Matematica e Raciocino Logico

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:
• Feliz ano novo!
• Chove.
• Quando começam as férias?
• x é maior que 27.
• Três mais dois.
• 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 PROPO- SIÇÃO.
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 (disjun- ção), => (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:
• P: Paulo é estudioso e Maria é bonita. P é composta das proposições simples p:

Paulo é estudioso e q: Maria é bonita.
• Q: Maria é bonita ou estudiosa. Q é composta das proposições simples p: Maria é

bonita e q: Ma- ria é estudiosa.
• R: Se x = 2 então x² + 1 = 5. R é composta das proposições simples p: x = 2 e q: x² + 1 = 5.
• 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 ló- gico 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 elegân- cia 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:
• – Não pode existir uma proposição falsa e verdadeira ao mesmo tempo (princípio da
não contradi- ção).
• – Toda proposição é verdadeira ou falsa, não existindo um terceiro caso. (princípio

do terceiro ex- cluído).
Entendemos então que uma proposição só pode ter um dos valores
lógicos: V ou F. Vejamos algumas proposições como exemplo:

• A aceleração da gravidade na Terra é 9,80665 m/s²
• A França é um país europeu.
• O rio Nilo cruza o território Brasileiro

• 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 proposi- ção 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 ló- gica 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:
• O número 17 é primo. ( )
• Fortaleza é a capital do Maranhão. ( )
• TIRADENTES morreu afogado. ( )
d. (3 + 5)2 = 32 + 52. ( )
e. O valor archimediano de p é 22/7. ( )
f. -1 < -7. ( )
• 0,131313… é uma dízima periódica simples. ( )
• As diagonais de um paralelogramo são iguais. ( )
• Todo polígono regular convexo é inscritível. ( )
• O hexaedro regular tem 8 arestas. ( )
• A expressão n2 – n + 41 (nÎN) só produz números primos. ( )
• Todo número divisível por 5 termina por 5. ( )
• O produto de dois números ímpares é um número ímpar. ( )
n. sen2 30º + sen2 60º = 2. ( )
o. 1 + 3 + 5 + … + (2n – 1)2 = n2. ( )

• As raízes da equação x3 – 1 = 0 são todas reais. ( )
• O número 125 é cubo perfeito. ( )
• 0, 4 e -4 são raízes da equação x3 – 16x = 0. ( )
• O cubo é um poliedro regular. ( )
t.
tg(p/4)
<
tg(p/6).
()
Respost
a:
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
• x – y = 20
• Em 2004 foram registradas 800+z acidentes de trânsito em São Paulo.
• 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
(desiguald
ade) 4y – 2
< -7
(inequação
)
Pode-se, também, ter uma sentença aberta como proposição, porém nesse caso não é
possível atribuir um valor lógico.
Exemplos:
• 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 li- vres).
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 resolu- ção de problemas matemáticos, trocar-se alguns nomes (ou
todos) por variáveis.
• 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:
• Se x = 3 então a condição se verifica (V, V);
• A condição (V, F) não se verifica;
• Se x = 4 então a condição é verdadeira (F, V);
• 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 proposi- ções 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 mai- úscula).
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
• 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
• 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 lógi- cos, uma vez que a proposição composta envolve três proposições simples:
p, q e r.
Raciocínio Lógico: Conectivos Lógicos
Operação Conectivo Estrutura Lógica Exemplos
Negação ¬ Não p A bicicleta não é azul
Conjunção ^ Peq Thiago é mé-

dico eJoão é Enge-
nheiro
Disjunção Inclusiva v P ou q Thiago é médico ou-

João é Engenheiro
Disjunção Exclusiva v Ou p ou q Ou Thiago é Mé-

dico ouJoão é Enge-
nheiro
Condicional → Se p então q Se Thiago é Médico-

então João é Enge-
nheiro
Bicondicional ↔ P se e somente se q Thiago é médico se e

somente se João é
Médico
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
cine
ma
Q:
Irei
ao
club
e
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 valo- ração 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
(~), antece- dendo 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:
• 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 𝖠q) = ~p V ~q
Como fomos chegar à essa conclusão?
~(p 𝖠q) ~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);
• 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:
• 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
~(p 𝖠 q)= ~p v ~q
Como fomos chegar à essa conclusão?
~(p 𝖠 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

• Nega-se a segunda parte (~q).
Exemplo: Como fica a negativa de “se chover então levarei o
guarda-chuva”. Solução:
• Mantém-se a primeira parte (p) = Chove;
• Nega-se a segunda parte (~q) = Não levo o
guarda-chuva; CHOVE E NÃO LEVO O
GUARDA-CHUVA.
Negação de uma Proposição Condicional
~(p→ q) = p 𝖠~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
p𝖠q 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 atô- micas usando conectivos lógicos e um sistema de regras
de derivação, que permite que certas fórmu- las 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 necessá- rios 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 pos- síveis:
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:
• frases interrogativas: “Qual é o seu nome?”
• frases exclamativas: “Que linda é essa mulher!”
• frases imperativas: “Estude mais.”
• frases optativas: “Deus te acompanhe.”
• frases sem verbo: “O caderno de Maria.”
• 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
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 Graci- liano 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 metáfo- ra, 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 me- dicamento 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 bio- lógicas 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 deci- são”.
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 de- duz necessariamente das duas premissas.
A veracidade da conclusão dependerá das regras que regulam a relação entre as

