INDUSTRIAL
Maro-2015
Cascavel - Paran
Tpicos:
Terminologia
Para que se possa expor de forma clara e eficiente os conceitos da
metrologia, atravs do qual so determinados e tratados os erros de
medio, preciso empregar a terminologia tcnica apropriada. A
terminologia adotada neste texto est baseada na
Portaria 029 de 10 de maro de 1995 do INMETRO - Instituto
Nacional de Metrologia, Normalizao e Qualidade Industrial, que
estabelece o Vocabulrio de Termos Fundamentais e Gerais em
Metrologia. Este documento baseado no vocabulrio
internacional de metrologia elaborado por diversas entidades
internacionais tais como BIPM, IEC, IFCC, ISO, IUPAC e IUPAP
Incerteza de medio
Tipo A
Tipo B
Depende da
estabilidade da varivel
de processo
Estimada pelo desvio
padro
Em experimentos de
campo deve ser a a
fonte de maior incerteza
Depende da qualidade
do sistema de medio
Estimada a partir das
informaes
disponveis
Em experimentos
laboratoriais deve ser a
fonte de maior
incerteza.
Tipos de Erro
Erro sistemtico (que deve ser corrigido)
Erro aleatrio
Ambos tem incertezas:
Tipo A estimada atravs da estatstica
Tipo B estimada por mtodos no-estatsticos:
10
Resultado de medio
O resultado de uma medio (RM) expressa propriamente o que
se pode determinar com segurana sobre o valor do mensurando,
a partir da aplicao do SM sobre esta. composto de duas
parcelas:
a) o chamado resultado base (RB), que corresponde ao valor
central da faixa onde deve situar-se o valor verdadeiro do
mensurando;
b) e a incerteza da medio (IM), que exprime a faixa de dvida
ainda presente no resultado, provocada pelos erros presentes no
SM e/ou variaes do mensurando, e deve sempre ser
acompanhado da unidade do mensurando. Assim, o resultado de
uma medio (RM) deve ser sempre expresso por:
RM RB IM [ unidade ]
E I VV
I o valor indicado pelo sistema de medio
VV o valor verdadeiro do mensurando
Esta equao no tem interesse prtico mas nos d uma idia de como tratar os
erros de medio.
Es I VV
I a mdia de um nmero INFINITO de indicaes
Tendncia e Correo
Tendncia (Td) uma estimativa do erro sistemtico.
Td I VVC
I
VVC
C Td
C o valor da Correo
Exemplo
No.
1014
14
1015
15
1017
17
1012
12
1015
15
1018
18
1014
14
1015
15
1016
16
10
1013
13
Td I VVC
11
1016
16
C Td
12
1015
15
Mdia 1015
15
Ea I C VVC
Ic
Ea
1014
-15 999
-1
1015
-15 1000
1017
-15 1002
1012
-15 997
-3
1015
-15 1000
1018
-15 1003
1014
-15 999
-1
1015
-15 1000
1016
-15 1001
10
1013
-15 998
-2
11
1016
-15 1001
12
1015
-15 1000
Mdia 1015
-15 1000
Ic so as indicaes corrigidas.
Quinze gramas foram
subtradas de cada indicao.
I = Indicao
C= Correo
Ic = Indicao corrigida
Ea = Erro aleatrio
E I I
i
a
Ii
I
Estimativa da Incerteza-padro
Populao o termo que se usa em estatstica para descrever o
nmero total de elementos que compem o universo sobre o
qual h interesse em se analisar.
I
n
lim
n
i 1
Ii
I
n
i-sima indicao
mdia de todas as indicaes
Nmero de medies repetitivas
efetuadas
Estimativa da Incerteza-padro
Na prtica no se dispe de infinitas medies repetidas.
Uma estimativa do desvio-padro obtida pelo desviopadro da amostra, calculada a partir de um nmero finito
de medies repetidas do mesmo mensurando por:
I
n
i 1
n 1
s
Ii
I
n
desvio-padro da amostra
i-sima indicao
mdia das n indicaes
nmero de medies repetitivas efetuadas
Estimativa da Incerteza-padro
Quando calculada a partir de um conjunto de medies repetidas, a
incerteza-padro corresponde ao desvio-padro da amostra. Deve
ser associado incerteza-padro o nmero de graus de liberdade
com que foi estimada. Comumente representado pela letra grega
(l-se ni), o nmero de graus de liberdade reflete o grau de
segurana com que a estimativa do desvio-padro determinada.
