Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

A avaliao da incerteza do tipo A

Incerteza e flutuao estatstica
Quando realizamos uma srie de observaes do mesmo mensurando sob as mesmas
condies, podemos obter resultados diferentes. Essa variabilidade dos resultados das
medies chamada flutuao estatstica e, em geral, resultado de fatores que no
conseguimos (ou no desejamos) controlar experimentalmente6. Em um processo de
medio cuidadoso, vrios fatores podem ser controlados ou eliminados, porm, como
esse controle imperfeito, o resultado da medio geralmente estar sujeito a alguma
variabilidade.
Alm disso, a presena de flutuaes estatsticas est relacionada preciso da medio.
Medidas mais precisas flutuam menos e medidas menos

Medidas muito variveis so

medidas pouco confiveis.

precisas flutuam mais. Assim, a variabilidade est relacionada

confiabilidade. Medidas muito variveis so medidas pouco confiveis. Enfim,
quando realizamos uma avaliao da confiabilidade do resultado de uma medio a
partir das flutuaes estatsticas observadas, estamos realizando uma avaliao da
incerteza do tipo A.
Descrevendo e condensando um conjunto de dados
A avaliao da incerteza do tipo A geralmente um processo bastante rpido e simples.
Porm, para entendermos realmente o que estamos fazendo, necessrio conhecer
algumas ferramentas estatsticas utilizadas para descrever e condensar conjuntos de
dados. So elas: (1) Tabelas de distribuio de frequncias, (2) Histogramas, (3) Mdia
e (4) Desvios padro.
6

Em texto de apoio anterior, intitulado Incerteza e algarismos significativos, vimos um exemplo

bastante ilustrativo dessa situao. Nele, desejvamos avaliar o alcance de um projtil lanado
horizontalmente com velocidade v a partir de uma altura h conhecida. Apesar de os parmetros mais
importantes (velocidade, altura, ngulo de lanamento e acelerao da gravidade) serem mantidos
aproximadamente constantes, o projtil atingiu o solo em posies bastante diferentes aps cada
lanamento (veja Figura 5). A variabilidade observada para o alcance em cada lanamento ilustra a
chamada flutuao estatstica.

19

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

Um exemplo: Determinao da acelerao local da gravidade

Para compreendermos essas ferramentas, considere o caso do professor Fernando, que
desejava determinar experimentalmente a acelerao local da gravidade. Imbudo de
extrema pacincia, ele lanou um corpo massivo a partir do repouso 396 vezes! Em
cada lanamento, ele mediu o tempo de queda do corpo com um cronmetro esportivo.
A partir do tempo de queda e da altura de lanamento, que era conhecida, foi possvel
estimar um valor para a acelerao local da gravidade em cada lanamento.
Como o cronmetro esportivo operado manualmente, o tempo de queda observado em
cada lanamento depender muito do tempo de reao do sujeito que realiza a medio.
Eventualmente, a medida do tempo de queda subestimar o tempo de queda real. Em
outras observaes, o tempo de queda medido ser superior ao real. Isso ocorre porque
(tanto no incio quanto no fim do movimento) o operador do cronmetro est sujeito a
antecipar-se ou atrasar-se ao movimento real que est observando. Em geral, os
instantes em que ele pressiona os botes do cronmetro no coincidem exatamente com
os instantes de incio e trmino do movimento de queda.
No difcil demonstrar que, em um movimento de queda livre, a acelerao da
gravidade
expresso

pode ser determinada a partir da altura

e tempo de queda

a partir da

. Portanto, quando o tempo de queda observado for maior que o

tempo de queda verdadeiro, a acelerao da gravidade ser subestimada; quando o

tempo de queda for menor que o tempo verdadeiro, a acelerao da gravidade ser
superestimada. Enfim, o primeiro problema que precisamos resolver o de visualizar e
analisar os 396 valores obtidos para a acelerao local da gravidade!
A tabela de distribuio de frequncias
Em primeiro lugar, vamos observar a Tabela de distribuio de frequncias (Tabela 3).
Ela deve ser lida da seguinte maneira: o valor

20

foi obtido duas vezes; o

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

valor

foi obtido uma vez; o valor

foi obtido uma vez...

A Tabela 3 tambm permite afirmar que os valores mais frequentes foram

, com 38 ocorrncias.

Como possvel perceber, a Tabela de distribuio de frequncias j uma maneira

bastante condensada de apresentar os dados obtidos. Imagine o que aconteceria se
fssemos listar aqui cada observao individualmente! Seria necessria uma tabela com
396 entradas e ns dificilmente teramos uma boa visualizao de quais valores so
mais frequentes e quais ocorrem mais raramente. Assim, quando estamos trabalhando
com um conjunto grande de observaes em que alguns valores se repetem,
interessante trabalhar com uma tabela de distribuio de frequncias.
Tabela 3. Tabela de distribuio de frequncias para os resultados de 396 observaes
da acelerao da gravidade.

