Académique Documents
Professionnel Documents
Culture Documents
F ( x) = 1
x =0
(4)
1
A forma relativa de F(x) d uma indicao qualitativa das flutuaes internas no
conjunto de dados e de certa forma centrada em torno do valor mdio. Uma concluso
bvia que a largura da distribuio a medida relativa da quantidade de flutuaes em
torno da mdia em um dado conjunto de dados.
possvel calcular a mdia experimental usando a funo distribuio
xe = xF ( x) (5)
x =0
tambm possvel derivar outro parmetro, conhecido como varincia, que serve
para quantificar as flutuaes internas no conjunto de dados. O primeiro passo definir o
desvio de qualquer ponto da mdia
i = xi xe (6)
1
i =0 (7)
N i=1
Onde N o tamanho da populao. Mas como no podemos conhecer x a partir de um
conjunto finito de medidas, usamos no seu lugar o valor xe ( x xe ) derivado a partir
dos dados para calcular os valores dos desvios. O valor verdadeiro de uma grandeza
independente do conjunto de dados, enquanto que o valor experimental dependente. O
uso do valor experimental em vez do valor mdio verdadeiro terico far com que o
desvio mdio e conseqentemente resultar em uma varincia normal menor. No
linguajar estatstico, o nmero de graus de liberdade do sistema ter sido reduzido por
uma unidade. Na equao 8, a mdia experimental usada para calcular os valores de i.
Entretanto, a soma dividida por N-1 (ao invs de N) para fazer o valor calculado de s2
um pouco maior, levando em conta o grau de liberdade perdido. Deve-se notar que a
varincia amostral uma medida absoluta da flutuao interna nos dados e no depende,
em primeira aproximao, do nmero de valores no conjunto de dados. Por exemplo, se
um determinado conjunto de dados fosse aumentado coletando-se 30 valores adicionais
pelo mesmo processo, no esperaramos que a varincia amostral calculada para o novo
conjunto estendido fosse substancialmente diferente do valor inicial.
Outra grandeza o desvio padro da mdia cuja expresso matemtica
2
s
s= (10)
n
Podemos tambm calcular a varincia diretamente da funo distribuio F(x). A
equao 9 mostra que s2 simplesmente o valor mdio de ( x x ) , podemos escrever que
2
x =0
Uma expanso da equao 11 resultar na expresso bem conhecida
2
2 = x 2 x (12)
Modelos estatsticos
Lembramos que os modelo acima tornam-se idnticos para processos com uma
probabilidade individual de sucesso pequena, mas com um nmero grande de tentativas
de modo que o nmero mdio esperado de sucessos grande.
A distribuio binomial
3
A distribuio binomial a mais geral dos modelos estatsticos discutidos aqui. Se n e o
nmero de tentativas para o qual cada tentativa tem uma probabilidade de sucesso p,
ento a probabilidade de contar exatamente x sucessos dada por
n!
P( x) = p x (1 p) n x (13)
(n x )! x!
P(x) a funo probabilidade, como dada pela distribuio binomial e definida somente
para valores inteiros de n e x.
Algumas propriedades da distribuio binomial so importantes. Primeiramente, a
distribuio normalizada:
n
P( x) = 1 (14)
x =0
Tambm, sabemos que a mdia ou valor mdio de uma distribuio dada por
n
x = xP( x) (15)
x=0
Se substituirmos a equao 13 para P(x) e realizarmos a soma, encontramos
x = pn (16)
( x x ) P( x) (17)
2
x=0
4
decairo em um tempo t e aqueles que no decairo. A partir da lei do decaimento
exponencial para espcies radioativas, a probabilidade de que um dado tomo no decaia
e-t (vide capitulo 9), onde a constante de decaimento para a espcie em questo.
Ento, a probabilidade p para o decaimento
p = 1 e t (21)
Usando a equao 13, temos a probabilidade P(x) de que x tomos decairo em um tempo
t
P( x) =
No!
(N o x )! x!
(
1 e t ) (e )
x t N o x
(22)
x = N o (1 e t ) (23)
e o desvio padro
= [N o (1 e t )e t ] ( )
1/ 2 1/ 2
= x e t (24)
para t<< 1, ou seja, para tempos de observao curtos comparados com a meia vida, o
desvio padro simplesmente
= x 1/ 2 xe1/ 2 (25)
A distribuio de Poisson
Vrias categorias de processos binrios podem ser caracterizados por uma baixa
probabilidade de sucesso para cada tentativa individual. Por exemplo, em um
experimento tpico de fsica de colises atmicas, apenas uma frao muito pequena do
feixe de projteis, interage com os centros espalhadores do alvo gasoso. Nestes casos, a
aproximao p<<1 ser vlida e algumas simplificaes matemticas podem ser
aplicadas distribuio binomial. Usando que
n!
n x (26 a)
(n x)!