I
n
i 1
n 1
n 1
Estimativa da Repetitividade
A Repetitividade pode ser calculada a partir do desvio-padro da
populao.
A rea sob a curva NORMAL de distribuio de probabilidade
unitria, o que equivale a dizer que h uma chance e 100% de uma
varivel aleatria estar no intervalo de menos infinito a mais
infinito.
A rea contida dentro da faixa limitada por -2 e +2 pode ser
calculada e corresponde a 95,45% da rea total.
.9545
Estimativa da Repetitividade
Quando o desvio-padro para populao infinita conhecido
exatamente, o clculo da repetitividade para 95,45% muito
fcil. Quando este desvio padro no conhecido, mas deve ser
extimado experimentalmente, o clculo da repetitividade segue
outro caminho:
O matemtico ingls William Sealey Gosset desenvolveu um
caminho confivel para estimar parmetros de um conjunto
finito de dados . Sob o pseudnimo de Student ele publicou o
seu trabalho em 1908. O trabalho consiste em uma nova
distribuio que ele chamou de distribuio t.
A idia bsica que quanto mais dados forem utilizados para
calcular o desvio-padro, melhor ser a confiabilidade da
estimativa realizada.
Estimativa da Repetitividade
Para compensar a incerteza de uma estimativa do desvio-padro,
a repetitividade deve ser calculada multiplicando-se a estimativa
do desvio-padro por um nmero maior do que 2, incorporando
assim um coeficiente de segurana devidamente calculado. Esse
nmero o fator t de Student. Assim a repetitividade
calculada por:
Re t.u
Re Repetitividade
t Coeficiente t de Student para 95,45% e n-1 graus de
liberdade
u U incerteza-padro obtida a partir da amostra com n1 graus de liberdade.
Distribuio T-Student
A distribuio T de Student
uma distribuio de probabilidade
estatstica, publicada por um autor
que se chamou de Student,
pseudnimo de William Sealy
Gosset, que no podia usar seu
nome verdadeiro para publicar
trabalhos enquanto trabalhasse
para a cervejaria Guinness.
Estimativa da Repetitividade
Estimativa da Repetitividade
Aplicao para o exemplo da balana
12
1015
i
i 1
12 1
12 1 11
1,65
Re t.u
Re 2,255.1,65 3,72 g
t 2,255
Curva de Erros
o grfico que representa a distribuio dos erro sistemticos e
aleatrios ao longo da faixa de medio do sistema de medio.
No exemplo da balana mostrado determinou-se a Tendencia de 15g e a
Repetitividade de 3,72g para uma massa padro de 1000 g.
Ao medir repetidamente outros valores de massa padro pode-se obter outros
valores de Tendncia e Repetividade.
Emax
E
A
15
1015
Indicao
Td i Rei
Td i
Td i Re i
Erro mximo
Nmeros significativos e
arredondamentos
Algarismos significativos
As indicaes I 1,14 cm, I 11,4 mm, I 0,0114 m
Tem 3 algarismos significativos.
O nmero de algarismos significativos presente em uma expresso
numrica contado percorrendo cada algarismo da expresso numrica
da esquerda para a direita. A contagem inicia quando o primeiro
algarismo diferente de zero encontrado. A contagem incrementada
para cada algarismo percorrido at que o ltimo algarismo da direita
seja encontrado.
Exemplos:
12 Possui dois algarismo significativos
1,2 possui dois algarismos significativos
0,012 possui dois algarismo significativos
0,0000012 possui dois algarismo significativos
0,01200 possui quatro algarismo significativos
45,300 possui cinco algarismo significativos
Algarismos significativos
Regras de arredondamento numrico
Norma NBR 5891. Resumidamente so 3 regras:
Regra 1: Quando o algarismo imediatamente seguinte ao ltimo algarismo a ser conservado
for inferior a cinco, o ltimo algarismo a ser conservado permanece sem modificao.
