SENSORES E

INSTRUMENTAÇÃO

AULA 3 – Noções de Probabilidade

e Estatística
 SENSORES E INSTRUMENTAÇÃO

 3.1 – Introdução
 Todo procedimento de medição consiste em determinar
experimentalmente uma grandeza física. A teoria de
incertezas auxilia na determinação do valor que melhor
representa uma grandeza, embasado nos valores medidos;
 Auxilia também na determinação, com base em
probabilidades, de quanto esse valor pode se afastar do
valor verdadeiro, o qual caracteriza a incerteza dessa
medida;
 Utiliza-se o termo incerteza-padrão para especificar a
dispersão das medidas em torno da melhor estimativa,
calculada como o desvio padrão dessa estimativa;
2
 SENSORES E INSTRUMENTAÇÃO

 3.1 – Introdução
 Fontes possíveis de incertezas:
 definição incompleta da grandeza medida;
 amostragem não representativa;
 conhecimento incorreto das influências ambientais ou a
própria medição incorreta dessas condições;
 resolução finita dos instrumentos;
 valores inexatos de referências; e
 valores inexatos de constantes utilizadas em algoritmos de
medições.

3
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Média aritmética – caracteriza o valor mais típico ou o valor mais
esperado em uma dada coleção de dados ou eventos.
 Exemplo: 28 medidas que podem representar o ângulo dado por
um eletrogoniômetro para avaliar o movimento da articulação
do braço, conforme figura abaixo:

4
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Medidas:
40° 60° 50° 50° 30° 60° 40° 30° 30° 40° 50° 30° 10° 60° 50° 20° 50° 20° 30° 40°
40° 50° 70° 70° 80° 40° 60° 50°
 A média aritmética (média) é a soma de todas as medidas de
determinado ensaio dividida pelo número total de medidas:

1250
 Neste caso, 𝑋ത = = 44,64°
28
 Considerando o número de algarismos significativos, 44,6°.

5
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Mediana - representa o valor médio do conjunto de dados
ordenados em ordem de grandeza, ou seja, a média aritmética
entre os dois valores centrais. A figura abaixo representa a
distribuição dos dados:

6
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Exemplo: observa-se que há 14 valores entre 0 e 40° e também 14
valores entre 50 e 90°;
 Dessa forma temos:

40+50 90
 Mediana = = = 45°
2 2

7
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Moda - o valor que "mais frequentemente ocorre" no conjunto
de dados. Facilmente se percebe, pela distribuição da figura
abaixo, que a moda é o ângulo de 50°.

8
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Para um mesmo conjunto de dados temos:
 Média – 44,6°
 Mediana – 45°
 Moda – 50°

 Necessidade de cuidado com o uso de medidas de tendência

central.

9
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 O que acontece se medirmos as tensões destes sinais, utilizando

um voltímetro em escala DC? E em escala AC?

10
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 A média é um parâmetro mais interessante quando o lote
de dados medidos é simétrico;
 A mediana é muitas vezes utilizada quando o dado é
altamente assimétrico;
 Já a moda pode ser usada para responder questões do
tipo: qual é a causa mais comum entre várias causas de um
determinado fenômeno.

11
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Média geométrica – muito utilizada para dados assimétricos,
principalmente na área das ciências biológicas;
 Para um conjunto de dados (n), é dada por:

𝑛
𝑀𝐺 = 𝑋1 𝑥 𝑋2 𝑥 … 𝑥 𝑋𝑛
Ou
log 𝑋1 +log 𝑋2 + …+log 𝑋𝑛
𝑀𝐺 = 10 𝑛

12
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Exemplo:
Dose disponível Dose utilizada Dose restante
Dia
(ml) (ml) (ml)
1 512 256 256
2 256 128 128
3 128 64 64
4 64 32 32
5 32 16 16

 𝑋ത = ?
13
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Exemplo:

5
 𝑀𝐺 = 256 𝑥 128 𝑥 64 𝑥 32 𝑥 16 = 64

 𝑋ത = 99,2

14
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Média Harmônica – geralmente utilizada quando os dados
envolvem razões, como por exemplo, m³/s;
1
𝑀𝐻 =
1 1 1
+ + …+
𝑋1 𝑋2 𝑋𝑛
𝑛
 Também pode ser atribuída uma ponderação (ωn) para cada
termo:
1
𝑀𝐻 = 𝜔 𝜔 𝜔
1
+ 2 + …+ 𝑛
𝑋1 𝑋2 𝑋𝑛
𝑛
15
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Raiz Média Quadrática (Root Mean Square) – também chamado
de valor efetivo ou valor eficaz;

 Em circuitos elétricos, esse valor representa o valor de tensão ou

corrente contínuas que deveriam ser aplicadas a determinada
resistência, para gerar o mesmo valor de potência dissipada, no
mesmo intervalo de tempo;

16
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Tensão senoidal:

17
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Tensão senoidal:

𝑉𝑃
 Logo, 𝑉𝑅𝑀𝑆 = , para uma tensão senoidal.
2

18
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Tensão retificada de meia-onda:

 Logo, 𝑉𝑅𝑀𝑆 = ?

19
 SENSORES E INSTRUMENTAÇÃO

 3.2 – Medidas de tendência central

 Tensão retificada de meia-onda:

𝑉𝑃
 Logo, 𝑉𝑅𝑀𝑆 = para tensão retificada meia-onda
2

20
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 Em todas as medições ocorrem variações, independentemente
do tipo de experimento que esteja sendo avaliado, ou seja, em
um processo de medição muitas podem ser as fontes de
incerteza;

 Suponha o processo de medição da massa de um determinado

lote de um tipo capacitor. No projeto, a especificação para esse
componente eletrônico é de uma massa de 1,45 g; mas quando
uma amostra de 30 unidades idênticas é pesada adequadamente,
os resultados obtidos são indicados na Tabela abaixo;

21
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 É importante observar que todos os capacitores são idênticos,

porém existe dispersão de dados em torno da massa desejada;

 Percebe-se que os dados seguem uma curva familiar na área das

ciências e tecnologia, denominada curva de distribuição normal,
que possibilita verificar a frequência da ocorrência de um
determinado dado e a medida da dispersão dos dados.

22
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

23
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 Duas das propriedades de medida de dispersão de dados são a
variância (σ²) e o desvio padrão (σ) para uma população de
dados, na qual a variância (σ²) é dada por:

 E o desvio padrão (σ) é a raiz quadrada da variância, definido

por:

24
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 Para uma amostra pequena de dados, no lugar de σ² é usado o s²,
e no lugar de σ o s, sendo o denominador alterado para N – 1.

25
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 Exercício: calcule os valores da variância e do desvio padrão, para
o exemplo anterior das massas do capacitor:

26
 SENSORES E INSTRUMENTAÇÃO

 3.3 – Medidas de Dispersão

 Exercício: calcule os valores da variância e do desvio padrão, para
o exemplo anterior das massas do capacitor:

 Média = 1,4486667
 Variância = 0,0291292
 Desvio padrão = 0,1706728
27
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Pode-se agrupar as medições em classes de tamanho, proceder à
contagem do número em cada classe e plotar um histograma da
frequência mostrando como as medições estão distribuídas;

 Portanto, o histograma de frequências pode ilustrar a

correspondente distribuição de probabilidade de um dado
experimento;
28
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Ao realizar medições seguindo rigoroso procedimento
experimental e com diversas classes, provavelmente a curva que
melhor aproxima o comportamento dos dados da maioria dos
fenômenos físicos é a chamada curva normal ou gaussiana cuja
função densidade de probabilidade é definida pela expressão:

 para -∞< x <∞.

29
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Sendo ഥ X (-∞ < ഥ
X < ∞ ) a média aritmética (dos dados individuais
x), ou seja, o ponto em que a distribuição é simétrica, e σ (σ >0) o
desvio padrão, ou seja, a medida da variabilidade da medida
relacionada à média;
 A média (ou valor esperado) e a variância de uma distribuição
normal são os parâmetros determinantes para a definição da
distribuição normal;
 Na prática, raramente é conhecido o desvio padrão da
população, mas é possível estimá-lo pela determinação do desvio
da amostra s:

30
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Apesar de ser mais conhecida, a expressão para o desvio padrão
anterior é raramente utilizada em sistemas computacionais;

