FISICA GERAL

Estimativas e Erros em Experimentos de Fsica

W. Prado L. Mundim A. Santoro J. U. Cinelli V. Oguri J. R. Mahon

Departamento de Fsica Nuclear e Altas Energias Departamento de Fsica Terica

C V A P . 1 S T P

Apresentao
Este texto constitui uma introduo geral anlise de erros e incertezas, baseado em mtodos estatsticos, redigido como parte do material didtico para as atividades de laboratrio da disciplina de Fsica Geral, oferecida aos alunos que ingressam no curso de Fsica da UERJ. A par de tcnicas estatsticas, que proporcionaro aos alunos: organizar e descrever conjuntos genricos de dados, estimar erros em medidas diretas, propagar erros em medidas indiretas, efetuar a determinao de parmetros a partir de ajustes lineares. Ou seja, realizarem de modo elementar, snteses e anlises exploratrias de dados: pretendemos tambm que os alunos adquiram comportamento e procedimento adequados ao trabalho em laboratrio, tanto individual como coletivamente. Como temos observado que verses anteriores desse trabalho tm sido usadas por professores em perodos mais adiantados, quando o estudante j dispe de maiores conhecimentos de matemtica, resolvemos incluir algumas C V A P . 1 S T P

seces e apndices (marcados com asteriscos) mais avanados. Esperamos com isso que o estudante, que esteja usando este trabalho no primeiro perodo, possa moldar sua formao em bases mais substanciais no decorrer de sua graduao. Uma vez apresentados alguns mtodos estatsticos necessrios anlise das medidas resultantes de um experimento, como utiliz-los no estudo ou no trabalho de pesquisa em Fsica? De que maneira os experimentos e as teorias fsicas esto relacionados? O objetivo primrio de uma cincia bsica, como a Fsica, no o de proporcionar o descobrimento ou a inveno de novos aparatos tecnolgicos1 mas, sim, o de permitir ao homem ampliar a sua compreenso do mundo em que vive. Com esse objetivo os fsicos criam conceitos que so associados a grandezas e estabelecem relaes entre eles, denominadas leis fsicas. A partir, ento, de um conjunto de leis fsicas independentes, associadas a uma dada classe de fenmenos naturais, resultam as teorias fsicas, as quais permitem a interpretao de uma multiplicidade de fenmenos em termos de alguns poucos princpios ou leis fundamentais. Um experimento, etapa fundamental da investigao cientca, um processo que, a par da anlise de dados, necessita da habilidade do experimentador
Apesar de que, historicamente, a grande maioria das criaes da cincia sempre proporcionaram a concepo e a realizao de novos produtos e artefatos tecnolgicos.
1

C V A P . 2 S T P

em imaginar e criar condies nas quais apenas alguns atributos ou grandezas associadas a um sistema variem ao longo do processo. Nesse contexto, a objetividade de um experimento resulta do teste de uma ou mais hipteses que envolvam conexes ou relaes entre as grandezas ou atributos de um sistema. Assim, a partir de hipteses experimentalmente testveis, as leis da Fsica podem ser estabelecidas. Esse requerimento de condicionar a aceitao ou rejeio de uma hiptese sobre a natureza um procedimento experimental, que se iniciou com Galileu (sc. XVII), que permitiu aos fsicos a elaborao de teorias e leis com grandes poderes de previso e explicao, em relao ao comportamento e a evoluo de diversos fenmenos naturais, e a criao de uma imagem coerente e compreensvel do cosmos. Estaremos recompensados se o estudante ao trmino do perodo estiver em condies de utilizar com desenvoltura o que aqui se expe, quando, em outras disciplinas, iniciar o aprendizado de novas tcnicas experimentais para a obteno cuidadosa e sistemtica de dados.

C V A P . 3 S T P

C V A P . 4 S T P

ndice
Apresentao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 2 Introduo Experimentos em Fsica Apresentao e descrio de dados 2.1 Tabelas . . . . . . . . . . . . . . 2.2 Histogramas . . . . . . . . . . . 2.3 Parmetros de posio . . . . . Mdia aritmtica (x) . . . . . . . Mdia quadrtica ( x2 ) . . . . . Valor ecaz (xrms ) . . . . . . . . Moda (xmod ) . . . . . . . . . . . Mediana (xmed ) . . . . . . . . . 2.4 Parmetros de disperso . . . . Amplitude (A) . . . . . . . . . . Desvio Mdio Absoluto (|x| ) . Varincia (2 x) . . . . . . . . . . Desvio-padro (x ) . . . . . . . Largura a meia altura () . . . . 1 12 17 17 18 27 27 27 28 28 28 30 30 30 30 33 33

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

C V A P . 5 S T P

Exemplo de resumo de dados . . . . . . . . . . . . . . Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5 Parmetros de correlao . . . . . . . . . . . . . . 2.5.1 Covarincia . . . . . . . . . . . . . . . . . 2.5.1.1 Anlise do sinal da covarincia 2.5.2 Coeciente de correlao linear de Pearson . . . . . . . . . . . . . . . . . 2.6 Tpico avanado * . . . . . . . . . . . . . . . . . . Tpico avanado . . . . . . . . . . . . . . . . . . . . . 2.6.1 Matriz de covarincia . . . . . . . . . . . Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 3

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

35 37 40 41 42 43 47 47 47 51 52 52 54 55 56 57 57 65 67

Estimativas e erros em medidas diretas 3.1 Valor esperado . . . . . . . . . . . . . . . . . . . . . . . 3.2 Estimativas do valor esperado . . . . . . . . . . . . . . 3.3 Tipos de erros . . . . . . . . . . . . . . . . . . . . . . . Efeito aditivo . . . . . . . . . . . . . . . . . . . . . . . Efeito multiplicativo . . . . . . . . . . . . . . . Exatido e preciso . . . . . . . . . . . . . . . . 3.4 Avaliao de erros associados a incertezas do Tipo A . 3.4.1 Erro em medidas individuais . . . . . . . . . .

C V A P . 6 S T P

3.4.2 Erro da mdia . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.3 Pequenas amostras . . . . . . . . . . . . . . . . . . . . . . 3.5 Nvel de conana . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.1 Graus de liberdade . . . . . . . . . . . . . . . . . . . . . . 3.6 Avaliao de erros associados a incertezas do Tipo B . . . . . . . 3.6.1 Instrumentos analgicos . . . . . . . . . . . . . . . . . . . 3.6.2 Instrumentos digitais . . . . . . . . . . . . . . . . . . . . . 3.7 Erro padro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.8 Algarismos signicativos, arredondamento e expresses de medidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.9 Operao com medidas sem indicao explcita do erro . . . . . 3.10 Compatibilidade e discrepncia . . . . . . . . . . . . . . . . . . . 3.10.1 Comparao entre uma estimativa e um valor de referncia . . . . . . . . . . . . . . . . . . . . 3.10.2 Comparao entre duas estimativas de um valor esperado . . . . . . . . . . . . . . . . . . . . . . Exemplo de comparao entre resultados . . . . . . . . . . . . . Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

68 72 74 76 77 80 83 84 86 88 90 90 92 94 98

Estimativas e erros em medidas indiretas 101 4.1 Propagao de erros . . . . . . . . . . . . . . . . . . . . . . . . . 102 C V A P . 7 S T P

Medidas indiretas envolvendo adio . . . . Medidas indiretas envolvendo multiplicao Regra mnemnica . . . . . . . . . . . . . . . 4.2 Exemplos de propagao de erros . . . . . . . . . . . 4.2.0.1 Erro da mdia (z ) . . . . . . . . . . 4.3 Regresso ou ajuste linear . . . . . . . . . . . . . . . 4.4 Exemplos clssicos de uso de ajuste linear . . . . . . 4.5 Determinao de parmetros . . . . . . . . . . . . . Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6 Reta de calibrao . . . . . . . . . . . . . . . . . . . . 4.6.1 Faixa de conana e interpolao inversa . . 4.6.2 Exemplo com o dinammetro de mola . . . . Exerccio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Concluso

4.1.1 4.1.2

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

102 103 104 107 111 112 115 117 120 123 126 129 130 132

Notao de ndice e de somatrio 139 Principais propriedades do somatrio . . . . . . . . . . . . . . . . . . 141 A Distribuio gaussiana 143

C V A P . 8 S T P

B Erro da mdia 146 Pequenas amostras . . . . . . . . . . . . . . . . . . . . . . 148 C Propagao de erros C.1 Caso de uma varivel . . . . . . . . . . . . . . . C.2 Caso de duas variveis . . . . . . . . . . . . . . C.3 Caso de M variveis . . . . . . . . . . . . . . . C.4 Exemplos . . . . . . . . . . . . . . . . . . . . . . C.4.1 Resultante de duas foras . . . . . . . . C.4.2 Medida do momento de fora . . . . . . C.4.3 Incerteza em medio direta de ngulo por transferidor escolar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 152 155 160 163 163 166

. . . . . . . . . . 167 . . . . . . . . . . . . 168 171 172 175 176

D Ajuste linear Mtodo dos mnimos quadrados D.1 Funo de ajuste y = ax . . . . . . . . . . . . . . . . . . . . . D.1.1 Estimativa das incertezas . . . . . . . . . . . . . . . D.1.2 Parmetro do ajuste linear e as incertezas (resumo) D.2 Funo de ajuste y = ax + b . . . . . . . . . . . . . . . . . . . D.2.1 Estimativa das incertezas associadas ao ajuste y = ax + b . . . . . . . . . . . . . . . . . . . . . D.2.2 Parmetros do ajuste linear e as incertezas (resumo)

. . . 180 . . . 182

C V A P . 9 S T P

D.3 Ajuste da funo y = f (x; ) . . . . . . . . . . . . . . . . . . . . . . 183 E Faixa de conana 184

F Observaes 192 F.1 Grandezas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 F.2 Denies retiradas do VIM . . . . . . . . . . . . . . . . . . . . . 193 G Alguns valores de referncia 200 G.1 Constantes Fsicas Fundamentais . . . . . . . . . . . . . . . . . . 200 G.2 Acelerao da gravidade . . . . . . . . . . . . . . . . . . . . . . . 201 H Resumo Parmetros de posio . . . . . . . . . . . . . . Parmetros de disperso . . . . . . . . . . . . . Correlao . . . . . . . . . . . . . . . . . . . . . Estimativas de Incerteza em medidas diretas . Estimativas de Incerteza em medidas indiretas Ajuste linear . . . . . . . . . . . . . . . . . . . . Prexos SI . . . . . . . . . . . . . . . . . . . . . Alfabeto grego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 206 207 208 209 218 219 223 225

C V A P . 10 S T P

Tabelas Figuras Bibliograa ndice

226 228 230 234

C V A P . 11 S T P

1. Introduo Experimentos em Fsica

Todo experimento em Fsica envolve a medio de uma ou vrias grandezas, entendendo-se por grandeza: atributo de um fenmeno ou sistema fsico que pode ser distinguido qualitativamente e determinado quantitativamente. Mesmo que as medies tenham sido realizadas com todo esmero, os valores encontrados (medidas) esto sujeitos, inevitavelmente, a incertezas. A anlise de erros e estimativa dessas incertezas que nos permite quanticar propriamente o resultado de um experimento, alm de ajudar a reduz-las ou control-las. Somente a partir de criteriosa determinao dos erros, torna-se possvel quanticar um resultado experimental; nesse contexto, a Estatstica fundamental, por estabelecer mtodos, critrios e procedimentos bem denidos que permitem uma boa e sistemtica aquisio, organizao, descrio, tratamento e interpretao de dados, at a extrao e divulgao de resultados.

C V A P . 12 S T P

 Dados: valoresa de atributos associados aos elementos de um conjunto. Medidas: dados numricos associados s grandezas relativas a um fenmeno ou sistema fsico, resultantes de mediesb . Populao: conjunto ou coleo, hipottico ou no, da totalidade dos dados associados a um fenmeno ou sistema. Amostra: subconjunto acessvel e disponvel de uma populao, do qual se pode ou se deseja extrair concluses acerca da populao.
Esses valores podem ser numricos ou no-numricos, como, por exemplo, a cor dos olhos de cada aluno de uma turma. b Medio : Ato ou processo de aquisio de dados que tem como objetivo associar um valor (uma medida) a uma grandeza.
a

Nesse sentido, pode-se dizer que um experimento sempre envolve um processo de coleta de dados, obtidos de um arranjo de instrumentos de deteco e medio, que resulta em uma amostra da qual se deseja extrair ou determinar (de modo sistemtico) as propriedades de um fenmeno ou sistema fsico. C V A P . 13 S T P

Experimentos simples, de custo relativamente baixo, como a maioria dos experimentos didticos, em geral, envolvem um pequeno nmero de pessoas, estendem-se por fraes de hora e resultam em poucos dados a serem tratados. Por outro lado, um experimento complexo pode envolver milhares de pessoas, estender-se durante algumas dcadas, ter um custo muito elevado e gerar uma quantidade de dados que demanda recursos de armazenamento e computacionais enormes. Simples ou complexo, o esquema (Fig. 1) de um experimento genrico indica que, excepto em sua fase de construo, os mtodos estatsticos so absolutamente necessrios em todas as suas fases de operao. Inicialmente, estudaremos a organizao e descrio de dados sem o questionamento de como e de onde eles provm, ou seja, sem a preocupao com o processo de aquisio, mesmo que esses dados sejam provenientes de algum procedimento experimental, como a medio das alturas ou das massas de um grupo de pessoas. Somente aps estabelecermos os mtodos de apresentao e caracterizao de um conjunto genrico2 de dados, utilizaremos esses conceitos para uma estimativa das incertezas associadas s medidas3 de grandezas
Por exemplo, as notas das provas de Mecnica de uma turma, as contagens das faces em N lanamentos de um dado ou nos lanamentos de N dados idnticos, ou o sexo dos assinantes de um jornal. 3 Como as medidas de comprimento de uma barra, do perodo de um pndulo ou da corrente
2

C V A P . 14 S T P

fsicas. As referncias [9, 18, 15] apresentam os procedimentos para a organizao e descrio direta de dados, de forma similar adotada nessa introduo. Discusses ainda elementares, porm mais gerais, podem ser encontradas nas referncias [6, 21]. Os mtodos e procedimentos da Estatstica, fundamentados por argumentos probabilsticos, requerem o uso de tcnicas matemticas no-elementares, que sero evitadas nessa introduo ao assunto. Abordagens mais formais do ponto de vista matemtico so encontradas nas referncias [23, 8, 13, 12, 10], enquanto do ponto de vista dos fsicos, ou de outros pesquisadores na rea de cincias da natureza, podem ser encontradas em [1, 11, 14, 2, 22, 20, 19, 17, 7].

em um circuito eltrico simples.

C V A P . 15 S T P

Figura 1: Diagrama de um experimento genrico em Fsica.

C V A P . 16 S T P

2. Apresentao e descrio de dados

Iniciaremos apresentando exemplos de dados colhidos em turmas que passaram pelo curso de Fsica do Instituto de Fsica da UERJ ().

2.1.

Tabelas

Das turmas de Fsica Geral da UERJ, do 2o semestre de 2001, foram coletadas as seguintes idades (anos), massas (kg) e alturas (cm), correspondentes a 72 alunos, apresentadas4 na Tab. 1. Por outro lado, alguns desses alunos mediram os comprimentos de 30 bancadas distintas do laboratrio de Mecnica e encontraram o conjunto de dados listados, em cm, na Tab. 2. Do modo que esses dados esto apresentados, em estado bruto ou dados brutos, torna-se difcil a caracterizao desses conjuntos. Como identicar, por exemplo, as faixas de maiores incidncias de idades, massas ou alturas? Existem grandes variaes de valores com relao s faixas de maiores incidncias? As mesas apresentam comprimento uniforme? O primeiro passo para uma apresentao sistemtica a tabulao ordenada e agrupada de acordo com o nmero de ocorrncias de um determinado valor
4

Nota: os dados numricos esto apresentados do modo como foram recolhidos.

C V A P . 17 S T P

ou com a quantidade de dados (freqncias) contidos em certos intervalos de valores (classes). Desse modo, os comprimentos das mesas podem ser apresentados em uma tabela de freqncias5 , como a Tab. 3. funo que fornece o nmero de dados em cada classe de um conjunto ordenado de dados e agrupado por classes denomina-se distribuio de freqncia. Convm destacar que a distribuio de freqncia depende da escolha das classes.

2.2. Histogramas
A maneira pela qual se pode, por simples visualizao, perceber o comportamento global de uma distribuio de freqncia por meio de um histograma. Assim, as distribuies de freqncias associadas aos subconjuntos: das idades, das massas e das alturas dos alunos das turmas de Fsica Geral da UERJ, do 2o semestre de 2001, segundo classes pr-denidas, podem ser representadas como nas Tabs. 4, 5, 6, ou, gracamente, pelo histograma correspondente ao lado.
5 Por conveno, o valor extremo superior de uma classe no includo nesta classe, isto , as classes so consideradas intervalos fechados esquerda e abertos direita. Por exemplo, a classe 149 150 equivalente a [148, 150).

C V A P . 18 S T P

Desse modo, nota-se claramente que (do histograma referente Tab. 4) a idade mais comum em torno dos 20 anos, que (do histograma referente Tab. 5) o peso da maioria dos alunos encontra-se no intervalo de (60 a 70) kg e que (do histograma referente Tab. 6) existem trs grupos de alturas, em torno de (165 , 175 e 180) cm. No caso do comprimento das mesas, a distribuio das medidas mais bem visualizada em um histograma do tipo setorial (associado Tab. 7), a partir do qual, pode-se estimar que o comprimento de cerca de 55 % das mesas encontra-se no intervalo de [150, 151).

Classes: intervalos de valores ou qualicaes nos quais os dados de uma coleo so agrupados. Histograma: representao grca de uma distribuio de freqncia nas classes de agrupamento de uma coleo de dados.

Uma vez que o tamanho do intervalo que dene uma classe quem determina a freqncia da classe, sua escolha depende de um compromisso. Se o C V A P . 19 S T P

intervalo de classes for muito pequeno, haver grandes utuaes nas freqncias. Por outro lado, para grandes intervalos de classes perdem-se detalhes6 da distribuio de freqncias.

As classes de um histograma no precisam ser uniformes, i.e., no precisam ter a mesma amplitude. Mas, se as classes forem uniformes e as alturas proporcionais s freqncias correspondentes, pode-se interpretar a rea delimitada pelos limites de uma como sendo proporcional probabilidade de ocorrncia dos dados na classe considerada. Para que essa interpretao possa ser sempre mantida, conveniente que se considere essa proporcionalidade quando se consideram classes no-uniformes, de modo que, se duas classes vizinhas passam a ser consideradas como uma nova classe, a nova rea delimitada deve ser igual rea total delimitada pelas duas classes originais.

C V A P . 20 S T P

37 21 21 19 21 23 25 20 18 18 19 19 20 22 20 19 21 19

88 90 83 75 82 50 83 82 68,5 80 65 78,5 72,1 84 67 97 60 60

183 183 180 175 184 165 180 181 173 177 176 180 172 182 169 182 177 170

21 34 18 33 20 24 25 21 37 20 25 19 19 22 19 18 22 20

75 68 67 86 60 95 80 93 72 58 47,5 51,5 75 66 64 62 80 82

175 159 167 180 177 174 181 191 183 171 160 166 175 167 161 164 185 181

27 66 20 65 18 68 21 63 26 64 20 88 24 66 18 68 20 68 21 60 21 74 22 63 25 63 21 82 17 58 19 70 20 71 18 110

172 177 170 179 173 163 172 168 168 164 175 179 172 184 163 176 175 183

19 57 20 54 17 70 21 61 19 62 25 127 20 70 20 63 21 55,5 19 58 18 67 20 52 18 70 23 98 19 83,4 22 85 19 75 19 61

172 165 168 164 172 185 180 184 172 167 177 160 175 178 181 179 174 180

Tabela 1: Idades (anos), massas (kg) e alturas (cm) de 72 alunos calouros do de

20012.

C V A P . 21 S T P

150,3 150,2 150,1 151,5 151,0

150,1 150,1 151,0 150,1 151,0

149,9 150,4 149,9 149,9 150,3

150,2 151,0 149,7 149,2 150,0

150,1 151,1 150,2 149,9 150,0

150,1 150,0 149,2 150,2 150,0

Tabela 2: Comprimentos de bancadas do laboratrio de Mecnica do , em

centmetros (cm).

classes de comprimento (cm) 149 150 150 151 151 152 Total:

freqncias 7 17 6 30

Tabela 3: Quadro de distribuio de freqncia dos comprimentos das

bancadas medidos pelos calouros de 20012 do .

C V A P . 22 S T P

idades (anos) 17 18 18 19 19 20 20 21 21 22 23 22 23 24 24 25 25 26 26 27 27 28 28 29 29 30 30 31 31 32 32 33 33 34 34 35 35 36 36 37 37 38 total

freqncias 2 9 15 14 12 5 2 2 5 1 1 0 0 0 0 0 1 1 0 0 2 72

14 12 10 8 6 4 2 0

18

20

22

24

26

28

30

32

34 36 38 Idades (anos)

Histograma associado Tab. 4

Tabela 4: Distribuio de freqncia das idades dos calouros do de 20012. C V A P . 23 S T P

massas (kg) 50 54 54 58 58 62 66 62 66 70 70 74 74 78 78 82 86 82 86 90 90 94 94 98 98 102 102 130 total

freqncias 3 3 9 10 11 7 5 4 9 3 2 2 1 2 72

10

0 50

60

70

80

90

100

110

120 130 Massa (kg)

Histograma associado Tab. 5.

Tabela 5: Distribuio de freqncia das massas dos calouros do de 20012.

C V A P . 24 S T P

alturas (cm) 158 160 160 162 162 164 164 166 166 168 168 170 170 172 172 174 174 176 176 178 178 180 180 182 182 184 184 186 186 192 total

freqncias 1 3 2 5 4 4 3 9 8 7 4 10 6 5 1 72

10

160

165

170

175

180

185

190 195 Altura (cm)

Histograma associado Tab. 6.