Exemplo: 4,3333 arredondado para ter 1 casa decimal resulta em 4,3.
Regra 2: Quando o algarismo imediatamente seguinte ao ltimo algarismo a ser conservado
for superior a cinco, ou, sendo cinco, for seguido de no mnimo um algarismo diferente de
zero, o ltimo algarismo a ser conservado dever ser aumentado de uma unidade.
Exemplo A: 21,6666 arredondado para ter uma casa decimal resulta em 21,7.
Exemplo B: 4,8505 arredondado para ter uma casa decimal resulta em 4,9.
Regra 3: Quando o algarismo imediatamente seguinte ao ltimo algarismo a ser conservado
for 5 seguido de zeros, o ltimo algarismo a ser conservado poder ou no ser modificado.
Ser mantido sem modificao se for par. Ser acrescido de uma unidade se for impar.
Exemplo A: 4,8500 arredondado para ter uma casa decimal torna-se 4,8.
Exemplo B: 4,5500 arredondado para ter uma casa decimal torna-se 4,6.
(8,6124333+-0,01912) mm
(8,61 +- 0,02) mm
(8,612+- 0,019) mm
(12,478892+-0,9111) kg
(12,5+-0,9) kg
(12,48+-0,91) kg
(0,044721+-0,00028) A
(0,0447+-0,0003) A
(0,04472+-0,00028) A
(256,12+-5,2456) mV
(256+-5) mV
(256,1+-5,2) mV
Incerteza da mdia
Considerando, conforme j dito, que a medio um processo
estocstico, e que as indicaes do instrumento de medio so
valores de uma varivel aleatria com uma distribuio de
probabilidades subjacente, h pelo menos 2 maneiras de se obter a
estimativa do valor mais provvel do mensurando:
1. Usando um valor indicado pelo instrumento (N = 1);
2. Usando a mdia de N > 1 indicaes/observaes.
No primeiro caso, a disperso de valores obtidos a cada realizao
da medio ser dada pelo desvio padro da varivel aleatria
indicao do instrumento.
No segundo caso, a disperso de valores obtidos a cada realizao
da medio ser dada pelo desvio padro da varivel aleatria
mdia de N indicaes do instrumento.
Incerteza da mdia
Suponha 8 classes de alunos. A mdia da altura dos alunos
de cada classe hi i 1,8
O desvio padro das mdias menor do que o desvio
padro de cada classe.
s
Adota-se sh
n
onde s representa o desvio padro de uma classe.
Incerteza da mdia
s
sx
n
No caso de medidas nicas utilizadas para expressar o resultado de medio ( isto , o
resultado um valor individual e no uma mdia), o desvio padro calculado acima no deve
ser dividido por n .
Distribuio Normal ou
Gaussiana
Distribuio Retangular
a a
ba
p( x) b a
0
para x (a, b)
2 3
Quando o tipo de distribuio de probabilidade assumido como perfeitamente
conhecido, o nmero de graus de liberdade envolvidos sempre considerado
infinito.
Exemplo de utilizao de
distribuio uniforme
Um instrumento digital apresenta uma Resoluo igual a 1.
Isso significa que qualquer medida y=xyz,w ser indicada como
R xyz se w 0,5
R xyz 1 se w 0,5
Nesse caso, existe uma mesma probabilidade de que o erro cometido esteja dentro do
intervalo (-0,5, 0,5) conforme a figura.
P(Erro)
0,5
0,5
, no caso
3
3
1
u
0,29
2 3
Caracterizao do processo de
medio
Definio do Mensurando
Procedimento de medio
Condies ambientais
Operador
Sistema de medio
Fontes de incerteza
Resultado de
medio
Variabilidade do mensurando
comum esperar que o mensurando tenha um valor nico e
bem definido. Isso correto na maioria das vezes. Trata-se
de mensurando invarivel.
Um mensurando considerado invarivel se seu valor
permanecer constante durante o perodo em que a medio
efetuada.
H casos onde o valor do mensurando apresenta variaes. A
temperatura um exemplo: Seu valor varia de acordo com a
posio em que medida ao longo do tempo. Seu valor no
nico mas flutua dentro de uma faixa. denominado um
mensurando varivel.
