Erros Incertezas Nas Medicoes Errors Uncertainties Measurement

E
E
r
r
r
r
o
o
s
s
e
e
I
I
n
n
c
c
e
e
r
r
t
t
e
e
z
z
a
a
s
s

n
n
a
a
s
s
M
M
e
e
d
d
i
i
e
e
s
s

Paulo Cabral

Julho 2004

Erros e Incertezas nas Medies
2 / 116 Paulo Cabral

IEP Instituto Electrotcnico Portugus ISEP Instituto Superior de Engenharia do Porto
Laboratrio de Metrologia e Ensaios Departamento de Fsica
Rua de S. Gens, 3717 Rua Dr. Antnio Bernardino de Almeida, 431
4460-409 Senhora da Hora (Matosinhos) 4200-072 Porto
Tel. 22 957 00 00 / 23 Tel. 22 834 05 00
paulo.cabral@iep.pt pmc@isep.ipp.pt

Paulo Cabral 3 / 116

It is better to be roughly right than precisely wrong
John Maynard Keynes

To err is human; to describe the error properly is sublime
Cliff Swartz

I can live with doubt and uncertainty and not knowing. I
think it is much more interesting to live not knowing than
to have answers that might be wrong
Richard Feynman


ndice

1 INTRODUO...............................................................................................................................9
1.1 Conceitos clssicos: exactido e preciso ....................................................................................9
1.2 Erros de medio.........................................................................................................................10
1.3 Por que existe incerteza?.............................................................................................................12
1.4 O interesse de se indicar a incerteza de uma medio...............................................................14
1.5 Incertezas - alguns marcos histricos..........................................................................................15
2 TERMINOLOGIA MAIS IMPORTANTE......................................................................................17
2.1 Grandezas e Unidades ................................................................................................................17
2.2 Medies......................................................................................................................................17
2.3 Resultados de medio................................................................................................................18
2.4 Instrumentos de medio.............................................................................................................19
2.5 Caractersticas dos instrumentos de medio.............................................................................19
2.6 Padres........................................................................................................................................20
3 ANLISE ESTATSTICA DE RESULTADOS.............................................................................21
3.1 Introduo ....................................................................................................................................21
3.2 Anlise de dados..........................................................................................................................21
3.3 Noo de populao e de amostra .........................................................................................22
3.4 Mdia aritmtica...........................................................................................................................22
3.5 Mediana........................................................................................................................................23
3.6 Moda ............................................................................................................................................23
3.7 Desvio da mdia ..........................................................................................................................23
3.8 Desvio mdio ...............................................................................................................................24
3.9 Desvio-padro..............................................................................................................................25
3.10 Varincia ......................................................................................................................................26
3.11 Uso de mquinas de calcular.......................................................................................................27
3.12 Utilizao do Microsoft
Excel .....................................................................................................28
4 DISTRIBUIO DA PROBABILIDADE DOS ERROS...............................................................31
4.1 Distribuio normal dos erros ......................................................................................................31
4.2 Erro equiprovvel .........................................................................................................................33
4.3 A distribuio normal e os conceitos de exactido e preciso ....................................................34
4.4 Outras distribuies .....................................................................................................................35
4.4.1 Rectangular, ou uniforme................................................................................................35
4.4.2 Em U, ou derivada do arco-seno..................................................................................36
4.4.3 Triangular ........................................................................................................................36
4.4.4 Em M, ou bi-modal........................................................................................................37
5 ANLISE GRFICA....................................................................................................................39
5.1 Linearizao.................................................................................................................................39
5.2 Regras para elaborao de grficos............................................................................................39
Excel .....................................................................................................40
5.3.1 Tipos de grficos.............................................................................................................40
5.3.2 Grficos X-Y....................................................................................................................41
5.3.3 Recta de regresso.........................................................................................................41
5.3.4 Barras de incerteza nos valores (eixos X e Y)................................................................42
6 REGRESSO LINEAR................................................................................................................45
6.1 Expresso da recta de regresso................................................................................................45
6.2 Coeficientes da recta e respectivas incertezas............................................................................45
6.3 Interpolao de um novo valor y
o
a partir de um x
o
.....................................................................47
6.4 Coeficiente de correlao entre X e Y.........................................................................................48
7 TOLERNCIA DOS INSTRUMENTOS DE MEDIO...............................................................51
7.1 Instrumentos com classes normalizadas.....................................................................................51
7.2 Combinao de vrios erros ........................................................................................................52
7.3 Regra da diferencial logartmica ..................................................................................................54
7.4 Equipamento digital......................................................................................................................55
7.5 ppm e %.......................................................................................................................................57
8 INTRODUO ANLISE NUMRICA....................................................................................59
8.1 Arredondamento dos resultados..................................................................................................59
8.2 O conceito de algarismos significativos.....................................................................................59
8.3 Algarismos a conservar Multiplicao, Diviso, Radiciao...................................................60
8.4 Algarismos a conservar Adio, Subtraco ..........................................................................60
9 COMBINAO DE INCERTEZAS..............................................................................................61
9.1 Introduo ....................................................................................................................................61
9.2 Definies especficas .................................................................................................................61
9.3 Fontes de incerteza......................................................................................................................62
9.4 Expresso da grandeza a medir ..................................................................................................63
9.5 Correces conhecidas................................................................................................................63
9.6 Balano da incerteza....................................................................................................................64
9.7 Grandezas medidas repetidamente (tipo A) ................................................................................64
9.8 Grandezas determinadas por outros meios (tipo B) ....................................................................64
9.8.1 Valores singulares...........................................................................................................64
9.8.2 Grandezas de influncia..................................................................................................65
9.9 Lei de propagao das incertezas...............................................................................................65
9.10 Coeficiente de sensibilidade ........................................................................................................66
9.11 Soma das varincias....................................................................................................................67
9.11.1 Casos mais simples, frequentemente encontrados........................................................67
9.11.2 Soma (ou diferena)........................................................................................................68
9.11.3 Produto (ou quociente)....................................................................................................68
9.11.4 Combinao de incertezas..............................................................................................68
9.12 Grandezas correlacionadas .........................................................................................................69
9.12.1 Grandezas correlacionadas casos particulares .........................................................70
9.13 Incerteza expandida da mensuranda...........................................................................................70
9.14 Nmero de graus de liberdade ....................................................................................................70
9.15 Resultado final .............................................................................................................................71
9.16 Fluxograma simplificado ..............................................................................................................73
9.17 Combinao de incertezas Casos mais simples.....................................................................75
9.18 Sugesto de esquema para apresentao dos dados ................................................................76
9.19 Resumo dos casos mais comuns ................................................................................................77
9.19.1 Grandezas independentes ..............................................................................................77
9.19.2 Grandezas correlacionadas ............................................................................................77
10 EXEMPLOS DE CLCULO DE INCERTEZAS ..........................................................................79
10.1 Frequncia de uma fonte AC pelas leis de Mersenne.................................................................79
10.1.1 Apresentao da experincia..........................................................................................79
10.1.2 Valores obtidos experimentalmente................................................................................80
10.1.3 Recta de regresso linear ...............................................................................................80
10.1.4 Massa linear do fio ..........................................................................................................81
10.1.5 Frequncia ......................................................................................................................83
10.2 Incerteza proveniente de um certificado de calibrao ...............................................................84
10.3 Determinao da incerteza a partir da especificao do fabricante............................................85
10.4 Incerteza originria de um aparelho elctrico analgico .............................................................86
10.5 Incerteza a partir da especificao de uma norma......................................................................87
10.6 Incerteza de uma indicao digital...............................................................................................88
10.7 Medio da humidade do ar com um psicrmetro.......................................................................89
10.7.1 Descrio ........................................................................................................................89
10.7.2 Procedimento de medio ..............................................................................................89
10.7.3 Balano de incertezas.....................................................................................................89
10.8 Medio de temperatura com uma Pt-100...................................................................................91
10.8.1 Descrio da experincia................................................................................................91
10.8.2 Expresso da recta de regresso ...................................................................................91
10.8.3 Incerteza do declive ........................................................................................................92
10.8.4 Interpolao de um novo valor........................................................................................92
10.9 Calibrao de um paqumetro com bloco-padro........................................................................93
10.10 Calibrao de uma resistncia pelo mtodo potenciomtrico .....................................................94
10.10.1 Princpio da medio.......................................................................................................94
10.10.2 Esquema de montagem..................................................................................................94
10.10.3 Influncia da temperatura ...............................................................................................94
10.10.4 Identificao das fontes de incerteza..............................................................................95
10.10.5 Leituras efectuadas.........................................................................................................95
10.10.6 Balano de incertezas.....................................................................................................95
11 PROBLEMAS PROPOSTOS ......................................................................................................97
12 LISTA DE FUNES ESTATSTICAS DO MICROSOFT
EXCEL..........................................99
13 SISTEMA INTERNACIONAL DE UNIDADES (SI) ...................................................................103
13.1 Unidades de base ......................................................................................................................103
13.2 Unidades derivadas com nomes especiais................................................................................104
13.3 Prefixos dos mltiplos e submltiplos das unidades SI .............................................................105
13.3.1 Nomenclatura dos grandes nmeros..........................................................................105
14 ALFABETO GREGO.................................................................................................................107
15 BIBLIOGRAFIA.........................................................................................................................109
16 SOLUO DOS PROBLEMAS PROPOSTOS ........................................................................111
17 DISTRIBUIO DO T DE STUDENT....................................................................................113
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que abrange uma fraco
p% da distribuio......................................................................................................................113
17.2 Correco a aplicar ao desvio-padro, segundo o nmero de medies, para diferentes
factores de expanso do resultado final ....................................................................................114


1 Introduo
Por maior cuidado que se tenha ao efectuar uma medio, mesmo que se utilizem
equipamentos topo de gama em condies ambientais bem controladas, os
resultados que se obtm viro afectados por diversos erros.
Nada nem ningum perfeito. Como tal os resultados das medies, dos ensaios
e das anlises tambm no podem ser perfeitos. Isto no novidade para ningum.
Uma das principais tarefas de um experimentador identificar as fontes de erro que
podem afectar o processo de medio, e quantificar essas fontes de erro.
Essa falta de perfeio designada, actualmente, por incerteza. A palavra
erro, que durante largos anos foi utilizada com esse mesmo significado, est hoje
em dia reservada para designar o afastamento entre o valor obtido numa medio e
o correspondente valor verdadeiro, o qual , em geral, desconhecido.
1.1 Conceitos clssicos: exactido e preciso
Tem sido prtica corrente a utilizao dos conceitos de exactido e preciso
para caracterizar o grau de rigor com que uma medio efectuada.
Entende-se por exactido a maior ou menor aproximao entre o resultado
obtido e o valor verdadeiro. A preciso est associada disperso dos valores
resultantes da repetio das medies.
Se fizermos uma analogia com o disparo de um projctil contra um alvo,
poderemos dizer que a exactido corresponde a acertar no (ou prximo do) centro
do alvo; por outro lado, teremos preciso quando os vrios disparos conduzirem a
acertar em pontos muito prximos entre si.
As figuras seguintes procuram ilustrar estas ideias.

Inexacto e impreciso (irrepetvel)


Preciso mas inexacto

Exacto mas impreciso

Exacto e preciso

1.2 Erros de medio
Segundo a forma como os diversos tipos de erros influenciam as medies, tem
sido prtica habitual classific-los em
Erros grosseiros So devidos falta de ateno, pouco treino ou falta
de percia do operador. Por exemplo, uma troca de algarismos ao registar
um valor lido. So geralmente fceis de detectar e eliminar.
Erros sistemticos - So os que afectam os resultados sempre no mesmo
sentido. Exemplo: incorrecto posicionamento do zero da escala,
afectando todas as leituras feitas com esse instrumento. Devem ser
compensados ou corrigidos convenientemente.
Erros aleatrios Associados natural variabilidade dos processos
fsicos, levando a flutuaes nos valores medidos. So imprevisveis e
devem ser abordados com mtodos estatsticos.

As figuras seguintes procuram ilustrar estes conceitos, de uma forma bem-
humorada.
Erro grosseiro
Erro Grossei ro

Erro sistemtico
Erro Si stemti co

Erro aleatrio
Erro Aleatrio

ainda possvel falar-se em erros absolutos e em erros relativos, de acordo com a
forma como so calculados.
Antes de os definirmos, convm introduzir o conceito de valor verdadeiro de uma
grandeza. Dado que, como vimos j, todas as medies esto afectadas por erros,
por mais rigorosos que procuremos ser, nunca poderemos esperar que os resultados
obtidos sejam exactos. Para nos podermos referir ao grau de afastamento entre tais
resultados e os resultados ideais, definimos valor verdadeiro como sendo o valor
que obteramos numa medio ideal, feita em condies perfeitas com instrumentos
perfeitos e por operadores perfeitos. Esse valor, meramente utpico, permite-nos
introduzir, entre outros, os conceitos de erro absoluto e erro relativo.
Os erros absolutos correspondem diferena algbrica (com sinal + ou -)
entre o valor obtido e o valor verdadeiro:
adeiro Valor verd medido Valor absoluto Erro =
Dizemos que uma medio tem um erro positivo (erro com sinal +, ou medio
adiantada) se o seu valor for superior ao valor que obteramos na tal medio ideal.
Pelo contrrio, se obtivermos um valor inferior ao ideal, diremos que o erro
negativo (erro com sinal -, ou medio atrasada).
Por vezes muito til apresentar valores relativos, quando se exprimem erros de
medies. A forma mais usual de apresentao indicar os erros relativos em
percentagem (%):
% 100
adeiro Valor verd
absoluto Erro
relativo Erro =

tambm comum, em determinados domnios da cincia e da tcnica, exprimir
os erros relativos em partes por milho (ppm):
ppm 10
adeiro Valor verd
absoluto Erro
relativo Erro
6
=

Esta ltima notao til quando se est na presena de valores muito
pequenos, o que tpico dos laboratrios onde se efectuam medies de elevado
grau de rigor (por exemplo, em laboratrios de calibrao). , contudo, uma notao
no normalizada e que tem vindo a ser desaconselhada pelos organismos
internacionais ligados metrologia e s normas tcnicas.
Ao simtrico algbrico do erro d-se o nome de correco:
Erro Correco =

Este termo resulta do facto de, se se souber que uma dada medio est
afectada de um determinado erro, o valor correcto poder ser obtido mediante a
correco desse resultado.

1.3 Por que existe incerteza?
evidente que qualquer descrio matemtica de um fenmeno fsico no mais
do que uma modelizao terica de algo, para permitir a sua compreenso. Essa
modelizao, mesmo que seja feita com um elevado grau de rigor, nunca
corresponde em absoluto ao verdadeiro fenmeno em causa, se bem que luz do
conhecimento cientfico de uma determinada poca possa ser considerada como tal.
Recordemos, por exemplo, o pensamento subjacente mecnica newtoniana e as
implicaes que sobre ele teve mais tarde a mecnica relativista...
Por outro lado, qualquer medio efectuada com sistemas fsicos (os
instrumentos de medio) com os quais procuramos quantificar determinadas
caractersticas de outros sistemas fsicos (os objectos a medir). Todos os sistemas
fsicos reais se afastam em maior ou menor grau do comportamento ideal previsto
pelos modelos matemticos com os quais os procuramos descrever.
Mesmo aps a correco de todos os erros devidos aos efeitos (sistemticos)
conhecidos, subsistem inexactides em todos os valores medidos. Quanto mais no
fosse, a prpria existncia de um nico valor verdadeiro contrariada pelas leis da
Fsica (recordemos o Princpio da Incerteza de Heisenberg).
Algumas das razes mais imediatas para existirem sempre incertezas associadas
s medies so indicadas a seguir.

Efeito das condies ambientais (por
exemplo: temperatura, humidade,
presso atmosfrica, etc.)

Efeito das caractersticas intrnsecas aos
instrumentos de medio utilizados (por
exemplo, resoluo, estabilidade,
sensibilidade, etc.) ou mesmo aos
objectos que se pretende medir ou
caracterizar.

Efeitos atribuveis ao operador /
experimentador (tais como mtodo de
medio inadequado, erros de leitura das
escalas, incorrecta utilizao dos
equipamentos, etc.).


1.4 O interesse de se indicar a incerteza de uma medio
Muitos dos ensaios, anlises e medies que diariamente se efectuam em todo o
mundo tm por objectivo garantir que determinados valores-limite (mnimos ou
mximos) no so excedidos. Como exemplos, recordemo-nos da medio da
potncia de frenagem de um veculo durante a sua inspeco peridica; da pesquisa
de substncias dopantes nos fluidos corporais de um atleta de alta competio; da
utilizao do efeito Dppler para medir o desvio da frequncia de um feixe de
radiao num cinemmetro-radar utilizado pela Polcia para conhecer a velocidade
instantnea de uma viatura; etc., etc.
Sem informao acerca da incerteza, pode parecer muito simples tomar decises,
mas essas decises podem estar incorrectas. Por exemplo:
Consequncias econmicas, ao rejeitar produtos em vez de os aceitar;
Consequncias judiciais, ao dar um veredicto de culpado em vez de
inocente;
Consequncias mdicas, ao prescrever um tratamento desnecessrio.
Os exemplos so inmeros!
Com a indicao de uma estimativa realista da incerteza, a informao contida
nos resultados torna-se muito mais til. Vejamos graficamente a influncia que
poder ter associar ou no a incerteza ao resultado de uma medio:

Um resultado com e sem
incerteza

Se esse resultado tiver de ser comparado com uma dada especificao (por
exemplo, com os limites mnimo e mximo de aceitao de um produto), a incluso
da incerteza permite identificar se a especificao claramente cumprida (caso A da
figura seguinte) ou no (caso E), ou se se trata de uma situao de alguma
indefinio (casos B, C e D), em que qualquer deciso implicar assumir um
determinado risco.


Limite superior
da especif icao

Limite inf erior da
especif icao

Valor
ideal

Valores medidos com as
barras ( ) da incerteza

1.5 Incertezas - alguns marcos histricos
Porque o conceito de incerteza de uma medio, tal como entendido hoje em
dia a nvel internacional, relativamente recente, apresenta-se de seguida uma
breve resenha cronolgica da evoluo das ideias que conduziram s actuais
definies de erro e de incerteza.

1638............ Galileo Galilei, Discorsi e demonstrazione matematiche intorno a
due nuove scienze. Descrio, entre outras, das experincias com o
plano inclinado.
1755............ Thomas Simpson, On the advantage of taking the mean of a
number of observations, in practical Astronomy.
1759............ Joseph Louis Lagrange, Mmoires sur lutilit de la mthode de
prendre le milieu entre les rsultats de plusieurs observations.
1778............ Daniel Bernoulli, Disjudicatio maxime probabilis plurium
observationum discripantium atque versimillia inductio inde
formanda: o melhor valor oferece a maior probabilidade para a
sequncia de medies observadas.
1795/1809... Carl Friedrich Gauss, Theoria motus corporum coelestium; a mdia
aritmtica de uma sequncia de medies o valor com menor
disperso.
1802............ Pierre Simon, marqus de Laplace, Trait de mcanique cleste.
1823............ Carl Friedrich Gauss, Theoria combinationis observationum
erroribus minimis obnoxiae; deriva a funo erro.
1864............ DeMorgan, On the theory of errors of observation. Teorema de
DeMorgan.
1868............ J. V. Schiaparelli, Sul principio della media arithmetica nel calcolo
dei resultati delle osservationi.
1876............ A. Ferrero, Espositione del metodo dei minimi quadrati. Teorema
de Ferrero.
19xx ............ Os conceitos de erro, exactido e tolerncia dominam a
metrologia.
196x ............ Primeiras referncias existncia de incertezas em medies
fsicas.
197x ............ Conceitos de incerteza muito diversos coexistem (erros para o pior
caso, 1, 2, 3, k+, etc.
1980............ Grupo de trabalho INC-1 do BIPM prope abordagem tipo A / tipo
B, baseada em modelos matemticos e em mtodos estatsticos
objectivos.
1990............ Aprovado documento WECC 19, Guidelines for the expression of
the uncertainty of measurement in calibrations, aplicvel aos
laboratrios integrados na rede WECC.
1992............ Grupo de trabalho ISO / TAG 4 / WG 3 publica draft do GUM.
1992............ Workshop Eurolab (Barcelona) rene a comunidade laboratorial de
24 pases e estabelece as bases para a uniformidade da avaliao
da incerteza em ensaios.
1993............ Publicada a bblia das incertezas: Guide to the Expression of
Uncertainty in Measurement (GUM).
1997............ Documento EAL-R2, Expression of the Uncertainty of Measurement
in Calibration (substitui WECC-19; harmonizado com o GUM).
1999............ Documento EA-4/02 (reedio do EAL-R2, com exemplos prticos).
2003............ Documento EA-4/16, Guidelines on the expression of uncertainty in
quantitative testing.