premissas compa- radas. 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 inter- mediárias. 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 imedia- to.
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 indu- ção.
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:
• 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.
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:
• um conjunto de símbolos primitivos, definidos como fórmulas atômicas, proposições

atômicas, ou variáveis, e
• 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:
• de sua linguagem, que é a coleção particular de símbolos primitivos e operadores,
• do conjunto de axiomas, ou fórmulas distinguidas, e
• 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 𝖴 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).
Relaç
ão E
Funçã
o Par
orden
ado
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:
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:
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
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 x 4, 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
)
4
x
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
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
• 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 mate- mática, 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, mate- máticos, 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 mate- mático, 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 proposi- ções 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 adi- cionando 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 pos-
sibilidades 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 identi- ficá-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.
Exempl
o:
Proposi
ções
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 propo- sições 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 propo- sição 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 proposi- ção. 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 pro- posição, 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” (con- junção), “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 matemá- tico, 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 adici- onando 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 defini- ção, 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 com- plementando 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
mineir
o Q=
joão é
capixa
ba
Negan
do-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
bonita
Nega
ndo-
a,
temos
;
“augusto não é feio e maria não é bonita”.
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=
pedr
oé
bonit
Nega
ndo-
temo
s;
“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=
passar
ei de
ano
Negan
do-a,
temos
;
“sou inteligente e não passarei de ano”
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 → ? Va- mos 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 ló- gico 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:
• Fez sol e viajaram para a praia.
• Fez sol e não viajaram para a praia.
• Não fez sol e viajaram para a praia.
• 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 pergun- tando 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:
• Choveu e fiquei em casa.
• Choveu e não fiquei em casa.
• Não choveu e fiquei em casa.
• 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 si- tuações.
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 tam- bém
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 ex- perimentação, observação e percepção,
realização de conjecturas, desenvolvimento de argumenta- ções 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 ⇒
• O símbolo → (p → q) Lê-se: se p….. então q representa uma operação matemática

entre as pro- posições p e q que tem como resultado a proposição p → q, com valor
lógico V ou F.
• 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 ló- gica 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 tam- bém, 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 ló- gica ( 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 ⇒ p v q
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 situa- ções.
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 situa- ções. 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 si- tuações, 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 tau- tológica.
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 implica- ção 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:
• Não vi ninguém.
• 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:
• -Se hoje é sábado, então hoje é dia de pegar um cineminha. (p→q)
• -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:
er
o:
p 𝖠 q corresponde a proposição
composta P. q 𝖠 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 𝖠 q” e “q 𝖠 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 ⇔ Q e Q ⇔ 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 impor- tando quais sejam as proposições P0 , Q0 , R0 , …
• Primeiro obtenha uma Tautologia. – Por exemplo: P(p,q) = p 𝖠 q → q
• Agora, escolha uma sentença lógica que qualquer. Essa sentença pode ser uma
Tautologia ou não, não faz diferença. – Por exemplo: Q = r 𝖠 s
• Então, escolha uma proposição simples de P e substitua pela sentença escolhida. –

Por exemplo, substituindo “q” em P: P(p, Q): p 𝖠 (Q) → (Q) P(p, Q): p 𝖠 (r 𝖠 s) → (r 𝖠
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 parên- teses 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) 1 (x − y)04
2
1
x−
2
1
y−4
2
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 matemáti- co 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 lógi- ca (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)
Exe
mpl
os:
• 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 pro- posição”
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
)𝖠(
¬B)
Exe
mpl
os:
• 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. As- sim:
¬(A
→B)
=A𝖠
¬B
Por
exe
mpl
o:
• 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:
• não mato a cobra ou não mostro o pau;

• não mato a cobra e não mostro o pau;
• não mato a cobra e mostro o pau;
• mato a cobra e não mostro o pau;
• 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

departamen- to percebeu que Pedro, um dos funcionários, tinha cometido alguns erros
em seu trabalho e comen- tou:
“Pedro está cansado ou
desatento.” A negação
lógica dessa afirmação
é:
• Pedro está descansado ou desatento.
• Pedro está descansado ou atento.
• Pedro está cansado e desatento.
• Pedro está descansado e atento.
• 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 ócu- los, 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
• 20
• 22
• 24
• 26
• 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
• todos os músicos são felizes.
• não há cantores que são músicos e felizes.
• os cantores que não são músicos são felizes.
• os felizes que não são músicos não são cantores.
• 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
• alguns PLITZ são PLETZ e PLATZ.
• existe PLATZ que não é PLUTZ nem é PLETZ
• não existe PLUTZ que é apenas PLUTZ.
• todo PLITZ é PLETZ.
• 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
• 21
• 14
• 16
• 19
• 12
Questão 5: FCC/2012 – Concurso TCE-SP – Analista de Fiscalização Financeira

