MATEMÁTICA E

RACIOCÍNIO LÓGICO
"A MATEMÁTICA É O ALFABETO COM O QUAL DEUS
ESCREVEU O UNIVERSO." - GALILEU GALILEI
Entendimento De Estrutura Lógica

Proposições Lógicas

Chama-se proposição toda oração declarativa que pode ser valorada em verdadeira ou falsa, mas não
as duas.

Sendo oração, deve possuir sujeito e predicado.

Sendo declarativa, não pode ser exclamativa, interrogativa, imperativa ou optativa.

Desta forma, as expressões abaixo não são consideradas proposições.

Que belo dia! (exclamativa)

Qual é o seu nome? (interrogativa)

Leia isto atenciosamente. (imperativa – indica ordem) Que

Deus te abençoe. (optativa – exprime desejo).

Opiniões também não são consideradas proposições.

Frases que não são proposições Pare!

Quer uma xícara de café?

Eu não estou bem certo se esta cor me agrada

Frases que são proposições

A lua é o único satélite do planeta terra (V)

A cidade de Salvador é a capital do estado do Amazonas (F)

O numero 712 é ímpar (F)

Raiz quadrada de dois é um número irracional (V)

Composição De Proposições

É possível construir proposições a partir de proposições já existentes. Este processo é conhecido por
Composição de Proposições. Suponha que tenhamos duas proposições,

A = “Maria tem 23 anos”

B = “Maria é menor”

Pela legislação corrente de um país fictício, uma pessoa é considerada de menor idade caso tenha
menos que 18 anos, o que faz com que a proposição B seja F, na interpretação da proposição A ser V.

Algumas Leis Fundamentais

Lei do Meio Excluído: Um proposição é falsa (F) ou verdadeira (V): não há meio termo.

Lei da Contradição: Uma proposição não pode ser, simultaneamente, V e F.

Lei da Funcionalidade: O valor lógico (V ou F) de uma proposição composta é unicamente determinada

pelos valores lógicos de suas proposições constituintes.

Proposições Simples E Compostas

Proposições
São variadas as formas de se expressar. Vejamos algumas delas:

(01) Feliz ano novo!

(02) Chove.

(03) Quando começam as férias?

(04) x é maior que 27.

(05) Três mais dois.

(06) Paris é a capital da França.

Todos os exemplos acima têm um significado, entretanto, apenas o exemplo cinco não apresenta
sentido completo. O exemplo (5), por não ter um sentido completo é denominado EXPRESSÃO. Aos
demais exemplos chamamos de SENTENÇAS.

Define-se então:

Sentença é uma forma de se expressar que apresenta um sentido completo.

As sentenças que apresentam uma variável, como a de número 04 é denominada SENTENÇA

ABERTA. Quando não existe a variável, a sentença é dita SENTENÇA FECHADA, como as
apresentadas nos itens 01, 02, 03 e 06.

Uma sentença fechada que permite um dos julgamentos falso ou verdadeiro é denominada
PROPOSIÇÃO.

Isto é: proposições são sentenças declarativas afirmativas (expressão de uma linguagem) da qual
tenha sentido afirmar que seja verdadeira ou que seja falsa.

Toda proposição é uma frase mas nem toda frase é uma proposição; uma frase é uma proposição
apenas quando admite um dos dois valores lógicos: Falso (F)ou Verdadeiro (V). Exemplos: Frases
Que Não São Proposições

Pare!

Quer uma xícara de café?

Eu não estou bem certo se esta cor me agrada

Frases que são proposições

A lua é o único satélite do planeta terra (V)

A cidade de Salvador é a capital do estado do Amazonas (F)

O numero 712 é ímpar (F)

Raiz quadrada de dois é um número irracional (V)

Composição de Proposições

É possível construir proposições a partir de proposições já existentes. Este processo é conhecido por
Composição de Proposições. Suponha que tenhamos duas proposições,

A = “Maria tem 23 anos”

B = “Maria é menor”
Pela legislação corrente de um país fictício, uma pessoa é considerada de menor idade caso tenha
menos que 18 anos, o que faz com que a proposição B seja F, na interpretação da proposição A ser V.
Vamos a alguns exemplos:

“Maria não tem 23 anos” (nãoA)

“Maria não é menor”(não(B))

“Maria tem 23 anos” e “Maria é menor” (A e B)

“Maria tem 23 anos” ou “Maria é menor” (A ou B)

“Maria não tem 23 anos” e “Maria é menor” (não(A) e B)

“Maria não tem 23 anos” ou “Maria é menor” (não(A) ou B) “Maria

tem 23 anos” ou “Maria não é menor” (A ou não(B))

“Maria tem 23 anos” e “Maria não é menor” (A e não(B))

Se “Maria tem 23 anos” então “Maria é menor” (A => B)

Se “Maria não tem 23 anos” então “Maria é menor” (não(A) => B)

“Maria não tem 23 anos” e “Maria é menor” (não(A) e B)

“Maria tem 18 anos” é equivalente a “Maria não é menor” (C <=> não(B))

Note que, para compor proposições usou-se os símbolos não (negação), e (conjunção), ou (disjunção),
=> (implicação) e, finalmente, <=> (equivalência). São os chamados conectivos lógicos. Note, também,
que usou-se um símbolo para representar uma proposição: C representa a proposição Maria tem 18
anos. Assim, não(B) representa Maria não é menor, uma vez que B representa Maria é menor.
Algumas Leis Fundamentais

Lei do Meio Excluído: Um proposição é falsa (F) ou verdadeira (V): não há meio termo.

Lei da Contradição: Uma proposição não pode ser, simultaneamente, V e F.

Lei da Funcionalidade: O valor lógico (V ou F) de uma proposição composta é unicamente determinada

pelos valores lógicos de suas proposições constituintes.

Proposições Simples E Compostas

Uma proposição pode ser simples (também denominada atômica) ou composta (também denominada
molecular).

As proposições simples apresentam apenas uma afirmação. Pode-se considerá-las como frases
formadas por apenas uma oração.

As proposições simples são representadas por letras latinas minúsculas.

Exemplos: (1) p: eu sou estudioso; (2) q: Maria é bonita: (3) r: 3 + 4 > 12.

Uma proposição composta é formada pela união de duas ou mais proposições simples.

Indica-se uma proposição composta por letras latinas maiúsculas. Se P é uma proposição composta
das proposições simples p, q, r, …, escreve-se P (p, q, r,…).

Quando P estiver claramente definida não há necessidade de indicar as proposições simples entre os
parênteses, escrevendo simplesmente P.
Exemplos:

(4) P: Paulo é estudioso e Maria é bonita. P é composta das proposições simples p: Paulo é estudioso
e q: Maria é bonita.

(5) Q: Maria é bonita ou estudiosa. Q é composta das proposições simples p: Maria é bonita e q: Maria
é estudiosa.

(6) R: Se x = 2 então x² + 1 = 5. R é composta das proposições simples p: x = 2 e q: x² + 1 = 5.

(7) S: a > b se e somente se b < a. S é composta das proposições simples p: a > b e q: b < a.

Valores Lógicos Das Proposições

Seguindo adiante no estudo da “linguagem proposicional” em matemática, temos que ter em mente
que só existem dois valores lógicos para uma proposição: A verdade e a falsidade.

Se a proposição for verdadeira seu valor lógico é a verdade e se a proposição for falsa seu valor lógico
será a falsidade.

Perceba que em lógica matemática não se diz que a proposição é “mentirosa”. O correto e o mais
elegante é dizer que a proposição é falsa. É mais ou menos como nos debates políticos, onde nenhum
dos debatedores dizem que o outro está mentindo, mas sim dizem que seu oponente “falta com a
verdade” em seus argumentos. É claro que nos debates os políticos fazem isso menos por elegância
e mais por medo de serem punidos por chamar o oponente de mentiroso…

Voltando ao que interessa, os símbolos utilizados para os valores lógicos da proposição são:

V se a proposição for verdadeira.

F se a proposição for falsa.

Relembrando os dois princípios básicos que regem a lógica matemática:

I – Não pode existir uma proposição falsa e verdadeira ao mesmo tempo (princípio da não
contradição).

II – Toda proposição é verdadeira ou falsa, não existindo um terceiro caso. (princípio do terceiro
excluído).

Entendemos então que uma proposição só pode ter um dos valores lógicos: V ou F.

Vejamos algumas proposições como exemplo:

1. A aceleração da gravidade na Terra é 9,80665 m/s²

2. A França é um país europeu.

3. O rio Nilo cruza o território Brasileiro

4. O Corinthians é o primeiro campeão mundial reconhecido pela FIFA

Nos exemplos acima, verificamos que as proposições 1,2 e 4 são verdadeiras (V) e apenas a
proposição 3 é falsa (F).

Se você não gostou do exemplo dado, nós entendemos, afinal, esse valor para a aceleração da
gravidade é apenas aproximado…

Esse negócio de Falso e Verdadeiro pode parecer coisa boba, mas é muito importante seguir num
ritmo de passo-a-passo para que nada fique perdido no caminho. A experiência nos mostra que uma
das grandes desgraças no ensino de matemática são as pequenas coisas que passam batidas pelo
estudante e que no final acabam impedindo que ele avance no aprendizado. Quem já estudou lógica
de programação de computadores, sabe muito bem como é importante saber operar com os valores
lógicos de uma proposição. Ainda não estamos operando com esses valores lógico, por enquanto,
apenas fixe a idéia de que há apenas dois valores lógicos: Verdade (V) e Falsidade (F) e que em lógica
matemática mentirinha com fundo de verdade não tem vez!

2º Exercícios postados no site Matematiquês

Valores Lógicos De Uma Proposição

1) Determinar o valor lógico (V ou F) de cada uma das seguintes proposições:

a. O número 17 é primo. ( )

b. Fortaleza é a capital do Maranhão. ( )

c. TIRADENTES morreu afogado. ( )

d. (3 + 5)2 = 32 + 52. ( )

e. O valor archimediano de p é 22/7. ( )

f. -1 < -7. ( )

g. 0,131313… é uma dízima periódica simples. ( )

h. As diagonais de um paralelogramo são iguais. ( )

i. Todo polígono regular convexo é inscritível. ( )

j. O hexaedro regular tem 8 arestas. ( )

k. A expressão n2 – n + 41 (nÎN) só produz números primos. ( )

l. Todo número divisível por 5 termina por 5. ( )

m. O produto de dois números ímpares é um número ímpar. ( )

n. sen2 30º + sen2 60º = 2. ( )

o. 1 + 3 + 5 + … + (2n – 1)2 = n2. ( )

p. As raízes da equação x3 – 1 = 0 são todas reais. ( )

q. O número 125 é cubo perfeito. ( )

r. 0, 4 e -4 são raízes da equação x3 – 16x = 0. ( )

s. O cubo é um poliedro regular. ( )

t. tg(p/4) < tg(p/6). ( )

Resposta:
a) V b) F c) F d) F e) V f) F g) V h) F i) V j) F k) F l) F
m) V n) F o) F p) F q) V r) V s) V t) F

Sentenças Abertas

Na matemática ,uma sentença aberta (ou equação aberta) é descrita assim porque seu valor não pode
ser determinado até que suas variáveis sejam substituídas por números específicos, quando seu valor
geralmente pode ser determinado (e, portanto, a sentença deixa de ser considerada como “aberta”).
Essas variáveis podem assumir valores reais ou complexos, dependendo da igualdade ou
desigualdade em questão. Os valores que produzem uma igualdade ou desigualdade verdadeira são
chamados soluções, e “satisfazem” a igualdade/desigualdade. a) x + 3 = 10
b) x > 5

c) (x+1)² – 5 = x²

d) x – y = 20

e) Em 2004 foram registradas 800+z acidentes de trânsito em São Paulo.

f) Ele é o juiz do TRT da 5ª Região.

Sentenças matemáticas abertas ou simplesmente sentenças abertas são expressões que não
podemos identificar como verdadeiras ou falsas.

Por exemplo: x + 4 = 12

Essa expressão pode ser verdadeira ou falsa, dependendo do valor da incógnita x.

Se x for igual a 8, a sentença é verdadeira, pois 8 + 4 = 12
Se x for igual a 3, a sentença é falsa, pois 3 + 4 não é igual a 12 (3 + 4 ≠ 12)

Em sentenças abertas sempre temos algum valor desconhecido (incógnita), que é representado por
uma letra do alfabeto.

Pode-se colocar qualquer letra, mas as mais usadas pelos matemáticos são: x, y e z. Veja
outros exemplos de sentenças abertas:
x + 2≠ 6 (desigualdade) 4y
– 2 < -7 (inequação)

Pode-se, também, ter uma sentença aberta como proposição, porém nesse caso não é possível atribuir
um valor lógico.

Exemplos:

1) Obtenha o valor lógico da sentença abaixo. b: x é um y brasileiro.

Nessa proposição b, o valor lógico só pode ser encontrado se soubermos quem é x e y (variáveis
livres).

No caso de x igual a Roberto Carlos e y igual a cantor, a proposição será verdadeira. Já no caso de x
igual a Frank Sinatra e y igual a cantor, a proposição será falsa. Portanto, é muito comum na resolução
de problemas matemáticos, trocar-se alguns nomes (ou todos) por variáveis.

2) Estude os valores lógicos da sentença aberta:

Se 10x – 3 = 27 então x² – 7x = -12

Sabendo-se que na primeira equação o valor de x é igual 3, e na segunda equação os valores
relacionados a x são 3 e 4.

Resposta:
a) Se x = 3 então a condição se verifica (V, V);
b) A condição (V, F) não se verifica;
c) Se x = 4 então a condição é verdadeira (F, V);
d) Se x diferente de 3 e x diferente de 4, então a condição (F, F) é verdadeira.

Tabela Verdade

A Tabela verdade é um instrumento usado para determinar os valores lógicos das proposições
compostas, a partir de atribuições de todos os possíveis valores lógicos das proposições simples
componentes.

A primeira das tabelas abaixo apresenta duas proposições simples: p e q e a segunda, três proposições
simples: p, q e r. As células de ambas as tabelas são preenchidas com valores lógicos V e F, de modo
a esgotar todas as possíveis combinações. O número de linhas da tabela pode ser previsto efetuando
o cálculo: 2 elevado ao número de proposições simples. Nos exemplos abaixo tem-se 2² = 4 linhas e
2³ = 8 linhas.
p q p q r

V V V V V

V F V V F

F V
V F V

F F
V F F

F V V

F V F

F F V

F F F

Valor Lógico Da Proposição

Notação: O valor lógico de uma proposição simples indica-se por V(p) e composta por V(P) (letra
maiúscula).

Exemplos de proposições simples: p : um triângulo têm três lados. q

: Blumenau é um país.

V(p) = V V(q) = F (Lê-se valor lógico de p é igual a V (verdadeiro) e de q é igual a F (falso))

Exemplo de proposição composta: p : o sol é uma estrela ou q : a terra é uma estrela.

P(p,q) = p v q V(P) = V (O símbolo “v” representa o conectivo “ou” visto abaixo)

Operações Lógicas

Os valores lógicos das proposições são definidos pelas tabelas descritas em cada operação a seguir.

Negação (~) “~p” lê-se “não p”.

Exemplo:

p : Joana é bonita

~p : Joana não é bonita ou ~p : Não é

verdade que Joana é bonita ou ~p : É falso
que Joana é bonita
 p ~p

V F

F V

Conjunção (^) “p ^ q” lê-se “p e q”.

Exemplo: p : A neve é branca (V) q

: 2 < 5 (V) p ^ q : A neve é branca

e 2 < 5 (V) Representação:

V(p ^ q) = V(p) ^ V(q) = V ^ V = V Leitura:

Valor lógico de (p e q) é igual a ou, de outro modo, valor lógico de (p) e valor lógico de(q) é igual a ou
resulta em verdade e verdade que é igual a verdade.
p q p^q

V V V

V F F

F V F

F F F

Disjunção (v) “p v q” lê-se “p ou q”. Exemplo:

p : Blumenau é a capital de SC (F) q : 5/7 é uma fração própria (V)

p v q : Blumenau é a capital de SC ou 5/7 é uma fração própria (V)

V(p v q) = V(p) v V(q) = F v V = V

 p q pvq

V V V

V F V

F V V

F F F

Disjunção exclusiva (v) “p v q” lê-se “ou p ou q”, mas não ambos ou ainda “ou exclusivo”.
p q pvq

V V F

V F V

F V V

F F F

O valor lógico é Falso(F) quando p e q são ambas verdadeiras ou ambas falsas.

Exemplo:

P : Carlos é médico ou professor

Q : Antônio é catarinense ou gaúcho.

Na proposição composta P pelo menos uma das proposições simples é verdadeira, podendo ser ambas
verdadeiras. (“ou” inclusivo).

Na proposição composta Q apenas uma das proposições é verdadeira. (“ou” exclusivo).

Condicional (—>) “p —> q” lê-se “se p então q” (“—>” símbolo de implicação).
p q p —> q

V V V

V F F

F V V

F F V

O valor lógico é Falso(F) no caso em que p é verdadeira e q é falsa.

Exemplo:

p : A terra é uma estrela (F) q : O ano tem nove meses (F) p —> q :

Se a terra é uma estrela, então o ano tem nove meses (V)

V(p —> q) = V(p) —> V(q) = F —> F = V

Bicondicional (<—>) “p <—> q” lê-se “p se e somente se q”.

p q p <–> q

V V V

V F F

F V F

F F V

Uma bicondicional é verdadeira somente quando ambas proposições são verdadeiras ou ambas falsas.

(p é condição necessária e suficiente para q ou q é condição necessária e suficiente para p).

Exemplo:

p : A terra é plana (F) q : 10 é um número primo (F) p <—> q : A terra é

plana se e somente se 10 for um número primo (V)

V(p <—> q) = V(p) <—> V(q) = F <—> F = V

Construção De Tabelas Verdade

a) Construir a tabela verdade da seguinte proposição: P(p,q) = ~(p ^ ~q).

Solução:
p q ~q p ^ ~q ~(p ^ ~q)

V V F F V

V F V V F

F V F F V

F F V F V

Procedimento:

Para determinar os valores lógicos de uma proposição composta, deve-se antes relacionar em colunas
as proposições simples envolvidas e dar a elas todos os valores lógicos combinados, podendo seguir
a ordem na qual se começa estabelecendo na primeira linha o valor lógico Verdade para todas as
variáveis, na segunda linha repete-se os valores, exceto para coluna mais a direita que recebe o valor
lógico F e, assim, seguir alternando os valores até especificar na última linha o valor F para todas as
proposições simples.

No exemplo acima, inicialmente, foram colunadas as proposições simples p e q e determinados todos

os valores lógicos. Em seguida, foi criada a próxima coluna ~q e definidos seus valores, aplicando a
operação de negação ou inversão com base nos valores da coluna q. O passo seguinte foi abrir a
coluna p ^ ~q e determinar seus valores, efetuando a operação de conjunção considerando os valores
das colunas p e ~q. No próximo e último passo criou-se a coluna

~(p ^ ~q) e estabelecidos seus valores, negando ou invertendo o conteúdo da coluna anterior.

Formas de indicar o resultado da proposição composta da tabela acima: P(VV)

= V, P(VF) = F, P(FV) = V, P(FF) = V ou P(VV, VF, FV, FF) = VFVV

b) Construir a tabela verdade da proposição: P(p,q,r) = p v ~r —> q ^ ~r.

Solução:
p q r ~r p v ~r q ^ ~r p v ~r —> q ^ ~r

V V V V V F F

V V F V V V V

V F V F V F F

V F F V V F F

F V V F F F V

F V F V V V V

F F V F F F V

F F F V V F F

A tabela verdade desenvolvida acima precisou de oito linhas (23) para dispor todos seus valores
lógicos, uma vez que a proposição composta envolve três proposições simples: p, q e r.
Conjunção: Vimos pela tabela acima que a operação da conjunção liga duas ou mais proposições
simples pelo conectivo “e”. Observemos o exemplo:

Irei ao cinema e ao clube. Vamos montar a tabela verdade para a proposição composta destacando
todas as valorações possíveis.

Conjunção: p^q(p e q)
P Q P^Q

V V V

V F F

F V F

F F F

P: Irei ao cinema

Q: Irei ao clube

Observamos que a proposição resultante da conjunção só será verdadeira quando as proposições

simples individuais forem verdadeiras.

Disjunção Inclusiva: Vimos que a operação da disjunção inclusiva liga duas ou mais proposições
simples pelo conectivo “ou”. Observemos o exemplo

Darei-te uma camisa ou um calção. Vamos montar a tabela verdade para a proposição composta
destacando todas as valorações possíveis.

Disjunção: p v q (p ou q)
 P Q PvQ

V V V

V F V

F V V

F F F

P: Darei-te uma camisa

Q: Darei-te um calção

Observamos que a proposição resultante da disjunção inclusiva só será falsa quando as proposições
simples individuais forem falsas..

Disjunção Exclusiva: Vimos que a estrutura da disjunção exclusiva é “ ou p ,ou q”

Ex: Ou irei jogar basquete ou irei à casa de João

Montando a tabela verdade teremos

Disjunção Exclusiva: p v q (ou p ou q)
P Q PvQ

V V F

V F V

F V V

F F F

P: Irei Jogar Basquete

Q: Irei à casa de João

Observe a diferença entre a disjunção inclusiva e exclusiva! Como o próprio nome diz “exclusiva” a
proposição resultante da disjunção exclusiva só será “V” se uma das partes for “F” e a outra “V”
(independentemente da ordem) não podendo acontecer “V” nos dois casos, caso aconteça a
proposição resultante desta operação será falsa.

Condicional; Vimos que a estrutura condicional refere-se a “Se p então q”.

Ex:Se nasci em Salvador , então sou Baiano.

• P: Nasci em salvador

• Q: Sou Baiano

Nesta estrutura vale destacar os termos suficiente e necessário Observe

que:

Se nasci em Salvador suficientemente sou Baiano ,

Agora, se sou Baiano necessariamente nasci em Salvador

Regra: O que esta a esquerda da seta é sempre condição suficiente e o que está à direita é sempre
condição necessária. ( p → q).

Tabela Verdade da estrutura condicional.

Condicional: p → q (Se… então)
P Q P→Q

V V V

V F F

F V V

F F V

Observe que a condicional só será falsa se a antecedente (lado esquerdo da seta) for verdadeiro e a
consequente (lado direito) da seta for falso.

Bicondicional: É a estrutura formada por duas condicionais… “ p se e somente se q”.

Observe que; Ex:

4 é maior que 2 se e somente se 2 for menor que 4 .

• P: 4 é maior que 2

• Q: 2 é menor que 4
Temos que a Bicondicional é equivalente á:

• P → Q (Se 4 é maior que 2, então 2 é menor que 4)

• Q → P( Se 2 é menor que 4, então 4 é maior que 2)

A Bicondicional expressa uma condição suficiente e necessária.

4 ser maior que 2 é condição suficiente e necessária para 2 ser menor do que 4.

Tabela Verdade
Bicondicional: p ↔ q ( p se e somente se q)
P Q P↔Q

V V V

V F F

F V F

F F V

A proposição resultante da bicondicional só será falsa se as proposições individuais possuírem

valoração diferente.

Negação: ¬p
P: O Brasil é um País pertencente a América do Sul.
¬P: O Brasil não é um País pertencente a América do Sul
Q: X é Par
¬Q: X não é par ( ou X é ímpar)

As tabelas verdades são apenas um meio de saber a valoração das proposições consideradas, não há
a necessidade de serem decoradas, uma vez que são fáceis de serem entendidas. Porém existem
pessoas que acham mais fácil decorá-las, enfim vai do pensamento de cada um.

Vejamos um exemplo da Conjunção “E”

Analisemos a sentença como uma promessa

“Irei a Argentina E irei ao Chile “

O que se espera dessa proposição (promessa)?

Que o indivíduo vá para a argentina e também para o Chile ( V e V= V) Promessa “V”álida Agora;

• Suponhamos que ele só vá a Argentina e não vá ai Chile ( V e F = F) Promessa “F”urada

• Suponhamos que ele não vá a Argentina e somente vai ao Chile ( F e V = F) Promessa descumprida,
“F”urada

• Suponhamos que ela não vá a Argentina nem ao Chile (F e F =F) Promessa “F”urada

• Vemos o que torna a proposição verdadeira no caso da conjunção é que ambas as partes sejam
“V”.

Negação De Proposições

Negação de uma Proposição Simples

O símbolo que representa a negação é uma pequena cantoneira (¬) ou um sinal de til (~), antecedendo
a frase. (Adotaremos o til);

Basta pôr a palavra não antes da sentença, e já a tornamos uma negativa.

Exemplos:
João é médico. Negativa: João não é médico.

Maria é estudante. Negativa: Maria não é estudante.

Reparemos que caso a sentença original já seja uma negativa (já traga a palavra não), então para
negar a negativa, teremos que excluir a palavra não. Assim:

João não é médico. Negativa: João é médico.

Maria não é estudante. Negativa: Maria é estudante.

Podem-se empregar, também, como equivalentes de “não A”, as seguintes expressões: Não é verdade
que A.

É falso que A.

Negação de uma Proposição Conjuntiva

Para negar uma proposição no formato de conjunção (p e q), faremos o seguinte:

1.Negaremos a primeira parte (~p); 2.Negaremos

a segunda parte (~q);

3.Trocaremos e por ou.

Exemplo: a questão dirá: “Não é verdade que João é médico e Pedro é dentista”, e pedirá que
encontremos, entre as opções de resposta, aquela frase que seja logicamente equivalente a esta
fornecida.

Solução:

1.Nega-se a primeira parte (~p) = João não é médico;

2.Nega-se a segunda parte (~q) = Pedro não é dentista;

3.Troca-se E por OU, e o resultado final será o seguinte:

JOÃO NÃO É MÉDICO OU PEDRO NÃO É DENTISTA.

Negação de uma Proposição Conjuntiva

Traduzindo para a linguagem da lógica, dizemos que:

~(p q) = ~p V ~q

Como fomos chegar à essa conclusão?

 ~(p q) ~p V ~q

F F

V V

V V

V V

Negação De Uma Proposição Disjuntiva

Para negar uma proposição no formato de disjunção (p ou q), faremos o seguinte: 1.Negaremos a
primeira parte (~p);

2.Negaremos a segunda parte (~q);

3.Trocaremos ou por e.

Exemplo: a questão dirá: “Não é verdade que Pedro é dentista ou Paulo é engenheiro”, e pedirá que
encontremos, entre as opções de resposta, aquela frase que seja logicamente equivalente a esta
fornecida.

Solução:

1.Nega-se a primeira parte (~p) = Pedro não é dentista;

2.Nega-se a segunda parte (~q) = Paulo não é engenheiro;

3.Troca-se OU por E, e o resultado final será o seguinte:

PEDRO NÃO É DENTISTA E PAULO NÃO É ENGENHEIRO.

Negação de uma Proposição Disjuntiva

Traduzindo para a linguagem da lógica, dizemos que:

~(p q)= ~p v ~q
Como fomos chegar à essa conclusão?
~(p q) ~p v ~q

F F

F F

F F

V V

Negação De Uma Proposição Condicional

Para negar uma proposição no formato condicional (p q), faremos o seguinte:

1.Mantém-se a primeira parte (p); E

2.Nega-se a segunda parte (~q).

Exemplo: Como fica a negativa de “se chover então levarei o guarda-chuva”.

Solução:

1.Mantém-se a primeira parte (p) = Chove;

2.Nega-se a segunda parte (~q) = Não levo o guarda-chuva; CHOVE

E NÃO LEVO O GUARDA-CHUVA.

Negação de uma Proposição Condicional

Traduzindo para a linguagem da lógica, dizemos que:

~(p→ q) = p ~q

Na sequência, apresento duas tabelas que trazem um resumo das relações vistas até o momento.
Vejamos:
Estrutura Lógica É verdade quando É falso quando

p q p e q são, ambos, verdade um dos dois for falso

pVq um dos dois for verdade p e q, ambos, são falsos

p→q Nos demais casos p é verdade e q é falso

p↔q p e q tiverem valores lógicos iguais p e q tiverem valores lógicos diferentes

~p p é falso p é verdade

Negativa das proposições compostas:

Negativa de (p e q) ~p ou ~q

Negativa de (p ou q) ~p e ~q

Negativa de (p → q) p e ~q

Negativa de (p↔q) [(p e ~q) ou (q e ~p)]

Lógica Proposicional:

Em lógica e matemática, uma lógica proposicional (ou cálculo sentencial) é um sistema formal no qual
as fórmulas representam proposições que podem ser formadas pela combinação de proposições
atômicas usando conectivos lógicos e um sistema de regras de derivação, que permite que certas
fórmulas sejam estabelecidas como “teoremas” do sistema formal.

A lógica proposicional estuda como raciocinar com afirmações que podem ser verdadeiras ou falsas,
ou ainda como construir a partir de um certo conjunto de hipóteses (proposições verdadeiras num
determinado contexto) uma demonstração de que uma determinada conclusão é verdadeira no mesmo
contexto. Assim, são fundamentais as noções de proposição, verdade, dedução e demonstração. A
lógica proposicional clássica é um dos exemplos mais simples de lógica formal. Esta lógica leva em
conta, somente, os valores de verdade verdadeiro e falso e a forma das proposições. O estudo
detalhado dessa lógica é importante porque ela contém quase todos os conceitos importantes
necessários para o estudo de lógicas mais complexas.

Proposição
Denomina-se proposição a toda frase declarativa, expressa em palavras ou símbolos, que exprima um
juízo ao qual se possa atribuir, dentro de certo contexto, somente um de dois valores lógicos possíveis:
verdadeiro ou falso.

São exemplos de proposições as seguintes sentenças declarativas:

A capital do Brasil é Brasília.

Existe um número ímpar menor que dois.

João foi ao cinema ou ao teatro.

Não são proposições:

1) frases interrogativas: “Qual é o seu nome?”

2) frases exclamativas: “Que linda é essa mulher!”

3) frases imperativas: “Estude mais.”

4) frases optativas: “Deus te acompanhe.”

5) frases sem verbo: “O caderno de Maria.”

6) sentenças abertas (o valor lógico da sentença depende do valor (do nome) atribuído a variável):

“x é maior que 2”; “x+y = 10”; “Z é a capital do Chile”.

Passaremos agora para o estudo dos princípios que regem as Proposições:

Princípio da Identidade: Uma proposição Verdadeira é Verdadeira, e uma proposição Falsa é Falsa

Princípio do Terceiro Excluído: Uma proposição ou é verdadeira ou falsa não existindo uma terceira
possibilidade.

Princípio da Não-Contradição: Uma proposição não pode ser verdadeira e falsa simultaneamente.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

LÓGICA DE ARGUMENTAÇÃO

Lógica De Argumentação

A mente humana é capaz de realizar as seguintes operações: a simples apreensão, os juízos e o

raciocínio. A simples apreensão refere-se a compreensão direta de uma situação formando um conceito
que por fim passa a ter uma denominação. O juízo aborda ideias relacionadas ou separadas que fazem
surgir um julgamento da realidade. Já o raciocínio faz parte de uma situação que envolve juízos e
proposições no intuito de chegar em conclusões adequadas.

Analogias

Analogia (ou raciocínio por semelhança) é uma indução parcial ou imperfeita, na qual passamos de um
ou de alguns fatos singulares não a uma conclusão universal, mas a uma outra enunciação singular ou
particular, inferida em virtude da comparação entre objetos que, embora diferentes, apresentam pontos
de semelhança:

Paulo sarou de suas dores de cabeça com este remédio.

Logo, João há de sarar de suas dores de cabeça com este mesmo remédio.

É claro que o raciocínio por semelhança fornece apenas uma probabilidade, não uma certeza. Mas
desempenha papel importante na descoberta ou na invenção.

Grande parte de nossas conclusões diárias baseia-se na analogia. Se lermos um bom livro de
Graciliano Ramos, provavelmente compraremos outro do mesmo autor, na suposição de que deverá
ser bom também. Se formos bem atendidos numa loja, voltaremos da próxima vez, na expectativa de
tratamento semelhante. Da mesma forma, se formos mal atendidos, evitaremos retornar.
Quando as explicações de um determinado fato nos parecem complexas, costumamos recorrer a
comparações, que na verdade são analogias: “Quem não está habituado a ler, sofre como nadador
iniciante, engole água e perde o fôlego”. Do mesmo modo, o texto literário é enriquecido pela metáfora,
que é uma forma de estabelecer semelhança: “Amor é fogo que arde sem se ver” (Camões).

Também a ciência se vale das analogias. O médico britânico Alexander Fleming estava cultivando
colônias de bactérias e observou que elas morriam em torno de uma mancha de bolor que tinha sido
formada casualmente. Investigando o novo fato, reconheceu os fungos do gênero Penicillium. Por
analogia, supôs que, se o bolor destruia as bactérias na cultura in vitro, poderia ser usado como
medicamento para curar doenças em organismos ou seres mais complexos.

As analogias podem ser fracas ou fortes, dependendo da relevância das semelhanças estabelecidas
entre objetos diferentes. Embora os homens sejam muito diferentes dos ratos, nas experiências
biológicas podem ser feitas comparações de natureza fisiológica que tornam a analogia adequada e
fecunda. Assim, se o biólogo constatar determinados efeitos de uma droga ministrada em ratos, é
possível sustentar que os efeitos provocados nos homens sejam semelhantes.

Inferência:

Inferência é a ação e o efeito de inferir (deduzir algo, tirar uma conclusão de outra coisa, conduzir a um
resultado). A inferência surge a partir de uma avaliação mental entre distintas expressões que, ao
serem relacionadas como abstrações, permitem traçar uma implicação lógica.

Ao partirmos de hipóteses ou argumentos, é possível inferirmos uma conclusão (podendo ser

verdadeira ou falsa). Por exemplo: “Ainda não recebi a confirmação oficial por parte da empresa, aquilo
que te digo é apenas uma inferência minha”, “Cada vez que joga a seleção, a Mariana falta ao trabalho:
a minha inferência é que, amanhã, vamos estar sozinhos no escritório”, “Não nos podemos guiar por
inferências. Temos, sim, de aguardar que os factos sejam confirmados antes de tomarmos uma
decisão”.

O silogismo é uma forma essencial de inferência. Trata-se de uma forma de raciocínio dedutivo formada
por duas proposições (premissas) e uma conclusão. Esta conclusão é a inferência que se deduz
necessariamente das duas premissas.

A veracidade da conclusão dependerá das regras que regulam a relação entre as premissas
comparadas. A garantia de verdade do novo juízo é a lógica, que deverá estabelecer distintas
classificações das premissas.

Nem todas as inferências oferecem conclusões verdadeiras. É possível afirmar que todos os cães
são animais peludos de quatro patas, mas não se pode inferir que todos os animais peludos que
tenham quatro patas sejam cães.

As inferências costumam produzir-se a partir de uma análise de características e de probabilidades.

Se alguém fizer referencia a um animal de quatro patas, peludo e que abana a cauda, pode-se inferir
que o mais certo é que se esteja a referir a um cão.

Deduções E Conclusões

O Raciocínio chega de uma premissa a uma conclusão, passando por várias outras premissas
intermediárias. Nesse sentido, podemos dizer que o raciocínio é um conhecimento mediato ou indireto,
isto é, intermediado por vários outros. Assim, é o contrário da intuição, que é o conhecimento imediato.

Raciocinamos ou argumentamos, portanto, quando colocamos premissas que contenham evidências

em uma ordem tal que, necessariamente, nos levam a uma conclusão.

Existem dois processos que segundo os quais organizamos nossos raciocínios: a dedução e a indução.

INDUÇÃO: raciocínio em que, de fatos particulares, se chega a uma conclusão geral (vai de uma parte
ao todo).
DEDUÇÃO: raciocínio que parte do geral para o particular (vai do todo a uma parte).

Imagine que, visitando um país estrangeiro, você conhece uma loja de “frifas” (sem saber o que isso
significa), e percebe que ela vende bonecas. No dia seguinte, ao ver uma outra loja de “frifas”, você
poderá INDUZIR que ela também vende bonecas.

Se você fizer uma pesquisa em TODAS as lojas de “frifas” existentes e descobrir que TODAS vendem
bonecas, sempre que encontrar qualquer uma dessas lojas, você poderá DEDUZIR que ela também
vende bonecas.

A INDUÇÃO é o raciocínio próprio dos investigadores (quando faltam pistas de um crime) e cientistas
(quando faltam dados concretos sobre uma pesquisa). O cobre é condutor de eletricidade, assim como
a prata, o ouro, o ferro, o zinco e outros metais, Logo, todo metal é condutor de eletricidade.

A DEDUÇÃO é uma forma mais segura de raciocínio, porque é baseada em dados mais abrangentes
e já aceitos.

Todo metal é dilatado pelo calor. (Premissa maior)

Ora, a prata é um metal. (Premissa menor)

Logo, a prata é dilatada pelo calor. (Conclusão)

Todo brasileiro é sul-americano. (Premissa maior)

Ora, todo paulista é brasileiro. (Premissa menor)

Logo, todo paulista é sul-americano. (Conclusão)

_________________________________________________________________________________

Lógica Proposicional

Álgebra das proposições, também conhecida por lógica proposicional é um tema muito cobrado
especialmente em concursos públicos e também em algum curso de graduação, mais precisamente
de engenharia e computação. Mas afinal, o que nos remete o estudo da Álgebra das proposições?

Assim como na matemática básica estudamos operações algébricas com números reais e complexos,
na álgebra das proposições estudaremos operações envolvendo proposições.

O que é uma Proposição?

Proposição: É uma sentença declarativa, seja ela expressa de forma afirmativa ou negativa, na qual
podemos atribuir um valor lógico “V” (verdadeiro) ou “F” (falso). Uma proposição também pode ser
expressa por símbolos. Vejamos alguns exemplos:

Brasília é a capital do Brasil – É uma sentença declarativa expressa de forma afirmativa. Podemos
atribuir um valor lógico, como a sentença é verdadeira seu valor lógico é “V”.

A argentina não é um país pertencente ao continente Africano – É uma sentença declarativa expressa
na forma negativa. Podemos atribuir um valor lógico, como a sentença é verdadeira, seu valor lógico
é “V”.

Todos os homens são mortais – É uma sentença declarativa expressa na forma afirmativa. Podemos
atribuir um valor lógico, como a sentença é verdadeira, seu valor lógico é “V”

10 é um número par positivo – É uma sentença declarativa expressa na forma afirmativa. Podemos
atribuir um valor lógico, como a sentença é verdadeira, seu valor lógico é “V”

7+5 = 10 – É uma sentença declarativa expressa na forma afirmativa. Podemos atribuir um valor lógico,
como a sentença é falsa, seu valor lógico é “F”.
x -2=5 – Não é uma proposição, pois não sabemos o valor da variável “x”, ou melhor, não podemos
atribuir um valor lógico “V” ou “F”. Porém para “torná-la” proposição bastaremos usar os chamados
quantificadores.

Vejamos;

Para todo x, x pertencente aos Z (números inteiros) , x-2=5. É uma proposição pois agora podemos
atribuir-lhe um valor lógico, porém sabemos ser falsa uma vez que apenas o número “7” torna a
sentença verdadeira.

Agora que sabemos o que são proposições, automaticamente as sentenças que não são proposições
são;

• Sentenças Interrogativas: Ex; “Como você se chama”?

• Sentenças Imperativas: Ex;” venha aqui rápido.”

• Sentenças Exclamativas: Ex; “Opa!”

• Poemas

• Sentenças abertas: Como já fora dito; Ex;” x <7”

Passaremos agora para o estudo dos princípios que regem as Proposições:

1. Princípio da Identidade: Uma proposição Verdadeira é Verdadeira, e uma proposição Falsa é

Falsa

2. Princípio do Terceiro Excluído: Uma proposição ou é verdadeira ou falsa não existindo uma
terceira possibilidade.

3. Princípio da Não-Contradição: Uma proposição não pode ser verdadeira e falsa

simultaneamente.

Representação das proposições: As proposições são representadas por letras minúsculas. Geralmente
“p”, “q”, “r” e “s”.

Vejamos: “Brasília é a capital do Brasil”, pode ser representada por “q”, e seu valor lógico por; Val(q)=
V

Em lógica e matemática, uma lógica proposicional (ou cálculo sentencial) é um sistema formal no qual
as fórmulas representam proposições que podem ser formadas pela combinação de proposições
atômicas usando conectivos lógicos e um sistema de regras de derivação, que permite que certas
fórmulas sejam estabelecidas como "teoremas" do sistema formal.

Em termos gerais, um cálculo é frequentemente apresentado como um sistema formal que consiste
em um conjunto de expressões sintáticas (fórmulas bem formadas, ou fbfs), um subconjunto distinto
dessas expressões, e um conjunto de regras formais que define uma relação binária específica, que
se pretende interpretar como a noção de equivalência lógica, no espaço das expressões.

Quando o sistema formal tem o propósito de ser um sistema lógico, as expressões devem ser
interpretadas como asserções matemáticas, e as regras, conhecidas como regras de inferência,
normalmente são preservadoras da verdade. Nessa configuração, as regras (que podem incluir
axiomas) podem então ser usadas para derivar "inferir" fórmulas representando asserções verdadeiras.

O conjunto de axiomas pode ser vazio, um conjunto finito não vazio, um conjunto finito enumerável, ou
pode ser dado por axiomas esquemáticos. Uma gramática formal define recursivamente as expressões
e fórmulas bem formadas (fbfs) da linguagem. Além disso, pode se apresentar uma semântica para
definir verdade e valorações (ou interpretações).

A linguagem de um cálculo proposicional consiste em:

1. um conjunto de símbolos primitivos, definidos como fórmulas atômicas, proposições atômicas, ou
variáveis, e

2. um conjunto de operadores, interpretados como operadores lógicos ou conectivos lógicos.

Uma fórmula bem formada (fbf) é qualquer fórmula atômica ou qualquer fórmula que pode ser
construída a partir de fórmulas atômicas, usando conectivos de acordo com as regras da gramática.

O que segue define um cálculo proposicional padrão. Existem muitas formulações diferentes as quais
são todas mais ou menos equivalentes, mas que diferem nos detalhes:

1. de sua linguagem, que é a coleção particular de símbolos primitivos e operadores,

2. do conjunto de axiomas, ou fórmulas distinguidas, e

3. do conjunto de regras de inferência.

Os conjuntos numéricos reúnem diversos conjuntos cujos elementos são números. Eles são formados
pelos números naturais, inteiros, racionais, irracionais e reais.

Confira abaixo as características de cada um deles tais como conceito, símbolo e subconjuntos.

Conjunto dos Números Naturais (N)

Os números naturais são representados por N. Eles reúnem os números inteiros (incluindo o zero) e
são infinitos.

Subconjuntos dos Números Naturais

• N* = {1, 2, 3, 4, 5..., n, ...} ou N* = N – {0}: conjuntos dos números naturais não-nulos, ou seja, sem o
zero.

• Np = {0, 2, 4, 6, 8..., 2n, ...}, em que n ∈ N: conjunto dos números naturais pares.

• Ni = {1, 3, 5, 7, 9..., 2n+1, ...}, em que n ∈ N: conjunto dos números naturais ímpares.

• P = {2, 3, 5, 7, 11, 13, ...}: conjunto dos números naturais primos.

Conjunto dos Números Inteiros (Z)

Os números inteiros são representados por Z. Reúnem todos os elementos dos números naturais (N)
e seus opostos. Assim, conclui-se que N é um subconjunto de Z (N ⊂ Z):

Subconjuntos dos Números Inteiros

• Z* = {..., –4, –3, –2, –1, 1, 2, 3, 4, ...} ou Z* = Z – {0}: conjuntos dos números naturais não-nulos, ou
seja, sem o zero.

• Z+ = {0, 1, 2, 3, 4, 5, ...}: conjunto dos números inteiros e não-negativos. Note que Z+ = N.

• Z*+ = {1, 2, 3, 4, 5, ...}: conjunto dos números inteiros positivos e sem o zero.

• Z – = {..., –5, –4, –3, –2, –1, 0}: conjunto dos números inteiros não-positivos.

• Z*– = {..., –5, –4, –3, –2, –1}: conjunto dos números inteiros negativos e sem o zero.
Conjunto dos Números Racionais (Q)

Os números racionais são representados por Q. Reúnem os números fracionários representados pelo
conjunto das frações p/q sendo p e q números inteiros e q≠0.

Q = {0, ±1, ±1/2, ±1/3, ..., ±2, ±2/3, ±2/5, ..., ±3, ±3/2, ±3/4, ...}

Note que todo número inteiro é também número racional. Assim, Z é um subconjunto de Q.
Subconjuntos dos Números Racionais

• Q* = subconjunto dos números racionais não-nulos, formado pelos números racionais sem o zero.

• Q+ = subconjunto dos números racionais não-negativos, formado pelos números racionais positivos
e o zero.

• Q*+ = subconjunto dos números racionais positivos, formado pelos números racionais positivos, sem
o zero.

• Q– = subconjunto dos números racionais não-positivos, formado pelos números racionais negativos
e o zero.

• Q*– = subconjunto dos números racionais negativos, formado números racionais negativos, sem o
zero.

Conjunto dos Números Irracionais (I)

Os números irracionais são representados por I. Reúnem os números decimais não exatos com uma
representação infinita e não periódica, por exemplo: 3,141592 ou 1,203040.

Importante ressaltar que as dízimas periódicas são números racionais e não irracionais. Elas são
números decimais e que se repetem após a vírgula, por exemplo: 1,3333333.

Conjunto dos Números Reais (R)

Os números reais são representados por R. Esse conjunto é formado pelos números racionais (R) e
irracionais (I). Assim, temos que R = Q ∪ I. Além disso, N, Z, Q e I são subconjuntos de R.

Mas, observe que se um número real é racional, ele não pode ser também irracional. Da mesma
maneira, se ele é irracional, não é racional.

Subconjuntos dos Números Reais

• R*= {x R│x ≠ 0}: conjunto dos números reais não-nulos.

• R+ = {x R│x ≥ 0}: conjunto dos números reais não-negativos.

• R*+ = {x R│x > 0}: conjunto dos números reais positivos.

• R– = {x R│x ≤ 0}: conjunto dos números reais não-positivos.

• R*– = {x R│x < 0}: conjunto dos números reais negativos.

Intervalos Numéricos

Há ainda um subconjunto relacionado com os números reais que são chamados de intervalos.
Sejam a e b números reais e a < b, temos os seguintes intervalos reais: Intervalo aberto de
extremos: ]a,b[ = {x R│a < x < b}

Intervalo fechado de extremos: [a,b] = {x R│a ≤ x ≤ b}

Intervalo aberto à direta (ou fechado à esquerda) de extremos: [a,b[ = {x R│a ≤ x < b}
Intervalo aberto à esquerda (ou fechado à direita) de extremos: ]a,b] = {x R│a < x ≤ b}

Propriedades dos Conjuntos Numéricos

Diagrama dos conjuntos numéricos

Para facilitar os estudos sobre os conjuntos numéricos, segue abaixo algumas de suas propriedades:
O conjunto dos números naturais (N) é um subconjunto dos números inteiros: Z (N Z).

• O conjunto dos números inteiros (Z) é um subconjunto dos números racionais: (Z Q).

• O conjunto dos números racionais (Q) é um subconjunto dos números reais (R).

• Os conjuntos dos números naturais (N), inteiros (Z), racionais (Q) e irracionais (I) são subconjuntos
dos números reais (R).

Relação E Função

Par ordenado

É um par de elementos (x ; y) onde a ordem é importante, de modo que o par ordenado (x ; y) é

considerado diferente do par ordenado (y ; x).

Plano Cartesiano

Sobre um plano, podemos adotar dois eixos perpendiculares OX e OY, de origem comum O, de modo
que a cada ponto do plano podemos associar um par ordenado de números reais. Por exemplo, na
figura abaixo, o ponto P pode ser representado pelo par ordenado (3; 15) onde 3 é a abscissa e 15 é
a ordenada do ponto:

Relação
Dados dois conjuntos A e B, uma relação de A em B é um conjunto de pares ordenados (x ; y) onde x
A e y B.

Exemplo

Considerando os conjuntos A e B abaixo podemos considerar as seguintes relações de A em B:

R1 = { (1 ; 7) ; (2 ; 5) ; (2 ; 7) ; (3 ; 6)}

R2 = { (2 ; 7) ; (2 ; 8) ; (3 ; 5)}

Uma relação pode ser representada por um diagrama de flechas. Para as relações de exemplo acima
podemos fazer os seguintes diagramas:

As flechas unem o primeiro ao segundo elemento de cada par ordenado.

O segundo elemento do par ordenado é chamado de imagem do primeiro. Assim, em relação ao par
ordenado (1; 7), pertencente à relação R1, dizemos que 7 é imagem de 1.

Função

Uma relação f de A em B é chamada de função de A em B se, e somente se forem satisfeitas as

condições:

1ª) Todos os elementos de A possuem imagem;

2ª) Cada elemento de A tem uma única imagem.

Exemplos

Consideremos as relações f, g e h representadas pelos diagramas de flechas:

A relação de f não é função pois o número 1 (pertencente a A) não possui imagem.

A relação g não é função pois o elemento a possui duas imagens: 4 e 8.

A relação h é uma função de A em B pois cada elemento de A possui uma única imagem. Observe que
no conjunto B pode haver elementos que não são imagens (17 e 20). Observe também que podemos
ter dois elementos com a mesma imagem (9 e 11).
Domínio e Conjunto Imagem

Dada uma função de A em B, o conjunto A é chamado domínio (D(f)) da função. O conjunto de todas
imagens é chamado conjunto imagem (I(f)) da função. Por exemplo, para a função f esquematizada a
seguir temos:

A = D(f) = domínio de f = {1; 2; 3}

I(f) = conjunto imagem de f = {7; 8}

Função Polinomial

As funções polinomiais são definidas por expressões polinomiais. Elas são representadas pela
expressão:

f(x) = an . xn + an – 1 . xn – 1 + ...+a2 . x2 + a1 . x + a0 onde,

n: número inteiro positivo ou nulo x:

variável

a0, a1, ....an – 1, an: coeficientes an . xn,

an – 1 . xn – 1, ... a1 . x , a0: termos

Cada função polinomial associa-se a um único polinômio, sendo assim chamamos as funções
polinomiais também de polinômios.

Valor Numérico de um Polinômio

Para encontrar o valor numérico de um polinômio, substituímos um valor numérico na variável x.

Exemplo

Qual o valor numérico de p(x) = 2x3 + x2 - 5x - 4 para x = 3?

Substituindo o valor na variável x temos:

2 . 33 + 32 - 5 . 3 - 4 = 54 + 9 - 15 - 4 = 44

Grau dos Polinômios

Dependendo do expoente mais elevado que apresentam em relação à variável, os polinômios são
classificados em:

• Função polinomial de grau 1: f(x) = x + 6

• Função polinomial de grau 2: g(x) = 2x2 + x - 2

• Função polinomial de grau 3: h(x) = 5x3 + 10x2 - 6x + 15

• Função polinomial de grau 4: p(x) = 20x4 - 15x3+ 5x2 + x - 10

• Função polinomial de grau 5: q(x) = 25x5 + 12x4 - 9x3 + 5x2 + x - 1

Obs: o polinômio nulo é aquele que possui todos os coeficientes iguais a zero. Quando isso ocorre, o
grau do polinômio não é definido.

Gráficos da Função Polinomial

Podemos associar um gráfico a uma função polinomial, atribuindo valores a x na expressão p(x).

Desta forma, encontraremos os pares ordenados (x,y), que serão pontos pertencentes ao gráfico.

Ligando esses pontos teremos o esboço do gráfico da função polinomial.

Veja alguns exemplos de gráficos:

Função polinomial de grau 1

Função polinomial de grau 2

Função polinomial de grau 3

Igualdade de Polinômios
Dois polinômios são iguais se os coeficientes dos termos de mesmo grau são todos iguais.

Exemplo

Determine o valor de a, b, c e d para que os polinômios p(x) = ax 4 + 7x3 + (b + 10)x2 - c e h(x) = (d +

4)x3 + 3bx2 + 8.

Para os polinômios serem iguais é necessário que os coeficientes correspondentes sejam iguais.

Então,

a = 0 (o polinômio h(x) não tem o termo x4, sendo assim seu valor é igual a zero) b
+ 10 = 3b → 2b = 10 → b = 5
-c=8→c=-8

d+4=7→d=7-4→d=3

Operações com Polinômios

Confira abaixo exemplos das operações entre polinômios:

Adição

(- 7x3 + 5x2 - x + 4) + (- 2x2 + 8x -7)

- 7x3 + 5x2 - 2x2 - x + 8x + 4 - 7
- 7x3 + 3x2 + 7x -3

Subtração

(4x2 - 5x + 6) - (3x - 8)
4x2 - 5x + 6 - 3x + 8
4x2 - 8x + 14

Multiplicação

(3x2 - 5x + 8) . (- 2x + 1)
- 6x3 + 3x2 + 10x2 - 5x - 16x + 8
- 6x3 + 13x2 - 21x + 8

Divisão

Obs: Na divisão de polinômios utilizamos o método chave. Primeiramente realizamos a divisão entre
os coeficientes numéricos e depois a divisão de potências de mesma base. Para isso, conserva-se a
base e subtraia os expoentes.

A divisão é formada por: dividendo, divisor, quociente e resto. divisor.

quociente + resto = dividendo.

Função Exponencial
Função Exponencial é aquela que a variável está no expoente e cuja base é sempre maior do que zero
e diferente de um. Ou seja, a base nunca terá valor negativo, nem iguais a zero ou um.

Isso porque 1 elevado a qualquer número resulta em 1. Assim, em vez de exponencial, estaríamos
diante de uma função constante.

Exemplos:

f(x) = 4x f(x)
= (0,1)x f(x)
= (⅔)x

Nos exemplos acima 4, 0,1 e ⅔ são as bases, enquanto x é o expoente.

Gráfico

Para entender melhor, vamos construir um gráfico que representa a função exponencial localizando os
seus respectivos valores:

x y = 2x Gráfico

2 y = 22 = 4 1

x y = 2x Gráfico

-2 y = 2-2 = (1/2)-2 = 1/4 2

0 y = 20 = 2 3

Função Crescente ou Decrescente

A função exponencial pode ser classificada em função crescente ou função decrescente.

Na representação gráfica da função, as bases cujos valores são maiores do que 1 assumem o sentido
crescente.
Gráfico representativo da função exponencial em sentido crescente

Por sua vez, as bases cujos valores são menores do que 1 assumem o sentido decrescente.

Gráfico representativo da função exponencial em sentido decrescente

A função exponencial relaciona-se com a função logarítmica na medida em que uma corresponde ao
inverso da outra.

Função Logarítmica

As funções na forma f(x) = logax são consideradas logarítmicas, com a > 0 e a ≠ 1, sendo f : R*+ → R.
Exemplos:

f(x) = log2x f(x)

= log5(x – 2) f(x)
= log(a – 2)4
f(x) = log0,5x

O gráfico da função logarítmica é determinado de acordo com as seguintes condições:

Crescente: base maior que 1.

Decrescente: base maior que zero e menor que 1.

Função crescente
Função decrescente

As funções logarítmicas envolvem em sua resolução, propriedades destinadas ao estudo dos

logaritmos. Portanto, o seu desenvolvimento depende do conhecimento prévio dessas propriedades.

Na equação: Q = Q0 * e– r * t, Q representa a massa final da substância, Q0, a massa inicial, r, a taxa de

variação e t, o tempo em anos. Note que nessa equação, a massa final está em função do tempo
t. Com base nessa equação, vamos determinar em quantos anos 50 g de uma substância se reduz a
5 g, obedecendo a uma taxa de variação de 8% ao ano.

O tempo para que ocorra a redução é de aproximadamente 28 anos e 9 meses.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Proposições Simples e Compostas

Uma das ciências mais complexas para se estudar é a questão da lógica matemática. E os principais
motivos disso pouco têm a ver com as questões práticas do raciocínio lógico estimulado pela
matemática, mas sim pela ampla extensão que o campo das probabilidades pode oferecer a alguém.
Na prática, a lógica matemática tenta utilizar vários pontos simples para chegar a raciocínios mais
complexos e subjetivos. Não por menos, alguns dos grandes filósofos da história eram, na verdade,
matemáticos, e aplicavam os conceitos da lógica matemática para chegar a teoremas refinados a
respeito da vida, dos humanos e de seu papel frente ao universo.

Mas é claro que o caminho da lógica matemática não é algo que podemos tentar pular degraus. A
verdade é que ela é uma ciência que podemos entender de maneira mais clara, se começarmos por
seus princípios básicos.

E é justamente isso que faremos agora. Analisaremos a lógica matemática entendendo como
funcionam as proposições simples, que servirão de introdução a essa ciência e então nos dará
subsídios para compreensão de dados mais complexos, como as proposições compostas e as
proposições de negação. A partir deste conteúdo, ficará muito mais fácil entender as principais
questões da lógica matemática e sua influência nos estudos matemáticos mais variados como
probabilidade, aritmética e trigonometria.

Proposições Simples

Existe outro ponto importante: a lógica matemática não se encaixa exclusivamente no âmbito
matemático, ou seja, pode ser enquadrado e interpretado sob várias outras óticas. Tal ponto é
importante, principalmente quando estamos analisando as proposições simples, pois na maioria dos
casos, elas não se aplicam à lógicas numéricas, mas sim a questões pessoais.

As proposições simples são as afirmações menos complexas, frases diretas que exprimem em si um
pensamento completo, utilizando então um único tempo verbal, um indivíduo e uma ação. Veja alguns
exemplos:

Wagner foi um músico

Wagner nasceu na alemanha

Wagner não conheceu beethoven

Como é possível perceber, estas são afirmações simples servem basicamente para exprimir um fato.
Na maioria das vezes, podemos responder tais afirmações com sim ou não, pois na maioria das vezes
elas podem ser ou não verdadeiras.

Assim, as proposições simples são o início de qualquer raciocínio mais complexo que vá surgir. No
campo matemático, por exemplo, encaramos proposições simples as contas básicas e que podemos
responder de cabeça:

1+1=2

5-4=1

10+10=20

E a partir destas ideias, fica muito mais fácil identificar situações mais complexas, como as proposições
compostas, que será nosso próximo tópico.

As proposições compostas – entrando no mundo das probabilidades

Continuando com a lógica das afirmações, exploramos o conteúdo das proposições simples, mas
adicionando mais do que uma só em uma mesma sentença. Com isso, criamos as proposições
compostas. Tais proposições podem ser entendidas como aquelas que são ou não algum ponto
específico, ou seja, não podem ser respondidas com um simples sim ou não, já que começa a incluir
novas possibilidades em seu quadro. O tempo verbal continua sendo simples, mas as ações podem
ser diferentes, com cunho comparativo, de definição ou de explicação. Alguns exemplos de
proposições complexas são:

João é menino, maria, menina;

Essa chuva acabará em breve, ou no máximo à noitinha;

O culpado pelo acidente foi joão, ou antônio, ou pedro, ou carlos;

Ou seja, estamos identificando as proposições complexas como sendo uma do tipo que tem duas ou
mais opções de respostas. Quanto maior o número de possibilidades, menor a probabilidade de uma
delas estar correta. Na matemática, exemplos de proposição correta são:

25+24 é igual a 50 ou 49

45 + 55 ou 45 + 50 é igual a 100?

Ou seja, entendemos que agora estamos entrando em um universo onde há mais do que a
probabilidade de uma só resposta. Entendendo as proposições simples e complexas, podemos entrar
então na operação de negação.

Proposição de negação – tudo aquilo que não é e que devemos considerar

Voltando às proposições simples, percebemos que elas são identificadas de forma a poder responder
com sim ou não. Mas pense da seguinte forma: quando você sabe de uma afirmação, é fácil identificá-
la como verdadeiro ou falso. Mas e no caso das situações que você não sabe a verdadeira resposta?
Pois nestes casos, é necessário descobrir o que não é para descobrir o que é. Por exemplo:

Ronaldo é o maior artilheiro das copas.

Para descobrir se tal afirmação é verdadeira, precisamos analisar outras informações, por exemplo:

Ronaldo tem 15 gols em copas.

O artilheiro das copas tem 16 gols.

Miroslav klose tem 16 gols em copas

Depois disso, entendendo que a proposição simples que demos anteriormente estava incorreta. Com
isso, entendemos que, para chegar a alguns resultados, é preciso negar outros resultados possíveis.
Com essa lógica, em alguns casos negamos um resultado para chegar a outro, como acontece com
certa frequência, por exemplo, em provas de múltipla escolha, quando identificamos as questões falsas
antes de identificar a verdadeira.

Porposições Simples E Compostas

5. Proposições simples e compostas

As proposições simples ou atômicas são assim caracterizadas por apresentarem apenas uma idéia.
São indicadas pelas letras minúsculas: p, q, r, s, t…

As proposições compostas ou moleculares são assim caracterizadas por apresentarem mais de uma
proposição conectadas pelos conectivos lógicos. São indicadas pelas letras maiúsculas: p, q, r, s, t…

Obs: a notação q(r, s, t), por exemplo, está indicando que a proposição composta q é formada pelas
proposições simples r, s e t.

Exemplo:

Proposições simples:

P: o número 24 é múltiplo de 3.
Q: brasília é a capital do brasil.
R: 8 + 1 = 3. 3 s: o
número 7 é ímpar t: o
número 17 é primo

Proposições Compostas

P: o número 24 é divisível por 3 e 12 é o dobro de 24.

Q: a raiz quadrada de 16 é 4 e 24 é múltiplo de 3.
R(s, t): o número 7 é ímpar e o número 17 é primo.

As proposições lógicas podem ser classificadas em dois tipos:

Proposição simples - são representadas de forma única. Ex: o cachorro é um mamífero

Proposição composta - são formadas por um conjunto de proposições simples, ( duas ou mais
proposições simples ligadas por “conectivos lógicos”).

Ex: brasília é a capital do brasil ou lima é a capital do peru.

Podemos ver que atribuir um valor lógico para uma proposição simples é fácil, mas e para uma
proposição composta como faremos isso?

Utilizaremos um recurso chamado de tabelas verdade.

As tabelas verdade são usadas para representar todos os valores lógicos possíveis de uma proposição.
Voltemos ao exemplo anterior.

Brasília é a capital do brasil”, pode ser representada por “p”. Representando –a na tabela verdade,
temos:

Sabendo que uma tabela verdade é a representação de todas as possibilidades lógicas de uma
proposição, agora vamos estudar os conectivos lógicos que ligam as proposições compostas para sim
podermos analisar os valores lógicos de uma proposição composta.

proposições simples – a base do raciocínio lógico

Neste artigo, falaremos sobre as proposições simples, que são a base do raciocínio lógico.

Hoje vamos debater um pouco sobre o principal objeto de estudo da lógica: as proposições simples.
Além de ser um assunto bastante cobrado em provas de concursos, este conceito é o alicerce de todos
os assuntos futuros da lógica proposicional.

Contraditoriamente, uma difícil tarefa na matemática é a definição de conceitos simples.

Os matemáticos são muito precisos e meticulosos e, consequentemente, são bastante cuidadosos na

escolha das palavras usadas para definir seus objetos.

Não há um consenso geral em relação à definição das proposições simples.

Os mais diversos livros da área utilizam “diferentes” definições. Depois de anos em contato com livros
e provas de concursos, cheguei à seguinte definição, que engloba o entendimento comum entre a
maioria dos livros e bancas organizadoras de concursos:
“chama-se proposição toda oração declarativa que pode ser valorada em verdadeira ou falsa, mas não
as duas”.

Veja que na definição acima não fizemos distinção entre proposição simples e proposição composta.

As proposições simples são aquelas que declaram algo sem o uso de conectivos, que são: “e”
(conjunção), “ou” (disjunção inclusiva), “ou…, ou…” (disjunção exclusiva), “se…, então…” (condicional)
e “… se e somente se…” (bicondicional).

Quando conectamos duas ou mais proposições simples, formamos uma proposição composta.

É por essa razão que as proposições simples também são chamadas de proposições atômicas e as
proposições compostas são chamadas de proposições moleculares.

Outra forma de identificar as proposições simples é a partir da quantidade de verbos principais.

Tomemos como exemplo uma questão do cespe.

(cespe 2016/inss)

Com relação a lógica proposicional, julgue o item subsequente.

Na lógica proposicional, a oração “antônio fuma 10 cigarros por dia, logo a probabilidade de ele sofrer
um infarto é três vezes maior que a de pedro, que é não fumante” representa uma proposição
composta.

Resolução

Observe que há dois verbos principais: “fuma” e “é”. Assim, há duas proposições simples envolvidas,
a saber:

P: antônio fuma 10 cigarros por dia.

Q: a probabilidade de ele sofrer um infarto é três vezes maior que a de pedro, que não é fumante.

Observe ainda que a expressão “que não é fumante” é apenas uma oração subordinada explicativa,
ou seja, é uma oração que qualifica pedro.

Como há duas proposições simples conectadas através de um conectivo condicional (“logo” = “se…,
então…”), então a proposição dada é composta.

Gabarito: certo.

De uma maneira geral, a oração principal é aquela que traz a informação principal que está sendo
afirmada.

Exemplo: paulo comprou uma máquina que não funciona.

Aqui há apenas uma informação principal: a de que paulo comprou uma máquina.

O trecho “que não funciona”, apesar de conter um verbo, é apenas uma qualificação do objeto direto
“máquina”.

O trecho “que não funciona” não tem existência própria, pois é uma oração subordinada à principal.

Assim, nesse exemplo, temos uma proposição simples, apesar de a frase conter dois verbos (apenas
um deles é principal).

Verbos implícitos e proposições simples

É sempre importante ver o contexto, porque muitas vezes há dois verbos principais, mas um deles
pode estar implícito.
Exemplo: guilherme comprou pão e leite.

A ideia é “guilherme comprou pão e guilherme comprou leite”.

Nesse exemplo há, portanto, duas proposições simples e a proposição como um todo é composta.

O cespe costumava classificar como proposições simples as frases como a do exemplo acima.

Proposições simples

Podemos dizer que são aquelas que sempre vêm sozinhas e que normalmente são representadas por
algumas das letras latinas minúsculas, como por exemplo a letra p, q, r...

Alguns exemplos de proposições simples:

Maria é casada.

Eu tenho 5 dedos nas mãos.

Na proposição simples as informações são menos complexas, servem mais para exprimir um fato e
normalmente utilizam um único tempo verbal juntamente com um único indivíduo, uma única ação.
Quase sempre poderemos responder essas afirmações com simples sim ou não.

Proposições Simples no Campo Matemático

Tais afirmações que estamos falando, as proposições simples quando avaliamos no campo
matemático, dizemos que as proposições simples podem ser relacionadas como as operações básicas
que praticamente fazemos automaticamente na nossa cabeça como por exemplo:

2+ 1= 3 5-5=0 2x2= 4

Proposições compostas:

Na proposição composta continuamos seguindo o caminho da proposição simples só que agora

adicionando mais de uma informação ou afirmação na frase, na mesma sentença.

Assim sendo temos as proposições compostas e podemos também dizer que elas não poderiam ser
respondidas com apenas um sim ou não pois começam a surgir novas probabilidades, novas opções
em torno da frase afirmativa., as proposições compostas normalmente podem ser representadas por
letras maiúsculas como p, q, r...

O tempo verbal ainda é simples e normalmente único mas as ações não, sempre na proposição
composta as ações podem ser diferentes, as vezes com tipo comparativo de explicação ou então
definição, temos abaixo alguns exemplos de proposições compostas:

Pedro é homem, joana, mulher.

O frio passará logo, no máximo amanhã.

Dizem que o culpado de tudo aquilo foi pedro, ou augusto, ou andré.

Então entendemos que as proposições compostas são aquelas que podemos dizer teriam duas ou
mais probabilidades ou opções de respostas e matematicamente falando quanto maiores forem as
quantidades de possibilidades menor será a chance de alguma delas estar correta.

Proposições Compostas No Campo Matemático

Falando no ponto de vista do campo matemático, as proposições compostas seriam operações um

pouco mais complexas onde teríamos mais de uma probabilidade de se chegar ao resultado, abaixo
alguns exemplos:

35 + 35 é igual a 72 ou 70? 30 – 10 o resultado é 20 ou 15?

Proposições Lógicas

A lógica proposicional se dá quando são utilizadas o que chamamos de operações lógicas que as mais
utilizadas são:

Negação (não) – quando usamos essa proposição estamos dando o sentido contrario da afirmação:
ex. Juca não é bonito.

Conjunção lógica (e) – usamos quando queremos combinar duas proposições verdadeiras uma
complementando a outra: ex: hoje está muito frio e hoje ficarei em casa.

Disjunção inclusiva (ou) – usamos quando queremos combinar duas proposições sendo que pelo
menos uma seja verdadeira, assim a proposição torna-se verdadeira: ex: hoje estou bem ou hoje estou
mal.

Simplesmente falando essas proposições dão lógica, sentido mais detalhado a afirmação, a frase.

Equivalência lógica

São proposições que apresentam a mesma tabela verdade, ou seja, são proposições que expressas
de um modo diferente possuem o mesmo valor lógico.

Ex:

Se brasília é a capital do brasil então santiago é a capital do chile (p → q)

Se santiago não é a capital do chile então brasília não é a capital do brasil. (¬q → ¬p) Vejamos

as tabelas verdade de ambas às proposições compostas:

Condicional: p → q
P Q P→q
V V V
V F F
F V V
F F V

Condicional: ¬q → ¬p
¬q ¬p ¬q → ¬p
F F V
V F F
F V V
V V V

Podemos verificar que as duas proposições possuem a mesma tabela verdade (valoração), portanto
são equivalentes.

P → q <=> ¬q → ¬p (representação da “equivalência lógica”)

Agora passemos para negação das proposições compostas

Negação da operação da conjunção. “p e q”

¬(p ^ q ) <=> ¬p v ¬q
Para negarmos uma proposição composta ligada pelo conectivo operacional “e”, basta negarmos
ambas as proposições individuais(simples) e trocarmos o conectivo “e” pelo conectivo”ou”. Ou seja,
transformaremos uma conjunção em uma disjunção. Vejamos;

Ex:“pedro é mineiro e joão é capixaba”.

P= pedro é mineiro

Q= joão é capixaba

Negando-a, temos;

Pedro não é mineiro ou joão não é capixaba.

Pela tabela verdade podemos” confirmar” a negação da proposição.

P Q P^q ¬(p ^ q) ¬p ¬q ¬p v ¬q
V V V F F F F
V F F V F V V
F V F V V F V
F F F V V V V

Negação da operação da disjunção inclusiva. “p ou q”

P v q <=> ¬p ^ ¬q (lei de morgan)

Para negarmos uma proposição composta ligada pelo conectivo operacional “ou”, basta negarmos
ambas as proposições individuais(simples) e trocarmos o conectivo “ou” pelo conectivo”e”. Ou seja,
“transformaremos” uma disjunção inclusiva em uma conjunção. Vejamos;

“augusto é feio ou maria é bonita”.

P= augusto é feio

Q= maria é bonita

Negando-a, temos;

“augusto não é feio e maria não é bonita”.

Pela tabela verdade podemos” confirmar” a negação da proposição.

P Q Pvq ¬(p v q) ¬p ¬q ¬p ^ ¬q
V V V F F F F
V F V F F V F
F V V F V F F
F F F V V V V

Negação da operação da disjunção exclusiva. “ou p ou q”

¬(p v q) <=> p ↔ q

Para negarmos uma proposição com a estrutura de uma disjunção exclusiva, transformá-la-emos em
uma estrutura bicondicional. Vejamos;

“ou joão é rico ou pedro é bonito”.

P= joão é rico

Q= pedro é bonito

Negando-a temos;
“joão é rico se e somente se pedro é bonito”

Pela tabela verdade podemos” confirmar” a negação da proposição

P Q Pvq ¬(p v q) P↔q
V V F V V
V F V F F
F V V F F
F F F V V

Obviamente podemos perceber que a negação de uma estrutura bicondicional é também a disjunção
exclusiva

Negação da operação da condicional (ou implicação).