2 Terminologia mais importante
Em todos os domnios da cincia e da tcnica a terminologia deve ser
cuidadosamente escolhida. Cada termo deve ter o mesmo significado para todos os
utilizadores; deve exprimir um conceito bem definido, sem entrar em conflito com a
linguagem comum. Isto aplica-se particularmente em metrologia, com uma
dificuldade suplementar: sendo toda a medio afectada por erros imperfeitamente
conhecidos, o significado que se lhe atribui deve incluir esta incerteza. Temos ento
de exprimir com preciso a prpria impreciso.
As definies aqui apresentadas so extradas da 2. edio do Vocabulrio
Internacional de Metrologia (VIM), publicado pela ISO e resultante do trabalho de um
conjunto de sete organizaes internacionais ligadas s medies e normalizao
tcnica
(*)
. Desse Vocabulrio existe uma traduo em Portugus, editada pelo IPQ,
que foi preparada pela Comisso Permanente para a Metrologia do Conselho
Nacional da Qualidade.
No domnio dos erros e das incertezas, este Vocabulrio adopta uma atitude
prudente, deixando de parte, por exemplo, a linguagem da estatstica,
frequentemente utilizada de forma abusiva no domnio das medies. Toda a
medio est afectada de um erro, mas este erro geralmente desconhecido.
Ignora-se o seu sinal algbrico, sendo frequentemente difcil atribuir-lhe uma ordem
de grandeza. por isso que se utiliza o termo incerteza, para indicar uma
estimativa provvel do erro.
Termos outrora muito usados, como por exemplo aferio, esto desde h anos
suprimidos, ao menos no contexto da metrologia. No entanto a tradio tem levado a
que por vezes ainda nos deparemos com expresses como preciso, medida ou
aparelho de medida, etc.
por isso necessrio que nos diversos nveis de ensino, bem como na formao
profissional, se divulguem os termos correctos, utilizando-se os respectivos
conceitos com toda a propriedade.
2.1 Grandezas e Unidades
Valor (de uma grandeza) [VIM 1.18] - Expresso quantitativa de uma grandeza
especfica, geralmente sob a forma de uma unidade de medida multiplicada por um
nmero.
Valor verdadeiro (de uma grandeza) [VIM 1.19] - Valor consistente com a
definio de uma dada grandeza especfica. um valor que seria obtido por uma
medio perfeita. Valores verdadeiros so, por natureza, indeterminados.
Valor convencionalmente verdadeiro (de uma grandeza) [VIM 1.20] - Valor
atribudo a uma grandeza especfica e aceite, s vezes por conveno, como tendo
uma incerteza apropriada para uma dada finalidade.
2.2 Medies
Medio [VIM 2.1] - Conjunto de operaes que tem por objectivo determinar o
valor de uma grandeza.
Mensuranda [VIM 2.6] - Grandeza especfica submetida medio.

(*)
Esse Vocabulrio est presentemente (2004) em reviso a nvel internacional.
Grandeza de influncia [VIM 2.7] - Grandeza que no a mensuranda, mas que
afecta o resultado da medio desta. Exemplo: a temperatura de um micrmetro
usado na medio de um comprimento.
2.3 Resultados de medio
Resultado de uma medio [VIM 3.1] - Valor atribudo a uma mensuranda,
obtido por medio. Uma expresso completa do resultado de uma medio inclui
uma informao sobre a incerteza de medio.
Exactido de medio [VIM 3.5] Aproximao entre o resultado de uma
medio e o valor verdadeiro da mensuranda. Exactido um conceito qualitativo.
Deve ser evitado o termo preciso no lugar de exactido.
Repetibilidade dos resultados (de uma medio) [VIM 3.6] Aproximao
entre os resultados de medies sucessivas da mesma mensuranda efectuadas nas
mesmas condies de medio. Estas condies so chamadas condies de
repetibilidade e incluem: mesmo procedimento de medio; mesmo observador;
mesmo instrumento de medio, utilizado nas mesmas condies; mesmo local;
repetio num curto intervalo de tempo. A repetibilidade pode ser expressa
quantitativamente em termos das caractersticas da disperso dos resultados.
Reprodutibilidade dos resultados (de uma medio) [VIM 3.7] Aproximao
entre os resultados das medies da mesma mensuranda, efectuadas com alterao
das condies de medio. Para que uma expresso da reprodutibilidade seja
vlida, necessrio que sejam especificadas as condies alteradas. As condies
alteradas podem incluir: princpio de medio; mtodo de medio; observador;
instrumento de medio; padro de referncia; local; condies de utilizao; tempo.
Incerteza de medio [VIM 3.9] - Parmetro, associado ao resultado de uma
medio, que caracteriza a disperso dos valores que podem ser razoavelmente
atribudos mensuranda. Esse parmetro pode ser, por exemplo, um desvio-padro
(ou um dado mltiplo dele), ou a metade de um intervalo correspondente a um dado
nvel de confiana. A incerteza de medio compreende, em geral, muitos
componentes. Alguns destes componentes podem ser estimados, com base na
distribuio estatstica dos resultados das sries de medies e podem ser
caracterizados pelos desvios-padro experimentais. Os outros componentes, que
tambm podem ser caracterizados por desvios-padro, so avaliados a partir da
distribuio de probabilidades assumida, com base na experincia ou noutras
informaes. Entende-se que o resultado da medio a melhor estimativa do valor
da mensuranda, e que todos os componentes da incerteza, incluindo aqueles
resultantes dos efeitos sistemticos, como os componentes associados s
correces e aos padres de referncia, contribuem para a disperso.

Erro de medio [VIM 3.10] Diferena algbrica entre o resultado de uma
medio e o valor verdadeiro da mensuranda. Uma vez que o valor verdadeiro no
pode ser determinado, utiliza-se, na prtica, um valor convencionalmente verdadeiro.
Quando necessrio distinguir erro de erro relativo, o primeiro , por vezes,
denominado erro absoluto de medio. Este no deve ser confundido com valor
absoluto do erro, que o modulo do erro.
Desvio [VIM 3.11] Valor subtrado do seu valor de referncia.
Erro relativo [VIM 3.12] Quociente entre o erro da medio e o valor verdadeiro
da mensuranda.
Erro aleatrio [VIM 3.13] - Resultado da medio subtrado da mdia que
resultaria de um nmero infinito de medies da mesma mensuranda, efectuadas
em condies de repetibilidade. O erro aleatrio igual ao erro subtrado do erro
sistemtico. Como s pode ser efectuado um nmero finito de medies, s
possvel determinar uma estimativa do erro aleatrio.
Erro sistemtico [VIM 3.14] - Mdia que resultaria de um nmero infinito de
medies da mesma mensuranda, efectuadas em condies de repetibilidade,
subtrada do valor verdadeiro da mensuranda. O erro sistemtico igual ao erro
subtrado do erro aleatrio. Tal como o valor verdadeiro, o erro sistemtico e as suas
causas no podem ser completamente conhecidos.
Correco [VIM 3.15] - Valor adicionado algebricamente ao resultado bruto da
medio, para compensar o erro sistemtico. A correco igual e de sinal contrrio
ao erro sistemtico estimado. Uma vez que o erro sistemtico no pode ser
perfeitamente conhecido, a compensao no pode ser completa.
2.4 Instrumentos de medio
Instrumento de medio [VIM 4.1] - Dispositivo destinado execuo da
medio, isolado ou em conjunto com equipamentos suplementares.
Diviso [VIM 4.20] - Parte de uma escala compreendida entre quaisquer duas
referncias sucessivas.
Valor da diviso [VIM 4.22] - Diferena entre os valores correspondentes a duas
referncias consecutivas da escala. O valor da diviso expresso na unidade
marcada na escala, qualquer que seja a unidade da mensuranda.
Ajuste [VIM 4.30] - Operao destinada a levar um instrumento de medio a um
funcionamento adequado sua utilizao.
Regulao [VIM 4.31] Ajuste agindo apenas nos meios postos disposio do
utilizador.
2.5 Caractersticas dos instrumentos de medio
Resoluo (de um dispositivo indicador) [VIM 5.12] - Menor diferena entre
indicaes de um dispositivo indicador que se podem distinguir significativamente.
Para um dispositivo indicador digital, a diferena de indicao que corresponde
alterao de uma unidade do dgito menos significativo.
Exactido (de um instrumento de medio) [VIM 5.18] - Aptido de um
instrumento de medio para dar indicaes prximas do verdadeiro valor da
mensuranda. A exactido um conceito qualitativo.
Classe de exactido (de um instrumento de medio) [VIM 5.19] - Classe de
instrumentos de medio que satisfazem a certos requisitos metrolgicos com vista
a manter os erros dentro de limites especificados. Uma classe de exactido
habitualmente indicada por um nmero ou smbolo adoptado por conveno e
denominado ndice de classe.
Erros mximos admissveis (de um instrumento de medio) [VIM 5.21] -
Valores extremos de um erro admitido por especificaes, regulamentos, etc., para
um dado instrumento de medio.
2.6 Padres
Padro [VIM 6.1] Medida materializada, instrumento de medio, material de
referncia ou sistema de medio destinado a definir, realizar, conservar ou
reproduzir uma unidade, ou um ou mais valores de uma grandeza, para servirem de
referncia. Exemplos: padro de massa de 1 kg; resistncia-padro de 100 ;
ampermetro-padro.
Calibrao [VIM 6.11] - Conjunto de operaes que estabelece, em condies
especificadas, a relao entre os valores indicados por um instrumento de medio
ou um sistema de medio, ou valores representados por uma medida materializada
ou um material de referncia, e os valores correspondentes das grandezas
realizados por padres. O resultado de uma calibrao tanto permite a atribuio de
valores da mensuranda s indicaes, como a determinao das correces a
aplicar. Uma calibrao pode, tambm, determinar outras propriedades
metrolgicas, tal como o efeito das grandezas de influncia.

3 Anlise estatstica de resultados
3.1 Introduo
do senso comum que em qualquer medio ou experincia desaconselhvel
ter uma nica leitura, pois existe sempre o risco de se cometerem erros grosseiros
que passaro despercebidos se no se tiver qualquer termo de comparao. uma
situao similar que acontece em qualquer tribunal, onde impera um antigo
princpio do Direito Romano: Uma testemunha igual a nenhuma testemunha...
Independentemente de qual for a origem desses erros grosseiros (operador,
instabilidade do objecto a medir, deficincia do instrumento usado, etc.), se tivermos
duas leituras discordantes entre si j ser possvel apercebermo-nos de que algo
no est bem, ainda que no possamos saber qual das leituras mais
disparatada. Com uma terceira leitura que seja idntica a uma das anteriores j
poderemos comear a ter uma ideia sobre qual dos valores mais suspeito.

Medir trs vezes, cortar uma vez.
Pode-se reduzir o risco de cometer erros
grosseiros repetindo a medio uma
segunda ou uma terceira vez.

Numa experincia, num ensaio ou numa medio de qualquer outra natureza
usual efectuar-se um grande nmero de repeties das leituras, sempre que tal seja
possvel tcnica e economicamente. Com isso consegue-se conhecer o valor com
uma maior fiabilidade, o que conduz a uma menor incerteza do mesmo.
3.2 Anlise de dados
Uma anlise estatstica dos dados provenientes da medio prtica comum,
pois permite uma estimao analtica da incerteza associada ao resultado final.
A sada de um determinado mtodo de medio pode ser prevista com base em
dados experimentais, sem ter informao detalhada sobre todos os factores de
influncia.
Para tornar significativos os mtodos e as interpretaes estatsticas geralmente
necessrio dispr de um grande nmero de medidas. Para alm disso, os erros
sistemticos devem ser pequenos em comparao com os erros aleatrios, visto que
o tratamento estatstico dos dados no elimina o erro de fidelidade (bias, na
terminologia anglo-saxnica) existente em todas as medies.
3.3 Noo de populao e de amostra
Numa anlise de dados, ao pretender tratar estatisticamente uma (ou mais)
caractersticas ou parmetros podemo-nos encontrar perante duas situaes
distintas:
Temos acesso totalidade dos elementos (indivduos) sobre os quais
pretendemos efectuar a anlise. Neste caso, a anlise estatstica vai
descrever completamente a caracterstica pretendida. Dizemos que vamos
estudar toda a populao (isto , todos os elementos que apresentam a
caracterstica que nos interessa conhecer). o ramo da estatstica
designado por estatstica descritiva. Ocorre, por exemplo, nos
recenseamentos (censos) de toda a populao portuguesa, que tm lugar
uma vez em cada dcada.
Em numerosos casos, o nmero de elementos que constituem a populao
demasiado grande (ou mesmo infinito) para que seja vivel caracteriz-lo
completamente de uma forma rpida e/ou econmica. Nesses casos,
iremos trabalhar apenas com uma amostra dos elementos da populao, a
partir da qual iremos tirar concluses quanto ao que se passa com a
totalidade da populao. A este ramo chama-se inferncia estatstica, e
o que se utiliza, por exemplo, nas previses dos resultados eleitorais.
tambm o que nos ir interessar no tratamento de resultados de medies.
3.4 Mdia aritmtica
O valor mais provvel de uma varivel medida a mdia aritmtica do valor das
leituras obtidas. A melhor aproximao ser conseguida quando o nmero de
leituras da mesma grandeza for muito grande. Teoricamente, um nmero infinito de
leituras daria o melhor resultado, se bem que, na prtica, apenas se possa efectuar
um nmero finito de medies.
A mdia aritmtica dada pela expresso seguinte:
n
x
n
x x x
x
n
i
i
n
=
=
+ + +
=
1 2 1
...

em que so
x : mdia aritmtica,
n
x x x ,..., ,
2 1
: leituras obtidas,
n : nmero de leituras.
Exemplo
Um conjunto de medies independentes de tenso, obtidas por quatro
operadores, foi registado como
117,02 V
117,11 V
117,08 V
117,03 V
Calcular a tenso mdia.
Soluo
V 06 , 117
4
03 , 117 08 , 117 11 , 117 02 , 117
=
+ + +
=
av
E

3.5 Mediana
A mediana de um conjunto de nmeros, organizados por ordem de grandeza, o
valor central ou a mdia aritmtica dos dois valores centrais.
Exemplos
A mediana dos nmeros 3, 4, 5, 6, 8, 8, 10 6
O conjunto 5, 5, 7, 9, 11, 12, 15, 18 tem a mediana (9+11)=10

3.6 Moda
A moda de um conjunto de nmeros o valor que ocorre com a maior frequncia,
ou seja, o valor mais comum. A moda pode no existir, ou existir mas no ser
nica.
Exemplos
O conjunto 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 tem moda 9
O conjunto 3, 5, 8, 10, 12, 15, 16 no tem moda
O conjunto 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9 tem duas modas, 4 e 7 (diz-se por isso que
bimodal; ver 4.4.4)

3.7 Desvio da mdia
O desvio da mdia o afastamento de uma dada leitura individual relativamente
mdia do grupo de leituras.
Se o desvio da primeira leitura,
1
x , for designado por
1
d , o da segunda leitura,
2
x ,
por
2
d , e assim sucessivamente, ento os desvios da mdia podem ser expressos
como
x x d
x x d
x x d
n n
=
=
=
...
2 2
1 1

Deve notar-se que o desvio da mdia pode tomar valores positivos ou negativos e
que a soma algbrica de todos os desvios zero.
Exemplo
Um conjunto de medies independentes de corrente foi efectuado por seis
operadores e registado como

12,8 mA
12,2 mA
12,5 mA
13,1 mA
12,9 mA
12,4 mA
Calcular:
(a) a mdia aritmtica;
(b) os desvios da mdia.
Soluo
a)
mA 65 , 12
6
4 , 12 9 , 12 1 , 13 5 , 12 2 , 12 8 , 12
=
+ + + + +
= x
b)
mA 25 , 0 65 , 12 4 , 12
mA 25 , 0 65 , 12 9 , 12
mA 45 , 0 65 , 12 1 , 13
mA 15 , 0 65 , 12 5 , 12
mA 45 , 0 65 , 12 1 , 12
mA 15 , 0 65 , 12 8 , 12
6
5
4
3
2
1
= =
+ = =
+ = =
= =
= =
+ = =
d
d
d
d
d
d

mA 00 , 0
6
1 = i
=
i
d

3.8 Desvio mdio
O desvio mdio uma indicao da preciso dos instrumentos usados para
fazer as medies. Instrumentos muito precisos conduziro a um baixo desvio mdio
entre leituras. Por definio, o desvio mdio a soma dos valores absolutos dos
desvios a dividir pelo nmero de leituras. O valor absoluto do desvio o valor
numrico deste sem afectao de sinal.
O desvio mdio pode ser expresso como
n
d
n
d d d
D
n
i
i
n
=
=
+ + +
=
1
2 1
...

Exemplo
Calcular o desvio mdio para os dados do exemplo anterior.
Soluo
mA 283 , 0
6
25 , 0 25 , 0 45 , 0 15 , 0 45 , 0 15 , 0
=
+ + + + +
= D

3.9 Desvio-padro
Em anlise estatstica de erros aleatrios, a raiz quadrada da mdia dos
quadrados (root mean square, ou rms, na terminologia inglesa) dos desvios, ou
desvio-padro, constitui uma ajuda valiosa. Por definio, o desvio-padro de
um nmero infinito de dados a raiz quadrada da soma dos quadrados de todos os
desvios individuais a dividir pelo nmero total de leituras. Expresso
matematicamente,
n
d
n
d d d
n
i
i
n
=
=
+ + +
=
1
2
2 2
2
2
1
...

Na prtica, como bvio, o nmero de observaes possveis finito. O desvio-
padro de um nmero finito de leituras dado por
1 1
...
1
2
2 2
2
2
1
+ + +
=
=
n
d
n
d d d
s
n
i
i
n

Podemos tambm apresentar esta expresso em termos das leituras individuais,
vindo assim
( )
1
1
2
=
n
x x
s
n
i
i

Ao desvio-padro que se apresentou inicialmente () d-se o nome de desvio-
padro da populao. segunda definio (s) chama-se tambm desvio-padro
da amostra, por se tratar de um subconjunto finito da populao (infinita).
Exemplo
Dez medies de uma resistncia deram
101,2
101,7
101,3
101,0
101,5
101,3
101,2
101,4
101,3
101,1
Admitindo que apenas estavam presentes erros aleatrios, calcular:
(a) a mdia estatstica;
(b) o desvio-padro das leituras.
Soluo
Com um grande nmero de leituras conveniente fazer a tabulao dos dados,
para evitar confuses e enganos.

