a variância e o desvio padrão referentes a esta média.
Em relação a estes parâmetros,
(A) a variância é uma medida cujo significado é a metade do desvio padrão.

(B) a variância é calculada com base no dobro do desvio padrão.
(C) o desvio padrão é a raiz quadrada da variância.
(D) a média dividida pelo desvio padrão forma a variância.
(E) a variância elevada ao quadrado indica qual é o desvio padrão.
04. (MEC – Agente Administrativo – CESPE) Os dados abaixo correspondem às quantidades

diárias de merendas escolares demandadas em 10 diferentes escolas:
200, 250, 300, 250, 250, 200, 150, 200, 150, 200.
Com base nessas informações, julgue os próximos itens.
O desvio padrão amostral dos números diários de merendas escolares é superior a 50.
Respostas
01. Resposta: C.
Como visto, o desvio padrão é a raiz quadrada da variância.
93
02. Resposta: C.
Tem-se que a amostra contém as seguintes observações: 3 3 1 5 4 6 2 4 8. Para chegar à variância,
nessa questão, encontramos primeiro o valor da média.
A média desses valores é dada por: soma das observações/nº de observações menos 1.
Logo, 3+3+1+5+4+6+2+4+8/ 9 = 4
Após isso, aplicamos a construção: (3-4)²+(3-4)²+(1-4)²+(5-4)²+(4-4)²+(6-4)²+(2-4)²+(4-4)²+(8-4)²/9-1
Calculando: [(-1)²+(-1)²+(-3)²+(1)²+(0)²+(2)²+(-2)²+(0)²+(4)²]/9-1
(1+1+9+1+0+4+4+0+16)/8
36/8 = 4,5
03. Resposta: C.
Conforme visto anteriormente, desvio padrão é a raiz quadrada da variância.
04. Resposta: Errado.

O desvio padrão amostral é dado por:
√∑(Xi – X média)²/(n − 1)
Onde n é o número de elementos (n=10), Xi representa cada elemento da amostra e X a média da
amostra. A média, neste caso, é:
Média (X) = ∑(Xi)/ n = (150 + 150 + 200 + 200 + 200 +200 + 250 + 250 + 250 + 300) /10 = 215
O Desvio Padrão será:
√∑(Xi – X média)²/(n − 1) =
√2 ∗ (150 − 215)² + 4 ∗ (200 − 215)² + 3 ∗ (250 − 215)² + 1 ∗ (300 − 215)² / (10 − 1) =
√8450 + 900 + 3675 + 7225/9 =
√2250
√2500= 50
Logo: √2250< 50
7. Probabilidades: conceito, axiomas e distribuições (binominal, normal,

poisson, qui-quadrado). Inferência estatística
PROBABILIDADE
A teoria das probabilidades surgiu no século XVI, com o estudo dos jogos de azar, tais como jogos de
cartas e roleta. Atualmente ela está intimamente relacionada com a Estatística e com diversos ramos do
conhecimento.
Definições15:
A teoria da probabilidade é o ramo da Matemática que cria e desenvolve modelos matemáticos para
estudar os experimentos aleatórios. Alguns elementos são necessários para efetuarmos os cálculos
probabilísticos.
- Experimentos aleatórios: fenômenos que apresentam resultados imprevisíveis quando repetidos,
mesmo que as condições sejam semelhantes.
Exemplos:
a) lançamento de 3 moedas e a observação das suas faces voltadas para cima
b) jogar 2 dados e observar o número das suas faces
c) abrir 1 livro ao acaso e observar o número das suas páginas.
- Espaço amostral: conjunto de todos os resultados possíveis de ocorrer em um determinado

experimento aleatório. Indicamos esse conjunto por uma letra maiúscula: U, S, A, Ω ... variando de acordo
com a bibliografia estudada.
15
FILHO, Begnino Barreto; SILVA,Claudio Xavier da – Matemática – Volume Único - FTD
BUCCHI, Paulo – Curso prático de Matemática – Volume 2 – 1ª edição - Editora Moderna
94
Exemplo:
a) quando lançamos 3 moedas e observamos suas faces voltadas para cima, sendo as faces da moeda
cara (c) e coroa (k), o espaço amostral deste experimento é:
S = {(c,c,c); (c,c,k); (c,k,k); (c,k,c); (k,k,k,); (k,c,k); (k,c,c); (k,k,c)}, onde o número de elementos do
espaço amostral n(A) = 8
- Evento: é qualquer subconjunto de um espaço amostral (S); muitas vezes um evento pode ser
caracterizado por um fato. Indicamos pela letra E.
Exemplo:
a) no lançamento de 3 moedas:
E1→ aparecer faces iguais
E1 = {(c,c,c);(k,k,k)}
O número de elementos deste evento E1 é n(E1) = 2
E2→ aparecer coroa em pelo menos 1 face

E2 = {(c,c,k); (c,k,k); (c,k,c); (k,k,k,); (k,c,k); (k,c,c); (k,k,c)}
Logo n(E2) = 7
Veremos agora alguns eventos particulares:

- Evento certo: que possui os mesmos elementos do espaço amostral (todo conjunto é subconjunto
de si mesmo); E = S.
E: a soma dos resultados nos 2 dados ser menor ou igual a 12.
- Evento impossível: evento igual ao conjunto vazio.

E: o número de uma das faces de um dado comum ser 7.
E: Ø
- Evento simples: evento que possui um único elemento.

E: a soma do resultado de dois dados ser igual a 12.
E: {(6,6)}
- Evento complementar: se E é um evento do espaço amostral S, o evento complementar de E

indicado por C tal que C = S – E. Ou seja, o evento complementar é quando E não ocorre.
E1: o primeiro número, no lançamento de 2 dados, ser menor ou igual a 2.
E2: o primeiro número, no lançamento de 2 dados, ser maior que 2.
S: espaço amostral é dado na tabela abaixo:
E: {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3) (2,4), (2,5), (2,6)}
Como, C = S – E
C = {(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4),
(5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
95
- Eventos mutuamente exclusivos: dois ou mais eventos são mutuamente exclusivos quando a
ocorrência de um deles implica a não ocorrência do outro. Se A e B são eventos mutuamente exclusivos,
então: A ∩ B = Ø.
Sejam os eventos:
A: quando lançamos um dado, o número na face voltada para cima é par.
A = {2,4,6}
B: quando lançamos um dado, o número da face voltada para cima é divisível por 5.
B = {5}
Os eventos A e B são mutuamente exclusivos, pois A ∩ B = Ø.
Probabilidade em espaços equiprováveis

Considerando um espaço amostral S, não vazio, e um evento E, sendo E ⊂ S, a probabilidade de
ocorrer o evento E é o número real P (E), tal que:
𝐧(𝐄)
𝐏(𝐄) =
𝐧(𝐒)
Sendo 0 ≤ P(E) ≤ 1 e S um conjunto equiprovável, ou seja, todos os elementos têm a mesma

“chance de acontecer.
Onde:
n(E) = número de elementos do evento E.
n(S) = número de elementos do espaço amostral S.
Exemplo:
Lançando-se um dado, a probabilidade de sair um número ímpar na face voltada para cima é obtida
da seguinte forma:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
E = {1, 3, 5} n(E) = 3
n(E) 3 1
P(E) = = = = 0,5 𝑜𝑢 50%
n(S) 6 2
Probabilidade da união de dois eventos

Vamos considerar A e B dois eventos contidos em um mesmo espaço amostral A, o número de
elementos da reunião de A com B é igual ao número de elementos do evento A somado ao número de
elementos do evento B, subtraindo o número de elementos da intersecção de A com B.
Sendo n(S) o número de elementos do espaço amostral, vamos dividir os dois membros da equação
por n(S) a fim de obter a probabilidade P (A U B).
𝑛(𝐴 ∪ 𝐵) 𝑛(𝐴) 𝑛(𝐵) 𝑛(𝐴 ∩ 𝐵)
= + −
𝑛(𝑆) 𝑛(𝑆) 𝑛(𝑆) 𝑛(𝑆)
P (A U B) = P(A) + P(B) – P (A ∩ B)
Para eventos mutuamente exclusivos, onde A ∩ B = Ø, a equação será:
96
P (A U B) = P(A) + P(B)
Exemplo:
A probabilidade de que a população atual de um país seja de 110 milhões ou mais é de 95%. A
probabilidade de ser 110 milhões ou menos é de 8%. Calcule a probabilidade de ser 110 milhões.
Sendo P(A) a probabilidade de ser 110 milhões ou mais: P(A) = 95% = 0,95
Sendo P(B) a probabilidade de ser 110 milhões ou menos: P(B) = 8% = 0,08
P (A ∩ B) = a probabilidade de ser 110 milhões: P (A ∩ B) = ?
P (A U B) = 100% = 1
Utilizando a regra da união de dois eventos, temos:
P (A U B) = P(A) + P(B) – P (A ∩ B)
1 = 0,95 + 0,08 - P (A ∩ B)
P (A ∩ B) = 0,95 + 0,08 - 1
P (A ∩ B) = 0,03 = 3%
Probabilidade condicional
Vamos considerar os eventos A e B de um espaço amostral S, definimos como probabilidade
𝐴
condicional do evento A, tendo ocorrido o evento B e indicado por P(A | B) ou 𝑃 (𝐵), a razão:
𝒏(𝑨 ∩ 𝑩) 𝑷(𝑨 ∩ 𝑩)
𝑷(𝑨|𝑩) = =
𝒏(𝑩) 𝑷(𝑩)
Lemos P (A | B) como: a probabilidade de A “dado que” ou “sabendo que” a probabilidade de B.

Exemplo:
No lançamento de 2 dados, observando as faces de cima, para calcular a probabilidade de sair o
número 5 no primeiro dado, sabendo que a soma dos 2 números é maior que 7.
Montando temos:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4),
(3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4),
(6,5), (6,6)}
Evento A: o número 5 no primeiro dado.
A = {(5,1), (5,2), (5,3), (5,4), (5,5), (5,6)}
Evento B: a soma dos dois números é maior que 7.

B = {(2,6), (3,5), (3,6), (4,4), (4,5), (4,6), (5,3), (5,4), (5,5), (5,6), (6,2), (6,3), (6,4), (6,5), (6,6)}
A ∩ B = {(5,3), (5,4), (5,5), (5,6)}

P (A ∩ B) = 4/36
P(B) = 15/36
Logo:
4
𝑃(𝐴 ∩ 𝐵) 36 4 36 4
𝑃(𝐴|𝐵) = = = . =
𝑃(𝐵) 15 36 15 15
36
Probabilidade de dois eventos simultâneos (ou sucessivos)

A probabilidade de ocorrer P (A ∩ B) é igual ao produto de um deles pela probabilidade do outro em
relação ao primeiro. Isto significa que, para se avaliar a probabilidade de ocorrem dois eventos
simultâneos (ou sucessivos), que é P (A ∩ B), é preciso multiplicar a probabilidade de ocorrer um deles
P(B) pela probabilidade de ocorrer o outro, sabendo que o primeiro já ocorreu P (A | B).
Sendo:
𝐏(𝐀 ∩ 𝐁) 𝐏(𝐀 ∩ 𝐁)
𝐏(𝐀|𝐁) = 𝐨𝐮 𝐏(𝐁|𝐀) =
𝐏(𝐁) 𝐏(𝐀)
97
- Eventos independentes: dois eventos A e B de um espaço amostral S são independentes quando
P(A|B) = P(A) ou P(B|A) = P(B). Sendo os eventos A e B independentes, temos:
P (A ∩ B) = P(A). P(B)
Exemplo:
Lançando-se simultaneamente um dado e uma moeda, determine a probabilidade de se obter 3 ou 5
na dado e cara na moeda.
Sendo, c = coroa e k = cara.
S = {(1,c), (1,k), (2,c), (2,k), (3,c), (3,k), (4,c), (4,k), (5,c), (5,k), (6,c), (6,k)}
Evento A: 3 ou 5 no dado
A = {(3,c), (3,k), (5,c), (5,k)}
4 1
𝑃(𝐴) = =
12 3
Evento B: cara na moeda

B = {(1,k), (2,k), (3,k), (4,k), (5,k), (6,k)}
6 1
𝑃(𝐵) = =
12 2
Os eventos são independentes, pois o fato de ocorrer o evento A não modifica a probabilidade de
ocorrer o evento B. Com isso temos:
P (A ∩ B) = P(A). P(B)
1 1 1
𝑃(𝐴 ∩ 𝐵) = . =
3 2 6
Observamos que A ∩ B = {(3,k), (5,k)} e a P (A ∩ B) poder ser calculada também por:

𝑛(𝐴 ∩ 𝐵) 2 1
𝑃(𝐴 ∩ 𝐵) = = =
𝑛(𝑆) 12 6
No entanto nem sempre chegar ao n(A ∩ B) nem sempre é fácil dependendo do nosso espaço
amostral.
Lei Binomial de probabilidade

Vamos considerar um experimento que se repete n número de vezes. Em cada um deles temos:
P(E) = p, que chamamos de probabilidade de ocorrer o evento E com sucesso.
P(𝐸̅ ) = 1 – p, probabilidade de ocorrer o evento E com insucesso (fracasso).
A probabilidade do evento E ocorrer k vezes, das n que o experimento se repete é dado por uma lei
binomial.
A probabilidade de ocorrer k vezes o evento E e (n - k) vezes o evento 𝐸̅ é o produto: pk . (1 – p)n - k
As k vezes do evento E e as (n – k) vezes do evento 𝐸̅ podem ocupar qualquer ordem. Então,

precisamos considerar uma permutação de n elementos dos quais há repetição de k elementos e de (n –
k) elementos, em outras palavras isso significa:
𝑛!
𝑃𝑛 [𝑘,(𝑛−𝑘)] = 𝑘.(𝑛−𝑘)! = (𝑛𝑘), logo a probabilidade de ocorrer k vezes o evento E no n experimentos é
dada:
𝒏
𝒑 = ( ) . 𝒑𝒌 . 𝒒𝒏−𝒌
𝒌
98
A lei binomial deve ser aplicada nas seguintes condições:
- O experimento deve ser repetido nas mesmas condições as n vezes.

- Em cada experimento devem ocorrer os eventos E e 𝐸̅ .
- A probabilidade do E deve ser constante em todas as n vezes.
- Cada experimento é independente dos demais.
Exemplo:
Lançando-se uma moeda 4 vezes, qual a probabilidade de ocorrência 3 caras?
Está implícito que ocorrerem 3 caras deve ocorrer uma coroa. Umas das possíveis situações, que
satisfaz o problema, pode ser:
Temos que:
n=4
k=3
1 1
̅̅̅ = 1 −
𝑃(𝐸) = , 𝑃(𝐸)
2 2
Logo a probabilidade de que essa situação ocorra é dada por:

1 3 1 1
(2) . (1 − 2) , como essa não é a única situação de ocorre 3 caras e 1 coroa. Vejamos:
1 3 1 1
Podemos também resolver da seguinte forma: (43) maneiras de ocorrer o produto ( ) . (1 − ) ,
2 2
portanto:
4 1 3 1 1 1 1 1
𝑃(𝐸) = ( ) . ( ) . (1 − ) = 4. . =
3 2 2 8 2 4
Questões
01. (BANESTES – Técnico em Segurança do Trabalho – FGV/2018) Dados os conjuntos A = {1, 2,

3} e B = {4, 5, 6, 7}, João escolhe ao acaso um elemento de cada um deles. A probabilidade de que o
produto dos dois elementos escolhidos seja um número par é:
(A) 1/4;
(B) 1/3;
(C) 1/2;
(D) 2/3;
(E) 3/4.
02. (ENEM - CESGRANRIO) Em uma escola, a probabilidade de um aluno compreender e falar inglês
é de 30%. Três alunos dessa escola, que estão em fase final de seleção de intercâmbio, aguardam, em
uma sala, serem chamados para uma entrevista. Mas, ao invés de chamá-los um a um, o entrevistador
entra na sala e faz, oralmente, uma pergunta em inglês que pode ser respondida por qualquer um dos
alunos.
A probabilidade de o entrevistador ser entendido e ter sua pergunta oralmente respondida em inglês é
(A) 23,7%
(B) 30,0%
(C) 44,1%
99
(D) 65,7%
(E) 90,0%
03. (ENEM - CESGRANRIO) Em uma central de atendimento, cem pessoas receberam senhas
numeradas de 1 até 100. Uma das senhas é sorteada ao acaso.
Qual é a probabilidade de a senha sorteada ser um número de 1 a 20?
(A) 1/100
(B) 19/100
(C) 20/100
(D) 21/100
(E) 80/100
04. (Pref. Niterói – Agente Fazendário – FGV) O quadro a seguir mostra a distribuição das idades
dos funcionários de certa repartição pública:
Escolhendo ao acaso um desses funcionários, a probabilidade de que ele tenha mais de 40 anos é:
(A) 30%;
(B) 35%;
(C) 40%;
(D) 45%;
(E) 55%.
05. (Pref. Niterói – Fiscal de Posturas – FGV) Uma urna contém apenas bolas brancas e bolas pretas.
São vinte bolas ao todo e a probabilidade de uma bola retirada aleatoriamente da urna ser branca é 1/5.
Duas bolas são retiradas da urna sucessivamente e sem reposição.
A probabilidade de as duas bolas retiradas serem pretas é:
(A) 16/25;
(B) 16/19;
(C) 12/19;
(D) 4/5;
(E) 3/5.
06. (TJ/RO – Técnico Judiciário – FGV) Um tabuleiro de damas tem 32 quadradinhos pretos e 32
quadradinhos brancos.
Um desses 64 quadradinhos é sorteado ao acaso.

