Conte udo

1 Medidas Directas 3
1.1 Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 O Sistema Internacional (SI) . . . . . . . . . . . . . . . 3
1.1.2 M ultiplos e subm ultiplos das unidades . . . . . . . . . 3
1.2 Erro Instrumental . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Craveira ou Paqumetro . . . . . . . . . . . . . . . . . . . . . 5
1.4 Micrometro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Erro Relativo e Precisao . . . . . . . . . . . . . . . . . . . . . 8
1.6 Erro de calibracao . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.7 Erros associados ao observador . . . . . . . . . . . . . . . . . . 9
1.7.1 Erro de paralaxe . . . . . . . . . . . . . . . . . . . . . 9
1.7.2 Medicao incorrecta . . . . . . . . . . . . . . . . . . . . 10
1.7.3 Tempo de reaccao . . . . . . . . . . . . . . . . . . . . . 11
1.8 Outros erros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8.1 Variabilidade da quantidade a medir . . . . . . . . . . 11
1.8.2 Erro do metodo . . . . . . . . . . . . . . . . . . . . . . 11
1.9 Erros sistematicos . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.10 Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.11 Erros Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.11.1 Media e desvio padrao da amostra . . . . . . . . . . . . 14
1.11.2 Algarismos Signicativos . . . . . . . . . . . . . . . . . 18
1.11.3 Arredondar n umeros . . . . . . . . . . . . . . . . . . . 19
1.11.4 Erro padrao . . . . . . . . . . . . . . . . . . . . . . . . 19
1.12 Precisao e exactidao . . . . . . . . . . . . . . . . . . . . . . . 25
1.12.1 Precisao . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.12.2 Exactidao . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.13 Apresentacao do resultado obtido . . . . . . . . . . . . . . . . 27
2 Determinacoes de grandezas fsicas a partir de valores medi-
dos 28
2.1 Formula de propagacao dos erros . . . . . . . . . . . . . . . . 28
2.2 Calculos e algarismos signicativos . . . . . . . . . . . . . . . 32
2.3 Exactidao de duas determinacoes experimentais . . . . . . . . 36
2.4 Gracos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.1 Escalas . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.2 Smbolos a utilizar para os pontos experimentais . . . . 39
2.5 Linearizacao de equacoes . . . . . . . . . . . . . . . . . . . . . 39
1
3 Metodo dos Mnimos Desvios Quadrados 43
3.1 Coeciente de correlacao . . . . . . . . . . . . . . . . . . . . . 43
3.2 Metodo dos mnimos desvios quadrados (MMDQ) . . . . . . . 44
3.2.1 Recta do tipo y = mx . . . . . . . . . . . . . . . . . . 44
3.2.2 Recta do tipo y = mx + b . . . . . . . . . . . . . . . . 46
3.3 Escolha da variavel a colocar no eixo das abcissas . . . . . . . 48
3.4 Erro associado aos parametros, m e b, da recta . . . . . . . . . 49
3.4.1 Recta do tipo y = mx . . . . . . . . . . . . . . . . . . 49
3.4.2 Recta do tipo y = mx + b . . . . . . . . . . . . . . . . 50
A Resumo do Guia de Tratamento dos Dados Experimentais 54
B Solucoes dos Exerccios: 58
2
As medidas efectuadas durante a realizacao experimental tem de ser regis-
tadas, apresentadas e analisadas. Os dados obtidos devem ser apresentados
nao so de forma a facilitar a sua leitura, mas tambem de forma a permitir
observar possveis relacoes entre as quantidades medidas. Como iremos veri-
car uma tabela e uma forma eciente de preservar dados para uma analise
futura, ao passo que um graco pode permitir a identicacao de uma relacao
funcional entre grandezas.
1 Medidas Directas
1.1 Unidades
No cerne de uma experiencia existe uma medida e esta requer um sistema de
unidades.

E necessaria uma determinacao quantitativa. E para que esta
possa ser comparada por observadores distintos estes tem que utilizar o
mesmo sistema de unidades. Um dos problemas no passado era precisa-
mente a inexistencia de um sistema de unidades convenientemente denido
e de uso generalizado
Dados experimentais, tabelas, gracos, calculos e conclusoes N

AO T

EM
QUALQUER SIGNIFICADO a menos que sejam indicadas as unidades
utilizadas.
Uma questao que devemos colocar quando nos preparamos para utilizar
um aparelho de medida e saber em que unidades e que esse aparelho mede.
1.1.1 O Sistema Internacional (SI)
As unidades fundamentais do Sistema Internacional (SI) sao apresentadas na
tabela 1
As outras unidades sao derivadas das unidades fundamentais. Por exem-
plo, a unidade da grandeza velocidade, o metro por segundo (ms
1
), e uma
unidade derivada.
1.1.2 M ultiplos e subm ultiplos das unidades
Em algumas medidas, utilizar um m ultiplo ou um subm ultiplo da unidade
fundamental pode ser mais conveniente (Tabela 2).
3
Quantidade Nome da Unidade Smbolo
massa quilograma kg
comprimento metro m
tempo segundo s
corrente electrica ampere A
temperatura kelvin K
intensidade luminosa candela cd
quantidade de substancia mole mol
Tabela 1: Unidades do Sistema Internacional
Potencia de 10 Prexo Smbolo Exemplo
10
15
fento f fs (fentosegundo 10
15
s)
10
12
pico p pF (picofaraday 10
12
F)
10
9
nano n nA (nanoampere 10
9
A)
10
6
micro Pa (micropascal 10
6
Pa)
10
3
mili m mJ (milijoule 10
3
J)
10
2
centi c cm (centmetro 10
2
m)
10
+3
quilo k kV (quilovolt 10
+3
V)
10
+6
mega M MW (megawatt 10
+6
W)
10
+9
giga G GHz (gigahertz 10
+9
Hz)
10
+12
tera T T (teraohm 10
+12
)
Tabela 2: Potencias de base 10
1.2 Erro Instrumental
Apesar dos nossos melhores esforcos, o resultado de uma medicao e sempre
afectado de alguma incerteza. Analisemos, por exemplo, a medicao efectuada
com uma regua de menor divisao igual a 1 mm. Se a medicao for realizada cui-
dadosamente, e possvel estimar o comprimento medido com uma resolucao
de 0,5 mm. Sera, no entanto, improvavel que se consiga uma resolucao me-
lhor do que esta. Podemos, por exemplo, decidir que o comprimento se situa
entre 15,50 cm e 15,60 cm. Escrevemos entao o comprimento do objecto como
15, 55 0, 05 cm. O sinal signica que acreditamos que o comprimento se
encontra no intervalo de limites (15, 55 0, 05) cm e (15, 55 + 0, 05) cm, ou
seja, algures entre 15, 50 cm e 15, 60 cm.
Nao devemos car frustrados por nao conseguirmos efectuar uma medicao
absolutamente precisa, isto e, sem qualquer incerteza.
Uma medicao sem uma incerteza associada (erro) N

AO EXISTE!
O resultado de uma medida S

O TEM SIGNIFICADO quando se faz

4
acompanhar pela respectiva estimativa da incerteza.
Se a quantidade que estamos a medir nao varia, ou nao varia signicativa-
mente durante a medicao, e razoavel apresentar como incerteza da medicao
o Erro Instrumental, que e igual a
metade da menor divisao da escala - Instrumento Analogico
menor divisao da escala - Instrumento Digital
Note que existem excepcoes `a regra dos instrumentos analogicos, como
iremos ver no caso da craveira, cujo erro instrumental e igual `a menor divisao
da escala.
O limite de resolucao do aparelho de medida representa a menor incerteza
que pode ser associada a uma medicao. Ou seja,
o grau de incerteza de todas as medicoes esta limitada pelo aparelho
de medida utilizado.
Se pretendermos medicoes mais rigorosas teremos que utilizar aparelhos
de medida que tenham uma resolucao superior, ou seja, cuja menor divisao da
escala de medida seja inferior. Por exemplo, podemos utilizar uma craveira
ou um micrometro que tem, tipicamente, menores divisoes de 0,1 (ou 0,05)
e 0,01 mm, respectivamente em substituicao de uma regua de menor divisao
igual a 1 mm.
1.3 Craveira ou Paqumetro
Este aparelho de medida e constitudo por duas escalas: a escala principal ou
regua (xa) que esta graduada exactamente como uma regua (habitualmente
de menor divisao 1 mm), e o nonio que desliza paralelamente `a escala princi-
pal. O nonio divide a menor divisao da regua num determinado n umero, n,
de subdivisoes. Na gura 1 o nonio tem 10 divisoes o que equivale a dizer que
estamos a dividir 1 mm em 10 subdivisoes. Ou seja a menor divisao desta
craveira e 0,1 mm ou 0,01 cm.
A medida de um comprimento, d, e realizada do seguinte modo:
lemos a distancia, d
r
, na escala da regua ate `a primeira divisao imedia-
tamente antes do zero do nonio. No caso da gura 2 temos d
r
= 0,60
cm.
vericamos, entao, para que divisao, k, do nonio existe uma coin-
cidencia com a divisao da regua (na gura 2 - e a divisao 4 do nonio)
5
Figura 1: Craveira ou Paquimetro
a distancia medida e entao d = d
r
+ k (menor divisao da escala). No
nosso exemplo d = 0, 60 + 4 0, 01 cm = 0,64 cm. Atendendo a que o
experimentador escolhe sempre uma coincidencia entre as duas escalas,
o erro instrumental da craveira considera-se igual `a menor divisao da
escala. A medicao efectuada exprime-se assim correctamente como
d = 0, 64 0, 01 cm.
Figura 2: Qual o valor de d?

E de notar que nas craveiras existentes no laboratorio o nonio tem 20

divis oes o que implica uma menor divisao igual a 0,05 mm (0,005 cm).
6
Exerccio
Tendo em conta a gura seguinte qual e o valor da distancia, d? (Note
que a gura nao esta `a escala)
1.4 Micrometro
O Micrometro e outro aparelho de medida de precisao (gura 3). Este apare-
lho utiliza como escala movel um parafuso graduado que tal como na craveira
subdivide a menor divisao da regua horizontal (gura 4).
Figura 3: Micrometro
Nos exemplares disponveis no laboratorio o parafuso contem 50 divisoes
subdividindo, assim, 0,5 mm em 50 divisoes. O que signica que cada divisao
da escala do parafuso equivale a 0,01 mm (0, 5 mm 50 divisoes).
7
Exemplo
Na gura seguinte apresenta-se uma medicao efectuada por um micrometro.
Figura 4: Qual o valor medido?
A distancia medida, d, e dada por d = d
cilindro
+ k (menor divisao da
escala). Ou seja, d = 8, 000 + 11, 5 0, 01 mm = 8,115 mm.
1.5 Erro Relativo e Precisao
No contexto das aulas laboratoriais vamos denir o erro relativo
1
da grandeza
x x, como

x
x

(1)
Em geral o erro relativo exprime-se em percentagem

x
x

100 (%).
Diz-se que a medida de uma grandeza e tanto MAIS PRECISA quanto
MENOR FOR O SEU ERRO RELATIVO.
Nao existe, no entanto, uma regra que nos indique se um dado erro relativo
e bom ou mau. A qualidade do valor medido vai ser determinada pela
1
Note que em matematica o erro relativo tem outra denicao.
8
utilidade que lhe vai ser dada e pela capacidade experimental da altura. Por
exemplo, uma determinacao de 50% e pior do que uma de 10%, mas se for a
unica determinacao da quantidade em estudo e a melhor disponvel.
Exerccio Laboratorial
Meca o diametro de um cilindro com uma ta metrica, uma craveira e
um micrometro tendo o cuidado de indicar o erro associado a cada uma das
medicoes efectuadas. Qual das medicoes e mais precisa?
O erro instrumental nao e, no entanto, o unico erro associado ao processo
de medida.
1.6 Erro de calibracao
Um aparelho diz-se calibrado se ao medir a mesma grandeza que um instru-
mento padrao obtem resultados iguais.