¬ (p → q) <=> p^ ¬q

Para negarmos uma proposição condicional, repete-se a primeira parte troca-se o conectivo por “e” e
nega-se a segunda parte.vejamos

Ex: se sou inteligente então passarei de ano.

P= sou inteligente

Q= passarei de ano

Negando-a, temos;

“sou inteligente e não passarei de ano”

Pela tabela verdade podemos” confirmar” a negação da proposição.

P Q P→q ¬(p → q) ¬q P ^ ¬q
V V V F F F
V F F V V V
F V V F F F
F F V F V F

Lógica proposicional ii – proposições compostas e conectivos lógicos

Ii – proposições compostas e conectivos lógicos

_________________________________________________________________________________

_________________________________________________________________________________
Equivalência e Implicação Lógica

Implicação Lógica

Relembrando a operação lógica da condicional p→q (lê-se: se p então q)

Você está lembrado quando estudamos as proposições condicionais e utilizamos o símbolo → ? Vamos
recordar!

Na condicional p→q, p é chamado de antecedente e q é o consequente. O símbolo “→” é chamado

símbolo de implicação. Note que, neste caso, p e q são proposições simples.

O símbolo → representa uma operação matemática entre as proposições p e q que tem como resultado
a proposição p → q, como valor lógico V ou F.

A proposição condicional “se p então q” é uma proposição composta que só admite valor lógico
falso no caso em que a proposição p é verdadeira e a proposição q é falsa, sendo verdade nas
demais situações.

O valor lógico da condicional de duas proposições é definido pela seguinte tabela-verdade:

Vamos rever esta operação lógica por meio de uma situação:

Suponha que um determinado pai faz a seguinte promessa para seu filho: “Se fizer sol amanhã, então
viajaremos para a praia”.

Há 4 possibilidades:

1. Fez sol e viajaram para a praia.

2. Fez sol e não viajaram para a praia.

3. Não fez sol e viajaram para a praia.

4. Não fez sol e não viajaram para a praia.

Compare cada uma destas possibilidades levantadas anteriormente com os valores lógicos colocados
na tabela e responda a seguinte pergunta:
Em Qual Das Possibilidades A Situação Foi Descumprida?

Não é difícil concluir que na possibilidade 2, a situação foi descumprida. Você deve estar se
perguntando sobre a possibilidade 3. Afinal, se não fez sol, como viajaram para a praia? Parece
estranho, não? Na verdade, temos que tomar um certo cuidado, o pai só disse o que fariam se fizesse
sol, mas não disse o que fariam se não fizesse sol. Esta é razão da condicional na linha 3 ser
logicamente verdadeira. Temos que ter muita atenção, especialmente nesta parte. Esta é a parte que
as pessoas, em geral, apresentam mais dificuldades de compreensão. Por este motivo vamos discutir
um pouco mais sobre o assunto.

Utilizamos com frequência sentenças condicionais, como: “Se hoje chover, então vou ficar em casa”.
Vamos ver as quatro possibilidades para esta situação:

1. Choveu e fiquei em casa.

2. Choveu e não fiquei em casa.

3. Não choveu e fiquei em casa.

4. Não choveu e não fiquei em casa.

Caro aluno, é importantíssimo que você aprenda que na lógica matemática não nos preocupamos com
qualquer relação de causa e efeito entre o antecedente e o consequente de uma implicação. O que há
é uma relação entre os valores lógicos. Neste exemplo, ficou claro para você que na possibilidade 2, a
situação foi descumprida; isto é, “choveu e não fiquei em casa” ? É provável que você tenha dúvidas
com relação à possibilidade 3. Afinal, se não choveu, como fiquei em casa? Voltamos a dizer, sendo o
antecedente (p) logicamente falso, não importa o valor lógico do consequente (q), pois o valor lógico
da condicional será sempre verdadeiro!

Desta Forma, Releia O Conceito:

A proposição condicional “se p então q” é uma proposição composta que só admite valor lógico falso
no caso em que a proposição p é verdadeira e a proposição q é falsa, sendo verdade nas demais
situações.

E Qual É A Importância Da Implicação?

O conceito de implicação é essencial para os diversos campos do conhecimento. Como exemplo,

podemos citar as implicações lógicas de um discurso que remete a explicação ou demonstração de
argumentos, e isto não é restrito à Matemática.

É comum aparecerem declarações do tipo: “Sempre que isto ocorre, e, é verdadeiro, implica que aquilo
também é verdadeiro”. Pense nas diversas áreas, tais como: Medicina, Direito, Engenharia, Educação,
Propaganda e Marketing, Processamento de Dados e tantas outras áreas, que utilizam inúmeras
implicações. Enfim vivemos imersos em um mundo de implicações lógicas! Pense a este respeito.

A implicação é muito importante na linguagem matemática porque aparece sistematicamente nos

teoremas que constituem as teorias matemáticas. Um teorema é uma proposição do tipo p q, onde
p é uma proposição verdadeira na teoria em questão. Demonstrar um teorema não é mais do que
provar que a proposição p q é verdadeira e sendo p verdadeira, por hipótese, implica dizer que q é
também verdadeira.

Num teorema é comum chamarmos a proposição p de hipótese, é o antecedente da implicação p q.

A proposição q, que é o consequente da implicação, é denominada de tese. As demonstrações de
teoremas são essenciais para o desenvolvimento de habilidades e competências relacionadas à
experimentação, observação e percepção, realização de conjecturas, desenvolvimento de
argumentações convincentes, entre outras.

O símbolo P Q (P implica Q) representa a implicação lógica. Observe neste conceito que aparecem
dois símbolos matemáticos → e . Vamos diferenciá-los?

Diferenciação dos símbolos → e

1. O símbolo → (p → q) Lê-se: se p….. então q representa uma operação matemática entre as

proposições p e q que tem como resultado a proposição p → q, com valor lógico V ou F.

2. O símbolo ( P Q) Lê-se: P implica Q representa a não ocorrência de VF na tabela-verdade

de P → Q, ou ainda que o valor lógico da condicional P → Q será sempre V, ou então que P → Q é
uma tautologia.

Você já deve ter se familiarizado com o primeiro (símbolo →), pois fizemos uso dele em vários exemplos
envolvendo a operação lógica da condicional em que podíamos fazer um julgamento (verdadeiro ou
falso), já o segundo (símbolo ) passaremos a ver agora com mais detalhes. Tenha sempre em mente
que o símbolo representa uma implicação, cuja condicional será sempre tautológica, isto é, será
sempre logicamente verdadeira. Vamos agora ver alguns exemplos e verificar a implicação lógica
indicada em cada caso.

Exemplos:

Vamos comprovar isto para o 1ª exemplo dado. p ^ q p Considere

a situação:

p: Marina Silva vencerá as eleições para a Presidência do Brasil.

q: A taxa de desemprego cairá nos próximos três anos.

p ^ q: Marina Silva vencerá as eleições para a Presidência do Brasil e a taxa de desemprego cairá nos
próximos três anos.

Vamos agora verificar como ficam os possíveis valores lógicos das proposições:

Relembrando: Você está lembrado que a proposição composta da conjunção p ^ q (p e q) somente

será verdadeira quando as proposições p e q forem verdadeiras.
Perceba que quando p ^ q é verdadeira (1ª possibilidade, veja o quadro acima), p é verdadeira também,
logo dizemos que p ^ q implica p e, tem a seguinte notação: p ^ q p. E mais, se você fizer a
condicional (p ^ q) → p, ela será sempre verdadeira, ou seja uma tautologia.

2º exemplo: p q → p Vamos verificar esta implicação.

Atenção: A intenção aqui, caro aluno, é que você perceba que o ponto fundamental da implicação lógica
( P implica uma proposição Q, indica-se por P Q), é que sempre que temos um antecedente
verdadeiro, teremos um consequente verdadeiro também.

Vamos verificar se “p” de fato implica a proposição composta “q → p” (p q → p)

Atenção: A proposição condicional q→p (lê-se: “se q então p”) é uma proposição composta que só
admite valor lógico falso no caso em que a proposição q é verdadeira e a proposição p é falsa, sendo
verdade nas demais situações. (veja a 3ª coluna da tabela seguinte)

p q → p, pois o condicional p→ (q→p) é tautológica.

Perceba que quando p é verdadeira (1ª e 2ª colunas), q→p é verdadeira também, logo dizemos que p
implica a proposição composta q → p. (p q → p)

Vamos agora mostrar as implicações no 3º e 4º exemplos.

3º exemplo: p Λ q pvq

Caro aluno, não se assuste com o tamanho das tabelas-verdade. Você deve organizar as colunas, e
para iniciar, atribua todos os valores lógicos possíveis para as proposições simples p e q. (são quatro
situações; isto é, são quatro linhas).
Para compreender a tabela acima, você deverá retomar as operações da conjunção e disjunção, além,
obviamente, da condicional.

Observe que na 3ª coluna (p Λ q), temos uma conjunção, e que ela é logicamente verdadeira apenas
quando as proposições simples p e q são ambas verdadeiras, e logicamente falsas nas demais
situações.

Observe que na 4ª coluna (p v q), temos uma disjunção, e que ela é logicamente falsa apenas quando
as proposições simples p e q são ambas falsas, e logicamente verdadeiras nas demais situações. Até
aqui, tudo bem? Se ficou claro, então vamos entender melhor a 5ª coluna.

Na 5ª e última coluna, temos a condicional (p Λ q) → (p v q) logicamente verdadeira para todas as

situações, pois a condicional só é falsa quando o antecedente é verdadeiro e o consequente falso.

Podemos verificar a implicação p Λ q ⇒ p v q, por meio da condicional (p Λ q) → (p v q), pois, neste

exemplo, ela é sempre verdadeira e, portanto, tautológica. Você também pode verificar a implicação
dada observando que quando a proposição p Λ q é verdadeira, temos que p v q, também, é verdadeira
(1ª linha). Logo, está verificada a implicação dada.

4º exemplo: p ⇒ p v q

Neste 4º exemplo , também verificamos a implicação p ⇒ p v q , pois a condicional p → (p v q) é

tautológica.

Observe que quando a proposição p é verdadeira, temos que p v q, também, é verdadeira (1ª e 2ª
linhas). Logo, está verificada a implicação dada.

Observação O fato de dizer que uma proposição P implica uma proposição Q, não garante dizer o
caminho inverso, isto é, que Q também implica P.

Abaixo estudaremos as situações que envolvem o caminho de ida e de volta quando consideramos as
implicações. Neste caso chamaremos de equivalências lógicas.

Equivalência Lógica

Caro aluno, estudamos as implicações lógicas e foi enfatizado que o ponto fundamental da implicação
lógica (P implica uma proposição Q, indica-se por P ⇒ Q), é que sempre que temos um antecedente
verdadeiro, teremos um consequente verdadeiro também. Está lembrado? Vimos também que se uma
proposição P implica uma proposição Q, não garante dizer o caminho inverso, isto é, que Q também
implica P. Neste capítulo trataremos de ver as situações que envolvem o caminho de ida e de volta
quando consideramos as implicações. Estas implicações são denominadas de equivalências lógicas.

Conceito:

Diz-se que uma proposição composta P é logicamente equivalente a uma proposição composta Q
(indica-se pela notação P ⇔ Q – o símbolo ⇔ é uma forma abreviada de dizer que duas proposições
são logicamente equivalentes) quando, as tabelas verdade destas duas proposições compostas são
idênticas. De outra forma, podemos dizer que as proposições P e Q são equivalentes, se a
bicondicional P ↔ Q for uma tautologia.

E para iniciar este estudo das equivalências lógicas, considere as seguintes proposições:

1. Não vi ninguém.

2. Vi alguém.

Na primeira proposição temos uma dupla negação, logo se “não vi ninguém” (dupla negação), então
“vi alguém”.(afirmação) Podemos concluir que estas proposições são equivalentes. Desta forma, tenha
cuidado ao usar “não vi ninguém” com o sentido de pessoa alguma foi vista. Isto é lógico para você?

Podemos construir uma tabela-verdade e colocar todos os valores lógicos possíveis. Vamos ver como
ficam?

Para esta construção, considere p: vi alguém.

Perceba que a última coluna da tabela-verdade é a bicondicional e ela é sempre verdadeira, e portanto
tautológica.

Os valores lógicos de p e ~(~p) são idênticos. Desta forma, podemos concluir que estas proposições
são logicamente equivalentes. E também são equivalentes as proposições compostas p→~(~p) e ~(~p)
→ p, e esta equivalência expressa a lei da dupla negação.

Podemos indicar estas equivalências da seguinte forma:

Vamos trabalhar esta noção de equivalência por meio de alguns outros exemplos:

1º Exemplo: Veja as seguintes sentenças:

▪ Se hoje é sábado, então hoje é dia de pegar um cineminha.

▪ Se hoje não é dia de pegar um cineminha, então hoje não é sábado.

Parece intuitivo que sejam logicamente equivalentes?

É verdade, pois possuem o mesmo “conteúdo lógico”.

Vamos analisar melhor esta situação, utilizando agora os conceitos da Lógica Matemática. E para
isto, considere as proposições: p: Hoje é sábado. q: Hoje é dia de pegar um cineminha.

Vamos verificar como ficam os possíveis valores lógicos na tabela-verdade para cada sentença dada
inicialmente:

▪ Se hoje é sábado, então hoje é dia de pegar um cineminha. (p→q)

Você lembra que a condicional p→q será logicamente falsa apenas quando o antecedente (p) é
verdadeiro e o consequente (q) é falso? Veja a possibilidade 2. (2ª linha da tabela)

Vamos agora para a segunda sentença. E para isto, considere as proposições p e q e suas negações
~p e ~q

Se você observar atentamente as tabelas, facilmente perceberá que as últimas colunas das tabelas,
que são das proposições condicionais (p→q) e (~q→~p), são idênticas. Desta forma, podemos concluir
que há aqui uma equivalência lógica. Assim sendo, as sentenças I e II, são equivalentes:

I -Se hoje é sábado, então hoje é dia de pegar um cineminha. (p→q)

II -Se hoje não é dia de pegar um cineminha, então hoje não é sábado. (~q→~p)

Simbolicamente representamos esta equivalência da seguinte maneira:

(p→q) ⇔ (~q→~p) (Esta equivalência é denominada de Contrapositiva da condicional dada.) Releia

o conceito inicial de equivalência lógica e observe que:

(p→q) corresponde a proposição composta

P (~q→~p) corresponde a proposição composta Q

É importante que você valorize aquilo que temos estudado dentro da Lógica Matemática, pois
certamente a fundamentação teórica é importante para o entendimento de situações, inclusive as do
nosso cotidiano.

Vamos ver mais alguns exemplos de equivalência entre proposições (P ⇔ Q). Nosso objetivo é que
você entenda a construção das tabelas-verdade como um instrumento importante de verificação das
equivalências lógicas, pois sempre que os valores lógicos das proposições P e Q forem idênticos, elas
serão equivalentes.

2º Exemplo: Vamos para o seguinte enunciado:

Verificar a equivalência das proposições a seguir:

p ∧ q ⇔ q ∧ p . observação: p ∧ q corresponde a

proposição composta P. q ∧ p corresponde a

proposição composta Q.

Vamos recorrer à tabela-verdade e colocar os valores lógicos de cada proposição.

Perceba que neste caso, as colunas das proposições “p ∧ q” e “q ∧ p” são idênticas, logo são
equivalentes, e sendo equivalentes, a coluna da bicondicional tem sempre valores lógicos verdadeiros,
e portanto a bicondicional é considerada tautológica.

Uma aplicação bastante interessante de equivalência lógica entre as proposições condicionais e as

proposições com o conectivo “ou” (disjunção) é:

3º Exemplo: Neste 3º exemplo, verificaremos uma transformação de uma proposição condicional em

proposição com o conectivo “ou” (disjunção), pois são equivalentes. (p→q) ⇔ (~p v q ).

Achou estranha esta equivalência? Podemos compreendê-la, utilizando a tabela-verdade. Para que
não fiquemos trabalhando apenas com letras e para que não vejamos este tópico com estranheza e
distância, vamos buscar uma solução para o enunciado abaixo:

Enunciado: Transforme, através da equivalência por disjunção, a proposição condicional “Se estudo,
passo no teste”.
Veja que inicialmente temos as seguintes proposições:

p: estudo q: passo no teste

A proposição dada no enunciado é a proposição composta que podemos representar matematicamente

por p→q e a pedida é ( ~p v q ).

Veja, se utilizarmos a equivalência citada anteriormente (p→q) ( ~p v q), podemos escrever:

A proposição condicional “Se estudo, passo no teste” (p→q) é logicamente equivalente a proposição
com o conectivo “ou” (disjunção) “Não estudo ou passo no teste” (~p v q) Vamos verificar esta
equivalência, por meio da tabela-verdade.

Observe que os valores lógicos das proposições “p→q” e “~p v q” são idênticos.

Propriedades da Relação de Equivalência Lógica

● A relação da Equivalência Lógica possui as propriedades:

– Reflexiva:

P(p,q,r,...) P(p,q,r,...)

P P

– Simétrica:

Se P(p,q,r,...) Q(p,q,r,...), então Q(p,q,r,...) P(p,q,r,...) Se P Q, então Q P

– Transitiva:

Se P(p,q,r,...) Q(p,q,r,...) e

Q(p,q,r,...) R(p,q,r,...), então P(p,q,r,...) R(p,q,r,...)

Se P QeQ R, então P R

Proposições associadas a uma condicional

● Dada a condicional p → q, chamam-se proposições associadas a p → q (direta) as três seguintes

proposições:

– Proposição recíproca de p → q: q → p

– Proposição contrária de p → q: ~p → ~q

– Proposição contrapositiva de p → q: ~q → ~p

Princípio da Substituição
● Se P(p, q, r, …) é uma Tautologia, então P(P0 , Q0 , R0 , …) também é uma Tautologia, não
importando quais sejam as proposições P0 , Q0 , R0 , …

● Primeiro obtenha uma Tautologia. – Por exemplo: P(p,q) = p ∧ q → q

● Agora, escolha uma sentença lógica que qualquer. Essa sentença pode ser uma Tautologia ou não,
não faz diferença. – Por exemplo: Q = r ∧ s

● Então, escolha uma proposição simples de P e substitua pela sentença escolhida. – Por exemplo,
substituindo “q” em P: P(p, Q): p ∧ (Q) → (Q) P(p, Q): p ∧ (r ∧ s) → (r ∧ s)

● A sentença gerada é uma nova tautologia.

Propriedades da Implicação Lógica

Propriedades

A implicação lógica possui duas importantes propriedades:

Reflexiva (R)

o P(p, q, r,...) ⇒ P(p, q, r,...)

Transitiva (T)

o Se P(p, q, r,...) ⇒ Q(p, q, r,...) e Q(p, q, r,...) ⇒ R(p, q, r,...) então P(p, q, r,...) ⇒ R(p, q, r,...).

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

_
Propriedade Comutativa

O Que É Propriedade Comutativa?

A propriedade comutativa é quando a sequência das operações não afecta o resultado.

Por exemplo, tanto faz vestir o casaco, e pôr o chapéu, como pôr o chapéu e vestir o casaco, que o
resultado é o mesmo.

Mas se for lavar as mãos e ir comer, já é diferente de ir comer e lavar as mãos.

No primeiro caso diz-se que há comutatividade, ao passo que no segundo não.

Na Matemática usa-se muito esta propriedade quando se fala em operações aritméticas.

Assim, na soma e na multiplicação, verifica-se que

2+5=5+2=7

2 x 5 = 5 x 2 = 10

ao passo que na subtracção e na divisão, não há comutatividade:

2 - 5 = -3 # (diferente) 5 - 2 = 3

2 ÷ 5 = 0,4 # 5 ÷ 2 = 2,5

Comutatividade

Em matemática, comutatividade é uma propriedade de operações binárias, ou de ordem mais alta,

em que a ordem dos operandos não altera o resultado final. Ou popularmente, onde a ordem dos
fatores não altera o produto.

Por mais que a noção comum de aritmética possam sugerir que esta propriedade seja óbvia, ela é
importante para organizar os tipos de operações de grupos de acordo a propriedade de comutatividade
ou não. E mesmo na aritmética existem exemplos de operações que não são comutativas, como a
subtração e divisão.

Definição

Dado um conjunto qualquer S e um operação binária f, dizemos que f é comutativa se:

A notação matemática mais comum para operações binárias é através de um símbolo gráfico entre os
dois operandos, por exemplo, escreve-se:

Usando esta notação, a definição de comutatividade fica:

Exemplos

Os exemplos mais comuns são:

• A adição de números naturais, racionais, reais e complexos.

• A multiplicação de números naturais, racionais, reais e complexos.

• Grupos abelianos, são grupos no qual a operação é comutativa.

• As funções (que podem ter mais de um argumento) mínimo múltiplo comum e máximo divisor comum,
para números inteiros positivos, são comutativas: mdc(42, 626, 452) = mdc(452, 42, 626) etc.

Na multiplicação,a propriedade comutativa troca os números, mas independentemente da troca, o

resultado fica igual.

Propriedade Distributiva

A propriedade distributiva determina como resolver equações na forma a(b + c). Essa propriedade é
chamada também de lei distributiva da multiplicação e divisão.

Normalmente, quando vemos uma equação como essa 4(8+3) calculamos primeiro apenas o que está
entre parênteses, depois a resolvemos:

4(8+3) →4(11) →44

Este método segue a regra oficial da “ordem das operações” que aprendemos anteriormente.

Com a propriedade distributiva, multiplicamos o ‘4’ primeiro:

4.(8+3) → (4.8)+(4.3) → 32+12 = 44

Multiplicamos o 4 pelo 8 e depois pelo 3.

Precisamos nos lembrar de fazer a multiplicação antes da adição!

4.8 + 4.3 = 32+12 + 44

Obtemos a mesma resposta, 44, com os dois modos de resolução!

Por que fizemos isso de outro jeito, se poderíamos ter facilmente resolvido o que estava entre
parênteses primeiro?
Essa é uma preparação para os casos em que teremos variáveis em vez de números dentro dos
parênteses.

Outro Exemplo Antes De Começarmos A Usar Variáveis:

5.(9-4) = 5.9 – 5.4 = 45-20 = 25

Exemplo da propriedade distributiva com variáveis:

a(b+c) = ab + ac Mais

Exemplos:

a)

b) 6 + (x − 5) + 7

6+x−5+7=8+x

Dicas

• Geralmente usamos a propriedade distributiva quando os dois termos dentro dos parênteses
não podem ser somados, já que não são termos semelhantes
• Não se esqueça de multiplicar todos os termos dentro dos parênteses/colchetes pelo número
de fora

Leis De Morgan

Conjunto de operações para simplificar expressões lógicas. Foram criadas pelo matemático
Augustus De Morgan no século 19.

Quando trabalhamos com expressões lógicas muito grandes, pode ser necessário substituir uma
expressão por uma logicamente equivalente (isto é, cujos elementos possam ser reordenados de tal
forma que possam produzir o mesmo resultado lógico- VERDADEIRO ou FALSO). As Leis de De
Morgan permitem fazer esta substituição de forma simples através dos seguintes pressupostos:

▪ A negação da conjunção equivale a disjunção

▪ e a negação da disjunção equivale a conjunção.

As Leis de De Morgan pertencem à Matemática, Filosofia e Ciência da Computação, mas são utilizadas
em concursos e provas em dois tipos de questão: determinar se uma determinada sentença lógica
(frase ou figura) é igual a outra ou para reduzir uma determinada sentença lógica em uma forma mais
simples.

Primeira Lei De Morgan

De maneira formal:

“a negação de uma conjunção entre duas proposições é igual a disjunção da negação de cada
proposição”

De maneira informal:

“negar duas frases ligadas com e é igual a negar duas frases e ligá-las com ou“ Ou

logicamente:

“não (A e B) é igual a (não A) ou (não B)”.

Desta forma:

¬(A∧B)

Ou ainda:

(¬A)∨(¬B)

Exemplos:

▪ Como negar a frase “Antônio não é baiano e Antônio não é cearense .” :

Não (Antônio não é baiano) OU Não (Antônio não é cearense). Neste caso, os nãos se anulam e a
frase pode ser transformada para Antônio é baiano ou cearense.

▪ Como negar a frase “Pedro sofreu acidente de trabalho e Pedro está aposentado.”:

Não (Pedro sofreu acidente de trabalho) OU Não (Pedro está aposentado) que é:

Ou Pedro não sofreu acidente de trabalho, ou Pedro não está aposentado.

Segunda Lei De Morgan

De maneira formal:
“a negação de uma disjunção entre duas proposições é a conjunção da negação de cada
proposição”

Ou, de maneira informal:

Negar duas frases ligadas por ou é igual a negar duas frases e ligá-las por e

Ou, de forma lógica:

“não (A ou B) é o mesmo que (não A) e (não B)”.

Desta forma:

¬(A∨B)

É o mesmo que:

(¬A)∧(¬B)

Exemplos:

▪ Como negar a frase “Vou ficar em casa ou vou para o shopping. ” ?

Não (Vou ficar em casa) E Não (vou para o shopping).

▪ Como negar a frase “Antônio é baiano ou Antônio é cearense .” :

Não (Antônio é baiano) E Não (Antônio é cearense) que pode ser transformado para

Antônio não é baiano e não é cearense.

▪ Como negar a frase “Vou ao baile ou não me chamo Joana. ” ?

Não (vou ao baile) E me chamo Joana), onde os dois “não” se anulam ,de forma que:

Não (vou ao baile) E (me chamo Joana).

Negação Da Condicional

Condicional É A Estrutura Lógica Na Qual O Valor De Uma Proposição Depende De Outra.

Por exemplo:

Se os pássaros voam, então a galinha voa.

A estrutura lógica é dada por:

A→B

No qual B só é verdadeiro se A também o for.

A negação da condicional é dada pelo uso do E e se nega apenas a segunda parte da estrutura. Assim:

¬(A→B)=A∧¬B Por

exemplo:

▪ A negação de “Se as aves voam então a galinha voa” é dada por:

(As aves voam) E Não (a galinha voa), o que pode ser convertido para

As aves voam e a galinha não voa, ou ainda

As aves voam, mas a galinha não voa.

Alguns cuidados

▪ Alguns cuidados que você deve ter ao realizar negações é que alguns termos não são
necessariamente negação de outros. Por exemplo: a negação de era o mais jovem não é era o mais
velho e sim não era o mais jovem. Outro exemplo: a negação de futebol me dá alegria não é futebol
me dá tristeza e sim futebol não me dá alegria.

▪ Alguns termos são equivalentes. Por exemplo, “nem” significa “e não”:

Não gosto de praia nem de cinema. É igual a : Não gosto de praia e não gosto de cinema. Questões

De Exemplos

(TJ/PI – Analista Judiciário – Escrivão Judicial – FGV/2015) Considere a afirmação:

“Mato a cobra e mostro o pau” A

negação lógica dessa afirmação é:

(A) não mato a cobra ou não mostro o pau;

(B) não mato a cobra e não mostro o pau;
(C) não mato a cobra e mostro o pau;
(D) mato a cobra e não mostro o pau; (E) mato a cobra ou não mostro o pau.

Comentário: “Mato a cobra e mostro o pau” é uma conjunção. Sua negação, de acordo com a primeira
lei de Morgan é: Não(Mato a cobra e Mostro o Pau), que equivale a Não (Mato a Cobra) ou Não (Mostro
o Pau). Logo a resposta correta é a letra A.

(CODEMIG – Advogado Societário – FGV/2015) Em uma empresa, o diretor de um departamento

percebeu que Pedro, um dos funcionários, tinha cometido alguns erros em seu trabalho e comentou:

“Pedro está cansado ou desatento.” A

negação lógica dessa afirmação é:

(A) Pedro está descansado ou desatento.

(B) Pedro está descansado ou atento.
(C) Pedro está cansado e desatento. (D) Pedro está descansado e atento.
(E) Se Pedro está descansado então está desatento.

Comentário: “Pedro está cansado ou desatento.” é uma disjunção. Sua negação é dada por Não
(Pedro está cansado ou Pedro está desatento) ou conforme as regras de Morgan Não (Pedro está
cansado) e Não (Pedro está desatento) = Pedro não está cansado e não é desatento = Pedro está
descansado e é atento. Logo a letra correta e´D.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

Diagramas Lógicos

Os diagramas são utilizados como uma representação gráfica de proposições relacionadas a uma
questão de raciocínio lógico. Esse tema é muito cobrado em provas que tenha por matéria raciocínio
lógico para concursos, em questões que envolvem o termo “todo”, “algum” e “nenhum”.
Conjunto: Um conjunto constitui-se em um número de objetos ou números com características
semelhantes. Podem ser classificados assim:

Conjunto finito: possui uma quantidade determinada de elementos;

Conjunto infinito: como o próprio nome diz nesse caso temos um número infinito de elementos;

Conjunto unitário: apenas um elemento;

Conjunto Vazio: sem elemento no conjunto;

Conjunto Universo: esse caso tem todos os elementos de uma situação.

Esses elementos podem ser demonstrados da seguinte forma:

Extensão: Os elementos são separados por chaves; {1,2,3,4...}

Compreensão: Escreve-se a caraterística em questão do conjunto mencionado.

Diagrama de Venn: Os elementos são inseridos em uma figura fechada e aparecem apenas uma vez.

Todo A é B: Nesse caso o conjunto A é um subconjunto do B, sendo que A está contido em B.

Nenhum A é B: Nesse caso os dois conjuntos não tem elementos comuns.

Algum A é B: Esse diagrama representa a situação em que pelo menos um elemento de A é comum ao
elemento de B.

Inclusão

Todo, toda, todos, todas.

Interseção

Algum, alguns, alguma, algumas.

Ex: Todos brasileiros são bons motoristas

Negação lógica: Algum brasileiro não é bom motorista.

Disjunção

Nenhum A é B.

Ex: Algum brasileiro não é bom motorista.

Negação lógica: Nenhum brasileiro é bom motorista.

Exercícios de Diagramas Lógicos

Questão 1: VUNESP/2011 – Concurso TJM-SP – Analista de Sistemas (Judiciário)

Pergunta: Neste grupo de pessoas, usar só chapéu ou só relógio, nem pensar. Tampouco usar óculos,
chapéu e relógio ao mesmo tempo. Quinze pessoas usam óculos e chapéu ao mesmo tempo. Usam
chapéu e relógio, simultaneamente, o mesmo número de pessoas que usam apenas os óculos. Uma
pessoa usa óculos e relógio ao mesmo tempo. Esse grupo é formado por 40 pessoas e essas
informações são suficientes para afirmar que nesse grupo o número de pessoas que usam óculos é a)
20

b) 22

c) 24

d) 26

e) 28

Questão 2: VUNESP/2011 – Concurso TJM-SP – Analista de Sistemas (Judiciário)

Pergunta: Observe o seguinte diagrama. De acordo com o diagrama,pode-se afirmar que

a) todos os músicos são felizes.

b) não há cantores que são músicos e felizes.

c) os cantores que não são músicos são felizes.

d) os felizes que não são músicos não são cantores.

e) qualquer músico feliz é cantor.

Questão 3: VUNESP/2011- Concurso TJM-SP – Analista de Sistemas (Judiciário)

Pergunta: Todo PLATZ que não é PLUTZ é também PLETZ. Alguns PLATZ que são PLETZ também
são PLITZ. A partir dessas afirmações, pode-se concluir que

a) alguns PLITZ são PLETZ e PLATZ.

b) existe PLATZ que não é PLUTZ nem é PLETZ

c) não existe PLUTZ que é apenas PLUTZ.

d) todo PLITZ é PLETZ.

e) existe PLITZ que é apenas PLITZ.

Questão 4: ESAF/2012 – Concurso CGU - Analista de Finanças e Controle (Prova 1)

Pergunta: Em um grupo de 120 empresas, 57 estão situadas na Região Nordeste, 48 são empresas
familiares, 44 são empresas exportadoras e 19 não se enquadram em nenhuma das classificações
acima. Das empresas do Nordeste, 19 são familiares e 20 são exportadoras. Das empresas familiares,
21 são exportadoras. O número de empresas do Nordeste que são ao mesmo tempo familiares e
exportadoras é

a) 21

b) 14

c) 16

d) 19

e) 12

Questão 5: FCC/2012 – Concurso TCE-SP – Analista de Fiscalização Financeira (Administração)

Pergunta: Todos os jogadores são rápidos. Jorge é rápido. Jorge é estudante. Nenhum jogador é
estudante. Supondo as frases verdadeiras pode-se afirmar que

a) a intersecção entre o conjunto dos jogadores e o conjunto dos rápidos é vazia.

b) a intersecção entre o conjunto dos estudantes e o conjunto dos jogadores não é vazia.

c) Jorge pertence ao conjunto dos jogadores e dos rápidos.

d) Jorge não pertence à intersecção entre os conjuntos dos estudantes e o conjunto dos rápidos.

e) Jorge não pertence à intersecção entre os conjuntos dos jogadores e o conjunto dos rápidos.

Questão 6: CESPE/2011 – Concurso PC-ES – Cargos de Nível Superior

Pergunta: Uma pesquisa de rua feita no centro de Vitória constatou que, das pessoas entrevistadas,
60 não sabiam que a polícia civil do Espírito Santo possui delegacia com sistema online para registro
ou denúncia de certos tipos de ocorrência e 85 não sabiam que uma denúncia caluniosa pode levar o
denunciante à prisão por 2 a 8 anos, além do pagamento de multa. A partir dessas informações, julgue
o item seguinte. Considerando-se que também foi constatado que 10 dos entrevistados não sabiam do
canal de comunicação online nem das penalidades cabíveis a denúncias caluniosas, é correto concluir
que 135 pessoas não tinham conhecimento de pelo menos uma dessas questões. Certo

Errado

Resposta dos Exercícios

Questão 1

São 40 acessórios, mas há apenas informações de 16 deles. Sobram 24. Como o número de pessoas
que usa apenas óculos é o mesmo que usa chapéu e relógio, 12 pessoas utilizam chapéu e óculos e
a outra metade apenas óculos.

Resumindo:

• Óculos e Chapéu= 15 Chapéu e Relógio=12

• Só óculos=12
• Óculos e Relógio=1
Total= 40

-Quantos usam óculos: 15+12+1=28

Questão 2

-Como pode ser visto no diagrama, parte dos felizes não são músicos nem cantores.

Questão 3

Proposições:

• Todo Platz que não é Plutz é também Pletz. Ou seja, Platz e Pletz são duas coisas ao mesmo tempo.

• Alguns Platz também são Plitz. Ou seja, o Plitz pode ser Platz, mas isso não é uma regra geral.

• A letra E é falsa porque não existe delimitação para o conjunto Plitz e ele não fica sozinho;

• A letra B também está errada porque afima que existe Platz que não é Plutz nem é Pletz. Mas a
afirmação do enunciado garante que "Todo Platz que não é Plutz é também Pletz."

• A letra C está incorreta porque essa afirmação não é dita em nenhum momento do enunciado.

• A letra D está incorreta porque não há uma regra em relação a isso também.
Questão 4 Dados do

enunciado:

o O grupo tem 120 empresas;

o Como ele disse que 19 empresas não se encaixam nesses grupos, pode-se concluir que pelo menos
101 empresas se encaixam em algum desses itens;

• São 20 exportadoras dentre as empresas do nordeste: 20-x;

• 19 empresas são familiares: 19-x;

• Das empresas familiares 21 são exportadoras: 21-x;

Sabendo-se que o Norrdeste tem 57 elementos, o azul 48 e o verde 44 pode-se criar um diagrama
como no exemplo abaixo:

(18+x+19-x+x+20-x) +8+x+21-x+3+x=101

57+8+x+21-x+3+x=101 x+89=101

x=12

Questão 5

Ao analisar as informações dadas pode-se concluir que Jorge não pertence ao grupo de jogadores e
sim ao conjunto compreendido entre os rápidos e estudantes.

Questão 6

• Pessoas que não sabiam do sistema e nem das penalidades=10

• Retire essas 10 pessoas do número fornecido pelo enunciado para aquelas que não sabiam do
sistema=60

• O resultado é 135, pois ao somarmos 60+85-10=135.

Gabarito das Questões Resposta Certa

Questão 1 Letra E

Questão 2 Letra D

Questão 3 Letra A

Questão 4 Letra E

Questão 5 Letra E

Questão 6 Certa

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Lógica De Primeira Ordem

A lógica de primeira ordem (LPO), conhecida também como cálculo de predicados de primeira
ordem (CPPO), é um sistema lógico que estende a lógica proposicional (lógica sentencial) e que é
estendida pela lógica de segunda ordem.
As sentenças atômicas da lógica de primeira ordem têm o formato P (t 1,…, tn) (um predicado com um
ou mais "argumentos") ao invés de serem símbolos sentenciais sem estruturas.

O ingrediente novo da lógica de primeira ordem não encontrado na lógica proposicional é a

quantificação: dada uma sentença φ qualquer, as novas construções e -- leia "para todo x, φ" e "para
algum x, φ", respectivamente—são introduzidas. significa que φ é verdadeiro para todo valor de x e
significa que há pelo menos um x tal que φ é verdadeiro. Os valores das variáveis são tirados de um
universo de discurso pré-determinado. Um refinamento da lógica de primeira ordem permite variáveis
de diferentes tipos, para tratar de diferentes classes de objetos.

A lógica de primeira ordem tem poder expressivo suficiente para formalizar praticamente toda a
matemática. Uma teoria de primeira ordem consiste em um conjunto de axiomas(geralmente finito ou
recursivamente enumerável) e de sentenças dedutíveis a partir deles. A teoria dos conjuntos de
Zermelo-Fraenkel é um exemplo de uma teoria de primeira ordem, e aceita-se geralmente que toda a
matemática clássica possa ser formalizada nela. Há outras teorias que são normalmente formalizadas
na lógica de primeira ordem de maneira independente(embora elas admitam a implementação na teoria
dos conjuntos) tais como a aritmética de Peano.

A lógica formal não se ocupa com os conteúdos pensados ou com os objetos referidos pelo
pensamento, mas apenas com a forma pura e geral dos pensamentos, expressa pela linguagem.

Sentenças

As características básicas das sentenças são:

• um pensamento completo;

• Composta por um sujeito (algo que se declara) e por um predicado (aquilo que se declara sobre o
sujeito).

Tipos de Sentenças

Afirmativas

João foi comprar pão.

Negativas

Maria não gosta de queijo.

Imperativas

Estude muito.

Exclamativas

Como você está linda!

Interrogativas

Onde você vai?

Sentenças Abertas

São sentenças nas quais não podemos determinar o sujeito. Uma forma simples de identificá-las é o
fato de que não podem ser nem Verdadeiras ou Falsas.
Conectivos Lógicos

Conectivos lógicos são palavras usadas para conectar as proposições formando novas sentenças.

Os principais conectivos lógicos são:

Conectivos Lógicos

Princípios Fundamentais da Lógica Proposicional

• O princípio de Identidade – Afirma que se qualquer enunciado é verdadeiro, então ele é verdadeiro.

• O princípio da Não Contradição – Afirma que nenhum enunciado pode ser verdadeiro e falso.

• O princípio do Terceiro Excluído – Afirma que um enunciado ou é verdadeiro ou é falso.

Tabelas-Verdade

Tabelas-Verdade
__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________

__________________________________________________________________________________
Operações Com Conjuntos

As operações com conjuntos são as operações feitas com os elementos que formam uma coleção. São
elas: união, intersecção e diferença.

Lembre-se que na matemática os conjuntos representam a reunião de diversos objetos. Quando os

elementos que formam o conjunto são números, são chamados de conjuntos numéricos.

Os conjuntos numéricos são:

• Números Naturais (N)

• Números Inteiros (Z)

• Números Racionais (Q)

• Números Irracionais (I)

• Números Reais (R)

União de Conjuntos

A união de conjuntos corresponde a junção dos elementos dos conjuntos dados, ou seja, é o conjunto
formado pelos elementos de um conjunto mais os elementos dos outros conjuntos.

Se existirem elementos que se repetem nos conjuntos, ele aparecerá uma única vez no conjunto união.

Para representar a união usamos o símbolo U.

Exemplo:

Dados os conjuntos A = {c, a, r, e, t} e B = {a, e, i, o, u}, represente o conjunto união (A U B).

Para encontrar o conjunto união basta juntar os elementos dos dois conjuntos dados. Temos de ter o
cuidado de incluir os elementos que se repetem nos dois conjuntos uma única vez.

Assim, o conjunto união será:

A U B = {c, a, r, e, t, i, o, u}

Intersecção De Conjuntos

A intersecção de conjuntos corresponde aos elementos que se repetem nos conjuntos dados. Ela é
representada pelo símbolo ∩.

Exemplo:
Dados os conjuntos A = {c, a, r, e, t } e B= B = {a, e, i, o, u}, represente o conjunto intersecção ().

Devemos identificar os elementos comuns nos conjuntos dados que, neste caso, são os elementos
a e e, assim o conjunto intersecção ficará:

= {a, e}

Obs: quando dois conjuntos não apresentam elementos em comum, dizemos que a intersecção entre
eles é um conjunto vazio.

Nesse caso, esses conjuntos são chamados de disjuntos: A ∩ B = Ø

Diferença De Conjuntos

A diferença de conjuntos é representada pelos elementos de um conjunto que não aparecem no outro
conjunto.

Dados dois conjuntos A e B, o conjunto diferença é indicado por A - B (lê-se A menos B).

Conjunto Complementar

Dado um conjunto A, podemos encontrar o conjunto complementar de A que é determinado pelos

elementos de um conjunto universo que não pertençam a A.

Este conjunto pode ser representado por

Quando temos um conjunto B, tal que B está contido em A (), a diferença A - B é igual ao complemento
de B.

Exemplo:

Dados os conjuntos A= {a, b, c, d, e, f} e B = {d, e, f, g, h}, indique o conjunto diferença entre eles.

Para encontrar a diferença, primeiro devemos identificar quais elementos pertencem ao conjunto A e
que também aparecem ao conjunto B.

No exemplo, identificamos que os elementos d, e e f pertencem a ambos os conjuntos. Assim, vamos

retirar esses elementos do resultado. Logo, o conjunto diferença de A menos B sera dado por:

A – B = {a, b, c}

Propriedades da União e da Intersecção

Dados três conjuntos A, B e C, as seguintes propriedades são válidas:

Propriedade comutativa

Propriedade associativa

Propriedade distributiva

Se A está contido em B ():

Leis De Morgan
Considerando dos conjuntos pertencentes a um universo U, tem-se:

1.º) O complementar da união é igual à intersecção dos complementares:

2.º) O complementar da intersecção é igual à união dos complementares:

♦ Interseção

Os elementos que fazem parte do conjunto interseção são os elementos comuns aos conjuntos
relacionados.

Exemplo 1:
Dados dois conjuntos A = {5,6,9,8} e B = {0,1,2,3,4,5}, se pedimos a interseção deles teremos: A
∩ B = {5}, dizemos que A “inter” B é igual a 5.

Exemplo 2:

Dados os conjuntos B = {-3, -4, -5, -6} e C = {-7, -8, -9}, se pedirmos a interseção deles teremos:
B ∩ C = { } ou B ∩ C = , então B e C são conjuntos distintos.

Exemplo 3:

Dados os conjuntos D = {1,2,3,4,5} e E = {3,4,5}. A interseção dos conjuntos ficaria assim:

E ∩ D = {3,4,5} ou E ∩ D = E, pode ser concluído também que
E D.
♦ União

Conjunto união são todos os elementos dos conjuntos relacionados.

Exemplo 1:

Dados os conjuntos A = { x | x é inteiro e -1 < x < 2} e B = {1,2,3,4} a união desses dois conjuntos é
:
A U B = {0,1,2,3,4}

Exemplo 2:
Dados os conjuntos A = {1,2,3} e B = {1,2,3,4,5} a união desses conjuntos é: A
U B = {1,2,3,4,5}, nesse caso podemos dizer que A U B = B.

♦ Diferença Entre Dois Conjuntos.

Dados dois conjuntos A e B chama-se conjunto diferença ou diferença entre A e B o conjunto formado
pelos elementos de A que não pertencem a B. O conjunto diferença é representado por A – B.

Exemplo 1:

A = {1,2,3,4,5} e B = {3,4,5,6,7} a diferença dos conjuntos é: A

– B = {1,2}

Exemplo 2:
A = {1,2,3,4,5} e B = {8,9,10} a diferença dos conjuntos é:
A – B = {1,2,3,4,5}

Exemplo 3:
A = {1,2,3} e B = {1,2,3,4,5}a diferença dos conjuntos é:
A–B=

Exemplo 4:
Dados os conjuntos A = {1,2,3,4,5,6} e B = {5,6}, a diferença dos conjuntos é: A
– B = {1,2,3,4}. Como B A podemos escrever em forma de complementar:
A–B= A B = {1,2,3,4}.

União entre Conjuntos

O conceito de União entre Conjuntos talvez seja o mais simples entre as três operações. Basta
pensarmos em termos de soma entre conjuntos.

Vamos utilizar exemplos. Considere dois conjuntos, “A” e “B”:

A = {1, 2, 3, 4, 5}

B = {6, 7, 8, 9}

A B = {1, 2, 3, 4, 5, 6, 7, 8, 9}

Uma dúvida comum entre muitos candidatos a concurso público é sobre a possibilidade de termos, nos
conjuntos que serão unidos, elementos iguais. Quando isso ocorre, não é necessário repetir os
elementos repetidos. Veja o exemplo.

A = {1, 2, 3, 4, 5}

B = {3, 4, 5, 6, 7, 8}

A B = {1, 2, 3, 4, 5, 6, 7, 8}

Fácil de compreender, não é mesmo?

Interseção entre Conjuntos

Agora que já aprendemos o que é a união entre conjuntos, passemos para o conceito de interseção.

Interseção nada mais é que os elementos comuns entre dois ou mais conjuntos. Os elementos que
estão presentes em mais de um conjunto.

Caso não haja, entre dois ou mais conjuntos, nenhum elemento comum, é dito que a interseção é vazia,
ou forma um conjunto vazio.

Vamos a um exemplo de dois conjuntos para entender melhor o conceito de interseção.

A = {3, 4, 5, 6}

B = {1, 2, 3, 4}

A ∩ B = {3, 4}

Deu pra perceber que os elementos “3” e “4” estão em ambos os conjuntos numéricos? Por isso eles
formam o conjunto de interseção.

Diferença entre Conjuntos

Agora vamos ao conceito de diferença entre conjuntos, que pode ser entendido como uma subtração
de um conjunto pelo outro.

Novamente, vamos considerar os conjuntos a seguir como exemplo:

A = {1, 2, 3, 4, 5}

B = {3, 4, 5, 6, 7, 8, 9} A – B = {1, 2}

Podemos fazer também a diferença de “B” em relação a “A”, e o resultado será diferente. Veja:

B – A = {6, 7, 8, 9}
Deu pra compreender? Caso surja alguma dúvida, deixe um comentário para que eu possa ajudar a
esclarecer.

Conjunto Complementar

Importante entendermos também o conceito de “Conjunto Complementar”. Embora muita gente tenha
dificuldade de entender esse conceito, ele é mais simples do que parece.

Se você entendeu a Operação de Diferença, na verdade, você já entendeu algo sobre Conjunto
Complementar.

Considere dois conjuntos. Sendo que um é subconjunto do outro. Exemplo…

A = {1, 2, 3, 4, 5, 6, 7, 8, 9}

B = {3, 4, 5}

Percebeu que o conjunto “B” é subconjunto do conjunto “A”? Ou seja, todos os elementos do conjunto
“B” também pertencem ao conjunto “A”.

Assim, o conjunto complementar de “B” em relação a “A” será o seguinte:

C = {1, 2, 6, 7, 8, 9}

O conjunto complementar é formado pelos elementos que não estão no subconjunto, e que fazem parte
do conjunto maior.’

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Teoria Elementar dos Conjuntos

A Teoria dos conjuntos é a teoria matemática dedicada ao estudo da associação entre objetos com
uma mesma propriedade, elaborada por volta do ano de 1872. Sua origem pode ser encontrada nos
trabalhos do matemático russo Georg Cantor (1845-1918), os quais buscavam a mais primitiva e
sintética definição de conjunto.

Tal teoria ficou conhecida também como "teoria ingênua" ou "teoria intuitiva" por causa da descoberta
de várias antinomias (ou paradoxos) associados à ideia central da própria teoria. Tais antinomias
levaram a uma axiomatização das teorias matemáticas futuras, influenciando de modo indelével as
ciências da matemática e da lógica. Mais tarde, a teoria original receberia complementos e
aperfeiçoamentos no início do século XX por outros matemáticos.

O conhecimento prévio de tal teoria serve como base para o desenvolvimento de outros temas na
matemática, como relações, funções, análise combinatória, probabilidade, etc.

Como definição intuitiva de conjuntos, dadas por Cantor, surgiam em sua teoria exemplos como:

1. Um conjunto unitário possui um único elemento

2. Dois conjuntos são iguais se possuem exatamente os mesmos elementos

3. Conjunto vazio é o conjunto que não possui nenhum elemento

4. Os conjuntos podem ser finitos ou infinitos. Um conjunto finito pode ser definido reunindo todos os
seus elementos separados por vírgulas. Já um conjunto infinito pode ser definido por uma
propriedade que deve ser satisfeita por todos os seus membros.

A ideia de conjunto era um conceito primitivo e autoexplicativo de acordo com a teoria; não necessitaria
de definição.

Esta forma de representar um conjunto, pela enumeração de seus elementos é denominada "forma
de listagem". Poderia-se representar o mesmo conjunto por uma determinada propriedade de seus
elementos, sendo x, por exemplo, um número qualquer do conjunto Z representado abaixo: Z =
{1,3,5,7,9,11, ... }

teríamos, concluindo:

Z = { x | x é ímpar e positivo } = { 1,3,5, ... }.

Merece destaque outras relações básicas, que independem de um cálculo matemático mais complexo,
utilizando-se lógica básica e pura. São exemplos desta afirmação as relações a seguir:

1 - Pertinência, que estabelece se um elemento pertence ou não pertence a um conjunto pré-

estabelecido:

- dado um número x, caso ele pertença ao conjunto, escrevemos x ∈ A, ou "x" pertence ao conjunto A
- caso "x" não pertença ao conjunto, registra-se x ∉ A
- um conjunto sem elementos é um conjunto vazio, representado pela letra grega φ (phi) 2 -

Subconjunto:

Caso todo o elemento do conjunto A pertença também ao conjunto B, sem que todos os elementos
deste segundo grupo pertençam todos a B, diremos que "A é subconjunto de B": A ⊂ B 3 - Conjuntos
numéricos fundamentais:

Trata-se de qualquer conjunto cujos elementos são números, entre eles, o conjunto de números
naturais N = {0,1,2,3,4,5,6...}; o conjunto de números inteiros Z = {..., -4,-3,-2,-1,0,1,2,3,... } (sendo que
N ⊂ Z); conjunto de números racionais Q = { 2/3, -3/7, 0,001, 0,75, 3, etc.) (sendo que N ⊂ Z ⊂
Q); conjunto de números irracionais, etc.
4 - União

Ocorre união quando o conjunto união contempla todos os elementos de dado conjunto A ou de dado
conjunto B.

Exemplo: {0,1,3} { 3,4,5 } = { 0,1,3,4,5}

Assim, através de suas numerosas combinações, que fornecem poderosa ferramenta para a
construção da matemática de base axiomática, apesar de seu conteúdo predominantemente dedutivo,
logo surgiu o "Paradoxo de Russel", que é a contradição mais famosa da teoria dos conjuntos.
Conjuntos: Teoria e Exemplos

Conjuntos

1. Introdução

Como em qualquer assunto a ser estudado, a Matemática também exige uma linguagem adequada
para o seu desenvolvimento.

A teoria dos Conjuntos representa instrumento de grande utilidade nos diversos desenvolvimentos
da Matemática, bem como em outros ramos das ciências físicas e humanas.

Devemos aceitar, inicialmente, a existência de alguns conceitos primitivos (noções que adotamos sem
definição) e que estabelecem a linguagem do estudo da teoria dos Conjuntos.

Adotaremos a existência de três conceitos primitivos: elemento, conjunto e pertinência. Assim é

preciso entender que, cada um de nós é um elemento do conjunto de moradores desta cidade, ou
melhor, cada um de nós é um elemento que pertence ao conjunto de habitantes da cidade, mesmo
que não tenhamos definido o que é conjunto, o que é elemento e o que é pertinência.

2. Notação e Representação

A notação dos conjuntos é feita mediante a utilização de uma letra maiúscula do nosso alfabeto e a
representação de um conjunto pode ser feita de diversas maneiras, como veremos a seguir.

A. Listagem dos Elementos

Apresentamos um conjunto por meio da listagem de seus elementos quando relacionamos todos os
elementos que pertencem ao conjunto considerado e envolvemos essa lista por um par de chaves.
Os elementos de um conjunto, quando apresentados na forma de listagem, devem ser separados
por vírgula ou por ponto-e-vírgula, caso tenhamos a presença de números decimais. Exemplos

1º) Seja A o conjunto das cores da bandeira brasileira, então:

A = {verde, amarelo, azul, branco}

2º) Seja B o conjunto das vogais do nosso alfabeto, então:

B = {a, e, i, o, u}

3º) Seja C o conjunto dos algarismos do sistema decimal de numeração, então:

C = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

B. Uma Propriedade de seus elementos

A apresentação de um conjunto por meio da listagem de seus elementos traz o inconveniente de não
ser uma notação prática para os casos em que o conjunto apresenta uma infinidade de elementos.
Para estas situações, podemos fazer a apresentação do conjunto por meio de uma propriedade que
sirva a todos os elementos do conjunto e somente a estes elementos.

A = {x / x possui uma determinada propriedade P}

Exemplos

1º) Seja B o conjunto das vogais do nosso alfabeto, então:

B = {x / x é vogal do nosso alfabeto}

2º) Seja C o conjunto dos algarismos do sistema decimal de numeração, então:

C = {x/x é algarismo do sistema decimal de numeração}

C. Diagrama de Euler-Ven

A apresentação de um conjunto por meio do diagrama de Euler-Venn é gráfica e, portanto, muito

prática. Os elementos são representados por pontos interiores a uma linha fechada não entrelaçada.
Dessa forma, os pontos exteriores à linha representam elementos que não pertencem ao conjunto
considerado.

Exemplo

3. Relação de Pertinência

Quando queremos indicar que um determinado elemento x faz parte de um conjunto A, dizemos que
o elemento x pertence ao conjunto A e indicamos:

em que o símbolo é uma versão da letra grega epsílon e está consagrado em toda matemática como
símbolo indicativo de pertinência. Para indicarmos que um elemento x não pertence ao conjunto A,
indicamos:

Exemplo

Consideremos o conjunto: A = {0, 2, 4, 6, 8} O

algarismo 2 pertence ao conjunto A:

O algarismo 7 não pertence ao conjunto A:

4. Relação de Inclusão Subconjuntos

Dizemos que o conjunto A está contido no conjunto B se todo elemento que pertencer a A, pertencer
também a B. Indicamos que o conjunto A está contido em B por meio da seguinte símbologia:

Obs. – Podemos encontrar em algumas publicações uma outra notação para a relação de inclusão:
O conjunto A não está contido em B quando existe pelo menos um elemento de A que não pertence a
B. Indicamos que o conjunto A não está contido em B desta maneira:

Se o conjunto A está contido no conjunto B, dizemos que A é um subconjunto de B. Como todo

elemento do conjunto A pertence ao conjunto A, dizemos que A é subconjunto de A e, por extensão,
todo conjunto é subconjunto dele mesmo.

Importante – A relação de pertinência relaciona um elemento a um conjunto e a relação de inclusão

refere-se, sempre, a dois conjuntos.

Podemos notar que existe uma diferença entre 2 e {2}. O primeiro é o elemento 2, e o segundo é o
conjunto formado pelo elemento 2. Um par de sapatos e uma caixa com um par de sapatos são
coisas diferentes e como tal devem ser tratadas.

Podemos notar, também, que, dentro de um conjunto, um outro conjunto pode ser tratado como um
de seus elementos. Vejamos o exemplo a seguir:

{1, 2} é um conjunto, porém no conjunto

A = {1, 3, {1, 2}, 4} ele será considerado um elemento, ou seja, {1, 2} A.

Uma cidade é um conjunto de pessoas que representam os moradores da cidade, porém uma cidade
é um elemento do conjunto de cidades que formam um Estado.

5. Conjuntos Especiais

Embora conjunto nos ofereça a idéia de “reunião” de elementos, podemos considerar como conjunto
agrupamentos formados por um só elemento ou agrupamentos sem elemento algum.

Chamamos de conjunto unitário aquele formado por um só elemento.

Exemplos

1º) Conjunto dos números primos, pares e positivos: {2}

2º) Conjunto dos satélites naturais da Terra: {Lua}

3º) Conjunto das raízes da equação x + 5 = 11: {6}

Chamamos de conjunto vazio aquele formado por nenhum elemento. Obtemos um conjuntovazio
considerando um conjunto formado por elementos que admitem uma propriedade impossível.
Exemplos

1º) Conjunto das raízes reais da equação:

x2 + 1 = 0

2º) Conjunto:

O conjunto vazio pode ser apresentado de duas formas: ou { } ( é uma letra de origem

norueguesa). Não podemos confundir as duas notações representando o conjunto vazio por { }, pois

estaríamos apresentando um conjunto unitário cujo elemento é o .

O conjunto vazio está contido em qualquer conjunto e, por isso, é considerado subconjunto de
qualquer conjunto, inclusive dele mesmo.

Demonstração

Vamos admitir que o conjunto vazio não esteja contido num dado conjunto A. Neste caso, existe um
elemento x que pertence ao conjunto vazio e que não pertence ao conjunto A, o que é um absurdo,
pois o conjunto vazio não tem elemento algum. Conclusão: o conjunto vazio está contido no
conjunto A, qualquer que seja A.

6. Conjunto Universo

Quando desenvolvemos um determinado assunto dentro da matemática, precisamos admitir um

conjunto ao qual pertencem os elementos que desejamos utilizar. Este conjunto é chamado de
conjunto universo e é representado pela letra maiúscula U.

Uma determinada equação pode ter diversos conjuntos solução de acordo com o conjunto universo
que for estabelecido.

Exemplos

1º) A equação 2x3 – 5x2 – 4x + 3 = 0 apresenta:

7. Conjunto de Partes

Dado um conjunto A, dizemos que o seu conjunto de partes, representado por P (A), é o conjunto
formado por todos os subconjuntos do conjunto A.

A. Determinação do Conjunto de Partes

Vamos observar, com o exemplo a seguir, o procedimento que se deve adotar para a determinação do
conjunto de partes de um dado conjunto A. Seja o conjunto A = {2, 3, 5}. Para obtermos o conjunto
de partes do conjunto A, basta escrevermos todos os seus subconjuntos:

1º) Subconjunto vazio: , pois o conjunto vazio é subconjunto de qualquer conjunto.

2º) Subconjuntos com um elemento: {2}, {3}, {5}.

3º) Subconjuntos com dois elementos: {2, 3}, {2, 5} e {3, 5}.

4º) Subconjuntos com três elementos: A = {2, 3, 5}, pois todo conjunto é subconjunto dele mesmo.

Assim, o conjunto das partes do conjunto A pode ser apresentado da seguinte forma: P(A) = { ,
{2}, {3}, {5}, {2, 3}, {2, 5}, {3, 5}, {2, 3, 5}}

B. Número de Elementos do conjunto de partes

Podemos determinar o número de elementos do conjunto de partes de um conjunto A dado, ou seja,

o número de subconjuntos do referido conjunto, sem que haja necessidade de escrevermos todos os
elementos do conjunto P (A). Para isso, basta partirmos da idéia de que cada elemento do conjunto A
tem duas opções na formação dos subconjuntos: ou o elemento pertence ao subconjunto ou ele não
pertence ao subconjunto e, pelo uso do princípio multiplicativo das regras de contagem, se cada
elemento apresenta duas opções, teremos:

Observemos o exemplo anterior: o conjunto A = {2, 3, 5} apresenta três elementos e, portanto, é de se

supor, pelo uso da relação apresentada, que n [P (A)] = 23 = 8, o que de fato ocorreu.

8. Igualdade de Conjuntos

Dois conjuntos são iguais se, e somente se, eles possuírem os mesmos elementos, em qualquer
ordem e independentemente do número de vezes que cada elemento se apresenta. Vejamos os
exemplos:

{1, 3, 7} = {1, 1, 1, 3, 7, 7, 7, 7} = {7, 3, 1}

Observação

Se o conjunto A está contido em B (A B) e B está contido em A (B A), podemos afirmar que

A = B.

Subconjuntos e Relação de Inclusão

Um conjunto é uma reunião de objetos que possuem características comuns. Dessa forma, conjuntos
numéricos são aqueles cujos elementos são números. Os subconjuntos também são conjuntos,
entretanto, caracterizam-se por estar totalmente incluídos em outro conjunto qualquer. Em razão disso,
a relação entre um conjunto e os seus subconjuntos é conhecida como relação de inclusão.

Exemplo de conjunto e subconjuntos

A seguir, observe exemplos de conjuntos numéricos e de alguns subconjuntos existentes neles.

O conjunto dos números naturais é formado pelo zero e por todos os números inteiros positivos.
Sendo assim, podemos escrever os elementos do conjunto dos números naturais da seguinte
maneira:

N = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, …}

O conjunto dos números pares não negativos P é um subconjunto dos números naturais, pois todos
os seus elementos também pertencem a ele.

P = {0, 2, 4, 6, 8, 10, 12, 14, …}

O conjunto dos números naturais ímpares não negativos também é subconjunto dos números
naturais, pois todos os seus elementos pertencem a ele.
Definição de subconjuntos

Dados os conjuntos A e B, dizemos que B é subconjunto de A se todos os elementos de B também

forem elementos de A. Nesse caso, temos:

Podemos ler essa definição da seguinte maneira: B é subconjunto de A se, e somente se, para todo
x, se x pertence ao conjunto A, então x pertence ao conjunto B.

A primeira parte também pode ser lida como B está contido em A. Note que a relaçãoentre esses dois
conjuntos é de inclusão, portanto, um conjunto Z pode conter ou não conter um conjunto Z’ ou o
conjunto Z’ pode estar contido ou não estar contido no conjunto Z.

Quando a relação é definida para elementos, deveremos usar outra relação, chamada de relação de
pertinência: o elemento x pertence ou não pertence ao conjunto Z.

Relação de inclusão

Observe os símbolos abaixo e, logo em seguida, seus significados:

O símbolo 1 é chamado de sinal de inclusão. A relação de inclusão, como dito anteriormente, só existe
entre conjuntos. Entre um elemento e um conjunto, a relação usada deve ser é a de pertinência.

O símbolo 2 é o sinal de inclusão cortado. Ele é usado quando um conjunto não está contido em outro.

O símbolo 3 é o sinal de inclusão invertido. O conjunto à sua direita contém o conjuntoà sua esquerda.

O símbolo 4 é sinal de inclusão invertido e cortado. O conjunto à sua direita não contém o conjunto à
sua esquerda.

Todo conjunto tem dois subconjuntos triviais: o próprio conjunto e o conjunto vazio.

Subconjunto

PUBLICIDADE

4 – Subconjunto

Definição
Considere B e C como dois conjuntos.
Se os elementos de B também pertencerem a C, significa que:

• B é um subconjunto de C, ou
• B é a parte de C, ou
• B está contido em C

Podemos representar isto por:

se
Significa que:
B não é um subconjunto de C ou B
não é parte de C ou
B não está contido em C.

Porém, se temos somente um elemento no conjunto B que não é elemento de C, temos:

Por exemplo:

{c, d} ⊂ {c, d, e}, pois c ∈ {a, b, c} e d ∈ {a, b, c}

{c, d, e} ⊄ {c, e}, pois d ∉ {c, e}
Inclusão
Relação de inclusão acontece quando o subconjunto estabelece uma relação entre dois conjuntos.

Pertinência

Relação de pertinência acontece quando se estabelece uma relação entre um elemento e um

conjunto.

Simbolicamente:

Operações com Conjuntos

As operações com conjuntos são as operações feitas com os elementos que formam uma coleção. São
elas: união, intersecção e diferença.

Lembre-se que na matemática os conjuntos representam a reunião de diversos objetos. Quando os

elementos que formam o conjunto são números, são chamados de conjuntos numéricos.

Os conjuntos numéricos são:

• Números Naturais (N)

• Números Inteiros (Z)

• Números Racionais (Q)

• Números Irracionais (I)

• Números Reais (R)

União de Conjuntos

A união de conjuntos corresponde a junção dos elementos dos conjuntos dados, ou seja, é o conjunto
formado pelos elementos de um conjunto mais os elementos dos outros conjuntos.
Se existirem elementos que se repetem nos conjuntos, ele aparecerá uma única vez no conjunto união.

Para representar a união usamos o símbolo U.

Exemplo:

Dados os conjuntos A = {c, a, r, e, t} e B = {a, e, i, o, u}, represente o conjunto união (A U B).

Para encontrar o conjunto união basta juntar os elementos dos dois conjuntos dados. Temos de ter o
cuidado de incluir os elementos que se repetem nos dois conjuntos uma única vez.

Assim, o conjunto união será:

A U B = {c, a, r, e, t, i, o, u}

Intersecção de Conjuntos

A intersecção de conjuntos corresponde aos elementos que se repetem nos conjuntos dados. Ela é
representada pelo símbolo ∩.

Exemplo:

Dados os conjuntos A = {c, a, r, e, t } e B= B = {a, e, i, o, u}, represente o conjunto intersecção (

).

Devemos identificar os elementos comuns nos conjuntos dados que, neste caso, são os elementos
a e e, assim o conjunto intersecção ficará:

= {a, e}

Obs: quando dois conjuntos não apresentam elementos em comum, dizemos que a intersecção entre
eles é um conjunto vazio.

Nesse caso, esses conjuntos são chamados de disjuntos: A ∩ B = Ø

Diferença de Conjuntos

A diferença de conjuntos é representada pelos elementos de um conjunto que não aparecem no outro
conjunto.

Dados dois conjuntos A e B, o conjunto diferença é indicado por A - B (lê-se A menos B).

Conjunto Complementar

Dado um conjunto A, podemos encontrar o conjunto complementar de A que é determinado pelos

elementos de um conjunto universo que não pertençam a A.

Este conjunto pode ser representado por

Quando temos um conjunto B, tal que B está contido em A ( ), a diferença A - B é igual ao

complemento de B.

Exemplo:

Dados os conjuntos A= {a, b, c, d, e, f} e B = {d, e, f, g, h}, indique o conjunto diferença entre eles.

Para encontrar a diferença, primeiro devemos identificar quais elementos pertencem ao conjunto A e
que também aparecem ao conjunto B.

No exemplo, identificamos que os elementos d, e e f pertencem a ambos os conjuntos. Assim, vamos

retirar esses elementos do resultado. Logo, o conjunto diferença de A menos B sera dado por:

A – B = {a, b, c}

Propriedades da União e da Intersecção

Dados três conjuntos A, B e C, as seguintes propriedades são válidas:

Propriedade comutativa

•
•
Propriedade associativa

•
•
Propriedade distributiva

•
•
Se A está contido em B ( ):

•
•
•
Leis de Morgan

Considerando dos conjuntos pertencentes a um universo U, tem-se:

1.º) O complementar da união é igual à intersecção dos complementares:

2.º) O complementar da intersecção é igual à união dos complementares:

Operação com conjuntos

Quando falamos de operação lembramos logo de adição, subtração, divisão, multiplicação entre
números. É possível também operar conjuntos.
Essas operações recebem nomes diferentes, como: União de conjuntos, Intersecção de conjuntos,
Diferença de conjunto, Conjunto complementar.
Todas essas operações são representadas por símbolos diferentes. Veja a representação de cada uma
delas:

► União de conjuntos
Dados dois conjuntos A = {1, 2, 3, 4, 5} e B = {6, 7}, a união deles seria pegar todos os elementos de A
e de B e unir em apenas um conjunto (sem repetir os elementos comuns). O conjunto que irá
representar essa união ficará assim: {1, 2, 3, 4, 5, 6, 7}.

A representação da união de conjuntos é feita pelo símbolo U. Então, A

U B = {1, 2, 3, 4, 5, 6, 7}.

►Intersecção de conjuntos
Quando queremos a intersecção de dois conjuntos é o mesmo que dizer que queremos os elementos
que eles têm em comum.
Dados dois conjuntos A = {1, 2, 3, 4, 5, 6} e B = {5, 6, 7}, a intersecção é representada pelo símbolo
∩, então A ∩ B = {5, 6}, pois 5 e 6 são os elementos que pertencem aos dois conjuntos.

Se dois conjuntos não têm nenhum elemento comum, a intersecção deles será um conjunto vazio.

Dentro da intersecção de conjuntos há algumas propriedades:

1) A intersecção de um conjunto por ele mesmo é o próprio conjunto: A ∩ A = A
2) A propriedade comutatividade na intersecção de dois conjuntos é: A∩B=
B ∩ A.
3) A propriedade associativa na intersecção de conjuntos é: A
∩ (B ∩ C) = (A ∩ B) ∩ C

► Diferença entre conjunto

Dados o conjunto A = {0, 1, 2, 3, 4, 5} e o conjunto B = {5, 6, 7}, a diferença desses conjuntos é
representada por outro conjunto, chamado de conjunto diferença.

Então os elementos de A – B serão os elementos do conjunto A menos os elementos que pertencerem

ao conjunto B.
Portanto A – B = {0, 1, 2, 3, 4}.

►Conjunto complementar
Conjunto complementar está relacionado com a diferença de conjunto.
Achamos um conjunto complementar quando, por exemplo, dado um conjunto A e B e o conjunto B e
A, então B é complementar em relação a A.

A = {2, 3, 5, 6, 8}

B = {6,8}
B A, então o conjunto complementar será CAB = A – B = {2, 3, 5}.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Raciocínio Lógico-Matemático
Por ser uma disciplina presente em praticamente todos os concursos públicos brasileiros, raciocínio
lógico deveria merecer atenção especial nos cursos e materiais de estudo disponíveis no mercado,
mas nem sempre é isso que acontece.

Na verdade, é muito comum que os estudos de raciocínio lógico na preparação para concurso só
reproduzam algo que a maioria dos concurseiros sentiam ao estudar matemática na escola básica: a
sensação é de que raciocínio lógico é algo complicado, entediante e trabalhoso.

Contudo, assim como estudar matemática, estudar raciocínio lógico exige um cuidado especial, e a
utilização de ferramentas mentais diferentes daquelas que você utiliza nas demais disciplinas (Direito,
Português, História e outras). Ao entender que raciocínio lógico é uma disciplina diferenciada, e por
isso exige um método diferenciado de preparação, você alcançará o desenvolvimento necessário para
acertar o máximo de questões na sua prova.

Neste artigo vou lhe ensinar métodos, conhecimentos e ferramentas interessantíssimas para começar
a ter grandes resultados nessa disciplina. Também vou lhe passar informações que farão com que sinta
verdadeiro prazer de estudar raciocínio lógico, facilitando, assim, seu ânimo para estudar.

Com certeza, após ler detalhadamente esta publicação, você entrará para o rol de uma minoria de
concurseiros que possuem alto desempenho em raciocínio lógico.

O que é Raciocínio Lógico

O professor Irving Copi, uma das principais referências no mundo quando o assunto é raciocínio lógico,
define da seguinte forma “lógica” (leia com atenção):

O estudo da lógica é o estudo dos métodos e princípios usados para distinguir o raciocínio correto do
incorreto. […] O estudo da lógica proporcionará ao estudante certas técnicas e certos métodos de fácil
aplicação para determinar a correção ou a incorreção de todos os raciocínios, inclusive os próprios. –
Irving Copi

Quando você estuda raciocínio lógico, na verdade está estudando a possibilidade de um pensamento
ou um discurso ser correto ou incorreto.

Para facilitar essa análise, existe um método famoso (cobrado em concursos), que substitui expressões
verbais por símbolos. É como se você estivesse fazendo contas com a linguagem. Em vez de perguntar
“quanto é 1 + 1?”, como uma prova de matemática, a prova de raciocínio lógico pergunta: “Todo
cachorro é azul. Totó é um cachorro. Posso dizer que Totó é azul?”.