Um mensurando varivel quando seu valor no nico, mas
varia em funo da posio, do tempo ou de outros fatores.
Correo combinada
A correo combinada o valor da correo a ser aplicada a
sum processo de medio. formada a partir da soma
algbrica das correes individualmente estimadas para
cada fonte de incerteza.
C C1 C2 C3 Cn
Incerteza combinada uc
Os efeito da ao combinada de vrias fontes de incerteza
devem ser quantificados pela incerteza combinada.
A maneira de combinar depende do tipo de correlao entre
as fontes de incerteza.
Existem claramente dois casos:
Fontes de incerteza no-correlacionadas
Fontes de incerteza correlacionadas ou estatisticamente
dependentes.
Denomina-se incerteza combinada o desvio-padro
resultante da ao combinada das componentes aleatrias de
todas as fontes de incerteza que afetam um processo de
medio.
u u u u u
2
c
uc
ui
2
1
2
2
2
3
2
n
Incerteza combinada
Incerteza-padro da i-sima fonte de
incerteza
uc4
ef
u14
u24
un4
ef
ui
Incerteza expandida U
A incerteza combinada (uc) correponde ao desvio-padro da
ao conjunta de todas as fontes de incerteza. Para obter a faixa
de valores em que, com 95% de probabilidade, espera-se
encontrar o erro aleatrio do processo de medio, necessrio
multiplica-la pelo fator de abrangncia.
U k uc
Incerteza
expandida
Incerteza
combinada
Fator de
abrangncia
Incerteza expandida U
U k uc
O fator de abrangncia depende da distribuio de
probabilidade considerada.
Incerteza expandida U
Seria correto usar k = 2 para conseguir uma probabilidade de
abrangncia de 95% para um caso em que usamos apenas 5
amostras para se estimar o desvio padro?
E poderamos usar k = 2 para conseguir uma probabilidade de
abrangncia de 95% para outro caso em usamos 1000 valores
para se estimar o desvio padro?
Como levar o nmero de amostras em considerao?
Incerteza expandida U
Neste caso, ao invs de se considerar a distribuio de
probabilidade Gaussiana, preciso usar a distribuio t-Student,
com v = N-1 graus de liberdade, para se calcular o fator de
abrangncia.
Caudas com mais
massa para melhor
representar a incerteza na
estimativa do desvio-padro.
Incerteza expandida U
A medida que o nmero de graus de liberdade (nmero de
amostras)
aumenta, a distribuio t-Student tende a distribuio Normal.
Uma tpica tabela de fatores de abrangncia k, para uma
probabilidade de abrangncia de 95%, considerando v = N-1
graus de liberdade :
Exemplo 1:
Calibrao de uma balana usando uma massa padro.
Balana
Resoluo:0,02g
Temp. amb:20,0+- 1,0 C
Massa padro
Valor nominal:20,000 g
Correo:=0,005 g
Incerteza da correo:
0,002 g
Exemplo 1:
Passo 2 Identificao das fontes de incertezas
Exemplo 1:
Passo 3 Quantificao dos efeitos sistemticos
Exemplo 1:
Passo 4 Quantificao dos efeitos aleatrios
Deve-se obter as incertezas-padro a partir das informaes
sobre todas as incertezas:
Indicao
20,16
20,10
20,14
20,12
20,18
Mdia
20,140
0,0316
I
n
i 1
i I
n 1
n 1
uRe
u
0,0316
0,0141g , vRE 4
n
5
Exemplo 1:
Passo 4 Quantificao dos efeitos aleatrios
u MP
U MP 0,002
0,001g , v
2
2
Exemplo 1:
Passo 4 Quantificao dos efeitos aleatrios
a
R / 2 0,01
uR
0,00577 g , vR
3
3
3
Exemplo 1:
Passo 5 Clculo da correo combinada
Cc CMP 0,005 g
Exemplo 1:
Passo 6 Clculo da incerteza combinada e do nmero
de graus de liberdade efetivos
A incerteza combinada calculada, a partir das incertezas-padro
de cada fonte de incerteza,
2
2
uc uRe
u MP
u R2
uc
0,0153g
uc4
ef
4
uRe
Re
4
u MP
MP
ef 5,49
u R4
ef 5
Exemplo 1:
Passo 7 Clculo da incerteza expandida (U)
U k uc
k determinado utilizando a tabela t-student entrando com
o grau de liberdade 5 parau a probabilidade de 95% .
c
k 2,65
U k uc 2,65.0,0153 0,0405 g
Exemplo 1:
Passo 8 Expresso do resultado de medio
Com esses parmetros possvel calcular o valor da
correo da balana (Cb) e sua respectiva incerteza para esse
ponto de calibrao.
