CONCEITOS BSICOS DA TEORIA DE ERROS

Prof. Dr. Manfredo Harri Tabacniks

Instituto de Fsica da Universidade de So Paulo

Reviso: Profa. Dra. Ewa Shibulska

Instituto de Fsica da Universidade de So Paulo

Edio: Shila e Giuliano S. Olguin

So Paulo, 2003
Revisado pelo autor em 2007

NOTA DO AUTOR: O presente texto tem por objetivo servir de apoio inicial no estudo e utilizao da teoria
de erros para a expresso da incerteza de uma medio. O assunto tema de livros muito mais abrangentes,
como os citados na bibliografia, que devem ser buscados pelo leitor mais exigente ou interessado em
aprofundar seus conhecimentos. Na definio e nome dos termos tcnicos foi adotado como norma o Guia
para Expresso da Incerteza de Medio, ABNT, INMETRO, SBM, Rio de Janeiro, Ed. Revisada 1998.
1

embora este guia fornea um esquema de trabalho para obter

a incerteza de uma medio, ele no pode substituir o
pensamento crtico, a honestidade intelectual e a habilidade
profissional.A avaliao da incerteza no uma tarefa de
rotina, nem um trabalho puramente matemtico. Ela depende
do conhecimento detalhado da natureza do mensurando e da
medio. Assim, a qualidade e a utilidade da incerteza
apresentada para o resultado de uma medio dependem, em
ltima instncia, da compreenso, da anlise crtica e da
integridade daqueles que contribuiram para atribuir lhe um
valor.
Traduo de um trecho do Guide to the Expression of Uncertainty in
Measurements, International Organization for Standardization, Geneva, (1993)

1. EXPRESSO DE MEDIES EXPERIMENTAIS

1.1. Introduo
A palavra incerteza, como usada nesse guia, significa dvida. Expressa a dvida na validade do
resultado de uma medio. Em geral, a incerteza consiste de vrios componentes que podem ser agrupados em
duas categorias gerais:
a) os que podem ser avaliados com auxlio de mtodos estatsticos;
b) os que necessitam de outros meios.
Esse texto tratar basicamente dos componentes que podem ser estimados por mtodos estatsticos.
O valor de uma grandeza submetida a medio costuma ser adquirido atravs de um procedimento
que, em geral, envolve algum(s) instrumento(s) de medio. O prprio processo de medio, assim como o
instrumento utilizado, tem limites de preciso1 e exatido2, ou seja, toda medio realizada tem uma incerteza
associada que procura expressar a nossa ignorncia (no bom sentido) do valor medido. A seleo do processo
de medio, do instrumento usado e a reprodutibilidade3 da grandeza medida tm que ser expressas de
alguma forma. Em alguns aparelhos, por exemplo, a incerteza do instrumento j vem marcada no painel ou no
manual, caso contrrio, a metade da menor diviso da escala um bom comeo. Note que nada sabemos ainda
sobre a reprodutibilidade do processo de medio.
A incerteza importante na hora de comparar resultados. Na tabela abaixo temos os resultados de
duas medies de uma mesma grandeza com diferentes aparelhos e o valor do padro (nesse caso sem
incerteza).
Medida

Viscosidade (g cm-1 s-1)

A
B
Padro

9,8 0,2
12,3 4,0
9,3

Na tabela, o valor de u na expresso m u indica a incerteza da medida. O intervalo [m-u, m+u]

denominado intervalo de confiana e tem, em geral, uma probabilidade associada de que a medida m caia
dentro da faixa de valores definida pelo intervalo. No caso acima, apesar da medida A estar aparentemente
mais prxima do padro, sua incerteza e respectivo intervalo de confiana, indica um provvel erro de
medida4, enquanto que o valor da medida B, apesar de ter uma incerteza maior, concorda com o valor do
padro.

1.2. Algarismos significativos

Em medies fsicas facil encontrar uma extenso de valores muito grande. O raio de um tomo
comparado ao raio do universo s um exemplo entre tantos. Para expressar esses valores adequadamente,
conveniente o uso da notao cientfica. Na notao cientfica, o valor da medio expresso com auxlio de
potncias de dez. Escreve-se o valor da medio em forma decimal com apenas um dgito diferente de zero
antes da vrgula, completando com algarismos decimais necessrios (eventualmente truncando e arredondando
o valor em alguma casa decimal) e multiplicando tudo pela potncia de dez adequada. Por exemplo, o
comprimento de uma estrada vale 14269513 mm ou, usando notao cientfica e mantendo apenas os
algarismos significativos 1,427x107 mm. Note que se usaram apenas trs algarismos aps a vrgula sendo que
1

Apesar de formalmente antnimos, incerteza e preciso costumam ser tratados como sinnimos. Representam a
componente estatstica da disperso dos resultados de uma medio.
2 Exatido o grau de concordncia entre o resultado da medio e o valor verdadeiro do mensurando.
3 Reprodutibilidade o grau de concordncia entre medidas efetuadas sob as mesmas condies.
4 Erro de medida a discordncia de uma medio relativamente ao seu valor verdadeiro.

o ltimo foi arredondado para cima uma vez que 1,4269 est mais prximo de 1,427 que de 1,426. A regra
de arredondamento aqui proposta a de arredondar o ltimo dgito para cima caso o prximo dgito seja 5,
mantendo-o caso contrrio5. Note que ao truncar e arredondar as casas decimais, perdemos algo da
informao inicial, mas isso pode ser remediado usando quantos algarismos forem necessrios depois da
vrgula, como por exemplo, 1,4269513 x 107 mm reproduz o valor com toda a preciso inicial (se que a
estrada foi de fato medida com preciso milimtrica)
Denomina-se algarismo significativo o nmero de algarismos que compe o valor de uma grandeza,
excluindo eventuais os zeros esquerda usados para acerto de unidades. Mas ateno: zeros direita so
significativos. Na tabela a seguir um mesmo valor, de diferentes medies de uma mesma grandeza, X, foi
escrito com diferente nmero de algarismos significativos. O algarismo significativo mais a direta
denominado algarismo significativo duvidoso. sobre ele que em geral incide nossa incerteza. Na tabela, o
algarismo significativo duvidoso foi ressaltado em negrito.
medio
X1
X2
X3
X4

X (m)
57,896
5,79x101
5,789600x101
0,6x102

significativos
5
3
7
1

Caso o valor da ltima medio X4, com apenas um significativo fosse convertido para milmetros,
seria escrito como X4 = 0,6 x 105 mm ou X4 = 6 x 104 mm (em notao cientfica), muito diferente de 600 x
102 mm cujo valor tem agora tres algarismos significativos o que aumentou indevidamente a preciso do valor
original de X4, com apenas um algarismo significativo.
A escolha de quantos algarismos significativos sero usados para expressar o valor de uma medio
depende da grandeza, do processo de medida e do instrumento utilizado. Na realidade, o nmero de
significativos no resultado de uma medio determinado pela sua incerteza. Para a expresso do nmero

de significativos no valor de uma grandeza adaptaremos a conveno sugerida por Vuolo (1992).
O NMERO DE ALGARISMOS SIGNIFICATIVOS NO RESULTADO DE UMA
MEDIO
DETERMINADO PELA SUA INCERTEZA

Um outro exemplo ilustrado a seguir: Suponha que se deseje medir o tamanho do besouro na Figura 1.1

Figura 1.1. Medindo o tamanho de um besouro.