Leitura, x
i
Desvio i
() d
i
() d
i
()
1 101,2 -0,1 0,01
2 101,7 0,4 0,16
3 101,3 0,0 0,00
4 101,0 -0,3 0,09
5 101,5 0,2 0,04
6 101,3 0,0 0,00
7 101,2 -0,1 0,01
8 101,4 0,1 0,01
9 101,3 0,0 0,00
10 101,1 -0,2 0,04
0 , 0 =
i
d
10 = n

= 0 , 1013
i
x

4 , 1 =
i
d
36 , 0
2
=
i
d

(a) Mdia aritmtica:
= = =
3 , 101
10
0 , 1013
n
x
x
i

(b) Desvio-padro:
= =
2 , 0
9
36 , 0
1
2
n
d
s

3.10 Varincia
Ao quadrado do desvio-padro d-se o nome de varincia, vindo assim
2
= V
A varincia uma quantidade til em muitos clculos porque as varincias so
aditivas. O desvio-padro, no entanto, tem a vantagem de ser expresso nas mesmas
unidades que a varivel respectiva, tornando-se mais fcil comparar resultados.

3.11 Uso de mquinas de calcular
Ao utilizar calculadoras electrnicas h alguns aspectos importantes a ter em
considerao.
Esto disponveis no mercado numerosos modelos de calculadoras que possuem
as funes estatsticas mais importantes. Todavia, h algumas diferenas na
notao usada pelos respectivos fabricantes (e s vezes mesmo entre diferentes
modelos do mesmo fabricante!).

Funo Smbolos mais usuais Observaes
Mdia
x

Desvio-padro da populao
N
s
N

No habitualmente usado na
anlise de resultados de
medies
Desvio-padro da amostra s
1 N
s
1 N

b x a y + =
a : declive
b : ordenada na origem
x b a y + =
b : declive
a : ordenada na origem
Recta de regresso
b x m y + =
m: declive
b : ordenada na origem
Coeficiente de correlao r R

Quadrado do coeficiente de
correlao
2
r
2
R

Nos clculos intermdios conveniente conservar algarismos no significativos,
isto , fazer os arredondamentos apenas no final dos clculos, para evitar erros de
arredondamento. Em qualquer caso, obter sempre os valores com pelo menos mais
um algarismo significativo do que o necessrio.
Nos produtos, quocientes, potncias, etc., ter em ateno que um valor expresso
com um nmero insuficiente de algarismos pode provocar uma amplificao dos
erros de arredondamento!

Excel
Indicam-se aqui as principais funes estatsticas do Microsoft
Excel que se
utilizam na anlise de dados experimentais. No captulo 12 apresenta-se a lista
completa de funes estatsticas deste verstil software.

Funo
Verso Portuguesa Verso Inglesa
Descrio
=MDIA() =AVERAGE() Mdia aritmtica
=CONTAR() =COUNT() Indica quantos valores numricos existem numa lista
=DESVPAD() =STDEV() Desvio-padro de uma amostra ( o que se utiliza
sempre em medies)
=VAR() =VAR() Varincia
=MNIMO() =MIN() Menor nmero de uma lista de valores
=MXIMO() =MAX() Maior nmero de uma lista de valores
=TENDNCIA() =TREND() Ajusta uma linha recta (utilizando o mtodo dos mnimos
quadrados) a duas matrizes XX e YY
=DECLIVE() =SLOPE() Declive de uma recta de regresso linear
=INTERCEPTAR() =INTERCEPT() Intercepo do eixo YY de uma recta de regresso
linear
=CORREL() =CORREL() Coeficiente de correlao entre dois conjuntos de
valores
=PEARSON() =PEARSON() Coeficiente de correlao momentnea
=RQUAD() =RSQ() Quadrado do coeficiente de correlao

Nota: Apesar das muitas vantagens que tem este software, ele apresenta tambm
diversos erros de clculo (bugs). A ttulo de exemplo, veja-se este caso real.
Os valores apresentados na tabela seguinte correspondem a 10 leituras
sucessivas efectuadas num frequencmetro digital de elevada resoluo. Como se
pode observar no grfico correspondente, no h 2 nicas leituras que sejam iguais
entre si.
No entanto, a funo =DESVPAD() do Excel fornece um valor de 0 (o que
significa que no existe variao...

N. Leitura
1 10 000 000,02930
2 10 000 000,02921
3 10 000 000,02913
4 10 000 000,02919
5 10 000 000,02925
6 10 000 000,02929
7 10 000 000,02926
8 10 000 000,02898
9 10 000 000,02901
10 10 000 000,02902
Mdia = 10 000 000,02916
D. p. = 0,00000
10 000 000.0290
10 000 000.0290
10 000 000.0291
10 000 000.0291
10 000 000.0292
10 000 000.0292
10 000 000.0293
10 000 000.0293
0 2 4 6 8 10


4 Distribuio da probabilidade dos erros
Na maior parte dos casos encontrados na prtica, os valores medidos distribuem-
se volta de um valor mais provvel, onde se situa grande parte das ocorrncias
(leituras). Esse valor mais provvel a mdia.
medida que nos afastamos da mdia, habitual que o nmero de leituras seja
cada vez menor (teoricamente, poderemos encontrar valores muito afastados da
mdia, mas a experincia mostra que isso extremamente raro).
distribuio do nmero de vezes que encontramos cada uma das leituras
possveis d-se o nome de distribuio de probabilidades.
4.1 Distribuio normal dos erros
A tabela seguinte apresenta a listagem de 50 leituras de tenso efectuadas em
intervalos de tempo curtos e registadas com aproximao ao 0,1 V. O valor nominal
da tenso medida era de 100,0 V.

Leitura de tenso, x
i
Nmero de leituras, n
i

(V)
99,7 1
99,8 4
99,9 12
100,0 19
100,1 10
100,2 3
100,3 1

50 =
i
n

O resultado desta srie de medies pode ser expresso graficamente sob a forma
de um diagrama de blocos, ou histograma, em que o nmero de observaes
desenhado para cada leitura de tenso. A figura seguinte representa o histograma
da tabela anterior.
0
2
4
6
8
10
12
14
16
18
20
99,7 99,8 99,9 100,0 100,1 100,2 100,3
Tenso (V)
N
.

l
e
i
t
u
r
a
s

Este histograma mostra que o maior nmero de leituras (19) ocorre para o valor
central de 100,0 V, enquanto que as outras leituras esto dispostas de forma
aproximadamente simtrica em torno do valor central.
Se fossem efectuadas mais leituras, com intervalos mais pequenos, digamos 200
leituras a intervalos de 0,05 V, a distribuio das observaes permaneceria
aproximadamente simtrica em torno do valor central e a forma do histograma seria
sensivelmente a mesma que anteriormente.
Com cada vez mais leituras, tomadas a incrementos cada vez menores, o
contorno do histograma tornar-se-ia uma curva, tal como a indicada pela linha que
na figura anterior une os centros das barras do histograma. Esta curva, em forma de
sino, conhecida por curva de Gauss. Quanto mais estreita e apertada for esta
curva, tanto mais se pode afirmar que o valor mais provvel da verdadeira leitura o
valor central ou mdia das leituras.
A lei do erro normal ou gaussiana a base do estudo analtico dos efeitos
aleatrios. Embora sem entrar no tratamento matemtico deste assunto, podem-se
enunciar os seguintes princpios, com base na lei normal:
Todas as observaes incluem pequenos efeitos perturbadores, chamados
erros aleatrios;
Os erros aleatrios podem ser positivos ou negativos;
H uma probabilidade igual de existirem erros aleatrios positivos e
negativos.
Podemos ento esperar que as medies incluam erros mais e menos em
partes aproximadamente iguais, de forma que o erro total seja pequeno e o valor
mdio seja o valor verdadeiro da varivel medida.
A forma da distribuio dos erros pode ser expressa da seguinte maneira:
Os erros pequenos so mais provveis do que os grandes;
Os erros grandes so muito improvveis;
Existe igual probabilidade de erros mais e menos, de forma que a
probabilidade de um dado erro simtrica em torno de zero.
A curva de distribuio de erros da figura que se segue baseada na lei normal, e
mostra uma distribuio simtrica dos erros. Esta curva normal pode ser vista como
a forma limite do histograma anterior, em que o valor mais provvel da tenso
verdadeira era a mdia.
68,27%
95,45%
99,73%

Esta funo de probabilidade tem a expresso analtica seguinte:
( )
2
2
2
2
1
) (

x x
e x f
=
O desvio-padro ( ) corresponde aos pontos de inflexo da funo.
4.2 Erro equiprovvel
A rea sob a curva de probabilidade gaussiana da figura anterior, entre os limites
e + , representa o conjunto completo de observaes. A rea sob a curva
entre os limites e + representa as leituras que no diferem da mdia mais do
que uma vez o desvio-padro. A integrao da rea sob a curva dentro dos limites
fornece o nmero total de casos dentro destes limites.
Para dados distribudos normalmente - isto , que sigam a distribuio de Gauss -
aproximadamente 68 por cento de todos os casos caem dentro dos limites e
+ relativamente mdia. Na tabela seguinte indicam-se outros valores de desvios,
em funo de .

Intervalo, em n.
de desvios-padro
(entre -k e +k)
Fraco da rea
total includa
0,674 5 0,500 0
1,000 0 0,682 7
1,645 0 0,900 0
1,960 0 0,950 0
2,000 0 0,954 5
2,576 0 0,990 0
3,000 0 0,997 3

Se, por exemplo, um grande nmero de resistncias com valor nominal de 100
for medido e a sua mdia for de 100,00 , com um desvio-padro de 0,20 , sabe-
se que em mdia 68% (cerca de 2/3) de todas as resistncias tm valores que esto
dentro de 100,00 0,20 ; ento, h uma probabilidade de aproximadamente 2
em cada 3 de que qualquer resistncia, aleatoriamente retirada do lote, esteja dentro
daqueles limites.
Se forem necessrias maiores garantias, o intervalo poder ser alargado para os
limites de 2 , neste caso 0,40 . De acordo com a tabela anterior, isto incluir
cerca de 95% de todos os casos, dando assim uma probabilidade de 10 em cada 11
de que qualquer resistncia escolhida ao acaso esteja dentro dos limites 0,40
relativamente mdia de 100,00 .
A tabela anterior mostra tambm que metade dos casos esto abrangidos dentro
dos limites 6745 , 0 . D-se o nome de erro equiprovvel a uma grandeza r definida
como
6745 , 0 = r .
4.3 A distribuio normal e os conceitos de exactido e preciso
Fazendo apelo analogia anteriormente proposta entre uma srie de medies
de uma grandeza fsica e um conjunto de disparos de um projctil sobre um alvo,
vamos procurar perceber de que modo a disperso dos resultados obtidos se
relaciona com a distribuio de probabilidades normal.
Retomemos os quatro casos analisados em 1.1:

Caso 1 Reduzida preciso.
Reduzida exactido.
Caso 2 Elevada preciso.
Reduzida exactido.

Caso 3 Reduzida preciso.
Alguma exactido.
Caso 4 Elevada preciso.
Elevada exactido.

Se esses mesmos resultados fossem apresentados sob a forma de funes de
densidade de probabilidade (as j nossas conhecidas curvas de Gauss, ou em forma
de sino), poderamos tentar inferir o tipo de atirador a que correspondia cada um dos
casos. o que se prope na figura seguinte.

Considerando que o verdadeiro valor o centro do alvo, as diversas curvas
traduzem o nmero de vezes que se acerta a uma dada distncia (maior ou menor)
do centro do alvo. A distncia de cada pico ao valor verdadeiro representa o erro
mdio e a largura de cada curva traduz a disperso de resultados. Teremos ento:
Curva 1 principiante (inexacto e impreciso).
Curva 2 com pontaria para o mesmo ponto, embora fora do alvo (preciso
mas inexacto).
Curva 3 mais prximo do alvo mas muito disperso (razoavelmente exacto
mas impreciso).
Curva 4 campeo (exacto e preciso).
Tendo em conta que todos os atiradores dispararam o mesmo nmero de vezes,
a rea sob cada uma das curvas deve ser igual, pelo que cada figura apresenta
diferentes amplitudes no valor de pico. Isso significa que quanto mais compacta for a
curva de distribuio (menor disperso dos resultados), tanto maior ser a amplitude
do seu pico (maior probabilidade de ocorrncia de valores prximos da mdia).

4.4 Outras distribuies
Em muitos casos que se encontram na prtica, a distribuio normal no pode ser
utilizada, quer seja por haver evidncias de que no corresponde aos dados, quer
seja por outros motivos.
Nesses casos, h que procurar a distribuio de probabilidades que melhor se
adequa aos dados disponveis. As mais utilizadas, para alm da distribuio normal,
so a distribuio rectangular (ou uniforme) e a distribuio em U (ou derivada do
arco-seno).

4.4.1 Rectangular, ou uniforme
Nesta distribuio, existe uma probabilidade constante, ou uniforme, de o valor
estar entre ( ) a e( ) a + . Fora desse intervalo, a probabilidade nula. Por
estamos a representar o valor central da grandeza em questo.

Funo densidade de probabilidade:
( ) ( )
+
=
x
a x a
a x f
restantes , 0
,
2
1
) (

Desvio-padro:
3
a
s
R
=

4.4.2 Em U, ou derivada do arco-seno
Nos casos em que maior a probabilidade de encontrar valores prximos de
qualquer um dos extremos de um intervalo do que prximo do valor mdio,
recorre-se distribuio em U, tambm conhecida como a derivada do arco-seno.
(Sugesto: para se perceber o porqu desta designao, desenhar o grfico da
derivada da funo ) arcsin(x y = . Recordar que
2 '
1 1 x y = ...).

Esta distribuio encontra grande aplicao prtica, por exemplo, nas medies
em sistemas de rdio-frequncias (RF), nos casos em que h desadaptaes de
impedncias. Pode ser tambm utilizada para modelizar a distribuio de uma
temperatura ambiente quando o controlo efectuado pelo tradicional sistema
on/off; contudo, no habitual o recurso a esta distribuio nestas circunstncias.
a x a
x
x a
x f + < <
= ,
restantes , 0
1
) (
2 2

Desvio-padro:
2
a
s
U
=

4.4.3 Triangular
Em certos casos sabe-se que todos os valores se encontram dentro de um
determinado intervalo, mas existe uma maior probabilidade de tomarem valores
prximos da mdia do que nos extremos do intervalo. Nestes casos, a utilizao de
uma distribuio rectangular penalizadora (pressupe que todos os pontos so
igualmente provveis), mas pode no haver evidncias que permitam o recurso a
uma distribuio normal.
Para tais situaes pode-se utilizar a distribuio triangular, na qual o valor mdio
tem a mxima probabilidade e em que a probabilidade dos valores restantes
decresce linearmente, at se anular nos extremos a.


+
=
x
a x
a
x a
x a
a
a x
x f
restantes , 0
0 ,
0 ,
) (
2
2

Desvio-padro:
6
a
s
T
=

4.4.4 Em M, ou bi-modal
Por vezes, encontram-se dados distribudos de uma forma que sugere a
existncia de duas mdias, isto , dois picos distintos na distribuio dos valores.
As figuras seguintes ilustram esta ideia.

Este tipo de distribuio estatstica conhecida como distribuio em M, ou
distribuio bi-modal, isto , que apresenta duas modas, ou dois picos.
Ainda que noutros domnios cientficos se possam encontrar casos em que os
dados se distribuem desta forma, nas medies fsicas uma tal situao
corresponde, em geral, mistura de dados provenientes de populaes distintas.
Quando somos confrontados com uma tal situao, devemos analisar
cuidadosamente os dados originais, para podermos separar cada uma das
distribuies e efectuar separadamente a sua anlise.

5 Anlise grfica
A forma mais comum (e uma das mais importantes) de se apresentarem dados
em cincia e em engenharia atravs de grficos. Um grfico simplesmente uma
forma de traduzir um conjunto de nmeros numa imagem, e est ligado nossa
capacidade de reconhecer padres visuais.
Como diz um antigo provrbio chins, uma imagem vale mais que mil palavras
(*)
.
Neste captulo iremos abordar os grficos cartesianos, bem como as regras para
a sua apresentao. Ser tambm apresentada a elaborao de grficos utilizando o
Microsoft
Excel (no por ser a melhor ferramenta para este tipo de anlise, mas por
ser indiscutivelmente a mais acessvel e vulgarizada).
5.1 Linearizao
Sempre que possvel deve-se utilizar um grfico linear. mais fcil de desenhar e
as concluses que dele se retiram so frequentemente mais objectivas do que com
grficos curvos. Se a relao entre as grandezas no for linear, geralmente
possvel lineariz-la recorrendo a uma mudana de variveis.

Exemplo
No caso de um pndulo simples, verifica-se que g l T 2 . O grfico de T em
funo de l uma parbola, mas se representarmos T
2
em funo de l j obteremos
uma linha recta.

O uso de escalas logartmicas num ou em ambos os eixos tambm permite obter
representaes lineares, em numerosas situaes.
5.2 Regras para elaborao de grficos
Nos grficos feitos manualmente, escolha a rea do papel com o tamanho
adequado (pelo menos meia pgina A4).
Procure manter uma relao entre a altura e a largura do grfico menor do
que 1, para ser de mais fcil leitura (pense qual a relao entre a altura e
a largura dos crans de cinema ou de televiso, e porqu...)
Escolha os eixos de uma forma lgica: a varivel dependente deve estar no
eixo vertical (Y) e a varivel independente no eixo horizontal (X).
As escalas de cada um dos eixos no precisam de ser iguais, mas tm de
ser indicadas; marque-as em cada eixo, escolhendo divises que resultem
numa leitura fcil dos valores intermdios (por exemplo, faa divises de 2
em 2, e no de 7,7 em 7,7).
Quando possvel, procure que cada um dos eixos comece em zero.

(*)
Em rigor, o que esse provrbio afirma que uma imagem vale mais que dez mil palavras. Porm
a verso mais corrente no mundo ocidental reduziu substancialmente esse nmero...
Indique junto a cada um dos eixos qual a varivel a representada; refira
sempre quais as unidades usadas.
Todos os grficos devem ter um ttulo. Escreva-o na parte superior da rea
do grfico.
Marque cada um dos pontos do grfico cuidadosa e claramente,
escolhendo para isso um smbolo adequado e com um tamanho que seja
facilmente visvel (por exemplo, um crculo ou um pequeno quadrado).
Nunca use apenas um ponto.
Assinale as barras de incerteza de cada ponto. Se a incerteza for muito
pequena para ser visvel na escala escolhida, indique que as barras de
incerteza so muito pequenas para aparecerem na figura.
No una os pontos medidos! Uma linha a unir pontos significa que se
conhecem os valores intermdios, o que no verdade.
Se necessrio, desenhe a recta de regresso como uma linha suave
atravs dos pontos medidos. Se os erros forem essencialmente aleatrios,
ver que alguns pontos ficam acima e outros abaixo dessa recta. Quando
utilizar rectas de regresso, indique sempre os seus parmetros (declive e
ordenada na origem; em muitos casos tambm conveniente apresentar o
quadrado do coeficiente de correlao).
No se esquea de escrever uma curta legenda, explicando de que trata a
figura e fornecendo a informao necessria para que o leitor a interprete
facilmente.

Excel
5.3.1 Tipos de grficos
Ao executar o Assistente de grficos, o Excel apresenta-nos o seguinte menu:

De todas as opes apresentadas, apenas a Disperso (XY) nos ir interessar
para a apresentao de dados resultantes de medies.
5.3.2 Grficos X-Y
Esta a forma mais simples de apresentar dados experimentais. Trata-se do
tradicional grfico cartesiano a 2 dimenses, em que no eixo dos XX (abcissas) se
representa a varivel independente, e no eixo dos YY (ordenadas) figura a varivel
dependente.

Das 5 possibilidades apresentadas no menu, deveremos sempre optar pela
primeira (pontos no unidos por qualquer linha), para evitar interpretaes equvocas
quanto ao que efectivamente se mediu.
5.3.3 Recta de regresso
Uma vez desenhado o grfico com os dados experimentais, poderemos ter
interesse em representar tambm a linha que melhor aproxima esse conjunto de
pontos (ver 6. Regresso linear). O Excel permite faz-lo de uma forma bastante
simples.
Vamos exemplificar isso recorrendo ao grfico seguinte. Seleccionar um dos
pontos medidos e premir a tecla direita do rato. Surge um menu como segue:

Escolher Adicionar linha de tendncia, aps o que se podem fazer as escolhas
que se apresentam de seguida.