E de notar que um aparelho descali-
brado pode ter consequencias dramaticas ao afectar sistematicamente todas
as medicoes com ele efectuadas.
Exerccio
Comente a calibracao da regua (1) da gura seguinte. Assuma que a
regua que possui se encontra calibrada.
1.7 Erros associados ao observador
Ao efectuarmos uma medida pode acontecer que o proprio procedimento de
medicao afecte o resultado obtido.
1.7.1 Erro de paralaxe
Um exemplo comum e o chamado erro de paralaxe que ocorre quando lemos
o valor medido numa escala que se encontra afastada do objecto em causa ou
do ponteiro do aparelho de medida. Ao olharmos para a escala de posicoes
diferentes obtemos valores diferentes. Nestas situacoes o observador deve
9
colocar-se perpendicularmente `a escala do aparelho de medida e alinhado
com a extremidade ou do objecto ou do ponteiro. Como e obvio,
as medicoes efectuadas em aparelhos digitais nao sao afectadas por este
tipo de erro.
1.7.2 Medicao incorrecta
O observador pode medir incorrectamente a quantidade em que esta interes-
sado.
Exerccio
Larga-se uma esfera de uma dada altura e mede-se com um cronometro o
tempo que esta demora a atingir um sensor. Na gura 5, apresentam-se tres
medicoes do espaco percorrido pela esfera (h
1
, h
2
e h
3
) efectuadas por varios
grupos de alunos da UA. Indique qual ou quais das medicoes sao correctas.
Justique sucintamente a sua resposta.
Figura 5: Estudo da queda livre de um corpo
10
1.7.3 Tempo de reaccao
Um observador ao medir, com um cronometro, o tempo que um corpo demora
a percorrer uma dada distancia, habitualmente ve primeiro o corpo atingir o
ponto de referencia e so depois para o cronometro. Ou seja, os instantes da
observacao e da paragem do cronometro nao sao simultaneos. O tempo de
reaccao e o tempo que decorre entre eles. Naturalmente o tempo de reaccao
depende quer do observador quer do estado em que este se encontra.
1.8 Outros erros
1.8.1 Variabilidade da quantidade a medir
Pode ainda acontecer que a quantidade a medir varie e esta variacao seja
superior `a menor divisao da escala. Por exemplo, pretende-se medir a tempe-
ratura da agua que esta a ser aquecida dentro de um recipiente utilizando-se
um termometro cuja escala tem uma menor divisao de 1

C. A agua vai sendo

misturada de forma a uniformizar a temperatura. Como consequencia vamos
observar uma grande variacao (quando comparada com o erro instrumental)
nas temperaturas medidas. O termometro quer mede 34

, quer 37

quer 35

C
. Apresentar o erro da nossa medicao como 1

C e obviamente subestimar a
incerteza que afecta a medicao. Nesta situacao e conveniente utilizar o bom
senso para decidir qual sera um valor razoavel para a incerteza. Note-se que
nao existe uma regra bem denida neste tipo de situacoes, cada caso tera de
ser analisado individualmente. Por exemplo, se estimarmos a incerteza na
leitura como menor do que 3

C e maior do que 1

C o bom senso implica a

escolha de um compromisso entre estes dois valores. Neste caso poderamos
optar por considerar que o erro que afecta as medicoes e de 2

C. Note que
devemos nao so ter o cuidado de discutir o compromisso escolhido, como
o de transmitir esta informacao a um possvel leitor dos nossos resultados,
de modo a que este possa perceber as nossas opcoes e, consequentemente,
critica-las.
No caso de podermos repetir a medida, existem outras tecnicas para es-
timar a incerteza que realmente afecta a medicao, como veremos `a frente.
Ou seja, para ter uma ideia da variabilidade dos valores medidos devemos,
sempre que possvel, efectuar mais do que uma medic ao da quantidade em
estudo.
1.8.2 Erro do metodo
Muitas vezes ao analisarmos um fenomeno fsico atraves de um dispositivo
experimental fazemos aproximacoes. Por exemplo, ao estudarmos a queda
11
livre de um corpo no laboratorio e comum desprezar-mos a forca de atrito
que o ar exerce sobre o corpo.

E claro que o metodo de medida so sera valido
se esta for uma boa aproximacao da realidade. Ou dito de outra maneira,
se o efeito do atrito do ar for desprezavel quando comparado com os outros
erros que afectam as medicoes. Note que ao desprezarmos uma forca que se
opoe ao movimento, o tempo medido vai ser sempre superior ao tempo no
vacuo (caso ideal).
Exerccio
Largue da mesma altura uma esfera metalica e um lapis de massas dife-
rentes. Qual dos objectos chega ao solo primeiro? Largue da mesma altura
uma esfera metalica e uma folha de papel A4. Qual dos objectos chega ao
solo primeiro? Comente qualitativamente os resultados.
1.9 Erros sistematicos
Erros que afectam todas as medicoes de forma identica. Este tipo de erros
pode resultar de erros de calibracao, de leitura ou do proprio metodo utilizado
na medicao. Deve-se ter muito cuidado em evitar a priori este tipo de
erros, pois podem ser difceis, senao impossveis, de detectar posteriormente
e podem implicar conclusoes erradas.
1.10 Tabelas
No trabalho laboratorial existem dois tipos de situacoes que ocorrem frequen-
temente:
sao efectuadas varias medicoes de uma grandeza para a qual nao existe
nenhuma razao para se supor que esta a variar. Por exemplo, o tempo
que um objecto, em queda livre, demora a percorrer uma dada distancia.
varia-se uma grandeza A e observa-se o efeito desta variacao no valor de
uma outra grandeza B. Por exemplo, mede-se o tempo, t, que um corpo
em queda livre demora a percorrer diferentes alturas, h. Pretende-
se, desta forma, estabelecer uma relacao entre as duas quantidades
medidas, t e h.
Em ambas as situacoes uma tabela e a forma conveniente de apresentar
os dados obtidos.
12
Para uma tabela ser util e necessario que contenha informacao das quan-
tidades em causa, das respectivas unidades e incertezas.
Exemplo
Os dados dizem respeito ao tempo que uma onda sonora demora a per-
correr no ar uma dada distancia xa. A tabela 3 e um exemplo DO QUE SE
DEVE EVITAR.
Espaco Percorrido Tempo
1,00 0,01 (m) 0,0028 0,0001 (s)
1,00 0,01 (m) 0,0029 0,0001 (s)
1,00 0,01 (m) 0,0032 0,0001 (s)
1,00 0,01 (m) 0,0030 0,0001 (s)
1,00 0,01 (m) 0,0027 0,0001 (s)
Tabela 3: Tabela construda incorrectamente
O PROCEDIMENTO CORRECTO e o seguinte:
O tempo que o som no ar demorou a percorrer um espaco de
1, 00 0, 01 m e apresentado na tabela 4,
Tempo 0,1 (10
3
s)
2,8
2,9
3,2
3,0
2,7
Tabela 4: Tabela construda correctamente
Note que o valor do espaco percorrido sendo constante e colocado no
texto e nao na tabela. Observe a passagem do erro e das unidades, comuns
a todas as medicoes do tempo, para primeira linha e a utilizacao da notacao
cientca. Repare que a tabela 4 para alem de ser mais legvel e de mais
rapida construcao do que a tabela 3. (Imagine que em vez de 5 tinha 100
medicoes)
13
Note que alguns autores preferem indicar na primeira linha [(Tempo
0,01)/s] em vez de [Tempo 0,01 (s)] . O argumento para utilizar a divisao
em vez dos parentesis e o seguinte: as tabelas so devem conter quantidades
adimensionais. Nesta experiencia mediu-se o tempo em segundos, pelo que
para anular esta unidade de forma a obtermos uma quantidade adimensio-
nal as medidas teriam que ser divididas por 1 s. NESTA DISCIPLINA

E
ACONSELHADO O USO DOS PAR

ENTESIS.

`
A medida que uma experiencia decorre os valores medidos devem ser
anotados numa tabela SEM QUALQUER MANIPULAC

AO.
Note que ao cometer um erro no processo de manipulacao da tabela, por
exemplo, na subtraccao de uma constante ou na elevacao de uma quantidade
ao quadrado, pode ser impossvel descobri-lo e recuperar o valor medido.
Um exemplo classico e efectuar mentalmente uma conversao de unidades e
espantarmo-nos ao obtermos uma resposta nal 1000 vezes maior (ou menor)
que o valor esperado.
Uma preocupacao primordial na elaboracao de uma tabela e garantir a
sua legibilidade. Assim, sempre que possvel, deve-se evitar a colocacao de
constantes na tabela, bem como, repeticoes desnecessarias.
1.11 Erros Aleatorios
1.11.1 Media e desvio padrao da amostra
Em muitos casos, apesar dos nossos melhores esforcos vai existir uma varia-
bilidade nas medi coes efectuadas com um dado dispositivo experimental que
resulta de uma serie de factores por vezes mal compreendidos. Estes erros
aleatorios ou estatsticos afectam as varias medicoes da mesma grandeza de
forma aleatoria e geralmente obedecem `a distribuicao de probabilidade de
Gauss.
Um grupo de alunos da UA (Ana, Clara, Andreia) mediu o tempo que
um objecto em queda livre demora a percorrer uma distancia de 10,000
0,005 m. A medicao foi repetida mais 9 vezes nas mesmas condicoes. Os
resultados obtidos sao apresentados na tabela 5.
Verica-se que a variabilidade nas medicoes [1, 25; 1, 64] e maior que o
erro instrumental a elas associado (0, 01s) .

E razoavel esperar que o tempo real esteja situado algures entre o menor
e o maior valor obtido.
14
i Tempo 0,01 (s)
1 1,36
2 1,38
3 1,48
4 1,44
5 1,29
6 1,64
7 1,47
8 1,25
9 1,52
10 1,35
Tabela 5: Tempo de queda livre para uma distancia de 10, 000 0, 005 m
O valor mais provavel para a grandeza medida corresponde `a media
aritmetica.
Se uma grandeza x e medida DIRECTAMENTE n vezes
x
1
, x
2
, x
3
, ..., x
n

O seu valor medio, x = x) , dene-se como

x = x) =
n

i=1
x
i
n
(2)
sendo a nossa melhor estimativa para o valor da quantidade medida.
Qual sera a incerteza que afecta esta determinacao?