Tabela 6: Distribuio de freqncia das alturas dos calouros do de 20012.

C V A P . 25 S T P

comprimento (cm) 149 150 150 151 151 152 total

freqncia 7 17 6 30

Histograma setorial associado Tab. 7.

Tabela 7: Distribuio de freqncia dos comprimentos das bancadas do laboratrio de Mecnica do .

C V A P . 26 S T P

2.3. Parmetros de posio

Todas as constataes retiradas das sees 2.1 e 2.2, como a idade mais comum, o intervalo de massa da maioria ou a altura mdia de um grupo, podem ser quanticadas por meio do clculo de medidas que caracterizam os valores em torno dos quais esses dados se distribuem, ou seja, pelos chamados parmetros de posio central. Seja uma coleo de N dados numricos {x1 , x2 , x3 , . . . , xN }, que pode ser representada tambm por {xi | i = 1 . . . N}. Deniremos sucintamente, a seguir, os parmetros mais teis para essa avaliao. Mdia Aritmtica (x): valor mdio representativo dos dados de uma coleo: x= x1 + x2 + . . . + xN 1 = N N
N

xi
i =1

Mdia Quadrtica ( x2 ): o: x2

valor mdio dos quadrados dos dados de uma cole= x2 + x2 + . . . + x2 2 N 1 N 1 = N

N i=1

x2 i

C V A P . 27 S T P

Valor ecaz7 (xrms ):

raiz da mdia quadrtica: xrms = x2

Moda (xmod ):

valor mais freqente8 em uma coleo de dados.

Mediana 9 (xmed ): valor que divide a distribuio ordenada de dados da amostra, tal que metade dos dados esto acima e metade abaixo desse valor10 . N(mpar) N(par)
7 8

= xmed = x(N+1)/2 = xmed = xN/2 + x(N/2)+1 2

A abreviao baseia-se no ingls: root mean square. Se houver mais de um valor com a mesma freqncia mxima, diz-se que a coleo de dados multimodal, sendo a moda igual ao conjunto de dados da amostra que correspondem a mesma freqncia mxima. 9 No se deve confundir, por exemplo, as notaes xi e xmed ; a primeira indica um valor do conjunto de dados, a segunda o valor de um parmetro (a mediana) para esse conjunto de dados. 10 Por exemplo, dada a distribuio x = (1, 40, 2, 1, 3), a mediana facilmente obtida pela distribuio ordenada y = (1, 1, 2, 3, 40), assim xmed = 2 ; no caso da distribuio z = (1, 2, 3, 40), a mediana zmed = (2 + 3)/2 = 2,5.

C V A P . 28 S T P

Aproximao da mdia Se os dados esto agrupados em M classes (histogramas), se yk o ponto mdio da classe [bk , bk+1 ) e k a freqncia na classe, ento a mdia pode ser aproximada por: 11 x 1 y1 + 2 y2 + . . . + M yM 1 = N N
M

j yj
j =1

A expresso direita se aproxima da mdia dos dados brutos conforme aumenta o nmero de classes. Do ponto de vista descritivo, quanto menor o intervalo de variao dos dados, ou seja, quanto menor o grau de disperso, esses parmetros de posio so as quantidades que melhor caracterizam ou resumem a totalidade das informaes contidas num conjunto de dados.

Uma vez que os clculos dos parmetros associados a um conjunto de dados dependem de seus agrupamentos, tanto histogramas quanto tabelas de freqncias por classes s devem ser utilizados para a organizao ou visualizao da distribuio dos dados. Quaisquer estimativas de parmetros devem ser efetuadas, sempre que possvel, a partir dos dados brutos.

11

C V A P . 29 S T P

2.4. Parmetros de disperso

Seja uma coleo de N dados numricos {x1 , x2 , x3 , . . . , xN }. A variabilidade, ou a disperso, desses dados pode ser avaliada por: Amplitude (A): de dados. diferena entre os valores mximo e mnimo12 do conjunto A = xmax xmin Desvio Mdio Absoluto ( |x| ): em relao mdia. 1 |x| = N
N

mdia dos mdulos dos desvios xi = (xi x)

N

|xi | =
i =1 i =1

|xi x| N

|x1 x| + |x2 x| + . . . + |xN x| = N

12

Note-se que a amplitude sempre positiva.

C V A P . 30 S T P

Varincia (2 x ): mdia quadrtica dos desvios em relao mdia, rigorosamente chamado de varincia em relao mdia. 2 x = = 1 N
N N

(xi )2 =
i=1 i =1

(xi x)2 N

(x1

x)2

+ (x2 x)2 + . . . + (xN x)2 N

C V A P . 31 S T P

A varincia pode ser calculada tambm por: 13 2 x 1 = N

N i =1

x2 i

1 N

N i =1

2 2 2 xi =x x

13

Com efeito: 2 x = 1 N
N

(xi x) =
i=1

1 N
N

x2 i 2xi x + x
i=1 N

1 = N = x2

(x2 i)
i=1 2

2x
i=1

xi +
i=1

N 2 2 x = x 2x x + N x 2

Note-se que para grandezas fsicas a varincia uma grandeza cuja dimenso fsica igual ao quadrado da dimenso das amostras a que est associada, por exemplo, se as amostras correspondem a intervalos de tempo, a varincia dessa amostra ser o quadrado de intervalo de tempo.

C V A P . 32 S T P

Desvio-padro (x ): medida de disperso mais utilizada na Fsica para estimativas de erro; igual raiz quadrada (positiva) da varincia e, portanto, na mesma unidade dos valores dos dados associados as medidas de uma grandeza. x = = = 1 N
N N

(xi )2 =
i =1 i =1

(xi x)2 N

(x1

x)2

+ (x2 x)2 + . . . + (xN x)2 N 2 x

x2 x 2 =

Largura a meia altura 14 (): intervalo limitado por valores (por dados) correspondentes metade da freqncia mxima ( fmax ). Medida de disperso amplamente utilizada com distribuies para as quais o desvio-padro no pode ser calculado (Fig. 2), como as que ocorrem em estudos que envolvem fenmenos de ressonncia.
14

Em ingls: full width at half maximum FWHM.

C V A P . 33 S T P

f max

f max/2

Figura 2: Curva de ressonncia ou distribuio de BreitWigner, ilustrando a largura a meia altura .

C V A P . 34 S T P

Exemplo de resumo de dados

Alm das tabelas de freqncias e dos histogramas, os dados referentes as idades, massas e alturas de uma amostra de 72 alunos das turmas de Fsica Geral da UERJ, no 2o semestre de 2001, podem ser apresentados e sintetizados na Tab. 8, em funo dos parmetros de posio e de disperso. Sempre que se trabalha com dados oportuno que se faa uma tabela em que se resumam os parmetros (estatsticos) de posio (valores mximos e mnimos, mdia aritmtica, valor ecaz, etc.) e de disperso (amplitude, varincia, desviopadro, desvio mdio absoluto, etc.).

C V A P . 35 S T P

Parmetros Estatsticos Valor Mximo Valor Mnimo Mdia Aritmtica Valor ecaz Mediana Amplitude Varincia Desvio-padro Desvio Mdio Absoluto

Idade (anos) 37 17 21,3 21,7 20 20 16,6 4,1 2,7

Massa (kg) 127,0 47,5 72,0 73,4 68,3 79,5 201,3 14,2 11,0

Altura (cm) 191 159 174,3 174,5 175 32 52,7 7,3 6,0

Nmero de alunos da amostra: 72

Tabela 8: Resumo dos dados referentes s turmas de Fsica Geral (20012).

C V A P . 36 S T P

Exerccios
Exerccio 2.1. Determine a mdia, a moda, a mediana, o desvio mdio absoluto e o desvio-padro para cada conjunto numrico abaixo. (a) (b) (c) (d) (e) (f) (g) (h) 34, 34, 5, 3, 14, 6, 5, 29, 29, 8, 6, 19, 7, 6, 7, 8, 4, 26, 26, 12, 16, 3, 8, 3 7, 37 37, e 9 21, 8, 5, e 31 9 e 18, 5, 9, 3 9, 8 19, e 9, 24, 9 9, 10 e 11 15 e 19 31 e 34

500, 600, 800, 800, 500, 900, 900, 900, 900, 1000 e 1100

Exerccio 2.2. Com relao aos 80 nmeros abaixo:

C V A P . 37 S T P

90 88 73 61 62 58 49 35

90 55 79 66 64 53 42 39

79 73 69 66 68 65 36 30

84 79 74 54 58 57 46 41

78 78 76 71 56 59 40 41

91 79 68 67 79 65 37 22

88 67 72 75 63 48 53 28

90 83 72 49 68 54 48 36

85 68 75 51 64 55 44 39

80 60 60 57 51 40 43 51

(a) Represente-os em um histograma (escolha o intervalo que julgar mais conveniente para os representar). (b) Determine a mdia, a moda e a mediana, a partir dos dados brutos e dos que foram agrupados em classes para a construo do histograma. (c) Calcule o desvio-padro () e a largura a meia altura (). Exerccio 2.3. A tabela abaixo apresenta as idades (anos) de 24 alunos de uma turma. 19,0 19,4 19,7 18,7 19,3 19,9 19,3 18,8 20,0 18,9 19,3 19,5 19,0 19,2 19,4 20,2 18,7 19,6 19,9 18,5 20,0 18,6 18,6 18,9

C V A P . 38 S T P

(a) Calcule a mdia e o desvio-padro. (b) Inclua a idade do professor, de 49,6 anos, e recalcule os parmetros.

C V A P . 39 S T P

2.5. Parmetros de correlao

Em algumas situaes, a variao dos dados associados a uma grandeza parecem acompanhar a variao dos dados correspondentes a uma outra grandeza. Por exemplo, aqueles que tm altura acima da mdia tendem, tambm, a superar a mdia da massa. Nesses casos, diz-se que existe uma forte correlao entre as grandezas ou variveis comparadas. A relao existente entre os valores ou medidas de um par de variveis ou grandezas associadas a um mesmo conjunto ou sistema fsico pode ser globalmente percebida e visualizada atravs dos chamados diagramas de disperso. Assim, as comparaes entre idadealtura, idademassa e alturamassa, dos alunos das turmas de Fsica Geral da UERJ, do 2o semestre de 2001, observadas nos diagramas da Fig. 3, mostram que parece existir uma maior correlao (mais robusta) entre a massa e a altura do que entre quaisquer das outras comparaes. A interdependncia de duas colees de dados pode ser quanticada, por exemplo, pela covarincia (Sec. 2.5.1) e pelo coeciente de correlao linear de Pearson, parmetros que sero denidos a seguir.

C V A P . 40 S T P

Figura 3: Diagramas de disperso de dados das turmas de Fsica Geral 20012 (Tab. 1). 2.5.1. Covarincia A covarincia (xy ) entre N pares (xi , yi ) de medidas das grandezas x e y, associadas (correspondentes) ao mesmo elemento de um conjunto ou sistema fsico, como, por exemplo, a idade e a altura de cada aluno de uma turma rotulado pelo ndice i (aluno i), denida como a mdia dos produtos dos respectivos desvios (xi e yi ), isto ,

C V A P . 41 S T P

xy =

1 (x1 x) y1 y + (x2 x) y2 y + . . . + (xN x) yN y N

N i =1

1 = N

1 (xi x) yi y = N

xi yi = x y
i =1

A covarincia pode ser calculada tambm por: xy = xy x y

2.5.1.1. Anlise do sinal da covarincia De acordo com as respectivas expresses, se os valores acima ou abaixo das respectivas mdias tm tendncia a ocorrer concomitantemente, os respectivos desvios possuem o mesmo sinal para todos os pares e, portanto, a covarincia resultante ser positiva (correlao positiva). Se, ao invs disso, nos pares, os maiores valores de uma das grandezas esto associados aos menores valores da outra, os respectivos desvios tero sinais distintos e, portanto, a covarincia resultante ser negativa (correlao negativa). Se as medidas das grandezas, num dado intervalo, so tais que ocorram tanto produtos de desvios negativos quanto positivos, a covarincia resultante C V A P . 42 S T P

poder ser nula nesse intervalo. Nesses casos, diz-se que as grandezas so no-correlatas. 2.5.2. Coeciente de correlao linear de Pearson O coeciente de correlao linear de Pearson, ou abreviadamente coeciente de correlao r, entre N pares (xi , yi ) de medidas correspondentes s grandezas x e y um parmetro adimensional de intervalo de variao entre 1 e +1, denido por xy r= (1 r 1) x y Se o diagrama de disperso das duas grandezas x e y indica uma forte correlao (positiva ou negativa), que, a grosso modo, tambm sugere uma relao linear entre essas grandezas, correlacionando aproximadamente cada uma das N medidas xi de x com a correspondente medida yi de y por yi = a xi + b

C V A P . 43 S T P

ento15 a covarincia xy pode ser escrita como xy 1 = N =a =

N

(xi x) i=1 2 N i=1 (xi x) N

yi y = a 2 x = x )2 a x |a | = a x |a| a2 2 x
N i =1

a x a2 |a | a = x y |a |

N i=1 (xi

yi y N

ou seja, o mdulo do coeciente de correlao (r) igual unidade (1) quando os pontos (xi , yi ) esto exatamente alinhados. Desse modo, quanto mais robusta a correlao linear, mais prximo da unidade o valor do coeciente de correlao, e uma correlao dita linear, perfeita e positiva quando r = 1 e linear, perfeita e negativa quando r = 1. O coeciente de Pearson quantica o grau de linearidade de uma distribuio de dados mostrado em um diagrama de disperso.
15

Se a 0, caso em que y = 0 e xy = 0 e o coeciente de correlao linear no est denido.

C V A P . 44 S T P

Com relao aos 72 alunos das turmas de Fsica Geral de 20012, a tabela das covarincias e dos coecientes de correlaes associados aos diagramas de disperso entre idadealtura, idademassa e alturamassa (Tab. 9), mostra que, de fato, a correlao mais forte, nesse grupo de alunos, entre a massa e a altura. grandezas xy idadealtura idademassa massaaltura covarincia xy 4,18 ano cm 9,90 ano kg 64,77 kg cm coeciente de correlao r 0,1435 0,1739 0,6377

Tabela 9: Correlaes e varincias dos pares de grandezas da Tab. 1 e diagramas da Fig. 3. importante notar que a covarincia nula entre dois conjuntos de dados no implica a independncia entre esses dados. O coeciente de correlao linear de Pearson quantica apenas correlaes lineares. Ele pode ser nulo e, ainda, existir uma correlao no-linear (curvilnea) entre duas grandezas. Se o diagrama de disperso das medidas de duas grandezas apresentar duas partes distinguveis, uma com forte correlao positiva e outra com forte C V A P . 45 S T P

correlao negativa, a correlao global dos dados pode ser nula. Ou seja, a covarincia nula uma condio necessria, mas no suciente, para a independncia entre dois conjuntos de dados. Do mesmo modo, uma covarincia no-nula, ou correlao robusta16 entre as medidas de um par de grandezas ou variveis, no implica a existncia de uma relao causal entre elas, ou seja, uma regra de dependncia entre as duas grandezas ou variveis, tal que a variao de uma acarrete, necessariamente, a variao da outra. Por exemplo, a prtica de certos esportes como o golfe e o sucesso na vida prossional apenas correlacional, pois a escolha de um determinado hobby no acarreta sucesso prossional. Desse modo, apesar do estudo das correlaes ajudar a estabelecer ou descobrir a natureza das relaes entre variveis, uma forte correlao no permite a previso inexorvel do comportamento de uma varivel em funo de outra, apenas uma previso do comportamento mdio.
O critrio para uma correlao robusta um tanto ou quanto subjetivo, mas dizemos que uma correlao robusta quanto mais prximo da unidade for o quadrado do coeciente de correlao linear de Pearson.
16

C V A P . 46 S T P

2.6. Tpico avanado *

Apresentaremos em seguida como as grandezas denidas anteriormente podem ser obtidas por meio de tcnicas matemticas matriciais. Esse modo de tratar o que estvamos chamando conjunto de dados compacto e extremamente gil para cmputo e computao eletrnica, e uma oportunidade para o uso e aplicao de elementos matemticos que o estudante est estudando. 2.6.1. Matriz de covarincia Tanto a interdependncia entre dois conjuntos {xi } e { yi } de N dados, quanto a variabilidade de cada um dos conjuntos podem ser sintetizados por meio de uma notao matricial, pela chamada matriz de covarincia. Inicialmente, denindo-se as matrizes de dados X = (xi ) e Y = ( yi ), como matrizes coluna N 1 (N linhas e 1 coluna), a covarincia pode ser escrita fcil e compactamente. Vejamos. A mdia quadrtica x2 do conjunto de dados {xi } dada por: x1 x2 1 1 . x1 x2 . . . xN x2 = Xt X = . N N . xN C V A P . 47 S T P

onde Xt denota a matriz transposta de X. Denindo-se a matriz dos desvios da mdia por x1 x x2 x X = . . . xN x y1 y y2 y Y = . . . yN y

a covarincia xy = yx pode ser escrita como: xy = e as varincias como: 2 x = xx = 1 (X)t (X) N e 2 y = yy = 1 (Y)t (Y) N 1 (X)t (Y) N

Assim, a matriz de covarincia entre dois conjuntos de medidas das grandezas x e y denida pela matriz simtrica 2 2: V= xx xy yx yy C V A P . 48 S T P

Alm de possibilitar uma escrita mais sinttica de uma grande quantidade de dados, a grande vantagem da notao matricial a de proporcionar facilmente a generalizao dos parmetros estatsticos a vrios conjuntos de dados. Desse modo, se em vez de apenas dois conjuntos de N dados tivermos M conjuntos {z1i }, {z2i } . . . {zMi } associados 17 s grandezas z1 , z2 . . . zM , o primeiro passo representar cada um dos conjuntos por matrizes colunas Z1 , Z2 . . . ZM , onde z11 z21 zM1 z12 z22 zM2 . , Z2 = . . . . ZM = . Z1 = . . . . . . z2N zMN z1N Em seguida, pode-se denir uma matriz de covarincia, do tipo M M, que sintetize as relaes de interdependncia entre todos os pares das grandezas z: Z1 Z1 Z2 Z1 V= . . . ZM Z1 Z1 Z2 Z2 Z2 . . . Z1 ZM Z2 ZM . . . . . . ZM ZM ... ... .. .

ZM Z2

17 Note-se que o primeiro ndice est enumerando agora a grandeza e o segundo ndice est enumerando a medida dessa grandeza.

C V A P . 49 S T P

onde cada elemento da matriz V, do tipo M M, dado por: Z Z =

i j

1 (Zi )t (Z j ) N

i, j = 1, 2, . . . , M

zi1 zi xi2 zi Zi = . . . ziN zi

C V A P . 50 S T P

Exerccios
Exerccio 2.4. Na tabela abaixo esto representadas as notas de Mecnica e de Eletricidade de 12 alunos de uma turma.
Aluno Mecnica Eletricidade 1 22 63 2 48 39 3 76 61 4 10 30 5 22 51 6 4 44 7 68 74 8 44 78 9 10 55 10 76 58 11 14 41 12 56 69

Esboce o diagrama de disperso. Determine as mdias e os desvios padro associados a cada disciplina, a covarincia e o coeciente de correlao entre as notas. Exerccio 2.5. Na tabela abaixo esto representadas, em km/h, as velocidades (v) e, em L, as correspondentes quantidades de gasolina (g ) consumidas por um mesmo carro em trechos de 100 km de uma estrada.
v g 10 20 30 40 50 60 70 80 90 100 110 120 130 140 21 13 10 8 7 5,9 6,3 6,9 7,6 8,3 9 9,9 10,8 11,8

Esboce o diagrama de disperso. Determine a covarincia e o coeciente de correlao entre a velocidade e o consumo.

C V A P . 51 S T P

3. Estimativas e erros em medidas diretas

Presentes em qualquer processo de medio, ou de determinao do valor esperado de uma grandeza associado a um fenmeno ou sistema fsico, os erros caracterizam as incertezas18 inevitveis devidas ao carter aleatrio do processo ou fenmeno envolvido, imperfeies instrumentais, procedimentos observacionais, condies ambientais ou hipteses tericas (modelos tericos).

3.1. Valor esperado

A primeira questo : o que valor esperado? A determinao do comprimento de uma barra com uma rgua um processo aleatrio19 que poderia ser repetido indenidamente, ao menos hipoteticamente. Desse modo, a distribuio das medidas seria contnua e, o valor esperado para o comprimento da barra, seria o valor mdio (mdia) dessa
18 Quando se tratam de medidas, o termo erro no signica engano ou descuido. Se pressupe que os instrumentos de medio foram cuidadosa e adequadamente montados, e que os efeitos (sistemticos e grosseiros) que no devem participar do processo foram eliminados (minimizados). 19 H sempre a incerteza da colocao da rgua e da leitura dos extremos que determinam o comprimento, isso com temperatura controlada para que no ocorram dilataes.

C V A P . 52 S T P

distribuio hipottica.

O valor esperado de uma grandeza um conceito hipottico. Mesmo sendo hipottico, o valor esperado de uma grandeza pode ser estimado, a partir de um conjunto nito de medidas da grandeza, que constitui uma amostra da populao dos possveis (innitos) valores para essas medidas. A segunda questo a incerteza, ou a certeza, que se estima para o valor esperado. O resultado da medio de uma grandeza (associado a uma unidade da mesma) composto de duas parcelas; uma estimativa para o seu valor esperado, e outra, para o erro associado a essa estimativa. A terceira questo, conforme se ver, o nvel de conana com que se estima a medida da grandeza estar no intervalo estimado, ou seja,

C V A P . 53 S T P

R estimativa do valor esperado estimativa do erro (e o correspondente nvel de confiana)

A quarta questo : como estimar cada um desses trs aspectos inerentes ao processo de medio.