Cb MP Cc I U
Exemplo 1:
RESUM0 DOS CLCULOS
Balano de incertezas
Processo de medio
Fontes de incerteza:
Efeitos
sistemticos
Efeitos aleatrios
Simbolo
Descrio
Correo
Re
Repetitividade
natural
MP
Massa-padro
-0,005
Resoluo do
mostrador
Cc
Correo
Combinada
-0,005
uc
U
Unidade:
distribuio
Normal
0,0141
0,002
Normal
0,0010
0,01
Retangular
0,00577
Incerteza
combinada
Normal
0,0153
Incerteza
expandida
Normal
0,0405
Exemplo 2:
Determinao da massa de uma pedra preciosa usando balana digital.
Balana
Resoluo:0,02g
Exemplo 2:
Medies realizadas
No.
Indicao
19,94
Indicao
19,92
Correo
C
Incerteza
Expandida U
19,98
0,00
0,03
19,96
-0,04
0,03
19,90
10
-0,08
0,04
19,94
15
-0,12
0,04
20,00
20
-0,15
0,04
19,94
25
-0,17
0,04
19,94
30
-0,17
0,04
10
19,96
35
-0,15
0,05
11
19,92
40
-0,13
0,05
12
20,00
45
-0,10
0,05
Mdia
19,950
50
-0,07
0,05
Resoluo: 0,02 g
0,0313
Exemplo 2:
Passo1 Anlise do processo de medio
Passo 2 Identificao das fontes de incerteza
Passo3 Quantificao dos efeitos sistemticos
Passo 4 Quantificao dos efeitos aleatrios
Passo 5 Clculo da correo combinada
Passo 6 - Clculo da incerteza combinada e do nmero de
graus de liberdade efetivos
Passo 7 Clculo da incerteza expandida
Passo 8 Expresso do resultado de medio
Exemplo 2:
Passo1 Anlise do processo de medio
Exemplo 2:
Passo2 Identificao das fontes de incerteza
A Repetitividade da balana (Re)
A resoluo limitada da balana
As correes apresentadas no certificado de calibrao (Ccal) contribuem com
uma parcela sistemtica de erro que ser compensada e a incerteza das
calibraes, com uma componente aleatria.
A deriva temporal (DTmp) a denominao dada ao efeito da degradao das
caractersticas metrolgicas da balana com o tempo.
Os efeitos da diferena de temperatura entre as condies de uso da balana e
aquela que existia na calibrao. Essa informao combinada com o
conhecimento da deriva trmica ( Dter) do instrumento resultar em uma
componente de erro sistemtico e outra aleatria decorrente das variaes naturais
de temperatura no lacal das medies.
Exemplo 2:
Passo3 Quantificao dos efeitos sistemticos
3.1 A mdia das 12 indicaes resultou e 19,95 g.
Prximo a 20 g. Da tabela de calibrao entrando-se com 20
g obtm-se a correo Ccal=-0,15 g
3.2 A deriva trmica produz uma componente sistemtica e
outra aleatria. A componente sistemtica obtida
considerando que a temperatura durante as medies 5 C
maior do que a da calibrao. Essa diferena equivale a 5 K.
Para cada kelvin a balana indica 0,008 g a mais. Ento
Exemplo 2:
Passo4 Quantificao dos efeitos aleatrios
Todas as fontes de incertezas possuem contribuies aleatrias:
4.1 - Clculo da incerteza padro e graus de liberdade para as 12 medies:
u
0,0313
0,0090 g
n
12
12 1 11
uRe
Re
a
R / 2 0,01
0,00577 g
3
3
3
R
uR
Exemplo 2:
Passo4 Quantificao dos efeitos aleatrios
4.3 A incerteza expandida da calibrao para 20 g U=0,04 g. Como o fator de
abrangncia no foi fornecido ser utilizado k=2 para obter-se a incerteza padro. O
grau de liberdade ser considerado infinito.