(Administra- ção)
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 intersecção entre o conjunto dos jogadores e o conjunto dos rápidos é vazia.
• a intersecção entre o conjunto dos estudantes e o conjunto dos jogadores não é vazia.
• Jorge pertence ao conjunto dos jogadores e dos rápidos.
• Jorge não pertence à intersecção entre os conjuntos dos estudantes e o conjunto dos rápidos.
• 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.
o
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
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.
:
• 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 quantifi- cação: 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 mate- mática. 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 Zer- melo-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 formaliza- das 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.
Negativa
s
Maria não
gosta de
queijo.
Imperativas
E
s
t
u
d
e
m
u
i
t
o
.
E
x
c
l
a
m
a
t
i
v
a
s
Como
você
está
linda!
Interroga
tivas
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 uni- ão.
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} -9}, se pedirmos a interseção

deles teremos: B ∩ C = { } ou B ∩ C = 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 = a diferença
dos conjuntos é:
Exemplo 4:
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}
A𝖴B = {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}
A𝖴B = {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.
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 sin- tética 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 le- varam a uma axiomatização das teorias matemáticas futuras,
influenciando de modo indelével as ci- ências da matemática e da lógica. Mais tarde, a
teoria original receberia complementos e aperfeiçoa- mentos 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:
• Um conjunto unitário possui um único elemento
• Dois conjuntos são iguais se possuem exatamente os mesmos elementos
• Conjunto vazio é o conjunto que não possui nenhum elemento
• 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 necessita- ria 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
• - 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.
• - União
Ocorre união quando o conjunto união contempla todos os elementos de dado conjunto
A ou de dado conjunto B.
Exemplo: {0,1,3} 𝖴 { 3,4,5 } = { 0,1,3,4,5}
Assim, através de suas numerosas combinações, que fornecem poderosa ferramenta

para a constru- ção 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
• 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.
• 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.
• 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}

• 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}
• 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 con-
junto considerado.
Exemplo
• 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:
• 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.
• 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 norue- guesa). Não podemos confundir as duas notações representando o
conjunto vazio por { }, pois es-

taríamos 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.
• 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:
• 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.
• 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}}
• 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.
• 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
em B (AB) e B está contido em A (B A),
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 pertinên- cia.
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–
Sub
conj
unt
Defi
niçã
o
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).
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 nú- meros. 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:

• A intersecção de um conjunto por ele mesmo é o próprio conjunto: A ∩ A = A
• A propriedade comutatividade na intersecção de dois
conjuntos é: A ∩ B = B ∩ A.
• 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 re- produzam 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 ló- gico, 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 fá- cil
aplicação para determinar a correção ou a incorreção de todos os raciocínios, inclusive os pró- prios. –
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 expres- sões 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 possí- vel!
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 desa- fiadora e divertida.
Xadrez
Jogar xadrez lhe dá maior desenvoltura ao tomar decisões, treinamento do pensamento

crítico, matu- ridade 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 pro- posição, 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
• 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.
• Proposições Compostas – Conectivos:
• 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 co- lega 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.
• 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 dis- junção inclusiva e a disjunção exclusiva. A primeira simbolizada por v e a
segunda por v. A proposi- ção composta p ou q é chamada disjunção inclusiva de P com
Q e simbolizada por P v Q. A proposi- ção 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:
• Trabalho ou estudo.
• 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 impedi- mento. 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 ex- clusão, 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 contrá- rio, 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 uti- lizo 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 fal- tando 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 ge- néricos 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 fó- rum 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 ma- térias 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 mate- mático, 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 caracterís- ticas 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 ambos verdadeiros.
Disjunção (símbolo v, “ou”): A proposição resultante é verdadeira se pelo menos uma

das proposi- ções 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 proposi- ção “Brasília é a capital do Brasil” é verdadeiro).
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!
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:
• Se P, Q.
• Q, se P.
• Quando P, Q.
• P implica Q.
• Todo P é Q.
• P é condição suficiente para Q.
• Q é condição necessária para P.
• 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”
P Q P <-> Q
V V V
V F F
F V F
F F V
Nas frases essa conjunção pode aparecer como:

• P se e só se Q.
• Se P então Q e se Q então P.
• P implica Q e Q implica P.
• Todo P é Q e todo Q é P.
• P somente se Q e Q somente se P.
• P é condição suficiente e necessária para Q.
• 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, con- tadições, ou contingências.
• Tautologia: É uma proposição composta que é sempre verdadeira, independente

do valor lógico (verdadeiro ou falso) das proposições que a compõe.
• Contadição: É uma proposição composta que é sempre falsa, independente do valor

