Incerteza de Medição

Estatstica para Metrologistas e
Calculo de Incerteza
Instrutor:
Dorival Le ao
Estatcamp Consultoria em Estatstica e Qualidade
Rua: Adolfo Catani, 682
Jardim Macarengo CEP: 13560-470 Sao Carlos/SP
Fone/Fax: (16) 3376-2047
E-mail: estatistica@estatcamp.com.br
Site: www.estatcamp.com.br
Dezembro / 2007
ii
Sumario
1 Nocoes Basicas de Estatstica 1
1.1 Introduc ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Coleta de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Exposic ao de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Distribuic ao de Freq uencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Medidas de Posic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.7 Medidas de Dispers ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.9 Distribuic ao Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.10 Teorema do Limite Central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.11 Distribuic ao amostral do desvio padrao . . . . . . . . . . . . . . . . . . . . . . . 23
1.12 A Distribui cao t-Student . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.13 A estatstica F e a distribuic ao F de Snedecor . . . . . . . . . . . . . . . . . . . 27
1.14 Teste para Duas Vari ancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.15 Teste de Valor Extremo (Grubbs) . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.16 Teste de Dixon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.17 Teste de Cochran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.18 Teste de Igualdade das Variancias . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.18.1 Teste de Bartlett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.18.2 Teste de Levene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.19 Comparac ao entre Sistemas de Medic ao . . . . . . . . . . . . . . . . . . . . . . . 39
2 Fundamentos do Calculo de Incerteza em Medicao 41
2.1 Medic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 Erros, efeitos e correc oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Sum ario iii
2.3 Incerteza de Medicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4 Avaliacao da Incerteza Padrao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.5 Determina cao da Incerteza Padr ao Combinada . . . . . . . . . . . . . . . . . . . 58
2.6 Determina cao da Incerteza Expandida . . . . . . . . . . . . . . . . . . . . . . . 59
2.6.1 Comprova cao Metrol ogica - Equipamento de Medicao . . . . . . . . . . . 60
2.7 Determina cao da Vari ancia Agrupada . . . . . . . . . . . . . . . . . . . . . . . . 62
2.8 Regras de arredondamento de valores . . . . . . . . . . . . . . . . . . . . . . . . 63
2.9 Propagacao da Incerteza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3 Estudos de Estabilidade 68
4 Metodo da ANOVA (Completo) 74
4.0.1 Metodo da ANOVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5 Calculo de Incerteza de um Rel ogio Comparador 92
5.1 Incerteza Combinada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.2 C alculo da Incerteza Padr ao das grandezas de entrada . . . . . . . . . . . . . . . 94
5.2.1 Repetitividade (
l
) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.2.2 Incerteza Herdada do Padr ao U(l
s
) . . . . . . . . . . . . . . . . . . . . . 94
5.2.3 Resolucao do Calibrador (Res(Cal)) . . . . . . . . . . . . . . . . . . . . . 95
5.2.4 Resolucao do Relogio (Res(Rel)) . . . . . . . . . . . . . . . . . . . . . . . 95
5.2.5 Calculo da Histerese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3 C alculo de Incerteza do Relogio . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.1 Calculo da Incerteza Combinada . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.2 Graus de liberdade Efetivo . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.4 Incerteza Expandida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 Calculo de Incerteza de um Man ometro 97
6.1 Incerteza Combinada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2 C alculo da Incerteza Padr ao das grandezas de entrada . . . . . . . . . . . . . . . 99
l
) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.2.2 Incerteza Herdada do Manometro Padr ao - U(Upadr ao) . . . . . . . . . 100
6.2.3 Resolucao do Manometro P adrao - U(Res(padra)) . . . . . . . . . . . . . 100
6.2.4 Resolucao do Manometro - U(Res(man)) . . . . . . . . . . . . . . . . . . 100
6.2.5 Calculo da Histerese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Sum ario iv
6.3 C alculo da Incerteza do Manometro . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.1 Calculo da Incerteza Combinada . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.2 Graus de liberdade efetivo . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.3.3 Incerteza Expandida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.3.4 Expressao da Incerteza em Porcentagem . . . . . . . . . . . . . . . . . . 102
7 Calculo de Incerteza de um Voltmetro Digital 103
8 Calculo de Incerteza no Ensaio de Tensao 105
8.1 Calibracao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
8.2 Aplicac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9 Calculo de Incerteza no Ensaio de Corrente 109
9.1 Calibracao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
9.2 Aplicac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
10 Calculo de Incerteza no Ensaio de Impedancia 113
10.1 Calibrac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
10.2 Aplicac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
A Parametros Caractersticos de um Sistema de Medicao 117
B Tabelas Estatsticas 123
Referencias Bibliogracas 132
1
Captulo 1
Nocoes Basicas de Estatstica
Nosso curso de incerteza de medic ao est a dividido em duas partes. A primeira parte contem-
pla as tecnicas estatsticas e os fundamentos do calculo de incerteza, enquanto que a segunda
parte contempla as aplicac oes para calibra coes especcas. A seguir, vamos apresentar os con-
ceitos basicos de Estatstica necess arios para expressarmos a incerteza em medic oes.
1.1 Introducao
Com a nalidade de estudar metodos estatsticos utilizados para expressarmos a incerteza
de medic ao, faremos inicialmente uma breve abordagem aos conceitos basicos de Estatstica.
Ao efetuarmos uma medic ao, diversas fontes de variac ao est ao presentes. A temperatura,
umidade, resolu cao do instrumento entre outras, fazem com que o valor de um mensurado tenha
variacao.
A variabilidade est a presente em todo lugar. Ao estacionar um carro em sua garagem, a
posic ao do carro na garagem nao e a mesma ao longo dos dias. A posic ao do carro apresenta
uma varia cao. As tecnicas estatsticas s ao utilizadas para avaliarmos as variac oes. A aplicac ao
de tecnicas estatstica envolve varias etapas:
Coleta dos dados - Amostragem;
Exposic ao dos dados;
Modelos Estatsticos.
1. No coes B asicas de Estatstica 2
1.2 Coleta de Dados
Uma populacao e um agregado de elementos (nitos ou nao) para o qual deseja-se obter
informac oes sobre algumas de suas caractersticas. Duas populacoes sao consideradas distintas
se uma delas contem um elemento que nao esta contido na outra populac ao. Como exemplo de
populac ao temos a produ cao di aria de um empresa, conjunto de resultados de medic ao de uma
haste de aco realizada com um micrometro, entre outras. A amostra e uma parcela de uma
populac ao que pode conter informac oes sobre a populac ao. Para estudarmos adequadamente
uma populacao atraves de uma amostra devemos planejar a coleta de dados.
Planejando a Coleta de Dados - Amostragem
Qual a pergunta a ser respondida?
Como comunicar a resposta obtida?
Qual ferramenta de an alise pretende-se usar e como vai comunicar os resultados?
Que tipo de dados e necess ario para utilizar as ferramentas desejadas e responder a
pergunta?
Onde acessar estes dados?
Como coletar esse dados com um mnimo de esforco e de erro?
Quais informac oes adicionais serao necess arias para estudos futuros, referencias ou recon-
hecimento?
1.3 Exposicao de Dados
Antes da exposic ao dos dados coletados e necess ario que se faca um trabalho de revis ao
e correc ao nos dados coletados na tentativa de eliminar possveis enganos na elaborac ao do
relat orio.
Medidas Quantitativas Contnuas
Quando os possveis valores incluem todos os n umeros do intervalo de variac ao da car-
acterstica medida. Ao medirmos um bloco padrao com um micrometro externo obtemos uma
medida quantitativa contnua .
Exemplo 1.1. Na calibracao de um micrometro externo, o avaliador tomou 10 pontos (ou
blocos padrao) com 10 leituras de cada ponto. Os desvios de cada leitura em relacao ao valor
do ponto estao na tabela 1.1.
-0.012 0.003 0.015 0.012 -0.018 0.013 -0.015 0.002 -0.006 0.012
0.008 -0.001 0.000 0.003 -0.008 0.008 0.017 0.013 0.002 -0.002
-0.002 0.006 -0.021 -0.001 0.000 0.007 -0.009 0.018 0.000 0.010
-0.006 0.000 0.009 -0.011 0.000 -0.006 -0.001 0.012 0.004 -0.002
0.000 -0.012 0.001 0.006 0.000 -0.002 -0.004 0.012 0.003 0.020
0.024 -0.003 -0.011 -0.007 -0.009 0.018 -0.017 0.006 -0.004 0.019
0.016 0.012 -0.002 -0.007 -0.013 0.008 -0.013 0.001 0.017 0.012
0.006 0.008 0.004 0.002 0.006 0.000 -0.008 0.017 -0.002 0.019
-0.005 -0.008 0.013 -0.004 0.001 -0.005 0.000 -0.007 0.012 -0.003
0.004 0.002 -0.004 0.002 0.011 -0.012 -0.011 0.003 0.002 -0.006
Tabela 1.1: Desvios
Podemos fazer a apurac ao considerando intervalos de medidas como apresentado na tabela
1.2.
Intervalos N
o
de Desvios
0.021 0.017 3
0.017 0.013 3
0.013 0.009 8
0.009 0.005 12
0.005 0.001 15
0.001 0.003 22
0.003 0.007 9
0.007 0.011 7
0.011 0.015 11
0.015 0.019 8
0.019 0.024 2
Tabela 1.2: Freq uencia absoluta
Ao se estabelecer intervalos, est a-se admitindo que o desvio pode assumir qualquer valor
entre o limite inferior, inclusive, e o limite superior, exclusive. A exposic ao dos dados pode ser
feita atraves de tabela e/ou gr acos. In umeros gr acos auxiliam na apresentacao e interpretac ao
dos fatos, mas destacaremos os mais usuais.
1.4 Distribuicao de Freq uencias
Com as tabelas e/ou gr acos em m aos, apresentando uma melhor visualizac ao dos dados,
muitas vezes j a temos condic oes de interpretar o fen omeno em estudo. Entretanto, em muitos
casos ha necessidade de se efetuar opera coes numericas para se chegar a conclus oes mais solidas.
Devido ao fato de dados quantitativos serem os mais freq uentemente encontrados no estudo de
Sistemas de medi cao, desenvolveremos os metodos de analise para estes tipos de dados.
Dados Contnuos:
Vejamos o exemplo 1.1, com APURAC

AO na tabela 1.2. Note que neste exemplo a variavel
de interesse e o Desvioenquanto que N umero de Desvios representa a freq uencia de medidas
em cada intervalo (Tabela 1.2).
Denic oes:
Freq uencia Absoluta (f
i
):

E o n umero de observacoes correspondentes a cada intervalo.
A freq uencia absoluta e, geralmente, chamada apenas de freq uencia. No exemplo anterior, a
freq uencia e o n umero de desvios. Para um dado intervalo i, denotaremos a freq uencia absoluta
correspondente por f
i
. Assim, por exemplo, a freq uencia do quarto intervalo e f
4
= 12.
Freq uencia Relativa (fr
i
):

E o quociente entre a freq uencia absoluta e o n umero total
de observacoes, e ser a denotada por fr
i
. Isto e, fr
i
=
f
i
n
onde n representa o n umero total de
observacoes. No nosso exemplo, fr
4
=
12
100
= 0.12, onde n = 100.
Freq uencia Percentual: (p
i
):

E conseguida multiplicando-se a freq uencia relativa por 100
p
4
=
12
100
100% = 12%
Freq uencia Acumulada:

E o total acumulado (soma) de todas as classes anteriores ate
a classe atual. Pode ser Freq uencia Acumulada Absoluta (F
i
), Freq uencia Acumulada Relativa
(Fr
i
), ou Freq uencia Acumulada Percentual (P
i
).
Ponto Medio (x
i
):

E obtido somando o limite inferior e o limite superior de cada intervalo
e dividindo o resultado por 2. Este ponto se constitui no valor representativo de cada intervalo.
No caso do primeiro intervalo, no exemplo dado, temos:
x
1
=
0.021 + (0.017)
2
= 0.019
Agora que temos estas quantidades denidas, vamos usar o exemplo que estamos acom-
panhando e mostrar todas elas atraves de uma tabela completa. Como Freq uencia Acumulada
iremos apresentar somente a Freq uencia Acumulada Percentual.
Algumas indicac oes na construc ao da distribui cao de freq uencias s ao:
Di ametro X
i
f
i
fr
i
p
i
(%) P
i
(%)
0.021 0.017 0.019 3 0.03 3 3
0.017 0.013 0.015 3 0.03 3 6
0.013 0.009 0.011 8 0.08 8 14
0.009 0.005 0.007 12 0.12 12 26
0.005 0.001 0.003 15 0.15 15 41
0.001 0.003 0.001 22 0.22 22 63
0.003 0.007 0.005 9 0.09 9 72
0.007 0.011 0.009 7 0.07 7 79
0.011 0.015 0.013 11 0.11 11 90
0.015 0.019 0.017 8 0.08 8 98
0.019 0.024 0.021 2 0.02 2 100
Tabela 1.3: Distribuic ao de freq uencias
1. Na medida do possvel, as classes dever ao ter amplitudes iguais.
2. Escolher os limites dos intervalos entre duas possveis observac oes.
3. O n umero de intervalos nao deve ultrapassar 20.
4. Escolher limites que facilitem o agrupamento.
5. Marcar os pontos medios dos intervalos.
6. Ao construir o histograma, cada ret angulo devera ter area proporcional ` a freq uencia
relativa (ou à freq uencia absoluta, o que d a no mesmo) correspondente.
7. Um criterio para determinar os intervalos (classes) e:
Tamanho da Amostra (n) N umero de Classes (c)
30 a 50 5 a 7
51 a 100 6 a 11
101 a 250 7 a 13
acima de 250 10 a 20
Tabela 1.4: N umero de classes
Determinac ao do tamanho da classe ou intervalo (L):
L =
amplitude
n
o
de classes
=
R
c
onde R= maior valor da amostra menos o menor valor da amostra.
1.5 Histograma
Uma representa cao gr aca da distribui cao de freq uencia, como as anteriores, e o Histograma.
E um gr aco onde a freq uencia relativa do intervalo i (fr

i
) e representada pela area de um
ret angulo que e colocado acima do ponto medio da classe i. Consequentemente, a area total do
histograma (igual a soma das areas de todos os ret angulos) sera igual a 1. No caso em que
os intervalos sejam de tamanhos (amplitudes) iguais, as alturas dos ret angulos ser ao iguais ` as
freq uencias relativas (ou iguais ` as freq uencias absolutas) dos intervalos correspondentes. Para
a distribuic ao de freq uencias da tabela 1.3, o histograma correspondente e o seguinte:
Figura 1.1: Histograma dos desvios
Ao analisarmos a distribuic ao de freq uencia dos desvios, observamos que 15% das ob-
serva coes encontram-se entre 0, 005 a 0, 001 e que pelo menos 10% das observac oes estao
acima de 0, 015.
1.6 Medidas de Posicao
Essas medidas visam representar ondeos valores estao localizados ou posicionados. As
mais usuais s ao media aritmetica, mediana e moda.
Media Aritmetica: A media aritmetica, ou simplesmente Media, e calculada somando-se
os valores das observac oes e dividindo-se o resultado pelo n umero de valores. Notac ao:
x
i
: cada valor individual.
x : media de uma amostra.
: media da populac ao.
n : tamanho da amostra.
N : tamanho do universo (populac ao).
Dado uma populac ao e uma amostra x
1
, . . . , x
n
retirada desta populac ao, a media amostral
e dada por :
x =
x
1
+ x
2
+, . . . , +x
n
n
Exemplo 1.2. No exemplo dos desvios das 100 leituras x= 0, 00161. Conra !!! O ideal e que
o desvio seja zero. Entretanto, ha um pequeno deslocamento.
Exemplo 1.3. Foram realizadas 5 leituras de uma massa padrao com valor nominal 2, 45g
com um comparador. Os valores foram: 2, 45; 2, 46; 2, 45; 2, 44; 2, 45. A media amostral para
as medidas da massa e:
x =
2, 45 + 2, 46 + 2, 45 + 2, 44 + 2, 45
5
=
12, 25
5
= 2, 45 .
A media das 5 leitura e x= 2, 45.
Mediana: Para calcular a mediana devemos, em primeiro lugar, ordenar os dados do menor
para o maior valor. Se o n umero de observac oes for mpar, a mediana ser a a observac ao central.
Se o n umero de observa coes for par, a mediana ser a a media aritmetica das duas observa coes
centrais.
Notac ao : A mediana sera denotada por x.
Exemplo 1.4. Nos dados referentes ao exemplo 1.3, obtemos a seguinte ordenacao: 2, 44; 2, 45;
2, 45; 2, 45; 2, 46.
Como o n umero de observacoes e mpar, a mediana e o valor central, isto e, x = 2, 45.
Exemplo 1.5. Consideremos os seguintes dados correspondentes aos comprimentos de 8 rolos
de o de aco: 65, 72, 70, 77, 60, 67, 69, 68.
Ordenando os valores, temos: 60, 65, 67, 68, 69, 70, 72, 77.
Como o n umero de observacoes e 8, portanto par, a mediana e dada pela media dos dois
valores centrais que sao 68 e 69, isto e:
x =
68 + 69
2
= 68, 5
Moda: A moda de um conjunto de valores e o valor que apresenta a maior freq uencia.
Notac ao: A moda sera denotada por Mo.
No exemplo 1.4, a moda e Mo = 2,45. Conra !
1.7 Medidas de Dispersao
Dispersao e sin onimo de variacao ou variabilidade. Para medir a dispersao sao usadas mais
freq uentemente duas medidas: a amplitude e o desvio padrao.
Amplitude:
A amplitude e denida como sendo a diferenca entre o maior e o menor valor do conjunto
de dados. Denotaremos a amplitude por R.
Exemplo 1.6. Os comprimentos de 8 rolos de o de aco foram: 60, 65, 67, 68, 69, 70, 72, 77
. A amplitude deste conjunto e :
R = 77 60 = 17
Para denirmos desvio padrao e necessario denir vari ancia. A notac ao mais comumente
usada e :
Desvio Padrao:
s
2
: Vari ancia amostral.

2
: Vari ancia populacional.
s : Desvio padrao amostral.
: Desvio padrao populacional.
A variancia de uma amostra x
1
, . . . , x
n
de n elementos e denida como a soma dos quadra-
dos dos desvios de elementos em relacao à sua media amostral x dividido por (n 1). Ou seja,
a vari ancia amostral e dada por:
s
2
=
n
i=1
(x
i
x)
2
n 1
O desvio padr ao de um conjunto de dados e igual ` a raiz quadrada positiva da variancia.
Assim, o desvio padr ao amostral e dado por:
s =
s
2
=
1=i
(x
i
x)
2
n 1
Exemplo 1.7. Suponha a amostra dos comprimentos de 8 rolos de o de aco cujos valores
foram: 65, 72, 70, 77, 60, 67, 69, 68 metros. Para calcularmos o desvio padrao devemos
primeiramente calcular a media X, isto e:
x =
65 + 72 + 70 + 77 + 60 + 67 + 69 + 68
8
= 68, 5
Agora vamos subtrair x de cada valor, elevar os resultados ao quadrado e soma-los. Ent ao
dividimos o total dos quadrados pelo n umero de valores menos 1, ou seja, por (n1) e extramos
a raiz quadrada:
(x x) (x x)
2
65 - 68.5 = 3.5 (3.5)
2
= 12.25
72 - 68.5 = 3.5 (3.5)
2
= 12.25
70 - 68.5 = 1.5 (1.5)
2
= 2.2
77 - 68.5 = 8.5 (8.5)
2
= 72.25
60 - 68.5 = 8.5 (8.5)
2
= 72.25
67 - 68.5 = 1.5 (1.5)
2
= 2.25
69 - 68.5 = 0.5 (0.5)
2
= 0.25
68 - 68.5 = 0.5 (0.5)
2
= 0.25
Total = 174.00
Tabela 1.5: C alculo do Desvio Padr ao
s
2
=
174
7
= 24 s =
24 s = 4.9
Portanto o desvio padrao e 4.9.
Exemplo 1.8. No exemplo 1.1, que trata os desvios das leituras do micrometro referente ao
valor do padrao, o desvio padrao e igual a 0.00957. Conra !!!.
1.8 Probabilidade
Os dados s ao originados de uma amostra de medic oes realizadas com a aplicacao do pro-
cedimento de medic ao, equipamentos e operadores. Estas medicoes apresentam variacoes que
podem ser analisadas atraves da distribuic ao de freq uencias (visualmente, o histograma). Ob-
serve que a variac ao obtida pelos desvios das leituras do micr ometro em blocos padrao (exemplo
1.1) pode ser caracterizado pela freq uencias relativas,por exemplo, 15% dos desvios est ao entre
0.005 e 0.001 mm).
Uma forma de modelarmos a variabilidade presente nos dados relativos a quaisquer amostras
e a probabilidade. Considere H uma haste de aco, um experimento e realizado para se obter
o comprimento da haste H. Este experimento e realizado n vezes de forma independente,
isto e, cada realizac ao do experimento e independente das outras realiza coes do experimento.
Considere o espaco formado por todos os possveis resultados da medicao do comprimento
da haste, denominado espa co amostral. Para caracterizar a variabilidade dos resultados da
medic ao, podemos modelar a probabilidade do resultado da medic ao pertencer a subconjuntos
do espaco amostral , denominados eventos. Por exemplo, considere o evento A como sendo a
classe de resultados da medic ao inferiores a C1 e o evento B como sendo a classe de resultados
da medic ao superiores a C2, onde C1 e C2 sao constantes numericas.
Ao denotarmos por X a vari avel referente ao resultado da medic ao, podemos tomar como
espaco amostral,
= < X < +
A = X < C
1
B = X > C
2
Com os eventos A e B, podemos associar os eventos:

A uni ao com B = A B = A ou B;
A interseccao com B = A B = A e B;
Complementar de A, denotado por A
c
= nao A;
A probabilidade e uma fun cao de associa valores (pesos) aos eventos de um experimento,
satisfazendo as seguintes propriedades:
a) Prob () = 1
b) Prob (A B) = Prob(A) + Prob(B) Prob(A B)
Ao associarmos probabilidades (pesos) aos eventos de um experimento, satisfazendo as pro-
priedades acima, obtemos um modelo para a variabilidade, denominado modelo de probabili-
dade. A seguir, vamos estudar alguns modelos de probabilidade utilizados na pr atica.
1.9 Distribuicao Normal
A varia cao natural de qualquer medida e realmente aleatoria (incerta). Embora as dis-
tribuic oes possam assumir uma variedade de formas, muitas variaveis observadas possuem uma
distribuic ao de freq uencias que e, aproximadamente, como a da distribuic ao Normal (simetrica
e em forma de sino).
Como discutimos anteriormente, a probabilidade e um modelo para calcularmos a chance
real de ocorrer um determinado evento, isto e, a chance de ocorrer uma medida em um de-
terminado intervalo. Por exemplo, a freq uencia relativa deste intervalo, observada ` a partir de
uma amostra de medidas, e a aproximac ao da probabilidade. E a distribuic ao de freq uencias e
a aproximac ao da distribui cao de probabilidades.
Uma das formas mais tradicionais de modelar a distribuic ao de probabilidade dos dados cor-
responde a distribuic ao normal ou gaussiana. A denomina cao gaussiana e devido ao matematico
e astr onomo Gauss, que utilizou esta distribuic ao para modelar a variac ao do resultado de
medic oes do posicionamento de planetas.
Figura 1.2: Distribuic ao Normal
A forma da distribuicao normal e simetrica em torno da media e com formato de sino. O
gr aco desta distribuic ao e apresentado na gura 1.2.
Densidade:
f(x) =
1
2
2
exp
1
2
< <
0 < <
< x <
A distribuicao dos desviosdo Exemplo 1.1 tem uma forma parecida com a distribuic ao
normal. Volte e conra!!
Se concluirmos que o modelo da distribuic ao normal e adequado para caracterizar a vari-
abilidade, podemos calcular probabilidade do resultado da medicao estar entre determinados
intervalos, calculando a area sob a curva naquele intervalo. Entao, a probabilidade de um
evento A ocorrer e dado por
Prob(A) =
A
f(x) dx
Para achar a area sob a curva normal devemos conhecer dois valores numericos (tambem
chamados de parametros), a media e o desvio padr ao . O gr aco a seguir (gura 1.3) mostra
algumas areas importantes:
Figura 1.3:

Area sob a Curva Normal
Quando e s ao desconhecidos, como geralmente acontece, s ao substitudos por X e S,
respectivamente, a partir da amostra.
Nota:

Areas sob a curva normal s ao probabilidades que na pratica sao dadas em porcent-
agens
Para cada valor de e/ou , temos uma distribuic ao. Mas para se calcular areas es-
peccas, se faz uso de uma distribui cao particular: a distribuicao normal padronizada. Esta
distribuic ao tem media = 0 e desvio padr ao = 1, e esta tabelado (a tabela se encontra no
apendice). Como a distribuic ao e simetrica em relac ao à media = 0, a area à direita de
e igual a area à esquerda de . Assim, a tabela fornece areas acima de valores nao-negativos
que vao desde 0.00 ate 4.09. Veja o graco (gura 1.4) da curva normal padronizada a seguir:
Nota: A variavel que tem distribuic ao normal padronizada e denotada por Z.
Exemplo 1.9. A area sob a curva normal para Z maior do que 4.00 e 0.00003. Ou seja, a
probabilidade de Z ser maior do que 4.00 e 0.003%. Veja o graco!
Exemplo 1.10. : A area sob a curva para Z maior do que 1.00 e 0.1587. Ou seja, a probabi-
lidade de Z ser maior do que 1 e 15.87%, veja gura 1.5.
Exemplo 1.11. A area sob a curva para Z maior do que 1.19 e 0.1170,ou seja, a probabilidade
de Z ser maior do que 1.19 e 11.70%.
Exemplo 1.12. A area sob a curva para Z menor do que 2.00 nao e fornecida diretamente
pela tabela. Entao devemos encontrar a area para Z maior do que 2.00. Em seguida fazemos
Figura 1.4: Distribuicao Normal Padronizada
1 menos a area encontrada e temos a area desejada. A area sob a curva para Z maior do que
2.00 e 0.0228. A area desejada e 1 0.0228 = 0.9772. Ou seja, a probabilidade de Z ser menor
do que 2.00 e 97.72%.
Quando se tem uma vari avel X com distribuic ao normal com media diferente de 0 (zero)
e/ou desvio padr ao diferente de 1 (um), devemos reduzi-la a uma Z, efetuando o seguinte
c alculo:
Z =
X
Exemplo 1.13. Considere uma variavel X com distribuicao normal com media = 4.888 e
Figura 1.5: Calculo de probabilidades com a distribuic ao Normal
desvio padrao = 0.31949, se quisermos calcular a probabilidade de X ser inferior a 5.0 mm,
fazemos:
Z =
5.0 4.888
0.31949
= 0.35
Usando a tabela da normal padronizada, temos que a area sob a curva e abaixo de 0.35 e
0.6368. Ou seja, a probabilidade de X ser inferior a 5.0 mm e 63.68%.
Exemplo 1.14. Suponha que a variacao nas espessuras das arruelas possa ser modelado pela
distribuicao normal com media 11.15 e desvio padrao 2.238. Qual a porcentagem de arruelas
que tem espessura entre 8.70 e 14.70?
Temos que encontrar dois pontos da distribui cao normal padronizada. O primeiro ponto e:
Z
1
=
8.70 11.15
2.238
= 1.09
A area para valores maiores do que 1.09 e 0.8621 ou 86.21%. O segundo ponto e:
Z
2
=
14.70 11.15
2.238
= 1.58
A area para valores maiores do que 1.58 e 0.0571 ou 5.71%. O que procuramos e a area
entre Z1 e Z2, como mostram os gracos a seguir:
Figura 1.8: Calculo de percentis com a distribuic ao Normal
Portanto, fazemos:
0.8621 0.0571 = 0.8050
Ou seja, a porcentagem de arruelas com espessura entre 8.70 e 14.70(limites de tolerancia
da especica cao) e somente de 80.50%. Portanto,cerca de 19.50% das arruelas nao atendem aos
limites de especica coes. Anteriormente havamos calculado esta porcentagem diretamente do
histograma e o valor encontrado foi de 22%. A diferenca entre os dois c alculos ca por conta
da suposicao de normalidade que zemos.
Exerccio 1.1. Com os dados do exemplo 1.1, relativos aos desvios, utilize a distribuicao
normal para calcular a probabilidade de que o modulo dos desvios seja maior 0.02.
Desvio Padrao da Media
Figura 1.9: Calculo de percentis com a distribuic ao Normal
Ao obtermos uma amostra de leituras de um equipamento, denotadas x
1
, x
2
, , x
n
, a media
e o desvio padr ao relativo a medidas sao denidos por.
x =
x
1
+ x
2
+ , +x
n
n
s =
s
2
=
i=1
(x
i
x)
2
n 1
.
respectivamente. Por outro lado, o desvio padr ao relativo a media das medidas e dado por
s
x
=
s
n
Observe que quanto maior o n umero de leituras melhor e a aproximacao da media amostral
em relac ao a media populacional. Da mesma forma, quanto maior o n umero de leitura menor
o desvio padr ao da media.
Exerccio 1.2. Calcule a media e o desvio padrao da media para os seguintes dados:
VR Leituras Media DP Repetitividade
12,5 12,501 12,502 12,501
15 15,001 15,001 15
17,5 17,5 17,501 17,502
20 20,001 20 20
Onde,
Repetitividade = Desvio padrao da media = s
x
=
s
n
Repetitividade Total do Sistema (R
ptotal
):
Maior Repetitividade;
Com isso,
R
ptotal
= MaiorRepetitividade =
Desvio padrao agrupado:
Com isso,
R
ptotal
=
j
i=1
Rep
2
i
j
=
onde:
j: representa o n umero de pontos (no exemplo, j=4);
Rep
i
: representa a Repetividade no ponto i (i=1,2,3,4);
Exerccio 1.3. Considere o sistema de medicao para o furo de um pistao de automovel. Esta
dimensao apresenta uma tolerancia (Limite Superior de Especicacao-Limite Inferior de Es-
pecicacao) de 0,005mm. Em um estudo preliminar foram obtidas 30 leituras do furo de um
pistao. Os dados estao abaixo de forma ordenada.
18997,6 18999,0 18999,4 19000,0 19000,9 19001,6
18997,7 18999,0 18999,5 19000,1 19000,9 19001,8
18998,1 18999,1 18999,6 19000,4 19001,1 19001,8
18998,5 18999,1 18999,8 19000,6 19001,2 19002,1
18998,6 18999,2 18999,9 19000,7 19001,4 19002,9
a) Montar a tabela de distribuicao de freq uencias.
Di ametro X
i
f
i
fr
i
p
i
(%) P
i
(%)
18997, 6 18998, 6 18998, 1 4
18998, 6 18999, 6 18999, 1 8
18999, 6 19000, 6 19001, 1 6
19000, 6 19001, 6 19002, 1 7
19001, 6 19002, 9 19002, 25 5
Tabela 1.6: Distribuic ao de freq uencias
b) Montar o histograma.
c) Calcular a media.
x =
30
i=1
x
i
30
=
570002
30
=
d) Calcular o desvio-padrao.
s
2
=
30
i=1
(x
i
x)
2
n 1
=
52, 4344
30 1
=
e) Dado que o verdadeiro diametro do furo de uma peca e 19001.Utilize a distribuicao normal
para calcular a probabilidade do sitema de medicao reprovar essa peca.
1.10 Teorema do Limite Central
O teorema central do limite e um resultado estatstico fundamental em aplicac oes praticas,
pois este teorema garante que mesmo que os dados n ao sejam distribudos conforme uma dis-
tribuic ao normal, a media dos dados converge para a distribuicao normal conforme o n umero
de dados aumenta. Para ilustrar, considere os dados da tabela 1.7 com histograma apresentado
na gura 1.10.
0,18039 0,06105 0,33264 1,0589 0,04611 2,07919 0,16426 0,13756 2,25764 0,69611 0,00666 1,43685
0,04858 0,05189 0,04937 4,0006 2,44309 1,19279 0,36034 0,14896 1,02117 0,22775 0,19664 0,67209
2,04899 0,00578 0,24781 0,43687 0,02991 0,52321 1,19931 0,97063 0,65404 1,2899 0,56337 0,28809
0,29371 0,07804 0,483 0,2983 3,75236 0,283 0,01252 0,07863 1,51493 0,58831 0,40478 0,12692
1,82698 0,9184 1,30431 0,68007 3,9539 1,00186 2,1392 0,65945 2,44657 2,26175 0,04064 0,90853
0,70571 2,32028 1,44356 1,04687 3,07768 0,91547 1,0711 0,78354 0,10735 1,8086 3,58991 0,28985
0,10034 1,09242 0,11591 0,93788 0,86555 0,11135 0,22064 2,54724 2,32252 0,21121 0,99732 0,73894
0,18068 0,03391 0,33554 2,82354 0,21896 0,61599 2,70122 0,59041 0,9296 0,37208 0,96049 0,97886
1,67637 0,3829 0,66678 1,27616 0,15644 1,49853 0,2438 0,69662 0,03946 1,68575 1,68336 1,97248
0,75177 0,14673 0,85142 0,60226 0,10131 0,00041 1,04934 0,71689 0,6841 0,40779 0,655 2,59891
1,86995 0,11694 1,0702 5,24055 0,91629 0,74449 1,54706 1,71929 0,57949 0,06082 4,50549 1,31121
1,20456 1,32523 0,15098 3,82457 2,21574 1,24752 3,01742 0,48124 0,50226 0,752 0,07319 0,7532
1,84546 1,00032 0,18113 1,95966 0,12043 0,02755 1,12134 0,15825 0,39719 0,73928 0,75933 0,98665
0,20692 1,04208 0,77392 0,53456 0,37931 0,55943 0,1528 0,32622 1,34607 0,1881 0,63464 0,01368
1,07056 1,56307 3,97567 0,12068 0,0591 0,09311 0,13433 1,13353 0,06729 0,73302 3,68017 0,36334
0,33364 0,10242 0,24987 0,436 0,63775 0,92961 0,1736 0,5642 0,07914 1,69506 3,81342 1,18567
0,835 1,0241 1,75904 0,655 1,5316 2,38105 1,31363 4,87441 1,87911 1,19198 4,01736 0,98998
0,97558 0,70493 0,02362 1,8392 0,23149 0,42528 0,70005 0,81429 0,14648 1,14152 1,63649 0,42354
0,49084 0,42526 0,21363 1,71473 0,1912 0,30273 0,50795 0,59502 0,0055 0,99069 0,05411 0,08015
1,88966 2,54082 0,05887 0,49302 1,94563 2,88959 0,76715 0,08922 1,50332 1,44135 0,25575 0,52356
1,21121 1,63265 2,49013 0,58964 0,73067 0,5809 0,20309 1,19891 0,41577 4,83329 0,83598 3,31921
0,3745 0,55206 0,96108 0,87766 0,52777 0,10678 0,89247 0,68666 0,40921 3,13698 0,15909 0,78276
1,19616 1,31787 0,1115 0,3589 0,61516 2,2579 0,5537 1,12084 1,18308 5,6274 0,38246 1,26049
0,30181 1,88888 0,9136 1,7155 0,49844 1,80252 0,78627 2,30031 0,37888 0,27255 0,13101 0,25451
3,21402 2,01428 1,5868 0,01396 0,31211 1,41659 0,20996 0,56251 0,64183 0,7217 0,01722 0,2567
0,0903 2,67363 0,38425 0,17188 4,38611 0,47624 1,7204 1,97416 0,15397 0,20741 1,23387 0,83222
2,61544 0,34815 3,7862 0,17602 0,49381 1,11899 0,33027 0,91986 1,10484 0,3501 0,6366 0,64013
0,49725 0,29042 2,32141 0,56294 1,10058 0,23771 0,16611 0,19464 0,53044 1,10223 2,63819 1,73767
0,35147 0,13475 2,31799 1,42038 0,28477 0,61507 0,70722 0,16977 2,07863 0,21453 2,31535 0,06885
0,97265 0,05683 0,08027 0,6846 0,29454 0,40381 0,38346 0,3467 0,08971 0,29033 0,71624 2,05792
0,77907 0,04533 1,21407 0,15632 1,54651 1,03375 0,20112 0,21492 1,23729 0,02209 1,92794 1,81139
0,25324 0,06947 0,14656 1,43476 0,58053 0,2361 1,30842 0,90432 0,38311 0,01359 0,2938 1,03444
0,57609 0,00047 0,15099 0,74214 0,88673 1,0456 3,40522 1,31729 0,19672 0,84027 0,38748 1,29327
Tabela 1.7: Dados Exponenciais
Figura 1.10: Dados Exponenciais
Notamos que o graco mostra que o conjunto de dados segue uma distribuic ao n ao simetrica,
mas se agruparmos os valores do conjunto de dados em grupos de 5 e tirando a media de cada
grupo, temos o seguinte graco (gura 1.11):
Percebemos que a media dos dados foi deslocada, fazendo com que os dados mudassem suas
caractersticas de simetria. Novamente, vamos agrupar os dados em grupos de 5 e tirar a media.
O resultados est ao na gura 1.12.
Como percebemos, este graco ja possui uma distribui cao similar a da distribuic ao normal.
Teorema do Limite Central: Para amostras grandes, a distribuicao amostral da
media pode ser aproximada pela distribuicao normal.
Se combinarmos esse resultado com
x
= e
x
=

n
para amostras aleatorias de populacoes innitas, temos que se e a media de uma amostra
aleat oria de tamanho n retirada de uma populac ao innita com media e desvio padrao X , para
n grande
Figura 1.11: Media de grupos de 5
z =
X
/
n
representa os valores de uma vari avel aleat oria com distribuic ao normal com media zero e desvio
padr ao igual a 1.
O Teorema Central do Limite e de fundamental importancia em estatstica porque justica
o intenso uso da curva normal. Ele se aplica à populac oes innitas, e tambem em popula coes
nitas quando n, embora grande, constitui-se em uma pequena por cao da populacao.

E difcil
dizer precisamente quao grande deve ser n para que o Teorema Central do Limite possa ser
aplicado, mas a menos da distribuic ao populacional tenha uma forma muito estranhan = 30
e considerado sucientemente grande.
Nota: Quando uma amostra proveniente de uma populac ao realmente normal, a distribuic ao
amostral da media e normal nao importando o tamanho de n.
Figura 1.12: Medias
1.11 Distribuicao amostral do desvio padrao
Uma importante distribuicao amostral associada a amostras aleatorias de variaveis normais
corresponde a distribuic ao qui-quadrado (
2
). Suponha que Z
1
, ..., Z
n
s ao vari aveis aleatorias
normalmente distribudas com media zero e vari ancia 1. Entao, a vari avel aleatoria
Q
n
= Z
2
1
+ ... + Z
2
n
tem distribuic ao qui-quadrado com n graus de liberdade (
2
n
). A func ao densidade da qui-
quadrado e denida por:
f(x) =
1
2
n/2
(n/2)
x
(n/2)1
exp(x/2) ; x > 0.
A distribuic ao qui-quadrado e assimetrica e tem media E(Q
n
) = n e vari ancia V ar(Q
n
) = 2n.
Como um exemplo de uma vari avel aleat oria qui-quadrado, suponha que y
1
, ..., y
n
s ao
vari aveis aleat orias normais independentes e identicamente distribudas com media e desvio
padr ao . Ent ao, temos que a estatstica
Q
n
=
n
i=1
(y
i
y)
2
2
=
(n 1)s
2
2
tem distribuic ao qui-quadrado com (n-1)graus de liberdade, onde s e o desvio padrao amostral.
Graus de liberdade
Ao denotarmos
SS =
n
i=1
(y
i
y)
2
= (n 1)s
2
obtemos que
E(SS) = E
i=1
(y
i
y)
2
= E
i=1
y
2
i
n(y)
2
=
n
i=1
( +
2
) n( +

2
n
)
2
= (n 1)
2
.
A quantidade (n1) multiplicando
2
e denominado graus de liberdade da soma de quadra-
dos SS. De forma geral, se tomarmos Y uma variavel aleatoria com vari ancia
2
, a soma de
quadrado
SS =
n
i=1
(y
i
y)
2
.
Tem graus de liberdade se
E(SS) =
2
.
O n umero de graus de liberdade de uma soma de quadrados corresponde ao n umero de ele-
mentos independentes na soma de quadrados. Por exemplo, se y
1
, ..., y
n
s ao variaveis aleat orias
normais independentes e identicamente distribudas com media e desvio padr ao . Ent ao, os
elementos da soma de quadrados y
1
y, ..., y
n
y, nao sao todos independentes, pois
n
i=1
(y
i
y).
Na realidade, somente (n 1) destes elementos sao independentes, implicando que SS tem
(n 1) graus de liberdade.
1.12 A Distribuicao t-Student
Em calibrac oes, n ao conhecemos o desvio padrao da medi cao e coletamos amostras de
tamanho pequeno (3 a 10), que n ao permite uma boa estimativa do desvio padr ao. Considere
que as leituras realizadas por um equipamento sao modeladas por vari aveis X
1
, ..., X
n
indepen-
dentes e com distribui cao normal com media e desvio padr ao. Entao, a vari avel
t =
X
s/
n
onde s e o desvio padr ao amostral, tem distribuic ao t-student com n 1 graus de liberdade.
Figura 1.13: Func ao densidade da distribui cao t-Student
Para calcularmos os valores da distribui cao t-Student precisamos conhecer o grau de liber-
dade , associado ao n umero de repetic oes da medida. Os graus de liberdade para uma
amostra com n repetic oes da mesma medida e denido por
(graus de liberdade) = n 1.
Exemplo 1.15. A media de uma serie de dez medicoes de uma anel padrao e 40,0078 mm
com um desvio padrao de 0,0002 mm. Qual o intervalo do resultado da medicao com conanca
de 95% ?
Solucao
Graus de liberdade: 10 - 1 = 9
Prob[t
2.5

X
s/
n
t
2.5
] = 0, 95.
O intervalo de 95% e dado por:
X t
2,5
s
n
onde t
2,5
e o valor tabelado igual a 2,262. Assim, o intervalo de conanca com 95% e :
40, 0078 2, 262
0, 0002
10
= 0, 000143.
Exerccio 1.4. Continuando o exerccio 1.3, a mesma peca que foi medida no chao de fabrica
da empresa, foi enviada ao laboratorio de Metrologia para determinar o valor de referencia.
Apos 100 medicoes da peca, o laboratorio da RBC determinou o valor de referencia para a
peca VR=19001 m. Avaliar a consistencia das medicoes da empresa com relacao ao valor
de referencia (estudo de tendencia). Na seq uencia vamos determinar o intervalo de conanca
para a media das medicoes da empresa.
LI = X t
2,5
s
n
=
LS = X + t
2,5
s
n
=
Conclusao:
1.13 A estatstica F e a distribuicao F de Snedecor
Considere Q
n
e Q
m
vari aveis aleat orias com distribuicao qui-quadrado com n e m graus de
liberdade respectivamente, alem disso, vamos supor que estas vari aveis aleat orias s ao indepen-
dentes. Ent ao a variavel aleat oria
F =
Q
n
/n
Q
m
/m
tem distribuic ao F de Snedecor com n graus de liberdade no numerador e m graus de liberdade
no denominador. A fun cao densidade de probabilidade e denida por
f(x) =
m + n
2
m
n
m
2
x
m
2
1
m
2
n
2

m
n
x + 1
m+n
2
.
Um importante exemplo da distribuic ao F de Snedecor corresponde a estatstica F. Suponha
que temos duas populac oes independentes tendo distribuicoes normais com variancia comum
igual a
2
. Considere y
11
, ..., y
1n
uma amostra aleatoria da primeira populac ao com n ob-
serva coes e y
21
, ..., y
2m
uma amostra aleatoria da segunda populac ao com m observac oes. Ent ao,
a estatstica
F =
(n 1)s
2
1
(n 1)
2
(m1)s
2
2
(m1)
2
tem distribuic ao F de Snedecor com (n 1) graus de liberdade no numerador e (m1) graus
de liberdade no denominador, onde s
1
e s
2
s ao os desvios padrao amostrais.
1.14 Teste para Duas Variancias
Suponha que queiramos comparar as variancias
2
1
e
2
2
de duas populac oes normais inde-
pendentes. Para isso retiramos uma amostra aleat oria X
1
, X
2
, ..., da popula cao 1, e Y
1
, Y
2
, ...,
da populacao 2. J a vimos que
Q
1
=
(n
1
1)s
2
1
2
1

2
(n
1
1)
Q
2
=
(n
2
1)s
2
2
2
2

2
(n
2
1)
onde s
2
1
e a vari ancia amostral da populac ao 1 e s
2
2
a vari ancia amostral da populac ao 2.
Ent ao a estatstica F denida por
F =
Q
1
n
1
1
Q
2
n
2
1
=
s
2
1
s
2
2
tem distribui cao F de Snedecorcom (n
1
1) graus de liberdade no numerador e (n
2
1) graus
de liberdade no denominador, e denotamos F
(n
1
1)(n
2
1)
.
Para executar um teste, podemos seguir os passos:
1) Estabelecer as hipoteses, por exemplo
H
0
:
2
1
=
2
2
H
1
:
2
1
=
2
2
que e equivalente a
H
0
:

2
1
2
2
= 1
H
1
:

2
1
2
2
= 1.
2) Fixar o nvel de signic ancia .
3) Determinar a regi ao crtica; neste caso devemos determinar os pontos crticos F
1
2
e
F
2
com (n
1
1) graus de liberdade no numerador e (n
2
1) graus de liberdade no
denominador usando a tabela da distribuicao F de Snedecor. Gracamente:
4) Calcular, sob a hipotese nula, o valor
F
obs
=
s
2
1
s
2
2
onde:
s
2
1
: vari ancia da amostra retirada da popula cao 1.
s
2
2
: vari ancia da amostra retirada da popula cao 2.
5) Conclusao, neste caso se F
obs
< F
1
2
ou F
obs
> F
2
, rejeita-se H
0
, caso contrario, aceita-se
H
0
.
6) Temos que
P-valor = 2 min P[F > F
obs
[H
0
] ; P[F < F
obs
[H
0
]
Observacao: Geralmente, nao se tem interesse aqui em considerar hipoteses alternativas
do tipo H
1
:
2
1
>
2
2
ou H
1
:
2
1
<
2
2
.
Exemplo 1.16. Para avaliar a ecacia de um sistema de medicao, uma empresa enviou uma
peca para um laboratorio do cliente medir. Esta peca foi medida 30 vezes pelo laboratorio
cliente, obtendo uma variancia de 70 microns. A mesma peca foi medida tambem 30 vezes
pelo laboratorio da empresa obtendo uma variancia de 81 microns. Considerando = 0, 05,
podemos concluir que a variancia do sistema de medicao do cliente e menor que a variancia do
sistema de medicao da empresa?
Resposta:
1)
H
0
:
2
1
=
2
2
H
1
:
2
1
=
2
2
2) = 0.05.
3) Regiao crtica
4) F
obs
=
S
2
1
S
2
2
=
81
70
= 1, 157
5) Conclusao: F
0.975
= 0, 476 e F
0.025
= 2, 1
Como F
0.025
F
obs
F
0.975
, nao rejeitamos H
0
.
6) Temos que
P-valor= 2 minP[F > 1, 157[H
0
] ; P[F < 1, 157[H
0
] = 2 min0, 35; 0, 65 = 0, 7.
Assim, como o P valor = 0, 7 > 0, 05, nao rejeitamos a hip otese H
0
.
1.15 Teste de Valor Extremo (Grubbs)
Este teste e desenvolvido para vericar a presenca de valores extremos em observacoes
amostrais. Valores extremos podem ser considerados como manifestac oes da variabilidade
aleat oria inerente aos dados, ou apenas um erro no c alculo durante o recolhimento dos da-
dos e ate mesmo uma anotac ao preciptada pelo operador.
Existem in umeros criterios para testar valores extremos. Em todos eles, desenvolvemos o
c alculo numerico amostral (Estatstica) e comparamos com um valor crtico baseado na teoria
de amostras aleat orias para decidirmos se existe ou n ao uma observa cao considerada valor
extremo.
No teste de Grubbs, usamos a seguinte estatstica:
Z =
[x
i
x[
s
onde
x
i
: e uma observac ao da amostra x
1
, x
2
, , x
n
;
x: e a media amostral e ;
s: e o desvio padrao amostral.
Esta estatstica testa as seguintes hip oteses:
H
0
: x
i
e uma observac ao considerada valor extremo
H
1
: x
i
n ao e uma observac ao considerada valor extremo.
Rejeitamos a hip otese H
0
, com nvel de signicancia , se Z > Z
c
. Onde Z
c
e um valor
crtico baseado na distribuic ao de Z e encontra-se tabelado (Ver F. E. Grubbs (1969) ) para
alguns valores de . Na Tabela B.3, encontra-se alguns valores crticos para 5%.
1.16 Teste de Dixon
O teste de DIXON e um criterio para rejei cao de valores extremos de um conjunto de dados.
Objetivo: Determinar valores extremos em conjunto de dados.
Exemplo 1.17. Um metrologista realizou uma serie de medidas com uma Regua graduada. As
medidas sao: 20,1; 19,9; 20,2; 19,9; 21,1; 20,0.
Para sabermos se o resultado 21,1 pertence à mesma distribuicao dos outros 5 , aplicamos
o Teste de Dixon.
Etapas do Teste de Dixon
a) Etapa 1 - Ordenar os dados;
19,9 19,9 20 20,1 20,2 21,1
Z1 Z2 Z3 Z4 Z5 Z6 ou ZH
b) Etapa 2 - Calcular a Estatstica;
N umero de Repeticoes r
D
Z
H
(suspeito) Z
1
(suspeito)
3 H 7 Q
10
(Z
H
Z
H1
)
(Z
H
Z
1
)
(Z
2
Z
1
)
(Z
H
Z
1
)
8 H 12 Q
11
(Z
H
Z
H1
)
(Z
H
Z
2
)
(Z
2
Z
1
)
(Z
H1
Z
1
)
13 H Q
22
(Z
H
Z
H2
)
(Z
H
Z
3
)
(Z
3
Z
1
)
(Z
H2
Z
1
)
Z
H
(suspeito) =
21, 1 20, 2
21, 1 19, 9
= 0, 75
Z
1
(suspeito) =
19, 9 19, 9
21, 1 19, 9
= 0
c) Etapa 3 - Encontrar o Valor Crtico na Tabela, para 5% de signicancia;
Valor Crtico = 0,628.
Como o valor calculado de Z
H
(suspeito) e maior do que o valor tabelado conclui-se pela
rejeicao da medida 21,1mm.
Como o valor calculado de Z
1
(suspeito) e menor do que o valor tabelado conclui-se pela
nao rejeicao da medida 19,9mm. Apos a rejeicao de um dos extremos devemos aplicar
mais uma vez o Teste de Dixon nos novos valores extremos.
Exerccio 1.5. Considere um sistema de medicao do diametro por uma coluna pneumatica.
O equipamento realizou 8 medicoes, conforme abaixo: 12,5013; 12,5012; 12,5016; 12,5015;
12,5018; 12,5030; 12,5022; 12,5022.
a) Etapa 1 - Ordenar os dados;
b) Etapa 2 - Calcular a Estatstica;
c) Etapa 3 - Comparar com a tabela e concluir.
Valor de RD Valores crticos
Q10 H 5%
3 0.970
4 0.829
5 0.710
6 0.628
7 0.569
Q11 8 0.608
9 0.504
10 0.530
11 0.502
12 0.479
Q22 13 0.611
14 0.586
15 0.565
16 0.546
17 0.529
18 0.514
19 0.501
20 0.489
21 0.488
22 0.468
23 0.459
24 0.451
25 0.444
26 0.436
27 0.429
28 0.423
29 0.417
Valor de RD Valores crticos
Q22 30 0.412
31 0.407
32 0.402
33 0.397
1.17 Teste de Cochran
(HOMOGENEIDADE DE VARI
ANCIA)
O teste de Cochran e usado para comparar a maior variancia com as outras variancias
de um grupo. Pode ser utilizado para comparar metrologistas, metodos ou laborat orios.
Para aplicar o Teste de Cochran vamos seguir as seguintes etapas a seguir:
a) Etapa 1 - Calcular a Estatstica;
C =
s
2
max
p
i=1
s
2
i
=
maior vari ancia
soma de todas as vari ancias
onde:
p: representa o n umero de metrologistas, metodos ou laborat orios;
s
2
i
: representa a vari ancia amostral. Esta e calculada por:
s
2
i
=
n
j=1
(y
j
y)
2
n 1
;
n: representa o n umero de medidas feitas por cada metrologista, metodos ou labo-
rat orios.
b) Etapa 2 - Comparar com valor tabelado.
Exemplo 1.18. Em um laboratorio de metrologia, 4 metrologistas realizam 5 medicoes para
calibrarem um certo equipamento. veja as medicoes na tabela 1.9.
METROLOGISTAS
JO
AO NOVATO MOACIR ROBERTO

MEDIDA 1 50,0071 50,007 50,0072 50,0073
MEDIDA 2 50,0072 50,0076 50,0074 50,0074
MEDIDA 3 50,0072 50,0075 50,0073 50,0073
MEDIDA 4 500.071 50,0071 50,0072 50,0072
MEDIDA 5 500.072 50,0078 50,0072 50,0072
M
EDIA 50,00716 50,0074 50,00726 50,00728

DESVIO PADR
AO 0,000055 0,00034 0,000089 0,000084

VARI
ANCIA 0,000000003 0,000000115 0,000000008 0,000000007

Tabela 1.8: Tabela resumo das medicoes dos metrologistas
Observamos que S
2
max
= 0, 000000115, com isso:
C
calculado
=
0, 000000115
0, 000000003 + 0, 000000115 + 0, 000000008 + 0, 000000007
= 0, 985
C
tabelado
(Tabela C, para 5% de signicancia) = 0,629. Portanto, como C
calculado
> C
tabelado
,
a variancia do metrologista NOVATO nao e homogenea em relacao a dos demais metrologistas.
Exerccio 1.6. Considere um laboratorio de metrologia com 4 metrologistas realizando o mesmo
tipo de calibracao. Ao realizarmos uma comparacao interlaboratorial, obtemos os seguintes
resultados:
METROLOGISTAS
M1 M2 M3 M4
MEDIDA 1 12,501 12,502 12,502 12,501
MEDIDA 2 12,501 12,501 12,502 12,501
MEDIDA 3 12,502 12,501 12,502 12,501
MEDIDA 4 12,503 12,502 12,501 12,501
MEDIDA 5 12,502 12,501 12,501 12,502
MEDIDA 6 12,502 12,501 12,503 12,501
M
EDIA
DESVIO PADR
AO
VARI
ANCIA
Avaliar a homogeneidade dos quatro metrologistas!
Tabela C para um nvel de signic ancia de 5%.
p n=4 n=5 n=6
2 0,939 0,906 0,877
3 0,798 0,746 0,707
4 0,684 0,629 0,59
5 0,598 0,544 0,506
6 0,532 0,48 0,445
7 0,48 0,431 0,397
8 0,428 0,391 0,36
9 0,403 0,358 0,328
10 0,373 0,321 0,302
1.18 Teste de Igualdade das Variancias
Apesar de utilizarmos o gr aco de resduos para avaliar a igualdade de variancia, diversos
testes estatsticos podem ser encontrados na literatura. Considere as hip oteses
H
0
:
2
1
=
2
2
= ... =
2
k
H
1
: pelo menos um dos
2
s diferente.
Os metodos mais utilizados s ao o teste de Bartlett e o teste de Levene.
1.18.1 Teste de Bartlett
Este procedimento consiste em calcular uma estatstica cuja distribuic ao amostral e aprox-
imada por uma qui-quadrado com k 1 graus de liberdade.
A estatstica de teste e
B
0
=
q
c
onde
q = (N k) ln s
2
p
i=1
(n
i
1) ln s
2
i
c = 1 +
1
3 (k 1)
i=1
1
n
i
1

1
N k
s
2
p
=
k
i=1
(n
i
1)s
2
i
N k
; s
2
i
=
n
i
j=1
(y
ij
y
i.
)
2
n
i
1
A quantidade q e grande quando as variancias amostrais s
2
i
s ao signicativamente diferentes
e e igual a 0 quando estas vari ancias s ao iguais. Portanto, rejeitamos H
0
para valores de B
0
forem alto, isto e, rejeitamos H
0
se
B
0
> Q
[1;k1]
.
Onde Q
[1;k1]
representa o percentil com (1 ) 100% da distribuic ao qui-quadrado com
k 1 graus de liberdade. O P-valor e calculado por
P valor = P[
2
(k1)
> B
0
[ H
0
].
Exemplo 1.19. Vamos aplicar aos dados do Exemplo1.18 o metodo de Bartlett para testar a
igualdade de variancia. As variancias amostrais sao
s
2
JOAO
= 0, 0000000030; s
2
NOV ATO
= 0, 0000001156;
s
2
MOACIR
= 0, 0000000079; s
2
ROBERTO
= 0, 0000000071.
Entao, temos que
s
2
p
=
4 (0, 0000000030) + 4 (0, 0000001156) + 4 (0, 0000000079) + 4 (0, 0000000071)
20 4
= 0, 000033.
Logo
q = [16 ln(0, 000000033)] 4 [ln(0, 0000000030) + ln(0, 0000001156)]
4 [ln(0, 0000000079) + ln(0, 0000000071)]
= 275, 6281 292, 0694
= 16, 44.
Temos tambem que
c = 1 +
1
3 3
1
1
16
= 1, 1
Entao, a estatstica do teste
B
0
= 16, 44/1, 1 = 14, 94545.
Como Q
[0,95;3]
= 7, 81, nos rejeitamos a hipotese de que todas as variancia sao iguais. Abaixo
calculamos o p-valor para o teste de Bartlett.
P valor = P[
2
(k1)
> B
0
[ H
0
] = P[
2
(3)
> 14, 94545 [ H
0
] = 0, 00186386.
Como o p-valor esta abaixo de 5% rejeitamos a hipotese H
0
.
1.18.2 Teste de Levene
Este procedimento consiste em fazer uma transformac ao aos dados originais e aplicar os
dados transformados ao teste da ANOVA. Levene (1960) proproe a seguinte transformac ao:
z
ij
= [x
ij
x
i.
[ , i = 1, , k, e j = 1, , n
i
. (1.1)
onde
z
ij
: representa os dados ap os transformacao;
x
ij
: representa os dados originais;
x
i.
: representa a media do nvel i, para os dados originais;
As duas barras verticais representa o modulo ou valor absoluto da diferenca.
Uma transforma cao (robusta) alternativa considerada para o procedimento de Levene, pro-
posto por Brown (1974), e substituir a media do nvel pela mediana. Com isso, a express ao 1.1
e substituda por
z
ij
= [x
ij
x
i.
[ , i = 1, , k, e j = 1, , n
i
(1.2)
onde
z
ij
: representa os dados ap os transformacao;
x
ij
: representa os dados originais;
x
i.
: representa a mediana do nvel i, para os dados originais;
As duas barras verticais representa o modulo ou valor absoluto da diferenca.
Ap os a transformac ao dos dados originais pela express ao 1.2, aplicamos o teste da ANOVA.
Se a estatstica F for signicativa rejeitamos a hip otese de igualdade das vari ancias, ou seja, se
o p-valor for inferior ao valor de (nvel de signic ancia do teste) rejeitamos H
0
.
Exemplo 1.20. Utilizando os dados do Exemplo1.18 iremos aplicar o teste de Levene para
testar a igualdade de variancia. Os dados estao apresentados na tabela 1.9.
Usando a expressao 1.2, para os dados da medicao metrologista JO
AO (i = 1), obtemos os
dados transformado que sao dados por:
z
11
= [50, 007150, 0072[ = 0, 0001 ; z
12
= [50, 007250, 0072[ = 0 ; z
13
= [50, 007250, 0072[ = 0;
z
14
= [50, 0071 50, 0072[ = 0, 0001 ; z
15
= [50, 0072 50, 0072[ = 0.
Fazendo o mesmo para os demais nveis, obtemos a tabela 1.10 com os dados transformados
para todos os nveis.
JO
AO NOVATO MOACIR ROBERTO