Substituindo “cachorro”, “azul” e “Totó” por símbolos você chegará a um “resultado”.

No nosso dia-a-dia falamos muitas vezes que algo “não tem lógica”. Quando dizemos isso queremos
nos referir a pensamentos incorretos. Estudar lógica é justamente aprender os métodos necessários
para detectar esses pensamentos incorretos (chamados de “falácias”).

A rainha nos estudos de Raciocínio Lógico

Agora que você já sabe qual é o objeto de estudo da disciplina raciocínio lógico, preciso lhe dizer qual
é a grande prioridade para se dar bem em qualquer prova. Estou me referindo à rainha da preparação
quando o assunto é raciocínio lógico: a prática.

Para entender a importância da prática, vou fazer uma relação ilustrativa.

Você prefere ter à sua disposição, no dia da prova do seu concurso, uma mochila com alguns livros ou
uma biblioteca inteira? A resposta é: depende!

Embora possa ser sedutor ter toda uma biblioteca, com dezenas de milhares de títulos, lembre-se que
na prova de um concurso público você precisa ter a resposta certa no mínimo de tempo possível. Por
isso, uma mochila com alguns livros bem selecionados pode ser bem mais útil do que uma biblioteca
inteira que lhe tomaria muito tempo para encontrar o que precisa.

A prática é o que faz você selecionar os livros corretos para colocar em sua mochila. Ou melhor, ela
lhe ajuda a absorver e usar com facilidade todos os conhecimentos de raciocínio lógico que você
precisa para utilizar rapidamente no momento da prova.

O legal é que, quanto mais você pratica raciocínio lógico, mais sua capacidade de aprendizado irá
melhorar, inclusive nas demais disciplinas. O bom candidato em raciocínio lógico tende a se dar bem
nas demais disciplinas, por isso, inclua o estudo da lógica no seu dia-a-dia. Pratique o máximo possível!

Brincando e raciocinando logicamente

Para se introduzir nos estudos de raciocínio lógico, ou aperfeiçoar a sua capacidade de raciocínio,
cálculo e sensibilidade argumentativa, é importante aderir a algumas “brincadeiras”, que podem servir
até mesmo de distração em momentos onde não puder estudar pra valer. Selecionei 4 jogos que
comprovadamente aumentam sua capacidade de resolver problemas lógicos:

Sudoku

Sudoku é um jogo (puzzle) em que se têm de preencher as casa vazias com algarismos de 1 a 9, de
modo que o mesmo algarismo não se repita em cada linha, coluna e quadrado. Para jogar Sudoku no
computador ou no smartphone basta digitar “sudoku” em qualquer buscador, e encontrar centenas de
aplicativos e games para treinar lógica.

Desafios de lógica

Gosto muito das revistas que trazem desafios de lógica para os leitores, mas hoje há muitas
possibilidades de encontrar esse tipo de passatempo, principalmente na internet. São simplesmente
problemas onde você deve usar raciocínio lógico para encontrar a solução. Possuem o mesmo
fundamento que as questões de concurso.

Conheça segredos para turbinar seus estudos!

O cubo mágico também é chamado de cubo de Rubik, por ter sido inventado no ano de 1974 pelo
húngaro Ernõ Rubik. Trata-se de um cubo, geralmente de plástico, que forma um quebra-cabeça
colorido, onde você tem como objetivo deixar as faces do cubo com uma só cor. Uma brincadeira
desafiadora e divertida.

Xadrez

Jogar xadrez lhe dá maior desenvoltura ao tomar decisões, treinamento do pensamento crítico,
maturidade intelectual, poder de análise de consequências, aumento da disciplina, responsabilidade
das ações, habilidade de antecipação, aumento da velocidade de pensamento. Precisa dizer mais
alguma coisa? Se você não sabe jogar xadrez, aprenda. Se sabe, jogue!

3 Conceitos Simples, mas Preciosos!

Para ser um bom estudante de lógica você precisará sempre ter em mente 3 conceitos bem fáceis de
entender. Em qualquer problema de raciocínio lógico esses três elementos estarão em jogo. São eles:

Proposição: uma proposição é a afirmação de que algo é verdadeiro. Após analisarmos qualquer
proposição, podemos defini-la como verdadeira ou falsa.

Proposições não são frases. Usamos frases para exprimir proposições, mas nem toda frase é uma
proposição: ordens e perguntas, por exemplo, geralmente não contêm proposições. A frase “compre
o café!”, é uma frase, mas não é uma proposição, porque não afirma que algo é verdadeiro. Uma
proposição é uma frase como “você comprou o café”. Por quê? Porque ela pode ser definida como
verdadeira ou falsa.
Argumento: é um conjunto de proposições que utilizamos para provar algo. Por exemplo:

Todos os homens são mortais.

Sócrates é homem.
Logo, Sócrates é mortal.

Este é um argumento correto, pois está logicamente adequado.

Premissas e conclusão: premissas são as proposições em que se baseiam determinados argumentos.

A conclusão é a proposição final do argumento, que é afirmada após a relação lógica entre as
premissas. No exemplo acima, as premissas são:

Todos os homens são mortais. Sócrates

é homem.

A conclusão é:

Logo, Sócrates é mortal.

Simples assim!

Uma Ferramenta Importantíssima

Ao estudar para uma prova de Lógica, será indispensável aprender a utilizar tabelas de verdade.

As tabelas de verdade são ferramentas muito eficientes para responder a prova do seu concurso. Elas
possibilitam identificar se um grupo de proposições é verdadeiro ou falso.

Esse “grupo” de proposições é chamado de proposição composta. Por exemplo:

O céu é azul e o mar é vermelho

Considerando que a proposição “o céu é azul” é verdadeira e que a proposição “o mar é vermelho” é
falsa, podemos dizer que a proposição completa é falsa.

Isso porque a segunda proposição “o mar é vermelho”, trás uma falsidade à proposição composta.

A tabela de verdade vai permitir que você faça essa análise sem precisar pensar nem analisar muito.

Uma ferramenta importantíssima no estudo do Raciocínio Lógico!

Não esqueça disto!

Não confunda verdade com validade. Apenas proposições podem ser verdadeiras. Apenas argumentos
podem ser válidos.

“O céu é laranja” é uma proposição falsa. Mas o argumento a seguir é válido:

Tudo o que é azul é laranja

O céu é azul
Logo, o céu é laranja

Ser verdadeiro tem a ver com ter correspondência com a realidade. Ser válido tem a ver com fazer o
cálculo corretamente.

Estruturas lógicas

1. Estruturas Lógicas:
Compreender estruturas lógicas é, antes de tudo, compreender o que são proposições.
Chama-se proposição toda sentença declarativa à qual podemos atribuir um dos valores lógicos:
verdadeiro ou falso, nunca ambos. Trata-se, portanto, de uma sentença fechada.

Exemplos:
p: 2 é um nº primo. (V) q:
2² + 3² >( 2+3 )² .(F).
r: Foi publicado o Edital do TRE/MG 2008. (V)
s: (∀x)(x ∈ R)(x + 3 = 9) (F) t: (∃x)(x ∈ R)(x + 3
= 9) (V)
Atenção: Sentenças exclamativas, interrogativas e imperativas não podem ser classificadas como
proposições. Cuidado com as sentenças afirmativas, pois elas podem ou não serem proposições,
vejamos:
1- Ele foi o 1º colocado no Concurso da Receita Federal do Brasil em 2006.
2- Demer foi o 1º colocado no Concurso da Receita Federal do Brasil 2006.
Ambas são sentenças afirmativas, porém somente a 2ª tem sentido completo. O pronome Ele, na frase
1, provoca uma indeterminação. Conclusão: somente a frase 2 é classificada como proposição.
Agora que já sabemos o que é uma proposição, introduziremos a noção de conectivos lógicos a fim de
unirmos duas ou mais proposições simples formando-se, assim, proposições compostas.
2. Proposições Compostas – Conectivos:

2.1 Conectivo “e”, denominado conjunção e cujo símbolo é o acento circunflexo: ^ A

proposição composta P e Q é chamada conjunção de P com Q e simbolizada por P ^ Q.
A conjunção P ^ Q só é verdadeira quando ambas são verdadeiras.
Para que o nosso estudo não fique tão decoreba, imagine a seguinte situação:
Você é um funcionário público federal exigente e, por esse motivo, foi escolhido para avaliar um
colega novato durante o estágio probatório no que diz respeito a dois quesitos: pontualidade e
assiduidade.
Você só aprova este candidato, caso ele atenda os dois quesitos. Caso ele cumpra apenas um ou
nenhum deles, você o reprova. Você é exigente.

Associe o conectivo “e” a exigente e, se possível, lembre-se do fato descrito acima.

É por isso que a tabela-verdade, representativa da conjunção “e”, apresenta-se da forma abaixo:
Dica: Não é proibido decorar, mas o melhor é entender! Para cada conectivo lógico darei um fato
ilustrativo, com o objetivo de facilitar o aprendizado.
Tabela-verdade é o conjunto de todas as possibilidades de avaliarmos uma proposição composta. O
número de linhas da tabela-verdade depende do número de proposições e é calculado pela fórmula:
2ⁿ

O expoente n representa o número de proposições. Na tabela acima temos duas proposições e,

portanto, 4 linhas. Caso tivéssemos 3 proposições, teríamos 8 linhas e assim sucessivamente.

2.2 Conectivo “ou”, denominado disjunção cujo símbolo é a letra : v ou v

Em relação à disjunção, faz-se necessária uma subdivisão em nosso estudo, dado que existe a
disjunção inclusiva e a disjunção exclusiva. A primeira simbolizada por v e a segunda por v. A
proposição composta p ou q é chamada disjunção inclusiva de P com Q e simbolizada por P v Q. A
proposição composta ou P ou Q é chamada disjunção exclusiva de P com Q e é representada por P v
Q.
Mas afinal qual a diferença entre a inclusão e a exclusão?
Observemos as seguintes proposições: a)
Trabalho ou estudo.
b) Ou trabalho ou estudo.
As duas proposições acima são muito parecidas, mas a primeira denota uma inclusão e a segunda
uma exclusão. Entenderemos o porquê.
Na frase 1, apesar de ter feito uso do conectivo ou, posso até fazer as duas coisas, não há impedimento.
Trata-se de uma inclusão. Já na sentença 2, a repetição do conectivo ou, fez mudar o sentido da
proposição, uma vez que excluiu a possibilidade dos dois fatos ocorrerem.
Neste caso, estamos diante de uma exclusão.
Resumindo, na inclusão existe a possibilidade de apenas um dos fatos ocorrerem ou ambos. Na
exclusão, se um fato ocorre o outro estará impedido de acontecer.
Vejamos como ficam as respectivas tabelas-verdades. Disjunção
inclusiva: v

Para diferenciar a conjunção da disjunção inclusiva, faço a seguinte brincadeira:

A conjunção conectivo “e” representa a mulher exigente, portanto só dá V, se tudo for V, caso contrário,
dá F. A disjunção representa a mulher Amélia, aquela boazinha que aceita tudo. Para esta, só dá F se
for tudo F, caso contrário dá V. É brincadeira, mas ajuda a entender, pode ter certeza.
Disjunção exclusiva: v
Para facilitar o aprendizado da tabela do ou exclusivo, faz-se necessário entender que na exclusão
quando um fato ocorre o outro não pode ocorrer, isto é, a verdade só se verifica quando um fato ocorre
e o outro não. É igualmente mentira (F) tanto a ocorrência de ambos os fatos como a não ocorrência
de nenhum. Analisemos a seguinte proposição:
Eu nasci em Guarapari ou Juiz de Fora. Esta é uma sentença que caracteriza muito bem a exclusão.
Apesar da não repetição do conectivo ou no início das orações, como no exemplo anterior, esta é uma
exclusão contextual, dado a impossibilidade de ocorrência dos dois fatos. Caso eu tenha nascido em
Guarapari (V), não poderei ter nascido em Juiz de Fora (F) e vice-versa, por isso na tabela, VF e FV
dão V. Na tabela, FF dá F pelo fato de um dos fatos ter que ocorrer, obrigatoriamente, quando utilizo o
conectivo ou e VV também dá F, uma vez que na exclusão, não há a possibilidade dos dois eventos se
confirmarem ao mesmo tempo.
Esta seria a mulher exclusiva, aquela que gosta de exclusividade, isto é, o igual não interessa, só o
diferente, por isso que elementos iguais VV e FF dão F e elementos distintos VF e FV dão V.
Passemos agora para o conectivo mais cobrado nos concursos públicos, sobretudo, pela ESAF e pelo
CESPE. É o conectivo se então, cujo símbolo é → e cujo nome técnico é condicional.
Examinemos a sentença: Se nasci em Juiz de Fora, então sou mineira.
Vou explicar por que a condicional só dá F na sequência VF e nos demais casos V.
A condicional estabelece uma relação de causa e efeito, portanto, se a causa ocorrer a consequência
ocorrerá. Acompanhe comigo. Caso se confirme que eu realmente nasci em Juiz de Fora, certamente
serei mineira, por isso na tabela-verdade VV dá V. Caso eu não nasça em Juiz de Fora, mesmo assim
posso ser mineira, basta que nasça no estado de Minas Gerais, por isso FV também dá V. Caso eu
não tenha nascido em Juiz de Fora e nem no estado de Minas Gerais, ainda assim não estarei faltando
com a verdade, pois se nasci em Anchieta (nascer em Juiz de Fora será F), serei capixaba, (ser mineira
também será F) e, mesmo assim, a verdade se confirmará, por isso FF dá V. Agora, uma vez ocorrida
a causa, isto é, estiver confirmado que nasci em Juiz de Fora, será impossível não ser mineira, por isso
VF dá F na tabela da condicional. Lembre-se sempre da cidade onde nasceu, pois assim jamais
esquecerá desta parte da matéria, ok?

Eis a tabela da condicional:→

Para finalizarmos o nosso estudo a respeito das estruturas lógicas, falaremos sobre o conectivo
bicondicional, simbolizado por «. Mais uma vez faremos a brincadeira dos tipos de mulheres para ajudar
na memorização.
Esta seria a mulher básica, oposta da mulher que gosta de exclusividade, o que é diferente não
interessa, só gosta do igual, por isso VF e FV dão F e VV e FF dão V.
A tabela-verdade da bicondicional: ↔

Na bicondicionalidade causa e efeito são recíprocos, isto é, ocorrida a causa a consequência virá. Se
a causa não se verificar, a consequência não se confirmará, por isso que elementos iguais VV e FF
dão V e elementos distintos VF e FV dão F.
Estrutura lógica de relações arbitrárias entre pessoas, lugares, objetos ou eventos fictícios

Bom antes de colocar a matéria algumas explicações devem ser colocadas, para que você entenda o
que estão pedindo. No Brasil há uma mania de mudarem as coisas só para complicar, não sei se é a
elite intelectual que quer aparecer ou se é mania de grandeza. fizeram a mesma coisa com o Enem e
agora vira e mexe fazem em concursos. Mudam os termos e o aluno que se vire; colocam termos
genéricos que força o concurseiro ter que estudar um monte de matérias desnecessárias e como são
genéricos os examinadores fazem do jeito que quiserem.
Pesquisei este assunto : Estrutura lógica de relações arbitrárias entre pessoas, lugares, objetos ou
eventos fictícios e deduzir novas informações das relações fornecidas e avaliar as condições usadas
para estabelecer a estrutura daquelas relações que estão intimamente ligadas.
em várias páginas de referências, páginas de cursos, apostilas de raciocínio lógico e inclusive em fórum
onde participava professores de Raciocínio Lógico e ninguém sabe com 100% de segurança o que
engloba esta matéria.
Dentre tudo que pesquisei o conteúdo que teve mais consenso entre os professores é que estas
matérias são a mesma coisa de Conceitos Básicos de raciocínio lógico( como é pedido em outros
concursos) só que de uma maneira mais bonita, contemporânea e “chique”. Então relacionei as
matérias abaixo de que você deve estudar
Compreensão e elaboração da lógica das situações por meio de: raciocínio verbal, raciocínio
matemático, raciocínio sequencial, orientação espacial e temporal, formação de conceitos,
discriminação de elementos.

A lógica faz parte do pensamento humano. É uma maneira de associamos ideias e avaliarmos a
veracidade de sentenças. Estas não precisam, necessariamente, ser ideias matemáticas. Qualquer
área de estudos (biologia, física, química, filosofia,...) fará uso desse tipo de estrutura. Embora a lógica
seja aplicável a diversas áreas, é a matemática que a descreve de modo mais estruturado e é
importante conhecer os jargões usados por ela.

A lógica matemática envolve a compreensão e aplicação de estruturas lógicas que avaliam a

veracidade de proposições. Estas são sentenças que podem ser classificadas ou como verdadeira ou
como falsa, mas nunca como ambos. Por exemplo, a sentença:
“O livro que está sobre a mesa possui 145 páginas” é uma proposição, pois

a frase é totalmente verdadeira ou totalmente falsa.

“Brasília é a capital do Brasil” é outro exemplo de uma proposição, nesse caso,

uma proposição verdadeira.

Duas ou mais proposições podem ser combinadas para originar uma nova proposição. Isso é feito com
os conectivos lógicos, os quais atuam de modo semelhante aos operadores matemáticos (de soma,
subtração, etc). A ação desses conectivos lógicos podem ser visualizados usando tabelas verdade.
Elas mostram se a proposição resultante será verdadeira ou falsa de acordo com as características
das proposições que a irão compor.

...............................................................................................................................

Conjunção (símbolo ^, “e”): A proposição resultante será verdadeira apenas se as duas proposições
originais forem verdadeiras. Por exemplo:

“São Paulo é a capital do estado de São Paulo e Brasília é a capital do Brasil” é uma proposição
construída com o operador de conjunção. Como as duas proposições que a compõe são verdadeiras.

A tabela verdade para esse conectivo é:

P Q P^Q

V V V

V F F

F V F

F F F

Ou seja, dadas duas proposições P, Q, a proposição “P e Q” só será verdadeira se P e Q forem am-

bos verdadeiros.

Disjunção (símbolo v, “ou”): A proposição resultante é verdadeira se pelo menos uma das proposições
originais for verdadeira. Por exemplo:

“Brasília é a capital do Brasil ou São Paulo é a menor cidade do pais”.

é uma proposição verdadeira pois, embora “São Paulo é a menor cidade do pais” seja falso a
proposição “Brasília é a capital do Brasil” é verdadeiro).
A tabela verdade para esse conectivo é:
P Q PvQ

V V V

V F V

F V V

F F F

Condicional (símbolo ->, “se...então”): Esse conectivo dá uma relação de condição entre duas propo-

sições. A proposição resultante afirma que se a primeira proposição for verdadeira, necessariamente a
segunda também será. Mas a segunda pode ser verdadeira sem que a primeira o seja. Se as duas
proposições originais forem tais que essa relação é satisfeita a proposição composta será verdadeira.

Por exemplo:

“Se choveu então o gramado está molhado”

A primeira proposição, “choveu”, pode ser verdadeira ou não. Se ela for verdadeira (se tiver chovido)
então necessariamente o gramado estará molhado. Se ela for falsa, você não pode afirmar nada sobre
o gramado.

ATENÇÃO: A ordem das proposições é importante! Se o gramado estiver molhado você não pode
garantir que choveu!

A tabela verdade para esse conectivo é:

P Q P -> Q Q -> P

V V V V

V F F V

F V V F

F F F F

Note que a ordem das proposições é importante para determinar o comportamento da proposição
resultante.

Nas frases esse conectivo pode aparecer das seguintes formas:

1) Se P, Q.
2) Q, se P.
3) Quando P, Q.

4) P implica Q.

5) Todo P é Q.
6) P é condição suficiente para Q.

7) Q é condição necessária para P.

8) P somente se Q

Bicondicional (símbolo <->, “se e somente se”): A proposição resultante afirma que a veracidade da
primeira proposição é uma condição necessária e suficiente para que a segunda proposição seja
verdadeira. Se as duas proposições originais forem tais que a primeira proposição é verdadeira (falsa)
apenas se a segunda for verdadeira (falsa) e vice-versa, a proposição composta será verdadeira.

Por exemplo:

“Respiro se e somente se estou vivo”

A tabela verdade para esse conectivo é:

P Q P <-> Q

V V V

V F F

F V F

F F V

Nas frases essa conjunção pode aparecer como:

1) P se e só se Q.
2) Se P então Q e se Q então P.
3) P implica Q e Q implica P.
4) Todo P é Q e todo Q é P.
5) P somente se Q e Q somente se P.
6) P é condição suficiente e necessária para Q.

7) Q é condição suficiente e necessária para P.

Negação (símbolo ¬, “não”): se uma proposição for verdadeira (falsa) o uso da negação a torna falsa
(verdadeira). Por exemplo:

“2 é impar” é uma proposição falsa. “2 não é impar” é uma proposição verdadeira.

A tabela verdade para esse conectivo é:
P ¬P

V F

F V

...............................................................................................................................

Os conectivos lógicos acima podem ser combinados para originar uma nova proposição. De acordo
com a tabela verdade da proposição resultante elas podem ser classificadas como: tautologias,
contadições, ou contingências.

1. Tautologia: É uma proposição composta que é sempre verdadeira, independente do valor lógico
(verdadeiro ou falso) das proposições que a compõe.

2. Contadição: É uma proposição composta que é sempre falsa, independente do valor lógico
(verdadeiro ou falso) das proposições que a compõe.

3. Contingência: São todas as proposições compostas que não são nem tautologias nem
contradições.

Compreensão do processo lógico que, a partir de um conjunto de hipóteses, conduz, de forma válida,
a conclusões determinadas.

Esse processo também é chamado de lógica de argumentação. Nele se avalia uma séria de
proposições (as premissas ou hipóteses) e ver qual a conclusão lógica à qual elas levam. Por exemplo
as premissas:

“Todo ser humano tem mãe” (premissa 1) e

“Todos os homens são humanos” (premissa 2) permitem

concluir que:

“Todos os homens têm mãe” (conclusão).

Raciocínio sequencial, orientação espacial e temporal

Esta parte do Raciocínio lógico é muito interessante, pois dentro do conhecimento geral adquirido na
escola e se lermos atentamente a questão buscando o padrão que foi desenvolvido a questão, você
conseguirá resolver, pois é apenas uma questão de lógica certo?

O raciocínio lógico sequencial ou orientação sequencial vem normalmente com sequencias de

números, letras, palavras ou figuras.

Já o raciocínio lógico espacial ou orientação espacial envolvem figuras, dados e palitos. O raciocínio
espacial é uma habilidade importante que gera conceitos e soluções para problemas que surgem em
áreas como arquitetura, engenharia, ciências, matemática, arte, jogos, e também no cotidiano. É
preciso um bom raciocínio espacial para navegar pelas ruas, usar mapas, resolver quebra-cabeças ou
jogar sinuca, decorar a casa, estudar geometria e física, ou simplesmente decidir se é possível fazer
um sofá passar pela porta.

O raciocínio lógico temporal ou orientação temporal envolve datas, calendário,ou seja, envolve o
tempo.

A solução destes tipos de questões envolve pouca teoria, por isso, para adquirir conhecimento é
necessário fazer o máximo de questões possíveis.
Coloquei várias questões para você praticar!

1. Qual das Figuras (a, b, c, d) pode ser montada ao dobrar o seguinte modelo:

2. Qual das Figuras (a, b, c, d) pode ser montada ao dobrar o modelo:

3. TCE/SP 2012 – FCC – AUXILIAR DE FISCALIZAÇÃO FINANCEIRA II

Rafaela empilhou 125 peças brancas, todas com a forma de cubo de aresta 1 cm, de modo a formar
um único cubo maior, de aresta 5 cm. Então, ela pintou todas as faces do cubo maior com tinta verde
e, após a tinta secar, separou novamente as 125 peças. Ao examiná-las com cuidado, Rafaela
percebeu que o número de peças que estavam com uma única face pintada de verde era igual a

A 48

B 54

C 72 D 90

E 98

4. RACIOCÍNIO LÓGICO – Calendário

(FCC – TRT 6ª Região 2012 – Analista Judiciário ) Em um determinado ano, o mês de abril, que possui
um total de 30 dias, teve mais domingos do que sábados. Nesse ano, o feriado de 1º de maio ocorreu
numa
a) segunda-feira.
b) terça-feira.
c) quarta-feira.
d) quinta-feira.
e) sexta-feira.

5. PREF. SOROCABA/SP 2012 – VUNESP – TÉCNICO DE CONTROLE ADMINISTRATIVO – PMS

O ano de 2012 é bissexto, e o dia 1.º de janeiro foi um domingo. O dia 1.º de janeiro de 2013 será uma
terça-feira.
O dia 1.º de janeiro de 2017 será:

A um domingo

B uma terça-feira
C uma quarta-feira

D uma quinta-feira

E uma sexta-feira Respostas:

1. Como o modelo do exemplo é completamente escuro, você só pode construir uma “figura
completamente escura”. Portanto, a resposta será a marcada com a letra “b”, porque as outras
figuras têm setores brancos.

2. Como o modelo tem um quadrado preto em cada um de seus lados, você só pode construir uma
figura com “quadrados-pretos em cada um de seus lados.” Somente a forma “d” é uma figura com
estas características.

3. empilhando… temos um “cubão” de 5×5 cubinhos…cada face terá 25 cubos que terão faces e aresta
pintadas mas somente os centrais de cada face deste cubão, receberão tinta só em uma face…
assim em cada face teremos 9 cubos pintados só de um lado…os do “miolo não receberão tinta e
os que formarão os vértices receberão tinta em 2 faces. assim 9 cubos em cada face vezes 6 faces
dá 54!!!!!. Alternativa B

4. Se o mê teve mais domingos do que sábados, dia 1º/04 foi domingo.

Observando que abril tem 30 dias, 1º de maio será 30 dias depois.
30 dividido por 7 = 4 semanas e 2 dias 1º de maio ocorreu numa
TERÇA-FEIRA.
ALTERNATIVA B

5. Os dias da semana, de um ano comum para outro, mudam para o dia seguinte (ex: de domingo
passa para segunda).

Quando se passa de um ano comum para um bissexto, a mudança será de apenas 1 dia se a data for
em janeiro ou fevereiro, e de 2 dias se for de março em diante.

E quando se passa de um ano bissexto para um comum, a mudança será de 2 dias se a data for em
janeiro ou fevereiro, e de apenas 1 dia se for de março em diante.

O motivo disso tudo é que nos anos bissextos temos a inclusão do dia 29 no final de fevereiro.

Temos, então:

2012 – ano bissexto – 1º de janeiro – domingo

2013 – ano comum – 1º de janeiro – mudança de +2 dias – terça-feira;

2014 – ano comum – 1º de janeiro – mudança normal de 1 dia – quarta-feira;

2015 – ano comum – 1º de janeiro – mudança normal de 1 dia – quinta-feira; 2016 – ano bissexto – 1º

de janeiro – mudança normal de 1 dia – sexta-feira;

2017 – ano comum – 1º de janeiro – mudança de +2 dias- domingo.

Alternativa (A)

Quer fazer mais questões? então clique aqui!: Questões de raciocínio lógico

E você, qual o concurso você vai fazer? Deixe um comentário para mim, pois posso fazer postagens
direcionadas para ele e te ajudar mais. Aproveita também para inscrever seu e-mail para receber
conteúdos todos os dias.

Conceitos básicos de lógica

Introdução
O objetivo da lógica consiste no estudo das formas de argumentação válidas. Esta é uma primeira
caracterização abrangente da disciplina e, por essa razão, encontramo-la com frequência em textos
introdutórios. Outra maneira de indicar o mesmo objetivo consistiria em dizer que a lógica se interessa
pelo estudo de uma classe especial de inferências e que esta classe detém a particularidade de a
validade dos espécimes nela representados ficar a dever-se exclusivamente à sua forma.

Convém, no entanto, reconhecer que esta apresentação é um pouco enigmática, sobretudo para quem
não tenha já uma ideia aproximada do que se entende por validade, argumento, forma e inferência. O
objetivo dos capítulos seguintes é o de facultar a informação mínima indispensável à manipulação
destes conceitos e permitir que a sua compreensão intuitiva, se existe, assuma um conteúdo preciso.

Portugal | Brasil

2. O que é um argumento?

Uma maneira de caracterizar um argumento é a que resulta de se considerarem os seus objetivos

gerais. Apesar da diversidade destes objetivos, pretendemos fixar-nos num deles em particular.

Simplificando, tem-se um argumento sempre que se pretende justificar o valor de verdade de uma
asserção.

Mas o que é uma asserção? Uma asserção é uma frase declarativa empregue para afirmar ou negar
algo. Quando, por exemplo, queremos expressar a ideia de que a raiz de 2 não pertence ao conjunto
dos números racionais, a frase “A raiz de 2 não é um número racional” representa uma asserção. A
distinção entre frases assertivas e frases não assertivas pode ser compreendida facilmente. Para isso,
basta confrontar o exemplo anterior com a frase “Ao saíres, fecha a porta cuidadosamente”. No primeiro
caso atribuímos a um objeto (um número) uma certa propriedade e no segundo formulamos um pedido.
A primeira frase é verdadeira, enquanto a segunda não tem valor de verdade. Sempre que uma frase
não é verdadeira nem falsa diz-se que não possui valor de verdade.

Mas será que necessitamos de conhecer o valor de verdade de uma frase declarativa para a
considerarmos apta a exprimir uma asserção? A célebre conjectura de Goldbach, pela qual qualquer
número par é representável como a soma de dois primos, não foi ainda hoje confirmada nem refutada.
Não sabemos, portanto, se é verdadeira ou falsa. Admite-se, como pressuposto, que uma destas
possibilidades é o caso e esperamos que um bom argumento estabeleça em definitivo o seu valor de
verdade. Apesar da simplicidade do seu enunciado, demonstrar que Goldbach tinha razão (ou que
estava enganado) não é fácil. Mas, se no futuro essa prova vier a existir, podemos estar confiantes de
que se tratará de um exemplo de um argumento matemático particularmente bem-sucedido.

Este sucesso é geralmente obtido pela listagem do conjunto de razões em que se apoia a pretensão
de que uma determinada asserção é verdadeira ou falsa. Os gregos antigos conheciam já um
argumento a favor da ideia de que a raíz de 2 é um número irracional, e esse argumento ainda hoje é
tido como um modelo de elegância e rigor. Pelo mesmo motivo, espera-se que uma vez apresentado
um certo conjunto de razões, a asserção que se tinha em mente defender seja considerada verdadeira
no caso das razões propostas o serem igualmente. A sua verdade é assumida como dependendo, no
seu conjunto, de as razões apresentadas serem verdadeiras, associado ao facto de a verdade dessas
razões implicar a verdade da tese proposta. Queremos, então, assinalar que a verdade de uma
asserção é aceite como consequência da verdade das razões que lhe servem de apoio. Ora, sempre
que isto acontece, não é racionalmente admissível aceitar como verdadeiras as razões apresentadas
e, em simultâneo, considerar falsa a asserção que essas razões têm em vista suportar.

Um exemplo simples do que acabo de afirmar é o seguinte. Se pretendo defender que os seres
humanos são responsáveis pelos actos que praticam voluntariamente, uma maneira eficaz de o fazer
é chamar a atenção para o facto de: (i) um acto voluntário ser praticado livremente; (ii) agir livremente
significa que estamos em condições de avaliar criticamente as consequências das escolhas
efectuadas. Como resulta óbvio, se aceitamos as razões assinaladas em (i) e (ii) não é possível rejeitar
a consequência que delas se segue, isto é, que não existem actos voluntários pelos quais os seres
humanos que os praticam não sejam também responsáveis. Este exemplo poderia ser complementado
com vários outros acerca de diferentes assuntos sem modificar o essencial da situação.

O principal aspecto a sublinhar é o seguinte. A argumentação, no sentido acima referido, é um processo

que tem lugar entre sujeitos racionais, destinado a ser avaliado racionalmente. Com isto, queremos
excluir outras formas de promover a adesão a ideias ou pontos de vista através do apelo a factores de
ordem emocional, por exemplo, o género de recursos vulgarmente utilizados em publicidade. Obrigar
alguém a fornecer o acesso à sua conta bancária sob a ameaça de uma pistola não é, obviamente, um
argumento, ainda que metaforicamente possamos usar a expressão para qualificar esse tipo de
acções. No entanto, a prova de que existe um único número par primo é um argumento que qualquer
ser humano suficientemente sofisticado para o compreender aceita sem hesitação. Ora, este facto
depende numa larga medida de o argumento ser logicamente bem construído.

Por isso, a análise que nos interessa efectuar incide em exclusivo naqueles aspectos da argumentação
que nos permitem decidir de forma inequívoca se determinada asserção se segue realmente das
razões propostas em sua defesa. Como nem sempre isto acontece, interessa-nos dispor de um critério
que nos permita saber que características possuem aqueles argumentos que estamos em condições
de considerar logicamente bem construídos. Uma vez que o objetivo da argumentação é o de fornecer
razões para aceitarmos uma asserção como verdadeira (ou falsa), um argumento logicamente bem
construído é aquele que torna racionalmente impossível rejeitar a asserção que queremos defender
se, em simultâneo, aceitarmos todas as razões propostas em sua defesa. Sempre que este objetivo é
alcançado dispomos de bons motivos para discutir com seriedade o seu conteúdo, e a primeira
condição para que possamos considerá-lo um argumento bem-sucedido foi plenamente alcançado.
Entre outros aspectos, é isto que se tem em mente ao ser-nos proposta uma prova racional de que
existe um único número par primo, entre diversos outros exemplos.

Admitamos que o sucesso de um argumento depende da verdade das razões apresentadas implicar a
verdade da asserção a justificar. Neste caso, o sucesso do argumento reside em tornar manifesto o
facto de, caso a lista de razões apresentadas inclua apenas asserções verdadeiras, então, é impossível
que a tese a defender seja falsa. Pelo mesmo motivo, se um oponente à nossa asserção permanece
teimosamente céptico quanto à verdade do que afirmamos, uma excelente maneira de resistir aos
nossos esforços consiste em disputar a verdade de pelo menos uma das razões incluídas na lista.
(Uma lista completa de razões pode conter um número qualquer de asserções — por exemplo, uma
única.) E se a troca de argumentos tiver como principal objetivo o esclarecimento da verdade, e não
fazer valer um ponto de vista particular custe o que custar, é de esperar que a discussão se transfira
para a análise das asserções contidas na lista. Isto mostra que uma afirmação proposta como
verdadeira pode ser rejeitada caso uma das razões em que se apoia seja falsa.

O que acabo de afirmar permite ilustrar algumas das preocupações que justificam a análise de
argumentos.

Admita-se por exemplo que alguém se encontra em posição de defender racionalmente uma certa
opção entre diversos regimes alimentares, digamos, o regime vegetariano. É claro que uma pessoa
nestas circunstâncias pode evocar vários tipos de razões em defesa da sua preferência e diferentes
pessoas podem recorrer a diferentes argumentos. É possível, por exemplo, apresentar argumentos de
saúde, religiosos, de gosto, morais, etc. Fixemo-nos para efeitos de ilustração no último caso. Que
género de argumento pode ser utilizado? Uma possibilidade seria a seguinte. Se defendo que a dor é
um mal e que provocar a morte de qualquer ser capaz de sentir implica dor, então, caso pretenda ser
coerente, o meu regime alimentar não pode depender da morte desses seres. Que resposta
poderíamos esperar de uma audiência pouco motivada para aceitar o ponto de vista indicado?

Este é um exemplo de argumento que não obtém uma aceitação generalizada. Mas isto não significa
que esteja mal construído. O simples facto de possuirmos diferentes hábitos alimentares não é por si
só um argumento, tal como não o é o facto de não resistirmos a um prato de carne bem confeccionado.
Na melhor das hipóteses, estas preferências dispõem-nos a procurar nas razões do nosso amigo
vegetariano um ponto fraco que nos permita, de maneira racionalmente defensável, rejeitar a ideia de
que deseja persuadir-nos. Ora, esta não é uma tarefa tão simples como parece. Pode até suceder que
não consigamos encontrar nelas qualquer ponto fraco e, ainda assim, recusarmos modificar a nossa
ementa por motivos de outra ordem, por exemplo, as dificuldades decorrentes da radical alteração dos
nossos hábitos alimentares associada à ideia de que se pensarmos seriamente no assunto
conseguiremos descobrir um bom contra-argumento que nos permita usufruir de um excelente bife do
lombo com a maior tranquilidade de espírito. No entanto, se aceitarmos as razões propostas, parece
evidente que esse objetivo não é facilmente alcançável. E rejeitar sem qualquer argumento um
determinado ponto de vista não é uma decisão racionalmente meritória.

Ora, é esta característica que nos permite compreender que o facto de um argumento ser logicamente
bem construído não depende de a lista de razões apresentadas em benefício de uma dada asserção
incluir apenas asserções verdadeiras. Pretende-se sublinhar a ideia de que, caso a asserção que
desejamos justificar seja falsa, então, pelo menos uma das razões apresentadas também o é. Nestas
circunstâncias, ou as razões apresentadas são insuficientes ou simplesmente não merecem crédito.

Todavia, se perguntarmos convictamente a nós próprios por que motivo isto é assim, se quisermos de
facto compreender a razão pela qual num argumento logicamente bem construído a verdade das suas
razões implica a verdade da asserção a justificar, começaremos a compreender a preocupação típica
da lógica. Compreenderemos, ainda, que os lógicos se encontram acerca de argumentos numa
posição análoga à dos cientistas ao interrogarem-se a respeito da composição química da água.
Apesar de a água ser a mais vulgar das substâncias, demorou algum tempo até que soubéssemos
realmente de que substância se trata. Ora, a pergunta que os lógicos fizeram a si próprios foi: em
virtude de que factores somos racionalmente compelidos a aceitar uma dada asserção e em que
circunstâncias podemos estar seguros de que essa asserção é realmente uma consequência de um
conjunto de outras asserções? Se a resposta correcta for obtida, ficamos a saber algo mais a respeito
de nós próprios e do que significa analisar racionalmente os problemas que colocamos.

É verdade que nem sempre somos tão exigentes a respeito de argumentos, pelo menos se pensarmos
na atitude que por vezes assumimos perante perspectivas discordantes. De facto, não procedemos à
análise cuidadosa das razões propostas e, a maior parte do tempo, limitamo-nos a confiar na intuição.
Acontece que a confiança que muitas vezes depositamos na intuição pode ser enganadora e quando
se trata de estabelecer um teorema matemático toda a atenção é pouca. A avaliar pelos exemplos
disponíveis, são muitas as razões para afirmar que esse cuidado tem sido recompensado.

Um argumento interessante e ilustrativo no domínio da teoria matemática dos conjuntos é o seguinte.

Sabe-se que, dados dois conjuntos A e B, A está incluído no conjunto B se todos os elementos que
pertencem a A pertencem também a B. Por outro lado, sabemos que o número de elementos do
conjunto vazio é igual a 0. Vamos agora provar que o conjunto vazio está incluído em qualquer conjunto.

O argumento baseia-se nas definições de inclusão e conjunto vazio complementadas com algum
talento para construir argumentos racionalmente convincentes. Vejamos o que é possível fazer com
estes ingredientes.

Procuremos, em primeiro lugar, imaginar o que aconteceria se existisse um conjunto M no qual o

conjunto vazio não estivesse incluído. O nosso primeiro passo consiste, portanto, em assumir como
hipótese precisamente o contrário daquilo que se quer demonstrar. Perguntemos a seguir o que é
necessário para que o conjunto vazio não esteja contido em M. Pela definição de inclusão, ficamos a
saber que é necessário que pelo menos um elemento pertencente ao conjunto vazio não pertença a
M. Ora, isto não é possível. E não é possível porque o conjunto vazio não tem elementos. Como a
única condição para que o conjunto vazio não esteja incluído em M não é satisfeita, o conjunto vazio
está necessariamente contido em M. Dado não ser difícil reproduzir o mesmo argumento para qualquer
outro conjunto, podemos afirmar que provámos o resultado desejado.

O exemplo precedente é ilustrativo, entre outros aspectos, quanto ao facto de aceitarmos a asserção
inicialmente proposta como verdadeira apenas em função de critérios racionais, sem que outro género
de factores seja considerado relevante para o efeito. Em geral, esta é a prática que se tem em mente
quando discutimos hipóteses e teorias científicas ou filosóficas, mas a utilidade em proceder do modo
indicado ultrapassa largamente o que é habitual acontecer nestas áreas do conhecimento. Recorde-
se, por exemplo, o papel que os argumentos éticos, políticos ou jurídicos desempenham na vida
comunitária. Não se tornará difícil perceber a importância da sua cuidadosa avaliação racional.

Tente agora imaginar o que seria a nossa civilização se o comportamento usual acerca de argumentos
fosse a sua aceitação ou rejeição apenas em função de critérios não racionalmente motivados. É claro
que não existiria ciência nem qualquer dos benefícios dela decorrentes para a vida comum; não existiria
física, nem matemática, nem computadores, rádios, meios de transporte sofisticados e outros
artefactos de que estamos em condições de usufruir. Não existiriam regras de conduta nem princípios
de decisão que não fossem arbitrários e, em geral, a nossa vida seria bastante confusa e
decepcionante, sujeita a todo o tipo de caprichos imprevisíveis. Contudo, seria injusto acusar os lógicos
dos males da civilização ou de nos sentirmos culpados quando comemos carne de vaca.

Detenhamo-nos um pouco aqui e regressemos momentaneamente ao argumento do nosso amigo

vegetariano.

Um dos méritos de uma análise cuidada reside em mostrar-nos como proceder perante um argumento,
e esse mérito é tanto mais admirável quanto maior o grau de complexidade envolvido no argumento.
No caso que estamos a analisar, o argumento do nosso amigo vegetariano, parece necessário mostrar
que pelo menos uma das razões propostas, se não comprovadamente falsa, é no mínimo discutível.
Para isso, é útil dispor o argumento na forma mais clara de modo a facilitar a identificação das razões
e a separá-las da asserção a defender. Uma vez concluído este estádio inicial estamos em condições
de prosseguir. O argumento do nosso amigo vegetariano apresenta o seguinte aspecto:

A dor é um mal.
Provocar a morte de seres sencientes é causa de dor. Logo,
não devo alimentar-me de seres sencientes.

O leitor atento terá notado que este argumento apela a uma razão não explícita que a lista acima não
inclui.

De facto, é necessário assinalar que a análise completa de argumentos obriga à listagem exaustiva
das suas razões. Mas nem sempre isto sucede — em particular, se o contexto permite a identificação
das razões implícitas. Mas recorrer ao contexto não é uma boa forma de proceder se queremos analisar
detalhadamente um argumento e, por este motivo, deixo ao leitor a tarefa de a explicitar.

Esta preocupação pode à primeira vista ser considerada desnecessária. Mas, se desejamos discutir
racionalmente um argumento é indispensável ter ideias claras acerca do que se pretende discutir e o
primeiro aspecto a ter em conta consiste em determinar exactamente que argumento está a ser
apresentado. Em certos casos, confundir a conclusão com alguma das premissas (ou o inverso, se
tomarmos como premissa o que é de facto a conclusão), podemos estar a desviar-nos do objetivo, por
exemplo, ao combater um argumento muito diferente daquele que realmente nos foi proposto. O
mesmo acontece se não tivermos consciência de todas as razões que apoiam a asserção a defender.

Agora que uma situação não tão invulgar como possa parecer foi evitada, podemos colocar as
perguntas que realmente importam. Se o leitor for um oponente feroz do ponto de vista que está a ser
defendido, basta-lhe, a título de exercício, seleccionar pelo menos uma das premissas e argumentar
solidamente a favor da sua presumível falsidade. Se for bem-sucedido, não se iluda: há melhores
argumentos do que este em defesa do regime vegetariano, e bastante mais difíceis de combater.

3. Inferência
Acontece que ao ouvirmos as razões apresentadas por alguém com quem conversamos é possível
antecipar o ponto onde o nosso interlocutor pretende chegar antes mesmo de este ter sido indicado.

Ora, aquilo que conseguimos antecipar nas suas palavras consiste na conclusão que delas se segue.
Foi precisamente para nos fazer chegar a essa conclusão que durante alguns minutos se esforçou por
argumentar em seu benefício. Assim, quando antecipamos a conclusão desejada limitamo-nos a
reconstituir por nós próprios o raciocínio que havia conduzido o nosso interlocutor à sua tese inicial. De
facto, ao conversar connosco ele estava apenas a esforçar-se por transmitir em voz alta o que antes
tinha aceite como verdadeiro (ou falso) em consequência de um conjunto de reflexões por vezes
demoradas. As razões por si apresentadas devem ser entendidas como as premissas do raciocínio
que efectuou e a ideia que pretendia defender como a sua conclusão. As premissas de um raciocínio
são a informação à partida disponível com base no qual se extrai uma conclusão.

Como é óbvio, o facto de termos conseguido antecipar a conclusão desejada não se deve a uma
especial capacidade de adivinhação da nossa parte. Casos deste género mostram que, dado um certo
conjunto de razões (premissas), o auditor atento está em condições de determinar, em parte pelo
menos, que consequências resultam das premissas. Sempre que algo de semelhante acontece,
podemos estar seguros de que estamos perante um processo de inferência, isto é, aquilo que é habitual
designar por raciocínio. Um argumento não é mais que a expressão linguística de uma inferência.

Para compreender isto, basta verificar que não é possível justificar racionalmente asserção alguma se
as razões que desejamos ver reconhecidas não sejam comunicadas oralmente ou por escrito. Assim,
um argumento pode ser entendido como um conjunto de asserções com algumas características
particulares. Formalmente, podemos dizer o seguinte. Dado um certo conjunto de asserções P1, P 2,...,
Pn , tal que uma outra asserção Q, não necessariamente diferente de Pn, se segue das primeiras,
obtém-se um conjunto K = {P 1, P2,..., Pn } {Q} pelo qual o argumento é exaustivamente
representado. Pretendemos com isto sublinhar que uma inferência é um conjunto formado pela união
entre dois conjuntos cujos elementos são, respectivamente, as premissas e a conclusão.

Se pensarmos agora no modo como o nosso conhecimento é alcançado verificamos que a única forma
de o obter consiste em refletir sobre a realidade (por vezes arduamente) com vista a chegar àquelas
conclusões que nos permitem de facto compreendê-la melhor. Acontece que para isso necessitamos
de fazer inferências. Assim, quando formulamos um argumento, limitamo-nos a apresentar
publicamente as inferências que nos permitiram alcançar as conclusões que realmente alcançámos.

Por outro lado, se sucede que as consequências lógicas decorrentes das nossas inferências nos são
imediatamente acessíveis, é bastante mais vasto o número de casos em que não temos uma
consciência imediata, nem sequer precisa, de qual a conclusão a extrair de um certo conjunto de
informações que julgamos — ou sabemos — correto. Um exemplo trivial do primeiro género é o
seguinte. Se possuo a informação de que todos os homens são mortais e que Sócrates é homem,
estou autorizado a concluir que Sócrates é mortal. Na verdade, as coisas seriam bastante simples e a
lógica um instrumento não excessivamente importante, se a totalidade dos nossos raciocínios fossem
deste tipo. Sabemos, no entanto, por experiência própria, ao estudarmos matemática ou física, por
exemplo, que os processos que nos conduzem a descobertas importantes são algo mais complexos.

Mas, ainda que todas as nossas inferências fossem tão transparentes que fosse impossível cometer
erros lógicos, é um interessante desafio intelectual determinar em virtude de que factores podemos
considerá-las logicamente bem construídas, tal como foi um desafio estimulante para os químicos
descobrir que a água é H2O. Apesar da sua utilidade para a vida ser independente de o sabermos ou
não, poder satisfazer a nossa curiosidade natural acerca do mundo é por si só um empreendimento
gratificante. Qualquer instrumento capaz de fazer progredir esta curiosidade é não apenas desejável
como contribui à sua maneira para que façamos também justiça às nossas capacidades racionais.

De facto, ficamos a saber bastante mais acerca de um assunto de que estejamos a tratar se formos
capazes de reflectir sobre ele corretamente do que ficaríamos se esta tarefa se revelasse impossível.
Como é óbvio, a forma de progredir racionalmente numa investigação não consiste em adivinhar a
resposta correcta para os problemas que nos interessam ver esclarecidos mas antes descobri-la.
Exigimos, portanto, não uma qualquer resposta mas uma resposta cuja verdade seja racionalmente
satisfatória — que possa ser testada, entre outras coisas, pelo conjunto das suas consequências. O
tipo de teste que os lógicos têm em vista baseia-se no seguinte princípio. Se, ao assumirmos uma
determinada hipótese formos conduzidos a uma conclusão que sabemos ser falsa, e se a inferência
que efetuámos for válida, então a hipótese donde partimos não pode ser verdadeira. Este é um princípio
unanimemente utilizado na análise de teorias científicas e também quotidianamente.

No entanto, nem todas as inferências que estamos em condições de realizar, e das quais o nosso
conhecimento depende, recaem sob o âmbito da lógica. A jurisdição da disciplina obedece a um limite
preciso, pelo menos na opinião da maioria das pessoas que estudam o assunto. Não há, por exemplo,
razões de ordem estritamente lógica que permitam garantir que inferências cujas premissas resultem
de dados recolhidos experimentalmente e a conclusão seja uma generalização desses dados (por
exemplo, quando concluímos que todas as esmeraldas são verdes com base no facto de os exemplares
que observámos até hoje o serem), tenham a característica de, caso as premissas sejam todas
verdadeiras, seja impossível a falsidade da conclusão. Este é um exemplo de inferência indutivae a
análise deste tipo de inferências é efectuada fora do âmbito da lógica, em geral, no quadro do cálculo
de probabilidades e em epistemologia. As inferências de que se ocupa a lógica, cujo tipo particular
inclui todos os exemplos fornecidos até ao momento excepto o último, são designadas dedutivas. (As
importantes diferenças entre indução e dedução serão mais tarde consideradas.)

De momento, convém assinalar que o interesse da lógica por este género de inferências decorre de,
ao invés dos restantes tipos de inferência, possuirem a propriedade de serem válidas em virtude da
sua forma.

4. Validade

Todos os seres humanos têm algo a dizer sobre a realidade que os rodeia e um conjunto de crenças
(nem sempre verdadeiras) acerca do mundo que pretendem transmitir e partilhar com os seus
próximos. É vulgar que dessas crenças se sigam certas conclusões cuja justificação para serem aceites
como verdadeiras (ou falsas) envolve determinar com clareza em que medida são uma consequência
de que premissas. Ainda que não caiba à lógica estabelecer critérios para aceitar uma proposição como
verdadeira, compete-lhe esclarecer em que medida uma proposição é uma consequência de um certo
conjunto de outras proposições. Caso o veredicto seja negativo algo exige revisão.

Este facto permite explicar o interesse de algumas pessoas particularmente conscientes da importância
da argumentação em propor um método que permitisse determinar as circunstâncias em que uma
inferência merece ser considerada válida. A primeira pessoa a fazê-lo de uma forma sistemática foi
Aristóteles, um filósofo grego da Antiguidade. O seu exemplo foi seguido por vários outros filósofos,
entre os quais um lógico medieval português chamado Pedro Hispano. Durante o século XX o tema
sofreu um desenvolvimento imenso devido, em particular, à descoberta da lógica moderna por Frege.

Na verdade, o estudo da lógica desenvolveu-se em torno de uma ideia principal: a ideia de validade.
Esta é uma ideia notável porque nos permite compreender, entre outras coisas, a razão pela qual, em
certas circunstâncias, podemos confiar nas conclusões a que chegamos ao efectuar uma inferência.
Dado que o conceito de validade tal como emprege pelos lógicos foi amplamente utilizado nos
capítulos anteriores em associação com o conceito de argumentação, resta-nos dar a sua definição.

Diz-se que um argumento é válido na circunstância em que: se as suas premissas são

todasverdadeiras, então a conclusão não pode ser falsa. Vejamos agora algumas consequências que
se seguem da definição.

O primeiro aspecto a sublinhar é o seguinte. Não podemos estar certos de que, partindo de premissas
verdadeiras, alcançamos uma conclusão verdadeira a menos que a inferência efectuada seja válida.
Vejamos um pouco melhor este aspecto decisivo. Se pensarmos que numa inferência se pretende que
a conclusão seja uma consequênca das premissas, torna-se evidente que a única forma de o garantir
consiste em raciocinar validamente. Garantimos também que se as premissas forem verdadeiras, a
verdade da conclusão é uma consequência da verdade das premissas. Este é um aspecto importante
porque implica que ao raciocinarmos validamente, a validade preserva a verdade das premissas —
digamos, transferindo-a sem danos colaterais para a conclusão. Não corremos, portanto, o risco de
chegar a conclusões falsas a partir de premissas verdadeiras. Esta característica permite afirmar que
o argumento que estabelece a propriedade de o conjunto vazio estar incluído em qualquer conjunto é
convincente. Ele prova-nos que é realmente assim que as coisas se passam.

Mas, se quisermos avançar com segurança, é necessário possuir uma ideia precisa acerca dos
conceitos principais envolvidos na definição de validade. Como vimos, a validade foi definida à custa
do conceito de possibilidade. Dissemos que, se as premissas são todas verdadeiras, então, é
impossível que a conclusão seja falsa. O nosso problema consiste em determinar exatamente o que
entendemos por possibilidade. Na verdade, nem sempre se tem consciência de que existem vários
tipos de possibilidade. Uma vez discriminados os diferentes sentidos em que este termo é utilizado,
estaremos finalmente em condições de apreciar o que se pretende dizer quando falamos em validade.

Observemos os seguintes exemplos: (i) Existem triângulos cujo número de ângulos internos é igual a
4; (ii) Talvez no futuro uma nave consiga viajar mais depressa que a velocidade da luz. O que há de
surpreendente nestes exemplos? Bem, não é simplesmente possível que um triângulo tenha 4 ângulos
internos, tal como não é possível que um corpo se movimente a uma velocidade superior à da luz. Mas
a diferença entre (i) e (ii) reside na razão pela qual isto não é possível. Se nos perguntarmos em virtude
de que factores (i) e (ii) exprimem impossibilidades, verificamos um facto crucial.

Consideremos (ii). A impossibilidade de um corpo se deslocar mais depressa do que a velocidade da

luz é o resultado das leis da física. Estas leis refletem o modo como o mundo está constituído e é a
própria organização da matéria que torna (ii) impossível. Se o leitor sugere que a extraordinária
evolução científica e tecnológica do último século justifica que, num futuro talvez muito distante, uma
nave esteja em condições de realizar a proeza indicada, bem, sucede que está enganado. Talvez as
leis da natureza pudessem ser logicamente diferentes do que são e, se fossem do género apropriado,
isso podia acontecer. Ora, o facto de considerarmos (ii) impossível decorre do modo como o mundo é.
Digamos, então, que possuímos sólidas razões empíricas para afirmar (ii) impossível.

Vejamos agora o primeiro caso. A impossibilidade expressa em (i) não depende de qualquer lei da
natureza da qual tenhamos conhecimento. Este facto não exige conhecimento algum acerca do mundo;
é, se quisermos, algo que podemos saber sem recorrer à experiência. Trata-se, pois, de um
conhecimento a priori. Na verdade, sabemos que (i) é impossível baseados no facto de sermos pessoas
linguisticamente competentes, isto é, apenas porque conhecemos o significado da palavra “triângulo”.
Se sabemos o que significa “triângulo”, sabemos ainda que se algo possui 4 ângulos internos, então,
não é um triângulo. Admitir o contrário conduziria a uma contradição. O mesmo sucede com a frase
“Alguns solteiros são casados”. Esta frase é obviamente contraditória dado que “solteiro” significa
precisamente não ser casado. Portanto, (i) é impossível por razões semânticas e não empíricas.

Ora, não existe contradição em viajar mais depressa que a velocidade da luz. Apesar de ser fisicamente
impossível, (ii) não é logicamente impossível. Mas se o leitor admitiu que as leis da natureza poderiam
ser diferentes do que realmente são, isso deve-se ao facto de admitir que um mundo diferente do
mundo atual não é logicamente impossível. No entanto, isto não significa que tudo aquilo que
conhecermos apenas em virtude da observação seja contingente. Mas se algo é logicamente
impossível é também empiricamente impossível. É fácil imaginar um mundo no qual Wellington tivesse
sido derrotado em Waterloo mas não conseguimos imaginar alguém solteiro e casado. A menos que o
significado de “solteiro” mude radicalmente, é inútil investigar se alguém está nessas condições. Em
contrapartida, a competência linguística não é suficiente para provar que E = mc 2.

Sucede (não é uma surpresa) que o sentido de possibilidade que interessa aos lógicos não é o de
possibilidade física. Na verdade, a lógica não tem interesses diretos a respeito do mundo mas apenas
acerca da maneira como fazemos inferências. Logo, dado um argumento, a pergunta é: será
logicamente possível que as circunstâncias que tornam as premissas todas verdadeiras tornem falsa
a conclusão? Que esta possibilidade seja o caso é suficiente para declarar inválido o argumento.

Este é um resultado crucial pela seguinte razão. Encontramo-nos, finalmente, em condições de

esclarecer a razão qual a verdade não implica falsidade. Se se dá o caso de ser logicamente impossível
que um argumento válido contenha premissas verdadeiras e conclusão falsa, o facto de a validade
preservar a verdade não é uma característica acidental desse argumento. Sabemos agora que o
contrário é logicamente impossível com base no mais forte tipo de possibilidade que observámos. Por
outro lado, o facto de uma inferência ser válida não depende do modo como o mundo é.
Usamos a seguinte notação para indicar os argumentos válidos: P1, P 2,..., Pn Q, onde o símbolo “
” indica que a conclusão é uma consequência (semântica) das premissas listadas à esquerda.

Esta forma de representar um argumento válido é utilizada independentemente do valor de verdade

das suas premissas e conclusão. De facto, existem argumentos válidos cujas conclusões são falsas.
Note-se que a definição de validade é da forma “se... então..”. e limita-se a indicar que condição exige
ser satisfeita para que a impossibilidade da conclusão de um argumento ser falsa se verifique. Ora,
esta condição é a de que todas as premissas sejam verdadeiras. E, como vimos antes, nem sempre
isto acontece. Mas, se essa condição não for satisfeita, deixa de haver razões para exigir a
impossibilidade de a conclusão ser falsa. Aliás, é com base na definição de validade que se torna
possível pôr em causa a verdade da conclusão de um argumento logicamente bem construído sem
duvidar que a conclusão se siga realmente das premissas que constituem o seu ponto de partida.

Isto mostra que ainda que a conclusão de um argumento seja uma consequência das suas premissas
daí não se segue que essas premissas são verdadeiras. Acontece apenas que no caso de o serem,
uma conclusão falsa não pode ser a sua consequência lógica. Como vimos, premissas verdadeiras
não implicam uma conclusão falsa.

Ora, se um argumento é inválido, a conclusão não resulta das premissas, isto é, unicamente à custa
da sua forma lógica. Daí a inutilidade lógica destes argumentos. Como não existe entre premissas e
conclusão uma relação de consequência lógica, a verdade das premissas não nos obriga a aceitar a
conclusão.

Imagine o leitor que tem conhecimento de um familiar ou amigo que deseja comprar uma casa e que
essa pessoa (digamos, o António), a última vez que se encontraram, lhe disse “Se as taxas de juro
baixarem compro uma casa no litoral”. Imagine também que, algum tempo depois, o António comprou
uma casa. Se concluir que a taxa de juro baixou, a sua inferência não é válida. Este pode ser um
resultado surpreendente. Muitas pessoas aceitariam o argumento sem hesitar, ainda que, ao fazê-lo,
cometam um erro lógico bastante elementar. Tudo quanto necessitamos é verificar por que motivo é
assim.

O argumento deixa-se representar pelo seguinte conjunto de asserções.

Se as taxas de juro baixarem, António compra uma casa no litoral.

António comprou uma casa no litoral. Logo,
as taxas de juro baixaram.

O que há de errado neste argumento? Aparentemente, nada. Mas, se é realmente inválido, pela
definição de validade segue-se a possibilidade de ambas as premissas serem verdadeiras e a
conclusão falsa. Uma análise pormenorizada mostra que é isto que acontece. Este ponto justifica uma
análise detalhada.

Basta pensar na hipótese de António ter recebido uma herança, ter sido recompensado por um bom
negócio ou ter ganho o primeiro prémio do Totoloto, para se compreender o que está em causa. Como
estas possibilidades são compatíveis com o facto de as taxas de juro permanecerem estáveis ou até
terem subido (casos que tornariam falsa a conclusão), a inferência é inválida. De facto, a primeira
premissa afirma que a baixa das taxas de juro é uma condição para que António compre uma nova
casa, não afirma que a satisfação do desejo de António condiciona a descida dos juros. Este exemplo
mostra-nos em que medida raciocinar invalidamente tem consequências desagradáveis.

Um leitor menos disposto a aceitar o resultado da análise precedente poderá interessar-se por colocar
a seguinte objecção: que aconteceria, numa situação igualmente hipotética, se a taxa de juro tivesse
de facto baixado? Não estaríamos, nesse caso, perante premissas verdadeiras e conclusão
verdadeira? A resposta é: claro que sim. No caso hipotético descrito a conclusão seria verdadeira. Mas,
se o leitor desejar prosseguir nesta linha e defender que a inferência acima pode ser válida em certas
circunstâncias, ainda que inválida noutras, comete um erro. Vejamos a razão pela qual isto sucede.

Imagine, por exemplo, que não se lembra onde guardou um par de sapatos que lhe apetece calçar num
dado momento. A sua atitude será a de tentar recordar-se e, se não o conseguir, de o procurar onde
habitualmente os sapatos são guardados. Imagine agora que a sua investigação foi tão meticulosa que
os procurou em todos os lugares da casa onde verossimilmente poderiam ter sido guardados, sem o
conseguir. Ao fim de algum tempo acabou por desistir. Imagine ainda que foi tomar o pequeno-almoço
particularmente irritado com a sua memória mas decidido a esquecer o assunto. E imagine, por
exemplo, que durante o pequeno-almoço os seus pés chocam debaixo da mesa com um objeto
indeterminado. Ao curvar-se na cadeira encontra os sapatos que tinha desistido de procurar.

Que conclusão extrai desta história? Que encontrou os sapatos por acaso. Não, é claro, em
consequência de uma investigação deliberada. Retomemos o nosso argumento. Tal como obteve o
que pretendia em função do acaso e não em consequência de uma procura intencional, também na
inferência acima a verdade da conclusão, caso o seja, não é uma consequência da verdade das
premissas. A descida da taxa de juro não é, de todo, uma consequência da informação que possui
acerca do António. Donde, a conclusão — ainda que eventualmente verdadeira — não se segue do
conjunto de premissas

Se um argumento é válido, isso quer dizer que não há qualquer circunstância em que as premissas
sejam verdadeiras e a conclusão falsa. Logo, não faz sentido dizer que um argumento é inválido numas
circunstâncias e válido noutras.

Exibimos um argumento em que a conclusão não se segue das premissas. De facto, nada se segue
desse conjunto de premissas. Logo, porquê comprometermo-nos com a verdade de uma asserção que
não é uma consequência da informação que possuímos e sabemos correta, ainda que pareça sêlo?
Nada nos obriga a fazê-lo. Tal como a teoria de Copérnico representou para a física o primeiro passo
decisivo que nos permitiu não confundir o movimento aparente do Sol com a realidade, algo de
semelhante sucede a respeito de inferências. Não é sequer demasiado difícil indicar um bom número
de exemplos onde a fronteira entre um argumento válido e um argumento logicamente mal construído
não permite ser traçada sem a ajuda de instrumentos especializados construídos para o efeito. Foi
este, aliás, o principal motivo para o desenvolvimento sistemático da disciplina.

Outra consequência interessante da definição de validade é que existem argumentos válidos com
premissas falsas e conclusão verdadeira. Uma característica notável acerca de validade é a seguinte.
Num argumento válido a verdade das premissas é preservada na conclusão. Contudo, se existem
argumentos válidos cujas premissas são falsas e a conclusão verdadeira, a falsidade das premissas
não é preservada na conclusão.

Ora, apesar de existirem argumentos válidos com premissas e conclusão falsas, o facto de sabermos
que a conclusão de um argumento válido é verdadeira não permite concluir que todas as suas
premissas sejam igualmente verdadeiras. De facto, pode suceder qualquer das seguintes duas
possibilidades: (i) todas as premissas do argumento são falsas; (ii) pelo menos uma das premissas é
falsa.

Vejamos um caso ilustrativo do primeiro género.

As girafas alimentam-se da carne de outros animais.

Os seres que se alimentam da carne outros animais são mamíferos. Logo,
as girafas são mamíferos.

Até um leitor momentaneamente distraído está em condições de verificar que a conclusão do

argumento acima é realmente uma consequência das premissas. No entanto, as premissas são ambas
falsas (as girafas são animais herbívoros e há animais, como as cobras, que incluem carne na sua
ementa e não são mamíferos), enquanto a conclusão é verdadeira. Ora, este não é, apesar de válido,
um bom argumento. É óbvio que as razões listadas em (1) e (2), por serem falsas, não permitem
justificar a conclusão.

O número de casos em que algo de semelhante pode acontecer é ilimitado. À primeira vista trata-se
de um resultado decepcionante, em particular se o leitor foi levado a admitir que o facto de um
argumento ser válido é suficiente para garantir a verdade da conclusão. Mas esta exigência não é
salutar nem indispensável. De facto, ela é impossível de satisfazer, e não podemos acusar a lógica de
ficar aquém de expectativas incorretas. Garantir em que circunstâncias uma inferência é válida é
apenas um primeiro passo para que valha a pena discutir as razões a que um argumento faz apelo.
Esta é uma exigência sensata. Porquê perder tempo a discutir razões quando se dá o caso de não
implicarem a conclusão? Quanto muito, podemos chamar a atenção do nosso interlocutor para este
facto e esperar que o ponto seja aceite. Se isto acontecer, há ainda a possibilidade de o argumento ser
reformulado do modo conveniente após alguma reflexão suplementar. Ao proceder assim ganhouse
em clareza e rigor o que, momentaneamente, pôde parecer uma simples perca de tempo. Noutros
casos, ganhou-se o facto de deixar cair um ponto de vista para o qual não se possui razão alguma.

Convém, portanto, distinguir os conceitos de validade e de correção. Diz-se que um argumento é

correto se, caso seja válido, todas as suas premissas são verdadeiras. Não existem argumentos
corretos inválidos.

Isto não significa, todavia, que todos os argumentos válidos com premissas verdadeiras são bons
argumentos. Existem argumentos válidos cujas premissas e conclusão são verdadeiras sem que esta
característica seja suficiente para os tornar realmente convincentes. Um exemplo típico seria o
seguinte.

O quadrado da hipotenusa é igual à soma do quadrado dos catetos.

Logo, o quadrado da hipotenusa é igual à soma do quadrado dos catetos.

Parece claro que se Pitágoras tivesse proposto este argumento como prova do seu célebre teorema,
dificilmente alguém o aceitaria. Trata-se, no entanto, de um argumento válido. Para isso basta
compreender que se a premissa for verdadeira é impossível que a conclusão seja falsa (na verdade,
ambas possuem o mesmo conteúdo). Tem-se, assim, que a validade de um argumento não é uma
condição necessária nem suficiente de verdade. Não é uma condição suficiente porque não basta um
argumento ser válido para que a sua conclusão seja verdadeira. E não é igualmente uma condição
necessária de verdade uma vez que existem argumentos inválidos com conclusões verdadeiras.

Uma apresentação sinóptica do que acaba de ser indicado é a seguinte:

Premissas Conclusão Validade

Verdadeiras Verdadeira SIM

Verdadeiras Falsa NÃO

Falsas Verdadeira ou Falsa SIM

5. Forma lógica

Os factos que acabamos de relatar acerca de validade permitem afirmar que a validade de uma
inferência é independente do valor de verdade das asserções que a constituem. Em função do que foi
dito acima, este não pode ser considerado um resultado demasiado surpreendente. De que depende,
então, a validade de um argumento? A nossa tarefa reside em fornecer a resposta a este problema.

Para isso, é necessário considerar a distinção entre forma e conteúdo. Vejamos os aspectos
preliminares envolvidos.

Consideremos as seguintes duas sequências de símbolos: (i) “Gramut begnet yassur” (ii) “A neve é
branca”. Uma vez que acabo de inventar a primeira, a distinção básica a estabelecer entre ambas as
sequências é que apenas a segunda tem conteúdo. Com isto, pretende-se afirmar que o conteúdo de
uma sequência de símbolos (neste caso uma frase do português) consiste no seu significado. Na
realidade, se pretendo afirmar ou negar algo, é necessário que a minha asserção tenha significado.

Ora, um facto notável a respeito do significado de uma asserção é que a sua verdade ou falsidade lhe
está intimamente associada. Sucede que uma sequência de símbolos desprovida de significado é
inutilizável como asserção e também para outros efeitos. Vejamos agora o caso de (iii): “La neige est
blanche”. É claro que (ii) e (iii) têm o mesmo significado, respectivamente, em português e francês.
Este facto permite-nos pensar que ao afirmarmos serem ambas as frases verdadeiras pretendemos
dizer que uma frase é verdadeira ou falsa em função do seu conteúdo e não da sequência particular
de símbolos que a constitui. Mas, se uma frase é verdadeira ou falsa em virtude do seu conteúdo, é ao
conteúdo que a propriedade de ser verdadeiro se aplica, não à frase enquanto tal.

Detenhamo-nos um pouco aqui. É fácil verificar que o significado de (ii) não coincide com o significado
das suas partes componentes isoladamente consideradas. Há um número ilimitado de frases com
diferentes significados onde as expressões “neve” e “brancura” podem ocorrer. Uma e outra
representam propriedades, isto é, características que certos objetos exemplificam num ou noutro
momento — digamos, a característica de um certo agregado de H2O ser neve e de esta folha de papel
onde se sucedem as palavras que escrevo ser branca. Mas (ii) e (iii) retiram o seu significado do facto
de os predicados que representam estas propriedades se encontrarem associados de certa maneira.
Estes predicados estão associados de maneira a representarem um pensamento particular, isto é, o
pensamento que a neve é branca. Torna-se, portanto, evidente que representar uma propriedade é
diferente de exprimir um pensamento, algo que apenas uma frase completa pode fazer.

Ora, o significado de uma frase declarativa consiste na proposição expressa pela frase. Esta distinção
pode ser captada considerando: (a) “António acredita que a neve é branca”; (b) “Richard crois que la
neige est blanche”. A nossa intuição é que António e Richard acreditam na mesma coisa. Mas que
coisa? Ambos acreditam que “A neve é branca” e “La neige est blanche” são frases verdadeiras.

Vejamos. A relação de crença que (a) e (b) atribuem respectivamente a António e a Richard é algo que
tem lugar entre indivíduos e frases ou entre indivíduos e proposições? Se quisermos manter a ideia
intuitiva de que ambos acreditam na mesma coisa, então, é necessário concluir que a relação se
verifica entre indivíduos e proposições, não entre indivíduos e frases. Como as frases são diferentes,
se a relação fosse a segunda, é evidente que António e Richard não acreditariam na mesma coisa.
Segue-se, então, que duas frases exprimem a mesma proposição se, e apenas se, são sinónimas.

Que importância pode ser atribuída a estes factos? À primeira vista, a distinção resulta um pouco
académica e rebuscada na terminologia sem que o resultado iluda alguma trivialidade. No entanto, ao
falarmos em proposições para nos referirmos ao conteúdo de asserções permite-nos retomar um
aspecto já referido acerca de argumentos. Quando declaramos válido um argumento queremos dizer
que as proposições expressas pelas premissas implicam a proposição expressa pela conclusão. Assim,
o conceito de validade aplica-se a uma certa relação que se verifica entre o conjunto de proposições
que constituem o argumento, não às asserções que as exprimem. Ora, a análise que efetuámos de (ii)
e (iii) aplica-se também a diferentes representações linguísticas do mesmo argumento (verificamo-lo
traduzindo qualquer dos argumentos já apresentados para outra língua). Daí que seja mais correto
tratar os argumentos como conjuntos de proposições, não de frases ou asserções.