Uma vez decidido o que caracteriza o tamanho do
besouro, qual das alternativas abaixo melhor caracteriza
a medida do tamanho do besouro?
a) Entre 0 e 1 cm
b) Entre 1 e 2 cm
c) Entre 1,5 e 1,6 cm
d) Entre 1,54 e 1,56 cm
e) Entre 1,546 e 1,547 cm

Existem outras regras de arredondamento, mais complicadas, um pouco mais precisas, mas nenhuma exata. A
regra aqui proposta tambm usada pela maioria das calculadoras e algoritmos em computadores.

Voc acertou se optou pela alternativa d). Isso porque, na leitura de uma escala, o algarismo
significativo mais direita de um nmero deve sempre ser o duvidoso (no esquea: o algarismo duvidoso
tambm significativo!). Resumindo: Qualquer medida por comparao entre um objeto e uma escala deve
incluir alm dos dgitos exatos (1,5 nesse caso) uma estimativa do algarismo duvidoso. Uma vez que a rgua
foi marcada em milmetros voc deve estimar o comprimento fracionrio (em dcimos de mm) que melhor
expressa sua medio. Voc pode no precisar se o valor 1,54, 1,55 ou mesmo 1,56. Essa a expresso da
sua incerteza.
S para confirmar: Qual o dimetro da moeda na Figura 1.2?
Figura 1.2. Medindo o dimetro de uma moeda.
a) Entre 0 e 2 cm
b) Entre 1 e 2 cm
c) Entre 1,9 e 2,0 cm
d) Entre 1,92 e 1,94 cm
e) Entre 1,935 e 1,945 cm
No exemplo acima podemos afirmar que a metade da
menor diviso uma estimativa da nossa incerteza:
portanto o dimetro da moeda pode ser expresso como:
1,92 0,05 cm
1,92(5) cm

1.2.1. EXPRESSO DA INCERTEZA.

Como expressar a incerteza no resultado de uma medio? Ou, posto de outra forma: quantos
significativos devem ter a incerteza de uma medida? Usaremos a seguinte conveno6:
Se o primeiro dgito significativo da incerteza for menor que 3, usaremos DOIS significativos.
Caso o primeiro dgito significativo da incerteza for maior ou igual a 3, podemos usar UM ou DOIS
algarismos significativos para a incerteza;
Resumindo: qualquer que seja o caso sempre podemos usar dois significativos para expressar a incerteza.
Mas ateno: quando a incerteza for resultado de uma estimativa ou apenas indicativa, tal como a metade
da menor diviso de um instrumento, sugerimos usar apenas UM dgito significativo. No tem sentido, por
exemplo, expressar a incerteza de uma rgua milimetrada com DOIS significativos (0,50mm), basta
escrever 0,5mm.
1.2.2. EXPRESSO DO VALOR DE UMA GRANDEZA
O resultado de uma medio pode ser expresso como um valor, seguido de sua incerteza, ambos
multiplicados por uma potncia de dez e a unidade de medida fsica correspondente:
por exemplo X = (1,34 0,04) 102 km.
Usar a mesma potncia de dez tanto para o valor da grandeza como para sua incerteza;
O nmero de algarismos significativos da incerteza dado pela regra 1.2.1. acima;
O nmero de dgitos decimais no resultado de uma medio tem que ser o mesmo que na incerteza;
A notao cientfica pode ser usada para melhor legibilidade.

Conforme Vuolo (1992) e Inmetro (1998).

Veja alguns exemplos a seguir. Note o casamento do nmero de casas decimais na incerteza e no valor do
mensurando. Mais uma vez ressaltamos que zeros direita so significativos.

notao errada
5,30 0,0572
124,5 11
0,0000200 0,0000005
(45 2,6)x101

notao correta
5,30 0,06
125 11
(200,0 5,0)x10-7
(45 3) x 101 ou 45,0 2,0

1.3. Definies
O texto a seguir foi adaptado do Guia para Expresso da Incerteza de Medio publicado pelo
INMETRO (1998). Infelizmente, definies e normas metrolgicas so um assunto um tanto burocrtico, mas
fazem parte da linguagem tcnico-cientfica que precisamos dominar. No houve de modo algum a pretenso
de exaurir o assunto. Ao leitor interessado em aprofundar seus conhecimentos ou ansioso por outros exemplos,
recomendamos fortemente consultar a referncia citada.

1.3.1. Medio
Medio uma ao, um procedimento. O objetivo de uma medio determinar o valor do
mensurando, isto , o valor da grandeza especfica a ser medida. Uma medio comea, portanto, com uma
especificao apropriada do mensurando, do mtodo de medio e do procedimento de medio. O
resultado de uma medio a medida.
Medio: conjunto de aes que tm por objetivo determinar um valor de uma grandeza.
Valor (de uma grandeza): expresso quantitativa de uma grandeza especfica, geralmente sob a forma
de uma unidade multiplicada por um nmero. Exemplo: comprimento de uma barra: 5,34m
Mensurando: grandeza especfica submetida medio. Exemplo: temperatura de fuso da glicerina.
Grandeza (mensurvel): atributo de um fenmeno, corpo ou substncia que pode ser qualitativamente
distinguido e quantitativamente determinado. O termo grandeza pode se referir a uma grandeza em
sentido geral (comprimento, tempo, massa.) ou grandeza especfica (comprimento de uma barra,
resistncia eltrica de um fio). Os smbolos das grandezas esto definidos na norma ISO 31.
Mtodo de medio: seqncia lgica de operaes, descritas genericamente, usadas na execuo das
medies. Exemplos: mtodo de substituio, mtodo diferencial, mtodo de zero...
Procedimento de medio: conjunto de operaes, descritas especificamente, usadas na execuo de
medies particulares de acordo com um dado mtodo. Um procedimento (de medio) deve ser um
documento com detalhes suficientes para permitir que um observador execute a medio sem
informaes adicionais.

1.3.2. Resultado de uma medio

Em geral, o resultado de uma medio somente uma aproximao ou estimativa do valor do
mensurando e, assim, s completa quando acompanhada pela declarao de incerteza dessa estimativa. Em
muitos casos, o resultado de uma medio determinado com base em sries ou conjunto de observaes
obtidas sob condies de repetitividade.
6

Medida ou resultado de uma medio : valor atribuido a um mensurando obtido por medio. Deve-se
indicar claramente se o resultado se refere indicao, se um resultado corrigido ou no corrigido e
se corresponde ao valor mdio de vrias medies. A expresso completa do resultado de uma medio
inclui informaes sobre a incerteza da medio.
Estimativa: valor de uma estatstica (uma conta) utilizada para estimar um parmetro (uma mdia, por
exemplo) da totalidade de tens (em geral finito), obtido como resultado de uma operao sobre uma
amostra (em geral um conjunto limitado de dados) supondo um determinado modelo estatstico de
distribuio (distribuio normal ou Gaussiana, por exemplo).
Repetitividade (de resultados de medies): grau de concordncia entre os resultados de medies
sucessivas de um mesmo mensurando, efetuadas sob as mesmas condies de medio. Condies de
repetitividade incluem:
- mesmo procedimento de medio
- mesmo observador
- mesmo instrumento de medio sob as mesmas condies
- mesmo local
- repetio em curto perodo de tempo

1.3.3. Erros e incertezas

Deve-se atentar e distinguir com cuidado os termos erro e incerteza. Esses termos no so
sinnimos, ao contrrio, representam conceitos completamente diferentes. No devem ser confundidos nem
mal empregados.