3.2. Estimativas do valor esperado

Medidas Diretas: valores resultantes de medies de uma mesma grandeza, realizadas por um mesmo experimentador, com o mesmo instrumento de medio e sob as mesmasa condies.
Mesmo instrumento signica que o procedimento para coleta de dados o mesmo (para observadores experientes). No caso de medies automticas, signica que que seguem o mesmo preparo e ajuste dos mesmos dispositivos.
a

Se a medio de uma grandeza for realizada com instrumentos bem calibrados e com procedimentos cuidadosos, uma hiptese fundamental da teoria estatstica C V A P . 54 S T P

de erros que, para um nmero N (sucientemente grande) de medidas de uma grandeza, a distribuio experimental de freqncias dos dados (distribuio amostral) aproxima-se de uma distribuio tal que a sua mdia tende ao valor esperado da grandeza.

A melhor estimativa para o valor esperado de uma grandeza x, a partir de uma amostra {xi } de medidas diretas e cuidadosas, a mdia x. As concluses e os procedimentos para o tratamento estatstico de medidas podem ser obtidos por um mtodo geral da Estatstica, denominado Mtodo da Mxima Verossimilhana, de Fisher (1922), a partir de algumas hipteses sobre as distribuies originais das medidas de grandezas fsicas [8, 13, 1, 11, 14, 2, 22, 19, 7].

3.3. Tipos de erros

Uma vez estimado o valor esperado de uma grandeza, como quanticar as incertezas associadas ao processo de medio? Ou seja, como determinar os erros? As incertezas decorrentes de um processo de medio so classicadas, tradicionalmente, como aleatrias (estatsticas) ou sistemticas. Embora a distino C V A P . 55 S T P

entre incerteza aleatria e incerteza sistemtica seja um tanto arbitrria, e at certo ponto subjetiva, quando se trata com uma nica bateria de medidas, a principal caracterstica para diferen-las que as incertezas estatsticas podem ser reduzidas pelo aumento da amostra (i.e., pela repetio de medies), enquanto as incertezas sistemticas no. Efeito aditivo Um aspecto caracterstico da inuncia das incertezas sistemticas sobre as medidas de uma grandeza x que um efeito aditivo (de uma parcela a) desloca as medidas individuais (xi ) e a mdia (x) desse valor, mas no altera a disperso (x ) do conjunto de medidas, xi xi + a x x + a x x uma vez que o termo (xi x)2 um invariante para incertezas20 sistemticas aditivas.
Incertezas sistemticas aditivas, em geral, derivam da falta de calibrao adequada de um instrumento ou de limitaes ou vcios na leitura de uma escala, ou mesmo de m montagem e manuseio dos dispositivos experimentais. Na medio do comprimento de uma barra com uma rgua, se forem feitas vrias medidas com uma extremidades da rgua xa e deslocada de 0,3 mm, este erro sistemtico estaria presente em todos os valores anotados.
20

C V A P . 56 S T P

Efeito multiplicativo Se o aspecto caracterstico da inuncia das incertezas sistemticas sobre as medidas de uma grandeza x um efeito multiplicativo (de um fator c), tanto as medidas individuais (xi ), quanto a mdia (x) e o desviopadro (x ), sero afetados da mesma maneira por esse fator,21 xi c xi x c x x |c| x Exatido e preciso Podem ser denidos os seguintes conceitos, relacionados determinao do valor esperado de uma grandeza:
21 Ainda na medida do comprimento de uma barra com uma rgua, se a rgua e a barra formarem um ngulo em todas as medies, teremos o fator c = cos inuenciando todas as anotaes.

C V A P . 57 S T P

 Exatido ou acurcia: conceito que caracteriza o afastamento entre uma estimativa nal e o valor esperado de uma grandeza; associado em geral a efeitos sistemticos aditivos, resultantes de imperfeies instrumentais, observacionais ou tericas, que provocam desvios regulares em todas as medidas. Preciso: conceito que caracteriza a disperso das medidas de uma grandeza em torno da mdia; associada em geral a efeitos aleatrios, resultantes de utuaes inevitveis no processo de medio. Aspectos extremos da dualidade exatidopreciso esto ilustrados separadamente na Fig. 4, onde as duas distribuies de freqncias (a e b) foram obtidas a partir de duas baterias de medidas de uma grandeza x, cujo valor esperado x0 supostamente conhecido. Em a, apesar de a mdia x se encontrar mais prxima do valor esperado (maior exatido), a disperso em relao mdia maior que em b, diz-se que houve uma maior ocorrncia de erros aleatrios, ou menor preciso. Enquanto em b, apesar da maior preciso, o afastamento da mdia maior que em a, diz-se que houve uma maior ocorrncia de erros sistemticos, ou menor exatido. Um outro exemplo, que ilustra claramente a distino entre incertezas aleatrias e sistemticas, pode ser visualizado a partir da analogia de um experimento com uma sucesso de tiros a um alvo (Fig. 5). Tiros certeiros (medidas C V A P . 58 S T P

Figura 4: Histogramas das medidas de uma grandeza (x) cujo valor esperado
x0 ; a) o efeito de incertezas aleatrias produzir a disperso das medidas em torno da mdia x; b) o efeito de incertezas sistemticas aditivas desviar as medidas sem necessariamente produzir disperso.

C V A P . 59 S T P

acuradas) so marcas (pontos) prximas ao centro do alvo. Erros aleatrios (disperso dos pontos) so causados por condies ambientais ou descontrole involuntrio do atirador. Em duas situaes, a e b, os erros aleatrios so pequenos (maior preciso), enquanto em c e d so grandes. Quanto aos erros sistemticos, enquanto em a e c so pequenos (maior exatido), em b e d so grandes. Esses exemplos, ilustram casos nos quais, alm da preciso, a exatido (incertezas sistemticas) pode ser avaliada, uma vez que o alvo (valor esperado) conhecido a priori. Entretanto, em um grande nmero de experimentos, como na determinao de uma nova constante fsica, ou mesmo, simplesmente, de um valor particular para uma grandeza como a massa de um corpo qualquer, no se conhece um valor de referncia. Nesses casos, a analogia com a sucesso de tiros ilustrada, retirando-se o alvo (Fig. 6). Desse modo, pode-se apenas analisar a disperso dos tiros, e concluir que os erros aleatrios em a e b so menores do que em c e d, mas no se pode indicar em qual das situaes os erros sistemticos so menores, ou os tiros foram mais certeiros. Esse o cenrio para a maioria dos experimentos, implicando que pelo exame das medidas pode-se estimar facilmente or erros aleatrios, mas no os sistemticos. Apesar de o valor esperado de uma grandeza ser hipottico, as tabelas de

C V A P . 60 S T P

a)

c)

b)

d)

Figura 5: Tiro ao alvo.

C V A P . 61 S T P

a)

c)

b)

d)

Figura 6: Tiro ao alvo? C V A P . 62 S T P

constantes fsicas apresentam um valor de referncia22 para cada constante fsica fundamental23 , tomado como valor esperado e que, geralmente, um valor terico adotado por conveno ou provm de um experimento padro o qual se acredita mais acurado do que qualquer outro similar. A simples diferena, ou discrepncia, entre uma mdia experimental (x) e um valor de referncia (xref ), i.e., |x xref |, no caracteriza a qualidade ou a correo do resultado de um experimento. A anlise dessa discrepncia, ou da compatibilidade desse valor de referncia com os dados, baseia-se na avaliao, tanto das incertezas estatsticas, quanto das sistemticas associadas medio ou experimento (3.10.1). No obstante o amplo uso de tcnicas estatsticas aplicadas a dados de medidas por vrios ramos de aplicao, com interesses cientco, tcnico, industrial, mdico, econmico, militar, etc., a distino e a determinao de incertezas aleatrias e incertezas sistemticas muito sutil e complexa; somente com um profundo conhecimento de como os dados so obtidos (tcnicas de laboratrio), vivncia, intuio e habilidade possvel a extrao e a apresentao de um valor numrico que melhor represente ou estime o valor esperado para uma grandeza associada a um fenmeno ou sistema fsico e o correspondente erro associado.
22 23

Por exemplo, o valor da velocidade da luz no vcuo ou da carga do eltron. www.physics.nist.gov/constants .

C V A P . 63 S T P

Sendo essas tcnicas estatsticas empregadas em vrios ramos de conhecimento, para vrios objetos de interesse, com vrias tcnicas de abordagem, vrios dialetos eram empregados em ramos distintos, ou mesmo por grupos distintos de um mesmo ramo. Assim, aconteciam situaes em que um grupo podia interpretar erroneamente resultados divulgados por outros grupos, fato sempre agravado pelas formas no-normatizadas de como se classicavam e se tratavam as incertezas. Os grupos usavam sua maneira a classicao ortodoxa das incertezas, conforme as denominamos hoje. Para contornar as limitaes e incongruncias da classicao ortodoxa de incertezas, enquadradas como aleatrias ou sistemticas, o Bureau International des Poids et Mesures (BIPM), reuniu as mais representativas instituies normativas internacionais para recomendar a normatizao aplicvel, desde 1993 [19, 3, 20], a todos os ramos de conhecimento que se utilizam de tcnicas estatsticas. Essa normatizao recomenda que as incertezas sejam simplesmente classicadas como aquelas cujas estimativas so avaliadas por mtodos estatsticos (incertezas do tipo A) e aquelas avaliadas por outros mtodos (incertezas do tipo B).

C V A P . 64 S T P

3.4. Avaliao de erros associados a incertezas do Tipo A

As estimativas de erros por mtodos estatsticos, a partir de uma amostra de medidas diretas de uma grandeza, baseia-se na hiptese ou constatao que, quando o nmero de medidas cresce progressivamente, a distribuio de freqncias dessas medidas tende chamada distribuio normal (Fig. 7) ou distribuio de Gauss, ou ainda distribuio gaussiana (Apndice A). A pressuposio dessa hiptese, conhecida por lei dos erros, foi expressa por Poincar [23, 8] como: Todos acreditam na lei dos erros; o experimentador porque pensa que uma lei matemtica, e o matemtico porque pensa que um fato experimental. Com base na lei dos erros, a caracterstica fundamental de um conjunto {xi } de N medidas de uma grandeza x que se distribuem normalmente com mdia x e desvio-padro x que:

C V A P . 65 S T P

Figura 7: Distribuio das medidas de uma grandeza (x) e a distribuio gaussiana limite (curva contnua).

C V A P . 66 S T P

 68,3 % das medidas esto entre x 1x e x + 1x 95,5 % das medidas esto entre x 2x e x + 2x 99,7 % das medidas esto entre x 3x e x + 3x

3.4.1. Erro em medidas individuais Uma vez que o desvio-padro descreve a disperso das medidas individuais em torno da mdia, se caracterizssemos o resultado da medio por uma das medidas da amostra, o desvio-padro xaria um intervalo de variao ou incerteza para essa medida escolhida. Desse modo, esse parmetro de disperso interpretado como uma estimativa para o erro associado a cada medida, ou seja:

Uma estimativa para o erro em cada medida, a partir de uma amostra {xi } de medidas diretas de uma grandeza x, o desvio-padro (x ).

C V A P . 67 S T P

3.4.2. Erro da mdia Outra questo pode ser levantada: qual o erro associado estimativa do valor esperado? Ou seja, qual o chamado erro da mdia? Ao se repetir vrias vezes o processo de medio, obtendo-se vrias amostras de N medidas de uma grandeza x, resultam vrias distribuies amostrais (Fig. 8) com mdias distintas, mas bem prximas e praticamente com o mesmo desvio-padro x . Fazendo-se a distribuio das vrias mdias amostrais (x) resulta tambm em uma distribuio normal cuja disperso caracterizada por um desvio-padro muito menor dado por x = x / N (Sec. 4.2). Essa uma boa estimativa para o erro associado a cada mdia amostral,24 ou seja:

24 Apesar de praticamente constante, a distribuio dos desvios padro amostrais mostra que a estimativa da incerteza da estimativa do erro em cada medida, ou seja o erro do erro, dada por x / 2N e, portanto, o chamado erro do erro da mdia dado por x / 2N .

C V A P . 68 S T P

Uma estimativa para o erro na estimativa do valor esperado, ou seja, para o erro da mdia, a partir de um conjunto de N medidas diretas {x1 , x2 , x3 . . . xN } de uma grandeza x, com desvio-padro x , dada por x x = N

A reduo da incerteza ao estimarmos o valor esperado pela mdia pode ser observada na distribuio das mdias amostrais (Fig. 9). Pode-se argumentar que ao se aumentar o nmero (N) de medidas, ou seja, o tamanho da amostra de dados, para um valor arbitrariamente grande (N ), pode-se reduzir a incerteza na estimativa do valor esperado a nveis arbitrariamente pequenos,ou seja, reduzir o erro da mdia. Entretanto, a partir de um certo valor, incertezas sistemticas, associadas ao mtodo de medio ou ao instrumento utilizado, passam a ser dominantes e a determinar a distribuio de valores das medidas. A partir da, qualquer esforo na tentativa de reduo dos erros aleatrios pela repetio estril. Ou seja, existe um compromisso entre o nmero adequado de medidas e os erros sistemticos.

C V A P . 69 S T P

C V A P . 70 S T P

Figura 9: Distribuio das mdias amostrais das medidas de uma grandeza x.

C V A P . 71 S T P

3.4.3. Pequenas amostras Em diversas situaes, o conjunto de medidas obtido em uma medio no constitui uma amostra sucientemente ampla para que o desvio-padro da amostra seja uma boa estimativa do desvio-padro da populao. Nesses casos, a melhor estimativa para o erro em cada medida, a partir de uma amostra de N medidas de uma grandeza x, dada por25 sx = (x1 x)2 + (x2 x)2 + . . . + (xN x)2 = N1
N i =1

(xi x)2 N1

Desse modo, o resultado da medio de uma grandeza pode ser enunciado como:

Nesse sentido, sx chamado de desvio-padro experimental [4]. Em geral, tanto para pequenas quanto para grandes amostras, a estimativa do erro em cada medida representada simplesmente pelo desvio-padro x .

25

C V A P . 72 S T P

A melhor estimativa para o resultado da medio de uma grandeza x, extrado de uma amostra de N medidas diretas, {x1 , x2 . . . xN }, x x 1 x= N
N

xi
i =1 N i =1

(mdia das medidas)

x = x = N
N

(xi x)2 N(N 1)

(erro da mdia), onde

x =
i =1

(xi x)2 N1

(erro em cada medida)

A razo x /|x|, a qual caracteriza a preciso de um resultado (no-nulo) uma indicao da qualidade de uma medio, chamada erro relativo, que usualmente expresso em termos percentuais. Em geral, erros relativos em medidas diretas da ordem de 10 % so caractersticos de experimentos no cuidadosos, enquanto erros relativos da ordem C V A P . 73 S T P

de 1 % ou 2 % caracterizam os resultados de experimentos realizados em laboratrios de ensino. Entretanto, h na histria da Fsica vrios exemplos de resultados com erros relativos da ordem de 10 % ou maiores, que foram importantes para o seu desenvolvimento. O que nos anima a dizer que, mesmo num laboratrio de ensino, com equipamentos com pouca resoluo ou no devidamente calibrados, muito pode ser aprendido.

3.5. Nvel de conana

Qual o signicado estatstico de melhor estimativa? Do ponto de vista estatstico, o erro associado a uma estimativa dene um intervalo de variao ou de incerteza ao qual se pode atribuir um nvel probabilstico de conana. Considerar que as medidas de uma grandeza x se distribuem normalmente e caracterizar por x o erro na estimativa x, para o valor esperado da grandeza, signica que o nvel de conana26 de que o intervalo (x x , x + x ) contenha o valor esperado para a grandeza de 68,3 %, ou que esse intervalo de conana de 68,3 %.
Em ingls: condence level (CL). Os estatsticos preferem caracterizar as incertezas por intervalos de conana, ao contrrio dos fsicos, que preferem caracteriz-las como erros.
26

C V A P . 74 S T P

A Tab. 10 mostra alguns intervalos de conana tpicos para uma grandeza x, cujas medidas so distribudas normalmente, e os correspondentes nveis de conana. I C (x 0,67 x , x + 0,67 x ) (x 1,00 x , x + 1,00 x ) (x 1,65 x , x + 1,65 x ) (x 1,96 x , x + 1,96 x ) (x 2,00 x , x + 2,00x ) (x 3,00 x , x + 3,00 x )
conana.

N C () 50,0 % 68,3 % 90,0 % 95,0 % 95,5 % 99,7 %

Tabela 10: Intervalos de conana tpicos e os correspondentes nveis de Assim, pode-se sintetizar a estimativa, por um intervalo de conana, do resultado da medio direta de uma grandeza como:

C V A P . 75 S T P

A partir de uma amostra {x1 , x2 . . . xN } de N medidas, diretas e independentes, de uma grandeza x, o nvel de conana de que o intervalo (x x , x + x ) contenha o valor esperado de x da ordem de 68 %, x= 1 N
N N

onde

xi
i=1

x =

i =1

(xi x)2 . N(N 1)

3.5.1. Graus de liberdade O nmero de termos utilizados no clculo de uma estimativa de incerteza do tipo A igual ao nmero N de medidas da amostra. Entretanto, nesse clculo utiliza-se a mdia, a qual deriva de uma relao que envolve todas as N medidas e, portanto, o nmero de termos independentes reduz-se a N1.Esse nmero chamado nmero de graus de liberdade da distribuio de dados. Estudando com mais detalhe a distribuio de dados para pequenas amostras, Gosset (1908) determinou que eles no obedeciam distribuio de Gauss e sim, a uma outra, doravante chamada distribuio de Student [16]. Essa distribuio no tem o carter universal da distribuio gaussiana, pois deC V A P . 76 S T P

pende do nmero (N) de medidas ou, explicitamente, do nmero () de graus de liberdade. Assim, para se determinar os nveis de conana associados a pequenas amostras pode-se utilizar a Tab. 11, baseada na distribuio de Student [23, 8, 13, 1, 11, 14]. Os nmeros nas colunas abaixo dos nveis de conana, chamados t de Student, so os fatores pelos quais se deve multiplicar o erro da mdia para se obter o intervalo de conana correspondente ao nvel de conana desejado e ao nmero de graus de liberdade associado distribuio de dados.

3.6. Avaliao de erros associados a incertezas do Tipo B

Em alguns casos, o valor de uma grandeza no estimado a partir de observaes repetidas e diretas da grandeza. Por exemplo, se as utuaes das medidas so menores que a sensibilidade (F.2) do instrumento de medio utilizado, os erros aleatrios sero menores que os erros instrumentais resultantes. Nesses casos, o ideal seria a utilizao de um instrumento com melhor sensibilidade. Mas, em diversos experimentos, como os realizados em laboratrios de Escolas ou de Universidades, isso no possvel e nem factvel.

C V A P . 77 S T P

Nmero (N) de medidas 2 3 4 5 6 7 8 9 10 15 20 26

Nmero () de graus de liberdade 1 2 3 4 5 6 7 8 9 14 19 25

Nvel de conana 68,3 % 95,0 % 99,0 % 1,84 1,32 1,20 1,14 1,11 1,09 1,08 1,07 1,06 1,04 1,03 1,02 1,00 12,71 4,30 3,18 2,78 2,57 2,45 2,36 2,31 2,26 2,14 2,09 2,06 1,96 63,66 9,92 5,84 4,60 4,03 3,71 3,50 3,36 3,25 2,98 2,86 2,79 2,58

Tabela 11: Relao entre nmeros de medidas, graus de liberdade e nveis de conana, associados distribuio de Student.

C V A P . 78 S T P

O resultado da leitura de uma medio deve incluir todos os dgitos que o instrumento de medio permite ler diretamente mais um dgito que deve ser estimado pelo observador. O efeito de uma limitao instrumental pode ser avaliado a partir de um caso extremo, no qual o resultado dado por uma nica medida. Como caracterizar o resultado devido a uma nica medida? Qual o nvel de conana que se deve atribuir a esse resultado? A avaliao do erro associado a incertezas do tipo B baseada em toda informao disponvel sobre a variabilidade da estimativa do valor esperado, como propriedades dos materiais envolvidos ou especicaes do fabricante do instrumento utilizado. O procedimento, de certo modo semelhante avaliao dos erros associados a incertezas do tipo A, consiste em admitir que os valores possveis para as medidas, devido a incertezas do tipo B, obedecem a uma distribuio hipottica27 , de acordo com o conhecimento e informao disponveis sobre a variabilidade das medidas.
27 Em geral, a prpria gaussiana, e, em alguns outros casos, a distribuio uniforme ou a distribuio triangular.

C V A P . 79 S T P

3.6.1. Instrumentos analgicos Por exemplo, em instrumentos ou aparelhos de leitura direta em escala, tais como uma rgua metlica, multmetros, cronmetros, termmetros ou osciloscpios analgicos, existe uma resoluo (Ap. F.2) ou limite de erro admissvel (L) para leitura, que igual ao valor nominal da menor diviso de escala do instrumento. Para instrumentos eltricos, como por exemplo multmetros e osciloscpios, alm da leitura, a resoluo depende tambm da sensibilidade do aparelho com relao s variaes de tenso ou corrente. Desse modo, a menor diviso de escala s adotada como limite de erro, se a sensibilidade for menor do que a menor diviso. No caso de cronmetros, acionados manualmente, a resoluo depende tambm do intervalo de tempo entre um estmulo sensorial e o acionamento do aparelho, ou seja, do tempo de reao humano, que da ordem de 0,1 s . claro que a leitura em escala depende tambm da resoluo do olho humano, que a capacidade de distinguir dois pontos afastados. Essa resoluo caracterizada pelo ngulo mnimo subtendido pelo olho tal que a distino seja possvel. Esse ngulo, segundo o critrio de Rayleigh para a difrao da luz, da ordem de 0,008 ou 0,00014 rad, signicando uma resoluo de 0,028 mm a uma distncia de 20 cm.