lógico (verdadeiro ou falso) das proposições que a compõe.
• Contingência: São todas as proposições compostas que não são nem tautologias
nem contradi- ções.
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 proposi- ções (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 núme- ros, 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 ne- cessário fazer o máximo de questões possíveis.
Coloquei várias questões para você praticar!
• Qual das Figuras (a, b, c, d) pode ser montada ao dobrar o seguinte modelo:
• Qual das Figuras (a, b, c, d) pode ser montada ao dobrar o modelo:
• 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
• 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
• segunda-feira.
• terça-feira.
• quarta-feira.
• quinta-feira.
• sexta-feira.
• 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
uma
terça-
feira
uma
quart
a-
feira
uma
quint
a-
feira
uma
sexta
-feira
Resp
osta
s:
• 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.
• 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.
• 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
• 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
• 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 con- teúdos todos os dias.
Conceitos
básicos de
lógica
Introdução
O objetivo da lógica consiste no estudo das formas de argumentação válidas. Esta é uma
primeira ca- racterização abrangente da disciplina e, por essa razão, encontramo-la com
frequência em textos in- trodutórios. 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 infe- rência. O objetivo dos capítulos seguintes é o de
facultar a informação mínima indispensável à mani- pulação destes conceitos e permitir
que a sua compreensão intuitiva, se existe, assuma um conteúdo preciso.
Portugal | Brasil
• 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 as- serção.
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 as- serção 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 efectua- das. 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 hu-
manos 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, obvia-
mente, 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
argumenta- ção 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 crité- rio que nos permita saber que características
possuem aqueles argumentos que estamos em condi- ções 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 alcan- çado. 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 mani- festo 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 op- ção 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 podería- mos 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 confeccio- nado. 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 as- serção 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. Ape- sar 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 circunstân- cias 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 pró- prios 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 procede- mos 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 ta- lento 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 hipó- tese precisamente o contrário daquilo que se quer
demonstrar. Perguntemos a seguir o que é neces- sário 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
con- dição 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 necessá- rio mostrar que pelo menos uma das
razões propostas, se não comprovadamente falsa, é no mí- nimo discutível. Para isso, é
útil dispor o argumento na forma mais clara de modo a facilitar a identifi- cação 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 exaus- tiva das suas razões. Mas nem sempre isto sucede — em particular, se
o contexto permite a identifi- cação das razões implícitas. Mas recorrer ao contexto não
é uma boa forma de proceder se quere-
mos 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.
• 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 an-
tes 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, ob- tém-se
um conjunto K = {P 1, P2,..., Pn } 𝖴 {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 alcançá- mos.
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 consci- ência imediata, nem sequer precisa, de qual a conclusão
a extrair de um certo conjunto de informa- ções 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 autori- zado 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. Exi- gimos, portanto, não uma
qualquer resposta mas uma resposta cuja verdade seja racionalmente sa- tisfatória —
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 induti- vae 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 deduti- vas. (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.
• 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 próxi- mos. 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 importân- cia 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 capítu- los 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

todasverdadei- ras, 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 vá- lida. 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 ângu- los 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 evolu- ção 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 “tri- ângulo”. Se
sabemos o que significa “triângulo”, sabemos ainda que se algo possui 4 ângulos inter-
nos, 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 empíri- cas.
Ora, não existe contradição em viajar mais depressa que a velocidade da luz. Apesar de
ser fisica- mente 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 im- possível 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 con- clusão? 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 con- trário 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 𝖼 Q,

onde o símbolo “𝖼” 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 defi- nição 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 meticu- losa 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 ima-
gine, 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 conse- quência 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 infe- rência 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 nu- mas 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 sê- lo? 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 ganhou- se 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 con- dição 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 ne-
cessária 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
• Forma lógica
Os factos que acabamos de relatar acerca de validade permitem afirmar que a validade
de uma infe- rência 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 prelimi- nares 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. As- sim, o conceito de
validade aplica-se a uma certa relação que se verifica entre o conjunto de proposi- ções
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 (verifi- camo-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;
• 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 exemplifica- ções 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 asiáti- cos. 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 rela- ção 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 conseguir- mos basta-nos considerar a definição de inclusão já
referida e verificar ser esta a ideia expressa por
• 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 expres- são “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, obtém- se: (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, recor- remos 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 determi- nante 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:
T
o
d
o
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 consti- tuam.
Conversamente, para provar que uma forma é inválida é suficiente mostrar que existe
uma interpreta- ção, isto é, uma instância particular dessa forma, pela qual as premissas
são verdadeiras e a conclu- são 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 bai- xam” e “António compra uma casa no litoral”, estamos em condições de
determinar a forma lógica do argumento:
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 inferên- cia 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 por- tuguês, 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 contradi-
ções.
• 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 proposi- ções, digamos, {P 1, P 2,..., P n} 𝖴 {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 recorrer- mos 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, for- memos 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 gé- nio 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 incompa- tível 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} 𝖼 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 con- clusão 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 aprecia- das.
O que acabámos de dizer acerca de conjuntos de proposições aplica-se do mesmo modo

a proposi- ções 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 contraditó- rio.
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 propo- sições. 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 re- lação 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)
Inconsis-
NÃO SIM SIM
tência
Contradi-
NÃO SIM NÃO
ção
Vejamos que consequências resultam daqui para a compreensão dos conceitos de

validade e argu- mentação.
Faça-se K = {P1, P 2,..., Pn} 𝖴 {B} tal que P1, P 2,..., Pn 𝖼 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} 𝖴 {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 infe- rência 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. 1𝖴4
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 encadea- mento 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
Premissa.
em L.
(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 consistên-
(7) L é inconsistente.
cia.
(8) Se K é válido, então, L é inconsistente. 1 𝖴 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 proposi- ções. 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 contradi- tória.
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.
• 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 interpreta- ção 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 semân- ticas.
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 co- nectiva (“ou”) — as proposições “3 é primo” e “3 não é
primo” — e que estas proposições são contra- ditórias. 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, exclu- indo outras possibilidades. Assim, as suas
instâncias particulares dão lugar a proposições reconheci- damente verdadeiras em
todos os modelos. Estamos, portanto, em condições de afirmar que P é ne-
cessariamente verdadeira em consequência das leis da lógica apenas.
As tautologias têm uma propriedade interessante. Para o verificar, pense-se nas

condições que é ne- cessário 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 ver-
dade, 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 ne- cessário 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 tam- bém 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 sú- bditos 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) 𝖠 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. Note- se, 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. Com- plementarmente, 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 afir- marem acerca do mundo, relevam-nos importantes verdades lógicas.
Possuem, além disso, o mérito de permitirem construir sistemas formais axiomáticos
pelos quais segmentos importantes das ciên- cias, 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 necessá- rias 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 mate- máticas, 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 possí-
veis. “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 en- carar 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 concentra- ção 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 matemá- tica + 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 programá- tico:
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.
Sequência
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 Deter- minantes e nas
Séries Infinitas, sendo estas responsáveis pelo desenvolvimento da Teoria das Fun-
ções.
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 –
Espanh
a 2°
lugar –
Holand
a 3°
lugar –
Aleman
ha 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:
a 3 – 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:
= 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
= 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-requi- sito 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,
:
(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 matemá- tica.
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
Exempl
o:
(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
Permutaçã
o Simples
Combinaçã
o 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
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}

