Teoria Dos Erros

TEORIA DOS ERROS
Aula9
Disciplina: Metrologia
Prof. Wagner G. Fernandes
2
Introduo
As determinaes experimentais envolvem
medidas e como as medidas esto sempre
sujeitas a alguma incerteza, preciso fazer-se
alguma estimativa dessas incertezas antes que
os resultados possam ser interpretados ou us-
los. Assim, quando medimos uma grandeza um
certo nmero de vezes, os valores obtidos
provavelmente no sero idnticos devido aos
erros experimentais.
Teoria dos Erros
Conceitos Bsicos
3

Teoria dos Erros
Surgem, ento, as questes...

Qual o nmero que se deve adotar como o
valor mais representativo da grandeza
medida?

Com que grau de confiana pode-se afirmar
que o nmero adotado representa este valor?
4

Teoria dos Erros
Ao analisar os resultados de uma experincia
torna-se necessrio, portanto, fixarem-se
critrios para escolher o valor representativo e
seu domnio de flutuao, e estabelecer-se o
nvel de confiana a tal domnio.

Tais questes so objetos de estudos
da teoria dos erros.
5

Teoria dos Erros
Tendo-se pois, uma srie de medidas de uma
grandeza, com a teoria de erros, procuramos
responder s questes:

1. Qual o valor mais representativo da grandeza?
2. Que medida de disperso usar para definir um
intervalo de variao para a medida?
3. Como se associar uma chance de reprodutibilidade
(nvel de confiana) a um dado intervalo?
4. Como propagar os erros associados s grandezas
medidas a outras grandezas calculadas a partir delas,
atravs de expresses matemticas?
6

Teoria dos Erros
Medidas diretas e indiretas

As grandezas podem ser medidas direta
ou indiretamente, havendo, em cada
caso, um modo diferente de tratar seus
valores e os erros a eles associados.
7
Medidas diretas so as obtidas por simples
comparao utilizando-se instrumentos de
medida j calibrados para tal fim. Neste tipo de
medida devemos distinguir dois casos:

(i) a medida feita atravs de uma nica
determinao onde o valor numrico ou lido
numa escala (rgua, paqumetro, cronmetro,
balana, etc.) ou fornecido diretamente como no
caso de massas aferidas.

(ii) a medida obtida atravs de vrias
determinaes onde o valor numrico dado pelo
Valor Mais provvel (definido posteriormente).
Teoria dos Erros
8

Teoria dos Erros
Medidas indiretas
so todas aquelas relacionadas com as
medidas diretas por meio de definies, leis e
suas conseqncias. Neste tipo de medidas o
valor numrico assim como a dimenso e a
unidade correspondentes, so encontradas
atravs de expresses matemticas que as
ligam as medidas diretas envolvidas.
Exemplo a determinao do volume dum
cilindro a partir da medida de suas dimenses.

9

Teoria dos Erros
Classificao de erros
As medidas experimentais so ordinariamente
acompanhadas de alguma incerteza e esta
incerteza limita o objetivo de se conhecer o
valor verdadeiro da grandeza. Tm-se, assim,
os erros,os quais podem ser classificados nos
seguintes tipos:
Erros grosseiros;
Erros sistemticos;
Erros acidentais.
10

Teoria dos Erros
Erros grosseiros
so aqueles cometidos devido falta de ateno ou
de prtica do operador.

Deste tipo so os erros cometidos em operaes
matemticas, enganos na leitura ou escrita de
dados, ou engano na leitura duma escala.

A possibilidade de ocorrncia desses erros pode ser
bastante reduzida pela ateno do operador e pela
repetio das medidas e dos clculos.
11

Teoria dos Erros
Erros sistemticos
so aqueles decorrentes de causas constantes e se caracterizam
por ocorrerem sempre com os mesmos valores e sinal.

So erros devidos a aparelhos descalibrados, a mtodos falhos, ao
uso de equaes incompletas, a condies ambientais inadequadas
aos instrumentos de medida e a hbitos errados do operador.

O modo de eliminarem-se esses erros, ou reduzi-los a um mnimo,
trabalhar com instrumentos calibrados os instrumentos devem estar
"zerados" e, quando for o caso, com a calibrao corrigida para as
condies ambientais com mtodos corretos e equaes
adequadas.

No caso de se ter medidas afetadas por um erro sistemtico e se
conhea seu valor e sinal, possvel elimin-lo, j que ele entra com
valor e sinal iguais em todas as medidas.
12

Teoria dos Erros
Erros acidentais

so aqueles devidos a causas fortuitas.

Tambm chamados de erros aleatrios ou
estatsticos, eles resultam do somatrio de
pequenos erros independentes e incontrolveis
afetando o observador, o instrumento de
medida, o objeto a ser medido e as condies
ambientais.
13

Teoria dos Erros
So causas desses erros, por exemplo, a variao do
"milmetro" ao longo duma reta milimetrada; a flutuao dos
instrumentos de medida ligados na rede eltrica; a estimativa
que o observador faz na leitura de dados, as pequenas
variaes da grandeza medida quando comparadas
sensibilidade do arranjo experimental (no caso de a variao da
grandeza ser bem maior que a sensibilidade do arranjo
experimental, a diferena entre as medidas deve ser atribuda
prpria variao da grandeza). Sendo esses erros originados
por um grande nmero de
causas, todas elas provocando variaes, para mais e para
menos, de intensidade dentro da sensibilidade do arranjo
experimental, eles obedecem a leis matemticas bem definidas
e podem ser tratados pela teoria estatstica.
Erros acidentais
14

Teoria dos Erros
15

Teoria dos Erros
16

Teoria dos Erros
17

Teoria dos Erros
18

Teoria dos Erros
19

Teoria dos Erros
20

Teoria dos Erros
21

Teoria dos Erros
22
Regras de arredondamento
1. Para valor da varivel
Regras clssicas de aproximao
>5 para mais
<5 para menos
=5 se par =, se impar aumento
2. Para a incerteza
Se a incerteza diminuir muito (>5%), no aproximo
Apresentar a incerteza (u) com 1 ou 2 algarismos
significativos
Exemplo: u = 0,008349 u.M. u = 0,008 u.M.
Ou: u = 0,008349 u.M. u = 0,0083 u.M..
23
Varivel:
1. Se o algarismo direita do ltimo dgito, a
ser considerado, for menor que 5, todos os
demais dgitos direita devem ser
desconsiderados:
Exemplo: incerteza igual a u = 0,008 u.M.
V = 0,456247 u.M. V = 0,456 u.M.
V = 0,456247 u.M. V = 0,4562 u.M.

24
2. Se o algarismo direita do ltimo dgito, a ser
considerado, for maior que 5, deve-se adicionar um (1) a
este dgito
V = 0,456677 u.M. V = 0,457 u.M.
V = 0,456677 u.M. V = 0,4567 u.M.
3. Se o algarismo direita do ltimo dgito, a ser
considerado, for igual a 5, e este algarismo for impar,
deve-se adicionar um (1) a este dgito e desconsiderar
os demais dgitos. Se este algarismo for par, mantenha.
V = 0,456577 u.M. V = 0,456 u.M.
V = 0,455577 u.M. V = 0,456 u.M.

Varivel:
25
Incerteza:
1. Use o bom senso
2. NORMA NIT-DICLA-021 (2003) recomenda que
se o arredondamento diminuir o valor numrico da incerteza de
medio em mais de 5%, deve-se arredondar o valor para cima
Exemplo: u = 0,0074 u.M. u = 0,008 u.M.
3. Apresentar a incerteza (u) com 1 ou 2 algarismos
significativos
Exemplo: Como expressar a incerteza u = 0,008349 u.M.?
Ou: u = 0,008349 u.M. u = 0,008 u.M.
Ou: u = 0,008349 u.M. u = 0,009 u.M.
Ou: u = 0,008349 u.M. u = 0,0083 u.M.
Ou: u = 0,008349 u.M. u = 0,0084 u.M.
Depende do problema

26
Regras para
apresentao de uma medida
(fonte: lista de calibrao)
Segundo o GUM [sic], os processo de medies usuais, baseados
em poucas replicatas, no tm informao suficiente que
justifique relatar a incerteza com mais de 2 algarismos
significativos. Assim, nenhuma das duas formas de apresentar a
incerteza expandida ou padro apresentadas: 167,34 g ou 200 g,
esto corretas, pois tm 5 e 3 algarismos significativos,
respectivamente
No caso do exemplo citado, as formas corretas seriam
U = 1,7 x 10
2
g ou 2 x 10
2
(o sinal ^ representa: elevado a),
respectivamente, com 2 e 1 algarismo significativo
Particularmente, considero que o certificado de calibrao deveria
adotar a primeira forma, com 2 algarismos significativos, pois o
usurio desse certificado, certamente usar a incerteza de
calibrao como uma fonte de incerteza de suas medies de
rotina, assim o arredondamento para 1 significativo pode deturpar
significativamente a incerteza combinada das medies de rotina
Welington Ferreira de MAGALHES - UFMG
27
Regras para
apresentao de uma medida
(fonte: lista de calibrao)
A incerteza expandida resultado de clculos estatsticos e portanto uma avaliao
aproximada. Quanto expressamos a incerteza expandida para o uso no Resultado da Medio,
por sua natureza estatstica, no faz sentido o uso de mais que dois algarismos significativos,
sendo comumente encontrado o uso de um algarismo significativo. Se esse valor um
resultado intermedirio e ser utilizado em futuros clculos por voc, vale a pena guardar o
nmero com um pouco mais de algarismos significativos, para que erros de arredondamento
no influenciem no resultado final. Essas informaes podem ser obtidas no item 7.2.6 do Guia
para Expresso da Incerteza de Medio do Inmetro
A expresso da incerteza da medio no est relacionada com a resoluo do instrumento, a
no ser pelo fato de uma das incertezas que compe a incerteza combinada ser a da
resoluo
No exemplo dado por voc eu expressaria a incerteza expandida em uma das seguintes
formas:
a) 17 x 10 g (dois algarismos significativos - caso o mtodo utilizado tivesse sido aplicado com
muito cuidado e envolvendo um grande nmero de medies, caso dos certificados de
calibrao)
b) 2 x 100 g (um algarismo significativo - caso geral)

Espero ter colaborado com a discusso sobre o assunto
Atenciosamente, lvaro M. B. Tibiri.
28
No que eu procure falar difcil,
que as coisas tm nome
Joo Guimares Rosa
29
INCERTEZA DE MEDIO
Programa da disciplina
1. Introduo e Bibliografia
2. Histrico
3. SI Sistema Internacional de Unidades
4. No que eu procure falar difcil,
que as coisas tm nome: VIM
5. Navegar preciso, viver no preciso
ou conceitos sobre incerteza de medio
6. Roteiro para avaliao da incerteza de medio
7. Um pouco de estatstica
8. Avaliao da incerteza de medio
9. Planilha para avaliao da incerteza de medio
10. Mais um pouco de estatstica
11. Outros procedimentos para avaliao da incerteza
12. Resumo: avaliao da incerteza de medio
13. Avanos na avaliao da incerteza de medio.
30
"Eis que todos constituem um s
povo e falam uma s lngua. Isso
o comeo de suas iniciativas!
Agora, nenhum desgnio ser
irrealizvel para eles."

Jeov, um pouco antes de
confundir a linguagem dos
homens (Gnesis,11)
31
INCERTEZA DA MEDIO
ou
INCERTEZA DE MEDIO?
Vamos ao
Vocabulrio Internacional de Metrologia
ou simplesmente VIM
INCERTEZA
DE
MEDIO.
32
VIM
Em 10 Julho de 1995 entrou em vigor a
Portaria Inmetro n
o
029, qual determinou o
seguinte:
Adotar no Brasil, a nova verso do
Vocabulrio Internacional de Termos
Fundamentais e Gerais de Metrologia
(VIM), em anexo, baseada na 21
edio
(1993) do documento elaborado pelo
Departamento Internacional de Pesos e
Medidas (BIPM) ...
33
Vocabulrio Internacional de
Metrologia Legal
H diferenas
entre as definies de
Calibrao
Aferio
Verificao
no VIM e no VIML?
Vamos ao VIML
34
INCERTEZA DE MEDIO
Um erro aleatrio provvel
Um intervalo de dvida
Mesmo sabendo que o resultado
da medio sujeito a
interferncias, possvel obter
informaes confiveis, desde
que o resultado da medio venha
acompanhado do seu intervalo de
dvida (a incerteza).
Incerteza pelo VIM e GUM
35
36
Incerteza de medio
(VIM 2.26)
incerteza
measurement uncertainty
incertitude de mesure
incertitude de dedida
Parmetro no negativo que
caracteriza a disperso dos valores
atribudos a um mensurando, com base
nas informaes utilizadas.
Avaliao do Tipo A ou Tipo B da
incerteza de medio
Tipo A Tipo B
Avaliao de uma
componente da incerteza de
medio por uma anlise
estatstica dos valores
medidos, obtidos sob
condies definidas de
medio (VIM 2.28)
Depende da estabilidade da
varivel de processo
Avaliada pelo desvio padro
experimental
Em experimentos de
engenharia deve ser a maior
fonte de incerteza
Avaliao de uma
componente da incerteza de
medio determinada por
meios diferentes daquele
adotado para a avaliao do
Tipo A da incerteza de
medio. (VIM 2.29)
Depende da qualidade do
sistema de medio
Avaliada a partir das
informaes disponveis
Em experimentos laboratoriais
deve ser a maior fonte de
incerteza

38
INCERTEZA DE MEDIO
VIM
Avaliao do Tipo B da incerteza de medio
Incerteza determinada a partir de
informaes adjacentes, ao processo de
medio, como por exemplo:
a incerteza do padro,
tipo de indicao do instrumento,
temperatura ambiente,
gradientes de temperatura,
instabilidade no funcionamento ou deriva
(drift), etc. .
39
Termos Existentes e
Termos inexistentes
Incerteza
Exatido
Acurcia
Repetitividade
Repetibilidade
Preciso
Reprodutibilidade
Reprodutividade.
40
Medida mais precisa e
menos exata
41
Medida mais exata e
menos precisa
42
Medida menos exata e
menos precisa
43
Medida mais exata e
mais precisa
45
Exatido de medio
[VIM 3.5]
Exatido de medio, f
[accuracy of measurement /
exactitude de mesure, f]
Grau de concordncia entre o
resultado de uma medio e um
valor verdadeiro do mensurando.
46
Exatido de medio
[VIM 3.5]
Observaes:
Exatido um conceito
qualitativo;
O termo preciso no deve
ser utilizado como exatido.
47
REPETITIVIDADE
(dos resultados de medio) - VIM
Grau de concordncia entre
resultados de medies sucessivas
de um mesmo mensurando
efetuadas sob as mesmas condies
de medio
Obs: Estas condies so
denominadas condies de
repetitividade.
48
REPETITIVIDADE
Condies de repetitividade,
incluem:
mesmo procedimento de medio;
mesmo observador;
mesmo instrumento de medio, utilizado
nas mesmas condies;
mesmo local;
repeties em curto espao de tempo.
49
REPETITIVIDADE
Repetitividade pode ser expressa,
quantitativamente, em funo das
caractersticas da disperso dos
resultados.
50
REPRODUTIBILIDADE
51
REPRODUTIBILIDADE
(continuao)
52
Preciso de uma medio
measurement precision
precision
closeness of agreement between indications or
measured quantity values obtained by
replicate measurements on the same or
similar objects under specified conditions. [VIM
2008: 2.15].
Grau de concordncia entre os resultados de
medies obtidas por medies replicadas de um
mesmo mensurando efetuadas sob condies
especificadas.
Preciso de uma medio
(continuao)
NOTE 1 Measurement precision is usually expressed
numerically by measures of imprecision, such as standard
deviation, variance, or coefficient of variation under the
specified conditions of measurement.
NOTE 2 The specified conditions can be, for example,
repeatability conditions of measurement, intermediate
precision conditions of measurement, or reproducibility
conditions of measurement (see ISO 5725-3:1994).
NOTE 3 Measurement precision is used to define
measurement repeatability, intermediate measurement
precision, and measurement reproducibility.
NOTE 4 Sometimes measurement precision is erroneously
used to mean measurement accuracy.