MEDIDA 1 50,0071 50,007 50,0072 50,0073
MEDIDA 2 50,0072 50,0076 50,0074 50,0074
MEDIDA 3 50,0072 50,0075 50,0073 50,0073
MEDIDA 4 50,0071 50,0071 50,0072 50,0072
MEDIDA 5 50,0072 50,0078 50,0072 50,0072
SOMA (x
i.
) 250,036 250,037 250,036 250,036 x
..
= 1000, 146
M
EDIA ( x
i.
) 50,0072 50,0074 50,0073 50,0073 x
..
= 50, 0073
MEDIANA ( x
i.
) 50,0072 50,0075 50,0072 50,0073
Tabela 1.9: Tabela resumo das medicoes dos metrologistas
Operador Medic oes
JO
AO 0,0001 0,0000 0,0000 0,0001 0,0000

NOVATO 0,0005 0,0001 0,0000 0,0004 0,0003
MOACIR 0,0000 0,0002 0,0001 0,0000 0,0000
ROBERTO 0,0000 0,0001 0,0000 0,0001 0,0001
Tabela 1.10: Dados Transformados para as Medicoes
Com os dados transformados, aplicamos o teste da Anova. A tabela 1.11 apresenta o resul-
tado do teste.
Fonte de Soma de Graus de Quadrados Estatstica F P-valor
Variac ao Quadrados Liberdade Medios
Fator 1,615e-07 3 5,3833e-08 3,778 0,0318
Erro 2,280e-07 16 1,4250e-08
Total 3,895e-07 19
Tabela 1.11: An alise de Variancia para os dados transformados.
Como o p-valor e menor que 5%, temos evidencias para rejeitar a hipotese de igualdade de
variancias.
1.19 Comparacao entre Sistemas de Medicao
Aqui, vamos apresentar uma tecnica para comparar dois sistemas de medi cao. Para ilustrar,
vamos considerar um exemplo.
Exemplo 1.21. O diametro de um anel padrao pode ser medido por dois tipos de sistemas de
medicao. Para comparar estes sistemas de medicao, um anel padrao foi medido 5 vezes por
cada sistema de medicao utilizando o mesmo operador. Os resultados estao abaixo:
SM 1 SM 2
Media 15,601mm 15,603mm
Incerteza Expandida 0,001mm 0,0015mm
Etapa 1: Calcular a Estatstica:
EN =
[MSM1 MSM2[
USM1
2
+ USM2
2
onde:
MSM1: representa a media do sistema de medicao 1;
MSM2: representa a media do sistema de medicao 2;
USM1: representa a incerteza expandida do sistema de medicao1;
USM2: representa a incerteza expandida do sistema de medicao2.
Com isso, temos que
EN =
[15, 601 15, 603[
(0, 001)
2
+ (0, 0015)
2
=
0, 002
0, 0018
= 1, 109
Etapa 2:
Se EN < 1, os dois sistemas de medicao sao compatveis;
Se EN > 1, os dois sistemas de medicao nao sao compatveis, isto e, os sistemas de
medicao apresentam diferencas signicativas.
Como, no exemplo, EN = 1, 109 e maior que 1, conclumos que existe uma diferenca
signicativa entre os dois sistemas medicao.
Exerccio 1.7. Considere dois sistemas de medicao de dureza na escala HB. Um mesmo padrao
foi medido varias vezes por cada sistema, os resultados estao abaixo:
SM 1 SM 2
Media 56 HB 58,2 HB
Incerteza Expandida 1,25 HB 2,2 HB
EN =
[56 58, 2[
(1, 25)
2
+ (2, 2)
2
= 0, 8695
Como o EN = 0, 8695 e menor que 1, conclumos que nao existe uma diferenca signicativa
entre os dois sistemas medicao.
41
Captulo 2
Fundamentos do Calculo de Incerteza
em Medicao
2.1 Medicao
O objetivo de uma medic ao e determinar o valor de uma grandeza, isto e, um valor particular
de uma quantidade da grandeza. Esta medic ao comeca com uma apropriada especicac ao da
grandeza, do metodo e procedimento de medic ao.
Em geral, o resultado de uma medicao e uma aproximac ao ou estimativa do valor da
grandeza. Assim, o resultado da medic ao somente esta completo se estiver acompanhado da
incerteza da estimativa.
Na pratica, a especica cao ou denic ao da grandeza e conseq uencia da exatid ao (accuracy)
desejada. Para atender a exatidao requerida, a grandeza deve ser especicada de tal forma que,
esta tenha um unico valor para os prop ositos pr aticos associados.
Exemplo 2.1. Considere uma haste de 75 mm onde a exatidao requerida e de micrometros.
Neste caso, sua especicacao deve incluir a temperatura e pressao. Por outro lado, se o compri-
mento da haste deve ser determinado em milmetros, sua especicacao nao requer a denicao
da temperatura e pressao.
Na grande maioria dos casos, o resultado da medi cao e determinado atraves de uma serie
de leituras obtidas sob condicoes de repetitividade. Variac oes obtidas nas leituras repetidas s ao
conseq uencia de fatores que afetam os resultados das leituras.
Alem disso, o modelo matem atico da medi cao, que transforma as leituras repetidas no
resultado da medicao e crtico, pois inclu fatores que n ao sao totalmente conhecidos. Assim, a
2. Fundamentos do Calculo de Incerteza em Medic ao 42
variacao obtida nas leituras repetidas e a falta de informacao do modelo matem atico, contribuem
para a incerteza do resultado da medi cao.
Medicao e o conjunto de operacoes com objetivo de determinar o valor de uma grandeza.
Estas operacoes podem ser realizadas automaticamente.
Medir e um processo experimental pelo qual o valor moment aneo de uma grandeza fsica
(grandeza a medir) e determinado como m ultiplo e/ou uma frac ao de uma unidade, estabelecida
por um padr ao, e reconhecida internacionalmente.
2.2 Erros, efeitos e correc oes
Em geral, uma medic ao tem imperfei coes que d ao origem a um erro no resultado da medi cao.
Tradicionalmente, um erro e visto como tendo dois componentes, a saber, um componente
aleat orio e um componente sistematico.
NOTA - Erro e um conceito idealizado e os erros nao podem ser conhecidos exatamente.
O erro aleatorio presumivelmente se origina de variacoes temporais ou espaciais, estoc asticas
ou imprevisveis, de grandeza de inuencia. Os efeitos de tais variac oes, daqui para a frente
denominamos efeitos aleatorios, sao a causa de varia coes em observac oes repetidas da grandeza.
Embora n ao seja possvel compensar o erro aleatorio de um resultado de medic ao, ele pode geral-
mente ser reduzido aumentando-se o n umero de observac oes; sua esperanca ou valor esperado
e zero.
NOTAS
1. O desvio padrao experimental da media aritmetica ou media de uma serie de observacoes
nao e o erro aleatorio da media embora ele assim seja designado em algumas publicacoes.
Ele e, em vez disso, uma medida de incerteza da media devida a efeitos aleatorios. O
valor exato do erro na media, que se origina destes efeitos, nao pode ser conhecido.
2. Deve-se tomar muito cuidado em distinguir entre os termos errose incerteza. Eles
nao sao sinonimos, ao contrario representam conceitos completamente diferentes; eles
nao deveriam ser confundidos um com o outro, nem ser mal empregados.
O erro sistematico, como o erro aleat orio, n ao pode ser eliminado porem ele tambem,
freq uentemente, pode ser reduzido. Se um erro sistem atico se origina de um efeito recon-
hecido de uma grandeza de inuencia em um resultado de medic ao, daqui para diante denom-
inado como efeito sistem atico, o efeito pode ser quanticado e, se for signicativo com relac ao
` a exatidao requerida da medicao, uma correc ao ou fator de correc ao pode ser aplicado para
compensar o efeito. Sup oe-se que, apos esta corre cao, a esperanca ou valor esperado do erro
provocado ou um efeito sistem atico seja zero.
NOTA - A incerteza de uma correcao aplicada a um resultado de medicao, para compensar
um efeito sistematico, nao e o erro sistematico, freq uentemente denominado efeito de tendencia,
como e algumas vezes denominada no resultado de medicao devido ao efeito.

E, ao contrario,
uma medida de incerteza do resultado devido ao conhecimento incompleto do valor requerido
da correcao. O erro originado da compensacao imperfeita de um efeito sistematico nao pode
ser exatamente conhecido, Os termos erroe incertezadevem ser usados apropriadamente e
deve-se tomar cuidado em distinguir um do outro.
Sup oe-se que o resultado de uma medicao tenha sido corrigido para todos os efeitos sis-
tem aticos reconhecidos como signicativos e que todo esforco tenha sido feito para identicar
tais efeitos.
Exemplo 2.2. Uma correcao devida à impedancia nita de um voltmetro usado para medir
uma diferenca de potencial (a grandeza), atraves de um resistor de alta impedancia e aplicada
para reduzir o efeito sistematico sobre no resultado da medicao proveniente do efeito de car-
regamento do voltmetro. Entretanto, os valores da impedancia do voltmetro e do resistor, que
sao usados para estimar o valor da correcao e sao obtidos a partir de outras medidas, sao,
eles mesmos, incertos. Essas incertezas sao usadas para avaliar a componente de incerteza da
determinacao de diferenca de potencial originada da correcao e, assim, do efeito sistematico
devido à impedancia nita do voltmetro.
NOTA - Freq uentemente, os instrumentos e sistemas de medicao sao ajustados ou cali-
brados, utilizando-se padroes de medi cao e materiais de referencia para eliminar os efeitos
sistematicos; entretanto, as incertezas associadas a esses padroes e materiais ainda devem ser
levadas em conta.
2.3 Incerteza de Medicao
A incerteza do resultado de uma medi cao reete a falta de conhecimento exato do valor da
grandeza. O resultado de uma medic ao, ap os corre cao dos efeitos sistem aticos reconhecidos, e
ainda, t ao somente uma estimativa do valor da grandeza por causa da incerteza proveniente
dos efeitos aleat orios e da correc ao imperfeita do resultado para efeitos sistem aticos.
NOTA - O resultado de uma medicao (apos correcao) pode, sem que se perceba, estar muito
proximo do valor da grandeza (e, assim, ter um erro desprezvel), muito embora possa ter uma
incerteza grande. Portanto, a incerteza do resultado de uma medicao nao deve ser confundida
com o erro desconhecido remanescente.
Na pratica, existem muitas fontes possveis d incerteza em uma medic ao, incluindo:
a) denic ao incompleta da grandeza;
b) realizac ao imperfeita da denicao da grandeza;
c) amostragem n ao-representativa - a amostra medida pode nao representar a grandeza
denida;
d) conhecimento inadequado dos efeitos das condi coes ambientais sobre a medic ao ou medicao
imperfeita das condi coes ambientais;
e) erro de tendencia pessoal na leitura de instrumentos anal ogicos;
f) resoluc ao nita do instrumento ou limiar de mobilidade;
g) valore inexatos dos padr oes de medic ao e materiais de referencia;
h) valore inexatos de constantes e de outros parametros obtidos de fontes eternas e usados
no algoritmo de reduc ao de dados;
i) aproximac oes e suposic oes incorporadas ao metodo e procedimento de medic ao;
j) variac oes nas observac oes repetidas da grandeza sob condic oes aparentemente identicas.
Essas fontes n ao sao necessariamente independentes e algumas das fontes de a) a i) podem
contribuir para a fonte j). Naturalmente, um efeito sistematico n ao reconhecido n ao pode ser
levado em considera cao na avaliac ao da incerteza do resultado de uma medic ao, porem contribui
para seu erro.
NOTA - Em algumas publicacoes, os componentes da incerteza sao categorizados como
aleatorioe sistematicoe sao associados com erros provenientes de efeitos aleatorios e de
efeitos sistematicos conhecidos, respectivamente. Tal categorizacao de componentes de in-
certeza pode se tornar ambgua quando aplicada genericamente. Por exemplo, um componente
aleatoriode incerteza em uma medi cao pode se tornar um componente sistematicoda in-
certeza em outra medicao na qual o resultado da primeira medicao e usado como dado de
entrada. Categorizando os metodos de avaliacao dos componentes de incerteza, em vez de faze-
lo com os proprios componentes, evita-se tal ambig uidade. Ao mesmo tempo, isto nao impede
designar componentes individuais que tenham sido avaliados pelos dois diferentes metodos em
grupos distintos, a serem usados para uma nalidade em particular.
O prop osito da classicac ao Tipo A e Tipo B e de indicar as duas maneiras diferentes de
avaliar os componentes da incerteza e serve apenas para discuss ao; a classicacao nao se prop oe
a indicar que haja qualquer diferenca na natureza dos componentes resultando dos dois tipos
de avaliacao. Ambos os tipos d avalia cao s ao baseados em distribuic oes de probabilidade e os
componentes de incerteza resultantes de cada tipo sao quanticados por vari ancias ou desvios
padr ao.
A vari ancia estimada u
2
, caracterizando um componente de incerteza obtido de uma avaliac ao
do Tipo A, e calculada a partir de uma serie de observa coes repetidas, e e a conhecida vari ancia
s
2
estatisticamente estimada. O desvio padr ao estimado u, a raiz quadrada positiva de u
2
, e
portanto u = s e, para maior conveniencia, e por vezes denominada incerteza padrao do Tipo
A. Para um componente de incerteza obtido por uma avaliac ao do Tipo B, a vari ancia estimada
u
2
e avaliada, usando-se o conhecimento disponvel, e o desvio padr ao estimado u e, por vezes,
denominado incerteza padrao do Tipo B.
Assim, uma incerteza padr ao do Tipo A e obtida a partir de uma fun cao densidade de
probabilidade derivada da observacao de uma distribuic ao de freq uencia, enquanto que a in-
certeza padrao do Tipo B e obtida de uma suposta funcao densidade de probabilidade, baseada
no grau de credibilidade de que um evento va ocorrer (freq uentemente chamada probabilidade
subjetiva). Ambos os enfoques empregam interpretac oes reconhecidas de probabilidade.
NOTA - Uma avaliacao do Tipo B de um componente de incerteza e usualmente baseada
em um conjunto de informacoes comparativamente conaveis.
A incerteza padrao do resultado de uma medi cao, quando este resultado e obtido de valores
e um n umero de outras grandezas, e denominada incerteza padrao combinada e designada ou
u
c
. Ela e o desvio padr ao estimado, associado com o resultado, e e igual ` a raiz quadrada positiva
da vari ancia combinada, obtida a partir de todos os componentes da vari ancia e covariancia,
independente de como tenham sido avaliados, usando o que e denominado, de lei da propaga cao
de incerteza.
Para satisfazer as necessidades de algumas aplica coes industriais e comerciais, assim como a
requisitos nas areas da sa ude e seguran ca, uma incerteza expandida U e obtida, multiplicando-
se a incerteza padr ao combinada u
c
por um fator de abrangencia k. A nalidade pretendida
para U e fornecer um intervalo em torno do resultado de uma medi cao, com o qual se espera
abranger uma grande frac ao da distribuic ao de valores que poderiam razoavelmente ser atribuda
a grandeza. A escolha de k, o qual est a geralmente na faixa de 2 a 3, e baseada na probabilidade
de abrangencia ou nvel da conanca requerido do intervalo.
NOTA - O fator de abrangencia k deve sempre ser declarado de forma que a incerteza padrao
da grandeza medida possa ser recuperada para uso no calculo de incerteza padrao combinada
de outros resultados de medicao que possam depender dessa grandeza.
Se houver variac ao de todas as grandezas das quais o resultado de uma medic ao depende,
sua incerteza poder a ser calculada por meios estatsticos. Entretanto, uma vez que isso, na
pr atica, raramente e possvel, devido a tempo e recursos limitados, a incerteza de um resultado
de medic ao e, geralmente, avaliada, utilizando-se um modelo matematico da medi cao e a lei
de propaga cao da incerteza. Assim, est a implcita a suposic ao de que uma medi cao pode ser
modelada matematicamente ate o grau imposto pela exatid ao requerida na medicao. Uma
vez que o modelo matem atico pode ser incompleto, todas as grandezas relevantes dever ser
variadas ate a maior extensao pr atica possvel, de modo que a avaliacao da incerteza possa ser
baseada, tanto quanto possvel, nos dados observados. Sempre que factvel, o uso de modelos
empricos da medicao, fundamentados em dados quantitativos, colecionados ao longo do tempo,
e o uso de padroes de vericacao e gr acos de controle que possam indicar se uma medic ao
est a sob controle estatstico, devem ser parte do esforco de obtencao de avaliac oes con aveis
de incerteza. O modelo matem atico devera sempre ser revisado quando os dados observados,
incluindo o resultado de determinac oes independentes da mesma grandeza, demonstrarem que
o modelo esta incompleto. Um experimento bem projetado pode, muito, facilitar avaliacoes
con aveis da incerteza e e uma parte importante da arte de medic ao.
De forma a decidir se um sistema de medicao esta funcionando adequadamente, a vari-
abilidade observada experimentalmente de seus valores de sada, conforme medida pelo seu
desvio padrao observado, e, freq uentemente, comparada com o desvio padr ao previsto obtido,
combinando-se os v arios componentes da incerteza que caracterizam a medic ao. Em tais ca-
sos, somente aqueles componentes (obtidos de avaliacoes Tipo A ou Tipo B) que poderiam
contribuir para a variabilidade experimentalmente observada destes valores de sada devem ser
considerados.
NOTA - Tal analise pode ser facilitada, reunindo-se aqueles componentes que contribuem
para a variabilidade e aqueles que nao o fazem em dois grupos separados e adequadamente
rotulados.
Em alguns casos, a incerteza de uma corre cao para um efeito sistem atico nao precisa ser
includa na avaliac ao da incerteza de um resultado de medic ao. Embora a incerteza tenha
sido avaliada, ela pode ser ignorada se sua contribuic ao para a incerteza padrao combinada
de um resultado de medic ao e insignicante. Se o valor da pr opria correc ao for insignicante
relativamente ` a incerteza padrao combinada, ele tambem pode ser ignorado.
Muitas vezes ocorre na pratica, especialmente no domnio da metrologia legal, que um
equipamento e ensaiado atraves de uma comparac ao com um padr ao de medic ao e as incertezas
associadas com o padr ao e com o procedimento de comparac ao s ao desprezveis relativamente
` a exatid ao requerida do ensaio. Um exemplo e o uso de um conjunto de padr oes de massa
bem calibrados para vericar a exatid ao de uma balan ca comercial. Em tais casos, porque os
componentes da incerteza sao pequenos o bastante para serem ignorados, a medic ao pode ser
vista como determinacao do erro do equipamento sob ensaio.
A estimativa do valor de uma grandeza, obtida pelo resultado de uma medi cao, e algumas
vezes expressa em termos de valor adotado de um padr ao de medicao, em vez de termos da
unidade apropriada do Sistema Internacional de Unidades (SI). Em tais casos, a magnitude da
incerteza atribuvel ao resultado de medic ao pode ser signicativamente menor do que quando
aquele resultado for expresso na unidade SI apropriada (na realidade, a grandeza foi redenida
para ser raz ao entre o valor da grandeza a ser medida e do valor adotado do padrao).
Exemplo 2.3. Um padrao de tensao Zener de alta qualidade e calibrado por comparacao
com uma referencia de tensao de efeito Josephson baseado no valor convencional da constante
Josephson recomendada para uso internacional pelo CIPM. A incerteza padrao combinada rel-
ativa u
c
(V
S
)/V
S
da diferenca de potencial calibrada V
S
e relatado em termos do valor conven-
cional, mas u
c
(V
S
)/V
S
e 4 10
7
quando V
S
e relatado em termos da unidade SI da diferenca
de potencial, volt(V ), por causa da incerteza adicional associada com o valor SI da constante
Josephson.
Erros grosseiros no registro ou na an alise dos dados podem introduzir um erro desconhecido
signicativo no resultado de uma medic ao. Grandes erros grosseiros podem ser, geralmente,
identicados por uma revis ao apropriada dos dados; os pequenos erros grosseiros podem ser
mascarados por variac oes aleatorios, ou ate mesmo podem aparecer como tais. Medidas de
incerteza nao s ao projetadas para levar em conta tais erros.
A avalia cao da incerteza nao e uma tarefa de rotina nem uma tarefa puramente matematica;
ela depende de conhecimento detalhado da natureza da grandeza e da medicao. A qualidade
e utilidade da incerteza indicada para o resultado de uma medic ao, dependem, portanto, e em
ultima an alise, da compreensao, an alise crtica e integridade daqueles que contribuem para o
estabelecimento de seu valor.
Resultado da Medicao
A expressao de um resultado de medi cao encontra-se incompleta caso esta nao se apresente
com a declara cao da Incerteza de medicao associada. A incerteza de um resultado dene uma
faixa de valores em torno da media das medic oes, dentro da qual o valor verdadeiro da grandeza
se encontra com nvel de conanca estabelecido.
Resultado = Media (das medidas) - Erro Sistematico IM (Incerteza)
Embora n ao seja ainda de entendimento geral e ate mesmo algumas vezes de desconheci-
mento de alguns, cumpre-nos observar que dentre as parcelas mostradas na express ao do Re-
sultado de uma medi cao a IM (Incerteza de Medic ao) e a mais importante, ate mesmo do que
a Media (das medidas) e mereceria uma maior compreens ao e aplica cao.
Vejamos um exemplo em que a um Metrologista fosse solicitado para medir as dimens oes do
seu Laboratorio de Metrologia para a preparacao de um layout, e este n ao dispusesse de trena
ou qualquer outro meio de medic ao. Este poderia utilizar-se das dimens oes padronizadas das
placas do piso (Por exemplo Paviex, 30 30 cm) e apos uma contagem do n umero de placas
em cada lado emitir um resultado de medic ao, como o seguinte: 4,0 4,0 m 0,15 m .
Metrologicamente falando, o resultado da sua medic ao est a correto mesmo se o solicitante
n ao estivesse satisfeito com a IM apresentada e neste caso o mesmo poderia propor uma al-
terac ao no procedimento de medic ao utilizado, como por exemplo o uso de uma trena.
Sob o mesmo ponto de vista, errado estaria se a medic ao fosse feita, por exemplo com uma
trena e o resultado apresentado fosse: 4,010 4,047 m (sem a declarac ao da IM).
Tipos de Incertezas de Medicao
Por recomendac oes do INC-1 (1981) [ISO GUM ver.95] os componentes da incerteza foram
divididos em dois grupos de acordo com o metodo utilizado para estimar seus valores numericos:
Tipo A - Aquelas que s ao avaliadas por metodos estatsticos
Tipo B - Aquelas que s ao avaliadas por outros metodos
Estas categorias aplicam-se somente a incerteza e nao sao substitutos das palavras aleatorios
e sistematicos.
Ora os componentes da incerteza de medi cao s ao classicados como Tipo A ou Tipo
B e modelados pelo tipo de avaliacao, mas todos estes componentes independente de suas
classicac oes s ao modelados pelo tipo de distribui cao de probabilidade e quanticados pela
vari ancia ou pelo desvio padrao. Portanto, a incerteza do tipo A e obtida da func ao densidade
de probabilidade derivada das observac oes (leituras), isto e, da distribui cao de freq uencia.
Enquanto a incerteza do tipo B e obtida da func ao densidade de probabilidade previamente
assumida.
A avaliac ao do Tipo A ser a normalmente utilizada para obter o valor da repetitividade ou
aleatoriedade de um processo de medic ao, exibido em um dado momento. Para algumas
medic oes o componente aleat orio da incerteza pode nao ser signicante em relacao a
outras contribuic oes da incerteza.

E provavel que os componentes sistematicos da incerteza, por exemplo aqueles relativos
a erros que permanecem quase constantes enquanto a medic ao e realizada, ser ao obti-
das por avalia coes Tipo B. A mais importante dessas componentes sistem aticas, para
um instrumento, normalmente ser a a incerteza associada aos padr oes de referencia uti-
lizados de forma a atender às necessidades da rastreabilidade aos Padr oes Nacionais ou
Internacionais.
Exemplos de Componentes de Incerteza de Medicao Tipo A
GRANDEZA FONTE DE INCERTEZA - TIPO A
Dimensional Repetitividade entre as varias medicoes em um calibrador
Temperatura Repetitividade entre as medicoes de microvoltagens em um Termopar Tipo S
Dureza Repetitividade entre 10 medidas em uma placa padrao de dureza
Exemplos de Componentes de Incerteza de Medicao Tipo B
GRANDEZA FONTE DE INCERTEZA - TIPO B
Dimensional Incerteza no medidor de temperatura utilizado para compensar a expansao termica do mensurando
Dimensional Resolucao do Instrumento
Dimensional Incerteza do Coeciente de Expansao termica utilizado
Temperatura Erro estimado na determinac ao do ponto zero
Temperatura Incerteza do padrao utilizado
Temperatura Uniformidade do forno
Medidas Eletricas Inuencias das condicoes ambientais
Medidas Eletricas Estabilidade estimada do instrumento ao longo do tempo
Massa Estabilidade (Drift) da massa padrao
Massa Incerteza do padrao
Massa Linearidade da balan ca
Algumas Fontes de Erros para Estimativas de Componentes Tipo B
Dimensional
Fonte de Incerteza;
D uvida na leitura (resoluc ao do instrumento);
Desconhecimento do coeciente de expansao termica do mensurando ou padr ao a ser
calibrado;
Diferencas de temperatura;
Erros de cosseno;
Erros geometricos;
Incertezas do equipamento de medic ao usado na calibrac ao.
Temperatura
Incerteza assumida para os instrumentos eletricos usados durante da calibracao;
Drift (instabilidade) desde a ultima calibra cao;
Resoluc ao da leitura;
Instabilidade e gradientes de temperatura no ambiente;
Efeito do auto aquecimento dos termometros de resistencia Pt;
Interpolac oes em tabelas de referencia.
Eletrica
Drift ( instabilidade ) desde a ultima calibracao;
Condic oes ambientais diferentes daquela recomendada para a calibrac ao;
Interpolac ao nos dados de calibrac ao;
Resoluc ao;
Layout dos instrumentos e padroes durante a calibrac ao (fugas de corrente, campos eletro-
magneticos);
Impedancia dos cabos, terminais e instrumentos.
2.4 Avaliacao da Incerteza Padrao
Em muitos casos, uma grandeza y n ao e medida diretamente, mas e determinado em funcao
de n outras grandezas x
1
, x
2
, . . . , x
n
, atraves de uma relacao funcional f :
y = f (x
1
, x
2
, . . . , x
n
)
As grandezas de entrada x
1
, x
2
, . . . , x
n
, sobre o qual o valor de sada y depende, pode ser uma
medida ou depender de outras vari aveis, incluindo correc oes e fatores de correc oes para efeitos
sistem aticos. A fun cao f pode ser determinada experimentalmente, ou existe somente, como
um algoritmo que pode ser avaliado numericamente.
As grandezas de entradas x
1
, x
2
, . . . , x
n
podem ser caracterizadas como:
valores e incertezas determinados diretamente em medic ao; esses valores e incertezas
podem ser obtidos de uma simples observac ao, repetidas observac oes ou julgamentos
baseados na experiencia. Tambem podem envolver as determinac oes de corre coes para
indicac ao dos instrumentos e correc oes por grandezas de inuencias, tais como: tempera-
tura ambiente, press ao barometrica e umidade;
valores e incertezas, os quais sao conduzidos para uma medicao de fontes externas, tais
como: grandezas associadas com calibrac ao de padroes, certicados de materiais de re-
ferencia e referencia de informac oes obtidas atraves de manuais.
Exemplo: Para medirmos o volume, podemos utilizar o seguinte metodo:
V ol =
Massa
Densidade
onde a grandeza volume e obtida atraves das grandezas massa e densidade .
A estimativa do desvio padrao, associado com cada estimativa de entrada x
i
, e denominada
de incerteza padrao e indicada por u(x
i
).
A estimativa do desvio padr ao, associado com a estimativa do resultado de medic ao y,
e denominado incerteza padrao combinada e indicado por u
c
(y), e e determinada pela
combina cao das incertezas padr ao, associada com as estimativas de entrada (x
i
).
Cada estimativa de entrada x
i
e sua incerteza associada u(x
i
) s ao obtidas pela distribuicao
dos valores de uma grandeza de entrada (x
i
).
A avaliacao da incerteza de medicao Tipo A e baseada na distribuicao de
freq uencia, enquanto que a avaliacao Tipo B e baseada em informacoes disponveis
da variabilidade da grandeza de entrada (x
i
).
Exemplo 2.4. (NIS 3003, 1995) Calibracao de uma massa padrao com valor nominal 10 Kg de
classe M1, utilizando um comparador. Neste caso, obtemos a equacao da massa desconhecida
W
X
, por
W
X
= W
S
+ D
S
+ C + Ab + W.
Na pratica n ao aplicamos correc ao para esta classe de massa e o comparador tem linearidade
desconhecida. Entretanto, associamos incertezas para estas contribuic oes.
Avaliacao da Incerteza Padrao Tipo A.
Na grande maioria dos casos, a melhor estimativa para o valor esperado de uma quantidade
que varia aleatoriamente, e para o qual temos n leituras independentes k obtidas sob condicoes
Smbolo Fonte de Incerteza Tipo Limites Media
W
S
Massa padrao B 30 mg (k=2) 10 kg
D
S
Deriva (drift) massa padrao B 15 mg 0
C Linearidade do comparador B 10 mg 0
Ab Efeito do ar B 10 mg 0
W Repetitividade A
de repetitividade, corresponde a media aritmetica.
Assim, quando a estimativa de uma grandeza de entrada x
i
, tem sido obtida de n medidas,
sob condi coes de repetitividade, a incerteza padr ao u(x
i
) e obtida pela estimativa da vari ancia
da media, dada por:
s
X
=
s
n
.
onde n = n umero de medidas e s = desvio padr ao correspondente às n leituras.
Voltando ao exemplo 2.4: Considerando o processo de calibrac ao da massa padrao do exem-
plo anterior, o avaliador realizou cinco medidas da diferenca entre a massa padr ao e a massa
desconhecida. Os resultados est ao abaixo:
Leitura 1 15 mg
Leitura 2 25 mg
Leitura 3 20 mg
Leitura 4 13 mg
Leitura 5 18 mg
Media 18,20 mg
Desvio Padr ao 4,66 mg
Desvio Padr ao da Media 2,08 mg
Incerteza do tipo A : 2,08 mg.
Avaliacao da Incerteza Padrao Tipo B
Para uma estimativa de uma grandeza de entrada x
i
, que n ao tenha sido obtida de ob-
serva coes repetidas, a vari ancia estimada u
2
(x
i
) ou a incerteza padr ao u(x
i
) e avaliada pelo
julgamento especco baseado em todas as informacoes disponveis na variabilidade de x
i
. No
conjunto destas informac oes inclumos:
a) informacoes previas de medic ao;
b) experiencia ou conhecimento geral do comportamento e propriedades dos instrumentos e
materiais relevantes;
c) especica coes do fabricante;
d) informacoes de relatorios de calibrac ao e outras especicacoes;
e) incerteza transmitidas pelas informacoes de referencias obtidas de manuais.
Por conveniencia, u
2
(x
i
) e u(x
i
) avaliados desta maneira sao chamados de Variancia Tipo
B e Incerteza Padrao Tipo B, respectivamente.
O prop osito de usar v arias informac oes disponveis para a avalia cao da incerteza padr ao do
Tipo B e para buscar um discernimento baseado na experiencia e nos conhecimentos gerais,
e e uma habilidade que pode ser obtida com a pr atica.