C V A P . 80 S T P

Assim, para casos dominados pela simples leitura em uma escala, dependendo da dimenso real da menor diviso, se da ordem de milmetro ou centmetro, o limite de erro (resoluo) dene um intervalo de conana de 2 (95 %) ou de 3 (100 %). Se a menor diviso da escala, i.e., o comprimento de uma diviso de escala do instrumento (Ap. F.2) for, por exemplo, da ordem de 1 cm, pode-se imaginar que, se o nmero de medidas fosse grande, elas estariam distribudas normalmente, de tal modo que 100 % delas estariam utuando em torno da mdia com amplitude igual ao limite de erro. Nesse caso, o limite de erro dene um intervalo de conana de 3 , correspondente a um nvel de conana de praticamente 100 %. Usualmente se caracteriza o erro associado a uma nica medida (x) de uma grandeza, por um instrumento de leitura em escala, de acordo com a geometria apresentada pela escala. Se a menor diviso geomtrica da escala for da ordem de 1 cm, caracteriza-se o erro associado a uma nica medida por 1/3 da resoluo L, ou seja, expressa-se o resultado por28 x L/3
28 Para uma escala de tenses eltricas se, por exemplo, L = 1 mV, o resultado expresso como: (valor lido 0,3) mV.

C V A P . 81 S T P

 Se a menor diviso geomtrica da escala for da ordem de 1 mm, no se pode garantir um nvel de conana de 100 % ao intervalo determinado pelo limite de erro; nesses casos, o melhor admitir simplesmente um nvel de conana de 95 %, ou seja, um intervalo de conana de 2, e expressar o erro associado a uma nica medida (x) de uma grandeza por metade da resoluo L, ou seja, expressa-se o resultado por x L/2 Essas estimativas esto associadas a intervalos de conana da ordem de 68 %, e esses erros manifestam-se como efeitos sistemticos quando se efetua uma srie de medidas de uma grandeza com um instrumento de leitura direta em escala. Em geral, medidas resultantes de leitura em escala direta que no dependem da reao do observador so dominadas pela resoluo do instrumento (quando esta sucientemente pequena, como em escalas em milmetro) e basta que se efetue de maneira cuidadosa apenas uma leitura para a estimativa do valor da grandeza. Por outro lado, se a leitura da medida de uma grandeza depender da reao do observador e a resoluo for muito menor que essa reao, o melhor realizar vrias leituras, nas quais o tempo de observao seja muito maior que o de reao, para se diminuir a incerteza. Por exemplo, no caso da medio C V A P . 82 S T P

do perodo de um pndulo por um cronmetro de resoluo da ordem de centsimo de segundo; nesse caso, pode-se medir vrias vezes o intervalo de tempo correspondente a dezenas ou centenas de perodos, o valor esperado para o perodo do pndulo estimado pelo valor mdio dos perodos e a incerteza como do tipo A pelo desvio-padro. 3.6.2. Instrumentos digitais No caso de instrumentos digitais, no h erros devido a leitura, mas podem ocorrer utuaes no ltimo algarismo (X) mostrado. Em geral, adota-se como limite de erro (Lf ), com nvel de conana de 100 %, a mdia entre os algarismos utuantes mximos e mnimos, ou seja, Xm ax + Xmin 2 e, como erro, que dene um intervalo de conana da ordem de 68 %, o valor Lf /3. Mesmo nos casos nos quais no h utuaes no ltimo algarismo do mostrador, o fabricante do instrumento fornece um erro instrumental (Li ) como29 Lf = Li = a % (leitura) + b dgito (ltimo algarismo)
29

Sem manual, o melhor admitir a utuao de um dgito na ltima casa decimal.

C V A P . 83 S T P

Em geral, no se pode atribuir um nvel de conana de 100 % a essa estimativa e, usualmente, atribui-se um nvel de conana de 95 %, ou seja, um erro, que dene um intervalo de conana da ordem de 68 %, igual a Li /2. Assim, se uma medida, com um instrumento digital de leitura direta, est afetada pelos dois tipos de erro, o erro nal devido aos dois fatores, associado a um intervalo de conana da ordem de 68 %, poder ser expresso por = (Lf /3)2 + (Li /2)2

Duas boas referncias para discusses sobre estimativas de erros em instrumentos de leitura direta so de J. H. Vuolo [19] e J. R. Taylor [17].

3.7. Erro padro

Uma vez determinados os erros dos tipo A e B, A e B , cada qual com nvel de conana da ordem de 68 %, o chamado erro padro da estimativa do valor esperado de uma grandeza pode ser expresso pela combinao em quadratura, = 2 + 2 B A ou seja
2 2 = 2 A + B

segundo a recomendao do BIPM [3]. C V A P . 84 S T P

Quando as medies so realizadas com o mximo cuidado por pessoal, processo e mtodos qualicados, de modo que se conseguem identicar diversos componentes de incertezas (erros), prefervel report-los separada e explicitamente, de forma que quem a utilize possa lev-la sua convenincia de uso, compondo-as adequadamente, inclusive para o computo de um valor de referncia. Desse modo reporta-se o valor mais provvel e (mais ou menos) cada componente de incerteza com nvel de conana de 68 %, isto x A B ou x sist estat do que se pode tirar erro combinado com nvel de conana, por exemplo, de 95 %: u = 2 2 + 2 A B com o mesmo nvel de conana. Do ponto de vista prtico, dois procedimentos so utilizados em experimentos realizados em laboratrios de ensino: C V A P . 85 S T P

 as incertezas do tipo B (principalmente instrumentais) so dominantes e a estimativa para o valor de uma grandeza se d a partir de uma nica medida; as incertezas do tipo A (aleatrias) so avaliadas e efeitos sistemticos so procurados apenas quando houver discrepncias signicativas. Ou seja, de modo mais realstico, apenas quando houver uma discrepncia signicativa entre uma estimativa e o valor de referncia, ou entre duas estimativas distintas, procura-se por possveis efeitos sistemticos que causam (ou causaram) tal discrepncia.

3.8. Algarismos signicativos, arredondamento e modos de expressar medidas

Um aspecto prtico na apresentao de um resultado numrico a determinao do nmero de algarismos necessrios, ou de algarismos signicativos30 para express-lo.
30 Algarismos como os zeros esquerda de um nmero distinto de zero, que podem ser suprimidos por uma mudana de unidades, no so signicativos.

C V A P . 86 S T P

Os algarismos signicativos indicam a preciso de uma estimativa, rigorosamente devem ser determinados pelo erro associado estimativa31 , i.e., somente aps o clculo do erro padro possvel estimar o nmero de algarismos com que um resultado deve ser expresso. Em geral, expressa-se o prprio erro padro por um nico algarismo signicativo e a estimativa do valor da grandeza at o ltimo algarismo correspondente ao erro32 . Por exemplo, se a mdia obtida a partir de um conjunto de medidas x = 73,64 cm e o erro x = 0,2 cm, o resultado nal deve ser expresso por: (73,6 0,2) cm ou seja, com trs algarismos signicativos. Uma outra forma de expressar esse resultado por 73,6(2) cm Quando dgitos so retirados de um nmero, o ltimo algarismo signicativo restante deve ser arredondado. A regra prtica para o arredondamento
31 Cujo nmero de algarismos a ser expresso, por sua vez, para incertezas tipo A, determinado pelo erro do erro da mdia. 32 Entretanto, se o primeiro algarismo (no-nulo) do erro for 1, 2 ou 3, pode-se expressar o erro da mdia com 2 algarismos signicativos.

C V A P . 87 S T P

truncar o nmero at a posio desejada, colocar um ponto decimal em frente dos algarismos retirados, e avaliar a frao resultante:

1. Se a frao for maior que 1/2 , o ltimo algarismo signicativo restante incrementado de um dgito. 2. Se a frao for menor que 1/2 , no h incremento. 3. Se a frao for igual a 1/2 , o ltimo algarismo restante incrementado apenas se o penltimo algarismo restante fora mpar.
Ou se for par, mas a adoo da conveno desse item deve ser respeitada em todo procedimento de avaliao e arredondamento do processo em questo.
a

3.9. Operao com medidas sem indicao explcita do erro

Uma vez que a anlise de erros pode exigir um grande esforo de clculo e, portanto, um longo perodo de tempo para a sua realizao, freqentemente, C V A P . 88 S T P

na prtica de laboratrio, a anlise adiada para uma ocasio mais propcia, e, para isso, utilizamos algumas regras que permitem a realizao de operaes rpidas com medidas. Em alguns casos, a prpria incerteza no est explcita, e essas convenes podem ser utilizadas para resolver o problema. Para estabelecer essas regras pode-se adotar como incerteza de uma medida a variao de um dgito em seu ltimo algarismo signicativo. Por exemplo, a operao 0,911,23 poderia resultar em 1,1 ou 1,1193 ou 1,12. O resultado 1,1 acentua demais o erro devido ao arredondamento pois, cada um dos fatores so conhecidos com incerteza mxima de cerca de 1 %, enquanto ao resultado atribuda uma incerteza mxima de cerca de 10 %. O valor 1,1193 de uma pretensa exatido absurda, pois nem todos os nmeros so realmente signicativos. O melhor valor, que mantm a margem de incerteza em 1 % para o resultado, 1,12. Assim, como regra prtica: na multiplicao ou diviso, cada fator pode ser aproximado para ter a mesma preciso que a do fator menos preciso. Por exemplo, \2 \ = 82 2,8 29,4 = 82,3 \8 \ = 0,0071 5,3 748 = 0,00708 C V A P . 89 S T P

 na adio ou subtrao, como os maiores valores dominam o erro total, o resultado em geral contm, na parte inteira, o mesmo nmero de algarismos signicativos que a maior parcela e, na parte decimal, o mesmo nmero de algarismos signicativos que a parcela com menor parte decimal. Por exemplo, 28,5 +1,87 30,37 30,4 7146 12,8 7133,2 7133

3.10.
3.10.1.

Compatibilidade e discrepncia
Comparao entre uma estimativa e um valor de referncia

Para se avaliar a compatibilidade entre uma estimativa x do valor de uma grandeza x e um valor de referncia xref , deve-se comparar a discrepncia |x xref | com o erro padro x da estimativa. De acordo com a lei dos erros, a expectativa de ocorrncia de discrepncias maiores que o erro padro cerca de 32 %. Devido a essa expectativa, relativamente alta, no se pode dizer que uma discrepncia ligeiramente maior que o erro-padro no aceitvel, ou que C V A P . 90 S T P

signicativa. O que se pode dizer que a estimativa no compatvel com o valor de referncia ao nvel de conana de cerca de 68 %. Por outro lado, uma discrepncia maior que 3 x , com expectativa de cerca de 1 %, muito pouco provvel e, assim, a estimativa deve ser rejeitada. A fronteira entre a compatibilidade e a incompatibilidade, ou entre a rejeio e no-rejeio depende de um compromisso que, como prtica comum, para a maioria dos pesquisadores, estabelece que qualquer discrepncia maior do que 3 x inaceitvel e qualicada como estatisticamente signicativa. Se a discrepncia cai na regio entre 2 x e 3 x , ela referida, simplesmente, como discrepncia signicativa, o experimento dito inconclusivo e deve, se possvel, ser repetido com novas tcnicas ou maiores cuidados com as medidas. Assim, como regra usual,

Se a discrepncia entre uma estimativa x e valor de referncia xref de uma grandeza x menor que 2x , ou seja |x xref | < 2x aceita-se a compatibilidade da estimativa com o valor de referncia.

C V A P . 91 S T P

Mesmo baseando-se em mtodos estatsticos e probabilsticos, os critrios de deciso no garantem se uma discrepncia fortuita, ou se reete uma incompatibilidade da estimativa com o valor de referncia. Ao se aceitar a compatibilidade admite-se que a discrepncia casual e, devido a essa deciso, pode-se perder a chance de se estabelecer ou perceber a ocorrncia de um fato ou efeito novo responsvel pela diferena. Em linguagem estatstica, diz-se que poderia haver um33 erro do Tipo II. Por outro lado, ao no se aceitar a compatibilidade, admitindo que a discrepncia no foi casual, mas devido a uma causa desconhecida, corre-se o risco de se anunciar uma falsa descoberta, ou de se cometer um erro do Tipo I. De modo geral, a ocorrncia de um erro do Tipo II prefervel de Tipo I. 3.10.2. Comparao entre duas estimativas de um valor esperado

O mesmo procedimento pode ser utilizado para compararmos duas estimativas x1 e x2 do valor de uma mesma grandeza x, caracterizadas pelos erros padres x e x .
1 2 33

Observao, no h relao com erro tipo A ou B.

C V A P . 92 S T P

 Se os intervalos de conana de 68 % das estimativas interceptam-se, a compatibilidade est assegurada. Se os intervalos so disjuntos, aumenta-se o nvel de conana at que haja a interseco. Interseces at o nvel de 95 %, ou 2 , so julgadas aceitveis e acima de 3 inaceitveis.

De maneira mais rigorosa, pode-se tentar a compatibilidade com o zero, ou seja, compara-se a discrepncia |x1 x2 | entre as estimativas com o valor zero, com erro dado pela composio = 2 + 2 .
x1 x2

Outros aspectos interessantes sobre a compatibilidade entre estimativas, baseados na teoria de probabilidades, so discutidos em Macedo [11] e Taylor [17].

C V A P . 93 S T P

Exemplo de comparao entre resultados Suponha que a densidade do ferro (Fe), cujo valor de referncia ref = 7,86 g/cm3 , tenha sido estimada, com nvel de conana de 68 %, como 1 = (8,1 0,2) g/cm3 .

(g/cm 3)
8,6 8,4
8,2
68% (CL) 8,0 0,2

7,8 7,6

ref

Figura 10: ref = 7,86 g/cm3 e 1 = (8,1 0,2) g/cm3 com nvel
de conana (CL) de 68 %.

A discrepncia |1 ref | = |8,17,86| = 0,24, da ordem de 1 no signicativa C V A P . 94 S T P

e, portanto, a estimativa compatvel com esse valor de referncia (Fig. 10). Se 2 = (8,4 0,1)g/cm3 a estimativa de um segundo experimento, tambm com nvel de conana de 60 %, ao se comparar com o valor de referncia, constata-se que esse resultado no compatvel ao nvel de 95 % (Fig. 11).

(g/cm 3)
8,6 8,4
8,2
8,0 0,1 68% (CL)

7,8 7,6

ref

Figura 11: ref = 7,86 g/cm3 e 2 = (8,4 0,1) g/cm3 com nvel
de conana (CL) de 68 %.

Entretanto, as duas estimativas 1 e 2 so compatveis entre si, uma vez

C V A P . 95 S T P

que a compatibilidade com o zero vericada (Fig. 12). |1 2 | = |8,1 8,4| = 0,3 e = 2 + 2 = 2 1 0,12 + 0,22 0,2

Por outro lado, calculando-se os erros relativos das duas estimativas, 1 = 0,02 e 2 = 0,01

constata-se que o resultado do segundo experimento mais preciso que o do primeiro.

2 (g/cm )
1
3

0,8

0,6 0,4 0,2 0,0 - 0,2

1 2

zero

Figura 12: 1 = (8,1 0,2) g/cm3 e 2 = (8,4 0,1) g/cm3 (comparao com o zero).

C V A P . 96 S T P

Na falta de maiores informaes sobre os procedimentos experimentais e as anlises de erros, uma concluso acerca da discrepncia signicativa do resultado 2 = (8,4 0,1) g/cm3 com o valor de referncia ref = 7,86 g/cm3 que, provavelmente, algum efeito sistemtico no identicado ocorreu durante as medies realizadas no experimento.

C V A P . 97 S T P

Exerccios
Exerccio 3.1. De um conjunto de medidas de uma grandeza, a mdia e o desvio-padro so, respectivamente, 23 e 1. Que fraes percentuais de leitura espera-se nos seguintes intervalos: a) (22 , 24) b) (21 , 23) c) (24 , 25) . Exerccio 3.2. O conjunto abaixo representa 5 medidas da acelerao da gravidade g (m/s2 ). 9,9 ; 9,6 ; 9,5 ; 9,7 ; 9,8 Qual a melhor estimativa e a respectiva incerteza para o valor esperado? Exerccio 3.3. O conjunto abaixo representa 5 medidas da carga do eltron (e), em mltiplos de 1019 C. 1,5 ; 1,7 ; 1,8 ; 1,4 ; 1,6 Qual a melhor estimativa e a respectiva incerteza para o valor esperado? C V A P . 98 S T P

Exerccio 3.4. Aps determinar a velocidade do som em vrias baterias de medidas, a disperso em cada uma das baterias, caracterizada pelo desviopadro, foi da ordem de v = 10 m/s. Quantas medidas so necessrias, numa bateria, para que a incerteza na estimativa seja da ordem de 3 m/s? Exerccio 3.5. Dois experimentos em Fsica de Altas Energias divulgam a descoberta de uma nova partcula. As massas apresentadas, com nvel de conana de 68 %, so: m1 = (7,8 0,2) 1027 kg m2 = (7,0 0,3) 1027 kg Podem esses valores representarem a massa de uma mesma partcula? (argumente estatisticamente) Exerccio 3.6. As medidas da densidade de um lquido (kg/m3 ) so: {1,8 ; 2,0 ; 2,0 ; 1,9 ; 1,8} a) Qual a melhor estimativa para a densidade do lquido? b) Se 1,85 kg/m3 o valor de referncia para a densidade do lquido, analise a discrepncia entre a melhor estimativa e esse valor de referncia. C V A P . 99 S T P

Exerccio 3.7. Trs grupos de estudantes determinam a carga do eltron, com nvel de conana de 68 %, como e1 = (1,72 0,04) 1019 C e2 = (1,75 0,07) 1019 C e3 = (1,62 0,04) 1019 C Se o valor de referncia para a carga do eltron 1,60 1019 C, quais das estimativas so satisfatrias? Exerccio 3.8. Ao se estudar uma reao nuclear, resulta que as energias e os respectivos erros padres, no incio (Ei ) e ao nal (Ef ) do processo, so: Ei = 75 3 MeV A discrepncia signicativa? Exerccio 3.9. Um estudante apresenta como estimativa da acelerao gravidade o resultado (9,5 0,1) m/s2 . Se o valor de referncia 9,81 m/s2 , analise esse resultado (estatisticamente). e Ef = 60 9 MeV

C V A P . 100 S T P

4. Estimativas e erros em medidas indiretas

Outra espcie de problema de estimao do valor esperado de uma grandeza envolve as chamadas medidas indiretas, ou seja, experimentos nos quais as medidas de uma grandeza no so obtidas diretamente de uma escala ou por comparao. O caso mais simples aquele no qual a estimativa para o valor esperado determinada a partir das medidas diretas de uma ou mais grandezas, por uma expresso conhecida a priori34 . Nesse caso, o problema da estimativa do valor esperado e sua incerteza chamado de propagao de erros. Uma variante desse problema aquela na qual duas grandezas x e y foram diretamente mensuradas, em um amplo domnio de variao, e resultaram numa amostra de N pares (xi , yi ) de medidas, podem ser relacionadas por uma forma funcional, conhecida a priori ou postulada, y = f (x; a1 , a2 . . . ap ) onde os a j so p parmetros, que xam a dependncia entre as grandezas diretamente medidas, e alguns dos quais podem ser estimativas de valores esperados de outras grandezas.35 O problema consiste na determinao dos parmetros
Por uma expresso de denio ou por uma frmula obtida por meio de uma teoria. Por exemplo, se a relao funcional entre as grandezas x e y for y = ax + b, teremos f (x; a, b) = ax + b, sendo p = 2, a1 = a e a2 = b.
35 34

C V A P . 101 S T P

a j de modo que os valores de y dados pela expresso analtica, f (xi ; a1 , a2 . . . ap ), aproximem-se das medidas yi , dentro de certos critrios estatsticos. Essa classe de problemas denominada de ajuste de funes.

4.1. Propagao de erros

Em muitas situaes, a determinao de uma grandeza z se d por um processo indireto, a partir, por exemplo, de um conjunto {xi , yi } de N medidas diretas de duas grandezas x e y, por uma expresso do tipo z = f (x, y). 4.1.1. Medidas indiretas envolvendo adio O caso mais simples aquele no qual a expresso envolve apenas a adio ou subtrao das grandezas, z=x+y ou z=xy

Nesse caso, se x e y so as mdias das medidas e x e y os respectivos erros, a melhor estimativa para o valor esperado de u dada por z=x+y ou z=xy

C V A P . 102 S T P

e o erro da estimativa, se as medidas das grandezas no so correlatas, por36 z = 2 + 2

x y

ou, mais genericamente, se a correlao for no-nula, por =

z

2 + 2 + 2 xy /N
x y

onde xy a covarincia entre as medidas de x e y. 4.1.2. Medidas indiretas envolvendo multiplicao Se a relao que determina a grandeza z, por meio das grandezas x e y, diretamente mensuradas, dada pelo produto z = xy ou pelo quociente z = x/ y, a melhor estimativa para o valor esperado (z) dada por z=xy
36

ou

z = x/ y

Em particular, se z = x,

z = || x .

C V A P . 103 S T P

e o erro relativo, se as medidas de x e y no so correlatas, pela soma em quadratura dos respectivos erros relativos,37 z |z| Regra mnemnica Adio ou subtrao Como regra mnemnica, a composio de erros para a adio ou subtrao de duas grandezas (x e y) no-correlatas obedece ao teorema de Pitgoras, conforme ilustra a Fig. 13a. xy Em geral, dependendo do coeciente de correlao r = x y , o erro dado pelo mdulo da diferena entre os vetores de mdulos x e y , que fazem um ngulo tal que cos = r. Ou seja, a composio dos erros obedece a lei dos cossenos, 2 = 2 + 2 2 x y cos = 2 + 2 + 2 r x y
z x y x y
37

x x

y y

Em particular, se z = k/x, onde k uma constante, z = k/x e z | z| = x |x| z = |k | x

2

C V A P . 104 S T P

Multiplicao ou diviso Para a multiplicao ou diviso, basta substituir os erros absolutos pelos relativos (Fig. 13b).