Erro

Uma medio tem imperfeies que do origem a um erro no resultado da medio. O erro de
uma medio sua diferena para o valor verdadeiro (que em geral no acessvel). O erro de
uma medio costuma ser classificado em dois componentes: erro aleatrio e erro sistemtico. O
erro aleatrio tem origem em variaes imprevisveis tambm chamados efeitos aleatrios. Essses
efeitos so a causa de variaes em observaes repetidas do mensurando. O erro aleatrio no
pode ser compensado, mas pode ser reduzido aumentando o nmero de observaes. Apesar de
freqentemente citado, o desvio padro da mdia no o erro aleatrio da mdia. O desvio
padro da mdia representa, sim, uma medida da incerteza da mdia devido aos efeitos
aleatrios. O erro sistemtico, em geral, no pode ser eliminado, mas pode eventualmente ser
reduzido modificando o processo de medio ou, caso seja identificado, deve ser corrigido.
Incerteza (da medida). Parmetro associado ao resultado de uma medio que caracteriza a disperso dos
valores que podem ser razoavelmente atribudos ao mensurando. O parmetro pode ser um desvio
padro7 (ou um mltiplo dele) ou a metade do intervalo de uma escala. Uma dada incerteza
corresponde, em geral a um dado nvel de confiana (probabilidade de encontrar o valor num
dado intervalo). Entende-se que o resultado de uma medio (uma medida) a melhor estimativa
do valor de um mensurando e que todos os componentes da incerteza, incluindo aqueles
resultantes dos efeitos sistemticos, contribuem para a disperso. Em geral a incerteza de uma
medio consiste de vrios componentes que podem ser agrupados em duas categorias gerais: os
que podem ser avaliados com auxlio de mtodos estatsticos e os que necessitam de outros meios.

1.4. Estatsticas
Quando se trabalham com vrios resultados de uma medio em condies de repetitividade, usam-se
procedimentos matemticos denominados estatsticas para resumir e consolidar as informaes obtidas. Por
7

Desvio padro ser definido no prximo tem, 1.4.

exemplo: ao medir vrias vezes o tempo de queda de um corpo obtemos, em geral, um conjunto de medidas
cujos valores diferem entre si. Qual o valor que melhor representa a medida do tempo de queda do corpo?
Qual sua incerteza? Poderamos, em princpio, usar apenas uma medida e associar lhe a incerteza do aparelho,
como por exemplo, a metade da menor diviso da escala do cronmetro utilizado. Mas a incerteza da escala
do cronmetro descreve apenas os erros cronmetro (os erros aleatrios, de seu mecanismo por exemplo e
os sistemticos como o decorrente de sua calibrao contra um padro mais exato). Portanto, a incerteza
da escala de um cronmetro no cobre a incerteza do processo de medio (reao do operador, leitura da
escala, etc.). O problema que se coloca : Como determinar a incerteza de uma medida?
COMO DETERMINAR A INCERTEZA DE UMA MEDIDA?
Uma abordagem estatstica para este problema, medir vrias vezes a mesma grandeza e calcular sua
mdia (aritmtica) dada pela equao 1.1. Nas condies dos nossos trabalhos experimentais8, a mdia a
melhor estimativa do valor mais provvel de um conjunto de medidas. Posto de outra forma: a mdia
aritmtica uma conta, cujo resultado mais se aproxima do valor mais provvel de uma medio (o valor mais
perto do valor verdadeiro, mas que s se alcana aps infinitas medies).
Mdia de um conjundo de medidas com n valores:

m=

1
xi
n

(1.1)

Uma vez que as medidas so em geral todas diferentes entre si, sua variabilidade ou disperso, pode
ser calculada estimando o desvio padro das medidas, dado pela equao 1.2. O desvio padro uma espcie
de mdia das diferenas quadrticas de cada medida at a mdia.
Estimativa do desvio padro de um conjunto de n medidas de uma grandeza:

s=

1
( xi m) 2

n 1

(1.2)

Alguns comentrios:
O valor mais provvel de uma grandeza (), assim com seu desvio padro (), s pode ser obtido com
infinitas medies (n ). Definitivamente no temos tempo para isso! Uma vez que nosso tempo finito,
podemos apenas estimar o valor mais provvel (m), o desvio padro (s) por meio das equaes (1.1) e (1.2).
O desenvolvimeto terico e a justificativa para esse procedimento podem ser encontrados em livros texto
bsicos de estatstica, como, por exemplo, Helene e Vanin (1981).
Na equao (1.2) a mdia das diferenas quadrticas foi feita para (n-1) graus de liberdade. Em
clculos estatsticos, denominamos graus de liberdade de um conjunto finito de valores, a quantidade de
valores independentes. Um valor independente do outro quando, dado o primeiro, no h forma de determinar
o segundo. Jogando dados por exemplo, no h meio de prever o resultado da prxima jogada. So resultados
independentes. Mas na equao (2.1), em que se usa a mdia dos n valores, possivel prever o valor da
ensima medida assim que soubermos as n-1 medidas anteriores. Assim, perdemos um grau de liberdade e por
isso, dividimos a soma por n-1.
Poderamos, em princpio, calcular a disperso de um conjunto de medidas em torno da mdia, apenas
somando as diferenas de cada medida mdia, sem o quadrado na equao (1.2). Ocorre, que o resultado
dessa operao identicamente nulo! (Tente provar essa afirmao.)
Vimos at agora que a variabilidade ou disperso dos resultados de uma medio pode estimada pelo
desvio padro. Tambm aprendemos que a mdia de um conjunto de medidas a melhor estimativa para o
resultado de nossa medio. Certamente pretendemos usar a mdia das nossas medidas para expressar o
resultado de nossas medies. Portanto, nossa pergunta agora : como determinar a incerteza da mdia?
8

Supondo uma amostra aleatria simples de uma populao normalmente distribuda.

Podemos intuir que a incerteza da mdia deve ser menor que a incerteza de uma nica medida. Ora, se
tivssemos muitas mdias, poderamos simplesmente determinar a disperso das mdias estimando o desvio
padro das mdias como na equao (1.2), apenas substituindo as medidas (x) pelas mdias e a mdia (m)
pela mdia das mdias. Isso pode ser feito algebricamente e o resultado surpreendentemente simples,
representado pela equao (1.3).

Estimativa do desvio padro das mdias de n valores:

sm =

1
( x i m )2

(n 1)n

s
n

(1.3)

Como pode ser visto, uma vez calculado o desvio padro de um conjunto de medidas, o desvio padro
da mdia obtido dividindo o desvio padro por n. O desvio padro da mdia, um excelente candidato
para expressar a incerteza da mdia de um conjunto de medidas9. Dessa forma, usando a notao
convencional, podemos expressar o resultado de um conjunto de n medies como

Expresso do resultado de n medies:

m sm

Note que, nesse caso, ao relatar a mdia e o desvio padro da mdia, tambm importante citar o
nmero n de medies realizadas.