Vejamos agora outro aspecto decisivo. Considerem-se as seguintes duas frases: (c) Platão é grego;
(d) Descartes é francês. Alguma atenção permite-nos verificar que apesar de diferentes significados
(exprimem diferentes proposições) estas frases possuem a mesma forma. Trata-se de frases da

forma sujeito-predicado, pela qual uma certa propriedade (expressa pelo predicado) é atribuída a um
sujeito, respectivamente, Platão e Descartes. É evidente que nem todas as frases têm esta forma mas
o exemplo é suficiente para ilustrar o que se pretende. Ora, de que maneira poderemos representar
este facto? Bem, dado que é a forma que desejamos trazer à superfície, a melhor maneira de proceder
consiste em abstrair do conteúdo, facto que se obtém substituindo nome e predicado por símbolos
convencionalmente adoptados para o efeito. Fica-se, então, com o esquema: x é P. Na linguagem
específica da lógica este facto é representado do seguinte modo canónico.
P (x)

Esta maneira de representar frases da forma sujeito-predicado permite-nos visualizar com bastante
economia e clareza o facto de possuirem um padrão comum. Na verdade, x representa qualquer objeto
ou indivíduo a denotar por um nome próprio e P representa qualquer predicado pelo qual seja atribuível
ao objeto relevante uma certa propriedade. Donde, não apenas (c) e (d) são exemplificações do padrão
indicado, como qualquer outra frase do mesmo tipo constitui uma instância, ou caso particular, desse
padrão. Vejamos de que modo esta característica é extensível a outro tipo de frases.

Considerem-se os seguintes exemplos: (e) Os portugueses são europeus; (f) Os chineses são
asiáticos. Ao contrário dos exemplos precedentes, (e) e (f) não são frases constituídas por sujeito e
predicado. Na verdade, ao afirmarmos que os portugueses são europeus não estamos a referir
indivíduos particulares; estamos a afirmar uma relação entre duas classes ou conjuntos. É claro que
esta relação envolve indivíduos mas apenas enquanto membros de uma classe ou como elementos de
um conjunto, não enquanto sujeitos determinados. De facto, o que (e) e (f) afirmam é que uma certa
classe, respectivamente, a classe dos portugueses e a classe dos chineses, está incluída noutra, isto
é, pela ordem indicada, a classe dos europeus e a classe dos asiáticos. Usando o símbolo “⊂” para
representar a relação de inclusão entre classes, o padrão comum a (e) e (f) é o seguinte.

P⊂Q

De facto, é bastante vasto o número de frases cuja forma pode ser representada como se indica acima.

Quando, por exemplo, dizemos que os números naturais são um sub-conjunto dos racionais
formulamos uma asserção cuja forma se deixa também representar pelo mesmo padrão (basta para
isso substituir P e Q pelos símbolos matemáticos adequados). Este resultado pode ainda ser
generalizado: consoante a sua estrutura, determina-se um padrão do qual a frase é uma instância
particular. Esta estrutura exibe a conexão lógica que mantém ligados os elementos que compõem o
seu significado.

Indo um pouco mais longe, podemos agora substituir a linguagem da teoria dos conjuntos pela
linguagem típica da lógica — na qual, de resto, o conceito de inclusão é representável. Para o
conseguirmos basta-nos considerar a definição de inclusão já referida e verificar ser esta a ideia
expressa por (e) e (f). Iremos proceder para esse efeito à substituição de P pelo conjunto dos
portugueses e Q pelo conjunto dos europeus; em seguida, façamos o mesmo com o conjunto dos
chineses e dos asiáticos. A que conclusão chegamos? Bem, à conclusão de que um conjunto está
incluído no outro, isto é, que todos os elementos do primeiro conjunto são também elementos do
segundo.

Todavia, (e) e (f) contêm um elemento com o qual não fomos ainda confrontados: trata-se da expressão
“todos”. Esta expressão não é claramente um predicado. A sua função é a de indicar universalidade.

Daí a necessidade encontrar uma forma de representar a ideia de universalidade para obter uma
primeira aproximação ao padrão lógico desejado. Com este objetivo, vamos socorrer-nos do símbolo
“∀”. Em conjunção com um símbolo capaz de representar um indivíduo qualquer, digamos x, obtémse:
(Para todo o x)[se x é português, então, x é europeu]. Aplicando esta técnica a (e) temos: (∀x)[se x é
chinês, então x é asiático]. Este, no entanto, é apenas um passo intermédio e não uma representação
inteiramente satisfatória de um ponto de vista lógico da forma de cada uma destas frases.

Uma maneira de se avançar um pouco mais na direção pretendida consiste em verificar, por exemplo,
que “x é português” é uma frase já semi-formalizada do tipo sujeito-predicado. O mesmo sucede com
“xé europeu”. Visto que já sabemos como representar frases com esta forma, tem-se o seguinte
resultado: ( x)[se P(x) então, Q(x)]. Para obtermos uma formalização completa de (e) e (f) resta
estipular um símbolo para representar a expressão portuguesa “se..., então..”.. Os lógicos designam
frases com esta forma por condicionais e adoptaram uma seta para exprimir a relação.

Estamos, finalmente, em condições de exibir o padrão comum a (e) e (f).

( x)[P(x) → Q(x)]
Retomemos agora o nosso objetivo inicial. Pretendíamos saber em virtude de que factores um
argumento é válido. Ora, a validade de um argumento não depende do valor de verdade das
proposições que o constituem. A validade depende apenas da relação que se verifica entre essas
proposições.

Não existem demasiadas opções. Na verdade, existe uma única. Um argumento é válido em virtude da
sua forma. Para compreender isto basta que considerar cuidadosamente os seguintes exemplos de
argumentos.

Exemplo 1

Todos os matemáticos são racionalmente competentes.

João é matemático.
Logo, o João é racionalmente competente.

Exemplo 2

Todos os ziglibdin são estrelas cadentes de alta intensidade.

MX 14 é um ziglibdin.
Logo, MX 14 é uma estrela cadente de alta intensidade.

Vimos acima de que modo é possível determinar a forma lógica de uma proposição. Para isso,
recorremos a um simbolismo específico, isto é, uma linguagem artificial que foi construída para esse
efeito. No entanto, dada o grau de complexidade da linguagem utilizada, é aconselhável para o que
temos em mente ilustrar recorrer agora a uma formalização mitigada sem alterar com esta decisão o
objetivo.

Na verdade, não existe uma só linguagem disponível para formalizar proposições. Vejamos, então,
como proceder.

Uma análise atenta destes exemplos permite compreender em que medida a forma lógica é
determinante para a sua validade. Em ambos os casos, a conclusão proposta é uma consequência das
premissas. Apesar de ninguém saber o que é um ziglibdin nem que objeto “MX 14” designa, sendo as
premissas o que são, é logicamente impossível que a conclusão seja falsa. Como nada sabemos a
respeito do seu conteúdo, a única explicação para aceitarmos E2 é a que resulta de se considerar a
sua forma.

Tem-se, então, que E1 e E2 partilham o seguinte padrão comum:

Todo o A é B.
x é A. Logo,
x é B.

Apesar de várias insuficiências, esta maneira de representar a forma lógica dos exemplos precedentes
permite mostrar que qualquer que seja a interpretação dada a A, B e x se obtém um argumento válido.

Vejamos ainda outro caso.

Exemplo 3

Todos os australianos falam inglês corretamente.

Jimmy é australiano.
Logo, Jimmy fala inglês corretamente.

Como é óbvio, este não é o único padrão de inferência válido. No entanto, um argumento que
exemplifique o padrão acima indicado resulta válido independentemente das proposições que o
constituam.

Conversamente, para provar que uma forma é inválida é suficiente mostrar que existe uma
interpretação, isto é, uma instância particular dessa forma, pela qual as premissas são verdadeiras e
a conclusão falsa. Se nos dermos ao trabalho de voltar à página 8 verificamos ser este o caso do
exemplo aí proposto. Usando o expediente da formalização, concluiu-se que toda a inferência com
esse padrão lógico é inválida.

Assim, se representarmos pelos símbolos “A” e “B”, respectivamente, as frases “As taxas de juro
baixam” e “António compra uma casa no litoral”, estamos em condições de determinar a forma lógica
do argumento:

A→B
B
Logo, A

Estamos agora em condições de justificar o objetivo inicialmente proposto para os estudos lógicos. De
facto, este objetivo consiste em determinar quais os padrões de inferência válidos de maneira a permitir
um escrutínio rigoroso das inferências que efetuamos, bem como das regras de inferência que podem
ser utilizadas caso se deseje preservar a validade dos argumentos que construímos para provar
asserções. Pelo que acabamos de observar, a intuição não é em muitos casos suficiente.

Com o primeiro objetivo em mente, os lógicos construiram linguagens artificiais do género indicado de
modo a representarem formalmente argumentos expressos nas diferentes linguagens naturais (o
português, o inglês, o polaco, etc.) e também na linguagem vulgarmente utilizada em matemática.

Em simultâneo, dedicaram-se ao estudos destas linguagens e sistemas formais com vista ao

esclarecimento das suas propriedades. Este é um domínio particularmente importante da lógica devido
às características do seu objetivo principal. Na verdade, se se pretende estudar as formas de inferência
válidas recorrendo à formalização de inferências expressas na linguagem natural ou na linguagem da
matemática, é importante, por exemplo, mostrar que essas linguagens não dão origem a contradições.

6. Consistência, inconsistência e contradição

Utilizámos o conceito de validade para nos referirmos a uma propriedade que as inferências possuem.
Podemos agora acrescentar que não existem argumentos verdadeiros, tal como não há argumentos
falsos. Este modo de nos expressarmos é talvez habitual em circunstâncias informais mas traduz uma
má compreensão acerca do que é um argumento. Um argumento não afirma ou nega seja o que for.
Quanto muito, permite justificar a pretensão de uma proposição à verdade. O que não é a mesma
coisa. E reservamos os predicados “válido” e “inválido” para serem aplicados apenas a inferências.

Ora, verificámos que o conceito de validade foi definido à custa do conceito de possibilidade lógica.
Vamos agora mostrar de que modo a propriedade de um argumento ser válido se deixa definir
recorrendo ao conceito de consistência. O objetivo é aprofundar as relações que obtêm entre validade
e verdade.

Recorde-se que um argumento pode ser representado como a união de dois conjuntos de proposições,
digamos, {P 1, P 2,..., P n} {Q }. Em complemento, caso o argumento seja válido, denotamos este
facto colocando um símbolo apropriado a ligar um conjunto ao outro. Podemos agora dizer que, se o
argumento é válido, então, o conjunto união pelo qual se deixa representar é consistente.

Vejamos então o que se entende por consistência. Uma definição de consistência pode ser formulada
do seguinte modo: dado um conjunto K de proposições, tal que K = {P 1, P 2,..., P n}, K é consistente
se e somente se existe uma interpretação de todas as P i que pertencem a K pela qual resultem
verdadeiras. Quando isto acontece diz-se que K tem um modelo. Conversamente, K é inconsistente se
não existe uma interpretação pela qual as P i pertencentes a K resultam todas verdadeiras.

A aparência um pouco assustadora da definição pode ser consideravelmente suavizada se recorrermos

a exemplos.

Vejamos o primeiro. Faça-se representar pelo símbolo A1 a frase “Todos os portugueses são boas
pessoas”. Represente-se ainda por A2 a frase “Nenhum português é boa pessoa”. Para concluir,
formemos um conjunto K cujos dois únicos elementos são as nossas duas frases. Deste modo, tem-
se K = {A 1 , A2}. Uma vez concluída esta fase preliminar, coloquemos a nós próprios a seguinte
questão: será K um conjunto consistente? A resposta é não. Vejamos em detalhe quais as razões deste
facto.

Admitamos que A1 é uma proposição verdadeira. Ora, é claro que nesta circunstância A2 tem que ser
falsa. Assim, A1 e A2 não podem ser ambas verdadeiras nesta interpretação. Admitamos agora que
A2é verdadeira. Que acontece neste caso? Se A2 for verdadeira, então A1 é falsa. Logo, não existe
qualquer atribuição de valores de verdade aos elementos de K pela qual se obtenha K consistente.

Considere-se outro caso. Faça-se B1 representar a frase “Manuel acredita que Júlio César foi um génio
militar”. Admita-se ainda que B2 representa “António não acredita que Júlio César fosse um génio
militar” e faça-se K = {B 1, B2}. Será K consistente? A resposta é afirmativa. Vejamos por que motivo.

Para que K seja um conjunto inconsistente é necessário que B1 e B2 não possam ser ambas
verdadeiras. Note-se que B1 e B2 são ambas frases da forma x acredita que P (onde P representa uma
proposição). Sucede que B1 e B2 são verdadeiras em virtude de Manuel e António possuirem as
crenças que lhes são atribuídas e não em virtude do conteúdo dessas crenças. Logo, existe pelo menos
um modelo M para K sob o qual B1 e B2 resultam ambas verdadeiras. O facto de B1 e B2 serem ambas
falsas noutra interpretação (isto é, na hipótese de Manuel e António não terem de facto as crenças que
lhes são atribuídas) significa que B1 e B2 não são verdadeiras em todos os modelos.

Outro exemplo de inconsistência é dado pelo seguinte par de frases: “João é solteiro” e “João é
casado”. Note-se que estas frases podem ser ambas falsas, ainda que não possam ser ambas
verdadeiras. Deixo ao leitor, a título de exercício, a tarefa de indicar a cricunstância em que ambas são
falsas.

Em resumo. Um conjunto K = {P 1, P 2, P 3,..., P n} é consistente se e somente se existe pelo menos

um modelo M pelo qual todos os elementos de K resultam verdadeiros. Esta condição não é
incompatível com a possibilidade de todos os elementos de K resultarem falsos numa outra
interpretação. Este facto torna-se claro se considerarmos as proposições A1 e A2. Apesar de não
poderem ser ambas verdadeiras, podem ser ambas falsas, por exemplo, se apenas alguns portugueses
são boas pessoas.

A consequência daqui resultante é particularmente instrutiva. Se K é inconsistente, segue-se {A1 , A2}

B (seja qual for a proposição que B represente). Para compreendermos isto basta ver que, dada a
inconsistência de K, nunca se tem o caso de todas as premissas serem verdadeiras e a conclusão
falsa. Na realidade, acabámos de mostrar que é impossível que A1 e A 2 sejam ambas verdadeiras
para a mesma interpretação. A moral da história é a seguinte. Se começarmos com premissas
inconsistentes, então, estamos em condições de derivar delas seja que conclusão for. E é claro que
não queremos que isto se verifique. De facto, se estivermos dispostos a acreditar em proposições
inconsistentes, estaremos dispostos a acreditar seja no que for em consequência das crenças de
origem.

Dramatizando um pouco poderíamos dizer o seguinte. Se aceitarmos K como um bom ponto de partida
para uma inferência, segue-se que ficamos logicamente comprometidos, entre outras coisas, com a
existência de quadrados redondos. E é por este motivo que as inconsistências são pouco apreciadas.

O que acabámos de dizer acerca de conjuntos de proposições aplica-se do mesmo modo a proposições
isoladas. Dada uma proposição P, tem-se que P é consistente se e apenas se existe um modelo para
P.

Vejamos outro caso. Seja K = {C1, C 2}, tal que C1 representa a frase “Todos os estudantes de lógica
são interessados” e C2 “Alguns estudantes de lógica não são interessados”. A principal diferença entre
este caso e o primeiro é a seguinte. Enquanto um conjunto ser inconsistente não é incompatível com
a possibilidade de todos os seus elementos serem falsos, o mesmo não se passa agora. De facto,
qualquer modelo para C1 torna C2 falsa; por outro lado, uma interpretação pela qual C1 resulte falsa
é um modelo para C2. Quando duas frases se encontram nesta relação dizem-se contraditórias.

Tem-se, assim, que um conjunto de frases ser inconsistente não depende de ser também contraditório.
A razão destes factos é a seguinte. Se for verdade que todos os estudantes de lógica são interessados,
então, é falso que alguns o não sejam. Donde, se C1 é verdadeira, C2 é falsa. Por outro lado, se é
verdade que alguns estudantes de lógica não são interessados, é necessariamente falso que todos o
sejam. Logo, se C2 é verdadeira, C1 é falsa. Assim, não existe um modelo para K sob o qual os seus
elementos resultem todos verdadeiros, tal como não existe uma interpretação dos elementos de K pela
qual ambos sejam falsos. Em geral, se se quer obter a contraditória de uma proposição P, a melhor
forma de o fazer consiste em prefixar a P o símbolo para a negação.

O conceito de contradição aplica-se identicamente a proposições e não apenas a conjuntos de

proposições. Exemplos típicos de proposições contraditórias são os seguintes: (i) Sócrates não é
Sócrates; (ii) Chove e não chove; (iii) x pertence a P se e somente se x não pertence a P; (iv) O João
é solteiro e casado. Assim, uma proposição contraditória é aquela para a qual não existe um modelo.

Se compararmos o que foi dito acima acerca de inconsistência e contradição verificaremos que a
relação de contradição é mais forte que a relação de inconsistência. Na realidade, se um conjunto K é
contraditório, então K é necessariamente inconsistente. Mas se K é inconsistente não implica que seja
contraditório; basta que exista uma interpretação I de K pela qual todos os seus elementos são falsos.

Representando por 1 e 0, respectivamente, os valores verdadeiro e falso, tem-se o seguinte:

Modelo (1, 1) (1, 0) (0, 0)

Inconsistência NÃO SIM SIM

Contradição NÃO SIM NÃO

Vejamos que consequências resultam daqui para a compreensão dos conceitos de validade e
argumentação.

Faça-se K = {P1, P 2,..., Pn} ∪ {B} tal que P1, P 2,..., Pn ⊨ B. Nestas circunstâncias, é fácil verificar que
K é um conjunto consistente. Na realidade, podemos demonstrar que se se dá o caso de K ser válido,
então, K é necessariamente consistente. Podemos igualmente demonstrar que o conjunto L = {P 1, P
2,..., P n} ∪ {A}, se difere de K pelo facto de A e B serem proposições contraditórias (e por nenhuma
outra razão) é inconsistente na hipótese de K ser consistente. Por fim, demonstramos também que
nenhuma forma de argumento válida implica uma proposição P e a sua negação.

Consideremos o primeiro caso. A proposição a demonstrar é da forma “se... então..”.. Isto significa que
o nosso argumento tem início assumindo como premissa a proposição que ocorre como antecedente
da condicional. Assim, assumimos a validade de K e mostramos que dada esta premissa se segue
como conclusão a consistência de K (facto que corresponde ao consequente da condicional).

Esta forma de demonstração é típica em matemática ainda que, por vezes, a terminologia pela qual é
apresentada seja diferente. Este, no entanto, é um aspecto que podemos negligenciar com
tranquilidade. O factor decisivo que é conveniente ter em consideração diz respeito às razões pelas
quais isto acontece. Se reflectirmos um pouco verificaremos que, uma vez mais, se trata de mostrar
que aceite uma certa proposição, somos racionalmente compelidos a aceitar também uma outra
proposição em virtude, apenas, de a última ser uma consequência da primeira. Para isso, é necessário
exibir a inferência pela qual este facto se deixa demonstrar de modo a que possamos sujeitá-la a um
exame racional. Esta é a consequência de desejarmos exercer competentemente a nossa capacidade
crítica.

Informalmente, obtém-se o seguinte. Se K é válido, então, se todas as suas premissas forem

verdadeiras, segue-se que a conclusão também o é. Mas, neste caso, todas as proposições de K
resultam verdadeiras sob a mesma interpretação e, assim, K possui um modelo. Donde, se existe um
modelo para K, dada a definição de modelo, K é consistente. Vejamos agora a apresentação formal do
argumento.

Caso 1

(1) K é válido. Premissa.

(2) Se P1, P 2,..., Pn forem todas verdadeiras, B é verdadeira. 1, Def. de validade.

(3) Existe um modelo M para K. 2, Def. de modelo.

(4) K é consistente. 3, Def. de consist.

(5) Se K é válido, então, K é consistente. 1 4

O modo como o argumento 1 é apresentado acima justifica alguns comentários adicionais importantes.

Formalmente, um argumento é uma sequência de passos numerados que tem início com a listagem
das premissas. A sua apresentação inclui duas colunas, sendo a da direita uma lista onde intervêem
as definições usadas ao longo do argumento. Esta coluna contém ainda uma referência ao número dos
passos anteriores utilizados para inferir o passo seguinte pelo uso, neste caso, de uma definição.

Por exemplo, no Caso 1, verificamos que a proposição constante no passo 2 da coluna da esquerda
foi inferida do passo 1 pela aplicação da definição de validade. Em seguida, o passo 3 foi obtido do
passo 2 pela aplicação da definição de modelo, etc. No último passo, onde ocorre a proposição que se
queria demonstrar, é assinalado o facto de a conclusão do argumento ter sido obtida pelo conjunto dos
passos precedentes. Como se obteve o passo 5 a partir da premissa com base num encadeamento de
passos cuja justificação se situa à direita, estamos autorizados a afirmar, no final, que a conclusão é
realmente uma consequência da premissa em conjunção com as definições aplicadas ao longo do
processo de derivação. O mesmo acontece com a segunda demonstração.

Caso 2
(1) K é válido. Premissa.
(2) L difere de K pelo facto de ocorrer B em K onde corre A em
L. Premissa.

(3) A = ¬B Premissa.
(4) Se B é verdadeira, ¬B é falsa. 3, Def. de contradição.
(5) K é consistente. 1, Caso 1.
(6)¬B é falsa em qualquer modelo para P1, P 2,..., Pn. 4, Def. de modelo.
2, 6, Def. de
(7) L é inconsistente.
consistência.
(8) Se K é válido, então, L é inconsistente. 1 7.
Em conjunto, os argumentos 1 e 2 permitem mostrar que o conceito de validade se deixa definir à custa
do conceito de inconsistência. A principal conclusão a extrair deste facto é que uma instância particular
de qualquer padrão de inferência inválida dá lugar a um conjunto inconsistente de proposições. Este
resultado não é surpreendente. Tinhamos visto que um argumento é inválido se e somente se o
conjunto formado pelas premissas e conclusão possui um modelo. Verificamos agora que nenhuma
forma de inferência válida permite, em simultâneo, justificar uma proposição e a sua contraditória.
Deixo ao leitor, a título de exercício, a elaboração de uma demonstração para o terceiro caso. Uma
pista é a seguinte. Qualquer resultado que tenha sido demonstrado previamente pode ser utilizado
numa nova demonstração. Um outro exercício consiste em obter uma versão mais económica de E1.
Para isso, é necessário mostrar que E1 pode ser simplificado; um dos seus passos é eliminável sem
prejuízo do resultado final dado ser redundante. Verifique as definições utilizadas.

7. Tautologias

Vimos que dada uma proposição P qualquer, ou é o caso que P não possui um modelo ou possui pelo
menos um modelo. Resta-nos verificar se existem proposições para as quais qualquer interpretação
constitui um modelo. Ora, acontece que há proposições que resultam verdadeiras em todas as
interpretações. Vamos designá-las por proposições necessariamente verdadeiras e distingui-las
daquelas proposições que, apesar de verdadeiras em alguns modelos, não o são em todos os modelos.
Ver-se-á também por que razão nem todas as proposições deste tipo possuem um interesse
exclusivamente lógico, pelo menos no sentido em que termo “lógica” foi empregue até ao momento.

De facto, usámos este termo com o propósito de designar a disciplina que se ocupa com o estudo das
condições formais do pensamento e do discurso, e não há motivos que nos obriguem a modificar esta
prática. Iremos somente considerar aquelas proposições cuja verdade necessária decorre ou da sua
estrutura lógica apenas ou da sua estrutura lógica associada à definição dos termos não lógicos que
nela ocorrem. Designaremos ainda por tautologias todas as proposições que satisfaçam uma ou outra
das condições precedentes. Vejamos agora em pormenor algumas definições e exemplos.

A definição de tautologia é a seguinte. Uma proposição P é uma tautologia se e apenas se é verdadeira

em todos os modelos exclusivamente em virtude das suas características sintácticas ou semânticas.

Um exemplo do primeiro tipo (sintáctico) é o seguinte. Seja P a proposição “3 é primo ou 3 não é primo”.
Verifica-se facilmente que P é constituída por duas proposições ligadas entre si por uma conectiva
(“ou”) — as proposições “3 é primo” e “3 não é primo” — e que estas proposições são contraditórias.
No entanto, quer o número 3 possua a característica que lhe é atribuída quer a não possua, P resulta
verdadeira. Proposições com esta forma são verdadeiras em qualquer atribuição de valores às suas
partes componentes. Na realidade, este exemplo é uma instância do princípio lógico do terceiro
excluído. A aplicação deste princípio é aceite como não estando sujeita a qualquer restrição no contexto
da lógica clássica. O princípio estabelece que uma proposição é verdadeira ou falsa, excluindo outras
possibilidades. Assim, as suas instâncias particulares dão lugar a proposições reconhecidamente
verdadeiras em todos os modelos. Estamos, portanto, em condições de afirmar que P é
necessariamente verdadeira em consequência das leis da lógica apenas.

As tautologias têm uma propriedade interessante. Para o verificar, pense-se nas condições que é
necessário satisfazer para que em geral uma proposição seja verdadeira. As condições são
basicamente duas: (i) uma proposição é verdadeira em virtude do seu significado (é pelo facto de
possuir o significado que realmente possui que lhe é possível ser acerca de alguma coisa); (ii) é
necessário que a porção de realidade a que a proposição se refere possua as características que lhe
são atribuídas.
A proposição expressa pela frase “Napoleão venceu a batalha de Austerlitz” é verdadeira visto afirmar
acerca do indivíduo Napoleão que este se encontra numa certa relação com um acontecimento
particular e que essa relação obtém a respeito de Napoleão, e não acerca de Sócrates ou Wellington.
O grau de competência semântica que nos permite compreendê-la não é suficiente para determinar o
seu valor de verdade; necessitamos, para o efeito, de informação empírica adicional (por exemplo,
consultar os livros de história adequados). Ora, este facto não se deve ao acaso. É aconselhável,
contudo, um cuidado adicional a este respeito: se o leitor concluiu que qualquer proposição cuja
verdade, para ser estabelecida, reclame o concurso da experiência não é, por essa razão, uma
tautologia, a sua conclusão é correcta. Mas daqui não se segue que algumas proposições empíricas,
pelo facto de não serem tautologias, não sejam necessariamente verdadeiras.

Vejamos. É fácil conceber situações logicamente possíveis que, caso se tivessem verificado, tornariam
falsa a proposição acima. Isto significa que a necessidade de incluir informação empírica adicional para
determinar o seu valor de verdade é uma consequência de a proposição não ser verdadeira em todos
os modelos. Assim, existem mundos logicamente possíveis onde Napoleão não venceu a batalha de
Austerlitz. Um mundo logicamente possível é apenas uma situação ou curso alternativo de
acontecimentos relativamente ao modo como as coisas se passam no mundo actual e que não é
necessário observarmos através de um telescópio; na verdade, é suficiente imaginá-los. Acontece que
uma proposição verdadeira em todos os modelos é verdadeira acerca de todos os mundos possíveis.

Similarmente, as proposições contraditórias são falsas em todos os mundos possíveis (um quadrado
redondo, por exemplo, é logicamente impossível). Mas, se uma tautologia é verdadeira
independentemente do curso de acontecimentos considerado, então, é verdadeira seja o mundo como
for. Ora, se não é indispensável recorrer a informação empírica adicional para reconhecer a sua
verdade ou falsidade, a explicação consiste em admitir, como ilustra o exemplo precedente, que se
trata de uma verdade lógica (a lei do terceiro excluído). Dizemos então que a sua verdade depende
em exclusivo da estrutura formal que suporta as partes componentes da proposição. Um exemplo
suplementar: (1) “Se Napoleão é francês, então Napoleão é francês”. De facto, qualquer atribuição de
valores ao antecedente e consequente da implicação dá origem a uma proposição verdadeira. Vejamos
outro caso:
(2) “Todos os cadernos castanhos são coloridos”. Uma análise cuidadosa de (2) permite-nos mostrar
que as leis da lógica não são suficientes para garantir que (2) é verdadeira. Esta proposição, no
entanto, também é uma tautologia. Isto deve-se às relações semânticas que obtêm entre as partes não
lógicas da proposição, e é isso que vamos verificar em seguida.

Ao afirmarmos que a proposição (1) é verdadeira em virtude da forma lógica, estamos a defender que
qualquer proposição que exemplifique o mesmo padrão, independentemente do seu conteúdo, é
também verdadeira. O leitor poderá testar facilmente esta afirmação se substituir a frase “Napoleão é
francês” em ambos os lados da implicação por qualquer outra frase da forma sujeito-predicado, por
exemplo, “Sócrates é homem”. No entanto, caso queiramos proceder deste modo a respeito de (2), os
resultados não são idênticos. Para isso basta verificar que proposição expressa por “Todos os súbditos
ingleses são brancos”, a designar por (3), é falsa. Ainda assim, (2) e (3) exemplificam o mesmo padrão
lógico. Os meios atrás esboçados para formalizar frases na linguagem do cálculo de predicados
permitem-nos observar que o padrão comum a (2) e (3) é o seguinte:

(∀x) {[P( x) ∧ Q(x)] → R( x)}

Uma vez que estas proposições exibem a mesma forma mas diferem em valor de verdade, conclui-se
que (2) não é verdadeira em virtude do padrão lógico que ambas as proposições têm em comum.

A necessidade de recorrer a um critério semântico, para explicar que frases deste género exprimam
tautologias justificável. Ao analisarmos cuidadosamente a proposição (2) verificamos que a sua
verdade é uma consequência do significado das partes não lógicas que a compõem (as expressões
“castanho” e “colorido”), em conjunção com uma lei lógica que seguidamente iremos explicitar. Notese,
em primeiro lugar, que o castanho é uma cor e que todo o objeto que possua a cor castanha é — por
definição — colorido. Esta é a parte semântica do problema. A regra lógica afirma o seguinte: aquilo
que se aplica a todos os objetos de um conjunto de objetos aplica-se a cada um deles em particular.
Ora, os cadernos a que a proposição (2) faz referência incluem-se no conjunto de objetos que possuem
a propriedade de serem castanhos. Por esta razão, dado o significado das expressões relevantes e o
princípio lógico indicado, conclui-se que a proposição é necessariamente verdadeira.
Complementarmente, como a verdade de (2) decorre de princípios lógicos associados a definições que
tipificam as nossas práticas linguísticas, a proposição é uma tautologia.

Um leitor interessado poderá, no entanto, interrogar-se com cepticismo a respeito do valor informativo
inerente a frases do tipo considerado. De facto, se uma tautologia é uma proposição necessariamente
verdadeira devido a considerações de carácter meramente formal ou semântico, parece evidente que
estas proposições nada afirmam de substantivo acerca do mundo. Permitem apenas exibir a maneira
como empregamos as palavras. Este cepticismo justifica-se parcialmente, é claro. Contudo, as
tautologias em sentido lógico estrito, cuja verdade é uma consequência da sua forma, apesar de nada
afirmarem acerca do mundo, relevam-nos importantes verdades lógicas. Possuem, além disso, o
mérito de permitirem construir sistemas formais axiomáticos pelos quais segmentos importantes das
ciências, em particular da matemática, se deixam representar adequadamente. Este é um aspecto
notável dada a possibilidade que estes sistemas oferecem de codificar formalmente os princípios de
que dependem as demonstrações aceites em cada uma das áreas relevantes. Em complemento,
permitem examinar com objetividade essas demonstrações e avaliar a sua correção.

Mas existem ainda razões para considerar incorrecta a tese de que não existem verdades necessárias
substantivas. Quando dizemos que as tautologias são proposições necessariamente verdadeiras, isto
não significa que — sem excepção — as proposições necessariamente verdadeiras são tautologias.
Frases como “Se Sócrates é mortal, então Sócrates é mortal” não iludem alguma trivialidade. Mas o
mesmo não sucede com um teorema matemático, digamos, “x2 + y2 = z2”. Tal como o célebre teorema
de Pitágoras, existem excelentes razões para defender que as restantes proposições matemáticas, se
verdadeiras, são necessariamente verdadeiras. Por outro lado, Saul Kripke, um importante filósofo
americano da segunda metade do século XX, argumentou de forma plausível a favor da existência de
verdades necessárias a posteriori, isto é, de proposições que dependem da experiência para serem
conhecidas como verdadeiras, ainda que sejam verdadeiras em todos os mundos possíveis. “A água
é H2O”constitui o exemplo típico de proposição empírica necessariamente verdadeira.

Esta, no entanto, é uma discussão que já não compete à disciplina de lógica.

Compreensão do processo lógico que, a partir de um conjunto de hipóteses, conduz, de forma

válida, a conclusões determinadas.

Compreensão do processo lógico que, a partir de um conjunto de hipóteses, conduz, de forma válida,
a conclusões determinadas.

Normalmente em concursos de tribunais os assuntos são pedidos de forma genérica e até os

professores de cursos para concursos se embolam para decifrar. Verifiquei em vários sites e vídeo
aulas e o que mais foi dito para estudar para preencher os requisitos deste tema foi o seguinte:

Silogismo

Diagramas lógicos (Representação por diagramas: Diagramas de Venn)

Argumentos lógicos (Lógica da argumentação)

Raciocínio lógico é uma disciplina decisiva na prova, mas muitos alunos têm dificuldades. Para
encarar o desafio, treinar por meio exercício é fundamental, para consolidar a base teórica. Você sabe
estudar o conteúdo da maneira correta? Que tal ficar por dentro de dicas e técnicas de estudos, com
a professora Cássia Coutinho?
Graduada em matemática pela Universidade Federal de Minas Gerais, pedagogia pela Universidade
Estadual de Minas Gerais ( UEMG) e pós graduada em Gestão de Pessoas pela Anhaguera, a
professora Cássia Coutinho tem vasta experiência na área de concurso público há mais de 10 anos.
Já lecionou em diversos preparatórios e, atualmente, ministra aulas de matemática e raciocínio lógico
no Centro Educacional Flávia Rita, em que, também, trabalha como gestora acadêmica.
Qual a importância da disciplina nas provas, na sua opinião?
A disciplina de RLM, devido ser uma das matérias de maior dificuldade dos alunos, torna-se
extremamente celetista e decisiva e nos concursos.
Muitos candidatos perdem tempo resolvendo as questões da prova. Como evitar isso?
A única forma de evitar a perda de tempo, é treinando bastante as questões! Quantidade com
qualidade, é a fórmula do sucesso nessa disciplina.
Como interpretar a questão de forma correta? Você acha que o português esta associado a disciplina?
Com certeza o Português está associado com RLM. Normalmente os alunos possuem muita dificuldade
em interpretar as questões. As “boas” questões da disciplina incluem três etapas principais –
interpretação do enunciado, codificação (transcrição para a linguagem matemática) e realização dos
cálculos.
Como deve ser o preparo do estudante, para fazer uma prova eficiente?
O aluno deve começar pelas questões no qual consegue visualizar a resolução de forma imediata, as
que ele consegue identificar o conteúdo abordado rapidamente. Em seguida, dedicar às questões de
nível médio, que ele teve uma noção da resolução e do conteúdo, mas que exigem mais concentração
da parte do candidato. As questões complexas devem ser deixadas por último. Vale a pena deixa-las
para o final da prova. O que acontece é que os alunos “empolgam” nas questões principalmente de
Matemática e não percebem o tempo passar! Devem sempre ficar atentos a isso.
Você acha importante resolver contas mentalmente, ou seja, sem usar a calculadora?
Com certeza! Em nenhum concurso público é permitido utilizar calculadora. Logo, o aluno deve treinar
todas as contas em casa.
Dicas de como estudar raciocínio lógico e matemática:
Sugiro que o aluno siga algumas etapas de estudo:
1º) Realizar o estudo teórico utilizando preferencialmente duas fontes de consulta
2º) Fazer um resumo do conteúdo estudado
3º) Refazer os exemplos feitos em sala ou no material didático que possua
4º) Fazer novos exercícios
O aluno deve concentrar-se na resolução do exercício e não somente na resposta final. Deve procurar
justificar seus cálculos de forma coerente, pautar nos conceitos estudados.
Gostou das dicas da professora Cássia Coutinho?
Então, aproveite para dominar o conteúdo com o curso on-line Preparação Permanente de matemática
+ raciocínio lógico, com a professora Cássia Coutinho, que inclui apostila com exercícios divididos por
assunto, para facilitar o aprendizado. Além disso, contempla o seguinte conteúdo programático:
RACIOCÍNIO LÓGICO: Estrutura lógica de relações arbitrárias entre pessoas, lugares, objetos ou
eventos fictícios; deduzir novas informações das relações fornecidas e avaliar as condições usadas
para estabelecer a estrutura daquelas relações. Compreensão e elaboração da lógica das situações
por meio de: raciocínio verbal, raciocínio matemático, raciocínio sequencial, orientação espacial e
temporal, formação de conceitos, discriminação de elementos. Compreensão do processo lógico que,
a partir de um conjunto de hipóteses, conduz, de forma válida, a conclusões determinadas. Lógica de
primeira ordem. Quantificadores. Lógica de Argumentação.
MATEMÁTICA: Teoria dos Conjuntos. Números inteiros e racionais: operações (adição, subtração,
multiplicação, divisão, potenciação); expressões numéricas; múltiplos e divisores de números naturais;
problemas. Frações e operações com frações. Números e grandezas proporcionais: razões e
proporções; divisão em partes proporcionais; regra de três; porcentagem e problemas. Juros simples
e composto. Análise combinatória. Probabilidade.
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
Sequências Numéricas

Breve relato histórico

Muitos são os nomes de pessoas que dedicaram suas vidas à descoberta e ao aperfeiçoamento da
matemática. Elas são dos mais variados ramos do conhecimento humano, mas que compartilham entre
si um desejo comum: o manuseio dos números e das formas. A matemática recebe, em sua plataforma
de estudo, advogados, filósofos, físicos, químicos, engenheiros, matemáticos e muitos outros
profissionais ou amantes desta ciência milenar, que é marcada pela importância no desenvolvimento
planetário ou, ainda além, universal.

Em 1789, na cidade de Paris, França, nascia o professor, engenheiro e matemático Augustin-Louis

Cauchy. Ele estudou na Escola Politécnica de Paris, onde depois tonou-se professor. Cauchy foi um
dos mais importantes matemáticos de todos os tempos, tendo importantes descobertas, principalmente
no campo da Matemática Pura. Pode-se afirmar que Cauchy é um dos fundadores do Cálculo com
Variáveis Complexas, assim como tem papel marcante no Cálculo Elementar, Teoria dos Determinantes
e nas Séries Infinitas, sendo estas responsáveis pelo desenvolvimento da Teoria das Funções.

Definindo sequência/sucessão

Observe a informação que darei a seguir e compreenda a ideia prática de sucessão ou sequência.

A Copa do Mundo de 2010, realizada na África do Sul, teve como campeã, ou seja, em primeiro lugar,
a Espanha; no segundo lugar, a Holanda; no terceiro lugar a Alemanha e no quarto, Uruguai. Estes
dados podem ser mais bem visualizados se utilizarmos representações de ordem. Vejam:

1° lugar – Espanha

2° lugar – Holanda

3° lugar – Alemanha

4° lugar – Uruguai

Sabendo destas informações, poderíamos escrever a ordem de classificação desta Copa da seguinte
maneira: Espanha, Holanda, Alemanha, Uruguai. Ainda segundo essa ideia, temos, por exemplo, que
os dias segunda-feira, terça-feira, quarta-feira, quinta-feira, sexta-feira, sábado, domingo, representam
a sequência ou sucessão de dias de uma semana.

DEFINIÇÃO

Toda função/relação cujo domínio (conjunto de partida) é o conjunto dos números naturais é também
uma sequência ou sucessão.

Sequência ou sucessão numérica

DEFINIÇÃO

Sequência numérica é uma sequência ou sucessão que tem como contradomínio (conjunto de
chegada) o conjunto dos números reais.

As sequências numéricas podem ser finitas, quando é possível “contar” os seus elementos, ou infinitas,
quanto não é possível “contar” os seus elementos. Visualize, nos dois casos, as representações
matemáticas.

Sequência finita: (a1, a2, a3, ..., an) Sequência

infinita: (a1, a2, a3, ..., an,...) Leitura dos termos

acima:

a1 → a índice 1 (primeiro termo)

a2 → a índice 2 (segundo termo)

a3 → a índice 3 (terceiro termo) an

→a índice n (enésimo termo)

Veja exemplos de sequências finitas e infinitas:

Sequência finita: (5, 7, 9, 11, 13, 15, 17, 19)

Sequência infinita (3, 5, 7, 11, 13, 17,...)

Verificação da aprendizagem

Dada a sequência definida por an = 4n – 1, com n Є N*, calcule: a3

– a1

Lembre-se de que o domínio desta sequência é N* (naturais não nulos), sendo assim, o primeiro termo
(a1) é 1.

Para n = 1, temos: a1 = 4x1 – 1 = 3 Para

n = 3, temos: a3 = 4x3 – 1 = 11

a3 – a1 = 11 – 3 = 8

(a5)2 + (a6)2

Mais uma vez considerando que o conjunto domínio é N*, temos:

Para n = 5, temos: a5 = 4x5 – 1 = 19

Para n = 6, temos: a6 = 4x6 – 1 = 23

192 + 232 = 890

Escreva os quatro primeiros termos das sequências dadas pelos termos gerais, sendo n Є N*.

an = 3n – 1

Para n = 1, temos: a1 = 3x1 – 1 = 2 Para

n = 2, temos: a2 = 3x2 – 1 = 5 Para n =

3, temos: a3 = 3x3 – 1 = 8

Para n = 4, temos: a4 = 3x4 – 1 = 11

Conclusão: (2, 5, 8, 11)

an = 2n - 1

Para n = 1, temos: a1 = 21 – 1 = 1 Para

n = 2, temos: a2 = 22 – 1 = 2

Para n = 3, temos: a3 = 23 – 1 = 4

Para n = 4, temos: a4 = 24 – 1 = 8

Conclusão: (1, 2, 4, 8)
Considerações finais

Aos caros leitores, deixo claro que este trabalho é apenas uma introdução ao conceito de sequência
que, um pouco mais adiante, contemplará as ideias e operações das Progressões Aritméticas e/ou
Geométricas, as famosas P.A e P.G. Ciente da importância dessas duas temáticas, escreverei sobre
elas em meus próximos trabalhos. Porém, esta introdução deverá ser lida e estudada como pré-
requisito a um estudo mais detalhado do tema em discussão.

Sequência numérica é uma sucessão finita ou infinita de números obedecendo uma determinada
ordem definida antecipadamente.

Uma sequência numérica na matemática deve ser representada entre parênteses e ordenada. Veja
como são representadas nos exemplos abaixo:

(1, 2, 3, 4, 5, 6, …): sequência dos números naturais;

(2, 3, 5, 7, 11, 13, 17, 19, …): sequência dos números primos positivos; (1,

3, 5, 7, 9, …): sequência dos números ímpares positivos.

Classificação das Sequências Numéricas

Podemos classificar as sequências numéricas em finitas e infinitas:

Sequência Infinita: uma sequência infinita é representada da seguinte forma: (a1, a2, a3, a4, … , an, …)

Exemplos:

(2, 4, 6, 8, 10, …): sequência dos números pares positivos;

(1, 2, 3, 4, 5, 6, 7, 8, …): sequência dos números naturais;

As sequências infinitas são representadas com uma reticência no final. Os elementos são indicados
pela letra a. Então, o elemento a1, equivale ao primeiro elemento, a2, ao segundo elemento e assim
por diante.

Sequência Finita: uma sequência finita é representada da seguinte forma: (a1, a2, a3, a4, … , an)

Exemplo:

(0, 1, 2, 3, 4, 5, 6, 7, 8, 9): sequência dos algarismos do sistema decimal de numeração;

Nas sequências finitas podemos indicar o elemento an da sequência, pois se trata de uma sequência
finita e sabemos exatamente a quantidade de elementos da sequência. Na sequência acima, n = 10,
portanto, an é a10 = 9.

Então: a1

= 0; a2 =

1; a3 = 2;

a4 = 3; a5

= 4; a6 =

5; a7 = 6;

a8 = 7; a9

= 8; a10 =

9;
Igualdade de Sequências Numéricas

Duas sequências são consideradas iguais se apresentarem os mesmos termos e na mesma ordem.

Exemplo:

Considerem as seguintes sequências:

(a, b, c, d, e)

(2, 7, 9, 10, 20)

As duas sequências acima poderão ser consideras iguais se, e somente se, a = 2, b = 7, c = 9, d = 10
e e = 20.

Considerem as seguintes sequências:

(1, 2, 3, 4, 5) (5,

4, 3, 2, 1)

As sequências acima não são iguais, mesmo apresentando os mesmos números, elas possuem ordens
diferentes.

Fórmula do Termo Geral

Cada sequência numérica possui sua lei de formação. A sequência (1, 7, 17, 31, …) possui a
seguinte lei de formação: an = 2n2 – 1, n N*

Essa fórmula é usada para encontrar qualquer termo da sequência. Por exemplo, o termo a4 = 2 . 42 –
1 = 31 Exemplo:

a1 = 2 . 12 – 1 = 1; a2

= 2 . 22 – 1 = 7; a3 =

2 . 32 – 1 = 17; a4 = 2

. 42 – 1 = 31; E assim

por diante.

Lei de Recorrência

A lei de recorrência de uma sequência numérica permite calcularmos cada termos conhecendo o seu
antecedente:

Exemplo:

Considere a seguinte fórmula de recorrência an + 1 = an – 1 para a sequência (10, 9, 8, 7, 6, …), sendo

que o termo a1 = 10. Determine os 5 primeiros termos.

a2 = 10 – 1 = 9; a3

= 9 – 1 = 8; a4 = 8

– 1 = 7 a5 = 7 – 1

=6

Cada sequência numérica possui sua lei de recorrência.

Progressões Aritméticas e Geométricas

As progressões geométricas e aritméticas são sequências numéricas bem conhecidas na matemática.

A progressão aritmética (PA) é um tipo de sequência em que cada termo, começando a partir do
segundo, é o termo anterior somado a uma constante r, a qual é chamada de razão da PA.

Uma PA é definida pela seguinte expressão:

an + 1 = an + r

Exemplo:

(0, 2, 4, 6, 8, 10, …): PA com primeiro termo a1 = 0 e razão r = 2.

A progressão geométrica (PG) é um tipo de sequência em que cada termo, começando a partir do
segundo, é determinado pela multiplicação por uma constante r, a qual é chamada de razão da PG.

Uma PG é definida pela seguinte expressão:

an = a1 . q(n – 1)

Exemplo:

(1, 2, 4, 8, 16, 32, …): é uma PG em que o primeiro termo a1 = 0 e razão r = 2.

Na matemática, a sequência numérica ou sucessão numérica corresponde a uma função dentro de

um agrupamento de números.

De tal modo, os elementos agrupados numa sequência numérica seguem uma sucessão, ou seja, uma
ordem no conjunto.

Classificação

As sequências numéricas podem ser finitas ou infinitas, por exemplo:

SF = (2, 4, 6, ..., 8)

SI = (2,4,6,8...)

Note que quando as sequências são infinitas, elas são indicadas pelas reticências no final. Além disso,
vale lembrar que os elementos da sequência são indicados pela letra a. Por exemplo:

1° elemento: a1 = 2 4°

elemento: a4 = 8

O último termo da sequência é chamado de enésimo, sendo representado por an. Nesse caso, o an da
sequência finita acima seria o elemento 8.

Assim, podemos representá-la da seguinte maneira:

SF = (a1, a2, a3,...,an)

SI = (a1, a2, a3, an...)

Lei de Formação

A Lei de Formação ou Termo Geral é utilizada para calcular qualquer termo de uma sequência,
expressa pela expressão: an = 2n2 - 1

Lei de Recorrência
A Lei da Recorrência permite calcular qualquer termo de uma sequência numérica a partir de elementos
antecessores: an = an-1, an-2,...a1

Progressões Aritméticas e Progressões Geométricas

Dois tipos de sequências numéricas muito utilizadas na matemática são as progressões aritmética e
geométrica.

A progressão aritmética (PA) é uma sequência de números reais determinada por uma constante r
(razão), a qual é encontrada pela soma entre um número e outro.

A progressão geométrica (PG) é uma sequência numérica cuja razão (r) constante é determinada pela
multiplicação de um elemento com o quociente (q) ou razão da PG.

Para compreender melhor, veja abaixo os exemplos:

PA = (4,7,10,13,16...an...) PA infinita de razão (r) 3

PG (1, 3, 9, 27, 81, ...), PG crescente de razão (r) 3

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Análise Combinatória

A análise combinatória é um dos tópicos que a matemática é dividida, responsável pelo estudo de
critérios para a representação da quantidade de possibilidades de acontecer um agrupamento sem que
seja preciso desenvolvê-los.

Veja um exemplo de um problema de análise combinatória e como montamos os seus agrupamentos.

Dado o conjunto B dos algarismos B = {1,2,3,4}. Qual a quantidade de números naturais de 3

algarismos que podemos formar utilizando os elementos do grupo B?

Esse é um tipo de problema de análise combinatória, pois teremos que formar agrupamentos, nesse
caso formar números de 3 algarismos, ou seja, formar agrupamentos com os elementos do conjunto B
tomados de 3 em 3.

Veja como resolveríamos esse problema sem a utilização de critérios ou fórmulas que o estudo da
análise combinatória pode nos fornecer.

Esse esquema construído acima representa todos os números naturais de 3 algarismos que podemos
formar com os algarismos 1,2,3,4, portanto, concluindo que é possível formar 24 agrupamentos.

Para descobrir essa quantidade de agrupamentos possíveis não é necessário montar todo esse
esquema, basta utilizar do estudo da análise combinatória que divide os agrupamentos em Arranjos
simples, Combinações simples, Permutações simples e Permutações com elementos repetidos. Cada
uma dessas divisões possui uma fórmula e uma maneira diferente de identificação, que iremos estudar
nessa seção.

O estudo da análise combinatória é dividido em:

Princípio fundamental da contagem

Fatorial

Arranjos Simples

Permutação Simples

Combinação Simples

Permutação com elementos repetidos.

Análise Combinatória

A análise combinatória ou combinatória são cálculos que permitem a formação de grupos relacionados
à contagem.

Faz análise das possibilidades e das combinações possíveis entre um conjunto de elementos. Por isso,
é muito utilizada nos estudos sobre probabilidade e lógica.

Probabilidade

A Probabilidade é um conceito da matemática que permite analisar ou calcular as chances de obter

determinado resultado diante de um experimento aleatório. São exemplos um lançamento de dados ou
a possibilidade de ganhar na loteria.

A partir disso, a probabilidade determina o resultado entre o número de eventos possíveis e número de
eventos favoráveis, apresentada pela seguinte expressão:

Donde

P: probabilidade
na: número de casos (eventos) favoráveis n:
número de casos (eventos) possíveis

Princípio Fundamental da Contagem

O princípio fundamental da contagem postula que:

“quando um evento é composto por n etapas sucessivas e independentes, de tal modo que as
possibilidades da primeira etapa é x e as possibilidades da segunda etapa é y, resulta no número total
de possibilidades de o evento ocorrer, dado pelo produto (x) . (y)”.

Em resumo, no princípio fundamental da contagem, multiplica-se o número de opções entre as

escolhas que lhe são apresentadas.

Como exemplo, podemos pensar na combinação de roupas de uma garota, sendo que ela possui 3
tipos de calças, 4 tipos de blusas, 2 tipos de sapatos e 3 tipos de bolsas.
Logo, para saber quais as diferentes possibilidades que a garota possui basta multiplicar o número de
peças: 3 x 4 x 2 x 3 = 72.

Portanto, a garota possui 72 possibilidades de configurações diferentes para o uso das peças de roupas
e dos acessórios apresentados.

Tipos de Combinatória

A combinatória utiliza de importantes ferramentas, ou seja, há três tipos básicos de agrupamento dos
elementos: arranjos, combinações e permutações. Todas utilizam o fatorial:

Arranjos

Nos arranjos, os agrupamentos dos elementos dependem da ordem e da natureza dos mesmos.

Para obter o arranjo simples de n elementos tomados, p a p (p ≤ n), utiliza-se a seguinte expressão:

Como exemplo de arranjo, podemos pensar nas eleições, de modo que 20 deputados concorrem a 2
vagas no estado de São Paulo.

Dessa forma, de quantas maneiras distintas a escolha poderá ser feita? Observe que nesse caso, a
ordem é importante, visto que altera o resultado final.

Logo, o arranjo pode ser feito de 380 maneiras diferentes.

Combinações

As combinações são subconjuntos em que a ordem dos elementos não é importante, entretanto, são
caracterizadas pela natureza dos mesmos.

Assim, para calcular uma combinação simples de n elementos tomados p a p (p ≤ n), utiliza-se a
seguinte expressão:

A fim de exemplificar, podemos pensar na escolha de 3 membros para formar a comissão organizadora
de um evento, dentre as 10 pessoas que se candidataram.
Para tanto, Maria, João e José são os escolhidos. De quantas maneiras distintas esse grupo pode se
combinar?

Note que, ao contrário dos arranjos, nas combinações a ordem dos elementos não é relevante. Isso
quer dizer que a combinação Maria, João e José é equivalente à João, José e Maria.

Logo, há 120 maneiras distintas de combinar os 3 membros da comissão.

Permutações

As permutações são agrupamentos ordenados, donde o número de elementos (n) do agrupamento é

igual ao número de elementos disponíveis, expresso pela fórmula:

Para exemplificar, pensemos de quantas maneiras diferentes poderiam surgir a sequência de

resultados dos 5 números que saíram na loteria: 11, 12, 44, 52, 61.

Sendo assim, os números que compõem o resultado final é uma sequência de 6 números, logo:

Logo, o resultado final da loteria, podem ser permutados 720 vezes.

Probabilidade

Probabilidade é o estudo das chances de ocorrência de um resultado, que são obtidas pela razão entre
casos favoráveis e casos possíveis.

Probabilidade é um ramo da Matemática em que as chances de ocorrência de experimentos são

calculadas. É por meio de uma probabilidade, por exemplo, que podemos saber desde a chance de
obter cara ou coroa no lançamento de uma moeda até a chance de erro em pesquisas.

Para compreender esse ramo, é extremamente importante conhecer suas definições mais básicas,
como a fórmula para o cálculo de probabilidades em espaços amostrais equiprováveis, probabilidade
da união de dois eventos, probabilidade do evento complementar etc.

Experimento aleatório

É qualquer experiência cujo resultado não seja conhecido. Por exemplo: ao jogar uma moeda e
observar a face superior, é impossível saber qual das faces da moeda ficará voltada para cima, exceto
no caso em que a moeda seja viciada (modificada para ter um resultado mais frequentemente).
Suponha que uma sacola de supermercado contenha maçãs verdes e vermelhas. Retirar uma maçã
de dentro da sacola sem olhar também é um experimento aleatório.

Ponto amostral

Um ponto amostral é qualquer resultado possível em um experimento aleatório. Por exemplo: no

lançamento de um dado, o resultado (o número que aparece na face superior) pode ser 1, 2, 3, 4, 5 ou
6. Então, cada um desses números é um ponto amostral desse experimento.

Espaço amostral

O espaço amostral é o conjunto formado por todos os pontos amostrais de um experimento aleatório,
ou seja, por todos os seus resultados possíveis. Dessa maneira, o resultado de um experimento
aleatório, mesmo que não seja previsível, sempre pode ser encontrado dentro do espaço amostral
referente a ele.

Como os espaços amostrais são conjuntos de resultados possíveis, utilizamos as representações de

conjuntos para esses espaços. Por exemplo: O espaço amostral referente ao
experimento“lançamento de um dado” é o conjunto Ω, tal que:

Ω = {1, 2, 3, 4, 5, 6}

Esse conjunto também pode ser representado pelo diagrama de Venn ou, dependendo do experimento,
por alguma lei de formação.

O número de elementos dos espaços amostrais é representado por n(Ω). No caso do exemplo anterior,
n(Ω) = 6. Lembre-se de que os elementos de um espaço amostral são pontos amostrais, ou seja,
resultados possíveis de um experimento aleatório.

Evento

Os eventos são subconjuntos de um espaço amostral. Um evento pode conter desde zero a todos os
resultados possíveis de um experimento aleatório, ou seja, o evento pode ser um conjunto vazio ou o
próprio espaço amostral. No primeiro caso, ele é chamado de evento impossível. No segundo, é
chamado de evento certo.

Ainda no experimento aleatório do lançamento de um dado, observe os seguintes eventos:

A = Obter um número par:

A = {2, 4, 6} e n(A) = 3

B = Sair um número primo:

B = {2, 3, 5} e n(B) = 3

C = Sair um número maior ou igual a 5:

C = {5, 6} e n(C)= 2

D = Sair um número natural:

D = {1, 2, 3, 4, 5, 6} e n(D) = 6

Espaços equiprováveis

Um espaço amostral é chamado equiprovável quando todos os pontos amostrais dentro dele têm a
mesma chance de ocorrer. É o caso de lançamentos de dados ou de moedas não viciados, escolha de
bolas numeradas de tamanho e peso idênticos etc.

Um exemplo de espaço amostral que pode ser considerado não equiprovável é o formado pelo seguinte
experimento: escolher entre tomar sorvete ou fazer caminhada.
Cálculo de probabilidades

As probabilidades são calculadas dividindo-se o número de resultados favoráveis pelo número de

resultados possíveis, ou seja:

P = n(E)
n(Ω)

Nesse caso, E é um evento que se quer conhecer a probabilidade, e Ω é o espaço amostral que o
contém.

Por exemplo, no lançamento de um dado, qual a probabilidade de sair o número um?

Nesse exemplo, sair o número um é o evento E. Assim, n(E) = 1. O espaço amostral desse experimento
contém seis elementos: 1, 2, 3, 4, 5 e 6. Logo, n(Ω) = 6. Desse modo:

P = n(E)
n(Ω)

P=1
6

P = 0,1666… P

= 16,6%

Outro exemplo: qual a probabilidade de obtermos um número par no lançamento de um dado?

Os números pares possíveis em um dado são 2, 4 e 6. Logo, n(E) = 3.

P = n(E)
n(Ω)

P = 3
6

P = 0,5

P = 50%

Observe que as probabilidades sempre resultarão em um número dentro do intervalo 0 ≤ x ≤ 1. Isso

acontece porque E é um subconjunto de Ω. Dessa maneira, E pode conter desde zero até, no máximo,
o mesmo número de elementos que Ω.

Teorema de Bayes

Em teoria das probabilidades e estatística, o teorema de Bayes (alternativamente, a lei de Bayes ou a

regra de Bayes) descreve a probabilidade de um evento, baseado em um conhecimento a priori que
pode estar relacionado ao evento. O teorema mostra como alterar as probabilidades a priori tendo em
vista novas evidências para obter probabilidades a posteriori. Por exemplo, o teorema de Bayes pode
ser aplicado ao jogo das três portas (também conhecido como problema de Monty Hall).

Uma das muitas aplicações do teorema de Bayes é a inferência bayesiana, uma abordagem particular
da inferência estatística. Quando aplicado, as probabilidade envolvidas no teorema de Bayes podem
ter diferentes interpretações de probabilidade. Com a interpretação bayesiana de probabilidade, o
teorema expressa como a probabilidade de um evento (ou o grau de crença na ocorrência de um
evento) deve ser alterada após considerar evidências sobre a ocorrência deste evento. A inferência
bayesiana é fundamental para a estatística bayesiana.

O teorema de Bayes recebe este nome devido ao pastor e matemático inglês Thomas Bayes (1701 –
1761), que foi o primeiro a fornecer uma equação que permitiria que novas evidências atualizassem a
probabilidade de um evento a partir do conhecimento a priori (ou a crença inicial na ocorrência de um
evento). O teorema de Bayes foi mais tarde desenvolvido por Pierre-Simon Laplace, que foi o

primeiro a publicar uma formulação moderna em 1812 em seu livro Teoria Analítica de Probabilidade,
na tradução do francês. Harold Jeffreys colocou o algoritmo de Bayes e a formulação de Laplace em
uma base axiomática. Jeffreys escreveu que "o teorema de Bayes é para a teoria da probabilidade o
que o teorema de Pitágoras é para a geometria".

Probabilidade Condicional

Probabilidade condicional é um conceito matemático no qual são estudadas as possibilidades de um

acontecimento condicionado a outro.

Probabilidade condicional refere-se à probabilidade de um evento ocorrer com base em um evento

anterior. Evidentemente, esses dois eventos precisam ser conjuntos não vazios pertencentes a um
espaço amostral finito.

Em um lançamento simultâneo de dois dados, por exemplo, obtêm-se números em suas faces
superiores. Qual é a probabilidade de que a soma desses números seja 8, desde que ambos os
resultados sejam ímpares?

Veja que a probabilidade de a soma desses números ser 8 está condicionada a resultados ímpares nos
dois dados. Logo, lançamentos que apresentam um ou dois números pares na face superior podem
ser descartados e, por isso, há uma redução no espaço amostral.

O novo espaço amostral é composto pelos pares:

{1,1}; {1,3}; {1,5}; {3,1}; {3,3}; {3,5}; {5,1}; {5,3} e {5,5}

Desses, apenas {3,5} e {5,3} possuem soma 8. Logo, a probabilidade de que se obtenha soma 8 no
lançamento de dois dados, dado que os resultados obtidos são ambos ímpares, é de:

2
9

Fórmula da Probabilidade Condicional

Seja K um espaço amostral que contém os eventos A e B não vazios.

A probabilidade de A acontecer, dado que B já aconteceu, é representada por P(A|B) e é calculada pela
seguinte expressão:

P(A|B) = P(A∩B)

P(B)

Caso seja necessário calcular a probabilidade da intersecção entre dois eventos, pode-se utilizar a
seguinte expressão:

P(A∩B) = P(A|B)·P(B)

Exemplos

Calcule a probabilidade de obter soma 8 no lançamento de dois dados em que o resultado do

lançamento foi dois números ímpares.

Solução:

Seja A = Obter soma 8 e B = Obter dois números ímpares.

P(A∩B) é a probabilidade de se obter apenas números ímpares que somam 8 no lançamento de dois
dados. As únicas combinações das 36 possíveis são:
{3,5} e {5,3}

Portanto,

P(A∩B) = 2

36

Já P(B) é a probabilidade de obter somente números ímpares no lançamento de dois dados. As únicas
combinações dentro das 36 possíveis são:

{1,1}; {1,3}; {1,5}; {3,1}; {3,3}; {3,5}; {5,1}; {5,3} e {5,5}

Logo,

P(B) = 9
36

Utilizando a fórmula para probabilidade condicional, teremos:

P(A|B) = P(A∩B)
P(B)

2
P(A|B) = 36
9
36

P(A|B) = 2 · 36
36 9

P(A|B) = 2
9

Qual é a probabilidade de extrair uma carta de um baralho comum de 52 cartas e obter um Ás,
sabendo que ela é uma carta de copas?

Solução:

A = Obter um Ás

B = Obter uma carta de copas

Como só existe um ás de copas no baralho,

P(A∩B) = 1
52

A probabilidade de se obter uma carta de copas é:

P(B) = 13
52

Então, a probabilidade de se obter um às de copas é:

P(A|B) = P(A∩B)
P(B)

1
P(A|B) = 52
13
52
P(A|B) = 1 · 52
52 13

P(A|B) = 1
13

A Estatística é bastante utilizada em diversos ramos da sociedade, no intuito de realizar pesquisas,

colher dados e processá-los, analisar informações, apresentar situações através de gráficos de fácil
compreensão. Os meios de comunicação, ao utilizarem gráficos, deixam a leitura mais agradável.

O IBGE (Instituto Brasileiro de Geografia e Estatística) é considerado um órgão importante e

conceituado na área. No intuito de conhecer e aprofundar nos estudos estatísticos precisamos
conhecer alguns conceitos e fundamentos primordiais para o desenvolvimento de uma pesquisa.

Conceitos e Fundamentos

População: conjunto de elementos, número de pessoas de uma cidade.

Amostra: parte representativa de uma população.

Variável: depende da abordagem da pesquisa, da pergunta que será feita. Exemplo: Qual sua marca
de carro favorita? Ford, Volks, Fiat, Peugeot, Nissan são alguns exemplos de resposta.

Frequência absoluta: valor exato, número de vezes que o valor da variável é citado.

Frequência relativa: valor representado através de porcentagem, divisão entre a frequência absoluta
de cada variável e o somatório das frequências absolutas.

Medidas de tendência central

Média aritmética: medida de tendência central. Somatório dos valores dos elementos, dividido pelo
número de elementos.

Média aritmética ponderada: Somatório dos valores dos elementos multiplicado pelos seus
respectivos pesos, dividido pela soma dos pesos atribuídos.

Moda: valor de maior frequência em uma série de dados, o que mais se repete.

Mediana: medida central em uma determinada sequência de dados numéricos.

Medidas de dispersão

Amplitude: subtração entre o maior valor e o menor valor dos elementos do conjunto.

Variância: dispersão dos dados variáveis em relação à média.

Desvio Padrão: raiz quadrada da variância. Indica a distância média entre a variável e a média
aritmética da amostra.

População e amostras

Toda pesquisa estatística precisa atender a um público alvo, pois é com base nesse conjunto de
pessoas que os dados são coletados e analisados de acordo com o princípio da pesquisa. Esse público
alvo recebe o nome de população e constitui um conjunto de pessoas que apresentam características
próprias, por exemplo: os usuários de um plano de saúde, os membros de uma equipe de futebol, os
funcionários de uma empresa, os eleitores de um município, estado ou país, os alunos de uma escola,
os associados de um sindicato, os integrantes de uma casa e várias situações que envolvem um grupo
geral de elementos. A população também pode ser relacionada a um conjunto de objetos ou
informações. Na estatística, a população é classificada como finita e infinita.
População finita: nesses casos o número de elementos de um grupo não é muito grande, a entrevista
e a análise das informações devem abordar a todos do grupo. Por exemplo:
As condições das escolas particulares na cidade de Goiânia. Se observarmos o grupo chegaremos
à conclusão de que o número de escolas particulares em Goiânia é considerado finito.

População infinita: o número de elementos nesse caso é muito elevado, sendo considerado infinito.
Por exemplo:
A população da cidade de São Paulo.

Amostra diz respeito a um subconjunto da população, fração ou uma parte do grupo. Em alguns casos
seria impossível entrevistar todos os elementos de uma população, pois levaria muito tempo para
concluir o trabalho ou até mesmo seria financeiramente inviável, dessa forma, o número de
entrevistados corresponde a uma quantidade determinada de elementos do conjunto, uma amostra.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Princípio da Casa Dos Pombos

Imagine que eu tenho 3 casas de pombos. Se eu possuo 4 pombos, então certamente em alguma casa
haverá mais de um pombo. Se a quantidade de pombos é maior que a quantidade de casas, haverá
certamente alguma casa com mais de um pombo. Foi pensando em exemplos como este que o
princípio é chamado de Princípio da Casa dos Pombos.

Imagine agora que meu armário possui 5 gavetas. Se eu tenho 7 meias, certamente alguma gaveta
conterá mais de uma meia, porque eu possuo mais meias do que gavetas. Foi pensando em exemplos
como este que o princípio também é chamado de Princípio das Gavetas.

Imagine que eu tenho meias pretas, marrons, brancas e cinzas. Determinado dia faltou luz em minha
casa e eu preciso retirar a quantidade mínima de meias para garantir que haverá PELO MENOS duas
meias da mesma cor. Ora, vamos pensar na pior das hipóteses, ou seja, pense que você é a pessoa
mais azarada do mundo.

Há 4 cores possíveis. Portanto, 4 meias não são suficientes, pois eu poderia retirar uma meia preta,
uma marrom, uma branca e uma cinza. Mas, na quinta meia não tem como fugir: ela obrigatoriamente
deverá repetir alguma das cores citadas. Assim, com 5 meias eu tenho certeza que terei PELO MENOS
um par de meias da mesma cor. Pode até ser que eu tenha (por sorte) mais de duas meias da mesma
cor, mas PELO MENOS duas eu garanto. Foi pensando na solução deste problema que eu comecei a
chamar o princípio de PRINCÍPIO DO AZARADO (e é por isso que o princípio é chamado de Princípio
da Garantia Mínima).

Na grande maioria dos problemas, você tem que imaginar que você é a pessoa mais azarada do
mundo, tem que pensar na pior das hipóteses.

Vamos a mais um exemplo.

Em uma gaveta, há 4 meias pretas, 2 meias brancas, 8 meias cinzas. Qual é a quantidade mínima de
meias que preciso retirar desta gaveta para garantir que terei pelo menos duas meias de cores
diferentes?

Vamos pensar na pior das hipóteses? Ora, se eu estou querendo retirar duas meias de cores diferentes,
o azar é pegar várias meias da mesma cor. Como eu sou MUITO AZARADO, eu começo a pegar meias
cinzas (porque é a que tem maior quantidade). Sou tão azarado que pego 8 meias cinzas
consecutivamente.

Depois que pego 8 meias cinzas, não tem como escapar. A próxima meia tem que ser de outra cor.
Portanto, 9 meias é a quantidade mínima de meias para garantir que teremos pelo menos duas meias
de cores distintas. Pode até ser que das 9 meias eu tenha mais de duas meias com cores diferentes,
mas isso é sorte e não certeza.

Vamos agora analisar exemplos mais interessantes. Deixemos pombos e meias pra lá.

Quantas pessoas precisa haver em um auditório para ter certeza (eu disse CERTEZA!!!) de que pelo
menos duas delas fazem aniversário no MESMO dia?

Não quero dizer que tenham nascido no mesmo ano, apenas que façam aniversário no mesmo dia.

Antes de escrever a resposta, quero pensar um momento junto com vocês (se é que já não
responderam sozinhos). Vejamos: se houver duas pessoas, obviamente não há garantias de que as
duas façam aniversário no mesmo dia. O mais provável é que não seja assim. Mas, além de provável
(ou não provável), o fato é que estamos procurando CERTEZAS. E havendo duas pessoas no auditório
nunca poderíamos ter certeza de que ambas nasceram no mesmo dia.

O mesmo aconteceria se houvesse três pessoas. Ou até dez. Ou cinquenta. Não? Ou cem. Ou
duzentas. Ou até trezentas!!! Por quê? Ora, porque embora com trezentas pessoas em um auditório
seja provável que haja duas que comemorem seus respectivos aniversários no mesmo dia, ainda não
podemos assegurar ou garantir que o que queremos seja certo. É que poderíamos ter o AZAR de que
todos tivessem nascido em dias diferentes do ano. Estamos nos aproximando de um ponto interessante
na conversa...

Porque, se houvesse 365 pessoas no auditório, ainda não estaríamos em condições de assegurar que
duas delas fazem aniversário no mesmo dia. Poderia acontecer de todas terem nascido em todos os
possíveis dias de um ano. Pior ainda: nem mesmo com 366 (por causa dos anos bissextos). Pode ser
que justamente as 366 pessoas que há no auditório cubram exatamente todos os possíveis dias de um
ano sem repetição.

No entanto, existe um argumento categórico: se houver 367 pessoas no auditório, não há como fugir:
pelo menos duas têm de fazer aniversário no mesmo dia.

É claro que não sabemos quais são essas pessoas, nem se há mais de duas que atendem à
propriedade pedida. Pode ser que haja mais... muito mais, mas isso não nos interessa. A garantia
é que, com 367 pessoas, resolvemos o problema.

Agora, tendo em conta essa ideia que acabamos de discutir, vejamos outro problema: que argumento
podemos encontrar para demonstrar a alguém que na cidade do Recife há pelo menos duas pessoas
com o mesmo número de fios de cabelo na cabeça?

Claramente, a pergunta poderia ser respondida rapidamente apelando-se para os “carecas”. É certo
que em Recife há duas pessoas que não têm cabelo e que, portanto, têm o mesmo número de fios de
cabelo: zero!

Certo, mas evitemos esses casos.