A probabilidade de que o quadradinho sorteado seja um quadradinho preto da borda do tabuleiro é:
(A) ½;
(B) ¼;
(C) 1/8;
(D) 9/16;
(E) 7/32.
07. (Pref. Jucás/CE – Professor de Matemática – INSTITUTO NEO EXITUS) Fernanda organizou
um sorteio de amigo secreto entre suas amigas. Para isso, escreveu em pedaços de papel o nome de
cada uma das 10 pessoas (incluindo seu próprio nome) que participariam desse sorteio e colocou dentro
100
de um saco. Fernanda, como organizadora, foi a primeira a retirar um nome de dentro do saco. A
probabilidade de Fernanda retirar seu próprio nome é:
(A) 3/5.
(B) 2/10.
(C) 1/10.
(D) ½.
(E) 2/3.
08. (Corpo de Bombeiros Militar/MT – Oficial Bombeiro Militar – COVEST – UNEMAT) Uma loja
de eletrodoméstico tem uma venda mensal de sessenta ventiladores. Sabe-se que, desse total, seis
apresentam algum tipo de problema nos primeiros seis meses e precisam ser levados para o conserto
em um serviço autorizado.
Um cliente comprou dois ventiladores. A probabilidade de que ambos não apresentem problemas nos
seis primeiros meses é de aproximadamente:
(A) 90%
(B) 81%
(C) 54%
(D) 11%
(E) 89%
09. (Corpo de Bombeiros Militar/MT – Oficial Bombeiro Militar – COVEST – UNEMAT) Em uma
caixa estão acondicionados uma dúzia e meia de ovos. Sabe-se, porém, que três deles estão impróprios
para o consumo.
Se forem escolhidos dois ovos ao acaso, qual a probabilidade de ambos estarem estragados?
(A) 2/153
(B) 1/9
(C) 1/51
(D) 1/3
(E) 4/3
Comentários
01. Resposta: D.
Vamos fazer o total de possíveis resultados entre os conjuntos A e B.
Como em A temos 3 elementos e em B temos 4 elementos, teremos um total de 12 possibilidades de
fazer A vezes B,
Vamos ver quais serão pares agora:
A = {1, 2, 3} e B = {4, 5, 6, 7},
A.B
1.4=4
1.6=6
2.4=8
2 . 5 = 10
2 . 6 = 12
2 . 7 = 14
3 . 4 = 12
3 . 6 = 18
Assim, teremos 8 possibilidades de um total de 12, logo a probabilidade desse número ser par será de
8/12 = 2/3 (simplificando a fração)
02. Resposta: D.
A probabilidade de nenhum dos três alunos responder à pergunta feita pelo entrevistador é
0,70 . 0,70 . 0,70 = 0,343 = 34,3%
Portanto, a possibilidade dele ser entendido é de: 100% – 34 ,3% = 65,7%
03. Resposta: C.
A probabilidade de a senha sorteada ser um número de 1 a 20 é 20/100, pois são 20 números entre
100.
101
04. Resposta: D.
O espaço amostral é a soma de todos os funcionário:
2 + 8 + 12 + 14 + 4 = 40
O número de funcionário que tem mais de 40 anos é: 14 + 4 = 18
Logo a probabilidade é:
18
𝑃(𝐸) = = 0,45 = 45%
40
05. Resposta: C.
B = bolas brancas
T = bolas pretas
Total 20 bolas = S (espaço amostral)
P(B) = 1/5
𝑛(𝐵) 1 𝑛(𝐵) 20
𝑃(𝐵) = → = → 𝑛(𝐵) = =4
𝑛(𝑆) 5 20 5
Logo 20 – 4 = 16 bolas pretas

𝑛(𝑇) 16 4
𝑃(𝑇1) = = =
𝑛(𝑆) 20 5
Como não há reposição a probabilidade da 2º bola ser preta é:
𝑛(𝑇) 15
𝑃(𝑇2) = =
𝑛(𝑆) 19
Como os eventos são independentes multiplicamos as probabilidades:

4 15 60 12
. = =
5 19 95 19
06. Resposta: E.
Como são 14 quadrinhos pretos na borda e 64 quadradinhos no total, logo a probabilidade será de:
14 7
𝑃(𝐸) = =
64 32
07. Resposta: C.
𝑟𝑒𝑡𝑖𝑟𝑎𝑑𝑜
A probabilidade é calculada por 𝑃 = 𝑡𝑜𝑡𝑎𝑙
1
Assim, 𝑃 =
10
08. Resposta: B.
6 / 60 = 0,1 = 10% de ter problema
Assim, se 10% tem problemas, então 90% não apresentam problemas.
90 90 8100
𝑃= .
100 100
= 10000
= 81%
09. Resposta: C.
3 2 6 1
𝑃 = 18 . 17 = 306 = 51
(: 6 / 6)
VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS 16
Função de distribuição acumulada de uma variável aleatória discreta
A partir da função de distribuição de probabilidades de uma v.a. discreta X é possível calcular a

probabilidade de qualquer evento associado a ela. Por exemplo, para a fdp da figura 1.5, temos que
16
FARIAS, Ana Maria Lima de Freitas, LAURENCEL, Luiz da Costa – Variáreis Aleatórias Discretas – UFF – Departamento de estatística – 2008.
102
Então, podemos dizer que a fdp de uma variável aleatória discreta X nos dá toda a informação sobre
X. Existe uma outra função com tal característica, que é a função de distribuição acumulada de X, cuja
definição apresentamos a seguir.
Definição 1 Dada uma variável aleatória (discreta) X, a função de distribuição acumulada de X é

definida por
É interessante notar que a função FX está definida para todo número real x. Antes de passar às
propriedades teóricas da função de distribuição acumulada (usaremos a abreviação fda), também
conhecida como função de distribuição, vamos ver um exemplo.
Exemplo
Voltando ao exemplo 1 anterior, temos que a fdp da v.a. X = “máximo das faces de 2 dados” é dada
por
Para calcular a fda de X, notemos inicialmente que nenhum valor menor que 1 é possível. Logo,
Para x =1 devemos notar que
Para qualquer valor de x tal que 1 < x < 2, temos que pX(x)= 0. Logo,
Juntando os resultados (1.5) e (1.6), obtemos que
Com raciocínio análogo, obtemos que
e também que
ou seja,
103
Continuando obtemos que
Para x ≥ 6 devemos notar que o evento {X ≤ x} corresponde ao espaço amostral completo; logo
FDA da v.a. X do exemplo 1.
(b) A fda é
Funções de variáveis aleatórias
Dada uma v.a. X, podemos obter outras variáveis aleatórias através de funções de X e, da mesma
forma que calculamos a fdp de X, podemos calcular a fdp dessas novas variáveis.
Exemplo
Considere a v.a. X cuja fdp é dada na tabela abaixo:
x - - 0 1 2 3
2 1
pX 0 0 0 0 0 0
(x) ,1 ,2 ,2 ,3 ,1 ,1
104
Consideremos a função Y = g(X) = X2. Então, Y é uma nova variável aleatória, cujos possíveis valores
são 0, 1, 4, 9. Para calcular as probabilidades desses valores, temos que identificar os valores de X que
originaram cada um deles. Temos a seguinte equivalência de eventos:
Como os eventos são mutuamente exclusivos, segue que
e podemos resumir essa fdp como
y 0 1 4 9
pY 0 0 0 0
(y) ,2 ,5 ,2 ,1
Em geral, temos o seguinte resultado:
Seja X uma variável aleatória discreta com função de distribuição de probabilidade pX (x) . Se definimos
uma nova v.a. Y = g(X), onde g é uma função real qualquer, então a fdp de Y é calculada como
Exemplos
1. Considere o problema do pôquer. Suponha que um jogador paga R$100,00 para entrar no jogo.
Se ele tirar uma sequência, ele ganha R$200,00; se tirar 5 iguais, ganha R$5.100,00; se tirar 4
iguais, ganha R$100,00. Em todos os outros casos, ele perde. Seja L o lucro do jogador.
Encontre a fdp de L.
Solução:
De acordo com o exercício citado, temos a seguinte equivalência de eventos:
Para calcular as probabilidades, temos que lembrar que A8 ⊂ A1. Logo, se denotarmos por A∗1 o
eventos “todas diferentes mas não em seqüência”, temos que Pr (A∗1 ) = Pr(A1) − Pr(A8) =
105
Considere a v.a. X cuja fdp é
Encontre o valor de p e a fda da v.a. Y = X2.

Solução:
Como Pr (Ω) = 1, temos que ter p = Os valores possíveis de Y são 1, 9, 25

e
Logo, a fda de Y é
Esperança e variância de variáveis aleatórias discretas

No estudo da Estatística Descritiva, vimos como sumarizar conjuntos de dados através de distribuições
de frequências e também por estatísticas-resumo, como a média e a variância, no caso de variáveis
quantitativas. Em particular, vimos que a média de dados agrupados em classes era calculada como uma
média ponderada dos valores centrais (valores representativos das classes), com a ponderação definida
pelas frequências relativas das classes.
No estudo de variáveis aleatórias e suas distribuições de probabilidades, estamos associando números
aos pontos do espaço amostral, ou seja, o resultado é sempre uma variável quantitativa (note que os
resultados cara e coroa não definem uma variável aleatória; para tal, temos que associar números, 0 e 1
por exemplo, a esses resultados). Sendo assim, podemos fazer perguntas do tipo “qual o valor médio da
variável aleatória X?”, “qual a dispersão dos valores de X?”, da mesma forma que fizemos na análise
descritiva de dados. O ponto chave para a compreensão das definições que serão apresentadas é o
estabelecimento da analogia com o estudo das distribuições de frequências feito na parte inicial do curso.
Tal analogia se faz através da interpretação frequencial do conceito de probabilidade.
Probabilidade e frequência relativa

Consideremos novamente o experimento aleatório “lançamento de um dado”, mas agora um dado que
sabemos não ser equilibrado. Como poderíamos proceder para calcular a probabilidade de cada face?
Uma resposta, talvez intuitiva, seria lançar esse dado um grande número de vezes e observar o número
de ocorrências de cada face. As frequências relativas nos dariam, então, o que poderíamos pensar como
sendo a probabilidade de cada evento simples (face). É de se esperar que, quanto maior o número de
repetições do experimento (lançamento do dado), mais próximas das “verdadeiras” probabilidades
estariam essas frequências relativas. Esta é, assim, a definição de probabilidade de um evento através
da frequência relativa:
onde o número de repetições do experimento deve ser grande.
106
Ao trabalharmos com variáveis aleatórias, podemos pensar também nas probabilidades dos diferentes
valores da variável como sendo frequências relativas em um número sempre crescente de repetições do
experimento, ou seja, podemos pensar as probabilidades como sendo limites das frequências relativas.
Dessa forma, definiremos medidas de posição e dispersão para distribuições de probabilidades de
variáveis aleatórias de maneira análoga à utilizada em distribuições de frequências.
Esperança ou média de uma variável aleatória discreta Seja X uma variável aleatória discreta que
assume os valores x1, x2, . . . com probabilidades p1, p2, . . . respectivamente. A média ou esperança de
X é definida como
onde o somatório se estende por todos os valores possíveis de X. Podemos ver, então, que a
esperança de X é uma média dos seus valores, ponderada pelas respectivas probabilidades. Lembre-se
que no caso das distribuições de frequências tínhamos . Como antes, a média de uma v.a. X está
medida na mesma unidade da variável.
Exemplo
Em determinado setor de uma loja de departamentos, o número de produtos vendidos em um dia pelos
funcionários é uma variável aleatória P com a seguinte distribuição de probabilidades (esses números
foram obtidos dos resultados de vários anos de estudo):
Cada vendedor recebe comissões de venda, distribuídas da seguinte forma: se ele vende até 2
produtos em um dia, ele ganha uma comissão de R$10,00 por produto vendido. A partir da terceira venda,
a comissão passa para R$50,00. Qual é o número médio de produtos vendidos por cada vendedor e qual
a comissão média de cada um deles?
Solução:
O número médio de vendas por funcionário é
E(P) = 0 × 0,1 + 1 × 0,4 + 2 × 0,2 + 3 × 0,1 + 4 × 0,1 + 5 × 0, 05 + 6 × 0, 05 = 2, 05
Com relação à comissão, vamos construir sua fdp:
e
E(C) = 0 × 0,1 + 10 × 0,4 + 20 × 0,2 + 70 × 0, 1 + 120 × 0, 1 + 170 × 0, 05 + 220 × 0, 05 = 46, 5
ou seja, a comissão média por dia de cada vendedor é R$46,50.
Em geral, a média é vista como um “valor representativo” de X, estando localizada em algum ponto no
“centro do domínio de valores de X”. Uma interpretação mais precisa deste pensamento é a seguinte: a
esperança de X é o centro de gravidade da distribuição de probabilidades, no seguinte sentido. Pensando
as colunas do gráfico, que representam as probabilidades, como pesos distribuídos ao longo de uma vara
delgada, a média representa o ponto onde a vara se equilibraria.
107
Interpretação da média como centro de gravidade da distribuição
Esperança de funções de variáveis aleatórias

Vimos que é possível obter novas variáveis aleatórias a partir de funções g(X) de uma variável X e
através da fdp de X podemos obter a fdp de Y. Sendo assim, podemos calcular a esperança de Y. Foi
exatamente isso o que fizemos no caso das comissões no exemplo 1.7, onde tínhamos C = 2P + 50 × (3
− P). Analisando atentamente aquele exemplo e notando que, por definição de função, a cada valor de X
corresponde um único Y = g(X), obtemos o resultado geral sobre a esperança de funções de variáveis
aleatórias.
Seja X uma variável aleatória discreta com função de distribuição de probabilidade pX (x) . Se definimos
uma nova v.a. Y = g(X), então
Propriedades da esperança
A interpretação da esperança como centro de gravidade nos permite entender melhor as diversas
propriedades que demonstraremos a seguir. No que segue, X é uma variável aleatória discreta com
distribuição de probabilidades pX(x) e a, b 0 são constantes reais quaisquer.
1. E (a) = a
De fato: se X é uma v.a. constante, isso significa que X = a com probabilidade 1. Logo, E(X) = a ×1 =
a.
2. E (X + a) = E(X) + a (“somando uma constante, a média fica somada da constante”)

De fato: fazendo g(X) = X + a, pelo resultado 1.11, temos que
3. E(bX) = bE(X) (“multiplicando por uma constante, a esperança fica multiplicada pela constante”)
De fato: fazendo g(X) = bX, pelo resultado 1.11, temos que
108
4. E(a + bX) = a + bE(X)
Esse resultado é conseqüência direta dos resultados anteriores.
5. xmin ≤ E(X) ≤ xmax onde xmin e xmax são os valores mínimo e máximo da variável X.
De fato: temos que xi ≥ xmin e xi ≤ xmax ∀i. Então
Variância de uma variável aleatória

A esperança de uma variável aleatória X é uma medida de posição. No entanto, é possível que duas
variáveis bem diferentes tenham a mesma esperança, como é o caso das duas distribuições apresentadas
na figura.
Distribuições com mesma esperança e diferentes dispersões
Como já visto no caso da Estatística Descritiva, é necessário mensurar outros aspectos da distribuição,
entre eles a dispersão dos dados. Esta será medida através da distância quadrática de cada valor à média
da distribuição; mais precisamente, definimos a variância de uma variável aleatória X como
V ar (X) = E [X − E (X)]2
Definindo g(X) = [X − E(X)]2, temos, pelo resultado, que
Mas, se definimos h(X) = X2, então Logo, podemos escrever
109
que pode ser lida de maneira mais fácil como “a variância é a esperança do quadrado menos o
quadrado da esperança”. Lembre-se que tínhamos visto resultado análogo para a variância de um
conjunto de dados. Vimos também que a unidade de medida da variância é igual ao quadrado da unidade
da variável.
Propriedades da variância
Sendo uma medida de dispersão, é fácil ver as seguintes propriedades: seja X uma v.a. discreta com
fdp pX(x) e sejam a, b 0 constantes reais quaisquer.
1. Var (a) = 0 (“uma constante não tem dispersão”)

De fato:
Note que aqui usamos uma propriedade da esperança.
2. Var (X + a) = Var(X) (“somando uma constante, a dispersão - variância - não se altera”)

De fato:
Var (X + a) = E [X + a − E (X + a)]2 = E [X + a − E (X) − a]2 = E [X − E (X)]2 = Var (X)

Note que aqui usamos a propriedade 2 da esperança.
3. Var (bX) = b2 Var (X) (“multiplicando por uma constante não nula, a variância fica multiplicada pelo
quadrado da constante”)
De fato:

3. Var (bX) = b2 Var (X) (“multiplicando por uma constante não nula, a variância fica multiplicada pelo
quadrado da constante”)
De fato:
4. Var (a + bX) = b2 Var (X)

Essa propriedade é consequência direta das propriedades anteriores.
Desvio padrão
Como já dito, a unidade de medida da variância é o quadrado da unidade de medida da variável em
estudo, sendo assim, uma unidade sem significado físico. Para se ter uma medida de dispersão na mesma
unidade dos dados, define-se o desvio padrão como a raiz quadrada da variância.
Como consequência direta dessa definição e das propriedades da variância, seguem as seguintes
propriedades do desvio padrão, que deverão ser demonstradas pelo leitor. Como antes, seja X uma v.a.
discreta com fdp pX(x) e sejam a, b 0 constantes reais quaisquer.
1. DP (a) = 0 (uma constante não tem dispersão)

2. DP (X + a) = DP (X)
110
3. DP (bX) = |b| DP (X)
Aqui vale notar que √b2 = |b|.
4. DP (a + bX) = |b| DP (X).
Exemplo
Um lojista mantém extensos registros das vendas diárias de um certo aparelho. O quadro a seguir dá
a distribuição de probabilidades do número de aparelhos vendidos em uma semana. Se é de R$500,00 o
lucro por unidade vendida, qual o lucro esperado em uma semana? Qual é o desvio padrão do lucro?
Solução:
Seja X o número de aparelhos vendidos em uma semana e seja L o lucro semanal. Então, L = 500X.
Com relação ao lucro semanal, temos que
Consideremos o lançamento de dois dados equilibrados. Como já visto, o espaço amostral desse
experimento é formado pelos pares ordenados (i, j) onde i, j = 1, 2, 3, 4, 5, 6. Esse é um experimento
onde o espaço amostral não é formado por números. Suponhamos que nosso interesse esteja no máximo
das faces dos dois dados. Nesse caso, podemos associar um número a cada ponto do espaço amostral,
conforme ilustrado na figura 1.
Esse exemplo ilustra o conceito de variável aleatória.