L
g
o
9
36
Utilizando a fórmula para probabilidade condicional, teremos:
P(A|B) = P(A∩B)
P(B)
2
P(A|B) = 36
9
3
6
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, ha- verá 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 ME- NOS 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 con- secutivamente.
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 responde- ram sozinhos). Vejamos: se houver duas pessoas, obviamente não há
garantias de que as duas fa- çam 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 du- zentas. 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 ani- versário 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 es- tagiário 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
PRO- CESSOS 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 cu- riosos.
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:
• 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 simé- trica: se x é conhecido de y, então y é conhecido de x; e
não reflexiva: ninguém é conhecido de si mesmo.
• 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.
• Se cada ponto do plano é pintado de vermelho ou de azul, então algum retângulo

no plano tem seus vértices de uma mesma cor.
• 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 ques- tão do processo seletivo da UFOP:
• 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:
• 3
• 24
• 25
• 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. Por- tanto, 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.
• 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 triân- gulos pequenos, o
que prova a nossa afirmação.
• 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.
• 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 Gave- tas, 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.
• Consideremos que cada pessoa aniversaria em cada um dos 12 diferentes meses

existentes. Se- rão 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:
• 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.
• 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.
• 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 experimen- to. Veja exemplos:
• 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.
• 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:
• 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.
• 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(
)
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(
)
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 (nú- mero de elementos do evento), logo:
P(
E)
n(
E)
n(
)
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(
)
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 mul- tiplicação 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
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 Árvo- re 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.

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 Con- tagem.
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 núme- ros 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 Probabilidade

M F possíveis
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 esta- bilizar-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 obser- vações aleatórias.
Cálculo da média em função da probabilidade.
Considere uma distribuição de probabilidades onde a média é x e x n 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

xn é um valor observado com probabilidade p n.
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 ?
• máximo da função corresponde à média x

• simétrica em relação ao eixo vertical que passa pela média.
• a área total entre a curva e o eixo horizontal corresponde ao total das observações
realizadas ou seja à probabilidade 1 ou 100%.
• a área entre a curva e o eixo horizontal no intervalo | x – ; x + |
corresponde a uma probabilidade 0,68 ou 68%.
• 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 mé- dia?
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. 4a 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 co- meçar 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 in- tegração 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 sa- ída 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 cor- respondem às probabilidades pedidas vamos usar a
função polygon(). Esta função adiciona a um grá- fico 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 co-
ordenadas 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)
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)
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 re- torna uma lista onde um dos elementos ($value) é o
valor da integral.
• ef2 <- function(x) {

+ x * f2(x)
+}
• integrate(ef2, 0, 3)
• 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))
$
m
i
n
i
m
u
m
[
1
]
2
.
4
5
2
2
7
8
$objective
[1] 7.573257e-08
A Figura 19 ilustra as soluções dos itens (a) e (c) e os comandos abaixo foram utilizados
para obten- ção 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 numé- ricas, devendo ser resolvidos analiticamente. Utilizamos estes exemplos
somente para ilustrar a ob- tenção 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 ba- las 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 gar- rafas de vinho produz rolhas com diâmetros
diferentes. No gráfico de barras a seguir para os diâme- tros 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 especi- ficações.
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

variável
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.
tem como
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 estudado. Seja . Uma variável de interesse é o próprio tempo de
validade e,
nesse caso, definimos . Por exemplo, podemos tomar a seguinte
função de dis- tribuição 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
Como exercício, mostre qe esta FDA nos fornece
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:
(1) Se , então e assim . Se
, en- tão e assim .
(3) é contínua a direita é equivalente a se , então é um sequência decrescente
de eventos aleatórios e , pois se, e somente se,

. As- sim, concluímos que
Exemplo 2.1.3:
seguinte
Para obter a função de distribuição acumulada da variável aleatória , é conveniente

separar os vá- rios casos, de acordo com os valores da variável.
Para , , uma vez que o menor valor assumido pela variável

é . No intervalo , temos que
que . Dessa form

todo real. Assim, temos
foi definida para
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

o que implica que , então temos que
no qual .
Exemplo 2.1.5:
Seja X uma variável aleatória com densidade
(a) Determine o valor da constante c.
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

• É não-decrescente o que implica que
, .
• É contínua a direita o que implica que , .
• ,
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 .
• Ache a função de distribuição de Y.
Vamos dividir em três

etapas primeiramente (a1)
implica que
(a2) o que implica que
(a3) o que implica que
Assim,
• Decomponha em suas partes discreta, absolutamente
contínua e singular. (b1) Parte discreta , temos que
tal que
então
(b3) Agora como , temos
então .
Exemplo 2.1.9:
, qual
Temos que (para mais detalhes ver 6.12