Nas duas pginas deste menu possvel escolher qual o tipo de relao (no
nosso caso ser sempre a linear). Podemos (devemos) tambm optar por mostrar a
equao no grfico, assim como mostrar o valor de R
2
.
O resultado o que se mostra na figura seguinte.

5.3.4 Barras de incerteza nos valores (eixos X e Y)
A cada ponto medido deveremos fazer corresponder a respectiva incerteza. Esta
tanto pode existir na grandeza independente (X) como na dependente (Y). Contudo,
mais usual considerar apenas a incerteza dos valores de Y.
Para associar a incerteza aos resultados, marca-se um dos pontos da srie e com
o boto direito do rato selecciona-se Formatar srie de dados.... Surge um
conjunto de pginas, das quais se selecciona Barras de erro em Y e onde se
inserem os valores apropriados.

O resultado como segue.


6 Regresso linear
A regresso linear uma poderosa ferramenta de anlise estatstica e uma das
tcnicas mais utilizadas na explorao dos dados resultantes das medies. Existem
outros tipos de regresso (polinomial de ordem superior primeira, logartmica,
exponencial, regresso mltipla, etc.). Apenas iremos aqui abordar, pela sua
importncia prtica, a tcnica conhecida como regresso linear, isto , com a qual
se procura traar a linha (recta) que, globalmente, mais se aproxima dos diversos
pontos medidos. Em muitos casos que surgem na prtica, relaes no lineares
entre duas grandezas podem ser linearizadas mediante uma adequada mudana de
variveis, conforme se referiu em 5.1.
A regresso linear estabelece uma relao entre dois parmetros, um
considerado a varivel independente e o outro a dependente. Por exemplo,
poderemos relacionar o permetro do tronco de uma rvore (varivel dependente)
com o tempo (varivel independente), para assim se poder prever qual o seu valor
futuro num determinado instante.
Pode-se estimar a incerteza dos valores previstos com base nessa recta, desde
que se verifiquem os seguintes pressupostos:
Pontos distribudos normalmente em redor da recta de regresso;
Rudo branco;
A funo subjacente relao entre grandezas ser de facto linear.

6.1 Expresso da recta de regresso
A recta de regresso tem a seguinte formulao analtica:
x b a y + =
em que b o declive da recta e a representa a sua ordenada na origem.
Se ignorarmos a incerteza inerente, a recta de regresso poder ter uma
representao grfica como segue.

6.2 Coeficientes da recta e respectivas incertezas
O declive da recta de regresso (tambm conhecido como coeficiente de
regresso) calculado como:
2
1 1
2
1 1 1
|
.
|
\
|
=

= =
= = =
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
x x n
y x y x n
b

A ordenada na origem ser determinada pela seguinte expresso:
x b y
x x n
y x x y x
a
n
i
i
n
i
i
n
i
i i
n
i
i
n
i
i
n
i
i
=
|
.
|
\
|
=

= =
= = = =
2
1 1
2
1 1 1 1
2

Se considerarmos agora que os pontos efectivamente medidos no se ajustam
perfeitamente recta que assim determinmos, necessrio estimar o seu desvio-
padro (
x y
s
|
). Isso pode ser feito a partir da expresso:
( )
2 2 2
|
2
1
x y x y
s b s
n
n
s
=
em que designmos por
y
s e por
x
s os desvios-padro dos valores das
grandezas dependente e independente, respectivamente. Nesta expresso, n o
nmero de pares de valores (x, y) medidos.
A incerteza do declive dada por
1
|
=
n s
s
s
x
x y
b

o que se representa graficamente como segue.

Quanto incerteza da ordenada na origem, ela ser
n
s
s
x y
a
|
=
cujo significado se pode ver na figura seguinte.

Uma vez que sabemos que a recta definida por x b a y + = no foi exactamente
determinada, podemos dizer que o seu desvio-padro
( )
( )
2
2
|
1
1
x
x y
s n
x x
n
s
+

O significado de se combinarem as incertezas inerentes aos dois parmetros
pode ser melhor compreendido pela observao da figura seguinte.

6.3 Interpolao de um novo valor y
o
a partir de um x
o

A partir da expresso da recta de regresso linear poderemos obter qualquer
novo valor y
o
, a partir de um dado x
o
:
o o
x b a y + =
A incerteza com que este novo valor ser obtido resulta de:
( )
( )
2
2
|
1
1
1
x
x y
s n
x x
n
s u
+ + =

O grfico que se segue explicita os diversos conceitos expostos.

Note-se que a formulao matemtica aqui apresentada permite que todos os
clculos sejam efectuados com uma vulgar mquina de calcular que disponha das
funes estatsticas mais comuns.

6.4 Coeficiente de correlao entre X e Y
Um parmetro que permite avaliar o grau de relacionamento linear entre dois
conjuntos de dados (ou duas grandezas) o chamado coeficiente de correlao (r).
Este coeficiente varia desde 1 (relao negativa perfeita), passando por 0
(nenhuma relao), at +1 (relao positiva perfeita). Ver as figuras seguintes.

A expresso analtica que permite determinar o coeficiente de correlao
(
(
|
.
|
\
|
(
(
|
.
|
\
|
=

= = = =
= = =
n
i
n
i
i i
n
i
n
i
i i
n
i
n
i
i
n
i
i i i
y y n x x n
y x y x n
r
1
2
1
2
1
2
1
2
1 1 1

Este coeficiente deve ser interpretado com algum cuidado. possvel obter
valores de r muito prximos de 1 (ou de 0), sem que exista a correspondente relao
linear (ou a sua ausncia). Os grficos seguintes ilustram algumas dessas situaes.


Assim, sempre conveniente traar o grfico de y em funo de x, por forma a
confirmar a aplicabilidade do modelo de regresso linear aos dados disponveis.


7 Tolerncia dos instrumentos de medio
A cada instrumento de medio atribuda uma especificao que pretende
estabelecer os limites expectveis para os erros cometidos nas medies com eles
efectuadas.
Nuns casos, esses limites so definidos em normas, isto , normalizados. Noutros
casos, tais limites so indicados pelos fabricantes dos equipamentos, em catlogos,
folhas de especificaes ou nos manuais que acompanham os equipamentos.
Num grande nmero de instrumentos de medio a exactido indicada como
uma percentagem da leitura no fim-de-escala. Os componentes de circuitos
(condensadores, resistncias, etc.) so garantidos dentro de certas margens de
tolerncia em relao aos seus valores nominais. Os limites desses possveis
desvios relativamente aos valores nominais designam-se por limites de erro, ou por
erros mximos admissveis.
Por exemplo, se uma determinada resistncia for especificada como tendo um
valor de 500 10%, o seu fabricante garante que essa resistncia estar entre
os limites 450 e 550 . O fabricante no est dessa forma a indicar um desvio-
padro, nem uma incerteza, mas apenas a prometer que o erro desse componente
no ser superior aqueles limites.
7.1 Instrumentos com classes normalizadas
Para muitos dos instrumentos analgicos, nomeadamente voltmetros,
ampermetros, wattmetros, etc., foram definidas pela IEC (Comisso Electrotcnica
Internacional) classes s quais devem obedecer os equipamentos. Para pertencer a
uma determinada classe, um instrumento deve possuir um conjunto de
caractersticas construtivas, das quais apenas iremos aqui referir os erros mximos
admissveis.
As classes de exactido normalizadas, de acordo com a norma IEC 60051, so as
seguintes:
0,05 0,1 0,2 0,5 1 1,5 2,5 5
Isto significa que, para um dado instrumento, qualquer leitura efectuada ao longo
da sua escala poder estar afectada de um erro que ser, no mximo, de
fe cl
V i =
max

em que so
mx
= erro mximo admissvel (em valor absoluto)
i
cl
= ndice da classe de exactido (0,05; 0,1; etc.)
V
fe
= valor de fim-de-escala
Assim, conclui-se que o erro mximo admissvel (ou tolerncia), em valor
absoluto, se mantm constante ao longo de toda a escala. Porm, o erro relativo
(isto , erro absoluto / valor lido) aumenta medida que as leituras se afastam do fim
da escala. Isso leva a que seja fortemente recomendvel que, tanto quanto possvel,
se utilizem estes equipamentos apenas para efectuar leituras na parte superior da
sua escala.

Exemplo (voltmetro analgico)
Um voltmetro de 0 a 150 V apresenta uma tolerncia de 1% da leitura de fim-
de-escala. A tenso que est a ser medida pelo instrumento de 83 V.
Calcular os limites do erro em percentagem.
Soluo
O valor do erro mximo admissvel especificado
V 5 , 1 V 150
100
1
=
O erro mximo admissvel, em percentagem, para uma leitura de 83 V de
% 81 , 1 % 100
V 83
V 5 , 1
=
importante salientar que aquele instrumento apresenta uma tolerncia de
1% da leitura no fim da escala, mas quando est a ler 83 V os limites do errro
crescem para 1,81%. Identicamente, quando se est a medir uma tenso
inferior, os limites do erro aumentam ainda mais. Se o aparelho ler 60 V, o erro
mximo admissvel ser de % 5 , 2 % 100
V 60
V 5 , 1
= ; se ler 30 V, j ser de
% 5 % 100
V 0 3
V 5 , 1
= .
O aumento do erro relativo mximo admissvel, medida que se vo lendo
tenses cada vez mais baixas, ocorre porque o valor do limite do erro uma
quantidade fixa baseada na leitura do fim de escala do instrumento.
Este exemplo reala a importncia de se efectuarem medies to prximo
quanto possvel do fim da escala.

7.2 Combinao de vrios erros
Com frequncia necessrio efectuar clculos em que se combinam os erros
mximos admissveis de diversos instrumentos. O exemplo seguinte ilustra este tipo
de clculos.

Exemplo (divisor de tenso, resistivo)
A tenso de sada de determinado circuito, V
s
, est dependente dos valores de
trs resistncias, R
1
, R
2
e R
3
e da tenso de entrada, V
e
, sendo dada pela
seguinte expresso:
e s
V
R
R R
V
2
3
2 1
=

Se a tolerncia de cada resistncia for de 0,1%, qual ser o erro mximo
expectvel da tenso V
s
?
Soluo
O valor mximo (mnimo) da tenso ocorrer quando R
1
e R
2
tiverem os
valores mximos (mnimos) tolerados e R
3
estiver no seu limite mnimo
(mximo).
Para o nosso objectivo, os valores reais no necessitam ser conhecidos, mas
apenas os valores relativos. Para uma variao de 0,1% o mximo valor de
cada resistncia ser de 1,001 vezes o seu valor nominal, enquanto que o seu
limite mnimo ser de 0,999 vezes esse valor.
O valor mnimo de V
s
ocorrer para os mnimos de R
1
e R
2
e para o mximo de
R
3
:
( ) ( )
( )
e e s
V
R
R R
V
R
R R
V
2
3
2 1
2
3
2 1
min ,
996 , 0
001 , 1
999 , 0 999 , 0
=
=
O valor mximo de V
s
vir para R
1
e R
2
mximos e R
3
mnimo:
( ) ( )
( )
e e s
V
R
R R
V
R
R R
V
2
3
2 1
2
3
2 1
max ,
004 , 1
999 , 0
001 , 1 001 , 1
=
=
A variao total ser de 0,4%, isto , a soma algbrica das trs tolerncias,
uma das quais (R
3
) a duplicar, dado que aparece na expresso elevada ao
quadrado. Deve no entanto notar-se que isto s verdadeiro em primeira
aproximao; o erro mximo combinado ligeiramente diferente da soma das
tolerncias individuais.
Por outro lado, pouco provvel que as trs componentes do erro neste
exemplo tomem simultaneamente os seus valores-limites de forma a produzir a
mxima ou a mnima tenses. Em face disso, devem usar-se os mtodos
estatsticos que adiante veremos.

Exemplo (potncia dissipada numa carga)
A corrente que passa atravs de uma resistncia de 10,0 0,2 de 2,00 A
0,01 A. Usando a relao
R I P
2
=
calcular os limites de erro para o valor calculado para a potncia dissipada.
Soluo
Exprimindo em percentagem os limites de erro garantidos para a corrente e
para a resistncia obteremos
% 5 , 0 A 00 , 2 A 01 , 0 A 00 , 2 = = I
% 2 , 0 0 , 100 = R
Se usarmos para o clculo da potncia a pior combinao possvel das
tolerncias individuais, vir
( ) ( ) R I R I P
2 2 2
max
012 , 1 002 , 0 1 005 , 0 1 = + + =
e
( ) ( ) R I R I P
2 2 2
min
988 , 0 002 , 0 1 005 , 0 1 = =
O erro mximo resultante ser de 1,2%, isto , duas vezes o erro mximo da
corrente (visto que na expresso aparece elevada ao quadrado) mais o erro
mximo da resistncia.

7.3 Regra da diferencial logartmica
Uma forma simplificada (e pessimista) de se obter o erro mximo de um
resultado que depende de diversas grandezas a chamada regra da diferencial
logartmica. Esta regra consiste em aplicar logaritmos a ambos os membros da
funo ) ,..., (
1 n
X X f Y = , diferenciando em seguida a expresso assim obtida.

Exemplo (volume de um cilindro)
Como exemplo, vejamos o clculo do volume de um cilindro. O volume dado
por h d h r V
2 2
4
= = , em que d o dimetro e h a altura do cilindro. Sejam

d

e
h
os erros mximos cometidos na medio daquelas duas grandezas, e
V
o
erro mximo de V. Aplicando logaritmos,
h d V log log 2
4
log log + + =

Diferenciando,
h d V
h d V

+ = 2
o que nos permite calcular o erro relativo de
V
(ou pelo menos um seu
majorante).


7.4 Equipamento digital
Ao contrrio do que acontece com os instrumentos analgicos, para os quais existe
uma forma normalizada de apresentar os limites de erro (ou erros mximos
admissveis, ou tolerncias), no caso dos instrumentos digitais cada fabricante utiliza
uma forma prpria de indicar essas caractersticas.
Iremos aqui abordar as formas mais vulgares de apresentao das especificaes.
Encontram-se no mercado, contudo, outras formas de apresentao, mas que em
geral so derivadas destas.
Para uma grande parte dos equipamentos mais utilizados na indstria, utiliza-se a
seguinte forma:
Tolerncia = ( % do valor lido + n. dgitos menos significativos)
Esta indicao recorre a duas contribuies para o erro:
Por um lado, uma contribuio devida linearidade da escala, que
expressa em funo do valor medido; em valor absoluto, esta parcela
cresce proporcionalmente ao valor que se est a medir; em valor relativo,
mantm-se constante.
Por outro lado, h uma parcela devida ao facto de a resoluo do
instrumento ser finita, o que impe um limite inferior da tolerncia,
particularmente notria nos valores mais baixos da escala. Note-se que, a
no existir esta parcela, o erro mximo admissvel seria nulo para uma
indicao de zero, o que corresponderia a um instrumento perfeito. O
nmero de dgitos menos significativos mais no do que o nmero
indicado na especificao, multiplicado pela resoluo da escala do
instrumento.
Outra forma de se apresentar esta especificao, utilizada por alguns fabricantes,
a seguinte:
Tolerncia = ( % do valor lido + % do fim da escala)
Uma vez que, em cada escala do instrumento, o valor de fim da escala nico,
facilmente se percebe que esta forma equivalente anteriormente apresentada,
ainda que utilizando outro formalismo.
Uma diferena bastante significativa entre estas especificaes e as utilizadas para
os instrumentos analgicos que enquanto nestes a tolerncia constante ao longo
de toda a escala, em valor absoluto, nos instrumentos digitais torna-se necessrio
calcul-la para cada ponto de interesse, pois varia de ponto para ponto, tanto em
valor absoluto como em valor relativo.

Exemplo (multmetro porttil Fluke 87)
Vamos concretizar uma anlise s especificaes dos equipamentos digitais,
recorrendo ao manual de um dos mais conhecidos multmetros portteis, o
modelo 87 da Fluke.
Esse manual apresenta, entre muitas outras caractersticas, as tolerncias para
a funo Tenso Contnua, para a qual o instrumento dispe de 5 escalas de
medio. Apresenta-se de seguida uma transcrio parcial dessas
especificaes.

Se quisermos saber, por exemplo, quais os erros mximos admissveis (e.m.a.)
para uma medio de 10 V com este multmetro, na escala de 40 V, deveremos
efectuar a seguinte anlise:
E.m.a.=[ (0,05% x 10 V) + (1 dgito x 0,01 V) ] = [ 0,005 V + 0,01 V ] = 0,015 V
Em valor relativo, isto corresponde a 0,15% do valor medido.
Podemos estender esta anlise a outros valores ao longo da mesma escala,
para apreciarmos de que forma evolui o erro mximo:

Valor medido Resoluo E.m.a.
0 V 0,01 V 0,010 V %
4 V 0,01 V 0,012 V 0,30%
10 V 0,01 V 0,015 V 0,15%
20 V 0,01 V 0,020 V 0,10%
30 V 0,01 V 0,025 V 0,083%
40 V 0,01 V 0,030 V 0,075%

Exemplo (multmetro de alta gama Agilent 3458A)
Vamos agora estudar as especificaes de um outro modelo de multmetro,
este de 8 dgitos, o Agilent 3458A. (Nota: Agilent a marca actual do
fabricante que durante largos anos se designou por Hewlett-Packard).
O manual deste equipamento indica os seguintes erros mximos admissveis:

Se quisermos conhecer o e.m.a. na medio do mesmo valor que
anteriormente, 10 V, agora na escala de 10 V, a anlise a fazer a seguinte:
E.m.a. = [ (8 ppm x 10 V) + (0,05 ppm x 10 V) ] = 80,5 V 8,05 ppm
Nota: 1 ppm = 10
-6

7.5 ppm e %
A notao ppm, que significa partes por milho, uma forma de indicar valores
relativos, particularmente til quando estamos na presena de valores bastante
pequenos. Embora a tendncia actual seja para desaconselhar a utilizao deste
tipo de notao, a verdade que ela continua a ser muito utilizada, em particular por
fabricantes norte-americanos.
Indica-se aqui a relao entre ppm e percentagem, para alguns valores.

ppm %
1 0,000 1
10 0,001
100 0,01
1 000 0,1
10 000 1
100 000 10
1 000 000 100


8 Introduo anlise numrica
8.1 Arredondamento dos resultados
O resultado do arredondamento de um nmero como 72,8 para o inteiro mais
prximo 73, dado que 72,8 est mais prximo de 73 do que de 72. De forma
similar, 72,814 6 arredondado para o centsimo mais prximo (ou com duas casas
decimais...) 72,81, pois que 72,814 6 est mais prximo de 72,81 do que de 72,82.
No caso de nmeros que terminam em 5 h dois valores que esto igualmente
prximos do valor inicial, pelo que h que optar por um deles. Existem duas regras
em vigor: ou se arredonda sempre para cima (regra B, segundo a ISO 31-0), ou
se escolhe o nmero par mais prximo (regra A). A regra B utilizada
principalmente em aplicaes monetrias; a regra A a preferida no mundo tcnico
e cientfico. Vejamos alguns exemplos concretos.
O valor 72,465 arredondado ao centsimo, pela regra do nmero par mais
prximo, ser 72,46; j 183,575 ser arredondado para 183,58. O valor 116 500 000
arredondado s unidades de milho mais prximas como 116 milhes. Esta
conveno (regra A) surge com o intuito de minimizar os erros acumulados por
arredondamento, quando h que efectuar um grande nmero de operaes.
Exemplo de clculo
Somar os nmeros 4,35; 8,65; 2,95; 12,45; 6,65; 7,55; 9,75 utilizando trs
mtodos diferentes:
a) Directamente;
b) Arredondando s dcimas, pela conveno dos pares (regra A);
c) Arredondando de maneira a que o algarismo anterior ao 5 cresa
sempre uma unidade (regra B).