Antes que eu escreva a resposta, uma possibilidade é imaginar que, se estou propondo esse problema
nesse artigo, imediatamente após ter discutido o problema dos aniversários, é porque deve haver
alguma relação entre os dois. Não é certo, mas é muito provável. E aí? Alguma ideia?

Uma pergunta, então: você tem ideia de quantos fios de cabelo uma pessoa pode ter na cabeça? Não
que isso seja necessário para viver, mas dando uma pesquisada no Google, o resultado é que não há
maneira de alguém ter mais de 200 mil fios de cabelo. Isso já seria o caso do King Kong ou algo assim.
É impossível imaginar alguém com 200.000 fios de cabelo.

Com esse dado novo, de que serve saber que há no máximo 200 mil fios de cabelo na cabeça de uma
pessoa? O que fazer com isso?

Quantas pessoas vivem no Recife? Entrei no site da Prefeitura e verifiquei que em 2000 a população
recifense era de 1.422.905 habitantes. Para a solução do problema não é preciso ter o dado com tanta
precisão. Basta dizer que há mais de 1 milhão de pessoas. Por que esses dados são suficientes?

Acho que a resposta está clara. Juntando os dois dados que temos (o da cota máxima de fios de cabelo
que uma pessoa pode ter na cabeça e do número de habitantes da cidade), deduzimos que
inexoravelmente o número de fios de cabelos entre as pessoas tem que se repetir. E não uma vez,
mas muitas e muitas vezes.

Moral da história: usamos um mesmo princípio para tirar duas conclusões. Tanto no problema do
aniversário como no dos fios de cabelo, há alguma coisa em comum: é como se tivéssemos um número
de gavetas e um número de bolinhas. Se tivermos 366 gavetas e 367 bolinhas, e tivermos que distribuir
todas, inexoravelmente deve haver pelo menos uma gaveta com duas bolinhas.

E se houver 200.000 gavetas e mais de 1 milhão de bolinhas para distribuir, reproduz-se o mesmo
cenário: com certeza há gavetas com mais de uma bolinha.

Vamos resolver uma questão recente da FGV sobre este assunto?

(TJ-PI 2015/FGV) Um grupo de 6 estagiários foi designado para rever 50 processos e cada processo
deveria ser revisto por apenas um dos estagiários. No final do trabalho, todos os estagiários
trabalharam e todos os processos foram revistos. É correto afirmar que:
Um dos estagiários reviu 10 processos;

Todos os estagiários reviram, cada um, pelo menos 5 processos;

Um dos estagiários só reviu 2 processos;

Quatro estagiários reviram 7 processos e dois estagiários

Reviram 6 processos;

Pelo menos um dos estagiários reviu 9 processos ou mais.

Resolução

Sabemos que 6 estagiários trabalharão em 50 processos. Sabemos ainda que cada processo foi revisto
por apenas um dos estagiários. Como todos os estagiários trabalharam, cada estagiário reviu pelo
menos (no mínimo) um processo.

Vamos analisar cada uma das alternativas de per si.

Um dos estagiários reviu 10 processos;

Não podemos garantir. Seria possível ter 5 estagiários analisando 1 processo cada um e o sexto
estagiário analisando 45 processos. Você pode imaginar muitas outras situações que tornam a
alternativa A falsa.

Todos os estagiários reviram, cada um, pelo menos 5 processos;

Novamente não podemos garantir. Basta raciocinar da mesma maneira que a letra A. Se os cinco
primeiros funcionários trabalharem com apenas um processo cada e o sexto funcionário com 45
processos, não podemos garantir que cada um dos estagiários reviu pelo menos 5 processos.

Com o mesmo raciocínio percebemos que as alternativas C e D são falsas.

Vamos agora analisar a letra E, que é a resposta da questão.

Pelo menos um dos estagiários reviu 9 processos ou mais.

Vamos pensar na pior das hipóteses. Lembre-se que somos MUITO AZARADOS.

A alternativa E diz que temos certeza que PELO MENOS UM DOS ESTAGIÁRIOS REVIU 9
PROCESSOS OU MAIS.

Neste caso a pior das hipóteses é colocar cada estagiário para trabalhar com no máximo 8 processos.
Ora, como são 6 estagiários, 6x8=48. Ainda sobram 2 processos. Assim, alguém terá que trabalhar
com mais de 8 processos para completar o trabalho todos. Podemos, portanto, garantir que pelo menos
um dos estagiários reviu mais de 8 processos (9 processos ou mais).

Idéia principal: Se existirem pelo menos K+1 pombos, e somente K casas, pelo menos uma casa vai
ter mais do que um pombo.

A afirmação acima é bem simples, porém tem muitas aplicações na matemática.

Exemplos:

Quantas rolagens de dado (um dado de 6 faces) são necessárias para se ter certeza que um mesmo
número vai cair duas vezes?

Resposta: Bem, vamos ver pela "pior" das hipóteses: na "pior" das hipóteses, se jogarmos o dado 6
vezes, teremos os números (não necessariamente nesta ordem): 3, 5, 6, 1, 2 e 4.

O que acontece se jogarmos o dado mais uma vez? Vai

cair um número igual a outro já rolado.
Conclusão: Como temos 6 possibilidades, se jogarmos o dado 6+1 vezes, teremos um número que se
repete mais do que uma vez. Esse processo pode ser simplificado se você se lembrar do princípio da
casa dos pombos.

Existem N pessoas em uma sala. Quantas pessoas são necessárias para se ter certeza de que 3
nasceram no mesmo mês?

Resposta: Pelo princípio da casa dos pombos: (12*2)+1 = 25 pessoas.

Existem 12 meses, então se pegarmos 24 pessoas, pode ser que não existam 3 pessoas que nasceram
no mesmo mês. Ao adicionar mais uma pessoa, termos certeza de que ela nasceu no mesmo mês que
pelo menos outras 2 presentes na sala.

Em 1834, o matemático alemão Johann Peter Gustav Lejeune Dirichlet (1805-1859), criador do
conceito moderno de função, enunciou o seguinte princípio, chamado de Princípio da Casa de Pombos:

Seja dada uma casa de pombos com n buracos e suponha que haja m pombos querendo ocupa-los.
Se m > n, então algum buraco deverá ser ocupado por mais de um pombo.

Este princípio também leva o nome de Princípio das Gavetas, pois pode ser renunciado, de modo
equivalente:

Queremos guardar m objetos em n gavetas. Se m > então alguma gaveta deverá conter mais de um
objeto.

Mesmo sendo bastante intuitivo e simples, com este teorema podemos resolver alguns problemas
curiosos.

Somente a título de curiosidade, vamos provar este resultado por Indução Matemática.

Para n = 1, o resultado é óbvio pois, se temos mais de um objeto e uma só gaveta, teremos que
acomodar nesta gaveta mais de um objeto. Suponha então o resultado válido para um certo número n
de gavetas e consideremos a situação de termos n+1 gavetas e m > n + 1 objetos.

Queremos mostrar que o resultado vale também neste caso, para aplicar a Indução Matemática e
concluir que vale para todo número natural n. Depois de acomodar todos os objetos nas n + 1 gavetas,
escolha uma gaveta ao acaso. Se nesta gaveta há mais de um objeto, a nossa asserção está provada.
Se nesta gaveta não há nenhum objeto, nas n gavetas restantes estão acomodados m > n + 1 > n
objetos, o que, pela hipótese de indução, acarreta que em uma das gavetas há mais de um objeto. Se
na gaveta escolhida há um objeto, logo, nas n gavetas restantes, estão distribuídos m - 1 > n objetos,
o que, novamente, pela hipótese de indução, acarreta que em uma das gavetas há mais de um objeto.

Vejamos algumas aplicações do principio:

1- Existem n pessoas em uma festa. Algumas se conhecem, outras não. Mostre que na festa existem
duas pessoas que têm mesmo número de conhecidos, supondo que a relação de conhecido é
simétrica: se x é conhecido de y, então y é conhecido de x; e não reflexiva: ninguém é conhecido de
si mesmo.

2- Dentre cinco pontos escolhidos no interior de um triângulo equilátero de lado 1 cm, existem dois
pontos que distam entre si menos do que 0,5 cm.

3- Se cada ponto do plano é pintado de vermelho ou de azul, então algum retângulo no plano tem seus
vértices de uma mesma cor.

4- Existem duas potências de 3 cuja diferença é divisível por 2007.

E se você acha que isso será inútil para sua vida de vestibulando ou de concurseiro, veja essa questão
do processo seletivo da UFOP:
5- Considere a afirmação: “Em um grupo de n pessoas pode-se garantir que três delas aniversariam
no mesmo mês”. O menor valor de n que torna verdadeira essa afirmação é:

a) 3
b) 24

c) 25
d) 26

De fato, cada pessoa tem um número de conhecidos que varia de 0 a n - 1 (uma pessoa não é
conhecida de si mesma!), as duas situações não podendo ocorrer ao mesmo tempo, pois, se uma
pessoa conhece todo mundo, pela simetria, não pode haver uma pessoa que não conheça ninguém.
Portanto, ao associarmos os n indivíduos às n - 1 possibilidades de número de conhecidos, pelo
princípio de Dirichlet, duas pessoas deverão ter o mesmo número de conhecidos.

2- De fato, divida o triângulo em quatro triângulos menores, conectando os pontos médios dos
lados do triângulo original. A distância entre dois pontos que estão em um dos triângulos pequenos e
no interior do triângulo maior é menor do que o seu lado que mede 0,5 cm. Ao escolhermos cinco
pontos no interior do triângulo dado, pelo Princípio das Gavetas, dois dos pontos pertencerão a um dos
triângulos pequenos, o que prova a nossa afirmação.

3- Trace três retas horizontais. Acharemos um retângulo com vértices sobre duas destas retas.
Os outros lados são verticais. Uma reta vertical, ao cortar as três paralelas, tem três candidatos a
vértice do retângulo procurado. Três pontos podem ser coloridos com 2 cores de 8 modos distintos.
Portanto, se você escolher 9 retas verticais, pelo Princípio das Gavetas, duas dessas retas vão
encontrar cada uma das três retas horizontais em um par de pontos de mesma cor. Agora, dos três
pares de pontos, certamente dois terão a mesma cor, o que fornece os vértices do retângulo.

4- Existem 2007 possíveis restos pela divisão por 2007. Considere a sequência das potências de
3: 1, 3¹, 3², 3³, ...,32007. Esta sequência é composta de 2008 números. Portanto, pelo Princípio das
Gavetas, dois desses, digamos 3n e 3m, com n > m, têm mesmo resto quando divididos por 2007.
Logo, a sua diferença 3n-3m é divisível por 2007.

5- Consideremos que cada pessoa aniversaria em cada um dos 12 diferentes meses existentes.
Serão assim, no mínimo 12 pessoas. Agora consideremos que 2 duas pessoas aniversariam no mesmo
mês, ocorrendo em todos os 12 meses do ano. Serão assim, no mínimo 24 pessoas. Então, se tivermos
mais uma pessoa (25 pessoas), ao menos 3 delas irão aniversariar obrigatoriamente no mesmo mês
do ano.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_______________________________________________________________________________
Probabilidade

Probabilidade é o estudo das chances de obtenção de cada resultado de um experimento aleatório. A

essas chances são atribuídos os números reais do intervalo entre 0 e 1. Resultados mais próximos de
1 têm mais chances de ocorrer. Além disso, a probabilidade também pode ser apresentada na forma
percentual.

Experimento Aleatório e Ponto Amostral

Um experimento aleatório pode ser repetido inúmeras vezes e nas mesmas condições e, mesmo assim,
apresenta resultados diferentes. Cada um desses resultados possíveis é chamado de ponto amostral.
São exemplos de experimentos aleatórios:

A) Cara Ou Coroa

Lançar uma moeda e observar se a face voltada para cima é cara ou coroa é um exemplo de
experimento aleatório. Se a moeda não for viciada e for lançada sempre nas mesmas condições,
poderemos ter como resultado tanto cara quanto coroa.

B) Lançamento De Um Dado

Lançar um dado e observar qual é o número da face superior também é um experimento aleatório.
Esse número pode ser 1, 2, 3, 4, 5 ou 6 e cada um desses resultados apresenta a mesma chance de
ocorrer. Em cada lançamento, o resultado pode ser igual ao anterior ou diferente dele.

Observe que, no lançamento da moeda, as chances de repetir o resultado anterior são muito maiores.

C) Retirar Uma Carta Aleatória de Um Baralho

Cada carta tem a mesma chance de ocorrência cada vez que o experimento é realizado, por isso, esse
é também um experimento aleatório.

Espaço Amostral

O espaço amostral (Ω) é o conjunto formado por todos os resultados possíveis de um experimento
aleatório. Em outras palavras, é o conjunto formado por todos os pontos amostrais de um experimento.
Veja exemplos:

a) O espaço amostral do experimento “cara ou coroa” é o conjunto S = {Cara, Coroa}. Os pontos

amostrais desse experimento são os mesmos elementos desse conjunto.

b) O espaço amostral do experimento “lançamento de um dado” é o conjunto S = {1, 2, 3, 4, 5, 6}.

Os pontos amostrais desse experimento são 1, 2, 3, 4, 5 e 6.

O espaço amostral também é chamado de Universo e pode ser representado pelas outras notações
usadas nos conjuntos. Além disso, todas as operações entre conjuntos valem também para espaços
amostrais.

O número de elementos do espaço amostral, número de pontos amostrais do espaço amostral ou

número de casos possíveis em um espaço amostral é representado da seguinte maneira: n(Ω).

Evento

Um evento é qualquer subconjunto de um espaço amostral. Ele pode conter nenhum elemento
(conjunto vazio) ou todos os elementos de um espaço amostral. O número de elementos do evento é
representado da seguinte maneira: n(E), sendo E o evento em questão.

São exemplos de eventos:

a) Sair cara em um lançamento de uma moeda

O evento é sair cara e possui um único elemento. A representação dos eventos também é feita com
notações de conjuntos:

E = {cara}

O seu número de elementos é n(E) = 1.

b) Sair um número par no lançamento de um dado.

O evento é sair um número par:

E = {2, 4, 6}

O seu número de elementos é n(E) = 3.

Os eventos que possuem apenas um elemento (ponto amostral) são chamados de simples. Quando o
evento é igual ao espaço amostral, ele é chamado de evento certo e sua probabilidade de ocorrência
é de 100%. Quando um evento é igual ao conjunto vazio, ele é chamado de evento impossível e possui
0% de chances de ocorrência.

Cálculo da Probabilidade

Seja E um evento qualquer no espaço amostral Ω. A probabilidade do evento A ocorrer é a razão

entre o número de resultados favoráveis e o número de resultados possíveis. Em outras palavras, é
o número de elementos do evento dividido pelo número de elementos do espaço amostral a que ele
pertence. P(E) = n(E) n(Ω)

Observações:

O número de elementos do evento sempre é menor ou igual ao número de elementos do espaço

amostral e maior ou igual a zero. Por isso, o resultado dessa divisão sempre está no intervalo 0 ≤ P(A)
≤ 1;

Quando é necessário usar porcentagem, devemos multiplicar o resultado dessa divisão por 100 ou
usar regra de três;

A probabilidade de um evento não acontecer é determinada por:

P(A-1) = 1 – P(A)

Exemplos:

→ Qual é a probabilidade de, no lançamento de uma moeda, o resultado ser cara?

Solução:

Observe que o espaço amostral só possui dois elementos e que o evento é sair cara e, por isso,
possui apenas um elemento. P(E) = n(E) n(Ω)

P(E) = 1

P(E) = 0,5 = 50%

→ Qual é a probabilidade de, no lançamento de duas moedas, obtermos resultados iguais?

Solução:

Representando cara por C e coroa por K, teremos os seguintes resultados possíveis:

(C, K); (C, C); (K, C); (K, K)

O evento obter resultados iguais possui os seguintes casos favoráveis:

(C, C); (K, K)

Há quatro casos possíveis (número de elementos do espaço amostral) e dois casos favoráveis
(número de elementos do evento), logo: P(E) = n(E) n(Ω)

P(E) = 2

P(E) = 0,5 = 50%

→ No lançamento de um dado, qual é a probabilidade de sair um resultado menor que 3?

Solução:

Observe que os números do dado menores do que 3 são 1 e 2, por isso, o evento possui apenas dois
elementos. O espaço amostral possui seis elementos: 1, 2, 3, 4, 5 e 6. P(E) = n(E) n(Ω)

P(E) = 2

P(E) = 0,33... = 33,3%

→ Qual é a chance de não sair o número 1 no lançamento de um dado?

Solução:

Temos duas maneiras de resolver esse problema. Note que não sair o número 1 é o mesmo que sair
qualquer outro número. Faremos o mesmo cálculo de probabilidade considerando que o evento possui
cinco elementos.

A outra maneira é usar a fórmula para a probabilidade de um evento não ocorrer:

P(A-1) = 1 – P(E)

O evento que não pode ocorrer possui apenas um elemento, logo:

P(A-1) = 1 – P(E)

P(A-1) = 1 – n(E)

n(Ω)

P(A-1) = 1 – 1

P(A-1) = 1 – 0,166..

P(A-1) = 0,8333… = 83,3%

Princípios de Contagem e Probabilidade

A análise combinatória é a matéria que desenvolve métodos para fazer a contagem com eficiência.
Os problemas de contagem estão presentes no cotidiano, por exemplo, no planejamento de pratos
em um cardápio, a combinação de números em um jogo de loteria, nas placas dos veículos, entre
inúmeras outras situações.
A ideia é a seguinte: Imagine que você tenha 3 calças, 5 camisas e 2 sapatos e queira saber quantas
são as combinações possíveis utilizando essas peças. Para isso basta efetuar a multiplicação, assim:
5 . 3 . 2 = 30 possibilidades de combinações. Esse é chamado de princípio multiplicativo.
Exemplo 1. Quantos números de dois algarismos distintos podemos formar com os dígitos: 3, 5, 7 e 6?
Então são 4 possibilidades para as dezenas, são quatro dígitos diferentes, e para as unidades serão
3, pois não queremos repetidos, portanto:
4 . 3 = 12 números de dois algarismos distintos.
Muitos problemas de Análise combinatória podem ser resolvidos utilizando o fatorial (n!), que é a
multiplicação de números consecutivos: 4!= 4.3.2.1= 24.
Exemplo 2. Calcule o valor de: 5!
5.4.3.2.1
5.4
20 . 3 . 2 . 1
120
Essa propriedade utilizada na análise combinatória é a permutação, significa mudar a ordem, pense:
De quantas maneiras distintas sete pessoas podem sentar em sete poltronas?
Temos uma permutação de sete elementos, então:
7! = 7.6.5.4.3.2.1 = 5.040 maneiras.
Outras propriedades são: combinação e arranjo.
A combinação é a formação de um grupo não ordenado. Vamos pensar dentro da contagem: Em uma
turma de 30 alunos, 6 serão sorteados para uma viagem. Quantas possibilidades possíveis para esse
sorteio?
Lembre-se que a ordem do sorteio não importa.

Já arranjo forma grupos específicos, vejamos uma situação: Na formação de senhas para clientes,
um banco disponibiliza oito dígitos entre: 0, 2, 3, 4, 5, 7, 9, 8. Sabendo que cada senha é formada por
três dígitos distintos, qual o número de senha?
Lembre-se, aqui é importante a ordem dos elementos:
A8,3= 8!
8!- 3!
8!
5!
8.7.6.5!
5!
8.7.6

336 senhas.
A análise combinatória é utilizada para resolver problemas de contagem. Utilizando os processos
combinatórios é possível determinar o número de combinações, arranjos e permutações possíveis.
Para cada uma destas aplicações, alguns critérios devem ser respeitados. Iremos agora conduzir você
a entender o Diagrama da Árvore. Quando conseguir assimilar esta estrutura será fácil entender o
Princípio Fundamental da Contagem, que define - se como sendo:
O Produto de Duas Ou Mais Etapas Independentes.

Em notação matemática isso seria o mesmo que considerarmos, que determinada atividade pode ser
realizada em duas etapas, ou seja, de m e n maneiras distintas, o total de possibilidades será dado
pelo produto de m por n (m x n). Iremos agora resolver um problema utilizando o Diagrama da Árvore
para que possamos entender o Princípio Fundamental da Contagem:

Problema: Jeniffer irá participar da promoção de uma loja de roupas que está dando um vale compras
no valor de R$ 1000,00 reais. Ganhará o desafio o primeiro participante que conseguir fazer o maior
número de combinações com o kit de roupa cedido pela loja. No kit temos: seis camisetas, quatro saias
e dois pares de sapato do tipo salto alto. De quantas maneiras distintas Jeniffer poderá combinar todo
o vestuário que esta no quite de roupa?

Peças Que Compõem O Kit De Roupa

Camisetas

Saias

Sapatos

Utilizando o Diagrama da Árvore vamos descobrir a quantidade de combinações possíveis.

8 combinações possíveis. 8 combinações possíveis.

8 combinações possíveis. 8 combinações possíveis.

8 combinações possíveis. 8 combinações possíveis.

Ao realizar a contagem iremos constatar a quantidade referente à 48 combinações possíveis.

A outra forma que temos para resolver este problema é utilizando o Princípio Fundamental da
Contagem.

Total de camisetas X Total de Saias X Total Sapatos = Total de combinações possíveis 6

x 4 x 2 = 48

Observe que ao utilizarmos o Princípio Fundamental da Contagem, também foi possível determinar o
número de combinações do Kit roupa, este número corresponde ao que foi encontrado quando
utilizamos o Diagrama da árvore.

Princípio Fundamental da Contagem

O princípio fundamental da contagem diz que um evento que ocorre em nsituações independentes e
sucessivas, tendo a primeira situação ocorrendo de m1 maneiras, a segunda situação ocorrendo

de m2 maneiras e assim sucessivamente até a n-ésima situação ocorrendo de mn maneiras, temos

que o número total de ocorrências será dado pelo produto:
Exemplos

Quantos são os números naturais de dois algarismos que são múltiplos de 5?

Como o zero à esquerda de um número não é significativo, para que tenhamos um número natural com
dois algarismos ele deve começar com um dígito de 1 a 9, temos, portanto, 9 possibilidades.

Para que o número seja um múltiplo de 5, o mesmo deve terminar em 0 ou 5, portanto temos apenas
2 possibilidades.

A multiplicação de 9 por 2 nos dará o resultado desejado.

Logo:

São 18 os números naturais de dois algarismos que são múltiplos de 5.

Eu possuo 4 pares de sapatos e 10 pares de meias. De quantas maneiras poderei me calçar

utilizando um par de meias e um de sapatos?

Pelo princípio fundamental da contagem temos que multiplicar 4, que é o número de elementos do
primeiro conjunto, por 10 que corresponde ao número de elementos do segundo conjunto.

Portanto:

Poderei Me Calçar de 40 Maneiras Diferentes.

De quantas formas podemos dispor as letras da palavra FLUOR de sorte que a última letra seja
sempre a letra R?

Para a última letra, segundo o enunciado temos apenas uma possibilidade que é a letra R.

Para a primeira, segunda, terceira e quarta letras temos respectivamente 4, 3, 2 e 1 possibilidades.

Assim temos:

Note que este exemplo é semelhante ao caso dos livros, explicado no início da página, só que neste
caso teríamos mais um livro, digamos de ciências, que sempre seria colocado na pilha por último.

Podemos dispor as letras da palavra FLUOR de 24 formas diferentes, tal que a última letra seja
sempre a letra R.

Quantos números naturais com 3 algarismos podemos formar que não comecem com 16, nem
com 17?

Neste exemplo iremos fazer o cálculo em duas partes. Primeiro iremos calcular quantos são os
números com três algarismos.

Como neste caso na primeira posição não podemos ter o dígito zero, o número de possibilidades para
cada posição é respectivamente: 9, 10 e 10.

Portanto temos 900 números naturais com três dígitos.

Agora vamos calcular quantos deles começam com 16 ou 17.

Para a primeira posição temos apenas uma possibilidade, o dígito 1. Para a segunda temos 2, pois
servem tanto o dígito 6, quanto o 7.

Para a terceira e última posição temos todos os dígitos possíveis, ou seja, 10 possibilidades.
Multiplicando tudo temos 20.

Logo, subtraindo 20 de 900 obtemos 880.

Existem 880 números naturais nestas condições.

São quantos os números ímpares com três algarismos, que não possuem dígitos repetidos e
que de trás para frente também são ímpares?

Os números devem ser ímpares, temos então 5 possibilidades para o último algarismo.

A história do "de trás para frente", em outras palavras quer dizer que o primeiro algarismo também é
ímpar. Como um dígito ímpar já foi utilizado na última posição, temos então apenas 4 disponíveis para
a primeira posição.

Para o dígito central temos apenas 8 possibilidades, pois dois dígitos ímpares já foram utilizados.

Multiplicando 4 por 8 e por 5 obtemos 160.

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

_______________________________________________________________________________

__

_______________________________________________________________________________

__

_______________________________________________________________________________

__

_______________________________________________________________________________

__
_______________________________________________________________________________

__

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

_
Função de Probabilidade

O que é função ou distribuição de probabilidade?

Função ou distribuição de probabilidade de uma experiência aleatória é a função que a cada evento
possível faz corresponder a probabilidade do evento ocorrer.

Exemplo: Vamos construir a distribuição de probabilidade do sexo do grupo de filhos de uma famílias
com 5 filhos.
Sexo do conjunto de filhos Casos possíveis Probabilidade
M F
5 0 1 0,03125
4 1 5 0,15625
3 2 10 0,3125
2 3 10 0,3125
1 4 5 0,15625
0 5 1 0,03125
Total 32 1

Gráfico da distribuição de probabilidade.

O que se entende por Lei dos Grandes Números ?

Quando o número de experimentos aumenta muito, a freqüência relativa de um evento tende a

estabilizar-se num valor considerado a probabilidade do evento. Esta é a Lei dos Grandes Números.

O que é a Curva de Gauss ?

A Curva de Gauss é uma curva de distribuição de probabilidades para um grande número de

observações aleatórias.

Cálculo da média em função da probabilidade.

Considere uma distribuição de probabilidades onde a média é x e xn é um valor observado com

probabilidade pn .

Cálculo do desvio padrão em função da probabilidade.

Considere uma distribuição de probabilidades onde o desvio padrão é , a média é x e x n é um valor

observado com probabilidade pn.
Qual é o aspecto da Curva de Gauss ?

O aspecto da Curva de Gauss está mostrado na figura.

Quais são as propriedades da Curva de Gauss ?

1- máximo da função corresponde à média x

2- simétrica em relação ao eixo vertical que passa pela média.
3- a área total entre a curva e o eixo horizontal corresponde ao total das observações realizadas ou
seja à probabilidade 1 ou 100%.
4- a área entre a curva e o eixo horizontal no intervalo | x – ; x + | corresponde a uma probabilidade
0,68 ou 68%.
5- a área entre a curva e o eixo horizontal no intervalo | x – 2 ; x + 2 | corresponde a uma probabilidade
0,96 ou 96%.

O que é a zona de normalidade ?

É o conjunto de valores considerados normais correspondentes a 68% dos valores observados e

compreendidos no intervalo | x – ; x + | .

Qual é a equação da Curva de Gauss ?

A equação da Curva de Gauss em função dos resíduos em relação à média é:

Qual é o gráfico da Curva de Gauss considerando os resíduos em relação à média ?

O gráfico da Curva de Gauss considerando os resíduos em relação à média é:

Como calcular a probabilidade para um determinado resíduo em relação à média ?

O cálculo da probabilidade de ocorrência de um determinado resíduo em relação à média é realizado

utilizando a função mostrada em EST040109. Exemplos:

Como calcular a probabilidade para um determinado intervalo de resíduos em relação à média?

A probabilidade de ocorrência num determinado intervalo de resíduos corresponde à área entre a curva
e o eixo horizontal sendo calculado pela integral:
Conceitos básicos sobre distribuições de probabilidade

O objetivo desta sessão é mostrar o uso de funções do R em problemas de probabilidade. Exercícios

que podem (e devem!) ser resolvidos analiticamente são usados para ilustrar o uso do programa e
alguns de seus recursos para análises numéricas.

Os problemas nesta sessão foram retirados do livro:

Bussab, W.O. & Morettin, P.A. Estatística Básica. 4 a edição. Atual Editora. 1987.
Note que há uma edição mais nova: (5a edição, 2003 - Ed. Saraiva)

EXEMPLO 1 (adaptado de Bussab & Morettin, página 132, exercício 1) Dada

a função

• mostre que está função é uma f.d.p.

• calcule a probabilidade de que X > 1

• calcule a probabilidade de que 0.2 < X < 0.8

Para ser f.d.p. a função não deve ter valores negativos e deve integrar 1 em seu domínio. Vamos
começar definindo esta função como uma função no R para qual daremos o nome de f1. A seguir
fazemos o gráfico da função. Como a função tem valores positivos para x no intervalo de zero a infinito
temos, na prática, para fazer o gráfico, que definir um limite em x até onde vai o gráfico da função.
Vamos achar este limite tentando vários valores, conforme mostram os comandos abaixo. O gráfico
escolhido e mostrado na Figura 16 foi o produzido pelo comando plot(f1,0,5).

> f1 <- function(x) {

+ fx <- ifelse(x < 0, 0, 2 * exp(-2 * x))
+ return(fx)
+}
> plot(f1)
> plot(f1, 0, 10)
> plot(f1, 0, 5)
Figura 16: Gráfico da função de probabilidade do Exemplo 1.

Para verificar que a a integral da função é igual a 1 podemos usar a função integrate() que efetua
integração numérica. A função recebe como argumentos o objeto com a função a ser integrada e os
limites de integração. Neste exemplo o objeto é f1 definido acima e o domínio da função é [0,∞]. A saída
da função mostra o valor da integral (1) e o erro máximo da aproximação numérica.

> integrate(f1, 0, Inf)

1 with absolute error < 5e-07

Para fazer cálculos pedidos nos itens (b) e (c) lembramos que a probabilidade é dada pela área sob a
curva da função no intervalo pedido. Desta forma as soluções seriam dadas pelas expressões

cuja representação gráfica é mostrada na Figura 17. Os comandos do R a seguir mostram como fazer
o gráfico de função. O comando plot() desenha o gráfico da função. Para destacar as áreas que
correspondem às probabilidades pedidas vamos usar a função polygon(). Esta função adiciona a um
gráfico um polígono que é definido pelas coordenadas de seus vértices. Para sombrear a área usa-se
o argumento density. Finalmente, para escrever um texto no gráfico usamos a função text() com as
coordenadas de posição do texto.

> plot(f1, 0, 5)
> polygon(x = c(1, seq(1, 5, l = 20)), y = c(0, f1(seq(1, 5, l = 20))), +
density = 10)
> polygon(x = c(0.2, seq(0.2, 0.8, l = 20), 0.8), y = c(0, f1(seq(0.2,
+ 0.8, l = 20)), 0), col = "gray")
> text(c(1.2, 0.5), c(0.1, 0.2), c(expression(p[b], p[c])))
Figura 17: Probabilidades pedidas nos itens (b) e (c) do Exemplo 1.

E para obter as probabilidades pedidas usamos integrate().

> integrate(f1, 1, Inf)

0.1353353 with absolute error < 2.1e-05

> integrate(f1, 0.2, 0.8)

0.4684235 with absolute error < 5.2e-15

EXEMPLO 2 (Bussab & Morettin, página 139, exercício 10)

A demanda diária de arroz em um supermercado, em centenas de quilos, é uma v.a. X com f.d.p.

• Calcular a probabilidade de que sejam vendidos mais que 150 kg.

• Calcular a venda esperada em 30 dias.

• Qual a quantidade que deve ser deixada à disposição para que não falte o produto em 95% dos
dias?

Novamente começamos definindo um objeto do R que contém a função dada em 3.

Neste caso definimos um vetor do mesmo tamanho do argumento x para armazenar os valores de
f(x) e a seguir preenchemos os valores deste vetor para cada faixa de valor de x.

> f2 <- function(x) {

+ fx <- numeric(length(x))
+ fx[x < 0] <- 0
+ fx[x >= 0 & x < 1] <- 2 * x[x >= 0 & x < 1]/3
+ fx[x >= 1 & x <= 3] <- (-x[x >= 1 & x <= 3]/3) + 1
+ fx[x > 3] <- 0
+ return(fx) +
}

A seguir verificamos que a integral da função é 1 e fazemos o seu gráfico mostrado na Figura 18.

> integrate(f2, 0, 3)

1 with absolute error < 1.1e-15

> plot(f2, -1, 4)

1 with absolute error < 1.1e-15

Figura 18: Gráfico da função densidade de probabilidade do Exemplo 2.

Agora vamos responder às questões levantadas. Na questão (a) pede-se a probabilidade de que sejam
vendidos mais que 150 kg (1,5 centenas de quilos), portanto a probabilidade P[X > 1, 5]. A probabilidade
corresponde à área sob a função no intervalo pedido ou seja P[X > 1, 5] = ∫ 1,5∞f(x)dx e esta integral
pode ser resolvida numericamente com o comando:

> integrate(f2, 1.5, Inf)

0.3749999 with absolute error < 3.5e-05

A venda esperada em trinta dias é 30 vezes o valor esperado de venda em um dia. Para calcular a
esperança E[X] = ∫ xf(x)dx definimos uma nova função e resolvemos a integral. A função integrate
retorna uma lista onde um dos elementos ($value) é o valor da integral.

> ef2 <- function(x) {

+ x * f2(x)
+}
> integrate(ef2, 0, 3)

1.333333 with absolute error < 7.3e-05

> 30 * integrate(ef2, 0, 3)$value

[1] 40

Na questão (c) estamos em busca do quantil 95% da distribuição de probabilidades, ou seja o valor de
x que deixa 95% de massa de probabilidade abaixo dele. Este valor que vamos chamar de k é dado
por:

Para encontrar este valor vamos definir uma função que calcula a diferença (em valor absoluto) entre
0.95 e a probabilidade associada a um valor qualquer de x. O quantil será o valor que minimiza esta
probabilidade. Este é portanto um problema de otimização numérica e para resolvê-lo vamos usar a
função optimize() do R, que recebe como argumentos a função a ser otimizada e o intervalo no qual
deve procurar a solução. A resposta mostra o valor do quantil x = 2.452278 e a função objetivo com
valor muito próximo de 0, que era o que desejávamos.

> f <- function(x) abs(0.95 - integrate(f2, 0, x)$value) >

optimise(f, c(0, 3))
$minimum
[1] 2.452278

$objective
[1] 7.573257e-08

A Figura 19 ilustra as soluções dos itens (a) e (c) e os comandos abaixo foram utilizados para obtenção
destes gráficos.

> par(mfrow = c(1, 2), mar = c(3, 3, 0, 0), mgp = c(2, 1, 0)) >
plot(f2, -1, 4)
> polygon(x = c(1.5, 1.5, 3), y = c(0, f2(1.5), 0), dens = 10)
> k <- optimise(f, c(0, 3))$min
> plot(f2, -1, 4)
> polygon(x = c(0, 1, k, k), y = c(0, f2(1), f2(k), 0), dens = 10) >
text(c(1.5, k), c(0.2, 0), c("0.95", "k"), cex = 2.5)

Figura 19: Gráficos indicando as soluções dos itens (a) e (c) do Exemplo 2.

Finalmente lembramos que os exemplos discutidos aqui são simples e não requerem soluções
numéricas, devendo ser resolvidos analiticamente. Utilizamos estes exemplos somente para ilustrar a
obtenção de soluções numéricas com o uso do R, que na prática deve ser utilizado em problemas mais
complexos onde soluções analíticas não são triviais ou mesmo impossíveis.

O que é a função de densidade de probabilidade (FDP)?

A função de densidade de probabilidade ajuda a identificar regiões de probabilidades superiores e

inferiores para os valores de uma variável aleatória.

Exemplo de uma FDP discreta

Para uma variável discreta, a FDP fornece os valores de probabilidade para determinados valores de
x. Por exemplo, um fabricante de doces produz um único tipo de doce em várias cores. 30% das balas
são produzidas em amarelo, 10% são laranja, 10% são vermelhas, 20% são verdes e 30% são azuis.

FDP discreta

Este gráfico de barras exibe a FDP para a cor doces. Cada barra representa a probabilidade dos doces
daquela cor expressos como uma porcentagem.
Exemplo de uma FDP contínua

A função de densidade de probabilidade (FDP) é uma equação que representa a distribuição de

probabilidade de uma variável aleatória contínua. Por exemplo, uma máquina que corta rolhas para
garrafas de vinho produz rolhas com diâmetros diferentes. No gráfico de barras a seguir para os
diâmetros das rolhas, cada barra representa a porcentagem de rolhas com o diâmetro correspondente.

FDP contínua

A curva é a FDP para o diâmetro da rolha. Use a FDP para identificar as áreas de probabilidades
superiores e inferiores para os valores de uma variável aleatória. Por exemplo, apenas uma pequena
porcentagem das rolhas (1%) tem um diâmetro inferior a 2,8 cm.

FDP contínua com limites de especificação

Se os limites de especificação para diâmetro de rolha forem de 2,85 cm a 3,15 cm, o FDP pode indicar
valores de densidade de probabilidade de todas as rolhas deste processo que atendam às
especificações.

A forma da FDP é diferente para as diferentes distribuições. A familiar curva em forma de sino
representa a FDP para uma distribuição normal. Enquanto diâmetro da rolha segue uma distribuição
normal, outras medições, como a força necessária para tirar a rolha da garrafa de vinho, pode seguir
uma distribuição diferente. Por exemplo, a FDP para uma distribuição lognormal tem uma cauda direita
longa.
FDP lognormal

Como uma garrafa de vinho ocasionalmente requer uma quantidade incomum de força para a retirada
da rolha, as medidas desta força muitas vezes seguem uma distribuição com uma longa cauda direita
como a distribuição lognormal.

A função de distribuição acumulada nos dá uma maneira de descrever como as probabilidades são
associadas aos valores ou aos intervalos de valores de uma variável aleatória. De forma geral,
considere o espaço de probabilidade .

Definição 2.1.1:

A função de distribuição acumulada de uma variável aleatória X é uma função que a cada número real
x associa o valor

A notação é usada para designar o conjunto , isto é, denota a imagem

inversa do intervalo pela variável aleatória X. Com isso, podemos observar que a função de
distribuição acumulada tem como domínio os números reais e imagem o intervalo .

O conhecimento da função de distribuição acumulada é suficiente para entendermos o comportamento

de uma variável aleatória. Mesmo que a variável assuma valores apenas num subconjunto dos reais,
a função de distribuição é definida em toda a reta. Ela é chamada de função de distribuição acumulada,
pois acumula as probabilidades dos valores inferiores ou iguais a x.

Exemplo 2.1.1:

Consideremos o Exemplo 2.1. Vamos encontrar a função distribuição acumulada de : "número de

caras obtidas nos três lançamentos".

Os valores que pode assumir são e . Portanto,

Portanto,

Desta forma, temos que a função de distribuição acumulada de é dada por

Exemplo 2.1.2:

O tempo de validade, em meses, de um óleo lubrificante num certo equipamento está sendo estu-
dado. Seja . Uma variável de interesse é o próprio tempo de validade e, nesse caso, definimos
. Por exemplo, podemos tomar a seguinte função de distribuição acumulada de :

Observe que neste exemplo, definimos diretamente a Função de Distribuição Acumulada (FDA) ao
invés da probabilidade. Na maioria das aplicações, partimos da FDA para definirmos o modelo
probabilístico. Como exercício, mostre qe esta FDA nos fornece um modelo probabilístico .

A função de distribuição acumulada de uma variável aleatória têm três propriedades básicas:

1. , e ;

2. é não decrescente.

3. é uma função contínua à direita e tem limite à esquerda.

Demonstração:

, então e assim . Se (1)

e assim . Se
, então

não decrescente é equivalente (2)

(3) é um sequência decrescente

 é contínua a direita é equivalente a se , então de eventos aleatórios e se, e
somente se, . As-
sim, concluímos que
, pois

Exemplo 2.1.3:

Para o lançamento de uma moeda, temos que e que .

Definimos uma variável aleatória da seguinte forma:

Para obter a função de distribuição acumulada da variável aleatória , é conveniente separar os vários
casos, de acordo com os valores da variável.

Para , , uma vez que o menor valor assumido pela variável é . No

valo , temos que . E, para , temos
que . Dessa forma, inter foi
todo real. Assim, temos
definida

para

Note que as propriedades de função de distribuição são facilmente verificadas e que é não
decrescente para todo real e, portanto, vale a propriedade 2. O seguinte resultado, nos diz que
qualquer função que satisfaz as propriedades básicas é uma função de distribuição acumulada
de alguma variável aleatória na reta. A demonstração deste resultado será colocada na próxima
subseção, juntamente com o conceito de -álgebra de Borel na reta.

Teorema 2.1.1:

Toda função satisfazendo as propriedades básicas é uma função de distribuição acumulada de

alguma variável aleatória.

Exemplo 2.1.4:

Seja X uma variável aleatória com distribuição de Poisson, parâmetro . Mostre que a função de
distribuição de é

Temos: se ,

usando a integração por partes tomando o que implica que e

implica que , então temos que o que
no qual .

Exemplo 2.1.5:

Seja X uma variável aleatória com densidade

(a) Determine o valor da constante c.

(b) Ache o valor tal que .( é o primeiro quartil da distribuição de X.)

Exemplo 2.1.6:

Uma variável aleatória X tem função de distribuição

Qual é a densidade de X?

quando F for diferenciável em então

Exemplo 2.1.7:

Verifique que a função de Cantor é uma função de distribuição?

A função de cantor é uma função de distribuição, pois (i) É não-

decrescente o que implica que , .
(ii) É contínua a direita o que implica que , .

(iii) ,

toda função que satisfaz (i), (ii) e (iii) é a distribuição de alguma variável aleatória.

Exemplo 2.1.8:

Seja X uma variável aleatória com densidade

Seja , no qual é uma

constante .
(a) Ache a função de distribuição de Y.

Vamos dividir em três etapas primeiramente

(a1) isso implica que

(a2) o que implica que

(a3) o que implica que

Assim,

(b) Decomponha em suas partes discreta, absolutamente contínua e singular.

(b1) Parte discreta , temos que

(b2) tal que

então

(b3) Agora como , temos

então .

Exemplo 2.1.9:

Se é uma variável aleatória com distribuição exponencial de parâmetro , qual a distribuição da

variável aleatória ? Faça a decomposição de .

Temos que (para mais detalhes ver 6.12

)%http://www.portalaction.com.br/probabilidades/612-distribuicao-exponencial (a) Distribuição de Y é
dada por

e
temos que
(a1)
(a2)

(a3)

b) Decomposição de

(b1)

(b2) . Então,
Então,

e então, o que implica que para qualquer .

Exemplo 2.1.10:

Determine a densidade de , no qual . É a densidade da distribuição uniforme em

, e escrevemos . Faça o gráfico da função de distribuição de Y. Agora

Agora , então

e então

Exemplo 2.1.11:

Se X tem densidade , , qual a distribuição de ?

Então temos que Exemplo

2.1.12:

Cinco pontos são escolhidos, independentemente e ao acaso, do intervalo . Seja o número de

pontos que pertencem ao intervalo no qual . Qual a distribuição X?

É a repetição de ensaios com mesma probabilidade de sucesso de e independentes, no qual

Então, . (para mais detalhes sobre Binomial veja seção 5.1 ) Exemplo

2.1.13:

Determine a distribuição do tempo de espera até o segundo sucesso em uma sequência de ensaios de
Bernoulli com probabilidade de sucesso.

Seja a variável aleatória que designa o tempo de espera até o segundo sucesso. Note que a
probabilidade de ocorrer 2 sucessos em é . Agora o último
ensaio ocorre na úl-
tima posição então o primeiro ensaio pode ocorrer em qualquer das posições anteriores. Assim,

Exemplo 2.1.14:

Uma massa radioativa emite partículas segundo um processo de Poisson a uma taxa média de 10
partículas por segundo. Um contador é colocado ao lado da massa. Suponha que cada partícula
emitida atinge o contador com probabilidade de , que o contador registra todas as partículas que
o atingem, e que não há iteração entre as partículas(elas se movimentam independentemente).

(a) Qual a distribuição de número de partículas emitidas até o tempo ? Temos

é a probabilidade de Poisson então

(b) Prove que tem distribuições de Poisson, onde é o número de partículas registradas
das) até o tempo t, . Qual o parâmetro? (conta-

Agora

o que implica que

Agora,

Então
Então,

Esta é uma distribuição que se caracteriza por ter uma função de taxa de falha constante. A distribuição
exponencial é a única com esta propriedade. Ela é considerada uma das mais simples em termos
matemáticos. Esta distribuição tem sido usada extensivamente como um modelo para o tempo de vida
de certos produtos e materiais. Ela descreve adequadamente o tempo de vida de óleos isolantes e
dielétricos, entre outros.

Definição 6.12.1:

A variável aleatória tem distribuição Exponencial com parâmetro , , se tiver função

densidade de probabilidade dada por:

em que é o parâmetro de taxa da distribuição e deve satisfazer . Neste caso, é o tempo médio
de vida e é um tempo de falha. O parâmetro deve ter a mesma unidade do tempo da falha . Isto é,
se é medido em horas, também será medido em horas. A função de distribuição acumulada é
dada por

Utilizamos a notação .

Observação 6.12.1:

A distribuição Exponencial pode ser parametrizada de uma forma alternativa segundo a função
densidade de probabilidade dada por

Neste caso, dizemos que é o parâmetro de escala da distribuição e é o inverso do parâmetro

taxa na definição acima. Neste definição alternativa, a variável aleatória pode ser interpretada como
a duração de tempo em que um sistema mecânico ou biológico sobrevive. Para este caso, denotamos
e, infelizmente, esta definição alternativa torna-se ambígua. Neste caso, devemos
verificar qual das duas especificações está sendo utilizada quando escrevemos . Ou
seja, devemos sempre verificar se está se referindo ao parâmetro taxa ou ao parâmetro escala da
distribuição.

Deixamos claro aqui que, a menos que especifiquemos o contrário, sempre que escrevemos
estamos nos referindo à parametrização em que é o parâmetro taxa.

Observação 6.12.2:

Notem que a função exponencial, na verdade, é um caso particular da função Gama, pois
se , então
O gráfico abaixo mostra a distribuição exponencial com parâmetros e .

Figura 6.12.1: Gráfico da função densidade para distribuição Exponencial.

Exemplo 6.12.1:

O tempo até a falha do ventilador de motores a diesel tem uma distribuição Exponencial com parâmetro
horas. Qual a probabilidade de um destes ventiladores falhar nas primeiras 24000 horas de
funcionamento?

Ou seja, a probabilidade de um destes ventiladores falhar nas primeiras horas de funcionamento

é de, aproximadamente, 56,7%.

Exemplo 6.12.2:

Suponha que o tempo de vida de uma determinada espécie de inseto tenha uma distribuição
exponencial de parâmetro dia. Suponha também que estes insetos atinjam a maturidade
sexual após dias de seu nascimento. Qual a função densidade de probabilidade, em dias, dos insetos
que conseguem se reproduzir? E qual a probabilidade de que um inseto reprodutor viva mais de
dias?

Seja a distribuição do tempo de vida dos insetos, e a distribuição do tempo de vida dos insetos
que chegam a reprodução. Observem que , assim

Portanto, a função densidade de probabilidade de é dada por

Agora falta encontramos qual a probabilidade de que o inseto reprodutor dure mais de 24 dias. Usando
a densidade acima temos que

Exemplo 6.12.3:
Uma fábrica utiliza dois métodos para a produção de lâmpadas. 70% das lâmpadas são produzidas
pelo método e as demais pelo método . A duração da lâmpada depende do método pelo qual ela
foi produzida, sendo que as produzidas pelo método seguem uma distribuição exponencial com
parâmetro e as do método seguem uma exponencial de parâmetro . Qual a
probabilidade de que, se escolhermos uma lâmpada ao acaso, ela dure mais de horas?

Sejam e
e considere os evento C={Uma lâmpada durar mais
de 100 horas}, A={A lâmpada ter sido fabricada pelo método A} e B={A lâmpada ter sido fabricada pelo
método B}. Assim usando o teorema 1.4.2 obtemos que

e, portanto,

Portanto a probabilidade de que uma lâmpada escolhida ao acaso dure mais de 100 horas é de 31%.

Exemplo 6.12.4:

Sabendo que , qual a função densidade de probabilidade de .

Sabemos que a densidade de é dada por

Assim

e, portanto, concluímos que

Portanto segue uma distribuição uniforme em (0,1).

Função Geradora de Momentos, Valor Esperado e Variância

Seja uma variável aleatória com distribuição exponencial com parâmetro . Então sua função
geradora de momentos é dada por:

Temos que o valor esperado e a variância de uma variável aleatória X com distribuição exponencial
com parâmetro λ são dados, respectivamente, por

e, resolvendo esta integral por partes concluímos que

Portanto, o valor esperado de é . Para encontrar a variância de , vamos primeiramente calcular o
valor esperado de .

e, resolvendo a integral por partes, obtemos que

Portanto a variância de é dada por

Assim, o valor esperado e a variância de são dados, respectivamente por:

Podemos calcular também o valor esperado e a variância utilizando a função geradora de momentos

Portanto, o valor esperado e a variância podem ser calculados por

Observação 6.12.3:

Quando estamos trabalhando com a distribuição exponencial parametrizada com o parâmetro escala
temos que

Distribuição Exponencial (ou exponencial negativa)

A distribuição exponencial pode ser associada com a distribuição geométrica. Porém antes de
tratarmos das similaridades da propriedade dessas duas distribuições avaliaremos as características
da variável aleatória.

De uma forma bastante resumida imagine uma variável aleatória Poisson, onde temos a contagem do
número de ocorrências em um intervalo. Suponha agora que estejamos interessados em verificar a
probabilidade do tempo transcorrido entre duas ocorrências consecutivas. Essa última é
considerada uma variável aleatória exponencial.

Essa distribuição contínua que pode ser utilizada para descrever as probabilidades envolvidas no
tempo que decorre para que um determinado evento aconteça. Existe uma conexão muito próxima
entre a distribuição exponencial e a de Poisson. Ou seja, é Utilizada para descrever o tempo entre as
ocorrências de sucessivos eventos de uma distribuição de Poisson.As relações entre as distribuições
podem ser associadas a um processo estocástico, chamado de processo de poisson.

Para simplicar a abordagem imagine um processo de chegada sendo monitorando ao longo do tempo
(sendo o tempo uma variável contínua).

Onde a taxa de chegada é um parâmetro associado λλ por unidade de tempo.

Para esse exemplo podemos estar interessados em algumas quantidades, como o número de
chegadas em um determinado intervalo (contínuo). Essa quantidade é descrita por uma variável
aleatória Poisson. Outra quantidade de interesse poderia ser a distribuição do tempo entre
chegadas, onde essa quantidade é uma variável aleatória Exponencial.

Variável Aleatória Generalizada

Seja XX a distância/tempo entre contagens sucessivas de um processo de Poisson.

Exemplos

Dado um experimento aleatório ee, de acordo com a v.a.d. XX:

• Seja XX o tempo entre as avarias de um equipamento.

• Seja XX o tempo entre as chegadas de táxis a uma interseção movimentada.

• Seja XX o tempo entre as chegadas de aeronaves a um aeroporto específico.

• Seja XX a distância entre duas falhas sucessivas em uma fita magnética.

• Seja XX a distância entre grandes buracos em uma rodovia movimentada. Função Densidade de

Probabilidade fX(x)=λe−λx0≤x<∞fX(x)=λe−λx0≤x<∞

Sendo λ>0λ>0

Função de Distribuição Cumulativa

FX(x)=P(X≤x)=1−e−λxx≥0FX(x)=P(X≤x)=1−e−λxx≥0

Sendo λ>0λ>0

Valor Esperado e Variância

E[X]=1λV(X)=1λ2E[X]=1λV(X)=1λ2

Seja XX uma variável aleatória exponencial X Exp(λ)X Exp(λ), a forma da distribuição e determinada
pelo valor de λλ.

Code
A distribuição exponencial permite caracterizar o tempo/distância entre as ocorrências oriundas de um
processo de poisson.

Imagine que estejamos analisando um jogo de futebol e temos interesse em caracterizar o número de
gols por partida, essa variável aleatória é uma Poisson. Podemos ainda caracterizar o tempo entre
essas ocorrências, e essa v.a. é uma Exponencial.

Exemplo - Exponencial 1

Suponha que XX tenha uma distribuição exponencial, com λ=2λ=2. Determine, a.

P(X≤0)P(X≤0)

b. P(X≤1)P(X≤1)

c. P(x≥2)P(x≥2)

d. P(1<X<2)P(1<X<2)

e. Encontre o valor de xx tal que a P(X<x)=0.05P(X<x)=0.05 ***

Solução

Code

a. P(X≤0)P(X≤0)

P(X≤0)=∫00λe−λxdx=0P(X≤0)=∫00λe−λxdx=0

b. P(X≤1)P(X≤1)

P(X≤1)=∫102e−2xdx=−e−2x|10=1−e−2=0.8647

_________________________________________________________________________________

_________________________________________________________________________________
Estatística

Estatística é a ciência que utiliza-se das teorias probabilísticas para explicar a frequência da
ocorrência de eventos, tanto em estudos observacionais quanto em experimentos para modelar a
aleatoriedade e a incerteza de forma a estimar ou possibilitar a previsão de fenômenos futuros,
conforme o caso.

A estatística é uma ciência que se dedica à coleta, análise e interpretação de dados. Preocupa-se com
os métodos de recolha, organização, resumo, apresentação e interpretação dos dados, assim como
tirar conclusões sobre as características das fontes donde estes foram retirados, para melhor
compreender as situações.

Algumas práticas estatísticas incluem, por exemplo, o planejamento, a sumarização e a interpretação

de observações. Dado que o objetivo da estatística é a produção da melhor informação possível a partir
dos dados disponíveis, alguns autores sugerem que a estatística é um ramo da teoria da decisão.

Devido às suas raízes empíricas e seu foco em aplicações, a estatística geralmente é considerada uma
disciplina distinta da matemática, e não um ramo dela.

Etimologia

O termo "estatística" surge da expressão em latim statisticum collegium palestra sobre os assuntos
do Estado, de onde surgiu a palavra em língua italiana statista, que significa "homem de estado", ou
político, e a palavra alemã Statistik, designando a análise de dados sobre o Estado. A palavra foi
proposta pela primeira vez no século XVII, em latim, por Schmeitzel na Universidade de Jena e
adotada pelo acadêmico alemão Godofredo Achenwall. Aparece como vocabulário na Enciclopédia
Britânica em 1797, e adquiriu um significado de coleta e classificação de dados, no início do século
XIX.

De acordo com a Revista do Instituto Internacional de Estatística, Cinco homens, Hermann Conring,
Gottfried Achenwall, Johann Peter Süssmilch, John Graunt e William Petty já receberam a honra de
serem chamados de fundadores da estatística por diferentes autores.[4]

Alguns autores dizem que é comum encontrar como marco inicial da estatística a publicação do
"Observations on the Bills of Mortality" (Observações sobre os Censos de Mortalidade, 1662) de John
Graunt. As primeiras aplicações do pensamento estatístico estavam voltadas para as necessidades
de Estado, na formulação de políticas públicas, fornecendo dados demográficos e econômicos. A
abrangência da estatística aumentou no começo do século XIX para incluir a acumulação e análise
de dados de maneira geral. Hoje, a estatística é largamente aplicada nas ciências naturais, e sociais,
inclusive na administração pública e privada.

Seus fundamentos matemáticos foram postos no século XVII com o desenvolvimento da teoria das
probabilidades por Pascal e Fermat, que surgiu com o estudo dos jogos de azar. O método dos mínimos
quadrados foi descrito pela primeira vez por Carl Friedrich Gauss, aproximadamente no ano de 1794.
O uso de computadores modernos tem permitido a computação de dados estatísticos em larga escala
e também tornaram possível novos métodos antes impraticáveis.

Fundamentos

Ligações para estatística observacional fenômeno são coletados pelos fenômenos estatísticos.

• Estatística inferencial é o conjunto de técnicas utilizadas para identificar relações entre

variáveis que representem ou não relações de causa e efeito;

• Estatística robusta é o conjunto de técnicas utilizadas para atenuar o efeito de outliers e

preservar a forma de uma distribuição tão aderente quanto possível aos dados empíricos.

A estatística não é uma ferramenta matemática que nos informa sobre o quanto de erro nossas
observações apresentam sobre a realidade pesquisada. A estatística baseia-se na medição do erro
que existe entre a estimativa de quanto uma amostra representa adequadamente a população da qual
foi extraída. Assim o conhecimento de teoria de conjuntos, análise combinatória e cálculo são
indispensáveis para compreender como o erro se comporta e a magnitude do mesmo. É o erro (erro
amostral) que define a qualidade da observação e do delineamento experimental.

A faceta dessa ferramenta mais palpável é a estatística descritiva. A descrição dos dados coletados é
comumente apresentado em gráficos ou relatórios e serve tanto a prospecção de uma ou mais variáveis
para posterior aplicação ou não de testes estatísticos bem como a apresentação de resultados de
delineamentos experimentais.

Nós descrevemos o nosso conhecimento de forma matemática e tentamos aprender mais sobre aquilo
que podemos observar. Isto requer:

• O planejamento das observações por forma a controlar a sua variabilidade (concepção do experimen-
to);

• Sumarização da coleção de observações;

• Inferência estatística - obter um consenso sobre o que as observações nos dizem sobre o mundo que
observamos.

Em algumas formas de estatística descritiva, nomeadamente mineração de dados (data mining), os

segundo e terceiro passos tornam-se normalmente mais importantes que o primeiro.

A probabilidade de um evento é definida como um número entre zero e um.

Normalmente aproximamos a probabilidade de alguma coisa para cima ou para baixo porque elas são
tão prováveis ou improváveis de ocorrer, que é fácil de reconhecê-las como probabilidade de um ou
zero. Entretanto, isso pode levar a desentendimentos e comportamentos perigosos, porque é difícil
distinguir entre, uma probabilidade de 10−4 e uma de 10−9, a despeito da grande diferença numérica
entre elas. Por exemplo, se você espera atravessar uma estrada 10 5 ou 106 vezes na sua vida, definir
o risco de atravessá-la em 10−9 significa que você está bem seguro pelo resto da sua vida. Entretanto,
um risco de 10−4 significa que é bem provável que você tenha um acidente, mesmo que intuitivamente
um risco de 0,01% pareça muito baixo.

Estatística Computacional

O crescimento rápido e sustentados no poder de processamento dos computadores a partir da segunda

metade do século XX teve um forte impacto na prática da estatística. Os modelos estatísticos mais
antigos eram quase sempre lineares, mas os computadores modernos, junto com algoritmos numéricos
apropriados, causaram um aumento do interesse nos modelos não-lineares (especialmente redes
neurais e árvores de decisão) assim como na criação de novos tipos, como o modelo linear
generalizado e o modelo multi-nível.

O aumento na capacidade de computação também tem levado à popularização de métodos que

demandam muitos cálculos baseados em reamostragem (em inglês e no jargão do meio resampling),
como testes de permutação e bootstrap, enquanto técnicas como a amostragem de Gibbs tem feito
com que os métodos de Bayes fiquem mais fáceis. A revolução informática também tem levado a um
aumento na ênfase na estatística "experimental" e "empírica". Um grande número de softwares
estatísticos, de uso tanto geral como específico estão disponíveis no mercado.

A Estatística é o ramo da Matemática responsável por métodos e técnicas de pesquisa envolvendo

experimentos, coleta de dados, processamento, representações gráficas, análise e divulgação das
informações.

O crescente aperfeiçoamento e desenvolvimento da estatística no decorrer da história sempre visaram

à melhora nos processos de obtenção e recolhimento de informações, permitindo o estudo adequado
de diversos fenômenos, fatos, eventos e ocorrências nas diversas áreas do conhecimento humano.
Portanto, a estatística tem como objetivo principal fornecer ferramentas que ao serem utilizadas permite
lidarmos com situações sujeitas a incertezas.
Os povos da Antiguidade utilizavam das técnicas estatísticas a fim de obter informações sobre o
número de habitantes, riquezas, casos de doenças, entre outras situações que levassem ao
enfraquecimento do poderio militar dos povos. Os governantes passaram a realizar pesquisas
estatísticas referentes às variáveis econômicas: comércio, alimentos, produção de bens, exportações
de produtos entre outras.

No Brasil, órgãos como o IBGE (Instituto Brasileiro de Geografia e Estatística) e instituições como a
FGV (Fundação Getúlio Vargas) têm por objetivo a coleta, análise e divulgação de informações
relacionadas ao meio político, econômico, social, segurança, educacional, saúde e diversos ramos da
sociedade.
Os levantamentos estatísticos são divulgados em jornais, Internet, noticiários de televisão e revistas,
comumente possuem relação direta com a vida das pessoas, pois envolvem temas relacionados a
hábitos da população em geral.

O estatístico é um especialista no ramo da matemática voltado para a coleta, a análise e a interpretação

de dados numéricos no estudo de fenômenos naturais, econômicos e sociais.

Ele planeja e coordena o levantamento de informações por meio de questionários, entrevistas,

medições e análise desses dados. Organiza, analisa e interpreta os resultados para explicar
fenômenos sociais, econômicos ou naturais, e ajudar na tomada de decisões em empresas públicas e
privadas. Monta banco de dados para os mais diversos usos.

Na indústria, acompanha testes de qualidade e ajuda a fazer a previsão de vendas com base em
modelos matemáticos.

Em teoria das probabilidades e estatística, a função densidade de probabilidade (FDP), ou

densidade de uma variável aleatória contínua, é uma função que descreve a probabilidade relativa
de uma variável aleatória tomar um valor dado. A probabilidade da variável aleatória cair em uma faixa
particular é dada pela integral da densidade dessa variável sobre tal faixa - isto é, é dada pela área
abaixo da função densidade mas acima do eixo horizontal e entre o menor e o maior valor dessa faixa.
A função densidade de probabilidade é não negativa sempre, e sua integral sobre todo o espaço é
igual a um. A função densidade pode ser obtida a partir da função distribuição acumulada a partir da
operação de derivação (quando esta é derivável).

Se uma variável aleatória tem densidade dada por f(x), então o intervalo infinitesimal [x, x+dx] tem
probabilidade f(x) dx. Formalmente, a função densidade de probabilidade (ou fdp), denotada por
fx(x), de uma variável aleatóriacontínua X é a função que satisfaz

Os termos função distribuição de probabilidade e função de probabilidade por vezes foram sido
utilizados para denotar a função de densidade de probabilidade. No entanto, esse uso não é padrão
entre estatísticos. Em outras fontes, função de distribuição de probabilidade pode ser utilizado quando
a distribuição de probabilidade é definida como uma função sobre conjuntos de valores, ou pode
referirse a função distribuição acumulada, ou ainda pode ser uma função massa de probabilidade
(FMP), em vez de densidade. Existem outras confusões da terminologia porque função densidade
também tem sido usado para o que é aqui chamado de função massa de probabilidade (FMP). Em
geral, porém, a FMP é usada no contexto de variáveis aleatórias discretas (variáveis aleatórias que
tenham valores de um conjunto discreto), enquanto FDP é usado no contexto de variáveis aleatórias
contínuas.

Exemplo

Suponhamos que uma espécie de bactérias normalmente vive por 4 a 6 horas. Qual é a probabilidade
de que uma bactéria viva exatamente 5 horas? A resposta é de 0%. Muitas bactérias vivem por
aproximadamente 5 horas, mas não há nenhuma chance de que qualquer bactéria morra em
exatamente 5.000000000 horas.

Em vez disso, poderíamos perguntar: qual é a probabilidade de que a bactéria morra entre 5 horas e
5,01 horas? Vamos dizer que a resposta é de 0,02 (ou seja, 2%). A seguir: qual é a probabilidade de
que a bactéria morra entre 5 horas e 5.001 horas? A resposta é provavelmente em torno de 0,002, uma
vez que este é um décimo do intervalo anterior. A probabilidade de que a bactéria morre entre 5 horas
e 5.0001 horas é provavelmente cerca de 0,0002, e assim por diante.

Nestes três exemplos, a relação (probabilidade de morrer durante um intervalo)/(período de duração

do intervalo) é aproximadamente constante, e igual a 2 por hora (ou 2 horas-1). Por exemplo, há uma
probabilidade de 0,02 de morte no intervalo de 0,01 horas entre 5 e 5,01 horas, e (0,02 de probabilidade
/ 0,01 horas) = 2 horas-1. Esta quantidade de 2 horas-1 é chamada de densidade de probabilidade para
a morte em cerca de 5 horas.

Portanto, em resposta à pergunta qual é a probabilidade de que a bactéria morra em 5 horas?, a

resposta literalmente correta, mas inútil, é 0, mas uma melhor resposta pode ser escrita como (2
horas1) dt. Esta é a probabilidade de que a bactéria morra dentro de um pequeno (infinitesimal) a
janela de tempo de cerca de 5 horas, onde dt é a duração da janela.

Por exemplo, a probabilidade de que ela viva por mais do que 5 horas, mas menos do que (5 horas +
1 nanossegundo), é (2 horas-1) x (1 nanosegundo) 6 × 10-13 (usando a conversão de unidade 3,6 ×
1012 nanossegundos = 1 hora).

Existe uma função de densidade de probabilidade com f sendo f (5 horas) = 2 horas-1.

A integral de f sobre qualquer janela de tempo (não apenas janelas infinitesimais, mas também grandes
janelas) é a probabilidade de que a bactéria morra nessa janela.

Diferença entre "função de probabilidade" e "função densidade de probabilidade"

O conceito de "função densidade de probabilidade" é muito semelhante ao conceito de "função de

probabilidade", que serve para o caso de variáveis aleatórias discretas. No entanto, é preciso entender
bem a diferença entre eles.

Uma variável aleatória discreta tem um número definido de possíveis ocorrências. Por exemplo, a
variável aleatória "resultado de um dado" tem apenas 6 possíveis ocorrências: 1,2,3,4,5 e 6. Por isso,
a função de probabilidade a ela associada também só pode assumir 6 valores (1/6 cada uma, se o
dado não for viciado), que necessariamente somarão 1.

Uma variável aleatória contínua, ao contrário, tem um número infinito de ocorrências. Por exemplo, a
variável aleatória "idade de cada empregado de uma empresa" pode assumir infinitos valores, por
exemplo 18,1 anos, 18,23 anos, 20,341 anos, 30,3167 anos etc. Por isso, se simplesmente tentarmos
calcular p(x=x) como faz uma função de probabilidade para uma variável aleatória discreta,
chegaremos ao seguinte:

Ou seja, a probabilidade de a variável aleatória contínua X assumir um determinado valor x é zero. Por
isso, a "função densidade de probabilidade" não trabalha com valores pontuais, e sim com intervalos
infinitesimais - ela informa a probabilidade de a variável X assumir um valor naquele intervalo.

No caso univariado contínuo acima, a medida de referência é a medida de Lebesgue. A função massa
de probabilidade de uma variável aleatória discreta é a densidade no que diz respeito à medida contável
sobre o espaço da amostra (normalmente o conjunto de números inteiros, ou um subconjunto dos
mesmos).

Note-se que não é possível definir uma densidade referindo a uma medida arbitrária (por exemplo, não
se pode escolher a medida contável como uma referência para uma variável aleatória contínua). Além
disso, quando ela existe, a densidade é em quase todos os lugares únicas.
Nem toda distribuição de probabilidade tem uma função densidade: as distribuições de variáveis
aleatórias discretas não possuem; nem a distribuição de Cantor, mesmo ela não tendo qualquer
componente discreto, isto é, não atribui probabilidade positiva para qualquer ponto individual.

Se uma distribuição de probabilidade admite uma densidade, então a probabilidade de cada conjunto
de um ponto {a} é zero; o mesmo vale para conjuntos finitos e contáveis.

Duas densidades de probabilidade f e g'’ representam precisamente a mesma distribuição de

probabilidade se eles diferem apenas em um conjunto com medida de Lebesgue zero.

No campo da física estatística, uma reformulação não formal da relação acima entre a derivada da
função distribuição acumulada e a função densidade de probabilidade é geralmente utilizada como a
definição da função densidade de probabilidade.

Ligação Entre Distribuições Discretas E Contínuas

É possível representar certas variáveis aleatórias discretas, bem como variáveis aleatórias que
envolvem tanto uma parte contínua e uma parte discreta com uma função densidade de probabilidade
generalizada, usando a função delta de Dirac. Por exemplo, considere uma variável aleatória discreta
binária tendo uma distribuição de Rademacher – isto é, assumindo valores −1 ou 1, com probabilidade
½ cada.

Isso unifica substancialmente o tratamento de distribuições de probabilidade discretas e contínuas. Por

exemplo, a expressão acima permite determinar características estatísticas de uma variável discreta
(tais como a sua média e variância), a partir das fórmulas dadas para uma distribuição contínua da
probabilidade.

Famílias De Densidades

É comum para funções densidade de probabilidade (e funções massa de probabilidade) serem

parametrizadas, isto é, serem caracterizadas por parâmetros não especificados. Por exemplo, a
distribuição normal é parametrizada em termos da média e da variância, denotada, É importante ter
em mente a diferença entre o domínio de uma família de densidades e os parâmetros da família.
Diferentes valores dos parâmetros descrevem diferentes distribuições de diferentes variáveis aleatórias
no mesmo espaço de amostra (o mesmo conjunto de todos os valores possíveis da variável); este
espaço de amostra é o domínio da família de variáveis aleatórias que esta família de distribuições
descreve.

Um determinado conjunto de parâmetros descreve uma única distribuição dentro da família

compartilhando a forma funcional da densidade. Do ponto de vista de uma dada distribuição, os
parâmetros são constantes e termos de uma função densidade que contêm apenas os parâmetros,
mas não variáveis, são partes do fator de normalização de uma distribuição (o fator multiplicativo que
garante que a área sob a densidade - a probabilidade de algo no domínio ocorrer - é igual a 1). Este
fator de normalização é fora do kernel da distribuição.

Uma vez que os parâmetros são constantes, re parametrizar uma densidade em termos de diferentes
parâmetros, para se obter uma caracterização de uma variável aleatória diferente na família, significa
simplesmente substituir os novos valores de parâmetros para a fórmula em lugar dos antigos. Alterar
o domínio de uma densidade de probabilidade, no entanto, é mais complicado e exige mais trabalho:
consulte a seção abaixo sobre a mudança de variáveis.

Uma estatística é uma função (qualquer) das variáveis observáveis que não contém qualquer
parâmetro desconhecido.

Mais formalmente, a Teoria Estatística define uma estatística como uma função de uma amostra em
que a função por si mesma é independente da distribuição que gerou a amostra.

Este termo é utilizado usualmente tanto para a função quanto para o particular valor numérico da função
aplicada a uma dada amostra observada.
Uma estatística não representa o mesmo conceito que um parâmetro estatístico, que não é calculável
da amostra. Por exemplo, a média amostral é uma estatística, enquanto que a média de uma
população é um parâmetro. Em geral utiliza-se um estimador (caso particular de estatística) para
chegar num valor numérico que estima um parâmetro. No exemplo anterior, o estimador para a média
da população é a média amostral.

A palavra estatística é do latim e significa “estado”. Este termo provém do primeiro uso da estatística
eu tinha como função o registro de dados (nº de habitantes da população, nº de casamentos...) e a
elaboração de tabelas e gráficos para descrever resumidamente um determinado país em números.

Passado muito tempo a estatística evoluiu, tornando-se uma ampla e complexa ciência, tirando
conclusões sobre o conjunto todo a partir de amostras representativas.

Uma boa definição de estatística é a de ser um conjunto de métodos especialmente apropriados à

coleta, à apresentação (organização, resumo e descrição), à análise e à interpretação de dados de
observação, tendo como objetivo a compreensão de uma realidade específica para a tomada da
decisão.

Mais precisamente a estatística se preocupa com:

-A coleta, a organização, a sintetização e a apresentação de dados;

-A medição da variação nos dados e levantamento de dados;

-A estimativa dos parâmetros da população e a determinação da precisão das estimativas;

-A aplicação dos testes de hipótese em relação aos parâmetros; -

A análise da relação entre duas ou mais variáveis.