)%http://www.portalaction.com.br/probabilidades/612-distribuicao-exponencial
(a) Distribuição de Y é dada por
(a1) e
(a2) temos que
(a3)
b)
Decomposi
ção de
. 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.
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
Suponha que
o contador registra todas as partículas que o atingem, e que não há iteração entre as
partículas(elas se movimentam independentemente).
• Qual a distribuição de número de partículas emitidas até o tempo ?
Temos é a probabilidade de Poisson então
de partículas
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 distribui- ção 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:
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
devemos sempre verificar se está se referindo ao parâmetro taxa ou ao parâmetro

escala da distribuição.
que éo
parâmetro taxa.
Notem que
Gama, pois
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:

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:
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
seguem uma distribuição

seguem
. 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
, vamos
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
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 tratar- mos 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 ocorrên- cia 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 Britâni- ca 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 Con-
ring, 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 míni- mos 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 obser- vações 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 extra- ída. 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 variá- veis 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 105 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 neu- rais 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 de- mandam 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 estatís- ticos, 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 núme- ro de habitantes, riquezas, casos de doenças, entre outras situações que
levassem ao enfraquecimen- to 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 há- bitos da população em geral.
O estatístico é um especialista no ramo da matemática voltado para a coleta, a análise e

a interpreta- ção de dados numéricos no estudo de fenômenos naturais, econômicos e
sociais.
Ele planeja e coordena o levantamento de informações por meio de questionários,

entrevistas, medi- ções 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 referir- se 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 horas- 1) 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 contá- vel 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 alea- tórias discretas não possuem; nem a distribuição de Cantor, mesmo ela não
tendo qualquer componen- te 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 biná- ria 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 para- metrizadas, 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 comparti- lhando 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 parâme- tro 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 fun- ção 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 popula- ção 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 conclu- sões 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 obser- vação, 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
parâmetro de
pela notação é
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 likeli- hood 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
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 distribui- ção 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 percenta- gens. 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 experimen- to 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

experimen- to, a construção de modelos, a coleta, o processamento e a análise de dados
e sua consequente trans- formação 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, resu- mi-los, analisá-los, interpretá-los e deles extrair conclusões.
Noções
De
Estatístic
a
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 distribui- ção 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 mé-
dias (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 prin- cípio 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 des- crição 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 re- centemente, 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 pa- drão). 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 Histo- grama.
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: His- togramas.
Descrição Tabular: Na qual se usam tabelas para sumarizar os dados. Por exemplo
tabelas de Fre- quências.
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. Costu- ma 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 percen- tagens. 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. Des- ta 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, re- sumi-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 matemáti- ca 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 distri- buição 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 mé-
dias (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.
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:
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-
, 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
probabilidade 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

amostral que é igual ao número de
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

res 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
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:
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, valores nos reais

positivos, ou
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 fun-
ção 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

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:
ao acaso no intervalo . Qual a probabilidade
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-
seja definida abaixo, com sendo uma constante. Qual deve ser o valor
da constante ?
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 modela
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 fun- ção 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 e , 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)≤σ2nϵ2
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 pró- xima de μμ com alta probabilidade, a lei não informa que, uma vez
estando próxima de μμ, a sequên- cia 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 mé- dias 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 Pro- babilidade. 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 aleató- rias 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 sequên-

cia X1,X2,...X1,X2,... corresponde ao processo de amostragem de uma dada população
(ou distribui- ção). 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 aleató- ria SnSn, que é a soma de v.a.s independentes e identicamente
distribuídas.
Começarem
os 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 pa-
ra 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 degene- re, 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. Des- sa 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, quanti- ficado ou ilustrado de forma mais ou menos lógica. Assim como os
mapas indicam uma representa- ção espacial de um determinado acontecimento ou
lugar, os gráficos apontam uma dimensão estatís- tica 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 infor- mações 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, as- sessora 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 con- frontaram 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 vari- ância.
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 localiza- ção 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 Ten- dência 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 en- contrará o conteúdo completo sobre as estatísticas
descritivas, com videoaulas, exercícios e ques- tões, 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!
• 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 aritmé- tica ponderada. Vamos ver cada uma delas e
quando podemos usá-las.
• 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 por- quê disto!
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 sequên- cia 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 se- quência 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 es- tão 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. Es- ses 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 núme- ros 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 Mé- dia 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.
• 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 re- lação 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.
• 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.
• Já em relação à Moda, esse conjunto de dados possui Moda 66, pois essa é a
nota que mais ocorre: cinco vezes.
Méd
ia
Arit
mét
ica
Co
mp
artil
har
Em
ail
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?
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.
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
pr
7,
pr
9,
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 nú- meros 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 pesqui- sadas etc.
Exemplos:
1º) Calcule a média anual de Carlos na disciplina de Matemática com base nas
seguintes notas bi- mestrais:
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 varia- ções. 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, Bio- logia 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 P 1, P2… e cada informação por
N1, N2… As- sim, teremos a média ponderada M por meio da seguinte expressão:
M = P1 N 1 +
P2N2 + … +
PiNi P1 + P2 +
… + Pi
Exemplos
1º Exemplo – Um professor conseguiu fazer com que suas provas mais importantes
fossem as últi- mas 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?
publicidade ;) Solução:
Para resolver esse problema, podemos usar a fórmula da média ponderada até o “índice 3”.
M = P1 N 1
+ 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. Per- ceba também que, mesmo obtendo duas notas acima da
média, o aluno não conseguiu atingir a mé- dia 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 mé- dio da empresa por produto adquirido.
Solução:
Considere que as quantidades de cada material são seus pesos:

M = P1 N 1
+ 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 ra- zão, 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 matri- culados 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 mú- sica 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.
M
a
a
1
a
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:
M
a
=
a
1
a
2
Ma = 44 + 45
2
Ma = 89
2
4,
os
di
a
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
ponde
rada
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
Compartilh
ar
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
Median
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.
• 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
• 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.
• 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.
• . 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
lt
if
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.
• . 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:
• . 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 mé- dia 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 de-
terminou 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
• Determine a moda da tabela de freqüência do exercício 2
do capítulo 2. Pesos (Kg) if
f postMo l h
• Determine a moda da tabela de freqüência do exercício 3 do capítulo 2.
f postMo l h
• 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 en- tão 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 fenô- menos de interesse.
O pesquisador deve formular hipóteses, observar os fenômenos biológicos que ocorrem

na popula- ção 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 fide- dignos 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 aná- lise 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 avan- çada, 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: biosta- tistics, 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 ro- tineira 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 epi- demiológicos.
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 saúde12

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 distor- cem 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 dis- tribuídos 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 alea- tórios 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
Características Amplitude Amplitude interquartílica Desvio padrão
Dados intervalares e escalares Sim Sim Sim
Dados ordinais Sim Sim Não
Descrição da variabilidade da amostra Sim Sim Sim
Participação da inferência estatística Não Não Sim
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 assimé- trica. 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 inferên- cias após a análise de dados coletados em pesquisas. A estatística
inferencial usa os testes de hipó- teses 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 esta- tística 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 hipó- tese 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 inferio- ridade 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 hi- póteses 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 homogenei- dade 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 dis- tribuição 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 fre- quências; 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 nú- mero 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 deci- são 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 anesté- sica. 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 dis-
tribuição 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
U de Mann-Whitney Analisar dados escalares e ordinais de dois grupos independentemente

da distribuição dos dados
Postos sinalizados de Analisar dados escalares e ordinais de dois grupos independentemente

Wilcoxon da distribuição dos dados
Amostras relacionadas
Kruskal-Wallis Analisar dados escalares e ordinais de mais de dois grupos independen-

temente da distribuição dos dados
Kolmogorov-Smirnov Verificar se dados são da mesma população
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 Soci- ety. As categorias apontadas nesta pesquisa foram: apresentação de
método ou escolha do teste es- tatístico, variabilidade e probabilidade.
Os erros mais comuns foram: ausência de identificação de testes de estatística

inferencial, apresenta- ção 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 hi- pótese 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 múlti- plas
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 pro- porção. 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 nú- meros 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 exce- ção 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 Propor- ção. No exemplo deste exercício temos duas grandezas (
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 ope- rários?
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 Pro- porção, 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 estabele- çam 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. As- sim, 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 ra- zão, 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 propor- ção. Os números A e C são os antecedentes de cada
razão, enquanto os números B e D são os con- sequentes 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 tam- bém aumenta na mesma proporção ou diminuindo uma delas a outra
também diminui na mesma pro- porção. 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 surgi- mento 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:
• inflação: a diminuição do poder aquisitivo da moeda num determinado período de tempo;

• risco: os juros produzidos de uma certa forma compensam os possíveis riscos do investimento.
• 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 intro- dução 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.
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:
• 12% ao ano, aplicado durante 36/12 = 3 anos , ou

• 1% ao mês = 12%/12, aplicado durante 36 meses, etc.
Exemplos:
• – 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
• – 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.
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 modali- dades, a saber:
• Juros simples – ao longo do tempo, somente o principal rende juros;
• 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 crescimen- to 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 decom- posto:
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 S 1 = 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 S 2, 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 projeta- das,
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$ (?)
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$ (?)
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$ (?)
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 ban- cários 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 perío- dos.
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 duplicata deve ser emitida em impressos padronizados aprovados por

Resolução do Banco Central.
• 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 diri- ja-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.
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$ (?)
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 exer- cícios 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 atrativida- de 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 $19013,00.
Uma loja vende determinado tipo de televisor nas seguintes condições: R$ 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:
• 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;
• A metodologia sugerida no exemplo acima é conhecida como método de Laspeyres ;
• 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 R 1, 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:
• - Pagamentos no início dos períodos: Fluxo ANTECIPADO
• - 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 geo- métrica 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 + J1
R2 A + J2
R3 A + J3
Rt A + Jt
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 Pt=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 Pt=P t- 1 –A Jt = P t- 1 .i At = A R 4 = A + J4
n Pn=P n- 1 –A Jn = P n- 1 .i An = A Rn = A + Jn
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.
OuJt = Rt- At Rt = R = cte. Jt = R - At

OuJt = 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)
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)
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 ; podería- mos elaborar seguinte
Saldo Devedor Juros P res taçõ es Amortização

Cons tantes
Datas
(t ) P t = P t- 1 - At Jt = P t- 1 . i Rt = R At = R – Jt
0 P o=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 JtP n.R P

At1
t
1
Ordem de
obtenção
4.º 2 .º 1.º 3 .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