E razoavel pensar que a dispersao dos valores em torno da media e um

indicador dessa incerteza. Se denirmos o desvio, d
i
, da medicao, x
i
, refe-
rente `a media, x, como d
i
= x
i
x este mede o afastamento do valor x
i
ao
valor medio, x. Os valores d
i
vao ser positivos, negativos ou nulos. Poderia-
mos pensar que uma medida da dispersao seria dada pela media dos desvios
(desvio medio),
d = d) =
n

i=1
d
i
n
=
n

i=1
(x
i
x)
n
(3)
15
mas pode-se demonstrar que o valor medio dos desvios e sempre nulo,
d = d) = 0 (4)
A demonstracao matematica das igualdades desta seccao pode ser con-
sultada nos livros referenciados na bibliograa. Estas sao, no entanto, faceis
de obter se tivermos em conta as seguintes igualdades
n

i=1
1 = n e
n

i=1
Cx
i
=
C
n

i=1
x
i
= nCx) = nC x) em que C e uma constante.
Um indicador da dispersao das medidas em torno da media e uma quan-
tidade chamada variancia, V, que nao e mais do que o valor medio dos qua-
drados dos desvios e que se dene como:
V (x) =
n

i=1
(x
i
x)
2
n
= x
2
x
2
=

x
2
_
x)
2
0 (5)
onde n e o n umero de medidas efectuadas. Note que a variancia tem unidades
iguais ao quadrado das unidades das medidas originais.

E mais comum utilizar o desvio padrao,

n
, como a medida da dispersao
dos valores em torno da media, pois esta quantidade tem as mesmas di-
mensoes das medicoes originais

n
(x) =

V =

_
n

i=1
(x
i
x)
2
n
(6)
Ao efectuarmos uma medicao (n = 1) obtemos, pela denicao anterior,
um desvio padrao nulo.

E obvio que tal resultado nao signica que a incerteza
e nula, o que nos diz e que devido a termos efectuado apenas uma medicao
nao temos qualquer informacao para estimar a dispersao dos valores em torno
da media. Na realidade, a quantidade que nos da a estimativa da dispersao
em torno da media e o desvio padrao da amostra,
n1
, que se dene como:

n1
(x) =

_
n

i=1
(x
i
x)
2
n 1
(7)
Se so efectuarmos uma medicao (n = 1) o desvio padrao da amostra,
n1
e
indeterminado. Ou seja, so com uma medicao nao temos qualquer informacao
sobre a dispersao dos valores em torno da media.
16
Note que diferentes autores utilizam notacoes diferentes para designar
algumas das quantidades estatsticas ja denidas, nomeadamente o desvio
padrao da amostra.

E aconselhavel o uso da maquina de calcular sempre que for necessario

calcular estas quantidades.

E, no entanto, FUNDAMENTAL que o aluno
verique qual o signicado de determinado smbolo na sua maquina, pois a
notacao utilizada varia de fabricante para fabricante
2
. No nal do captulo
o exerccio n
o
1 permite testar rapidamente qual a notacao que esta a ser
utilizada pela sua maquina de calcular.
O grupo da Ana obteve os resultados apresentados na tabela 6.
t
i
0, 01 (s) (t
i

t) (s) (t
i

t)
2
(s
2
)
1,36 -0,059 0,003481
1,38 -0,039 0,001521
1,48 0,061 0,003721
1,44 0,021 0,000441
1,29 -0,128 0,016384
1,64 0,221 0,048841
1,47 0,051 0,002601
1,25 -0,169 0,028561
1,52 0,101 0,010201
1,35 -0,069 0,0048761
n

i=1
(t
i
t) = 0, 000
n

i=1
(t
i
t)
2
= 0, 12076
Tabela 6: Estudo dos desvios e seus quadrados para os dados obtidos pelo
grupo da Ana
Ao calcular os valores para a media e para o desvio padrao da amostra as
maquinas de calcular apresentam em geral 10 algarismos. Sera que quando
apresentamos o valor vamos utilizar todos esses algarismos?
No nosso caso obtivemos

t = 1,418 s e
n1
(t) = 0,11583513 s.
A media e uma estimativa do valor real e o desvio padrao da amostra
e uma estimativa da dispersao dos valores em torno da media. Pode-se
demonstrar que a estimativa destas quantidades melhora `a medida que o
n umero de medicoes efectuadas aumenta. Ou dito de outra forma, o desvio
padrao da amostra tambem e afectado por uma incerteza.
2
O manual das maquinas de calcular e para ser utilizado sempre que for necessario.
17
Devido ao n umero de medicoes efectuadas no laboratorio, geralmente
igual ou inferior a dez, vamos considerar que o erro tem no maximo
dois algarismos signicativos.
Note que, geralmente, o erro instrumental nao tem mais do que um
algarismo signicativo.
1.11.2 Algarismos Signicativos
O n umero de algarismos signicativos corresponde ao n umero de algarismos
compreendidos entre:
o primeiro algarismo diferente de zero e o ultimo algarismo inclusive,
se este se encontrar `a direita do ponto decimal
o primeiro algarismo e o ultimo algarismo diferente de zero inclusive,
se este se encontrar `a esquerda do ponto decimal
Exemplo
No valor 0,0010306 o primeiro algarismo diferente de zero e o 1. Existem
mais quatro algarismos `a direita do 1, o n umero tem portanto 5 algarismos
signicativos.
O n umero 89700 segundo a denicao dada anteriormente so tem, no en-
tanto, tres algarismos signicativos.
Suponhamos que numa dada experiencia foi medido um intervalo de
tempo de 346 1 s. O erro associado e apresentado com um algarismo
signicativo e o valor medido com tres. Nada nos impede, no entanto, de
escrever o resultado noutras unidades por exemplo milisegundos. Teramos,
assim, 346000 1000 ms. Repare que o n umero de algarismos signicativos
mantem-se quer para o valor quer para o erro pois ao mudarmos de unidades
nao estamos a obter mais informacao sobre a quantidade em causa. Agora
suponhamos que utilizamos um aparelho de medida digital cuja menor di-
visao da escala e 1 ms. O valor medido e agora 346000 1 ms. Segundo
a regra anterior, o valor so tem 3 algarismos signicativos. Se atendermos
ao erro associado o valor deveria ter, de facto, 6 algarismos signicativos.
Uma solucao utilizada para resolver esta ambiguidade e apresentar o valor
segundo a notacao cientca 3, 46000 10
5
ms. O resultado escreve-se entao
como (3, 46000 0, 00001) 10
2
s.
18
1.11.3 Arredondar n umeros
No processo de escrevermos um resultado com um determinado n umero de
algarismos signicativos deparamo-nos com o problema de ter que truncar o
valor original. As regras para o arredondamento sao as seguintes:
Se o algarismo `a direita do ultimo algarismo signicativo e superior a
5 (> 5), o ultimo algarismo signicativo e aumentado de uma unidade.
Se o algarismo `a direita do ultimo algarismo signicativo e inferior a 5
(< 5), o ultimo algarismo signicativo mantem-se inalterado.
Se o algarismo `a direita do ultimo algarismo signicativo e igual a 5 (=
5) e os algarismos seguintes ou nao existem ou sao iguais a zero este e
aumentado de uma unidade se for mpar.
Se o algarismo `a direita do ultimo algarismo signicativo e igual a 5
(= 5) e os algarismos seguintes sao diferentes zero este e aumentado de
uma unidade.
Assim, por exemplo, os n umeros 1,3625; 1,44987; 1,450 e 1,352863 apre-
sentados com dois algarismos signicativos escrevem-se, atendendo as regras
anteriormente expostas, como 1,4; 1,4; 1,4 e 1,4 respectivamente.
Num calculo que envolva varios passos e bom procedimento so arre-
dondar o resultado nal, de outro modo o proprio processo de arredon-
damento podera ter um efeito importante nesse mesmo resultado.
Como vimos o grupo da Ana obteve para o tempo medio,

t = 1, 418
s e para o desvio padrao da amostra
n1
(t) = 0, 11583513 s. O desvio
padrao da amostra representado com dois algarismos signicativos reduz-se
a
n1
(t) = 0, 12 s (note o arredondamento efectuado).
1.11.4 Erro padrao
O grupo da Ana decidiu repetir a experiencia mas, desta vez mediu 100 vezes
o tempo que o corpo demora a percorrer a distancia anterior de 10, 0000, 005
m em queda livre. Os valores medidos encontram-se entre 1, 16 0, 01 s e
1, 74 0, 01 s.
A tabela 7 compara a media e o desvio padrao da amostra calculados para
os primeiros dez valores medidos e para o conjunto nal de 100 medicoes.
19
Media,

t (s) Desvio padrao da amostra,
n1
(t) (s)
10 Medicoes 1,42 0,12
100 Medicoes 1,42 0,11
Tabela 7: Media e desvio padrao para os primeiros dez valores medidos e
para o conjunto das 100 medicoes efectuadas
A primeira vericacao e que o valor do desvio padrao da amostra nao se
altera muito (0, 01 em aproximadamente 0, 1 isto e, uma variacao de 1%) `a
medida que o n umero de medicoes aumenta. Ou seja, a dispersao dos valores
medidos em torno da media mantem-se aproximadamente constante.
Havera entao alguma vantagem em efectuar um maior n umero
de medicoes?
Para responder a esta pergunta o grupo aproveitou para separar os dados
em subgrupos de dez valores medidos consecutivamente e calculou a media e
o desvio padrao da amostra para cada um destes subgrupos. Os resultados
obtidos sao apresentados na tabela 8.
Medicoes Subgrupo, j Media t
j
(s) Desvio padrao da amostra,
n1
(t
j
)(s)
1 a 10 1 1,42 0,11
11 a 20 2 1,44 0,12
21 a 30 3 1,38 0,07
31 a 40 4 1,44 0,07
41 a 50 5 1,44 0,10
51 a 60 6 1,43 0,12
61 a 70 7 1,44 0,08
71 a 80 8 1,37 0,13
81 a 90 9 1,43 0,12
91 a 100 10 1,46 0,14
Tabela 8: Valores da media e do desvio padrao da amostra obtidos para
diferentes subgrupos de valores
Verica-se imediatamente que a variabilidade dos dados e muito maior
no conjunto de 100 medidas ([1,16; 1,74]) que no conjunto de 10 medias
apresentadas na tabela 8 ([1,37; 1,46]). Esta vericacao nao e de estranhar,
20
visto que a media de um conjunto de dados e sempre um valor situado entre
os dois extremos do mesmo.
Podemos agora calcular a media das medias,

t =
k

j=1
t
j
k
e o respectivo desvio padrao da amostra das medias,

k1
(

t) = (

t) =

_
k

j=1
_
t
j

t
_
2
k 1
em que k e o n umero de subgrupos.
Na situacao em estudo, k = 10, obtem-se

t =
10

j=1
t
j
10
=
100

i=1
t
i
100
= 1, 425s
e
(

t) = 0, 028s
Note que
(

t) = 0, 028
desvio padrao das 100 medidas

n umero de medidas utilizadas em cada media

=
0, 11

10
= 0, 034
De facto o erro associado `a media e o erro padrao, denido como
s
n1
(t) =

n1
(t)

n
(8)
Ou seja,
o DESVIO PADR

AO DA AMOSTRA e a uma estimativa da dispersao

dos VALORES MEDIDOS EM TORNO DA M

EDIA
e
o ERRO PADR

AO e uma estimativa da dispersao das M

EDIAS CAL-
CULADAS COM n VALORES EM TORNO DA M

EDIA.
21
N
o
de medidas utilizadas na media, n

t (s)
n1
(

t)(s) s
n1
(t) (s)
5 1,427 0,040 0,048
10 1,427 0,028 0,034
20 1,427 0,021 0,024
Tabela 9: Erros padroes para medias calculadas com diferentes n umeros de
pontos
A tabela 9 apresenta os resultados obtidos se utilizarmos subconjuntos
de 5, 10 ou de 20 medicoes dos dados anteriores.
Conclui-se assim que e vantajoso medir muitas vezes porque
o erro que afecta a nossa determinacao da media diminui `a medida que
o n umero de medicoes, n, aumenta.
Se quisermos diminuir para metade o erro padrao teremos que quadrupli-
car o n umero de medicoes, como se pode constatar na tabela 9.
No nosso caso foram efectuadas 100 medicoes, n = 100. O erro padrao e
igual a
s
n1
(t) =