Figura 13: Ilustrao da composio de erros que obedecem ao teorema de Pitgoras; a) para adio ou subtrao, b) para multiplicao ou diviso.

Caso mais geral* No caso mais geral onde z = f (x), em que z resultado da medida indireta de uma nica varivel x, dado por uma por uma expresso C V A P . 105 S T P

Figura 14: Ilustrao da composio de erros obedecendo lei dos cossenos. mais complexa do que a relao proporcional a x, o valor esperado dado por z = f (x) e o erro padro para uma amostra de N valores de x por38 z =
38

df dx x x

Em particular, se z = x2 , ento z = 2|x| x (|x| 0).

C V A P . 106 S T P

No caso mais geral, onde z = f (x, y) dada por uma expresso mais complexa, o valor esperado de z dado por z = f (x, y) e o erro padro para uma amostra de N pares (x, y) por 2 =
z

f f 2 f 2 + 2 + x y N y x y

f y xy

sendo as derivadas consideradas no ponto (x, y). Observao Um procedimento alternativo para a estimativa indireta de uma grandeza a partir de medidas diretas de outras grandezas calcular, atravs da expresso que a dene, um conjunto de valores para a mesma e, a partir desses valores, determinar-se a mdia e o erro associado, de maneira anloga ao caso das medidas diretas.

4.2. Exemplos de propagao de erros

Alguns exemplos em que podemos utilizar a propagao de erros para determinar indiretamente o valor de uma grandeza em termos de medidas diretas de C V A P . 107 S T P

outras grandezas so39 : Peso (p) de um corpo ao ser pendurado num dinammetro de constante elstica k e elong-lo de um comprimento : p=k p=k e p = k

Corrente (I) num resistor (R) no qual a tenso em seus extremos V : I= V R I = V R

Perodo (T) de um pndulo simples a partir de seu comprimento (l): T = 2 T2 = T T T T

39

l g

T2 = T 2 T2

42 l g =2 T T

T 2 T2

l l

1 l 2 l

No estaremos indicando valor absoluto quando a grandeza for sabidamente positiva.

C V A P . 108 S T P

 Freqncia ( f ) ou perodo (T) de um corpo de massa m ao oscilar pendurado em uma mola de constante elstica k : 1 = T = 2 f T T = m k T2 = 42 m k T 2 T2 = m m

f 1 m = 2 m f

Velocidade (v) de uma bilha ao cair a partir do repouso de uma altura (h): v= 2 gh v2 = 2 gh v2 v2 = h h

v 1 h = 2 h v ngulo de refrao (r ) da luz ao incidir com ngulo i num meio de ndice de refrao40 n :
40

Nota Avanada A propagao de erro na determinao do ngulo de refrao r da luz

C V A P . 109 S T P

ao incidir com ngulo i num meio de ndice de refrao n, permite ilustrar a generalizao do procedimento para qualquer forma da dependncia entre duas grandezas. O problema avaliar o erro em y = sen quando a incerteza em conhecida e igual a . Uma vez que, em geral, / 1, basta que se conhea o comportamento de y num pequeno entorno (vizinhana) de i que pode ser aproximado pela reta cuja inclinao dy , ou seja, d y= dy d + cte = cos i + cte
i

Desse modo, o erro propagado ser dado por y = sen = | cos | De maneira geral, se y = f (x), a incerteza propagada de x em y dada por y = (a derivada sendo calculada para x = x ). df x dx

C V A P . 110 S T P

n=

sen i sen r

sen r =

sen i n

cos i sen r = n i sen r = cos r r

r =

1 cos i n cos r i

N: para as incertezas, os ngulos devem ser expressos em radianos. Comprimento de onda () de luz difratada por um ngulo () em uma rede de difrao na qual a distncia entre as fendas d: = d sen = d sen = d cos

Em todos esses exemplos os valores dos parmetros (Sec. 4.5) g, k, R, n e d foram considerados como constantes e, portanto, isentos de erros. 4.2.0.1. Erro da mdia (z ) A prpria estimativa do erro da mdia (z ) pode ser derivada da frmula de propagao, se admitirmos como estimativa do erro em cada medida o desvio-padro (z ) de uma amostra {zi } de N medidas

C V A P . 111 S T P

diretas e independentes. z= 2 z = z1 + z2 + . . . + zN N 2 z
1

N2

2 z

N2

+ ... +

2 z

N2

=N

2 z N2

2 z N

z = z N

4.3. Regresso ou ajuste linear

H casos em que, alm de uma forte correlao entre as medidas associadas a um par de grandezas (x, y), h indcios experimentais ou tericos, convico ou intuio de que existe uma relao de causa e efeito entre elas, descrita por uma relao funcional y = f (x). A determinao dessa relao de causa e efeito denominada ajuste de funo. Por exemplo, a Tab. 12 e a gura correspondente apresentam os dados levantados para a calibrao de uma mola (M), a partir de medies do comprimento l (mm) de sua elongao em funo da fora F (gf) exercida por pesos padres, realizadas no laboratrio de Mecnica do IFUERJ. C V A P . 112 S T P

Do ponto de vista estatstico, o problema de estabelecer uma relao entre um par de variveis correlatas denominado, por um motivo histrico [6, 16], de regresso. A situao mais simples e imediata, como no caso da mola, aquela em que o coeciente de correlao linear (r) entre o par de grandezas (x, y) bem prximo da unidade e, portanto, a variao de y em funo de x pode ser expressa por uma relao linear, y = ax + b onde os parmetros da reta, os coecientes angular a e linear b, so estimados por y xy a=r = 2 e b = y ax x x e onde x e y so os desvios padro das medidas de x e y. A expresso para o coeciente linear indica que a reta de regresso sempre passa pelo ponto (x, y) denido pelas mdias x e y. A plausibilidade dessas expresses evidenciada na Fig. 15, onde se nota, claramente, que a inclinao da reta de ajuste depende sensivelmente da disperso e da correlao dos dados. As expresses para determinao dos parmetros a e b podem ser deduzidas a partir do chamado Mtodo dos Mnimos Quadrados (Apndice D). Seu principal C V A P . 113 S T P

Figura 15: Relao entre a inclinao da reta de ajuste, do coeciente de correlao e dos desvios padro. C V A P . 114 S T P

argumento que os parmetros da reta so aqueles que minimizam a soma dos quadrados das distncias das medidas observadas yi aos correspondentes valores previstos pela equao da reta y(xi ) = axi + b, ou seja, pela minimizao da quantidade
N

S=
i=1

yi y(xi )

quando as medidas yi possuem a mesma incerteza.

4.4. Exemplos clssicos de uso de ajuste linear

Deve-se notar que a relao entre as grandezas no precisa ser necessariamente linear. Por exemplo, vrias relaes podem ser transformadas em relaes

C V A P . 115 S T P

lineares41 . P= a V y = ax y = ax + b y = ax + b y = ax + b y=P; x= 1 V

s = aT2 + b T2 = ax + b h = h0 eax

y = s ; x = T2 y = T2 y = log h ; b = log h0

Exemplos clssicos, na Fsica, do estabelecimento de uma relao causal entre duas grandezas, a partir de um ajuste linear, so: lei de Boyle (Boyle 1662)
Nota Avanada A grande vantagem de se colocar um problema como um ajuste linear que os erros podem ser estimados a partir dos prprios dados. Para o ajuste de uma funo que no seja linear, mesmo que, as incertezas nas medidas de y sejam resultantes de medies muito mais acuradas e precisas que as de x ou, as variaes de y resultantes das de x no sejam bem menores que as incertezas nas medidas yi , deve-se levar em conta o erro individual (i ) de cada medida yi de y e minimizar a quantidade
N 41

S=
i=1

yi y(xi ) i

C V A P . 116 S T P

 lei de Hooke (Hooke 1676) lei de Ohm (Ohm 1826) relao cargamassa do eltron (Thomson 1897) lei de Einstein para o efeito fotoeltrico (Millikan 1914)

4.5. Determinao de parmetros

Outra classe de problemas que podem ser resolvidos por um ajuste linear a determinao indireta de parmetros (a j ) de um sistema a partir de uma amostra de medidas de duas ou mais grandezas, em dado intervalo de variao. Parmetros de um sistema so propriedades (constantes, em algumas circunstncias) que caracterizam o comportamento do sistema em resposta a um estmulo ou excitao. Por exemplo, a massa (m) o parmetro de uma partcula necessrio para se calcular a sua acelerao (a ) quando sujeita a uma fora resultante conhecida (F ), ou vice-versa, para se calcular a fora resultante correspondente a uma dada acelerao. Outros exemplos clssicos de parmetros que podem ser determinados por ajuste linear so: C V A P . 117 S T P

 a acelerao local da gravidade ( g) o calor especco (c) de um slido a resistncia (R) de um condutor a susceptibilidade () de um dieltrico a constante elstica (k) de uma mola a indutncia (L) de um indutor linear a capacitncia (C) de um capacitor o ndice de refrao (n) de um meio dieltrico o momento de inrcia axial (I) de um slido a relao cargamassa (e/m) do eltron a constante (h) de Planck a velocidade da luz (c) no vcuo a constante (k) de Boltzmann. C V A P . 118 S T P

Apesar de se considerar uma relao explcita entre as variveis x e y que descrevem a resposta e a excitao de um sistema, que envolve os seus parmetros (a1 , a2 , . . . , ap ), esses no devem ser determinados diretamente, a partir da expresso funcional, por apenas um par particular de medidas (x1 , y1 ). Uma relao funcional pressupe que existam domnios nos quais as variveis esto denidas e a expresso (funcional) vlida. Como as medidas esto associadas a incertezas (que implicam disperses das mdias), o clculo a partir de pares distintos de medidas leva a distintos valores para o parmetro. Nesse sentido, a determinao de parmetros a partir de um ajuste de funo, alm de levar em conta todas as medidas realizadas, leva em conta tambm as incertezas associadas a cada par de medidas. Uma vez determinados os parmetros, torna-se importante avaliar tambm as incertezas de suas estimativas. Para um ajuste linear, as incertezas associadas aos coecientes angular e linear so, respectivamente, (Apndice D) a = 1 y x N e b = a x2

onde y o erro em cada medida de y e x o desvio-padro das medidas de

C V A P . 119 S T P

x, que pode ser estimado a partir dos dados por (Sec. 4.6)
N

y =
i =1

yi y(xi ) N2

Exerccios
Exerccio 4.1. Determine a reta que mais bem se ajusta aos seguintes conjuntos pontos (x, y): a) (1 , 5), (3 , 5), (5 , 1) b) (3 , 3), (1 , 4), (1 , 8), (3 , 9)

Exerccio 4.2. Os dados abaixo representam a posio y e o tempo t de deslocamento de um objeto em movimento uniforme em um trilho de ar.
t (s) d (cm) 4 13 6 25 8 34 10 42 12 56

Determine a velocidade do objeto.

C V A P . 120 S T P

Exerccio 4.3. Se o volume (V ) de uma amostra de gs mantido constante, enquanto sua presso (P) varia, a temperatura (T) em graus celsius obedece a relao T = aP + b , onde a e b so constantes e b denominada temperatura do zero absoluto, cujo valor de referncia 274,15 C. (a) Verique a compatibilidade desse valor de referncia com o seguinte conjunto de dados:
P (mm de Hg) 65 75 85 95 105 T ( C) -20 17 42 84 127

(b) Qual a temperatura que corresponde a 80 mm de Hg? Exerccio 4.4. Em um experimento sobre o efeito fotoeltrico realizado em nosso Laboratrio de Estrutura da Matria, a partir de fontes de luz de freqncias () conhecidas, foram medidas tenses (V ) de corte da corrente em uma fotoclula. C V A P . 121 S T P

 (1014 Hz) 5,19 5,49 6,88 7,41 8,22

V (volts) 0,75 0,84 1,41 1,61 1,95

Essas tenses e freqncias esto relacionadas, segundo a teoria de Einstein, por: V = (h/e) + b onde h a constante de Planck, e a carga do eltron, e b um parmetro caracterstico do material fotossensvel. Verique a compatibilidade dos dados com o valor de referncia 4,1356692(12) 1015 eV s para o parmetro a = h/e. Exerccio 4.5. Determine a lei de calibrao do dinammetro de mola a que se refere a Tab. 12. Compare seus resultados com os do exemplo do 4.6.2. indicao em newton.

C V A P . 122 S T P

Exerccio 4.6. A partir da minimizao da soma dos quadrados dos resduos,

N

S=
i=1

yi y(xi )

mostre que para um ajuste linear no qual a reta passa pela origem, y = ax, o coeciente angular (a) dado por a= com incerteza a = onde y =
N i=1 ( yi N i=1 xi yi N 2 i=1 xi

xy x2

y N x2 axi )2 N1

4.6. Reta de calibrao

Outra situao na qual o ajuste linear extensivamente utilizado na calibrao e utilizao de instrumentos de medio, como um espectrmetro ptico de C V A P . 123 S T P

rede de difrao ou mesmo de um dinammetro de mola. A partir das medidas de duas grandezas, como o comprimento de onda () e o ngulo () de difrao, no caso do espectrmetro, ou a fora (F) e o comprimento (l), no caso do dinammetro, determina-se uma reta de calibrao, cujos parmetros podem ter (ou no ter) signicados fsicos diretos.42 Assim, para um dado valor de fora ou comprimento de onda, a partir da reta de calibrao (Fig. 16), ou melhor, de sua expresso analtica, possvel prever qual seria a deformao da mola ou o ngulo de difrao correspondente. Esse processo denominado de interpolao direta. Uma vez estabelecida uma reta de calibrao, de um dinammetro ou de um espectrmetro, essa pode ser utilizada de modo inverso, ou seja, como um instrumento para medir foras ou comprimentos de onda. Esse processo conhecido como interpolao inversa. Algumas questes que se colocam so: Qual a incerteza nessa previso? Qual o nvel de conana? De N dados utilizados na estimativa do erro em uma medida, apenas N 1 so independentes (ver 3.5.1). Analogamente, no caso de um ajuste linear, no qual dois parmetros da reta so utilizados, apenas N 2 dados so independentes, e a incerteza dos valores de y em torno da reta de calibrao dada
42 No caso do dinammetro, o coeciente angular determina a constante de elasticidade da mola e, assim, torna-se importante avaliar tambm os erros nas estimativas dos parmetros da reta.

C V A P . 124 S T P

y y obs

reta de ajuste

x obs
xobs y y Figura 16: yobs x x (interpolao direta) (interpolao inversa).

C V A P . 125 S T P

por
N

y =
i=1

yi y(xi ) N2

=
i=1

yi axi b N2

Essa expresso, na ausncia de estimativas diretas das incertezas nas medidas de y, a melhor estimativa para o erro em cada uma das medidas de y, a partir dos dados. 4.6.1. Faixa de conana e interpolao inversa No exemplo do dinammetro, denotando-se a fora por x e o comprimento por y, a partir da estimativa do erro ( y ) nas medidas de y, dene-se uma faixa de conana cujo nvel de conana pode ser determinado a partir de uma distribuio de Student com N 2 graus de liberdade (Tab. 11). Em primeira aproximao, uma faixa de conana padro associada a um nvel de conana de 68 % a regio (Fig. 17) entre duas retas paralelas que distam verticalmente y para cima e para baixo da reta de regresso (Apndice E). Analogamente, faixas de conana de 95 % e 99 % podem ser construdas. Para cada valor de x, a faixa de conana padro limita o intervalo ( y y , y+ y ) C V A P . 126 S T P

80 70 60

y = ax + b

y x

y obs

50 40 30 20 10 5 10 15 20

25

Figura 17: Faixa de conana padro associada ao ajuste da mola M1 (Tab. 12); o valor de y igual a 0,3 mm e a faixa de conana est exageradamente representada.

C V A P . 127 S T P

de valores compatveis para a varivel y e, reversamente, para cada valor de y, a faixa de conana dene tambm um conjunto de valores (xx , x+x ) compatveis para x. A avaliao da incerteza numa interpolao inversa se d a partir da faixa de conana estabelecida na reta de calibrao. De acordo com a Fig. 17, a estimativa para o erro x na interpolao inversa dada por y x = a onde a o coeciente angular da reta de calibrao. Assim, a partir de um valor observado yobs , a estimativa para o valor interpolado de x ser dada por ( yobs b)/a y /a x x

C V A P . 128 S T P

4.6.2. Exemplo com o dinammetro de mola Utilizando-se os dados da mola M que constam da Tab. 12, pode-se calcular: r = 0,999955 = 0,3 mm a = 2,98 mm/gf b = 0,14 mm de modo que a reta de calibrao pode ser expressa por: (mm) = 2,8 F(gf) + 1,14 = 0,3 mm Inversamente, a (intensidade da) fora F necessria para provocar uma dada elongao dada por (mm) 4,14 F(gf) = 2,98 = 0,1 gf
F

Por exemplo, para M se distender cerca de 20 mm necessrio aplicar uma fora da ordem de F F = (6,7 0,1) gf C V A P . 129 S T P

Exerccio
Exerccio 4.7. Uma mola a ser usada como dinammetro deve ser calibrada a partir dos dados
F (gf) l (mm) 200 42,0 400 48,4 600 51,3 800 56,3 1000 58,6

onde F so intensidades de fora (em hgf) de pesos padres e l os comprimentos (em mm) da mola com os pesos padres pendurados na extremidade inferior. Qual a fora que mantm a mola com o comprimento igual a 52 cm? Exerccio 4.8 ( ). Baseado no procedimento realizado no Apndice E, mostre que a faixa de conana para u ajuste linear do tipo y = ax determinado pelas curvas y x2 y 1 = ax N+ 2 N |x2 |
N

( yi axi )2 onde y =
i =1

N1

C V A P . 130 S T P

l (mm)
80 70 60

F (gf) 3 4 5 10 15 20 25

l (mm) 9,2 12,2 15,0 30,0 44,6 59,5 75,1

50 40 30 20 10 5 10 15 20 25

F (gf)

Representao dos pontos associados Tab. 12,

(r = 0,9999550) Tabela 12: Dados para calibrao de um dinammetro de mola.

C V A P . 131 S T P

5. Concluso
O relacionamento entre experimentos, tratamento estatstico de dados, leis e teorias pode ser ilustrado de modo simples, a partir de um exemplo baseado nas notas43 do Professor Armando Dias Tavares. Considere uma esfera que, aps rolar sem deslizar sobre uma calha de uma altura h, lanada horizontalmente no espao, e cai ento de uma altura H at um plano horizontal , conforme o esquema da Fig. 18. Qual o alcance s da esfera aps a queda? Esse problema pode ser abordado de duas maneiras: uma experimental e outra terica. Do ponto de vista experimental, a soluo do problema envolve, primeiro, a concepo e a montagem de um aparato baseado no esquema da Fig. 18. Em seguida, deixando-se a esfera rolar de vrias alturas determinam-se os correspondentes alcances, obtendo-se, por exemplo, N pares de medidas de s e h (Tab. 13). Se as medidas forem cuidadosamente realizadas, o diagrama de disperso para y = h e x = s2 e o coeciente de correlao linear sugeriro a existncia de uma relao linear entre x e y, y = ax (Fig. 19). Ou seja, uma relao quadrtica entre a altura h e o alcance s, h = as2 . Em seguida, utilizando-se, por exemplo, o Mtodo dos Mnimos Quadrados para ajuste de uma reta aos valores de x e y, obtm-se uma expresso
43

Introduo Acstica, vol. 1, Convnio NEPECUERJ, IF/UERJ, 1981.

C V A P . 132 S T P

Figura 18: Rolamento e queda de uma esfera.

C V A P . 133 S T P

x Figura 19: Diagrama de disperso entre y = h e x = s2 .

C V A P . 134 S T P

s (cm) h (cm) s1 s2 . . . sN h1 h2 . . . hN

Tabela 13: Medidas das alturas (h) e dos alcances (s). emprica entre as grandezas h e s, ou uma lei experimental, se a expresso for sucientemente geral para que se verique de maneira unvoca, para vrias esferas, num amplo domnio de medidas das grandezas h e s. h = as2 Por outro lado, a partir das leis da Mecnica, pode-se estabelecer uma frmula terica que relaciona essas grandezas como: h= 7 s2 20H

Ou seja, pode-se predizer a existncia de uma interdependncia linear entre a altura h que rola a esfera e o quadrado de seu alcance s ao cair da calha. C V A P . 135 S T P

Desse modo, a partir da medida da altura H, a qual a esfera cai em queda livre, possvel comparar o resultado experimental e o terico, e vericar a compatibilidade entre as duas estimativas, por meio da comparao do parmetro a a com 7/20H. O exemplo apresentado sucientemente trivial para que todo estudante de um curso de Fsica possa, facilmente, compreender e utilizar tanto a abordagem experimental como a terica. Em geral, os problemas defrontados em trabalhos de pesquisa requerem a utilizao de mtodos experimentais e tericos to complexos e distintos que as duas abordagens so feitas de forma mais ou menos independente e complementar, por pesquisadores com mesma formao bsica, mas com treinamentos prossionais distintos. Essa dicotomia levou diviso dos Fsicos em duas classes: os experimentais e os tericos.44 Desse modo, por um lado, um fsico experimental pode, a partir de motivaes prprias, obter uma frmula ou lei emprica que descreva um determinado fenmeno ou, vericar uma frmula ou lei, proposta ou descoberta por um terico. Por outro lado, um fsico terico, tambm a partir de motivaes prprias, pode obter uma frmula ou lei terica para descrever um fenmeno ou,
Historicamente, essa diviso ocorreu em meados do sc. XIX. At a poca de Galileu, Kepler, Brahe, Hooke, Snell, Boyle, Fresnel, Young, Malus, Huygens e Newton, no havia essa distino.
44

C V A P . 136 S T P

explicar uma frmula ou lei, proposta ou descoberta por um experimental. E assim, a partir de atividades mais ou menos independentes, mas complementares, a Fsica vai progredindo. importante salientar que essa dicotomia, experimentoteoria, no deveria ocorrer durante a formao bsica (Graduao) de um aluno de Fsica, onde tanto mtodos experimentais como tericos deveriam ser apresentados ao estudante. A denio da metodologia utilizada na abordagem de fenmenos fsicos uma escolha individual, que s acontece durante e aps um nvel de especializao prossional, como o Mestrado ou Doutorado. Alguns exemplos nos quais o aluno, nesse curso de Fsica, ter a oportunidade de realizar tanto abordagens tericas simples como experimentais, da montagem anlise de dados, baseadas em ajustes lineares, so: Oscilador harmnico massamola Pndulo simples Lei de Hooke Dinammetro Refrao da luz Lei de Ohm Lei de Faraday C V A P . 137 S T P

 Espectroscopia de gases com redes de difrao Relao carga-massa do eltron Efeito foto-eltrico

C V A P . 138 S T P

Notao de ndice e de somatrio

Quando se est trabalhando diretamente com poucos dados e de modo no apenas simblico, como por exemplo: q1 = 150,3 cm, q2 = 150,2 cm e q3 = 151,5 cm, no h desconforto em os escrever a cada momento, assim, a soma desses trs nmeros ser (em termos da mesma unidade): 150,3 + 150,2 + 151,5 = 452,0 (cm) mas isso pode ser escrito simblica e compactamente da seguinte maneira:45
3

q k = q k =1 + q k =2 + q k =3
k =1

= q1 + q2 + q3 = 150,3 + 150,2 + 151,5 = 452,0 (cm)

e lido como somatrio de q ndice k com k variando de 1 a 3, ou somatrio de qu c, com c variando de 1 a 3.