53
54
Incerteza
(VIM xx)
Incerteza padro
Incerteza padro combinada
Incerteza expandida
Diferena significativa entre
dois valores

55
56
VIM Vocabulrio
Internacional de Termos
Fundamentais e Gerais de
Metrologia
Padres
57
Padro [VIM 6.1]
Padro, m
[(measurement) standard / talon, m]
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 servir como referncia.
58
Padro [VIM 6.1]
Exemplos:
Massa padro de 1 kg;
Resistor padro de 100 O;
Ampermetro padro;
Padro de frequncia de csio;
Eletrodo padro de hidrognio;
Soluo de referncia de cortisol no soro
humano, tendo uma concentrao certificada.
59
Tipos de padres
Padro internacional [VIM 6.2]
Padro nacional [VIM 6.3]
Padro primrio [VIM 6.4]
Padro secundrio [VIM 6.5]
Padro de referncia [VIM 6.6]
Padro de trabalho [VIM 6.7]
60
Rastreabilidade [VIM 6.10]
Rastreabilidade, f
[traceability / traabilit, f]
Propriedade do resultado de uma medio
ou do valor de um padro estar relacionado
a referncias estabelecidas, geralmente
padres nacionais ou internacionais,
atravs de uma cadeia contnua de
comparaes, todas tendo incertezas
estabelecidas.
61
Cadeia de rastreabilidade
[VIM 6.10]
62
Cadeia de rastreabilidade
[VIM 6.10]
Padro primrio, BIPM / NMI
Padro secundrio, NMI / Lab. Cred.
Padro de referncia, Lab. Cred. / Ind.
Padro de trabalho, Lab. Cred. /
Indstria
Equipamentos padres, indstria
Produtos..
63
Tudo muda,
at a forma de mudar
tambm muda.

Lus Vaz de Cames

Certificados de calibrao

Francisco Haroldo Silva Gonalves
O certificado de calibrao
7.6 Controle de dispositivos de medio e monitoramento (ABNT
NBR ISO 9001:2000)
A organizao deve determinar as medies e monitoramentos a serem
realizados e os dispositivos de medio e monitoramento necessrios para
evidenciar a conformidade do produto com os requisitos determinados (ver
7.2.1). Quando for necessrio assegurar resultados vlidos, o dispositivo de
medio deve ser:
a) calibrado ou verificado a intervalos especificados ou antes do uso, contra
padres de medio rastreveis a padres de medio internacionais ou
nacionais; quando esse padro no existir, a base usada para calibrao ou
verificao deve ser registrada,
b) ajustado ou reajustado, quando necessrio,
c) identificado para possibilitar que a situao da calibrao seja determinada,
d) protegido contra ajustes que possam invalidar o resultado da medio, e
e) protegido de dano e deteriorao durante o manuseio, manuteno e
armazenamento.
O resultado da calibrao geralmente registrado em um
documento especfico denominado certificado de calibrao.
O certificado de calibrao apresenta vrias parmetros
acerca do desempenho metrolgico do sistema de medio
avaliado.

Freqentemente, apresenta uma tabela ou grfico, contendo
para cada ponto calibrado o seguinte:

avaliaos da correo (ou erro)
avaliao da incerteza expandida de medio
Fator de abrangncia
Probabilidade de abrangncia ou nvel de confina
Alguns certificados de calibrao, tambm apresentam os chamados
parmetros reduzidos, sendo o mais comum o erro mximo avaliado
(E
mav
) na calibrao, que representa a faixa de valores, centrada em
torno do zero, que, com uma probabilidade definida, contm o maior
erro do qual pode estar afetada qualquer indicao apresentada pelo
sistema de medio, considerando os erros sistemticos e aleatrios
em toda a sua faixa de medio que foi calibrada.

Parmetros reduzidos
So parmetros metrolgicos expressos na forma de um simples
nmero, que define o valor mximo assumido pelo SM em toda a
sua faixa de medio.
A apresentao do parmetro reduzido, traz menos informaes
sobre o comportamento do SM, porm uma forma simplificada
de representar o parmetro e facilmente aplicvel em uma
comparao.
A apresentao dos parmetros que descrevem as
caractersticas dos sistemas de medio pode ser dada em
termos absolutos ou relativos. Os parmetros relativos so
denominados de erros fiduciais.

Os erros fiduciais so calculados pelo erro de um instrumento de
medio dividido por um valor especificado para o instrumento,
que denominado de valor fiducial.

Apresentao em termos absolutos
O valor apresentado na unidade do mensurando:
erro de medio: E = - 0,038 N para I = 15,930 N
erro mximo do SM: Emx = 0,003 V
Incerteza expandida (95%) = 1,5 K

Apresentao em termos relativos (erro fiducial)
O parmetro apresentado como um percentual de um valor de
referncia, ou valor fiducial. Como valor fiducial so tomados
preferencialmente:

1. O valor final de escala (VFE)
Aplicado normalmente a manmetros, voltmetros, etc.
Emx = 1% do VFE
U (95) = 0,1%

2. A faixa de indicao (FI):
Aplicado normalmente a termmetros, pirmetros, barmetros etc.
erro de linearidade: EL = 1% na faixa de 900 mbar a 1400 mbar
Apresentao em termos relativos (erro fiducial)

3. O valor verdadeiro convencional
Aplicado quando se trata de medidas materializadas
erro admissvel da massa padro de 100 mg = 0,2%

Quando o valor de referncia o valor verdadeiro
convencional (ou valor medido), este tambm pode ser
chamado de erro relativo.
Os resultados de cada ensaio, calibrao, ou sries de ensaios ou
calibraes realizadas pelo laboratrio devem ser relatados com
exatido, clareza, objetividade e sem ambigidade.

O formato deve ser projetado de modo a atender a cada tipo de
calibrao realizada e para minimizar a possibilidade de equvoco
ou uso incorreto.

Devem incluir toda a informao solicitada pelo cliente e necessria
a interpretao dos resultados e toda a informao requerida pelo
mtodo utilizado.

Convm que seja dada ateno ao leiaute do certificado de
calibrao, especialmente com respeito a apresentao dos dados
de calibrao e a fcil assimilao pelo leitor.

Cada certificado de calibrao deve incluir, pelo menos as seguintes
informaes (NBR ISO/IEC 17025:2005):

a) um ttulo (por exemplo: "Certificado de calibrao");

b) nome e endereo do laboratrio e o local onde as calibraes foram
realizados, se diferentes do endereo do laboratrio;

c) identificao unvoca do certificado de calibrao (tal como nmero
de srie), e em cada pgina uma identificao que assegure que a
pgina seja reconhecida como uma parte do certificado de calibrao,
e uma clara identificao do final do certificado de calibrao;

d) nome e endereo do cliente;

e) identificao do mtodo utilizado;

f) uma descrio, condio e identificao no ambgua, do(s) item(s)
calibrado(s);

g) data do recebimento do(s) item(s) de calibrao, quando isso for
crtico para a validade e aplicao dos resultados, e a(s) data(s) da
realizao da calibrao;

h) referncia ao plano e procedimentos de amostragem utilizados pelo
laboratrio ou por outros organismos, quando estes forem pertinentes
para a validade ou aplicao dos resultados;

i) resultados da calibrao com as unidades de medida;

j) nome(s), funo(es) e assinatura(s) ou identificao equivalente
da(s) pessoa(s) autorizada(s) para emisso do certificado de
calibrao;

k) onde pertinente, uma declarao de que os resultados se
referem somente aos itens calibrados.

l) as condies (por exemplo: ambientais) sob as quais as
calibraes foram feitas, que tenham influncia sobre os
resultados da medio;

m) a incerteza de medio elou uma declarao de
conformidade com uma especificao metrolgica
identificada ou seo desta;

n) evidncia de que as medies so rastreveis.
Importante:

a) Quando um instrumento para calibrao for ajustado ou reparado,
devem ser relatados os resultados das calibraes realizadas
antes e depois do ajuste ou reparo, se disponveis.

b) Um certificado de calibrao (ou etiqueta de calibrao) no deve
conter qualquer recomendao sobre o intervalo de calibrao,
exceto se acordado com o cliente. Este requisito pode ser
cancelado por regulamentaes legais.

c) Quando uma calibrao for subcontratada, o laboratrio que
realizou o trabalho deve emitir o certificado de calibrao para o
laboratrio contratante.
d) As emendas a certificado de calibrao aps a emisso devem
ser feitas somente sob a forma de um novo documento, que
inclua a declarao: "Suplemento do Certificado de Calibrao,
nmero de srie ...(ou outra forma de identificao)";

e) Quando necessrio emitir um novo certificado de calibrao
completo, ele deve ser univocamente identificado e deve conter
uma referncia ao original que est sendo substitudo.
Ex. Este certificado cancela e substitui o certificado nmero
(Identificao do certificado substitudo).

Certificados de Calibrao

Exemplos:
Laboratrio do INMETRO
Laboratrio 1 da RBC
Laboratrio 2 da RBC
Laboratrio 3 da RBC
Laboratrio 4: LAMI

Exemplo do INMETRO
Ttulo
Nome e endereo do
laboratrio
Identificao unvoca
Nome e endereo do
cliente
Declarao de que os resultados
se referem somente aos itens
calibrados
Data da realizao da
calibrao
Identificao do item calibrado
Identificao
da pgina
Nome, funo e assinatura ou
identificao equivalente da pessoa
autorizada para emisso do certificado
de calibrao
Data da
emisso do
certificado
Mtodo utilizado
Identificao do item
calibrado
Evidncia de que as
medies so rastreveis
Informaes sobre a
incerteza de medio
Identificao
da pgina
Identificao que assegura
que a pgina parte do
certificado de calibrao
Resultados da calibrao com as
unidades de medida, incluindo a incerteza
de medio
As condies sob as quais as
calibraes foram feitas
Nome, funo e assinatura ou identificao
equivalente da pessoa que executou a
calibrao
Identificao do final
do certificado de
calibrao
Identificao que assegura
que a pgina parte do

Exemplo 1:
Laboratrio da RBC
Ttulo
Nome e endereo do
laboratrio
Identificao unvoca
Nome e endereo
do cliente
Declarao de que os
resultados se referem
somente aos itens
calibrados
Data da realizao
da calibrao
Identificao do
item calibrado
Identificao
da pgina
Mtodo utilizado
Evidncia de que as
medies so
rastreveis
Data da emisso
do certificado
Smbolo de acreditao
No pode usar a marca
do INMETRO
Informaes sobre
a incerteza de
medio
As condies sob as
quais as calibraes
foram feitas
Outras informaes
Identificao
da pgina
Identificao que assegura que a
pgina parte do certificado de
calibrao
unidades de medida, incluindo a
incerteza de medio
Alerta: discutvel o infinito
O k com 1, 2 ou 3 algarismos
signigicativos? Pela regra
deveria ser com igual ou 1 a
menos que a incerteza
expandida
Deveria apresentar em notao
cientfica
Nome, funo e
assinatura ou
identificao equivalente
da pessoa autorizada
para emisso do
Nome, funo e assinatura
ou identificao equivalente
da pessoa que executou a
calibrao
incerteza de medio
incerteza de medio
Identificao do final
do certificado de
calibrao
Identificao que assegura que a
pgina parte do certificado de
calibrao

Exemplo 2:
Laboratrio da RBC
Smbolo antigo
No mais utilizado
Faltou informar a referncia do erro fiducial
Foi calculado em relao a faixa
Essa observao confusa
No existe ajuste antes da calibrao
Existe calibrao sem ajuste e
calibrao com ajuste
Coluna em branco
Deveria ter um NA (no se aplica)
Nmero de algarismo significativos errados
Se o instrumento a calibrar (SMC ou objeto)
s apresenta 3 algarismo significativos as informaes
do padro tambm deveria apresentar o mesmo
nmero de algarismos significativos
Coluna desnecessria pois as
unidades j esto no SI