 Nesses casos, os algoritmos são implementados com a

expressão a seguir, gerando erros computacionais menores:

31
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 A figura abaixo apresenta a curva normal para diferentes valores
de média e de desvio padrão;

32
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Se o processo for verdadeiramente aleatório e corresponder a
uma distribuição normal, o valor registrado pode ser a média,
seguido da variância ou do desvio padrão do conjunto de dados;
 Qualquer medida pode ou não ser a média, e 68 % de todos os
valores encontram-se no intervalo entre -1σ e + 1σ, 95%, entre o
intervalo -2σ e +2σ, e 99,7%, entre o intervalo -3σ e +3σ.

33
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Normalmente a função distribuição cumulativa de uma
variável aleatória normal padrão é dada por:

 Geralmente esses valores são tabelados para permitir a

obtenção rápida dos valores desejados;

 As tabelas padrões fornecem os valores da função ф(z)

para valores de Z. Onde,
𝑥 − 𝑋ത
𝑍=
𝜎
34
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Exemplo: considere que em um estudo biológico sejam realizadas
diversas medidas do diâmetro da pata de ratos de laboratório. Considere
que esses diâmetros seguem uma distribuição normal com uma média
de 10 mm e uma variância de 4mm. Determine qual a probabilidade de a
medida exceder 13mm , ou seja, P(X > 13).

 Calculando e simulando no Matlab, teríamos:

 >>
 >> mu = 10;
 >> sigma = 2;
 >> specs = [13, 25];
 >> prob = normspec (specs,mu,sigma)
 prob = 0.0668
 >>

35
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Assim, a probabilidade P(X > 13) é de aproximadamente 0,0668.

 E a curva de distribuição normal seria assim:

36
 SENSORES E INSTRUMENTAÇÃO

 3.3.1 – Distribuição normal

 Tabela de distribuição normal negativa;
 Tabela de distribuição normal positiva;
 Tabela de distribuição normal reduzida;

 Exercício: refazer o exemplo anterior utilizando os valores das

tabelas de distribuição normal.

37
 SENSORES E INSTRUMENTAÇÃO

 Exercícios:
1. Considerando o retificador onda completa, prove que a tensão de saída VRMS, é igual
𝑉
a: 𝑉𝑅𝑀𝑆 = 𝑃 .
2
2. Como é medida a dispersão de dados?
3. Determine a média aritmética dos seguintes dados: 12,2 ; 5,0 ; 8,5 ; 14,32 ; 7,5 ; 6,5 ;
6,5 ; 5,5.
4. Determine a mediana do seguinte conjunto de dados: 5 ; 6 ; 4 ; 3 ; 2 ; 9 ; 7.
5. Determine a moda dos dados: 5 ; 6 ; 4 ; 3 ; 4 ; 2 ; 4 ; 7 ; 2 ; 9 ; 4.
6. Considere que você recebeu um prêmio de R$480,00 com o qual acabou viajando. A
cada dia de viagem você gasta 1/2 do valor. Tabule esses valores, apresente um
gráfico para esse conjunto de dados e calcule a média geométrica.
7. Os seguintes preços são encontrados para certa fruta no período de 6 semanas.
Calcular a média aritmética e a média harmônica dos seguintes dados: R$1,96 ;
R$2,05 ; R$1,75 ; R$1,94 ; R$2,25 ; R$2,10.
8. Encontre o valor RMS para uma senóide que apresenta uma tensão de pico de 45,3
V.
9. Os seguintes dados foram obtidos com um voltímetro. Calcule: ( a) a tensão média, (
b ) a variância, ( c ) o desvio padrão. Os dados são: 4,35 ; 6,21 ; 5,02 ; 3,99 ; 3,02 ; 6,00
; 4,77 ; 3,30 ; 4,05 ; 5,43 ; 3,45; 1,99 ; 6,15 ; 5,75 ; 2,98 ; 5,43 ; 2,22 ; 3,49 ; 4,00 ; 4,40 ;
5,20 ; 5,70 ; 7,01 ; 8,10; 4,33; 4,00 ; 5,20; 4,65 ; 4,34 ; 3,90 ; 5,45 ; 6,90.
38