DESVIO PADRO
Parmetro que caracteriza a disperso das medidas e expressa a qualidade das medies.

DESVIO PADRO DA MDIA

Expressa a incerteza do valor mdio de n medies em condies de repetitividade.

E se tivermos apenas uma nica medida? A no tem jeito! Com apenas uma medio no no h
como determinar o desvio padro do processo de medio. Nesse caso, ou usamos a metade da menor diviso

comum encontrar a afirmao de que se fazem muitas medies de uma mesma grandeza para melhorar o
resultado. Em geral isto falso. A incerteza de um processo de medida uma caracterstica do processo que pode ser
expresso pelo desvio padro e independe do nmero de medidas (para n grande, tpicamente n>10). verdade que ao
realizar muitas medies pode-se obter um valor mdio mais prximo do valor mais provvel para um dado processo e
instrumento de medida, uma vez que o desvio padro da mdia (que expressa a incerteza da mdia) varia com 1/n,
onde n o nmero de medidas. Todavia, mesmo com infinitas medies, com um mesmo instrumento, no possvel
compensar possveis erros de calibrao ou de medida inerentes ao processo, em geral, contidos na incerteza do
instrumento. Raramente se usa essa abordagem em medidas diretas (no estocsticas). Na prtica, quando se deseja
uma medida com incerteza menor, procura-se simplesmente um procedimento ou um instrumento melhor (um
micrmetro no lugar de uma rgua, por exemplo) e se usa a metade da menor diviso da escala para expressar a
incerteza da medida. A principal razo de se repetir uma medida vrias vezes para estimar o desvio padro do
processo de medio em que a metade da menor diviso da escala ou no adequada, ou no acessvel. No caso de
medidas estocsticas, no jogo de dados, decaimentos radioativos, espectroscopias, etc, ocorre de fato a reduo da
preciso relativa do resultado, s/m com o nmero de medidas. um caso particular em que a preciso relativa da
medida melhora com o nmero de eventos observados.

da escala, ou chutamos uma incerteza razovel (at possvel com um pouco de prtica), ou s nos resta
repetir as medies algumas vezes, determinar a mdia e o desvio padro da mdia.

1.5. Um exemplo prtico

Suponha que, usando um cronmetro eletrnico, tenhamos realizado um conjunto de medies do
tempo de queda de um corpo. No quadro 1 esto os resultados de nossas medies. A incerteza nominal do
cronmetro foi de 0,05 ms.
Quadro 1: Tempos de queda de um corpo (ms)

4.93
2.21

0.77
6.00

7.01
5.17

3.83
4.12

5.40
2.56

Com os dados do quadro 1, podemos calcular:

Mdia dos tempos de queda:
Desvio padro:
Desvio padro da mdia:

<t> = 4,20 ms,

s = 1,9 ms e
sm = 0,6 ms

Portanto, o tempo de queda mdio para 10 medies pode ser escrito como: t = 4,2 0,6 ms. Convm notar
que:
a) A incerteza da mdia, dada pelo desvio padro da mdia, muito maior que a do cronmetro. Isto porque
o desvio padro inclui flutuaes e variabilidades prprias do processo de medio que incluem a
incerteza do instrumento.
b) O tempo de queda mdio foi escrito com apenas uma casa decimal, da mesma forma que sua incerteza.
c) O desvio padro e o desvio padro da mdia tm dimenso fsica (igual a da mdia).

HISTOGRAMA
Podemos tambm representar esses resultados de forma grfica. Para isso usaremos um histograma.
Neste tipo de grfico, representaremos a grandeza medida no eixo x dividido em intervalos de igual
comprimento, que chamaremos celas10. No eixo y, representaremos a frequncia absoluta, (fa) ou seja, o
nmero de medidas que ocorreram no intervalo definido pela cela.
Figura 3. Histograma
de frequncia
absoluta dos tempos
de queda de um
corpo.

Frequncia absoluta

5
4
3
2
1
0

0 1 2 3 4 5 6 7 8 9 10
tempo (ms)

10

Bin em ingls. O tamanho da cela tambm pode ser varivel. Adotamos celas de tamanho fixo apenas para
simplificar o exemplo.

10

Inspecione o grfico da Figura 3 e responda: Quanto vale a rea total do grfico?

a) 10
b) 20
c) 10 ms
d) 20 ms
Acertou se voc optou por 20 ms. Esse resultado tem vrios problemas. Depende da escala do eixo X, do
tamanho da cela, do agrupamento dos pontos, tem dimenso e nenhum significado fsico! Seria melhor termos
um grfico cuja rea tenha algum significado fsico, tal como a probabilidade da medida ocorrer num intervalo
de valores. Ou seja, nesse caso, poder determinar que a 30% das medidas esto no intervalo de 2 a 4 ms, que
equivale afirmar que a integral do histograma, tomada entre 2 e 4ms, vale 0,3 (adimensional). Dessa forma, a
rea total do histograma igual a 1 (um), 100% de chance do evento ocorrer11.
H 3 grandezas que podem ser graficadas na forma de um histograma:
fa = n,

a) freqncia absoluta:
b) freqncia relativa, ou probabilidade:

fr = P = n/N e

c) densidade de probabilidade:

P / x

onde n o nmero de ocorrncias numa cela, N o nmero total de ocorrncias e x o tamanho da cela.
Num histograma de freqncia absoluta, o eixo y representa a quantidade absoluta de ocorrncias dentro de
uma cela, no de freqncia relativa (ou probabilidade) o eixo y representa a frao da quantidade de eventos
dentro da cela. No grfico de densidade de probabilidade o eixo y vale (P/x). Note que, apesar da
frequncia relativa ( fr ) j ser a probabilidade procurada, a rea do grfico de frequncia relativa ainda tem a
dimenso do eixo X. Dentre os trs, apenas o histograma da densidade de probabilidade tem rea
adimensional e igual frequncia relativa. Este ltimo tem a vantagem da rea total independer do tamanho da
cela, valendo at mesmo para histogramas com tamanho de cela varivel, pois a rea total sempre unitria!
Para auxiliar a construo dos histogramas, os dados do quadro 1 foram recalculados na tabela 1.

Tabela 1: Anlise estatstica dos tempos de queda de um corpo.

Cela
1
2
3
4

Intervalo (ms)
0,0
2,0
4,0
6,0

|
|
|
|

2,0
4,0
6,0
8,0

fa = n

fr = P = fa/N

P / x

1
3
4
2

0,10
0,30
0,40
0,20

0,05
0,15
0,20
0,10

Note que N = 10 o nmero total de ocorrncias e o intervalo, representado pelo smbolo | inclui
o extremo esquerdo e exclui o direito. Graficamos os histogramas de frequncia absoluta, relativa e a
densidade de probabilidade na figura 4.
Os histogramas abaixo so aparentemente todos iguais! A nica coisa que varia a escala e a
dimenso do eixo Y. Isso tudo foi necessrio para normalizar os dados de tal forma que possamos ajustar-lhes
uma funo contnua, a funo densidade de probabilidade, que descreve a distribuio de resultados de uma
experincia. Uma funo muito usada para resultados aleatoriamente distribudos e que ainda nos fornece
parmetros com significado fsico a funo Gaussiana, dada pela equao (1.4).