CCal
4.4 A deriva temporal produz, depois de 5 meses, uma degradao que situa-se na
faixa: 5.0,010 0,050 g
Utiliza-se uma distribuio uniforme ou retangular para obter-se a incerteza-padro:
u DTmp
a
0,05
0,0033,
3
3
DTmp
Exemplo 2:
Passo4 Quantificao dos efeitos aleatrios
4.5 A deriva trmica provoca um aumento da indicao de 0,008 g para cada kelvin
em que a temperatura excede a temperatura de referncia de 20 C. Assumindo uma
mesma probabilidade da temperatura situar-se entre 24 e 26 C utiliza-se uma
distribuio uniforme ou retangular de probabilidade no clculo da incerteza padro.
Probabilidade
20
22
24
26
Temperatura ( C )
Probabilidade
Erro ( g )
0,016
0,000
u DTer
0,032
0,040
0,048
a
0,048 0,040
0,0040 g , DTer
3
3
Exemplo 2:
Passo 5 Clculo da correo combinada
Exemplo 2:
Passo 6 Clculo da incerteza combinada e do nmero
de graus de liberdade efetivos
2
2
2
2
uc uRe
u R2 uCCal
u DTmp
u DTer
uC4
4
uRe
Re
(0,0234)
u R4
4
uCCal
CCal
4
u DTmp
DTmp
4
u DTer
DTer
4
R
4
CCal
4
u DTmp
4
u
u DTer
(0,0090) u
11
uC 0,0234, C 503
C 503
Exemplo 2:
Passo 7 Clculo da incerteza expandida
U k .uC
U 2.0.0,0234 0,047 g
Exemplo 2:
Passo 8 Expresso do resultado de medio
RM I Cc U
RM 19,95 (0,19) 0,047
RM 19,76 0,05 g
x2 x1 2 ( y2 y1 ) 2 ( z2 z1 ) 2
x y
( X ,Y )
cov( X , Y )
x
y
1 ( X ,Y ) 1
Para um conjunto de n medies utiliza-se
r( X ,Y )
x x y
i 1
x
y
y
i
i
i 1
i 1
Normalmente duas medies de grandezas de entrada distintas so nocorrelacionadas quando as condies permitem assegurar que os erros sistemticos
foram eficazmente corrigidos e no h uma mesma grandeza de influncia afetando
fortemente os processos de medio.
u ( X 1 X 2 X n ) u ( X 1 ) u ( x2 ) u ( X n )
2
2
2
2
2
Calcula-se a incerteza padro combinada u (m1 m2 ) u1 u2 0,4 0,3 0,5 g
Calcula-se a incerteza expandida de m1+m2
Finalmente
m1 m2 (700,0 1,0) g
X1 X 2 X1 X 2
2
u X 1 / X 2 u( X 1 ) u( X 2 )
X1 / X 2 X1 X 2
2
u R2 X 1 X 2 u R2 X 1 u R2 X 2
u R2 X 1 / X 2 u R2 X 1 u R2 X 2
V 150,0
u R2 ( I ) u R2 (V ) u R2 ( R)
2
u ( I ) u (V ) u ( R)
I
V
R
u ( I ) 1,5 0,5
0
,
30
150
500
u ( I ) 0,003 A
I (300 2 3) mA (300 6) mA
Se
G f ( X 1, X 2 ,, X n )
2
f
f
2
u (G )
u ( X 1 )
u ( X 2 )
u ( X n )
X 1
X 2
X n
G
f
Xi
u 2 (G )
f
X i
u( X i )
h 77,35 0,11 mm
m 14
D
h 14
4
8m
4m
m D 2 h D D 3h h D 2 h 2
2
u ( ) u ( m) u ( D ) u ( h )
m
D
h
massa
Volume
u ( )
u ( m)
u ( D ) u ( h)
m
D
h
u ( ) u ( m) 2 u ( D ) u ( h )
D
m
h
u( )
10 0,0030 0,050
u R2 ( )
4053,2.10 8
2
1580 25,423 77,35
2
m
4m
D2
D 2 h
h
4
4m
4.1580
3
0
,
040239
g
/
mm
D 2 h 3,14159.(25,423) 2 .77,35
A incerteza padro de :
Para obter a incerteza expandida deve-se determinar o grau de liberdade efetivo. Para isso
utiliza-se a incerteza padro relativa para contornar o problema de unidades diferentes.