Definição 1: Uma variável aleatória é uma função real (isto é, que assume valores em R) definida no
espaço amostral Ω de um experimento aleatório.
Por essa definição, podemos ver que, no lançamento de uma moeda, observar o resultado obtido, cara
ou coroa, não é uma variável aleatória, pois os resultados não são números. Mas se associarmos o
número 0 à ocorrência de cara e o número 1 à ocorrência de coroa, teremos uma variável aleatória.
Analogamente, em uma pesquisa domiciliar, o espaço amostral é formado pelos domicílios de uma
determinada localidade e simplesmente anotarmos os domicílios sorteados para uma amostra não
constitui uma variável aleatória. Mas, na prática, quando da realização de uma pesquisa domiciliar,
estamos interessados em alguma característica desse domicílio e aí poderemos ter várias variáveis
aleatórias associadas a esse experimento, como, por exemplo, a renda domiciliar mensal em reais,
111
Figura 1: Variável aleatória: máximo de 2 dados
o número de moradores, o grau de instrução do chefe de família medido pelo número de anos de
estudo, etc.
Definição 2: Uma variável aleatória é discreta se sua imagem (ou conjunto de valores que ela pode
tomar) é um conjunto finito ou enumerável. Se a imagem é um conjunto não enumerável dizemos que a
variável aleatória é contínua.
Exemplos
1. Dentre os 5 alunos de um curso com coeficiente de rendimento (CR) superior 8,5, dois serão
sorteados para receber uma bolsa de estudos. Os CRs desses alunos são: 8,8; 9,2; 8,9; 9,5;
9,0.
(a) Designando por A, B, C, D e E os alunos, defina um espaço amostral para esse experimento.
(b) Seja X = CR médio dos alunos sorteados. Liste os possíveis valores de X.
(c) Liste o evento X ≥ 9, 0.
Respostas
(a) Note que aqui a ordem não importa; logo, #Ω = (52) = 10. Mais especificamente,
Ω = {(A, B) , (A, C) , (A, D) , (A, E) , (B, C) , (B, D) , (B, E) , (C, D) , (C, E) , (D, E)}
(b) Usando uma tabela de duas entradas podemos representar os valores de X da seguinte
forma:
(c) {X ≥ 9} = {(A, B) , (A, D) , (B, C) , (B, D) , (B, E) , (C, D) , (D, E)} .
2. Um homem possui 4 chaves em seu bolso. Como está escuro, ele não consegue ver qual a chave
correta para abrir a porta de sua casa. Ele testa cada uma das chaves até encontrar a correta.
(a) Defina um espaço amostral para esse experimento.
(b) Defina a v.a. X = número de chaves experimentadas até conseguir abrir a porta (inclusive
a chave correta). Quais são os valores de X?
112
Respostas
(a) Vamos designar por C a chave da porta e por E1, E2 e E3 as outras chaves. Se ele para de testar
as chaves depois que acha a chave correta, então o espaço amostral é:
Ω ={ E1C, E2C, E3C, E1E2C, E2E1C, E1E3C, E3E1C, E2E3C, E3E2C, E1E2E3C, E1E3E2C,
E2E1E3C, E2E3E1C, E3E1E2C, E3E2E1C}
(b) X = 1, 2, 3, 4
Questões
01. Cinco cartas são extraídas de um baralho comum (52 cartas, 13 de cada naipe) sem reposição.
A v.a. X = número de cartas vermelhas sorteadas. Quais são os possíveis valores de X?
(A) os possíveis valores de X são 0,1,2,3,4,5,6,7,8,9,10,11,12,13.
(B) os possíveis valores de X são 0,1,2,3,4,5
(C) os possíveis valores de X são 1,2,3,4,5
(D) os possíveis valores de X são 1,2,3,4,5,6,7,8,9,10,11,12,13.
02. Numa urna há 7 bolas brancas e 4 bolas verdes. Cinco bolas são extraídas dessa urna. Defina a
v.a. X = número de bolas verdes. Quais são os possíveis valores de X se as extrações são feitas sem
reposição:
(A) os valores de X são 0, 1, 2, 3, 4
(B) os valores de X são 1, 2, 3, 4
(C) os valores de X são 0, 1, 2, 3, 4, 5, 6, 7.
(D) os valores de X são 1, 2, 3, 4, 5, 6, 7.
Comentários
01. Resposta: B.
No baralho há 26 cartas vermelhas, 13 de ouros e 13 de copas. Logo, os possíveis valores de
X são 0,1,2,3,4,5.
02. Resposta: A.
Como há apenas 4 verdes, os valores de X são 0, 1, 2, 3, 4. Note que temos bolas brancas em
quantidade suficiente para que X = 0 (isto é, podemos tirar todas brancas).
Função de distribuição de probabilidade
Os valores de uma v.a. discreta são definidos a partir do espaço amostral de um experimento aleatório.
Sendo assim, é natural perguntarmos “qual é a probabilidade do valor x”? No exemplo do máximo das 2
faces de um dado da figura 1, por exemplo, o valor 6 da v.a. é imagem de 11 pontos do espaço amostral,
enquanto o valor 2 é imagem de apenas 3 pontos. Sendo assim, é de se esperar que o valor 6 seja mais
provável que o valor 2. Na verdade, temos a seguinte equivalência de eventos: se chamamos de X a v.a.
“máximo dos 2 dados”, então
e, assim
Como os eventos no lado direito da expressão acima são mutuamente exclusivos e igualmente
prováveis, resulta que
De maneira análoga obtemos que
113
Definição 3: Seja X uma v.a. discreta. A função de distribuição de probabilidades de X é a função pX
(x) que associa, a cada valor possível x de X, sua respectiva probabilidade, calculada da seguinte
forma: pX (x) é a probabilidade do evento {X = x} consistindo de todos os resultados do espaço amostral
que deram origem ao valor x.
Figura 2: Função de distribuição de probabilidade de uma v.a. discreta
Para não sobrecarregar o texto, omitiremos os colchetes oriundos da notação de evento/conjunto e

escreveremos Pr (X = x) no lugar de Pr ({X = x}), que seria a forma correta. Uma outra convenção que
seguiremos também será a de indicar por letras maiúsculas as variáveis aleatórias e por letras minúsculas
os números reais, tais como os valores específicos de uma v.a. Além disso, abreviaremos por fdp o termo
função de distribuição de probabilidade.
Das propriedades (axiomas) da probabilidade resultam os seguintes fatos sobre a função de
distribuição de probabilidades de uma v.a. X:
Onde indica somatório ao longo de todos os possíveis valores de X. Note que essa
propriedade é decorrente do axioma Pr (Ω) = 1, pois os eventos {X = x} são mutuamente exclusivos e
formam uma partição do espaço amostral.
Cálculo da função de distribuição de probabilidade
Considerando novamente a v.a. definida na figura 1, podemos resumir a fdp da variável em questão
na seguinte tabela:
Considere uma urna com 10 bolas, das quais 6 são vermelhas e 4 brancas. Dessa urna retiram-se 3
bolas sem reposição e conta-se o número de bolas brancas retiradas. Qual é a distribuição dessa variável
aleatória?
Os possíveis valores de X são 0,1,2,3. Para calcular a probabilidade de cada um desses valores,
devemos notar inicialmente que o espaço amostral tem (10
3
) eventos elementares.
114
O evento {X = 0} corresponde à união dos eventos (sequências) onde não aparece nenhuma bola
branca ou, equivalentemente, onde todas as bolas são vermelhas; ¡ o número de tais sequências
é (63) (40) = (63) . (Note que aqui estamos usando o princípio fundamental da multiplicação.) Logo,
Analogamente, o evento {X = 1} corresponde à união dos eventos onde aparece 1 bola branca e 2
vermelhas. O número de tais sequências é (62) (41) e, portanto
Analogamente, obtemos que
e a fdp de X é
Distribuição de Bernoulli
Definição
Considere o lançamento de uma moeda. A característica desse experimento aleatório é que ele possui
apenas dois resultados possíveis. Uma situação análoga surge quando da extração da carta de um
baralho, onde o interesse está apenas na cor (preta ou vermelha) da carta sorteada.
Um experimento de Bernoulli é um experimento aleatório com apenas dois resultados possíveis; por
convenção, um deles é chamado “sucesso” e o outro “fracasso”.
A distribuição de Bernoulli é a distribuição de uma v.a. X associada a um experimento de Bernoulli,
onde se define X = 1 se ocorre sucesso e X = 0 se ocorre fracasso. Chamando de p a probabilidade de
sucesso (0 < p < 1), a distribuição de Bernoulli é:
115
Obviamente, as condições definidoras de uma fdp são satisfeitas, uma vez que p > 0, 1 − p > 0 e
p+(1−p) = 1. O valor de p é o único valor que precisamos conhecer para determinar completamente a
distribuição; ele é, então, chamado parâmetro da distribuição de Bernoulli. Vamos denotar a distribuição
de Bernoulli com parâmetro p por Bern(p).
A função de distribuição acumulada é dada por:
Temos os gráficos da fdp e da fda de uma distribuição de Bernoulli.

Distribuição de Bernoulli com parâmetro p
Esperança
Seja X ∼ Bern(p) (lê-se: a variável aleatória X tem distribuição de Bernoulli com parâmetro p).
Então, E(X) = 0 × (1 − p) + 1 × p. Logo,
X ∼ Bern(p) ⇒ E(X) = p
Variância
Seja X ∼ Bern(p). Então,
E(X2) = 02 × (1 − p) + 12 × p ⇒ E(X2) = p ⇒ V ar(X) = p − p2
Logo,
X ∼ Bern(p) ⇒ V ar(X) = p(1 − p)
Distribuição Geométrica
Definição
Considere a situação descrita no exercício 3 do capítulo 1: uma moeda com probabilidade p de cara é
lançada até que apareça cara pela primeira vez. Como visto, tal experimento gera uma v.a. discreta X =
“número de repetições necessárias até a ocorrência da primeira cara” com infinitos valores. Essa é uma
situação onde é impossível encontrar algum paralelo na prática; no entanto, o “infinito” na prática, em
geral, é substituído por um “valor muito grande”. Considere uma população muito grande onde p% das
pessoas sofrem de uma doença desconhecida. Precisa-se encontrar uma pessoa portadora da doença
para que os médicos possam estudá-la. Quantas pessoas teremos que examinar até encontrar uma
portadora? Em ambas as situações, cada repetição do experimento (lançamento da moeda ou exame de
uma pessoa) tem dois resultados possíveis (cara ou coroa e Portadora ou não protadora da doença), ou
seja, temos experimentos de Bernoulli.
Consideremos repetições independentes de um experimento de Bernoulli com parâmetro p. Vamos
definir a seguinte v.a. associada a esse experimento aleatório:
116
X = número de repetições necessárias para a obtenção do primeiro sucesso
Os valores possíveis de X são 1 (primeiro sucesso na primeira repetição), 2 (primeiro sucesso na

segunda repetição e, portanto fracasso na primeira), 3 (primeiro sucesso na terceira repetição e, portanto,
fracasso nas duas primeiras), etc. Esse é um exemplo de v.a. discreta onde o espaço amostral,
enumerável, é infinito.
Para calcular a probabilidade de X = k, k = 1, 2, 3, . . . , devemos notar que tal evento corresponde à
ocorrência de fracassos nas k − 1 primeiras repetições e sucesso na k-ésima repetição.
Denotando por Fi e Si a ocorrência de fracasso e sucesso na i-ésima repetição respectivamente, temos
a seguinte equivalência de eventos:
Como as repetições são independentes, segue que
ou seja,
Dizemos que X tem distribuição geométrica com parâmetro p (o único valor necessário para especificar
completamente a fdp) e vamos representar tal fato por X ∼ Geom(p).
As características definidoras desse modelo são: (i) repetições de um mesmo experimento de
Bernoulli, o que significa que em todas elas a probabilidade de sucesso (e, portanto, de fracasso) é a
mesma e (ii) as repetições são independentes. No caso do lançamento de uma moeda essas hipóteses
são bastante plausíveis mas no caso da doença a hipótese de independência pode não ser satisfeita; por
exemplo, pode haver um componente de hereditariedade.
Para mostrar que (2.5) realmente define uma fdp, temos que mostrar que a soma das probabilidades,
isto é, a probabilidade do espaço amostral é 1 (obviamente, Pr(X = k) ≥ 0). Para isso vamos usar o
seguinte resultado sobre séries geométricas:
Temos que:
Fazendo j = k − 1, temos que k = 1 ⇒ j = 0 e k = ∞ ⇒ j = ∞. Portanto,
Usando, obtém-se que:
Esperança
117
Fazendo a mudança de variável k −1 = j, resulta que k = j +1, k = 1 ⇒ j = 0 e k = ∞ ⇒ j = ∞. Logo,
Usando o resultado da seção 2.8 com r = 1− p, obtemos que:
Logo,
Variância
Para calcular a variância, temos que calcular E(X2). Por definição,
No primeiro somatório, a parcela correspondente a k = 1 é nula, logo, podemos escrever (note o índice
do somatório!):
1
O segundo somatório é a esperança da distribuição geométrica com parâmetro p; logo, ele é igual a 𝑝.
Fazendo a mudança de variável k −2 = j no primeiro somatório, resulta que
obtemos que:
Segue que:
Logo,
118
Exemplo
1. Um atirador acerta na mosca do alvo, 20% dos tiros. Qual a probabilidade de ele acertar na mosca
pela primeira vez no 10o tiro?
Solução:
Podemos pensar os tiros como experimentos independentes de Bernoulli (acerta ou não acerta). A
probabilidade de sucesso (acertar no alvo) é p = 0, 20. Estamos querendo o número de tiros até o primeiro
acerto e calcular a probabilidade desse número ser 10. Seja X = número de tiros até primeiro acerto.
Então, X ∼ Geom(0, 20) e Pr (X = 10) = 0, 89×0,2 = 0, 02684.
Distribuição Binomial
Definição
Consideremos n repetições independentes de um experimento de Bernoulli com parâmetro p (pense
em n lançamentos de uma moeda com probabilidade p de cara). Vamos definir a seguinte v.a. associada
a este experimento:
X = número de sucessos obtidos nas n repetições
Lembre-se que você encontrou esta situação no exercício 5 do capítulo 1. Os valores possíveis de X
são 0 (só ocorrem fracassos), 1 (ocorre apenas 1 sucesso), 2 (ocorrem 2 sucessos), . . . , n (ocorrem
apenas sucessos). Vamos calcular a probabilidade de X = k, onde k = 0, 1, 2, . . . , n. O evento X = k
equivale à ocorrência de k sucessos e n − k fracassos. Consideremos uma situação específica: as k
primeiras repetições são “sucesso”. Como as repetições são independentes, temos a probabilidade da
interseção de eventos independentes; logo,
Mas essa é uma ordenação específica, onde os sucessos são os primeiros resultados. Na verdade, os
k sucessos podem estar em qualquer posição e ainda teremos X = k. O número de maneiras possíveis
de obter k sucessos em n repetições nada mais é que o número de combinações de n elementos tomados
k a k, ou seja, Como cada uma dessas maneiras tem a mesma probabilidade acima e elas são eventos
mutuamente exclusivos, resulta que
onde o número de parcelas é . Logo
Essa é a distribuição binomial; note que para determiná-la precisamos conhecer os valores de n e p,
que são os parâmetros da distribuição. Vamos usar a seguinte notação: X ∼ bin (n; p).
Note que na distribuição binomial, o número de lançamentos é fixo e o número de sucessos é a variável
de interesse; note o contraste com a distribuição binomial negativa onde o número de lançamentos é
variável e o número de sucessos é um número fixo (pré-determinado).
Para mostrar que realmente define uma fdp falta mostrar que
119
já que, obviamente, Pr(X = k) ≥ 0. De fato: o teorema do binômio de Newton nos diz que, se x e y são
números reais e n é um inteiro positivo, então
Fazendo x = p e y = 1− p em (2.19), obtém-se:
o que prova o resultado.
Esperança
Quando k = 0, a parcela correspondente no somatório é nula. Logo, podemos escrever (note o índice
do somatório!):
e como k = 0, podemos fazer a divisão, o que resulta na simplificação
Fazendo j = k − 1, temos que k = j + 1, k = 1 ⇒ j = 0 e k = n ⇒ j = n − 1. Logo,
Mas nesse somatório temos as probabilidades de uma distribuição binomial com parâmetros (n −1) e
p; como estamos somando as probabilidades de todos os pontos do espaço amostral, segue que esse
somatório é igual a 1 (note que essa é a expressão do binômio de Newton para (x+y) n−1 com x = p e y =
1− p) e, portanto,
120
Variância
Vamos calcular E (X2) . Usando raciocínio análogo ao usado no cálculo da esperança, temos que:
Mas o primeiro somatório é a esperança de uma binomial com parâmetros (n − 1) e p; portanto, pelo
resultado (2.20), é igual a (n − 1) p. Já o segundo somatório é a soma das probabilidades dos valores de
uma binomial com esses mesmos parâmetros (ou binômio de Newton); logo, é igual a 1.
Segue, então, que
e, portanto,
ou seja,
Exemplos
1. Um atirador acerta na mosca do alvo, 20% dos tiros. Se ele dá 10 tiros, qual a probabilidade de ele
acertar na mosca no máximo 1 vez?
Solução:
Podemos pensar os tiros como experimentos de Bernoulli independentes, onde a probabilidade de

sucesso é 0,20. Então, o problema pede Pr(X ≤ 1), onde X = número de acertos em 10 tiros. Logo, X ∼
bin(10; 0, 20) e
121
Distribuição binomial versus distribuição hipergeométrica
Vamos fazer agora algumas comparações entre as distribuições binomial e hipergeométrica.