11

Note que no faz sentido perguntar qual a probabilidade de ocorrer um determinado valor de medida.
Probabilidades s podem ser associadas a intervalos de medidas.

11

0.5

0.4

0.25

3
2
1
0

[ms]

0.2

0.10
0.05

0.1
0.0

0 1 2 3 4 5 6 7 8 9 10

0.20
0.15

0.3

P / t

Frequncia relativa

Frequncia absoluta

-1

0.00

0 1 2 3 4 5 6 7 8 9 10

tempo (ms)

0 1 2 3 4 5 6 7 8 9 10
tempo (ms)

tempo (ms)

Figura 4a. Histograma de frequncia

absoluta dos tempos de queda de um
corpo.

Figura 4b. Histograma de frequncia

relativa dos tempos de queda de um
corpo.

1 x

1
G ( x) =
e 2
2

Figura 4c. Histograma de densidades

de probabilidade dos tempos de
queda de um corpo.

(1.4)

onde denominado largura da Gaussiana e pode ser associado ao desvio padro dos dados e a tendncia
central (ou posio do pico) da Gaussiana e associado mdia dos dados. O expoente da exponencial na
funo G(x) necessariamente adimensional, mas a funo G(x) tem a dimenso do inverso do desvio padro
(ou da mdia).

0.25
[ms]

-1

0.20

P / t

0.15

G(,)

Gmax

Figura 5. Funo
densidade de
probabilidade gaussiana
ajustada aos dados
experimentais.

0,61 Gmax

0.10
0.05
0.00

0 1 2 3 4 5 6 7 8 9 10
tempo (ms)

No grfico da figura 5, a coincidncia da altura mxima da Gaussiana com a altura mxima do histograma
acidental, mas a coincidncia das reas do histograma e da gaussiana proposital e vale 1 (um). Com nossos
dados experimentais, a funo densidade de probabilidade ajustada aos dados experimentais, dada por:

G ( x) =

1
1,90 2

1 x 4 , 20

2 1,90

(1.5)

12

A interpretao grfica de e simples. a coordenada X do centro da gaussiana que pode ser

associada mdia das medidas no histograma e (sigma) a metade da largura da gaussiana tomada a 0,61
da altura mxima. Isso pode ser demonstrado calculando o valor de G(x | x- = )12. Nesse caso,
1

G ( x | x = )
= e 2 = 0,61
G max

onde Gmax o valor de G(x) quando x = . Da conclumos que o desvio padro pode ser obtido graficamente,
medindo a metade da largura da distribuio ajustada, a 0,61 da altura mxima.
Com a gaussiana ajustada, isto , uma vez calculados e , fica fcil calcular a probabilidade de
ocorrer um evento em qualquer intervalo [a,b], perto ou longe da mdia de nossas medidas. Basta calcular:

1
Pa ,b =
e 2
a 2
b

1 x

dx

(1.6)

O nico problema que a funo Gaussiana no possui integral analtica. Sabemos apenas que

G ( x )dx = 1 . Para o resto teremos que usar tabelas ou integrar numericamente.

1.6. Referncias e bibliografia

Diretrio Central dos Estudantes. Normalizao de trabalhos acadmicos & referncias bibliogrficas. 2a.
Ed. Pontifcia Universidade Catlica de Campinas. - (1998). 52p
Fernandes, Normando C. O laboratrio de projetos: inmeras variaes sobre o mesmo tema. Preprint IFUSP/
P-564. (1986).
Frota, Maurcio Nogueira, Ohayon, Pierre. eds. Padres e Unidades de Medida - Referncias Metrolgicas
da Frana e do Brasil. INMETRO - Rio de Janeiro: Qualitymark Ed. 1999. 120p
Helene, Otaviano A.M. e Vanin, Vito R. Tratamento estatstico de dados em fsica experimental. Ed. Edgard
Blcher, So Paulo, SP. 1981.
INMETRO, SBM. Guia para expresso da incerteza de medio. ABNT, Rio de Janeiro. (1998). 120p
Referncias Bibliogrficas de Multimeios e Documentos Eletrnicos. Pontifcia Universidade Catlica de
Campinas. Projeto Disque-Biblio, (1998) 19p.
Saad, Fuad Daher, Yamamura, Paulo; Watanabe, Kazuo . Introduo a interpretao grfica de dados,
grficos e equaes. 25p. IFUSP (sem data).
Vuolo, Jos Henrique. Fundamentos da teoria de erros. Ed. Edgard Blcher, So Paulo, SP. 2a Ed. 1992.
Yamamura, Paulo e Watanabe, Kazuo Instrumentos de Medio in Manuais Didticos de Fsica. 18p.
IFUSP (sem data).

12

Traduzindo: calculando o valor de G(x) para x tal que x- =

13

2. PROPAGAO DE ERROS E INCERTEZAS

2.1. Introduo

Um processo de medio tem sempre por objetivo determinar o valor mdio verdadeiro, ymv, de
uma grandeza, cujo valor verdadeiro yv. Acontece que, em geral, o valor verdadeiro desconhecido. O
problema ainda mais grave, pois para obter o valor mdio verdadeiro de uma grandeza, so necessrias
infinitas medies!
Dessa forma, para um conjunto de medidas, {y1, y2, y3, ...yn}, o valor mdio verdadeiro dado por:
1 n
ymv = lim yi

n n i = 1

(2.1)

Como em geral ymv um valor inacessvel, usam-se estimativas: a mdia dada pela equao 1.1, a
estimativa do desvio padro (eq. 1.2) e do desvio padro da mdia (eq. 1.3).
Apenas relembrando e seguindo a recomendao do Guia para Expresso de Incertezas (Inmetro,
1998), vamos definir alguns termos que usaremos com frequncia:
MENSURANDO: Grandeza a ser determinada num processo de medio.
VALOR
VERDADEIRO:

Valor consistente com a definio de uma determinada quantidade. Em princpio,

apenas obtido num processo de medio perfeito, que em geral no existe.

INCERTEZA:

Parmetro associado ao resultado de uma medio que caracteriza a disperso dos

valores que podem satisfatoriamente ser atribuidos ao mensurando. Reflete o
desconhecimento do valor exato do mensurando.

ERRO:

a diferena entre a medida e o valor verdadeiro. Quanto menor o erro, maior a

exatido (acurcia).

ERRO
SISTEMTICO: Erro constante caracterstico do processo ou instrumento.
ERRO
PADRO:

Desvio padro dos valores mdios em relao ao valor verdadeiro. Outro parmetro
quase impossvel de ser determinado.

A grande diferena entre a incerteza e o erro (seja ele qual for) que o erro pode, em princpio, ser
corrigido enquanto que a incerteza define um intervalo em que as medidas iro ocorrer com alguma
probabilidade. Logo, caso sua experincia tenha um erro, existe uma falha no procedimento que pode e deve
ser corrigido.