A estatística trabalha com dois conjuntos de dados: o universo e a amostra. Apesar de a estatística se
preocupar em obter informações sobre a população, dificilmente ela estuda todos os componentes da
mesma (censo).

Não existem estatísticas especiais, como bioestatística e estatística econômica, mas sim aplicações
específicas de estatística em determinadas áreas, o que leva a dividir a estatística especificamente
para questões didáticas.

A Estatística Pode Ser Dividida Em Duas:

-Estatística descritiva: é a parte que procura os melhores métodos para coletar, ordenar e sumarizar
os dados dos experimentos.

-Estatística experimental: é a parte que fornece os métodos de análise e interpretação dos resultados
dos experimentos.

Distribuições estáveis paretianas têm propriedades atraentes para modelagem empírica em finanças,
porque incluem a distribuição normal como um caso especial, mas também pode permitir caudas mais
pesadas e assimetria.

Uma razão principal para a pouca utilização dessa distribuição em trabalhos acadêmicos aplicados é
devido ao fato de que, em geral, não há expressão de "forma fechada" para a a função de densidade
de probabilidade, e que as aproximações numéricas computacionais são não-triviais e
computacionalmente extensivas.

Nesse post vou mostrar como é possível calcular a função densidade de probabilidade via Fast-Fourier
Transform (FFT).

O trabalho original sobre esse assunto foi produzido por Mittnik, Doganoglu e Chenyao (1999).
A Distribuição Alfa-Estável.

A distribuição alfa-estável, em geral, não possui expressão analítica para sua função densidade de
probabilidade (f.d.p) ou ainda para a sua função distribuição acumulada (f.d.a), mas pode ser escrita
por meio de sua função característica (Rachev e Mittnik, 2000 ):

onde é o expoente da distribuição ou índice de cauda, é o parâmetro de assimetria,

é o parâmetro de escala e é o parâmetro de locação, a função é dada por:

A distribuição alfa-estável representada acima e definida pela notação é denominada

parametrização segundo Nolan (2010).

A função densidade de probabilidade pode ser aproximada utilizando o método FFT (Fast Fourier
Transform) o qual é computacionalmente eficiente e permite um processo de aproximação mais rápido
do que expansão por séries (Bergström, 1952) ou integração direta (Nolan, J. P., 2001. Maximum
likelihood estimation of stable parameters. Manuscrito não publicado.).

Segundo Durrett (2010) página 106 uma função densidade de probabilidade pode ser escrita pela
Transformada de Fourier da função característica, em outras palavras:

A integral acima pode ser calculada para pontos igualmente espaçados com distância e soma
resultante pode ser computada por meio do método FFT (Fast Fourier Transform). Mittnik e Doganoglu
(1999) sugerem que os valores de e devem ser respectivamente e para que uma
boa aproximação seja possível.

A distribuição normal conhecida também como distribuição gaussiana é sem dúvida a mais importante
distribuição contínua. Sua importância se deve a vários fatores, entre eles podemos citar o teorema
central do limite, o qual é um resultado fundamental em aplicações práticas e teóricas, pois ele garante
que mesmo que os dados não sejam distribuídos segundo uma normal a média dos dados converge
para uma distribuição normal conforme o número de dados aumenta.

Além disso diversos estudos práticos tem como resultado uma distribuição normal. Podemos citar como
exemplo a altura de uma determinada população em geral segue uma distribuição normal. Entre outras
características físicas e sociais tem um comportamento gaussiano, ou seja, segue uma distribuição
normal.

A variação natural de muitos processos industriais é realmente aleatória. Embora as distribuições de

muitos processos possam assumir uma variedade de formas, muitas variáveis observadas possuem
uma distribuição de frequências que é, aproximadamente, uma distribuição de probabilidade Normal.

Probabilidade é a chance real de ocorrer um determinado evento, isto é, a chance de ocorrer uma
medida em um determinado intervalo. Por exemplo, a frequência relativa deste intervalo, observada à
partir de uma amostra de medidas, é a aproximação da probabilidade. E a distribuição de frequências
é a aproximação da distribuição de probabilidades.

A palavra probabilidade deriva do Latim probare(provar ou testar). Informalmente, provável é uma das
muitas palavras utilizadas para eventos incertos ou conhecidos, sendo também substituída por
algumas palavras como “sorte”, “risco”, “azar”, “incerteza”, “duvidoso”, dependendo do contexto.
A probabilidade é um número que varia de 0 (zero) a 1 (um) e que mede a chance de ocorrência de
um determinado resultado.

Quanto mais próxima de zero for a probabilidade, menores são as chances de ocorrer o resultado e
quanto mais próxima de um for a probabilidade, maiores são as chances.

As probabilidades podem ser expressas de diversas maneiras, inclusive decimais, frações e

percentagens. Por exemplo, a chance de ocorrência de um determinado evento pode ser expressa
como 10%; 5 em 10; 0,20 ou 1/7.

Experimento Aleatório

Experimento é qualquer atividade realizada que pode apresentar diferentes resultados. Um

experimento é dito aleatório quando não conseguimos afirmar o resultado que será obtido antes de
realizar o experimento. Um experimento é dito equiprovável se todos os possíveis resultados possuem
a mesma chance de ocorrer.

Espaço Amostral E Evento

Em uma tentativa com um número limitado de resultados, todos com chances iguais, devemos
considerar:

Espaço Amostral (E)

Espaço amostral é o conjunto E cujos elementos são todos os possíveis resultados que podem ser
obtidos na realização de um experimento.

Evento (A)

Evento é qualquer subconjunto de um espaço amostral.

Cálculo De Probabilidades

Seja um evento A de um espaço amostral referente a um experimento aleatório e equiprovável.

A probabilidade P(A) de se obter o evento A é dada por:

Onde:

▪ n(A) é o número de elementos do evento A;

▪ n(E) é o número de elementos do espaço amostral

Estatística

A Estatística está presente em todas as áreas da ciência que envolvam o planejamento do experimento,
a construção de modelos, a coleta, o processamento e a análise de dados e sua consequente
transformação em informação, para validar hipóteses científicas sobre um fenômeno observável. Desta
forma, a Estatística pode ser pensada como a ciência de aprendizagem a partir de dados.

A aplicação de técnicas estatísticas a dados meteorológicos tem a vantagem de compactar o enorme

volume de dados, medidos, por exemplo, em uma estação, em uma simples tabela ou uma equação,
capaz de sumariar todas as informações de modo a facilitar as inferências sobre os dados.

Definição
A estatística é uma coleção de métodos para planejar experimentos, obter dados e organiza-los,
resumi-los, analisá-los, interpretá-los e deles extrair conclusões.

Noções De Estatística

Amostra

São elementos coletados dentro do vasto universo.

ROL

É toda sequência de dados numéricos.

Exemplo:

Os cincos alunos de uma amostra apresentaram as seguintes notas na prova bimestral de matemática
6; 4; 8; 7; 8. Apresentando esses dados em rol, temos: (4; 6; 7; 8; 8) ou (8; 8; 7; 6; 4).

Classes

Qualquer intervalo real que contenha um rol da amostra.

Medidas De Posição

São as estatísticas que representam uma série de dados orientando-nos quanto à posição da
distribuição em relação ao eixo horizontal do gráfico da curva de frequência.

As medidas de posições mais importantes são as medidas de tendência central ou pro médias
(verifica-se uma tendência dos dados observados a se agruparem em torno dos valores centrais).

As medidas de tendência central mais utilizadas são: média aritmética, moda e mediana.

Média Aritmética

É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

Média Aritmética Ponderada

Consideremos uma coleção formada por n números, de forma que cada um esteja sujeito a um peso
(valor que indica a quantidade de vezes em que cada número se repete).

A média aritmética ponderada desses n números é a soma dos produtos de cada um por seu peso,
dividida pelos somatórios dos seus pesos, isto é:

Nota: “peso” é sinónimo de “ponderação

Moda: (MO)

É o valor que ocorre com maior frequência.

Quando dois valores ocorrem com a mesma frequência, cada um deles é chamado de uma moda, e o
conjunto se diz BIMODAL.

Se mais de dois valores ocorrem com a mesma frequência máxima, cada um deles é uma moda e o
conjunto é MULTIMODAL.

Quando nenhum valor é repetido o conjunto não tem moda

Mediana (MD)

Valor do meio do conjunto de dados, quando os valores estão dispostos em ordem crescente ou
decrescente; divide um conjunto de dados em duas partes iguais.

Para calcular:

▪ Disponha os valores em ordem (crescente ou decrescente)

▪ Se o número de valores é ímpar, a mediana é o número localizado no meio da lista.

▪ Se o número é par, a mediana é a média aritmética dos dois valores do meio.

Medidas De Dispersão

Existem algumas medidas chamadas medidas de dispersão, que procuram mostrar como os elementos
do conjunto se comportam em torno da região central, ou seja, medidas que mostram se eles estão
mais ou menos dispersos.

Por exemplo, num jogo de duplas de tênis, são conhecidas as idades dos jogadores:
Equipe A Equipe B

O jogador 1 tem 26 anos; O jogador 1 tem 45 anos;

O jogador 2 tem 24 anos. O jogador 2 tem 5 anos.

Veja que, nos dois casos, a média das idades é a mesma, ou seja, 25 anos.

No entanto, as idades da equipe B estão bem mais dispersas em torno da média do que as idades da
equipe A.

Duas medidas de dispersão são chamados de Variância e Desvio-Padrão.

Variância

Veja, por exemplo, o conjunto de dados:

2, 5, 6, 8, 14,

Onde a média aritmética é 7. A diferença entre cada valor é a média é chamada desvio. Assim,
os desvios para o nosso conjunto de dados serão:

Observação: a soma dos desvios é sempre nula.

Chamamos variância de um conjunto de dados a média aritmética dos quadrados dos desvios. No
nosso exemplo, temos:

A variância é :

Desvio-Padrão

O desvio-padrão é definido como a raiz quadrada da variância, sendo indicado por Assim,

no nosso exemplo, temos:

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
_

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
_
Estatística Descritiva

A estatística descritiva é um ramo da estatística que aplica várias técnicas para descrever e sumarizar
um conjunto de dados. Diferencia-se da estatística inferencial, ou estatística indutiva, pelo objetivo:
organizar, sumarizar dados ao invés de usar os dados em aprendizado sobre a população. Esse
princípio faz da estatística descritiva independente.

Algumas medidas que são normalmente usadas para descrever um conjunto de dados são medidas
de tendência central e medidas de variabilidade ou dispersão. Medidas de tendência central incluem
média, mediana e moda. Medidas de variabilidade incluem desvio padrão, variância, o valor máximo e
mínimo, obliquidade e curtose.

Uso Em Análise Estatística

A Estatística descritiva fornece resumos simples sobre a amostra e sobre as observações que foram
feitas. Tal resumo pode ser quantitativo ou visual. Esses resumos tanto podem formar a base da
descrição inicial dos dados, como parte de uma análise estatística mais extensa, ou eles podem ser
suficientes por si mesmos.

Por exemplo, a porcentagem de arremessos no basquetebol é uma descrição estatística que resume
a performance de um jogador ou time. Esse número é a quantidade de arremessos bem-sucedidos
dividido pelo o número de arremessos. Por exemplo, um jogador que consegue porcentagem de 33%
faz aproximadamente um arremesso bem-sucedido em cada três arremessos. A porcentagem descreve
ou resume múltiplos eventos discretos. Considere também a média da [nota escolar]. Esse número
descreve a performance geral de um estudante em um curso.

O uso de descrição e resumo estatísticos tem uma história intensiva e, de fato, a simples tabulação de
populações e dados económicos foram a primeira forma em que a estatística apareceu. Mais
recentemente, umas colecção de técnicas de resumos apareceram com o título de análise exploratória
de dados, um exemplo dessas técnicas é o diagrama de caixa.

No mundo dos negócios, estatística descritiva fornece um resumo útil de muitos tipos de dados.

Análise Univariada

A análise univariada envolve descrever a distribuição de uma única variável, incluindo sua medida
central (incluindo a média, mediana, e a Moda (estatística) e dispersão (incluindo a diferença entre o
maior e menor valor da amostragem e quantil do conjunto de dados, além da variância e desvio
padrão). A forma da distribuição pode também ser descrita com obliquidade e curtose. Características
da distribuição da variável podem também ser representados em gráficos ou tabulas, incluindo
Histograma.

Análise Bivariada

Quando uma amostra consiste de mais de uma variável, a estatística descritiva pode ser usada para
descrever o relacionamento entre os pares de variáveis. Nesse caso, estatística descritiva inclui:

Tabulações cruzadas e tabelas de contingência Representação

gráfica via gráfico de dispersão.

As medidas quantitativas de dependência.

As descrições de distribuição condicionais.

A razão principal para diferenciar analise univariada e bivariada é que a bivariada não é só análise
descritiva simples, mas também o relacionamento entre duas variáveis diferentes. de Pearson quando
ambas variáveis são continuas, ou Coeficiente de correlação de postos de Spearman quando ambas
variáveis não são continua) e covariância.

Técnicas
As técnicas usadas costumam classificar-se como:

Gráficos descritivos: São usados vários tipos de gráficos para sumarizar os dados. Por exemplo:
Histogramas.

Descrição Tabular: Na qual se usam tabelas para sumarizar os dados. Por exemplo tabelas de
Frequências.

Descrição Paramétrica: Na qual estimamos os valores de certos parâmetros, os quais assumimos que
completam a descrição do conjunto dos dados. Por exemplo: Média.

Objectivos Dos Parâmetros

Podemos querer escolher um parâmetro que nos mostre como as diferentes observações são
semelhantes. Os textos académicos costumam chamar a este objectivo de "medidas de tendência
central".

Podemos querer escolher parâmetros que nos mostrem como aquelas observações diferem. Costuma
chamar-se a este tipo de parâmetros de "medidas de dispersão“.

Probabilidade E Estatística

A palavra probabilidade deriva do Latim probare(provar ou testar). Informalmente, provável é uma das
muitas palavras utilizadas para eventos incertos ou conhecidos, sendo também substituída por
algumas palavras como “sorte”, “risco”, “azar”, “incerteza”, “duvidoso”, dependendo do contexto.

A probabilidade é um número que varia de 0 (zero) a 1 (um) e que mede a chance de ocorrência de
um determinado resultado. Quanto mais próxima de zero for a probabilidade, menores são as chances
de ocorrer o resultado e quanto mais próxima de um for a probabilidade, maiores são as chances.

As probabilidades podem ser expressas de diversas maneiras, inclusive decimais, frações e

percentagens. Por exemplo, a chance de ocorrência de um determinado evento pode ser expressa
como 10%; 5 em 10; 0,20 ou 1/7.

Experimento Aleatório

Experimento é qualquer atividade realizada que pode apresentar diferentes resultados. Um

experimento é dito aleatório quando não conseguimos afirmar o resultado que será obtido antes de
realizar o experimento. Um experimento é dito equiprovável se todos os possíveis resultados possuem
a mesma chance de ocorrer.

Espaço Amostral e Evento

Em uma tentativa com um número limitado de resultados, todos com chances iguais, devemos
considerar:

Espaço Amostral (E)

Espaço amostral é o conjunto E cujos elementos são todos os possíveis resultados que podem ser
obtidos na realização de um experimento.

Evento (A)

Evento é qualquer subconjunto de um espaço amostral.

CÁLCULO DE PROBABILIDADES

Seja um evento A de um espaço amostral referente a um experimento aleatório e equiprovável.

A probabilidade P(A) de se obter o evento A é dada por:

Onde: n(A) é o número de elementos do

evento A;

n(E) é o número de elementos do espaço amostral

Estatística

A Estatística está presente em todas as áreas da ciência que envolvam o planejamento do experimento,
a construção de modelos, a coleta, o processamento e a análise de dados e sua consequente
transformação em informação, para validar hipóteses científicas sobre um fenômeno observável. Desta
forma, a Estatística pode ser pensada como a ciência de aprendizagem a partir de dados.

A aplicação de técnicas estatísticas a dados meteorológicos tem a vantagem de compactar o enorme

volume de dados, medidos, por exemplo, em uma estação, em uma simples tabela ou uma equação,
capaz de sumariar todas as informações de modo a facilitar as inferências sobre os dados.

Definição

A estatística é uma coleção de métodos para planejar experimentos, obter dados e organiza-los,
resumi-los, analisá-los, interpretá-los e deles extrair conclusões.

Noções De Estatística

AMOSTRA

São elementos coletados dentro do vasto universo.

ROL

É toda sequência de dados numéricos.

Exemplo:

Os cincos alunos de uma amostra apresentaram as seguintes notas na prova bimestral de matemática
6; 4; 8; 7; 8. Apresentando esses dados em rol, temos: (4; 6; 7; 8; 8) ou (8; 8; 7; 6; 4).

Classes

Qualquer intervalo real que contenha um rol da amostra.

Medidas De Posição

São as estatísticas que representam uma série de dados orientando-nos quanto à posição da
distribuição em relação ao eixo horizontal do gráfico da curva de frequência.
As medidas de posições mais importantes são as medidas de tendência central ou pro médias
(verifica-se uma tendência dos dados observados a se agruparem em torno dos valores centrais).

As medidas de tendência central mais utilizadas são: média aritmética, moda e mediana.

Média Aritmética

É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

Média Aritmética Ponderada

Consideremos uma coleção formada por n números, de forma que cada um esteja sujeito a um peso
(valor que indica a quantidade de vezes em que cada número se repete).

A média aritmética ponderada desses n números é a soma dos produtos de cada um por seu peso,
dividida pelos somatórios dos seus pesos, isto é:

Nota: “peso” é sinónimo de “ponderação

MODA: (Mo)

É o valor que ocorre com maior frequência.

Quando dois valores ocorrem com a mesma frequência, cada um deles é chamado de uma moda, e o
conjunto se diz BIMODAL.

Se mais de dois valores ocorrem com a mesma frequência máxima, cada um deles é uma moda e o
conjunto é MULTIMODAL.

Quando nenhum valor é repetido o conjunto não tem moda

MEDIANA (Md)

Valor do meio do conjunto de dados, quando os valores estão dispostos em ordem crescente ou
decrescente; divide um conjunto de dados em duas partes iguais.

Para calcular:

Disponha os valores em ordem (crescente ou decrescente)

Se o número de valores é ímpar, a mediana é o número localizado no meio da lista.

Se o número é par, a mediana é a média aritmética dos dois valores do meio.

MEDIDAS DE DISPERSÃO

Existem algumas medidas chamadas medidas de dispersão, que procuram mostrar como os elementos
do conjunto se comportam em torno da região central, ou seja, medidas que mostram se eles estão
mais ou menos dispersos.

Por exemplo, num jogo de duplas de tênis, são conhecidas as idades dos jogadores:
 Equipe A Equipe B

O jogador 1 tem 26 anos; O jogador 1 tem 45 anos;

O jogador 2 tem 24 anos. O jogador 2 tem 5 anos.

Veja que, nos dois casos, a média das idades é a mesma, ou seja, 25 anos.

No entanto, as idades da equipe B estão bem mais dispersas em torno da média do que as idades da
equipe A.

Duas medidas de dispersão são chamados de Variância e Desvio-Padrão.

Variância

Veja, por exemplo, o conjunto de dados:

2, 5, 6, 8, 14,

Onde a média aritmética é 7. A diferença entre cada valor é a média é chamada desvio. Assim, os
desvios para o nosso conjunto de dados serão:

Observação: a soma dos desvios é sempre nula.

Chamamos variância de um conjunto de dados a média aritmética dos quadrados dos desvios. No
nosso exemplo, temos:

A variância é :

Desvio-Padrão
O desvio-padrão é definido como a raiz quadrada da variância, sendo indicado por Assim,

no nosso exemplo, temos:

Variáveis aleatórias discretas

Definição 2.2.1:

Seja uma variável aleatória (v.a.). Se o número de valores possíveis de for enumerável (finito ou
infinito), dizemos que é uma variável aleatória discreta. Isto é, os possíveis valores de podem ser
postos em lista como . No caso finito, a lista possui um valor final , e no caso infinito, a lista
continua indefinidamente.

Exemplo 2.2.1:

Suponha que, após um exame médico, pessoas sejam diagnosticadas como tendo diabetes (D) e não
tendo diabetes (N). Admita que três pessoas sejam escolhidas ao acaso e classificadas de acordo com
esse esquema.

O espaço amostral é dado por

Nosso interesse é saber quantas pessoas com diabetes foram encontradas, não interessando a ordem
em que tenham sido selecionadas. Isto é, desejamos estudar a variável aleatória , a qual atribui a
cada resultado o número de pessoas com diabetes. Consequentemente, o conjunto dos possíveis
valores de é , ou seja, é uma variável aleatória discreta.

Definição 2.2.2:

Seja uma variável aleatória discreta. A cada possível resultado associaremos um núme-
ro , denominado probabilidade de . Os números , devem satisfazer as seguintes
condições:

para todo ;

A função é denominada função de probabilidade da variável aleatória .

Definição 2.2.3:

A coleção de pares ; é algumas vezes denominada distribuição de probabilida-

de de . Assim, podemos falar que a distribuição de probabilidades de uma variável aleatória discreta ,
definida em um espaço amostral , é uma tabela que associa a cada valor de sua probabilidade.

Exemplo 2.2.2:

Considere que uma moeda é lançada duas vezes. Seja a função definida no espaço amostral
que é igual ao número de caras nos dois lançamentos ( - Cara e - Coroa).

Temos na Tabela a seguir a distribuição de probabilidade referente a variável aleatória X.

Valores de X Pontos amostrais Probabilidade
 0 KK 1/4

1 KC, CK 1/2

2 CC 1/4

Os valores das probabilidades, na tabela acima, são obtidos da seguinte maneira:

Definição 2.2.4:

O quantil ( ) de uma variável aleatória discreta é o menor valor de para o qual

Já o percentil de um valor é o valor da distribuição acumulada em , ou seja,

Relação entre a função de distribuição acumulada e a distribuição de probabilidade discreta

Seja uma variável aleatória discreta cuja distribuição de probabilidade associa aos valores
as respectivas probabilidades .

Como os valores de são mutuamente exclusivos, temos que a função de distribuição acumulada é
dada por

Assim, dada a distribuição de probabilidade de uma variável aleatória discreta, conseguimos determinar
sua função de distribuição acumulada, ou ainda, dada a função de distribuição acumulada, podemos
determinar a sua distribuição de probabilidade.

Exemplo 2.2.3:

Considere dois lançamentos independentes de uma moeda equilibrada. Com o espaço de

probabilidade usual, defina como sendo o número de caras nos dois lançamentos. Determine a
função de distribuição acumulada de .

A variável é discreta e sua distribuição de probabilidade será dada por

A função de distribuição acumulada correspondente será:

Variáveis aleatórias contínuas

Definição 2.3.1:

Seja uma variável aleatória. Suponha que o contradomínio ( ) de seja um intervalo ou uma
coleção de intervalos. Então diremos que é uma variável aleatória contínua.

Os exemplos abaixo ajudam a ilustrar esse conceito.

Exemplo 2.3.1:

Uma válvula eletrônica é instalada em um circuito, seja o período de tempo em a válvula funciona.

Neste caso, é uma variável aleatória contínua podendo tomar valores nos reais positivos, ou seja, o
subconjunto dos números reais .

Exemplo 2.3.2:

Um navio petroleiro sofre um acidente no qual seu casco é rompido e o óleo é derramado. Seja a
variável aleatória que determina a área atingida pelo óleo do navio.

Neste caso, temos que a variável é uma variável continua a qual também assume valores em
no subconjunto dos números reais .

Definição 2.3.2:

Dizemos que é uma variável aleatória absolutamente contínua se existe uma função
denominada função densidade de probabilidade e abreviada por f.d.p, que satisfaz às seguintes
propriedades:

, para todo

Além disso, definimos para qualquer , com que

Vale a pena notar que, da forma como a probabilidade foi definida, a probabilidade de um ponto iso-
lado é sempre zero, ou seja, . Desta forma, podemos concluir que,
quando é uma variável aleatória contínua, a probabilidade de ocorrer um valor especifico é zero.

Observação:

Se é uma variável aleatória absolutamente contínua, então

Exemplo 2.3.3:

Suponha que escolhamos um número ao acaso no intervalo . Qual a probabilidade de escolhermos

o número ?

É zero justamente pelo que foi dito acima, todo ponto isolado em uma variável continua tem
probabilidade zero.

Exemplo 2.3.4:

Seja e seja uma variável aleatória tal que sua função densidade de pro definida
babilidade seja abaixo, com sendo uma constante. Qual deve ser o valor da constan-
te ?

Como é uma função densidade de probabilidade ela deve satisfazer a condição que

Exemplo 2.3.5:

Consideremos uma variável aleatória com densidade abaixo:

Determine o valor de c.

Para isto basta integrarmos a função f(x) em todo o seu domínio, lembrando que esta integral deve ter
valor 1. Assim
Exemplo 2.3.6:

Seja uma variável contínua com f.d.p.

Portanto, a função de distribuição acumulada é dada por

Exemplo 2.3.7:

Suponha que o Lucro Líquido ( ) de uma empresa para o ano futuro esteja en-
tre e . Além disso, temos informações suficientes para supor que o esteja concentrado
em torno do valor médio do intervalo, isto é, em torno de Com isso, podemos modelar a
distribuição de via uma forma triangular, como na Figura a seguir.

Observe que a função de distribuição de probabilidade é construída de forma que a área total abaixo
da curva é igual a 1, note também que ela está concentrada em torno do ponto médio do intervalo
(16.000) e se distribui linearmente do ponto médio aos extremos do intervalo. De forma geral, a função
distribuição de probabilidade de uma distribuição triangular é dada por:
Exemplo 2.3.8:

Seja uma variável aleatória absolutamente contínua com função distribuição de

probabilidade (f.d.p.) dada por

Neste caso, dizemos que tem distribuição Normal.

Resolução:

Para que seja uma f.d.p, basta mostrarmos que

Então, tomamos

e, a partir da mudança de variáveis , temos que:

Teoremas Limites

Os teoremas limites clássicos de probabilidade se referem à sequencias de variáveis aleatórias

independentes e identicamente distribuídas (i.i.d.). Se X1,X2,...X1,X2,... é uma sequência de variáveis
aleatórias com uma média comum, E[X]=μ<∞E[X]=μ<∞, e seja a v.a. Sn=X1+...+XnSn=X1+...+Xn.

A Lei dos Grandes Números informa que a sequência das médias Sn/nSn/n converge para μμ, quando
n→∞n→∞.

Existem duas versões da Lei, a fraca e a forte

Lei Fraca dos Grandes Números

A Lei Fraca dos Grandes Números é um resultado em Teoria da Probabilidade também conhecido como
Teorema de Bernoulli’s. De acordo com a lei, a média dos resultados obtidos por um grande número
de tentativas é próximo a média da população.

Seja Xi...XnXi...Xn uma sequência de variáveis aleatórias identicamente distribuídas e independentes

iidiid, cada uma possuindo média μμ e variância σ2σ2. E a variável aleatória X¯¯¯¯X¯, definida como,
X¯¯¯¯=X1+ … +Xnn=SnnX¯=X1+ … +Xnn=Snn

Então o valor esperado da variável aleatória X¯¯¯¯X¯ é,

E[X¯¯¯¯]=E(X1+…+Xnn)E[X¯¯¯¯]=1n(E(X1)+… +E(Xn))E[X¯¯¯¯]=nμn=μE[X¯]=E(X1+…+Xnn)E[X¯]=
1n(E(X1)+… +E(Xn))E[X¯]=nμn=μ

E a variância é,

V(X¯¯¯¯)=V(X1+…+Xnn)V(X¯¯¯¯)=V(1n)(V(X1)+…+V(Xn))V(X¯¯¯¯)=1n2(σ2+…+σ2)V(X¯¯¯¯)

Valor Esperado e Variância

Seja X¯¯¯¯X¯ uma variável aleatória definida como,

X¯¯¯¯=Snn=X1+…+XnnX¯=Snn=X1+…+Xnn

o valor esperado e a variância são,

E[X¯¯¯¯]=μV(X¯¯¯¯)=σ2nE[X¯]=μV(X¯)=σ2n Pela desigualdade de

Chebyshev temos que,

limn→∞P(|X1+…+Xnn−μ|≥ϵ)≤σ2nϵ2limn→∞P(|X1+…+Xnn−μ|≥ϵ)≤σ2nϵ

De forma simplificada significa dizer que quando n→∞n→∞ a v.a. X¯¯¯¯X¯ que é a média amostral
será igual a média populacional μμ. Ou seja a probabilidade de que a diferença entre a média amostral
e a média populacional ser maior que um valor constante qualquer (ϵ>0ϵ>0), tende a zero.

Teorema - Lei Fraca dos Grandes Números Para

qualquer ϵ>0ϵ>0,

limn→∞P(|Snn−μ|<ϵ)=1limn→∞P(|Snn−μ|<ϵ)=1

Enquanto a lei fraca assegura que para um valor grande de nn, a média Sn/nSn/n ou X¯¯¯¯X¯ é
próxima de μμ com alta probabilidade, a lei não informa que, uma vez estando próxima de μμ, a
sequência de médias permanecerá próxima de μμ.

Lei Forte dos Grandes Números

A lei forte dos grandes números assegura que com probabilidade 1 a sequência de médias
S11,S22,S33,...S11,S22,S33,... tende a média μμ e se comporte dessa forma.

Teorema - Lei Forte dos Grandes Números

P(limn→∞Snn=μ|)=1P(limn→∞Snn=μ|)=1

Lei Grandes Números

Em resumo a lei do grandes números demonstra que,

Lei dos Grandes Números

Snn−μ→0,n→∞Snn−μ→0,n→∞

A seguir é apresentado dois exemplos dessa convergência, a partir da simulação de valores de uma
população Binomial e uma Normal.

=σ2n
Teorema Central do Limite

O Teorema Central do Limite (TCL) é um dos teoremas mais importante dentro da Estatística e
Probabilidade. É um teorema limite que foi considerado como “Central” pelo matemático húngaro
George Pólya.

Brevemente, o Teorema Central do Limite estabelece que a distribuição da soma (ou média) de um
grande número de variáveis aleatórias independentes e identicamente distribuídas (i.i.d.) será
aproximadamente normal, independentemente da distribuição subjacente (dessas variáveis).

Esse é um dos motivos porque a distribuição normal é utilizada em tantos testes estatísticos.

Vamos abordar o teorema apresentando de forma bastante resumida alguns pontos importantes e suas
consequências.

Processo De Soma Parcial

Suponha que X1,X2,...X1,X2,... é uma sequência de variáveis aleatórias independentes e

identicamente distribuídas, com uma distribuição de densidade fX(x)fX(x), média μμ e variância σ2σ2
em comum. Assumimos que 0<σ2<∞0<σ2<∞, para que as variáveis aleatórias sejam realmente
aleatórias e não constantes.

Seja,

Sn=X1+...Xn,n NSn=X1+...Xn,n N
Por convenção temos que S0=0S0=0, uma vez que a soma é sobre um conjunto vazio.

O processo aleatório (estocástico) S0,S1,S2,...S0,S1,S2,... é chamado de processo de soma parcial

associado com XX.

Em termos estatísticos (para diferenciar da teoria de probabilidade), a sequência X1,X2,...X1,X2,...

corresponde ao processo de amostragem de uma dada população (ou distribuição). De forma
particular, (X1,X2,...,Xn)(X1,X2,...,Xn) é uma amostra aleatória de tamanho nn dessa distribuição, e
a correspondente média amostral é

X¯¯¯¯=Snn=X1+ … +Xnn=1n∑i=1nXiX¯=Snn=X1+ … +Xnn=1n∑i=1nXi

E pela Lei dos Grandes Números, Sn→μSn→μ quando n→∞n→∞ com probabilidade 1.

Note que, se n Nn N, então pela propriedade da linearidade do valor esperado, para v.a.
independentes:

E[Sn]=nμV(Sn)=nσ2E[Sn]=nμV(Sn)=nσ2

Como pode-se notar acima não podemos esperar que SnSn tenha uma distribuição limitante quando
n→∞n→∞, pois a V(Sn)→∞V(Sn)→∞ bem como o E[X]→∞E[X]→∞.

Porém antes mesmo de estabelecer esses limites podemos verificar a forma da distribuição a medida
que nn aumenta, e visualizar a pressuposição e deduções dos teoremas e leis apresentadas até aqui.

Através de uma simulação Monte Carlo verificaremos a forma de uma distribuição da variável aleatória
SnSn, que é a soma de v.a.s independentes e identicamente distribuídas.

Começaremos a simulação da soma de duas v.a. uniformes X U(0,1)X U(0,1)

Sn=X1+...+XnS2=X1+X2
Nota-se que a forma da distribuição SnSn converge em uma distribuição normal com
E[Sn]=nμE[Sn]=nμ e V(Sn)=nσ2V(Sn)=nσ2.

Porém note que a distribuição irá se degenerar quando n→∞n→∞, pois quando

E[Sn]→∞E[Sn]→∞ e V(Sn)→∞V(Sn)→∞.

De forma similar para Sn/n=X¯¯¯¯Sn/n=X¯, E[X¯¯¯¯]→μE[X¯]→μ e

V(X¯¯¯¯)→σ2/n→0V(X¯)→σ2/n→0.

Assim sabemos que Sn/n→μSn/n→μ quando n→∞n→∞ com probabilidade 1, e a distribuição limite da
soma de variáveis aleatórias SnSn ou da média amostral Sn/n=X¯¯¯¯Sn/n=X¯ irá se degenerar.

Então para se obter uma distribuição limitante de SnSn ou Sn/n=X¯¯¯¯Sn/n=X¯ que não se degenere,
precisaremos considerar, não as variáveis aleatórias por si, mas as variáveis normalizadas,

Zn=Sn−nμn−−√σ=X¯¯¯¯−μσ/n−−√

Teorema Central do Limite

Seja ZnZn uma variável aleatória definida como,

Zn=X¯¯¯¯−μσ/n−−√ N(0,1)Zn=X¯−μσ/n N(0,1)

o valor esperado e a variância são,

E[X¯¯¯¯]=0V(X¯¯¯¯)=1E[X¯]=0V(X¯)=1

O Teorema Central do Limite estabelece que a distribuição de ZnZn converge em distribuição para uma
distribuição normal padrão quando n→∞n→∞

Note que o teorema não restringe a sua dedução à algum tipo específico de distribuição de XX. Dessa
forma o teorema é válido para qualquer tipo de distribuição.

Abaixo segue o código que demonstra os resultados do teorema do limite central para a distribuição da
média amostral e variância amostral de amostras obtidas de diferentes v.a.s, para as distribuições,
Exponencial, Normal, Uniforme, Poisson, etc… O código foi disponibilizado por Nicole Radziwill
Code

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

________________________________________________________________________________

_
Gráficos e Tabelas

Os gráficos são recursos utilizados para representar um fenômeno que possa ser mensurado,
quantificado ou ilustrado de forma mais ou menos lógica. Assim como os mapas indicam uma
representação espacial de um determinado acontecimento ou lugar, os gráficos apontam uma
dimensão estatística sobre um determinado fato.

Por esse motivo, interpretar corretamente os gráficos disponibilizados em textos, notícias, entre outras
situações, é de suma importância para compreender determinados fenômenos. Eles, geralmente,
comparam informações qualitativas e quantitativas, podendo envolver também o tempo e o espaço.

Existe uma grande variedade de tipos de gráficos, dentre os quais podemos destacar os de coluna, em
barras, pizza, área, linha e rede.

Gráficos De Coluna

Juntamente aos gráficos em barra, são os mais utilizados. Indicam, geralmente, um dado quantitativo
sobre diferentes variáveis, lugares ou setores e não dependem de proporções. Os dados são indicados
na posição vertical, enquanto as divisões qualitativas apresentam-se na posição horizontal.

Gráfico em colunas apontando as maiores populações do mundo por país

Gráficos em barra

Possuem basicamente a mesma função dos gráficos em colunas, com os dados na posição horizontal
e as informações e divisões na posição vertical.

Gráfico em barras indicando a taxa de mortalidade infantil no Brasil

Gráficos Em Pizza

É um tipo de gráfico, também muito utilizado, indicado para expressar uma relação de
proporcionalidade, em que todos os dados somados compõem o todo de um dado aspecto da
realidade.

Gráfico em pizza com a distribuição da água e da água doce no mundo

Semelhantes aos gráficos de pizza, existem os gráficos circulares. A lógica é a mesma, a divisão de
uma esfera em várias partes para indicar as diferentes partes de um todo em termos proporcionais.

Gráficos Em Linhas

O gráfico de linha é utilizado para demonstrar uma sequência numérica de um certo dado ao longo do
tempo. É indicado para demonstrar evoluções (ou regressões) que ocorrem em sequência para que o
comportamento dos fenômenos e suas transformações seja observado.

Distribuição residencial da população brasileira em um exemplo de gráfico em linhas

Gráfico De Áreas

É semelhante ao gráfico em linhas, diferenciando-se apenas por evidenciar uma noção de proporção
sobre o todo. É também usado para apontar a relação dos diferentes dados entre si.

Gráfico ilustrativo sobre as taxas populacionais em casos de transição demográfica

Gráfico Em Rede

Esse tipo de gráfico não é tão comum na disciplina geográfica, sendo mais frequentemente utilizado
para medição de termos especificamente estatísticos e até em jogos de videogames, on-line ou do tipo
RPG. Sua utilidade é comparar valores distintos de uma mesma variável.

Gráfico em rede sobre a distribuição das atividades no meio rural em um país fictício

Além desses tipos acima apresentados, existem outras várias formas de representar dados e
informações sobre a realidade. O mais importante, além de conhecer cada tipo de gráfico, é procurar
observar com calma todos os dados fornecidos para uma correta leitura das informações disponíveis.
Evolução Do Número De Alunos Da Escola
Esse exemplo revela claramente que para cada informação que se quer comunicar há uma linguagem
mais adequada- aí se incluem textos, gráficos e tabelas. "Eles são usados para facilitar a leitura do
conteúdo, já que apresentam as informações de maneira mais visual", explica Cleusa Capelossi Reis,
formadora de Matemática da Secretaria Municipal de Educação de São Caetano do Sul, na Grande
São Paulo.

Logo no início do Ensino Fundamental, as crianças precisam aprender a ler e interpretar esses tipos
de recurso com o qual elas se deparam no dia a dia. Além disso, esse é um conteúdo importante da
Matemática que vai acompanhá-las durante toda a escolaridade no estudo de diversas disciplinas.

Um Gráfico Mais Adequado Para Cada Tipo De Informação

Barras

Usado para comparar dados quantitativos e formado por barras de mesma largura e comprimento
variável, pois dependem do montante que representam. A barra mais longa indica a maior quantidade
e, com base nela, é possível analisar como certo dado está em relação aos demais. Os Prédios Mais
Altos Do Mundo

As espécies animais ameaçadas de extinção na mata Atlântica

Setor

Útil para agrupar ou organizar quantitativamente dados considerando um total. A circunferência

representa o todo e é dividida de acordo os números relacionados ao tema abordado.

Evolução do desmatamento na região da Amazônia

Linhas

Apresenta a evolução de um dado. Eixos na vertical e na horizontal indicam as informações a que se

refere e a linha traçada entre eles, ascendente, descendente constante ou com vários altos e baixos
mostra o percurso de um fenômeno específico.

Regularidades Ajudam a Compreender Os Fenômenos

Existem vários tipos de gráficos (como os de barras, de setor e de linha) e tabelas (simples e de dupla
entrada). O uso de cada um deles depende da natureza das informações. É importante que os alunos
sejam apresentados a todos eles e estimulados a interpretá-los. "Aqui tem mais quantidade porque
esta torre (barra) é maior que a outra" e "a pizza está dividida em três partes. Então são três coisas
representadas" são falas comuns e que revelam o quanto a turma já sabe a respeito.

Na EMEB Donald Savazoni, na capital paulista, Cláudia de Oliveira pediu que os estudantes do 3º ano
pesquisassem gráficos e tabelas em diversos portadores de texto, como os jornais, e analisou o
material com eles. Além dos diferentes visuais, ela trabalhou elementos imprescindíveis, como o título
(que indica o que está sendo representado), a fonte (que revela a origem das informações) e, no caso
dos gráficos, especificamente, a legenda (que decodifica as cores, por exemplo).
De que assunto trata o gráfico? Quantos dados são apresentados? Como eles aparecem? Esses são
questionamentos pertinentes para fazer aos alunos. Essas intervenções, apoiadas em exemplos, são
uma forma de encaminhar a turma a notar que há certas regularidades que permitem a interpretação
independentemente do conteúdo.

Por exemplo: num gráfico de barras verticais, é a altura que mostra a variação de quantidade e não a
largura das barras. No caso dos eixos, presentes no gráfico de barras e no de linhas, os intervalos
entre as marcações são sempre do mesmo tamanho. Isso serve para garantir a proporcionalidade das
informações apresentadas.

Quanto às tabelas, há diversas formas de usá-las para organizar as informações. Elas podem aparecer
em ordem crescente ou decrescente, no caso de números, ou em ordem alfabética, quando são
compostas de nomes, por exemplo.

Ao selecionar o material para trabalhar em sala, lembre-se de atentar para a complexidade de cada
um. "Quanto mais informações reunirem, mais complicados são. Para essa faixa etária, melhor usar
material com poucos dados, dando preferência aos números absolutos", explica Leika Watabe,
assessora técnica educacional da Secretaria Municipal de Educação de São Paulo.

Escolher temas e assuntos que fazem parte do universo da garotada também é importante. Para as
crianças do 3º ano, Cláudia organizou um estudo do tempo de vida de uma série de animais e organizou
os dados em uma tabela e um gráfico de barras. Na tabela, elas tinham de identificar o assunto tratado
e verificar as informações sobre os bichos, relacionando os dados. Depois, compararam no gráfico as
diferenças entre a expectativa de vida de cada um deles. Por fim, a educadora propôs alguns
problemas para que todos calculassem a diferença de idade entre dois animais. Os alunos
confrontaram os resultados com o gráfico e concluíram que os valores eram proporcionais ao intervalo
entre as barras que representavam os bichos.

Importante: gráficos e tabelas podem ser explorados com muitos conteúdos, de diversas disciplinas -
desde que o material não seja simplesmente exposto em um cartaz na sala. Trabalhar a interpretação
é fundamental. Somente com essa estratégia em jogo, o grupo vai criar familiaridade com esse tipo de
representação, se apropriar dele com segurança e seguir em frente, construindo seus próprios gráficos
e tabelas.

Simples

Usada para apresentar a relação entre uma informação e outra (como produto e preço). É formada por
duas colunas e deve ser lida horizontalmente.

De Dupla Entrada

Útil para mostrar dois ou mais tipos de dado (como altura e peso) sobre um item (nome). Deve ser lida
na vertical e na horizontal simultaneamente para que as linhas e as colunas sejam relacionadas.

De Dupla Entrada
_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

Medidas de Tendência Central

As mais importantes medidas de tendência central são a média aritmética, média aritmética para dados
agrupados, média aritmética ponderada, mediana, moda, média geométrica, média harmônica, quartis.

Quando se estuda variabilidade, as medidas mais importantes são: amplitude, desvio padrão e
variância.
Medidas Fórmula

Média aritmética

Média aritmética para dados

agrupados

Média aritmética ponderada

Mediana 1) Se n é impar, o valor é central, 2) se n é par, o valor é a média dos dois

valores centrais

Moda Valor que ocorre com mais frequência.

Média geométrica
Média harmônica

Quartil

Sendo a média uma medida tão sensível aos dados, é preciso ter cuidado com a sua utilização, pois
pode dar uma imagem distorcida dos dados.

Pode-se mostrar que, quando a distribuição dos dados é "normal", então a melhor medida de
localização do centro é a média.

A distribuição normal é uma das mais importantes e que surge com mais frequência nas aplicações
(esse fato justifica a grande utilização da média).

A média possui uma particularidade bastante interessante, que consiste no seguinte: se calcularmos
os desvios de todas as observações relativamente à média e somarmos esses desvios, o resultado
obtido é igual a zero.

A média tem uma outra característica, que torna a sua utilização vantajosa em certas aplicações:
quando o que se pretende representar é a quantidade total expressa pelos dados, utiliza-se a média.

Na realidade, ao multiplicar a média pelo número total de elementos, obtemos a quantidade pretendida.

Hoje vamos aprender um pouco mais sobre uma parte da Estatística Descritiva, as Medidas de
Tendência Central ou, também conhecidas como, Medidas de Localização ou Medidas de Posição.

Vale lembrar que este é um assunto muito cobrado no Enem e nos vestibulares, então tenha foco e
muita dedicação aí! E se você quiser se aprofundar mais, na plataforma Professor Ferretto você
encontrará o conteúdo completo sobre as estatísticas descritivas, com videoaulas, exercícios e
questões, material didático e muito mais!

Vou começar falando um pouquinho sobre o porquê essas medidas são importantes na análise de um
conjunto de valores. Vou exemplificar da seguinte forma para vocês entenderem melhor: imaginem a
turma de alunos da sua escola ou cursinho. Poderemos ter um valor que represente a idade de todos
os alunos dessa turma. Esse valor que caracteriza as idades de todos esses alunos é uma medida de
tendência central desse conjunto. Tudo bem?!

Vou colocar mais um exemplo para deixar vocês mais seguros quanto a essa ideia. Vamos imaginar
um aluno que realiza várias provas no decorrer do bimestre. Podemos encontrar um valor para
caracterizar a nota do aluno durante este bimestre, usando as medidas de tendência central.

Certo pessoal?!

Então, como podemos ver, as medidas de tendência central nada mais são do que um número central
que representa o conjunto de valores. Logo abaixo, iremos ver a Média, a Moda e a Mediana, que são
as principais medidas de tendência central utilizadas. Vamos ver qual a diferença entre elas e como
calcular!

Vem comigo aqui!

1. MÉDIA ARITMÉTICA (MA)

Então pessoal, a média aritmética é a medida de tendência central mais utilizada para representar um
conjunto de valores. Ela pode ser dividida em dois tipos: a média aritmética simples e a média aritmética
ponderada. Vamos ver cada uma delas e quando podemos usá-las.

1.1 Média aritmética simples

A média aritmética simples, ou simplesmente média, de um conjunto de valores, nada mais é do que a
soma de todos os valores desse conjunto dividida pela quantidade de valores que nós estamos
somando. E nesse tipo de média, todos os valores do conjunto têm pesos iguais.

Vou exemplificar melhor para vocês entenderem. Vamos analisar as idades dos alunos de uma sala de
aula. Vamos supor que os 8 meninos dessa sala possuam as seguintes idades: 13, 16, 15, 17, 13, 16,
15 e 15 anos. Então, para calcularmos a média aritmética desta sequência, basta somarmos as idades
e dividirmos pelo total de alunos:

Então, a média encontrada é de 15 anos. Isso significa que a idade de 15 anos é a idade que melhor
representa esse conjunto de meninos dessa sala de aula.

Agora, vamos pensar em um aluno que realiza 5 provas durante um bimestre, e obtêm as notas 9,0;
7,0; 5,0; 8,0; e 7,0. Imaginem que, para ser aprovado, esse aluno precisa atingir nota final maior ou
igual a 7,0. Então, nós podemos determinar qual a média das notas do aluno no final do bimestre e ver
se ele foi aprovado ou não:

Vejam que a nota média do aluno, no final do bimestre, foi de 7,2, ou seja, o aluno foi aprovado.

A partir desses exemplos a gente pode perceber que a média aritmética simples pode ser determinada
da seguinte forma:

Até aí tudo certo né?! Mas, e se o professor resolvesse atribuir pesos diferentes para cada prova do
bimestre, ou seja, se ele decidir que cada prova realizada terá um valor específico. Bom pessoal, é aí
que devemos usar a média aritmética ponderada e não a média aritmética simples, vamos ver o porquê
disto!

Média Aritmética Ponderada

Então, a média aritmética ponderada é quando cada valor do nosso conjunto de valores possuir um
peso diferente, ou seja, um peso atribuído a esse valor. E se a gente pegar e multiplicar cada valor
pelo seu peso, somar todos os resultados dessa multiplicação e dividir pela soma dos pesos, a gente
terá, então, a média aritmética ponderada. Por isso, se o professor atribuir um valor para cada prova,
a média do aluno deve ser calculada através da média ponderada e não da média aritmética simples.
Vamos ver se o aluno foi aprovado?

Imaginem que o professor decidiu atribuir peso 2 para as duas primeiras provas, peso 1,5 para a
terceira e para a quarta prova e peso 3 para a última prova do bimestre. Vamos calcular:

Vejam que a média do aluno com os pesos ficou em 7,85, o que garante a aprovação do aluno nesse
bimestre. Agora, notem que cada valor de x é multiplicado pelo seu respectivo peso, então, podemos
dizer que a média aritmética ponderada pode ser calculada por:

Agora vamos para a próxima medida de tendência central que é a moda. Vamos lá!? MODA

(Mo)

Eu acredito que a moda seja a medida de tendência central mais fácil de ser calculada. Ela pode ser
definida como o valor que ocorre com mais frequência em um conjunto de dados. Podemos descobrir
a moda apenas analisando a sequência de valores e verificar qual é o número que mais aparece nela.

Vamos usar o conjunto de alunos, do exemplo anterior, que possui as seguintes idades:

13, 16, 15, 17, 13, 16, 15, 15

Analisando esta sequência podemos perceber que o número que aparece com maior frequência é o
15. Então, nesta sala de aula, a idade mais frequente é 15 anos.

Vou usar agora o exemplo das notas do aluno para mostrar para vocês como é simples encontrar a
moda de uma sequência de números. As notas do aluno são:

9, 7, 5, 8, 7

Vejam que a nota mais frequente obtida pelo aluno é 7. Nota de aprovação!

Mas, e se um conjunto de valores apresentar mais de uma moda? Neste caso teremos uma sequência
conhecida como multimodal, ela pode ser bimodal, trimodal e assim por diante. Além disso, caso a
gente tenha um conjunto de valores que não apresente moda, podemos dizer que nós temos uma
sequência amodal.

Tu certo até aí?! Então vamos ver do que se trata a última medida de tendência central, a mediana.
Vem comigo aqui!

MEDIANA (Me)
Então, a Mediana é uma medida de tendência central que está no centro do conjunto de valores, ou
seja, metade dos elementos deste conjunto está acima do centro desse conjunto e a outra metade está
abaixo.

Deixem eu explicar melhor. Vamos ver como podemos encontrar a mediana de um conjunto de valores,
olhem só:

Primeiro, a gente deve pegar essa sequência de valores e colocar ela em ordem crescente ou
decrescente, tanto faz.

-se a sequência apresentar número de elementos ímpar, então, a mediana será o número que ocupar
a posição central do nosso conjunto;

-se a sequência apresentar número de elementos par, então, a mediana será a média aritmética dos
dois números que estiverem no centro.

Vamos ver com um exemplo que ficará bem mais fácil de entender. Lembram do exemplo das idades,
então, vamos colocar a sequência de idades em ordem crescente:

13, 13, 15, 15, 15, 16, 16, 17

Vejam, como temos uma sequência de números par, ou seja, de 8 elementos, os dois termos que estão
no centro são o 4° e o 5° elemento, que nesta sequência podemos ver que são o 15 e 15 anos.

Então, quando nós temos uma sequência de valores par, a gente deve fazer a média aritmética desses
valores para encontrar a mediana:

Então, a mediana das idades dos alunos dessa classe é 15 anos. Agora, vejam como é fácil interpretar
a mediana. Podemos dizer que metade dos alunos possuem idade menor ou igual a 15 anos, e na
outra metade eles possuem idade maior ou igual a 15. Fácil né?!

Vamos ver agora, qual é a mediana das notas do aluno que analisamos anteriormente:

5, 7, 7, 8, 9

Percebam que agora a nossa sequência tem número ímpar, e nesse caso, a mediana é o valor que
está exatamente no centro, ou seja, a mediana das notas do aluno é 7.

Um ponto importante é que muitas vezes a moda e a mediana demostram mais eficiência para
caracterizar um conjunto de valores do que a média aritmética. Vou exemplificar para vocês
entenderem melhor. Vejam o seguinte conjunto de valores:

2, 2, 3, 2, 50

Se fizermos a média, não teremos um valor que melhor descreve esse conjunto, pois o valor 50 faz
com que essa média seja alta. No entanto, repare que 4 dos 5 valores estão entre 2 e 3. Nesse caso,
a média não é uma boa medida para representar esse conjunto. Já a moda e a mediana seriam mais
representativas dos valores deste conjunto, pois elas não são afetadas por valores muito altos ou
baixos no conjunto. A moda e a mediana são iguais a dois, enquanto que a média é igual a 11,8.

Certo pessoal?!

Com isso, finalizamos o nosso texto e eu espero que tenha sido bastante proveitoso para vocês. Eu
quero deixar uma dica para vocês que irão prestar o Enem e o vestibular: pessoal, fiquem bem atentos
às questões, pois elas costumam cobrar as medidas de tendência central, muitas vezes, expressas em
gráficos ou tabelas. Então, saber os conceitos, como calcular cada uma delas e a diferença entre cada
uma é muito importante para você que vai realizar uma destas provas.

O que são Medidas de Tendência Central ou Medidas de Centralidade?

A Estatística trabalha com diversas informações que são apresentadas por meio de gráficos e tabelas
e com diversos números que representam e caracterizam um determinado conjunto de dados. Dentre
todas as informações, podemos retirar valores que representem, de algum modo, todo o conjunto.
Esses valores são denominados “Medidas de Tendência Central ou Medidas de Centralidade”. As
medidas de centralidade são a Média Aritmética, a Moda e a Mediana. Vamos mostrar a seguir o que
vem a ser cada uma delas.

Média Aritmética

É uma das medidas de tendência central mais utilizadas no cotidiano.

É determinada pelo resultado da divisão do somatório dos números dados pela quantidade de números
somados.
Por exemplo, vamos determinar a média dos números 3, 12, 23, 15, 23, 12, 23, 15, 2.
Para isso basta somarmos todos os números e dividirmos pela quantidade de números, ou seja:

Média Aritmética=3+12+23+15+25=113+12+23+15+25=11

O cálculo da Média Aritmética é frequentemente usado nas escolas para efetuar a média final dos
alunos, em campeonatos de futebol para se obter a média de gols de uma determinada rodada ou
mesmo do campeonato; é também utilizado em diversas pesquisas estatísticas, pois determina o
direcionamento das ideias expressas em determinados estudos.

Observação: Média Aritmética Ponderada

É uma Média Aritmética na qual alguns dos números envolvidos possuem “pesos”.
Por exemplo, digamos que a média de uma etapa é dada pela média ponderada das notas das três
primeiras provas, tomando peso 11 para a primeira prova, peso 22 para a segunda prova e peso 33
para a terceira prova.
Neste caso, a Média Aritmética Ponderada é:

(1×Nota 1)+(2×Nota 2)+(3×Nota 3)1+2+3(1×Nota 1)+(2×Nota 2)+(3×Nota 3)1+2+3.

Em outras palavras, a Média Aritmética Ponderada é uma Média Aritmética na qual você repete os
números tantas vezes quantos são seus pesos.

Moda

É a medida de tendência central que consiste no valor observado com mais frequência em um conjunto
de dados.
Por exemplo, digamos que o Palmeiras em determinado torneio de futebol fez, em dez partidas, a
seguinte quantidade de gols:

55, 44, 22, 11, 33, 77, 11, 11, 22 e 11.

Para essa sequência de gols marcados, a moda é de 11 gol, pois é o número que aparece mais vezes.
Outra situação comum seria se dentre 77 pessoas tomássemos suas idades, a saber:

1515 anos, 2020 anos, 3232 anos, 1313 anos, 55 anos, 4343 anos e 9090 anos.

Nesse caso, não há moda, pois nenhuma idade se repetiu mais vezes que a outra.

Observação: Quando um conjunto de dados não apresenta moda, dizemos que esse conjunto é
amodal.

Caso exista uma moda, denominamos o conjunto de Unimodal.

Existindo duas modas, denominamos o conjunto de bimodal e assim sucessivamente.

Mediana

É a medida de tendência central que indica exatamente o valor central de um conjunto de dados quando
organizados em ordem crescente ou decrescente.
Por exemplo, vamos considerar que um aluno tirou as seguintes notas em cinco provas de uma
determinada matéria:

55, 88, 77, 44 e 88.

Colocando as cinco notas em ordem crescente, por exemplo, obtemos 4<5<7<8=84<5<7<8=8.

A mediana é o valor que está no centro dessa sequência, ou seja, 77.
E alguém poderia perguntar: Mas se ao invés de cinco notas fossem seis?
Pois bem, nesse caso ao ordenarmos os números, teremos dois termos centrais ao invés de um. Por
exemplo, digamos que as notas agora são

55, 22 , 88, 77, 44 e 88.

Colocando em ordem crescente, temos 2<4<5<7<8=82<4<5<7<8=8.

Aqui, os dois termos centrais seriam 55 e 77. Portanto, a Mediana desse conjunto de dados é a Média
Aritmética dos dois termos centrais, ou seja,

Mediana=5+72=65+72=6.

Resumindo o cálculo da Mediana:

• Coloque os valores do conjunto de dados em ordem crescente ou decrescente;

• Se a quantidade de valores do conjunto for ímpar, a mediana é o valor central;

• Se a quantidade de valores do conjunto for par, é preciso tirar a Média Aritmética dos valores
centrais.

Um exemplo

Vamos agora ver uma situação bem cotidiana de aplicação do estudo dessas medidas.
O Professor Paulo aplicou uma prova para vinte alunos de uma de suas turmas e agora quer analisar
as medidas de tendência central dessas notas.
1) Vamos calcular, primeiro, a Média Aritmética das notas.
Para tanto, basta somarmos todas as notas e dividirmos por 2020. Deste modo, temos:

Média Aritmética=10120=5,0510120=5,05.
É importante observarmos que com a média aritmética cada aluno pode comparar a sua nota em
relação à nota da turma como um todo. De uma forma mais geral, podemos afirmar que 1010 alunos
ficaram abaixo da média e 1010 alunos ficaram acima da média.

2) Vamos calcular, agora, a Mediana. Observe que as notas já estão classificadas em ordem crescente
no quadro, o que facilita a identificação da mediana.
Deste modo, a mediana das 2020 notas é a média aritmética das 10a10a e 11a11a notas, ou seja,

Mediana=5+62=5,55+62=5,5.

Com a mediana é possível saber se a turma teve ou não um bom desempenho:

uma mediana alta é sinônimo de bom rendimento da turma; mas se a mesma for baixa, é sinônimo de
um baixo rendimento da turma.

3) Já em relação à Moda, esse conjunto de dados possui Moda 66, pois essa é a nota que mais ocorre:
cinco vezes.

Média Aritmética

Compartilhar

Email

A Média Aritmética de um conjunto de dados é obtida somando todos os valores e dividindo o valor
encontrado pelo número de dados desse conjunto.

É muito utilizada em estatística como uma medida de tendência central.

Pode ser simples, onde todos os valores possuem a mesma importância, ou ponderada, quando
considera pesos diferentes aos dados.

Média Aritmética Simples

Esse tipo de média funciona de forma mais adequada quando os valores são relativamente uniformes.

Por ser sensível aos dados, nem sempre fornece os resultados mais adequados.

Isso porque todos os dados possuem a mesma importância (peso). Fórmula

Onde,

Ms: média aritmética simples

x1, x2, x3,...,xn: valores dos dados
n: número de dados Exemplo:

Sabendo que as notas de um aluno foram: 8,2; 7,8; 10,0; 9,5; 6,7, qual a média que ele obteve no
curso?

Média Aritmética Ponderada

A média aritmética ponderada é calculada multiplicando cada valor do conjunto de dados pelo seu
peso.

Depois, encontra-se a soma desses valores que será dividida pela soma dos pesos. Fórmula

Onde,

Mp: Média aritmética ponderada

p1, p2,..., pn: pesos x1, x2,...,xn:
valores dos dados Exemplo:

Considerando as notas e os respectivos pesos de cada uma delas, indique qual a média que o aluno
obteve no curso.

Disciplina Nota Peso

Biologia 8,2 3

Filosofia 10,0 2

Física 9,5 4
 Geografia 7,8 2

História 10,0 2

Língua Portuguesa 9,5 3

Matemática 6,7 4

Média aritmética simples

A média aritmética simples também é conhecida apenas por média. É a medida de posição mais
utilizada e a mais intuitiva de todas. Ela está tão presente em nosso dia a dia que qualquer pessoa
entende seu significado e a utiliza com frequência.

A média de um conjunto de valores numéricos é calculada somando-se todos estes valores e dividindo-
se o resultado pelonúmero de elementos somados, que é igual ao número de elementos do conjunto,
ou seja, a média de n números é sua soma dividida por n.

Exemplo:

Marcos realizou quatro provas de Matemática no decorrer do ano. Suas notas foram:

1ª prova = 6,0 2ª

prova = 7,0 3ª

prova = 9,0 4ª

prova = 8,0

Para encontrar a média aritmética simples, somamos as notas e dividimos por 4, que é o número de
provas realizadas:
Portanto, a média das notas de Marcos foi 7,5.

Média aritmética

A média aritmética é uma das medidas de centralidade. Ela resulta da divisão entre a soma dos
números de uma lista e a quantidade de números somados.

Média aritmética: cálculo usualmente feito para notas finais

A média aritmética é considerada uma medida de tendência central e é muito utilizada no cotidiano.
Surge do resultado da divisão do somatório dos números dados pela quantidade de números somados.

Vamos determinar a média dos números 3, 12, 23, 15, 2.

Ma = (3+12+23+15+2) / 5

Ma = 55 / 5

Ma = 11

A média dos números é igual a 11.

Esse tipo de cálculo é muito utilizado em campeonatos de futebol, no intuito de determinar amédia de
gols da rodada; nas escolas, para o cálculo da média final dos alunos; nas pesquisas estatísticas, pois
a média dos resultados determina o direcionamento das ideias expressas pelas pessoas pesquisadas
etc.

Exemplos:

1º) Calcule a média anual de Carlos na disciplina de Matemática com base nas seguintes notas
bimestrais:

1ºB = 6,0 2ºB

= 9,0 3ºB =

7,0

4ºB = 5,0

Ma = (6,0 + 9,0 + 7,0 + 5,0) / 4

Ma = 27/4 Ma

= 6,75

Não pare agora... Tem mais depois da publicidade ;) A

média anual de Carlos foi 6,75.

2º) O dólar é considerado uma moeda de troca internacional, por isso, o seu valor diário possui
variações. Acompanhando a variação de preços do dólar em reais durante uma semana, foram
verificadas estas variações:

Determine o valor médio do preço do dólar nessa semana.

Ma = (2,3 + 2,1 + 2,6 + 2,2 + 2) / 5

Ma = 11,2 / 5
Ma = 2,24

O valor médio do dólar na semana apresentada foi de R$ 2,24.

3º) Em uma empresa existem cinco faixas salariais divididas de acordo com a tabela a seguir:

Determine a média de salários da empresa.

Ma = (1500 + 1200 + 1000 + 800 + 500) / 5

Ma = 5000 / 5

Ma = 1000

A média salarial da empresa é de R$ 1.000,00.

Média ponderada

Nos cálculos envolvendo média aritmética simples, todas as ocorrências têm exatamente a mesma
importância ou o mesmo peso. Dizemos então que elas têm o mesmo peso relativo.

No entanto, existem casos onde as ocorrências têm importância relativa diferente. Nestes casos, o
cálculo da média deve levar em conta esta importância relativa ou peso relativo. Este tipo de média
chama-se média aritmética ponderada.

Ponderar é sinônimo de pesar. No cálculo da média ponderada, multiplicamos cada valor do conjunto
por seu "peso", isto é, sua importância relativa.

Definiçao de média aritmética ponderada

A média aritmética ponderada p de um conjunto de números x1, x2, x3, ..., xn cuja importância relativa
("peso") é respectivamente p1, p2, p3, ..., pn é calculada da seguinte maneira:

p =

Ou seja, somamos os produtos dos valores pelos seus pesos e dividimos o resultado pela soma dos
pesos.
Exemplo:

Alcebíades participou de um concurso, onde foram realizadas provas de Português, Matemática,

Biologia e História. Essas provas tinham peso 3, 3, 2 e 2, respectivamente. Sabendo que Alcebíades
tirou 8,0 em Português, 7,5 em Matemática, 5,0 em Biologia e 4,0 em História, qual foi a média que ele
obteve?

p =

Portanto, a média de Alcebíades foi de 6,45.

O que é média ponderada?

A média ponderada é uma das medidas estatísticas que representam grandes listas de informações
por um único número.

A média ponderada é uma das medidas estatísticasresponsáveis por representar grandes listas de
informações por meio de apenas um número.

Exemplo de uso de média:

Suponha que os brasileiros consomem, em média, 42 quilos de arroz por ano. Isso não quer dizer que
o consumo de cada é de exatos 42 kg de arroz, mas que alguns consomem mais que isso e outros
menos, de modo que os produtores precisam dar conta de 42 quilos de arroz para cada brasileiro todos
os anos. Assim sendo, o número que realmente interessa para a produção é o médio.

Cálculo da média ponderada

O grau de importância de cada número em uma média ponderada é representado por um peso. A
seguinte situação demonstra como esses pesos funcionam: se um professor aplica duas provas
durante seu curso e a segunda prova vale três vezes mais do que a primeira, nesse caso, dizemos que
a primeira prova possui peso 1 e a segunda possui peso 3.

Para calcular a média ponderada, observe as seguintes orientações:

• Multiplique as informações cuja média precisa ser calculada por seus respectivos pesos;

• 2 – Some os resultados dessas multiplicações;

• 3 – Divida o resultado obtido pela soma dos pesos utilizados.

Matematicamente, é possível representar cada peso por P1, P2… e cada informação por N1, N2…
Assim, teremos a média ponderada M por meio da seguinte expressão:

M = P1N1 + P2N2 + … + PiNi

P1 + P2 + … + Pi

Exemplos

1º Exemplo – Um professor conseguiu fazer com que suas provas mais importantes fossem as últimas
ao atribuir pesos diferentes para cada uma. A primeira prova teve peso 1; a segunda, peso 3; e a
terceira, peso 5. Um dos alunos conseguiu as seguintes notas: 7,0 na primeira prova; 6,0 na segunda
e 4,0 na terceira. Esse aluno conseguirá alcançar a média final 6,0 exigida pela escola? Não pare
agora... Tem mais depois da publicidade ;) Solução:
Para resolver esse problema, podemos usar a fórmula da média ponderada até o “índice 3”.

M = P1N1 + P2N2 + P3N3 P1

+ P2 + P3
M = 1·7 + 3·6 + 5·4 1
+3+5

M = 7 + 18 + 20
9

M = 45
9

M=5

Observe que, ao atribuir maior importância às últimas provas, o professor concedeu um valor maior
para elas que para a primeira, embora todas as provas tivessem valor entre 0 e 10 na correção. Perceba
também que, mesmo obtendo duas notas acima da média, o aluno não conseguiu atingir a média final
da escola. Isso ocorreu porque as duas primeiras provas valeram menos que a última, na qual ele tirou
a menor nota.

2º Exemplo – Uma sapataria comprou os seguintes materiais para fabricação de seus produtos: 160
metros de couro, 200 pacotes de pregos e 40 martelos. Sabendo que cada metro de couro custa R$
23,00; cada pacote de prego custa R$ 13,90 e que cada martelo custa R$ 15,50, calcule o gasto médio
da empresa por produto adquirido.

Solução:

Considere que as quantidades de cada material são seus pesos:

M = P1N1 + P2N2 + P3N3

P1 + P2 + P3

M = 160·23 + 200·13,90 + 40·15,5

160 + 200 + 40

M = 3680 + 2780 + 620

400

M = 6780 400

M = 16,95

Em média, foram gastos R$ 16,95 por material comprado.

Moda, média e mediana

Moda, média e mediana são números que resumem as informações de uma lista de dados a apenas
uma informação.

Média, moda e mediana são medidas que representam informações de uma lista de dados

PUBLICIDADE
Média, moda e mediana são medidas obtidas de conjuntosde dados que podem ser usadas para
representar todo o conjunto. A tendência dessas medidas é resultar em uma valor central. Por essa
razão, elas são chamadas de medidas de centralidade.

Moda

É chamado de moda o dado mais frequente de um conjunto. Veja um exemplo:

Em uma escola de música, as turmas são formadas por apenas 8 alunos. Na turma “A”, estão
matriculados Mateus, Mateus, Rodrigo, Carolina, Ana, Ana, Ana e Teresa.

Observe que há dois meninos chamados de Mateus e três meninas chamadas de Ana. O nome que
mais se repete é Ana e, por isso, é a moda desse conjunto de dados.
Agora um exemplo com números: em uma escola de música, os oito alunos da turma “A” possuem as
seguintes idades: 12 anos, 13 anos, 13 anos, 12 anos, 11 anos, 10 anos, 14 anos e 11 anos.

Perceba que as idades 11, 12 e 13 repetem-se o mesmo número de vezes e nenhuma idade aparece
mais que essas três. Nesse caso, o conjunto possui três modas (11, 12 e 13) e é chamado de trimodal.

Também podem existir conjuntos bimodais, isto é, com duas modas; amodais, com nenhuma moda etc.

Mapa Mental: Medidas de Tendência Central

Mediana

Se o conjunto de informações for numérico e estiver organizado em ordem crescente ou decrescente,

a sua mediana será o número que ocupa a posição central da lista. Considere que a escola de música
já citada possui nove professores e que suas idades são:

32 anos, 33 anos, 24 anos, 31 anos, 44 anos, 65 anos, 32 anos, 21 anos e 32 anos

Para encontrar a mediana das idades dos professores, devemos organizar a lista de idades em ordem
crescente:

21, 24, 31, 32, 32, 32, 33, 44 e 65

Observe que o número 32 é o quinto. À sua direita, existem outras 4 idades, assim como à esquerda.
Logo, 32 é a mediana da lista das idades dos professores.

21, 24, 31, 32, 32, 32, 33, 44, 65

Se a lista possuir um número par de informações, para encontrar a mediana (M a), devemos encontrar
os dois valores centrais (a1 e a2) da lista, somá-los e dividir o resultado por 2.

Ma = a1 + a2
2

Se as idades dos professores fossem 19 anos, 19 anos, 18 anos, 22 anos, 44 anos, 45 anos, 46 anos,
46 anos, 47 anos e 48 anos, a lista crescente com as duas medidas centrais seria:

18, 19, 19, 22, 44, 45, 46, 46, 47, 48

Não pare agora... Tem mais depois da publicidade ;)

Observe que a quantidade de informações à direta e à esquerda desses dois números é exatamente a
mesma. A mediana desse conjunto de dados é, portanto:

Ma = a1 + a2 2
Ma = 44 + 45
2

Ma = 89 2

Ma = 44,5 anos

Média

Média (M), mais precisamente chamada de média aritmética simples, é o resultado da soma de todas
as informações de um conjunto de dados dividida pelo número de informações que foram somadas. A
média aritmética simples entre 14, 15 e 25, por exemplo, é a seguinte:

M = 14 + 15 + 25 3

Como há três dados na lista, dividimos a soma desses dados pelo número 3. O resultado é:

M = 54
3

M = 18

A média é a medida de centralidade mais usada por ser a que mescla de maneira mais uniforme os
valores mais baixos e os mais altos de uma lista. No conjunto anterior, por exemplo, a medianaé igual
a 44,5, mesmo com tantas idades próximas de 20 anos. Observe a média aritmética simples desse
mesmo conjunto:

M = 18 + 19 + 19 + 22 + 44 + 45 + 46 + 46 + 47 + 48
10

M = 35,4 anos

Média ponderada

A média ponderada (Mp) é uma extensão da média simples e considera pesos para as informações do
conjunto de dados. É feita por meio da soma do produto de uma informação pelo seu respectivo peso
e, em seguida, a divisão desse resultado pela soma de todos os pesosusados.

Considere como exemplo os dados na tabela a seguir, que contém uma lista com as idades dos alunos
do sexto ano da escola A. Vamos calcular a média das idades.

