Académique Documents
Professionnel Documents
Culture Documents
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
A
B
Padro
9,8 0,2
12,3 4,0
9,3
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
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
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.
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
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
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
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).
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
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.
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.
4.93
2.21
0.77
6.00
7.01
5.17
3.83
4.12
5.40
2.56
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
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.
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)
1 x
1
G ( x) =
e 2
2
(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
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
12
13
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:
INCERTEZA:
ERRO:
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.
U (volt)
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
s=
1 6
(Vi 1,5763) 2 = 0,0066 V
6 1 i =1
sm =
0,0066
6
= 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
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)
(2.3)
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
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
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.
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
=0
1
2 R =
R 2,0
e
L 0,5
=
L 10,0
(i)
(ii)
(iii)
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 = (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:
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
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.
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:
22
w = w (x, y, ...)
w=xy
Expresses para w
2w = 2x + 2y
soma e subtrao
w = axy
multiplicao
w
x y
= +
w
x y
2
w = a ( y / x)
diviso
w
x y
= +
w
x y
2
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)
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
80
60
40
20
0
0
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.
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)
(3.5)
25
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.
Potncias simples tipo y = axb, tambm podem ser linearizadas aplicando o logaritmo em ambos os
termos:
(3.6)
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)
760 355
y 90 = 355 + (90 80).
100 80
(4.3)
27
28