n1
(t)

n
=
0, 11

100
= 0, 011s
Devido ao baixo n umero de medidas efectuado no laboratorio, usualmente
menor ou igual a 10, o erro estatstico deve ser comparado com o erro asso-
ciado a cada uma das medidas.
O erro associado `a media e o maior de entre o erro estatstico e o erro
instrumental.
Exemplo
No caso do resultado do grupo da Ana,

t = 1,425 s e s
n1
(t) = 0,011 s.
O erro padrao escrito com um algarismo signicativo reduz-se a s
n1
(t) =
0,01 s. Este n umero tem duas casas decimais. O valor medio,

t, encontra-se
escrito na mesma potencia de 10 (neste caso 10
0
= 1) e portanto so deve ter
duas casas decimais,

t = 1, 43 s. O resultado nal escreve-se entao como,

t = 1, 42 0, 01 s
22
Exerccio
Reescreva correctamente (considerando um algarismo signicativo no erro),
os seguintes dados experimentais: 1245, 6789 0, 1234; 3246782 3456;
125000 5 e 0, 0025 0, 6725.
Os erros aleatorios exibem geralmente um comportamento gaussiano por-
que resultam de uma serie de factores. Segundo o
Teorema do Limite Central - Uma variavel produzida pelo efeito cumu-
lativo de muitas variaveis independentes tera aproximadamente uma distri-
buic ao gaussiana independentemente das distribuicoes das variaveis origi-
nais.
Para erros aleatorios obedecendo a uma distribuicao gaussiana x , e

n1
`a medida que o n umero de medicoes n . Onde corresponde
ao valor mais provavel de x e dene a dispersao dos valores em torno de
(ver gura 6).
Figura 6: A gura representa tres gaussianas de igual media e diferentes
desvios padroes.
23
Numa Gaussiana,
P(x) =
1

2
e

(x)
2
2
2
a area limitada pela curva, e pelo eixo dos xx

entre [ , +], veja a

gura 7, corresponde a 68,27% da area total entre a funcao e o eixo dos xx

e
interpreta-se como a probabilidade de um valor se encontrar neste intervalo.
Figura 7: Numa gaussiana de media, , e desvio padrao, , a area (a
sombreado na gura) compreendida entre a curva e o eixo das abcissas no
intervalo [ ; + ] corresponde a 68,3% da area total entre a funcao e o
eixo das abcissas
A tabela 10 apresenta as probabilidades correspondentes a varios interva-
los do eixo dos xx

, bem como o nmero aproximado de pontos experimentais

situado fora do intervalo considerado.

Area entre % da area total Pontos fora do intervalo ()

[ , + ] 68, 27 1 em 3
[ 2, + 2] 95, 45 1 em 20
[ 3, + 3] 99, 73 1 em 400
[ 4, + 4] 99, 99 1 em 16000
Tabela 10: Probabilidades para diferentes intervalos no eixo dos x
24
No nosso exemplo, isto signica que aproximadamente 68, 3% de todas as
medicoes se encontram no intervalo [

t
n1
(t);

t +
n1
(t)] . E ao escrever-
mos o resultado nal,

t = 1, 420, 01 s, utilizando o erro padrao como o erro
associado `a media dizemos que aproximadamente 68, 3% das medias efectu-
adas com 100 medicoes se encontram no intervalo [

t s
n1
(t);

t + s
n1
(t)] =
[1, 42 0, 01; 1, 42 + 0, 01] s
1.12 Precisao e exactidao
1.12.1 Precisao
O grupo da Ana obteve 1, 42 0, 01 s. Que conclusoes podemos retirar deste
resultado? Pela nossa denicao este resultado tem um erro relativo de 0, 7%..
A precisao esta relacionada com a dispersao dos valores em torno da
media.
Um valor e tanto mais preciso quanto menor e esta dispersao, ou dito de
outra forma, quanto menor e o seu erro relativo.
No laboratorio vamos denir, por experiencia, que uma determinacao
estatstica que tenha um erro relativo inferior a 10% pode ser considerada
precisa.
Podemos agora perguntar, estara o valor obtido de acordo com
o valor esperado?
1.12.2 Exactidao
A exactidao vai estar relacionada com o afastamento entre o valor obtido
experimentalmente, x
experimental
, e o valor esperado, x
esperado
.
Pretendemos denir um criterio objectivo que nos indique se o afasta-
mento entre o valor obtido, x
experimental
, e esperado, x
esperado
, e tal que po-
demos considerar que os dois valores estao em desacordo.
Se o valor obtido experimentalmente foi x
experimental
x
experimental
e o
valor esperado e x
esperado
e
[x
experimental
x
esperado
[
x
experimental
> 3
os dois valores estao em desacordo. Note que a escolha de uma distancia
entre os dois valores superior a 3 vezes o erro associado ao valor experimental,
x
experimental
, resulta do facto de que se as medidas tivessem uma distribuicao
25
gaussiana isto implicava que a probabilidade de um valor se encontrar fora
deste intervalo e inferior a 0, 3%.
Para uma aceleracao gravtica constante de 9, 8 ms
2
, um corpo partindo
do repouso demora t = 1, 43 s a percorrer uma distancia de 10 m no vacuo.
Logo,
[
x
experimental
x
esperado[
x
experimental
= 1 < 3. Ou seja o valor obtido nao esta em
desacordo com o valor esperado.
Note que este nao e o unico criterio de exactidao utilizado. Certos autores
utilizam a denicao de erro relativo,

x
experimental
x
esperado
x
esperado

como uma medida da exactidao. Nao e difcil de compreender que esta quan-
tidade e proporcional ao desvio entre os valores experimental e esperado.
Usualmente e apresentada em percentagem e associada a um criterio, tal
como o denido para a precisao, que indica para que valores a determinacao
se pode considerar, ou nao, exacta.
O merito de um valor obtido experimentalmente deve, sempre que
possvel, ser indicado pela analise da precisao e da exactidao deste.
Exerccios
1. Calcule a media, o desvio padrao da amostra e o erro padrao para o
conjunto [-1;0;1] manualmente e pela maquina de calcular. Compare
os valores e determine qual a notacao utilizada pelo fabricante da sua
maquina para as quantidades anteriores.
2. A massa de cinco roedores adultos, do mesmo sexo, de uma dada po-
pulacao e apresentada na tabela seguinte
Massa 0,1 (g) 66,1 77,1 74,6 61,8 71,5
Determine o valor mais provavel da massa e o respectivo erro.
26
3. Mediram-se as seguintes concentracoes de aminoacidos na hemolinfa de
um conjunto de artropodes.
Concentracao de aminoacidos 0,1 (mg/100ml)
240,6
238,2
236,4
244,8
240,7
241,3
237,9
Determine o valor mais provavel da concentracao de aminoacidos e o
respectivo erro.
1.13 Apresentacao do resultado obtido
O resultado obtido deve ser SEMPRE apresentado na forma:
valor erro (unidades)
Devido ao baixo n umero de medicoes (< 100) vamos apresentar o erro padrao
ou o resultado nal de uma determinacao com apenas UM ALGARISMO
SIGNIFICATIVO.

E obvio que estando o valor e o respectivo erro associado escritos na

mesma potencia de 10 ambos devem ter o mesmo n umero de casas decimais.
27
2 Determinacoes de grandezas fsicas a partir
de valores medidos
2.1 Formula de propagacao dos erros
Suponhamos que queremos determinar uma quantidade, f = ax+b, a partir
de uma quantidade x medida, de incerteza associada x, em que a e b sao
constantes.
Qual e a incerteza associada `a nossa determinacao de f?
Numa interpretacao estatstica a incerteza vai estar relacionada com a
dispersao dos valores em torno do valor medio. Vamos por isso, tal como
zemos anteriormente, calcular a variancia de f. Tendo em conta as igualda-
des ax) = a x), a) = a e x + y) = x) + y) em que a e uma constante e
x e y sao variaveis.
A variancia de f dene-se como,
V (f) =

f
2
_
f)
2
Logo,
V (f) =

f
2
_
f)
2
=
=

(ax + b)
2
_
(ax + b))
2
=

a
2
x
2
+ 2abx + b
2
_
(ax) +b))
2
=
=

a
2
x
2
_
+2abx) +

b
2
_

_
ax)
2
+ 2 ax) b) +b)
2
_
=
= a
2

x
2
_
+ 2ab x) + b
2

_
a
2
x)
2
+ 2ab x) + b
2
_
simplicando a expressao anterior obtem-se,
(f)
2
V (f) = a
2
_
x
2
_
x)
2
_
= a
2
V (x) (9)
Exemplo
Mediu-se o tempo de 10 oscilacoes de um pendulo elastico, t
10
. Qual o
perodo, T, e o respectivo erro associado? Sabendo que,
T =
t
10
10
=
1
10
t
10
= at
10
em que a =
1
10
. Tendo em conta a equacao 9 obtemos (T)
2
=
_
1
10
_
2
(T
10
)
2
.
Ou seja,
28
T =
T
10
10
Considere-se o caso de uma funcao, f, de uma variavel x.
Figura 8: Funcao generica de x
Mediu-se o valor x
0
x. Qual sera a incerteza associada a f(x
0
)?
A tangente `a curva no ponto, x
0
, e uma recta de equacao y = mx+b, em
que m e b sao constantes e m =
_
df
dx
_
x
0
por denicao.
Como se pode ver pela gura 8,
f(x
0
+ x) f(x
0
) y(x
0
+ x) y(x
0
) =
_
df
dx
_
x
0
x
se x for sucientemente pequeno. Ou seja, esta aproximacao e valida
para erros pequenos, em que pequeno signica que a derivada da funcao
nao varia signicativamente na vizinhanca, isto e alguns x, do ponto x
0
.
Podemos entao escrever,
f(x
0
+ x) f(x
0
) +
_
df
dx
_
x=x
0
x
29
ou equivalentemente,
f(x
0
+ x) ax + b
em que a e b sao constantes de valores
_
df
dx
_
x=x
0
e f(x
0
), respectivamente.
Tendo em conta a equacao 9 obtemos,
(f)
2
V (f) = a
2
V (x) =
_
_
df
dx
_
x=x
0
_
2
V (x)
Exemplo
No laboratorio pretendemos determinar a area da base de um cilindro, A.
Para tal medimos o seu diametro, DD. Sabe-se que A =
_
D
2
_
2
=

4
D
2
.
Ou seja, A = f(D) logo,
(A)
2
=
_
dA
dD
_
2
D
2
=
_

2
D
_
2
D
2
donde,
A =
_

2
D
_
D
No caso geral temos uma funcao, f, de n variaveis independentes x
1,
..., x
n
.
Se as variaveis forem determinadas experimentalmente e tiverem erros asso-
ciados x
1
, ..., x
n
, pode demonstrar-se que o erro da funcao f e dado
pela
Formula de propagacao dos erros
(f)
2
V (f) =
n

i=1
_
f
x
i
_
2
X
0
x
2
i
(10)
onde X
0
= x
0
1
, ..., x
0
n
e
_
f
x
i
_
X
0
e a derivada parcial da funcao f em ordem
`a variavel x
i
.
Note que qualquer expressao so e valida enquanto forem validas as hipoteses
usadas na sua determinacao. Neste caso a aproximacao e valida:
para erros pequenos, isto e, a funcao nao varia muito na regiao de
interesse e
as variaveis sao independentes.
30
Exemplo
Considere a funcao f =
x
y
em que x e y sao duas variaveis independentes.
A derivada parcial de f em ordem a x e obtida efectuando a derivada da
funcao, f, considerando esta como apenas uma funcao de x. Utilizando a
regra da diferenciacao da divisao:
f
x
=

x
_
x
y
_
=
_
x
x
_
y x
_
y
x
_
y
2
visto que
x
x
= 1 e
y
x
= 0
o resultado escrevese,
f
x
=
1
y
Por outro lado
f
y
=

y
_
x
y
_
=
_
x
y
_
y x
_
y
y
_
y
2
=
x
y
2
atendendo a que
x
y
= 0 e
y
y
= 1
Se as variaveis x e y forem medidas e tiverem erros associados x e y,
respectivamente, o erro associado a f, f, e dado por
f =