Colocando ambas em termos de extrações de bolas verdes de uma urna com bolas verdes e brancas, a
binomial equivale a extrações independentes com reposição. Note que, repondo as bolas, a probabilidade
de sucesso (isto é, bola verde) permanece constante ao longo das extrações. Já a hipergeométrica
corresponde a extrações sem reposição.
A esperança da binomial é igual ao produto do tamanho da amostra pela probabilidade de sucesso;
em termos da urna, a probabilidade de sucesso é e, portanto, a esperança é n

Na hipergeométrica, a esperança também é o produto do tamanho da amostra pela probabilidade de
sucesso, probabilidade essa tomada apenas na primeira extração.
A variância da binomial é igual ao produto do tamanho da amostra pelas probabilidades de sucesso e
fracasso. Em termos de urna, essas probabilidades são Na hipergeométrica, considerando
apenas a primeira extração, a variância é igual a esse produto, mas corrigido pelo fator
Em pesquisas estatísticas por amostragem, normalmente lidamos com amostragem sem reposição (já
imaginou visitar e entrevistar um mesmo morador duas vezes?). No entanto, os resultados teóricos sobre
amostragem com reposição são bem mais simples, assim, costuma-se usar uma aproximação, sempre
que possível. Ou seja, quando a população (tamanho N) é suficientemente grande (de modo que podemos
encará-la como uma população infinita) e o tamanho da amostra é relativamente pequeno, podemos
“ignorar” o fato de as extrações serem feitas sem reposição. Lembre-se que a probabilidade em extrações
sucessivas são Então, se N é “grande” e n é pequeno, temos que N ≈ N − 1 ≈ · · · ≈ N
− n. Nessas condições, extrações com e sem reposição podem ser consideradas como equivalentes. O
termo que aparece na variância da hipergeométrica, é chamado correção para populações finitas,
exatamente porque, se a população é pequena, não podemos ignorar o fato de as extrações estarem
sendo feitas sem reposição.
Exemplo
1. Um caçador, após um dia de caça, verificou que matou 5 andorinhas e 2 aves de uma espécie rara,
proibida de ser caçada. Como todos os espécimes tinham o mesmo tamanho, ele os colocou na mesma
bolsa, pensando em dificultar o trabalho dos fiscais. No posto de fiscalização há dois fiscais, Manoel e
Pedro, que adotam diferentes métodos de inspeção. Manoel retira três espécimes de cada bolsa dos
caçadores. Pedro retira um espécime, classifica-o e o repõe na bolsa, retirando em seguida um segundo
espécime. Em qualquer caso, o caçador é multado se é encontrado pelo menos um espécime proibido.
Qual dos dois fiscais é mais favorável para o caçador em questão?
Solução:
Seja X = número de aves proibidas (sucessos) encontradas por um fiscal. No caso de Manoel, temos
que X ∼ hiper(7; 2; 3) e no caso do fiscal Pedro, X ∼ bin
Logo, a probabilidade de multa é maior no caso do fiscal Manoel, e, portanto, Pedro é o fiscal mais
favorável para o caçador.
A distribuição de Poisson
Aproximação da binomial pela Poisson

Suponhamos que estamos observando um determinado fenômeno de interesse por um certo período
de tempo de comprimento t com o interesse de contar o número de vezes X que determinado evento
ocorre.
122
Vamos fazer as seguintes hipóteses sobre a forma como esse evento ocorre:
H1) Em um intervalo de tempo suficientemente curto, apenas 0 ou 1 evento ocorre, ou seja, 2 ou mais
ocorrências não podem acontecer simultaneamente. Então, em cada um desses intervalos temos um
experimento de Bernoulli.
H2) A probabilidade de exatamente 1 ocorrência nesse pequeno intervalo de tempo, de comprimento
Δt, é proporcional a esse comprimento, ou seja, é λΔt. Logo, a ocorrência de nenhum evento é 1 − λΔt.
H3) As ocorrências em intervalos pequenos e disjuntos são experimentos de Bernoulli independentes.
Estamos interessados na v.a. X = número de ocorrências do evento no intervalo (0, t]. Particionando
esse intervalo em n pequenos subintervalos de comprimento Δt, temos que o número total de ocorrências
será a soma do número de ocorrências em cada subintervalo. Mas em cada subintervalo podemos aplicar
as hipóteses acima. Logo, X é uma variável binomial com parâmetros n = e probabilidade

de sucesso igual a λΔt pela hipótese 2 acima. Então, para k = 0, 1, 2, . . . , n temos que:
Consideremos, agora, a situação em que Δt → 0, ou equivalentemente, n → ∞. Nesse caso, a v.a. X

pode assumir qualquer valor inteiro não negativo e
Teorema Sejam eventos gerados de acordo com as hipóteses H1 a H3 acima. Se X é o número de

eventos em um intervalo de tempo de comprimento t, então a função de distribuição de probabilidade de
Xé
Diz-que que X tem distribuição de Poisson com parâmetro λt : X ∼ Poi(λt).
Para mostrar que realmente define uma fdp, temos que provar que , temos que:
123
Esperança e variância
Vamos agora calcular a esperança e a variância de tal distribuição.
Logo,
Logo,
ou
A interpretação desses resultados nos dá que o número médio de ocorrências do evento em um

intervalo de comprimento t é λt, proporcional ao comprimento. Fazendo t = 1, obtém-se o número médio
de ocorrências em um intervalo unitário. Note que a esperança e a variância são iguais!
A distribuição de Poisson
Vamos apresentar, agora, a definição geral da distribuição de Poisson, usando uma outra
parametrização.
Diz-se que a v.a. X tem distribuição de Poisson com parâmetro μ se sua fdp é dada por
Nesse caso, a esperança e a variância de X são dadas por:
124
Pelos resultados anteriores, μ é o número médio de ocorrências do evento de interesse em um
intervalo unitário e o número de ocorrências num intervalo qualquer é proporcional ao comprimento do
intervalo.
Exemplo
1. Uma central telefônica recebe uma média de 5 chamadas por minuto. Supondo que as chamadas
que chegam constituam uma distribuição de Poisson, qual é a probabilidade de a central não receber
nenhuma chamada em um minuto? e de receber no máximo 2 chamadas em 2 minutos?
Solução:
Seja X = número de chamadas por minuto. Então, X ∼ P oi(5). Logo,
Seja y = número de chamadas em 2 minutos. Então, X ∼ Poi(5 × 2). Logo,
Questões
01. Joga-se um dado equilibrado. Qual é a probabilidade de serem necessários 10 lançamentos até a
primeira ocorrência de um seis?
(A) 0,0323
(B) 0,0677
(C) 0,0548
(D) 0,0452
(E) 0,0125
02. Dois adversários A e B disputam uma série de 8 partidas de um determinado jogo. A probabilidade
de A ganhar uma partida é 0,6 e não há empate. Qual é a probabilidade de A ganhar a série?
(A) 24,5%
(B) 59,4%
(C) 36%
(D) 48%
(E) 20%
03. Joga-se uma moeda não viciada. Qual é a probabilidade de serem obtidas 5 caras antes de 3
coroas?
(A) 35%
(B) 77,3%
(C) 65%
(D) 50%
(E) 22,7%
04. Entre os 16 programadores de uma empresa, 12 são do sexo masculino. A empresa decide sortear
5 programadores para fazer um curso avançado de programação. Qual é a probabilidade dos 5 sorteados
serem do sexo masculino?
(A) 18,13%
(B) 50%
(C) 75%
(D) 25,45%
(E) 74,55%
125
05. Em um certo tipo de fabricação de fita magnética, ocorrem cortes a uma taxa de um corte por 2000
pés. Qual é a probabilidade de que um rolo com comprimento de 4000 pés apresente no máximo dois
cortes? Pelo menos dois cortes?
(A) 0,676676 e 0,593994
(B) 0,323324 e 0,406006
(C) 0,5 e 0,5
(D) 0,125885 e 0,365896
(E) 0,478963 e 0,258963
Comentários
01. Resposta: A.
Nesse caso, sucesso é a ocorrência de face seis. Logo, Pr(sucesso) = p = e Pr(fracasso) =
1−p= Seja X = número de lançamentos até primeiro seis. Então, X ∼ geom e o problema pede
Pr (X = 10) = = 0, 03230.
02. Resposta: B.
Note que só podem ocorrer vitórias ou derrotas, o que significa que temos repetições de um
experimento de Bernoulli com probabilidade 0,6 de sucesso (vitória). Assumindo a independência das
provas, se definimos X = número de vitórias de A, então X ∼ bin(8; 0, 6) e o problema pede Pr (X ≥ 5) ,
isto é A ganha mais partidas que B.
03. Resposta; E.
Vamos definir sucesso = cara e fracasso = coroa. Então, Pr(sucesso) = Pr(fracasso) = 0, 5 e temos
repetições de um experimento de Bernoulli. A ocorrência de 5 sucessos antes de 3 fracassos só é possível
se nas 7 primeiras repetições tivermos pelo menos 5 sucessos. Seja, então, X = número de sucessos em
7 repetições. Logo, X ∼ bin(7; 0, 5) e o problema pede Pr(X ≥ 5).
04. Resposta: A.
Sucesso = sexo masculino. Se X = número de homens sorteados, então X ∼ hiper(16; 12; 5) e o
problema pede
05. Resposta: A.
Seja Y = número de cortes num rolo de 4000 pés. Então, Y ∼ P oi(2).
126
INFERÊNCIA
Inferência estatística é um ramo da Estatística cujo objetivo é fazer afirmações a partir de um conjunto
de valores representativo (amostra) sobre um universo. Tal tipo de afirmação deve sempre vir
acompanhada de uma medida de precisão sobre sua veracidade. Para realizar este trabalho o estatístico
coleta informações de dois tipos, experimentais (as amostras) e aquelas que obtém na literatura. As duas
principais escolas de inferência são a inferência frequentista (ou clássica) e a inferência bayesiana. A
inferência estatística é geralmente distinta da estatística descritiva. A descrição estatística pode ser vista
como a simples apresentação dos fatos, nos quais o modelo de decisões feito pelo analista tem pouca
influência. É natural que análises estatísticas avancem, indo da descrição para a inferência de padrões.
Essa última tarefa depende do modelo usado e/ou criado pelo analista dos dados.
Inferência frequentista é um tipo de inferência estatística. O conceito frequentista de probabilidade

envolve basicamente uma sequência de repetições para um determinado evento, tratado como um
subconjunto de Θ. A ideia da repetição justifica a denominação “teoria frequentista”. A teoria baseia-se
na regularidade estatística das frequências relativas e sustenta que a probabilidade de um dado
acontecimento pode ser medida observando a frequência relativa do mesmo acontecimento, em uma
sucessão numerosa de experiências idênticas e independentes. Para exemplificar a interpretação
frequentista, considera-se uma moeda irregular (viciada) lançada 1000 vezes, e observam-se a face cara
540 vezes. Portanto, a probabilidade estimada de sair cara é 0,54.
Inferência bayesiana é um tipo de inferência estatística que descreve as incertezas sobre quantidades
invisíveis de forma probabilística. Incertezas são modificadas periodicamente após observações de novos
dados ou resultados. A operação que calibra a medida das incertezas é conhecida como operação
bayesiana e é baseada na fórmula de Bayes. A fórmula de Bayes é muitas vezes denominada Teorema
de Bayes.
Em teoria da probabilidade o Teorema de Bayes mostra a relação entre uma probabilidade condicional
e a sua inversa; por exemplo, a probabilidade de uma hipótese dada a observação de uma evidência e a
probabilidade da evidência dada pela hipótese. Esse teorema representa uma das primeiras tentativas de
modelar de forma matemática a inferencia estatística, feita por Thomas Bayes (pronunciado /ˈbeɪz/ ou
"bays"). O teorema de Bayes é um corolário do teorema da probabilidade total que permite calcular a
seguinte probabilidade:
- Pr (A) e Pr (B) são as probabilidades a priori de A e B

- Pr (B|A) e Pr (A|B) são as probabilidades a posteriori de B condicional a A e de A condicional a B
respectivamente.
A regra de Bayes mostra como alterar as probabilidades a priori tendo em conta novas evidências de
forma a obter probabilidades a posteriori. Podemos aplicar o Teorema de Bayes com o jogo das três
portas. Alguns preferem escrevê-lo na forma:
A ideia principal é que a probabilidade de um evento A dado um evento B (e.g. a probabilidade de

alguém ter câncer de mama sabendo, ou dado, que a mamografia deu positivo para o teste) depende não
apenas do relacionamento entre os eventos A e B (i.e., a precisão, ou exatidão, da mamografia), mas
também da probabilidade marginal (ou "probabilidade simples") da ocorrência de cada evento. Por
exemplo, se as mamografias acertam em 95% dos testes, então 5% é a probabilidade de termos falso
positivo ou falso negativo, ou uma mistura de falso positivo a falso. O teorema de Bayes nos permite
calcular a probabilidade condicional de ter câncer de mama, dado uma mamografia positiva, para qualquer
um desses casos. A probabilidade de uma mamografia positiva será diferente para cada um dos casos.
No exemplo dado, há um ponto de grande importância prática que merece destaque: se a prevalência
de mamografias resultado positivo para o câncer é, digamos, 5,0%, então a probabilidade condicional de
que um indivíduo com um resultado positivo na verdade não tem câncer é bastante pequena, já que
127
aprobabilidade marginal deste tipo de câncer está mais perto de 1,0%. A probabilidade de um resultado
positivo é, portanto, cinco vezes mais provável que a probabilidade de um câncer em si. Além disso,
alguém pode deduzir que a probabilidade condicional que mamografias positivas realmente tenham
câncer é de 20%. Isso poderia ser menor, se a probabilidade condicional que dado um câncer de mama,
a mamografia sendo positiva não é de 100% (i.e. falso negativos). Isso serve para mostrar a utilidade do
entendimento do teorema de Bayes.
Questão
01. Considerando a tabela
Calcule o índice ponderado para preços, empregando a fórmula de Laspeyres e tomando 1993 = 100.
Resposta
01. Resposta: 1,625 ou 162,5%.

Lembrando que
Temos:
= 1,625 ou 162,5%.
INTERVALO DE CONFIANÇA
Em estatística, um intervalo de confiança (IC) é um intervalo estimado de um parâmetro estatístico.

Em vez de estimar o parâmetro por um único valor, é dado um intervalo de estimativas prováveis. Quão
prováveis são estas estimativas é determinado pelo coeficiente de confiança. Quanto maior a
probabilidade do intervalo conter o parâmetro, maior será o intervalo. Intervalos de confiança são usados
para indicar a confiabilidade de uma estimativa. Por exemplo, um IC pode ser usado para descrever quão
confiáveis são os resultados de uma pesquisa. Sendo todas as outras coisas iguais, uma pesquisa que
resulte num IC pequeno é mais confiável do que uma que resulte num IC maior.
Em sentido restrito, um IC para um parâmetro populacional é um intervalo com uma proporção p
associada a qual é gerada por uma amostra aleatória de uma população subjacente, de tal forma que se
a amostragem for repetida inúmeras vezes e o intervalo de confiança for recalculado para cada amostra
de acordo com o mesmo método, uma proporção p dos intervalos de confiança conteria o parâmetro
estatístico em questão. Intervalos de confiança são a forma predominante de estimativa por intervalo.
Se U e V são estatísticas (isto é, variáveis aleatórias) cuja distribuição de probabilidade dependa de
algum parâmetro não observável θ, e
(onde x é um número entre 0 e 1) então o intervalo aleatório (U, V) é um intervalo de confiança "100x%
para θ". O número x é chamado de nível de confiança ou coeficiente de confiança. Na prática moderna
aplicada, a maioria dos intervalos de confiança estão no nível de 95%. Intervalos de confiança
desempenham em probabilidade frequentista um papel semelhante ao intervalo de credibilidade em
estatística bayesiana.
128
Neste diagrama, as barras representam as médias observadas e as linhas vermelhas representam os
intervalo de confiança ao redor delas. A diferença entre as duas populações à esquerda é significante.
Todavia, "é um equívoco estatístico comum supor que duas quantidades cujos intervalos de confiança de
95% falhem em se sobrepor sejam significativamente diferentes no nível dos 5%".
Exemplo
Resolução:
Questões
01. (CNMP – Analista do CNMP – FCC) Uma pesquisa é realizada em uma grande cidade com uma
amostra aleatória de 300 habitantes em que 75% deles manifestaram-se favoráveis à implantação de um
projeto para melhorar o atendimento ao público de sua cidade. Com base nesta amostra, deseja-se obter
um intervalo de confiança de 95% para esta proporção, considerando que a distribuição amostral da
129
frequência relativa dos habitantes favoráveis ao projeto é normal. Utilizando a informação da distribuição
normal padrão (Z) que as probabilidades P(Z > 1,96) =0,025 e P(Z > 1,64) =0,050, este intervalo de
confiança é, em %, igual a
(A) [71,68 ; 78,32]
(B) [71,34 ; 78,66]
(C) [70,90 ; 79,10].
(D) [70,40 ; 79,60].
(E) [70,10 ; 79,90].
02. (SEFAZ-PI – Analista do tesouro Estadual – FCC)

Instruções: Para resolver à questão utilize, dentre as informações dadas a seguir, as que julgar
apropriadas.
Se Z tem distribuição normal padrão, então:
P(Z < 0,5) = 0,691; P(Z < 1) = 0,841; P(Z < 1,2) = 0,885; P(Z < 1,28) = 0,90.
Com o objetivo de se estimar a idade média, μ, em anos, de ingresso no primeiro emprego formal de
jovens de determinada comunidade, selecionou-se uma amostra aleatória de 100 jovens da população
de jovens que já haviam ingressado no mercado de trabalho formal. Os resultados obtidos encontram-se
na tabela de distribuição de frequências apresentada a seguir:
Idade (em anos) Frequência Relativa

18 20 0,10
20 22 0,30
22 24 0,35
24 26 0,25
Considere:
I. Que a população de onde a amostra foi retirada é infinita e tem distribuição normal com desvio padrão
igual a 1 ano.
II. Para a estimativa pontual de &mu/ a média aritmética das 100 idades apresentadas, calculada
considerando que todos os valores incluídos num intervalo de classe são coincidentes com o ponto médio
do intervalo.
Nessas condições, o intervalo de confiança para µ, em anos, com coeficiente de confiança igual a
77%, baseado nessa amostra, é dado por
(A) (22,38; 22,62)
(B) (20,40; 22,60)
(C) (21,95; 22,85)
(D) (22,35; 22,65)
(E) (20,30; 22,70)
Respostas
01. Resposta: E.
Dados:
n = 300
Proporção amostral (p) que servirá de base para a construção do Intervalo de Confiança (IC) = 75%
Grau de Confiança (a) = 95%
Tipo de Distribuição: Normal
Z (parâmetro tabelado/convertido da distribuição normal) que será utilizado na questão = o intervalo
de confiança é bicaudal e conterá 95% de grau de confiança. Ou seja, delimitará a área de negação ou
de rejeição em 5%, dividida para os dois lados da cauda. Terá 2,5% de um lado e 2,5% do outro. Portanto,
deverá utilizar o parâmetro P(Z>1,96).
Dessa forma:
Limite Inferior do IC = 75% - 1,96 x √p x (1 − p) / n = 75 - 1,96 x √[75 x 25 / 300] = 70,10
130
Limite Superior do IC = 75 + 1,96 x √[75 x 25 / 300] = 79,90
02. Resposta: A.
Média = (∑fi . PM)/n → (10 . 19 + 30 . 21 + 35 . 23 + 25 . 25)/100 = 22,5
Amostra: n = 100
Desvio padrão: σ = 1
Confiança = 77%
Significância: α = 100% – Confiança → 100% – 77% = 23%
α/2 = 11,5%
Z α/2 = 1,2 (tabela)
Erro: Ԑ = Z α/2 . (σ/√n) → 1,2 . (1/√100) = 1,2 . 0,1 = 0,12
Intervalo: µ = média ± Ԑ → 22,5 ± 0,12 = 22,38 e 22,62
TESTES DE HIPÓTESES PARA MÉDIAS E PROPORÇÕES.
Em estatística, um Teste de Hipóteses é um método para verificar se os dados são compatíveis com
alguma hipótese, podendo muitas vezes sugerir a não-validade de uma hipótese. O teste de hipóteses é
um procedimento estatístico baseado na análise de uma amostra, através da teoria de probabilidades,
usado para avaliar determinados parâmetros que são desconhecidos numa população. A expressão teste
de significância foi criada por Ronald Fisher: "Critical tests of this kind may be called tests of significance,
and when such tests are available we may discover whether a second sample is or is not significantly
different from the first”. Um Teste de Hipóteses pode ser paramétrico ou não-paramétrico. Testes
paramétricos são baseados em parâmetros da amostra, por exemplo média e desvio padrão. O uso tanto
dos testes paramétricos como dos não-paramétricos está condicionado à dimensão da amostra e à
respectiva distribuição da variável em estudo.
Os testes de hipóteses são sempre constituídos por duas hipóteses, a hipótese nula H0 e a hipótese
alternativa H1.
Hipótese nula (H0): é a hipótese que traduz a ausência do efeito que se quer verificar.
Hipótese alternativas (H1): é a hipótese que o investigador quer verificar.
Nível de significância: a probabilidade de rejeitar a hipótese nula quando ela é efetivamente verdadeira
(ERRO)
Finalidade: avaliar afirmações sobre os valores de parâmetros.
O valor-p é uma estatística muito utilizada para sintetizar o resultado de um teste de hipóteses.
Formalmente, o valor-p é definido como a probabilidade de se obter uma estatística de teste igual ou mais
extrema quanto àquela observada em uma amostra, assumindo verdadeira a hipótese nula.
ESTATÍSTICA DO TESTE
É o valor calculado a partir da amostra que será usado na tomada de decisão.