Histogramas
Outra ferramenta importante para condensar um conjunto de dados o Histograma, que
basicamente um grfico de barras que permite uma visualizao dos dados ainda mais
21

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

condensada que a Tabela de distribuio de frequncias. A saber, o primeiro passo para

a elaborao de um histograma definir intervalos (geralmente de mesma largura) para
agrupar os dados. No presente exemplo, foram escolhidos intervalos com
largura a partir do valor

de

. O resultado pode ser visualizado no Grfico 1.

O Histograma representado no Grfico 1 deve ser lido da seguinte maneira: No universo

das 396 observaes de

, menos de 10 observaes ocorreram entre

; um pouco mais de 30 observaes ocorreram entre

; aproximadamente 95 observaes ocorreram no intervalo de

...
Grfico 1. Histograma representando graficamente os dados apresentados na Tabela de
distribuio de frequncias (Tabela 3).

Como possvel perceber, o Histograma privilegia observar que os valores de

acelerao da gravidade obtidos encontram-se, mais frequentemente, entre

. Igualmente, o Histograma sugere que, apesar da grande disperso dos

22

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

valores obtidos para a acelerao da gravidade, a mdia desses valores deve estar
prxima a

Mdia e Desvio padro dos dados

Uma maneira ainda mais condensada de representar um conjunto de dados a Mdia
dos dados e o Desvio padro dos dados. Sobre a mdia, no h mistrio. Ela resulta da
soma de todos os dados obtidos, dividida pelo nmero de dados. Geralmente, a mdia
de uma grandeza representada com um trao sobre o smbolo usado para representar a
varivel (ex.: a mdia dos valores da varivel
indicamos como calcular a mdia dos

representada por

valores (com

). A seguir,

) atribudos por Fernando

acelerao local da gravidade7:

No caso do experimento conduzido por Fernando, o valor mdio obtido para a

acelerao da gravidade foi

. Por outro lado, voc deve concordar que,

se informamos somente o valor mdio das observaes de Fernando, estamos omitindo

uma informao muito importante: a variabilidade das suas observaes. Em um
histograma, a variabilidade est relacionada largura da distribuio. Quanto mais larga
for a distribuio, quanto mais dispersos estiverem os dados, maior sua variabilidade.
O Grfico 2 representa bem essa questo. Como possvel perceber, o histograma da
direita mais estreito que o histograma da esquerda.

Quando temos em mos uma Tabela de distribuio de frequncias (Tabela 3), calcular a mdia de uma
varivel fica um pouco mais simples. Em vez de fazer uma soma de todas as observaes (no caso,
), fazemos uma soma sobre cada linha da tabela. Seja
a frequncia do -simo valor distinto
que a varivel assume. Seja tambm
o nmero de linhas da Tabela de distribuio de frequncias.
Em outras palavras, seja
o nmero de valores distintos que a varivel assume nessa tabela. Nesse
caso, voc deve ser capaz de demonstrar que o valor mdio tambm pode ser calculado pela seguinte
expresso:

23

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

Grfico 2. Comparao entre dois histogramas com valor mdio igual a 10,0 e
diferentes varincias. Como possvel perceber, o histograma da direita mais estreito.
Portanto, a variabilidade dos seus dados menor.

Para avaliar essa disperso (ou seja, para avaliar o quanto o

conjunto dos dados est afastado da mdia) usamos uma

O desvio padro uma

medida da variabilidade de
uma srie de medidas.

quantidade muito importante chamada desvio padro.

O desvio padro uma maneira de medir a variabilidade de um conjunto de dados.
Quanto maior for a flutuao estatstica dos dados, quanto maior for sua impreciso,
maior ser o desvio padro. Assim, o desvio padro um elemento-chave na avaliao
da confiabilidade de dados experimentais.
Enfim, o Desvio padro dos dados definido pela seguinte expresso8:

Observe que, como o desvio padro resulta de uma soma de diferenas elevadas ao
quadrado, ele sempre ser positivo. Igualmente, como ele resulta da raiz quadrada de

Igualmente, voc deve ser capaz de demonstrar que o Desvio padro dos dados pode ser obtido a partir
de uma Tabela de distribuio de frequncias pela seguinte expresso:

24

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

uma soma de termos ao quadrado, o desvio padro preserva sempre a mesma unidade
em que so expressos os dados (no caso dos dados coletados pelo professor Fernando,
unidades de acelerao).
Apesar de no possurem o mesmo apelo grfico do Histograma, a mdia e o desvio
padro so geralmente informaes mais fceis de obter e so suficientes para
especificarmos os valores que podem ser razoavelmente atribudos a uma grandeza
fsica. No exemplo do professor Fernando, encontrou-se o seguinte valor para o desvio
. A partir dessa informao, razovel esperar que os

padro dos dados:

dados estejam bastante condensados no intervalo de

. Com efeito,

observa-se, a partir do Histograma (Grfico 1), que uma frao importante dos valores
atribudos a

encontra-se entre

. Ou seja, razovel esperarmos,

ao realizar outra medio individual sob as mesmas condies, que o prximo valor
observado de

ocorra entre

. Esse intervalo pode ser

e
.