_
f
x
_
2
x
2
+
_
f
y
_
2
y
2
=

_
1
y
_
2
x
2
+
_
x
y
2
_
2
y
2
Exemplo
No laboratorio pretendemos determinar o volume de um cilindro, V . Para
tal medimos o seu diametro, D D e a sua altura, h h. Sabemos que
V =
_
D
2
_
2
h =

4
hD
2
, ou seja, o volume, V , e funcao de duas variaveis inde-
pendentes, D e h, medidas, V = f(D, h). Logo pela formula de propagacao
dos erros
(V )
2
=
_
V
D
_
2
D
2
+
_
V
h
_
2
h
2
Aplicando as regras da derivacao obtemos,
31
V
D
=

D
(V ) =

D
_

4
hD
2
_
=

D
_

4
h
_
D
2
+

D
_
D
2
_
_

4
h
_
=
= 0 + 2D
_

4
h
_
=

2
hD = 2
V
D
V
h
=

4
D
2
=
V
h
e substitundo estes resultados na expressao de (V )
2
obtemos
(V )
2
=
_

2
hD
_
2
D
2
+
_

4
D
2
_
2
h
2
donde,
V =
_
_

2
hD
_
2
D
2
+
_

4
D
2
_
2
h
2
2.2 Calculos e algarismos signicativos
Podemos ter uma ideia da ordem de grandeza do erro que afecta a deter-
minacao de uma quantidade se seguirmos as regras que determinam o n umero
de algarismos signicativos que resultam de um calculo
Regra n
o
1 - Multiplicacoes e divisoes - o resultado nal deve ser
apresentado com o mesmo n umero de algarismos signicativos, do n umero
que tiver menos algarismos signicativos
Regra n
o
2 - Adicoes e Subtraccoes - o resultado deve ser apresentado
com o mesmo n umero de casas decimais, do n umero que tiver menos casas
decimais
Estas regras aplicam-se quando N

AO EXISTE CONHECIMENTO dos

erros que afectam as quantidades, ou simplesmente para calculos ma-
tematicos.
Exemplos
1. Suponhamos que queriamos determinar a area da base de um cilindro,
A, sabendo o seu diametro, D = 1, 15 cm. Ao efectuarmos o calculo
32
com uma maquina de calcular obtemos A =
_
D
4
_
2
= 0, 8157844888
cm
2
(considerou-se = 3, 1416). Ha no entanto algo perturbador neste
resultado. O diametro, D, e conhecido apenas com tres algarismos
signicativos e, no entanto, a area e apresentada com dez. Sera isto
razoavel? A resposta e nao. Segundo a regra n
o
1 o resultado nal deve
ser apresentado com o mesmo n umero de algarismos signicativos do
n umero que tiver menos. Neste caso o n umero com menos algarismos
signicativos e D que tem 3. Note que o n umero de algarismos signi-
cativos das constantes, neste caso o 4, nao e considerado. Escrevemos
entao A = 0, 816 cm
2
.
2. Se tivermos duas quantidades a = 35, 5 e b = 2, qual o valor da razao
f =
a
b
? Pela regra n
o
1, f = 20.
3. Tendo em conta os valores de a e b do exemplo anterior, o valor de
g = a + b, pela regra n
o
2, e igual a 38.
As regras atras enunciadas podem ser relacionadas com a formula de
propagacao dos erros se associarmos a cada n umero um erro igual a metade
do valor da unidade do ultimo algarismo.
Exemplos
Analisemos de novo os exemplos anteriores.
1. O diametro da base de um cilindro, D, e igual a 1, 15 cm. Se associar-
mos ao valor de D um erro de 0, 005 cm, pela formula de propagacao
dos erros A =
_

2
D
_
D = 0, 009 cm
2
. Ou seja, A = 0, 826 0, 009
cm
2
.
2. Se tivermos duas quantidades a = 35, 5 e b = 2. Qual o valor da razao
f =
a
b
? Pela formula de propagacao dos erros
f =

_
f
a
_
2
a
2
+
_
f
b
_
2
b
2
= f

_
a
a
_
2
+
_
b
b
_
2
Considerando a = 0, 05eb = 0, 5. Obtem-se f = 4, e consequente-
mente, f = 18 4.
33
3. Tendo em conta os valores de a e b anteriores, qual o valor da soma
g = a + b? Pela formula de propagacao dos erros
g =

_
g
a
_
2
a
2
+
_
g
b
_
2
b
2
=

a
2
+ b
2
= 0, 5
Logo g = 37, 5 0, 5.
Se compararmos os valores obtidos pela formula de propagacao dos erros
e pelas regras atras enunciadas, a menos de um algarismo signicativo vemos
que os resultados sao iguais. Logo estas permitem-nos estimar, `a falta de
melhor informacao, o n umero de algarismos signicativos a apresentar apos
um calculo matematico.
Exerccios
1. Pretendemos determinar a massa vol umica, , de um dado material
do qual temos varios cilindros no laboratorio. Utilizando uma balanca
medimos a massa, m, e com uma craveira medimos o diametro, D, e
a altura, h, do cilindro. Sabendo que m m, D D e h h
determine . Lembre-se que,
=
massa
volume
=
m

_
D
2
_
2
h
=
4m
hD
2
2. Considere a funcao f (x) = sin (x) e lembre-se que f(x
0
+ x)
f(x
0
) +
_
df
dx
_
x
0
x. Se x e pequeno e expresso em radianos, para x
0
= 0
podemos escrever que sin(x) x (visto que x = x x
0
= x). Veri-
que que esta aproximacao nao e valida se o angulo x for expresso em
graus
x(
o
) x(rad) sin(x)
0 0,0000
2 0,0349
5 0,0871
10 0,1736
30 0,5000
90 1,0000
34
3. Um angulo x foi medido, em radianos, com um erro x. Determine o
erro das funcoes f = sin(x), g = cos(x) e z = tan(x).
4. Utilize os resultados do exerccio anterior e calcule os erros de sin(x) e
cos(x) para x = 0, 56 0, 01 e x = 1, 56 0, 01. Para o mesmo par de
valores de x calcule o erro da funcao tan(x). Comente, sucintamente,
os resultados obtidos.
5. A funcao f e dada por f = a
xy

em que a, e sao constantes e

x, y e z sao tres variaveis independentes, de erros associados x, y e
z, respectivamente. Demonstre que o erro em f devido aos erros nas
diferentes variaveis pode ser escrito como
_
f
f
_
2
=
_
x
x
_
2
+
_

y
y
_
2
+
_

z
z
_
2
Sugere-se que utilize a formula de propagacao dos erros e
f
x
= a
y

=
f
x
,
f
y
= a
y
1
z

=
f
y
,
f
z
= a
()y

z
+1
= ()
f
z
.
Note que qualquer funcao que possa ser escrita como a multiplicacao
e/ou divisao das variaveis das quais depende tera o quadrado do erro
relativo dado por uma generalizacao da formula precedente
6. Pretendemos determinar a massa vol umica, , de um dado material
do qual temos varios cilindros no laboratorio. Sabendo que m m,
D D, h h e que
=
massa
volume
=
m

_
D
2
_
2
h
=
4m
hD
2
Determine utilizando o resultado obtido no exerccio anterior.
7. O erro associado `a funcao, f = xy, utilizando a formula de propagacao
dos erros, e dado por,
f = f

_
_
_
x
x
_
2
+
_
y
y
_
2
_
(veja o resultado obtido anteriormente). Suponhamos que y = sin(x).
Substituindo na equacao anterior obtemos,
(f)
2
= f
2
_
(x)
2
x
2
+
cos
2
(x) (x)
2
sin
2
(x)
_
= f
2
_
1
x
2
+
cos
2
(x)
sin
2
(x)
_
(x)
2
=
_
sin
2
(x) + x
2
cos
2
(x)
_
(x)
2
35
No entanto se escrevermos directamente f = x sin(x) e calcularmos o
respectivo erro pela formula da propagacao dos erros obtemos
(f)
2
= (sin(x) + x cos(x))
2
(x)
2
Indique qual dos resultados e correcto. Justique sucintamente a dis-
crep ancia obtida.
2.3 Exactidao de duas determinacoes experimentais

E frequente um experimentador ter de comparar os seus resultados com os de-

terminados independentemente por outrem. Se estatisticamente temos duas
determinacoes da mesma quantidade x
1
x
1
e x
2
x
2
, e razoavel per-
guntar se os dois valores obtidos estao de acordo entre si. Vamos testar a
hipotese que os dois valores sao iguais. Consideramos neste caso a funcao
f
experimental
= x
1
x
2
para o qual o valor esperado, f
esperado
, e igual a zero
(f
esperado
= 0). Utilizando o criterio anteriormente denido rejeitamos esta
hipotese se

f
experimental
f
esperado
f
experimental

f
experimental
f
experimental

x
1
x
2
_
(x
1
)
2
+ (x
2
)
2

> 3
NOTE: Este criterio e apenas uma aproximacao (veja por exemplo [Barlow])
Exemplo
Um outro grupo de alunas da U.A. (Maria, Tania e Viviana), utilizando
um aparato experimental diferente, mediu o tempo que um corpo demorava
a percorrer 10,000 0,005 m em queda livre, no mesmo local. Os resultados
obtidos sao apresentados na tabela
i Tempo 0, 001 (s)
1 1,430
2 1,433
3 1,442
4 1,428
5 1,434
6 1,438
7 1,425
8 1,440
9 1,435
36
O valor obtido para o tempo medio foi de 1, 434 0, 002 s. O grupo
da Ana tinha obtido 1, 43 0, 01 s. Que conclusoes podemos retirar destes
resultados? O erro do grupo da Maria e menor que o erro do grupo da Ana,
ou seja os seus valores tem uma menor dispersao em torno do valor medio. O
valor obtido pelo grupo da Maria e mais preciso do que o obtido pelo grupo
da Ana (erros relativos de 0, 1% e 0, 7%, respectivamente).
Podemos rejeitar a hipotese de que os dois valores sao iguais?