No exemplo, Zcalc = -2,5.
Zcalc = valor da estimativa - valor alegado para o parâmetro desvio-padrão do estimador.
Erros cometidos nos testes de hipóteses

São dois os tipos de erros que podemos cometer na realização de um teste de hipóteses:
1. Rejeitar a hipótese H0, quando ela é verdadeira.
2. Não rejeitar a hipótese H0, quando ela é falsa.
A Tabela a seguir resume as situações acima.
Aceitar H0 Rejeitar H0
H0 Decisão
Erro do tipo I
verdadeira correta
Decisão
H0 falsa Erro do tipo II
correta
131
Se a hipótese H0 for verdadeira e aceita, ou for falsa e rejeitada, a decisão estará correta. No entanto,
se a hipótese H0 for rejeitada sendo verdadeira, ou se for aceita sendo falsa, a decisão estará errada. O
primeiro destes erros é chamado de Erro do Tipo I e a probabilidade de cometê-lo é denotada pela letra
grega α (alfa); o segundo é chamado de Erro do Tipo II e a probabilidade de cometê-lo é denotada pela
letra grega β (beta). Assim temos,
Considere um teste unilateral dado pelas hipóteses:
Neste caso, a região de rejeição é determinada por , e a interpretação dos erros pode ser
vista como:
A situação ideal é aquela em que ambas as probabilidades, α e β, são próximas de zero. No entanto,
é fácil ver que a medida que diminuímos α, β aumenta. A Figura a seguir apresenta esta relação.
Para um teste de hipóteses do tipo acima, onde estamos interessados em testar a média de uma
população, utilizamos a expressão,
que é a estatística do teste de hipóteses. A partir do Teorema Central do Limite, sabemos que, desde
que tenhamos um tamanho amostral suficientemente grande, esta estatística tem distribuição Normal
padrão, isto é,
A partir dos valores de Z e da especificação do erro cometido, podemos definir a região crítica.
Vamos considerar que o erro mais importante a ser evitado seja o Erro do Tipo I. A probabilidade de
ocorrer o erro do tipo I (α) é denominada nível de significância do teste. O complementar do nível de
significância (1 - α) é denominado nível de confiança. Supondo que o nível de significância α seja
conhecido, temos condições de determinar o(s) valor(es) crítico(s).
TESTE PARA MÉDIA E PROPORÇÃO POPULACIONAL
Considere uma população da qual retiramos uma amostra X1, X2, ..., Xn. Estamos interessados em
realizar inferência sobre a média populacional μ.
Se não conhecemos o valor do desvio padrão populacional σ e a amostra é pequena, n < 30, devemos
substituir a expressão
132
pela expressão
onde T tem distribuição t de Student com n-1 graus de liberdade. Para facilitar a execução do teste,
podemos seguir os passos:
Estabelecer as hipóteses:
Fixamos H0: μ = μ0. Dependendo da informação que fornece o problema que estivermos estudando, a
hipótese alternativa pode ter uma das três formas abaixo:
 H1: μ ≠ μ0 (teste bilateral);
 H1: μ > μ0 (teste unilateral à direita);
 H1: μ < μ0 (teste unilateral à esquerda).
Fixar o nível de significância α.
Determinar a região crítica.

 Se o teste é bilateral, determinamos os pontos críticos e tais que
a partir da distribuição t de Student com n-1 graus de liberdade.
 Se o teste é unilateral, determinamos o ponto crítico tal que .
 Se o teste é unilateral à esquerda, determinamos o ponto tal que .
133
Calcular, sob a hipótese nula, o valor:
Onde:
 : valor da média amostral.
 μ0: valor da média populacional sob a hipótese nula.
 s: valor do desvio padrão amostral.
 n: tamanho da amostra.
Critério:
 Teste bilateral: se ou se , rejeitamos H0. Caso contrário, aceitamos
H0.
 Teste unilateral à direita: se , rejeitamos H0. Caso contrário, aceitamos H0.
 Teste unilateral à esquerda: se , rejeitamos H0. Caso contrário, aceitamos H0.
O p-valor no teste bilateral é dado por
Se o teste é unilateral à direita, o p-valor é dado por
e, se o teste é unilateral à esquerda, o p-valor é dado por
O intervalo de confiança é dado por
se o teste é bilateral. Se o teste é unilateral à direita, então o intervalo de confiança para o parâmetro
μ é dado por
e, se o teste é unilateral à esquerda, então o intervalo de confiança para o parâmetro μ é dado por
134
Teste de hipóteses. Formalmente, o valor-p é definido como a probabilidade de se obter uma estatística
de teste igual ou mais extrema quanto àquela observada em uma amostra, assumindo verdadeira a
hipótese nula.
Questão
01. (CNMP – Analista – FCC) A probabilidade de sucesso em um experimento é igual a p. Sejam as

hipóteses H0 : p = 2/3 (hipótese nula) e H1 : p = 1/2 (hipótese alternativa). Estabelece-se que H0 é aceita
se e somente se, pelo menos, 2 sucessos forem obtidos em 3 vezes em que o experimento é executado.
A probabilidade de H0 ser rejeitada, dado que H0 é verdadeira, é
(A) 3/8
(B) 2/3
(C) 20/27
(D) 5/9
(E) 7/27
Resposta
01. Resposta: E.
A questão afirmou que H0 é verdadeira, logo:
- sucesso = 2/3 - fracasso = 1/3
P(0) = Combinação3,0 . p0 . q3
P(0) = 1 * 1 * (1/3)³ = 1/27
P(1) = C3,1 . p¹ . q²
P(1) = 3 . (2/3) . (1/3)² = 2/9
P(0) + P(1) = 1/27 + 2/9 = 7/27
Variância Conhecida17
Consideremos uma amostra aleatória simples obtida de uma população com distribuição
normal, com média e variância conhecida. Desta forma, a distribuição amostral da média também
é Normal com média e variância , ou seja,
Assim, temos que
isto é, a variável tem distribuição normal padronizada.

Consideremos que a probabilidade da variável tomar valores entre e é . Os
valores e são obtidos na tabela da distribuição normal conforme mostra a figura a seguir
Então, temos que
17
http://www.portalaction.com.br/inferencia/411-variancia-conhecida
135
ou seja,
o que implica que
Com isso, o intervalo de confiança da média é dado por
Exemplo
O projetista de uma indústria tomou uma amostra de 36 funcionários para verificar o tempo médio
gasto para montar um determinado brinquedo. Lembrando que foi verificado que e ,
construir um intervalo de confiança de nível para .
Na tabela da distribuição normal padronizada, obtemos que .
Resolução
Substituindo e na fórmula para o intervalo de confiança, temos
e, portanto,
Uma das principais interpretações do intervalo de confiança consiste em avaliar a incerteza que temos
a respeito de estimarmos o parâmetro populacional a partir de uma amostra aleatória de tamanho .
Variância Desconhecida18
Tendo os conceitos básicos sobre intervalos de confiança, vamos agora tratar uma situação mais
realista: quando a variância da população é desconhecida.
Consideremos uma amostra aleatória simples , obtida de uma população
com distribuição normal, com média e variância desconhecidas. Como neste caso a variância é
desconhecida, utilizaremos a variância amostral no lugar de . Assim, temos que
ou seja, a variável tem distribuição t de Student com graus de liberdade.

Então, ao fixarmos o nível de significância , obtemos da Tabela da distribuição t de Student com
graus de liberdade, o valor , que satisfaz
ou graficamente
18
http://www.portalaction.com.br/inferencia/412-varianca-desconhecida
136
Analogamente ao caso anterior, obtemos que
ou seja,
Logo, o intervalo com de confiança para , com variância desconhecida, será dado por
Exemplo
Foram realizados testes glicêmicos em 25 pacientes após um jejum de 8 horas. Os resultados são
apresentados na tabela abaixo. Encontrar um intervalo de confiança de nível para a média .
Teste glicêmico (mg/dL)
80 118 100 90 83
117 95 84 102 80
112 78 102 121 82
77 88 73 104 88
132 91 103 140 101
Inicialmente, calculamos a média amostral e o desvio padrão amostral , que são dados por
Como a confiança é de 95%, segue e então, substituindo esses valores na fórmula do

intervalo de confiança, temos que
DISTRIBUIÇÃO NORMAL
137
CURVA NORMAL
Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a
distribuição normal.
Muitas das variáveis analisadas na pesquisa socioeconômica correspondem à distribuição normal ou
dela se aproximam.
O aspecto gráfico de uma distribuição normal é o da Figura 10.1:
Para uma perfeita compreensão da distribuição normal, observe a Figura 10.1 e procure visualizar as
seguintes propriedades:
1°) A variável aleatória X pode assumir todo e qualquer valor real.
2°) A representação gráfica da distribuição normal é uma curva em forma de sino, simétrica em torno
da média (𝒙̅), que recebe o nome de curva normal ou de Gauss.
3°) A área total limitada pela curva e pelo eixo das abscissas é igual a 1, já que essa área corresponde
à probabilidade de a variável aleatória X assumir qualquer valor real.
4°) A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se indefinidamente
do eixo das abscissas sem, contudo, alcançá-lo.
5°) Como a curva é simétrica em torno de 𝒙 ̅, a probabilidade de ocorrer valor maior do que a média é
igual à probabilidade de ocorrer valor menor do que a média, isto é, ambas as probabilidades são iguais
a 0,5. Escrevemos: P(X > 𝑥̅ ) = P(X < 𝑥̅ ) = 0,5.
Quando temos em mãos uma variável aleatória com distribuição normal, nosso principal interesse é
obter a probabilidade de essa variável aleatória assumir um valor em um determinado intervalo. Vejamos
como proceder, por meio de um exemplo concreto.
Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina.
Vamos supor que essa variável tenha distribuição normal com média 𝑥̅ = 2 cm e desvio padrão s = 0,04
cm.
Pode haver interesse em conhecer a probabilidade de um parafuso ter um diâmetro com valor entre 2
e 2,05 cm.
É fácil notar que essa probabilidade, indicada por:
P (2 < X < 2,05),
Corresponde à área hachurada na Figura 10.2:
138
O cálculo direto dessa probabilidade exige um conhecimento de Matemática mais avançado do que
aquele que dispomos no curso de 2° grau. Entretanto, podemos contornar facilmente esse problema.
Basta aceitar, sem demonstração, que, se X é uma variável aleatória com distribuição normal de média
𝑥̅ e desvio padrão s, então a variável:
𝑥 = 𝑥̅
𝑧=
s
tem distribuição normal reduzida, isto é, tem distribuição normal de média O e desvio padrão 1.
As probabilidades associadas à distribuição normal padronizada são encontradas em tabelas, não
havendo necessidade de serem calculadas.
Temos uma de distribuição normal reduzida, que nos dá a probabilidade de Z tomar qualquer valor
entre a média O e um dado valor z, isto é:
𝑃(0 < 𝑍 < 𝑧)
̅ e desvio
Temos, então, que se X é uma variável aleatória com distribuição normal de média 𝒙
padrão s, podemos escrever:
𝑥−𝒙̅
𝑃(𝑥̅ < 𝑋 < 𝑥) = 𝑃(0 < 𝑍 < 𝑧), com 𝑧 = 𝑠
Voltemos, então, ao nosso problema.

Queremos calcular P(2 < X < 2,05). Para obter essa probabilidade, precisamos, em primeiro lugar,
calcular o valor de z que corresponde a x = 2,05 (x = 2 → z = O, pois 𝑥̅ = 2). Temos, então:
𝑥 − 𝑥̅ 2,05 − 2 0,05
𝑧= = = = 1,25
𝑠 0,04 0,04
donde:
P(2 < X < 2,05) = P(0 < X < 1,25)
Procuremos, agora, z = 1,25, porém para você que irá resolver apenas um exercício na prova, este
valor será dado, mas irei deixar abaixo a tabela onde poderá ser consultado este valor, para nossos
problemas aqui propostos.
139
Fonte: https://bloglosbifes.files.wordpress.com/2013/10/distribuicao_normal_padrao.png
Na primeira coluna encontramos o valor 1,2. Em seguida, encontramos, na primeira linha, o valor 5,
que corresponde ao último algarismo do número 1,25. Na intersecção da linha e coluna correspondentes
encontramos o valor 0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944
140
Assim, a probabilidade de um parafuso fabricado por essa máquina apresentar um diâmetro entre a
média 𝑥̅ = 2 e o valor x = 2,05 é 0,3944.
Escrevemos, então:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%
Exemplos
1. Determine as probabilidades:
a. P(-1,25 < Z < 0)
A probabilidade procurada corresponde à parte hachurada da figura:
Sabemos que:
P(0 < Z < 1,25) = 0,3944
Pela simetria da curva, temos:

P(-1,25 < Z < 0) = P(0 < Z < 1,25) = 0,3944
b. P(-0,5 < Z < 1,48)
Temos:
P(-0,5 < Z < 1,48) = P(-0,5 < Z < 0) + P(0 < Z < 1,48)
Como:
P(-0,5 < Z < 0) = P(0 < Z < 0,5) = 0,1915
e
P(0 < Z < 1,48) = 0,4306,
obtemos:
P(-0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221
c. P(0,8 < Z < 1,23)
141
Temos:
P(0,8 < Z < 1,23) = P(0 < Z < 1,23) - P(0 < Z < 0,8)
Como:
P(0 < Z < 1,23) = 0,3907 e P(0 < Z < 0,8) = 0,2881,
obtemos:
P(0,8 < Z < 1,23) = 0,3907 - 0,2881 = 0,1026
d. P(Z > 0,6)
Temos:
P(Z > 0,6) = P(Z > 0) - P(0 < Z < 0,6)
Como:
P(Z > 0) = 0,5 e P(0 < Z < 0,6) 0,2258,
obtemos:
P(Z > 0,6) - 0,5 - 0,2258 = 0,2742
e. P(Z < 0,92)
Temos:
P(Z < 0,92) = P(Z < 0) + P(0 < Z < 0,92)
Como:
P(Z < 0) = 0,5 e P(0 < Z < 0,92) = 0,3212,
obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212
2. Os salários semanais dos operários industriais são distribuídos normalmente, em torno da média de
R$ 500, com desvio padrão de R$ 40. Calcule a probabilidade de um operário ter um salário semanal
situado entre R$ 490 e R$ 520.
Devemos, inicialmente, determinar os valores da variável de distribuição normal reduzida.
142
Assim:
490 − 500 520 − 500