Exemplo 3:
Laboratrio da RBC

Exemplo 4:
LAMI EP - UFBA
Certificado de uma rgua
93
Sugestes para
complementao
de informaes do
certificado de uma
rgua
94
Faltou informar que essa
incerteza expandida
O valor do fator de abrangncia
assumiu infinitos graus de
liberdade, deveria fazer uma
avaliao mais correta desse
parmetro
Faltou informar:
1) Nmero de graus de liberdade
2) Tipo de PDF
3) Valor da incerteza padro combinada
4) Incertezas dos instrumentos de
referncias (padres).
Check-list para certificados de calibrao
1. Descrio e identificao do sistema de medio (SM) a calibrar
2. Data da calibrao
3. Resultados da calibrao antes dos ajustes efetuados, se houver
4. Descrio de quaisquer manutenes, ajustes, regulagens, reparos
e modificaes no SM
5. Resultados da calibrao, aps o ajuste
6. Identificao do(s) procedimento(s) de calibrao utilizados
7. Identificao do(s) padro(es) utilizados, com data, instituio que
realizou a calibrao, incerteza e certificado de calibrao
8. As condies ambientais (temperatura, umidade, presso, etc.)
9. Declarao das incertezas envolvidas na calibrao e seus efeitos
cumulativos
10. Informar as limitaes de uso do SM, por exemplo faixa de medio
11. Identificao e assinatura do(s) responsvel(is) e do gerente
12. Identificao individual do certificado, com nmero de srie
13. Informar a obrigatoriamente a incerteza padro combinada e
opcionalmente a incerteza expandida segundo a norma ISA
95
96
Forma RECOMENDADA pelo
GUM para apresentar o resultado de
uma medio (item 7.2.4 pg 26):
Resultado da medio (RM):

onde o nmero aps o smbolo o valor
numrico de U = k.u
c
(uma incerteza expandida)
com U determinado por uc = 0,074 g (uma
incerteza padro combinada) e k = 2,00 (um fator
de abrangncia) baseado na distribuio-t, para
v = 1 141 graus de liberdade. U define um
intervalo estimado para ter um nvel da confiana
de 95,45 por cento.
( )
19, 68 0, 5 , 1 RM g =
97
Navegar preciso
Viver no preciso

Fernando Pessoa

98
INCERTEZA DE MEDIO
2. Histrico
99
Preciso X Exatido
Instrumento repetitivo ou mais preciso
Medida repetitiva ou precisa
Instrumento mais exato
Medida mais exata
100
A D B C
PRECISO
EXATO
A
B
C
D
POUCO PRECISO
EXATO
PRECISO
INEXATO
POUCO PRECISO
INEXATO
101
Qual o melhor instrumento?
Se $$$ no for problema, compre um instrumento exato
e preciso
Para controle de processo, geralmente, mais
adequado um instrumento preciso e pouco exato,
que o contrrio
Para anlise, acompanhamento, programao da
produo, otimizao, um instrumento exato, mas no
repetitivo geralmente mais adequado, que o inverso
Para controle de qualidade e controle estatstico de
variveis intermedirias melhor um instrumento mais
preciso, mas para variveis do produto final o
instrumento tem que ser preciso e exato
Para transferncia de custdia o instrumento tem que
ser exato e preciso.
102
INCERTEZA DE MEDIO
2. Histrico
103
Guia para a Expresso da
Incerteza de Medio
Guide to the Expression of
Uncertainty in Measurement
GUM
Concepo do Documento:
BIPM Bureau International des Poids et Mesures
IEC International Electrotechnical Comission
IFCC - International Federation of Clinical Chemistry
ISO - International Organization for Standardization
IUPAC - International Union for Pure and Applied Chemistry
IUPAP - International Union for Pure and Applied Physics
OIML - International Organization of Legal Metrology
105
3.4.8 - Embora este Guia proporcione uma estrutura para
avaliar incertezas, ele no pode substituir o raciocnio
crtico, a honestidade intelectual e a habilidade
profissional.

A avaliao de incerteza (...) depende de conhecimento
detalhado da natureza do mensurando. A qualidade e
utilidade da incerteza (...) dependem, portanto, e em ltima
anlise, da compreenso, anlise crtica e integridade
daqueles fatores que contribuem para o estabelecimento
de seu valor.

Fonte: Guia para Expresso da Incerteza de Medio, 2003.
A Necessidade de Conhecimento Tcnico..
106
Roteiro resumido para avaliao
da incerteza de medio pelo
mtodo clssico
1. Especificar o mensurando (com o modelo)
2. Identificar as fontes de incerteza, apoiando-se
em um diagrama de Ishikawa
3. Quantificar os componentes da incerteza
4. Avaliar a incerteza combinada
5. Avaliar a incerteza expandida
6. Se julgar pertinente, por exemplo em caso de
incertezas combinada e consequentemente
expandida bastante significativas, realizar uma
anlise de contribuies de incerteza
(comparao entre os componentes), baseada
em grficos retratando estas contribuies
7. Apresentar o RM de acordo com o GUM.
107
Roteiro para avaliao da
incerteza de medio
1. Especificar o mensurando
(com o modelo):
Declarar o que est sendo medido
Estabelecer as condies operacionais da planta
Estabelcer as condies de medio
Mostrar a equao ou equaes sucessivas entre o
mensurando e as grandezas de entrada
Apresentar todas as fases intermedirias tais como
preparao de soluo padro ou de trabalho,
diluio e/ou padronizao desta soluo, etc...:
acompanhando e respeitando as informaes do(s)
procedimento(s) que descrevem o mtodo de medio
mostrando claramente as unidades utilizadas na(s)
relao(es), o que acaba constituindo uma forma de
verificar a(s) equao(es).
108
incerteza de medio
2. Identificar as fontes de incerteza,
apoiando-se em um diagrama de
Ishikawa
3. Quantificar os componentes de incerteza
incertezas combinada e consequentemente expandida
bastante significativas, realizar uma anlise de
contribuies de incerteza (comparao entre os
componentes), baseada em grficos retratando estas
contribuies
109
Roteiro para avaliao
da incerteza de medio
2. Identificar as fontes de incerteza, apoiando-se em um diagrama
de Ishikawa:
Elaborar uma lista extensa de fontes de incerteza :
sem, nesta etapa, se preocupar com a sua quantificao;
iniciando, se houver, com a equao bsica utilizada para o clculo do
mensurando,
e acrescentando parmetros que no aparecem explicitamente na equao do
mensurando como, por exemplo :
Amostragem ;
Preparao da amostra ;
Materiais de referncia ;
Calibrao de instrumentos ;
Dados do fabricante do instrumento :
Linearidade; Circuito eletrnico; Compensao de
temperatura; Medio de temperatura; Diferena de
altitude; Umidade; Calibrao; Resoluo.
Montar as ramificaes principais do diagrama de Ishikawa :
Utilizar o diagrama de Ishikawa para representar graficamente estas fontes
de incerteza. Os termos da equao formaro algumas das ramificaes
principais do diagrama, ao qual sero acrescentadas eventuais
ramificaes correspondendo a, por exemplo, alguns dados de incerteza
referentes aos parmetros listados acima.
110
Roteiro para avaliao da incerteza de
medio pelo mtodo GUM
2. Identificar as fontes de incerteza, apoiando-se em um
diagrama de Ishikawa (continuao):
Acrescentar qualquer outro fator ao diagrama, considerando cada
etapa do mtodo :
Evoluir em direo s extremidades das ramificaes a partir dos efeitos
principais.
Para cada ramificao, acrescentar fatores contributivos at os efeitos se
tornarem desprezveis.
Resolver as duplicaes e reorganizar o diagrama :
A resoluo destas duplicaes (exatamente o mesmo efeito encontrado duas
ou mais vezes no diagrama) deve ser muito criteriosa pois, nesta etapa, um
profundo conhecimento da tcnica analtica pode ser necessria. As
duplicaes so resolvidas principalmente de 3 maneiras diferentes :
Os efeitos se anulam (por exemplo, alguma tendncia de uma balana que se
repete e se anula quando de duas pesagens sucessivas para chegar a uma
diferena de peso) : reorganizar o diagrama, eliminando estes efeitos;
Os efeitos so independentes entre si quanto influncia sobre o mensurando:
os efeitos permanecem, cada um com sua individualidade;
Existe uma interdependncia entre os efeitos : analisar como reagrup-los,
eliminando a duplicidade ao reorganizar o diagrama.
111
Famlias das Fontes de Incerteza
Fonte de Incerteza Contribuio para a incerteza do resultado
Objeto da medio ou
Equipamento a calibrar
Resoluo finita, facilidade de leitura
Estado de conservao
Instabilidade das leituras. Etc.
Instrumento(s) de referncia ou
Padro(es) utilizados
Incerteza da calibrao
Deriva ao longo do tempo
Erros sistemticos . Etc.
Mtodo de medio
Adequao do mtodo
Aproximaes do modelo matemtico
Faixa da medio, fugas (I, F, etc) . Etc.
Operador
Treino, formao, experincia
Paralaxe, capacidade visual
Registro de valores e tempo de reao
Obedincia aos procedimentos de coleta. Etc.
Condies ambientais
Temperatura. Presso. Humidade
Rudo eletromagntico. Oscilao da corrente
Poeiras. Vibraes. Etc.
112
Fontes de incerteza :
diagrama de causa e efeito
Material Mtodo Instrumentos de medio
Equipamentos
auxiliares
Vidraria

Limpeza
Reagentes/Matria-prima

Pureza
Amostra : Tamanho,
Amostragem, Tratamento,
Transporte, Estocagem,
Homogeneidade
Interferncias
Matriz
Verificao
Calibrao
Iluminao
Ventilao
Contaminao
Temperatura
Umidade
Presso
Desempenho
Incerteza
combinada
do
mensurando
Definio do
mensurando
Capacitao
treinamento
Habilidade
Analista/
Operador
Precisao
Condies
ambientais
Padres, MR, MRC
Correo de branco
Deriva
Tendncia
Amostragem
Resoluo
Manuteno
CAUSAS
EFEITO
Constantes tem incerteza?
Sim
Qual a incerteza da constante ?
Quando possvel, a que vc quiser
no MAPLE evalf [100]()
3.141592653589793238462643383279502884
197169399375105820974944592307816406
286208998628034825342117068

- Incerteza: 1x10
-99
.

113
Algarismo duvidoso
114
rea: Dimensional
Incerteza do SM ou Padro de referncia
(certificado de calibrao) ;
Estabilidade do SM/Padro em funo do
tempo, (grau de utilizao e agressividade do
meio);
Resoluo;
Influncia das condies ambientais sobre o SM;
Efeitos de temperatura sobre o mensurando;
Deformao elstica;
Erros geomtricos.
115
rea: Massa
Incerteza do Padro de referncia (certificado de
calibrao);
Estabilidade dos valores de massa em funo do
tempo;
Processo de medio/comparador/ balana :
Repetitividade;
Resoluo;
Linearidade;
Efeitos de temperatura.
116

Erros nos comprimentos dos braos;
Empuxo do ar;
Condies Ambientais :
Gradientes de temperatura;
Umidade;
Mudana de temperatura na sala;
Contaminao de partculas.
rea: Massa
117
rea: Presso
(certificado de calibrao);
Resoluo do Padro;
Resoluo do Instrumento de medio;
Peso especfico de um fludo;
Temperatura ambiente;
Incerteza da gravidade local;
Incerteza da rea do pisto.
118
rea: Temperatura
Incerteza do Padro de referncia (certificado de
calibrao);
Estabilidade em funo do tempo;
Equipamentos (padro de tenso ou resistncia) e
instrumentos de medies envolvidos;
Auto- aquecimento (termoresistncia);
Fios de compensao e juntas de referncias;
Estabilidade trmica do mensurado;
Imerso parcial/efeitos de colunas emergentes;
Incerteza dos meios trmicos;
Interpolao matemtica (tabelas de referncia e ajustes
de curvas).
119
rea: Eltrica
(certificado de calibrao);
Estabilidade do SM em funes do tempo;
Estabilidade do SM em Funo das condies de
uso;
Resoluo;
Interpolao de dados de calibrao;
Interligao dos vrios mdulos do SM;
Tenses termoeltricas ;
Efeitos de impedncia;
Repetitividade devido conexo de condutores
eltricos.
120
FONTES DE INCERTEZAS
COMUNS A TODAS AS REAS
1. Incerteza do SM ou Padro;
2. Condies ambientais (grandezas de
influncia;
3. Repetitividade (tipo A );
4. Erros matemticos;
5. Aproximao do modelo ou do mtodo;
6. Ajuste de curva e interpolao em tabelas;
7. Erros de arredondamento/truncamento;
Ex: 2,346 = 2,35 = 2,4
mas poderia ser: 2,346 = 2,3
122
RESUMINDO:
POSSVEIS FONTES DE INCERTEZA
(a) definio incompleta do mensurando;
(b) amostragem no representativa;
(c) condies ambientais ou grandezas de influncia;
(d) tendncias pessoais na leitura de instrumentos analgicos;
(e) resoluo finita do instrumento de medio e/ou de referncia;
(f) valores inexatos dos padres e dos materiais de referncia;
(g) valores inexatos de constantes utilizadas;
(h) aproximaes/suposies incorporadas ao mtodo de medio;
(i) aproximaes/suposies incorporadas ao modelo matemtico;
(j) instabilidade dos instrumentos com o tempo e/ou com a temperatura;
(k) variaes nas observaes repetidas do mensurando sob condies aparentemente
idnticas;
(l) Outras;
(m) Etecetera;
(n) ...
123
FONTES
DE INFORMAO
SOBRE AS
FONTES DE
INCERTEZA
124
Jul/2007: Catlogos de
Fabricantes de Instrumentos
125
Jul/2007: Catlogos de
Fabricantes de Instrumentos
Palavras pesquisadas e no
encontradas
Incerteza
Resoluo
Preciso
Exatido
Tempo
Histerese
Tempo de resposta
Nenhuma referncia a
informaes dinmicas no catlogo e
no formulrio para
encomenda da vlvula
127
incerteza de medio
diagrama de Ishikawa
3. Quantificar os componentes
da incerteza de medio
contribuies
128
ETAPAS PARA ESTIMAR A
INCERTEZA DE MEDIO
1. Definir os objetivos da medio
2. Definir o mensurando
Estabelecer as grandezas de sada
Estabelecer as grandezas de entrada
Estabelecer as grandezas de influncia
Estabelecer o modelo fenomenolgico do mensurando
Desenvolver o modelo matemtico de acordo com o procedimento de medio
3. Identificar as fontes de medio
Identificar qualitativamente as fontes de medio
Quantificar as fontes de medio
4. Avaliar a incerteza padro combinada de cada grandeza de
entrada atravs da combinao das incertezas tipo A e tipo B
5. Avaliar a incerteza padro combinada de cada grandeza de
sada atravs da propagao da varincia
7. Apresentar as incertezas padro combinada e expandidas
segundo as recomendaes do GUM
8. Analisar os resultados obtidos
9. Apresentar sugestes para a diminuio das incertezas.
129
NORMAS PARA avaliao DA
INCERTEZA DE MEDIO
Atualmente, a rea da metrologia
conta com alguns documentos que
tratam detalhadamente sobre a
avaliao da incerteza de medio:
EA-4/02 (1999)
INMETRO NIT-DICLA-021 (2003);