f
experimental
f
experimental

1, 434 1, 43
_
(0, 002)
2
+ (0, 01)
2

= 0, 4
De acordo com o nosso criterio nao.
2.4 Gracos
A nossa habilidade a extrair informacao de uma gura e tao boa que parece
natural aproveita-la na analise dos dados obtidos numa experiencia. Quando
estes sao dispostos gracamente, correlacoes que seriam difceis de reconhecer
se os mesmos fossem apresentados numa tabela podem-se tornar evidentes.
Por exemplo, os pontos experimentais podem sugerir dispor-se segundo uma
linha recta ou uma curva. Isto e particularmente verdade quando o n umero
de medicoes e elevado, da ordem das centenas ou milhares de pontos experi-
mentais.
Adicionalmente um graco e um excelente metodo de sintetizar informacao
sobre os dados experimentais.
Em resumo um graco indica de forma sucinta:
a gama de valores medidos
a incerteza de cada medicao
a existencia ou nao de uma correlacao entre os pontos experimentais
a existencia de um ou mais pontos experimentais que nao seguem a
tendencia da maioria
Os gracos cartesianos x y sao extensivamente utilizados em ciencia e
engenharia na apresentacao de dados experimentais e devem conter:
um ttulo - indica a relacao que esta a ser estudada
37
a indicacao das grandezas utilizadas nos eixos tem, bem como respec-
tivas unidades. As unidades devem ser representadas na forma anteri-
ormente denida para as tabelas
escalas claramente denidas em ambos os eixos
os pontos experimentais e, usualmente, as barras de erro a eles associ-
adas
uma legenda caso seja necessario um texto adicional que esclareca qual-
quer particularidade do graco. Por exemplo, num graco que contem
dois ou mais conjuntos de pontos experimentais a legenda deve identi-
car de forma nao ambgua cada um dos conjuntos.
2.4.1 Escalas
Uma das caractersticas mais importantes de um graco e a sua legibilidade.
Uma decisao importante na escolha das escalas dos eixos e se a origem,
o ponto (0,0) e ou nao includo no graco. Esta decisao vai depender do
objectivo com que este e construdo mas em princpio os pontos experimentais
devem ocupar o espaco disponvel do papel milimetrico. Tendo-se o cuidado
de deixar espaco suciente para as escalas, unidades e ttulo.
A maneira mais facil de denir uma escala, por exemplo para o eixo dos
xx

e escolher um
valor por cent

imetro
(x
max
x
min
)
n umero de cm de papel milimetrico dispon

iveis
tendo o cuidado de que o menor valor de x que aparece no eixo ou e x
min
ou
um valor ligeiramente inferior a este.
Note que os dois lados do papel milimetrico tem usualmente dimensoes
diferentes. Em geral, nao e aleatorio escolher qualquer um deles para um
dado eixo. Devem-se escolher as escalas que permitam marcar os pontos
experimentais com a maior precisao possvel.
Exerccios
Pretende construir o graco de y em funcao de x numa folha de papel
milimetrico A4 (2030 cm). Indique escalas adequadas para ambos os
eixos. Se:
1. x [18; 19] e y [1, 8; 5, 2]
2. x [225, 2500] e y [1253, 16; 1980, 25]
38
2.4.2 Smbolos a utilizar para os pontos experimentais
A um conjunto de pontos experimentais deve ser atribudo um smbolo que
seja facilmente visvel. Um smbolo a evitar e o tradicional ponto (
.
). No caso
de coexistirem no mesmo graco dois, ou mais conjuntos de pontos experi-
mentais, estes devem ter smbolos diferentes e tais que permitam distinguir
as possveis sobreposicoes. Por exemplo, se um conjunto de pontos fosse re-
presentado por um ponto (
.
) e outro por um sinal mais (+) no caso de uma
sobreposicao o ponto desaparecera, no entanto, se representarmos os dois
conjuntos por + e respectivamente as sobreposicoes aparecem como um
smbolo diferente dos anteriores, .
Exemplo
Na tabela 11 apresentam-se os comprimentos, l, das asas de 13 pardais
de diferentes idades, I.
Idade 0,08 (dia) Comprimento da asa 0,1 (cm)
3,00 1,4
4,00 1,5
5,00 2,2
6,00 2,4
8,00 3,1
9,00 3,2
10,00 3,2
11,00 3,9
12,00 4,1
14,00 4,7
15,00 4,5
16,00 5,2
17,00 5,0
Tabela 11: Variacao do comprimento das asas dos pardais com a idade
A representacao graca do comprimento da asa em funcao da idade e
apresentada na gura 9.
2.5 Linearizacao de equacoes
Em muitas experiencias a relacao entre as variaveis x e y e conhecida e nao
corresponde `a equacao de uma recta. Por exemplo f(w) = 2w
2
+5 e a equacao
39
Figura 9: Comprimento da asa dos pardais com a idade
de uma parabola.

E, no entanto, muitas vezes desejavel construir um graco
de funcoes das variaveis medidas de tal forma que a relacao entre estas novas
funcoes seja uma recta. Chama-se a isto linearizar a equacao.Vejamos o caso
de f(w) = 2w
2
+ 5. Se agora denirmos uma nova variavel z = w
2
. A nossa
equacao escreve-se como f (w) = 2z + 5. O que nao e mais do que dizer que
f (w) = mz + b em que m = 2 e b = 5 sao constantes e tem o signicado de
declive e ordenada na origem, respectivamente.
Exerccio
Para a funcao anterior, f(x) = 2x
2
, trace os gracos de f em funcao de
x, e de f em funcao de g (= x
2
), para os valores 0; 1; 2; 3 de x.
No caso geral em que duas variaveis medidas w e z estao relacionadas
40
atraves de uma dada equacao vamos, se possvel e necessario, reescrever essa
equacao da forma
f
1
(w) = mf
2
(z) + b
em que m e b sao duas constantes, o declive e a ordenada na origem, respec-
tivamente.
Exemplo
Quando temos um corpo suspenso de uma mola elastica e colocamos o
conjunto a oscilar, o seu perodo de oscilacao, T, depende da constanste
elastica da mola, k, e da massa do corpo, m
c
,
T = 2
_
m
c
k
Com o objectivo de determinar a constante elastica da mola medimos o
perodo de oscilacao para diferentes massas. Pretendemos construir um
graco linearizado, isto e teremos de denir, se possvel, duas funcoes f
1
(T) e
f
2
(m
c
) de tal modo que f
1
(T) = mf
2
(m
c
) +b. Neste caso, o que nem sempre
acontece, duas solucoes sao possveis, se escrevermos
T =
2
2

k
_
(m
c
)
entao,
f
1
(T) =
2

k
f
2
(m
c
)
com
f
1
(T) = T
f
2
(m) =

m
c
m =
2

k
b = 0
Se alternativamente considerarmos
T
2
=
4
2
k
(m
c
)
entao,
f
1
(T) =
4
2
k
f
2
(m
c
)
41
e
f
1
(T) = T
2
f
2
(m) = m
c
m =
4
2
k
b = 0
Exemplo
Sabe-se que o n umero de n ucleos radioactivos, N, num dado instante, t,
e uma funcao do tempo da forma
N = N
0
e
t
em que N
0
representa o n umero de n ucleos no instante t = 0, e e a cons-
tante de decaimento. No laboratorio mediu-se, N, para varios instantes, t.
Pretende-se escrever f
1
(N) = mf
2
(t) + b. Uma linearizacao de uma funcao
exponencial involve a utilizacao de logaritmos,
ln (N) = ln
_
N
0
e
t
_
= ln (N
0
) t
pelo que
f
1
(N) = ln (N)
f
2
(t) = t
m =
b = ln (N
0
)
Um graco contendo todas as componentes discutidas neste captulo pode
actuar como um resumo de todo o trabalho experimental. De facto muitas
pessoas estudarao primeiro o graco de forma a terem uma ideia geral de
como decorreu a experiencia.
Exerccios
1. Linearize a expressao M =

kt + D em que M e t sao variaveis e k,

D sao constantes de valor desconhecido.
2. Linearize a expressao t
2
=
1
v
2
(d
2
+ 4h
2
)em que t e d sao variaveis e v,
h sao constantes de valor desconhecido.
3. Linearize a expressao t
2
=
2h
g
_
1 +
I
M
c
R
2
_
em que t e M
c
sao variaveis e
h, g, I e R sao constantes de valor desconhecido.
42
3 Metodo dos Mnimos Desvios Quadrados
3.1 Coeciente de correlacao
Medimos pares de grandezas (x
i
; y
i
) dene-se a covariancia das variaveis x e
y como
cov(x, y) = xy x y =
n

i=1
(x
i
x) (y
i
y)
n
(11)
Desta denicao verica-se que (ver gura 10):
o valor da covariancia vai ser positivo (cov(x, y) > 0) se os valores de
x que estao acima da media (x
i
x) > 0, tem tendencia para ocorrer
juntos com os valores de y que estao acima da media (y
i
y) > 0, e
os valores de x que estao abaixo da media (x
i
x) < 0, tem tendencia
para ocorrer juntos com os valores de y que estao abaixo da media
(y
i
y) < 0,
o valor da covariancia vai ser negativo ( cov(x, y) < 0 ) se os valores de
x que estao acima da media (x
i
x) > 0, tem tendencia para ocorrer
juntos com os valores de y que estao abaixo da media (y
i
y) < 0,e
os valores de x que estao abaixo da media (x
i
x) < 0, tem tendencia
para ocorrer juntos com os valores de y que estao acima da media
(y
i
y) > 0
Por outro lado se um valor positivo de (x
i
x) tem igual probabilidade
de ser multiplicado por uma valor positivo ou negativo de (y
i
y) , e
vice-versa, entao a covariancia vai ser proxima de zero, se nao igual a
zero. Se cov(x, y) = 0 diz-se que as variaveis sao independentes.
Note que a covariancia de uma variavel sobre si mesma cov(x, x) = x
2

x
2
nao e mais do que a variancia de x, V (x). Dene-se o coeciente de
correlacao, r, como
r =
cov(x, y)
_
V (x)V (y)
=
xy x y
_
_
x
2
x
2
__
y
2
y
2
_
(12)
note que r e adimensional e que por denicao,
r [1; 1]
43
Figura 10: Diferentes coecientes de correlacao
3.2 Metodo dos mnimos desvios quadrados (MMDQ)
3.2.1 Recta do tipo y = mx
Se suposermos, ou soubermos, que duas quantidades medidas x
i
e y
i
obede-
cem idealmente a uma relacao do estilo f (x) = mx, queremos saber qual e
o valor do declive, m, que dene a recta que melhor aproxima os pontos ex-
perimentais. Podemos em primeiro lugar questionar porque e que os valores
experimentais nao se dispoem ao longo de uma recta. Acontece que mesmo
que a relacao entre as duas variaveis seja da forma f(x) = mx os valores
medidos, x
i
e y
i
, tem, em geral, um erro associado, x
i
e y
i
, que leva a que
alguns dos pontos experimentais se situem acima e outros abaixo da recta.
Se:
Hipotese n
o
1 - os valores, x
i
, nao sao afectados por qualquer erro.
Entao o desvio entre os pontos experimentais e a recta e apenas devido
ao erro associado `a variavel y
44
Se denirmos o desvio, d
i
, entre o valor experimental y
i
e o valor da recta
correspondente `a mesma abcissa x
i
como
d
i
= y
i
f (x
i
) = y
i
(mx
i
)
e somarmos os quadrados dos desvios obtemos,
S
2
=
n

i=1
(d
i
)
2
=
n

i=1
(y
i
f (x
i
))
2
=
n

i=1
(y
i
(mx
i
))
2
Note que S
2
e uma funcao da variavel m, S
2
= f (m) . Pode-se demonstrar
que a recta que melhor aproxima os pontos experimentais de entre todas
as rectas possveis e aquela cujo parametro, m, minimiza a funcao S
2
. Para
determinarmos os extremos de uma funcao, f(x), derivamos a funcao em
ordem a x e igualamos a derivada a zero,
d (S
2
)
dm
= 0
d (S
2
)
dm
=
d
dm
_
n