E reconhecido que uma avalia cao da
incerteza pelo Tipo B pode ser tanto con avel quanto a do Tipo A, especialmente na situac ao
em que a avaliacao do Tipo A e baseada na comparac ao de pequenos n umeros de observac oes
estatisticamente independentes (ISO GUM, 1995)
A seguir, s ao apresentados 4 suposic oes disponveis para as grandezas de entradas de in-
uencia x
i
, para a avaliac ao da Incerteza Padrao Tipo B.
Caso 1
Se a estimativa x
i
e retirada da especicac ao do fabricante, certicados de calibrac ao, ma-
nuais ou outras fontes, sua incerteza padrao u(x
i
) e simplesmente o valor citado dividido pelo
multiplicador.
Exemplo 2.5. Um certicado de calibracao arma que a massa de um aco inoxidavel de massa
padrao ms = 1000, 000325g, tem como incerteza 240g para um nvel de conanca com k = 3.
A incerteza padrao da massa padrao, e entao:
u(ms) = 240 g/3 = 80 g
A incerteza de x
i
, nao necessariamente e relatada como um m ultiplo de um desvio padrao,
como abordado acima. Em vez disso, pode-se encontrar uma declarac ao que a incerteza
declarada possui 90, 95 ou 99 % de nvel de conanca.
Salvo indicac ao contr aria, podera assumir que uma distribuic ao normal (ou, t-Student) ser a
utilizada para o calculo da incerteza declarada, e a incerteza padr ao u(x
i
), pode ser encontrada
dividindo-se a incerteza declarada por um fator k, apropriado da distribuic ao normal.
Exemplo 2.6. Um certicado de calibracao arma que a resistencia de um resistor padrao
R
S
de valor nominal 10 Ohms e 10, 000742 a 23
o
C e com incerteza de 129m, denindo um
intervalo de com nvel de signicancia de 99%. Entao, a incerteza padrao e dada por:
u(R
S
) =
129
2, 58
= 50
Neste caso, utilizamos a tabela da distribuicao normal para determinar o valor de k.
Caso 2
Em alguns casos, pode ser possvel estimar somente os limites (limite superior a
+
e inferior
a
) para x
i
, por exemplo, quando a grandeza de inuencia e a variac ao da temperatura. Neste
caso, consideramos que a probabilidade de que o valor de x
i
se encontra dentro do intervalo
a
ate a
+
, para todo proposito pr atico, e igual a 1 e a probabilidade que x
i
esteja fora deste
intervalo e essencialmente zero. Se nao ha conhecimento especco sobre a possibilidade do valor
x
i
estar dentro do intervalo, pode-se somente admitir que, e igualmente prov avel encontr a-lo
por toda parte, dentro do intervalo (uma distribuicao uniforme ou retangular).
Ent ao x
i
, e o ponto medio do intervalo , onde: x
i
=
(a
+a
+
)
2
, cuja variancia associada e dada
por:
u
2
(x
i
) =
(a
+
a
)
2
12
.
Se a diferenca entre os limites, (a
+
a
), e representado por 2a, ou seja, os limites sao

simetricos, entao a equacao para vari ancia sera:
u
2
(x
i
) =
a
2
2
u =
base
2
3
=
2a
2
3
=
a
3
Exemplo 2.7. Um manual estabelece que o valor do coeciente linear de expansao termica de
um bloco padrao de aco e determinado por
S
= 11, 5 10
6
C
1
e que o erro neste valor
n ao deve exceder 2 10
6
C
1
. Baseado nesta informacao limitada, e razoavel assumir que
o coeciente de expansao termica pertence ao intervalo 9, 5 10
6
C
1
a 13, 5 10
6
C
1
,
com probabilidade 1. A incerteza padrao do coeciente de expansao termica e dado por
u(
S
) =
(2 10
6
)
3
= 1, 2 10
6
C
1
Caso 3
Os limites superiores e inferiores a
ea
+
para uma grandeza de entrada x
i
pode n ao ser
simetrico, ou seja, se o limite menor e escrito como a
= x
i
b
e o limite superior como

a
+
= x
i
+b
+
, entao b
= b
+
. Neste caso, x
i
n ao e o centro do intervalo (a
, a
+
) e a dis-
tribuic ao de probabilidade de x
i
n ao pode ser uniforme. Entretanto, pode nao existir informa cao
suciente para escolher uma distribuic ao apropriada e diferentes modelos conduzirao para dife-
rentes expressoes para a variancia. Na ausencia de tais informac oes uma simples aproximac ao
e:
u
2
(x
i
) =
(b
+
+ b
)
2
12
=
(a
+
+ a
)
2
12
que corresponde a vari ancia da distribuicao retangular com comprimento b
+b
+
.
Exemplo 2.8. Caso o exemplo anterior referente ao coeciente de expansao termica especique
aS = 11, 510
6
C
1
tal que o menor valor possvel seja 10, 010
6
C
1
e que o maior valor
possvel seja de 14, 0 10
6
C
1
. Neste caso, b
= 1, 5 10
6
C
1
e b
+
= 2, 5 10
6
C
1
.
Assim, a incerteza padrao e determinada por
u(
S
) =
(4 10
6
)
12
= 1, 15 10
6
C
1
Exemplo 2.9. Voltando ao exemplo 2.4 da calibracao da massa padrao, vamos estimar as
incertezas padrao do tipo B:
Smoblo Fonte de Incerteza Limites Distribuicao Incerteza
W
S
massa padrao 30 mg Normal 30/2=15 mg
D
S
Deriva (drift) massa padrao 15 mg Retangular 15/(3)
1/2
= 8, 66mg
C Linearidade do comparador 10 mg Retangular 10/(3)
1/2
= 5, 77mg
Ab Efeito do ar 10 mg Retangular 10/(3)
1/2
= 5, 77mg
Caso 4
Nos casos acima nao temos informacao sobre os valor da grandeza X
i
, apenas que ela se
encontra dentro dos limites especicados. Por isso, assumimos que os valores da grandeza s ao
equiprov aveis dentro destes limites, e que tem probabilidade zero de estar for destes limites.
Muitas vezes e mais realista assumirmos que valores perto dos limites especicados s ao menos
prov aveis do que valores pr oximos ao centro. Neste caso, e razo avel trocarmos a distribui cao
retangular pela distribui cao triangular. Assumindo uma distribuic ao triangular para a grandeza
X
i
, obtemos como media
x
i
= (a
+
+a
)/2
com incerteza associada
u
2
(x
i
) = a
2
/6
u =
base
2
6
=
2a
2
6
=
a
6
2.5 Determinacao da Incerteza Padrao Combinada
Quando a incerteza do resultado do mensurado y e obtida pela combinac ao das incertezas
padr ao das estimativas de entrada x
1
, x
2
, . . . , x
N
, esta incerteza combinada da estimativa y e
representada por u
c
(y), e denominada de incerteza padrao combinada.
As estimativas de entrada x
1
, x
2
, . . . , x
N
, podem ser classicadas como grandezas:
Estatisticamente independentes ou nao correlacionadas;
Estatisticamente dependentes ou correlacionadas.
Para as grandezas estatisticamente independentes, considera-se as series de medi coes que
foram realizadas com diferentes sistemas de medic ao. Neste caso, a incerteza padr ao combinada
u
c
(y) e a raiz quadrada positiva da vari ancia combinada.
Quando as medic oes sao realizadas com o mesmo sistema de medic ao, considera-se que as
grandezas de entradas s ao estatisticamente dependentes entre si.
Neste caso, a covari ancia estimada deve ser considerada como uma contribuic ao adicional
para a incerteza.
A expressao para se determinar esta incerteza padrao combinada no caso n ao correlacionado
e apresentada por:
u
2
c
(y) =
N
i=1
f
x
i
2
u
2
(x
i
)
onde u(x
i
) e a incerteza padr ao associada com a grandeza de entrada X
i
. As derivadas parciais
(df/dx
i
) calculada no ponto x
i
s ao denominadas coecientes de sensibilidade, pois descrevem
como a estimativa de y varia com pequenas mudan cas nos valores das estimativas das grandezas
de entrada x
1
, x
2
, . . . , x
N
.
Nota: A incerteza combinada padr ao no caso correlacionado n ao ser a tratado nesta apostila.
Exemplo: Na calibrac ao da massa padrao, obtemos a seguinte incerteza combinada
u
c
(m) =
(15)
2
+ (8, 66)
2
+ (5, 77)
2
+ (5, 77)
2
+ (2, 08)
2
= 19, 26mg
2.6 Determinacao da Incerteza Expandida
Embora a incerteza combinada u
c
(y) possa ser universalmente usado para expressar a in-
certeza de um resultado de medicao, devido a necessidade de algumas ind ustrias e aplicac oes
comerciais, bem como requisitos em areas de sa ude e seguranca, e freq uentemente necess ario
apresentar uma medida de incerteza que dena um intervalo sobre o resultado de medic ao.
Neste caso, a incerteza compreende uma fracao da distribui cao dos valores, que podem ser ra-
zoavelmente atribudos para um mensurando, denominada de incerteza expandida U. Este
requisito foi reconhecido pelo Working Group e Recomendacoes do CIPM, INC (1981).
A incerteza expandida U e obtida pela multiplicacao da incerteza padr ao combinada
u
c
(y) por um fator k:
U = k u
c
(y)
O valor do fator k e escolhido com base no nvel de conanca requerido para o intervalo.
Em geral, k e usado entre 2 e 3. Portanto, para aplicac oes especiais, k podera ser determinado
conforme o nvel de conanca requerido, de acordo com a distribuicao normal ou t-Student.
A Namas (NIS 3003 , 1995) recomenda que o fator k seja igual a 2 para calcular a incerteza
expandida. Este valor corresponde a aproximadamente 95% de conanca. Entretanto, se as
contribui coes para a incerteza relativo a repetitividade for grande comparado com as outras dis-
tribuic oes e o n umero de repeticoes for pequeno, existe uma possibilidade de que a distribuic ao
de probabilidade normal nao seja adequada. Neste caso, o fator k = 2 nos garante um nvel
de conan ca menor que 95%. Aqui, devemos utilizar a distribuic ao t-Student para encontrar o
valor do fator k que garante 95%.
Regra: Se a incerteza do tipo A for menor que metade da incerteza combinada, vamos
utilizar o fator k = 2. Caso contr ario, devemos utilizar a distribuic ao t-Student para obtermos
o valor de k que nos garante um intervalo com 95% conanca. A norma ISO GUM ver. 95
recomenda a utilizac ao da equa cao de Welch-Satterwaite para calcular os graus de liberdade,
baseado nos graus de liberdade de cada fonte de incerteza.
eff
=
u
4
c
(y)
N
i=1
u
4
i
(y)/
i
=
u
4
c
(y)
u
4
A
(y)/
A
=
u
c
(y)
u
A
(y)
A
onde
i
representa os graus de liberdade do fator de incerteza i e
A
e representa os graus
de liberdade do tipo A. Para contribuic oes da incerteza tipo A, consideramos como graus de
liberdade o n umero de leitura menus 1 vezes o n umero de pontos de calibra cao. Para os graus
de liberdade referente a contribuic oes da incerteza tipo B, vamos considerar
i
igual a innito.
Exemplo 2.10. Voltando ao exemplo 2.4 da calibracao da massa padrao, observe que a in-
certeza do tipo A e menor que metade da incerteza combinada. Assim, a incerteza expandida e
dada por:
U = 2x19, 26mg = 38, 52mg (k = 2)
Neste caso o resultado da medicao e expresso na forma:
10000, 000 g + 0, 018 g 0, 04 g (k = 2)
10000, 018 g 0, 04 g (k = 2)
Exemplo 2.11. Suponha um sistema de medicao com incerteza do tipo A, baseada em 4 ob-
servacoes, tenha valor u
i
(y) de 3,5 unidades, existem outras 5 fontes de incerteza do tipo B que
apresentam incerteza estimada muito pequeno, de tal forma que a incerteza combinada u
c
(y)
seja igual a 5,7 unidades. Como a incerteza do tipo A e maior que metade da incerteza com-
binada, vamos utilizar a distribuicao t-Student para determinar o fator k. Atraves da equacao
de Welch-Satterwaite, temos
eff
=
(5, 7)
4
((3, 5)
4
/(4 1)) + 0 + 0 + 0 + 0 + 0
= 21, 1
Tomando valor de
eff
igual a 20, obtemos que k = 2, 13.
2.6.1 Comprovacao Metrol ogica - Equipamento de Medicao
Determinar o erro maximo permissvel.
EMP =
menor tolerancia medida
J
com J = (5; 15]
O mais utilizado e J = 10. Assim
EMP =
tolerancia
10
.
Criterio:
max
i
[ T
i
[ +U(i) EMP (2.1)
A comprovac ao metrol ogica no caso em que o EMP e func ao das leituras e discutido abaixo.
EMP = (a + b leitura)
a = 0, 01
b = 0, 01
Criterio: [T
i
[ +U(i) EMP(i), para todo ponto de calibracao. (i, representa o ponto de
calibrac ao).
Exemplo 2.12. Suponha que temos uma tolerancia de 1 g para as massas padrao. Apos a cali-
bracao das massas, obteve-se as seguintes informacoes do certicado de calibracao apresentado
na Tabela 2.1.
Ponto (g) Tendencia (g) U (g) k
1000 0,009 0,015 2
1000 0,01 0,015 2
1000 0,016 0,015 2
1000 0,01 0,015 2
5000 -0,014 0,075 2
5000 -0,069 0,075 2
5000 -0,043 0,075 2
5000 0,025 0,075 2
Tabela 2.1: Certicado de Calibrac ao
Considerando J = 10 temos que
EMP =
Tolerancia
10
= 0, 1 g.
A Tabela 2.2 apresenta o criterio de aprovacao ([T[ + U EMP) para as oito massas
padrao. Como podemos ver, duas massas de 5 kg foram reprovadas. Com isso, o certicado de
calibracao cujo os valores foram apresentados na Tabela 2.1 nao esta aprovado.
Ponto (g) [T[+U Criterio
1000 0,024 Aprovado
1000 0,025 Aprovado
1000 0,031 Aprovado
1000 0,025 Aprovado
5000 0,089 Aprovado
5000 0,144 Reprovado
5000 0,118 Reprovado
5000 0,1 Aprovado
Tabela 2.2: Criterio de Aprovac ao
2.7 Determinacao da Variancia Agrupada
Para agrupar k variancias com (n-1) graus de liberdade, utilizamos a seguinte formula
s
2
=
k
i=1
(n 1)s
2
i
k
i=1
(n 1)
=
k
i=1
s
2
i
k
onde (n - 1) = Grau de Liberdade; e s
2
= Vari ancia
Considere que o metodo de calibrac ao de um equipamento utilize tres pontos da escala
deste equipamento. Para cada ponto e obtido o vari ancia da media a partir de 5 leituras. Para
obtermos vari ancia da media do equipamento, aplicamos a formula para o grupo de 3 vari ancias,
na forma
s
2
agrupada =
4 0, 0000000030 + 4 0, 0000000070 + 4 0, 0000000080
4 + 4 + 4
= 0, 0000000060
A vari ancia agrupada de 0,0000000060 representa a variancia da media do equipamento.
2.8 Regras de arredondamento de valores
Quando desejamos arredondar um n umero para que seja expresso com uma certa quantidade
de dgitos signicativos, devemos aplicar regras convencionais de arredondamento.
Regra 1:
Se o algarismo ` a direita do ultimo dgito que se pretende representar for inferior a 5, apenas
desprezamos os demais dgitos ` a direita Exemplo: 3, 14159265 para 3, 14
Regra 2:
Se o algarismo ` a direita do ultimo dgito que se pretende representar for maior que 5,
adicionamos uma unidade ao ultimo dgito representado e desprezamos os demais dgitos à
direita.
Exemplo 2.13. 3, 14159265 para 3, 1416
Regra 3:
Se o algarismo à direita que se pretende representar for igual a 5, entao o arredondamento
deve ser tal que o ultimo dgito representado depois do arredondamento deve ser par.
Exemplo 2.14. 3, 14159265 para 3, 142
N umeros de algarismo na incerteza de medicao
N ao existe uma regra bem denida para o n umero de algarismos que devem ser indicados
para a incerteza de medic ao. Em geral, utilizamos 2 algarismos signicativos, alem dos
zeros ` a esquerda. Em alguns casos, pode ser necess ario utilizar mais dgitos signicativos para
evitar erros de arredondamento nos calculos subseq uentes. Em outros casos, n ao e possvel
atribuir mais de 1 algarismo para incerteza de medi cao. Regras para n umero de algarismo na
incerteza de medicao.
Incerteza de medic ao deve ser apresentada com 2 algarismos quando o primeiro algarismo
na incerteza for 1 ou 2.
Incerteza de medic ao pode ser apresentada com 1 algarismo quando o primeiro algarismo
da incerteza for 3 ou maior.
o Incerteza de medic ao pode ser representada com 2 algarismos em qualquer caso.
De acordo com as regras acima apresentamos os exemplos:
Incorreto Correto
0,144 (mm) 0,14 (mm)
1,026 (s) 1,0 (s)
3,49 (mm) 3,5 (mm) Ou 3 (mm)
3,51 (mm) 3,5 (mm) Ou 4 (mm)
0,00514 (mm) 0,0050 (mm) Ou 0,005 (mm)
2.9 Propagacao da Incerteza
Um mensurando y calculado em func ao de outras grandezas x
1
, . . . , x
n
comu(x
1
), . . . , u(x
n
)
as incertezas padr ao correspondente, tem como incerteza combinada u
c
(y) denida por:
u
2
c
(y) =
n
i=1
y
x
i
2
u
2
(x
i
)
Soma de variaveis
y = x
1
x
2
x
3
x
n
Assim, todas as derivadas sao iguais a 1. Entao,
Exemplo 2.15. Determinar a incerteza de medicao, na composicao de dois blocos padrao:
Dados:
Bloco 1
Dimensao nominal: 10 (mm)
Incerteza Expandida u(x
1
) = 0,0077(nm) para k = 2
Bloco 2
Dimensao nominal: 20 (mm)
Incerteza Expandida u(x
2
) = 0,084(nm) para k = 2
O resultado da combinacao dos blocos pode ser expresso matematicamente por:
y = x
1
+x
2
A incerteza padrao u(x
i
) de cada bloco e obtida dividindo-se a incerteza expandida pelo fator
k. Assim,
u(x
1
) = 0, 077/2 =
u(x
2
) = 0, 084/2 =
Entao, a variancia combinada e:
u
2
c
(y) = = (m)
2
A incerteza combinada e:
u
c
(y) =
Relac ao linear
y = a +bx
Admitindo-se que a e b s ao constantes isentas de incertezas ou com incertezas desprezveis,
somente a vari avel x e considerada para o c alculo de incerteza. Assim,
u
2
c
(y) = a
2
u
2
(x) ou u
c
(y) =[ a [ u(x)
Produto de Variaveis:
y = axw
Temos que:
y
x
= aw
y
w
= ax
Ent ao,
u
2
c
(y) = (aw)
2
u
2
(x) + (ax)
2
u
2
(w)
Dividindo a express ao acima por y
2
= (axw)
2
, obtemos
u
2
c
(y)/y
2
= u
2
(x)/x
2
+u
2
(w)/w
2
Exemplo 2.16. Determinar a incerteza da area de um crculo, cujo diametro foi medido ex-
perimentalmente atraves de um sistema de medicao denominado paqumetro:
Valor do diametro obtido com o micrometro digital, com resolucao de 0,002 mm e incerteza
expandida U=0,001 mm (k=1,96):
Leituras Diametro
1 10,28
2 10,26
3 10,28
4 10,3
5 10,28
Media das leituras
Desvio padrao das leituras
Desvio padrao da media das leituras
A expressao para o calculo da area e dada por:
1
4
d
2
Admitindo-se que
1
4
e sao constantes isentas de incerteza ou com incertezas desprezveis,
somente a variavel d e considerada para calculo da incerteza. Assim, a variancia combinada
relativa e:
u
2
c
(y)
y
2
=
2
2
u
2
(d)
d
2
Incerteza combinada relativa:
u
c
(y)
y
=
2u(d)
d
Substituindo os valores do exemplo, obtemos a incerteza combinada relativa:
u
c
(y)
y
=
e a incerteza combinada da area,
u
c
(y) =
68
Captulo 3
Estudos de Estabilidade
Estabilidade e a quantidade de varia cao total na tendencia do sistema ao longo do tempo
com relac ao a um padr ao rastre avel (ou amostra). Antes de estudarmos qualquer propriedade
estatstica do sistema de medic ao, vamos analisar a capacidade do sistema manter tais pro-
priedades ao longo do tempo. O objetivo da estabilidade consiste em avaliarmos:
A interac ao do sistema de medicao e o meio ambiente;
Desgaste de componentes;
Ajuste de dispositivos e sensores.
Diretrizes para sistemas nao destrutivos:
Obter padrao rastre avel (ou amostra);
Montar di ario de bordo;
Medir periodicamente (di ario, semanal, quinzenal ou mensal) o padr ao (ou amostra);
Ap os 20 ou mais grupos de medi coes, construir o gr aco

X e R, conforme descrito abaixo.
Criterio de avaliacao:
Analisar os gr acos

X e R, primeiro o graco R e na seq uencia o gr aco

X:
Pontos fora dos limites de controle.
7 ou mais pontos consecutivos crescentes ou decrescentes.
7 ou mais pontos consecutivos acima ou abaixo da linha media.
3. Estudos de Estabilidade 69
Limites dos Gr acos No de element. A
2
D
3
D
4
amostra (n)
Graco das Medias

X 2 1, 880 0 3, 267
LSC = Limite Superior =

X + A
2

R 3 1, 023 0 2, 574
LC = Limite Central =

X 4 0, 729 0 2, 282
LIC = Limite Inferior =

X A
2

R 5 0, 577 0 2, 114
Graco das Amplitudes R 6 0, 483 0 2, 004
LSC = Limite Superior = D
4

R 7 0, 419 0, 076 1, 924
LC = Limite Central =

R 8 0, 373 0, 136 1, 864
LIC = Limite Inferior = D
3

R 9 0, 337 0, 184 1, 816
10 0, 308 0, 223 1, 777
Caso os gracos

X e R estejam fora de controle, investigar as causas e estabelecer ac oes
corretivas.
Se o processo apresentar falta de estabilidade, identique as causas, estabeleca acao cor-
retiva. Repita o estudo de estabilidade;
Discriminacao do Sistema de medicao no estudo de Estabilidade
Capacidade do sistema de medic ao de detectar e indicar de forma con avel, pequenas
variacoes da grandeza que esta sendo medida. Uma forma de quanticar o poder discrimi-
nador e expressando a menor variacao da grandeza que o sistema de medi cao pode detectar.
Criterio de avaliac ao:
Vericar se o gr aco de controle R n ao apresenta muitas amplitudes iguais a zero (acima de
30%). Caso isso ocorra, existe uma boa evidencia de que o equipamento de medic ao nao tem
uma resoluc ao adequada para esta necessidade. Neste caso, faca uma an alise crtica.
Exemplo 3.1. O metrologista deve realizar um estudo sobre a estabilidade do sistema de cal-
ibracao de um micrometro com um bloco padrao. O metrologista selecionou um bloco padrao,
que foi medida 3 vezes diariamente por um avaliador. Os valores estao na Tabela 3.1. Montar
os gracos de Controle

X e R e interpretar os resultados!
Solucao
Da Tabela 3.1 tomamos a media dos valores da coluna Media e a media dos valores da
coluna Amplitude e obtemos:
X = 4, 200486 e

R = 0, 001292 .
Data Horario Temperatura
Medidas
Media Amplitude
1 2 3
6/ago 09:15 20,3 4,202 4,201 4,202 4,20167 0,001
13/ago 16:35 20,0 4,201 4,202 4,203 4,20200 0,002
20/ago 14:13 19,4 4,199 4,198 4,200 4,19900 0,002
27/ago 09:40 19,8 4,200 4,201 4,201 4,20067 0,001
4/set 15:28 19,9 4,200 4,201 4,200 4,20033 0,001
11/set 10:39 19,9 4,202 4,201 4,200 4,20100 0,002
19/set 15:10 20,1 4,200 4,201 4,200 4,20033 0,001
25/set 09:25 20,2 4,200 4,199 4,199 4,19933 0,001
1/out 15:40 19,3 4,198 4,199 4,199 4,19867 0,001
8/out 09:25 19,9 4,200 4,202 4,200 4,20067 0,002
16/out 16:10 20,8 4,202 4,203 4,203 4,20267 0,001
24/out 10:05 20,1 4,201 4,202 4,201 4,20133 0,001
1/nov 13:40 19,5 4,199 4,199 4,198 4,19867 0,001
8/nov 14:55 20,1 4,200 4,200 4,201 4,20033 0,001
14/nov 11:00 19,3 4,199 4,198 4,199 4,19867 0,001
22/nov 15:50 19,8 4,200 4,199 4,200 4,19967 0,001
29/nov 09:42 20,1 4,201 4,201 4,200 4,20067 0,001
7/dez 08:20 19,6 4,199 4,200 4,199 4,19933 0,001
12/dez 15:30 19,8 4,200 4,201 4,199 4,20000 0,002
20/dez 11:05 20,1 4,199 4,199 4,200 4,19933 0,001
28/dez 15:30 20,1 4,201 4,200 4,199 4,20000 0,002
4/jan 16:00 20,2 4,200 4,200 4,202 4,20067 0,002
10/jan 15:15 20,7 4,203 4,204 4,203 4,20333 0,001
15/jan 16:00 20,8 4,204 4,203 4,203 4,20333 0,001
Tabela 3.1: Dados
Os limites de controle s ao calculados da seguinte forma:
Graco R. Como temos 3 elementos em nossa amostra, obtemos um valor de D
3
= 0
e D
4
= 2, 574, com isso:
LSC = 2, 574 0, 001292 = 0, 003325
LIC = 0 0, 001292 = 0
Graco