Guia para a Expresso da Incerteza
de Medio (Guide to the Expression
of Uncertainty in Measurement) -
GUM

130
CONHECIMENTO SOBRE O
MENSURANDO E
INCERTEZA DE MEDIO
No basta somente conhecer a
metodologia matemtica para a
obteno da avaliao da incerteza,
fundamental um bom conhecimento
metrolgico na rea especfica,
para determinar a incerteza de uma
forma confivel.
131
INCERTE$A DE MEDIO
Porm, na maioria das vezes, no
economicamente vivel buscar o
resultado com a menor incerteza
possvel para uma medio.
132
INCERTEZA DE MEDIO
ADEQUADA DEPENDE DA
FINALIDADE
A aceitao dos valores depende
da finalidade qual se destinam
estes resultados.
Por exemplo:
133
20 g de INCERTEZA DE
MEDIO muito?
Aceita-se uma incerteza de 20g, em
uma balana de uso culinrio,
porm esta incerteza no ser aceita,
caso se deseje medir a massa de
pepitas de ouro.
134
INCERTEZA DE MEDIO
Objetivo da medio
Fontes de incerteza de medio
Classificao da incerteza de medio
Quantificao da incerteza de medio.

135
Objetivo da medio
Qual a altura dessa sala?
Do p direito?
Desde o nvel do mar?
Desde o nvel da rua?
De qual rua?
136
FONTES DE INCERTEZA
6 Ms:
Mo-de-obra
Mtodos (procedimentos)
Mensurando (definio incompleta)
Amostras no representativas do mensurando
Mudanas temporais ou espaciais do mensurando
Falta de detalhamento na definio
Meio ambiente (grandezas de influncia)
Mquinas e instrumentos
Transferncia da incerteza do padro
(incerteza da correo do erro sistemtico
Resoluo
Linearidade xx
Medies (incerteza tipo A)
Repetitividade
Reprodutibilidade.

137
FONTES DE
INCERTEZA
Erros devido a resoluo;
Erros de leitura cometido pelo
operador;
Rudos de comunicao;
Incerteza dos padres;
No considerao de resduos de
ajuste de curva.
138
Quantificar a incerteza
Desvio
Desvio absoluto
Desvio quadrtico
Desvio padro
Desvio padro experimental
Desvio padro experimental da mdia
Abordagens
Frequencialista
Monte Carlo
Bayesiana
139
140
MEDIDAS DE DISPERSO
Desvio Quadrtico Mdio
=
n
i
n
X Xi
DQM
1
2
) (
Desvio Absoluto Mdio
=
n
i
n
X Xi
DAM
1
141
DESVIO PADRO
EXPERIMENTAL - VIM
Para uma srie de n medies de um
mesmo mensurando, a grandeza S
x
,
que caracteriza a disperso dos
resultados, dada pela frmula :
2
1
1
n
i
x
i
( x x )
S
n
=
142
DESVIO PADRO
EXPERIMENTAL - VIM
Onde:
Xi representa a i-sima medio
X representa a mdia aritmtica dos
n resultados considerados
Sx o desvio padro experimental.
2
1
1
n
i
x
i
( x x )
S
n
=
143
DESVIO PADRO
EXPERIMENTAL DA MDIA
VIM
A expresso uma avaliao do
desvio padro da distribuio de e
denominada desvio padro experimental
da mdia

desvio padro experimental da mdia.
n
S
x
x
n
S
S
x
x
=
x
S
144
[VIM 3.8]
Desvio padro experimental, m
[experimental standard deviation / cart-type
exprimental, m]
Para uma srie de n medies de um mesmo
mensurando, a grandeza s, que caracteriza a
disperso
dos resultados dada
pela frmula:

onde x
i
representa o resultado da i-sima
medio e representa a mdia aritmtica dos n
resultados considerados.
x
145
[VIM 3.8]
Observaes:
1. Considerando uma srie de n valores como uma
amostra de uma distribuio, uma avaliao
no tendenciosa da mdia u e s
2
uma avaliao
no tendenciosa da varincia o
2
, desta distribuio
2. A expresso uma avaliao do desvio
padro da distribuio de e denominada
desvio padro experimental da mdia
3. Desvio padro experimental da mdia algumas
vezes denominado incorretamente erro padro
da mdia.
n s /
x
x
Abordagens para
avaliao da incerteza
Frequencista
Duas possibilidades:
LPU ou LPUN(bastante utilizada)
Monte Carlo (s vezes)
A PDF existe, tem-se que
descobrir qual a mais
apropriada
GUM: adequada apenas para
sistema fracamente no-
lineares
Bom apenas para n grande
No consistente, pois necessita
de teoria bayesiana
Bayesiana
Uma possibilidade
Pouco utilizada

A PDF apenas a
expresso da quantidade
de informao
Vale para qualquer
sistema, linear ou no-
linear
Consistente, inclusive
essa teoria utilizada na
incerteza tipo B do GUM
146
Limitaes dos mtodos
Para o estado estacionrio
GUM: LPU ou 1 ordem para lineares
2 ou 3 ordem para no-lineares
Monte Carlo para no-lineares
Bayesiano para no-lineares
Para o regime transiente: em desenvolvimento
Necessidade de mtodos numricos
Monte Carlo
Bayesiano
147
Teoria bayesiana da
incerteza de medio
universal
Vale para sistemas lineares ou no-lineares
Vale para mltiplos mensurandos
Sistemas explcitos ou implcitos
transfervel
consistente (no precisa de apoio externo)
intuitiva e utiliza todas as informaes
disponveis.
148
Regras aceitas
pelas duas teorias
Seja A e B duas variveis aleatrias
P(AB): PDF conjunta
P(A): PDF marginal
P(B|A): PDF condicional
Regra do produto
P(AB)= P(A).P(B|A) = P(B).P(A|B)
Se A e B so independentes:
P(AB) = P(A).P(B) = P(B).P(A)
P(A|B) = P(A) se P(B) 0
P(B|A) = P(B) se P(A) 0

149
Regras aceitas
pelas duas teorias
Seja A, B e C proposies
P(A|B): a probabilidade de A ser verdadeiro
condicionado a B tambm ser verdadeiro
P(AB|C): a probabilidade de A e B sejam
verdadeiros, dado que C verdadeiro
P(A|B)+P(~A|B) = 1
P(AB|C) = P(A|C).P(B|AC) = P(B|C).P(A|BC)
Se A e B so indenpendentes:
P(AB|C) = P(A|C).P(B|C)
P(A|BC) = P(A|C) se P(B|C) 0
150
Teorema de Bayes
Considere:
D: dados experimentais
H: hiptese ou PDF a estimar
I: informao anterior
Pela regra do produto:
P(DH|I) = P(D|I) . P(H|DI) = P(H|I) . P(D|HI)
Ento:
P(H|DI) = P(H|I) . P(D|HI) / P(D|I)
P(H|DI) P(H|I) . P(D|HI)
Posteriore Priori . verossimilhana
151
Propagao da PDF
Terorema de Bayes: P(H|DI) = P(H|I) . P(D|HI) / P(D|I)
D
1
: conjunto inicial de dados
H: PDF da varivel
I: informao subjetiva
P(H|D
1
I) = P(H|I) . P(D
1
|HI) / P(D
1
|I)
D
2
: novos dados
Novo conjunto de dados: D = {D
2
,D
1
}= D
2
D
1
Ento: P(H|D
2
D
1
I) = P(H|I) . P(D
2
D
1
|HI) / P(D
2
D
1
|I)
C.Q.D.
152
Incorporao de novos dados
na PDF
Terorema de Bayes: P(H|DI) = P(H|I) . P(D|HI) / P(D|I)
D
2
: novos dados
Incorporar na Informao (I) o conjunto (D
1
): D
1
I
P(H|D
2
D
1
I) = P(H|D
1
I) . P(D
2
|HD
1
I) / P(D
2
|D
1
I)
Mas P(H|D
1
I) = P(H|I) . P(D
1
|HI) / P(D
1
|I) ento
P(H|D
2
D
1
I)=[P(H|I).P(D
1
|HI)/P(D
1
|I)].P(D
2
|HD
1
I)/P(D
2
|D
1
I)
Rearranjando:
P(H|D
2
D
1
I)=P(H|I).P(D
1
|HI).P(D
2
|HD
1
I)/[P(D
1
|I).P(D
2
|D
1
I)]
e P(H|D
2
D
1
I)=P(H|I).P(D
1
|HI).P(D
2
|D
1
HI)/[P(D
1
|I).P(D
2
|D
1
I)]
Pela regra do produto: P(AB|C) = P(A|C).P(B|AC) = P(B|C).P(A|BC)
Fazendo A=D2, B=D1 e C=HI ou C=I:
P(H|D
2
D
1
I) = P(H|I) . P(D
2
D
1
|HI) / P(D
2
D
1
|I)
C.Q.D.

153
Fundamentos da teoria bayesiana
PDF a posteriore (informao quantitativa + informao qualitativa)
PDF a posteriore PDF a priori x informao subjetiva
PDF a posteriore PDF a priori x verossimilhana (likelihood)
PDF a priori
Se temos dados (informao) pode-se propor uma PDF a
priori que seja aderente a esses dados
Se no temos prope-se uma PDF que caracterize essa
quantidade de informao
Princpio da Entropia Mxima.
154
Princpio de Entropia Mxima
Quantidade de informao
Nenhuma
Mnimo e mximo
Mnimo, mximo e VMP
Mdia e desvio padro
Valores esperados e
matriz de covarincia
fixados
Mdia, desvio padro e
assimetria (skewness)
PDF a priori
Normal com varincia
Retangular
Triangular
Normal
Normal multivarivel

Lognormal
155
Comparao de resultados:
medies repetidas ou desvio
padro experimental da mdia
Abordagem
frequncista
Abordagem
bayesiana
158
( )
x
x x
S
x S u u
n
= = = ( )
( )
( )
1
3
x x
S
n
u u x
n
= =
Nmero de
ptos. exper.
Abordagem bayesiana Desvio %
(ref. Bayesiana)
2 e 3 No se aplica
4 73,2
5 41,2
6 29,1
8 18,3
10 13,4
( )
3 1, 732
x x x
u u S x S = = =
( )
2 1, 412
x x x
u u S x S = = =
( )
5/ 3 1, 291
x x x
S u u x S = = =
( )
7/ 5 1,183
x x x
S u u x S = = =
( )
9/ 7 1,134
x x x
S u u x S = = =
Comparao de resultados: Intervalo de
confiana de avaliao de parmetros
por regresso linear:
y = a.x + b onde {a,b} so estimados
frequncista bayesiana
159
( )
( )
x
y
y
x
y y
x
S
S
S
u a
S
S
u b S
n
= =
= =
n Abordagem bayesiana Desvio %
(ref. Bayesiana)
2 a 4 No se aplica
5 73,2
6 41,2
7 29,1
8 22,5
10 15,5
( ) ( )
3 1, 732 e 3 1, 732 / /
y x y x y y
u a S S S u b S S S = = = =
( )
( )
( )
( )
( )
( )
2
4
2
4
y
x
y
n
u a
n
n
u
n
S b
S
S
( ) ( )
2 1, 412 e 2 1, 412 / /
y x y x y y
u a S S S u b S S S = = = =
( ) ( )
/ / 5/ 3 1, 291 1, 291 e
y x y x y
S S S S S u a u b = = =
( ) ( )
/ / 6/ 4 1, 225 1, 225 e
y x y x y
S S S S S u a u b = = =
( ) ( )
/ / 4/ 3 1,155 1,155 e
y x y x y
S S S S S u a u b = = =
160
Quando no est em nosso poder
seguir o que verdadeiro,
deveramos seguir o que mais
provvel.
Ren Descartes
Matemtico e filsofo francs
1596-1650
Propriedades tpicas dos instrumentos =
fontes de incerteza do Tipo B
Estacionrias:
Resoluo,
Linearidade,
Estabilidade com a temperatura
Estabilidade temporal,
Banda morta
Erro sistemtico;
Dinmicas:
Tempo de resposta,
Histerese
Erro sistemtica.