i=1
[y
i
(mx
i
)]
2
_
=
=
n

i=1
_
d
dm
[y
i
(mx
i
)]
2
_
=
=
n

i=1
_
2 [y
i
(mx
i
)]
d
dm
[y
i
(mx
i
)]
_
=
=
n

i=1
_
2 [y
i
(mx
i
)]
_
dy
i
dm

d (mx
i
)
dm
__
=
=
n

i=1
(2 [y
i
(mx
i
)] (x
i
)) =
n

i=1
(2) [y
i
x
i
(mx
i
) x
i
]
tendo em conta que
dy
i
dm
= 0 ;
dx
i
dm
= 0 e
dm
dm
= 1
Utilizando a condicao de extremo da funcao obtemos
d (S
2
)
dm
= 0
n

i=1
y
i
x
i
m
n

i=1
(x
i
)
2
= 0
45
O valor de m e dado por
m =
n

i=1
y
i
x
i
n

i=1
(x
i
)
2
(13)
Para demonstrar que este valor de m corresponde a um mnimo da funcao
S
2
temos que calcular a segunda derivada de S
2
.
d
2
(S
2
)
d
2
m
=
d
dm
_
dS
2
dm
_
=
d
dm
_
n

i=1
(2y
i
x
i
) + 2m
n

i=1
(x
i
)
2
_
= 2
n

i=1
(x
i
)
2
0
Logo o valor obtido de m atraves da equacao 13 corresponde, de facto,
ao mnimo da funcao S
2
.
3.2.2 Recta do tipo y = mx + b
No caso das duas quantidades medidas x
i
e y
i
obedecerem idealmente a uma
relac ao do estilo f (x) = mx + b, os coecientes da melhor recta, isto e, a
recta mais provavel, correspondem aos valores de m e b que minimizam os
quadrados dos desvios entre os pontos experimentais e a recta.
A deducao que vamos efectuar assume que o desvio entre os pontos experi-
mentais e a recta e apenas devido aos erros associados `a variavel y. Denimos,
de novo, o desvio, d
i
, como
d
i
= y
i
f (x
i
) = y
i
(mx
i
+ b)
A soma dos quadrados dos desvios e dada por,
S
2
=
n

i=1
(d
i
)
2
=
n

i=1
(y
i
f (x
i
))
2
=
n

i=1
(y
i
(mx
i
+ b))
2
Note que agora S
2
e uma funcao de duas variaveis m e b. Ou seja, de todas as
rectas possveis queremos escolher aquela cujos parametros, m e b, minimizam
a funcao S
2
= f (m, b) . Para determinarmos os extremos de uma funcao,
f(x), derivamos a funcao em ordem a x e igualamos a derivada a zero o que,
neste caso, equivale a igualar as seguintes derivadas parciais a zero,
(S
2
)
m
= 0
(S
2
)
b
= 0
46
de onde obtemos,
(S
2
)
m
=

m
_
n

i=1
[y
i
(mx
i
+ b)]
2
_
=
n

i=1
_

m
[y
i
(mx
i
+ b)]
2
_
=
=
n

i=1
_
2 [y
i
(mx
i
+ b)]

m
[y
i
(mx
i
+ b)]
_
=
=
n

i=1
_
2 [y
i
(mx
i
+ b)]
_
y
i
m

(mx
i
+ b)
m
__
=
=
n

i=1
(2 [y
i
(mx
i
+ b)] (x
i
)) =
n

i=1
(2) [y
i
x
i
(mx
i
+ b) x
i
]
tendo em conta que
y
i
m
= 0 ;
x
i
m
= 0 ;
b
m
= 0 e
m
m
= 1
obtem-se assim,
(S
2
)
m
= 0
n

i=1
y
i
x
i
m
n

i=1
(x
i
)
2
b
n

i=1
x
i
= 0 (14)
E
(S
2
)
b
=

b
_
n

i=1
[y
i
(mx
i
+ b)]
2
_
=
n

i=1
_

b
[y
i
(mx
i
+ b)]
2
_
=
=
n

i=1
_
2 [y
i
(mx
i
+ b)]

b
[y
i
(mx
i
+ b)]
_
=
=
n

i=1
_
2 [y
i
(mx
i
+ b)]
_
y
i
b

(mx
i
+ b)
b
__
=
=
n

i=1
2 [y
i
(mx
i
+ b)] (1)
ou seja,
(S
2
)
b
= 0
n

i=1
y
i
m
n

i=1
x
i
nb = 0 (15)
Temos agora um sistema de duas equacoes 14 e 15 a duas incognitas, m
e b.
47
_

_
n

i=1
y
i
x
i
m
n

i=1
(x
i
)
2
b
n

i=1
x
i
= 0
n

i=1
y
i
m
n

i=1
x
i
nb = 0
Dividindo ambos os termos das duas equacoes por n, o n umero de medicoes,
permite-nos escreve-las numa notacao mais compacta
_
m =
xybx
x
2
b = y mx
Substitundo a equacao de b na de m e simplicando obtemos
m =
xy x y
x
2
(x)
2
(16)
b = y mx (17)
Note que nao foi demonstrado que o extremo da funcao correspondia ao
mnimo que de facto e.
3.3 Escolha da variavel a colocar no eixo das abcissas
Como vimos na seccao anterior ao linearizarmos uma funcao escrevemo-la na
forma
f
1
(w) = mf
2
(z) + b

E claro que a equacao

f
2
(z) = m

f
1
(w) + b

em que m

=
1
m
e b

=
b
m
tambem esta linearizada.
Atendendo a que as equacoes deduzidas anteriormente utilizando o MMDQ
requerem que x
i
= 0 (Hipotese n
o
1) vamos ter que escolher entre as duas
linearizacoes possveis. A Hipotese n
o
1 e de vericacao improvavel no la-
boratorio, no entanto, as equacoes anteriormente deduzidas sao uma boa
aproximacao se o erro de x implicar uma variacao da funcao f muito menor
que o erro associado a y (y), isto e, se
y [f(x + x) f(x)[

df
dx
x

= [mx[
48
Ou seja, uma boa aproximacao da hipotese n
o
1 acontece quando na gama
de valores em estudo se verica a condicao
y [mx[ (18)
Na pratica podemos obter uma estimativa para o valor de m a partir dos
pontos experimentais
m
estimativa
=
y
j
y
i
x
j
x
i
em que os pontos i e j sao escolhidos de forma a darem um valor tpico para
o declive. Nomeadamente nao devem ser pontos consecutivos. E utilizar a
estimativa assim obtida para vericar equacao 18 para os pontos experimen-
tais.
3.4 Erro associado aos parametros, m e b, da recta
A deducao dos erros associados `a determinacao dos parametros da recta mais
provavel no caso em que
Hipotese n
o
2 - os erros, y
i
y, sao constantes e sao determinados
a partir da dispersao dos valores y
i
em torno da recta, isto e,
(y)
2
=
n

i=1
(y
i
f(x
i
))
2
n 2
nao vai ser apresentada.
3.4.1 Recta do tipo y = mx
Aplicando a regra de propagacao dos erros a m e considerando a hipotese n
o
2 obtemos
m =
y
_
n

i=1
(x
i
)
2
(19)
em que
y =

_
n

i=1
(y
i
)
2
m
2
n

i=1
(x
i
)
2
n 2
(20)
49
3.4.2 Recta do tipo y = mx + b
Neste caso os resultados obtidos podem ser escritos em funcao do coeciente
de correlacao, r,
m = [m[

1
r
2
1
n 2
(21)
b = m

_
n

i=1
x
2
i
n
(22)
em que,
r = m

V (x)
V (y)
= m

x
2
(x)
2
y
2
(y)
2
(23)
Note o aparecimento de um factor (n 2) na formula do erro dos para-
metros da recta, m e b. Com dois pontos denimos uma recta mas nao temos
qualquer outra informacao adicional que nos permita estimar o erro associado
aos parametros da mesma. Lembre-se do caso do desvio padrao da amostra.
Note:
que o coeciente de correlacao, r, nao e mais do que uma indicacao
qualitativa da regressao linear
que pode ser muito perigoso extrapolar as nossas conclusoes para fora
do espaco das variaveis estudado. Por exemplo, fara sentido utilizar a
recta obtida para determinar a asa de um pardal com uma idade de
100 dias?
Exemplo
Tendo em conta os dados apresentados para a variacao do comprimento
da asa, l, com a idade para um conjunto de pardais (tabela 12) e o respectivo
graco 9, podemos suspeitar da existencia de uma relacao linear entre as duas
grandezas. Vamos utilizar o MMDQ para determinar a recta mais provavel.
Neste caso nao existe uma linearizacao a efectuar. Precisamos, no entanto,
de determinar qual das variaveis, o comprimento ou a idade e que colocamos
no eixo dos xx

.
50
Idade 0,08 (dias) l 0,1 (cm)
3,00 1,4
4,00 1,5
5,00 2,2
6,00 2,4
8,00 3,1
9,00 3,2
10,00 3,2
11,00 3,9
12,00 4,1
14,00 4,7
15,00 4,5
16,00 5,2
17,00 5,0
Tabela 12: Analise dos dados de um conjunto de pardais
Estimamos o declive, m, a partir dos valores apresentados na tabela 12,
m
estimativa

y
j
y
i
x
j
x
i
=
5, 0 1, 4
17, 00 3, 00
= 0, 26
_
cm(dia)
1
_
e atendendo a que x = 0, 08 (dia) temos que mx 0, 02. Logo y (= 0,1)
e da mesma ordem de grandeza que mx. Neste caso a analise utilizando
as equacoes anteriormente deduzidas vai violar a hipotese n
o
1.
`
A falta de
outros conhecimentos prosseguimos com a analise, tendo esta informacao em
consideracao na discussao dos resultados. Obtem-se para y = mx + b:
m = 0, 270 0, 013
_
cm(dia)
1
_
b = 0, 71 0, 14 (cm)
r = 0, 987
Na gura 11 representam-se os pontos experimentais e a recta anterior-
mente determinada.
Exerccio
1. Utilize os valores do exemplo anterior e a as equacoes obtidas pelo
MMDQ para a funcao y = mx para calcular o parametro m da melhor
recta que aproxima os pontos experimentais. Compare os resultados
obtidos com os do exemplo e comente-os.
51
Figura 11: Comprimento da asa em funcao da idade
2. Mostre que a denicao de media aritmetica minimizando da soma dos
desvios quadrados, d
i
.
3. A profundidade de uma camada de rocha pode ser determinada gerando
ondas sonoras `a superfcie da terra. Microfones sao espalhados pela su-
perfcie de forma a captar as ondas sonoras reectidas pelas camadas
rochosas sob a superfcie terrestre.A relacao entre a distancia, d, a que
cada microfone se encontrava do ponto onde o som era gerado e o atraso
na deteccao da onda, t e dada pela expressao t
2
=
1
v
2
(d
2
+ 4h
2
) onde v
e a velocidade da onda e h a profundidade da camada de rocha. Utili-
zando o MMDQ determine a velocidade da onda, v, e a profundidade
da rocha, h.
52
(x) d
2
(m
2
) (y) t
2
(s
2
)
225 1253,16
400 1317,69
625 1376,41
900 1459,24
1225 1576,09
1600 1705,69
2025 1840,41
2500 1980,25
4. Na tabela apresenta-se a taxa de consumo de oxigenio de uma especie
de passaros medida a diferentes temperaturas ambientes. Os resultados
obtidos sao apresentados na tabela seguinte
Temperatura 0,05 (
o
C) Consumo de oxigenio 0,1 (ml g
1
hr
1
)
-18,00 5,2
-15,00 4,7
-10,00 4,5
-5,00 3,6
0,00 3,4
5,00 3,1
10,00 2,7
19,00 1,8
Utilizando o MMDQ determine os parametros da recta mais provavel
e respectivos erros associados.
53
A Resumo do Guia de Tratamento dos Dados
Experimentais
Uma medicao sem uma incerteza associada (erro) N

