Calculando o termo geral de uma PA de segunda ordem na prática
Ao lidar com sequências onde a primeira diferença já não é constante, a abordagem ingênua de tentar adivinhar o próximo termo manualmente rapidamente se torna inviável. O que acontece de verdade é que você precisa entender a estrutura por baixo dos números. Uma progressão aritmética de segunda ordem é uma sequência em que os diferença entre termos consecutivos forma uma progressão aritmética comum. Os segundos diferenças são constantes.
Como montar a fórmula da progressão aritmética de segunda ordem
Pegue os primeiros termos da sua sequência e calcule as diferenças de primeira ordem. A partir daí, calcule as diferenças de segunda ordem. Se elas forem constantes, você está diante de uma PA de segunda ordem e pode escrever o termo geral diretamente. A fórmula do termo geral é:
an = a1 + (n - 1)·d1 + (n - 1)·(n - 2)/2 · d2 Onde a1 é o primeiro termo, d1 é a primeira diferença (a2 - a1) e d2 é a razão das segundas diferenças. Não tem muito segredo, mas a parte que as pessoas costumam errar é identificar corretamente qual valor corresponde a d1. Muitos confundem e usam o segundo valor da primeira diferença em vez do primeiro.
Vou dar um exemplo concreto. Digamos que a sequência seja: 2, 5, 11, 20, 32... Diferenças de primeira ordem: 3, 6, 9, 12...
Diferenças de segunda ordem: 3, 3, 3... Então a1 = 2, d1 = 3, d2 = 3. Substituindo na fórmula:
👉 Clique no botão abaixo para saber mais sobre o assunto!
an = 2 + (n-1)·3 + (n-1)·(n-2)/2 · 3 an = 2 + 3(n-1) + 3(n-1)(n-2)/2
Para n = 6, por exemplo: a6 = 2 + 15 + 3·5·4/2 = 2 + 15 + 30 = 47
Verificando: a próxima diferença seria 15 (pois a diferença anterior era 12 e d2 = 3), então 32 + 15 = 47. Confere. Na minha experiência, o problema mais chato que encontrei envolvia sequências que pareciam ser de segunda ordem mas tinham um termo corrompido no meio — tipo um erro de digitação ou um outlier. Eu estava analisando dados de frequência de chamados em um sistema e a sequência de diferenças não fechava perfeitamente. A solução foi cruzar com a fonte original, identificar qual termo estava inconsistente e recalibrar o d2 a partir dos termos corretos. Sem isso, a previsão para os próximos períodos ficava completamente errada. Hoje em dia, antes de aplicar a fórmula, eu sempre faço uma verificação de coerência: calculo todos os termos conhecidos com a fórmula e comparo com a sequência original. Qualquer discrepância aparece imediatamente.
Outro ponto que raramente ensinam é que nem toda sequência que parece ter segundas diferenças constantes é realmente modelável por essa abordagem. Se os segundos diferenças se estabilizam só a partir do quinto termo, forçar a fórmula desde o início gera erro acumulado. O correto é usar apenas os termos válidos para calibrar os parâmetros e testar a estabilidade antes de extrapolar. Se sua sequência tem terceira diferença constante em vez de segunda, aí você precisa de uma PA de terceira ordem, e a fórmula muda. A generalização para ordem k segue o mesmo padrão combinatório, com coeficientes binomiais substituindo o termo quadrático. Em Python, isso pode ser resolvido com interpolação polinomial de Lagrange ou simplesmente montando um sistema linear com os primeiros k+1 termos. Em Excel, a função POLYNOMIAL ou ajuste por mínimos quadrados resolve rápido.
Quando usar e quando evitar
Essa abordagem funciona bem para dados que já carregam uma tendência quadrática intrínseca, como crescimento de usuários em certas plataformas nos primeiros meses ou cálculo de custos fixos com depreciação progressiva. Não funciona bem para dados estocásticos puros, onde qualquer padrão observado é ruído. Um teste simples: se as segundas diferenças variam mais que 10% entre si, provavelmente não vale a pena forçar o modelo. Para baixar uma planilha de exemplo que calcula automaticamente o termo geral a partir dos dados brutos, deixe um comentário que eu envio o link.