Exemplo 1. Medida da tenso de uma pilha:

Neste exemplo, pretendemos determinar o valor mais provvel e a respectiva incerteza da tenso de uma
pilha. Usaremos um voltmetro cuja incerteza nominal (fornecida pelo fabricante) de 1 = 0,25% do valor
indicado. A incerteza do processo de medio deve, portanto, ser combinada com a incerteza do fabricante,
para gerar o resultado procurado. Algumas frmulas utilizadas sero explicadas adiante. Retorne ao exemplo
assim que terminar a leitura deste captulo. As medidas realizadas esto na Tabela 2.1.
14

Tabela 2.1. Tenso de uma pilha medida com voltmetro

(incerteza nominal 0,25%)
n

U (volt)

Incerteza nominal (V)

1
2
3
4
5
6

1,572
1,568
1,586
1,573
1,578
1,581

0,004
0,004
0,004
0,004
0,004
0,004

Antes, um comentrio: a tabela 2.1 acima tem trs colunas. A ltima contm a incerteza nominal das
medidas que, como vemos, no varia ao longo das medidas. A tabela poderia ter apenas 2 colunas e a
incerteza das medidas ser incorporada no ttulo da coluna 2. A nova tabela ficaria como no exemplo abaixo,
tabela 2.1b.
Tabela 2.1b. Tenso de uma pilha medida com
voltmetro (incerteza nominal 0,25%)
n

U 0,004 (V)

1
2
3
4
5
6

1,572
1,568
1,586
1,573
1,578
1,581

Vamos aos clculos. Note que em clculos intermedirios usaremos um dgito significativo a mais, para
apenas no final, expressarmos o valor da medio conforme as normas discutidas no captulo anterior.
Lembre-se que todos os clculos so estimativas estatsticas isto , foram realizados com um nmero
finito de medies.
Valor mdio:

1 6
U = U i = 1,5763 V
6 i =1

Desvio padro das medidas:

Desvio padro do valor mdio:

s=

1 6
(Vi 1,5763) 2 = 0,0066 V
6 1 i =1

sm =

0,0066
6

Incerteza nominal do voltmetro (0,25% da medida)

= 0,0027 V
0,25
Lr =
1,5763 = 0,0039 V
100

Verifique que o desvio padro das medidas (na realidade do processo de medio) maior que a incerteza
nominal do voltmetro. Isso era esperado, pois, na composio da incerteza do processo de medio, a
incerteza do voltmetro apenas um dos componentes. Se tivssemos realizado apenas uma medio, no
haveria como saber o desvio padro do processo de medio. Sabemos apenas a incerteza do voltmetro.
Dessa forma, a primeira medida na tabela 2.1b, deveria ser expressa como:

U 1 = (1,572 0,004 )V
15

Se por alguma razo soubermos o desvio padro do processo de medio, mas mesmo assim
dispormos de uma nica medida, podemos express-la como:

U 1 = (1,572 0,007 )V
Nesse caso, a incerteza de nossa medida difere da incerteza nominal do voltmetro porque incorpora
a disperso dos resultados dp processo de medio determinado de alguma forma anteriormente.
No nosso exemplo, uma vez que realizamos uma srie de 6 medies, podemos expressar nosso
resultado de forma mais precisa, usando o valor mdio das seis medidas e o desvio padro da mdia.
Portanto nosso resultado, de seis medies, fica assim:

U = (1,5763 0,0027 )V
Este resultado est timo para desenvolver nossos estudos e verificar alguma dependncia da tenso
da pilha com outras grandezas. Mas o nosso voltmetro pode ter um erro de calibrao. Explicando: Na
fbrica so produzidos milhares de voltmetros. Em mdia todos iguais. Mas no varejo, ao comparar os
valores medidos por diferentes voltmetros, um indica um valor um pouco maior, outro um pouco menor...
Como ento comparar medidas feitas com voltmetros diferentes? Temos que retornar ao manual do aparelho
e procurar sua incerteza de calibrao, ou seja, o desvio padro de calibrao dos voltmetros fornecido pelo
fabricante. Em geral (mas no necessariamente) a incerteza do instrumento e o desvio padro de calibrao
so semelhantes. Seria um desperdcio se assim no fosse. (Quem compraria um aparelho muito preciso e
caro, mal calibrado? Por que calibrar cuidadosamente um aparelho de baixa qualidade?). Podemos supor
ento que o desvio padro de calibrao do voltmetro da mesma ordem que sua incerteza nominal. No caso
do nosso voltmetro, possvel que instrumentos diferentes indiquem valores diferentes para uma mesma
medio, com um desvio padro de 0,004V. Caso queiramos comparar nossas medidas com a de outros
laboratrios (ou apenas feitas com outros voltmetros), temos que incorporar esse desvio padro de
calibrao em nosso resultado. Isso pode ser feito por meio de uma soma quadrtica, denominada de erro
padro, em que se compe quadraticamente o desvio padro da mdia com o desvio padro nominal de
calibrao do instrumento:
Erro padro:

s p = s m2 + L2r = 0,0048V

onde Ly a incerteza do instrumento. O erro padro mostra como no adianta realizar enorme nmero de
medies com o nosso voltmetro com o intuito de reduzir a incerteza da medio (o desvio padro da
mdia). No limite estaremos sempre presos incerteza nominal do instrumento.
Incorporando a incerteza nominal do voltmetro em nossa medio, o valor mais provvel da tenso
da pilha pode ser representado por:

U P = (1,5763 0,0048)V
Afinal, qual o resultado que devemos usar? Depende. Para comparar vrias sries de medies
realizadas com o mesmo instrumento, podemos usar a mdia U e o desvio padro da mdia. Para comparar
duas medidas entre si, usamos a incerteza do instrumento (ou o desvio padro, caso seja conhecido). Para
comparar medidas em instrumentos diferentes, precisamos do erro padro.

16

2.2. PROPAGAO DE INCERTEZAS

Muitas vezes usaremos o valor de uma medio numa equao para determinar uma outra grandeza
qualquer. O que fazer com a incerteza associada? Para o mensurando temos a incerteza do processo de
medio, enquanto que para grandezas determinadas atravs de frmulas temos a incerteza propagada.

2.2.1. Clculo da propagao de incertezas

O problema pode ser posto da seguinte maneira: dada uma funo w = w(x, y, z) onde x, y, z so
grandezas experimentais com incertezas dadas por x, y, z e independentes entre si, quanto vale w ? A
independncia entre x, y, z necessria para a validade das frmulas a seguir, mas no ser discutida
por enquanto.
Para simplificar suponha w apenas funo de x. No grfico abaixo est representado w(x).

w
i
w =

x x

x
xi

A incerteza de w, neste grfico, pode ser obtida pela simples projeo linear da incerteza de x. Para
pequenos intervalos no eixo x, temos em primeira ordem13:

w =

w
x
x

(2.2)

Apenas recordando: se x e y forem os catetos do pequeno tringulo formado junto curva, a

razo y / x pode ser aproximada pela derivada em x da funo w(x). Numa funo de muitas variveis
w(x, y, z), com x, y e z independentes entre si14, a derivada para apenas uma coordenada uma derivada
parcial, como a equao (2.2).
Para mais de uma varivel, todas independentes entre si, podemos escrever uma frmula geral
(visualize uma soma de catetos em n dimenses):
w
w
w
2w = 2x + 2y + 2z + ...
x
z
y
2

(2.3)

Acompanhe os exemplos a seguir:

Usamos uma aproximao linear para projetar a incerteza de x em w. O procedimento adequado para f(x) <<
x.
14 Nessa introduo veremos apenas o caso em que os argumentos de w so independentes entre si. Quando os
parmetros tm relao de dependncia necessrio determinar os coeficientes de correlao entre os parmetros.
Consulte textos mais avanados.
13

17

A) Adio de valores experimentais

Considere a soma de dois segmentos. Note que a incerteza indicada aps o smbolo pode ser de qualquer
tipo (incerteza nominal, desvio padro, desvio padro da mdia, erro padro, etc..). A propagao de
incertezas como aqui discutida auto-consistente.