161
Tipo B da incerteza:
resoluo
Mostrador analgico
Linear
Circular
Mostrador digital
162
linearidade

163
estabilidade temporal
Deriva (drift) no tempo
Curto prazo
Deriva (drift) no tempo
Longo prazo
164
estabilidade com a temperatura

165
banda morta

166
erro sistemtico
em estado estacionrio

167
tempo de resposta

168
Tipo B da incerteza: histerese

169
erro sistemtico
em regime dinmico

170
171
Fontes de informao para
avaliao do Tipo B da incerteza
de medio
Fabricante do instrumento
Certificado de calibrao
Limites mximos de variao
Mostrador do instrumento
Instrumento semelhante
Experincia do metrologista

172
Avaliao do Tipo B da incerteza
a partir de informaes do
fabricante do instrumento
Se apresentar a incerteza conforme o GUM
recomenda, dividir pelo fator de abrangncia
Se apresentar ERRONEAMENTE como
acurcia, exatido, erro, ou qualquer outro
nome, solicite que o fabricante informe
corretamente a incerteza:
Ou considere distribuio retangular, por
recomendao do GUIA ISO, e divida por raiz de 3
3
o apresentad valor
u
B
=
173
a partir do certificado de
calibrao
Considere o erro sistemtico e corrija-o: C
s
= - E
s
Considere a incerteza do erro sistemtico: u
Bcs
Considere a incerteza expandida (incerteza
herdada) e divida pelo fator de abranncia (k):
padro incerteza a
a abrangnci de fator o
expandida incerteza a
.
B
B B
u
k
U
onde
k
U
u u k U = =
174
a partir de limites de variao
Informaes disponveis:
LS - Limite Superior
LI - Limite Inferior

Mdia:

Incerteza padro:

PDF a priori retangular (uniforme)
GL = infinito
2
LS LI
X
+
=
( )
3 2.
LI LS
X u

=
175
Avaliao do Tipo B da
incerteza a partir da
resoluo do instrumento
Escala em bom estado e
razoavelmente dividida: 3 . 2
escala menor
u
B
=
Escala em excelente
estado e muito bem
dividida:
3 . 4
escala menor
u
B
=
Escala em pssimo
estado ou m dividida:
3
escala menor
u
B
=
176
incerteza a partir de
instrumento semelhante
Compare:
o estado dos instrumentos,
tempo da ltima calibrao,
competncia do fabricante,
outros aspectos que julgar importante
Adote uma incerteza proporcional
(maior, igual ou menor).
177
incerteza a partir da
experincia do metrologista
S Deus, o diabo e/ou
o metrologista sabe o
valor a ser adotado,
no necessariamente
nessa ordem.
178
Distribuio Fonte de Incerteza Divisor GL
Retangular
-Tipo B: Resoluo
-Tipo B: Deriva no tempo ou
temperatura
3, 10, 30
ou100
t-Student
ou
Normal
- Tipo B: Incertezas herdadas k
3, 10, 30
ou100
- Tipo A: Desvio padro
experimental da mdia
n 1
- Tipo A: Desvio padro de R&R 1 n 1
- Tipo A: Desvio padro de
resduos de curvas de correo
1 n p
Triangular - Tipo B: Menisco em buretas
3, 10, 30
ou100
3
2. 3
4. 3
ou
ou
RESUMINDO ...
Exemplos de divisores e graus de liberdade
(GL) para fontes de incerteza
n
6
Graus de liberdade para
avaliao do Tipo B da incerteza
de medio
Com v
B
= infinito mtodo mais utilizado,
mas no consistente
Com v
B
dada pela tabela (NMI-AU),
mtodo mais consistente:
Classificao
da qualidade
da anlise
Grosseira Razovel Boa Excelente
Graus de
liberdade
3 10 30 100
Equao do GUM sobre GL para
Tipo B da incerteza de medio
xx
180
Deduo da W-S
xx
181
182
incerteza de medio
contribuies
183
Incerteza Padro Combinada (u
c
)
para grandezas de entrada
no correlacionadas
Combinao das incertezas padro
tipo A e tipo B
Soma vetorial hipteses adotadas
1. O modelo matemtico do mensurando fracamente
no-linear
2. As grandezas independentes do modelo so
estatisticamente no-correlacionadas entre si
( )
( )
2
2
1 1
onde um fator de sensibilidade
i j
na nb
C i A j B
i j
i
u c .u c .u
c
= =
= +

184
c
)
tipo A e tipo B
Soma vetorial:
( ) ( )

= =
+ =
nb
j
B j
na
i
A i C
j i
u c u c u
1
2
1
2
. .
( ) ( ) ( )
( ) ( ) ( )
2 2 2
2 2 2
. . .
. . .
2 2 1 1
2 2 1 1
nb nb
na na
B B B B B B
A A A A A A
C
u c u c u c
u c u c u c
u
+ + +
+ + + +
=
185
c
)
para grandezas de entrada
correlacionadas
tipo A e tipo B
Soma vetorial hipteses adotadas
1. O modelo matemtico do mensurando fracamente
no-linear
2. As PDFs das incertezas so simtricas
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( )
yz
z y x
z y x
xz
z y x z y x
xy
z y x
z y x
z
z y x
y
z y x
x
z y x
S
z
w
y
w
S
z
w
x
w
S
y
w
x
w
S
z
w
S
y
w
S
x
w
u
z y x w w
. . 2 . . 2 . . 2
. . .
, ,
, ,
, ,
, , , ,
, ,
, ,
2
2
, ,
2
2
, ,
2
2
, ,
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
=
=
C
: {61}
considere
186
Incerteza Padro Combinada
(u
c
) pelo mtodo clssico
( )
|
|
.
|
\
|
c
c
=
z y x
i
x
w
C
, ,
onde
( )
( ) x V x
n-
x x
S
n
i
x
=

=
de varincia a
1 i
1
2
2
( )( )
y x
n
y y x x
S
n
i
i i
xy
com de a covarinci a
1
.
onde : {60}
1

=
187
incerteza de medio
contribuies
188
Incerteza expandida (U)
Informaes para a avaliao da incerteza
expandida (U)
combinada padro incerteza a
a abrangnci de fator o
expandida incerteza da estimativa a
.
c
c
u
k
U
onde
u k U =
189
GRAUS DE LIBERDADE
EFETIVOS - v
eff
Para avaliar a incerteza expandida preciso
avaliar o fator de abrangncia (k), para um certo
nvel da confiana (geralmente entre de 95 % e
99,8%). Para isto devemos calcular o v
eff
pela
frmula de Welch-Satterthwaite:.
nb
nb nb
na
na na
B
B B
B
B B
A
A A A A
c
n
i
i
i i
c
eff
v
u c
v
u c
v
u c
n
u c
u
v
u c
u
v
4 4 4 4 4 4 4 4
4
1
4 4
4
. . .
1
. .
1
1 1 1 1
+ + + + +
= =
=
190
incerteza de medio
2. Identificar as fontes de incerteza, apoiando-se em um diagrama
de Ishikawa
incertezas combinada e consequentemente
expandida bastante significativas, realizar uma
anlise de contribuies de incerteza
(comparao entre os componentes), baseada
em grficos retratando estas contribuies
191
Pareto das contribuies para
incerteza padro combinada e
incerteza expandida
Construa um grfico de Pareto das
incertezas padres
Avalie as maiores fontes de incerteza
Tome as medidas cabveis
192
incerteza de medio
contribuies
7. Apresentar o RM de acordo
com o GUM.
193
Informaes obrigatrias
que devem ser apresentadas no
RM
RM um possvel Resultado de uma Medio
RB um Valor Base, normalmente a mdia aritmtica
corrigida: RB= VM + Cs ou RB= VM . Cs
VM um Valor Medido, normalmente a mdia aritmtica
Cs uma correo do erro sistemtico
u
Cs
uma incerteza da correo do erro sistemtico
U uma incerteza expandida, ( U = k.u
c
)
u
c
uma incerteza padro combinada
k um fator de abrangncia, para um NC e v
eff

v
eff
o graus efetivos de liberdade
NC o nvel da confiana (entre 90% e 99%).
( ) unidades U RB RM =
194
FATOR DE ABRANGNCIA
t = k
Se Veff for maior que 1000, considera-se o
resultado como uma distribuio de
probabilidade Normal e utiliza-se k = 2,00 para
uma probabilidade de abrangncia de 95,45%.
Valor obtido pela tabela t de Student ou
No excel: k = t = invt(1-0,9545;valor de v
eff
)
MATLAB: k = t = -tinv((1-0.95)/2,v
eff
).
195
Exemplo:
Propagao de incerteza
Medio de vazo volumtrica
Partes do sistema:
1. Sensor (elemento primrio
de medio):
Placa de orifcio
2. Transdutor de medio
(elemento secundrio de
medio
Medidor de presso
diferencial
3. Dispositivo mostrador.
196
incerteza de medio
contribuies
7. Apresentar o RM segundo o GUM.
197
1. Especificar o mensurando:
Vazo volumtrica do tag F-2304
Condies tpicas de operao
T = 198
o
C
P = 1,3 kgf/cm
2
100% da carga nominal
Dia de sol
Metade da campanha (3 meses)
Turma D de operao
Bombas B123 e B125 operando
Vlvulas de controle entre 40 e 60% de abertura
Vlulas de by-pass abertas a 50% (NO DEVERIA
ESTAR ABERTAS!!!)
Longe do dssidio coletivo!
Modelo matemtico:
. .
d
VM C P o = A
198
2. Fontes de incerteza do
sistema de medio
volumtrica
Incerteza devido a repetitividade das
medio
tipo A
Incerteza padro da placa de orifcio (u
Cd
)
tipo B
Incerteza padro do medidor de presso
diferencial (u
P
)
tipo B
Incerteza padro do mostrador (u
)
tipo B.
199
3. Quantificar as incertezas
50 medies independentes e
sucessivas de vazo volumtrica (m
3
/h)
16,0

18,9

13,7

19,5

11,0

16,2

20,4

15,2

21,3

14,4

12,8

16,0

13,2

17,2

16,1

15,2

18,4

14,2

11,5

14,0

14,7

17,9

13,9

12,0

19,7

15,3

12,4

15,5

16,5

17,5

15,8

16,2

17,5

15,8

17,3

12,7

15,5

14,5

15,9

16,5

14,8

18,0

14,5

15,0

13,2

13,5

16,7

17,9

16,6

16,8

200
HISTOGRAMA
uma forma de representao grfica de
distribuio de freqncias atravs de um
grfico de colunas (denominado tambm de
polgono de freqncia).
Atravs do Histograma pode-se identificar o
tipo de distribuio, anormalidades no
processo, etc .
201
TABULAO DOS DADOS
N

Classes

Pontos Mdios

Freqncias

f

% f

1

11,0 < x 12,5
11,75
IIII
4

8%
2

12,5 < x 14,0
13,25 IIIIII

6 12%
3

14,0 < x 15,5
14,75 IIIIIIIIII

11
22%
4

15,5 < x 17,0
16,25 IIIIIIIIIIIIII

15
30%
5

17,0 < x 18,5
17,75 IIIIIII

7 14%
6

18,5 < x 21,0
19,25 IIII

4

8%
7

21,0 < x 22,5
20,75 II

2

4%

--------------
---------
50
50
100%

Onde : f = Freqncias obtidas;
%f = Freqncias obtidas (em porcentagem)
202
4 Incerteza tipo A
Mdia:
Desvio padro experimental:

3
15,742 857 142 857 14 m /h x =
3
2, 275...
0,325 111 179 308 81 m /h
50
x
x
S
S
n
= = =
3
incerteza tipo A: 0, 325 /
A x
u S m h = =
3
=2,275 778 255 161 66 m /h
x
S
203
4 Incerteza tipo B
Incerteza padro da placa de orifcio (u
Cd
)
Informado pelo fabricante
Incerteza expandida de 1% do valor medido
Incerteza padro do medidor de presso
diferencial (u
P
)
Laudo de calibrao do laboratrio
Preciso de 2% do fundo de escala
Fundo de escala = 30 m
3
/h
Incerteza padro do mostrador (u
)
Sem documentao, sem catlogos, o fabricante
fechou, sem instrumentos semelhantes
Menor escala 2 m
3
/h .
4 Incerteza tipo B
Incerteza padro da placa de orifcio:
Fonte: certificado de calibrao
Incerteza expandida: 1% do valor medido

Incerteza padro

Graus de liberdade: 100 (excelente confiana).
204
( ) ( )
3
0, 01 15, 74 0,1574 /
Cd
U m h = =
1
3
0,1574
0, 0787 /
2
B Cd
u u m h = = =
4 Incerteza tipo B
Incerteza padro do sensor de presso
diferencial:
Fonte: laudo de calibrao do laboratrio local
Preciso: 2% do fundo de escala (30 m
3
/h)

Incerteza padro

Graus de liberdade: 10 (razovel confiana).

205
( ) ( )
3
0, 02 30 0, 6 /
P
U m h = =
2
3
0, 6
0, 3464 /
3
B P
u u m h = = =
4 Incerteza tipo B
Incerteza padro de resoluo:
Fonte: resoluo

Menor escala: 2 m
3
/h
Escala em pssimo estado

Incerteza padro

Graus de liberdade: 3 (confiana baixa).

206
3
2
2 /
1
R
U m h = =
3
3
2
1,1548 /
3
B R
u u m h = = =
4 Avaliar u
c

incerteza padro combinada
207
3
com 1 49
A x
A
u S m h
v n
= =
= =
1 1
3
0,1574
0, 0787 / com 100
2
B Cd B
u u m h v = = = =
3 3
3
2
1,1548 / com 3
3
B R B
u u m h v = = = =
2 2
3
0, 6
0, 3464 / com 10
3
B P B
u u m h v = = = =
1 2 3
3
1, 2511 / .
A B c B B
u u u u m h u = + + + =
4 Contribuio das fontes de
incerteza (budget)
Incerteza padro combinada: 1,2511 m
3
/h
Coeficiente de variao: 1,2511 / 15,74
CV = 0,0795 = 8,0%
Contribuies das fontes de incerteza:
Fonte i: f
i
= (c
i
.u
i
)
2
/(u
c
)
2

Tipo A: (0,325)
2
/(1,2511)
2
= 0,067 6,7%
Tipo B
1
: (0,0787)
2
/(1,2511)
2
= 0,004 0,4%
Tipo B
2
: (0,3464)
2
/(1,2511)
2
= 0,077 7,7%
Tipo B
3
: (1,1548)
2
/(1,2511)
2
= 0,852 85,2%
Centrar esforos em B
3
.
208
5 Avaliar U
incerteza expandida
209
3
com 1 49
A x
A
u S m h
v n
= =
= =
1 1
3
0,1574
0, 0787 / com 100
2
B Cd B
u u m h v = = = =
3 3
3
2
1,1548 / com 3
3
B R B
u u m h v = = = =
2 2
3
0, 6
0, 3464 / com 10
3
B P B
u u m h v = = = =
1 2 3
3 3 1 2 1 2
1 2 3
2 2 2
4 4 4 4 4 4
3
4
4
2
4
4
1, 2511 /
4 ou 10762
B B B
B B B B B B
B B
c
c c
e
A
A
ef
A
A A B
f
u m h
u u
v
u u u
u u u u u
u
u
v
u
u
v v v v v
= + + + =
= = = =
+ + + + +
+

5. Avaliar a incerteza
expandida
u
c
= 1,2511 m
3
/h
U = k . u
c
k fator de abrangncia
k = t(NC,GL)
GL = 4 com NC = 95% k = 2,78 U
95
= 3,48 m
3
/h
GL = 4 com NC = 90% k = 2,13 U
90
= 2,66 m
3
/h
Excel: k = invt(1-0,9;4) = 2,13
Matlab: k = -tinv((1-0,9)/2;4) = 2,13.