representado de maneira compacta por

A reduo da variabilidade

Como possvel perceber, tomadas individualmente, as observaes feitas pelo

professor Fernando so muito dispersas, pouco precisas, pouco confiveis. Porm, uma
maneira de melhorar a confiabilidade do resultado de uma medio tomar por
resultado a mdia de uma srie de observaes. Esse
procedimento reduz as flutuaes estatsticas, pois a

O resultado de uma medio ser,

preferencialmente, a mdia de uma
srie de observaes.

mdia de uma srie de observaes experimentais sempre flutua menos que as

observaes individuais.
A Figura 6 representa trs sries de observaes imprecisas. Como possvel perceber,
individualmente, as observaes esto distantes do centro do alvo (que representa o
valor verdadeiro do mensurando). Entretanto, se calcularmos o valor mdio em cada
25

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

uma dessas sries de observaes, perceberemos que essas mdias so muito mais
confiveis (esto geralmente mais prximas ao valor verdadeiro e flutuam menos) que
as observaes individuais.

Figura 6. Os pontos pretos representam trs rajadas de projteis imprecisamente

lanados contra cada alvo. As marcaes em forma de x representam as mdias
das posies dos pontos atingidos por cada rajada de tiro. Como possvel
perceber, apesar da impreciso da rajada, as posies das mdias tendem a ocorrer
prximas ao centro do alvo. Isso ilustra por que motivo as mdias tendem a ser
mais confiveis que observaes individuais quando desejamos estimar o valor de
um mensurando.
Assim, como existe um desvio padro dos dados (que quantifica a disperso desses
dados em torno da mdia), podemos definir um desvio padro
da mdia, que quantifica a variabilidade dessa mdia. Enfim,
possvel demonstrar que o desvio padro da mdia
dos dados

O desvio padro da mdia

uma medida da variabilidade
dessa mdia.

se relaciona com o desvio padro

pela seguinte expresso:

No caso do experimento do professor Fernando, como o desvio padro dos dados

resultou

, com

, temos

. Portanto,

razovel esperar que, se o professor Fernando repetisse todas as 396 observaes

26

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

novamente, a mdia das outras 396 observaes ocorrer dentro do intervalo que vai de

. Esse intervalo pode ser representado de maneira compacta por

.

A distribuio normal ou Gaussiana

A essas alturas razovel que voc esteja um pouco apavorado: Ser que a avaliao da
incerteza do tipo A sempre requer a realizar centenas de observaes?! Evidentemente,
o procedimento adotado pelo professor Fernando no a melhor maneira de estimar a
acelerao da gravidade. Em situaes reais de laboratrio, ns dificilmente
realizaramos tantas observaes de uma grandeza. Em geral, o que fazemos imaginar
como deveria ser a distribuio de frequncias para a grandeza que estamos observando.
Ou seja, imaginamos qual histograma deveramos obter se tivssemos feito algumas
centenas de medidas, mas quase nunca realizamos tantas observaes!
Para imaginar distribuies de frequncia sem realizar centenas de observaes
repetidas, ns lanamos mo de distribuies consagradas na literatura e para as quais
razovel admitir que nossos dados pertenam. Dentre elas, a mais importante a
distribuio normal (tambm chamada distribuio gaussiana) que se encontra
representada no Grfico 3. Como possvel perceber a partir desse grfico, a
distribuio normal suave e simtrica. Ela possui uma forma de sino, decrescendo
rapidamente na medida em que nos afastamos de sua regio central.
A distribuio normal importante especialmente pelo seguinte motivo. O resultado de
uma srie de observaes repetidas preferencialmente a mdia dessa srie de
observaes. Por outro lado, para um nmero suficientemente grande de observaes, o
conjunto das mdias dessas observaes se distribui de acordo com a distribuio
normal. Por isso, usual pressupormos que estamos lidando sempre com variveis
normalmente distribudas. Para exemplificar essa situao, observe as semelhanas

27

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

entre o Histograma de uma distribuio gaussiana (Grfico 3) e os histogramas

representados no Grfico 2.
Enfim, muito raro que se faa um histograma de observaes experimentais. Como
geralmente podemos pressupor que estamos lidando com uma distribuio gaussiana,
basta conseguirmos avaliar a mdia e seu desvio padro dessa distribuio para termos
uma boa ideia de como o conjunto dos valores que podem ser razoavelmente
atribudos grandeza que estamos medindo.
Grfico 3. Histograma representando uma Distribuio gaussiana.

28

Lima Junior, P. et al. O laboratrio de mecnica. Porto Alegre: IF-UFRGS, 2012.

Alm disso, sabemos que, para uma distribuio gaussiana, o intervalo

compreende 68% da distribuio. Igualmente, o intervalo

compreende 95%

da distribuio (vide Grfico 3). Assim, assumindo que a distribuio dos valores de
acelerao da gravidade encontrados pelo professor Fernando aproximadamente
normal. Sem olhar para os histogramas, podemos afirmar que: (1) se o professor Lang
fizesse uma nova observao sob as mesmas condies, a chance de que o valor obtido
se situe entre

, de 68%; (2) se o professor Fernando realizasse

outros 396 lanamentos, a mdia dos novos lanamentos deve ocorrer entre

com 95% de confiana.

29