A incerteza no segmento soma pode ser calculada aplicando a equao (2.3):

L
L
= 2a + b2
a
b
= 1. 2a + 1. 2b
2

2
L

que resulta:

2L = 2 2 + 0,52 = 4,25
L = 2,06 cm
Logo

L = (20,0 2,1) cm

B) Subtrao de valores experimentais

Seguindo o mesmo esquema do exemplo anterior, a incerteza associada subtrao de duas grandezas
experimentais dada por:

Novamente, usando a equao (2.3):

L
L
= 2a + 2b
a
b
= 1. 2a + 1. 2b
2

2
L

resulta:

L2 = 22 + 22 = 8

Logo

L = (4,0 2,8) cm

L = 2,8 cm

18

Note que na soma, tanto a grandeza como a incerteza aumentaram, mas na diferena de duas grandezas
experimentais, apesar do resultado ser menor em mdulo, a incerteza final maior que a das partes.

C) Multiplicao de grandezas experimentais: volume de um cilindro

Vamos agora determinar o volume do cilindro na figura abaixo em que se mediram o raio e a altura.

Propagaremos as incertezas em todos os termos do produto: , R e L.

V 2 V 2 V 2
V2 =
R +
L
+
L
R

= ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) 2L
2

dividindo por V 2

V2 ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) L2
=
V2
( R 2 L) 2
V
2

= + R + L
V
R L
2

Calculando cada um dos termos acima usando os valores fornecidos na figura:

=0

1
2 R =
R 2,0
e

L 0,5
=
L 10,0

(i)

(ii)

(iii)

Somando i, ii e iii em quadratura:

19

V
= 0 2 + 0,52 + 0,052 = 0,5025
V
MUITO IMPORTANTE: Na equao acima, de propagao de incertezas na multiplicao e
diviso, obtivemos a incerteza relativa V V . NO ESQUEA DE MULTIPLIC-LA
PELO RESULTADO (V) PARA OBTER A INCERTEZA ABSOLUTA. Multiplicando V
por V e ajustando o nmero de significativos...

V = 0,5025 V = 0,5025 125,7 = 63

O resultado do volume do cilindor vale:

V = (126 63) cm3

ou ainda

V = (13 6) x 10 cm3
Os resultados acima so mais gerais do que parece primeira vista. Para as quatro operaes e
variveis independentes entre si, podem ser resumidos como segue:

Na soma ou subtrao, a incerteza absoluta do resultado a soma em quadratura das

incertezas absolutas.
Na multiplicao ou diviso, a incerteza relativa do resultado dada pela soma em
quadratura das incertezas relativas dos operandos (no esquea de converter a incerteza
relativa em absoluta, quando expressar o resultado final).
NOTA: por soma em quadratura entende-se a raiz quadrada da soma dos quadrados.

No Quadro 2.1, a seguir, esto resumidos os principais casos de propagao de incertezas para
grandezas independentes entre si. primeira vista parece um interminvel mar de contas. Podemos
simplificar muito nosso trabalho se notarmos que o resultado de propagao de incertezas no precisa ser
feito com preciso numrica maior que cerca de 5%. Explicando melhor. Tomemos novamente a soma
quadrtica dos trs termos do volume do cilindro.

V
= 0 2 + 0,52 + 0,052 = 0,5025
V
Note que o terceiro termo, 0,052 quase no altera o resultado final. Ou seja, poderia ter sido desprezado.
Suponhamos que, na soma de quadrados, possamos desprezar qualquer termo menor que, digamos, 10% do
termo maior. Desejamos calcular

s2 = a2 + b2
e desprezar o termo b2 caso b 2 < 0,1 a 2 . Isso resulta que b < ~ 0,3 a ou seja, b < ~

a
. Logo
3

Qualquer termo menor que 1/3 do maior termo na soma em quadratura pouco contribui no
resultado final e em geral, pode ser desprezado.
20

Exemplificando: Volte para o exemplo A, a soma de dois segmentos: L calculamos o resultado de :

L2 = 2 2 + 0,5 2 = 4,25
observe que 0,52 << 22, ou seja, se desprezarmos o termo menor, o resultado seria 4,00, que arredondado
para um significativo resultaria L = 2 cm , no muito diferente do resultado anterior, 2,1 cm.
Isto permite, na maioria das vezes, um clculo rpido, sem o uso de calculadora. Atente que so os
termos da soma em quadratura que devem ser comparados, no as incertezas.

2.3. Representao de incertezas em um grfico. Barras de erro.

J aprendemos a expressar incertezas quando escrevemos o resultado de uma medio. Num grfico
vamos expressar a incerteza de cada ponto experimental na forma de uma barra vertical (ou horizontal) que
representar o intervalo de confiana definido pela incerteza da grandeza.
Como exemplo, vamos representar os dados da tabela 2.2. em um grfico. comum incluir numa
tabela de dados uma coluna com um nmero de ordem. Isso permite, por exemplo, numa discusso,
comentar a medida 3, ao invs da medida cujo espao 11,10.
Tabela 2.2. Espaos e velocidades de um corpo.
n
s 0,05 (m)
v (m/s)
1
4,60
1,840,55
2
6,90
2,760,82
3
11,10
3,991,20
4
20,60
9,882,96

Figura 2.1 Velocidades e posies de um corpo.

No grfico da figura 2.1, a incerteza do espao no foi colocada, pois menor que o ponto marcado.
Neste grfico tambm foi ajustada uma reta mdia que representa os pontos experimentais. A reta mdia
pode ser traada mo, observando algumas regras simples:

Procure passar a reta equilibradamente pelo maior nmero de pontos.