210
211
Forma RECOMENDADA pelo GUM
para apresentar o resultado de uma
medio (item 7.2.4 pg 26):

numrico de U = k.u
c
com U determinado por u
c
= 1,3 m
3
/h (uma
de abrangncia) baseado na distribuio t, para
v = 4 graus de liberdade. U define um intervalo
estimado para ter um nvel da confiana de 95%.
( )
3
15, 7 3 6 , , / m h RM =
212
medio (item 7.2.4 pg 26):

numrico de U = k.u
c
c
= 1,3 m
3
/h (uma
( )
3
15, 7 2 7 , , / m h RM =
213
medio (item 7.2.4 pg 26) + NOTAO
CIENTFICA:

numrico de U = k.u
c
c
= 1,3 m
3
/h (uma
( )
1 3
1, 6 0, 4 0 / , 1 R m h M =
214
medio (item 7.2.4 pg 26) + NOTAO
CIENTFICA:

numrico de U = k.u
c
c
= 1,3 m
3
/h (uma
( )
1 3
1, 6 0,3 0 / , 1 R m h M =
Mensurando: (F, T, P, L, A ou ...). Instrumento: DESCRIO E TAG. Faixa de VALOR MIN E MAX e UNIDADE.
Tipo
A, B
ou C

Fonte da
incerteza
X
i
Desvio
sistem.
S
xi
Valor da
incerteza de
U
xi
Distri.
(FDP)
Divisor
(D
xi
)
Valor
u
yi

v
i

ou
v
eff

Somatria de u
yi

u
yc
= Incerteza padro combinada =
Raiz quadrada da somatria de u
yi

: u
yc

Fator de abrangncia
k
y
para xx,xx% de
nvel da confiana

Incerteza
expandida
U
y
= k
y
. u
yc
Planilha de incerteza de medio
S = soma das correes
sistemticas

VM
y
= valor das medies

Coef. de
sensib.
c
xi
RM = VM+ C U

Incert.
padro
u
xi
=
U
xi
/D
xi

u
yi
=c
xi
.u
xi
Incerteza tipo B: constantes
216
Incerteza tipo B: constantes
217
218
INCERTEZA DE MEDIO
2. Histrico
219
AMPLITUDE
h m Xmnimo / 0 , 11
3
=
h m Xmximo / 3 , 21
3
=
=
=
h m A
A
/ 3 , 10
0 , 11 3 , 21
3
220
HISTOGRAMA
Definio do nmero de classes (K).
n K =
50 = K
50 = n
07 , 7 = K
221
HISTOGRAMA
Determinao do tamanho das classes (h).
K
A
h =
h m h /
07 , 7
3 , 10
3
=
h m h / 47 , 1
3
=
222
Estatsticas do
experimento
Mdia: = 15,742 857 142 857 14 m
3
/h
Desvio padro experimental:
Sx = 2,275 778 255 161 66 m
3
/h
= 0,325 111 179 308 81 m
3
/h

x
x
S
223
NVEL DA CONFIANA
224
k fator de abrangncia
Onde :
NC nvel da confiana (v
ef
), geralmente = 90%
GL graus efetivos de liberdade,
pode ser GL = n - 1
t = valor tabelado em funo do nvel da
confiana (NC) e do grau de liberdade (GL).
n = nmero de medies para cada ponto;
U = incerteza expandida
u
c
= incerteza padro combinada
t = k = fator de abrangncia calculado pela
distribuio t-Student.
( ) GL NC t k , =
225
FATOR DE ABRANGNCIA
t = k
Se v
ef
for maior que 1000, considera-se o
resultado como uma distribuio de
probabilidade Normal e utiliza-se k = 2,0 para uma
probabilidade de abrangncia de 90,0%.
Para v
ef
< 1000 valor obtido pela tabela t de Student
No excel: k = t = invt( 1-0,9 ; valor de v
eff
)
MATLAB: k = t = -tinv((1-0.9)/2 , v
eff
).
k (fator de abrangncia) para diferentes NC (nveis da confiana) para vrios GL (graus de liberdade)
GL | NC 50,00% 68,27% 90,00% 95,00% 95,45% 99,00% 99,80%
1 1,00 1,84 6,31 12,71 13,97 63,66 318,31
2 0,82 1,32 2,92 4,30 4,53 9,92 22,33
3 0,76 1,20 2,35 3,18 3,31 5,84 10,21
4 0,74 1,14 2,13 2,78 2,87 4,60 7,17
5 0,73 1,11 2,02 2,57 2,65 4,03 5,89
6 0,72 1,09 1,94 2,45 2,52 3,71 5,21
7 0,71 1,08 1,89 2,36 2,43 3,50 4,79
8 0,71 1,07 1,86 2,31 2,37 3,36 4,50
9 0,70 1,06 1,83 2,26 2,32 3,25 4,30
10 0,70 1,05 1,81 2,23 2,28 3,17 4,14
20 0,69 1,03 1,72 2,09 2,13 2,85 3,55
30 0,68 1,02 1,70 2,04 2,09 2,75 3,39
40 0,68 1,01 1,68 2,02 2,06 2,70 3,31
50 0,68 1,01 1,68 2,01 2,05 2,68 3,26
60 0,68 1,01 1,67 2,00 2,04 2,66 3,23
80 0,68 1,01 1,66 1,99 2,03 2,64 3,20
120 0,68 1,00 1,66 1,98 2,02 2,62 3,16
150 0,68 1,00 1,66 1,98 2,02 2,61 3,15
250 0,68 1,00 1,65 1,97 2,01 2,60 3,12
500 0,67 1,00 1,65 1,96 2,01 2,59 3,11
1000 0,67 1,00 1,65 1,96 2,00 2,58 3,10
227
Amostra X Populao
Populao = todos os dados
Amostra = parcela da populao
(quase) sempre vamos tratar com
amostras
Letras gregas so utilizadas para as
estatsticas de uma populao
Letras latinas so utilizadas para as
estatsticas de uma amostra
228
Estatstica (simbologia)
Universo ou
Populao

Amostra
Finita
Mdia

x

Desvio
Padro

s

Varincias

s

229
MDIA ARITIMTICA
o valor mais provvel do mensurando,
aps uma srie de medies
independentes.
x
i
= valor independente de cada medio
n = nmero de medies.
=
=
n
i
i
n
x
x
1
230
Clculo da mdia
Durante um experimento foram
realizadas 4 medies de vazo:
h m x
x
/ 0 , 6
4
8 , 5 9 , 5 2 , 6 1 , 6
3
=
+ + +
=
231
AMPLITUDE (span)
a diferena entre a maior e a menor
medida encontrada em uma srie de
medidas independentes.
mx min
A X X =
232
EXEMPLO
Utilizando os dados anteriores :
h m Xmximo
h m Xmnimo
/ 2 , 6
/ 8 , 5
3
3
=
=
=
=
h m A
A
/ 4 , 0
8 , 5 2 , 6
3
233
DESVIO DA MDIA
O desvio da mdia pode ser expresso por:

O desvio da mdia tem sinal positivo ou
negativo. A soma desses desvios
sempre zero.
X X d
X X d
X X d
X X d
n n =
=
=
=
3 3
2 2
1 1
234
EXEMPLO
Qual o desvio da mdia para estes
valores : 112,8 ; 112,2 e 112,5 bar?
bar X 5 , 112 =
bar X d 3 , 0 8 , 112 1 = =
bar X d 3 , 0 2 , 112 2 = =
bar X d 0 , 0 5 , 112 3 = =
235
DESVIO QUADRTICO
Desvio quadrtico caracterizado pelo
quadrado do desvio.
1 1
2 2
3 3
n n
dq ( X X )
dq ( X X )
dq ( X X )
dq ( X X )
=
=
=
=
236
EXEMPLO
DESVIO QUADRTICO
112 5 X , bar =
2
bar 0,09 0,3 d dq 0,3 X 112,8 d 1 1 1 = = = = =
2
bar 0,09 0,3 - d dq 0,3 X 112,2 d 2 2 2 = = = = =
2
0 , 0 bar 0,00 0,0 d dq X 112,5 d 3 3 3 = = = = =
237
DESVIO QUADRTICO MDIO
(VARINCIA DA POPULAO)
O desvio quadrtico mdio definido como
a mdia aritmtica dos quadrados dos
desvios.
( )
2
2
1
N
i x
i
x
x
N
u
o
=

=

238
EXEMPLO
DESVIO QUADRTICO MDIO
(VARINCIA DA POPULAO)
0,09 0,3 d 0,3 X 112,8 d 1 1 = = = =
0,09 0,3 - d 0,3 X 112,2 d 2 2 = = = =
0,00 0,0 d 0 , 0 X 112,5 d 3 3 = = = =
=
+ +
=
3
1
3
) 0 , 0 ( ) 3 , 0 ( ) 3 , 0 (
i
o
2
06 , 0 bar = o
=
n
i
n
X Xn
1
) (
o
239
DESVIO PADRO
(da populao)
O desvio padro de um nmero
infinito de dados a raiz quadrada
da varincia.
( ) ( )
2 2
2
1 1
N N
i X i
i i
X X
X X x
N N
u
o o
= =

= + = =

2 2
0 06
x
, bar o =
0 245
X
, bar o =
Varincia:
240
Desvio Padro da Amostra
Desvio Padro Experimental
O desvio padro experimental calculado
com base em amostras (nosso caso):
( )
2
1
1
n
i
i
x
x x
s
n
=

=
1
onde
n
i
i
x
x
n
=
=

241
DESVIO PADRO
EXPERIMENTAL DA MDIA
O desvio padro experimental da mdia fornece
uma avaliao do desvio padro da mdia
aritmtica em relao mdia da populao
global.
( )
2
1
1
n
i
i
x
x
x x
n S
S
n n
=
= =

242
DESVIO PADRO
RESIDUAL
Fornece uma avaliao do desvio
padro dos resduos dos pontos
determinados, em relao curva
calculada.
1
1
2

=

=
k n
d
S
n
i
i
r
d = diferena entre o ponto e a curva
n= nmero de pontos k = grau do polinmio da equao da curva
Incerteza tipo B: Incerteza de constantes!
Munro, 2003
Nmero de Avogadro:
N
A
= 6,022 136 7(36)10
23
mol
1
Boltzmanns constant:
k
B
=1,380 658(12)10
23
J. K
1
Plancks constant divided by 2:
h = 1,054 572 66(63)10
34
J.s
Palmqvist crack coefficient, 0.018 0.004
R molar gas constant, 8,314 51(7) J.mol
1
.K
1
median crack coefficient, 0.016 0.004

244
Incerteza tipo B: Incerteza de constantes!
Munro, 2003
245
246
INCERTEZA DE MEDIO
2. Histrico
247
INCERTEZA
de
MEDIO
pelo
GUM

248
INCERTEZA DE MEDIO
Quando se relata o resultado de
medio, de uma grandeza fsica,
obrigatrio que seja expressa
alguma indicao quantitativa da
qualidade do resultado, de forma tal,
que aqueles que o utilizam possam
avaliar sua confiana.
249
INCERTEZA DE MEDIO
Os fundamentos metodolgicos para a
avaliao da incerteza de medio so
procedimentos puramente estatsticos,
sendo descrito detalhadamente no guia
conhecido mundialmente como GUM Guia
para Expresso da Incerteza de Medio.
251
FRMULA PADRO
DA INCERTEZA DE
MEDIO
252
INCERTEZA DE MEDIO
Sistema sem correlao entre x
j
:

U = incerteza expandida da grandeza de sada;
k = fator de abrangncia, exemplo k
4,95%
= 2,78 ;
u
c
= incerteza padro combinada;
n
e
= nmero de grandezas de entrada;
c
j
= coeficiente de sensibilidade utilizado para
transformar incertezas da grandeza de entrada x
j

na incerteza da grandeza de sada;
u(x
j
) = incerteza padro da grandeza de entrada x
j
.
( )
2
1
. . .
e
n
c j j
j
U k u k c u x
=

= =

253
EXEMPLO: Resistncia eltrica
Incerteza expandida :

Resultado da Medio :

onde o nmero aps o smbolo o valor numrico de
U = k.u
c
, uma incerteza expandida, com U determinado
por uma incerteza padro combinada u
c
= 0,081 ohms e
um fator de abrangncia k = 2,0 baseado na distribuio-
t, para = 757 977 graus de liberdade. U define um
intervalo estimado para ter um nvel da confiana de
95,45 por cento.
,95,45%
2, 0 0, 04058
c
U k u
= - = - O
0, 08116 U = O
( ) , , , RM O = 081 0 526 138
254
INCERTEZA EXPANDIDA (U)
GUM 2.3.5
Grandeza que define um intervalo
em torno do resultado de uma
medio com o qual se espera
abranger uma grande frao da
distribuio dos valores que
possam ser razoavelmente
atribudos ao mensurando.
256
GUM 2.3.5
Para associar um nvel da confiana especfico
ao intervalo definido pela incerteza expandida,
so necessrias suposies explcitas ou
implcitas com respeito distribuio de
probabilidade caracterizada pelo resultado da
medio e sua incerteza combinada. O nvel da
confiana que pode ser atribudo a este intervalo
s pode ser conhecido (adequado) na medida em
que tais suposies possam ser justificadas.