4,35 4,4 4,4
8,65 8,6 8,7
2,95 3,0 3,0
12,45 12,4 12,5
6,65 6,6 6,7
7,55 7,6 7,6
9,75 9,8 9,8
a) 52,35 b) 52,4 c) 52,7

8.2 O conceito de algarismos significativos
Se uma altura foi determinada como sendo 1,66 metro, isso significa que o seu
valor verdadeiro est compreendido entre 1,655 metro e 1,665 metro. Os
algarismos correctos, separados dos zeros necessrios para a localizao da
vrgula, chamam-se algarismos significativos do nmero.
Exemplos:
1,66 tem 3 algarismos significativos
4,530 0 tem 5 algarismos significativos
0,001 8 = 1,8 10
-3
tem 2 algarismos significativos
0,001 800 = 1,800 10
-3
tem 4 algarismos significativos

Os nmeros resultantes de contagens, ao contrrio dos que se obtm nas
medies, so naturalmente exactos, tendo por isso uma quantidade ilimitada de
algarismos significativos.
8.3 Algarismos a conservar Multiplicao, Diviso, Radiciao
Ao efectuar clculos que envolvam multiplicao, diviso e extraco de razes, o
resultado final no pode ter mais algarismos significativos do que o que tem menor
quantidade deles.
Exemplos:
73,24 4,52 = 331
1,648 / 0,023 = 72
8,416 50 = 420,8 (se 50 for um nmero exacto!)
22 , 6 7 , 38 =
8.4 Algarismos a conservar Adio, Subtraco
Ao efectuar adies e subtraces, o resultado final no pode ter mais algarismos
significativos depois da vrgula do que o que tiver menor quantidade deles nessas
condies.
Exemplos:
3,16 + 2,7 = 5,9
83,42 - 72 = 11
47,816 - 25 = 22,816 (se 25 for um nmero exacto!)
9 Combinao de incertezas
O resultado de uma medio s estar completo se, para alm do valor mdio da
mensuranda (grandeza que se pretende conhecer), incluir tambm uma estimativa
da incerteza desse valor mdio. Assim, vir:
Resultado da medio = Valor medido Incerteza da medio

Ao longo dos anos tm sido seguidas diferentes abordagens para se calcular o
valor da incerteza de uma medio. O mtodo de clculo que aqui se apresenta
baseado no documento EA-4/02 de 1999, o qual consistente com o documento
internacional Guia para a Expresso da Incerteza na Medio (abreviadamente
designado por GUM, de Guide to the Expression of Uncertainty in Measurement).
9.1 Introduo
A incerteza da medio uma estimativa que procura caracterizar o intervalo de
valores dentro do qual se encontra o verdadeiro valor da grandeza medida
(mensuranda). Esta estimativa deve ser feita aps eliminao de todas as
componentes sistemticas de erro conhecidas.
A grandeza a medir, Y , uma funo de um conjunto de grandezas de entrada,
i
X , (i = 1, 2, ..., n), podendo exprimir-se matematicamente da seguinte forma:
) ,..., ,..., , (
2 1 n i
X X X X F Y =
As grandezas de entrada incluem as que constam dos certificados de calibrao
dos padres utilizados, as que intervm no processo de medio e as grandezas de
influncia.
Uma vez que os valores verdadeiros de
i
X so desconhecidos, na avaliao da
incerteza combinada da medio tm de ser usados valores estimados,
i
x . Como
uma medida da incerteza destes valores estimados, podem ser usadas as varincias
experimentais
2
i
x
s ou as respectivas razes quadradas, ou seja, os desvios-padro
experimentais
i
x
s (tambm designados por incertezas-padro de
i
x ).
Se duas grandezas de entrada forem correlacionadas, isto , se forem
dependentes entre si, a sua covarincia estimada deve ser tida em conta na
determinao da incerteza. Todavia, num grande nmero de casos encontrados na
prtica considera-se que as grandezas de entrada so no-correlacionadas.
9.2 Definies especficas
A maior parte dos termos utilizados no domnio dos clculos de incertezas
constam do VIM e foram j apresentados no captulo 2. Contudo, utilizam-se
correntemente algumas outras expresses especficas, as quais sero aqui
indicadas, para maior facilidade de exposio.

Incerteza padro (ou incerteza normalizada) [GUM 2.3.1] incerteza do
resultado de uma medio, expresso sob a forma de um desvio-padro (1s).
Incerteza padro combinada [GUM 2.3.4] incerteza padro do resultado de
uma medio quando esse resultado obtido a partir dos valores de diversas outras
grandezas; igual raiz quadrada positiva de uma soma de termos, sendo esses
termos as varincias ou covarincias daquelas outras grandezas ponderadas de
acordo com a influncia que a variao de cada uma das grandezas tem sobre o
resultado da medio.
Incerteza expandida [GUM 2.3.5] valor que define um intervalo em torno do
resultado da medio que se estima que contenha uma fraco significativa da
distribuio de valores que podem razoavelmente ser atribudos mensuranda.
Essa fraco pode ser vista como a probabilidade de cobertura ou o nvel de
confiana do intervalo. Para se associar um determinado nvel de confiana ao
intervalo definido pela incerteza expandida necessrio assumir, explcita ou
implicitamente, qual a distribuio de probabilidades associada ao resultado da
medio e sua incerteza padro combinada. O nvel de confiana que pode ser
atribudo a esse intervalo apenas pode ser conhecido na medida em que tais
assunes sejam justificadas. A Recomendao INC-1 (1980) chama incerteza
expandida incerteza global.
Factor de cobertura (ou de expanso) [GUM 2.3.6] factor numrico usado
como mltiplo da incerteza padro combinada para se obter a incerteza expandida.
Esse factor (k) toma, habitualmente, valores entre 2 e 3.
Avaliao (de incerteza) do Tipo A [GUM 2.3.2] mtodo de avaliao da
incerteza pela anlise estatstica de sries de observaes.
Avaliao (de incerteza) do Tipo B [GUM 2.3.3] mtodo de avaliao da
incerteza por outros mtodos que no a anlise estatstica de sries de
observaes.

9.3 Fontes de incerteza
Clculo de incertezas:
1.) Partir pedra...

Embora de forma no exaustiva, comum considerar as cinco famlias
seguintes de razes para que existam incertezas nas medies:

Fonte de incerteza Contribuio para a incerteza do resultado
Objecto da medio, ou
Equipamento a calibrar
Resoluo finita, facilidade de leitura
Estado de conservao
Instabilidade das leituras
etc.
Instrumento(s) de medio, ou
Padro usado
Incerteza devida rastreabilidade (calibrao)
Afastamento do padro ideal
Deriva ao longo do tempo
etc.
Mtodo de medio utilizado
Adequabilidade do mtodo ao fim em vista
Efeito de carga, largura de banda, fugas
Aproximaes inseridas no modelo da medio
etc.
Operador
Treino, formao, experincia
Paralaxe, capacidade visual
Leitura e registo de valores, tempo de reaco
Respeito dos tempos de warm-up
etc.
Condies ambientais
Temperatura
Humidade
Presso atmosfrica
Poeiras
Vibraes
Rudo electromagntico
etc.

Cada uma dessas fontes contribui para a incerteza do resultado final
(mensuranda) com um determinado peso que funo da maior ou menor
sensibilidade da mensuranda variao de cada uma das grandezas de entrada.
Como veremos adiante, tal peso contabilizado a partir dos coeficientes de
sensibilidade, que no so mais do que as derivadas parciais da funo que
relaciona a mensuranda com as diversas grandezas de entrada.

9.4 Expresso da grandeza a medir
Exprimir em termos matemticos a dependncia da grandeza a medir Y em
relao s grandezas de entrada
i
X :
) ,..., ,..., , (
2 1 n i
X X X X F Y =
No caso de uma comparao directa de dois padres, esta equao pode tomar
uma forma muito simples, por exemplo:
2 1
X X Y + =
9.5 Correces conhecidas
Identificar todas as correces que devam ser aplicadas e fazer tais correces
para as fontes de erro (sistemtico) conhecidas.
9.6 Balano da incerteza
Listar todas as fontes de incerteza associadas com as medies repetidas, com
os valores resultantes de medies anteriores, com as correces e com as
grandezas de influncia, sob a forma de um balano da incerteza.
Este balano deve incluir todas as fontes de incerteza, as respectivas varincias
(ou os desvios-padro) e os mtodos de clculo ou de estimao.
Para medies repetidas, o nmero de medidas, n, deve ser tambm indicado.
A avaliao das incertezas associadas s grandezas de entrada dividida,
convencionalmente, em dois tipos:
Avaliao de "tipo A" mtodo de avaliao pela anlise estatstica de
sries de observaes;
Avaliao de "tipo B" mtodo de avaliao por outros meios.
Nota: importante no se duplicarem contribuies para a incerteza
combinada. Se uma dada fonte de incerteza j foi includa numa determinao do
Tipo A, no deve ser includa novamente como uma componente de incerteza do
Tipo B.

9.7 Grandezas medidas repetidamente (tipo A)
Calcular a varincia
2
i
x
s para grandezas medidas repetidamente.
Se
ij
v forem os valores medidos individualmente, os valores estimados
i
x do
valor verdadeiro da grandeza
i
X so dados pela mdia aritmtica i v dos valores
ij
v :
=
= =
n
j
ij i i
v
n
v x
1
1
,
em que n o nmero de medidas independentes.
Uma estimativa do desvio-padro da distribuio das medidas dada por:
( )
(
=
n
j
i ij v
v v
n
s
i
1
2
1
1
.
O valor estimado da varincia experimental de
i
x (mdia dos valores
ij
v ) ser:
s
n
s
x v
i i
2 2
1
=
.
9.8 Grandezas determinadas por outros meios (tipo B)
9.8.1 Valores singulares
Para valores singulares, por exemplo valores resultantes de medies anteriores,
valores de correco, valores da bibliografia, etc., adoptar as respectivas varincias,
quando forem dadas ou quando puderem ser calculadas.
Se tal no for o caso, estimar varincias com base na experincia.
9.8.2 Grandezas de influncia
Para grandezas de influncia cuja distribuio de populao seja conhecida ou
possa ser assumida, calcular a varincia apropriada para essa distribuio. Ver 4.4.
Se apenas forem conhecidos ou puderem ser estimados os limites superior
i u
a
,
e
inferior
i l
a
,
, calcular a varincia estimada, admitindo uma distribuio rectangular
das grandezas de influncia:
2
, ,
2
) (
12
1
i l i u x
a a s
i
= .
Se se indicar por
i
a 2 a diferena entre os valores limite, vir:
2 2
3
1
i x
a s
i
= .
Graficamente, esta distribuio apresenta o aspecto seguinte:

a
u,i
a
l,i
a
i
a
i
=x
i

9.9 Lei de propagao das incertezas
Conforme j vimos, podemos modelizar a mensuranda, Y, em funo das n
grandezas de entrada,
n
X X X ,..., ,
2 1
, por meio da expresso ) ,..., , (
2 1 n
X X X F Y = ,
em que cada grandeza descrita pela sua distribuio de probabilidade.
Vamos desenvolver F em srie de Taylor de 1. ordem, para pequenas variaes
de Y em torno da sua mdia Y , em funo das pequenas variaes dos X
i
em torno
das suas mdias
i
X . Vir
( )
=
n
i
i i
i
X X
X
F
Y Y
1

Se designarmos Y Y Y = e
i i i
X X X = poderemos escrever a expresso
como
=
n
i
i
i
X
X
F
Y
1

Esta expresso conhecida como lei de propagao dos erros. Sups-se aqui
que os termos de ordem superior 1. eram desprezveis, e que ) ,..., (
1 n
X X F Y = .
Se calcularmos agora o quadrado daquela diferena,
( ) ( )
2
1
2
(
=
n
i
i i
i
X X
X
F
Y Y
desenvolvendo o segundo membro da equao teremos:
( ) ( ) ( )( )

=
= + =

+
(
=
n
i
j j i i
n
i
n
i j j i
i i
i
X X X X
X
F
X
F
X X
X
F
Y Y
1
1
1 1
2
2
2
2
Reparemos que a esperana matemtica do quadrado da diferena ( ) Y Y a
varincia de Y, isto , ( ) | |
2
2
Y
Y Y E = , pelo que a expresso anterior se pode
escrever como

=
= + =
+
(
=
n
i
n
i
n
i j
ij j i
j i
i
i
Y
X
F
X
F
X
F
1
1
1 1
2
2
2
2
em que ( ) | |
2
2
X X E
i i
= a varincia de X
i
e
( )
j i
j i
ij
X X

, cov
= o coeficiente de
correlao entre X
i
e X
j
, onde ( ) ( )( ) | |
j j i i j i
X X X X E X X = , cov a covarincia de X
i

e X
j
. Esta expresso traduz a lei de propagao das incertezas, em que cada
grandeza representada pela sua distribuio de probabilidades. Esta lei vai-nos
permitir calcular a incerteza combinada de y, como funo das diversas grandezas
de entrada.
9.10 Coeficiente de sensibilidade
As derivadas parciais
i
X F que aparecem na expresso da lei de propagao
das incertezas representam os coeficientes de sensibilidade do resultado, y, s
diversas grandezas de entrada, x
i
. Por exemplo, se no modelo matemtico intervier a
temperatura como uma grandeza de influncia, a derivada parcial correspondente
representar o coeficiente de temperatura do dispositivo fsico em causa.
O grfico seguinte representa a variao de uma dada grandeza Y em funo de
uma outra X. Se quisermos saber, por exemplo, de que forma uma pequena
variao em torno do ponto X=20 unidades ir afectar a grandeza Y, poderemos
fazer variar X experimentalmente e medir o correspondente efeito em Y. Se
conhecermos o modelo matemtico ( ) X F Y = que descreve a relao entre as duas
grandezas, poderemos determinar o coeficiente de sensibilidade a partir da
diferencial
i
X F em torno de X=20.
90
95
100
105
110
115
120
0 10 20 30 40 50 60 70 80 90 100 110
29 , 0
20
+
= x
x
y


Podemos encarar os coeficientes de sensibilidade de uma outra forma. As
diversas contribuies para a incerteza combinada tero que estar todas expressas
nas mesmas unidades; como se costuma dizer, no se podem misturar alhos com
bugalhos!
Por exemplo, se estivermos a medir um comprimento, provavelmente quereremos
que a incerteza venha expressa numa unidade de comprimento. Uma possvel fonte
de incerteza ser a variao da temperatura ambiente. Embora a contribuio para a
incerteza seja uma temperatura, o seu efeito sobre um comprimento, pelo que
deve ser expressa na unidade correspondente. Se soubermos que o material em
causa se expande 0,1% por cada grau de aumento da temperatura, uma incerteza
de 2 C provocar uma incerteza sobre o comprimento de 0,2 cm numa pea com
1 m de comprimento.
Uma vez as incertezas padro expressas em unidades consistentes, a incerteza
combinada pode ser calculada pelas regras que iremos agora ver.

9.11 Soma das varincias
2.) ...combinar tudo...

Relacionar as varincias
2
i
x
s de todas as grandezas de entrada com a grandeza
de sada e som-las de acordo com a equao:
=
|
|
.
|
\
|
=
n
i
x
i
y
i
s
X
F
s
1
2
2
2
,
em que ) / (
i
X F so as derivadas parciais da funo F em ordem s grandezas
i
X (coeficientes de sensibilidade de Y em relao aos diversos X
i
).
9.11.1 Casos mais simples, frequentemente encontrados
Em muitas situaes encontradas na prtica, as expresses para a combinao
das incertezas reduzem-se a formas muito simples. Iremos aqui ver dois casos
particulares que cobrem grande parte das situaes mais usuais. Vamos tambm
analisar uma regra prtica que frequentemente permite simplificar o clculo da
incerteza combinada.
9.11.2 Soma (ou diferena)
No caso de F ser uma soma (ou uma diferena) linear de grandezas, todas as
derivadas parciais
2
) / (
i
X F vm iguais a 1. Assim, ficar:
=
=
n
i
x y
i
s s
1
2 2

ou, o que equivalente,
...
2 2
2 1
+ + =
x x y
s s s
isto , a incerteza-padro combinada (em valor absoluto) a soma quadrtica das
incertezas-padro das diversas componentes (em valor absoluto).
9.11.3 Produto (ou quociente)
No caso de modelos matemticos que envolvam apenas produtos e/ou
quocientes de grandezas, por exemplo ( )
3 2 1
x x x y = , a incerteza-padro combinada
ser dada por
...
2
2
2
1
2 1
+
|
|
.
|
\
|
+
|
|
.
|
\
|
=
x
s
x
s
y
s
x x y

ou seja, a incerteza-padro combinada (em valor relativo) a soma quadrtica
das incertezas-padro das diversas componentes (em valor relativo).
9.11.4 Combinao de incertezas
Para se combinarem as diversas componentes da incerteza, nos casos em que os
modelos matemticos apenas incluem funes algbricas elementares, torna-se
conveniente partir a expresso completa em sub-expresses mais simples, tendo
cada uma delas apenas um dos tipos de operaes indicadas acima.
Por exemplo, uma expresso do tipo ( ) ( ) v u w x y + + = deve ser dividida noutras
duas: ( ) w x + e ( ) v u + , cujas incertezas seriam calculadas de acordo com a regra
indicada em 9.11.2. Essas incertezas parciais seriam depois combinadas utilizando a
regra de 9.11.3, para dar a incerteza combinada do resultado.
Exemplo 1
( ) r q p m y + =
Considerar
m=1 (exacto)
p=5,02; u(p)=0,13
q=6,45; u(q)=0,05
r=9,04; u(r)=0,22
( ) 61 , 7 04 , 9 45 , 6 02 , 5 1 = + = y
26 , 0 ) 22 , 0 ( ) 05 , 0 ( ) 13 , 0 ( ) (
2 2 2
= + + = y u


Exemplo 2
r q
p o
y
=
Considerar
o=2,46; u(o)=0,02
p=4,32; u(p)=0,13
q=6,38; u(q)=0,11
r=2,99; u(r)=0,07
56 , 0
) 99 , 2 ( ) 38 , 6 (
) 32 , 4 ( ) 46 , 2 (
=
= y
(rel.) 043 , 0
99 , 2
07 , 0
38 , 6
11 , 0
32 , 4
13 , 0
46 , 2
02 , 0 ) (
2 2 2 2
= |
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
=
y
y u

024 , 0 043 , 0 56 , 0 ) ( = = y u

9.12 Grandezas correlacionadas
Se as grandezas de entrada
i
X e
k
X forem consideradas correlacionadas isto
, se forem de alguma forma dependentes entre si a covarincia estimada
) ( , . . k i r s s s
ik k i ik
x x x x
=
deve ser considerada como uma contribuio adicional para a incerteza. O grau
de correlao caracterizado pelo coeficiente de correlao
ik
x
r (em que
1 1 e + r k i ).
No caso de medies repetidas a covarincia dada por
( )( )
=
n
j
k
kj
i
ij x
v v v v
n n
s
ik
1
) 1 (
1

e, substituindo na equao anterior, pode calcular-se r .
Para as grandezas de influncia qualquer grau de correlao tem de ser baseado
na experincia. Quando existir correlao, a equao da varincia deve ser
substituda por
) ( ,
1 ,
2
1
2
2
k i s
X
F
X
F
s
X
F
s
ik i
x
k
n
k i i
x
n
i i
y
+
|
|
.
|
\
|
=