𝑧1 = = −0,25 𝑒 𝑧2 = = 0,5
40 40
Logo, a probabilidade procurada é dada por:
P(490 < X < 520) = P(-0,25 < Z < 0,5) = P(-0,25 < Z < 0) +
+ P(0 < Z < 0,5) = 0,0987 + 0,1915 = 0,2902
É, pois, de se esperar que, em média, 29,02% dos operários tenham salários entre R$ 490 e R$ 520.
Amostragem por cotas
Neste tipo de amostragem, a população é dividida em grupos, e seleciona-se uma cota proporcional
ao tamanho de cada grupo. Entre- tanto, dentro de cada grupo não é feito sorteio, e sim os elementos
são procurados até que a cota de cada grupo seja cumprida. Em pesquisas eleitorais, a divisão de uma
população em grupos (considerando, por exemplo, o sexo, o nível de escolaridade, a faixa etária e a
renda) pode servir de base para a definição dos grupos, partindo da suposição de que estas variáveis
definem grupos com comportamentos diferenciados no processo eleitoral. Para se ter uma ideia do
tamanho destes grupos, pode-se recorrer a pesquisas feitas anteriormente pelo IBGE (Instituto Brasileiro
de Geografia e Estatística).
Distribuições amostrais
Com as distribuições amostrais, você pode inferir propriedades de um agregado maior (a população)
a partir de um conjunto menor (a amostra), ou seja, inferir sobre parâmetros populacionais, dispondo
apenas de estatísticas amostrais.
Portanto, torna-se necessário um estudo detalhado das distribuições amostrais, que são base para
intervalos de confiança e testes de hipóteses.
Portanto, para que você tenha condições de fazer afirmações sobre um determinado parâmetro
populacional (ex: µ), baseadas na estimativa 𝒙 ̅, obtido a partir dos dados amostrais, é necessário
conhecer a relação existente entre 𝒙 ̅ e µ, isto é, o comportamento de 𝒙 ̅, quando se extraem todas as
amostras possíveis da população, ou seja, sua distribuição amostral.
Para obtermos a distribuição amostral de um estimador, é necessário conhecer o processo pelo qual
as amostras foram retiradas, isto é, se amostras foram retiradas com reposição ou sem reposição.
Portanto, a partir do comportamento da estatística amostral, pode- se aplicar um teorema muito

conhecido na estatística como Teorema do Limite Central. Este teorema propõe que, se retirarmos todas
as possíveis amostras de tamanho n de uma população independente de sua distribuição, e verificarmos
como as estatísticas amostrais obtidas se distribuem, teremos uma distribuição aproximadamente normal,
com µ𝒙̅ = µ (média das médias amostrais igual à média populacional) e variância das médias
(variância das médias mostrais igual à variância da população dividida pelo tamanho da amostra),
se a amostragem for realizada com reposição, ou , se a amostragem for realizada

sem reposição em uma população finita ( 𝑛⁄𝑁 > 0,05), independentemente da distribuição da variável
em questão.
Considere uma população formada pelos números {1, 2, 3}. Sabemos que esta população apresenta
µ= 2 e variância 2 = 2/3. Retire todas as amostras possíveis com n=2, fazendo com e sem reposição
2
e calcule a média das médias amostrais (µ2) e a variância das médias amostrais ( Compare
𝑥
com os resultados da população e veja se o teorema é verdadeiro.
Portanto, considerando a distribuição amostral de médias, quando se conhece a variância ou a amostra

é grande (n > 30), utilizamos a estatística z da distribuição normal vista anteriormente, independente da
143
distribuição da população. Então, por meio do teorema do limite central, a estatística será dada por:
Porém, ocorre que, na prática, muitas das vezes não se conhece 2 e trabalha-se com amostras
pequenas, ou seja, menores ou iguais a 30. Assim, você conhece apenas sua estimativa s (desvio-padrão
amostral). Substituindo por seu estimador s, na expressão da variável padronizada, obtém-se a
variável:
A distribuição t apresenta as seguintes características:

 é simétrica em relação à média, que é zero;
 tem forma campanular (semelhante à normal);
 quando n tende para infinito, a distribuição t tende para a distribuição normal, na prática, a
aproximação é considerada boa quando n >30; e
 possui n-1 graus de liberdade.
Vamos aprender a utilizar a Tabela da distribuição de t de Student. Na Tabela t de Student, na primeira

linha temos o valor de α, que corresponde à probabilidade (área) acima de um determinado valor da
tabela. Na figura a seguir, temos o conceito de α (área mais escura).
Observe que na Tabela de t (a seguir), temos na primeira coluna os graus de liberdade (GL) e no centro
da tabela, teremos os valores da estatística t de Student. Na primeira linha temos os valores de α.
Tabela 8: Limites unilaterais da distribuição t de Student ao nível α de probabilidade

Fonte: www.dpi.inpe.br/~camilo/estatistica/06estimação.ppt
144
Para exemplificar o uso da tabela, consideremos que desejamos encontrar a probabilidade de ser
maior do que um valor de t igual a 2,764, trabalhando com uma amostra de tamanho n = 11. Portanto,
teremos 10 graus de liberdade e nesta linha procuramos o valor que desejamos encontrar, 2,764. Subindo
na Tabela em direção ao α encontraremos um valor de 0,01 na primeira linha, ou seja, esta é a
probabilidade de ser maior do que 2,764, com 10 graus de liberdade.
Retirando-se uma amostra de n elementos de uma população normal com média µ e variância α2 ,
então, pode-se demonstrar que a distribuição amostral da variância amostral segue uma distribuição de
𝐱 𝟐 (qui-quadrado) com n-1 graus de liberdade. A variável da estatística de qui-quadrado será dada por:
tem distribuição 𝑥 2 com n-1 graus de liberdade.
Esta distribuição é sempre positiva, o que pode ser comprovado pela própria definição da variável.
Esta distribuição é assimétrica, como pode ser visto no gráfico da distribuição mostrado a seguir.
No esquema a seguir, temos como é feita a utilização da distribuição de qui-quadrado com g graus de
liberdade.
Fonte: www.dpi.inpe.br/~camilo/estatistica/06estimação.ppt
145
Questões
01. (EBSERH – Analista Administrativo – CESPE/2018) Os tempos de duração de exames de

cateterismo cardíaco (Y, em minutos) efetuados por determinada equipe médica seguem uma distribuição
normal com média µ e desvio padrão σ, ambos desconhecidos. Em uma amostra aleatória simples de 16
tempos de duração desse tipo de exame, observou-se tempo médio amostral igual a 58 minutos, e desvio
padrão amostral igual a 4 minutos.
A partir da situação hipotética apresentada e considerando Φ(2) = 0,977, em que Φ(z) representa a
função de distribuição acumulada de uma distribuição normal padrão e z é um desvio padronizado, julgue
o item que se segue, com relação ao teste de hipóteses H0 = µ ≥ 60 minutos, contra HA = µ < 60 minutos,
em que H0 e HA denotam, respectivamente, as hipóteses nula e alternativa.
Se o teste for efetuado com nível de significância igual a 1%, o poder do teste será igual a 99% para
qualquer valor hipotético µ.
( ) Certo ( )Errado
02. (Polícia Federal – Papiloscopista – CESPE) Com relação a estatística, julgue os itens seguintes.
Suponha que as larguras dos polegares humanos sigam uma distribuição normal com média igual a 2
cm e variância V > 0. Nesse caso, se a probabilidade de se observar um polegar com mais de 2,54 cm
de largura for igual a 0,025, então V será inferior a 0,35.
03. (Pref. de São Paulo/SP – Auditor Fiscal do Município – FCC) Considere: Se Z tem distribuição
normal padrão, então:
P(Z < 0,84) = 0,80, P(Z < 1,5) = 0,933, P(Z < 1,96) = 0,975, P(Z < 2,5) = 0,994.
Desejando-se estimar a média µ dos salários de uma população, que deve ser considerada de
tamanho infinito, com desvio padrão conhecido e igual a R$ 100,00, selecionou-se uma amostra aleatória
de 100 elementos da população que forneceu os resultados apresentados na tabela abaixo:
Sabendo que x - y = 2, e utilizando para a estimativa pontual de µ a média aritmética dos 100 salários
apresentados, calculada considerando que todos os valores incluídos num intervalo de classe são
coincidentes com o ponto médio do intervalo, um intervalo de confiança para µ, com coeficiente de
confiança de 95%, é, em reais, dado por
(A) [3410,40; 3449,60]
(B) [3409,40; 3450,60]
(C) [3400,40; 3439,60]
(D) [3420,60; 3459,40]
(E) [3410,00; 3450,00]
04. A análise de uma amostra de sangue produziu os seguintes resultados para colesterol: 241, 243,
245 e 247 mg/dL. Considere que a distribuição dos dados tende à normalidade com t = 4,5 para 3 graus
de liberdade e com 98% de limite de confiança e que o desvio padrão dos resultados é 2,6. Considerando
o valor médio e o intervalo de confiança do resultado, o valor mais próximo da maior concentração
admitida para o colesterol na amostra é
(A) 242,2
(B) 244,0
(C) 246,6
(D) 249,0
(E) 249,9
146
05. (SEFAZ/SP – Agente Fiscal de Rendas – FCC) Espera-se que o número de reclamações
tributárias em um órgão público durante determinada semana seja igual a 25, em qualquer dia útil. Sabe-
se que nesta semana ocorreram 125 reclamações com a seguinte distribuição por dia da semana:
Para decidir se o número de reclamações tributárias correspondente não depende do dia da semana,
a um nível de significância ?, é calculado o valor do qui-quadrado (?²) que se deve comparar com o valor
do qui-quadrado crítico tabelado com 4 graus de liberdade. O valor de ?² é
(A) 1,20
(B) 1,90
(C) 4,75
(D) 7,60
(E) 9,12
Comentários

O poder de um teste estatístico é a probabilidade de rejeitar a hipótese nula ( H0), quando a hipótese
alternativa é verdadeira. O poder do teste é calculado como 1- B e também pode ser interpretado com a
probabilidade de rejeitar corretamente um hipótese nula falsa
02. Resposta: Certo.

Para a distribuição normal existe uma fórmula que é Z = (X - µ)/ V, onde X é o número da observação,
µ é a média e V é o desvio-padrão.
Preenchendo a fórmula com os dados da questão temos: Z = (2,54 - 2)/ V
Sabendo de cor ou olhando na tabela da área sobre a curva normal padronizada de 0 a Z, a
probabilidade que pede a questão Pr = 0,025 indica o Z = 1,96.
Substituindo na fórmula para encontrar o desvio-padrão (V), encontramos agora: 1,96 = 0,54/ V
V = 0,54/ 1,96 = 0,27551020... que é inferior a 0,35
03. Resposta: E.
Para calcular o Intervalo de Confiança (IC), devemos utilizar a fórmula:
IC: µ ± Zα/2 * δ/ n^1/2
Em que:
µ = média de X;
Z2,5% = 1,96 (o teste é normal, pois o desvio padrão é conhecido...além disso a distribuição é
bicaudal, visualizando que o intervalo de confiança abrange os valores: X - µ < µ < X + µ da distribuição
Normal); -> Ver tabela P (-Zi < Z < +Zi)
δ = 100 (desvio padrão populacional);
n = 100 amostras
Assim: IC = µ ± 1,96 * 100/100^1/2 = µ ± 19,6
Resta calcular a média populacional de X

µ = E(X) = ∑Xi*pi
Xi = Valores no ponto médio (variável estudada é o salário ganho dos servidores)
X1 = 2k
X2 = 3k
X3 = 4k
X4 = 5k
E(X) = X1*p1 + X2* p2 + X3*p3 + X4*p4
Calculando as frequências relativas, sabendo que: X = Y +2
Sabe-se que a soma de todas as frequências relativas (Pi) = 100
Portanto: p1 + p2 + p3 + p4 = 100
(Y + 2) + (Y + 17) + (Y + 9) + Y = 100
4Y + 28 = 100
4Y = 72
147
y= 18
x= 20
Retomando ao cálculo de E(X):
E(X) = 2k*0,2 + 3k * 0,35 + 4k * 0,27 + 5k * 0,18
E(X) = 0,4k + 1,05k + 1,08k + 0,90k
E(X) = 3,430k reais = 3430 reais
Finalmente: IC = 3430 ± 19,60 = [3410,4 ; 3449,60]
04. Resposta: E.
A mediana é (243+245)/2 = 244. A média é (241+243+245+247)/4 = 244
Esse valor é igual a valor médio + t[98%,3 graus de liberdade]*desvio-padrão/raiz(3)
=244+4,5*2,6/raiz(3) = 244 + 11,7/1,73 = 250,755
05. Resposta: D.
O valor do teste é baseado nas diferenças entre as frequências observadas e esperadas. Elevamos a
diferença ao quadrado, dividimos pelas frequências esperadas, e somamos.
8. Amostragem: amostras casuais e não casuais. Processos de amostragem,

incluindo estimativas de parâmetros. Intervalos de confiança
OBS.: Caro(a) candidato(a), Intervalo de confiança foi abordado no tópico anterior.
Amostragem é um técnica especial para recolher amostras, que garante, tanto quanto possível, o
acaso na escolha.
Probabilística (aleatória): A probabilidade de um elemento da população ser escolhido é conhecida.

Cada elemento da população passa a ter a mesma chance de ser escolhido.
Não-probabilística (não aleatória): Não se conhece a probabilidade de um elemento ser escolhido
para participar da amostra.
No quadro abaixo está descrita os métodos de amostragem:
AMOSTRAGEM PROBABILÍSTICA
Amostragem casual ou aleatória simples: este tipo de amostragem se assemelha ao sorteio lotérico.
Ela pode ser realizada numerando-se a população de 1 a n e sorteando-se, a seguir, por meio de um
dispositivo aleatório qualquer, k números dessa sequência, os quais serão pertentes à amostra.
Exemplo: 15% dos alunos de uma população de notas entre 8 e 10, serão sorteados para receber uma
bolsa de estudos de inglês.
148
Vantagens Desvantagens
- Facilidade de cálculo estatístico; - Requer listagem da população;
- Probabilidade elevada de compatibilidade dos - Trabalhosa em populações elevadas;
dados da amostra e da população. - Custos elevados se a dispersão da amostra for
elevada.
Amostragem sistemática: escolher cada elemento de ordem k. Assemelha-se à amostragem

aleatória simples, porque inicialmente enumeram-se as unidades da população. Mas difere da aleatória
porque a seleção da amostra é feita por um processo periódico pré-ordenado. Os elementos da população
já se acham ordenados, não havendo necessidade de construir um sistema de referência.
Exemplo: Amostra de 15% dos alunos com déficit de atenção diagnosticado. Sorteia-se um valor de 1
a 5. Se o sorteado for o 2, incluem-se na amostra o aluno 2, o 7, o 12 e assim por diante de cinco em
cinco.
Amostragem proporcional estratificada: muitas vezes a população se divide em subpopulações –

estratos, então classificamos a população em, ao menos dois estratos, e extraímos uma amostra de cada
um. Podemos determinar características como sexo, cor da pele, faixa etária, entre outros.
Exemplo: Supondo que dos noventa alunos de uma escola, 54 sejam meninos e 36 sejam meninas
vamos obter a amostra proporcional estratificada de 10% desta população.
Temos dois estratos: sexo masculino e feminino.
Sexo População 10% Amostra

10𝑥54
M 54 = 5,4 5
100
10𝑥36
F 36 = 3,6 4
100
10𝑥90
Total 90 = 9,0 9
100
Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem aos meninos e de 55 a 90, as

meninas.
Para amostragem muito grande também fazemos o uso da Tabela de Números Aleatórios, elaborada
a fim de facilitar os cálculos, que foi construída de modo que os dez algarismos (0 a 9) são distribuídos
ao acaso nas linhas e colunas, conforme pode ser visto abaixo:
149
Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo qualquer da
mesma, a partir do qual iremos considerar números de dois, três ou mais algarismos, conforme nossa
necessidade. Os números obtidos irão indicar os elementos da amostra.
No nosso exemplo vamos definir como critérios a primeira e a segunda colunas da esquerda, de cima
para baixo (constituídos de 2 algarismos), obtermos os seguintes números.
A leitura da tabela pode ser feita horizontalmente (da direita para esquerda ou vice versa),
verticalmente (de cima para baixo ou vice versa), diagonalmente (no sentido ascendente ou
descendente), formando desenho de alguma letra e até mesmo escolhendo uma única linha ou coluna.
O critério adotado deve ser definido antes do início do processo.
57 28 92 90 80 22 56 79 53 18 53 03 27 05 40
Eliminamos os números maiores que 90 e os números repetidos.
Assim temos:
28 22 53 18 03 – para os meninos;
57 90 80 56 – para as meninas.
- Pressupõe um erro de amostragem menor; - Necessita de maior informação sobre a
- Assegura uma boa representatividade das população;
variáveis estratificadas; - Cálculo estatístico mais complexo.
- Podem empregar-se metodologias diferentes
para cada estrato;
- Fácil organização do trabalho de campo.
Amostragem por conglomerado: é uma amostra aleatória de agrupamentos naturais de indivíduos

(conglomerados) na população. Dividimos em seções a área populacional, selecionamos aleatoriamente
algumas dessas seções e tomamos todos os elementos das mesmas.
Exemplo:
O mapa mostra os conglomerados selecionados (neste caso os municípios), que apresentaram a maior
proporção de casos de dengue confirmados no Estado de São Paulo até março de 2015.
- Não existem listagem de toda a população; - Maior erro de amostragem;
- Concentra os trabalhos de campo num número - Cálculo estatístico mais complexo na estimação
limitado de elementos da população. do erro de amostragem.
150
AMOSTRAGEM NÃO-PROBABILÍSTICA
Amostragem por cotas: consiste em uma amostragem por julgamento que ocorre em suas etapas.
Em um primeiro momento, são criadas categorias de controle dos elementos da população e, a seguir,
selecionam-se os elementos da amostra com base em um julgamento.
Amostragem por julgamento: quando o pesquisador seleciona os elementos mais representativos

da amostra de acordo com seu julgamento pessoal. Essa amostragem é ideal quando o tamanho da
população é pequeno e suas características, bem conhecidas.
Amostragem por conveniência: é uma amostra composta de indivíduos que atendem os critérios de
entrada e que são de fácil acesso do investigador. Para o critério de seleção arrolamos uma amostra
consecutiva.
Exemplo: Em uma pesquisa sobre dengue, arrolar os 200 pacientes que receberam diagnostico em
um hospital.
- Mais econômica; - Maior erro de amostragem que em amostras
- Fácil administração; aleatórias;
- Não necessita de listagem da população. - Não existem metodologias válidas para o cálculo do
erro de amostragem;
- Limitação representativa;
- Maior dificuldade de controle de trabalho de campo
Tamanho da Amostra
O tamanho da amostra deve ser determinado antes de se iniciar a pesquisa.
Deve-se usar a maior amostra possível, pois quanto maior a amostra, maior a representatividade da
população. Amostras menores possuem resultados menos precisos.
É muito importante usarmos amostras de tamanhos adequados, para que os dados tenham maior
confiabilidade e precisão.
Consideramos:
Amostras grandes: n > 100