Existe a possibilidade de calcular a média simples ao somar 10 anos quatro vezes, 11 anos quinze
vezes etc. Entretanto, por meio de uma média ponderada, podemos considerar a quantidade de alunos
com 11 anos como o peso dessa idade nessa sala de aula; a quantidade de alunos que possuem 10
anos como peso dessa idade, e assim por diante até que todas as idades tenham sido somadas. Assim,
o cálculo da média ponderada seria:

Mp = 4·10 + 15·11 + 10·12 + 1·13

4 + 15 + 10 + 1
Mp = 40 + 165 + 120 + 13
30

Mp = 338 30

Mp = 11,26 anos.

Média, Moda e Mediana

Compartilhar

Email

Média, Moda e Mediana são medidas de tendência central utilizadas em estatísticas.

Média

Média é a soma dos valores dos dados de um conjunto dividido pelo número de dados (elementos)
constante nesse conjunto.

Como Calcular?

A fórmula é: {n + n + n + n + n} / 5 Exemplo:

{32, 27, 15, 44, 15}

Média = {32 + 27 + 15 + 44 + 15} / 5

Média = 133 / 5 = 26,6
Média = 26,6

Importa referir que a média é uma medida sensível aos dados. Por esse motivo, nem sempre funciona
adequadamente.

Adequa-se mais nas situações em que os dados são distribuídos mais ou menos de forma uniforme,
ou seja, valores sem grandes discrepâncias.

Moda

Moda (Mo) é o valor mais frequente num conjunto de dados.

Como Calcular?

Não há fórmula para calcular a moda. Para tanto, basta observar a frequência com que os valores
aparecem.

Exemplo:

{32, 27, 15, 44, 15} Mo

= 15

É chamada bimodal quando há mais do que uma medida com maior frequência:

{32, 27, 15, 44, 15, 32}

Mo = 32 ou 15 Mediana

Mediana (Md) é o valor que medeia os valores presentes num conjunto ordenado numericamente.

Como Calcular?

Primeiro é preciso colocar os valores em ordem crescente ou decrescente para, de seguida, encontrar
o centro do conjunto.

Exemplo:
{32, 27, 15, 44, 15}

{15, 15, 27, 32, 44}

Md = 27

Quando o número de valores presentes no conjunto é par, a mediana é encontrada pela média dos
dois valores centrais. Assim, esses valores são somados e divididos por dois, ou seja, n + n / 2.

Exemplo:

{32, 27, 15, 44, 15, 32}

{15, 15, 27, 32, 32, 44}

Md = 27 + 32 / 2
Md = 59 / 2

Se os dados de uma variável quantitativa estão dispostos em uma tabela agrupada em classes, e não
há acesso aos dados originais, é possível encontrar a moda por vários procedimentos. Vamos
apresentar três.

1) Moda bruta A moda bruta é simplesmente o ponto médio da classe de maior freqüência, a classe
modal (que possui a freqüência modal). Vejamos o exemplo abaixo:

Classes Freqüência 10 |-- 2030 20 |-- 3050 30 |-- 4070 40 |-- 5060 50 |-- 6010 Total 220

2) Moda de King

O cálculo da moda leva em conta a influência das classes adjacentes à classe modal, "deslocando" a
moda em direção a aquelas. A fórmula para cálculo da moda de King é:

postant post iKing f f clMoOnde: - li é o limite inferior da classe modal;

- c é a amplitude das classes;

- fpost é a freqüência da classe imediatamente posterior à classe modal;

- fant é a freqüência da classe imediatamente anterior à classe modal;

Calculando a moda de King para a tabela de freqüências mostrada anteriormente:

Classes Freqüência 10 |-- 2030 20 |-- 3050 30 |-- 4070 40 |-- 5060 50 |-- 6010 Total 220 f clMo

postant post iKing =œ ß

O valor da moda foi deslocado para cima porque a freqüência da classe imediatamente posterior à
modal é maior do que a da classe imediatamente anterior.

3) Moda de Czuber O cálculo da moda de Czuber leva em conta não somente a influência das classes
adjacentes à modal, mas também a própria freqüência modal. A fórmula para cálculo da moda de
Czuber é: f clMo
postantalmod antalmod iCzuber

Onde: - li é o limite inferior da classe de modal; - c é a amplitude das classes;

A classe modal é a terceira: 30 |-- 40. O ponto médio desta classe é a média entre 30 e 40. Portanto a
moda bruta desta tabela vale 35.

A classe modal é a terceira: 30 |-- 40. O limite inferior desta classe vale 30 (li = 30). A amplitude das
classes vale 10 (c = 10). A freqüência da classe imediatamente posterior é 60 (fpost = 60), e da classe
imediatamente anterior é 50 (fant = 50). Substituindo os valores na fórmula vamos obter:

- fmodal é a freqüência da classe modal; - fpost é a freqüência da classe imediatamente posterior

à classe modal;

- fant é a freqüência da classe imediatamente anterior à classe modal; Calculando a moda de

Czuber para a tabela de freqüências mostrada anteriormente:

Classes Freqüência 10 |-- 2030 20 |-- 3050 30 |-- 4070 40 |-- 5060 50 |-- 6010 Total 220 f clMo

postantalmod antalmod iCzuber =œ

Observe que os três valores de moda são diferentes! Qual deles escolher? A moda absoluta baseiase
no ponto médio, que pode ou não ser um bom representante da classe. A moda de King não leva em
conta a freqüência da própria classe modal, o que ocorre na de Czuber. Mas estes três procedimentos
são aproximações, a moda real seria obtida a partir dos dados brutos.

Moda para dados agrupados em classe Para determinar a moda de uma série de dados agrupados
em classes, podemos optar por vários processos. Daremos destaque para a moda de Pearson, a moda
de King e a moda de Czuber.

3.5.3.1 . Moda de Pearson

A moda de uma variável contínua pode ser obtida através do valor da média e da mediana.

32MoM d x=− Exemplo:

Reais if 1.0,0 8

Total 18

Alturas (cm) if

Total 9
n Fant

Note que a moda está situada na terceira classe que é a classe de maior freqüência da série. Esta é
chamada de classe modal.

3.5.3.2 . Moda de King

Esta fórmula leva em consideração a freqüência simples da classe anterior e a freqüência simples da
classe posterior à classe modal. i i f postMol h

Onde:

il = limite inferior da classe modal ifpost = freqüência simples da classe posterior à classe modal. ifant

= freqüência simples da classe anterior à classe modal. h = amplitude do intervalo de classe.

Exemplo: Aplicando a fórmula de King aos dados do exercício anterior, temos: A classe modal é a de
maior freqüência, portanto é a terceira, e a moda vale:

3.5.3.3 . Moda de Czuber

Nesta formulação, levou-se em consideração a freqüência simples da classe anterior, a freqüência

simples da classe posterior, além da freqüência simples da classe modal. É portanto, uma fórmula mais
completa que a fórmula de King.

i i f mo f antMol h

Onde: il = limite inferior da classe modal ifmo = freqüência simples da classe modal. ifant = freqüência
simples da classe anterior à classe modal. ifpost = freqüência simples da classe posterior à classe
modal. h = amplitude do intervalo de classe.

Exemplo: Aplicando a fórmula de Czuber aos dados do exercício anterior, temos: A classe modal é a
de maior freqüência, portanto é a terceira, e a moda vale:
Observação: A fórmula de Pearson tem normalmente interesse teórico. Se não dispusermos da média
e da mediana na distribuição, a fórmula de Pearson é a mais trabalhosa. Esta fórmula é mais adequada
para distribuições simétricas. A fórmula de King é a mais simples delas, mas não a mais precisa. A
fórmula de Czuber é mais precisa que a fórmula de King, pois leva também em consideração a
freqüência da classe modal. Nos exemplos anteriores, o cálculo da moda pelos três processos
determinou três valores diferentes. É claro que os três valores obtidos são valores aproximados do
verdadeiro valor da moda. Normalmente o mais confiável é o valor da moda de Czuber.

Exemplos 1) Determine a moda da tabela de freqüência do exercício 1 do capítulo 2. Estatura

(cm) if

f postMo l h

Moda de Czuber: ()() i i f mo f antMo l h

2) Determine a moda da tabela de freqüência do exercício 2 do capítulo 2.

Pesos (Kg) if

f postMo l h

Moda de Czuber: ()() i i f mo f antMo l h

3) Determine a moda da tabela de freqüência do exercício 3 do capítulo 2.

f postMo l h

Moda de Czuber: ()() i i f mo f antMo l h

4) Determine a média , a mediana e a moda de Czuber para os dados da tabela a seguir.

n Fant
i i f mo f antMo l h

Nota: Na maioria das situações, não necessitamos calcular as três medidas de tendência central.
Normalmente precisamos de apenas uma das medidas para caracterizar o centro da série. Surge então
a questão: qual medida deve ser usada? A medida ideal em cada caso é aquela que melhor representa
a maioria dos dados da série. Quando todos os dados de uma série estatística são iguais, a média, a
mediana e a moda coincidirão com este valor e, portanto, qualquer uma delas representará bem a
série. No entanto, este caso dificilmente ocorrerá na prática.

Na maioria das vezes, teremos valores diferenciados para a série e conseqüentemente a medida irá
representar bem, apenas os dados da série que se situam próximos a este valor. Os dados muito
afastados em relação ao valor da média não serão bem representados por ela. Dessa forma, se uma
série apresenta forte concentração de dados em sua área central, a média, a mediana e a moda ficam
também situadas em sua área central representando bem a série, como na figura abaixo.

Como a mais conhecida é a média, optamos por esta medida de tendência central. Concluindo,
devemos optar pela média, quando houver forte concentração de dados na área central da série.

Se uma série apresenta forte concentração de dados em seu início (assimetria positiva), a mediana e
a moda estarão posicionadas mais no início da série, representando bem esta concentração. A média
que é fortemente afetada por alguns valores posicionados no final da série se deslocará para a direita
desta concentração, não a representando bem. Como a mais conhecida entre mediana e moda é a
mediana, esta será a medida indicada neste caso. A mesma situação ocorre se a série apresenta forte
concentração de dados em seu final (assimetria negativa). Concluindo, devemos optar pela mediana,
quando houver forte concentração de dados no início ou no final da série.

A moda deve ser a opção como medida de tendência central apenas em séries que apresentam um
elemento típico, isto é, um valor cuja freqüência é muito superior à freqüência dos outros elementos da
série.

_________________________________________________________________________________

_________________________________________________________________________________

Medidas de Dispersão

A estatística é uma ciência que usa a análise dos dados para testar as hipóteses estatísticas, verificar
a força da evidência clínica e, assim, se existem associações entre grupos ou a veracidade de
fenômenos de interesse.

O pesquisador deve formular hipóteses, observar os fenômenos biológicos que ocorrem na população
e retirar dessa população uma amostra para testar suas hipóteses. A semelhança de uma amostra com
a população que a originou permite que os resultados da análise dos dados sejam mais fidedignos
para a elucidação das hipóteses.

A análise estatística, presente nas pesquisas científicas e relatada nos artigos originais, permite ao
leitor, aos pacientes e aos gestores de saúde interpretar a informação advinda dos dados coletados
durante a execução de uma pesquisa e assim usá-la em prol da sociedade. A preocupação de relatar
adequadamente os resultados de pesquisas biomédicas está presente na literatura mundial desde
décadas passadas.

A frequência do uso adequado dos testes estatísticos pode ser vista em diversas áreas médicas, como
oncologia, radiologia, cirurgia e anestesiologia. As consequências podem ser sérias se a análise do
conteúdo científico for inadequada, como resultados falsos com suposições não justificadas e
conclusões sem respaldo biológico.

As mais diversas orientações para relatos de dados e medidas estatísticas estão disponíveis aos
pesquisadores e já foram publicadas por vários autores de artigos científicos que demonstraram quais
itens são importantes para ser usados em relatos de pesquisas científicas.
Apesar da existência de tais orientações, os erros nos relatos de pesquisas que usam a estatística
ainda continuam a existir e se devem tanto ao uso da estatística básica como da estatística avançada,
porém a maior frequência ocorre com o uso da estatística básica, ao contrário do que se pode acreditar.

O presente artigo de revisão é uma tentativa de tornar os anestesiologistas cônscios dos diversos
aspectos dos métodos estatísticos usados em pesquisas clínicas, assim como tentar, por meio desta
revisão narrativa, reduzir ao máximo os erros estatísticos que ainda são cometidos na parte básica da
estatística. O objetivo deste artigo foi rever alguns tópicos básicos de estatística para alertar autores e
leitores de pesquisas científicas sobre a importância do relato adequado da estatística básica.

Método

Foi executada uma pesquisa bibliográfica e transversal por meio de publicações de livros e artigos
científicos obtidos em meios eletrônicos nas seguintes bases de dados: SciELO (Scientific Electronic
Library Online) e PubMed (National Center for Biotechnology Information). Foram usados os seguintes
descritores: bioestatística, anestesia e tamanho da amostra. Os mesh terms usados foram:
biostatistics, anesthesia e sample size.

Revisão de Literatura

Conceitos Básicos de Estatística Descritiva

Os clínicos devem ser capazes de tomar as melhores decisões perante o paciente em sua prática
rotineira e a aquisição de novo conhecimento somente será possível se eles forem capazes de ler e
analisar criticamente os artigos publicados em periódicos científicos.

A estatística descritiva é uma parte da estatística que auxilia os pesquisadores e os leitores a

entenderem as informações de dados coletados por meio da sua organização e sumarização.

A estatística descritiva é a única estatística usada em trabalhos descritivos e em alguns estudos

epidemiológicos.

O uso de dados brutos em artigos científicos, ou seja, dados da forma como foram coletados na
pesquisa, não é comum e pode prejudicar a sua interpretação e tornar a leitura desinteressante.

A estatística descritiva é usada para a descrição de dados por meio do uso de números ou medidas
estatísticas que possam melhor representar todos os dados coletados durante a execução de uma
pesquisa. É considerada um passo inicial para a escolha adequada e o uso dos testes estatísticos de
hipóteses. É essencial conhecer qual estatística é mais apropriada para os mais diferentes níveis de
mensuração. As mais usadas em artigos publicados na área de saúde podem ser vistas na tabela 1.

Tabela 1 Resumo da estatística descritiva mais usada em publicações na área de saúde 12

Estatística descritiva

Forma e normalidade Tendência central Dispersão ou variação Percentil e quartil

Simetria Moda Amplitude Percentil

Curtose Mediana Variância Amplitude interquartílica

Média Desvio padrão

A estatística descritiva pode ser dividida em medidas de tendência central e de dipersão. A primeira
usa um valor que representa o que é mais típico e que pode ser usado para representar todos os
demais valores coletados numa pesquisa.

A segunda usa um valor que revela como os dados variam em torno desse valor que é mais típico. As
principais medidas de tendência central são: a média, a moda e a mediana. As principais medidas de
dispersão são a variância, o desvio padrão e a amplitude interquartílica.
A média é uma medida importante porque incorpora o valor de cada participante da pesquisa. Os
passos necessários ao seu cálculo são: contar o número total de casos, que é conhecido usualmente
em estatística como “n”; somar todos os valores e dividir pelo número total de casos. Essa vantagem
da média também é seu problema, pois é afetada por valores discrepantes altos ou baixos que
distorcem a informação que se deseja transmitir sobre os dados analisados.

A mediana difere da média porque é a posição cujo valor numérico situa-se na metade da distribuição
dos demais valores quando organizados em ordem crescente. Se tomarmos valores aleatórios 88, 89,
90, 91 e 92, teremos como média 90.

A moda é o valor que ocorre mais frequentemente e não providencia uma indicação de todos os valores
coletados numa pesquisa, mas sim daquele que mais se repetiu. Se tomarmos valores aleatórios 88,
88, 90, 91 e 92, teremos como moda 88.

A mediana e os quartis são valores representativos da posição, em escala percentual, dos valores
distribuídos em ordem crescente. A mediana representa a posição 50% na escala de distribuição.

Para saber onde está a posição da mediana, basta dividir o valor total de casos por 2. Uma forma
simples para saber qual é o valor numérico é: ordenar os valores om ordem crescente, eliminar
gradativamente os valores extremos e no fim identificar o valor que ficou no centro. Esse valor será a
mediana.

Em alguns casos todos os valores das extremidades são eliminados e não resta valor central. Quando
isso ocorrer, deve-se fazer a média dos dois últimos valores e assim calcular o valor central. A mediana
não é influenciada pelos valores discrepantes e deve ser preferida quando eles estiverem presentes.
Se tomarmos valores aleatórios 85, 89, 90, 91 e 97, teremos como mediana 90.

As medidas de tendência central têm sua aplicabilidade. A indicação para a aplicação de cada medida
pode ser vista na tabela 2. Tomando-se dois conjuntos de valores aleatórios, o primeiro 88, 89, 90, 91
e 92 e o segundo 30 + 70 + 90 + 120 + 140, teremos como média dos dois conjuntos 90.

Observando-se exclusivamente a média não se percebe a informação sobre o restante dos valores e
por isso é preciso recorrer às medidas de dispersão para se perceber que os dados dos grupos não
são iguais.

Tabela 2 Aplicabilidade das medidas de tendência central12

Medidas de tendência central

Características Média Mediana Moda

Dados intervalares e escalares Sim Sim Sim

Dados ordinais Não Sim Sim

Dados nominais Não Não Sim

Distorção com valores discrepantes Sim Não Não

Os valores podem ser próximos ou distantes da média e essa distância do valor até a média é
conhecida como discrepância. A soma de todas as discrepâncias pode ser igual a zero, então para
poder usar essas discrepâncias é recomendável quadrar cada valor da discrepância antes de usá-lo
matematicamente. A média desses valores quadrados é conhecida como variância. A unidade de
medida da variável analisada também fica quadrada, por isso em alguns casos é difícil compreender
seu significado.

O desvio padrão é uma das medidas estatísticas mais comumente usadas para demonstrar a
variabilidade dos dados. É uma medida que estima o grau em que o valor de determinada variável se
desvia da média. Matematicamente a raiz quadrada da variância é o desvio padrão. A unidade de
medida da variável permanece na sua forma original.
A amplitude total é a distância entre os valores mais alto e mais baixo. É calculada pela subtração entre
o maior e o menor valor de um conjunto de dados. A medida não informa se os valores estão
distribuídos equitativamente, se há grupos de valores próximos uns dos outros ou se há ausências de
grupos de valores entre os dados coletados.

A amplitude interquartílica é uma medida de posição que se relaciona com a mediana. Os quartis
representam a posição 25% e 75% na escala, de maneira que o primeiro quartil representa o valor que
corresponde ao primeiro quarto da distribuição (25% dos valores abaixo dessa posição) e o terceiro
quartil representa o valor que corresponde ao terço quarto da distribuição (75% dos valores acima
dessa posição).

As medidas de dispersão têm sua aplicabilidade. Reanalisando-se os dois conjuntos de valores

aleatórios anteriores percebe-se que para o primeiro conjunto de dados tem-se média 90; desvio-
padrão 1,15 e amplitude total de 88-92; o para o segundo tem-se a média 90; desvio-padrão 43,01 e
amplitude total de 30-140. Percebe-se pelo uso das medidas de dispersão que os conjuntos de valores
são diferentes. A indicação de onde cada medida pode ser empregada pode ser vista na tabela 3.
Tabela 3 Aplicabilidade das medidas de dispersão

Medidas de dispersão

Amplitude Amplitude interquartílica Desvio padrão

Sim Sim Sim

Dados ordinais Sim Sim Não

Descrição da variabilidade da amostra Sim Sim Sim

Participação da inferência estatística Não Não Sim

Características

Dados intervalares e escalares

A média e o desvio padrão são mais bem empregados quando os dados têm distribuição normal ou
simétrica, assim como a mediana e a amplitude interquartílica para dados com distribuição assimétrica.
Uma das formas de identificar se ocorre simetria na distribuição dos dados é criar o gráfico do
histograma e observar sua forma.12A criação do gráfico começa com a distribuição do número de casos
no eixo do y e do nível da variável analisada no eixo do x (fig. 1). Se a forma se assemelhar a um sino,
já existe forte indicativo para que os dados tenham distribuição normal.
Figura 1 Distribuição do número de casos no eixo do y e do nível da variável analisada no eixo do x

A distribuição dos dados também pode ser verificada de forma estatística pela comparação entre a
curva formada pela distribuição dos dados coletados em uma pesquisa e a curva normal. Os aplicativos
de computador podem executar o cálculo como BioEstat version5.0, STATA, EpiInfo e outros.

Conceitos Básicos de Estatística Inferencial

A estatística inferencial é a parte da estatística que é usada para formular conclusões e fazer inferências
após a análise de dados coletados em pesquisas. A estatística inferencial usa os testes de hipóteses
e a estimação para fazer as comparações e predições e tirar conclusões que servirão para as
populações baseados em dados de amostras.

As inferências estatísticas podem ser: a análise bivariada e a análise multivariada. A primeira analisa a
relação entre uma variável dependente e uma independente. A segunda analisa a relação entre uma
variável dependente e múltiplas variáveis independentes e verifica o potencial de confusão ou
confundimento dessas sobre aquela.

A inferência estatística somente é possível após testar as hipóteses estatísticas. A hipótese é uma
presunção numérica acerca de um parâmetro desconhecido ao pesquisador. As duas hipóteses
estatística são: hipóteses de nulidade e alternativa.

A primeira, hipótese de nulidade estatística, refere-se à ausência de efeito ou de associação. A

segunda, hipótese alternativa, defende que existe diferença entre pelo menos duas populações
estudadas e quando positiva diz haver diferença entre os grupos analisados.

Os pesquisadores podem ter dois erros quando se baseiam nessas duas hipóteses para formular
conclusões: erros tipo I e II.

O erro tipo I refere-se a um resultado falso positivo, ou seja, rejeitar a hipótese nula quando na verdade
essa é verdadeira. O erro tipo II refere-se a um resultado falso negativo, ou seja, aceitar a hipótese
nula quando na verdade essa é falsa. A probabilidade de ocorrer o erro tipo I é conhecida como nível
de significância ou alfa.

O nível de significância aceitável e mais usado na área de saúde é de 5%. Os testes estatísticos de
hipóteses calculam a probabilidade de o evento pesquisado ocorrer assumindo-se que a hipótese nula
seja verdadeira.

Essa probabilidade é conhecida como valor de p.1 Se o valor de p calculado pelos testes estatísticos
for menor do que o nível de significância, pode-se rejeitar a hipótese nula e aceitar a hipótese
alternativa que diz haver diferença ou associação entre os grupos analisados. 1 Esse raciocínio se aplica
aos ensaios clínicos de superioridade. O erro mais comum entre os leitores é acreditar que o valor
de p representa a probabilidade de a hipótese nula ser verdadeira. Os ensaios clínicos de não
inferioridade ou de equivalência testam exatamente o contrário, a lógica da interpretação é oposta, já
que a hipótese nula representa a diferença entre os valores observados.

Kurichi et al. fizeram uma pesquisa em 2006, analisaram publicações em diversas revistas científicas
na área de cirurgia e demonstraram que os testes t de Student e do qui-quadrado foram os testes
hipóteses mais usados. Esse achado é corroborado por outras pesquisas em outras áreas da medicina.

O teste t de Student é um teste paramétrico que compara a média de duas amostras. O uso desse
teste requer algumas condições: a população que originou a amostra deve ter distribuição simétrica,
as variâncias das amostras devem ser iguais ou próximas e as amostras devem ser independentes.

A estatística desse teste pode ser obtida de acordo com os seguintes passos: calcular as médias
amostrais e os respectivos desvios padrões, encontrar a diferença entre as duas médias amostrais,
calcular o erro padrão e dividir o valor da diferença entre as médias pelo valor do erro padrão. Uma
vez encontrado o valor de t deve-se consultar uma tabela de valores críticos da estatística t de acordo
com os graus de liberdade adequados a cada caso.

Se o valor de t encontrado for maior ou igual ao valor de t tabelado, pode-se rejeitar a hipótese de
nulidade. O valor da estatística t pode também ser convertido ao valor de p. Se o valor de p for menor
do que nível de significância adotado para a pesquisa, deve-se rejeitar a hipótese de nulidade.

As pesquisas médicas geralmente envolvem mais de dois grupos. O teste de Anova é usado para
simultaneamente testar a igualdade entre mais de dois grupos. As diversas formas desses testes são:
Anova um fator para uma variável independente, Anova dois fatores para duas variáveis independentes
e Anova medidas repetidas analisa participantes que servem como controle para eles mesmos.

O uso desse teste requer algumas condições: a amostra deve ter distribuição simétrica, amostras
devem ser escolhidas de forma aleatória e a homocedasticidade deve ser avaliada. A variância
representa a dispersão dos dados que serão analisados. A homocedasticidade representa a
homogeneidade das variâncias e é um pressuposto que deve ser observado para a execução do teste.

O teste do qui-quadrado é um teste não paramétrico usado para responder perguntas de pesquisa que
envolvem taxas, proporções ou frequências. O teste não requer que os dados assumam uma
distribuição simétrica.

Existem dois testes: qui-quadrado de independência e de aderência. O teste de independência é o mais

usado e avalia a frequência de dados de dois ou mais grupos. O teste de aderência é usado para
comparar dados amostrais com dados de populações conhecidas.

A estatística do teste do qui-quadrado para duas amostras pode ser obtida de acordo com os seguintes
passos: calcular as proporções amostrais, encontrar a diferença entre essas duas proporções, calcular
a proporção amostral geral que será usada no cálculo do erro padrão, calcular o erro padrão e dividir
o valor da diferença entre as proporções pelo valor do erro padrão. A hipótese nula pode ser rejeitada
se o valor de p for menor do que o nível de significância adotado na pesquisa ou se o valor encontrado
for maior ou igual a um valor tabelado tal qual ocorre com o teste t.

O uso dos testes estatísticos não paramétricos tem aumentado com o passar dos anos. 2 Uma pesquisa
que analisou publicações na área de cirurgia observou que em Archives of Surgery houve um aumento
de 0% em 1985 para 33% em 2003 e em Annals of Surgery de 12% em 1985 para 49% em 2003.2 Os
métodos não paramétricos são aplicados para dados que tenham distribuição assimétrica ou
provenientes de escalas ordinais e nominais.

Os mais comuns e suas indicações são: qui-quadrado e teste exato de Fisher para proporções ou
frequências; testes U de Mann-Whitney, Wilcoxon, Kruskal-Wallis e Friedman para dados ordinais; e
Kruskal-Wallis e Friedman para comparações intergrupos. Os dados de amostras com pequeno
número total de participantes podem ser mais bem avaliados com testes não paramétricos.

A formação profissional do médico geralmente lhe oferece um conhecimento básico em estatística,

porém muitos não estão aptos para usar esses conhecimentos na interpretação dos dados. A decisão
de qual teste usar para cada situação em particular requer o esclarecimento de alguns pontos: escala
de medida dos dados; número de grupos; relação entre os participantes, ou seja, se os grupos são
independentes ou relacionados e intenção do pesquisador de estabelecer diferença ou relação entre
os grupos. Um exemplo hipotético seria analisar complicações em sala de recuperação anestésica. O
primeiro passo a se fazer é contar o evento de interesse e dividi-lo pelo total de pacientes para achar
a proporção e ao se multiplicar essa proporção por 100 tem-se a porcentagem. Em seguida se pode
verificar diferença entre gêneros pelo teste do qui-quadrado ou verificar a quantidade de anestésico
usada por cada paciente e extrair a média. Um guia geral para a escolha dos testes pode ser visto na
tabela 4.

Tabela 4 Guia geral para escolha dos testes estatísticos

Teste de hipóteses Indicações do teste estatístico

t de Student Comparar médias de dois grupos cujos dados apresentaram distribuição

normal

Amostras independentes ou amostras relacionadas

Anova Comparar média de mais de dois grupos cujos dados apresentaram

distribuição normal

Amostras independentes ou amostras relacionadas

Qui-quadrado Analisar dados nominais de mais de 40 participantes independentemente

da distribuição dos dados

Amostras independentes

Exato de Fisher Analisar dados nominais de até 40 participantes independentemente da

distribuição dos dados

Amostras independentes

U de Mann-Whitney Analisar dados escalares e ordinais de dois grupos independentemente da

distribuição dos dados

Amostras independentes

Postos sinalizados de Analisar dados escalares e ordinais de dois grupos independentemente da

Wilcoxon distribuição dos dados

Amostras relacionadas

Kruskal-Wallis Analisar dados escalares e ordinais de mais de dois grupos

independentemente da distribuição dos dados

Amostras independentes

Kolmogorov-Smirnov Verificar se dados são da mesma população

Amostras independentes

Como executar o cálculo do tamanho amostral

A estatística é usada para comparações entre grupos e fazer predições para populações a partir de
dados provenientes de amostras, uma vez que geralmente não é viável fazer análise de dados de todos
os membros de uma população.
A hipótese é formulada observando a população testada na amostra. Um número adequado de
participantes deve ser calculado antes da execução da pesquisa. Se o tamanho da amostra for menor
do que o necessário, o efeito real analisado pode ser negligenciado pelo pesquisador e se esse
tamanho for muito grande ocorrerá desperdício de recursos e animais caso se trate de uma pesquisa
experimental.

Erros Comuns Em Anestesia

A identificação de erros em estatística foi pesquisada em literatura da Anaesthetic Research Society.

As categorias apontadas nesta pesquisa foram: apresentação de método ou escolha do teste
estatístico, variabilidade e probabilidade.

Os erros mais comuns foram: ausência de identificação de testes de estatística inferencial,

apresentação inadequada dos dados para permitir a interpretação dos valores de p e apresentação
inadequada do desvio padrão da média.

Os erros comuns encontrados em anestesia são: escolha errada de um teste de hipóteses que
desconsidera a distribuição dos dados, escolha errada de um teste de hipóteses que desconsidera a
hipótese clínica, que leva a erro tipo I durante análises de significância, uso do qui-quadrado quando a
frequência esperada de uma célula é menor do que 5, uso do qui-quadrado sem correção de Yates em
amostra pequenas, uso do teste t para amostras pareada em amostras não pareadas e parear
amostras para analisar com o teste t.

O uso adequado da estatística básica permite que o clínico possa sentir mais confiança nos resultados
das pesquisas e assim implantar novas intervenções ou fármacos na prática clínica.

As principais recomendações para minimizar os erros no relato de artigos científicos são: descrever a
hipótese da pesquisa; conceituar as variáveis usadas na pesquisa; resumir os dados das varáveis por
meio da estatística descritiva; descrever os métodos empregados na análise de cada variável e
relacionar os métodos estatísticos empregados; verificar a distribuição dos dados antes da execução
das análises e relatar o teste ou técnica empregados; descrever os métodos de ajuste usados para
múltiplas comparações; descrever como os valores discrepantes foram tratados.

Descrever o nível de significância; descrever os parâmetros usados para a execução do cálculo do

tamanho da amostra de forma que os cálculos possam ser repetidos; descrever o programa ou pacote
estatístico usado na análise; usar a média e o desvio padrão para dados com distribuição normal; usar
a mediana e a amplitude interquartílica para dados com distribuição assimétrica; não substituir o desvio
padrão pelo erro padrão.

Os maiores erros na interpretação de dados provenientes de pesquisas científicas se devem ao uso

inadequado da estatística básica abordada nesta revisão narrativa.

Os profissionais de saúde devem ser capazes de avaliar criticamente os resultados de estudos para
que as informações dispostas na literatura possam influenciar positivamente nos cuidados aos
pacientes. O entendimento da validade das conclusões propicia a aplicabilidade dos achados aos
pacientes.

A compreensão acerca do uso adequado da estatística básica propicia menores erros nos relatos dos
resultados de estudos executados e na interpretação das suas conclusões.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
_________________________________________________________________________________

_________________________________________________________________________________

Razão e Proporção

Na matemática, a razão estabelece uma comparação entre duas grandezas, sendo o coeficiente entre
dois números.

Já a proporção é determinada pela igualdade entre duas razões, ou ainda, quando duas razões
possuem o mesmo resultado.

Note que a razão está relacionada com a operação da divisão. Vale lembrar que duas grandezas são
proporcionais quando formam uma proporção.

Ainda que não tenhamos consciência disso, utilizamos cotidianamente os conceitos de razão e
proporção. Para preparar uma receita, por exemplo, utilizamos certas medidas proporcionais entre os
ingredientes.

Atenção!

Para você encontrar a razão entre duas grandezas, as unidades de medida terão de ser as mesmas.

Exemplos

A partir das grandezas A e B temos:

Razão: ou A : B, onde b≠0

Proporção: , onde todos os coeficientes são ≠0

Exemplo 1

Qual a razão entre 40 e 20?

Lembre-se que numa fração, o numerador é o número acima e o denominador, o de baixo.

Se o denominador for igual a 100, temos uma razão do tipo porcentagem, também chamada de razão
centesimal.

Além disso, nas razões, o coeficiente que está localizado acima é chamado de antecedente (A),
enquanto o de baixo é chamado de consequente (B).

Exemplo 2
Qual o valor de x na proporção abaixo?

3 . 12 = x x
= 36

Assim, quando temos três valores conhecidos, podemos descobrir o quarto, também chamado de
“quarta proporcional”.

Na proporção, os elementos são denominados de termos. A primeira fração é formada pelos primeiros
termos (A/B), enquanto a segunda são os segundos termos (C/D).

Nos problemas onde a resolução é feita através da regra de três, utilizamos o cálculo da proporção
para encontrar o valor procurado.

Propriedades da Proporção

O produto dos meios é igual ao produto dos extremos, por exemplo:

Logo:

A·D = B·C

Essa propriedade é denominada de multiplicação cruzada.

É possível trocar os extremos e os meios de lugar, por exemplo:

é equivalente

Logo,

D. A = C . B

O que é razão?

A razão é a forma mais comum e prática de se fazer a comparação relativa entre duas grandezas. Para
isto, é necessário que ambas estejam na mesma unidade de medida. Por exemplo: só poderemos
obter a razão entre o comprimento de duas ruas, se as duas estiverem em quilômetros, mas não
poderemos obtê-la caso uma esteja em metros e a outra em quilômetros, ou qualquer outra unidade
de medida diferente. Neste caso, é preciso escolher uma unidade de medida e converter uma das
grandezas para a escolhida.
Para obtermos a razão entre dois números a e b, por exemplo, dividimos a por b. Vale ressaltar que b
deve ser diferente de zero. Ou seja, chamamos de razão entre a e b o quociente a/b=k. (Lê-se “a está
para b”).

O numerador a recebe o nome de antecedente, e o denominador b é denominado consequente dessa

razão.

Veja o exemplo a seguir:

Exemplo: Uma loja tem 1200m² de área construída e 3000m² de área livre. Qual é a razão da área
construída para a área livre?

Para resolvermos o problema, aplicamos a razão = área construída/área livre = 1200/3000 = 2/5.

Ou seja, isto significa que a área construída representa 2/5 = 0,4 ou 40% da área livre.

O conceito de razão é ainda aplicado para calcularmos escala, velocidade média e densidade.

O que é proporção?

A proporção é a expressão que indica uma igualdade entre duas ou mais razões. Dados quatro
números racionais A, B, C e D diferentes de zero, a proporção pode ser expressa da seguinte forma:
A/B = C/D.

O antecedente da primeira razão (A) e o consequente da segunda (D) são chamados de extremos,
enquanto o consequente da primeira razão (B) e o antecedente da segunda razão (C) são chamados
de meios.

A Propriedade Fundamental da Proporção

Uma proporção também pode ser escrita como a igualdade entre os produtos, da seguinte maneira:
A.D = B.C. Esta é a propriedade fundamental da proporção, em que o produto dos meios é igual ao
produto dos extremos.

Exemplo: Na sala A de uma determinada escola, temos 3 meninas para cada 4 meninos, ou seja, temos
a razão de 3 para 4, cuja divisão é igual a 0,75.

Na sala B da mesma escola, temos 6 meninas para cada 8 meninos, ou seja, a razão é de 6 para 8,
que é igual a 0,75. Ambas as razões são iguais a 0,75 e, por isso, são chamadas de proporção.

Usamos razão para fazer comparação entre duas grandezas. Assim, quando dividimos uma grandeza
pela outra estamos comparando a primeira com a segunda.

Definição: Sabendo que existe duas grandezas a e b, a razão entre a e b, com b diferente de zero, é o
quociente entre a e b: a:bou
Exemplo:

Seja a = 18 e b = 12, qual a razão entre a e b?

mas

que são todas razões equivalentes. Primeiro, dividimos por 2, o menor número possível (com exceção
do 0 e 1), o numerador e o denominador, e depois dividimos por 3 o resultado da divisão anterior, que
era o mínimo possível que podíamos dividir tanto o numerador quanto o denominador. Assim, podemos
dizer que a:b = 3:2 ou

Proporção

Proporção é a igualdade entre duas razões (equivalências entre razões). Ou seja, se dissermos que
as razões

São iguais é o mesmo que dizer que elas formam uma proporção.

Propriedade Fundamental da Proporção

O produto dos meios é igual ao produtos dos extremos.

Então, ao escrevermos

Dizemos que a e d são os extremos da proporção e b e c são os meios da proporção.

Levando em conta o conjunto dos números reais, podemos concluir algumas equivalências entre as
proporções. Portanto, para

com a, b, c, d R*, temos que:

Esta teoria será discutida por meio da resolução dos exercícios a seguir apresentados de Razão e
Proporção, e de aulas gratuitas dos professores do Curso Enem Gratuito. No final, tem um simulado
para você testar seu nível.

Exemplos de Regra de Três:

Exemplo 01 – Uma máquina varredeira limpa uma área de 5.100 m2 em 3 horas de trabalho. Esta é a
descrição da situação. Agora, vamos à pergunta que temos de resolver: Nas mesmas condições, em
quanto tempo limpará uma área de 11.900 m2?

Vamos ao raciocínio para a a resolução: Há aqui duas grandezas: a área e o tempo. Dobrando a área
também se dobra o tempo; triplicando a área também se triplica o tempo, e assim por diante.

Desse modo, são grandezas diretamente proporcionais e, assim, têm o quociente constante. Veja
abaixo como representar com flechas as grandezas para facilitar o raciocínio de Razão e Proporção.

Grandezas Diretamente Proporcionais

Apenas como recurso didático, utilizam-se duas flechas de mesmo sentido para identificar que as
grandezas são diretamente proporcionais. É um fundamento para você praticar bem Razão e
Proporção. No exemplo deste exercício temos duas grandezas ( área e tempo) que são diretamente
propor-

cionais. Veja como utilizar as flechas: Assim, com esta representação que
utiliza as flexas para ‘montar o problema’, fica mais fácil também para trabalhar o cérebro e seguir
adiante.

Veja o próximo passo, e a solução do problema:

A solução clássica você já sabe: Você faz a multiplicação cruzada, montando (x . 5100) = (3 .
11900). Em seguida você verfica que 5100.x =
35700 e, ao isolar o x , você fica com 35700 dividido por
5100 para chegar ao resultado final: x é igual a 7 horas.

Exemplo 02 de Razão e Proporção

Um muro foi construído por 8 operários em 30 dias.

Quantos dias seriam necessários para a construção deste mesmo muro, se fossem utilizados 12
operários?

Acompanhe a Resolução: Novamente estamos diante de duas grandezas: operários e dias. Mas, aqui,
ao tempo em que uma aumenta (operários) a outra diminui (dias). Pensando em Razão e Proporção,
você poderia escrever que elas têm uma relação inversa neste caso: são grandezas inversamente
proporcionais, e por isso as setas invertidas.

Veja: Uma maneira de resolver é utilizando o conceito de grandezas, que são

inversamente proporcionais: produto constante.

Pode ser assim:

Dica de resolução > Outra forma é usar o recurso didático das flechas, como indicado acima. Se são
inversamente proporcionais, as flechas são colocadas em sentido contrário.

A seguir criou-se uma proporção, mantendo-se a fração onde se encontra a incógnita e invertendo-se

a outra.

Regra de Três Composta

Agora vamos mudar de patamar um pouco, e aprender (ou revisar) Regra de Três Composta. Uma
regra de três é considerada composta quando envolver três ou mais grandezas para que se
estabeleçam entre elas a Razão e a Proporção.

Exemplos para você não esquecer Razão e Proporção

Exemplo 01 – Uma casa é construída por 40 operários trabalhando 9 horas por dia durante 6 dias. Em
quantos dias 24 operários poderiam construir a mesma casa, trabalhando 5 horas por dia?

Resolução: Perceba que ao contrário do exemplo 01 agora nós temos 3 (tres) grandezas para trabalhar:
operários, as horas trabalhadas por dia, e os dias (duração da obra):

Inicia-se colocando uma flecha para baixo na grandeza que possui a incógnita (dias) e a seguir
compara-se com as outras duas. Operários e dias são grandezas inversamente proporcionais e horas
por dia e dias também são inversamente proporcionais.

Portanto, as flechas nessas grandezas devem ter sentido contrário:

Para finalizar esse dispositivo prático, iguala-se a fração que contém a incógnita ao produto das demais,
respeitando o sentido das flechas.

Veja como “armar a conta” bem certinho, observando o sentido das flechas:

Veja aula gratuita sobre Regra de Três

Confira agora um resumo com o professor Vinny, do Curso Enem Gratuito, com mais exemplos de
resolução de problemas de Regra de Três.

Em seguida, Resolva o Simulado Enem de Regra de Três

Gostou da aula? Agora é ir para o desafio do Simulado de Regra de Três!

Simulado Enem Gratuito de Regra de Três

Resolva os 10 exercícios do Simulado Enem de Regra de Três para se qualificar para a Matemática do
Enem. O Gabarito sai na hora, e você tem aulas de reforço quando não acerta a questão.

Há muitas situações cotidianas, seja na vida cotidiana, na ciência ou negócios que requerem o uso de
razões e proporções. Por exemplo, na cozinha, se há a intenção de acrescentar ou diminuir algum
ingrediente, as razões e proporções são usadas para determinar isso – “3 ovos para cada suas duas
colheres de farinha”.

Pode-se verificar outro uso quando farmacêuticos ministram medicamentos, eles devem ter muita
atenção às proporções dos fármacos.

Razão

A etimologia latina de razão, ratio, não possui ralação com a ideia de faculdade que permite a distinguir
a relação entre as coisas da realidade ou juízo, mas sim a ideia de quociente, divisão, a noção que a
matemática assimilou. Por isso, razão é o quociente entre dois números A e B, com B ≠ 0. Assim, a
razão entre os números A e B pode ser dita “razão de A para B” e representada como:

Uma razão também pode identificada pela representação A : B. É importante saber que, em uma razão,
A sempre será chamado de antecedente, enquanto B será sempre chamado de consequente.

Exemplo:

Se uma bicicleta possui 54 dentes em uma coroa dianteira e 27 dentes na coroa traseira, a razão da
marcha da bicicleta será 54 : 27 ou 2 : 1. Isso significa que a roda traseira gira duas vezes cada vez
que o pedal gira uma vez. Então, se a razão for de 54 : 11, por exemplo, a roda traseira vai girar
aproximadamente cinco vezes para cada vez que o pedal girar.

Proporção

Dados quatro números racionais A, B, C e D diferentes de zero, proporção é a expressão que indica
uma igualdade entre duas ou mais razões e pode ser expressa da seguinte forma:

Uma proporção também pode ser expressa como a igualdade entre os produtos (A . D) e (B . C), da
seguinte forma: A.D = B.C.

É importante saber que os números A, B, C e D são denominados termos, sendo que os números A e
B são os dois primeiros termos e os números C e D são os dois últimos termos da relação de proporção.
Os números A e C são os antecedentes de cada razão, enquanto os números B e D são os
consequentes de cada razão que compõem a relação de proporção. Em uma relação de proporção A
e D são os extremos B e Csão os meios. Além disso, a divisão entre A e B e a divisão entre C e D, é
uma constante K, denominada constante de proporcionalidade K da razão.

Quarta Proporcional

Dados três números A, B e C, nesta ordem, é um número X para completar com os outros três uma
relação de proporção, obtém-se:
Observando a relação acima é possível concluir que a Quarta Proporcional é, simplesmente a chamada
Regra de Três.

Proporção Contínua

É aquela que tem os termos meios iguais: A.D = B.C, com B = C. O valor comum dos meios é chamado
média proporcional (ou média geométrica) dos extremos, pois, por exemplo:

Sendo assim, é possível perceber que a média proporcional entre 2 e 8 é 4, já que:

8.2 = 4.4

Grandezas Diretamente Proporcionais

É um tipo de proporção que envolve duas grandezas e quando uma delas é aumentada a outra também
aumenta na mesma proporção ou diminuindo uma delas a outra também diminui na mesma proporção.
Sendo duas grandezas A e B diretamente proporcionais, então, a relação estabelecida entre elas é:
A/B = K ou A = B.K.

Grandezas Inversamente Proporcionais

É o tipo de proporção que envolve duas grandezas e quando uma delas aumenta a outra diminui na
mesma proporção ou diminuindo uma delas a outra aumenta na mesma proporção. Sendo duas
grandezas A e B inversamente proporcionais, então, a relação estabelecida entre elas é: A.B = K ou A
= K/B.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Juros Simples e Composto

Ao longo dos tempos constatou-se que o problema econômico dos governos; das instituições; das
organizações e dos indivíduos, decorria da escassez de produtos e/ou serviços, pelo fato de que as
necessidades das pessoas eram satisfeitas por bens e serviços

cuja oferta era limitada. Ao longo do processo de desenvolvimento das sociedades, o problema de
satisfazer as necessidades foi solucionado através da especialização e do processo de troca de um
bem pelo outro, conhecido como escambo. Mais tarde surgiu um bem intermediário, para este processo
de trocas que foi a moeda. Assim, o valor monetário ou preço propriamente dito, passou a ser o
denominador comum de medida para o valorizar os bens e os serviços e a moeda um meio de acúmulo
deste valor constituindo assim a riqueza ou capital.

Constatou-se assim, que os bens e os serviços poderiam ser consumidos ou guardados para o
consumo futuro. Caso o bem fosse consumido ele desapareceria e, caso houvesse o acúmulo, surgiria
decorrente deste processo o estoque que poderia servir para gerar novos bens e/ou riqueza através
do processo produtivo. E começou a perceber que os estoques eram feitos não somente de produtos,
mas de valores monetários também, que se bem administrado poderiam aumentar gradativamente
conforme a utilidade temporal. Surge-se daí a preocupação e a importância do acúmulo das riquezas
em valores monetários como forma de investimento futuro e aumento do mesmo conforme o
surgimento das necessidades.

Com o passar dos tempos essa técnica foi sendo melhorada e aperfeiçoada conforme as necessidades
de produção e tão quanto à necessidade mercantis que aflorava cada vez mais tornando os produtores
mais competitivos quanto ao aumento de oferta de suas produções.

Atualmente a técnica utilizada para compreensão de como o capital se comporta em uma aplicação ao
longo do tempo é realizado pela Matemática Financeira. De uma forma simplificada, podemos dizer
que a Matemática Financeira é o ramo da Matemática Aplicada e/ou Elementar, que estuda o
comportamento do dinheiro no tempo. A Matemática Financeira busca quantificar as transações que
ocorrem no universo financeiro levando em conta, a variável tempo, quer dizer, o valor monetário no
tempo (time value money).

As principais variáveis envolvidas no processo de quantificação financeira são: o capital, a taxa de juros
e o tempo.

Capital

Capital é todo o acúmulo de valores monetários em um determinado período de tempo constituindo

assim a riqueza como expresso anteriormente. Normalmente o valor do capital é conhecido como
principal (P). A taxa de juro (i), é a relação entre os Juros e o Principal, expressa em relação a uma
unidade de tempo. (n)

Juros

Deve ser entendido como Juros, a remuneração de um capital (P), aplicado a uma certa taxa (i), durante
um determinado período (n), ou seja, é o dinheiro pago pelo uso de dinheiro emprestado. Portanto,
Juros (J) = preço do crédito.

A existência de Juros decorre de vários fatores, entre os quais destacam-se:

a) inflação: a diminuição do poder aquisitivo da moeda num determinado período de tempo;

b) risco: os juros produzidos de uma certa forma compensam os possíveis riscos do investimento.
c) aspectos intrínsecos da natureza humana: quando ocorre de aquisição ou oferta de empréstimos
a terceiros.

Costuma-se especificar taxas de juros anuais, trimestrais, semestrais, mensais, entre outros, motivo
pelo qual deve-se especificar sempre o período de tempo considerado.
Quando a taxa de juros incide no decorrer do tempo, sempre sobre o capital inicial, dizemos que temos
um sistema de capitalização simples (Juros simples).

Quando a taxa de juros incide sobre o capital atualizado com os juros do período (montante), dizemos
que temos um sistema de capitalização composta (Juros compostos).

Na prática, o mercado financeiro utiliza apenas os juros compostos, de crescimento mais rápido
(veremos adiante, que enquanto os juros simples crescem segundo uma função do 1º grau –
crescimento linear, os juros compostos crescem muito mais rapidamente – segundo uma função
exponencial).

Juros Simples

O regime de juros simples é aquele no qual os juros incidem sempre sobre o capital inicial. Este sistema
não é utilizado na prática nas operações comerciais, mas, a análise desse tema, como introdução à
Matemática Financeira, é de uma certa forma, importante.

Considere o capital inicial P aplicado a juros simples de taxa i por período, durante n períodos.

Lembrando que os juros simples incidem sempre sobre o capital inicial, podemos escrever a seguinte
fórmula, facilmente demonstrável:

J = juros produzidos depois de n períodos, do capital P aplicado a uma taxa de juros por período igual
a i.

No final de n períodos, é claro que o capital será igual ao capital inicial adicionado aos juros produzidos
no período. O capital inicial adicionado aos juros do período é denominado MONTANTE (M). Logo,
teríamos:

Exemplo:

A quantia de R$ 3.000,00 é aplicada a juros simples de 5% ao mês, durante cinco anos. Calcule o
montante ao final dos cinco anos.

Solução: Temos: P = 3000, i =

5% = 5/100 = 0,05 e n = 5 anos

= 5 x 12 = 60 meses.

Portanto, M = 3.000,00 x (1 + 0,05 x 60) = 3.000,00 x (1+3) = R$ 12.000,00.

A fórmula J = Pin, onde P e i são conhecidos, nos leva a concluir pela linearidade da função juros
simples, senão vejamos:

Façamos P.i = k.

Teremos, J = k.n, onde k é uma constante positiva. (Observe que P . i > 0)

Ora, J = k.n é uma função linear, cujo gráfico é uma semi-reta passando pela origem. (Porque usei o
termo semi-reta ao invés de reta?). Portanto, J/n = k, o que significa que os juros simples J e o número
de períodos n são grandezas diretamente proporcionais. Daí infere-se que o crescimento dos juros
simples obedece a uma função linear, cujo crescimento depende do produto P.i = k, que é o coeficiente
angular da semi-reta J = kn.
 M = P + J = P + P.i.n = P(1 + i.n)

0 mese
s
1º 2º 3º 4º

É comum nas operações de curto prazo onde predominam as aplicações com taxas referenciadas em
juros simples, ter-se o prazo definido em número de dias. Nestes casos o número de dias pode ser
calculado de duas maneiras:

• Pelo tempo exato , pois o juro apurado desta maneira denomina-se juro exato, que é aquele
que é obtido quando o período (n) está expresso em dias e quando o período é adotada a conversão
de ano civil (365 dias)
• Pelo ano comercial, pois o juro apurado desta maneira denomina-se juro comercial que é
aquele calculado quando se adota como base o ano comercial (360 dias) Exercício Proposto 01:

Calcule o montante ao final de dez anos de um capital R$ 10.000,00 aplicado à taxa de juros simples
de 18% ao semestre (18% a.s).

Resposta: R$ (?)

Vimos anteriormente, que se o capital (P) for aplicado por (n) períodos, a uma taxa de juros simples (i),
ao final dos n períodos, teremos que os juros produzidos serão iguais a J = Pin e que o montante
(capital inicial adicionado aos juros do período) será igual a M = P(1 + in).

O segredo para o bom uso destas fórmulas é lembrar sempre que a taxa de juros i e o período n têm
de ser referidos à mesma unidade de tempo.

Assim, por exemplo, se num problema, a taxa de juros for i =12% ao ano = 12/100 = 0,12 e o período
n = 36 meses, antes de usar as fórmulas deveremos colocá-las referidas à mesma unidade de tempo,
ou seja:

a) 12% ao ano, aplicado durante 36/12 = 3 anos , ou

b) 1% ao mês = 12%/12, aplicado durante 36 meses, etc.
Exemplos:

01 – Quais os juros produzidos pelo capital R$ 12.000,00 aplicados a uma taxa de juros simples de
10% ao bimestre durante 5 anos?
Solução 01:

Temos que expressar i e nem relação à mesma unidade de tempo.

Vamos inicialmente trabalhar com BIMESTRE (dois meses):

i = 10% a.b. = 10/100 = 0,10

n = 5 anos = 5 x 6 = 30 bimestres (pois um ano possui 6 bimestres) Então: J = R$ 12.000,00 x 0,10 x

30 = R$ 36.000,00 Solução 02:

Para confirmar, vamos refazer as contas, expressando o tempo em meses.

Teríamos: i = 10% a x b = 10/2 = 5% ao mês = 5/100 = 0,05 n = 5 anos = 5 x 12 =

60 meses

Então: J = R$ 12.000,00 x 0,05 x 60 = R$ 36.000,00

02 – Um certo capital é aplicado em regime de juros simples, a uma taxa mensal de 5%. Depois de
quanto tempo este capital estará duplicado?

Solução 01:

Temos: M = P(1 + in). Logo, o capital estará duplicado quando M = 2P. Logo, vem:

2P = P(1 + 0,05n); (observe que i = 5% a.m. = 5/100 = 0,05). Simplificando, fica:

2 = 1 + 0,05n 1 = 0,05n, de onde conclui-se n = 20 meses ou 1 ano e oito meses.

Exercício Proposto 02:

Um certo capital é aplicado em regime de juros simples, a uma taxa anual de 10%. Depois de quanto
tempo este capital estará triplicado?

Resposta: (?) anos.

Juros Compostos

O capital inicial (principal) pode crescer, como já sabemos, devido aos juros, segundo duas
modalidades, a saber:

a) Juros simples – ao longo do tempo, somente o principal rende juros;

b) Juros compostos - após cada período, os juros são incorporados ao principal e passam, por sua
vez, a render juros. Também conhecido como "juros sobre juros".

O regime de juros compostos considera que os juros formados em cada período são acrescidos ao
capital formando um montante, capital mais juros, do período. Este montante, por sua vez, passará a
render juros no período seguinte formando um novo montante e assim sucessivamente.Pode-se dizer
então, que cada montante formado é constituído do capital inicial, juros acumulados e dos juros sobre
juros formados em períodos anteriores.

Este processo de formação de juros compostos é diferente daquele descrito para os juros simples,
onde somente o capital rende juros, não ocorrendo remuneração sobre os juros formados em períodos
anteriores.

Vamos ilustrar a diferença entre os crescimentos de um capital através juros simples e juros compostos,
com um exemplo:
Suponha que R$ 1.000,00 são empregados a uma taxa de 20% a.a.,por um período de 4 anos a juros
simples e compostos Teremos:

P= R$ 1.000,00 i= 20% a.a n= 4 anos

n Juros Simples Juros Compostos

Juros por periodo Montante Juros por periodo Montante

1 1.000,00 x 0,2 = 200 1.200,00 1.000,00 x 0,2 = 200 1.200,00

2 1.000,00 x 0,2 = 200 1.400,00 1.200,00 x 0,2 = 240 1.440,00

3 1.000,00 x 0,2 = 200 1.600,00 1.440,00 x 0,2 = 288 1.728,00

4 1.000,00 x 0,2 = 200 1.800,00 1.728,00 x 0,2 = 346 2.074,00

O gráfico a seguir permite uma comparação visual entre os montantes no regime de juros simples e de
juros compostos. Verificamos que a formação do montante em juros simples é linear e em juros
compostos é exponencial:

Fonte: Elaborado pelo autor

Observe que o crescimento do principal segundo juros simples é LINEAR enquanto que o crescimento
segundo juros compostos é EXPONENCIAL, portanto tem um crescimento muito mais "rápido".

Exemplo 2:

Um empresário faz uma aplicação de R$ 1.000,00 a taxa composta de 10% ao mês por um prazo de
dois meses.

1º Mês:

O capital de R$ 1.000,00 produz um juros de R$ 100,00 (10% de R$ 1.000,00), pela fórmula dos juros
simples já estudada anteriormente, ficaria assim:

M = C x (1 + i) M = 1.000,00 x (1 + 0,10) M = 1.100,00

2º Mês:

O montante do mês anterior (R$ 1.100,00) é o capital deste 2º mês servindo de base para o cálculo
dos juros deste período. Assim:

M = 1.100,00 x (1 + 0,10) M = 1.210,00

Tomando-se como base a fórmula dos juros simples o montante do 2º mês pode ser assim decomposto:

M = C x (1 + i ) x (1 + i ) M = 1.000,00 x (1 + 0,10 ) x (1 + 0,10 )

M = 1.000,00 x (1 + 0,10)2 M = 1.210,00 Exemplo 3:

A loja São João financia a venda de uma mercadoria no valor de R$ 16.00,00, sem entrada, pelo prazo
de 8 meses a uma taxa de 1,422. Qual o valor do montante pago pelo cliente.

n 8
M = C x (1 + i) M = 16.000,00 x (1 + 1,422) M = 22.753,61

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
compostos na Economia. Na verdade, o uso de juros simples não se justifica em estudos econômicos.

Fórmula para o cálculo de Juros compostos

Considere o capital inicial (P) R$ 1.000,00 aplicado a uma taxa mensal de juros compostos (i) de 10%
(i = 10% a.m.). Vamos calcular os montantes (principal + juros), mês a mês:

• Após o 1º mês, teremos: M1 = 1000 x 1,1 = 1100 = 1000(1+0,1)

• Após o 2º mês, teremos: M2 = 1100 x 1,1 = 1210 = 1000(1+0,1)2
• Após o 3º mês, teremos: M3 = 1210 x 1,1 = 1331 = 1000(1 + 0,1)3
Dando continuidade ao raciocínio dos juros compostos, a evolução dos juros que incide a um capital
para cada um dos meses subseqüentes Após o nº (enésimo) mês o montante acumulado ao final do
período atingiria :

n
S = 1000 (1 + 0,1)

De uma forma genérica, teremos para um principal P, aplicado a uma taxa de juros compostos i durante
o período n :

Ou

Onde:

S / M = montante;

P / C = principal ou capital inicial ; i = taxa de juros e n =

número de períodos que o principal P (capital inicial) foi aplicado.

NOTA: Na fórmula acima, as unidades de tempo referentes à taxa de juros (i) e do período (n), 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
3 x 12=36 meses.

Taxa Nominal e Taxa Real

Taxa nominal

A taxa nominal de juros relativa a uma operação financeira, pode ser calculada pela expressão:

Taxa nominal = Juros pagos / Valor nominal do empréstimo

Assim, por exemplo, se um empréstimo de $100.000,00, deve ser quitado ao final de um ano, pelo
valor monetário de $150.000,00, a taxa de juros nominal será dada por:

Juros pagos = Jp = $150.000 – $100.000 = $50.000,00 Taxa nominal = in = $50.000 / $100.000 = 0,50
= 50%
Taxa Real

A taxa real expurga o efeito da inflação.

Um aspecto interessante sobre as taxas reais de juros é que, elas podem ser inclusive, negativas!

Vamos encontrar uma relação entre as taxas de juros nominal e real. Para isto, vamos supor que um
determinado capital P é aplicado por um período de tempo unitário, a uma certa taxa nominal in .

O montante S1 ao final do período será dado por S1 = P(1 + in).Consideremos agora que durante o
mesmo período, a taxa de inflação (desvalorização da moeda) foi igual a j. O capital corrigido por esta
taxa acarretaria um montante S2 = P (1 + j).

A taxa real de juros, indicada por r, será aquela que aplicada ao montante S2, produzirá o montante S1.
Poderemos então escrever:

S1 = S2 (1 + r)

Substituindo S1 e S2 , vem: P(1 + in) = (1+r). P (1 + j) Daí

então, vem que:

(1 + in) = (1+r). (1 + j), onde: in = taxa de juros

nominal j = taxa de inflação no período r = taxa real

de juros

Observe que se a taxa de inflação for nula no período, isto é, j = 0, teremos que as taxas nominal e
real são coincidentes.

Veja o exemplo a seguir:

Numa operação financeira com taxas pré-fixadas, um banco empresta $120.000,00 para ser pago em
um ano com $150.000,00. Sendo a inflação durante o período do empréstimo igual a 10%, pede-se
calcular as taxas nominal e real deste empréstimo.

Teremos que a taxa nominal será igual a:

in = (150.000 – 120.000)/120.000 = 30.000/120.000 = 0,25 = 25%

Portanto in = 25%

Como a taxa de inflação no período é igual a j = 10% = 0,10, substituindo na fórmula anterior, vem:

(1 + in) = (1+r). (1 + j)

(1 + 0,25) = (1 + r).(1 + 0,10)

1,25 = (1 + r).1,10

1 + r = 1,25/1,10 = 1,1364

Portanto, r = 1,1364 – 1 = 0,1364 = 13,64%

Se a taxa de inflação no período fosse igual a 30%, teríamos para a taxa real de juros: (1 + 0,25) = (1
+ r).(1 + 0,30)
1,25 = (1 + r).1,30

1 + r = 1,25/1,30 = 0,9615

Portanto, r = 0,9615 – 1 = -,0385 = -3,85% e, portanto teríamos uma taxa real de juros negativa!

Valor Presente e Valor Futur

Deve ser acrescentado ao estudo dos juros compostos que o capital é também chamado de valor
presente (PV) e que este não se refere necessariamente ao momento zero. Em verdade, o valor
presente pode ser apurado em qualquer data anterior ao montante também chamado de valor futuro
(FV).

As fórmulas do valor presente (PV) e do valor futuro (FV) são iguais já vistas anteriormente, basta
trocarmos seus correspondentes nas referidas fórmulas, assim temos:

ou

Onde (1 + i) n é chamado de fator de capitalização do capital, FCC (i,n) a juros compostos, e 1 / (1 + i)

n
é chamado de fator de atualização do capital, FAC (i,n) a juros compostos.

A movimentação de um capital ao longo de uma escala de tempo em juros compostos se processa

mediante a aplicação destes fatores, conforme pode ser visualizado na ilustração abaixo:

Observe que FV no período n é equivalente a PV no período zero, se levarmos em conta a taxa de

juros i. Esta interpretação é muito importante, como veremos no decorrer do curso. É conveniente
registrar que existe a seguinte convenção: seta para cima, sinal positivo (dinheiro recebido) e seta para
baixo, sinal negativo (dinheiro pago).

Esta convenção é muito importante, inclusive quando se usa a calculadora HP 12C. Normalmente, ao
entrar com o valor presente VP numa calculadora financeira, o fazemos seguindo esta convenção,
mudando o sinal da quantia considerada como PV para negativo, usando a tecla CHS, que significa
uma abreviação de "change signal", ou seja, "mudar o sinal".

É conveniente ressaltar que se entrarmos com o PV positivo, a calculadora expressará o FV como um

valor negativo e vice versa, já que as calculadoras financeiras, e aí se inclui a HP 12C, foram
projetadas,
considerando esta convenção de sinais. Usaremos sempre a convenção de sinal negativo para VP e
em conseqüência, sinal positivo para FV. Veremos com detalhes este aspecto, no desenvolvimento do
curso.

Exemplos Práticos:

Qual o valor de resgate de uma aplicação de R$ 12.000,00 em um título pelo prazo de 8 meses à taxa
de juros composta de 3,5% a .m.?

Solução: PV = R$

12.000,00 n = 8

meses

i = 3,5 % a . m. FV = ?

FV= PV (1 + i) n FV= 12.000,00 (1+0,035)8

FV= 12.000,00 X 1,316 FV= R$ 15.801,71

Se uma pessoa deseja obter R$ 27.500,00 dentro de um ano, quanto deverá ela depositar hoje numa
poupança que rende 1.7% de juros compostos ao mês?

Solução: FV = R$ 27.500,00 n = 1

ano (12 meses) i = 1.7% a . m.

PV = ?

PV = FV.

PV = 27.500,00.

PV = 27.500,00 (1 + i) n(1 + 0,017) 12 1,224

PV = 22.463,70

Exercícios Propostos 03:

Aplicando-se R$ 1.000,00 por um prazo de dois anos a uma taxa de 5% ao semestre, qual será o
montante no fim do período?

Resposta: R$ (?)

Exercícios Propostos 04:

Um capital de R$ 2.000.000,00 é aplicado durante um ano e três meses à taxa de 2% a.m. Quais os
juros gerados no período?

Resposta: R$ (?)

Exercícios Propostos 05:

Determinado capital aplicado a juros compostos durante 12 meses, rende uma quantia de juros igual
ao valor aplicado. Qual a taxa mensal dessa aplicação?

Resposta: R$ (?)

Exercícios Propostos 06:

Calcule o montante de R$1.000,00 aplicados a 10% a.a. durante 50 dias.

Resposta: R$ (?)
Equivalência Financeira

Diz-se que dois capitais são equivalentes a uma determinada taxa de juros, se os seus valores em um
determinado período n, calculados com essa mesma taxa, forem iguais.

Exemplo 01:
1º Conjunto 2º Conjunto

Capital (R$) Vencimento Capital (R$) Vencimento

1.100,00 1 º a.a 2.200,00 1 º a.a

2.420,00 2 º a.a 1.210,00 2 º a.a

1.996,50 3 º a.a 665,5 3 º a.a

732,05 4 º a.a 2.196,15 4 º a.a

Verificar se os conjuntos de valores nominais, referidos à data zero, são equivalentes à taxa de juros
de 10% a.a.

Para o 1.º conjunto:

P0 = 1.100 x FAC (10%; 1) + 2.420 x FAC (10%; 2) +

+ 1.996,50 x FAC (10%; 3) + 732,05 x FAC (10%; 4)

P0 = 1.000 + 2.000 + 1.500 + 500

P0 = 5.000,00

Para o 2.º conjunto:

P0 = 2.200 x FAC (10%; 1) + 1.210 x FAC (10%; 2) +

+ 665,50 x FAC (10%; 3) + 2.196,15 x FAC (10%; 4)

P0 = 2.000 + 1.000 + 500 + 1.500

P0 = 5.000,00

Logo os dois conjuntos de capitais são equivalentes, pois P0 de um é igual ao P0 de outro.

Exemplo 02 :

Seja um capital de R$ 10.000,00, que pode ser aplicado alternativamente à taxa de 2%

a.m ou de 24% a.a. Supondo um prazo de aplicação de 2 anos, verificar se as taxas são equivalentes:

Solução:

Aplicando o principal à taxa de 2% a.m. e pelo prazo de 2 anos teremos:

J1 = R$ 10.000,00 x 0,02 x 24 = R$ 4.800,00

Agora se aplicarmos o principal à taxa de 24% a.a. e pelo prazo de 2 anos teremos:

J2 = R$ 10.000,00 x 24 x 2 = R$ 4.800,00
OBS: Na utilização das fórmulas o prazo de aplicação (n) e a taxa (i) devem estar expressos na mesma
unidade de tempo. Caso não estejam, é necessário ajustar o prazo ou a taxa.

Descontos Simples

Existem dois tipos básicos de descontos simples nas operações financeiras: o desconto comercial e o
desconto racional. Considerando-se que no regime de capitalização simples, na prática, usa-se sempre
o desconto comercial, este será o tipo de desconto a ser abordado a seguir.

• Desconto Racional: Nesta modalidade de desconto a “recompensa pela liquidação do título antes
de seu vencimento é calculada sobre o valor a ser liberado (Valor Atual).Incorpora os conceitos e
relações básicas de juros simples. Veja”:

J = P . i . n => D = VD . d . n

• Desconto Comercial: Nesta modalidade de desconto a “recompensa pela liquidação do título antes
de seu vencimento é calculada sobre o Valor Nominal do título. Incorpora os conceitos de juros
bancários que veremos detalhadamente a seguir”:

J = P . i . n => D = VN . d . n

Vamos considerar a seguinte simbologia:

N = valor nominal de um título. V = valor líquido, após o desconto.

Dc = desconto comercial. d = taxa de descontos simples. n = número de períodos.

Teremos:

V = N - Dc

No desconto comercial, a taxa de desconto incide sobre o valor nominal N do título.

Logo:

Dc = Ndn Substituindo, vem: V = N(1 - dn) Exemplo:

Considere um título cujo valor nominal seja R$10.000,00. Calcule o desconto comercial a ser concedido
para um resgate do título 3 meses antes da data de vencimento, a uma taxa de desconto de 5% a.m.

Solução:

V = 10000 . (1 - 0,05 . 3) = 8500

Dc = 10000 - 8500 = 1500

Resp: valor descontado = R$ 8.500,00; desconto = R$1.500,00

Desconto Bancário

Nos bancos, as operações de desconto comercial são realizadas de forma a contemplar as despesas
administrativas (um percentual cobrado sobre o valor nominal do título) e o IOF - imposto sobre
operações financeiras. É óbvio que o desconto concedido pelo banco, para o resgate de um título antes
do vencimento, através desta técnica, faz com que o valor descontado seja maior, resultando num
resgate de menor valor para o proprietário do título.

Exemplo:

Um título de R$ 100.000,00 é descontado em um banco, seis meses antes do vencimento, à taxa de

desconto comercial de 5% a.m. O banco cobra uma taxa de 2% sobre o valor nominal do título como
despesas administrativas e 1,5% a.a. de IOF. Calcule o valor líquido a ser recebido pelo proprietário
do título e a taxa de juros efetiva da operação Solução:

Desconto comercial: Dc = 100000 . 0,05 . 6 = 30000

Despesas administrativas: da = 100000 . 0,02 = 2000

IOF = 100000 . (0,015/360) . 180 = 750

Desconto total = 30000 + 2000 + 750 = 32750

Daí, o valor líquido do título será: 100000 - 32750 = 67250 Logo, V = R$ 67.250,00

A taxa efetiva de juros da operação será: i = [(100000/67250) - 1].100 = 8,12% a. m.

Observe que a taxa de juros efetiva da operação, é muito superior à taxa de desconto, o que é
amplamente favorável ao banco.

Duplicatas

Recorrendo a um dicionário encontramos a seguinte definição de duplicata: Título de crédito formal,

nominativo, emitido por negociante com a mesma data, valor global e vencimento da fatura, e
representativo e comprobatório de crédito preexistente (venda de mercadoria a prazo), destinado a
aceite e pagamento por parte do comprador, circulável por meio de endosso, e sujeito à disciplina do
direito cambiário. Observação:

a) A duplicata deve ser emitida em impressos padronizados aprovados por Resolução do Banco
Central.

b) Uma só duplicata não pode corresponder a mais de uma fatura.

Considere que uma empresa disponha de faturas a receber e que, para gerar capital de giro, ela dirija-
se a um banco para trocá-las por dinheiro vivo, antecipando as receitas. Entende-se como duplicatas,
essas faturas a receber negociadas a uma determinada taxa de descontos com as instituições
bancárias.

Exemplo:

Uma empresa oferece uma duplicata de R$ 50000,00 com vencimento para 90 dias, a um determinado
banco. Supondo que a taxa de desconto acertada seja de 4% a. m. e que o banco, além do IOF de
1,5% a.a. , cobra 2% relativo às despesas administrativas, determine o valor líquido a ser resgatado
pela empresa e o valor da taxa efetiva da operação.

Solução:

Desconto comercial = Dc = 50000 . 0,04 . 3 = 6000

Despesas administrativas = Da = 0,02 . 50000 = 1000 IOF = 50000(0,015/360).[90] = 187,50 Teremos

então:

Valor líquido = V = 50000 - (6000 + 1000 + 187,50) = 42812,50

Taxa efetiva de juros = i = [(50000/42812,50) - 1].100 = 16,79 % a.t. = 5,60% a.m. Resp: V = R$
42812,50 e i = 5,60 % a.m.