= =

Deve notar-se que o segundo somatrio desta equao se pode tornar negativo.
9.12.1 Grandezas correlacionadas casos particulares
Se duas ou mais grandezas forem apenas positivamente correlacionadas, e se o
coeficiente de correlao puder ser tomado como +1, ento obter-se- para a
varincia combinada
2
1
2
|
|
.
|
\
|
=
n
i
x
i
p
i
s
X
F
s
e para o desvio-padro combinado
=
n
i
x
i
p
i
s
X
F
s
1
.
Neste caso especial, o desvio-padro combinado do resultado dado pela adio
linear dos desvios-padro das componentes multiplicadas pelas derivadas parciais
relevantes.
O valor +1 para o coeficiente de correlao deve ser usado, por exemplo, se o
mesmo instrumento for usado mais de uma vez no processo de medio (por
exemplo, se uma ponte de relao 1:10 for usada trs vezes para se obter uma
relao de 1:1000).
Se duas grandezas
i
X e
j
X forem negativamente correlacionadas, com um
coeficiente de correlao -1, os termos correspondentes da equao da varincia
viro
2
2
|
|
.
|
\
|
=
j i
x
j
x
i
n
s
X
F
s
X
F
s
9.13 Incerteza expandida da mensuranda
Calcular a incerteza expandida multiplicando o desvio-padro
y
s pelo factor k
apropriado para obter um nvel de probabilidade adequado. O caso mais usual a
utilizao do factor 2 = k , que corresponde a estabelecer um intervalo de confiana
de aproximadamente 95%, para uma distribuio normal.
9.14 Nmero de graus de liberdade
A suposio de uma distribuio normal nem sempre pode ser confirmada
experimentalmente. No entanto, nos casos em que houver vrias componentes da
incerteza (N3), correspondentes a grandezas independentes com distribuies de
probabilidade bem conhecidas (por exemplo normais e rectangulares), que
contribuam para a incerteza da mensuranda em propores comparveis, admite-se
que se verificam as condies do Teorema do Limite Central e pode-se admitir, com
grande aproximao, que a distribuio resultante normal.
A fiabilidade da incerteza atribuda mensuranda determinada pelo seu
nmero de graus de liberdade efectivos, que iremos ver de seguida. Contudo,
pode aceitar-se que o critrio de fiabilidade sempre verificado desde que nenhuma
das contribuies para a incerteza tenha sido obtida de uma avaliao do tipo A
baseada em menos de 10 medies repetidas.
Podemos interpretar o nmero de graus de liberdade de uma varivel estatstica
como sendo o nmero de medies independentes menos o nmero de parmetros
que j calculmos a partir desses dados. Assim, no caso das contribuies do tipo A,
teremos que o nmero de graus de liberdade associados ao desvio-padro do
conjunto de n medies repetidas (n-1), uma vez que com os n resultados j
fixmos a mdia, assim restringindo os graus de liberdade do conjunto. Para as
contribuies do tipo B usual considerar que possuem infinitos graus de liberdade.
Para determinar o factor de cobertura k quando no so verificadas as condies
do Teorema do Limite Central necessrio proceder do seguinte modo:
Obter a incerteza padro s
y
associada mensuranda, conforme acima
indicado.
Estimar o nmero de graus de liberdade efectivos
eff
da incerteza padro,
com base na expresso de Welch-Satterthwaite,
=
=
N
i i
x
y
eff
i
s
s
1
4
4

em que
i
x
s so as vrias contribuies para a incerteza da mensuranda e
i
o nmero de graus de liberdade de
i
x
s .
Obter o factor de cobertura k de uma tabela da distribuio t de Student,
para o nvel de probabilidade pretendido. Se
eff
assim calculado no for
inteiro, trunc-lo para o inteiro imediatamente inferior.

9.15 Resultado final
3.) Apresentar o resultado!

Exprimir o resultado da medio e a respectiva incerteza no documento de
calibrao, sob a forma:
u y ,
em que y o valor medido (mdia) e u a incerteza da medio, calculada
anteriormente:
y
s k u =
Habitualmente, ser
y
s u = 2 , conforme indicado em 9.13.
A incerteza-padro (desvio-padro) da mensuranda assim calculada a partir das
componentes da incerteza resultantes do padro, do mtodo de medio, das
condies ambientais, das variaes do objecto em calibrao, etc.
O valor numrico da incerteza deve ser apresentado com no mais do que dois
algarismos significativos na sua expresso final.
O valor numrico da grandeza medida deve ser arredondado, na sua expresso
final, de forma a no conter algarismos menos significativos do que os da incerteza
expressa.
O uso de algarismos significativos em excesso induz uma falsa confiana no
utilizador. O uso de algarismos significativos insuficientes no transmite toda a
informao vlida de que se dispe.
9.16 Fluxograma simplificado
Medir / Calcular os vrios x
i
Estimar as incertezas-padro (desvios-
padro) u(x
i
) para cada x
i
Tipo A Tipo B
Valores obtidos na medio em curso,
em condies de repetibilidade
Valores obtidos nas fontes disponveis
(efeitos das condies ambientais;
especificaes de equipamentos; etc.)
n. leituras = n
Desvio-padro da amostra:
( )
1
1
2
=
n
v v
s
n
i
i
v
Mdia:
n
v
v
n
i
i
=
=
1
Varincia da mdia:
n
s
s
v
x
i
2
2
=
Valor conhecido
Distribuio a usar
Normal
(k.s)
Outras
...
2
2
|
.
|
\
|
=
k
s
s
x
Rectangular
a
3
2
a
s
x
=
Modelo matemtico da medio:
( )
n
X X X F Y ,..., ,
2 1
=
Identificar e aplicar correces significativas
Listar todas as fontes de incerteza

Grandezas
correlacionadas?
Calcular o resultado da medio, y
Estimar as covarincias
( ) ( ) ( ) ( )
j i j i j i
x u x u x x r x x u , , =
S
Calcular a incerteza-padro combinada:
( ) ( ) ( )

= + = =
+
|
|
.
|
\
|
=
1
1 1 1
2
2
2
, 2
n
i
n
i j
j i
j i
n
i
i
i
c
x x u
x
F
x
F
x u
x
F
y u
A medio determina
simultaneamente mais de
uma grandeza?
Calcular as covarincias
( ... )
S
Estimar o N. Graus de Liberdade (
i
)
para cada x
i
Calcular o NGL efectivos de y:
( )
( )
=
=
n
i i
i
c
eff
y u
y u
1
4
4
Calcular k=t
p
(
eff
)
Calcular a incerteza expandida
U=k.u
c
(y)
Exprimir o resultado como:
Y = y U
so os coeficientes de sensibilidade
da grandeza Y relativamente a cada
uma das grandezas X
i
i
x F


9.17 Combinao de incertezas Casos mais simples

x
i
independentes x
i
correlacionadas
(r=+1)
2 1
x x y + =
2 1
x x y =
( ) ( ) | | ( ) | |
2
2
2
1
x u x u y u + =
( ) ( ) ( )
2 1
x u x u y u + =
2 1
x x y =
2 1
/ x x y =
( ) ( ) ( )
2
2
2
2
1
1
(
+
(
=
x
x u
x
x u
y
y u
( ) ( ) ( )
2
2
1
1
x
x u
x
x u
y
y u
+ =
p
x y =
( ) ( )
x
x u
p
y
y u
=
x k y =
(k=cte. exacta)
( ) ( ) x u k y u =


9.18 Sugesto de esquema para apresentao dos dados

Tipo A
Smbolo Descrio Valor N. leituras u(x
i
) c
i
u
i
2
(y) NGL

Tipo B
Smbolo Descrio Valor Distribuio
e factor k
u(x
i
) c
i
u
i
2
(y) NGL

Soma das varincias =
u
c
(y) =
NGL efectivos =
k =
U =

9.19 Resumo dos casos mais comuns
9.19.1 Grandezas independentes
Varincia Desvio-padro
Caso geral:
) ,..., ,..., , (
2 1 n i
X X X X F Y =
|
|
.
|
\
|
=
n
i
x
i
y
i
s
X
F
s
1
2
2
2

|
|
.
|
\
|
=
n
i
x
i
y
i
s
X
F
s
1
2
2

Soma de n termos:
n
X X X Y + + + = ...
2 1

=
=
n
i
x y
i
s s
1
2 2

=
=
n
i
x y
i
s s
1
2

Soma ou Diferena:
2 1
X X Y + = ou
2 1
X X Y =
2 2 2
2 1
x x y
s s s + =
2 2
2 1
x x y
s s s + =
Produto ou quociente:
2 1
X X Y = ou
2
1
X
X
Y = 2
2
2
2
1
2
2
2
2 1
x
s
x
s
y
s
x x y
+ =
2
2
2
1
2 1
|
|
.
|
\
|
+
|
|
.
|
\
|
=
x
s
x
s
y
s
x x y

9.19.2 Grandezas correlacionadas
Varincia Desvio-padro
Caso geral:
) ,..., ,..., , (
2 1 n i
X X X X F Y =
( ) 1 1 , +
=
r k i
r s s s
ik k i ik
x x x x

= =
|
|
.
|
\
|
+
|
|
.
|
\
|
=
n
k i
k i
x
k i
x
n
i i
y
ik i
s
X
F
X
F
s
X
F
s
1 ,
2
2
1
2

= =
|
|
.
|
\
|
+
|
|
.
|
\
|
=
n
k i
k i
x
k i
x
n
i i
y
ik i
s
X
F
X
F
s
X
F
s
1 ,
2
2
1
Casos em que 1 + = r
) ,..., ,..., , (
2 1 n i
X X X X F Y =
2
1
2
|
|
.
|
\
|
=
i
x
n
i i
y
s
X
F
s
i
x
n
i i
y
s
X
F
s
=1

2 1
X X Y + = ( )
2 2
2 1
x x y
s s s + =
2 1
x x y
s s s + =
2 1
X X Y = ( )
2 2
2 1
x x y
s s s =
s s s
y x x
=
1 2

2 1
X X Y =
2
2 1
2
2
2 1
|
|
.
|
\
|
+ =
x
s
x
s
y
s
x x y

s
y
s
x
s
x
y x x
= +
1 2
1 2

2
1
X
X
Y =
2
2 1
2
2
2 1
|
|
.
|
\
|
=
x
s
x
s
y
s
x x y

s
y
s
x
s
x
y x x
=
1 2
1 2

Casos em que 1 = r
( ) ,
j i
X X F Y =
2
2
|
|
.
|
\
|
=
j i
x
j
x
i
y
s
X
F
s
X
F
s
|
|
.
|
\
|
=
j i
x
j
x
i
y
s
X
F
s
X
F
s


10 Exemplos de clculo de incertezas
10.1 Frequncia de uma fonte AC pelas leis de Mersenne
10.1.1 Apresentao da experincia
Pretende-se determinar a frequncia de uma fonte de corrente elctrica utilizando
as leis de Mersenne
(*)
. Para isso dispe-se de uma montagem em que se vai
procurar relacionar caractersticas mecnicas (comprimento, massa, dimetro, etc.)
com a frequncia de ressonncia do dispositivo.
Esquematicamente, a montagem a seguinte:

A relao entre as grandezas relevantes dada por
L
m
g M
l
f
=
2
1

M: massa aplicada no extremo do fio
l: comprimento do fio entre A e B
g: acelerao da gravidade
m
L
: massa do fio por unidade de comprimento
A experincia consiste em determinar, para cada uma das massas M aplicadas,
qual o comprimento l quando se verifica a ressonncia do sistema. A partir desses
dados elabora-se uma tabela de valores de M em funo de l, construindo-se o
grfico correspondente.

(*)
Marin Mersenne (1588-1648), matemtico, filsofo e telogo francs. Enunciou as seguintes leis
relativas s cordas vibrantes:
- Para uma determinada corda, sujeita a determinada tenso, o seu perodo de vibrao varia com o
comprimento; ou seja, como a frequncia o inverso do perodo, a frequncia varia com o inverso do
comprimento da corda.
- Quando o comprimento de uma corda dado, o perodo varia com o inverso da raiz quadrada da
tenso; isto , quanto mais se estica a corda, mais agudos se tornam os sons.
- Quando so dados o comprimento e a tenso duma corda, o perodo varia com a raiz quadrada da
densidade linear do material de que feita a corda; o que explica que as cordas mais grossas do
violino produzam sons mais graves do que as cordas mais finas.
10.1.2 Valores obtidos experimentalmente

l (m) M (kg) ) kg ( M

0,231 0,200 0,4472
0,326 0,400 0,6325
0,392 0,600 0,7746
0,454 0,800 0,8944
0,507 1,000 1,0000
0,556 1,200 1,0954

0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000
1.1000
1.2000
0.200 0.250 0.300 0.350 0.400 0.450 0.500 0.550 0.600
l (m)

Como se observa, existe uma tendncia linear na variao conjunta das duas
grandezas. Vamos caracterizar essa dependncia atravs de uma regresso linear
simples. Pretende-se determinar a equao da recta b x m y + = (sendo M y = e
l x = ) que melhor aproxima o conjunto dos valores determinados
experimentalmente, segundo o critrio dos mnimos quadrados.
10.1.3 Recta de regresso linear
A utilizao das funes estatsticas da mquina de calcular fornece os valores
seguintes.

Declive: m = 2,002 405 888 kg
1/2
/m
Ordenada na origem: b = -0,015 632 46 kg
1/2

R = 0,999 902 616 Coeficiente de correlao entre y e x:
R
2
= 0,999 805 241
Desvio-padro dos valores de x: s
x
= 0,120 063 317 m
Desvio-padro dos valores de y: s
y
= 0,240 438 907 kg
1/2

Nmero de pares de valores (x, y): n = 6

Assim, a recta que melhor aproxima estes pontos ser dada por
0156 , 0 0024 , 2 = l M
que tem a seguinte representao grfica.
y= 2.0024x- 0. 0156
R
2
= 0.9998
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000
1.1000
1.2000
0.200 0.250 0.300 0.350 0.400 0.450 0.500 0.550 0.600
l (m)

Poderemos confirmar a aproximao entre os valores determinados
experimentalmente e os valores calculados pela expresso da recta.

Erro
l (m) ) kg ( M Recta
absoluto relativo

0,231 0,4472 0,4470 -0,0003 -0,06%
0,326 0,6325 0,6372 +0,0047 +0,75%
0,392 0,7746 0,7693 -0,0053 -0,68%
0,454 0,8944 0,8935 -0,0009 -0,10%
0,507 1,0000 0,9996 -0,0004 -0,04%
0,556 1,0954 1,0977 +0,0023 +0,21%

Os parmetros que caracterizam a incerteza associada recta de regresso
linear so apresentados no quadro seguinte.

Desvio-padro dos pontos em torno
da recta de regresso:
( ) kg 003752 , 0
2
1
2 2 2
|
=
=
x y x y
s m s
n
n
s
Incerteza do declive:
0,70% m kg 01397 , 0
1
|
=
=
n s
s
s
x
x y
m

Incerteza da ordenada na origem:
kg 0015 , 0
|
= =
n
s
s
x y
b

(valor que iremos desprezar nesta anlise)

10.1.4 Massa linear do fio
Para se determinar a frequncia necessrio conhecer a massa linear (massa
por unidade de comprimento) do fio de ao. Isso dado por:

2
r m
L
=
: massa volmica do ao = 7,7 10
3
kg/m
3

r: raio do fio de ao

O raio r foi determinado a partir de uma srie de 10 medies do dimetro do fio,
tendo-se obtido o valor mdio de 0,805 mm com um desvio-padro de 0,0053 mm.
Assim, o raio ter um valor de 0,403 mm 0,003 mm. A tabela seguinte apresenta
os resultados obtidos.

leitura n. d (mm)
r (mm)
1 0,81
-
2 0,81
-
3 0,80
-
4 0,80
-
5 0,81
-
6 0,80
-
7 0,80
-
8 0,81
-
9 0,81
-
10 0,80
-
Mdia = 0,805
0,402
Desvio-padro experimental = 0,0053
0,0026
Desvio-padro da mdia = 0,0017
0,00083

O valor de
L
m ser ento
( ) ( ) ( ) kg/m 003909 , 0 10 402 , 0 1416 , 3 10 7 , 7
2
3 3
= =
L
m

Uma vez que consideraremos e como constantes exactas - atendendo forma
como foram obtidas
(*)
- a incerteza de m
L
ser apenas funo da incerteza de r
2
:
r
r u
m
m u
L
L
) (
2
) (
=

(*)
Em rigor, tal no inteiramente correcto. Todos os valores de grandezas fsicas, mesmo que sejam
conhecidos com um grande nmero de algarismos significativos, tm uma incerteza associada. No
caso de essa incerteza ser dada, utiliz-la-emos; o caso das constantes fsicas publicadas em
documentao de referncia, como o CODATA. Se nada nos for dito quanto incerteza dos valores
dados, poderemos assumir que o valor fornecido exacto dentro da resoluo numrica com que
expresso, ou seja, ter uma incerteza intrnseca de algarismo menos significativo. Por exemplo,
se nos for dito que a velocidade da luz no vazio de 2,99810
8
m/s, sem mais nenhuma informao,
podemos admitir que a esse valor est associada uma incerteza de 0,000 510
8
m/s. Contudo, neste
exemplo, iremos simplificar a abordagem e considerar como exactos (sem incerteza) os valores da
massa volmica do ao, de e da acelerao da gravidade.
O raio resulta da medio do dimetro com um micrmetro cuja resoluo de
0,01 mm. Para alm dessa fonte de incerteza (do tipo B), h que considerar tambm
a disperso das leituras efectuadas (fonte de incerteza do tipo A).
( ) mm 0058 , 0
3
mm 01 , 0
= = r u
B

( ) mm 00083 , 0
n
1
= =
n
A
r u

( ) ( ) ( ) mm 0058 , 0
2 2
= + = r u r u r u
B A

Ento, teremos que
% 9 , 2
402 , 0
0058 , 0
2
) (
2
) (
= = =
r
r u
m
m u
L
L

10.1.5 Frequncia
Como vimos anteriormente, a frequncia dada por
declive
2
1
2
1
2
1
= =
=
L L L
m
g
l
M
m
g
m
g M
l
f
O seu valor ento Hz 15 , 50 = f
A incerteza de f, se considerarmos g = 9,81 m/s
2
, sem incerteza
(*)
, poder ser
determinada a partir de
( ) ( ) ( )
| | % 6 , 1 % 7 , 0 % 9 , 2
2
1
declive
declive
2
1
2
2 2
2
= +
(
=
(
+
(
=
u
m
m u
f
f u
L
L

ou seja, 0,80 Hz (para um nvel de confiana correspondente a 1 desvio-padro).
Nota: Na expresso anterior ( )
L L
m m u surge multiplicado pelo factor , uma vez
que f no depende directamente de
L
m , mas sim da sua raiz quadrada.
Assim, o resultado final da medio da frequncia ser expresso como

Hz 80 , 0 Hz 15 , 50 = f ou % 6 , 1 Hz 15 , 50 = f

Uma vez que sabemos que o valor real da frequncia so 50 Hz, o erro cometido
na medio por este mtodo foi

0,3% Hz 15 , 0 Hz 50 Hz 15 , 50 + = =
valor que se enquadra dentro da estimativa que fizemos para a incerteza.

(*)
Ver nota da pgina anterior. O valor normalizado para a acelerao da gravidade (correspondente
ao nvel do mar no equador) g=9,806 65 m/s
2
. Se tomarmos apenas g=9,81 m/s
2
, a correspondente
incerteza numrica seria 0,005 m/s
2
, ou 0,05%, o que desprezvel para o nosso objectivo.
10.2 Incerteza proveniente de um certificado de calibrao
O certificado de calibrao de um instrumento usado num ensaio indica que a
incerteza de medio na gama sujeita a calibrao de 0,1%, para um nvel de
confiana de 95%.
A ltima afirmao pode ser interpretada como sendo equivalente a dizer que a
incerteza est expressa com um factor de cobertura de k=2, para uma distribuio
normal.
A contribuio da incerteza normalizada devida calibrao do instrumento ser
ento de
leitura da % 05 , 0
2
% 1 , 0
) ( = = x u

10.3 Determinao da incerteza a partir da especificao do fabricante
A especificao do fabricante para um dado instrumento de 1% da leitura.
Pode-se admitir que isto uma afirmao que engloba os limites de erro do
instrumento, e que qualquer valor do erro dentro desses limites igualmente
provvel (distribuio rectangular).
A contribuio da incerteza normalizada devida a esta especificao ser ento
de
leitura da % 58 , 0
3
% 1
) ( = = x u

Nota: Embora o algarismo final (8) no seja significativo, boa prtica mant-lo nos
clculos intermdios, em vez de arredondar a incerteza para 0,6% nesta etapa.