A origem (0; 0) pode ou no ser um ponto experimental. Se for fisicamente justificvel, trate-a como
qualquer outro ponto experimental (inclusive com incerteza), caso contrrio trace a melhor reta ignorando
a origem.
A reta deve estar contida na maioria das barras de erro.
21

22

Quadro 2.1. RESUMO DE FRMULAS PARA PROPAGAO DE INCERTEZAS

para variveis independentes entre si.

w = w (x, y, ...)
w=xy

Expresses para w

2w = 2x + 2y

soma e subtrao

somar as incertezas absolutas em quadratura

w = axy
multiplicao

w
x y
= +
w
x y
2

somar as incertezas relativas em quadratura

w = a ( y / x)
diviso

w
x y
= +
w
x y
2

somar as incertezas relativas em quadratura

w = xm
potncia simples

w = ax
multiplicao por constante

w = ax + b

w = axpyq

w = a sen(bx)

=m x
w
x

w
x
=
w
x

ou w = a x

= x
w
x

ou w = a x

w
x y
= p + q
w
x y
2

w = ab cos( bx ) x

b x em radianos

funo qualquer
aplicar a definio

23

3. LINEARIZAO DE CURVAS
3.1 Introduo
Numa experincia costumamos comparar os valores das medies com algum modelo fsico,
provavelmente expresso na forma de uma equao algbrica. Todavia, muitos fenmenos no so lineares, isto
, no podem ser descritos por uma reta. Nestes casos, para explicar os pontos experimentais ou ajustar uma
funo qualquer aos pontos experimentais requer o uso de mtodos numricos avanados nem sempre
disponveis de forma imediata. Num primeiro momento pode-se optar pela linearizao da funo em jogo. A
linearizao de uma funo, nada mais que a transformao de uma funo curvlinea (no linear) numa reta,
ou seja, a converso dos dados experimentais, por meio de uma mudana de variveis, para uma relao linear
que permita ajustar uma reta e determinar-lhe os coeficientes. Invertendo o procedimento de linearizao podese ento determinar os parmetros da funo no linear procurada.
Exemplo: Para determinar a acelerao da gravidade usamos os dados de um corpo em queda livre.
Inicialmente preparamos uma tabela com os tempos e espaos e construmos o grfico a seguir:

Espao no tempo
80
60
40
20
0
0

2
T empo ( s)

Figura 3.1. Espaos em funo do tempo para um corpo em queda livre.

Neste tipo de grfico, onde s = s0 + v0.t +(a/2)t2, no imediato determinar a acelerao do corpo. Mesmo
tendo v0 = 0 e s0 = 0 (com o eixo y no sentido da acelerao) a expresso se converte em:
s = at2/2

(3.1)

que ainda uma funo no linear em t. Se, ao invs de graficar s x t, criarmos uma nova varivel x = t2/2 e
graficarmos, s em funo de x a equao 3.1 se converte numa reta:
s = ax

(3.2)

Onde a o coeficiente angular da reta, conforme pode ser visto na figura 3.2. Logo:

24

Espao no tempo ao quadrado

80
60
40
20
0
0

Figura 3.2. s(t2/2) para um corpo em queda livre.

Pode ocorrer que as grandezas medidas sejam afetadas por um desvio constante. No exemplo acima
poderia ter ocorrido que o tempo e/ou espao inicial sejam diferentes de zero. Esses desvios (inicialmente
lineares), em geral introduzem desvios no lineares nas novas variveis linearizadas e podem invalidar suas
concluses. Dada sua natureza, esses desvios costumam afetar mais os valores pequenos que os grandes e
podem ser identificados na forma de desvio sistemtico dos pontos experimentais da curva (linear) graficada.
Existem diversos outros mtodos de linearizao: Ainda se usa muito graficar o logaritmo das
grandezas o que reduz potncias em coeficientes angulares e coeficientes multiplicativos em lineares. Os papis
dilog e mono-log so uma forma prtica de executar transformaes log sem necessidade de clculos. Outro
mtodo, que na prtica reduz o grau da funo graficar a derivada da funo. No h uma regra geral para
linearizao de funes, no entanto prtica e criatividade podem ajudar.

3.2 Linearizando funes tipo

y = ae bx

Funes exponenciais podem ser linearizadas aplicando o logaritmo em ambos os termos, que resulta:

ln( y ) = ln( ae bx )

(3.3)

ln( y ) = ln( a ) + bx

(3.4)

definindo Y = ln(y) e A = ln(a), temos:

Y = A + bx

(3.5)

que uma reta com coeficiente linear A e coeficiente angular b.

3.3. O papel grfico logartmico

Antes do uso generalizado de calculadoras, no era simples determinar o logartmo de um nmero.
Podia-se usar (e ainda se usa) o papel mono-logartmo, cuja escala vertical, Y, desenhada de tal forma que a
distncia linear at a origem (eixo x) o logartmo decimal do nmero indicado na escala. Dessa forma, ao
localizar um valor na escala do eixo Y, o papel converte o valor para o logaritmo do nmero indicado.

25

log y = medida em cm /10

10

3
2

10cm
4,8cm
3.0cm

Figura 3.3. Escala mono-log. Neste caso, a escala, tambm denominada ciclo, de 10cm para cada ordem de grandeza
(fator 10). Outras escalas e vrios ciclos so possveis. (um exemplo: dado que log(3) = 0.477, temos que 10.log(3) =
4.8cm.)

O papel dilogarmico (dilog) repete o eixo log tambm para o eixo das abcissas (eixo x) e til para
linearizar potncias simples, tais como y = a bx que ser discutido a seguir.

3.3. Linearizao de funes tipo y = ax

Potncias simples tipo y = axb, tambm podem ser linearizadas aplicando o logaritmo em ambos os
termos:

log( y ) = log(a) + b log( x)

(3.6)

novamente, uma reta com coeficiente angular b e coeficiente linear log(a).

4. Interpolao de tabelas.
Ao consultar uma tabela, dessas publicadas em livros expecializados muito difcil encontrar
exatamente o valor procurado. Se por exemplo estivermos procurando o ndice de refrao de um determinado
material em funo da temperatura, pode ocorrer que a temperatura desejada esteja entre dois valores tabelados.
A soluo interpolar a tabela. Existem vrios mtodos de interpolao de dados em tabelas: podemos usar
polinmios, funes logaritmicas, exponenciais, etc. Esses mtodos podem ser encontrados em qualquer livro
bsico de mtodos numricos.
Acontece que muitas dessas tabelas so compiladas de forma que uma simples interpolao linear
suficientemente precisa, ou seja, o erro da interpolao linear menor que a incerteza dos valores tabelados.
Veja o exemplo a baixo:
Tabela 4.1. Presso de vapor da gua lquida.

Temperatura (C)
60
80
100
120

Presso (Torr)
149,4
355,1
760
1489

26

Para determinar a presso de vapor a 90C pode-se interpolar linearmente a tabela entre os valores de 80 e
100C. A interpolao linear pode ser entendida como o ajuste de uma reta a DOIS pontos da tabela e a
determinao de um valor intermedirio no tabelado. A figura 4.1 exemplifica o procedimento graficamente.
Figura 4.1. Representao grfica de uma interpolao linear.

y1
yi
y0
X0 Xi

X1

Sejam os pontos (xo, yo) e (x1, y1) dois pontos quaisquer consecutivos na tabela. Ajustando-lhes uma reta, podese escrever, para um ponto (xi, yi) intermedirio.

yi y 0 y1 y 0

x i x 0 . x 1 x 0

(4.1)

Isolando yi temos:

y y0
y i = y 0 + ( xi x0 ). 1

x1 x 0

(4.2)

que aplicada ao exemplo resulta:

760 355
y 90 = 355 + (90 80).

100 80

(4.3)

que fornece o valor procurado:

P90 = 558 Torr.

27

4.1. Referncias e fontes biblogrficas

Coraci P. Malta., FAP139, Laboratrio de Fsica 2. IFUSP, 1997.Textos e descrio dos equipamentos do
laboaratrio didtico do IFUSP.
Richard P. Feynman., Robert B. Leighton, e Matthew Sands. Lectures on Physics, Vol. 1. 1971.
Alvin Hudson, Rex Nelson. University Physics, 2nd Ed. Saunders College Publishing. 1990.

28