S IS T. SAC
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. Qual- quer 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
>0ey<0
Localizando pontos no Plano
Cartesiano: A(4 ; 3) → x = 4
ey=3
B(1 ; 2) → x = 1 e y = 2
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 mo- nitorados 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 numéri-
cas 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 con- dição 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
Matemáti
cas
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 ocor- rência 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). Toda- via, 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 contrado- mínio 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:
•–
Função
consta
nte;
•–
Função
par;
• – Função ímpar;
• – Função afim ou polinomial do
primeiro grau; 5 – Função Linear;

• – Função crescente;
• – Função decrescente;
• – 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
ín
io
f(
x)
c = constante, que pode ser qualquer número do conjunto
dos reais. Exemplo de gráfico da função constante: f(x) = 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:
o
f(x) = imagem
• x = simétrico do domínio
Exemplo de gráfico da função par: f(x) = x2

• – 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
do
mí
ni
f(
x)
im
ag
m
• f(x) = simétrico da imagem
Exemplo de gráfico da função ímpar: f(x) = 3x
• – 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
ín
io
f(
fi
ci
b
=
fi
ci
e
Exemplo de gráfico da função polinomial do primeiro grau: f(x) = 4x + 1
• – 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
ín
io
f(
)
=
fi
ci
e
Exemplo de gráfico da função linear: f(x) = -x/3
• – 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 +
=
d
ín
io
f(
x)
a = coeficiente
sempre positivo b
= coeficiente
Exemplo de gráfico da função crescente: f(x) = 5x
• – Função decrescente
Na função decrescente, o coeficiente a da função do primeiro grau (f(x) = ax + b) é sempre negativo.
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
• – Função quadrática ou polinomial do segundo grau
Identificamos que uma função é do segundo grau quando o maior expoente que
acompanha a variá- vel 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
ín
io
f(
x)
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
• – Função modular
A função modular apresenta o módulo, que é considerado o valor absoluto de um

número e é carac- terizado 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=
domí
nio
f(x) = imagem
• x = simétrico do domínio
Exemplo de gráfico da função modular: f(x) =
• – 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.
exponencial f(x) = ax
a>
1 ou
0<
a<
1x=
domí
nio
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
• - 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)
• – 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)
• – 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=
domíni
o/
base
1/n =
expoe
nte
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 encaixota- das. 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 revisa- do 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 proje- tos 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) es- tão 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 Lâmpa- da 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 la-
dder 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;
• 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 so- luções. 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 limita- ções 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:
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 mos- trarei 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 pa- drão da GE.
• – O Padrão Ladder IEC 61131-3
Abaixo, é possível visualizar uma tabela com os símbolos utilizados na linguagem

ladder padrão IEC 61131-3:
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 utili- zação 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 des- ligam 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.
• – 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:
• – 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:
retentiva. A função retentiva é tratava em módulos com saídas discretas.
• – O Padrão Siemens
Os três tipos de processados (S7-200, S7-300/400 e S7-1200) possuem as mesmas

instruções bási- cas. 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:
• – O Padrão GE (General Electric)
Finalmente, vamos visualizar os simbolos da linguagem ladder para os CLPs da GE,

temos o seguinte padrão:
O que faz um Supervisor de Sistemas
O Supervisor de Sistemas é o profissional responsável por responder pelo

funcionamento da informá- tica 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 en- caminhá-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 gradua- ção 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 informa- ções 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
Operato
Brochur
W
N
B
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 circunstân- cias, 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 visu-
alização 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, volan- te, botões e hastes indicadoras, etc.)
às informações visuais sobre a "máquina", no caso o carro (indi- cação 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 e- mail na tela.
Contudo, ao pressionar o ícone, o dedo cobre o mesmo. Isso geralmente não cria ne-
nhum 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 desen- volvedores 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. Contu- do, geralmente não atende às necessidades mais complexas. Nos
sistemas operacionais altamente complexos dos computadores modernos, esses
objetivos divergentes são atendidos por meio da utili- zação 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 infor- mação
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 negó- cio, 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 fichei- ros 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 có- digos
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 insi- ram 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. Nor- malmente 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 UPDA- TE, 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

Matematica e Raciocino Logico

Enviado por

Direitos autorais:

Formatos disponíveis

Matematica e Raciocino Logico

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Matematica e Raciocino Logico

Enviado por

Direitos autorais:

Formatos disponíveis

Proposições Lógicas

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

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

Quer uma xícara de café?

Eu não estou bem certo se esta

cor me agrada Frases que são

A cidade de Salvador é a capital do estado do

Amazonas (F) O numero 712 é ímpar (F)

É possível construir proposições a partir de proposições já existentes. Este processo é

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,

• Feliz ano novo!

• Quando começam as férias?

• x é maior que 27.

• Três mais dois.

• Paris é a capital da França.

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

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

Isto é: proposições são sentenças declarativas afirmativas (expressão de uma

Frases Que Não São Proposições

Quer uma xícara de café?

Eu não estou bem certo se esta

cor me agrada Frases que são

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

A = “Maria tem 23 anos”

“Maria não tem 23

“Maria tem 23 anos” e “Maria é

menor” (A e B) “Maria tem 23 anos”

(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

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,

Proposições Simples E Compostas

As proposições simples apresentam apenas uma afirmação. Pode-se considerá-las

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.

Indica-se uma proposição composta por letras latinas maiúsculas. Se P é uma

• P: Paulo é estudioso e Maria é bonita. P é composta das proposições simples p:

• Q: Maria é bonita ou estudiosa. Q é composta das proposições simples p: Maria é

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