10.4 Incerteza originria de um aparelho elctrico analgico
Um voltmetro analgico est certificado como tendo uma incerteza de 1,0% do
fim-da-escala na escala de 10 V (no proporcional leitura), para um nvel de
confiana de 95%.
A contribuio da incerteza normalizada devida calibrao do voltmetro quando
utilizado para medir qualquer valor de tenso nessa escala ser de

V 05 , 0
2
V 10 % 0 , 1
) ( =
= x u

10.5 Incerteza a partir da especificao de uma norma
Sabe-se que um paqumetro (tambm conhecido por craveira ou peclisse) est
conforme com a norma BS 887:1982, a qual estabelece que o erro de leitura desse
tipo de instrumentos, at 300 mm, no dever exceder 0,02 mm. Pode-se supor que
isso equivale a admitir uma distribuio rectangular com limites 0,02 mm.
Quando se mede o comprimento de uma pea com esse paqumetro, obtm-se o
valor de 215,76 mm. A contribuio da incerteza normalizada do paqumetro devida
sua especificao ser de
mm 012 , 0
3
mm 02 , 0
) ( = = x u
o que equivale a 0,0054% da leitura (215,76 mm).

Nota: No se consideraram neste exemplo outras fontes de incerteza, tais como a
temperatura e o coeficiente de expanso linear, os quais devero ser tidos em conta
num caso real.

10.6 Incerteza de uma indicao digital
Uma fonte de incerteza de um instrumento de leitura digital a sua resoluo. Por
exemplo, se numa sequncia de leituras repetidas todos os valores forem iguais, a
incerteza da medio devida repetibilidade no poder ser zero, dado que existe
uma gama de sinais que, na entrada do instrumento, formam um intervalo que
conduz mesma indicao, isto , h um limiar na variao do sinal de entrada
abaixo do qual o indicador no consegue mostrar que tal variao existe.

Se a resoluo do dispositivo indicador for R, o valor da grandeza que produz
uma dada leitura X pode-se situar com igual probabilidade em qualquer ponto do
intervalo
|
.
|
\
|
2
R
X a
|
.
|
\
|
+
2
R
X . Essa contribuio para a incerteza ento descrita
por uma distribuio de probabilidades rectangular de largura R, cuja varincia ser
12
2
2
R
u =
ou, o que equivalente, com um desvio-padro
3
2
12
R R
u = =
para qualquer indicao do instrumento.

Suponhamos o caso de um instrumento de pesagem (popularmente conhecido
por balana) com uma escala cujo algarismo menos significativo seja 1 g. A
varincia devida resoluo desse dispositivo indicador
2 2
g
12
1
= u
e o desvio-padro
g 29 , 0 g
12
1
= = u

10.7 Medio da humidade do ar com um psicrmetro
10.7.1 Descrio
Um higrmetro de aspirao, ou psicrmetro, um instrumento frequentemente
utilizado em laboratrios de calibrao para determinar a humidade relativa do ar
dentro do laboratrio.

10.7.2 Procedimento de medio
Humedecer a mecha de algodo que envolve o bolbo do termmetro
hmido. Pr em movimento a ventoinha do higrmetro. Esperar que as
leituras dos termmetros seco e hmido estabilizem.
Obter 5 leituras da temperatura indicada pelo termmetro seco. Calcular a
sua mdia e estimar o respectivo desvio-padro.
Obter 10 leituras da temperatura indicada pelo termmetro hmido.
Calcular a sua mdia e estimar o respectivo desvio-padro.
Aplicar s temperaturas mdias as correces apropriadas, conforme
indicado nos respectivos certificados de calibrao.
Calcular a depresso da temperatura do bolbo hmido.

10.7.3 Balano de incertezas
A funo que relaciona as diversas grandezas indica que se trata de uma
combinao linear de medies.
O quadro seguinte apresenta de uma forma sinttica o balano de incertezas para
este caso.

Fonte de incerteza Valor Divisor Coeficiente de
sensibilidade
Incerteza
normalizada
Tipo A
Termmetro "seco", 5 leituras
Desvio-padro das leituras 0.033 C
Desvio-padro da mdia 2.236 1 0.015 C
Termmetro "hmido", 10 leituras
Desvio-padro das leituras 0.033 C
Desvio-padro da mdia 3.162 1 0.010 C
Tipo B
Incerteza calibrao termmetro "seco" 0.010 C 2 1 0.005 C
Incerteza calibrao termmetro "hmido" 0.010 C 2 1 0.005 C
Influncia da pureza da gua 0.007 C 1.732 1 0.004 C
Incerteza combinada 0.020 C
Factor de expanso para 95% confiana, k= 2.25
Incerteza expandida 0.045 C

Nota: O factor de expanso k=2,25 (em vez do valor mais usual k=2) resulta da
aplicao da expresso de Welch-Satterthwaite para a estimao do nmero de
graus de liberdade, uma vez que neste caso as contribuies mais significativas para
a incerteza so as do tipo A, as quais resultam de um pequeno nmero de
medies. Ver seco 9.14.

10.8 Medio de temperatura com uma Pt-100
10.8.1 Descrio da experincia
Pretende-se determinar a temperatura de um banho termostatado. Para tal, dispe-
se de um termmetro de resistncia de platina (TRP) do tipo Pt-100 cuja
caracterstica temperatura resistncia foi determinada experimentalmente, de
acordo com os dados apresentados na tabela seguinte.

R / t / C
100,00 0
107,79 20
115,54 40
123,24 60
130,90 80
138,51 100

Para a utilizao destes dados necessrio estabelecer uma expresso que, por
regresso linear, fornea o valor da temperatura para uma determinada resistncia
medida. Determinar os parmetros dessa recta de regresso, bem como uma
estimativa da incerteza associada ao seu declive.
Com esse TRP mediu-se a temperatura do banho, tendo sido obtida uma leitura
(de resistncia) de 120,05 . Calcular o valor da temperatura do banho, bem como a
respectiva incerteza.

10.8.2 Expresso da recta de regresso
Pretende-se determinar a equao da recta b x m y + = (sendo t y = e R x = )
que melhor aproxima o conjunto dos valores determinados experimentalmente,
segundo o critrio dos mnimos quadrados.
A utilizao das funes estatsticas da mquina de calcular fornece os valores
seguintes.
Declive: m = 2,596 584 C/
Ordenada na origem: b = -259,850 429 C
r = 0,999 990 89 Coeficiente de correlao entre y e x:
r
2
= 0,999 981 79
Mdia dos valores de x:
x =
119,33
Mdia dos valores de y:
y =
50 C
Desvio-padro dos valores de x: s
x
= 14,409 788
Desvio-padro dos valores de y: s
y
= 37,416 573 C
Nmero de pares de valores (x, y): n = 6

Assim, a recta que melhor aproxima estes pontos ser dada por
850429 , 259 596585 , 2 = R t
Apresenta-se na figura seguinte a representao grfica dos pontos medidos e da
correspondente recta de regresso.
y = 2.596585x - 259.850429
R
2
= 0.999982
-40
10
60
110
160
90 100 110 120 130 140 150
R (ohms)
t

(
C
)
t(R) Linear (t(R))

10.8.3 Incerteza do declive
O clculo da incerteza associada ao declive da recta de regresso linear est
apresentado no quadro seguinte.

Desvio-padro dos pontos em torno da
recta de regresso:
( ) C 1785 , 0
2
1
2 2 2
|
=
=
x y x y
s m s
n
n
s
Incerteza do declive:
% 0,21 C/ 005541 , 0
1
|
=
=
n s
s
s
x
x y
m

10.8.4 Interpolao de um novo valor
Substituindo = 05 , 120 R em 850429 , 259 596585 , 2 = R t , vem que
C 9 , 51 = t
A incerteza deste valor interpolado dada por
( )
( )
C 2 , 0
1
1
1
2
2
|
=
+ + =
x
x y
s n
x x
n
s u
(para um nvel de confiana correspondente a 1 desvio-padro).

10.9 Calibrao de um paqumetro com bloco-padro
Vai-se calibrar um paqumetro digital, de alcance 150 mm, com resoluo de 0,01
mm, utilizando um bloco-padro de ao de comprimento nominal 10 mm.

De acordo com a norma DIN 861-1, a tolerncia sobre o comprimento desse bloco
de 0,12 m.
A temperatura da sala onde se est a efectuar a calibrao controlada dentro de
20 C 2 C. Todos os equipamentos utilizados so construdos em ao, cujo
coeficiente de dilatao trmica em torno de 20 C de =+11,5x10
-6
/C.
So efectuadas 10 leituras no paqumetro, em condies de repetibilidade.
Considera-se que apenas a repetibilidade do paqumetro obedece a uma
distribuio de probabilidades normal; as restantes componentes consideradas para
a incerteza combinada so consideradas como tendo uma distribuio rectangular.
O modelo assumido para esta calibrao corresponde a uma soma linear de
grandezas.
O quadro seguinte apresenta o balano de incertezas.
Fonte de incerteza Valor Divisor Coeficiente de
sensibilidade
Incerteza
normalizada
Tipo A
Repetibilidade do paqumetro, 10 leituras
Desvio-padro das leituras 0.006 mm
Desvio-padro da mdia 3.16 1 0.001 90 mm
Tipo B
Tolerncia do bloco-padro (cf. norma) 0.000 12 mm 1.73 1 0.000 07 mm
Resoluo do paqumetro 0.010 mm 3.46 1 0.002 89 mm
Coeficiente de temperatura do ao 1.15E-05 /C
Variao da temperatura na sala 2 C
Comprimento nominal 10 mm
1.73 20 mm x C 0.000 13 mm
Incerteza combinada 0.003 46 mm
Factor de expanso para 95% confiana, k= 2.0
Incerteza expandida 0.007 mm

A incerteza expandida do paqumetro, para L=10 mm, ento u(L) = 7 m, para
um nvel de confiana de aproximadamente 95%.
10.10 Calibrao de uma resistncia pelo mtodo potenciomtrico

10.10.1 Princpio da medio
Pretende-se determinar o valor de uma resistncia R
x
mediante a sua
comparao com uma outra resistncia R
p
de valor bem conhecido. Para isso,
ambas as resistncias so percorridas pela mesma corrente I, pelo que existem nos
seus terminais as diferenas de potencial U
x
e U
p
, respectivamente.
Dado que se conhece R
p
, bastar medir U
x
e U
p
para se poder determinar R
x
:
p
p
x
x
R
U
R
U
I = =
pelo que vir
p
x
p x
U
U
R R =

10.10.2 Esquema de montagem

Rx Rp
Ux Up
Fonte (I)

10.10.3 Influncia da temperatura
O valor de uma resistncia fortemente influenciado pela temperatura a que a
mesma se encontra. Essa temperatura resulta no s da temperatura ambiente, mas
tambm do auto-aquecimento a que a resistncia est sujeita por efeito de Joule.
A variao de resistncia entre uma temperatura t
0
e uma outra temperatura t
exprime-se da seguinte forma:
( ) ( ) ( ) ( ) | |
2
0 0 0
1 t t t t t R t R + + =

em que e so os coeficientes de temperatura de cada resistncia para a
temperatura t
0
.

10.10.4 Identificao das fontes de incerteza
Fonte de incerteza Valor estimado
Incerteza de calibrao da resistncia-padro R
p

Fornecida pelo ltimo certificado de calibrao.
U=5,10
-6
(k=2)
Incerteza devida deriva do valor de R
p
ao longo do tempo.
Baseada no histrico das calibraes.
Vai-se considerar como sendo nula.
U=0
Incerteza devida variao da temperatura de R
p
durante o tempo da
medio.
(R
p
)=+5,10
-6
/C
t=0,5 C
Incerteza devida variao da temperatura de R
x
durante o tempo da
medio
(R
x
)=+5,10
-6
/C
t=0,5 C
Incerteza devida ao mtodo de medio
Utiliza-se o mesmo voltmetro para medir as tenses U
x
e U
p
, pelo
que existe entre elas uma correlao negativa, que contribui para
diminuir a incerteza da relao U
x
/U
p
.
Como um majorante dessa incerteza, vamos utilizar o erro mximo
admissvel do voltmetro.
U=8,10
-6

Incerteza devida oscilao das diversas medies de U
x
/U
p

efectuadas.
Utiliza-se o mesmo voltmetro para medir as tenses U
x
e U
p
,
calculando-se o seu quociente.
Calcula-se o desvio-padro das determinaes de U
x
/U
p
.

U=1,10
-6

10.10.5 Leituras efectuadas
A repetio da medio do ratio U
x
/U
p
com o voltmetro conduziu aos valores que
a seguir se indicam.
N. U
x
/U
p

1 1,000 001 7
2 1,000 001 4
3 1,000 001 8
4 1,000 001 2
5 1,000 000 1
6 1,000 003 3
7 1,000 000 6
8 1,000 000 5
9 1,000 002 4
10 1,000 000 2
Mdia = 1,000 001 3
D. p. = 1,0 E-06

10.10.6 Balano de incertezas
Com a informao recolhida, vai-se fazer o clculo da incerteza combinada,
expandida, da resistncia R
x
. Esse balano est sistematizado no quadro seguinte.

Fonte de
incerteza
Processo de
avaliao
Valor
conhecido
Tipo (A/B) /
Distribuio
Incerteza
normalizada
Coeficiente de
sensibilidade
Varincia
N. graus
liberdade
Calibrao da
resistncia
padro (R
p
)
Certificado 5.00E-06
B / Normal
(k=2)
2.50E-06 1 6.25E-12 inf.
Deriva com o
tempo de R
p

Histrico 0 B / Rectangular 0.00E+00 1 0.00E+00 inf.
Variao da
temperatura de
R
p

Estimativa 0.5 C B / Rectangular 2.89E-01 5.00E-06/C 2.08E-12 inf.
Variao da
temperatura de
R
x

Estimativa 0.5 C B / Rectangular 2.89E-01 5.00E-06/C 2.08E-12 inf.
Mtodo de
medio
Especif.
voltmetro
8.00E-06 B / Rectangular 4.62E-06 1 2.13E-11 inf.
Repetibilidade
das medies
Ensaio 1.00E-06
A / Normal
(n=10)
3.16E-07 1 1.00E-13 9

Soma das varincias = 3.19E-11
Incerteza combinada = 5.64E-06
NGL efectivos = 912 980
Factor k = 2.00
Incerteza expandida = 1.13E-05

11 Problemas propostos

1. Os erros so valores
a) Conhecidos?
b) Desconhecidos, podendo apenas ser estimados?

2. Um erro aleatrio pode ser corrigido?
a) Sim
b) No

3. Se conhecermos a classe de exactido de um instrumento podemos saber qual o
seu erro?
a) Sim
b) No

4. Um certificado de calibrao serve para
a) Comprovar o bom funcionamento de um instrumento?
b) Garantir que as especificaes do fabricante so respeitadas?
c) Fornecer uma indicao sobre a fidelidade do instrumento?
d) Corrigir eventualmente o erro do instrumento?

5. Refira as principais categorias (famlias) de causas de erros nas medies.

6. Num certificado de calibrao emitido por um laboratrio acreditado pelo IPQ a
incerteza de medio indicada de 10 unidades. A incerteza-padro ser de
a) 10
b) 5
c) 3,33

7. Um instrumento apresenta 0,1 unidade como menor indicao. Qual ser a
incerteza-padro devida sua resoluo?
a) 0,029
b) 0,1
c) 0,058

8. Os mtodos de avaliao de incertezas do Tipo A so
a) mais poderosos que os do Tipo B?
b) equivalentes aos mtodos do Tipo B?
c) os nicos que permitem calcular uma incerteza-padro?

9. Os mtodos de avaliao de incertezas do Tipo B
a) so mais rigorosos que os do Tipo A?
b) requerem mais tempo que os mtodos do Tipo A?
c) necessitam uma grande competncia e experincia metrolgicas?

10. O efeito das correlaes entre diversas grandezas de entrada
a) aumenta sempre a incerteza do resultado?
b) pode por vezes diminuir a incerteza do resultado?

11. Refira qual a diferena entre as regras de arredondamento de resultados nos
casos de
a) soma ou subtraco
b) produto ou quociente

12. Efectue os clculos seguintes, apresentando correctamente os resultados
a) 3,404 + 31,1
b) 3,10 133,03
12 Lista de funes estatsticas do Microsoft
Excel

Verso Portuguesa Verso Inglesa Descrio sucinta
BETA.ACUM.INV BETAINV Devolve o inverso da funo de densidade de
probabilidade beta acumulada
CONTAR COUNT Conta os nmeros que existem numa lista de
argumentos
CONTAR.VAL COUNTA Conta o nmero de valores que existem numa
lista de argumentos
CONTAR.VAZIO COUNTBLANK Conta o nmero de clulas em branco num
intervalo de clulas especificado
CONTAR.SE COUNTIF Calcula o nmero de clulas num intervalo que
corresponde aos critrios determinados
CORREL CORREL Devolve o coeficiente de correlao entre dois
conjuntos de dados
COVAR COVAR Devolve a covarincia
CRESCIMENTO GROWTH Devolve valores ao longo de uma tendncia
exponencial
CRIT.BINOM CRITBINOM Devolve o menor valor em que a distribuio
binomial acumulada inferior ou igual a um dado
valor
CURT KURT Devolve a curtose de um conjunto de dados
DECLIVE SLOPE Devolve o declive da recta de regresso linear
DESV.MDIO AVEDEV Devolve a mdia dos desvios absolutos de um
conjunto de pontos em relao mdia dos
dados
DESVPAD STDEV Calcula o desvio-padro a partir de uma amostra
DESVPADA STDEVA Calcula o desvio-padro com base numa
amostra, incluindo nmeros, texto e valores
lgicos
DESVPADP STDEVP Calcula o desvio-padro com base na populao
total
DESVPADPA STDEVPA Calcula o desvio-padro com base na populao
total, incluindo nmeros, texto e valores lgicos
DESVQ DEVSQ Devolve a soma dos quadrados dos desvios
DIST.BIN.NEG NEGBINOMDIST Devolve a distribuio binomial negativa
DIST.CHI CHIDIST Devolve a probabilidade unicaudal da distribuio
do qui-quadrado
DIST.HIPERGEOM HYPGEOMDIST Devolve a distribuio hipergeomtrica
DIST.NORM NORMDIST Devolve a distribuio normal acumulada
DIST.NORMALLOG LOGNORMDIST Devolve a distribuio log-normal acumulada
DIST.NORMP NORMSDIST Devolve a distribuio normal padro acumulada
DISTBETA BETADIST Devolve a funo de densidade de probabilidade
beta acumulada
DISTEXPON EXPONDIST Devolve a distribuio exponencial
DISTF FDIST Devolve a distribuio de probabilidade F
DISTGAMA GAMMADIST Devolve a distribuio gama
DISTORO SKEW Devolve a distoro de uma distribuio
DISTRBINOM BINOMDIST Devolve a probabilidade da distribuio binomial
de termo individual
DISTT TDIST Devolve a distribuio t de Student
EPADYX STEYX Devolve o erro-padro do valor y previsto para
cada x da regresso
FISHER FISHER Devolve a transformao de Fisher
FISHERINV FISHERINV Devolve o inverso da transformao de Fisher
FREQUNCIA FREQUENCY Devolve uma distribuio de frequncia como
uma matriz vertical
INT.CONFIANA CONFIDENCE Devolve o intervalo de confiana para a mdia de
uma populao
INTERCEPTAR INTERCEPT Devolve a intercepo da linha de regresso
linear
INV.CHI CHIINV Devolve o inverso da probabilidade unicaudal da
distribuio do qui-quadrado
INV.NORM NORMINV Devolve o inverso da distribuio normal
acumulada
INV.NORMP NORMSINV Devolve o inverso da distribuio normal padro
acumulada
INVF FINV Devolve o inverso da distribuio de
probabilidade F
INVGAMA GAMMAINV Devolve o inverso da distribuio gama
acumulada
INVLOG LOGINV Devolve o inverso da distribuio log-normal
INVT TINV Devolve o inverso da distribuio t de Student
LNGAMA GAMMALN Devolve o logaritmo natural da funo gama, (x)
MAIOR LARGE Devolve o n-simo maior valor de um conjunto de
dados
MXIMO MAX Devolve o valor mximo numa lista de
argumentos
MXIMOA MAXA Devolve o valor mximo numa lista de
argumentos, incluindo nmeros, texto e valores
lgicos
MED MEDIAN Devolve a mediana dos nmeros dados
MDIA AVERAGE Devolve a mdia dos respectivos argumentos
MDIA.GEOMTRICA GEOMEAN Devolve a mdia geomtrica
MDIA.HARMNICA HARMEAN Devolve a mdia harmnica
MDIA.INTERNA TRIMMEAN Devolve a mdia do interior de um conjunto de
dados
MDIAA AVERAGEA Devolve a mdia dos respectivos argumentos,
incluindo nmeros, texto e valores lgicos
MENOR SMALL Devolve o n-simo menor valor de um conjunto
de dados
MNIMO MIN Devolve o valor mnimo numa lista de argumentos
MNIMOA MINA Devolve o valor mnimo numa lista de
argumentos, incluindo nmeros, texto e valores
lgicos
MODA MODE Devolve o valor mais comum num conjunto de
dados
NORMALIZAR STANDARDIZE Devolve um valor normalizado
ORDEM RANK Devolve a ordem de um nmero numa lista de
nmeros
ORDEM.PERCENTUAL PERCENTRANK Devolve a ordem percentual de um valor num
conjunto de dados
PEARSON PEARSON Devolve o coeficiente de correlao do momento
do produto de Pearson
PERCENTIL PERCENTILE Devolve o n-simo percentil de valores num
intervalo
PERMUTAR PERMUT Devolve o nmero de permutaes de um
determinado nmero de objectos
POISSON POISSON Devolve a distribuio de Poisson
PREVISO FORECAST Devolve um valor ao longo de uma tendncia
linear
PROB PROB Devolve a probabilidade de um conjunto de
valores estarem entre dois limites dados
PROJ.LIN LINEST Devolve os parmetros de uma tendncia linear
PROJ.LOG LOGEST Devolve os parmetros de uma tendncia
exponencial
QUARTIL QUARTILE Devolve o quartil de um conjunto de dados
RQUAD RSQ Devolve o quadrado do coeficiente de correlao
do momento do produto de Pearson
TENDNCIA TREND Devolve valores ao longo de uma tendncia linear
TESTE.CHI CHITEST Devolve o teste de independncia
TESTEF FTEST Devolve o resultado de um teste F
TESTET TTEST Devolve a probabilidade associada ao teste t de
Student
TESTEZ ZTEST Devolve o valor da probabilidade unicaudal de um
teste-z
VAR VAR Calcula a varincia a partir de uma amostra
VARA VARA Calcula a varincia a partir de uma amostra,
VARP VARP Calcula a varincia com base na populao total
VARPA VARPA Calcula a varincia com base na populao total,
WEIBULL WEIBULL Devolve a distribuio de Weibull