(1 p ) n x e pn (26b)
5
Mostrar-se que, neste limite a distribuio binomial se reduz a
( pn) x e pn
P( x) = (26)
x!
A distribuio Gaussiana
De novo, as equaes (14-17), assim como a equao (27) so vlidas para o caso da
distribuio gaussiana. Podemos tecer algumas observaes sobre a distribuio
gaussiana: ela simtrica em relao ao seu valor mdio e devido ao fato do valor mdio
ser alto, os valores de P(x) para valores de x adjacentes no diferem muito, ou seja, a
distribuio varia lentamente.
Uma aplicao rotineira dos modelos estatsticos o caso no qual temos somente
uma nica medida de uma grandeza em particular e desejamos associar um dado grau de
incerteza com aquela medida. O que gostaramos objetivamente ter uma estimativa da
6
varincia esperada se repetssemos a medida vrias vezes. A raiz quadrada da varincia
amostral deveria ser uma medida tpica do desvio de qualquer medio de um valor
mdio real e assim servir com um nico ndice do grau de preciso que podemos associar
com uma medida tpica daquele conjunto. Porque temos somente um nica medida,
contudo, a varincia no pode ser calculada diretamente mas deve ser estimada por
analogia com um modelo estatstico apropriado.
Se supormos que o resultado da medida parte de uma populao cuja
distribuio terica descrita por uma distribuio Gaussiana ou de Poisson, ento
devemos ajustar a distribuio ao dado disponvel. Para ambos os modelos devemos
comear com um valor para a mdia <x> da distribuio. O valor de nossa nica medida
x a nica informao que dispomos. No temos outra escolha a no ser supor que a
mdia da distribuio igual ao nico dado disponvel, ou seja <x>= x. Tendo agora
obtido o suposto valor para <x>, a funo probabilidade totalmente definida para todos
os valores de x. Podemos imediatamente encontrar um valor para a varincia da
distribuio. Podemos usar a associao que, se o dado foi retirado da mesma
distribuio, uma estimativa da varincia s2 deste conjunto de dados deve ser dada por 2.
Conclumos que s = = x1/2, a melhor estimativa para o desvio da mdia verdadeira.
No caso da distribuio Gaussiana, o intervalo x x1/2 conter a mdia verdadeira com
68 % de probabilidade.
Como ilustrao, suponha que voc mea o nmero de partculas de incidem em
um detector em um dado intervalo de tempo. Se 100 foi o nmero encontrado, ento
=1001/2 = 10 a incerteza desta medio. H vrias formas de expressar a incerteza de
uma medida. A escolha convencional escrever o valor mais ou menos um valor que
representa um desvio padro , ou seja, 100 10. Este intervalo supostamente contm o
valor mdio verdadeiro com uma probabilidade de 68%. Se desejarmos aumentar a
probabilidade de que a mdia verdadeira esteja includa, devemos expandir o intervalo de
incerteza. Por exemplo, para alcanar 99 % de certeza de que a mdia esteja naquele
intervalo, o intervalo deve ser expandido para 2,58, ou 100,0 25,8, no caso de nosso
exemplo. A menos que seja indicado o contrrio, as incertezas so expressas com um
desvio padro.
O desvio padro fracional, definido como /x, de uma nica medida dado por
x /x ou x-1/2 .
1/2
Excees
a- taxas de contagens;
b- somas ou diferenas de contagens;
7
c- mdias de contagens independentes;
d- qualquer quantidade derivada;
Em todos estes casos a quantidade calculada como uma funo do nmero de contagens
acumuladas em cada experimento. A incerteza associadas com esta quantidade deve
ento ser calculada de acordo com os mtodos de propagao de erro.
Exemplo 1: Considere um espectro (de um fonte radioativa, por exemplo) onde o nmero
real de contagens deve ser corrigido subtraindo-se o fundo (vide fig.1)
total = 1500
Fundo = 400
8
Exemplo 2 Valor mdio de vrias contagens independentes. Suponha que tenhamos
medido N vezes a contagem de uma mesma fonte em tempos iguais. Os resultados so
representados por x1, x2, ...,xN e a soma S,
S = x1 + x2 +....+ xN
x
x =
N
Conclumos que o valor mdio baseado em N medidas independentes ter uma incerteza
que ser menor por um fator N1/2 comparada com uma nica medida. Uma outra
concluso que se quisermos melhorar a preciso estatstica por um fator 2, devemos
acumular um tempo quatro vezes maior.
9
ocorrer no prximo incremento de tempo diferencial dt. A probabilidade final ser ento
dada pelo produto das probabilidades que caracterizam os dois processos, ou seja, a
probabilidade do prximo evento ocorrer em dt aps o atraso de t = probabilidade de
nenhum evento ocorrer durante o intervalo tempo 0 a t probabilidade de um evento
ocorrer durante dt
Ento
PS (t )dt = re rt dt
PS(t) uma funo distribuio para intervalos entre eventos aleatrios adjacentes. Este
tipo de distribuio aparece por exemplo, como fundo (background) em experimentos de
coincidncia, como veremos nos prximos captulos.