Exercícios Propostos 07:

Um título de R$ 5.000,00 vai ser descontado 60 dias antes do vencimento. Sabendo-se que a taxa de
juros é de 3% a.m., pede-se calcular o desconto comercial e o valor descontado.

Resposta: R$ (?)
Exercícios Propostos 08:

Um banco realiza operações de desconto de duplicatas a uma taxa de desconto comercial de 12% a .
a., mais IOF de 1,5% a . a. e 2% de taxa relativa a despesas administrativas. Além disto, a título de
reciprocidade, o banco exige um saldo médio de 10% do valor da operação. Nestas condições, para
uma duplicata de valor nominal R$ 50000,00 que vai ser descontada 3 meses antes do vencimento,
pede-se calcular a taxa efetiva de juros da operação. Resposta: R$ (?)

Fluxo de Caixa

Conjunto de entradas e saídas de dinheiro (caixa) ao longo do tempo. Um diagrama de fluxo de caixa,
é simplesmente a representação gráfica numa reta, dos períodos e dos valores monetários envolvidos
em cada período, considerando-se uma certa taxa de juros i.

Traça-se uma reta horizontal que é denominada eixo dos tempos, na qual são representados os valores
monetários, considerando-se a seguinte convenção:

• dinheiro recebido seta para cima

• dinheiro pago seta para baixo.
Exemplo:

Veja o diagrama de fluxo de caixa a seguir:

O diagrama da figura acima, por exemplo, representa um projeto que envolve investimento inicial de
800, pagamento de 200 no terceiro ano, e que produz receitas de 500 no primeiro ano, 200 no segundo,
700 no quarto e 200 no quinto ano.
Convenção: dinheiro recebido flecha para cima valor positivo

dinheiro pago flecha para baixo valor negativo

Vamos agora considerar o seguinte fluxo de caixa, onde C0, C1, C2, C3, ..., Cn são capitais referidos às
datas, 0, 1, 2, 3, ..., n para o qual desejamos determinar o valor presente (PV).

O problema consiste em trazer todos os capitais futuros para uma mesma data de referencia. Neste
caso, vamos trazer todos os capitais para a data zero. Pela fórmula de Valor Presente vista acima,
concluímos que o valor presente resultante - NPV - do fluxo de caixa, também conhecido como Valor
Presente Líquido (VPL), dado será:
Esta fórmula pode ser utilizada como critério de escolha de alternativas, como veremos nos exercícios
a seguir.

Exercícios:

1 - Numa loja de veículos usados são apresentados ao cliente dois planos para pagamento de um
carro:

Plano A: dois pagamentos, um de $ 1.500,00 no final do sexto mês e outro de $ 2.000,00 no final do
décimo segundo mês.

Plano B: três pagamentos iguais de $ 1.106,00 de dois em dois meses, com início no final do segundo
mês.

Sabendo-se que a taxa de juros do mercado é de 4% a.m., qual o melhor plano de pagamento?

Solução:

Inicialmente, devemos desenhar os fluxos de caixa correspondentes:

Plano A:

Plano B:

Teremos para o plano A:

Para o plano B, teremos:

Como o plano A nos levou a um menor valor atual (ou valor presente), concluímos que este plano A é
mais atraente do ponto de vista do consumidor.

Exercício:
1 - Um certo equipamento é vendido à vista por $ 50.000,00 ou a prazo, com entrada de $ 17.000,00
mais três prestações mensais iguais a $ 12.000,00 cada uma, vencendo a primeira

um mês após a entrada. Qual a melhor alternativa para o comprador, se a taxa mínima de atratividade
é de 5% a.m.?

Solução:

Vamos desenhar os fluxos de caixa:

À vista:

A prazo:

Vamos calcular o valor atual para esta alternativa:

Como o valor atual da alternativa a prazo é menor, a compra a prazo neste caso é a melhor alternativa,
do ponto de vista do consumidor.

Exercício:

1 - Um equipamento pode ser adquirido pelo preço de $ 50.000,00 à vista ou, a prazo conforme o
seguinte plano:

Entrada de 30% do valor à vista, mais duas parcelas, sendo a segunda 50% superior à primeira,
vencíveis em quatro e oito meses, respectivamente. Sendo 3% a.m. a taxa de juros do mercado, calcule
o valor da última parcela.

Solução

Teremos:
Resolvendo a equação acima, obtemos x = 19013,00 Portanto,

o valor da prestação é $19013,00.

Exercício Proposto 09:

Uma loja vende determinado tipo de televisor nas seguintes condições: R$ 400,00 de entrada, mais
duas parcelas mensais de R$ 400,00, no final de 30 e 60 dias respectivamente. Qual o valor à vista do
televisor se a taxa de juros mensal é de 3% ?

Resposta: R$ (?)

Noção Elementar de Inflação e Saldo Médio Bancário

Outro conceito importante no estudo da Matemática Financeira é o de inflação.

Entenderemos como INFLAÇÃO num determinado período de tempo, como sendo o aumento médio
de preços, ocorrido no período considerado, usualmente medido por um índice expresso como uma
taxa percentual relativa a este mesmo período.

Para ilustrar uma forma simples o conceito elementar de inflação apresentamos acima, vamos
considerar a tabela abaixo, onde está indicado o consumo médio mensal de uma determinada família
em dois meses distintos e os custos decorrentes associados:
Indicadores Mês 01 Mês 02

Produto Quantidade Preço ($) Subtotal Preço ($) Subtotal

Arroz 5 kg 1,20 6,00 1,30 6,50

Carne 15 kg 4,50 67,50 4,80 72,00

Feijão 4 kg 1,69 6,76 1,80 7,20

Óleo 2 latas 2,40 4,80 2,45 4,90

Leite 20 litros 1,00 20,00 1,10 22,00

Café 1 kg 7,60 7,60 8,00 8,00

Açúcar 10 kg 0,50 5,00 0,65 6,50

Passagens 120 0,65 78,00 0,75 90,00

TOTAL ********** 195,66 ********** 217,10

A variação percentual do preço total desta cesta de produtos, no período considerado é igual a:

V = [(217,10 / 195,66) - 1] x 100 = 0,1096 = 10,96 % Diremos

então que a inflação no período foi igual a 10,96 %.

Notas:

a) Para o cálculo de índices reais de inflação, o número de itens considerado é bastante superior e são
obtidos através de levantamento de dados em determinadas amostras da população, para se
determinar através de métodos estatísticos, a "cesta de mercado", que subsidiará os cálculos; b) A
metodologia sugerida no exemplo acima é conhecida como método de Laspeyres ;
c) Podemos entender agora os motivos que determinam as diferenças entre os índices de inflação
calculados entre instituições distintas tais como FIPE, FGV, DIEESE, entre outras.

Juros e Saldo Médio em Contas Correntes

Vamos considerar o caso de uma conta corrente, da qual o cliente saca e deposita recursos ao longo
do tempo. Vamos ver nesta seção, a metodologia de cálculo do saldo médio e dos juros mensais
decorrentes da movimentação dessa conta.

As contas correntes associadas aos "cheques especiais" são exemplos corriqueiros da aplicação
prática da metodologia a ser apresentada.

Juros em contas correntes (cheques especiais)

Considere os capitais C1, C2, C3, ... , Ck aplicados pelos prazos n1, n2, n3, ... , nk, à taxa de juros simples
i. A fórmula abaixo, permite o cálculo dos juros totais J produzidos no período considerado:

J = i.(C1.n1 + C2.n2 + C3.n3 + ... + Ck.nk)

O cálculo dos juros pelo método acima (conhecido como "Método Hamburguês") é utilizado para a
determinação dos juros sobre os saldos devedores dos "cheques especiais".

Serie de Pagamentos

Série de pagamentos - é um conjunto de pagamentos de valores R1, R2, R3, ... Rn, distribuídos

ao longo do tempo correspondente a n períodos, podendo esses pagamentos

serem de valores constantes ou de valores distintos. O conjunto de pagamentos (ou recebimentos) ao

longo dos n períodos, constitui - se num fluxo de caixa. Vamos resolver a seguir, os problemas nos
quais R1 = R2 = R3 = ... Rn = R, ou seja: pagamentos (ou recebimentos) iguais.

Quando a série de pagamentos (ou recebimentos) se inicia um período após a data

zero, o fluxo recebe o nome de POSTECIPADO. Quando o início dos pagamentos ou recebimentos
ocorre na data zero, o fluxo recebe o nome de ANTECIPADO.

Exemplos:

1 - Pagamentos no início dos períodos: Fluxo ANTECIPADO

2 - Pagamentos no final dos períodos: Fluxo POSTECIPADO

Fator de acumulação de capital – FAC

O problema a resolver é o seguinte:

Determinar a quantia S acumulada a partir de uma série uniforme de pagamentos iguais a R, sendo i
a taxa de juros por período

Vamos considerar dois casos: fluxo postecipado e fluxo antecipado.

NOTA: na calculadora HP12C, R é expressa pela tecla PMT (pagamentos periódicos).

Portanto R e PMT possuem o mesmo sentido, ou seja, a mesma interpretação. Da mesma forma, S
corresponde a FV na calculadora HP 12C.

A) Fluxo postecipado

Considere o fluxo de caixa postecipado a seguir, ou seja: os pagamentos são feitos nos finais dos
períodos.

Vamos transportar cada valor R para o tempo n, supondo que a taxa de juros é igual a i, lembrando
que se trata de um fluxo de caixa POSTECIPADO, ou seja, os pagamentos são realizados no final de
cada período.

Teremos:

S = R(1+i)n-1 + R(1+i)n-2 + R(1+i)n-3 + ... + R(1+i) + R Colocando

R em evidencia, teremos:

S = R[(1+i)n-1 + (1+i)n-2 + (1+i)n-3 + ... + (1+i) + 1]

Observe que a expressão entre colchetes é a soma dos n primeiros termos de uma progressão
geométrica de primeiro termo (1+i)n-1, último termo 1 e razão 1/(1+i).

Aplicando a fórmula da soma dos n primeiros termos de uma progressão geométrica, teremos:

Nota: em caso de dúvida, consulte sobre Progressão Geométrica (1+i) n-1 + (1+i)n-2 + (1+i)n-3 + ... +
(1+i) + 1 =
Substituindo o valor encontrado acima, vem finalmente que:

• o fator entre colchetes é denominado Fator de acumulação de capital – FAC(i,n).

• assim, teremos: S = R . FAC(i,n). Os valores de FAC(i,n) são tabelados. Na prática, utilizam-se as
calculadoras científicas ou financeiras, ao invés das tabelas.

Usando-se a simbologia adotada na calculadora HP 12C, onde R = PMT e S = FV, teremos a fórmula
a seguir:

Fator de valor atual – FVA

Considere o seguinte problema:

Determinar o principal P que deve ser aplicado a uma taxa i para que se possa retirar o valor R em
cada um dos n períodos subseqüentes.

Este problema também poderia ser enunciado assim: qual o valor P que financiado à taxa i por período,
pode ser amortizado em n pagamentos iguais a R?

Fluxo postecipado (pagamentos ao final de cada período, conforme figura a seguir):

Trazendo os valores R para o tempo zero, vem:

O fator entre colchetes representa a soma dos n primeiros termos de uma progressão geométrica de
primeiro termo 1/(1+i), razão 1/(1+i) e último termo 1/(1+i)n.

Teremos então, usando a fórmula da soma dos n primeiros termos de uma progressão geométrica.

O fato r entre colchetes será então igual a:

Substituindo, vem finalmente:

• o fator entre colchetes é denominado Fator de valor atual – FVA(i,n);

• assim, teremos: P = R . FVA(i,n). Os valores de FVA(i,n) são tabelados; observe que P
corresponde a PV e R corresponde a PMT na calculadora HP 12C.
Usando a simbologia da calculadora HP 12C, a fórmula acima ficaria:

Sistema De Amortização De Empréstimos

Sistema De Amortização Constante – (SAC)

Nesse sistema as parcelas de amortização são iguais entre si. Os juros são calculados a cada período
multiplicando-se a taxa de juros contratada pelo saldo devedor existente no período.

• Amortização numa data genérica t

Os valores são sempre iguais e obtidos por A= P/n onde A1 = A2 = A3 = ... An = A = cte e n = prazo total

Isso implica que a soma das n amortizações iguais seja:

• Saldo Devedor numa data genérica t

No sistema SAC o saldo devedor decresce linearmente em um valor igual à amortização A = P/n .
Assim, o saldo devedor, logo após o pagamento da prestação (AMORTIZAÇÃO + JUROS )
correspondente, será:

Assim, o valor dos juros pagos na referida data será:

ou então:

Jt = Ai (n – t + 1)

Onde: n = prazo total

t = o momento desejado

Somatório Dos Juros

Como a variação de juros no Sistema SAC se trata de uma progressão aritmética, o somatório dos
juros de um determinado período se faz utilizando a fórmula do somatório dos n termos de uma P.A.

Com isso:

Prestação Numa Data Genérica T

Soma-se a amortização do momento desejado (que é constante em todos os momentos) como os juros
referentes a este momento.

R1 A + J 1 R2 A

+ J2

R3 A + J 3

Rt A + J t

Assim , o pagamento de um financiamento pelo sistema SAC, num prazo de n períodos e à uma taxa i
por período seria como o diagrama e a tabela abaixo:

DATA S aldo Devedor Juros Amortização P res tação

T P t = P t- 1 - A Jt = P t- 1 . i At = A = P / n Rt = A + Jt

0 P0=P - - -

1 P1=P–A J1 = P . i A1 = A R1 = A + J 1

2 P2=P1–A J2 = P 1 . i A2 = A R2 = A + J 2

3 P3=P2–A J3 = P 2 . i A3 = A R3 = A + J 3

4 P t = P t- 1 – A Jt = P t- 1 . i At = A R4 = A + J 4

n P n = P n- 1 – A Jn = P n- 1 . i An = A Rn = A + J n
 Orde m de
Obte nção
2.º 3.º 1.º 4.º
das Parc e
las

Vejamos agora um exemplo numérico:

P = $ 1.000,00 n = 4 prestações i = 2%
a.p.
t Saldo Devedor Amortização Juros P res tação

0 1.000,00 - - -

1 750,00 250,00 20,00 270,00

2 500,00 250,00 15,00 265,00

3 250,00 250,00 10.00 260,00

4 0,00 250,00 5,00 255,00

Sistema De Prestações Constantes - (PRICE) Prestação Numa Data Genérica T

No sistema PRICE a prestação é constante e em qualquer data t o seu valor é dado por:

Rt = R1 = R2 = ... = Rn = cte.

Rt = R = P x FPR(i,n) = constante

Juros Numa Data Genérica T

Os juros de um determinado período são calculados sobre o saldo devedor do período anterior.

Ou Jt = Rt - At Rt = R = cte.

Jt = R - At

Ou Jt = R - At = R - A1(1 + i)t-1 A1 = R – J1 = R – P.i

Assim: Jt = R – ( R – P.i ) ( 1 + i )t-1

Amortização numa data genérica t

No sistema PRICE o crescimento das amortizações é exponencial ao longo do tempo.

Dado que At=R – Jt e J= P.i, então:

DATA 1 – final do 1.º período

Juros = J1 = P.i

Amortização = A1 = R – J1 = ( R - P.i)

DATA 2 – final do 2.º período

Juros = J2 = P1.i = [ P (1 + i) – R ].i = [ P (1 + i).i – R.i ]

Amortização = A2 = R – J2 = R - P.( 1 + i).i + R = R.(1 + i ) – P.(1 + i).i

= (R – P.i) . (1 + i) = A2 = A1 (1 + i)

DATA 3 – final do 3.º período

Juros = J3 = P2.i = P.i – A1.i – A1 (1 + i).i

Amortização = A3 = R – J3 = R - [P.i – A1.i - A1 (1 + i).i] A3 = (R - P.i) + A1.i + A1 (1 + i).i

= A1 + A1.i + A1 (1 + i).i

= A1 (1 + i) + A1 (1 + i).i

= A1 (1 + i).(1 + i)

A3 = A1 (1 + i)2

Então teríamos:

A2 = A1 ( 1 + i ) A3 = A1 ( 1 + i )2 A4 = A1 ( 1 + i )3

... ..... ... An = A1 ( 1 + i )n-1

O que comprovaria a expressão:

At = A1.(1 + i)t-1 ; para uma data genérica t ou At = A1. FPS(i%, ( t - 1)) Para

testar a consistência da fórmula acima:

A1 = 22.192 t=3

i = 8% a.a. A3 = ?

At = A1.(1 + i)t-1 A3 = 22.192.(1 + 0,08)2 A3 = 22.192 x 1,1664 = 25.884,75

Ou

At = A1 x FPS [ i , (t-1) ] pois (1 + i)t-1 = FPS [ i , (t-1) ] desse modo, no exemplo anterior teríamos:

A3 = 22.192 x FPS( 8%,2) = 22.192 x 1,1664 = 25.884,75

Saldo Devedor numa data genérica t

O Saldo devedor de um determinado período é dado pela diferença entre o saldo devedor do período
anterior e a amortização do período.

Assim para um empréstimo P ;a taxa de juros i por período com um prazo de N períodos ; poderíamos
elaborar seguinte
 Saldo Devedor Juros P res taçõ es Cons Amortização
tantes
Datas

(t ) P t = P t- 1 - At Jt = P t- 1 . i Rt = R At = R – Jt

0 Po=P - - -

1 P 1 = P – A1 J1 = P .i R A1 = R – J1

2 P 2 = P 1 – A2 J2 = P 1.i R A2 = R – J2

3 P 3 = P 2 – A3 J3 = P 2.i R A3 = R – J3

T P t = P t- 1 – At Jt = P t- 1.i R At = R – Jt

. .... .... .... ....

N P n = P n- 1 – An Jn = P n- 1.i R An = R – Jn

n R n.R t n

TOTAIS Jt n.R P AtPt1

Ordem de 2 3
obtenção .º .º
4.º 1.º
de parcelas

Vejamos agora um exemplo numérico:

P = 1.000,00 i = 2% a.p.

n = 4 prestações
t Saldo Devedor Amortização Juros P res tação

0 1.000,00 - - -

1 757,38 242,62 20,00 262,62

 2 509,91 247,47 15,15 262,62

3 257,49 252,42 10,20 262,62

4 - 257,49 5,15 262,62

Um financiamento pelo Sistema Price pode ser calculado utilizando-se máquinas financeiras, pois suas
prestações são constantes.

Sistema De Amortização Mista – (SAM)

Aqui o valor da prestação é obtido através da média aritmética das prestações obtido através do
sistema PRICE e SAC.

Ex.:

P = 1.000,00 i = 8 % a.a. n = 4 anos

S IS T. P RICE
ANO Juros P res tação Amotização S aldo Final

S A LDO
DEVEDOR

1.000,00

1 1.000,00 80,00 301,92 221,92 778,08

2 778.08 62,25 301,92 239,67 538,41

3 538,41 43,07 301,92 258,85 279,56

4 270,56 22,36 301,92 279,56

S IS T. SAC
ANO Juro s P res tação Amotização S aldo Final

S A LDO
DEVEDOR

1.000,00

1 100,00 80,00 330,00 250,00 750,00

2 750,00 60,00 310,00 250,00 500,00

3 500,00 40,00 290,00 250,00 250,00

4 250,00 20,00 270,00 250,00

SIST. SAM
Ano P res t . P RICE P REST. SAC S OMA P REST. S AM

1 301,92 330,00 631,92 315,96

2 301,92 310,00 611,92 305,96

 3 301,92 290,00 591,92 295,96

4 301,92 270,00 571,92 285,96

Essa modalidade de pagamento é conhecida como Sistema de Amortização Mista (SAM)

e vem sendo utilizada na liquidação de financiamento imobiliário.

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Plano Cartesiano

Representamos um par ordenado em um plano cartesiano. Esse plano é formado por duas retas, x e
y, perpendiculares entre si.

A reta horizontal é o eixo das abscissas (eixo

x).

A reta vertical é o eixo das ordenadas (eixo

y).

O ponto comum dessas duas retas é denominado origem, que corresponde ao par ordenado (0, 0).

Localização de um ponto

Para localizar um ponto em um plano cartesiano, utilizamos a sequência prática:

• O 1º número do par ordenado deve ser localizado no eixo das abscissas.

• O 2º número do par ordenado deve ser localizado no eixo das ordenadas.

• No encontro das perpendiculares aos eixos x e y, por esses pontos, determinamos o ponto procurado.
Exemplo:

Localize o ponto (4, 3).

O Sistema de Coordenadas Cartesianas, mais conhecido como Plano Cartesiano, foi criado por René
Descartes com o objetivo de localizar pontos. Ele é formado por dois eixos perpendiculares: um
horizontal e outro vertical que se cruzam na origem das coordenadas. O eixo horizontal é chamado de
abscissa (x) e o vertical de ordenada (y). Os eixos são enumerados compreendendo o conjunto dos
números reais. Observe a seguir uma figura representativa do plano cartesiano:
As coordenadas cartesianas são representadas pelos pares ordenados (x ; y). Em razão dessa ordem,
devemos localizar o ponto observando primeiramente o eixo x e posteriormente o eixo y. Qualquer
ponto que não se encontrar sobre os eixos, estará localizado nos quadrantes, veja:

1º quadrante = x > 0 e y > 0

2º quadrante = x < 0 e y > 0
3º quadrante = x < 0 e y < 0
4º quadrante = x > 0 e y < 0

Localizando pontos no Plano Cartesiano:

A(4 ; 3) → x = 4 e y = 3

B(1 ; 2) → x = 1 e y = 2

Não pare agora... Tem mais depois da publicidade ;)

C( –2 ; 4) → x = –2 e y = 4
D(–3 ; –4) → x = –3 e y = –4 E(3

; –3) → x = 3 e y = –3

O Plano Cartesiano é muito utilizado na construção de gráficos de funções, onde os valores

relacionados à x constituem o domínio e os valores de y, a imagem da função. A criação do Sistema
de Coordenadas Cartesianas é considerada uma ferramenta muito importante na Matemática,
facilitando a observação do comportamento de funções em alguns pontos considerados críticos.

Podemos associar o Plano Cartesiano com a latitude e a longitude, temas relacionados aos estudos
geográficos e à criação do atual sistema de posicionamento, o GPS. O Sistema de Posicionamento
Global permite que saibamos nossa localização exata na terra, desde que tenhamos em mão um
receptor de sinais GPS, informando a latitude, a longitude e a altitude com o auxilio de satélites em
órbita da Terra. Um exemplo de utilização do GPS são os aviões, que para não se colidirem são
monitorados e informados em qual rota devem seguir viagem.

O que é plano cartesiano? Trata-se de um plano constituído por duas retas numéricas perpendiculares
nas quais é possível marcar localizações.

O plano cartesiano é um objeto matemático plano e composto por duas retas numéricas
perpendiculares, ou seja, retas que possuem apenas um ponto em comum, formando um ângulo de
90°. Esse ponto comum é conhecido como origem e é nele que é marcado o número zero de ambas
as retas. O plano cartesiano recebeu esse nome por ter sido idealizado por René Descartes e é
usado fundamentalmente para sistematizar técnicas de localização no plano.

Retas Numéricas: Abcissa e Ordenada

As duas retas que dão origem ao plano cartesiano precisam ser retas numéricas, pois essa é a
condição que tornará possível encontrar localizações de pontos quaisquer no plano. Essa localização
é a base fundamental de muitos conhecimentos comuns no cotidiano, como distância entre pontos.

Uma reta numérica é uma reta comum em que foi estabelecida uma correspondência com os números
reais. Desse modo, cada ponto da reta está ligado a um único número real e é esse fato que permite
qualquer localização. Um número real qualquer terá apenas uma localização em toda a extensão
infinita da reta.
O plano cartesiano é formado por duas dessas retas: Uma responsável pela coordenada horizontal e
outra responsável pela coordenada vertical. É comum usar as letras x para a primeira e y para a
segunda e os termos “coordenada x” e “coordenada y”.

No plano cartesiano, a reta vertical responsável pelas coordenadas y é chamada de ordenada, e a reta
horizontal, responsável pelas coordenadas x, é chamada de abcissa.

Plano cartesiano com destaque para a abcissa e a ordenada

Pares ordenados e localizações no plano

Um par ordenado é formado por dois números reais que representam uma coordenada. A ordem
escolhida é a seguinte: Primeiro vêm as coordenadas x e, depois, as coordenadas y, que são colocadas
entre parênteses para representar uma localização qualquer. Por exemplo, observe a imagem a seguir:

Perceba que o ponto A possui coordenadas x = 2 e y = 3. Caso seja dado um ponto para que sua
localização seja marcada no plano, como o ponto B = (3, -3), devemos primeiro traçar uma linha vertical
sobre o número 3 no eixo das abcissas (coordenadas x). Isso acontece porque a primeira coordenada
sempre é a coordenada x. Posteriormente, desenhamos uma linha horizontal sobre o número – 3 no
eixo das ordenadas (coordenadas y):
O ponto B é o encontro entre as linhas horizontais desenhadas, como ilustra a imagem acima.

Quadrantes

Por ser formado por duas retas numéricas, existem algumas particularidades do plano cartesiano.
Pontos mais à direita possuem coordenada x maior que pontos mais à esquerda. Pontos mais para
cima possuem coordenada y maior que números mais para baixo.

Além disso, a região onde x e y são positivos simultaneamente é chamada de primeiro quadrante. A
região onde y é positivo e x é negativo é conhecida como segundo quadrante. Já a região onde x e y
são negativos simultaneamente é chamada de terceiro quadrante. Por fim, quando x é positivo e y é
negativo, os pontos estão localizados no quarto quadrante.

Esses quadrantes são numerados em sentido anti-horário, partindo do primeiro quadrante, que fica à
direta do eixo y e acima do eixo x, como mostra a figura a seguir:

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________
Funções Matemáticas

Função

A função é utilizada para estabelecer uma relação entre dois conjuntos distintos.

A função determina uma relação entre os elementos de dois conjuntos. Podemos defini-la utilizando
uma lei de formação, em que, para cada valor de x, temos um valor de f(x). Chamamos x de domínio
e f(x) ou y de imagem da função.

A formalização matemática para a definição de função é dada por: Seja X um conjunto com elementos
de x e Y um conjunto dos elementos de y, temos que:

f: x → y

Assim sendo, cada elemento do conjunto x é levado a um único elemento do conjunto y. Essa
ocorrência é determinada por uma lei de formação.

A partir dessa definição, é possível constatar que x é a variável independente e que y é a variável
dependente. Isso porque, em toda função, para encontrar o valor de y, devemos ter inicialmente o valor
de x.

Tipos de funções

As funções podem ser classificadas em três tipos, a saber:

• Função injetora ou injetiva

Nessa função, cada elemento do domínio (x) associa-se a um único elemento da imagem f(x). Todavia,
podem existir elementos do contradomínio que não são imagem. Quando isso acontece, dizemos que
o contradomínio e imagem são diferentes. Veja um exemplo:

• Conjunto dos elementos do domínio da função: D(f) = {-1,5, +2, +8}

• Conjunto dos elementos da imagem da função: Im(f) = {A, C, D}

• Conjunto dos elementos do contradomínio da função: CD(f) = {A, B, C, D}

• Função Sobrejetora ou sobrejetiva
Na função sobrejetiva, todos os elementos do domínio possue um elemento na imagem. Pode
acontecer de dois elementos do domínio possuírem a mesma imagem. Nesse caso, imagem e
contradomínio possuem a mesma quantidade de elementos.

• Conjunto dos elementos do domínio da função: D(f) = {-10, 2, 8, 25}

• Conjunto dos elementos da imagem da função: Im (f) = {A, B, C}

• Conjunto dos elementos do contradomínio da função: CD (f) = {A, B, C}

• Função bijetora ou bijetiva

Essa função é ao mesmo tempo injetora e sobrejetora, pois, cada elemento de x relaciona-se a um
único elemento de f(x). Nessa função, não acontece de dois números distintos possuírem a mesma
imagem, e o contradomínio e a imagem possuem a mesma quantidade de elementos.

• Conjunto dos elementos do domínio da função: D(f) = {-12, 0, 1, 5}

2

• Conjunto dos elementos da imagem da função: Im (f) = {A, B, C, D}

• Conjunto dos elementos do contradomínio da função: CD (f) = {A, B, C, D}

As funções podem ser representadas graficamente. Para que isso seja feito, utilizamos duas
coordenadas, que são x e y. O plano desenhado é bidimensional. A coordenada x é chamada de
abscissa e a y, de ordenada. Juntas em funções, elas formam leis de formação. Veja a imagem do
gráfico do eixo x e y:
Do último ano do Fundamental e ao longo do Ensino Médio, geralmente estudamos doze funções, que
são:

1 – Função constante;

2 – Função par;

3 – Função ímpar;

4 – Função afim ou polinomial do primeiro grau;

5 – Função Linear;

6 – Função crescente;

7 – Função decrescente;

8 – Função quadrática ou polinomial do segundo grau;

9 – Função modular;

10 – Função exponencial;

11 – Função logarítmica; 12 – Funções trigonométricas;

13 – Função raiz.

Mostraremos agora o gráfico e a fórmula geral de cada uma das funções listadas acima:

1 - Função constante

Na função constante, todo valor do domínio (x) tem a mesma imagem (y).

Fórmula geral da função constante:

f(x) = c

x = Domínio f(x) = Imagem c = constante, que pode ser qualquer

número do conjunto dos reais.

Exemplo de gráfico da função constante: f(x) = 2

2 – Função Par

A função par é simétrica em relação ao eixo vertical, ou seja, à ordenada y. Entenda simetria como
sendo uma figura/gráfico que, ao dividi-la em partes iguais e sobrepô-las, as partes coincidem-se
perfeitamente.

Fórmula geral da função par:

f(x) = f(- x)

x = domínio f(x)

= imagem

- x = simétrico do domínio

Exemplo de gráfico da função par: f(x) = x2

3 – Função ímpar
A função ímpar é simétrica (figura/gráfico que, ao dividi-la em partes iguais e sobrepô-las, as partes
coincidem-se perfeitamente) em relação ao eixo horizontal, ou seja, à abscissa x. Fórmula geral da
função ímpar

f(– x) = – f(x) –

x = domínio f(–

x) = imagem

- f(x) = simétrico da imagem

Exemplo de gráfico da função ímpar: f(x) = 3x

4 – Função afim ou polinomial do primeiro grau

Para saber se uma função é polinomial do primeiro grau, devemos observar o maior grau da variável
x (termo desconhecido), que sempre deve ser igual a 1. Nessa função, o gráfico é uma reta. Além
disso, ela possui: domínio x, imagem f(x) e coeficientes a e b. Fórmula geral da função afim ou
polinomial do primeiro grau

f(x) = ax + b x

= domínio f(x)

= imagem a =

coeficiente b =

coeficiente

Exemplo de gráfico da função polinomial do primeiro grau: f(x) = 4x + 1

5 – Função Linear

A função linear tem sua origem na função do primeiro grau (f(x) = ax + b). Trata-se de um caso
particular, pois b sempre será igual a zero. Fórmula geral da função linear

f(x) = ax

x = domínio f(x)

= imagem a =

coeficiente

Exemplo de gráfico da função linear: f(x) = -x/3

6 – Função crescente
A função polinomial do primeiro grau será crescente quando o coeficiente a for diferente de zero e
maior que um (a > 1).

Fórmula geral da função crescente

f(x) = + ax + b x = domínio f(x)

= imagem a = coeficiente

sempre positivo b = coeficiente

Exemplo de gráfico da função crescente: f(x) = 5x

7 – Função decrescente

Na função decrescente, o coeficiente a da função do primeiro grau (f(x) = ax + b) é sempre negativo.

Fórmula geral da função decrescente

f(x) = - ax + b

x= domínio/ incógnita f(x)

= imagem

- a = coeficiente sempre negativo b

= coeficiente

Exemplo de gráfico da função decrescente: f(x) = - 5x

8 – Função quadrática ou polinomial do segundo grau

Identificamos que uma função é do segundo grau quando o maior expoente que acompanha a variável
x (termo desconhecido) é 2. O gráfico da função polinomial do segundo grau sempre será uma
parábola. A sua concavidade muda de acordo com o valor do coeficiente a. Sendo assim, se a é
positivo, a concavidade é para cima e, se for negativo, é para baixo. Fórmula geral da função quadrática
ou polinomial do segundo grau f(x) = ax2 + bx + c x = domínio f(x) = imagem a = coeficiente que
determina a concavidade da parábola. b = coeficiente. c = coeficiente.

Exemplo de gráfico da função polinomial do segundo grau: f(x) = x2 – 6x + 5

9 – Função modular

A função modular apresenta o módulo, que é considerado o valor absoluto de um número e é

caracterizado por (| |). Como o módulo sempre é positivo, esse valor pode ser obtido tanto negativo
quanto positivo. Exemplo: |x| = + x ou |x| = - x. Fórmula geral da função modular

f(x) = x, se x≥ 0

ou
f(x) = – x, se x < 0

x = domínio f(x) =

imagem

- x = simétrico do domínio

Exemplo de gráfico da função modular: f(x) =

10 – Função exponencial

Uma função será considerada exponencial quando a variável x estiver no expoente em relação à base
de um termo numérico ou algébrico. Caso esse termo seja maior que 1, o gráfico da função exponencial
é crescente. Mas se o termo for um número entre 0 e 1, o gráfico da função exponencial é decrescente.

Fórmula geral da função exponencial

f(x) = ax a > 1 ou 0 < a < 1 x =

domínio f(x) = imagem a = Termo

numérico ou algébrico Exemplo

de gráfico da função exponencial

crescente: f(x) = (2)x, para a = 2

Exemplo de gráfico da função exponencial decrescente: f(x) = (1/2)x para a = ½

11 - Função logarítmica

Na função logarítmica, o domínio é o conjunto dos números reais maiores que zero e o contradomínio
é o conjunto dos elementos dependentes da função, sendo todos números reais. Fórmula geral da
função logarítmica

f(x) = loga x

a = base do logaritmo f(x) =

Imagem/ logaritmando x =
Domínio/ logaritmo
Exemplo de gráfico da função logarítmica: f(x) = log10 (5x - 6)

12 – Funções trigonométricas

As funções trigonométricas são consideradas funções angulares e são utilizadas para o estudo dos
triângulos e em fenômenos periódicos. Podem ser caracterizadas como razão de coordenadas dos
pontos de um círculo unitário. As funções consideradas elementares são:

- Seno: f(x) = sen x

- Cosseno: f(x) = cos x

- Tangente: f(x) = tg x

Exemplo de gráfico da função trigonométrica seno: f(x) = sen (x + 2)

Exemplo de gráfico da função trigonométrica cosseno: f(x) = cos (x + 2)

Exemplo de gráfico da função tangente: f(x) = tg (x + 2)

13 – Função raiz

O que determina o domínio da função raiz é o termo n que faz parte do expoente. Se nfor ímpar, o
domínio (x) será o conjunto dos números reais; se n for par, o domínio (x) será somente os números
reais positivos. Isso porque, quando o índice é par, o radicando (termo que fica dentro da raiz) não
pode ser negativo.

Fórmula geral da função raiz

f(x) = x 1/n

f(x) = Imagem
x = domínio/ base

1/n = expoente

Exemplo de gráfico da função raiz: f(x) = (x)1/2

Neste artigo vou explicar como funciona a linguagem Ladder, lhe apresentando um exemplo prático
primeiramente. Ao final, você vai entender através de um exemplo prático como funciona a linguagem
Ladder e como ela se adapta aos grandes fabricantes de CLPs. Então vamos ao nosso primeiro
exemplo:

Um frigorífico de abate de aves tinha um problema intermitente no final da linha de embalagem. As

embalagens de miúdos (asa, coxa, pés) passava pelo detector de metais antes de serem
encaixotadas. Caso o detector verificasse presença de algum metal na embalagem, ele enviava um
sinal que acionava uma solenóide que por sua vez ativava um pistão pneumático a fim de expulsar
a embalagem da linha para o devido tratamento. Veja este exemplo na figura abaixo:

No entanto, ocorreu um problema onde mesmo que algumas embalagens acusassem metal ao
passar pelo detector, elas passavam normalmente pela esteira sem haver a expulsão. Após algumas
investigações foi detectado que a duração do pulso que detectava o metal era de ¾ de segundos. O
CLP, que faz o reconhecimento deste sinal, controla várias estações e possui um programa muito
extenso. E vasculhando o status do CLP, foi possível identificar que o tempo de varredura do CLP
está ligeiramente inferior a 1 segundo. Então seria muito provável que o pulso enviado pelo detector
não estava sendo detectado pelo CLP. O pulso do detector poderia ser anulado no inicio do tempo
de varredura do CLP, fazendo com que a lógica não reconhecesse o mesmo e para ele tudo estava
normal.

A solução: O técnico examinou o programa em linguagem Ladder e verificou que a entrada onde
chegava o pulso do detector era atualizada a cada 1/2 segundo. Caso a entrada do detector estivesse
atuada, uma bobina interna ficava ligada por pelo menos 1,5 segundos. O programa foi então revisado
de forma a aumentar o tempo de pulso do detector e armazenar o sinal na memoria de forma a acionar
a solenoide e consequentemente acionar o cilindro para expulsar a embalagem com metal.

O problema relatado acima é típico de um técnico que trabalha com automação industrial. Para que
você seja capaz de resolver o mesmo, você deverá compreender a linguagem Ladder, que é a
linguagem de programação mais utilizada nos CLPs de mercado e que se baseia em diagramas de
circuitos eletromecânicos combinados em um esquema de comando. Vou explicar para você como isso
funciona com exemplos a seguir detalhando contatos, bobinas e blocos lógicos.

A linguagem Ladder foi a primeira linguagem de programação desenvolvida para os CLPs e, como a
criação destes foi uma necessidade de substituição do controle de sistemas com reles lógicos, nada
mais natural que a linguagem Ladderfosse similar aos diagramas utilizados para documentar a lógica
por relês. Utilizando esta abordagem, os engenheiros e técnicos responsáveis pela programação dos
CLPs não precisariam de treinamentos extensos para entender ou desenvolver um programa. Desta
forma, a linguagem Ladder se baseia em interruptores simples que se conectam em linhas com bobinas
de maneira a compor circuitos lógicos. Assim, cada interruptor (entrada) recebe uma identificação (tag)
assim como as bobinas (saídas). Também é possível utilizar memórias internas, temporizadores,
comparadores e blocos lógicos. Veremos todos estes elementos a seguir.

Exemplo 1: Circuito OR (OU). Duas chaves identificadas como A e B são conectadas em paralelo de
forma a controlar uma lâmpada conforme Figura 2. Devemos implementar esta função em linguagem
Ladder no CLP onde as 2 chaves deverão ser entradas individuais.

Figura 2 – Circuito com chaveamento paralelo (a) e tabela verdade (b)

Solução: A ação do circuito proposto pode ser descrita como: “A lâmpada acende quando a chave A
está acionada (fechada) ou a chave B está acionada (fechada). Todas as possíveis combinações das
duas chaves e o acionamento da lâmpada pode ser visualizado na tabela da Figura 2(b). Abaixo
podemos ver como seria este circuito e sua representação lógica:
Figura 3 – Representação do circuito com reles (a), diagrama com reles em logica Ladder (b) e
linguagem Ladderimplementada em CLP (c) para a lógica OU

Na Figura 3 (a), você pode verificar que os os reles AR, BR e LR possuem contatos normalmente
abertos. As chaves A e B são as entradas do circuito e quando A ou B estão fechadas, a bobina do rele
correspondente AR ou BR é energizada, fechando o contato e fornecendo energia para a bobina do
rele LR que quando energizado fecha contato fornecendo energia para a lâmpada. Veja que tanto A
quanto B, quando fechadas, energizam a lâmpada mostrando de fato a lógica OU. A lâmpada por sua
vez é acionada pela bobina do rele LR dando a característica de isolação entre as saídas e entradas,
permitindo assim que as entradas A ou B possam ser utilizadas várias vezes na lógica.

Um rele típico de controle industrial pode ter até 12 polos ou conjunto de contatos por bobina. Por
exemplo, se o rele AR tiver 6 polos, no nosso exemplo, somente 1 está sendo utilizado na lógica da
Figura 3. Assim, os outros 5 podem ser usados para continuar compondo uma lógica maior. Antes do
desenvolvimento dos CLPs, era exatamente desta maneira que era composta uma lógica nos projetos
elétricos. O nome dado a este tipo de implementação foi diagrama com reles em lógica Ladder.

Já a linguagem ladder para o CLP, Figura 3(c), acabou resumindo bastante a representação do
diagrama, pois a lógica implementada no CLP assume que as entradas (chaves no nosso exemplo)
estão conectadas por entradas discretas (equivalente as bobinas dos reles AR e BR na Figura 3(b)). A
saída também é conectada à uma saída discreta (equivalente ao contato normalmente aberto de LR
na figura 3(a). O nome mostrado em cima do contato não é o nome do contato e sim o controle para a
bobina que aciona o contato. A saída ou bobina é representada pelo lado direito da linha devido ao fato
de que a energia circula do lado esquerdo para o direito. Assim, podemos interpretar da seguinte forma:
Quando a chave A é acionada, a Lâmpada L acende ou quando a chave B é ligada, a Lâmpada L
também acende, exatamente como representado no circuito simplificado da Figura 2.
Exemplo 2: Circuito E (AND) – Duas chaves nomeadas A e B são ligadas em série de forma a controlar
uma lâmpada conforme mostrada na Figura 3. Implementar esta função em programação ladder onde
as 2 chaves são entradas individuais.

Figura 4 – Circuito com chaveamento paralelo (a) e tabela verdade (b)

Solução: A ação no circuito é descrita como: “A lâmpada está ligada quando a chave A está fechada
(ligada) e a chave B está fechada (ligada), Todas as possíveis combinações entre as chaves A e B
podem ser visualizadas na tabela verdade da Figura 4(b). Para implementar esta função utilizando
reles, a única modificação se comparado com o exemplo 1 é que aqui os contatos normalmente abertos
dos controles dos reles AR e BR foram ligados em série com o controle da lâmpada (Figura 5(a)). A
ligação das chaves A e B e a ligação da lâmpada não muda. O diagrama com reles em lógica ladder
mostrado na Figura 5(b) é diferente do da Figura 3(b) apenas na terceira linha e como no exemplo
anterior, novamente a linguagem ladder do CLP é resumida em uma linha apenas com a seguinte
interpretação: Quando a chave A está ligada e a chave B está ligada, a lâmpada deverá ser ligada.

Figura 5 – Representação do circuito com reles (a), diagrama com reles em logica ladder (b) e
linguagem ladderimplementada em CLP (c) para a lógica E
Exemplo 3: Neste terceiro exemplo, considere a implementação da lógica não (NOT). Suponha que a
lâmpada precisa ser ligada quando a chave A está ligada (fechada) e a chave B está desligada (aberta).
Implementar esta função em linguagem ladder no CLP onde as duas chaves são entradas individuais.

Solução: A Figura 6 mostra a tabela verdade, o diagrama com reles e a logica ladder para o CLP neste
exemplo. A única diferença entre a implementação em rele da Figura 6(a) e a Figura 5(a) é a ligação
dos contatos do rele BR. A lógica NOT para a chave B é conseguida com o contato normalmente
fechado (NF) do rele BR. A linguagem ladder no CLP da Figura 6(c) comparada à da Figura 5(c) se
diferem apenas no segundo contato podendo ser interpretada como: “Quando a entrada (chave) A está
ligada (fechada) e a entrada (chave B) está desligada (aberta) então a lâmpada será ligada. Este
exemplo em particular é impossível de ser implementado sem a utilização de reles e com a combinação
de apenas duas chaves normalmente abertas.

Figura 6 – Circuitos com a Lógica Não (NOT); (a) tabela verdade; (b) circuito equivalente com reles; (c)
linguagem ladder no CLP.

Bom, estamos evoluindo no entendimento melhor da lógica de programação e pelos exemplos que
vimos até agora temos os seguintes conceitos:

• Lógica E ou AND – Conexão em série de contatos;

• Lógica OU ou OR – Conexão em paralelo de contatos;

• NA ou NO – Contato Normalmente Aberto (Normally Open). O contato fica aberto quando não há
energia no circuito e se fecha quando recebe energia.

• NF ou NC – Contato normalmente fechado (Normally Closed). O contato fica fechado quando não
há energia no circuito e se abre quando recebe energia.

Estes conceitos são a chave para que você comece a entender e implementar as lógicas em linguagem
ladder. Para muitas pessoas, eles parecem simples, e para outras, estranho à primeira vista. No
entanto, eles começarão a ficar mais natural quando você trabalhar com as implementações nas
soluções. Será possível observar a facilidade em lidar com esta abordagem devido ao fato de que a
linguagem ladder é uma linguagem gráfica e visual, muito diferente das linguagens de programação
C++, Fortran, Basic e Java. Em contrapartida a linguagem ladder acaba por apresentar mais limitações
se comparada às linguagens citadas.

Símbolos Básicos da Linguagem Ladder

Agora que você entendeu os exemplos acima, vamos deixar de pensar em lógica por reles e partir
diretamente para a lógica em linguagem ladder. Como falamos anteriormente, os símbolos básicos da
linguagem ladder são:
Simbolo Descrição

-Contato normalmente aberto (NA ou NO).

-Na linguagem ladder, este símbolo transfere energia se a chave
estiver ligada (fechada).

-Contato normalmente fechado (NF ou NC).

-Na linguagem ladder, este símbolo transfere energia se a chave
estiver desligada (aberta).

-Saída ou Bobina. Se qualquer contato transferir energia da

esquerda para a direita, a saída é energizada (ligada).
-Caso não houver energia transferida da esquerda para a direita, a
saída fica desenergizada.

Os símbolos acima, depois de implementados na linguagem ladder, são scaneados (lidos) e

executados pelo CLP, seguindo a ordem da esquerda para a direta. A Figura 7 é um exemplo em lógica
ladder com uma instrução básica:
Figura 7 – Diagrama básico da Linguagem Ladder

A primeira linha (também chamada em inglês de rung) determina o acionamento da bobina Out1 e pode
ser interpretada da seguinte forma: A saída 1 fica ligada quando a entradas A, B e C estão todas ligadas
ou as entradas A e C estão ligadas e a entrada D desligada. Veja que para a saída Out1 estar
energizada, deve haver um caminho elétrico contínuo através dos contatos das chaves de entrada,
com a energia fluindo da esquerda para a direita.

A seguir, vou apresentar a linguagem ladder para os CLPs mais famosos de mercado. O Modicon da
Schneider será apresentado primeiramente por ser mais próximo à norma IEC 61131-3. Depois
mostrarei a lógica em linguagem Ladder para os CLPs Allen Bradley por serem largamente utilizados
nas indústrias juntamente com o Siemens. Depois de apresentar o padrão Siemens, apresentarei o
padrão da GE.

3 – O Padrão Ladder IEC 61131-3

Abaixo, é possível visualizar uma tabela com os símbolos utilizados na linguagem ladder padrão IEC
61131-3:
Simbolo Descrição

Contato normalmente aberto (NA ou NO). Transfere energia se a chave

estiver ligada (fechada).

Contato normalmente fechado (NF ou NC). Transfere energia se a chave

estiver desligada (aberta).
Transição positiva. Se o estado do símbolo mudar de desligado para ligado,
este contato transfere energia na linha até que haja um novo scan do
controlador.

Transição negativa. Se o estado do símbolo mudar de ligado para

desligado, este contato transfere energia na linha até que haja um novo
scan do controlador.

Bobina ou Saída. Se todos os contatos na linha transferirem energia, a

bobina é energizada (ligada). Caso contrário, ela permanece desligada.

Bobina ou Saída Negada. Se todos os contatos na linha transferirem

energia, a bobina é desenergizada (desligada). Caso contrário, ela
permanece ligada.
 Bobina Set. Se a linha transferir energia para este elemento, ele fica
energizado, mesmo que a linha deixe de estar energizada.

Bobina Reset. Se a linha transferir energia para este elemento, ele fica
desenergizado e permanece desenergizado mesmo que ocorra alteração
de energia na linha.

Bobina de Detecção Positiva. Se as condições antes desta bobina mudar

de desligado para ligado, esta bobina é ligada para um scan do controla-
dor.

Bobina de Detecção Negativa. Se as condições antes desta bobina mudar

de ligado para desligado, esta bobina é ligada para um scan do controla-
dor.

Bobina de Memória Retentiva. É como a bobina comum exceto pelo fato

de que ela retem o seu estado de ligada ou desligada mesmo que o CLP
pare ou se desnergize.

Bobina Set de Memória. Funciona como a bobina set, porém ela retem o
seu estado mesmo que o controlador pare ou perca a energia, ficando
armazenado na memória.

Bobina Reset de Memória. Funciona como a bobina reset, porém ela

retem o seu estado mesmo que o controlador pare ou perca a energia,
ficando armazenado na memória.

Alguns Comentários Sobre as Instruções Básicas na Linguagem Ladder:

• Os contatos e bobinas sensíveis a transição positiva ou negativa geralmente são utilizados

para inicialização e detecção de transições de entrada, como por exemplo, o aperto de uma botoeira
de comando;

• As bobinas de set e reset são utilizadas em conjunto. Podemos visualizar um exemplo desta
utilização na Figura 8 onde A seta um alarme e B reseta o alarme informando que o mesmo foi
reconhecido.
Figura 8 – Exemplo em linguagem ladder de Set e Reset

• As bobinas de memória retentiva são utilizadas em situações onde o estado da saída deve ser
armazenado mesmo que o CLP sofra queda de energia. Normalmente, as saídas do controlador
desligam quando o mesmo para ou perde a energia e dependendo do sistema, é importante que o
estado da saída fique retido na memória para que o sistema possa operar seguramente após situações
de falha. Alguns fabricantes de CLP fornecem esta função como parte do módulo de saída discreta.

• Apesar de termos o simbolo da bobina negada, não é recomendado sua utilização, pois na
maioria dos sistemas a posição de segurança é quando as saídas do CLP estão desligadas.
Geralmente os contatos são colocados em série com a bobina de saída, indicando múltiplas condições
que devem ser satisfeitas antes que a saída seja energizada. Com a saída negada, quando as
condições são feitas, ela desliga e esta regra acaba por ser o oposto do que se busca na maioria dos
conceitos de segurança.

4 – O Padrão Modicon

Os controladores da Schneider M340 e QuantumPLC são programados na lógica ladder Modicon que
descrevemos anteriormente é compatível com a IEC 61131-3. A linguagem ladder no padrão Modicon
é a mesma descrita da IEC 61131-3, exceto que o Modicon não suporta as funções de bobina de
memória retentiva, SET de memória retentiva e RESET de memória retentiva. Em contrapartida, com
o padrão Modicon temos as funções call e halt. Veja na tabela a seguir os símbolos utilizados neste
padrão:
Simbolo Descrição

Bobina ou Saída. Se todos os contatos na linha transferirem energia, a

bobina é energizada (ligada). Caso contrário, ela permanece desligada.
 Bobina ou Saída Negada. Se todos os contatos na linha transferirem
energia, a bobina é desenergizada (desligada). Caso contrário, ela per-
manece ligada.

Bobina Set. Se a linha transferir energia para este elemento, ele fica
energizado, mesmo que a linha deixe de estar energizada.

Bobina Reset. Se a linha transferir energia para este elemento, ele fica
desenergizado e permanece desenergizado mesmo que ocorra alteração
de energia na linha.

Bobina de Detecção Positiva. Se as condições antes desta bobina mudar

de desligado para ligado, esta bobina é ligada para um scan do controla-
dor.

Bobina de Detecção Negativa. Se as condições antes desta bobina mudar

de ligado para desligado, esta bobina é ligada para um scan do controla-
dor.

Bobina de Chamada (Call). Se alguma linha transferir energia para esta

bobina, ela chama uma subrotina (subprogama).

Bobina de Parada (Halt). Se alguma linha transferir energia para esta

bobina, ela para uma subrotina ou subprogama.

5 – O Padrão Allen-Bradley ControlLogix, PLC-5/SLC-500 e Micrologix

Os contatos básicos no padrão Allen Bradley não são tão numerosos quanto os da IEC 61131-3. Em
contrapartida, para a maioria das instruções, simbolos diferentes são utilizados, embora a função seja
a mesma em uma instrução no padrão IEC 61131-3. Os simbolos utilizados na linguagem ladder pela
Allen Bradley podem ser visualizados na tabela abaixo:
Simbolo Descrição

Contato normalmente aberto (NA ou NO). Transfere energia se a chave

estiver ligada (fechada). Também é chamado de XIC (eXamine If
Closed).

Contato normalmente fechado (NF ou NC). Transfere energia se a chave

estiver desligada (aberta). Também é chamado de XIO (eXamine If
Open).

One-Shot Contact. Se o estado do símbolo mudar de desligado para

ligado, este contato transfere energia na linha até que haja um novo
scan do controlador.
É encontrado no ControlLogix, PLC-5 e alguns Micrologix apenas). É
parecido com a detecção de transição positiva da IEC exceto que este
elemento segue o contato onde a transição ocorre.
Ele armazena uma booleana que retem o estado prévio do contato de
entrada.

One-Shot Rising Contact. Se o estado do símbolo mudar de desligado

para ligado, este contato transfere energia na linha até que haja um
novo scan do controlador.
É encontrado no SLC-500 e alguns Micrologix). e deve preceder
imediatamente uma bobina de saída.
É parecido com a detecção de transição positiva da IEC exceto que este
elemento segue o contato onde a transição ocorre.
Ele armazena uma booleana que retem o estado prévio do contato de
entrada.

Bobina ou Saída. Se todos os contatos na linha transferirem energia, a

bobina é energizada (ligada). Caso contrário, ela permanece desligada.
Também chamada de OTE (OuTput Energize).
 Bobina Latch. Se esta bobina é energizada, ela fica e permanece
energizada, mesmo que a linha em que ela esteja seja desenergizada
de forma análoga ao SET do IEC.
Também chamada de OTL (OuTput Latch).

Bobina Unatch. Se esta bobina é energizada, ela fica e permanece

desenergizada, mesmo que a linha em que ela esteja varie, de forma
análoga ao RESET do IEC.
Também chamada de OTU (OuTput Unlatch).

One-Shot Rising Output. Se o estado do símbolo mudar de desligado

para ligado, este contato transfere energia na linha até que haja um
novo scan do controlador.
É encontrado no PLC-5 ControlLogix.
Apesar de parecer um bloco de função, é parecido com a detecção de
transição positiva da IEC exceto que este elemento segue o contato
onde a transição ocorre.
Ele armazena uma booleana que retem o estado prévio do contato de
entrada.

One-Shot Falling Output. Se o estado do símbolo mudar de ligado para

desligado, este contato transfere energia na linha até que haja um novo
scan do controlador.
É encontrado no PLC-5 ControlLogix.
Apesar de parecer um bloco de função, é parecido com a detecção de
transição negativa da IEC exceto que este elemento segue o contato
onde a transição ocorre.
Ele armazena uma booleana que retem o estado prévio do contato de
entrada.

Veja que neste padrão, a linguagem ladder não apresenta a bobina com memória retentiva. A função
retentiva é tratava em módulos com saídas discretas.

6 – O Padrão Siemens

Os três tipos de processados (S7-200, S7-300/400 e S7-1200) possuem as mesmas instruções

básicas. A única exceção é a bobina de centro de linha que não é válida para os controladores S7-200
e S7-1200 e as bobinas negada e de transição que são válidas apenas para o modelo S7-1200. O
diagrama básico aplicado na linguagem ladder para a família Siemens pode ser visualizado na tabela
abaixo:
Simbolo Descrição

Contato normalmente aberto (NA ou NO). Transfere energia se a chave

estiver ligada (fechada).

Contato normalmente fechado (NF ou NC). Transfere energia se a chave

estiver desligada (aberta).

Transição positiva. Se o estado do símbolo mudar de desligado para ligado,

este contato transfere energia na linha até que haja um novo scan do
controlador.
Para o S7-300/400 é um elemento que armazena um booleano e retem o
estado anterior.
Para o S7-200/1200 este contato é representado por barras verticais ao
invés de parênteses.
Para o S7-1200 quando ocorre a transição, este contato transfere energia
para apenas um Scan do processador.

Transição negativa. Se o estado do símbolo mudar de ligado para

desligado, este contato transfere energia na linha até que haja um novo
scan do controlador.
Para o S7-300/400 é um elemento que armazena um booleano e retem o
estado anterior.
Para o S7-200/1200 este contato é representado por barras verticais ao
invés de parênteses.
Para o S7-1200 quando ocorre a transição, este contato transfere energia
para apenas um Scan do processador.

Inverte o Fluxo de Energia. Se chegar energia neste contato, ela é

automaticamente interromPIDa (desligada). Por outro lado, caso não
chegar energia neste contato, ele liga.
Esta função não se aplica ao S7-200.
 Bobina ou Saída. Se todos os contatos na linha transferirem energia, a
bobina é energizada (ligada). Caso contrário, ela permanece desligada.

Bobina ou Saída Negada. Se todos os contatos na linha transferirem

energia, a bobina é desenergizada (desligada). Caso contrário, ela
permanece ligada.

Bobina de Linha (Midline Output Coil). Pode ser colocada no centro da

linha possibilitando que outra lógica possa ser implementada no lado direito
da bobina.

Bobina Set. Se a linha transferir energia para este elemento, ele fica
energizado, mesmo que a linha deixe de estar energizada.

Bobina Reset. Se a linha transferir energia para este elemento, ele fica
desenergizado e permanece desenergizado mesmo que ocorra alteração
de energia na linha.

Bobina de Detecção Positiva. Se as condições antes desta bobina mudar

de desligado para ligado, esta bobina é ligada para um scan do controla-
dor.

Bobina de Detecção Negativa. Se as condições antes desta bobina mudar

de ligado para desligado, esta bobina é ligada para um scan do controla-
dor.

7 – O Padrão GE (General Electric)

Finalmente, vamos visualizar os simbolos da linguagem ladder para os CLPs da GE, temos o seguinte
padrão:
Simbolo Descrição

Contato normalmente aberto (NA ou NO). Transfere energia se a chave

estiver ligada (fechada).

Contato normalmente fechado (NF ou NC). Transfere energia se a chave

estiver desligada (aberta).

Transição positiva (POSCON). Se o estado do símbolo mudar de

desligado para ligado, este contato transfere energia na linha até o
novo scan do controlador.
Válido para os processadores PACSystems e 90-70.

Transição positiva (PTCON). Se o estado do símbolo mudar de desligado

para ligado, este contato transfere energia na linha até o novo scan do
controlador.
Válido para apenas para os processadores PACSystems.

Transição negativa (NEGCON). Se o estado do símbolo mudar de ligado

para desligado, este contato transfere energia na linha até o novo scan do
controlador.
Válido para os processadores PACSystems e 90-70.
Transição negativa (NTCON). Se o estado do símbolo mudar de ligado para
desligado, este contato transfere energia na linha até o novo scan do
controlador.
Válido para apenas para os processadores PACSystems.

Bobina ou Saída. Se todos os contatos na linha transferirem energia, a

bobina é energizada (ligada). Caso contrário, ela permanece desligada.

Bobina ou Saída Negada. Se todos os contatos na linha transferirem

energia, a bobina é desenergizada (desligada). Caso contrário, ela
permanece ligada.

Bobina Set. Se a linha transferir energia para este elemento, ele fica
energizado, mesmo que a linha deixe de estar energizada.

Bobina Reset. Se a linha transferir energia para este elemento, ele fica
desenergizado e permanece desenergizado mesmo que ocorra alteração
de energia na linha.

Bobina de Detecção Positiva (POSCOIL). Se as condições antes desta

bobina mudar de desligado para ligado, esta bobina é ligada para um scan
do controlador.
 Bobina de Detecção Positiva (PTCOIL). Se as condições antes desta bobina
mudar de desligado para ligado em um scan. Utilizada nos processadores
PACSystems.

Bobina de Detecção Negativa (NEGCOIL). Se as condições antes desta

bobina mudar de ligado para desligado em um scan. Utilizada nos
processadores PACSystems.

Bobina de Detecção Negativa (NTCOIL). Se as condições antes desta

bobina mudar de ligado para desligado, esta bobina é ligada para um scan
do controlador.

Continuação de Contato. Transfere energia se a bobina precedente na linha

estiver ligada.

Continuação de Contato. Transfere energia para a bobina subsequente na

linha.

O que faz um Supervisor de Sistemas

O Supervisor de Sistemas é o profissional responsável por responder pelo funcionamento da

informática da empresa, coordenando e supervisionando equipe de trabalho, na implantação e
manutenção de equipamentos e sistemas.

Um Supervisor de Sistemas atua no suporte técnico aos usuários do sistema.

Está sob as responsabilidades de um Supervisor de Sistemas operar equipamentos de informática,
supervisionar a comunicação via internet e ferramentas de acesso remoto, prestar atendimento aos
usuários dos computadores em todas as formas possíveis, identificando demandas e oportunidades
de melhorias, sugerindo e encaminhando às áreas pertinentes, prestar orientação na utilização de
Hardware e Software, instrução, treinamento e usabilidade do software, bem como gerenciamento de
senhas, instalações e atualizações do software, manter e verificar com periodicidade o Backup dos
dados (Segurança da Informação), tirar dúvidas referentes ao software e/ou quando necessário
encaminhá-las ao suporte técnico da empresa fornecedora de software, servir como contato principal
entre sua empresa e o fornecedor de software, possuir conhecimentos de informática e de sistemas
necessários para receber instruções e atendimento de Suporte do fornecedor.

Para que o profissional tenha um bom desempenho como Supervisor de Sistemas além da graduação
é essencial que possua bom relacionamento com a administração da empresa, poderes para tomada
de decisões no que se refere à infraestrutura de informática, e conhecimentos sobre os processos da
empresa e bom relacionamento com os setores.

Interfaces Homem-Máquina (HMI) - Definição

Uma interface apoiada por computador - na verdade, uma interface de uso - também conhecida como
interface homem-máquina (IHM) (human machine interface - HMI), é a parte de um programa de
computador que se comunica com o usuário. Na ISO 9241-110, o termo interface de usuário é definido
como "todas as partes de um sistema interativo (de software ou hardware) que fornecem informações
e controle necessários para que o usuário realize uma determinada tarefa com o sistema interativo." A
interface de usuário / interface homem-máquina (HMI) é o ponto de ação no qual o ser humano está
em contato com a máquina. O exemplo mais simples é um interruptor de luz: Não se trata de um
humano ou de uma "máquina" (a lâmpada), mas de uma interface entre os dois. Para que uma interface
homem-máquina (HMI) seja utilizável e faça sentido para as pessoas, deve ser adaptada a suas
necessidades e habilidades. Por exemplo, programar um robô para acender a luz seria complicado
demais, e um interruptor no telhado não seria prático para uma luz no porão.

zenon Operator

Brochure

DOWNLOAD

620 kB

Classificação da interface homem-máquina (IHM)

De um ponto de vista sistemático, a interface de usuário é uma das interfaces homem-máquina (HMI).
Humano ↔ interface homem-máquina ↔ máquina. São diversas as ciências que se dedicam a esse
assunto, tais como TI, pesquisa cognitiva e psicologia. Os conhecimentos básicos para o projeto de
uma interface de utilização simples estão concentrados na área científica da ergonomia. As áreas de
atividade de fato são ergonomia cognitiva, ergonomia sistêmica e ergonomia de software (engenharia
da usabilidade).

Operação e observação
Além da denominação "human machine interface" (HMI), a interface de usuário também possui a
denominação de "man machine interface" (MMI) e permite ao operador, em determinadas
circunstâncias, ir além da operação da máquina e observar o estado do equipamento, bem como
interferir no processo. As informações ("feedback") são fornecidas por meio de painéis de controle, com
luzes sinalizadoras, campos de indicação ou botões, ou através de software, utilizando um sistema de
visualização executado em um terminal, por exemplo. No caso de um interruptor de luz, o feedback
visual vem da impressão de luz com o interruptor ligado e escuridão com o interruptor desligado. A
cabine do motorista em um carro também exibe inúmeras interfaces de usuário: dos controles (pedais,
volante, botões e hastes indicadoras, etc.) às informações visuais sobre a "máquina", no caso o carro
(indicação de velocidade, distância, estação de rádio, sistema de navegação, etc.).

Facilidade de uso da interface homem-máquina

O sucesso de um produto técnico depende de vários produtos, como preço, confiabilidade e ciclo de
vida. Da mesma forma, depende de fatores como a manuseabilidade e a facilidade de uso
(usabilidade). O ideal é que a interface homem-máquina (HMI) seja intuitivamente autoexplicativa, sem
exigir treinamento. Apesar de sua popularidade e simplicidade, o interruptor de luz não é uma interface
de usuário ideal, mas um consenso entre dois objetivos contraditórios. O interruptor deve estar próximo
ao dispositivo a ser ligado, a própria lâmpada por exemplo (para que não seja necessário procurá-lo).
Por outro lado, deve estar próximo à porta (que é onde ele geralmente se encontra), para que não seja
necessário procurar por ele no escuro. Outra interface também popular, mas não ideal, é a tela sensível
ao toque: aqui, para acessar um programa que recebe e-mails, você toca o símbolo de email na tela.
Contudo, ao pressionar o ícone, o dedo cobre o mesmo. Isso geralmente não cria nenhum problema,
contudo, não é possível desenhar ou escrever de forma precisa na tela utilizando os dedos.

Evolução das interfaces homem-máquina (HMI)

Nos produtos com ciclo de vida longo, as interfaces homem-máquina (HMI) tem sido otimizadas ao
longo dos anos. Hoje em dia, não temos nos aparelhos de reprodução de áudio e vídeo dois botões
botões que eram comuns nos anos 80. A função de saltar para a faixa anterior ou para a faixa seguinte
foi integrada nos botões de avanço rápido e retrocesso. Para fazer isso, a interface de usuário tornou-
se mais complexa, uma vez que cada um dos botões agora tem duas funções. Para os
desenvolvedores das interface de usuário, tais reduções têm uma função fundamental: o acesso a uma
máquina complexa através de poucos controles pode tornar mais simples a operação básica. Contudo,
geralmente não atende às necessidades mais complexas. Nos sistemas operacionais altamente
complexos dos computadores modernos, esses objetivos divergentes são atendidos por meio da
utilização de duas categorias de interfaces de usuário / interfaces homem-máquina (HMI): A primeira
mostra ao usuário os ícones rotineiros, como a lixeira, as pastas, etc. Estes podem ser compreendidos
e operados imediatamente, sem necessidade de treinamento. Por exemplo: clicar em um link abre um
website. A segunda permite utilizar a interface de linhas de comando para acessar o sistema de
computador em um nível mais profundo. Porém, exige uma grande quantidade de aprendizado. Por
exemplo, taskkill /F /IM iexplore.exe encerra todos os processos relacionados ao Internet Explorer em
um sistema Windows.

Sistema de gerenciamento de banco de dados

Um Sistema de Gerenciamento de Banco de Dados (SGBD) — do inglês Data Base Management

System (DBMS) — é o conjunto de softwares responsáveis pelo gerenciamento de um banco de
dados. Seu principal objetivo é retirar da aplicação cliente a responsabilidade de gerenciar o acesso,
a persistência, a manipulação e a organização dos dados. O SGBD disponibiliza uma interface para
que seus clientes possam incluir, alterar ou consultar dados previamente armazenados. Em bancos
de dados relacionais a interface é constituída pelas APIs (Application Programming Interface) ou
drivers do SGBD, que executam comandos na linguagem SQL (Structured Query Language).

Sistema de Gerenciamento de Banco de Dados

Todas as organizações, por menor que sejam, possuem quantidades cada vez maiores de dados e
informações a armazenar. Todavia, a manipulação dessas informações tornou-se impossível de ser
realizada manualmente (via papéis, principalmente), pois sua utilização, além de demorada (devido a
catalogação dos dados), é passível de erros, principalmente ocasionados pelo desgaste do operador
em conseguir resgatar informações requisitadas. Nesse sentido, torna-se mais fácil encontrar a
informação numa base de dados que recorre a uma das tecnologias de informação de maior sucesso
e confiança. Ou seja, as bases de dados estendem a função do papel ao guardar a informação em
computadores. Qualquer empresa que pretenda garantir um controle efetivo sobre todo o seu negócio,
tem obrigatoriamente de recorrer a sistemas de gestão de bases de dados. Existem muitos tipos de
ferramentas, completas e com funcionalidades acrescidas, que elevam outros níveis, a capacidade
operacional de gerar informação de valor para a organização. Um sistema de gerenciamento de banco
de dados não é nada mais do que um conjunto de programas que permite armazenar, modificar e
extrair informações de um banco de dados. Há muitos tipos diferentes de SGBD. Desde pequenos
sistemas que funcionam em computadores pessoais a sistemas enormes que estão associados a
mainframes. Um SGDB implica a criação e mantença de bases de dados, elimina a necessidade de
especificação de definição de dados, age como interface entre os programas de aplicação e os ficheiros
de dados físicos, e separa as visões lógica e de concepção dos dados. Assim sendo, são basicamente
três os componentes de um SGBD:

• Linguagem de definição de dados (especifica conteúdos, estrutura a base de dados e define os

elementos de dados);

• Linguagem de manipulação de dados (para poder alterar os dados na base);

• Dicionário de dados (guarda definições de elementos de dados e respetivas caraterísticas —

descreve os dados, quem os acede, etc.) (Gouveia; 2009).

Qualidade de Dados

Um banco de dados é meio caminho andado para que a empresa tenha a informação que precisa.
Para isso, outras medidas devem ser tomadas para ter certeza de que os dados sejam confiáveis.
Alguns dos erros são causados por dados incoerentes produzidos por múltiplos sistemas. Se o banco
de dados for projetado adequadamente, a ocorrência de dados incoerentes será pequena. Porém a
maioria dos problemas de qualidade com nomes digitados incorretamente, números trocados ou
códigos faltantes, ocorre durante a entrada de dados, esses erros ficam mais comuns quando as
empresas transferem parte dos seus dados para a Internet, e permite que clientes e fornecedores
insiram seus dados no site e isso efetue alterações no sistema interno. Os problemas com qualidade
de dados não são só empresariais, eles também representam sérios problemas às pessoas, afetando
sua condição financeira e até mesmo seu emprego.

Descrição

Um modelo de SGBD define como os dados serão armazenados no banco de dados. Os quatro
modelos mais conhecidos são:

• hierárquico;

• em rede;

• relacional;

• orientado a objetos
Existem também outros modelos, variando com o autor:

• o modelo de dados objeto-relacional é praticamente uma mistura do modelo relacional com o

orientado a objetos.

• o modelo relacional estendido, é uma adição de caraterísticas do modelo orientado a objetos ao

relacional

• o semiestruturado é dedicado a documentos em formatos semiestruturados, normalmente em XML;

• estruturas de dados otimizadas, que possam manipular uma grande quantidade de informação;
• uma linguagem que possibilite a criação, atualização e consulta dos dados armazenados.
Normalmente esta linguagem é dividida em partes:

• Linguagem de definição de dados ou LDD (ou DDL, do inglês), com comandos como CREATE,
DROP e ALTER TABLE;

• Linguagem de manipulação de dados, ou LMD (ou DML, do inglês), com comandos como UPDATE,
SELECT, INSERT e DELETE;

• Linguagem de controle de dados, ou LCD, com comandos para controle de acesso dos usuários do
sistema, como GRANT e REVOKE, em SQL.

• um mecanismo transacional que garanta a consistência, entre as operações, dos dados

armazenados. Também é possível definir uma linguagem adicional para restrições, como a OCL. As
principais linguagens para manipular bancos de dados são: SQL, em seus vários padrões, como
SQL2 e SQL3; e OQL.

Exemplos de SGBDs

• PostgreSQL

• Firebird

• HSQLDB

• IBM DB2

• IBM Informix

• mSQL

• MySQL

• MariaDB

• Oracle

• SQL-Server

• TinySQL

• ZODB

• JADE

• Sybase

• Microsoft Access (Alguns o consideram SGBD mas é um SGBDR)

• Microsoft Visual Foxpro

• MongoDB
_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________

_________________________________________________________________________________