X. Como temos 3 elementos em nossa amostra, obtemos um valor de A
2
= 1, 023,
com isso:
LSC = 4, 200486 + 1, 023 0, 001292 = 4, 201807
LIC = 4, 200486 1, 023 0, 001292 = 4, 199165
Exerccio 3.1. O metrologista deve realizar um estudo sobre o sistema de medicao para cal-
ibracao de um anel padrao em um banco micrometrico. O metrologista selecionou um anel
padrao, que foi medido (3 replicas) diariamente por um avaliador. Os valores estao na Tabela
3.2.
Amostra Data
Medidas
Media Amplitude
1 2 3
1 22/set 20006,6 20006,6 20006,7 20006,63 0,1
2 22/set 20006,8 20006,7 20006,9 20006,8 0,2
3 23/set 20006,1 20006,2 20006,2 20006,17 0,1
4 24/set 20005,4 20005,3 20005,3 20005,33 0,1
5 27/set 20005,7 20005,9 20005,8 20005,8 0,2
6 27/set 20005,9 20006 20006 20005,97 0,1
7 1/out 20005,4 20005,7 20005,7 20005,6 0,3
8 6/out 20006,6 20006,6 20006,5 20006,57 0,1
9 7/out 20006,1 20006,1 20006,1 20006,1 0
10 8/out 20006,1 20006 20006 20006,03 0,1
11 8/out 20006,2 20006,3 20006,3 20006,27 0,1
12 13/out 20005,9 20006 20006 20005,97 0,1
13 13/out 20006,2 20006,1 20006,2 20006,17 0,1
14 14/out 20006,5 20006,3 20006,4 20006,4 0,2
15 18/out 20005,4 20005,4 20005,5 20005,43 0,1
16 20/out 20005,9 20006,2 20006,2 20006,1 0,3
17 25/out 20006,8 20006,9 20006,6 20006,77 0,3
18 26/out 20006,3 20006,3 20006,3 20006,3 0
19 26/out 20006,5 20006,5 20006,5 20006,5 0
20 28/out 20006,4 20006,3 20006,2 20006,3 0,2
21 4/nov 20005,8 20005,9 20005,9 20005,87 0,1
22 8/nov 20006 20005,8 20005,9 20005,9 0,2
23 8/nov 20006,4 20006,3 20006,2 20006,3 0,2
24 10/nov 20006,2 20006,3 20006,3 20006,27 0,1
25 15/nov 20006,7 20006,4 20006,4 20006,5 0,3
26 16/nov 20006,6 20006,5 20006,5 20006,53 0,1
27 17/nov 20006,4 20006,2 20006,2 20006,27 0,2
28 18/nov 20006,6 20006,5 20006,4 20006,5 0,2
29 18/nov 20006,9 20006,8 20006,8 20006,83 0,1
Tabela 3.2: Estabilidade do Diametro do Furo
Montar os gracos de Controle

X e R e interpretar os resultados! (

X = 20006, 21 e
R = 0, 1448).
Graco R. Temos 3 elementos em nossa amostra, ent ao: D
3
= e D
4
= , com
isso:
LSC = D
4

R =
LIC = D
3

R =
Graco

X Novamente, temos 3 elementos em nossa amostra, ent ao: A
2
= , com
isso:
LSC =

X + A
2

R =
LC =

X =
LIC =

X A
2

R =
74
Captulo 4
Metodo da ANOVA (Completo)
4.0.1 Metodo da ANOVA
Em cada sistema de medic ao, existe um valor de referencia para uma caracterstica para
cada amostra. Estes valores de referencia variam de amostra para amostra em torno de um
nvel medio. Isto pode ser representado simplesmente como:
1) Valor Padr ao = Media das Medic oes + Variac ao Pr opria da Amostra
Na pratica, existe algum erro introduzido pelo sistema de medicao, o qual pode ser escrito
como:
2) Valor observado = Valor Padr ao + Erro de Medi cao:
Um modo simples de modelar o erro de medic ao.
3) Erro de Medi cao = Tendencia + Efeito do Fator1 + Erro de Replicac oes. A tendencia
e um n umero unico que representa o erro geral, sistem atico, introduzido pelo sistema de
medic ao. Alem disso, poderiam existir erros introduzidos pelo uso de diferentes Fatores1.
O termo erro de replicac oes reete as diferencas nas observac oes repetidas da mesma
amostra, com o mesmo sistema de medic ao e pelo mesmo Fator1.
Combinando (1), (2) e (3), obtem-se o modelo representado no pr oximo tem.
4) Valor Observado = (Media das Amostras + Tendencia) + Efeito da Amostra + Efeito do
Fator1 + Erro de Replicac oes. A media das amostras e a tendencia sao constantes. Eles
n ao podem ser estimados separadamente sem ter um sistema de medic ao padr ao. O efeito
da amostra, o efeito do Fator1 e o erro de repeti cao (replicac ao) s ao vari aveis aleatorias.
O efeito da amostra representa a variac ao no processo de produ cao. O efeito do Fator1
4. Metodo da ANOVA (Completo) 75
representa a variac ao devida aos diferentes Fatores1, denominado reprodutibilidade. O
erro de repeti cao representa a variac ao resultante de medi coes repetidas feitas pelo mesmo
Fator1 na mesma amostra, denominado repetitividade. A media das amostras e o efeito
da amostra s ao propriedades do processo de produc ao e nao dependem do sistema de
medic ao. Os termos restantes no modelo reetem o erro no sistema de medi cao.
Representacao Matematica
Seja Y
ijk
a k-esima medic ao feita pelo Fator1 j na i-esima amostra. Cada amostra tem um
valor de referencia, digamos X
i
, o qual e impossvel de ser medido na pr atica. Chame de
ijk
o
erro sobreposto a X
i
na pratica. Ent ao, temos no pr oximo tem que:
5) Y
ijk
= X
i
+
ijk
ou
Valor Observado = Valor Padrao + Desvio
Supondo que os X
i
s s ao distribudos independentemente conforme uma distribuic ao normal

de media e variancia
2
P
. O parametro e a media das amostras. A equac ao (5) pode ser
escrita, equivalentemente, como:
6) Y
ijk
= +
i
+
ijk
Onde:
i
= X
i
e o efeito da amostra, com media zero e variancia
2
P
.
O desvio pode ser modelado como consistindo de uma tendencia sistematica devido ao
sistema de medic ao e ao Fator1 como um todo (sistema de medic ao), uma tendencia
adicional devido ao Fator1 especco e um erro associado ` a replicacao da medic ao. Isto
e,
7)
ijk
= b +
j
+
ijk
, ou seja,
Desvio = Tendencia do sistema de medi cao + efeito do Fator1 + Erro de Replica cao.
Suponha que os erros de replicac ao s ao independentes, com uma distribui cao normal de
media zero e vari ancia comum
2
para todas as combinac oes amostra / Fator1 / replicac ao. A
vari ancia
2
mede a repetitividade para o sistema de medic ao. Se os Fatores1 sao selecionados
aleatoriamente de uma grande populac ao, pode-se modelar o efeito do Fator1,
j
, como sendo
normalmente distribudo com media zero e variancia
2
F1
. A vari ancia
2
F1
mede a variabilidade
devido ao Fator1, isto, e a reprodutibilidade. Combinando (6) e (7), o modelo pode ser escrito
como:
8) Y
ijk
= ( + b) +
i
+
j
+
ijk
ou
Valor Observado = (Media das Amostras + Tendencia do sistema de medic ao) + Efeito
da Amostra + Efeito do Fator1 + Erro de Replicac ao
Onde
i
,
j
,
ijk
s ao variaveis aleat orias independentes com distribuic oes normais de
medias zero e vari ancia
2
P
,
2
F1
,
2
respectivamente. Conseq uentemente, a vari ancia do
processo e dada por
9) V ar(Y
ijk
) =
2
P
+
2
F1
+
2
.
No modelo (8) sup oe-se que os efeitos da amostra e do Fator1 s ao aditivos. Isto signica
que o efeito do j-esimo Fator1 e o mesmo em todas as amostras. Consequentemente, n os
nos referimos a este modelo simples como o modelo aditivo. A suposicao de aditividade
pode nem sempre ser valida na pr atica. Alem disso, a validade da suposicao poderia ser
testada a partir dos dados, se cada Fator1 repetir medicoes em cada amostra. A validade
do modelo aditivo pode ser testada pela considerac ao de um modelo mais geral, que inclua
um efeito de intera cao entre peca e Fator1. Supondo que o desvio em (7) seja dado por
10)
ijk
= b +
j
+
ij
+
ijk
, ou seja,
Desvio = Tendencia do sistema de medicao + Efeito do Fator1 + Efeito do Fator1 *
Amostra + Erro de Replicac ao.
O termo adicional
ij
representa a intera cao entre o j-esimo Fator1 e a i-esima amostra.
Ent ao, substituindo (10) em (6) resulta no seguinte modelo n ao aditivo:
11) Y
ijk
= ( + b) +
i
+
j
+
ij
+
ijk
, ou seja,
Valor Observado = (Media das amostras + tendencia do sistema de medi cao) + Efeito
da Amostra + Efeito do Fator1 + Efeito do Fator1Amostra + Erro de Replicac ao.
Se
ij
e distribudo normalmente com media zero e variancia
2
I
, ent ao a vari ancia total
para (11) e dada por:
12) V ar(Y
ijk
) =
2
P
+
2
F1
+
2
I
+
2
Particionando a variancia, no caso onde p e o n umero de amostras, o o n umero de Fatores1
e r e o n umero de replicac oes. i = 1, ..., p, j = 1, ..., o e k = 1, ..., r.
1
o
Passo Coleta de dados e denic ao do modelo:
Fator1
Amostra
1 2 o Media
1 Y
111
, , Y
11r
Y
121
, , Y
12r
Y
1o1
, , Y
1or

Y
1..
2 Y
211
, , Y
21r
Y
221
, , Y
22r
Y
2o1
, , Y
2or

Y
2..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
p Y
p11
, , Y
p1r
Y
p21
, , Y
p2r
Y
po1
, , Y
por

Y
p..
Media

Y
.1.

Y
.2.

Y
.o.

Y
...
Tabela 4.1: Tabela de Entradas
O modelo estatstico para este planejamento e
Y
ijk
= +
i
+
j
+
ij
+
ijk
i = 1, , p Amostra
j = 1, , o Fator1
k = 1, , r Replica
(4.1)
onde:
Y
ijk
representa a k-esima medic ao do j-esimo Fator1 na i-esima amostra ;
e a Media das amostras adicionada com a tendencia do sistema de medic ao;

i
e o efeito da Amostra;

j
e o efeito do Fator1;

ij
e o efeito da intera cao AmostraFator1;

ijk
e o erro de replicac ao.
Onde
i
,
j
,
ij
e
ijk
s ao vari aveis aleat orias independentes com distribuic oes normais de
medias zero e variancia
2
p
,
2
F1
,
2
I
e
2
, respectivamente. Conseq uentemente, a vari ancia do
processo e:
V ar(y
ijk
) =
2
p
+
2
F1
+
2
I
+
2
2
o
Passo: Soma de Quadrados:
Vamos mostrar que:
SQ
T
= SQ
P
+ SQ
F1
+ SQ
I
+ SQ
E
onde SQ
T
e a soma de quadrados total, SQ
P
e a soma de quadrados do fator amostra, SQ
F1
e a soma de quadrados do Fator1, SQ
I
e a soma de quadrados da interac ao Fator1 amostra
e SQ
E
e a soma de quadrados do erro. Para isto, temos que
p
i=1
o
j=1
r
k=1
(Y
ijk

Y
...
)
2
=
p
i=1
o
j=1
r
k=1
Y
i..

Y
...
) + (
Y
.j.

Y
...
) + (
Y
ij.

Y
i..

Y
.j.
+

Y
...
) + (Y
ijk

Y
ij.
)
2
= o r
p
i=1
(
Y
i..

Y
...
)
2
+ p r
o
j=1
(
Y
.j.

Y
...
)
2
+ r
p
i=1
o
j=1
(
Y
ij.

Y
i..

Y
.j.
+

Y
...
)
2
+
p
i=1
o
j=1
r
k=1
(Y
ijk

Y
ij.
)
2
Portanto
SQ
T
=
p
i=1
o
j=1
r
k=1
(Y
ijk

Y
...
)
2
SQ
P
= o r
p
i=1
(
Y
i..

Y
...
)
2
SQ
F1
= p r
o
j=1
(
Y
.j.

Y
...
)
2
SQ
I
= r
p
i=1
o
j=1
(
Y
ij.

Y
i..

Y
.j.
+

Y
...
)
2
SQ
E
=
p
i=1
o
j=1
r
k=1
(Y
ijk

Y
ij.
)
2
Onde:
Y
i..
=
o
j=1
r
k=1
Y
ijk
, Y
.j.
=
p
i=1
r
k=1
Y
ijk
, Y
ij.
=
r
k=1
Y
ijk
, Y
...
=
p
i=1
o
j=1
r
k=1
Y
ijk
Y
i..
=
1
o r
o
j=1
r
k=1
Y
ijk
,

Y
.j.
=
1
p r
p
i=1
r
k=1
Y
ijk
,

Y
ij.
=
1
r
r
k=1
Y
ijk
,

Y
...
=
1
o p r
p
i=1
o
j=1
r
k=1
Y
ijk
Da mesma forma,
y
i..
=
o
j=1
r
k=1
y
ijk
, y
.j.
=
p
i=1
r
k=1
y
ijk
, y
ij.
=
r
k=1
y
ijk
, y
...
=
p
i=1
o
j=1
r
k=1
y
ijk
y
i..
=
1
o r
o
j=1
r
k=1
y
ijk
, y
.j.
=
1
p r
p
i=1
r
k=1
y
ijk
, y
ij.
=
1
r
r
k=1
y
ijk
, y
...
=
1
o p r
p
i=1
o
j=1
r
k=1
y
ijk
Uma forma mais conveniente para se calcular a soma de quadrados e utilizar o c alculo de
vari ancia amostral. A tabela 4.2 apresenta quais variancias devemos calcular.
Fator1
Amostra
1 2 o Media
1 Y
111
, , Y
11r
Y
121
, , Y
12r
Y
1o1
, , Y
1or

Y
1..
S
2
11
S
2
12
S
2
1o
2 Y
211
, , Y
21r
Y
221
, , Y
22r
Y
2o1
, , Y
2or

Y
2..
S
2
21
S
2
22
S
2
2o
S
2
p
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
p Y
p11
, , Y
p1r
Y
p21
, , Y
p2r
Y
po1
, , Y
por

Y
p..
S
2
p1
S
2
p2
S
2
po
Media

Y
.1.

Y
.2.

Y
.o.

Y
...
S
2
F1
Tabela 4.2: Tabela de Entradas
Portanto,
SQ
T
= (p o r 1) S
2
...
(4.2)
SQ
P
= o r (p 1) S
2
i..
(4.3)
SQ
F1
= p r (o 1) S
2
.j.
(4.4)
SQ
E
= (r 1)
p
i=1
o
j=1
S
2
ij.
(4.5)
SQ
I
= SQ
T
SQ
P
SQ
F1
SQ
E
(4.6)
Onde:
S
2
...
: representa a variancia amostral com relac ao a todos os dados. Com isso,
S
2
...
=
1
p o r 1
p
i=1
o
j=1
r
k=1
(y
...
y
...
)
2
onde y
...
e a media de todos os dados;
S
2
i..
: representa a vari ancia amostral com relac ao aos valores das medias das amostras, ou
seja, a variancia com relac ao a ultima coluna da tabela 4.2. Com isso,
S
2
i..
=
1
p 1
o
j=1
r
k=1
( y
i..
y
...
)
2
onde y
i..
e a media em cada amostra e
y
...
S
2
.j.
: representa a variancia amostral com relac ao aos valores das medias dos Fatores1, ou
seja, a variancia com relac ao a ultima linha da tabela 4.2. Com isso,
S
2
.j.
=
1
o 1
p
i=1
r
k=1
( y
.j.
y
...
)
2
onde y
.j.
e a media em cada Fator1 e
y
...
S
2
ij.
: representa a variancia amostral com relacao a cada combinac ao de amostra e Fator1,
ou seja, em cada casela da tabela 4.2. Com isso,
S
2
ij.
=
1
r 1
r
k=1
( y
ij.
y
...
)
2
onde y
ij.
s ao as medic oes em cada casela e y
...
e a
media de todos os dados;
3
o
Passo: Calculo dos graus de liberdade:
O n umero de graus de liberdade em uma soma de quadrados e a quantidade de elementos
independentes nessa soma. Por exemplo, considere a soma de quadrados
p
i=1
(
Y
i..

Y
...
)
2
.
Neste caso, como
p
i=1
(
Y
i..

Y
...
) = 0, nem todos os elementos (
Y
1..

Y
...
), , (
Y
p..

Y
...
) sao
independentes. Portanto, temos p 1 graus de liberdade. Nesse sentido, os respectivos graus
de liberdade associados a cada soma de quadrados s ao:
Efeito Grau de Liberdade
Amostra p 1
Fator1 o 1
Interacao (p 1)(o 1)
Erro p o (r 1)
Total p o r 1
4
o
Passo: C alculo do erro quadratico medio:
Cada soma de quadrados dividido por seu grau de liberdade determina o quadrado medio (QM),
ou seja
QM
P
=
SQ
P
p 1
Amostra (4.7)
QM
F1
=
SQ
F1
o 1
Fator1 (4.8)
QM
I
=
SQ
I
(p 1)(o 1)
Amostra Fator1 (4.9)
QM
E
=
SQ
E
p o (r 1)
Replica (4.10)
Considerando as express oes 4.3, 4.4, 4.5 e 4.6 vamos calcular o valor esperado do QM. Para o
fator amostra, temos que:
E(QM
P
) =
1
p 1
i=1
Y
2
i..
o r
Y
2
...
p o r
=
1
p 1
1
o r
p
i=1
E
j=1
r
k=1
Y
ijk
1
p o r
E
i=1
o
j=1
r
k=1
Y
ijk
=
1
p 1
1
o r
p
i=1
E
j=1
r
k=1
( +
i
+
j
+
ij
+
ijk
)
1
p o r
E
i=1
o
j=1
r
k=1
( +
i
+
j
+
ij
+
ijk
)
=
1
p 1
1
o r
p
i=1
(o r )
2
+ (o r
P
)
2
+ o r
2
2
F1
+ o r
2
2
I
+ o r
2
1
p o r
(p o r )
2
+ p (o r
P
)
2
+ o (p r
F1
)
2
+ o p (r
I
)
2
+ p o r
2
= o r
2
P
+ r
2
I
+
2
Podemos resumir que
E(QM
P
) =
2
+ r
2
I
+ o r
2
P
E(QM
F1
) =
2
+ r
2
I
+ p r
2
F1
E(QM
I
) =
2
+ r
2
I
E(QM
E
) =
2
5
o
Passo: Denindo os testes:
Especicamente, estamos interessados em testar as seguintes hip oteses :
A :
H
0
=
2
P
= 0
H
1
=
2
P
> 0
; B :
H
0
=
2
F1
= 0
H
1
=
2
F1
> 0
; C :
H
0
=
2
I
= 0
H
1
=
2
I
> 0
Vamos mostrar como essas hipoteses s ao testadas usando a an alise de vari ancia. Para
determinarmos a estatstica do teste C, vamos observar que
SQ
I
2
+ r
2
I

2
(p1)(o1)
e tambem,
SQ
E
2

2
p o (r1)
,
onde ambas sao independentes.
Assim, sob H
0
temos que a estatstica
F
0
=
SQ
I
(
2
+r
2
I
) (p1)(o1)
SQ
E
2
p o (r1)
=
QM
I
QM
E
F((p 1)(o 1); p o (r 1))
tem distribuic ao de Fisher-Snedecor com (p 1)(o 1) graus de liberdade no numerador e
p o (r 1) graus de liberdade no denominador. A regiao crtica (RC) do teste F e dada por
RC = F '
+
[ F > F
c
. Com isso, utilizando o n umero de graus de liberdade do numerador
e denominador, podemos, considerando um nvel de signicancia encontrar o valor de F
c
na
tabela da distribui cao F-Snedecor. A Figura 4.1 mostra a regi ao crtica do teste.
Para determinarmos a estatstica do teste A, vamos observar que
SQ
P
2
+ r
2
I
+ o r
2
P

2
(p1)
e tambem,
SQ
I
2
+ r
2
I

2
(p1)(o1)
,
Assim, sob H
0
F
0
=
SQ
P
(
2
+r
2
I
+o r
2
P
) (p1)
SQ
I
(
2
+r
2
I
) (p1)(o1)
=
QM
P
QM
I
F((p 1); (p 1)(o 1))
tem distribuicao de Fisher-Snedecor com (p 1) graus de liberdade no numerador e (p 1)(o 1)
graus de liberdade no denominador. A regi ao crtica (RC) do teste F e dada por RC =
F '
+
[ F > F
c
. Com isso, utilizando o n umero de graus de liberdade do numerador e
denominador, podemos, considerando um nvel de signic ancia encontrar o valor de F
c
na
Para determinarmos a estatstica do teste B, vamos observar que
Figura 4.1: Regiao Crtica do Teste
SQ
F1
2
+ r
2
I
+ p r
2
F1

2
(o1)
e tambem,
SQ
I
2
+ r
2
I

2
(p1)(o1)
,
Assim, sob H
0
F
0
=
SQ
P
(
2
+r
2
I
+p r
2
F1
) (o1)
SQ
I
(
2
+r
2
I
) (p1)(o1)
=
QM
F1
QM
I
F((o 1); (p 1)(o 1))
tem distribuicao de Fisher-Snedecor com (o 1) graus de liberdade no numerador e (p 1)(o 1)
graus de liberdade no denominador. A regi ao crtica (RC) do teste F e dada por RC =
F '
+
[ F > F
c
. Com isso, utilizando o n umero de graus de liberdade do numerador e
denominador, podemos, considerando um nvel de signic ancia encontrar o valor de F
c
na
6
o
Passo: Tabela de ANOVA:
O teste estatstico para as hipoteses (A, B, C) propostas e resumido na tabela 4.3. Essa
tabela e chamada tabela de analise de varianica. Caso o teste C implique em H
0
ser n ao
signicativo, ou seja, a interac ao ( Amostra Fator1 ) sera considerada nula. Neste caso, os
testes A e B ser ao realizados conforme a tabela 4.4. Para isso, vamos incorporar a soma de
quadrados da interacao à soma de quadrados do erro. Assim, temos que SQ
E
= SQ
T
SQ
P

SQ
F1
.
Fonte de Graus de Soma de Quadrado Teste
Variacao Liberdade Quadrados Medio F
Amostra p 1 SQ
P
QM
P
QM
P
QM
I
Fator1 o 1 SQ
F1
QM
F1
QM
F1
QM
I
Interacao (p 1)(o 1) SQ
I
QM
I
QM
I
QM
E
Erro p o (r 1) SQ
E
QM
E
Total p o r 1 SQ
T
Tabela 4.3: Tabela de Analise de Vari ancia (ANOVA) - Com interac ao
Fonte de Graus de Soma de Quadrado Teste
Variacao Liberdade Quadrados Medio F
Amostra p 1 SQ
P
QM
P
=
SQ
P
p 1
QM
P
QM
E
Fator1 o 1 SQ
F1
QM
F1
=
SQ
F1
o 1
QM
F1
QM
E
Erro p o r p o + 1 SQ
E
QM
E
=
SQ
E
p o r p o + 1
Total p o r 1 SQ
T
Tabela 4.4: Tabela de Analise de Vari ancia (ANOVA) - Sem interac ao
7
o
Passo: Componentes de variancia:
Aqui, vamos estimar as componentes de vari ancia pelo metodo de momentos. Este metodo,
visa igualar os momentos populacionais aos momentos amostrais. Considerando o modelo com
intera cao temos:
E(QM
E
) =
2
=
2
= QM
E
E(QM
I
) =
2
+ r
2
I
=

2
+ r
2
I
= QM
I
E(QM
F1
) =
2
+ r
2
I
+ p r
2
F1
=

2
+ r
2
I
+ p r
2
F1
= QM
F1
E(QM
P
) =
2
+ r
2
I
+ o r
2
P
=

2
+ r
2
I
+ o r
2
P
= QM
P
Assim, obtemos que as fontes de variac ao podem ser estimadas por
V
F1
=
QM
F1
QM
I
p r
Fator1 (4.11)
V I =
QM
I
QM
E
r
interacao (4.12)
V E =
QM
E
repetitividade (4.13)
V F =
(V
F1
)
2
+ (V I)
2
reprodutibilidade (4.14)
R&R =
(V E)
2
+ (V O)
2
R&R (4.15)
V P =
QM
P
QM
I
o r
amostra (4.16)
V T =
(R&R)
2
+ (V P)
2
total (4.17)
Considerando que a intera cao n ao e signicativa, temos que
E(QM
E
) =
2
=
2
= QM
E
E(QM
F1
) =
2
+ p r
2
F1
=

2
+ p r
2
F1
= QM
F1
E(QM
P
) =
2
+ o r
2
P
=

2
+ o r
2
P
= QM
P
Assim, obtemos que as fontes de variac ao podem ser estimadas por
V
F1
=
QM
F1
QM
E
p r
Fator1 (4.18)
V E =
QM
E
repetitividade (4.19)
V F =
(V
F1
)
2
reprodutibilidade (4.20)
R&R =
(V E)
2
+ (V F)
2
R&R (4.21)
V P =
QM
P
QM
E
o r
amostra (4.22)
V T =
(R&R)
2
+ (V P)
2
total (4.23)
Exemplo 4.1. Nesta aplicacao usaremos uma anova two-way, ou seja, dois fatores aleatorios.
A tabela 4.5 apresenta as medicoes realizadas no copo PS, a coluna Ponto representa o ponto
de medicao.
Tempo (s) Pessoa Absorcao (g/m
2
) Desvio
20 Camila 0,11479 0,001618
20 Paula 0,05992 0,000215
22 Paula 0,06308 0,000132
22 Paula 0,06308 0,000132
22 Camila 0,05740 0,000295
20 Camila 0,03021 0,001968
20 Paula 0,08200 0,000055
22 Camila 0,08458 0,000100
20 Camila 0,09667 0,000488
20 Paula 0,05362 0,000439
22 Paula 0,09777 0,000538
22 Paula 0,05362 0,000439
22 Camila 0,09969 0,000631
20 Camila 0,06948 0,000026
20 Paula 0,07569 0,000001
22 Camila 0,08458 0,000100
20 Camila 0,05135 0,000539
20 Paula 0,03785 0,001348
22 Paula 0,08516 0,000112
22 Paula 0,03785 0,001348
22 Camila 0,07854 0,000016
20 Camila 0,09063 0,000258
20 Paula 0,11039 0,001283
22 Camila 0,11177 0,001384
Soma 1,78972 0,013466
Tabela 4.5: Tabela de dados
O modelo estatstico para este experimento e:
Y
ijk
= +
i
+
j
+
ijk
i = 1, , p Tempo
j = 1, , o Pessoa
k = 1, , r Replicas
(4.24)
onde:
Y
ijk
representa a k-esima medicao no j-esimo Fator 2 no i-esima copo;
e a Media das medicoes;

i
e o efeito do Tempo;

j
e o efeito do Fator Pessoa;

ijk
e o erro de replicacao.
Para calcularmos as somas de quadrados, precisamos primeiramente calcular as seguintes
variancias amostrais :
S
2
...
=
1
p o r 1
p
i=1
o
j=1
r
k=1
(y
ijk
y
...
)
2
= 0, 0005855
S
2
p
=
1
p 1
p
i=1
( y
i..
y
...
)
2
= 0, 0000778
S
2
o
=
1
o 1
o
j=1
( y
.j.
y
...
)
2
= 0, 0000069
onde,
p = 1, 2 Pessoa
o = 1, 2 Tempo
r = 6 Replica
SQ
Total
= (p o r 1) S
2
...
= (23) S
2
...
= 0, 0134657
SQ
Pessoa
= o r (p 1) S
2
p
= (12) S
2
p
= 0, 000933255
SQ
Tempo
= p r (o 1) S
2
o
= (12) S
2
o
= 0, 000083
SQ
Erro
= SQ
Total
SQ
Pessoa
SQ
Tempo
= 0, 012449957
Os graus de liberdade sao:
Pessoa p 1 = 1
Tempo o 1 = 1
Erro por p o + 1 = 21
Total por 1=23
Com isso, o quadrado medio e:
QM
Pessoa
=
SQ
Pessoa
p 1
=
0, 000933
1
= 0, 000933
QM
Tempo
=
SQ
Tempo
o 1
=
0, 000083
1
= 0, 000083
QM
Erro
=
SQ
Erro
p o r p o + 1
=
0, 012449957
21
= 0, 000592855
A tabela abaixo apresenta o resumo da analise de variancia.
Fonte G.L. Soma Quad Media Quad Estat. F P-valor
Tempo 1 0,000083 0,000083 0,139300 0,712719
Pessoa 1 0,000933255 0,000933 1,57417 0,223387
Residuals 21 0,012449957 0,000593
Total 23 0,01347
Tabela 4.6: Tabela de Analise de Vari ancia
Aqui, temos que P-Valor e dado por:
Tempo P(F
1; 21
> 0, 139) = 0, 712719
Pessoa P(F
1; 21
> 1, 574) = 0, 223387
Portanto, temos que a estimativa da variabilidade com dois fatores e:

2
= QM
E
= 0, 000593
Considerando que os fatores nao sao signicativo, temos que os componentes de variancia
sao desprezveis.
Exemplo 4.2. Para avaliar a exatidao das medicoes de dureza na escala HRB (ponto 52,39),
tomamos 2 tipos de penetradores e 2 operadores. Cada operador realizou 6 medicoes com cada
penetrador aleatoriamente. Os dados estao apresentados na tabela 4.7.
Op. A Op. B
Medicoes Medicoes
Penetrador 1 2 3 4 5 6 1 2 3 4 5 6
Bom 52 52 52,4 52 52,4 53 53 53 53,2 53,4 52,8 53
Ruim 72,2 71,2 71 70,2 72 72 42 72,4 72 73 73,2 72,3
Tabela 4.7: Medic ao de Dureza Escala HRB
Solucao
2
o
Passo: Soma de Quadrados:
Calculo do S
2
...
. Seja y
...
= 61, 07 a media dos dados, com p = 2, o = 2 e r = 6. Entao:
S
2
...
=
(52 61, 07)
2
+ (72, 2 61, 07)
2
+ + (72, 00 61, 07)
2
+ (53, 00 61, 07)
2
24 1
= 109, 6195
Calculo do S
2
i..
. Veja a tabela 4.8.
Penetrador Media ( y
i..
) Media das Medias ( y
...
) ( y
i..
y
...
)
2
Bom 52,6833 61,0708 70,35
Ruim 69,4583 61,0708 70,35
Total 140,7
Tabela 4.8: C alculo do S
2
i..
Portanto,
S
2
i..
=
140, 7
1
= 140, 7
Calculo do S
2
.j.
. Veja a tabela 4.9.
Operador Media ( y
.j.
) Media das Medias ( y
...
) ( y
.j.
y
...
)
2
A 61,87 61,0708 0,6334
B 60,28 61,0708 0,6334
Total 1,2667
Tabela 4.9: C alculo do S
2
.j.
Portanto,
S
2
.j.
=
1, 2667
1
= 1, 2667
Utilizando as expressoes (4.2), (4.3), (4.4), (4.5) e (4.6) e os resultados das variancias
amotrais, temos que:
SQ
T
= (p o r 1) S
2
...
= 2521, 2496
SQ
O
= p r (o 1) S
2
.j.
= 15, 2004
SQ
P
= o r (p 1) S
2
i..
= 1688, 4038
SQ
E
= SQ
T
SQ
P
SQ
O
= 817, 6454
3
o
Passo: Calculo dos graus de liberdade:
Penetrador p - 1 = 1
Operador o - 1 = 1
Erro por-p-o+1 = 21
Total p o r - 1 = 23
4
o
Passo: Calculo do erro quadratico medio:
Utilizando as expressoes (4.7), (4.8), (4.9) e (4.10) temos que:
QM
P
=
SQ
P
p 1
= (Penetrador)
QM
O
=
SQ
O
o 1
= (Operador)
QM
E
=
SQ
E
por p o + 1
= (Erro)
6
o
Passo: Tabela de ANOVA:
Siga os procedimentos de montagem da tabela anova, com base na tabela 4.3, apresentada
no sexto passo da teoria.
7
o
Passo: Componentes de variancia:
Fonte GL SQ QM F
Penetrador
Operador
Erro
Total
Tabela 4.10: Tabela de An alise de Vari ancia (ANOVA) - Sem interac ao
V E =
QM
E
=
V P =
QM
P
QM
E
o r
=
V
O
=
QM
O
QM
E
p r
=
R&R =
(V E)
2
+ (V
O
)
2
=
V T =
(R&R)
2
+ (V P)
2
=
92
Captulo 5
Calculo de Incerteza de um Relogio
Comparador
Considere o processo de calibrac ao de um rel ogio de resoluc ao de 0,01mm. Esta calibra cao
e realizada por comparacao utilizando-se um calibrador de relogio. O calibrador apresenta
uma resoluc ao 0,001 mm com incerteza expandida de 0,001 mm com k=2. Os resultados s ao
apresentados na tabela 9.2.
Ref. Leituras (mm) Media Tend DP DPM
A R A R A R
0,1 0,101 0,098 0,102 0,101 0,102 0,102 0,101 0,001 0,0015492 0,000633
0,5 0,503 0,502 0,504 0,501 0,504 0,502 0,502667 0,0026667 0,0012111 0,000494
0,7 0,7 0,695 0,702 0,697 0,703 0,698 0,699167 -0,0008333 0,0030605 0,001249
1 1,002 1 1,001 1,001 0,996 0,998 0,999667 -0,0003333 0,0022509 0,000919
Tabela 5.1: Tabela de Dados
Na tabela 9.2, temos que
A: representa a leitura no avan co;
R: representa a leitura no retorno;
Tend: representa a tendencia;
Ref: representa o valor de referencia;
DP: representa o Desvio Padr ao;
DPM: representa o Desvio padr ao da Media ou repetitividade.
5. Calculo de Incerteza de um Relogio Comparador 93
Metodo de Medicao
A calibrac ao corresponde a diferenca entre as medic oes do rel ogio e do calibrador
d = l l
S
onde
l: representa a leitura ajustada no rel ogio comparador;
l
S
: representa a leitura obtida pelo calibrador.
Modelo Matematico
Os desvios obtidos apresentam as seguintes fontes de incerteza
d =
l
+ Res(Rel) + Res(Cal) + Histerese
Ent ao,
l = d + l
s
=
l
+ Res(Rel) + Res(Cal) + Histerese + l
s
onde,

l
: representa a diferenca observada entre a medicao do rel ogio e a medi cao do calibrador
(repetitividade);
Res(Rel) : Resolucao do relogio;
Res(Cal) : Resolucao do calibrador;
l
s
: representa a contribuic ao do padr ao;
Histerese: Maxima diferen ca entre a medic ao no avanco e no retorno.
5.1 Incerteza Combinada
Atraves da equac ao de propagacao da incerteza, temos que a express ao da incerteza combinada
e dada por
u
c
(d) =

u
2
(
l
) + u
2
(Res(Rel)) + u
2
(Res(Cal)) + u
2
(l
s
) + u
2
(Histerese)
5.2 Calculo da Incerteza Padrao das grandezas de en-
trada
A seguir, vamos calcular a incerteza de cada fonte.
l
)
Incerteza do tipo A Agrupada:
u(
l
) =
n
i=1
u
2
A
(i)
n
=
0, 0000030
4
=
Onde
u(
l
): representa a incerteza combinada (agrupada) do tipo A;
u
A
(i): representa a incerteza do tipo A no ponto de calibrac ao i;
n: representa o n umero de pontos de calibrac ao.
5.2.2 Incerteza Herdada do Padrao U(l
s
)
Distribuic ao: Normal
u(l
s
) =
5.2.3 Resolucao do Calibrador (Res(Cal))
Distribuic ao: Retangular
u(Res(Cal)) =
5.2.4 Resolucao do Relogio (Res(Rel))
u(Res(Rel)) =
5.2.5 Calculo da Histerese
Referencia Media do Avanco Media do Retorno [Histerese[
0,1 0,101667 0,100333 0,0013333
0,5 0,503667 0,501667 0,002
0,7 0,701667 0,696667 0,005
1 0,999667 0,999667 0
Histerese Maxima:
5.3 Calculo de Incerteza do Relogio
5.3.1 Calculo da Incerteza Combinada
Fonte Estimativa Tipo Distribuicao Divisor Incerteza
Repetitividade 0,000866 A Normal 1 0,000866
Res(Rel) 0,01 B Retangular 3,464 0,002887
Res(Cal) 0,001 B Retangular 3,464 0,0002887
Incert. Herdada do l
s
0,001 B Normal 2 0,0005
Histerese 0,005 B Retangular 3,464 0,00144342
Incerteza Combinada:
u
c
(d) =
(0, 000866)
2
+ (0, 002887)
2
+ (0, 0002887)
2
+ (0, 0005)
2
+ (0, 00144342)
2
=
5.3.2 Graus de liberdade Efetivo
eff
=
u
c
(d)
u(
l
)
A
=
Atraves da tabela t-Student encontramos k =
5.4 Incerteza Expandida
U = k u
c
(d) =
O rel ogio de medic ao e utilizado para medir uma tolerancia de 0,2mm. Fa ca um estudo da
comprovac ao metrol ogica.
97
Captulo 6
Calculo de Incerteza de um
Man ometro
Objeto a ser calibrado: Man ometro
Resoluc ao: 1kgf/cm2.
Faixa de Indicac ao (faixa nominal): 0 160kgf/cm2.
Padrao de referencia: Man ometro padrao.
Resoluc ao: 0, 1kgf/cm2
Incerteza expandida - U = 0, 1% (k = 2) (Fundo de escala).
Temperatura durante a calibrac ao: 22 1

C.
Faixa de Indicac ao (faixa nominal): 0 200kgf/cm2.
Resultados: A bancada foi ajustada com o man ometro (a ser calibrado) e as leituras foram
realizadas com o padr ao. A tabela 6.1 apresenta os dados.
6. Calculo de Incerteza de um Manometro 98
Ajustado Leituras (Kgf/cm
2
) Media Tendencia DP DPM
A R A R A R
15 14,9 14,9 14,8 14,9 14,9 14,9 14,883 -0,11667 0,040825 0,016667
30 29,8 29,6 29,7 29,7 29,8 29,7 29,717 -0,28333 0,075277 0,030732
45 45 44,6 45,1 44,7 45,1 44,7 44,867 -0,13333 0,225093 0,091894
60 60,1 59,7 60 59,8 60,1 59,8 59,917 -0,08333 0,17224 0,070317
75 75 74,6 75 74,6 75 74,6 74,8 -0,2 0,219089 0,089443
90 89,9 89,5 89,9 89,6 89,8 89,6 89,717 -0,28333 0,17224 0,070317
105 104,9 104,5 105 104,6 105 104,6 104,767 -0,23333 0,225093 0,091894
120 119,9 119,7 119,8 119,8 119,9 119,7 119,8 -0,2 0,089443 0,036515
140 140,2 140 140,1 140,2 140,2 140 140,117 0,116667 0,098319 0,040139
160 160,3 160,1 160,2 160,2 160,2 160,2 160,2 0,2 0,063246 0,02582
Tabela 6.1: Tabela de Dados para o Manometro
Na tabela 6.1, temos que
A: representa a leitura no avan co;
R: representa a leitura no retorno;
D: representa o Desvio;
DP: representa o Desvio Padr ao;
DPM: representa o Desvio padr ao da Media ou repetitividade.
Equacao Matematica
Desvio = Medida do Man ometro Man ometro padrao
Fontes de Incerteza
Repetitividade - tipo A;
Resoluc ao do man ometro;
Resoluc ao do man ometro padrao;
Incerteza herdada do padr ao, U = 0, 1% (k = 2):
Porcentagem tomada em relac ao ao fundo de escala.
U =
U(unidade)
200
100% ,
Ent ao
U(unidade) =
U(%)
100
200
u
c
=
U(unidade)
k
Histerese.
6.1 Incerteza Combinada
Atraves da equac ao de propagacao da incerteza, temos que a express ao da incerteza combinada
para o man ometro e dada por
u
c
(M) =
u
2
(
l
) + u
2
(Res(man)) + u
2
(Res(padra)) + u
2
(h
Pad
) + u
2
(Hist)
Onde
u(
l
): representa a incerteza devido a repetitividade;
u(Res(man)): representa a incerteza devido a resoluc ao do man ometro;
u(Res(padra)): representa a incerteza devido a resoluc ao do man ometro padr ao;
u(h
Pad
): representa a incerteza herdada do manometro padr ao;
u(Hist): representa a incerteza devido a histerese;
6.2 Calculo da Incerteza Padrao das grandezas de en-
trada
A seguir, vamos calcular a incerteza de cada fonte.
l
)
Incerteza do tipo A Agrupada:
u(
l
) =
n
i=1
u
2
A
i
n
=
0, 0396111
10
=
Onde
u(
l
): representa a incerteza do tipo A;
u
A
i
: representa a incerteza do tipo A para o i-esimo ponto de calibrac ao;
n: representa o n umero de pontos de calibrac ao.
6.2.2 Incerteza Herdada do Man ometro Padrao - U(Upadrao)
Distribuic ao: Normal
u(h
Pad
) =
6.2.3 Resolucao do Manometro Padrao - U(Res(padra))
u(Res(padra)) =
6.2.4 Resolucao do Manometro - U(Res(man))
u(Res(man)) =
6.2.5 Calculo da Histerese
Media do Avanco Media do Retorno [Histerese[
14,867 14,9 0,033333
29,767 29,667 0,1
45,0667 44,667 0,4
60,067 59,767 0,3
75 74,667 0,333333
89,867 89,567 0,3
104,9 104,567 0,333333
119,867 119,733 0,133333
140,1 140,067 0,033333
160,233 160,233 0
Histerese Maxima:
6.3 Calculo da Incerteza do Manometro
6.3.1 Calculo da Incerteza Combinada
FV Estimativa Tipo Distribuicao Divisor Incerteza
Repetitividade 0,062937 A Normal 1 0,062937
Inc. Herdada 0,2 B Normal 2 0,1
Res-Padr ao 0,1 B Retangular 3,464 0,02887
Res-man om. 1 B Retangular 3,464 0,2887
Histerese 0,4 B Retangular 3,464 0,11547
Incerteza combinada:
u
c
(M) =
(0, 062937)
2
+ (0, 1)
2
+ (0, 02887)
2
+ (0, 2887)
2
+ (0, 11547)
2
=
6.3.2 Graus de liberdade efetivo
eff
=
u
c
(M)
u(
l
)
A
=
Atraves da tabela t-Student encontramos k =
6.3.3 Incerteza Expandida
U = k u
c
(M) =
6.3.4 Expressao da Incerteza em Porcentagem
U =
U(unidade)
160
100%
103
Captulo 7
Calculo de Incerteza de um Voltmetro
Digital
Exemplo 7.1. Considere a calibracao de um voltmetro digital por comparacao.
Codigo: VO341 Serie: 006-C Descricao: Voltmetro digital
Menor Div. 0,1 mV Unidade: mV Faixa de leitura: 0 a 200 mV
Temperatura ambiente: 20 3
o
C;
Padrao de referencia: Multmetro digital HP - 3458
A
Resolucao: 0,01 mV U = 0,001% (k=2) (em relacao ao fundo de escala)
Drift (estabilidade) = 0,002 mV
Faixa de leitura: 0 a 200 mV
Modelo Matematico
Desvio = (Voltagem indicada no equipamento em calibrac ao) - (voltagem do padr ao de
referencia)
Valores Encontrados:
Leitura
Padr ao 1 2 3 4 Media Tend. DPM
40 40,11 40,15 40,16 40,12 40,135 0,135 0,0119024
80 80,12 80,16 80,14 80,13 80,138 0,1375 0,0085391
120 120,15 120,17 120,19 120,19 120,175 0,175 0,0095743
160 160,23 160,18 160,17 160,18 160,19 0,19 0,0135401
200 200,21 200,23 200,26 200,27 200,243 0,2425 0,0137689
7. Calculo de Incerteza de um Voltmetro Digital 104
Planilha de Incerteza
Fonte de Incerteza Valor Tipo Dist Divisor Incerteza gl
Repetitividade
Incerteza do Padrao
Resoluc ao Padrao
Drift do Padrao
Resoluc ao Voltmetro
Incerteza Combinada:
Graus de Liberdade efetivo
eff
=
u
c
(y)
u
A
(y)
A
=
Onde
A
= j (n 1) corresponde ao grau de liberdade tipo A, tal que j e o n umero de
pontos de calibracao e n o n umero de leituras por ponto.
Incerteza Expandida:
Avalia cao da incerteza: Suponha que este equipamento seja utilizado para medir uma
toler ancia de 3 mV. Faca uma an alise crtica da capacidade deste equipamento para medir
tal tolerancia.
105
Captulo 8
Calculo de Incerteza no Ensaio de
Tensao
8.1 Calibracao
Equacao de Medicao
A expressao 8.1 representa a equa cao de medicao utilizada para a obtencao da Tens ao:
T = M + Res + Inst + (8.1)
T: Representa a Tens ao
M: Representa a tensao no multmetro padrao do laborat orio. Podemos supor que M tem
distribuic ao Normal com incerteza u(herd
M
) e fator de abrangencia obtidos via certicado
de calibrac ao.
Res: Resoluc ao do multmetro. Podemos supor que a resoluc ao tem distribuic ao retangular
(ou uniforme) no intervalo
Res
2
,
Res
2
, onde Res e a resolucao do artefato. Logo, a

incerteza devida a resoluc ao sera dada por:
u(Res) =
Res
2
3
Inst: Instabilidade do multmetro. Podemos supor que a Instabilidade tem distribuic ao retan-
gular (ou uniforme) no intervalo
Inst
2
,
Inst
2
, onde Inst e a Instabilidade do artefato.

8. Calculo de Incerteza no Ensaio de Tens ao 106
Logo, a incerteza devida a Instabilidade ser a dada por:
u(Inst) =
Inst
2
3
: Representa a leitura do equipamento. Podemos supor que a distribuic ao da media das
medic oes (repetitividade) tem distribui cao normal. Logo, podemos estimar sua incerteza
(desvio padrao) como
u() =
s
n
,
onde s
2
=
1
n1
n
i=1
(x
i
X)
2
e a variancia amostral e X =
1
n
n
i=1
x
i
e a media amostral;
Incerteza Combinada (u
c
(T))
A incerteza combinada para a Tens ao e dada por:
u
c
(T)
2
= u
2
(herd
M
) + u
2
(Res) + u
2
(Inst) + u
2
()
Logo,
u
c
(T) =
u
2
(herd
M
) + u
2
(Res) + u
2
(Inst) + u
2
().
Incerteza Expandida (U(T))
Aqui, a express ao 8.2 representa a incerteza expandida para a Tensao.
U(T) = k u
c
(T) (8.2)
onde, k (fator de abrangencia) e o quantil da distribuic ao t-Student com
eff
(T) graus
de liberdade e conanca de 95%. Aqui, os graus de liberdade sao dados por:
eff
(T) =
(u
c
(T))
4
u
4
()
n1
+
u
4
(herd
M
)
+
u
4
(Res)
+
u
4
(Inst)
A tabela 9.3 apresenta o resumo para o calculo da incerteza da Tens ao.

Calculo de Incerteza - Canal de Tensao
Smbolo Fontes de Incerteza Unidade Est. Tipo Distr. Div. Incerteza C.S. Contr. G.L.
Repetitividade A Normal 1 1 n 1
M Equip. Medicao B Normal k 1
Res Resolucao B Retangular 2
3 1
Inst Instabilidade B Retangular 2
3 1
Incerteza Combinada u
c
(T)
Grau de Liberdade Efetivo (G.L.)
eff
(T)
Fator de Abrangencia k
Incerteza Expandida U(T)
Est. = Estimativa Distr. = Distribuic ao Div. = Divisor
C.S. = Coeciente de Sensibilidade Contr. = Contribuicao G.L. = Graus de Liberdade
Tabela 8.1: Resumo do C alculo de Incerteza para a Tens ao
8.2 Aplicacao
Considere um Ensaio de Tensao, utilizando um Multmetro, s ao realizadas 5 leituras, na
unidade de milivolts (mV). Os resultados s ao apresentados na Tabela 8.2.
Leituras (mV)
97,761
102,488
100,870
98,941
100,510
Media 100,1139
Repetitividade 0,8148
Os dados necess arios para esta aplicac ao sao:
A incerteza do multmetro U(herd
M
) = 1% da leitura com k = 2;
A resoluc ao do multmetro Res(M) = 0, 1% da leitura;
A instabilidade do multmetro Inst(M) = 0, 04% da leitura;
A repetitividade (%) e dada por: u() = 100
s/
n
T
= 100
0,8148
100,1139
= 0, 81383%
A seguir, todos os c alculos serao feitos em porcentagem (%)!!!!
u
c
(T) =
eff
(T) =
((u
c
(T))
4
u
4
()
n1
+
u
4
(herd
M
)
+
u
4
(Res)
+
u
4
(Inst)
=
Considerando os graus de liberdade efetivo e uma conan ca de aproximadamente 95%,
temos pela tabela da distribuicao t-student, que o fator de abrangencia e k = . Com isso,
a incerteza expandida para a vari avel tensao:
U(T) = k u
c
(T)
=
Calculo de Incerteza - Canal de Tensao
Repetitividade % 0,81383 A Normal 1 0,81383 1 0,81383 4
M Equip. Medicao % 1 B Normal 2 0,5 1 0,5
Res Resolucao % 0,1 B Retangular 2
3 0,0289 1 0,0289
Inst Instabilidade % 0,04 B Retangular 2
3 0,01155 1 0,01155
Incerteza Combinada 0, 9557
Grau de Liberdade Efetivo (G.L.) 7, 61
Fator de Abrangencia 2, 33
Incerteza Expandida 2, 22 %
Tabela 8.3: Resumo do C alculo de Incerteza para a Tens ao
109
Captulo 9
Corrente
9.1 Calibracao
Equacao de Medicao
A expressao 9.1 representa a equa cao de medicao utilizada para a obtencao da Corrente:
I = M + Res + Inst + (9.1)
I: Representa a Corrente
M: Representa a tensao no multmetro padr ao do laborat orio. Podemos supor que M tem
distribuic ao Normal com incerteza u(herd
M
) e fator de abrangencia obtidos via certicado
de calibrac ao.
Res: Resoluc ao do multmetro. Podemos supor que a resoluc ao tem distribuic ao retangular
(ou uniforme) no intervalo
Res
2
,
Res
2
, onde Res e a resolucao do artefato. Logo, a

incerteza devida a resoluc ao sera dada por:
u(Res) =
Res
2
3
Inst: Instabilidade do multmetro. Podemos supor que a Instabilidade tem distribuic ao retan-
gular (ou uniforme) no intervalo
Inst
2
,
Inst
2
, onde Inst e a Instabilidade do artefato.

9. Calculo de Incerteza no Ensaio de Corrente 110
Logo, a incerteza devida a Instabilidade ser a dada por:
u(Inst) =
Inst
2
3
u() =
s
n
,
onde s
2
=
1
n1
n
i=1
(x
i
X)
2
1
n
n
i=1
x
i
e a media amostral;
c
(I))
u
c
(I)
2
= u
2
(herd
M
) + u
2
(Res) + u
2
(Inst) + u
2
()
Logo,
u
c
(I) =
u
2
(herd
M
) + u
2
(Res) + u
2
(Inst) + u
2
().
Incerteza Expandida (U(I))
Aqui, a express ao 9.2 representa a incerteza expandida para a Corrente.
U(I) = k u
c
(I) (9.2)
onde, k (fator de abrangencia) e o quantil da distribuic ao t-Student com
eff
(I) graus de
liberdade e conan ca de 95%. Aqui, os graus de liberdade s ao dados por:
eff
(I) =
(u
c
(I))
4
u
4
()
n1
+
u
4
(herd
M
)
+
u
4
(Res)
+
u
4
(Inst)
A tabela 9.1 apresenta o resumo para o calculo da incerteza da Corrente.

Calculo de Incerteza - Canal de Corrente
Repetitividade A Normal 1 1 n 1
M Equip. Medicao B Normal k 1
Res Resolucao B Retangular 2
3 1
Inst Instabilidade B Retangular 2
3 1
c
(T)
eff
(T)
Incerteza Expandida U(T)
Tabela 9.1: Resumo do C alculo de Incerteza para a Corrente
9.2 Aplicacao
Considere um Ensaio de Corrente, utilizando um Multmetro, s ao realizadas 5 leituras, na
unidade de miliamper (mA). Os resultados s ao apresentados na Tabela 9.2. Temos que, a
Instabilidade do Multmetro e 0, 2%.
Leituras (mA)
500,41
500,32
501,75
498,06
496,71
Media 499,45
Repetitividade 0,9058
A incerteza do multmetro u(herd
M
) = 1% da leitura com k = 2;
A resoluc ao do multmetro res(M) = 0, 1% da leitura ;
A instabilidade do multmetro inst(M) = 0, 4% da leitura;
s/
n
I
= 100
0,9058
499,45
= 0, 18%
u
c
(I) =
eff
(I) =
(u
c
(I))
4
u
4
()
n1
+
u
4
(herd
M
)
+
u
4
(Res)
+
u
4
(Inst)
=
temos pela tabela da distribui cao t-student, que o fator de abrangencia e k = . Com isso,
a incerteza expandida para a vari avel corrente:
U(I) = k u
c
(I)
=
Calculo de Incerteza - Canal de Corrente
M Equip. Medicao % 1 B Normal 2 0,5 1 0,5
Res Resolucao % 0,1 B Retangular 2
3 0,0289 1 0,0289
Inst Instabilidade % 0,4 B Retangular 2
3 0,0115 1 0,0115
Incerteza Combinada 0, 5328
Grau de Liberdade Efetivo (G.L.) 297, 96
Fator de Abrangencia 1, 96
Incerteza Expandida 1, 04 %
Tabela 9.3: Resumo do C alculo de Incerteza para a Corrente
113
Captulo 10
Impedancia
10.1 Calibracao
Equacao de Medicao
A expressao 10.1 representa a equa cao de medicao utilizada para a obten cao da Impedancia:
R =
V
I
+
R: Representa a Impedancia;
V : Representa a tens ao no multmetro padr ao do laborat orio. Podemos supor que V tem
distribuic ao Normal com incerteza U(V ) e fator de abrangencia obtidos na captulo 8.
I: Representa a corrente no multmetro padr ao do laborat orio. Podemos supor que I tem
distribuic ao Normal com incerteza U(I) e fator de abrangencia obtidos na captulo 9.
u() =
s
n
,
onde s
2
=
1
n1
n
i=1
(x
i
X)
2
1
n
n
i=1
x
i
e a media amostral.
c
(R))
10. Calculo de Incerteza no Ensaio de Imped ancia 114
u
2
c
(R) =
R
V
2
u
2
(V ) +
R
I
2
u
2
(I) + u
2
()
=
1
I
2
u
2
(V ) +
V
I
2
2
u
2
(I) + u
2
()
A Incerteza combinada relativa e dada por
u
2
r
(R) =
u
2
c
(R)
R
2
=
1
I
2
u
2
(V )
R
2
+
V
I
2
2
u
2
(I)
R
2
+
u
2
()
R
2
Logo,
u
r
(R) =
u(V )
V
2
+
u(I)
I
2
+
u()
R
2
=
u
2
r
(V ) + u
2
r
(I) + u
2
r
()
Incerteza Expandida (U(R))
Aqui, a express ao 10.1 representa a incerteza expandida para a Impedancia.
U(R) = k u
r
(R) (10.1)
onde, k (fator de abrangencia) e o quantil da distribui cao t-Student com
eff
(R) graus
de liberdade e conanca de 95%. Aqui, os graus de liberdade sao dados por:
eff
(R) =
(u
r
(R))
4
u
4
r
(V )
+
u
4
r
(I)
+
u
2
r
()
n1
=
A tabela 10.3 apresenta o resumo para o calculo da incerteza da Imped ancia.
Calculo de Incerteza - Canal de Impedancia
Repetitividade % A Normal 1 1 n 1
V Herdada da Tens ao % B Normal k 1
I Herdada da Corrente % B Normal k 1
c
(R)
eff
(R)
Incerteza Expandida U(R)
Tabela 10.1: Resumo do C alculo de Incerteza para a Imped ancia
10.2 Aplicacao
Considere um Ensaio de Imped ancia, utilizando os dados dos Captulos 9 e 8, temos os
valores da Impedancia na Tabela 10.2
Tensao (mV) Corrente (mA) Impedancia
97,761 500,41 0,195
102,488 500,32 0,205
100,870 501,75 0,201
98,941 498,06 0,199
100,510 496,71 0,202
Media 100,113856 Media 499,45 Media 0,2004
Repetitividade 0,8148 Repetitividade 0,9058 Repetitividade 0,0017
A incerteza herdada da Tens ao U(V ) = 2, 22 % com k = 2, 33;
A incerteza herdada da Corrente U(I) = 1, 04 % com k = 1, 96;
s/
n
R
= 100
0,0017
0,2004
= 0, 829%.
A incerteza combinada para a Impedancia e dada por:
u
r
(R) =
eff
(R) =
(u
r
(R))
4
u
4
r
(V )
+
u
4
r
(I)
+
u
2
r
()
n1
=
temos pela tabela da distribuicao t-student, que o fator de abrangencia e k = . Com isso, a
incerteza expandida para a vari avel impedancia:
U(R) = k u
r
(R)
=
Calculo de Incerteza - Canal de Impedancia
I Herdada da Corrente % 1,0442 B Normal 1, 96 0,5328 1 0,5328
V Herdada da Tens ao % 2,2238 B Normal 2, 33 0,9557 1 0,9557
Incerteza Combinada 1,3727
Grau de Liberdade Efetivo (G.L.) 30,07
Fator de Abrangencia 2,04
Incerteza Expandida 2,8%
Tabela 10.3: Resumo do C alculo de Incerteza para a Imped ancia
117
Apendice A
Parametros Caractersticos de um
Sistema de Medicao
Para caracterizar o comportamento metrol ogico de um sistema de medic ao, sao empregados
alguns parametros metrol ogicos. Estes parametros podem ser expressos na forma de um simples
n umero, uma faixa de valores ou na forma de um gr aco. Aqui, s ao descritos os principais
par ametros.
Faixa Nominal
A faixa nominal e a faixa de indicacao que se pode obter em uma posicao especca dos
controles de um instrumento de medic ao. A faixa nominal normalmente e denida em termos
de seus limites inferiores e superiores. Exemplos:
Termometro: 100
o
C a 200
o
C
Man ometro: 0 bar a 20 bar
Contador: 5 dgitos ( isto e 99999 pulsos )
Quando o limite inferior e zero, a faixa nominal pode ser denida unicamente em termos do
limite superior, por exemplo: a faixa nominal de 0V a 100V e expressa como 100 V.
Amplitude da Faixa Nominal
A amplitude da faixa nominal e a diferenca, em modulo, entre os dois limites de uma faixa
nominal de -10 V a + 10 V a amplitude da faixa nominal e 20 V. Em algumas areas, a diferenca
entre o maior e o menor valor e denominado faixa.
A. Par ametros Caractersticos de um Sistema de Medic ao 118
Faixa de Medicao
A faixa de medic ao, tambem denominada faixa de trabalho, e o conjunto de valores de um
mesurando para o qual admite-se que o erro de um instrumento de medi cao mantem-se dentro
dos limites especicados. Exemplo: Num relogio Apalpador a faixa de medic ao e de 50 m
a + 50 m ).
A faixa de medicao e menor ou, no m aximo, igual a faixa nominal. O valor da faixa de
medic ao pode ser obtidas atraves:
do manual de operac ao do SM;
de sinais gravados sobre a escala;
das especicacoes de normas tecnicas;
dos relatorios de calibrac ao.
Divisao de Escala
E a parte de uma escala compreendida entre duas marcas sucessivas quaisquer.