45 O que se est a indicar o procedimento implcito na notao relativamente ao conjunto bruto de dados. Note-se que o conjunto bruto de dados pode conter dados em unidades diferentes. Nesse caso deve-se levar todos os dados brutos mesma unidade.

C V A P . 139 S T P

Com referncia a uma amostra de N dados, a soma s de todas as medidas consideradas ser expressa compactamente por:
N

s =
k =1

qk = qk=1 + qk=2 + . . . + qk=N = q1 + q2 + . . . + qN

Se o valor ai ocorre fi vezes, ento, face as propriedades associativa e comutativa dos reais, tem-se:
N n

s=
k =1

qk =
j=1

aj fj

= a1 f1 + a2 f2 + . . . + an fn

C V A P . 140 S T P

Principais propriedades do somatrio

Listamos a seguir as principais propriedades envolvendo somatrios. N N (a xi ) = a x k
i =1 N k =1

1=N
i =1 N i =1 N

xi + yi =
M

N i =1

xi + xi ,

N j =1

y j onde M < N

xi =
i =1 i=1

xi +
i =M +1 N j =1

N i =1

xi

y j =

xi y j
i , j =1

A primeira identidade traduz a distributividade da multiplicao de nmeros reais em relao adio. A segunda identidade indica a soma de N parcelas iguais a 1. C V A P . 141 S T P

 A terceira identidade traduz a comutatividade e a associatividade da adio de nmeros reais. A quarta identidade traduz um outro aspecto da associatividade da adio de nmeros reais. A quinta, e ltima, identidade segue diretamente da distributividade a multiplicao em relao a adio.

C V A P . 142 S T P

A. Distribuio gaussiana
A expresso analtica para a distribuio gaussiana dada por 1 e x 2 (x )2 22 x

(x|,2 x) =

onde o valor mdio () e a varincia (2 x ) so os dois parmetros da distribuio. Usualmente, representada tambm por Nx (,2 x) Em relao varivel reduzida adimensional z = distribuio normal padro Nz (0,1) de desvio-padro unitrio e simtrica em relao ao seu valor mdio nulo. A distribuio de Gauss uma (funo) densidade de probabilidade46 , para a qual as probabilidades de ocorrncias dos valores da varivel reduzida z, no
46

x , obtm-se a chamada x

Em geral se usa a sigla p.d.f., do ingls probability density function.

C V A P . 143 S T P

intervalo (, t), so encontradas em diversas tabelas [13, 10, 2]. 1 P(z t) = 2 Algumas de suas propriedades so: P(z < t) = P(z > t) = 1 P(z t) P(t z t) = 1 2P(z > t) = 2P(z t) 1
0,8413 t

z2 e 2 dz

P(1 z 1) = P( x x + x ) = 2 P(z 1)1 = 0,683

0,9772

P(2 z 2) = P( 2x x + 2x ) = 2 P(z 2)1 = 0,954

0,9987

P(3 z 3) = P( 3x x + 3x ) = 2 P(z 3)1 = 0,997 C V A P . 144 S T P

A partir desses valores que os valores extremos de intervalos associados a uma dada probabilidade ou expectativa so xados.

C V A P . 145 S T P

B. Erro da mdia
Sejam M amostras de N medidas diretas de uma grandeza x, {xk1 , xk2 , . . . , xkN } (amostra k)

cujo valor esperado . Para cada amostra (k = 1, 2, . . . , M), alm da mdia (amostral) xk , pode-se denir 2 xk 1 = N 1 N
N

(xki xk )2
i=1 N

varincia em relao sua mdia xk

2 = x
k

(xki )2
i=1

varincia em relao ao valor esperado

Desse modo, a varincia das mdias de cada amostra em relao ao valor esperado , cuja raiz o erro associado a cada mdia amostral, pode ser expressa

C V A P . 146 S T P

por 1 2 x = M =
M k =1

1 (xk )2 = M
M

M k =1

1 N

N i =1

2 (xki ) (1a)

1 MN

k =1

1 N

(xki )2 +
i =1 2
xk

1 N2

N i, j i

1 M

(xki )(xk j )
k =1 x x ki k j

(1b)

Uma vez que as covarincias entre pares de medidas de amostras distintas so praticamente nulas (i.e., x x 0), apenas a primeira parcela (1a) da eq. (1)
ki k j

contribui para o erro da mdia. Ou seja, M 1 1 1 2 2 = 2 = xk N xk x N M

k =1

(2)

C V A P . 147 S T P

Apesar de praticamente idnticas (2 2 . . . 2 ), a varincia de cada x1 x2 xM amostra em relao ao valor esperado no pode ser calculada, uma vez que o valor esperado, em geral, desconhecido. Entretanto, para grandes amostras (N 1), a varincia de cada amostra em relao ao valor esperado pode ser aproximada por sua varincia em relao 2 a mdia e, uma vez que essas so tambm praticamente idnticas (2 x1 x2 . . . 2 xM ), denotando-as por x , pode-se estabelecer que

O erro da mdia de uma grande amostra de N medidas diretas de uma grandeza x pode ser estimado por x x = N

Pequenas amostras Se o nmero N de medidas em cada amostra no for sucientemente grande (N < 30), a varincia em relao a mdia (x ) no uma boa aproximao para a varincia de cada amostra em relao ao valor esperado. Entretanto, a partir da decomposio dos desvios das medidas de C V A P . 148 S T P

uma amostra k por xki xk = (xki ) (xk ) a relao entre a varincia em relao a mdia e ao valor esperado pode ser expressa por 2 xk 1 = N = 1 N
N

(xki xk )2
i =1 N

(xki )2 2(xk )
i =1

1 N

xki + (xk )2
i =1 xk

2 xk

(xk )

e as mdias das varincias, como 2 xk = = 1 M

M

2
k

k =1 2 x k

1 M

(xk )2
k =1

2 x

(3)

C V A P . 149 S T P

. . . 2 xM x , uma estimativa para o erro da mdia de uma pequena amostra de N medidas diretas de uma grandeza x pode ser expressa por = 2 x 2 x N1 (4)

2 De acordo com a eq. (2), 2 , e levando-se em conta que 2 = N2 x1 x2 x x

k

Por outro lado, escrevendo-se a eq. (3) como

2 2 = 2 x + x x
k

de acordo com a eq. (4), a mdia das varincias de cada amostra em relao ao valor esperado pode ser estimada por 2 = x
k

N 2 N1 x

Assim, uma estimativa para o erro em cada medida de uma amostra dada por N x (5) sx = N1 Nesse sentido, sx denominado desvio-padro experimental (Ap. F). Em resumo, C V A P . 150 S T P

As incertezas associadas a uma amostra de N medidas diretas de uma grandeza x podem ser estimadas por
N

sx =
i =1

(xi x)2 N1
N i=1

(erro em cada medida)

sx x = = N

(xi x)2 N(N 1)

(erro da mdia)

C V A P . 151 S T P

C. Propagao de erros
Seja uma grandeza w que se relaciona com M grandezas {x 1 , x 2 , . . . , x M } por uma dada funo f , w = f (x1 , x2 , . . . , xM ) tal que, a partir de amostras de N medidas diretas de cada grandeza xk , {xk1 , xk2 , . . . , xkN } k = 1, 2 . . . M

deve-se determinar as estimativas de seu valor esperado e de sua incerteza.

C.1. Caso de uma varivel

Linear Se as variaes da grandeza w so proporcionais s variaes de apenas uma outra grandeza x, isto , w depende linearmente de x, w = f (x) = ax + b

C V A P . 152 S T P

a cada medida direta xi de x corresponde uma medida indireta wi = axi + b de w, tal que a estimativa para o valor esperado de w, dada pela mdia 1 N
N

wi = a
i=1 w

1 N

xi +b = ax + b
i =1 x

igual ao valor da funo f no ponto mdio das medidas de x, ou seja w = f (x ) Desse modo, uma vez que wi w = a(xi x), a varincia (2 w ) das medidas de w dada por 1 N
N

wi w
i=1 2 w

1 =a N
2

xi x
i=1 2 x

o erro associado a cada medida indireta de w, com nvel de conana de 68,3 %, dado por w = |a| x C V A P . 153 S T P

e o erro na estimativa para o valor esperado de w, por u x u = = |a| = |a| x N N Geral Se a grandeza w depende de uma outra grandeza x, segundo uma funo genrica f , w = f (x ) e as medidas de x se distribuem em torno da mdia x tal que, nessa vizinhana, ela possa ser representada pelos primeiros termos de sua srie de Taylor, ou seja, como uma funo linear de x, w = f (x) = f (x) + df dx (x x)
x

a estimativa para o valor esperado de w ser dada por 1 N

N

wi = f (x) +
i =1 w

df dx

1 N

(xi x)
i=1 0

C V A P . 154 S T P

ou seja, pelo valor da funo f no ponto mdio das medidas de x, w = f (x ) Assim, o erro associado a cada medida indireta de w, com nvel de conana de 68,3 %, ser dado por df w = x dx x e o erro na estimativa para o valor esperado de w, por df u w = = dx N df x = dx x x N

C.2. Caso de duas variveis

Linear Considere agora, que a grandeza w funo de duas outras grandezas, x1 = x e x2 = y. Se as variaes de u so proporcionais s de x de y, isto , w depende linearmente de x e y, w = f (x, y) = ax + bx + c de modo anlogo ao caso de uma varivel, a estimativa para o valor esperado de w dada pelo valor da funo f no ponto mdio dos N pares (xi , yi ) de C V A P . 155 S T P

medidas de x e y, w = ax + by + c = f (x, y ) e a varincia das medidas indiretas de w, por 1 N

N

(wi w)2 = a2
i=1

1 N

(xi x)2 + b2
i=1

1 N

( yi y)2
i =1

+ 2ab

1 N

(xi x)( yi y)
i=1 b2 2 y

2 2 2 w = a x +

+ 2ab xy

Assim, o erro associado a cada medida indireta de w, com nvel de conana de 68,3 %, ser dado por w =
2 2 a2 2 x + b y + 2ab xy

e o erro na estimativa para o valor esperado de w, por w = a2 2 + b2 2 + 2ab x y xy N

C V A P . 156 S T P

Nesse caso, alm dos erros associados a cada conjunto de medidas diretas, os erros associados as medidas indiretas dependem tambm da covarincia entre os conjuntos. Se as medidas das grandezas x e y so independentes, ou seja, se no h correlao (xy = 0), a incerteza em cada medida indireta de w e o erro na estimativa para o valor esperado sero dados por w =
2 2 a2 2 x + b y

w w = N

Geral Por outro lado, se a grandeza w depende das grandezas x e y, segundo uma funo genrica, w = f (x, y), mas as medidas de x e y se distribuem em torno do ponto mdio (x, y) tal que, nessa vizinhana, ela possa ser representada pelos primeiros termos de sua srie de Taylor, ou seja, como uma funo linear de x e y, f f (x x) + ( y y) w = f (x, y) = f (x, y) + x x, y y x, y

C V A P . 157 S T P

a estimativa para o valor esperado de w ser dada por 1 N

N

ui = f (x, y)
i =1 w

f + x

x, y

1 N

N i =1

f (xi x) + y
0

x, y

1 N

( yi y)
i=1 0

ou seja, pelo valor da funo f no ponto mdio das medidas de x e y, w = f (x, y ) Nesse caso, o erro associado a cada medida indireta de w, com nvel de conana de 68,3 %, ser dado por w = f x
2 x, y

2 x

f + y

2 x, y

2 y+2

f f x y

x, y

xy

C V A P . 158 S T P

e o erro na estimativa para o valor esperado de w, por w w = = N f x

2 x, y

2 x

f + y

2 x, y

+ 2 y

2 f f N x y

x, y

xy

Se considerarmos a matriz (2 2) de covarincia (Sec. 2.6.1) V= 2 xy xx yx = x xy 2 xy yy y

e a matriz (2 1) das derivadas parciais de w, f x Dw = f y x, y f x f y

Dt w =

x, y

a varincia de w pode ser escrita mais compactamente como w = Dt w V Dw

C V A P . 159 S T P

Se as medidas das grandezas x e y so independentes, ou seja, se no h correlao (xy = 0), ento a matriz V ser diagonal, V= 2 0 x 0 2 y

a incerteza em cada medida indireta de w ser dada pela varincia w = f x

2 x, y

2 x

f + y

2 x, y

2 y

e o erro na estimativa para o valor esperado de w por w = f x

2 x, y

2 x

f + y

2 x, y

2 y

C.3. Caso de M variveis

Para o caso no qual a grandeza w depende de M outras grandezas, X = (x1 . . . xM ), segundo uma dada funo f (X), e as N medidas de cada uma das grandezas se distribuem em torno do ponto mdio X = (x1 , x2 . . . xM ), de modo C V A P . 160 S T P

que, nessa vizinhana, ela possa ser representada pelos primeiros termos de sua srie de Taylor,
M

w = f (X) = f (X) +
k =1

f xk

(xk xk )
X

a generalizao dos resultados anteriores tal que a estimativa para o valor esperado de w dada pelo valor da funo f no ponto mdio X, w = f (X ) o erro associado a cada medida indireta de w, com nvel de conana de 68,3 %, por
M

w =
k ,l

f xk

Vkl
X

f xl

e o erro na estimativa para o valor esperado de w, por u w = = N 1 N

M k,l

f xk

Vkl
X

f xl

C V A P . 161 S T P

onde Vkl = xk xl = 1 N

(xki xk )(xli xl )
i=1

o termo kl da matriz (M M) de covarincia x1 x1 x1 x2 x1 xM x2 x1 x2 x2 x2 xM V= . . . . . . . . . . . . xM x1 xM x2 xM xM Considerando a matriz (M1) Dw das derivadas calculadas no ponto X, tal que Dt w = f x1 f x2 f xM

os erros associados a cada medida indireta de w e a estimativa de seu valor esperado podem ser escritos mais compactamente como u = Dt w V Dw u = 1 t D V Dw N w

C V A P . 162 S T P

Se as medidas das grandezas xk forem independentes, ou seja, se no houver correlaes (xk xl = 0), as incerteza em cada medida indireta de w e na estimativa de seu valor esperado sero dadas por
M

w =
k =1

f xk

2 X

2 xk

w w = N

C.4. Exemplos
Exemplicaremos a propagao de incertezas em uma srie de uma (1) medio para cada grandeza envolvida para a determinao indireta de uma grandeza que delas dependa. C.4.1. Resultante de duas foras Avaliaremos, a ttulo de exemplo, a incerteza na medida indireta da intensidade da resultante R de duas foras F1 e F2 por meio de amostra nica de medio, ou seja de uma srie de uma (1) medio para cada grandeza envolvida. Sabe-se que 2 R2 = F2 1 + F2 + 2F1 F2 cos C V A P . 163 S T P

onde F1 , F2 e so os valores centrais das medidas das intensidades das foras F1 e F2 e do ngulo por elas denido; sendo F1 , F2 e as respectivas incertezas. Ento, como em amostra nica as correlaes so nulas, 2 2 2 R2 = (2F1 + 2F2 cos )2 2 F1 + (2F2 + 2F1 cos ) F2 + (2F1 F2 sen )2 2 1 2 = 2 R 4R2 R2 Da
2 R =

F1 F2 R

1 cos + F2 F1

2 F1 +

1 cos + F1 F2

2 F2

+ (1 cos )(1 + cos ) 2 Para determinar o ngulo entre a resultante e a fora F1 podemos usar a expresso: tan = F2 sen F1 + F2 cos = arctan( F2 sen ) F1 + F2 cos

C V A P . 164 S T P

Ento

F2 sen 2 2 F1 sen 2 = F1 + tan R R 2 F2 (F1 cos + F2 ) 2 + R 1 2 2 = 1 + 2 tan

2 =

2 F2

Da 1 1 + 2

F2 sen R

2 F1 +

F1 sen R
2

2 F2

F2 (F1 cos + F2 ) + R

C V A P . 165 S T P

Em resumo:
2 R =

F1 F2 R

1 cos + F2 F1

2 F1 +

1 cos + F1 F2

2 F2

+ (1 cos )(1 + cos ) 2 1 1 + 2 + F2 sen R

2

2 =

2 F1 +

F1 sen R
2

2 F2

F2 (F1 cos + F2 ) R

Observao A incerteza deve ser expressa em radiano. C.4.2. Medida do momento de fora Para medir o mdulo do momento de uma fora F aplicada no ponto A em relao ao polo P podemos usar a expresso MP (F, A) = d F sen = M C V A P . 166 S T P

onde d = PA, F = |F| e o ngulo entre a fora F e a reta denida pelos pontos P e A. Portanto
2 2 2 2 2 2 2 M = (d sen ) F + (F sen ) d + (F d cos )

Assim:
2 2 M =M

1 F

2 F+

1 d

(cot )2 2 2 d+

C.4.3. Estimativa da incerteza em medio direta de ngulo por meio de transferidor escolar Como = r , onde r o raio do transferidor e o comprimento de arco no transferidor, ento = 1 r . Para um transferidor de 180 de raio r graduado r em graus, = 0,5 180 , da = 0,5 180 = 0,0087 rad = 0,5 , sendo a incerteza na medida dos ngulos consideradas em radiano na propagao de incertezas.

C V A P . 167 S T P

D.

Ajuste linear por meio do mtodo dos mnimos quadrados47

Apresentamos neste apndice o procedimento conhecido como ajuste linear e apontamos algumas generalizaes para o ajuste de outras famlias de funes (ou curvas). O problema pode ser posto como: A partir de N pares (xi , yi ) de medidas obtidas em N medies das grandezas x e y, como determinar a reta de ajuste, y = ax + b , caracterizada pelos parmetros a e b, que melhor se ajuste a esses pontos experimentais? Estamos supondo que cada par de valores conjugados fruto de medio nica em que a grandeza x variada, tendo-se maior conana sobre as medidas de x do que as do correspondente valor da grandeza y; ou porque se tem maior controle de x, ou porque se usam valores de referncia para cada situao distinta; sendo as incertezas nas medidas de y consideradas iguais (por exemplo,
47

Legendre 1806, Gauss 1809.

C V A P . 168 S T P

y
i

y(x) = ax + b

yi
y(xi )

yi

y(xi )

xi

x2

Figura 20: Diagrama de disperso de alguns pares (x, y), onde se ilustram: a reta y(x) = ax + b; trs desses pares; o resduo yi y(xi ) = yi (axi + b) do par genrico (xi , yi ) em relao a referida reta e, tambm a incerteza i da medida yi .

C V A P . 169 S T P

no h mudana de instrumento de medio ou de escala nesse instrumento durante as medies da grandeza y para todos os N pares). O mtodo dos mnimos quadrados48 consiste em minimizar o resduo mdio quadrtico das medidas da grandeza y em relao a reta a estimar49 . Por esse procedimento se determinam os parmetros a e b que melhor estimam a funo de ajuste. Por resduo de uma medida em relao a uma funo de ajuste50 y = f (x; ), entende-se a diferena yi f (xi ) . (Fig. 20) Dessa forma, devemos estudar o extremo da funo: (o resduo mdio quadrtico) R(a, b) = 1 N
N

yk f (xk ; )
k =1

que expresso no caso da reta de ajuste [i.e., no caso em que = (a, b)] por 1 R(a, b) = N
48 49

yi (a xi + b)
i =1

Em ingls: method of least squares. Ou equivalentemente para a situao de extremo, a soma dos quadrados dos resduos. 50 Onde indica os parmetros caractersticos da famlia de funes que se pretende interpolar. No caso da reta de ajuste: = (a, b).

C V A P . 170 S T P

Neste ponto se pode identicar inicialmente dois casos distintos a estudar:51 (a) b = 0, (b) b 0.

D.1. Funo de ajuste y = ax

(b = 0)

Nesse caso, o resduo mdio quadrtico se reduz a uma funo de uma varivel, i.e., N 2 1 yk a xk R(a) = N
k =1

As condies para que se tenha um mnimo para R em um determinado valor do parmetro a so: dR d2 R0 =0 e >0 da da2 Da primeira condio: dR 2 =0 da N
i

xi yi axi = 0

51 Deve-se lembrar que os valores xi e yi so 2N valores conhecidos numericamente, enquanto os parmetros so ainda desconhecidos.