13 Sistema Internacional de Unidades (SI)
13.1 Unidades de base

Unidade SI de base Grandeza de base
nome smbolo definio
comprimento metro m O metro o comprimento do trajecto
percorrido pela luz no vazio, durante um
intervalo de tempo de 1/299 792 458 do
segundo.
massa quilograma kg O quilograma a unidade de massa e
igual massa do prottipo internacional do
quilograma.
tempo segundo s O segundo a durao de 9 192 631 770
perodos da radiao correspondente
transio entre os 2 nveis hiperfinos do
estado fundamental do tomo de csio 133.
corrente elctrica ampere A O ampere a intensidade de uma corrente
elctrica constante que, mantida em dois
condutores paralelos, rectilneos, de
comprimento infinito, de seco circular
desprezvel e colocados distncia de 1
metro um do outro, no vazio, produziria entre
estes condutores uma fora igual a 2x10
-7
N
por metro de comprimento.
temperatura termodinmica kelvin K O kelvin, unidade de temperatura
termodinmica, a fraco 1/273,16 da
temperatura termodinmica do ponto triplo da
gua.
quantidade de matria mole mol A mole a quantidade de matria de um
sistema contendo tantas entidades
elementares quantos os tomos que existem
em 0,012 kg de carbono 12. Ao utilizar a
mole, as entidades elementares devem ser
especificadas e podem ser tomos,
molculas, ies, electres, outras partculas
ou agrupamentos especificados de tais
partculas.
intensidade luminosa candela cd A candela a intensidade luminosa, numa
direco dada, de uma fonte de luz que emite
uma radiao monocromtica de frequncia
540x10
12
Hz e cuja intensidade radiante
nessa direco de1/683 W/sr


13.2 Unidades derivadas com nomes especiais

Unidade Grandeza derivada
Nome Smbolo
Expresso equivalente
em unidades SI de base
ngulo plano radiano rad 1
ngulo slido esterradiano sr 1
frequncia hertz Hz s
-1

fora newton N m.kg.s
-2

trabalho, energia, calor joule J m
2
.kg.s
-2

temperatura Celsius grau Celsius C K
presso pascal Pa m
-1
.kg.s
-2

potncia watt W m
2
.kg.s
-3

carga elctrica coulomb C s.A
potencial elctrico, tenso, fora electromotriz volt V m
2
.kg.s
-3
.A
-1

capacidade elctrica farad F m
-2
.kg
-1
.s
4
.A
2

resistncia elctrica ohm m
2
.kg.s
-3
.A
-2

condutncia elctrica siemens S m
-2
.kg
-1
.s
3
.A
2

induo magntica tesla T kg.s
-2
.A
-1

fluxo de induo magntica weber Wb m
2
.kg.s
-2
.A
-1

indutncia henry H m
2
.kg.s
-2
.A
-2

fluxo luminoso lmen lm cd.sr
iluminao lux lx m
-2
.cd.sr
actividade (de uma fonte radioactiva) becquerel Bq s
-1

dose absorvida (de radiao ionizante) gray Gy m
2
.s
-2

dose equivalente (de radiao ionizante) sievert Sv m
2
.s
-2

actividade cataltica katal kat mol.s
-1

Nota 1 A unidade grau Celsius exactamente igual unidade kelvin. No entanto, o valor
numrico de uma grandeza expressa em C difere do valor numrico da mesma grandeza quando
expressa em K porque o incio da escala K inferior de 273,15 ao incio da escala C (por exemplo, a
temperatura de 20 C equivale a 293,15 K). Deste modo, um intervalo ou uma diferena de
temperaturas exprimem-se pelo mesmo nmero, quer em C, quer em K.
Nota 2 A designao grau centgrado no existe no SI. Esse nome foi rejeitado j em 1948 pelo
CIPM e pela CGPM.
Nota 3 O radiano e o esterradiano constituram durante algum tempo a classe das unidades
suplementares. Contudo a 20. CGPM (1995) eliminou essa classe, passando o rad e o sr a ser
simplesmente unidades derivadas com nome especial.


13.3 Prefixos dos mltiplos e submltiplos das unidades SI

Factor Prefixo Smbolo Factor Prefixo Smbolo
10
24
yotta Y 10
-1
deci d
10
21
zetta Z 10
-2
centi c
10
18
exa E 10
-3
mili m
10
15
peta P 10
-6
micro
10
12
tera T 10
-9
nano n
10
9
giga G 10
-12
pico p
10
6
mega M 10
-15
fento f
10
3
quilo k 10
-18
ato a
10
2
hecto h 10
-21
zepto z
10 deca da 10
-24
yocto y

Nota A designao mcron, para indicar 1 m = 10
-3
mm = 10
-6
m, foi suprimida pela 13. CGPM
(1967, Resoluo 7).

13.3.1 Nomenclatura dos grandes nmeros
Portugal adoptou (em 1959) a regra N para a nomenclatura dos grandes nmeros recomendada
pela 9. CGPM (1948). Esta regra dada pela expresso 10
6n
= (n)ilio
Assim, vir:
10
6
= 10
6x1
= milho
10
12
= 10
6x2
= bilio
10
18
= 10
6x3
= trilio
10
24
= 10
6x4
= quatrilio
10
30
= 10
6x5
= quintilio
10
36
= 10
6x6
= sextilio
...

Uma vez que diversos pases adoptaram uma conveno diferente da que seguida na Europa,
por vezes podem surgir confuses com a nomenclatura de grandes nmeros. Apresenta-se aqui uma
breve comparao de designaes utilizadas em alguns pases europeus e americanos.
Pas 10
3
10
6
10
9
10
12
10
15

Portugal
mil milho mil milhes bilio mil bilies
Espanha
mil milln mil millones billn mil billones
Itlia
mille milione miliardo bilione mille biliones
Frana
mille million milliard billion mille billions
Inglaterra
thousand million thousand million
(milliard)
billion thousand billion
E.U.A.
thousand million billion trillion quadrillion
Brasil
mil milho bilho trilho quatrilho


14 Alfabeto grego

Maiscula Minscula Pronncia
alfa
beta
gama
delta
,
epsilon
zeta
eta
, teta
iota
capa
lambda
mi
ni
csi
omicron
, pi
r
sigma
tau
upsilon
, fi
qui
psi
mega


15 Bibliografia
Terminologia
[1] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML - International Vocabulary of
basic and general terms in Metrology (VIM) - ISO, 1993
[2] OIML - International Vocabulary of terms in Legal Metrology (VIML) -
BIML, 2000
[3] CPM/CNQ - Vocabulrio Internacional de Metrologia. Termos
fundamentais e gerais - IPQ, 1996 (traduo portuguesa do VIM de 1993)

Estatstica
[4] Rui C. Guimares, J. A. Sarsfield Cabral - Estatstica (edio revista) -
McGraw-Hill, 1997
[5] Murray R. Spiegel - Estatstica (3. edio) - McGraw-Hill, 1994
[6] Paulo Cabral - Aplicao da estatstica s medies de grandezas fsicas.
Breve introduo - Relacre / IEP, 1993

Incertezas
[7] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM) ISO, 1993
[8] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM). Supplement 1: Numerical methods for
the propagation of distributions ISO, 2004 (draft)
[9] EA Expression of the uncertainty of measurement in calibration EA
Publication 4/02, 1999
[10] EA Guidelines on the expression of uncertainty in quantitative testing
EA Publication 4/16, 2003
[11] John R. Taylor An introduction to error analysis. The study of
uncertainties in physical measurements (second edition) University
Science Books, 1997
[12] C. Perruchet, M. Priel Estimer lincertitude. Mesures, essais AFNOR,
2000
[13] I. Lira Evaluating the Measurement Uncertainty: Fundamentals and
Practical Guidance Institute of Physics, 2002
[14] Barry N. Taylor, Chris E. Kuyatt - Guidelines for Evaluating and Expressing
the Uncertainty of NIST Measurement Results - NIST Technical Note 1297,
1994
[15] UKAS The expression of uncertainty and confidence in measurement
UKAS Publication M 3003, 1997
[16] UKAS - The Expression of Uncertainty in Testing - UKAS Publication LAB
12, 2000
[17] Stephanie Bell A Beginners Guide to Uncertainty of Measurement NPL,
2001
[18] (vrios) Workshop and Seminar on Measurement Uncertainty in Testing.
Evaluation and application Eurolab, 1992
[19] Eurachem / Citac - Quantifying Uncertainty in Analytical Measurement -
2000

Outros assuntos relevantes
[20] ISO General principles concerning quantities, units and symbols
Norma Internacional ISO 31-0, 1992
[21] T. J. Quinn, I. M. Mills The use and abuse of the terms percent, parts per
million and parts in 10
n
in Metrologia, vol. 35, 1998
[22] BIPM Le Systme International dunits (SI) (7. edio) BIPM, 1998 +
suplemento 2000
[23] Barry N. Taylor Guide for the use of the International System of Units (SI)
NIST Special Publication 811, 1995
[24] Guilherme de Almeida Sistema Internacional de Unidades (SI) (3. edio)
Pltano, 2002
[25] Paulo Cabral Metrologia Industrial, uma funo de Gesto da Qualidade
IEP, 1994
[26] IEC - Direct acting indicating analogue electrical measuring instruments
and their accessories Srie de normas IEC 60051, 1984 ... 1997

16 Soluo dos problemas propostos

1. b)
Os erros nunca podem ser conhecidos, como se pode concluir da definio de
erro (VIM 3.10). Nessa definio referido o conceito de valor verdadeiro, o
qual por natureza desconhecido.

2. b)
Os erros aleatrios no podem ser corrigidos. Podem simplesmente ser
minimizados por meio da repetio das medies e tomando precaues para
que essas medies sejam independentes. Supe-se que dessa forma os
factores que no podemos controlar se manifestam de forma a serem anulados
quando se calculam as mdias.

3. b)
A classe de exactido no permite ter uma estimativa do erro do instrumento. Se
esse instrumento tiver sido verificado, podemos quando muito saber que os seus
erros so inferiores aos erros mximos admissveis. Apenas atravs de uma
calibrao se poder ter uma estimativa do erro do instrumento.

4. d)

5. Condies ambientais; instrumento utilizado; objecto da medio (mensurando);
mtodo de medio; operador.

6. b)
A incerteza que apresentada nos certificados de calibrao a incerteza
expandida, que corresponde incerteza padro multiplicada por um factor de
expanso k=2 (salvo se for indicado expressamente outro valor para k).

7. a)
029 , 0
3
2 1 , 0
= u

8. b)
No existe diferena nem de finalidade nem de desempenho entre os mtodos
do Tipo A e os do Tipo B. Em numerosas fontes de incerteza podem-se utilizar
um ou outro dos mtodos.

9. c)
Os mtodos do Tipo B permitem modelizar uma componente da incerteza
(domnio de variao, forma da distribuio de probabilidades, etc.) com base
nos conhecimentos e na experincia a priori.

10. b)
O coeficiente de correlao pode tomar valores entre 1 e +1, pelo que a
considerao das correlaes entre grandezas pode introduzir valores negativos
na expresso de clculo da incerteza padro.

11. a) Soma ou subtraco: mantm-se no resultado o nmero de casas decimais da
parcela que tiver menos casas decimais.
b) Produto ou quociente: mantm-se no resultado o nmero de algarismos
significativos da parcela que tiver menos algarismos significativos.

12. a) 34,5
b) 412

17 Distribuio do t de Student
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que
abrange uma fraco p% da distribuio

N. de graus
de liberdade
68.27% 90% 95% 95.45% 99% 99.73%

1 1.837 6.314 12.71 13.97 63.66 235.8
2 1.321 2.920 4.303 4.527 9.925 19.21
3 1.197 2.353 3.182 3.307 5.841 9.219
4 1.142 2.132 2.776 2.869 4.604 6.620
5 1.111 2.015 2.571 2.649 4.032 5.507
6 1.091 1.943 2.447 2.517 3.707 4.904
7 1.077 1.895 2.365 2.429 3.499 4.530
8 1.067 1.860 2.306 2.366 3.355 4.277
9 1.059 1.833 2.262 2.320 3.250 4.094
10 1.053 1.812 2.228 2.284 3.169 3.957
11 1.048 1.796 2.201 2.255 3.106 3.850
12 1.043 1.782 2.179 2.231 3.055 3.764
13 1.040 1.771 2.160 2.212 3.012 3.694
14 1.037 1.761 2.145 2.195 2.977 3.636
15 1.034 1.753 2.131 2.181 2.947 3.586
16 1.032 1.746 2.120 2.169 2.921 3.544
17 1.030 1.740 2.110 2.158 2.898 3.507
18 1.029 1.734 2.101 2.149 2.878 3.475
19 1.027 1.729 2.093 2.140 2.861 3.447
20 1.026 1.725 2.086 2.133 2.845 3.422
25 1.020 1.708 2.060 2.105 2.787 3.330
30 1.017 1.697 2.042 2.087 2.750 3.270
35 1.015 1.690 2.030 2.074 2.724 3.229
40 1.013 1.684 2.021 2.064 2.704 3.199
45 1.011 1.679 2.014 2.057 2.690 3.176
50 1.010 1.676 2.009 2.051 2.678 3.157
100 1.005 1.660 1.984 2.025 2.626 3.077
1.000 1.645 1.960 2.000 2.576 3.000
Nvel de Probabilidade, p (*)

(*) Para uma grandeza z que possa ser descrita por uma distribuio normal com esperana
z
e
desvio-padro
z
, o intervalo
z
k abrange p=68,27%; 95,45%; e 99,73% da distribuio para k=1; 2;
e 3, respectivamente.

17.2 Correco a aplicar ao desvio-padro, segundo o nmero de medies,
para diferentes factores de expanso do resultado final

68.27% 90% 95% 95.45% 99% 99.73%
k = 1 k = 1.645 k = 1.96 k = 2 k = 2.576 k = 3
1 1.837 3.838 6.483 6.984 24.71 78.59
2 1.321 1.775 2.195 2.263 3.853 6.402
3 1.197 1.431 1.624 1.653 2.267 3.073
4 1.142 1.296 1.417 1.435 1.787 2.207
5 1.111 1.225 1.312 1.324 1.565 1.836
6 1.091 1.181 1.248 1.258 1.439 1.635
7 1.077 1.152 1.206 1.214 1.358 1.510
8 1.067 1.130 1.177 1.183 1.303 1.426
9 1.059 1.114 1.154 1.160 1.262 1.365
10 1.053 1.102 1.137 1.142 1.230 1.319
11 1.048 1.092 1.123 1.127 1.206 1.283
12 1.043 1.083 1.112 1.116 1.186 1.255
13 1.040 1.077 1.102 1.106 1.169 1.231
14 1.037 1.071 1.094 1.098 1.156 1.212
15 1.034 1.066 1.087 1.091 1.144 1.195
16 1.032 1.061 1.082 1.084 1.134 1.181
17 1.030 1.058 1.076 1.079 1.125 1.169
18 1.029 1.054 1.072 1.074 1.117 1.158
19 1.027 1.051 1.068 1.070 1.111 1.149
20 1.026 1.048 1.064 1.067 1.105 1.141
25 1.020 1.038 1.051 1.053 1.082 1.110
30 1.017 1.032 1.042 1.043 1.068 1.090
35 1.015 1.027 1.036 1.037 1.057 1.076
40 1.013 1.024 1.031 1.032 1.050 1.066
45 1.011 1.021 1.028 1.029 1.044 1.059
50 1.010 1.019 1.025 1.026 1.040 1.052
100 1.005 1.009 1.012 1.013 1.019 1.026
1.000 1.000 1.000 1.000 1.000 1.000
Factor de expanso a aplicar ao resultado final para uma probabilidade p%
N. de graus
de liberdade

Exemplos
a) Para n = 10 medies ( = n-1 = 9 graus de liberdade) e k = 1, o factor de correco 1,059, ou
seja,
incerteza normalizada = 1,059 x desvio-padro estimado.
b) Para n = 5 medies ( = 4 g. l.) de uma grandeza que considerada a nica fonte de incerteza
relevante, para um nvel de confiana de cerca de 95% (k = 2), o factor de correco ser
1,435, isto ,
incerteza normalizada = 1,435 x desvio-padro estimado
incerteza expandida = 2 x incerteza normalizada.

FIM

Instituto Electrotcnico Portugus Instituto Superior de Engenharia do Porto
2004

Erros Incertezas Nas Medicoes Errors Uncertainties Measurement

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Erros Incertezas Nas Medicoes Errors Uncertainties Measurement

Diunggah oleh

Hak Cipta:

Format Tersedia

E

= = , em que d o dimetro e h a altura do cilindro. Sejam

68.27% 90% 95% 95.45% 99% 99.73%

Anda mungkin juga menyukai