Comprimento de uma Divisao
E a dist ancia entre duas marcas sucessivas quaisquer, medidas ao longo da linha do com-
primento de escala. O comprimento de uma divisao e expresso em unidades de comprimento.
Qualquer que seja a unidade mensurado ou a unidade marcada sobre a escala.
Valor de uma Divisao
O valor de uma divis ao e a diferen ca entre os valores de escala correspondente a duas marcas
sucessivas.
Condic oes de Utilizacao
S ao as condic oes de uso para as quais as caractersticas metrologicas especicadas de um
instrumento de medic ao mantem-se dentro de limites especicados.
Condic oes de Referencia
As condicoes de referencia sao as condic oes usuais prescritas para ensaio de desempenho
de um instrumento de medi cao ou para intercomparac ao de resultados de medic oes. Es-
tas condi coes geralmente incluem os valores de referencia ou as faixas de referencia para as
grandezas de inuencia que afetam o instrumento de medic ao.
Caracterstico de Resposta
E a relac ao entre um estmulo e a resposta correspondente, sob condic oes denidas. Exem-
plo: a forca elemotriz ( fem) de um termopar como func ao da temperatura. A relac ao podera
ser expressa na forma de uma equac ao matematica, uma tabela numerica ou um gr aco.
Sensibilidade
A sensibilidade e caracterizada pela varia cao da resposta de um instrumento de medic ao
dividida pela variac ao de estimulo. Nos instrumentos com indicador de ponteiro comumente
se estabelece a sensibilidade como sendo a relac ao entre o deslocamento da extremidade do
ponteiro em (mm) e o valor unitario da grandeza a medir.
Limiar de Mobilidade
E a maior variac ao no estimulo que nao produz variac ao detect avel na resposta de um
instrumento de medic ao, sendo a variac ao no sinal de entrada lenta e uniforme. O limiar de
mobilidade ( tambem chamado threshold ) pode depender, por exemplo de rudo ( interno e
externo ) ou atrito. Pode depender tambem, do valor do estmulo.
Resolucao
A resoluc ao e a menor diferen ca entre as indicacoes de um dispositivo mostrador que pode
ser signicativamente percebida. A avaliac ao da resoluc ao e executada em funcao do tipo de
instrumento:
a) Para dispositivo mostrador digital, a resoluc ao e a varia cao na indicac ao quando o dgito
menos signicativo varia de uma unidade.
b) Nos sistemas de medicao com dispositivo mostrador anal ogico, a resolu cao e funcao das
limitac oes do executor da leitura, da qualidade do indicador e da propia necessidade de
leituras mais ou menos criteriosas.
Estabilidade
A estabilidade e a aptid ao de um instrumento de medic ao em conservar constantes suas
caractersticas metrol ogicas ao longo do tempo. A estabilidade pode ser quanticada de varias
maneiras, por exemplo: pelo tempo no qual a caracterstica metrologica varia de um valor
determinado, ou, em termos de variac ao de uma caracterstica em um determinado perodo de
tempo.
Discricao
Caracteriza a aptidao de um instrumento de medic ao em n ao alterar o valor do mensurado.
Por exemplo: Uma balanca e um instrumento discreto para medi cao de massas, pois o sistema
de medic ao nao altera o valor da massa. Um termometro de resistencia que aquece o meio
ambiente no qual a temperatura esta sob medic ao, n ao e discreto.
Deriva
A deriva e a variac ao lenta de uma caracterstica metrol ogica de um instrumento de medic ao.
Tempo de Resposta
E o intervalo entre o instante em que o estmulo e submetido a uma variac ao brusca e o

instante em que a resposta atinge e permanece dentro de limites especicados em torno do seu
valor nal estavel.
Exatidao de Um Instrumento de Medicao
A exatidao e a aptid ao de um instrumento de medi cao par dar respostas pr oximas a um
valor verdadeiro ( tambem denominada de acur acia ). A exatid ao e um conceito qualitativo,
n ao devendo ser confundido com precisao.
Classe de Exatidao
Classe de instrumentos de medic ao ou medidas materializadas, que satisfazem a certas
exigencias metrologicas para conservar os erros dentro de certos limites especicados. Uma
classe de exatidao e usualmente indicada por um n umero ou smbolo adotado por convenc ao e
denominado de ndice de classe, por exemplo: jogo de blocos padrao classe 0.
Erro de Indicacao em um Instrumento de Medicao
Este erro e determinado pela diferenca da indica cao de um instrumento de medi cao e um
valor verdadeiro da grandeza de entrada correspondente. Uma vez que um valor verdadeiro
n ao pode ser determinado, entao na pr atica e utilizado um valor verdadeiro convencional. Este
conceito de erro aplica-se principalmente quando o instrumento e comparado a um padr ao de
referencia. Para uma medida materializada, o erro e caracterizado entre a indicac ao e o valor
atribudo a ela.
Erros Maximos Admissveis
S ao os valores extremos de um erro admissvel por especicacoes, regulamentos, etc, para
um dado instrumento de medic ao. Tambem denominado de Limites de Erros Admissveis.
Tendencia
A tendencia e o erro sistematico da indicacao de um instrumento de medic ao ( tambem
denominado: bias of a measuring instrument, erreur de justesse ). A tendencia de um instru-
mento de medicao e normalmente estimada pela media dos erros de indica cao de um n umero
apropriado de medicoes repetidas.
Isencao de Tendencia
Aptid ao de um instrumento de medi cao em dar indica coes isentas de erros sistem aticos.
Repetitividade
A repetitividade e a aptidao de um instrumento de medic ao em fornecer indicac oes muito
pr oximas, em repetidas aplicac oes do mesmo mensurando, sob as mesmas condic oes de medi cao.
Estas condic oes incluem:
Reduc ao ao mnimo das variaveis devido ao observador;
Mesmo procedimento de medi cao;
Mesmo avaliador;
Mesmo equipamento de medi cao, sendo utilizado nas mesmas condic oes;
Mesmo local;
Repetic oes em um curto perodo de tempo.
A repetitividade pode ser expressa quantitativamente em termos das caractersticas de dis-
persao das indicac oes.
Histerese
A histerese de um instrumento de medic ao e um erro de medic ao, que ocorre quando h a
diferenca entre a medida para um dado valor do mensurado quando esta foi atingida por
valores crescentes e a medida quando atingida por valores decrescentes do mensurado. Este
valor poder a ser diferente se o ciclo de carregamento e descarregamento for completo ou parcial.
A histerese e um fen omeno bastante tpico nos instrumentos mec anicos, tendo como fonte de
erro, principalmente, folgas e deforma coes associadas ao atrito.
123
Apendice B
Tabelas Estatsticas
B. Tabelas Estatsticas 124
Distribuic ao Normal - Tabela 6 Sigma
Z

Area Z

Area Z

Area Z

Area
0,00 0,500000000 0,50 0,308537539 1,00 0,158655254 1,50 0,066807201
0,01 0,496010644 0,51 0,305025731 1,01 0,156247645 1,51 0,065521712
0,02 0,492021686 0,52 0,301531788 1,02 0,153864230 1,52 0,064255488
0,03 0,488033527 0,53 0,298055965 1,03 0,151505003 1,53 0,063008364
0,04 0,484046563 0,54 0,294598516 1,04 0,149169950 1,54 0,061780177
0,05 0,480061194 0,55 0,291159687 1,05 0,146859056 1,55 0,060570758
0,06 0,476077817 0,56 0,287739719 1,06 0,144572300 1,56 0,059379941
0,07 0,472096830 0,57 0,284338849 1,07 0,142309654 1,57 0,058207556
0,08 0,468118628 0,58 0,280957309 1,08 0,140071090 1,58 0,057053433
0,09 0,464143607 0,59 0,277595325 1,09 0,137856572 1,59 0,055917403
0,10 0,460172163 0,60 0,274253118 1,10 0,135666061 1,60 0,054799292
0,11 0,456204687 0,61 0,270930904 1,11 0,133499513 1,61 0,053698928
0,12 0,452241574 0,62 0,267628893 1,12 0,131356881 1,62 0,052616138
0,13 0,448283213 0,63 0,264347292 1,13 0,129238112 1,63 0,051550748
0,14 0,444329995 0,64 0,261086300 1,14 0,127143151 1,64 0,050502583
0,15 0,440382308 0,65 0,257846111 1,15 0,125071936 1,65 0,049471468
0,16 0,436440537 0,66 0,254626915 1,16 0,123024403 1,66 0,048457226
0,17 0,432505068 0,67 0,251428895 1,17 0,121000484 1,67 0,047459682
0,18 0,428576284 0,68 0,248252230 1,18 0,119000107 1,68 0,046478658
0,19 0,424654565 0,69 0,245097094 1,19 0,117023196 1,69 0,045513977
0,20 0,420740291 0,70 0,241963652 1,20 0,115069670 1,70 0,044565463
0,21 0,416833837 0,71 0,238852068 1,21 0,113139446 1,71 0,043632937
0,22 0,412935577 0,72 0,235762498 1,22 0,111232437 1,72 0,042716221
0,23 0,409045885 0,73 0,232695092 1,23 0,109348552 1,73 0,041815138
0,24 0,405165128 0,74 0,229649997 1,24 0,107487697 1,74 0,040929509
0,25 0,401293674 0,75 0,226627352 1,25 0,105649774 1,75 0,040059157
0,26 0,397431887 0,76 0,223627292 1,26 0,103834681 1,76 0,039203903
0,27 0,393580127 0,77 0,220649946 1,27 0,102042315 1,77 0,038363570
0,28 0,389738752 0,78 0,217695438 1,28 0,100272568 1,78 0,037537980
0,29 0,385908119 0,79 0,214763884 1,29 0,098525329 1,79 0,036726956
0,30 0,382088578 0,80 0,211855399 1,30 0,096800485 1,80 0,035930319
0,31 0,378280478 0,81 0,208970088 1,31 0,095097918 1,81 0,035147894
0,32 0,374484165 0,82 0,206108054 1,32 0,093417509 1,82 0,034379502
0,33 0,370699981 0,83 0,203269392 1,33 0,091759136 1,83 0,033624969
0,34 0,366928264 0,84 0,200454193 1,34 0,090122672 1,84 0,032884119
0,35 0,363169349 0,85 0,197662543 1,35 0,088507991 1,85 0,032156775
0,36 0,359423567 0,86 0,194894521 1,36 0,086914962 1,86 0,031442763
0,37 0,355691245 0,87 0,192150202 1,37 0,085343451 1,87 0,030741909
0,38 0,351972708 0,88 0,189429655 1,38 0,083793322 1,88 0,030054039
0,39 0,348268273 0,89 0,186732943 1,39 0,082264439 1,89 0,029378980
0,40 0,344578258 0,90 0,184060125 1,40 0,080756659 1,90 0,028716560
0,41 0,340902974 0,91 0,181411255 1,41 0,079269841 1,91 0,028066607
0,42 0,337242727 0,92 0,178786380 1,42 0,077803841 1,92 0,027428950
0,43 0,333597821 0,93 0,176185542 1,43 0,076358510 1,93 0,026803419
0,44 0,329968554 0,94 0,173608780 1,44 0,074933700 1,94 0,026189845
0,45 0,326355220 0,95 0,171056126 1,45 0,073529260 1,95 0,025588060
0,46 0,322758110 0,96 0,168527607 1,46 0,072145037 1,96 0,024997895
0,47 0,319177509 0,97 0,166023246 1,47 0,070780877 1,97 0,024419185
0,48 0,315613697 0,98 0,163543059 1,48 0,069436623 1,98 0,023851764
0,49 0,312066949 0,99 0,161087060 1,49 0,068112118 1,99 0,023295468
Z

Area Z

Area Z

Area Z

Area
2,00 0,022750132 2,50 0,006209665 3,00 0,001349898 3,50 0,000232629
2,01 0,022215594 2,51 0,006036558 3,01 0,001306238 3,51 0,000224053
2,02 0,021691694 2,52 0,005867742 3,02 0,001263873 3,52 0,000215773
2,03 0,021178270 2,53 0,005703126 3,03 0,001222769 3,53 0,000207780
2,04 0,020675163 2,54 0,005542623 3,04 0,001182891 3,54 0,000200064
2,05 0,020182215 2,55 0,005386146 3,05 0,001144207 3,55 0,000192616
2,06 0,019699270 2,56 0,005233608 3,06 0,001106685 3,56 0,000185427
2,07 0,019226172 2,57 0,005084926 3,07 0,001070294 3,57 0,000178491
2,08 0,018762766 2,58 0,004940016 3,08 0,001035003 3,58 0,000171797
2,09 0,018308900 2,59 0,004798797 3,09 0,001000782 3,59 0,000165339
2,10 0,017864421 2,60 0,004661188 3,10 0,000967603 3,60 0,000159109
2,11 0,017429178 2,61 0,004527111 3,11 0,000935437 3,61 0,000153099
2,12 0,017003023 2,62 0,004396488 3,12 0,000904255 3,62 0,000147302
2,13 0,016585807 2,63 0,004269243 3,13 0,000874032 3,63 0,000141711
2,14 0,016177383 2,64 0,004145301 3,14 0,000844739 3,64 0,000136319
2,15 0,015777607 2,65 0,004024589 3,15 0,000816352 3,65 0,000131120
2,16 0,015386335 2,66 0,003907033 3,16 0,000788846 3,66 0,000126108
2,17 0,015003423 2,67 0,003792562 3,17 0,000762195 3,67 0,000121275
2,18 0,014628731 2,68 0,003681108 3,18 0,000736375 3,68 0,000116617
2,19 0,014262118 2,69 0,003572601 3,19 0,000711364 3,69 0,000112127
2,20 0,013903448 2,70 0,003466974 3,20 0,000687138 3,70 0,000107800
2,21 0,013552581 2,71 0,003364160 3,21 0,000663675 3,71 0,000103630
2,22 0,013209384 2,72 0,003264096 3,22 0,000640953 3,72 0,000099611
2,23 0,012873721 2,73 0,003166716 3,23 0,000618951 3,73 0,000095740
2,24 0,012545461 2,74 0,003071959 3,24 0,000597648 3,74 0,000092010
2,25 0,012224473 2,75 0,002979763 3,25 0,000577025 3,75 0,000088417
2,26 0,011910625 2,76 0,002890068 3,26 0,000557061 3,76 0,000084957
2,27 0,011603792 2,77 0,002802815 3,27 0,000537737 3,77 0,000081624
2,28 0,011303844 2,78 0,002717945 3,28 0,000519035 3,78 0,000078414
2,29 0,011010658 2,79 0,002635402 3,29 0,000500937 3,79 0,000075324
2,30 0,010724110 2,80 0,002555130 3,30 0,000483424 3,80 0,000072348
2,31 0,010444077 2,81 0,002477075 3,31 0,000466480 3,81 0,000069483
2,32 0,010170439 2,82 0,002401182 3,32 0,000450087 3,82 0,000066726
2,33 0,009903076 2,83 0,002327400 3,33 0,000434230 3,83 0,000064072
2,34 0,009641870 2,84 0,002255677 3,34 0,000418892 3,84 0,000061517
2,35 0,009386706 2,85 0,002185961 3,35 0,000404058 3,85 0,000059059
2,36 0,009137468 2,86 0,002118205 3,36 0,000389712 3,86 0,000056694
2,37 0,008894043 2,87 0,002052359 3,37 0,000375841 3,87 0,000054418
2,38 0,008656319 2,88 0,001988376 3,38 0,000362429 3,88 0,000052228
2,39 0,008424186 2,89 0,001926209 3,39 0,000349463 3,89 0,000050122
2,40 0,008197536 2,90 0,001865813 3,40 0,000336929 3,90 0,000048096
2,41 0,007976260 2,91 0,001807144 3,41 0,000324814 3,91 0,000046148
2,42 0,007760254 2,92 0,001750157 3,42 0,000313106 3,92 0,000044274
2,43 0,007549411 2,93 0,001694810 3,43 0,000301791 3,93 0,000042473
2,44 0,007343631 2,94 0,001641061 3,44 0,000290857 3,94 0,000040741
2,45 0,007142811 2,95 0,001588870 3,45 0,000280293 3,95 0,000039076
2,46 0,006946851 2,96 0,001538195 3,46 0,000270088 3,96 0,000037475
2,47 0,006755653 2,97 0,001488999 3,47 0,000260229 3,97 0,000035936
2,48 0,006569119 2,98 0,001441242 3,48 0,000250707 3,98 0,000034458
2,49 0,006387155 2,99 0,001394887 3,49 0,000241510 3,99 0,000033037
Z