Amostras médias: n > 30
Amostras pequenas: n < 30
Amostras muito pequenas: n < 12
Erros de amostragem
Diferença randômica(aleatória) entre a amostra e população da qual a amostra foi retirada. O tamanho
do erro pode ser medido em amostras probabilísticas, expressa como “erro padrão” (ou precisão) de
média, proporção entre outros.
Erro padrão da média: é usado para estimar o desvio padrão da distribuição das médias amostrais,
tanto para populações finitas ou infinitas (será abordado em medidas de dispersão).
Referências
CRESPO, Antônio Arnot – Estatística fácil – 18ª edição – São Paulo - Editora Saraiva: 2004.
SILVA, Ermes Medeiros, Elio Medeiros...- Estatística para os cursos de: Economia, Administração, Ciências Contábeis - 3ª edição – São Paulo – Editora Atlas
S. A: 1999.
DORA, Filho U – Introdução à Bioestatística para simples mortais – São Paulo – Elsevier: 1999.
http://www.andremachado.org
Questões
01. (TRT/MG – Analista Judiciário – FCC) O objetivo de uma pesquisa era o de se obter,
relativamente aos moradores de um bairro, informações sobre duas variáveis: nível educacional e renda
familiar. Para cumprir tal objetivo, todos os moradores foram entrevistados e arguídos quanto ao nível
educacional, e, dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300 moradores
para informar a renda familiar. As abordagens utilizadas para as variáveis nível educacional e renda
familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.
(B) amostragem aleatória e amostragem sistemática.
151
(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemática.
(E) amostragem sistemática e amostragem em dois estágios.
02. (EPE – Analista de Pesquisa Energética – CESGRANRIO) Considere um planejamento amostral

para uma população de interesse no qual é feita uma divisão dessa população em grupos idênticos à
população alvo, como uma espécie de microcosmos da população, e, em seguida, seleciona-se
aleatoriamente um dos grupos e retira-se a amostra do grupo selecionado.
A técnica de amostragem descrita acima é definida como:
(A) amostragem aleatória simples
(B) amostragem por conglomerados
(C) amostragem estratificada
(D) amostragem sistemática
(E) amostragem por cotas
03. (MTur – Estatístico – ESAF) Com relação à amostragem, pode-se afirmar que:
(A) na amostragem por quotas, tem-se uma amostra não probabilística na qual divide-se a população
em subgrupos e determina-se uma quota (proporcional) a cada subgrupo. A seleção dos objetos
individuais obedece o critério de uma amostra sistemática.
(B) na amostragem estratificada, divide-se a população em grupos (ou classes, ou estratos), de modo
que os elementos pertencentes ao mesmo estrato sejam o mais heterogêneos possível com respeito à
característica em estudo. Para cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a
amostra global é o resultado da combinação das subamostras de todos os estratos
(C) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos (conglomerados) de
elementos individuais da população. A seguir, toma-se ou todos os elementos ou uma subamostra de
cada conglomerado. Nos conglomerados, as diferenças entre eles devem ser tão grandes quanto
possível, enquanto as diferenças dentro devem ser tão pequenas quanto possível.
(D) na amostragem por quotas, tem-se uma amostra probabilística na qual divide-se a população em
subgrupos e determina-se uma quota (proporcional) a cada subgrupo. A seleção dos objetos individuais
é por sorteio.
(E) na amostragem sistemática, toma-se cada k-ésima unidade da população previamente ordenada,
em que k é a razão de amostragem. O procedimento deve começar ao acaso, sorteando-se um número
entre 1 e k.
04. (TJ-ES – Analista Jurídico – CESPE) No que concerne aos planos amostrais, julgue os itens a
seguir.
Tanto na amostragem estratificada quanto na amostragem por conglomerados, a população é dividida

em grupos. Na amostragem por conglomerados, de cada grupo seleciona-se um conjunto de elementos;
na amostragem estratificada, devem-se selecionar quais estratos serão amostrados e, desses, observar
todos os elementos.
Respostas
01. Resposta: C.
Vide a definição apresentada em nosso material.
02. Resposta: B.
Amostragem por conglomerado: é uma amostra aleatória de agrupamentos naturais de indivíduos
(conglomerados) na população. Dividimos em seções a área populacional, selecionamos aleatoriamente
algumas dessas seções e tomamos todos os elementos das mesmas.
03. Resposta: E.
Escolher cada elemento de ordem k. Assemelha-se à amostragem aleatória simples, porque
inicialmente enumeram-se as unidades da população. Mas difere da aleatória porque a seleção da
amostra é feita por um processo periódico pré-ordenado. Os elementos da população já se acham
ordenados, não havendo necessidade de construir um sistema de referência.
152
As definições de amostragem estratificada e por conglomerados estão invertidas.
9. Testes de hipóteses para médias e proporções
OBS.: Caro(a) candidato(a), os testes de hipóteses foram abordados no tópico 7. Probabilidades:

conceito, axiomas e distribuições (binominal, normal, poisson, qui-quadrado). Inferência
estatística.
10. Correlação e Regressão
Em estatística ou Econometria, regressão linear é um método para se estimar a condicional (valor

esperado) de uma variável y, dados os valores de algumas outras variáveis x. A regressão, em geral,
trata da questão de se estimar um valor condicional esperado.
A regressão linear é chamada "linear" porque se considera que a relação da resposta às variáveis é
uma função linear de alguns parâmetros. Os modelos de regressão que não são uma função linear dos
parâmetros se chamam modelos de regressão não-linear.
Equação da Regressão Linear: Para se estimar o valor esperado, usa-se de uma equação, que
determina a relação entre ambas as variáveis.
Em que: Yi - Variável explicada (dependente); é o valor que se quer atingir;

α - É uma constante, que representa a interceptação da reta com o eixo vertical;
β - É outra constante, que representa o declive da reta;
Xi - Variável explicativa (independente), representa o factor explicativo na equação;
εi - Variável que inclui todos os factores residuais mais os possíveis erros de medição. O seu
comportamento é aleatório, devido à natureza dos factores que encerra. Para que essa fórmula possa ser
aplicada, os erros devem satisfazer determinadas hipóteses, que são: serem variáveis normais, com a
mesma variância (desconhecida), independentes e independentes da variável explicativa X.
Método dos Mínimos Quadrados

19
As quantidades e são as médias amostrais de x e y. Já as quantidades e são as somas
dos quadrados dos desvios das médias e é a soma dos produtos cruzados dos desvios de x e y.
Desta forma, as estimativas de mínimos quadrados de e , em termos desta notação são:
Cálculo dos fatores α e β:
19
http://www.portalaction.com.br/analise-de-regressao/12-estimacao-dos-parametros-do-modelo
153
Definindo e , temos que e se relacionam por:
Desenvolvimento: Estas fórmulas podem ser desenvolvidas a partir da definição de mínimos

quadrados. O objetivo é determinar α e β de forma que a soma dos quadrados dos erros seja mínima, ou
seja, devemos minimizar.
Desenvolvendo este quadrado e eliminando os termos constantes (ou seja, aqueles que não têm
termos em α e β, chega-se a:
A partir desse ponto, pode-se resolver usando-se cálculo (tomando as derivadas parciais, etc), ou
através de uma transformação de coordenadas:
ou
Transformando a expressão a ser minimizada em:
ou
Esta expressão se separa na soma de duas expressões quadráticas independentes, que podem ser
minimizadas usando matemática elementar:
Cujos valores minimizadores são:
Memorização:
Uma forma fácil de memorizar esta expressão é escrever:

Y = α + Xβ
XY = Xα + X2β
154
e, em seguida, somar as colunas:
Intervalos de confiança:
O valor estimado de , , deve ser analisado através da distribuição t de Student, porque
tem a distribuição t de Student com n-2 graus de liberdade (ver Fisher, R. A. (1925). "Applications of
"Student's" distribution". Metron 5: 90–104.), em que:
A variância de , pode ser estimada através dos erros observados:
se distribui como uma Chi quadrado com n-2 graus de liberdade.
ANÁLISE SE VARIÂNCIA
A análise de variância é baseada na decomposição da soma de quadrados. Em outras palavras, o

desvio de uma observação em relação à média pode ser decomposto como o desvio da observação em
relação ao valor ajustado pela regressão mais o desvio do valor ajustado em relação à média, isto é,
podemos escrever como
Soma dos quadrados
Elevando cada componente de (1.3.1) ao quadrado e somando para todo o conjunto de observações,
obtemos
em que
Desta forma, escrevemos
em que decompomos a Soma de Quadrados Total em Soma de Quadrados da Regressão e Soma de

Quadrados dos Erros.
155
Partição dos graus de liberdade
Assim como temos a decomposição da soma de quadrados total, vamos derivar uma decomposição
para os graus de liberdade. ë importante ressaltarmos que os graus de liberdade são definidos como a
constante que multiplica para definir o valor esperado da soma de quadrados, temos
que . Assim, os graus de liberdade relacionado com a é dado por .
Agora, sob , temos que é uma amostra aleatória simples de uma população com
média e variância , temos que . Então, como a soma de quadrados total foi
decomposta na soma de quadrados dos erros mais a soma de quadrados da regressão, concluímos que
sob ,
Com isso, concluímos que a tem um grau de liberdade.

Assim, sob , obtemos a seguinte decomposição dos graus de liberdade:
(1) tem graus de liberdade;
(2) tem grau de liberdade;
(3) tem graus de liberdade.
De forma geral, não necessariamente sob , também podemos calcular facilmente o valor esperado
da soma de quadrado total. Para isto, temos que
Concluímos que
Da mesma forma, temos que
Portanto, obtemos que
Observe que sob , obtemos que . Por outro lado, o valor esperado do quadrado
médio da regressão é dado por,
Quadrado Médio
A ideia básica do quadrado médio está em tornarmos as somas de quadrados comparáveis. Sabemos
que, sob , os graus de liberdade são constantes que vem multiplicando o no cálculo do valor
esperado da soma de quadrados.
Sob , tanto o quadrado médio dos erros (QME) quanto o quadrado médio da regressão (QMR)
são estimadores de momento para . Portanto, eles são comparáveis.
A seguir, apresentamos algumas formas simplificados para o cálculo das somas de quadrados.
156
Além disso,
Desta forma,
e portanto,
ANÁLISE DE RESÍDUOS
Tanto na Regressão Linear Simples quanto na Regressão Múltipla, as suposições do modelo ajustado
precisam ser validadas para que os resultados sejam confiáveis. Chamamos de Análise dos
Resíduos um conjunto de técnicas utilizadas para investigar a adequabilidade de um modelo de
regressão com base nos resíduos.
o resíduo é dado pela diferença entre a variável resposta observada e a variável resposta
estimada , isto é
A ideia básica da análise dos resíduos é que, se o modelo for apropriado, os resíduos devem refletir
as propriedades impostas pelo termo de erro do modelo. Tais suposições são
em que com
i. e são independentes ;
ii. (constante);
iii. (normalidade);
iv. Modelo é linear;
v. Não existir outliers (pontos atípicos) influentes.
Na Regressão Múltipla, além das suposições listadas acima, precisamos diagnosticar colinearidade e
multicolinearidade entre as variáveis de entrada para que a relação existente entre elas não interfira nos
resultados, causando inferências errôneas ou pouco confiáveis.
As técnicas utilizadas para verificar as suposições descritas acima podem ser informais (como
gráficos) ou formais (como testes). As técnicas gráficas, por serem visuais, podem ser subjetivas e por
isso técnicas formais são mais indicadas para a tomada de decisão. O ideal é combinar as técnicas
disponíveis, tanto formais quanto informais, para o diagnóstico de problemas nas suposições do modelo
157
CORRELAÇÃO
Diz-se que existe correlação entre duas ou mais variáveis quando as alterações sofridas por uma delas
são acompanhadas por modificações nas outras. Ou seja, no caso de duas variáveis x e y os aumentos
(ou diminuições) em x correspondem a aumentos (ou diminuições) em y. Assim, a correlação revela se
existe uma relação funcional entre uma variável e as restantes. Note-se que a palavra regressão em
Estatística corresponde à palavra função em Matemática. Ou seja, enquanto o matemático diz que y é
função de x, o estatístico fala em regressão de y sobre x.
Reta de regressão
Uma função muito interessante é a que representa a linha reta, cuja expressão matemática é
y = a + bx em que
y= variável dependente
x= variável independente
a= constante = intercepto (ponto em que a reta corta o
eixo dos y)
b= constante = coeficiente de regressão
sendo que o intercepto a pode ser calculado a partir de: a = y – b . x
Ressalte-se que necessariamente o ponto determinado pela média das variáveis está contido na reta.
A melhor reta que descreve a regressão. Supondo uma amostra em que um caráter métrico tenha a
seguinte distribuição de idades e larguras de um órgão:
Idade Largura
(x) (y)
1 30 Em que:
2 40 total de larguras = 520
3 50 total de idades = 36
4 60
5 70 média de larguras =
65
6 80 média de idades = 4,5
7 90
8 100 Supondo a = 20 e b =
10
Quando se deseja desenhar uma reta, para facilitar, atribui-se 2 valores de x próximos aos extremos
dos dados. Depois, usa-se esses valores na equação: y = y + b.(x - x) . Portanto, para a idade x = 1 ano,
largura: y = 65 + 10 (1 - 4,5) = 30 para a idade x = 8 anos, largura: y = 65 + 10 (8 - 4,5) = 100
E chega-se ao seguinte gráfico:
158
Essa reta, que passa pelos pontos médios dos valores de x e y é a melhor reta que descreve a
regressão. Evidentemente, pode-se usar o mesmo processo em gráficos feitos em programas
computacionais.
Proporcionalidade: Direta e Inversa

Quando se observa o coeficiente de regressão b e o sentido da reta pode-se concluir se existe
correlação entre as variáveis e qual é o sentido da correlação. Nesse caso, verifica-se que a aumentos
na variável Idade (x) correspondem aumentos na variável Largura do órgão (y). Assim sendo, elas têm o
mesmo sentido de variação. Essa é uma correlação positiva. Evidentemente, uma correlação será
negativa quando a aumentos na variável x corresponderem diminuições na variável y. Nesse caso, as
variáveis estudadas variam em sentidos opostos.
Paralelamente, percebe-se que quando a reta de regressão em y é paralela ao eixo dos x (b = 0) não
há correlação. Portanto, para que exista correlação é necessário que a reta corte o eixo dos x em algum
ponto (b ≠ 0). Assim, quando há correlação, a reta de regressão em y não é paralela ao eixo dos x.
Existe correlação?
Para se decidir sobre a existência de correlação e o sentido da variação da reta de regressão, calcula-
se b e o erro de b. Depois efetua-se um teste t, testando as seguintes hipóteses:
H0 : b = 0, ou seja, H. Nula: a reta de regressão em y é paralela ao eixo dos x.
Ha : b ≠ 0, isto é, H. Alternativa: a reta de regressão em y não é paralela ao eixo dos x.
Como calcular
Recordando que as somatórias de quadrados (SQ) e de produtos (SP) são calculadas por:
SQx = x2 – [( x)2 / n]
SQy = y2 – [( y)2 / n]
SP = (x.y) – n.x.y
O coeficiente de regressão, b, pode ser calculado a partir de várias fórmulas:

b= [(x – x) (y – y)] / (x – x)2
ou
b = ( (x.y) – n.x.y) / x2 – [( x)2 /n]
ou
b = SP / SQx
O erro de b também pode ser calculado de maneiras diferentes:

sb = raiz (syx / SQy) ou
sb = raiz {(SQy – b.SP) / [SQx (n – 2)]}
Para se testar a significância de b, ou seja, para testar se b pode ser considerado ou não como
significativamente diferente de zero, calcula-se t, com GL = n - 2, sendo: t = b / sb
Para encontrar o t crítico, consulta-se a tabela de t, e obedece-se o seguinte critério:
t < tc tc t > tc
t não é significativo t é significativo
b não é significativamente b é significativamente diferente
diferente de 0 de 0
(a reta é paralela ao eixo dos x) (a reta não é paralela ao eixo
dos x)
Portanto:
1. Se t não for significativo os caracteres não estão correlacionados: (t = 0)

Se t for significativo os caracteres estão correlacionados: (t ≠ 0)
2. Sendo t ≠ 0, se b < 0 a correlação é negativa. Os caracteres variam em sentidos opostos.

Sendo t ≠ 0, se b > 0 a correlação é positiva. Os caracteres variam no mesmo sentido.
159
ausência de correlação positiva correlação
correlação negativa
t = 0, qualquer b t ≠ 0, b > 0 t ≠ 0, b < 0
Não há sentido de As variáveis variam As variáveis variam
variação no mesmo sentido em sentidos
opostos
Exemplo: Os seguintes dados foram obtidos amostrando dimensões do mesmo órgão de 10 indivíduos.
comprimento x 40 25 65 75 65 40 50 40 15 25
largura y 25 15 50 65 50 25 40 40 15 15
que geraram os seguintes valores:
x 440 y 340 n 10
x 44 y 34 (x.y) 17950
x2 22850 y2 14350 n.x.y 14960
x2 / n 19360 y2 / 11560 SP 2990

n
SQx 3490 SQy 2790 SP2 8940100
s2x 387,78 s2y 310
Coeficiente de correlação linear de Pearson ( r )
Pode ser obtido a partir de diferentes fórmulas:
r= n . (x.y) - ( x) ( y) / raiz [n. x2 - ( x)2 ] [ n. y2 - (

y)2 ]
r= ( (x.y) - n.x.y ) / [( n - 1).𝛿x. 𝛿y]
r= raiz ( b.SP / SQy )
r= b.( 𝛿x /𝛿y)
Observando as duas últimas fórmulas rapidamente percebe-se que se não houver correlação entre x
e y, ou seja, se r = 0, então b = 0 e a reta será paralela ao eixo dos x. O coeficiente r varia entre -1 e +1.
Portanto, a correlação pode ser:
-1 - -0,50 - 0 0,10 0,50 +0,95 +1

0,95 0,10
neg neg neg neg ausência pos pos pos pos
perfeita forte moderada fraca fraca moderada forte perfeita
Para testar a significância usamos um teste t. Estabelecemos as hipóteses:

H0 : r = 0 , ou seja, H. Nula: Não há correlação entre as variáveis x e y.
Ha : r ≠ 0, isto é, H. Alternativa: Há correlação entre as variáveis x e y.
Calcula-se t, com GL = n - 2, por meio da seguinte fórmula: t = r . raiz [(N - 2) / (1 - r2 )]
160
Coeficiente de determinação
O coeficiente de determinação é simbolizado por r2 e indica quanto da variação total é comum aos
elementos que constituem os pares analisados. Assim, a qualidade da regressão é indicada por este
coeficiente.
r2 = Variação explicada de Y / Variação total de Y
É importante notar que r2 varia entre 0 (zero) e 1 (um). Evidentemente, quanto mais próximo da unidade
for o coeficiente de Determinação, tanto maior será a validade da regressão.
Exemplo 1: Supondo que numa certa amostra tivessem sido obtidos os seguintes valores:
b = 0,86; SP = 2990; SQy = 2790
Estima-se r = raiz ( b.SP / SQy ), r = raiz ( 0,86.2990 / 2790), r = 0,96