1
-1
PS(t)r
-1
re
-1
r
Do que vimos at agora, podemos aplicar para um julgamento criterioso que pode
nos poupar bastante tempo em um experimento.
Quando uma nica medida realizada os resultados da tabela 1 podem ser
utilizados diretamente.
contagens
incerteza %
0,1 106
0,3 1,1 105
1 104
10
3 1,1 103
10 100
1/ 2
tf Tf
= (30)
tT TT
para o uso otimizado do tempo de contagem. Para determinar esta razo obtem-se
valores aproximados no inicio das medidas.
Algarismos significativos
11
esquerda dos algarismos 1 e 2 apenas expressam que o resultado da medio inferior a
unidade.
Exerccios
Quantos algarismos significativos tem os nmeros abaixo?
a) 145,9000 b) 73,009 c) 1,2 d) 0,543 e) 0,03450
Resp. a) 7 b) 5 c) 2 d) 3 e) 4
Arredondamento
Exerccios
Calcule :
a) (25,5)1/2 + 5,0 =
b) 61,890 2,5 =
Algumas definies
12
1
Incerteza (de medio) parmetro, associado ao resultado de uma medio, que
caracteriza a disperso dos valores que podem ser razoavelmente atribudos ao
mensurando.
2
Incerteza padro incerteza do resultado de uma medio expressa como um desvio
padro.
3
Avaliao da Incerteza Tipo A mtodo de avaliao da incerteza pela anlise estatstica
de sries de observaes
4
Avaliao da Incerteza Tipo B- mtodo de avaliao da incerteza por outros meios que
no a anlise estatstica de sries de observaes
5
Valor verdadeiro de uma grandeza valor consistente com a definio de uma dada
grandeza especfica. um valor que seria obtido por uma medio perfeita. Os valores
verdadeiros so por natureza, indeterminados. O artigo indefinido um usado
preferivelmente ao artigo definido o, em conjunto com valor verdadeiro, porque pode
haver muitos valores consistentes com a definio de uma dada grandeza especfica.
6
Valor verdadeiro convencional de uma grandeza- valor atribudo a uma grandeza
especfica e aceito, s vezes por conveno, como tendo uma incerteza apropriada para
uma dada finalidade. Ex: o CODATA (1986) recomendou o valor para a constante de
Avogrado como sendo A = 6,0221367 1023 mol-1.
7
Medio Conjunto de operaes que tem por objetivo determinar o valor de uma
grandeza
Referncias:
13
Problemas
5 Matria viva, ou que j viveu, contm uma pequena atividade de 14C. Acredita-se que
esta atividade proveniente do bombardeamento do nitrognio atmosfrico por nutrons
provenientes dos raios csmicos, predominante na alta atmosfera. Este carbono radioativo
entra em sistemas vivos por processos de troca e alcana uma concentrao de equilbrio.
Aps a morte, a troca pra, e a quantidade de carbono radioativo diminui devido meia-
vida finita do 14C. Comparando-se a atividade especifica em um material morto com a da
atmosfera, pode-se calcular o tempo passado desde a sua morte. Em um experimento em
particular deste tipo, a taxa de contagens total foi de 14,0 contagens/minuto, e o fundo
(background) foi de 9,5 contagens por minuto. Quanto tempo necessrio para medir a
atividade do 14C com uma preciso de 4 %?
14
a) caso 1 : as taxas total e de fundo so 1000 e 20 contagens por minuto,
respectivamente.
b) caso 2 : as taxas total e de fundo so 60 e 20 contagens por minuto,
respectivamente. Calcule as incertezas em casa caso.
9 Mostre que a tangente a uma funo Gaussiana extrema (mxima ou mnima) para x
= , e portanto cruza a curva nos pontos exp(-0,5). Mostre tambm que estas
tangentes cruzam o eixo y em x = 2.
12- Em uma dada medida de 10 minutos resultou em uma incerteza estatstica de 2,8 %.
Quanto tempo mais deveria ser medido para reduzir a incerteza estatstica para 1,0 % ?
15
espalharam para frente e 528 para trs.Qual as fraes dos msons espalhados para frente
e para trs? Qual a incerteza ela deveria adotar para estes estes nmeros ?
Respostas
1- a) P(1) =0,336
c) <x>= pN=1,6
d) 1,1
2- 151 contagens. = 31 contagens.
3- 773 contagens. = 30 contagens.
4- a) 18476 b) 58 c) 43 d)184 e)136
5-
6-
7-
8- C = 4/R2
9-
10 numero mdio x = P ( x, ) = 1 P (0, ) = 1 e , eficincia = /exp(-)
x =1
11-
12-
1 1
13- = np (1 p ) = 1000 15.8
2 2
frao para frente = (472 15.8)/1000 = 0,47 0,16
16