(A expresso entre parnteses, itlico e
sublinhado foi adicionada, no consta no original)
257
GUM 6.2.2
U interpretado como definindo um
intervalo em torno do resultado de
medio que abrange uma extensa
frao p da distribuio de
probabilidade, caracterizada por
aquele resultado e sua incerteza
padro combinada, e p a
probabilidade de abrangncia ou
nvel da confiana do intervalo.
258
INCERTEZA EXPANDIDA
A incerteza de medio deve ser
declarada na mesma unidade da
grandeza de sada y ou e em
percentagem da seguinte forma :

Y = ( Y U ) unidade de y
260
avaliao DA INCERTEZA DAS
GRANDEZAS DE ENTRADA -
u(xj)
Para se calcular uma incerteza de medio,
primeiramente deve-se conhecer o processo
de medio e definir quais so as incertezas
das grandezas de entrada, que interferem no
resultado final da incerteza da grandeza de
sada.
261
POSSVEIS
FONTES DE INCERTEZA
(a) definio incompleta do mensurando;
(b) amostragem no representativa;
(c) condies ambientais ou grandezas de influncia;
(d) tendncias pessoais na leitura de instrumentos analgicos;
(e) resoluo finita do instrumento de medio e/ou de referncia;
(f) valores inexatos dos padres e dos materiais de referncia;
(g) valores inexatos de constantes utilizadas;
(h) aproximaes/suposies incorporadas ao mtodo de medio;
(i) aproximaes/suposies incorporadas ao modelo matemtico;
(j) instabilidade dos instrumentos com o tempo e/ou com a temperatura;
(k) variaes nas observaes repetidas do mensurando sob condies
aparentemente idnticas.
262
DIAGRAMA DE CAUSA E EFEITO OU
DIAGRAMA ESPINHA DE PEIXE OU
DIAGRAMA DE ISHIKAWA
Pode ser utilizado para apresentar graficamente
as fontes relevantes;
Evita a dupla contagem de fontes de incerteza;
Facilita o agrupamento de fontes cujo efeito
combinado pode ser avaliado.
263
Exemplo: Clculo de incertezas em
anlises cromatogrficas de compostos
sulfurosos no gs natural.
Diagrama de Causa e Efeito:
OLIVEIRA, V. M., Balthar, A. R. ; NASCIMENTO, D. C. M.; ARAJO, E. A. S.; BAYER, M. M.; MAIA, G. C. G.;
SOUZA, K. C. Clculo de incerteza em anlises cromatogrficas de compostos sulfurosos no gs. Revista
Metrologia e Instrumentao. http://www.banasmetrologia.com.br/textos.asp?codigo=992. Acessado
em17/04/2006, s 07:08.
Amostra
264
INCERTEZA DE MEDIO:
Avaliao do Tipo A da incerteza de
medio
Uma srie de medidas, obtidas sob condio de
repetitividade, apresenta uma disperso de seus
valores individuais
O desvio padro experimental representa essa
disperso
Se a distribuio da varivel for normal, ento a
incerteza padro estimada pelo desvio padro
experimental da mdia.
2
1
1
j
j
j
n
i j
x
i
j
( X X )
S
n
=
j
j
x
x
j
S
S
n
=
( )
1
j
x
j
S
u x =
265
INCERTEZA DE MEDIO
Exemplo :

Parcela de incerteza padro da
Incerteza de Medio (I.M.) do padro
Distribuio Normal.

k
j
= fator de abrangncia do certificado do padro da
fonte j.
( )
j
j
j
k
M I
x u
. .
=
266
INCERTEZA DE MEDIO
EXEMPLO :
Se durante uma calibrao foi utilizado um calibrador
padro microprocessado para calibrar um indicador
de temperatura, e este padro possui uma incerteza
de medio indicada em seu certificado no valor de:

Nota : Quando for utilizado mais de um padro,
deve-se calcular um a um conforme indicado acima.

00 , 2
2 , 0
=
= =
k
C Incerteza U
( ) ( ) C x u x u
j j
= = 1 , 0
2
2 , 0
267
INCERTEZA DE MEDIO
e DISTRIBUIO
RETANGULAR
Parcela de incerteza padro que utiliza
todo o intervalo no clculo (ex. resoluo
de um indicador digital).
268
INCERTEZA DE MEDIO e
DISTRIBUIO RETANGULAR
Se estivermos lendo no equipamento 1,0 mm, sendo
este digital e com valor de uma diviso 1,0 mm,
impossvel se interpolar valores intermedirios,
observaremos que ele indicar 1,0 mm para valores
entre 0,5 e 1,5 mm, s a partir da indicar 2,0 mm at
que o valor verdadeiro ultrapasse 2,5 mm, ou seja,
sempre teremos um erro, ou melhor, uma incerteza
para os valores.
4,0 2,0
1,0 3,0 5,0 0,0
( ) mm
269
RESOLUO
A incerteza pertence ao intervalo de indicao.
Incerteza da Resoluo :
( )
3
2
12
2
1 1
/ R ) a (
x u u = = =
270
RESOLUO
O desvio padro da resoluo no clculo
da incerteza de medio ser dos
equipamentos envolvidos na calibrao,
podendo ser do equipamento que est
sendo calibrado ou do padro, ou dos
dois, neste caso deve-se calcular um a
um.
271
RESOLUO
Exemplo:
Considerando o exemplo anterior, possui
uma resoluo de 1 mm.
( ) mm ,
/
x u u 2887 0
3
2 1
1 1
= = =
272
DERIVA (DRIFT)
Parcela de incerteza padro que utiliza o intervalo
bilateral no clculo (ex. deriva)
A deriva pode ser a mudana do erro do padro
da ltima calibrao para a atual, sendo que neste
caso a mudana pode ser para mais ou para
menos erro sistemtico
A incerteza da correo ser dada por:.
( )
3 3
) (
2 2
deriva a
x u u = = =
273
DERIVA
Exemplo :
Considerando que a mudana do
erro de um padro foi de 0,03C,
desde da ltima calibrao, temos:
( ) C x u u = = = 0173 , 0
3
03 , 0
2 2
274
OUTRAS DISTRIBUIES
Parcelas de incerteza padro em que se
utiliza outro tipo de distribuio
z = divisor utilizado para transformar a
dvida em um desvio padro
Ex. para triangular z=6; para tipo U, z=2.
z
a
x u
i
) (
) ( =
275
Incerteza a partir dos
possveis valores mximos e
mnimos
Definir para cada avaliao, qual a sua
contribuio, ou seja, qual o intervalo de
dvida desta avaliao (-a +a).

Transformar este intervalo de dvida em um
desvio padro de entrada (u(xi)), dividindo o
intervalo (-a +a) pelo fator que define a
probabilidade do intervalo, em funo do tipo
de distribuio, o qual o intervalo representa
(divisor) :
( )
( )
( )
2
j
a a /
u x
divisor
+
=
276
Distribuio Fonte de Incerteza Divisor Grau lib.
Retangular - Resoluo/2
Infinitos ou
100 ou 30 ou
10 ou 3
t-Student
ou
Normal
- Incertezas herdadas k
Infinitos ou
100 ou 30 ou
10 ou 3
- Desvio padro exp. da mdia n 1
- Desvio padro de R&R
- Desvio padro Carta Controle
1 n 1
- Desvio padro de resduos de
curvas de correo
1
(n 1) graus
do polinmio
Triangular - Fornecida pelo certificado v
eff
3
Divisores e Graus de Liberdade
para Fontes de Incerteza
n
6
277
COEFICIENTE DE
SENSIBILIDADE (C
i
)
O coeficiente de sensibilidade um
coeficiente que tem a funo de expressar
o quanto a avaliao da incerteza da
grandeza de sada (y) varia em funo da
avaliao incerteza da grandeza de entrada
(x
i
) .
Utiliza-se tambm o C
i
para transformao
de unidade.
278
COEFICIENTE DE
SENSIBILIDADE (C
i
)
C
i
= Derivada parcial da funo f em relao
varivel X
i
.

Se a grandeza de sada for medida
diretamente C
i
= 1
Se a grandeza de entrada tiver a mesma
unidade da grandeza da sada C
i
= 1.
i i
i
X
f
x
f
C
c
c
=
c
c
=
279
C
i
para converso de
unidades
Exemplo :
Se tivermos uma avaliao de entrada em
ohms (de uma termoresistncia) e a
avaliao de sada dever ser em graus
Celsius, calculamos :
1C [=] 0,385 Ohm 1 ohm [=] 2,597C

O
=
C
C
o
i
597 , 2
280
INCERTEZA PADRO
COMBINADA (u
c
)
a combinao das incertezas padro.
Sendo igual raiz quadrada de uma soma de
termos, sendo estes, as varincias de
grandezas ponderadas, de acordo com suas
distribuies.
( )
( )
( )
( )
( )
( )
2 2 2
1 1 2 2
. . .
c n n
u C u x C u x C u x = + + +
281
GRAUS DE LIBERDADE
EFETIVOS - v
eff
Para a incerteza de medio devemos calcular o
fator de abrangncia, para avaliar uma
probabilidade (geralmente na faixa de 95 % ~
99,8%). Para isto devemos calcular o Veff pela
frmula de Welch-Satterthwaite:.
n
nb nb
n
na na
B
B B
B
B B
A
A A A A
c
n
i
i
i i
c
eff
v
u c
v
u c
v
u c
n
u c
u
v
u c
u
v
4 4 4 4 4 4 4 4
4
1
4 4
4
. . .
1
. .
1
1 1 1 1
+ + + + +
= =
=
282
GRAUS EFETIVOS DE
LIBERDADE - v
eff
Se as unidades das grandezas (entrada e/ou
sada) so diferentes deve-se usar a frmula de
Welch-Satterthwaite na forma relativa:
( )
( )
=
|
|
.
|
\
|
=
|
.
|
\
|
n
i
i
i
i
eff
v
x
x u
v
Y
Y u
1
4
4
283
NVEL DA CONFIANA
284
EXEMPLO:
Uma grandeza de entrada
MEDIO DE RESISTNCIA ELTRICA.

Um multmetro digital foi utilizado para medir
uma resistncia eltrica de 138,5 ohms.
Determinar a componente tipo A da
incerteza, considerando 4 medies de
resistncia, obtidas obtidas com o
multmetro.
285
EXEMPLO:
Resistncia eltrica
Valores medidos (ohms)
138,5243
138,5279
138,5298
138,5217

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

286
EXEMPLO:
Resistncia eltrica
O = =
=
525925 138
1
,
n
x
x
n
i
i
( )
2
1
0 003624
1
n
i
x
i
x x
S ,
n
=
= = O
( )
2
1
1
0 001812
n
i
i
x
x x
n
S ,
n
=
= = O
287
EXEMPLO:
Resistncia eltrica
Incertezas Tipo B
INCERTEZA DO MULTMETRO
RESOLUO DO MULTMETRO
FONTES DE INCERTEZA
VALOR
()
DISTRIBUIO

ASSUMIDA

DESVIO TEMPORAL
0,08
0,005/ms
0,0001
NORMAL (k=2,02)
RETANGULAR
RETANGULAR
Incerteza expandida do multmetro obtida no
ltimo certificado de calibrao
Desvio temporal do histrico das calibraes:
ltima calibrao a 3 meses
Instrumento com mostrador em razovel
estado (resoluo razovel).
288
EXEMPLO:
Resistncia eltrica
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
O
=
+ + + =
em esto incertezas as todas pois
, 1 c exemplo nesse
resoluo da incerteza .
temporal desvio ao devido incerteza .
multmetro do calibrao da incerteza .
A tipo incerteza .
. . . .
i
4 4
3 3
2 2
1 1
2
4 4
2
3 3
2
2 2
2
1 1
x u c
x u c
x u c
x u c
x u c x u c x u c x u c u
c
289
EXEMPLO:
Resistncia eltrica
2 2 2
2
3
2 / 0001 , 0
1
3
015 , 0
1
02 , 2
08 , 0
1
1
001812 , 0
1 |
.
|
\
|
+ |
.
|
\
|
+ |
.
|
\
|
+
|
.
|
\
|
=
c
u
O = 0,04058 u
c
INCERTEZA DO MULTMETRO
RESOLUO DO MULTMETRO
FONTES DE INCERTEZA
VALOR

()
DISTRIBUIO

ASSUMIDA

DESVIO TEMPORAL
0,08
0,015
0,0001
NORMAL (k=2,02)
RETANGULAR
RETANGULAR
INCERTEZA TIPO A
0,0181
290
v
eff
pelo mtodo usual (absurdo)
GRAUS DE
LIBERDADE
EFETIVOS
4
4 4 4 4
0,04058
0, 00181 0, 0396 0, 00866 0, 0000577
4 1
eff
v

=
+ + +

757997, 5 1000
eff
v fdp Normal = >>
95,45%
2 k =
Bn
iBn
B
iB
An
iAn iA
c
n
i
i
i
c
eff
v
u
v
u
v
u
n
u
u
v
u
u
v
4
1
4
1
4 4
1
4
1
4
4
1
+ + + + +
= =
=
o GUM recomenda: quando a PDF assumida que
o nmero de GL seja infinito (absurdo)
291
EXEMPLO: Resistncia eltrica

Resultado da medio :

U = k.u
c
por u
c
= 0,040 ohms e um fator de abrangncia k = 2
baseado na distribuio-t, para v
eff
= 757 977 graus de
liberdade. U define um intervalo estimado para ter um
nvel da confiana de 95,45 por cento.
95, 45% 2 0, 04058
c
U k u = - = - O
O = 08116 0 45 95 , U % ,
( )
138,526 0,080 , RM = O
292
v
eff
pelo mtodo NMI-AU (pg 38)
GRAUS DE
LIBERDADE
EFETIVOS
4
4 4 4 4
0,04058
0, 00181 0, 0396 0, 00866 0, 0000577
4 1 100 10 10
eff
v =
+ + +
107,8 107
eff
v fdp t Student =
95,45%
(1 0, 9545;107) 2, 02 k invt = =
Bn
iBn
B
iB
An
iAn iA
c
n
i
i
i
c
eff
v
u
v
u
v
u
n
u
u
v
u
u
v
4
1
4
1
4 4
1
4
1
4
4
1
+ + + + +
= =
=
o GUM recomenda: quando a PDF assumida o
nmero de GL infinito
293
EXEMPLO:
Resistncia eltrica

Resultado da medio :

U = k.u
c
por u
c
= 0,040 ohms e um fator de abrangncia k = 2,02
baseado na distribuio-t, para v
eff
= 107 graus de
liberdade. U define um intervalo estimado para ter um
nvel da confiana de 95,45 por cento.
95, 45% 2, 02 0, 04058
c
U k u = - = - O
95, 45% 0, 08212 U = O
( )
138,526 0,081 , RM = O
294
INCERTEZA DE MEDIO
2. Histrico
295
PLANILHA PARA
avaliao DA
INCERTEZA DE
MEDIO
296
EXEMPLO - manmetro

Bourdon (0 a 1000 kgf/cm
2
), dados :
4 medidas da Presso
Mdia das medidas de Presso = 349,5 kgf/cm
2
;
Repetitividade = 0,322749 kgf/cm
2
;
Resoluo do manmetro = 1,0 kgf/cm
2
;
Desvio sistemtico = C
1
= -1,9 kgf/cm
2
;
Incerteza do desvio sistemtico = 0,15 kgf/cm
2
;
Deriva trmica sistemtica = C
2
= -0,03 kgf/cm
2
p/ 20
o
C
=> C
2
= -0,3 kgf/cm
2

Incerteza da deriva trmica sistemtica=0,005 kgf/cm
2
/
o
C
para 20
o
C; temperatura atual = 30
o
C
Incerteza da calibrao do padro = 1,6 kgf/cm
2
;
Resoluo do padro = 0,1 kgf/cm
2
;
Desvio temporal do padro = 0,25 kgf/cm
2
/ms; 2 meses
Desvio padro residual do padro = 0,2989 kgf/cm
2
;
297
Mensurando: presso. Instrumento: manmetro digital. Faixa de 0 ~1000 kgf/cm
2
.