Area Z

Area Z

Area Z

Area
4,00 0,000031671 4,50 0,000003398 5,00 0,000000287 5,50 0,000000019
4,01 0,000030359 4,51 0,000003241 5,01 0,000000272 5,51 0,000000018
4,02 0,000029099 4,52 0,000003092 5,02 0,000000258 5,52 0,000000017
4,03 0,000027888 4,53 0,000002949 5,03 0,000000245 5,53 0,000000016
4,04 0,000026726 4,54 0,000002813 5,04 0,000000233 5,54 0,000000015
4,05 0,000025609 4,55 0,000002682 5,05 0,000000221 5,55 0,000000014
4,06 0,000024536 4,56 0,000002558 5,06 0,000000210 5,56 0,000000013
4,07 0,000023507 4,57 0,000002439 5,07 0,000000199 5,57 0,000000013
4,08 0,000022518 4,58 0,000002325 5,08 0,000000189 5,58 0,000000012
4,09 0,000021569 4,59 0,000002216 5,09 0,000000179 5,59 0,000000011
4,10 0,000020658 4,60 0,000002112 5,10 0,000000170 5,60 0,000000011
4,11 0,000019783 4,61 0,000002013 5,11 0,000000161 5,61 0,000000010
4,12 0,000018944 4,62 0,000001919 5,12 0,000000153 5,62 0,000000010
4,13 0,000018138 4,63 0,000001828 5,13 0,000000145 5,63 0,000000009
4,14 0,000017365 4,64 0,000001742 5,14 0,000000137 5,64 0,0000000085
4,15 0,000016624 4,65 0,000001660 5,15 0,000000130 5,65 0,0000000080
4,16 0,000015912 4,66 0,000001581 5,16 0,000000123 5,66 0,0000000076
4,17 0,000015230 4,67 0,000001506 5,17 0,000000117 5,67 0,0000000071
4,18 0,000014575 4,68 0,000001434 5,18 0,000000111 5,68 0,0000000067
4,19 0,000013948 4,69 0,000001366 5,19 0,000000105 5,69 0,0000000064
4,20 0,000013346 4,70 0,000001301 5,20 0,000000100 5,70 0,0000000060
4,21 0,000012769 4,71 0,000001239 5,21 0,000000094 5,71 0,0000000056
4,22 0,000012215 4,72 0,000001179 5,22 0,000000089 5,72 0,0000000053
4,23 0,000011685 4,73 0,000001123 5,23 0,000000085 5,73 0,0000000050
4,24 0,000011176 4,74 0,000001069 5,24 0,000000080 5,74 0,0000000047
4,25 0,000010689 4,75 0,000001017 5,25 0,000000076 5,75 0,0000000045
4,26 0,000010221 4,76 0,000000968 5,26 0,000000072 5,76 0,0000000042
4,27 0,000009774 4,77 0,000000921 5,27 0,000000068 5,77 0,0000000040
4,28 0,000009345 4,78 0,000000876 5,28 0,000000065 5,78 0,0000000037
4,29 0,000008934 4,79 0,000000834 5,29 0,000000061 5,79 0,0000000035
4,30 0,000008540 4,80 0,000000793 5,30 0,000000058 5,80 0,0000000033
4,31 0,000008163 4,81 0,000000755 5,31 0,000000055 5,81 0,0000000031
4,32 0,000007801 4,82 0,000000718 5,32 0,000000052 5,82 0,0000000029
4,33 0,000007455 4,83 0,000000683 5,33 0,000000049 5,83 0,0000000028
4,34 0,000007124 4,84 0,000000649 5,34 0,000000046 5,84 0,0000000026
4,35 0,000006807 4,85 0,000000617 5,35 0,000000044 5,85 0,0000000025
4,36 0,000006503 4,86 0,000000587 5,36 0,000000042 5,86 0,0000000023
4,37 0,000006212 4,87 0,000000558 5,37 0,000000039 5,87 0,0000000022
4,38 0,000005934 4,88 0,000000530 5,38 0,000000037 5,88 0,0000000021
4,39 0,000005668 4,89 0,000000504 5,39 0,000000035 5,89 0,0000000019
4,40 0,000005413 4,90 0,000000479 5,40 0,000000033 5,90 0,0000000018
4,41 0,000005169 4,91 0,000000455 5,41 0,000000032 5,91 0,0000000017
4,42 0,000004935 4,92 0,000000433 5,42 0,000000030 5,92 0,0000000016
4,43 0,000004712 4,93 0,000000411 5,43 0,000000028 5,93 0,0000000015
4,44 0,000004498 4,94 0,000000391 5,44 0,000000027 5,94 0,0000000014
4,45 0,000004294 4,95 0,000000371 5,45 0,000000025 5,95 0,0000000013
4,46 0,000004098 4,96 0,000000352 5,46 0,000000024 5,96 0,0000000013
4,47 0,000003911 4,97 0,000000335 5,47 0,000000023 5,97 0,0000000012
4,48 0,000003732 4,98 0,000000318 5,48 0,000000021 5,98 0,0000000011
4,49 0,000003561 4,99 0,000000302 5,49 0,000000020 5,99 0,0000000010
6,00 0,0000000010
Tabela B.1: Tabela Normal 6
Distribuic ao T-Student
GL/2 0,10 0,05 0,025 0,01
1 3,078 6,314 12,706 31,821
2 1,886 2,920 4,303 6,965
3 1,638 2,353 3,182 4,541
4 1,533 2,132 2,776 3,747
5 1,576 2,015 2,571 3,365
6 1,440 1,943 2,447 3,143
7 1,415 1,895 2,365 2,998
8 1,397 1,860 2,306 2,896
9 1,383 1,833 2,262 2,821
10 1,372 1,812 2,228 2,764
11 1,363 1,796 2,201 2,718
12 1,356 1,782 2,179 2,681
13 1,350 1,771 2,160 2,650
14 1,345 1,761 2,145 2,624
15 1,341 1,753 2,131 2,602
16 1,337 1,745 2,120 2,583
17 1,333 1,740 2,110 2,567
18 1,330 1,734 2,101 2,552
19 1,328 1,729 2,093 2,539
20 1,325 1,725 2,086 2,528
21 1,323 1,721 2,080 2,518
22 1,321 1,717 2,074 2,508
23 1,319 1,714 2,069 2,500
24 1,318 1,711 2,064 2,492
25 1,316 1,708 2,060 2,485
26 1,315 1,706 2,056 2,479
27 1,314 1,703 2,052 2,473
28 1,313 1,701 2,048 2,467
29 1,311 1,699 2,045 2,462
30 1,310 1,697 2,042 2,457
40 1,303 1,684 2,021 2,423
60 1,296 1,671 2,000 2,390
120 1,289 1,658 1,980 2,358
maior 1,282 1,645 1,960 2,326
Tabela B.2: Distribuic ao T-Student
Tabela do Teste de Grubbs
N umero de 5% de
Laboratorios Signicancia
3 1,15
4 1,48
5 1,71
6 1,89
7 2,02
8 2,13
9 2,21
10 2,29
11 2,36
12 2,41
13 2,46
14 2,51
15 2,55
16 2,59
17 2,62
18 2,65
19 2,68
20 2,71
Tabela B.3: Tabela de Grubbs
Distribuic ao de Fisher-Snedecor
G
.
L
.
G
r
a
u
s
d
e
l
i
b
e
r
d
a
d
e
d
o
n
u
m
e
r
a
d
o
r
D
e
n
o
m
.
1
2
3
4
5
6
7
8
9
1
0
1
5
2
0
2
5
3
0
6
0
1
2
0
1
6
4
7
,
8
7
9
9
,
5
8
6
4
,
2
8
9
9
,
5
8
9
2
1
,
8
4
9
3
7
,
1
1
9
4
8
,
2
1
9
5
6
,
6
5
9
6
3
,
2
9
9
6
8
,
6
3
9
8
4
,
8
7
9
9
3
,
1
0
3
9
9
8
,
0
8
1
0
0
1
,
4
1
1
0
0
9
,
8
1
0
1
4
,
0
2
1
0
1
8
,
2
6
2
3
8
,
5
0
3
9
3
9
,
1
7
3
9
,
2
4
8
3
9
,
2
9
8
3
9
,
3
3
1
3
9
,
3
5
5
3
9
,
3
7
3
3
9
,
3
8
7
3
9
,
3
9
8
3
9
,
4
3
1
3
9
,
4
4
8
3
9
,
4
5
8
3
9
,
4
6
3
9
,
4
8
3
9
,
4
9
3
9
,
5
3
1
7
,
4
4
1
6
,
0
4
1
5
,
4
4
1
5
,
1
0
1
1
4
,
8
8
5
1
4
,
7
3
5
1
4
,
6
2
4
1
4
,
5
4
1
4
,
4
7
3
1
4
,
4
1
9
1
4
,
2
5
3
1
4
,
1
6
7
1
4
,
1
1
5
1
4
,
0
8
1
3
,
9
9
1
3
,
9
5
1
3
,
9
4
1
2
,
2
1
1
0
,
6
4
9
,
9
8
9
,
6
0
5
9
,
3
6
4
9
,
1
9
7
9
,
0
7
4
8
,
9
8
8
,
9
0
5
8
,
8
4
4
8
,
6
5
7
8
,
5
6
8
,
5
0
1
8
,
4
6
8
,
3
6
8
,
3
1
8
,
2
6
5
1
0
,
0
0
8
,
4
3
4
7
,
7
5
7
,
3
8
8
7
,
1
4
6
6
,
9
7
8
6
,
8
5
3
6
,
7
5
7
6
,
6
8
1
6
,
6
1
9
6
,
4
2
8
6
,
3
2
9
6
,
2
6
8
6
,
2
3
6
,
1
2
6
,
0
7
6
,
0
2
6
8
,
8
1
3
7
,
2
6
6
,
5
9
9
6
,
2
2
7
5
,
9
8
8
5
,
8
2
5
,
6
9
5
5
,
6
5
,
5
2
3
5
,
4
6
1
5
,
2
6
9
5
,
1
6
8
5
,
1
0
7
5
,
0
7
4
,
9
6
4
,
9
4
,
8
5
7
8
,
0
7
3
6
,
5
4
2
5
,
8
9
5
,
5
2
3
5
,
2
8
5
5
,
1
1
9
4
,
9
9
5
4
,
8
9
9
4
,
8
2
3
4
,
7
6
1
4
,
5
6
8
4
,
4
6
7
4
,
4
0
5
4
,
3
6
4
,
2
5
4
,
2
4
,
1
4
8
7
,
5
7
1
6
,
0
5
9
5
,
4
1
6
5
,
0
5
3
4
,
8
1
7
4
,
6
5
2
4
,
5
2
9
4
,
4
3
3
4
,
3
5
7
4
,
2
9
5
4
,
1
0
1
3
,
9
9
9
3
,
9
3
7
3
,
8
9
3
,
7
8
3
,
7
3
3
,
6
7
9
7
,
2
0
9
5
,
7
1
5
5
,
0
7
8
4
,
7
1
8
4
,
4
8
4
4
,
3
2
4
,
1
9
7
4
,
1
0
2
4
,
0
2
6
3
,
9
6
4
3
,
7
6
9
3
,
6
6
7
3
,
6
0
4
3
,
5
6
3
,
4
5
3
,
3
9
3
,
3
3
1
0
6
,
9
3
7
5
,
4
5
6
4
,
8
2
6
4
,
4
6
8
4
,
2
3
6
4
,
0
7
2
3
,
9
5
3
,
8
5
5
3
,
7
7
9
3
,
7
1
7
3
,
5
2
2
3
,
4
1
9
3
,
3
5
5
3
,
3
1
3
,
2
3
,
1
4
3
,
0
8
1
1
6
,
7
2
4
5
,
2
5
6
4
,
6
3
4
,
2
7
5
4
,
0
4
4
3
,
8
8
1
3
,
7
5
9
3
,
6
6
4
3
,
5
8
8
3
,
5
2
6
3
,
3
3
3
,
2
2
6
3
,
1
6
2
3
,
1
2
3
2
,
9
4
2
,
8
8
1
2
6
,
5
5
4
5
,
0
9
6
4
,
4
7
4
4
,
1
2
1
3
,
8
9
1
3
,
7
2
8
3
,
6
0
7
3
,
5
1
2
3
,
4
3
6
3
,
3
7
4
3
,
1
7
7
3
,
0
7
3
3
,
0
0
8
2
,
9
6
2
,
8
5
2
,
7
9
2
,
7
2
1
3
6
,
4
1
4
4
,
9
6
5
4
,
3
4
7
3
,
9
9
6
3
,
7
6
7
3
,
6
0
4
3
,
4
8
3
3
,
3
8
8
3
,
3
1
2
3
,
2
5
3
,
0
5
3
2
,
9
4
8
2
,
8
8
2
2
,
8
4
2
,
7
2
2
,
6
6
2
,
6
1
4
6
,
2
9
8
4
,
8
5
7
4
,
2
4
2
3
,
8
9
2
3
,
6
6
3
3
,
5
0
1
3
,
3
8
3
,
2
8
5
3
,
2
0
9
3
,
1
4
7
2
,
9
4
9
2
,
8
4
4
2
,
7
7
8
2
,
7
3
2
,
6
1
2
,
5
5
2
,
4
9
1
5
6
,
2
4
,
7
6
5
4
,
1
5
3
3
,
8
0
4
3
,
5
7
6
3
,
4
1
5
3
,
2
9
3
3
,
1
9
9
3
,
1
2
3
3
,
0
6
2
,
8
6
2
2
,
7
5
6
2
,
6
8
9
2
,
6
4
2
,
5
2
2
,
4
6
2
,
4
1
6
6
,
1
1
5
4
,
6
8
7
4
,
0
7
7
3
,
7
2
9
3
,
5
0
2
3
,
3
4
1
3
,
2
1
9
3
,
1
2
5
3
,
0
4
9
2
,
9
8
6
2
,
7
8
8
2
,
6
8
1
2
,
6
1
4
2
,
5
7
2
,
4
5
2
,
3
8
2
,
3
2
1
7
6
,
0
4
2
4
,
6
1
9
4
,
0
1
1
3
,
6
6
5
3
,
4
3
8
3
,
2
7
7
3
,
1
5
6
3
,
0
6
1
2
,
9
8
5
2
,
9
2
2
2
,
7
2
3
2
,
6
1
6
2
,
5
4
8
2
,
5
2
,
3
8
2
,
3
2
2
,
2
5
1
8
5
,
9
7
8
4
,
5
6
3
,
9
5
4
3
,
6
0
8
3
,
3
8
2
3
,
2
2
1
3
,
1
3
,
0
0
5
2
,
9
2
9
2
,
8
6
6
2
,
6
6
7
2
,
5
5
9
2
,
4
9
1
2
,
4
4
2
,
3
2
2
,
2
6
2
,
1
9
1
9
5
,
9
2
2
4
,
5
0
8
3
,
9
0
3
3
,
5
5
9
3
,
3
3
3
3
,
1
7
2
3
,
0
5
1
2
,
9
5
6
2
,
8
8
2
,
8
1
7
2
,
6
1
7
2
,
5
0
9
2
,
4
4
1
2
,
3
9
2
,
2
7
2
,
2
2
,
1
3
2
0
5
,
8
7
1
4
,
4
6
1
3
,
8
5
9
3
,
5
1
5
3
,
2
8
9
3
,
1
2
8
3
,
0
0
7
2
,
9
1
3
2
,
8
3
7
2
,
7
7
4
2
,
5
7
3
2
,
4
6
4
2
,
3
9
6
2
,
3
5
2
,
2
2
2
,
1
6
2
,
0
9
2
1
5
,
8
2
7
4
,
4
2
3
,
8
1
9
3
,
4
7
5
3
,
2
5
3
,
0
9
2
,
9
6
9
2
,
8
7
4
2
,
7
9
8
2
,
7
3
5
2
,
5
3
4
2
,
4
2
5
2
,
3
5
6
2
,
3
1
2
,
1
8
2
,
1
1
2
,
0
4
2
2
5
,
7
8
6
4
,
3
8
3
3
,
7
8
3
3
,
4
4
3
,
2
1
5
3
,
0
5
5
2
,
9
3
4
2
,
8
3
9
2
,
7
6
3
2
,
7
2
,
4
9
8
2
,
3
8
9
2
,
3
2
2
,
2
7
2
,
1
4
2
,
0
8
2
2
3
5
,
7
5
4
,
3
4
9
3
,
7
5
3
,
4
0
8
3
,
1
8
3
3
,
0
2
3
2
,
9
0
2
2
,
8
0
8
2
,
7
3
1
2
,
6
6
8
2
,
4
6
6
2
,
3
5
7
2
,
2
8
7
2
,
2
4
2
,
1
1
2
,
0
4
1
,
9
7
2
4
5
,
7
1
7
4
,
3
1
9
3
,
7
2
1
3
,
3
7
9
3
,
1
5
5
2
,
9
9
5
2
,
8
7
4
2
,
7
7
9
2
,
7
0
3
2
,
6
4
2
,
4
3
7
2
,
3
2
7
2
,
2
5
7
2
,
2
1
2
,
0
8
2
,
0
1
1
,
9
4
2
5
5
,
6
8
6
4
,
2
9
1
3
,
6
9
4
3
,
3
5
3
3
,
1
2
9
2
,
9
6
9
2
,
8
4
8
2
,
7
5
3
2
,
6
7
7
2
,
6
1
3
2
,
4
1
1
2
,
3
2
,
2
3
2
,
1
8
2
,
0
5
1
,
9
8
1
,
9
1
2
6
5
,
6
5
9
4
,
2
6
5
3
,
6
7
3
,
3
2
9
3
,
1
0
5
2
,
9
4
5
2
,
8
2
4
2
,
7
2
9
2
,
6
5
3
2
,
5
9
2
,
3
8
7
2
,
2
7
6
2
,
2
0
5
2
,
1
6
2
,
0
3
1
,
9
5
1
,
8
8
2
7
5
,
6
3
3
4
,
2
4
2
3
,
6
4
7
3
,
3
0
7
3
,
0
8
3
2
,
9
2
3
2
,
8
0
2
2
,
7
0
7
2
,
6
3
1
2
,
5
6
8
2
,
3
6
4
2
,
2
5
3
2
,
1
8
3
2
,
1
3
2
1
,
9
3
1
,
8
5
2
8
5
,
6
1
4
,
2
2
1
3
,
6
2
6
3
,
2
8
6
3
,
0
6
3
2
,
9
0
3
2
,
7
8
2
2
,
6
8
7
2
,
6
1
1
2
,
5
4
7
2
,
3
4
4
2
,
2
3
2
2
,
1
6
1
2
,
1
1
1
,
9
8
1
,
9
1
1
,
8
3
2
9
5
,
5
8
8
4
,
2
0
1
3
,
6
0
7
3
,
2
6
7
3
,
0
4
4
2
,
8
8
4
2
,
7
6
3
2
,
6
6
9
2
,
5
9
2
2
,
5
2
9
2
,
3
2
5
2
,
2
1
3
2
,
1
4
2
2
,
0
9
1
,
9
6
1
,
8
9
1
,
8
1
3
0
5
,
5
6
8
4
,
1
8
2
3
,
5
8
9
3
,
2
5
3
,
0
2
6
2
,
8
6
7
2
,
7
4
6
2
,
6
5
1
2
,
5
7
5
2
,
5
1
1
2
,
3
0
7
2
,
1
9
5
2
,
1
2
4
2
,
0
7
1
,
9
4
1
,
8
7
1
,
7
9
6
0
5
,
2
8
6
3
,
9
2
5
3
,
3
4
3
3
,
0
0
8
2
,
7
8
6
2
,
6
2
7
2
,
5
0
7
2
,
4
1
2
2
,
3
3
4
2
,
2
7
2
,
0
6
1
1
,
9
4
4
1
,
8
6
9
1
,
8
2
1
,
6
6
7
1
,
5
8
1
1
,
4
8
2
1
2
0
5
,
1
5
2
3
,
8
0
5
3
,
2
2
7
2
,
8
9
4
2
,
6
7
4
2
,
5
1
5
2
,
3
9
5
2
,
2
9
9
2
,
2
2
2
2
,
1
5
7
1
,
9
4
5
1
,
8
2
5
1
,
7
4
6
1
,
6
9
1
,
5
2
9
1
,
4
3
3
1
,
3
1
5
,
0
2
4
3
,
6
8
9
3
,
1
1
6
2
,
7
8
6
2
,
5
6
7
2
,
4
0
8
2
,
2
8
8
2
,
1
9
2
2
,
1
1
4
2
,
0
4
8
1
,
8
3
3
1
,
7
0
8
1
,
6
2
6
1
,
5
7
1
,
3
8
8
1
,
2
6
8
1
,
0
0
4
T
a
b
e
l
a
B
.
4
:
D
i
s
t
r
i
b
u
i
c
a
o
d
e
F
i
s
h
e
r
-
S
n
e
d
e
c
o
r
-
V
a
l
o
r
e
s
f
C
t
a
i
s
q
u
e
P
(
F
f
C
)
=
0
,
0
2
5
G
.
L
.
G
r
a
u
s
d
e
l
i
b
e
r
d
a
d
e
d
o
N
u
m
e
r
a
d
o
r
D
e
n
o
m
.
1
2
3
4
5
6
7
8
9
1
0
1
5
2
0
2
5
3
0
6
0
1
2
0
1
0
,
0
0
1
5
0
,
0
2
6
0
0
,
0
5
7
3
0
,
0
8
1
8
0
,
0
9
9
9
0
,
1
1
3
5
0
,
1
2
3
9
0
,
1
3
2
1
0
,
1
3
8
7
0
,
1
4
4
2
0
,
1
6
1
3
0
,
1
7
0
3
0
,
1
7
5
9
0
,
1
7
9
6
0
,
1
8
9
2
0
,
1
9
4
1
0
,
1
9
9
0
2
0
,
0
0
1
3
0
,
0
2
5
6
0
,
0
6
2
3
0
,
0
9
3
9
0
,
1
1
8
6
0
,
1
3
7
7
0
,
1
5
2
9
0
,
1
6
5
0
0
,
1
7
5
0
0
,
1
8
3
3
0
,
2
0
9
9
0
,
2
2
4
2
0
,
2
3
3
1
0
,
2
3
9
1
0
,
2
5
4
8
0
,
2
6
2
8
0
,
2
7
1
1
3
0
,
0
0
1
2
0
,
0
2
5
5
0
,
0
6
4
8
0
,
1
0
0
2
0
,
1
2
8
8
0
,
1
5
1
5
0
,
1
6
9
8
0
,
1
8
4
6
0
,
1
9
6
9
0
,
2
0
7
2
0
,
2
4
0
8
0
,
2
5
9
2
0
,
2
7
0
7
0
,
2
7
8
6
0
,
2
9
9
2
0
,
3
0
9
9
0
,
3
2
0
9
4
0
,
0
0
1
1
0
,
0
2
5
5
0
,
0
6
6
2
0
,
1
0
4
1
0
,
1
3
5
4
0
,
1
6
0
6
0
,
1
8
1
1
0
,
1
9
7
9
0
,
2
1
2
0
0
,
2
2
3
8
0
,
2
6
2
9
0
,
2
8
4
5
0
,
2
9
8
2
0
,
3
0
7
7
0
,
3
3
2
5
0
,
3
4
5
5
0
,
3
5
9
0
5
0
,
0
0
1
1
0
,
0
2
5
4
0
,
0
6
7
2
0
,
1
0
6
8
0
,
1
3
9
9
0
,
1
6
7
0
0
,
1
8
9
2
0
,
2
0
7
6
0
,
2
2
3
0
0
,
2
3
6
1
0
,
2
7
9
6
0
,
3
0
4
0
0
,
3
1
9
6
0
,
3
3
0
4
0
,
3
5
8
9
0
,
3
7
4
0
0
,
3
8
9
6
6
0
,
0
0
1
1
0
,
0
2
5
4
0
,
0
6
7
9
0
,
1
0
8
7
0
,
1
4
3
3
0
,
1
7
1
8
0
,
1
9
5
4
0
,
2
1
5
0
0
,
2
3
1
5
0
,
2
4
5
6
0
,
2
9
2
9
0
,
3
1
9
7
0
,
3
3
6
9
0
,
3
4
8
8
0
,
3
8
0
6
0
,
3
9
7
6
0
,
4
1
5
2
7
0
,
0
0
1
1
0
,
0
2
5
4
0
,
0
6
8
4
0
,
1
1
0
2
0
,
1
4
5
9
0
,
1
7
5
6
0
,
2
0
0
2
0
,
2
2
0
8
0
,
2
3
8
3
0
,
2
5
3
2
0
,
3
0
3
6
0
,
3
3
2
5
0
,
3
5
1
1
0
,
3
6
4
2
0
,
3
9
8
9
0
,
4
1
7
6
0
,
4
3
7
1
8
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
8
8
0
,
1
1
1
4
0
,
1
4
8
0
0
,
1
7
8
6
0
,
2
0
4
1
0
,
2
2
5
6
0
,
2
4
3
8
0
,
2
5
9
4
0
,
3
1
2
6
0
,
3
4
3
3
0
,
3
6
3
2
0
,
3
7
7
2
0
,
4
1
4
7
0
,
4
3
4
9
0
,
4
5
6
2
9
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
9
1
0
,
1
1
2
3
0
,
1
4
9
7
0
,
1
8
1
0
0
,
2
0
7
3
0
,
2
2
9
5
0
,
2
4
8
4
0
,
2
6
4
6
0
,
3
2
0
2
0
,
3
5
2
5
0
,
3
7
3
6
0
,
3
8
8
4
0
,
4
2
8
4
0
,
4
5
0
1
0
,
4
7
3
1
1
0
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
9
4
0
,
1
1
3
1
0
,
1
5
1
1
0
,
1
8
3
1
0
,
2
1
0
0
0
,
2
3
2
8
0
,
2
5
2
3
0
,
2
6
9
0
0
,
3
2
6
8
0
,
3
6
0
5
0
,
3
8
2
6
0
,
3
9
8
2
0
,
4
4
0
5
0
,
4
6
3
6
0
,
4
8
8
2
1
1
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
9
6
0
,
1
1
3
7
0
,
1
5
2
3
0
,
1
8
4
9
0
,
2
1
2
3
0
,
2
3
5
7
0
,
2
5
5
6
0
,
2
7
2
9
0
,
3
3
2
5
0
,
3
6
7
5
0
,
3
9
0
6
0
,
4
0
6
9
0
,
4
5
1
3
0
,
4
7
5
7
0
,
5
0
1
8
1
2
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
9
8
0
,
1
1
4
3
0
,
1
5
3
3
0
,
1
8
6
4
0
,
2
1
4
3
0
,
2
3
8
1
0
,
2
5
8
5
0
,
2
7
6
2
0
,
3
3
7
5
0
,
3
7
3
7
0
,
3
9
7
6
0
,
4
1
4
6
0
,
4
6
1
0
0
,
4
8
6
7
0
,
5
1
4
2
1
3
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
6
9
9
0
,
1
1
4
7
0
,
1
5
4
1
0
,
1
8
7
7
0
,
2
1
6
1
0
,
2
4
0
3
0
,
2
6
1
1
0
,
2
7
9
1
0
,
3
4
1
9
0
,
3
7
9
2
0
,
4
0
3
9
0
,
4
2
1
5
0
,
4
6
9
8
0
,
4
9
6
6
0
,
5
2
5
6
1
4
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
0
0
,
1
1
5
2
0
,
1
5
4
9
0
,
1
8
8
8
0
,
2
1
7
6
0
,
2
4
2
2
0
,
2
6
3
3
0
,
2
8
1
7
0
,
3
4
5
8
0
,
3
8
4
2
0
,
4
0
9
6
0
,
4
2
7
8
0
,
4
7
7
8
0
,
5
0
5
7
0
,
5
3
6
0
1
5
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
2
0
,
1
1
5
5
0
,
1
5
5
6
0
,
1
8
9
8
0
,
2
1
8
9
0
,
2
4
3
8
0
,
2
6
5
3
0
,
2
8
4
0
0
,
3
4
9
4
0
,
3
8
8
6
0
,
4
1
4
8
0
,
4
3
3
4
0
,
4
8
5
1
0
,
5
1
4
1
0
,
5
4
5
7
1
6
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
3
0
,
1
1
5
8
0
,
1
5
6
2
0
,
1
9
0
7
0
,
2
2
0
1
0
,
2
4
5
3
0
,
2
6
7
1
0
,
2
8
6
0
0
,
3
5
2
6
0
,
3
9
2
7
0
,
4
1
9
5
0
,
4
3
8
6
0
,
4
9
1
9
0
,
5
2
1
9
0
,
5
5
4
7
1
7
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
4
0
,
1
1
6
1
0
,
1
5
6
7
0
,
1
9
1
5
0
,
2
2
1
2
0
,
2
4
6
7
0
,
2
6
8
7
0
,
2
8
7
9
0
,
3
5
5
5
0
,
3
9
6
4
0
,
4
2
3
8
0
,
4
4
3
4
0
,
4
9
8
1
0
,
5
2
9
1
0
,
5
6
3
1
1
8
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
4
0
,
1
1
6
4
0
,
1
5
7
2
0
,
1
9
2
2
0
,
2
2
2
2
0
,
2
4
7
9
0
,
2
7
0
2
0
,
2
8
9
6
0
,
3
5
8
2
0
,
3
9
9
8
0
,
4
2
7
7
0
,
4
4
7
7
0
,
5
0
3
9
0
,
5
3
5
8
0
,
5
7
0
9
1
9
0
,
0
0
1
0
0
,
0
2
5
4
0
,
0
7
0
5
0
,
1
1
6
6
0
,
1
5
7
6
0
,
1
9
2
9
0
,
2
2
3
1
0
,
2
4
9
0
0
,
2
7
1
5
0
,
2
9
1
1
0
,
3
6
0
6
0
,
4
0
2
9
0
,
4
3
1
3
0
,
4
5
1
8
0
,
5
0
9
3
0
,
5
4
2
1
0
,
5
7
8
3
2
0
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
6
0
,
1
1
6
8
0
,
1
5
8
0
0
,
1
9
3
5
0
,
2
2
3
9
0
,
2
5
0
0
0
,
2
7
2
7
0
,
2
9
2
5
0
,
3
6
2
9
0
,
4
0
5
8
0
,
4
3
4
7
0
,
4
5
5
5
0
,
5
1
4
3
0
,
5
4
8
0
0
,
5
8
5
3
2
1
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
6
0
,
1
1
7
0
0
,
1
5
8
4
0
,
1
9
4
0
0
,
2
2
4
6
0
,
2
5
1
0
0
,
2
7
3
8
0
,
2
9
3
8
0
,
3
6
4
9
0
,
4
0
8
4
0
,
4
3
7
8
0
,
4
5
9
0
0
,
5
1
9
0
0
,
5
5
3
5
0
,
5
9
1
9
2
2
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
7
0
,
1
1
7
2
0
,
1
5
8
7
0
,
1
9
4
5
0
,
2
2
5
3
0
,
2
5
1
8
0
,
2
7
4
9
0
,
2
9
5
0
0
,
3
6
6
8
0
,
4
1
0
9
0
,
4
4
0
7
0
,
4
6
2
3
0
,
5
2
3
4
0
,
5
5
8
7
0
,
5
9
8
1
2
3
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
8
0
,
1
1
7
3
0
,
1
5
9
0
0
,
1
9
5
0
0
,
2
2
5
9
0
,
2
5
2
6
0
,
2
7
5
8
0
,
2
9
6
1
0
,
3
6
8
6
0
,
4
1
3
2
0
,
4
4
3
4
0
,
4
6
5
3
0
,
5
2
7
5
0
,
5
6
3
6
0
,
6
0
4
1
2
4
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
8
0
,
1
1
7
5
0
,
1
5
9
3
0
,
1
9
5
4
0
,
2
2
6
5
0
,
2
5
3
3
0
,
2
7
6
7
0
,
2
9
7
1
0
,
3
7
0
3
0
,
4
1
5
4
0
,
4
4
6
0
0
,
4
6
8
2
0
,
5
3
1
4
0
,
5
6
8
3
0
,
6
0
9
7
2
5
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
8
0
,
1
1
7
6
0
,
1
5
9
5
0
,
1
9
5
8
0
,
2
2
7
0
0
,
2
5
4
0
0
,
2
7
7
5
0
,
2
9
8
1
0
,
3
7
1
8
0
,
4
1
7
4
0
,
4
4
8
4
0
,
4
7
0
9
0
,
5
3
5
1
0
,
5
7
2
7
0
,
6
1
5
1
2
6
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
9
0
,
1
1
7
8
0
,
1
5
9
8
0
,
1
9
6
2
0
,
2
2
7
5
0
,
2
5
4
7
0
,
2
7
8
3
0
,
2
9
9
0
0
,
3
7
3
3
0
,
4
1
9
3
0
,
4
5
0
6
0
,
4
7
3
4
0
,
5
3
8
6
0
,
5
7
6
9
0
,
6
2
0
2
2
7
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
0
9
0
,
1
1
7
9
0
,
1
6
0
0
0
,
1
9
6
5
0
,
2
2
8
0
0
,
2
5
5
2
0
,
2
7
9
0
0
,
2
9
9
8
0
,
3
7
4
6
0
,
4
2
1
0
0
,
4
5
2
7
0
,
4
7
5
8
0
,
5
4
1
9
0
,
5
8
0
9
0
,
6
2
5
1
2
8
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
0
0
,
1
1
8
0
0
,
1
6
0
2
0
,
1
9
6
8
0
,
2
2
8
4
0
,
2
5
5
8
0
,
2
7
9
7
0
,
3
0
0
6
0
,
3
7
5
9
0
,
4
2
2
7
0
,
4
5
4
7
0
,
4
7
8
0
0
,
5
4
5
1
0
,
5
8
4
7
0
,
6
2
9
8
2
9
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
0
0
,
1
1
8
1
0
,
1
6
0
4
0
,
1
9
7
1
0
,
2
2
8
8
0
,
2
5
6
3
0
,
2
8
0
3
0
,
3
0
1
3
0
,
3
7
7
1
0
,
4
2
4
3
0
,
4
5
6
6
0
,
4
8
0
2
0
,
5
4
8
1
0
,
5
8
8
3
0
,
6
3
4
3
3
0
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
0
0
,
1
1
8
2
0
,
1
6
0
6
0
,
1
9
7
4
0
,
2
2
9
2
0
,
2
5
6
8
0
,
2
8
0
9
0
,
3
0
2
0
0
,
3
7
8
3
0
,
4
2
5
8
0
,
4
5
8
4
0
,
4
8
2
2
0
,
5
5
0
9
0
,
5
9
1
7
0
,
6
3
8
6
6
0
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
5
0
,
1
1
9
6
0
,
1
6
3
3
0
,
2
0
1
7
0
,
2
3
5
1
0
,
2
6
4
2
0
,
2
8
9
9
0
,
3
1
2
7
0
,
3
9
6
2
0
,
4
4
9
8
0
,
4
8
7
4
0
,
5
1
5
5
0
,
6
0
0
0
0
,
6
5
4
0
,
7
2
1
2
0
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
7
0
,
1
2
0
3
0
,
1
6
4
8
0
,
2
0
3
9
0
,
2
3
8
2
0
,
2
6
8
2
0
,
2
9
4
8
0
,
3
1
8
5
0
,
4
0
6
3
0
,
4
6
3
8
0
,
5
0
4
8
0
,
5
3
5
8
0
,
6
3
2
0
0
,
6
9
8
0
,
7
8
8
0
,
0
0
1
0
0
,
0
2
5
3
0
,
0
7
1
9
0
,
1
2
1
1
0
,
1
6
6
2
0
,
2
0
6
2
0
,
2
4
1
4
0
,
2
7
2
5
0
,
3
0
0
0
0
,
3
2
4
7
0
,
4
1
7
5
0
,
4
7
9
5
0
,
5
2
4
8
0
,
5
5
9
7
0
,
6
7
5
0
0
,
7
6
3
0
,
9
9
6
T
a
b
e
l
a
B
.
5
:
D
i
s
t
r
i
b
u
i
c
a
o
d
e
F
i
s
h
e
r
-
S
n
e
d
e
c
o
r
.
V
a
l
o
r
e
s
f
C
t
a
i
s
q
u
e
P
(
F
f
C
)
=
0
,
9
7
5
Distribuic ao Qui-quadrado
Graus de liberdade 97, 50% 95% 5% 2, 50%
1 0,001 0,004 3,841 5,024
2 0,051 0,103 5,991 7,378
3 0,216 0,352 7,815 9,348
4 0,48 0,71 9,49 11,14
5 0,83 1,15 11,07 12,83
6 1,24 1,64 12,59 14,45
7 1,69 2,17 14,07 16,01
8 2,18 2,73 15,51 17,53
9 2,7 3,33 16,92 19,02
10 3,25 3,94 18,31 20,48
11 3,82 4,57 19,68 21,92
12 4,4 5,23 21,03 23,34
13 5,01 5,89 22,36 24,74
14 5,63 6,57 22,68 26,12
15 6,26 7,26 25 27,49
16 6,91 7,96 26,3 28,85
17 7,56 8,67 27,59 30,19
18 8,23 9,39 28,87 31,53
19 8,91 10,12 30,14 32,85
20 9,59 10,85 31,41 34,17
21 10,28 11,59 32,67 35,48
22 10,98 12,34 33,92 36,78
23 11,69 13,09 35,17 38,08
24 12,4 13,85 36,42 39,36
25 13,12 14,61 37,65 40,65
26 13,84 15,38 38,89 41,92
27 14,57 16,15 40,11 43,19
28 15,31 16,93 41,34 44,46
29 16,05 17,71 42,56 45,72
30 16,79 18,49 43,77 46,98
Tabela B.6: Distribuic ao Qui-quadrado. Valores v
C
tais que P(
2
v
C
) = p
133
Referencias Bibliogracas
[1] Bussab, W. O. e Morettin, P. A. (1987), Estatstica Basica, 4
a
Edic ao, Atual Editora.
[2] Magalhaes, M. N. e Lima, A. C. P. De (2001), Nocoes de Probabilidade e Estatstica, 3
a
edic ao, Editora USP.
[3] Meyer, P. L. (1983), Probabilidade: Aplicacoes à Estatstica, 2
a
edic ao, Livros tecnicos e
Cientcos Editora.
[4] CIPM (1981) INC, BIPM Proc. Verb. Com. Int. Poids et Mesures, vol. 18, Metrologia
(1992), 43-44 (English).
[5] BIPM, IEC, IFCC, ISO, IUPAC, OIML, Guide to the Expression of Uncertainty in Mea-
surement. International Organization for Standardization, Genebra, Switzerland, Second
Edition, 1995.
[6] NIS 3003, The Expression of Uncertainty and Condence in Measurement for Calibrations,
Edition 8, may 1995.
[7] Vers ao Brasileira do Documento de Referencia EA-4/02, Expressao da Incerteza em
Medicao, Volumes I e II.
[8] Montgomery, D. C. (1997), Design and Analysis of Experiments, Fourth Edition - Ed. John
Wiley & Sons.
[9] Ripley, B. D. (1987), Stochastic Simulation, Wiley: New York.
[10] Wichmann, B. A. e Hill, I. D. (1982), Algorithm AS 183: An Ecient and Portable
Pseudo-random Number Generator, Applied Statistics, vol 31, p 188-190.

Incerteza de Medição

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Incerteza de Medição

Transféré par

Droits d'auteur :

Formats disponibles

Estatstica para Metrologistas e

E um gr aco onde a freq uencia relativa do intervalo i (fr

Com os eventos A e B, podemos associar os eventos:

AO NOVATO MOACIR ROBERTO

EDIA 50,00716 50,0074 50,00726 50,00728

AO 0,000055 0,00034 0,000089 0,000084

ANCIA 0,000000003 0,000000115 0,000000008 0,000000007

AO NOVATO MOACIR ROBERTO

AO 0,0001 0,0000 0,0000 0,0001 0,0000

), e representado por 2a, ou seja, os limites sao

e o limite superior como

s s ao distribudos independentemente conforme uma distribuic ao normal

, onde Res e a resolucao do artefato. Logo, a

, onde Inst e a Instabilidade do artefato.

A tabela 9.3 apresenta o resumo para o calculo da incerteza da Tens ao.

, onde Res e a resolucao do artefato. Logo, a

, onde Inst e a Instabilidade do artefato.

A tabela 9.1 apresenta o resumo para o calculo da incerteza da Corrente.

E a parte de uma escala compreendida entre duas marcas sucessivas quaisquer.

E o intervalo entre o instante em que o estmulo e submetido a uma variac ao brusca e o

Vous aimerez peut-être aussi