C V A P . 171 S T P

da

1 N

(xi yi ) a

1 N

(xi )2 = 0 xy ax2 = 0 xy x2

donde se tira: a= e como

d2 R 2 2 = x2 i = 2x > 0 2 i N da qualquer que seja x e para qualquer valor de a, ento a = xy / x2 determina o mnimo de R. D.1.1. Estimativa das incertezas associadas ao ajuste y = ax

Se o ajuste y = ax for usado para medida indireta de y por meio de medida direta da grandeza x, fazendo-se uso da funo interpolada, ento o resduo quadrtico para a funo de ajuste fornece uma estimativa para a incerteza na

C V A P . 172 S T P

medio52 de y: y = 1 N1
N

( yk a xk )2
k =1

Se o ajuste y = ax estiver sendo usado para medida indireta da grandeza a, ento precisamos estimar a incerteza a de sua medida. Como o valor do parmetro a determinado em funo dos valores amostrais pela expresso: a= xy x2 = 1 1 x2 N
N

xk yk
k =1

ento podemos avaliar a incerteza a em a como obtido por N medias dos pares (xk , yk ), levando em conta a propagao das incertezas das medidas de cada yk e tendo em vista a hiptese de que as contribuies das incertezas propagadas por xk so desprezveis comparadas com as advindas de yk e que estas, por sua
Note-se a distino entre a medio indireta de uma grandeza por meio de uma funo de origem terica (como o que trata o Apndice C) e a medio indireta por meio de uma funo ajustada.
52

C V A P . 173 S T P

vez, so iguais, i.e., y1 . . . yN y . Assim, da propagao dessas incertezas,

N

2 a

=
j =1

a 2 yj = y j

N j =1

1 1 j 2 1 1 x y = 2 x2 N (x2 )2 N

(x j )22 y
j=1

= portanto

1 2 2 x y (x2 )2 N a = y

N x2 Se, por outro lado, o ajuste for usado para medida indireta da grandeza x a partir de medio direta de y, por interpolao, ento 2 x ( y/a) = y
2

2 y =

y a

x =

y |a |

C V A P . 174 S T P

D.1.2.

Parmetro do ajuste linear y = ax e as incertezas (resumo)

Da, o resduo mdio quadrtico ser mnimo para a reta que passa pela origem e possui coeciente angular: xy a= x2 E as incertezas estimadas por:53 y = a = x =
53

1 N1 y y N x2

( yk a xk )2
k =1

|a|

Note-se como a, assim determinado, torna as incertezas mnimas para esses N pares de medidas.

C V A P . 175 S T P

D.2.

Funo de ajuste y = ax + b

No caso em que no h evidncia que a reta de ajuste passe pela origem, devemos estudar a condio de mnimo da funo de duas variveis:54 R(a, b) = 1 N
N

yi (a xi + b)
i =1

As condies para que se tenha um mnimo para R para determinados valores dos parmetros a e b so: 2 2 R 2 R 2 R R 0, =0 2 2 a b a b a e 2 2 2 R 2 R R = 0 2 R 2 R 2 R +4 >0 b a2 + b2 > a b a2 b2
O estudante de primeiro perodo no deve ter estudado Clculo de Funes de Vrias Variveis; no presente, basta que se tenha em mente que a derivada parcial em relao a uma das variveis calculada xando-se as outras variveis e derivando-se na varivel considerada como no Clculo de 1 varivel.
54

C V A P . 176 S T P

Do primeiro par de condies: R 2 = N a 2 R = N b xi ( yi axi b) = 0 ( yi axi b) =0

x y ax2 bx = 0 y ax b = 0

x2 a + x b = y x xa + b = y

C V A P . 177 S T P

Esse sistema linear no-homogneo em a e b pode ser facilmente55 resolvido, do que se obtm que o resduo mdio quadrtico R tem um extremo para: a= xyxy x2 x2 e b = y ax (6)

Para vericar se a funo R(a, b) apresenta valor mnimo para (a,b) dado por (6), devemos investigar o segundo par das condies de extremo mnimo. Como 2 R = 2x2 a2
55

2 R =2 b2

2 R = 2x a b

Note-se que det a= det xy y x2 x x 1 x 1

xy =rx y

xy x y x2 x
2 x 2

xy 2 x

=r

y x

xy x y

2 x

b=

x2 det x 2 x

xy y

x2 y x xy 2 x

(x2 x ) y x xy 2 x

= y ax .

C V A P . 178 S T P

portanto 2 R 2 R 2 R a b a2 b2
2

= 4x2 4x2 = 42 x >0

o que garante que o extremo denido, e como (para garantir que os autovalores sejam positivos) 2 R 2 R + 2 = 2 x2 + 2 a2 b e 2 R 2 R 2 a2 b
2

+4

2 R a b

=2

x2 1

+ 4 x2

o que conrma que (a, b) dado por (6) se trata de mnimo para a funo R(a, b). A expresso para a pode ser trabalhada para evidenciar sua dependncia em relao aos parmetros de disperso: a= xyxy x2 x
2

xy 2 x

=r

y x

C V A P . 179 S T P

um vez que r = xy /(x y ) o coeciente de correlao linear das medidas56 (x, y). D.2.1. Estimativa das incertezas associadas ao ajuste y = ax + b

Com os parmetros a e b determinados pelas expresses (6) e pelos mesmos argumentos do D.1.1, temos do desvio mdio quadrtico: y = 1 N2
N

( yk a xk b)2
k =1

56 Se houver evidncia dos pontos estarem alinhados, o valor desse parmetro (r) deve ser fornecido, uma vez que avalia a qualidade dos dados, o que tambm reete os cuidados na montagem do dispositivo experimental.

C V A P . 180 S T P

Para a incerteza em a =
N

1 1 N 2 x

N k=1 (xk yk N

x yk ):
2

2 a

=
i=1

a yi

2 yi
N i =1 N i =1 1 N

=
i =1

1 1 (xi x) 2 y N 2 x

= =

1 1 2 (2 x) N 1 2 2 (2 x) N 2 y

1 (xi x)2 2 y N (xi x)2 =

N k =1 2 2 1 y 2 x 2 (2 x) N

a =

1 y x N

Para a incerteza em b =
N

yk a x: b + a
2 N

2 b

=
i =1

b yi

2 yi

2 a

=
i =1

1 N

2 2 2 y + (x) a

1 1 2 2 ( ) + = N 2 2 x = ( N a )2 + (x)2 2 x a a N N y
2 2 2 2 = 2 x + x a = x a

b =

x 2 a

C V A P . 181 S T P

Para a incerteza em x = 1 a ( y b): 2 x D.2.2. x = y

2

2 y =

1 2 a2 y

x =

1 y |a |

Parmetros do ajuste linear y = ax + b e as incertezas (resumo)

Da, o resduo mdio quadrtico ser mnimo para a reta y = ax + b para os parmetros a e b determinados por: a= xy 2 x =r y x e b = y ax

E as incertezas estimadas por: y = a ainda a = 1 N2

N

( yk a xk b)2
k =1

1 y x N

b = a

x2

C V A P . 182 S T P

No caso do ajuste ser usado para medies da grandeza x por meio de medies da grandeza y, tem-se ainda: x = y |a|

D.3. Ajuste da funo y = f (x; )

O caso mais geral em que se pode empregar o mtodo dos mnimos quadrados, como essa mtodo historicamente conhecido, pode ser tratado sistematicamente procedendo a minimizao do resduo mdio quadrtico (ou o erro mdio quadrtico) R() = 1 N
N

yi f (xi ; )
k =1

onde y = f (x; ) uma famlia de funes que dependem de parmetros , denotados compactamente. Ou seja, a minimizao de R determina os melhores valores dos parmetros para a funoajuste dessa famlia. Aspectos gerais de um experimento e outras discusses dos fundamentos estatsticos e probabilsticos, necessrios a um amadurecimento dos tpicos citados, podem ser encontradas em vrios textos bsicos [1, 11, 14, 2, 22, 19, 17, 7]. C V A P . 183 S T P

E.

Faixa de conana

Em um ajuste linear, os afastamentos ou desvios ( yi ) das medidas yi de uma grandeza y com relao aos valores dados hipoteticamente por uma reta de referncia, f (x; , ) = x + , que relaciona as medidas de y com as medidas xi de uma outra grandeza x so estimados a partir da reta ajustada f (x; a, b) = ax + b yi = yi f (xi ; , ) yi f (xi ; a, b) O procedimento rigoroso para estabelecermos uma faixa de conana, a um determinado nvel de conana, para esses desvios comea a partir das incertezas nos parmetros da reta de ajuste, (ver Apndice D, pg. 182) a = y x N e b = a x2

Como esses parmetros no so independentes, escrevendo-se a reta de ajuste como57 f (xi ; a, b) = axi + b = y + (xi x) a
57 1 Estaremos usando as relaes y = ax + b b = y ax, x = N N i=1 1 xi e y = N N i=1

yi .

C V A P . 184 S T P

a incerteza dos valores ajustados dada por fi

2

y2 N

+ (xi x)2 a 1+ (xi x)2 2 x

y fi = N

[uma vez que a 2 = y 2 /(2 x N )]. Desse modo, a varincia dos dados em relao a uma reta de referncia dada por yi
2

= y 2 + fi

y2 N

(N + 1) +

(xi x)2 2 x

y yi = N

(xi x)2 (N + 1) + 2 x y y

Para valores de x no muito afastados do valor mdio x e N 5

Uma vez que y estimado a partir dos dados e dos dois parmetros a e b, a varivel y/ y obedece a uma distribuio de Student com N 2 graus de liberdade, e as curvas C V A P . 185 S T P

y y2 = (ax + b) 1 N y

(N + 1) + y

(x x)2 2 x

denem uma faixa de conana (ver Fig. 21) para as estimativas de y a partir de x (interpolao direta). Para as estimativas de x a partir de y (interpolao inversa), o intervalo de conana correspondente a x ser dado por 58 x2 x1 = (x + x2 ) (x x1 )
2 a 2 1 a 2 y 2 (x x ) + 1 + 2 1+ 2 2 N a a a

x2 x1 2 e

x = x+
58

yobs y a

Em geral, x1 x2 .

C V A P . 186 S T P

y = y + y
1

ax + b

y obs

y = y - y
2

x1

x2

x 1

x2

Figura 21: Faixa de conana do ajuste linear.

C V A P . 187 S T P

Uma vez que y yobs y = N (N + 1) + (x x)2 2 x

fazendo y = y + a(x x) e elevando ao quadrado cada membro yobs y + a (x x) yobs y + (x x) a

2

= =

y2 N y2 a2 N

(N + 1) + (N + 1) +

(x x)2 2 x (x x)2 2 x

C V A P . 188 S T P

obtm-se y2 y y (x x)2 + 2 obs (x x ) + 1 Na2 2 a x X X2

2 2 2

y2 a2

yobs y 1 1+ + N a 2 = 2 2

=0

cuja soluo dada por X= ou seja, 1 2 2

1 x1 = x + 1 x2 = x + +

2 2 2 2

C V A P . 189 S T P

assim, x2 x1 = 2 2 = 2 2 = 2 2 2 + 2

(1 ) 2 + 2 y2 a 2 a2 e

como Na2 2 x yobs y = =xx a y2 1 2 = 2 1+ N a x2 x1 = 2 a 2 1 2 a a a

2

=1

=1

a a

(x x)2 + 1

a a y2 a2

y2 a2

1+

1 N

x2 x1 2

(x x)2 + 1 +

a a

1+

1 N

C V A P . 190 S T P

as incertezas inferiores e superiores so x1 = x x1 = a a

2

(x x ) +

a a

(x x )2 + 1 +

a a

y2 a2

1+

1 N

x2 = x2 x =+ Para r 1 (i.e.,
a a

a a

(x x ) +

a a

(x x)2 + 1 +

a a

y2 a2

1+

1 N

1) e N 5 x2 x1 2 y a x1 x2 y a = x

C V A P . 191 S T P

F. Observaes
F.1. Grandezas
O Vocabulrio Internacional de Termos Fundamentais e Gerais em Metrologia [4], conhecido como VIM, aps a denio de grandeza, faz as observaes que transcrevemos:
1. O termo grandeza pode referir-se a uma grandeza em um sentido geral ou a uma grandeza especca. (a) Grandezas em um sentido geral: comprimento, tempo, massa, temperatura, resistncia eltrica, quantidade de matria.

(b) Grandezas em um sentido especco: comprimento de uma barra, resistncia eltrica de um o, concentrao de etanol em uma amostra de vinho.

C V A P . 192 S T P

2. Grandezas que podem ser classicadas, uma em relao a outra, em ordem crescente ou decrescente so denominadas grandezas de mesma natureza. 3. Grandezas de mesma natureza podem ser agrupadas em conjuntos de categorias de grandezas, por exemplo: trabalho, calor, energia; espessura, circunferncia, comprimento de onda. 4. Os smbolos das grandezas so dados na norma ISO 31.

No presente texto estaremos empregando o termo grandeza no sentido especco.

F.2.

Algumas denies retiradas do VIM

Alm das observaes sobre grandeza, o VIM estabelece o signicados dos principiais termos utilizados em metrologia e no tratamento de dados obtidos por medies. Listamos, em seguida, alguns desses termos em ordem alfabtica e os seus signicados.

C V A P . 193 S T P

Calibrao (aferio) Conjunto de operaes que estabelece, sob condies especcas, a relao entre os valores indicados por um instrumento de medio ou sistema de medio ou valores representados por uma medida materializada ou um material de referncia, e os correspondentes das grandezas estabelecidas por padres. 1. O resultado de uma calibrao permite tanto o estabelecimento dos valores do mensurando para as indicaes como a determinao das correes a serem aplicadas. 2. Uma calibrao pode, tambm, determinar outras propriedades metrolgicas como efeito das grandezas de inuncia. 3. O resultado de uma calibrao pode ser registrado em um documento, algumas vezes denominado certicado de calibrao ou relatrio de calibrao.

C V A P . 194 S T P

desvio-padro experimental

Para uma srie de n medies de uma grandeza, o parmetro (s) que caracteriza a disperso dos dados, dada pela frmula
n

s=
i=1

(xi x)2 n1

onde xi representa o resultado da i-sima medio e x a mdia aritmtica dos n resultados considerados. 1. Considerando uma srie de n valores como uma amostra de uma distribuio, x uma estimativa no tendenciosa da mdia e s2 uma estimativa no tendenciosa da varincia desta distribuio. 2. A expresso s/ n uma estimativa do desvio-padro da distribuio de x e denominada erro padro experimental. Grandeza Indicao (de um instrumento de medio) Medio Atributo de um fenmeno, corpo ou substncia que pode ser qualitativamente distinguido e quantitativamente determinado. Valor de uma grandeza fornecido por um instrumento de medio. Para uma medida materializada, a indicao o valor a ela atribudo. Conjunto de operaes que tem por objetivo determinar um valor de uma grandeza.

C V A P . 195 S T P

Medio, faixa de, (faixa de trabalho) Medio, incerteza de,

Conjunto de valores de um mensurando para o qual se admite que o erro de um instrumento de medio mantm-se dentro dos limites especicados. Parmetro associado ao resultado de uma medio que caracteriza a disperso dos valores que podem ser fundamentalmente atribudos a um mensurando. 1. O parmetro pode ser, por exemplo, um desvio-padro (ou mltiplo dele), ou a metade de um intervalo correspondente de um intervalo a um nvel de conana estabelecido. 2. A incerteza de medio compreende, em geral, muitos componentes. Alguns destes componentes podem ser estimados com base na distribuio estatstica dos resultados das sries de medies e podem ser caracterizados por desvios-padro experimentais. Os outros componentes, que tambm podem ser caracterizados por desvios-padro, so avaliados por meio de distribuio de probabilidades assumidas, baseadas na experincia ou em outras informaes. 3. Entende-se que o resultado da medio a melhor estimativa do valor do mensurando, e que todos os componentes da incerteza, incluindo aqueles resultantes dos efeitos sistemticos, como os componentes associados com correes e padres de referncia, contribuem para a disperso.

C V A P . 196 S T P

Medio, resultado de uma,

Valor atribudo a um mensurando obtido por medio. 1. Quando o resultado dado, deve-se indicar claramente se ele se refere: indicao; ao resultado no corrigido; e se corresponde ao valor mdio de vrias medies. 2. Uma expresso completa do resultado de uma medio inclui informaes sobre a incerteza de medio.

Medies, reprodutibilidade dos resultados de, Medies, repetitividade de resultados de,

Grau de concordncia entre os resultados das medies de um mesmo mensurando efetuadas sob condies variadas de medio. Grau de concordncia entre os resultados de medies sucessivas de um mesmo mensurando efetuadas sob as mesmas condies de medio. 1. Estas condies so denominadas condies de repetitividade. 2. Condies de repetitividade incluem: mesmo procedimento de medio; mesmo observador; mesmo instrumento de medio, utilizado nas mesmas condies; mesmo local; repetio em curto perodo de tempo. 3. Repetitividade pode ser expressa, quantitativamente, em funo das caractersticas da disperso dos resultados.

C V A P . 197 S T P

Valor (de uma grandeza) Sensibilidade Escala

Expresso quantitativa de uma grandeza especca, geralmente sob a forma de uma unidade multiplicada por um nmero. Variao da resposta de um instrumento de medio dividida pela correspondente variao do estmulo. Conjunto ordenado de marcas, que faz parte de um dispositivo mostrador de um instrumento de medio. Cada marca denominada marca da escala.

Comprimento de escala

Para uma dada escala, o comprimento da linha compreendida entre a primeira e a ltima marca, passando pelo centro de todas as marcas menores. 1. A linha pode ser real ou imaginria, curva ou reta. 2. O comprimento da escala expresso em unidades de comprimento, qualquer que seja a unidade do mensurando ou a unidade marcada sobre a escala.

Diviso de escala

Parte de uma escala compreendida entre duas marcas sucessivas quaisquer.

C V A P . 198 S T P

Comprimento de uma Distncia entre duas marcas sucessivas quaisquer, medida ao diviso longo da linha de comprimento de escala. O comprimento de uma diviso expresso em unidades de comprimento, qualquer que seja a unidade do mensurando ou a unidade marcada sobre a escala. Resoluo (de um dispositivo mostrador) Menor diferena entre indicaes de um dispositivo mostrador que pode ser signicativamente percebida. 1. Para dispositivos mostrador digital, a variao na indicao quando o dgito menos signicativo varia de uma unidade. 2. Este conceito tambm se aplica a um dispositivo registrador. Limites de erros Valores extremos de um erro admissvel por especicaes, reguadmissveis (de lamentos, etc., para um dado instrumento de medio. um instrumento de medio)

C V A P . 199 S T P

G.
G.1.

Alguns valores de referncia

Constantes Fsicas Fundamentais59
Grandeza veloc. da luz no vcuo carga elementar massa do eltron massa do proton
Smb.

Valor 299.792.458 1,602.176.462(63) 1019 9,109.381.88(72) 1031 1,672.621.58(13) 1027

Unid. m s1 C kg kg

c e me mp

Incerteza relativa padro (exato) 3,9 108 7,9 108 7,9 108

Tabela 15: Constantes fsicas fundamentais. O valor c exato da velocidade da luz no vcuo o adotado pelo SI para denio atual do metro60 .
Fonte: Peter J. Mohr and Barry N. Taylor, CODATA Recommended Values of the Fundamental Physical Constants: 1998, Journal of Physical and Chemical Reference Data, Vol. 28, No. 6, 1999 and Reviews of Modern Physics, Vol. 72, No. 2, 2000. 60 Transcrio da denio da unidade de comprimento (metro) do SI A denio do metro baseada no prottipo internacional em platina iridiada, em vigor desde 1889, foi substituda na 11a CGPM (1960) por uma outra denio baseada no comprimento de onda de uma radiao do criptnio 86, com a nalidade de aumentar a exatido da realizao
59

C V A P . 200 S T P

G.2.

Acelerao da gravidade

Acelerao da gravidade local no Rio de Janeiro Regio acelerao 9,78789849(14) m s2 9,78791660(15) m s2 9,78782905(15) m s2

Tabela 16: Valores de referncia da acelerao da gravidade local no Rio de Janeiro.

do metro. A 17a CGPM (1983, Resoluo 1; CR 97 e Metrologia, 1984, 20, 25) substituiu, em 1983, essa ltima denio pela seguinte: O metro o comprimento do trajeto percorrido pela luz no vcuo durante um intervalo de tempo de 1/299.792.458 de segundo. Essa denio tem o efeito de xar a velocidade da luz em 299.792.458 m s1 , exatamente. O antigo prottipo internacional do metro, que fora sancionado pela 1a CGPM em 1889, conservado no Bureau Internacional de Pesos e Medidas nas mesmas condies que foram xadas em 1889.

C V A P . 201 S T P

Fonte: Ajustamento da Rede Gravimtrica Fundamental Brasileira . Disponvel em:

www.on.br/institucional/geofisica/areapage/gravimetria/rgfbabs.html

Nota Transcrevemos a Deciso relativa s unidades de base do Sistema Internacional, 3a

CGPM, 1901(CR, 70): ` ` ; gn , 3o item: (sic) O nmero adotado no Servio Internacional de Pesos e Medidas para o valor da acelerao normal da gravidade 980,665 cm/s2 , valor j sancionado por diversas legislaes.

C V A P . 202 S T P

H.