Portanto, r2 = 0,92
1 - 0,92 = 0,08, ou seja 8%
Assim, pode-se dizer que apenas 8% da variância da regressão não depende das variáveis estudadas.
Exemplo 2: Dados obtidos de 7 pares de pai-filho, amostrando o número de anos de escola cursados
pelo pai (x) e o número de anos de escola cursados pelo filho (y). Qual é o valor do coeficiente de
correlação entre esses dados? Qual é o seu significado?
x x2 y y2 x.y
12 144 12 144 144
10 100 8 64 80
6 36 6 36 36
16 256 11 121 176
8 64 10 100 80
9 81 8 64 72
12 144 11 121 132
x= x2 = 825 y = 66 y2 = 650 (x.y) = 720
73
r = N . xy - ( x) ( y) /raiz [ N. x2 - ( x)2 ] [ N. y2 - ( y)2 ]

r = 7 . 720 - 73 . 66 / raiz [ 7 . 825 - (73)2 ] [ 7 . 650 - (66)2 ]
r = + 0,754
Para testar a significância usamos um teste t. Estabelecemos as hipóteses:

H0 : r = 0 e Ha : r ≠ 0
t = r . raiz [(N - 2) / (1 - r2 )]
t = [+ 0,754. raiz[(7-2)] / (1 - 0,7542 )], portanto, t = 2,581
Verificando a tabela de t, com GL = 5 e a = 5%, t5 = 2,571
Conclui-se que como t calculado é maior que tc, pode-se rejeitar a hipótese nula (r = 0) e aceitar a
hipótese alternativa em que r ≠ 0, admitindo-se que o número de anos de escola cursados pelo pai está
positivamente correlacionado (r = + 0,754) ao número de anos de escola cursados pelo filho nesta
amostra.
Como r2 = 0,5685 e 1 - 0,5685 = 0,4315, pode-se dizer que nessa amostra, o número de anos de
escola cursados pelo pai explica 56,85% da variância do número de anos de escola cursados pelo filho.
Assim, 43,15% da variância da regressão depende de outras variáveis, não estudadas aqui.
Coeficiente de associação
Para verificar se dois caracteres qualitativos são interdependentes pode-se:
- empregar um teste de x2.
- calcular o coeficiente de associação.
161
Yule propôs esse coeficiente e o chamou de Q, para homenagear um pioneiro da Estatística, Lambert
A. J. Quételet (1796-1874). Monta-se uma tabela 2 x 2 e designa-se as células pelas letras a, b, c e d,
ficando a-d e b-c nas diagonais.
a b
c d
Obtém-se o coeficiente de associação Q por meio de:

Q = (ad - bc) / (ad + bc)
O desvio padrão de Q é obtido por:

s = (1 - Q2 ) / 2 raiz (1/a + 1/b + 1/c +1/d)
O intervalo de confiança de 95% de Q é obtido por:

Q ± t.s
Exemplo: Supondo que a distribuição de 200 pacientes adultos (92 homens e 108 mulheres) segundo
as formas maligna e benigna de uma doença foi:
Forma / Homens Mulheres Total

Sexo
Maligna 60 a 40 b 100
Benigna 32 c 68 d 100
Total 92 108 200
Q = (ad - bc) / (ad + bc) = (60 x 68) - (40 x 32) / (60 x 68) + (40 x 32)
Q = (4080 - 1280) / ( 4080 + 1280 ) = 2800 / 5360
Q = 0,5224
O desvio padrão de Q é obtido por:

s = (1 - Q2 ) / 2 . raiz (1/a + 1/b + 1/c +1/d)
s = (1 - 0,52242 ) / 2 . raiz (1/60 + 1/40 + 1/32 +1/68)
s = 0,3635 . raiz (0,0167 + 0,0250 + 0,0312 + 0,01470)
s = 0,3635 . raiz 0,0876 = 0,3635 . 0,2960 = 0,1076
O intervalo de confiança de 95% de Q é obtido por:

Q ± t.s = 0,5224 ± 1,96 x 0,1076
Portanto, o valor mínimo é 0,3115 e o valor máximo é 0,7333.
Como o valor calculado de Q (0,5224) se encontra entre esses 2 valores (0,3115 e 0,7333), conclui-se
que existe associação entre o sexo e as formas da doença, estando o sexo masculino associado à forma
maligna, pois nesse sexo há maior frequência dessa forma.
Questões
01. (SSP/AM – Técnico de Nível Superior – FGV) A sequência a seguir mostra o número de gols
marcados pelo funcionário Ronaldão nos nove últimos jogos disputados pelo time da empresa onde ele
trabalha:
2, 3, 1, 3, 0, 2, 0, 3, 1.
Sobre a média, a mediana e a moda desses valores é verdade que:

(A) média < mediana < moda;
(B) média < moda < mediana;
(C) moda < média < mediana;
(D) mediana < moda < média;
(E) mediana < média < moda.
162
02. (TJ/BA – Técnico Judiciário – Área Administrativa – FGV) Marcos anotou o número de
correspondências eletrônicas que ele recebeu diariamente, durante 13 dias. A tabela a seguir mostra os
números anotados por ele:
3 4 18 16 15 16 22 5 2 20 16 15 17
A diferença entre a mediana e a média dos números anotados por Marcos é:

(A) 5;
(B) 4;
(C) 3;
(D) 2;
(E) 1.
03. (Senado Federal – Estatístico – FGV) A figura a seguir ilustra o histograma de uma distribuição
de frequências. Entre os ternos de valores a seguir, o único que representa uma configuração plausível
para os valores da média, moda e mediana dessa distribuição, respectivamente, é:
(A) 20, 16 e 17.

(B) 16, 16 e 16.
(C) 20, 17 e 16.
(D) 17, 20 e 16.
(E) 17, 17 e 20.
04. (SEAD/AP – Auditor da Receita do Estado – FGV) Os dados a seguir são as quantidades de
empregados de cinco pequenas empresas: 6, 5, 8, 5, 6. A variância da quantidade de empregados dessas
cinco empresas é igual a:
(A) 0,8
(B) 1,2
(C) 1,6
(D) 2,0
(E) 2,4
05. (SEAD/AP – Auditor da Receita do Estado – FGV) Uma variável aleatória discreta X tem cinco
valores possíveis, -1, 0, 1, 2 e 3, com probabilidades respectivas iguais a 0,1, 03, 02, 03 e 0,1.
Se Y = 4 - 2X então a variância de Y é igual a:
(A) 0,6
(B) 1,4
(C) 2,4
(D) 2,8
(E) 5,6
06. (SEAD/AP – Fiscal da Receita Estadual – FGV) Se no ajuste de uma reta de regressão linear
simples de uma variável Y em uma variável X o coeficiente de determinação observado foi igual a 0,64,
então o módulo do coeficiente de correlação amostral entre X e Y é igual a:
(A) 0,24
(B) 0,36
(C) 0,50
(D) 0,64
(E) 0,80
163
07. Considere um experimento em que se analisa a octanagem da gasolina (Y) em função da adição
de um aditivo (X). Para isto, foram realizados ensaios com os percentuais de 1, 2, 3, 4, 5 e 6% de aditivo.
Os resultados seguem.
Calcule a equação de regressão.
08. (Colégio Pedro II – Estatístico – IDECAN) As quantidades a seguir foram obtidas a partir de
uma amostra de 60 indivíduos com relação a duas características: X e Y.
O coeficiente de correlação amostral entre x e y é igual a

(A) 0,013.
(B) 0,780.
(C) 0,805.
(D) 0,911.
(E) 0,970.
09. (TJ-RO – analista Judiciário – Estatística – CESPE) Com respeito ao modelo de regressão linear
simples, assinale a opção correta.
(A) O parâmetro de inclinação da reta é igual à tangente do ângulo formado entre a reta e o eixo Oy.
(B) A inclinação da reta é proporcional à correlação entre a variável resposta e a variável preditora.
(C) Se o modelo linear estiver bem ajustado, a correlação entre o resíduo do modelo e a variável
resposta deve estar próxima de -1.
(D) Se o intercepto do modelo for nulo, a variável resposta assume o valor zero quando a variável
preditora for igual ao inverso da inclinação da reta.
(E) O parâmetro de inclinação da reta é igual ao cosseno do ângulo formado entre a reta e o eixo Ox.
10. (TSE – Analista Judiciário – Estatística – CONSULPLAN) Para duas variáveis x e y, são dados:
O coeficiente de correlação entre as variáveis é

(A) – 0.2.
(B) 0.2.
(C) 0.6.
(D) 0.8.
11. (SUSEP – Analista Técnico - ESAF) A partir de uma amostra aleatória foram
obtidas as estatísticas:
médias variâncias amostrais e covariância
Qual a reta de regressão estimada de Y em X?

(A)
(B)
164
(C)
(D)
(E)
Comentários
01. Resposta: A.
Colocando os dados em ordem crescente, teremos:
0, 0, 1, 1, 2, 2, 3, 3, 3
Para calcular a média devemos somar todos e dividir por 9:
0+0+1+1+2+2+3+3+3 15
9
= 9 = 1,67 aproximadamente
Moda, é o termo que mais vezes aparece, nesse caso é o 3.
Mediana é o termo central, nesse caso sera o 5º termo, ou seja, 2.
Assim
Média < Mediana < Moda
02. Resposta: C.
Para resolver esta questão basta encontrarmos a média e a mediana e fazer a comparação.
Colocando os dados em ordem crescente teremos:

2 3 4 5 15 15 16 16 16 17 18 20 22
Para calcular a média devemos somar todos e dividir por 9:
2 + 3 + 4 + 5 + 15 + 15 + 16 + 16 + 16 + 17 + 18 + 20 + 22 169
= = 13
9 13
Mediana é o termo central, nesse caso será o 7° termo que será 16, assim a mediana é maior que a
média, e fazendo essa diferença teremos:
16 – 13 = 3
03. Resposta: A.
A moda é o valor que mais se repete, assim ela estará mais próximo da esquerda, é indicado que há
mais frequência (ex. pessoas) com as quantidades menores de alguma coisa, assim a média seria o
menor valor, como os da esquerda possuem mais elementos, a mediana está próximo da moda, já a
média pode ser um valor maior, como não sabemos quais são esses valores podemos supor que os
últimos tenham um valor muito maior que os demais que possuem uma maior quantidade de elementos,
assim só poderá ser resposta a alternativa A, onde a moda é menor que a mediana que por sua vez é
menor que a média
04. Resposta: B.
Temos três passos a serem seguidos, encontrar a média, depois faz a subtração de cada elemento
com a média e eleva cada um ao quadrado e por fim soma o resultado dos quadrados e divide pelo
número de elementos (empresas) e só uma dica, esse tipo é de população pois utilizou todos os
funcionários de cada empresa, e não uma amostra deles.
i) ACHAR A MÉDIA: soma-se todos os empregados e divide-se pela quantidade de
elementos(empresas)
6+5+8+5+6 30
Média: = =6
5 5
ii) PARA ACHAR A VARIÂNCIA:

1 - pegar cada elemento e subtrai pela média e depois elevar o resultado ao quadrado:
6 - 6 = 0² = 0; 5 - 6 = (-1)² = 1; 8 - 6 = 2² = 4; 5 - 6 = (-1)²; 6 - 6 = 0² = 0
iii) SOMAR TODOS OS RESULTADOS E DIVIDIR PELA QUANTIDADE DE
ELEMENTOS(EMPRESAS)
0+1+4+1+0
V= 5
= 1,2
165
05. Resposta: E.
Se Y = a + bX, Var (Y) = b² Var (X)
Como Y = 4 - 2X, então: Var(Y) = 2² Var(X) = 4 Var (X)
Então, é mais fácil calcular a variância de X e multiplicar por 4.
Variância= média dos quadrados - quadrado da média
Tem que fazer uma tabela para não errar:

x x² Prob. x.prob x²prob.
-1 1 0,1 -0,1 0,1
0 0 0,3 0 0
1 1 0,2 0,2 0,2
2 4 0,3 0,6 1,2
3 9 0,1 0,3 0,9
Média dos quadrados = Soma X².prob = 2,4
Quadrado da média = (Soma X.prob)² = 1
Var (x) = 2,4 - 1 = 1,4
Var (y) = 4 * 1,4 = 5,6 - letra E
06. Resposta: E.
Numa regressão, o coeficiente de determinação é R² e o coeficiente de correlação é R. Foi dito que R²
= 0,64, o que resulta R = 0,80.
07.
6.(1754,3)−(21).(496,8) 93
Β= 6.(91)−(21)²
= 105
= 0,886
496,8−(0,886).(21)
α= 6
= 79,7
y = 79,7 + 0,886x.
08. Resposta: D.
66
Coef. de correlação = = 0,911
√82 . 64
09. Resposta: B.
A inclinação da reta (b) é dada por Sxy / Sxx.
A correlação é dada por: Sxy / (Sx*Sy).Observe que a inclinação é proporcional à covariância Sxy. A
correlação também o é. Logo, há proporcionalidade entre a inclinação e a correlação.
10. Resposta: D.
Cov(X,Y) = E(XY) - E(X).E(Y)
Cov(X,Y) = 320 - 50.4
Cov(X,Y) = 120
166
Correl(X,Y) = Cov(X,Y) / (DPx . DPy)
Correl(X,Y) = 120 / (10 . 101/2 22.51/2)
Correl(X,Y) = 120 / (10 . 2251/2)
Correl(X,Y) = 120/150
=0.8
11. Resposta: A.
Para encontrar a reta de regressão de X em Y, precisamos estimar os valores dos coeficientes a e b e
depois aplicá-los na equação da reta (Y = a + bX). Para isso, devemos seguir os passos abaixo:
1) ENCONTRANDO b:
b = S2xy / S2x
b = 36 / 30
b = 1,2
2) ENCONTRANDO a:
a = [Y] - b[X]
a = 19 - 1,2 x 12,5
a = 19 - 15
a=4
3) ENCONTRANDO A RETA:
Y = a + bX
Y = 4 + 1,2X (GABARITO A)
167

02 Matematica Financeira Estatistica PDF

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

02 Matematica Financeira Estatistica PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Prefeitura de Campo Grande-MS

Auditor Fiscal da Receita Municipal

Olá Concurseiro, tudo bem?

Pensando em auxiliar seus estudos e aprimorar nosso material, disponibilizamos o e-mail

01. Apostila (concurso e cargo);

Não esqueça de mandar um feedback e nos contar quando for aprovado!

Bons estudos e conte sempre conosco!

1552659 E-book gerado especialmente para MARCOS ROBERTO DE OLIVEIRA

- Os juros são representados pela letra J.

*Varia de acordo com a literatura estudada.

Fazendo o cálculo, mês a mês:

Desse modo, no final da aplicação, deverão ser pagos R$ 600,00 de juros.

1) O capital cresce linearmente com o tempo;

02. (EBSERH – Técnico em Contabilidade – CESPE/2018) No que se refere a matemática financeira

04. (BANPARÁ – Técnico Bancário – INAZ do Pará) Na capitalização de juros simples:

05. (IESES) Uma aplicação de R$ 1.000.000,00 resultou em um montante de R$ 1.240.000,00 após

02. Resposta: Errado

Assim deverá pagar 3000 + 96 = 3096 reais

Na prática, as empresas, órgãos governamentais e investidores particulares costumam reinvestir as

Graficamente temos, que o crescimento do principal(capital) segundo juros simples é LINEAR,

Juros Compostos e Logaritmos

02. (BANPARÁ – Técnico Bancário – FADESP/2018) Na realização de um empréstimo de R$

04. (TRANSPETRO – Engenheiro Junior – CESGRANRIO/2018) Uma empresa captou R$ 100.000

03. Resposta: Certo

Sendo de Juros = 22000 – 20000 = 2000

TAXAS DE JUROS: EFETIVA, NOMINAL, PROPORCIONAIS, EQUIVALENTES, REAL E

As taxas de juros são índices fundamentais no estudo da matemática financeira. Os rendimentos

- Uma taxa de 75% ao ano com capitalização anual.

- 5% ao trimestre com capitalização semestral.

Taxas Proporcionais ou Lineares (regime de juros simples)

Taxas Equivalentes (regime de juros compostos)

- 24% a.a é equivalente a %a.m?

Podemos escrever todas essas taxas em função uma das outras:

01. Uma aplicação no mercado financeiro forneceu as seguintes informações:

(1+ia) = (1+ir).(1+ii)  (1+ia) = (1+0,02).(1+0,05i)  (1+ia) = 1,02 . 1,05  (1+ia) = 1,071 

𝑖𝑖 = 1,0192 − 1 ⇒ 𝑖𝑖 = 0,0192 ⇒ 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 100(𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙) ⇒ 1,92

Com base nessas situações, é possível afirmar corretamente que:

05. (LIQUIGÁS – Assistente Administrativo – CESGRANRIO) Um financiamento está sendo

3. Descontos: simples, composto. Desconto racional e desconto comercial

Valor descontado = Valor nominal – Desconto

Comparando com o regime de juros, observamos que:

- o Valor Atual, ou valor futuro (valor do resgate) nos dá ideia de Montante;

Desconto Racional Simples (por dentro)

Desconto Comercial Simples (por fora)

O valor descontado “por fora” (Vf), aplicando-se a definição, é obtido:

Desconto comercial (bancário) acrescido de uma taxa pré-fixada

V = N – Db → V = N – N (i.t + h) → V = N . [1 - (i.t + h)]

Relação entre Desconto Comercial (Dc) e Desconto Racional (Dr)

Desconto Racional Composto (por dentro)

Desconto Comercial Composto (por fora)

02. Resposta: CERTO

4. Amortizações. Sistema francês. Sistema de amortização constante. Sistema

Muito utilizado hoje quando se faz um empréstimo/financiamento6, transações de pagamentos de

Amortização (A)  é um processo que extingue dívidas através de pagamentos periódicos, é

Prestação (P)  É a amortização acrescida de juros.

Antecipadas O contrário de postecipada.

SISTEMA DE AMORTIZAÇÃO CONSTANTE (SAC)

1º Passo: Determinar o valor da cota de amortização:

Em um sistema de amortização constante, as amortizações são iguais para todos os períodos:

Período 1 P = 2500+500  P = 3000

4º Passo: Calcular o Juros para o Período 2.

5º Passo: Calcular o valor da prestação para cada período. Lembrando que P = A + J