AO EXISTE!!
Medidas Directas
Procure identicar e eliminar os erros de calibracao, paralaxe, metodo e
sistematicos.
Verique se existe um tempo de reaccao.
Erro Instrumental
Instrumento Analogico - habitualmente e metade da menor divisao da
escala
Instrumento Digital - menor divisao da escala
O valor medido, x
i
, escreve-se como
x
i
x
i
(unidades)
em que o erro associado ao valor medido vai ser o maior de entre o erro
instrumental e o erro experimental.
Tabelas
Sempre que util, os valores medidos, incertezas associadas e respectivas
unidades devem ser apresentadas em tabelas legveis. Numa tabela devem
ser evitadas repeticoes desnecessarias.
Erros Aleatorios
Em muitos casos vai existir uma variabilidade nas medicoes experimentais
da mesma quantidade. Nessa situacao, o valor mais provavel do valor medido
e dado pela media aritmetica, x, sendo o erro padrao, s
n1
(x), a incerteza
associada media, isto e,
x = x) =
n

i=1
x
i
n
e s
n1
(t) =

n1
(t)

n
em que
n1
(x) e o desvio padrao da amostra.
54
NOTA: Quando o erro padrao e inferior ao erro associado a cada um dos
valores medidos considera-se este ultimo como o erro associado `a media.
Determinacoes de grandezas fsicas a partir de valores medidos
O erro associado a uma funcao, f, de n variaveis independentes x
1,
..., x
n

medidas experimentalmente e com erros associados de x

1
, ..., x
n
, e dado
pela formula de propagacao dos erros
f =

_
n

i=1
_
f
x
i
_
2
X
0
x
2
i
Gracos
Os gracos x-y, na apresentacao de dados experimentais, devem conter:
um ttulo que indique a relacao que esta a ser estudada;
a indicacao das grandezas utilizadas nos eixos bem como as respectivas
unidades;
escalas claramente denidas e identicadas em ambos os eixos;
os pontos experimentais ;
legenda - caso seja necessario um texto que esclareca qualquer parti-
cularidade do graco.
Escalas
De um conjunto de pontos experimentais, escolhe-se o valor mnimo, x
min
,
e o valor maximo, x
max
(se x for, por exemplo, o eixo das abcissas), tal que
valor por cent

imetro
(x
max
x
min
)
n umero de cm de papel milimetrico dispon

iveis
tendo o cuidado de que a escala deve iniciar-se no valor de x
min
ou num valor
ligeiramente inferior a este.
Metodo dos Mnimos Desvios Quadrados (MMDQ)
Se soubermos ou suposermos que um para um dado conjunto de pontos
experimentais x
i
x
i
, y
i
y
i
os valores de y se relacionam com os de
x atraves da equacao de uma recta e assumirmos que para todos os pontos
55
x
i
n ao existe um erro associado (x
i
= 0), entao os parametros da recta, m
e b, mais provavel sao dados por:
Para y = mx
m =
n

i=1
y
i
x
i
n

i=1
(x
i
)
2
Para y = mx + b
m =
xy x y
x
2
(x)
2
e b = y mx
No caso dos erros respeitantes `a variavel dependente, y
i
, serem constantes
e determinados a partir da dispersao dos valores em torno da recta, entao
existem erros associados a cada um dos parametros da recta, m e b, e sao
determinados a partir de:
Para y = mx
m =
y
_
n

i=1
(x
i
)
2
e y =

_
n

i=1
(y
i
)
2
m
2
n

i=1
(x
i
)
2
n 2
Para y = mx + b
m = [m[

1
r
2
1
n 2
e b = m

_
n

i=1
x
2
i
n
em que r e o coeciente de correlacao que e, por denicao, igual a
r =
xy x y
_
_
x
2
x
2
__
y
2
y
2
_
A aplicacao do MMDQ exige entao que a grandeza escolhida para variavel
independente x
i
, nao tenha erro associado. Na pratica tal nunca acontece,
no entanto no caso de vericar a condicao
y [mx[
56
tem-se uma boa aproximacao da situacao ideal e o metodo pode ser usado
para determinar a equacao da recta mais provavel. O declive m, e entao
estimado a partir dos pontos experimentais pela expressao:
m
estimativa
=
y
j
y
i
x
j
x
i
em que os pontos i e j sao escolhidos de forma a obtermos um valor tipico
para o declive. Nao devem, por isso, ser pontos consecutivos.
Precisao (Erro Relativo):
A precisao da-nos uma indicacao da dispersao dos valores, x, em torno
do resultado, x, e e habitualmente expressa em percentagem

x
x

100(%).
Exactidao:
A exactidao indica-nos se o valor obtido experimentalmente esta em de-
sacordo com o valor esperado.
Se o valor esperado nao tem erro associado

x
experimental
x
esperado
x
experimental

> 3 x
experimental
e inexacto
Se o valor esperado tem erro associado

x
experimental
x
esperado
_
(x
experimental
)
2
+ (x
esperado
)
2

> 3 x
experimental
e inexacto
57
B Solucoes dos Exerccios:
1 Medidas Directas 3
1.3 Craveira ou Paqumetro . . . . . . . . . . . . . . . . . . . . . 5
d
r
= 1, 4 cm; k = 8. Logo d = 1, 4 + (8 0, 01) = 1, 48. O resultado
nal escreve-se d = 1, 48 0, 01 cm.
1.6 Erro de calibracao . . . . . . . . . . . . . . . . . . . . . . . . . 9
A escala nao esta calibrada.
1.6 Erros associados ao observador . . . . . . . . . . . . . . . . . . 9
1.6.2 Medicao incorrecta . . . . . . . . . . . . . . . . . . . . 10
A distancia percorrida mede-se, para o mesmo ponto da esfera (conside-
rada indeformavel), entre a posicao inicial e nal. A medicao correcta
e por isso h
3
.
1.8.2 Erro do metodo . . . . . . . . . . . . . . . . . . . . . . 11
Desprezar o atrito para a folha de papel nao e uma boa aproximacao.
1.11 Erros Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.11.4 Erro padrao . . . . . . . . . . . . . . . . . . . . . . . 19
1245, 68 0, 12; (3, 2468 0, 0035) 10
6
; (1, 25000 0, 00005) 10
5
e
0, 00 0, 67
1.12 Precisao e exactidao . . . . . . . . . . . . . . . . . . . . . . . 25
1.12.2 Exactidao . . . . . . . . . . . . . . . . . . . . . . . . . 25
1. x = 0;
n1
= 1;
n
= 0, 8165; s
n1
= 0, 5774
2. Massa = 70 3 g
3. Concentracao de aminoacidos = 240 1 (mg/100ml)
58
2 Determinacoes de grandezas fsicas a partir de valores medi-
dos 28
2.2 Calculos e algarismos signicativos . . . . . . . . . . . . . . . 32
1. =
massa
volume
=
4m
hD
2
Logo,
=

m
_
2
(m)
2
+
_

h
_
2
(h)
2
+
_

D
_
2
(D)
2
=
=

_
4
hD
2
_
2
(m)
2
+
_
4m
D
2
h
2
_
2
(h)
2
+
_
2
4m
hD
3
_
2
(D)
2
2.
x(
o
) x(rad) sin(x)
0 0,0000 0,0000
2 0,0349 0,0349
5 0,0873 0,0871
10 0,1745 0,1736
30 0,5236 0,5000
90 1,5708 1,0000
3.
f(x) f
sin(x) [cos(x)[ x;
cos(x) [sin(x)[ x;
tan(x)
1
cos
2
(x)
x
4. Os resultados obtidos sao apresentados na tabela seguinte
x sin(x) sin(x) cos(x) cos(x) tan(x) tan(x)
0, 56 0, 01 0, 5312 0, 0085 0, 8473 0, 0053 0, 623 0, 014
1, 56 0, 01 0, 99994 0, 00011 0, 0108 0, 0010 (0, 1 8, 5) 10
3
Para x = 1, 560, 01 a aproximacao dos erros pequenos nao e valida
para a funcao tan(x).
5. Substituindo as expressoes das derivadas e apos alguma manipulacao
algebrica obtem-se o resultado pretendido.
59
6.
_

_
2
=
_
m
m
_
2
+
_
h
h
_
2
+
_
2
D
D
_
2
7. O resultado correcto e (f)
2
= (sin(x) + x cos(x))
2
(x)
2
, visto que a
formula de propagacao dos erros so se aplica a variaveis independentes.
2.4.1 Escalas . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1. (30 cm para x) - x: 1 cm corresponde a 1,5; y: 1 cm corresponde a 0,2;
2. (30 cm para x) - x: 1 cm corresponde a 80; y: 1 cm corresponde a 25;
2.5 Linearizacao de equacoes . . . . . . . . . . . . . . . . . . . . . 39
x f(x) g(x)
0 0 0
1 2 1
2 8 4
3 18 9
1. Pretende-se escrever a funcao M =

kt + D como f
1
(M) = mf
2
(t)+b
o que implica
f
1
(M) = M
2
m = k
f
2
(t) = t
b = D
2. Pretende-se escrever a funcao t
2
=
1
v
2
(d
2
+ 4h
2
) como f
1
(t) = mf
2
(d)+
b o que implica
f
1
(t) = t
2
m =
1
v
2
f
2
(t) = d
2
b =
4h
2
v
2
60
3. Pretende-se escrever a funcao t
2
=
2h
g
_
1 +
I
M
c
R
2
_
como f
1
(t) = mf
2
(M
c
)+
b o que implica
f
1
(t) = t
2
m =
2hI
gR
2
f
2
(t) =
1
M
c
b =
2h
g
3 Metodo dos Mnimos Desvios Quadrados 43
1. Utilizando os mesmos eixos que no texto. E considerando que y = mx
obtem-se
m = 0, 33 0, 01
_
cm(dia)
1
_
r = 0, 44
Compare este resultado com o obtido anteriormente para a recta y =
mx + b e comente-o.
2. S
2
=
n

i=1
(x
i
a)
2
. Procuramos um extremo
f
a
= 0
= 2
n

i=1
_
(x
i
a)
(x
i
a)
x
_
=
= 2
n

i=1
(x
i
a) = 0
Ou seja,
n

i=1
x
i
= na
x a =
n

i=1
x
i
n
tal como esperado.
61
3.
m = 0, 3227 0, 0039 s
2
m
2
b = (1, 1804 0, 054) 10
3
s
2
r = 0, 9996
4. Como os erros relativos sao da mesma ordem de grandeza escolhem-se
aleatoriamente os eixos
m = 0, 0878 0, 0050 mlg
1
hr
1
C
1
b = 3, 471 0, 060 mlg
1
hr
1
r = 0, 990
62
Referencias
[Barford] N. C. Barford Experimental Measurements: Precision, Error and
Truth, John Wiley & Sons
[Barlow] R. J. Barlow 1995 Statistics, John Wiley & Sons
[Kirkup] L. Kirkup 1994 Experimental Methods, John Wiley & Sons
[Topping] J. Topping 1971 Errors of Observation and Their Treatment,
Chapman and Hall LTD
63