Resumo

Apresentamos nesse apndice o resumo dos principais conceitos introduzidos no texto, seguindo a ordem com que foram introduzidos. Grandeza atributo de um fenmeno ou sistema fsico que pode ser distinguido qualitativamente e determinado quantitativamente. (pg. 12) Dados valores ou qualicaes de atributos associados aos elementos de um conjunto61 . (pg. 13) Medidas dados numricos associados s grandezas relativas a um fenmeno ou sistema fsico, resultantes de medies. (pg. 13) Medio ato ou processo de aquisio de dados que tem como objetivo associar um valor (uma medida) a uma grandeza. (pg. 13)
Dados em estado bruto: listagem de dados conforme obtidos, sem ordenamento ou diviso em classes de freqncias.
61

C V A P . 203 S T P

Populao conjunto ou coleo, hipottico ou no, da totalidade dos dados associados a um fenmeno ou sistema. (pg. 13) Amostra subconjunto acessvel e disponvel de uma populao, do qual se pode ou deseja-se extrair concluses acerca da populao. (pg. 13) Classes intervalos de valores (ou qualicaes) os quais os dados de uma coleo so agrupados. (pg. 18) Freqncia nmero de ocorrncias dos dados de uma populao em determinada classe de seu conjunto de dados. (pg. 18) Histograma (de barras) representao grca de uma distribuio de freqncia em que as freqncias de classes so representadas pelas reas de retngulos contguos e verticais, com as bases colineares e proporcionais aos intervalos das classes. (Aurlio) Histograma setorial representao grca de uma distribuio de freqncia em que as freqncias de classes so representadas pelas reas de setores C V A P . 204 S T P

circulares contguos proporcionais s freqncias das classes.

C V A P . 205 S T P

Parmetros de posio {x1 , x2 , . . . , xN } x1 + x2 + . . . + xN 1 = N N x2 + x2 + . . . + x2 2 N 1 N

N

(pg. 27)

Mdia aritmtica

x=

xi
i=1 N i =1

(pg. 27)

Mdia quadrtica

x2

1 = N

x2 i

(pg. 27)

Valor ecaz

xrms =

x2

(pg. 28)

Moda (xmod ) o valor mais freqente em uma coleo de dados ou numa subcoleo de classes desses dados. (pg. 28) Mediana (xmed ) o valor que divide uma distribuio ordenada de dados, tal que metade dos dados esto acima e metade abaixo desse valor. (pg. 28)

C V A P . 206 S T P

Parmetros de disperso

(pg. 30)

Amplitude (A) dados.

diferena entre os valores mximo e mnimo do conjunto de

(pg. 30)

Desvio mdio absoluto

|x| =

1 N

|xi x| =
i=1 N

1 N

|xi |
i =1

(pg. 30)

Varincia

2 x =

1 N

(xi x)2 =
i=1

1 N

(xi )2 = x2 x 2
i =1

(pg. 31)

Desvio-padro x = 1 N
N

(xi
i=1

x)2

1 N

(xi )2 =
i =1

x2 x 2

(pg. 33)

C V A P . 207 S T P

Largura a meia altura () amplitude dos dados correspondentes metade da freqncia mxima ( fmax ) do conjunto de dados. (pg. 33)

Parmetros de correlao

(pg. 40)

Covarincia entre N pares (xi , yi ) de medidas associadas s grandezas x e y:

(pg. 41)

xy

1 = N

N i=1

1 (xi x)( yi y) = N

(xi )( yi ) = x y x y
i =1

Coeciente de correlao linear de Pearson xy r= (1 r 1) x y

(pg. 43)

C V A P . 208 S T P

Estimativas de erros em medidas diretas

(pg. 52)

Resultado da medio de uma grandeza R estimativa do valor esperado estimativa do erro (e o correspondente nvel de confiana)

Medidas diretas Valores resultantes de medies de uma mesma grandeza, realizadas por um mesmo experimentador, com um mesmo instrumento de leitura e nas mesmas condies ambientais. (pg. 54) Estimativa do valor esperado A melhor estimativa para o valor esperado de uma grandeza a partir de um conjunto de medidas diretas e cuidadosas da mesma, a mdia. (pg. 55) C V A P . 209 S T P

Exatido ou acurcia Conceito qualitativo para o afastamento entre uma estimativa nal e o valor esperado de uma grandeza; associado em geral a efeitos sistemticos aditivos, resultantes de imperfeies instrumentais, observacionais ou tericas, que provocam desvios regulares em todas as medidas. (pg. 58) Preciso Conceito qualitativo para a disperso das medidas de uma grandeza em torno da mdia; associada em geral a efeitos aleatrios, resultantes de utuaes inevitveis no processo de medio. (pg. 58) Erro relativo Conceito quantitativo para a disperso das medidas de uma grandeza em torno da mdia x = x |x | e % = 100 x |x |
(pg. 73)

se x 0, onde x a incerteza considerada para a amostra.

Lei dos erros A caracterstica fundamental de um conjunto {xi } de N medidas de uma grandeza x que se distribuem normalmente com mdia x e desviopadro x , : (pg. 65) C V A P . 210 S T P

68,3 % das medidas esto entre x x e x + x 95,5 % das medidas esto entre x 2x e x + 2x 99,7 % das medidas esto entre x 3x e x + 3x

Erro em cada medida

Uma estimativa para o erro em cada medida a partir de um conjunto {xi } de medidas diretas de uma grandeza x, o desvio-padro (x ).

(pg. 67)

Erro da mdia

(pg. 68)

C V A P . 211 S T P

Uma estimativa para o erro na estimativa do valor esperado, ou seja, para o erro da mdia, a partir de um conjunto de N medidas diretas {x1 , x2 , x3 . . . xN } de uma mesma grandeza x, com desvio-padro x dada pelo desvio-padro amostral (x ), x x = N

C V A P . 212 S T P

Pequenas amostras

(pg. 72)

A melhor estimativa para o valor esperado e a incerteza associados a uma grandeza x, extrada de uma amostra de N medidas diretas {x1 , x2 . . . xN } dada por x x 1 N
N

onde

x=

xi
i=1

(mdia das medidas),

x x = N
N

(erro da mdia).

x =
i=1

(xi x)2 N1

(erro em cada medida),

C V A P . 213 S T P

Nvel de conana
I C (x 1,00 x , x + 1,00 x ) (x 0,67 x , x + 0,67 x ) N C 50,0 % 68,3 % 90,0 % 95,0 % 95,5 % 99,7 %

(pg. 74)

(x 1,96 x , x + 1,96 x ) (x 3,00 x , x + 3,00 x ) (x 2,00 x , x + 2,00x )

(x 1,65 x , x + 1,65 x )

A partir da amostra {x1 , x2 . . . xN } de N medidas, diretas e independentes, de uma grandeza x, o nvel de conana de que o intervalo (xx , x+x ) contenha o seu valor esperado de 68,3 % , onde x = 1 N
N N

xi
i=1

x =

i=1

(xi x)2 N(N 1)

C V A P . 214 S T P

Erro padro

(pg. 84)

Uma vez determinados os erros dos tipo A e B, A e B , com nvel de conana da ordem de 68 %, o chamado erro padro da estimativa do valor esperado de uma grandeza pode ser expresso pela combinao em quadratura, = 2 + 2 B A
(pg. 86)

Arredondamento

A regra prtica para o arredondamento truncar o nmero at a posio desejada e tratar os algarismos retirados como uma frao decimal do seguinte modo:
1. Se a frao for maior que 1/2 , o ltimo algarismo signicativo restante incrementado de um dgito. 2. Se a frao for menor que 1/2 , no h incremento. 3. Se a frao for igual a 1/2 , o ltimo algarismo restante incrementado apenas se o penltimo algarismo for mpar.

C V A P . 215 S T P

Compatibilidade e signicncia

(pg. 90)

A compatibilidade entre uma estimativa x do valor de uma grandeza x e um valor de referncia xref pode ser avaliada comparando-se a discrepncia |x xref | com o erro padro x da estimativa. Se a discrepncia cai na regio entre 2 x e 3 x , ela referida, simplesmente, como signicante, o experimento dito inconclusivo e deve, se possvel, ser repetido com novas tcnicas ou maiores cuidados com as medidas.

Comparao entre duas estimativas

(pg. 92)

Se os intervalos de conana de 68 % das estimativas interceptam-se, a compatibilidade est assegurada. Se os intervalos so disjuntos, aumenta-se o nvel de conana at que haja a interseco. Interseces at o nvel de 95 %, ou 2 , so julgadas aceitveis e acima de 3 inaceitveis.

C V A P . 216 S T P

C V A P . 217 S T P

Estimativas de Incerteza em medidas indiretas

(pg. 101)

Propagao de incertezas Medidas indiretas envolvendo adio ou subtrao se z = x + y ou z = x y, z = x + y ou z = x y e z = 2 + 2 x y

(pg. 103) (pg. 102)

Medidas indiretas envolvendo multiplicao ou diviso se z = x y ou z = x/ y, z=xy ou z = x/ y e z |z | = x x

2

y y

C V A P . 218 S T P

Ajuste linear Ajuste linear de N pares conjugados (xi , yi ) reta de equao y = ax + b a=r y x = xy 2 x

(pg. 112 e pg. 123)

b = y ax

C V A P . 219 S T P

onde: r= x = xy x y 1 N 1 N
N N

(coeciente de correlao linear)

(x j x)2 = x2 x2
j=1 N

(desvio-padro)

y = 1 = N

( y j y)2 = y2 y2
j=1

(desvio-padro)

xy

(xk x)( yk y)
k =1

(covarincia)

=xyxy

C V A P . 220 S T P

Erros (incertezas) no ajuste linear

N

y = x = y a
i =1

[ yi y(xi )]2 = N2

N i =1

( yi a xi b)2 N2

a =

1 y = x N x2

y 2 xN
2 2 2 x =x x

b = a y = N

x2 1+ 2 x

C V A P . 221 S T P

C V A P . 222 S T P

Prexos SI
Fator 10 1021 1018 1015 1012 109 106 103 102 101
24

Nome yotta zetta exa peta tera giga mega quilo hecto deca

Smbolo Y Z E P T G M k h da

101 102 103 106 109 1012 1015 1018 1021

deci d centi c mili m micro nano n pico p femto f atto a zepto z C V A P . 223 S T P

A fonte dos smbolos62 o documento ocial do SI (BIPM1998; NIST2001). A fonte da ortograa em portugus o INMETRO (Portaria no 002, de 06 de janeiro de 1993). Note-se o equivalente aos seguintes prexos: k = um mil da unidade indicada = 103 M = um milho da unidade indicada = 106 G = um bilho da unidade indicada = 109 T = um trilho da unidade indicada = 1012 = 1.000 = 1.000.000 = 1.000.000.000 = 1.000.000.000.000

62 O smbolo para o micro a letra grega , desse modo no-inclinado, e no , em itlico, que ca reservado para varivel matemtica, p.ex., = 12,3 m, que se l mi igual a 123 dcimos de micro metro.

C V A P . 224 S T P

Alfabeto grego
minscula maiscula alfa (alpha) A beta B gama (gamma) delta psilon (epsilon) , E zeta (dzeta) Z eta H teta (theta) , iota I capa (kappa) K lambda mi (mu) M ni (nu) N csi (xi) micron (omicron) o O pi , r (rho) , P sigma , tau T psilon (upsilon) (phi) , qui (ou chi) X psi C V A P . 225 S T P mega (omega)

Tabelas
1 2 3 4 5 6 7 8 9 10 11 12 13 15 Idades, massas e alturas . . . . . . . . . . . . . . . . . . . . . . . Comprimentos de bancadas do laboratrio . . . . . . . . . . . . Distribuio de freqncia de comprimentos das bancadas . . . Distribuio de freqncia e histograma das idades . . . . . . . Distribuio de freqncia e histograma das massas . . . . . . . Distribuio de freqncia das alturas por classes . . . . . . . . Distribuio de freqncia dos comprimentos de bancadas . . . Resumo dos dados referentes s turmas de Fsica Geral . . . . . Correlaes e varincias dos pares de grandezas da Tab. 1 . . . . Intervalos de conana e nveis de conana . . . . . . . . . . . Relao entre nmeros de medidas, graus de liberdade e nveis de conana, associados distribuio de Student . . . . . . . . 21 22 22 23 24 25 26 36 45 75 78

Dados para calibrao de um dinammetro de mola . . . . . . . 131 Medidas das alturas (h) e dos alcances (s). . . . . . . . . . . . . . 135 Constantes fsicas fundamentais . . . . . . . . . . . . . . . . . . 200

C V A P . 226 S T P

16

Valores de referncia da acelerao da gravidade local no Rio de Janeiro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 Prexos SI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 Alfabeto grego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225

C V A P . 227 S T P

Figuras
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Diagrama de um experimento genrico em Fsica . . . . . . . . . Exemplo da largura a meia altura . . . . . . . . . . . . . . . . . . Diagramas de disperso de dados obtidos de uma turma . . . . Efeitos de incertezas aleatrias e de incertezas sistemticas . . . Tiro ao alvo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tiro ao alvo? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio das medidas e a distribuio gaussiana limite . . . Distribuies amostrais das medidas de uma grandeza . . . . . Distribuio das mdias amostrais . . . . . . . . . . . . . . . . . Comparao entre resultados . . . . . . . . . . . . . . . . . . . . Comparao entre resultados . . . . . . . . . . . . . . . . . . . . Comparao entre resultados . . . . . . . . . . . . . . . . . . . . 16 34 41 59 61 62 66 70 71 94 95 96

Composio de erros e o teorema de Pitgoras . . . . . . . . . . 105 Composio de erros e a lei dos cossenos . . . . . . . . . . . . . 106 Relao entre a inclinao da reta de ajuste, do coeciente de correlao e dos desvios padro . . . . . . . . . . . . . . . . . . . 114 C V A P . 228 S T P

16 17 18 19 20 21

Reta de calibrao de um dinammetro, parmetros de ajuste e coeciente de correlao . . . . . . . . . . . . . . . . . . . . . . . 125 Faixa de conana padro associada ao ajuste de uma mola . . 127 Rolamento e queda de uma esfera. . . . . . . . . . . . . . . . . . 133 Diagrama de disperso entre y = h e x = s2 . . . . . . . . . . . . . . 134 Resduo para o ajuste linear, mtodo dos mnimos quadrados . 169 Faixa de conana do ajuste linear . . . . . . . . . . . . . . . . . 187

C V A P . 229 S T P

Bibliograa
[1] R. J. Barlow, Statistics a guide to the use of statistical methods in the physical sciences, John Wiley & Sons, 1997. [2] P. R. Bevington and D. K. Robinson, Data reduction and error analysis for the physical sciences, 2nd ed., MacGraw-Hill, Inc., 1992. [3] BIPM/IEC/IFCC/ISO/IUPAC/IUPAP/OIML, Guia para expresso da incerteza 63 de medio, 2a ed., Verso Brasileira , INMETRO, 1998. [4] , Vocabulrio internacional de termos fundamentais e gerais de 64 metrologia VIM, 2a ed., Verso Brasileira INMETRO, Braslia, 2000, Disponvel em formato PDF em inmetro.gov.br/infotec/vim.asp.

[5] Coordenao da rea de Geofsica CGE ON, Ajustamento da rede gravimtrica fundamental brasileira, Observatrio Nacional, Rio de Janeiro, 1995, Valores de referncia para acelerao local de gravidade no Brasil
Traduo do Gide to the Expression of Uncertainty in Measurement, st edition, 1993, corrected and reprinted 1995, ISO; documento conhecido como ISOGUM. 64 Traduo do International Vocabulary of Basic and General Terms in Metrology ISO, second edition 1993; documento conecido como VIM.
63

C V A P . 230 S T P

disponvel em on.br/institucional/geofisica/areapage/gravimetria. [6] S. F. Costa, Introduo ilustrada estatstica, Editora Harbra, 1999. [7] G. Cowan, Statistical data analysis, 2nd ed., Oxford University Press, Oxford, 1998. [8] H. Crmer, Mathematical methods of statistical, Princeton University Press, 1999. [9] A. Crespo, Estatstica fcil, Editora Saraiva, 1999. [10] P. L. de O. Costa Neto, Estatstica, Editora Egdard Blcher Ltda., 1977. [11] H. Macedo, Teoria dos erros experimentais, Monograas de Fsica XIV, Centro Brasileiro de Pesquisas Fsicas, 1963. [12] Marcos Nascimento Magalhes and Antonio Carlos Pedroso de Lima, Noes de probabilidade e estatstica, 4a ed., Editora da Universidade de So Paulo, So Paulo, 2002. [13] P. L. Meyer, Probabilidade aplicaes estatstica, 2a ed., Livros Tcnicos e Cientcos Editora, 1983. C V A P . 231 S T P

[14] J. Orear, Notes on statistics for physicists 1958, Laboratory for Nuclear Studies (1982), Cornell University, Ithaca, NY 14853, (Revised), Lawrence Radiation Laboratory, 1982. [15] W. Spinelli and M. H. S. de Souza, Introduo estatstica, Editora tica, 1997. [16] S. M. Stigler, The history of statistical (the measurement of uncertainty before 1900), Harvard University Press, 1986. [17] J. R. Taylor, Error analysis: The study of uncertainties in physical measurements 1982, 2nd ed., University Science Books, 1997. [18] S. Vieira, Elementos de estatstica, Editora Atlas, 1999. [19] J. H. Vuolo, Fundamentos da teoria de erros, 2a ed., Editora Egdard Blcher Ltda., So Paulo, 1996. [20] , Avaliao e expresso de incerteza em medio, Revista Brasileira de Ensino de Fsica 21 (1999), no. 3.

[21] W. A. Wallis and H. V. Roberts, Curso de estatstica 1956, Editora Fundo de Cultura, 1964. C V A P . 232 S T P

[22] E. B. Wilson Jr, An introduction to scientic research 1952, Dover Publications, Inc., 1990. [23] G. U. Yule and M. G. Kendall, An introduction to the theory of statistics, Grin & Co., 1968.

C V A P . 233 S T P

ndice
acelerao da gravidade no Rio de Janeiro, 201 acurcia, 58 ajuste de funo, 102, 112, 119 linear, 112, 119, 123, 168 alfabeto grego, 225 algarismos signicativos, 86 amostra, 13, 53 amplitude, 30 arredondamento, 87, 215 calibrao reta de, 123 causa e efeito, 112 classes de freqncias, 18, 19 coeciente de correlao, 43 de correlao linear de Pearson, 43 compatibilidade, 63, 90, 91, 136, 216 com o zero, 93 comprimento de escala, 198 de uma diviso, 199 conana faixa de, 126, 128, 186 intervalo de, 75 nvel de, 74, 124, 214 correlao, 40, 44 coeciente de, 43 linear, 44 negativa, 42 parmetro de, 40 positiva, 42 covarincia, 41 matriz de, 47 critrio de Rayleigh, 80 dados, 12, 13 C V A P . 234 S T P

brutos, 17 coleta de, 13 descrio de, 14 desvio, 30, 41, 90, 184 mdio absoluto, 30 desvio-padro, 33, 67, 211 amostral, 212 experimental, 72, 195 determinao de parmetros, 117 indireta, 117 discrepncia, 63, 90, 216 signicativa, 91 disperso, 58 diagramas de, 40 parmetos de, 30 distribuio amostral, 55 de freqncia, 18 de Gauss, 65, 76, 143 de Student, 76 gaussiana, 65, 76, 143 normal, 65

padro, 143 diviso de escala, 198 erro, 52 da mdia, 68, 69, 77, 212 do erro da mdia, 68 do Tipo I, 92 do Tipo II, 92 em cada medida, 72 em medida, 211 em uma medida, 67 na estimativa do valor esperado, 69, 212 padro, 84, 215 experimental, 195 relativo, 73 percentual, 73 erros anlise de, 12 lei dos, 65 tipos de, 55 escala, 198 estado C V A P . 235 S T P

bruto, 17 Estatstica, 12, 15 exatido, 58, 60 exerccios, 37, 51, 98, 120, 121, 130 experimento, 2, 13, 14 em Fsica, 12 esquema de um, 16 faixa de conana, 126 Fisher Ronald A. (18901962), 55 freqncia distribuio de, 18 freqncias, 18 classes de, 18, 19 tabelas de, 18 funo de ajuste, 170 Fsica, 2 experimento em, 12 Gauss distribuio, de, 76, 143

Gosset Willian S. (1876 1937), 76 grandezas, 12 no-correlatas, 43 graus de liberdade, 76 histograma, 18, 19 incerteza, 12, 67 aleatria, 55, 63 do tipo B, 79 do tipo A, 64 do tipo B, 64, 77 estatstica, 55 sistemtica, 55, 63 aditiva, 56 multiplicativa, 57 incompatibilidade, 91 instrumento analgico, 80 digital, 83 interpolao direta, 124 inversa, 124 C V A P . 236 S T P

intervalo de conana, 74, 75 largura a meia altura (), 33 least squares, 170 lei dos erros, 65 experimental, 135 Fsica, 2 limite de erro, 80, 199 marca da escala, 198 matriz de covarincia, 47, 48 de dados, 47 medio, 13 resultado da, 53 resultado de uma, 72 mediana, 28 medidas, 12, 13 diretas, 54 indiretas, 101

envolvendo multiplicao, 103 moda, 28 mdia, 55, 209 amostral, 68 aritmtica, 27 quadrtica, 27 mtodo da mxima verossimilhana, 55 dos mnimos quadrados, 113, 168, 170, 183 nvel de conana, 74, 79, 124, 214 de pequenas amostras, 77 parmetro de correlao, 40 de disperso, 30 de posio, 27 central, 27 de um sistema, 117 pdf, 143 Pearson coeciente de, 43 C V A P . 237 S T P

Karl (18571936), 43 pequenas amostras, 72 Poincar J. Henri (18541912), 65 populao, 13, 53 preciso, 57, 58, 60, 73 prexos SI, 222 propagao de erros, 101, 152, 155, 160 exemplos, 163 frmula de, 111 radiano, 111, 166, 167 raiz da mdia quadrtica, 28 referncia valor de, 63 regresso, 113 linear, 112 relao de causa e efeito, 112 resoluo, 80, 199 resultado de uma medio, 72

reta de calibrao, 124 de referncia, 184 rms (root mean square), 28 sensibilidade, 77, 198 Student t de, 77 distribuio de, 76 tabelas, 17 de freqncias, 18 tempo de reao, 80 teoria fsica, 2 valor de referncia, 63, 90, 91 ecaz, 28 esperado, 52, 55, 60, 107, 209, 213 mdio, 52 varincia, 31, 32

C V A P . 238 S T P