4
4
R
ef
4
R
u ( m)
ef 14
4
R
u ( D)
4
R
u ( h)
0,0002562
0,050
10
4
0
,
040239
u
(
D
)
77
,
35
1580
ef
14
14
4
Incerteza padro
Distribuio
Retangular
Triangular
Incerteza padro
s
u
n
u
u
x x
i 1
n 1
a
3
a
6
a
n
us
s
x x
i 1
, v n 1
n 1
, v n 1
Erro de linearidade
Curva
linearizada
EL1
Resposta
EL2
Estmulo
E o valor absoluto do
maior desvio da
resposta do sistema
de medio em
relao a curva
resposta linearizada.
xi X , yi Y
~
Deseja-se encontrar uma estimativa de yi , ( yi ) , escrita
como uma funo linear de xi de forma a minimizar o
~
y
min
a ,b
2
L yi ~
yi
i 1
~
yi a bxi
Soluo clssica
Assuma
y1
1 x1
y
1 x
a
2
2
Y
,R
,
y
1
x
n
n
min L
a ,b
2
L yi ~
yi
i 1
~
yi a bxi
~
Y R
min L
a ,b
~T
~
L YY YY
~
Y R
Soluo particular
~
Y X
~
Y YE
~
Fazendo-se E 0 Y Y Y X
Definindo-se
XT x
1
1
1
x1
x
x 2
xn
X 1 x
Yn1 1n1
x n1 n2 21
Yn1 1n1
x n1 n2 21
1T
1T
T Yn1 T 1n1
x 2n
x 2n
x n1 n2 21
1T
1T
T Yn1 T 1n1 x n1 n2 21
x 2n
x 2n
Observem que
n
i 1
i 1
i 1
1T Y yi , xT Y xi yi , 1T 1 11 n,
n
i 1
i 1
1T x xT 1 xi , xT x xi2
n
yi n
ni 1 n
xy x
i i
i
i 1
i 1
xi
a
i 1
n
2 b
x
i 1
n
Sistema com
2 equaes e
2 incognitas.
n
yi n
ni 1 n
xy x
i i
i
i 1
i 1
sy n
s
xy s x
x a
i
b
xi2
i 1
i 1
n
s x a
s x 2 b
s y na s x b
sx
s x s y s x na s x b
s xy s x a s x 2b
ns xy s x na ns x 2b
s x s y ns xy b s x ns x 2
2
s x s y ns xy
sx 2 nsx 2
x y
i 1
i 1
n xi yi
i 1
xi n xi2
i 1
i 1
n
s y na s x b
sx 2
s x 2 s y s x 2 na s x s x 2b
s xy s x a s x 2b
sx
s x s xy s x a s x s x 2b
2
s x 2 s y s x 2 na s x s x 2b
s x s xy s x 2 s y s x ns x 2 a
s x s xy s x 2 s y
sx
ns x 2
i 1
i 1
i 1
i 1
2
x
x
y
x
i i i i yi
2
xi n xi2
i 1
i 1
n
Exerccio
Em um instrumento testado com um conjunto de valores de referncia (Y)
obteve-se na entrada do estgio de tratamento de sinais os valores X.
X = [6,2; 53,8;112,3; 162,0; 210,9; 244,8; 291,8; 337,2; 389,0; 433,1; 487,8; 524,3;
571,8; 629,5; 684,7; 729,6; 782,5; 843,9; 897,2; 965,5; 1033,3]
Y=[0,0; 50,0; 100,0; 150,0; 200,0; 250,0; 300,0; 350,0; 400,0; 450,0; 500,0;
550,0; 600,0; 650,0; 700,0; 750,0; 800,0; 850,0; 900,0; 950,0; 1000,0 ]