Correo da
calibrao

Deriva
trmica

U = 1,9473 kgf/cm
2
347,3 kgf/cm
2
A
B
B
B
B
B
Repetitividade
Incert. padro.
Res. instrum.
Res. padro
Deri tempo pad
Desv pad res
0,00
kgf/cm
2
0,322749
1,6
1/2 = 0,5
0,1/2 = 0,05
0,5
0,2989
Normal
Retang.
Normal
Trian.
Retang.
Normal
3
1
2
6
3
2
0,323
0,8
0,289
0,0204
0,289
0,1495
0,1042
0,64
0,08333
0,00042
0,08333
0,0224
3
100
300
Normal
0,15
0,075
0,0056
2
0,05 Retang.
3 0,0289 0,000833
-2,2 kgf/cm
2
349,5 kgf/cm
2
B
B
2,01

0,323
kgf/cm
2
1

1

1

1

1

1

1

1

0,00
kgf/cm
2
0,00
kgf/cm
2
0,00
kgf/cm
2
0,00
kgf/cm
2
0,00
kgf/cm
2
-1,9
kgf/cm
2
-0,3
kgf/cm
2
0,8
kgf/cm
2
0,289
kgf/cm
2
0,0204
kgf/cm
2
0,289
kgf/cm
2
0,1495
kgf/cm
2
0,075
kgf/cm
2
0,0289
kgf/cm
2
0.9696
0.9401
Tipo
A, B
ou C

Fonte da
incerteza
X
i
Desvio
sistem.
S
xi
Valor da
incerteza de
U
xi
Distri.
(FDP)
Divisor
(D
xi
)
Valor
u
yi

v
i

ou
v
eff

Coef. de
sensib.
c
xi
Incert.
padro
u
xi
=
U
xi
/D
xi

u
yi
=c
xi
.u
xi
Somatria de u
yi

u
yc
yi

Fator de abrangncia
k
y
para xx,xx% de
nvel da confiana
Incerteza
expandida
U
y
= k
y
. u
yc
sistemticas

VM
y
= valor das medies

RM = VM+ C U

: u
yc

100
100
100
100
100
100
298
Exemplo:
massa de um anel de ouro
Fonte: ALBERTAZZI, Armando. METROLOGIA:
parte 1. Santa Catarina: apostila da UFSC, 2002.
Captulo 8, pginas 75 a 79.
Solicita-se:
Construir o diagrama de causa e efeito
Construir a planilha para avaliao da incerteza de
medio (modelo na prxima lmina)
Comparar com o resultado da apostila
Quais as variveis correlacionadas que foram
negligenciadas?
Quais outras incertezas poderiam ser consideradas?
para apresentar o resultado de uma medio
(item 7.2.4 pg 26):

numrico de U = k.u
c
(uma incerteza expandida),
c
= 0,074 g (uma
incerteza padro combinada) e um fator de
abrangncia k = 2,02 baseado na distribuio-t,
para v = 5 graus de liberdade. U define um
de 90 por cento.
( )
19, 68 0, , 15 R g M =

Somatria de u
yi

u
yc
yi

: u
yc

Fator de abrangncia
k
y
para xx,xx% de
nvel da confiana

Incerteza
expandida
U
y
= k
y
. u
yc
sistemticas

VM
y
= valor das medies

RM = VM+ C U

Tipo
A, B
ou C

Fonte da
incerteza
X
i
Desvio
sistem.
S
xi
Valor da
incerteza de
U
xi
Distri.
(FDP)
Divisor
(D
xi
)
Valor
u
yi

v
i

ou
v
eff

Coef. de
sensib.
c
xi
Incert.
padro
u
xi
=
U
xi
/D
xi

u
yi
=c
xi
.u
xi
301
INCERTEZA DE MEDIO
2. Histrico
302
Mark Twain atribuiu a
Benjamin Disraeli a seguinte frase:

EXISTEM MENTIRAS,
DIABLICAS MENTIRAS E
ESTATSTICAS.
A ESCOLHA NOSSA.
303
Mdia, Varincia e
Desvio padro
a mdia (mean) ou valor esperado de x , por
definio:
{ } ( ) ( )
( ) x x p
dx x p x x E x
x
aleatria varivel da fdp a onde
. . : 1
+

= = u
Se f(x) uma funo real, F = f(x) uma nova varivel
aleatria cujo valor mdio (average) ou valor esperado ,
por definio:
{ } ( ) ( ) ( ) ( ) ( )dx x p x f x f E x f
f
. . : 2
+

= = u

2
, varincia (variance) de x mdia da funo (x- )
2
:
{ } ( ) ( ) ( ) ( )
+

= = dx x p x x V x
x
. . : 3
2 2 2
u u o
, desvio padro (standard deviation) de x raiz
quadrada positiva da varincia:
{ } ( ) x V
x x
= +
2
: 4 o o
304
DISTRIBUIO DE FREQUNCIA
NORMAL OU GAUSSIANA
Esse tipo de distribuio, encontrado
freqentemente em trabalhos
experimentais
A lei Normal, de Gauss ou Gaussiana dos
erros, constitui a base para a maior parte
dos estudos das incertezas de medies.
305
As hipteses que conduzem lei Normal
so bastante simples :
Todas as observaes incluem um grande
nmero de pequenos efeitos perturbadores
aleatrios, ou erros aleatrios;
Os pequenos efeitos aleatrios podem ter
sinais positivos ou negativos;
H probabilidade igual tanto para efeitos
perturbadores positivos como para
negativos.
NORMAL OU GAUSSIANA
306
NORMAL OU GAUSSIANA
1. Haver uma forte tendncia de centralizao isto , os
pequenos erros so mais provveis que os grandes
erros;
2. Erros muito grandes, positivos e negativos, so muito
improvveis;
3. A curva de probabilidade de um dado erro marcado em
funo do valor do erro ser simtrica com respeito ao
valor nulo (por causa da igual probabilidade dos
componentes positivos e negativos dos erros).

307
NORMAL OU GAUSSIANA
Com relao ao exemplo anterior :
A rea sob a curva mede a probabilidade
O valor mdio est concentrado em torno da mdia
aritmtica 15,742 857 142 857 14 m
3
/h
A largura da base mede a disperso
A disperso pode ser caracterizada pelo desvio
padro: valor mnimo e mximo que corresponde a
uma rea de 68,28% da rea total em torno da mdia na
curva de frequncia.
308
As curvas de distribuio podem ter
uma infinidade de formas, dentre
elas:
Normal
t-Student
Retangular
Triangular
Trapezoidal
Exponencial
U.
309
DISTRIBUIO NORMAL
Como j visto, esta distribuio utilizada
para anlises em processos com
resultados, de certa forma j, esperados, ou
com um nmero de leitura razovel ( > 30)

Seu aspecto grfico de um sino, e para a
sua construo, so necessrios dois
parmetros: a mdia e o desvio padro.
310
DISTRIBUIO NORMAL
A curva Normal se estende desde menos
infinito at mais infinito e, sendo uma
curva de probabilidade, a rea limitada pela
mesma representa a probabilidade de
encontrarmos todas as observaes e,
portanto igual a 1 (100%).
311
HISTOGRAMA x PDF
1
3 4 5
6
2 1
Verificao da
normalidade
0,5
312
CURVA NORMAL
1.S = 68,27 %
3.S = 99,73 %
2.S = 95,45 %
Valor Mdio
313
DISTRIBUIO NORMAL
Para conhecermos a probabilidade de
encontrarmos valores em determinadas
faixas da curva, devemos utilizar a
distribuio normal (ou tabela da
distribuio normal) as quais podem ser
usadas para declarar vrias percentagens
de intervalos de confiana.
314
Funo densidade de probabilidade normal
Formato Usar quando incerteza
feita uma estimao
baseada em observaes
repetidas de um processo de
variao randmica.
dada uma incerteza sob a
forma de um desvio padro s, um
desvio padro relativo s/x, ou um
coeficiente de varincia CV%
sem se especificar a
distribuio.
dada uma incerteza sob a
forma de um intervalo x U com
90% (ou outro percentual) de
confiana, sem se especificar a
distribuio

NC 95%

NC 99,7%
do Tipo B
( )
u x s =

( )
s
u x x
x
| |
=
|
\ .
( )
%
100
CV
u x x
| |
=
|
\ .
( )
2 u x U =
( )
3 u x U =
315
do Tipo B
Valores do fator de abrangncia k
p
(z-escore)
que produzem um intervalo de confiana
tendo um nvel da confiana p, para a funo
densidade de probabilidade normal. (z
o

bilateral) [QUAM 2000: G.1.3, Tabela G.1]
Nvel da confiana p /
%
Fator de abrangncia
k
p
para infinitos GL
68,27 1
90 1,645
95 1,960
95,45 2
99 2,576
99,73 3
316
avaliao da incerteza do
Tipo B
Figura 1(a) : A PDF
normal de mdia
populacional
u
t
= 100
o
C
e desvio padro
populacional
o = 1,5
o
C.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
95 100 105
t /
o
C
p
(
t
)

/

o
C
p

=

6
8
,
2
7
%

u
t
o u
t
o u
t

Distribuio normal com
diferentes desvios padro
317
318
Exemplo da Aplicao: Lanamento de dados
Teorema do Limite Central
319
Diz que a soma e a mdia de n variveis aleatrias
tendem a seguir o modelo Normal, independentemente
da distribuio das variveis individuais.
A aproximao melhora na medida em que n aumenta.
Se as distribuies individuais no so muito diferentes
da Normal, basta n pequeno para se obter uma boa
aproximao.
Se as distribuies individuais forem radicalmente
diferentes da Normal, ento ser necessrio um n
grande.
320
n
n
321
DISTRIBUIO t-Student
Muitas variveis tem comportamento
prximo da PDF Normal;
A medida que diminumos o nmero
de repeties, estamos tambm
deixando de ter certeza de que a
nossa amostra esteja representando
exatamente uma distribuio Normal.
322
Para minimizar este inconveniente,
foi desenvolvido por Willian S.
Gosset, matematicamente a
distribuio t, conhecida como a
distribuio t de Student .
323
Comparap entre
PDF Normal x PDF t-Student
324
Utilizada para determinar o fator de abrangncia

Onde :
NC nvel da confiana, geralmente = 90%
GL graus de liberdade, pode ser GL = n - 1
t = valor tabelado em funo do nvel da
confiana (NC) e do grau de liberdade (GL).
n = nmero de medies para cada ponto;
U = incerteza expandida
u
c
= incerteza padro combinada
t = k = fator de abrangncia calculado pela
distribuio t-Student.
( )
,
c c
U k u t NC GL u = =
325
DISTRIBUIO
RETANGULAR
Quando qualquer elemento do espao
amostral tem a mesma probabilidade de
ocorrer e a distribuio tem distribuio
contnua num intervalo -a ~ +a.
326
DISTRIBUIO
RETANGULAR
-a +a
Probabilidade
de ocorrncia
Varivel
aleatria
1/(2.a)
( )
( )
=
+ s s =
x de valores outros para x p
a x a para
a
x p
fdp
, 0
,
. 2
1
:
327
Mdia e Desvio Padro
{ } ( ) ( ) 0
. 4 2 . 2
1
. 2
1
. . : 1
2 2 2
=
=
|
|
.
|
\
|
= = = =
+
+

a
a a x
a
dx
a
x dx x p x x E x de
a
a
a
a
x
u
{ } ( ) ( ) ( ) ( ) ( )
( )
3
3 . 6
. 2
. 6
3 . 2
1
. 2
1
0 . . : 3
2 3
3
3
2
3
2 2 2
2
a a
a
a
a
a a
x
a
dx
a
x dx x p x x V x de
x x
a
a
a
a
x
= = =

=
|
|
.
|
\
|
= = = =
+
+

o o
u u o
328
Se a diferena entre os limites, a+ - a-,
designada por 2a, o desvio padro da
distribuio retangular :

O GUM recomenda que, quando no houver
informaes sobre o comportamento de uma
varivel aleatria, adota-se distribuio
retangular.
ou
DISTRIBUIO UNIFORME
3
x
a
S =
329
Funo densidade de probabilidade
(distribuio) retangular
p = 57,735%
330
Estimao da incerteza do
Tipo B
Exemplo [QUAM 2000: 8.1.4] :
Um frasco volumtrico Classe A de 10 mL
certificado (como tendo um erro mximo
admissvel) numa faixa de 0,2 mL. A
incerteza padro de
0, 2 3 0,12 mL =
a
-
a
+
332
DISTRIBUIO
TRIANGULAR
Nesta distribuio h maior
probabilidade de ocorrer valores
prximos a mdia, e ela decresce
linearmente quando se afasta dela.
333
DISTRIBUIO
TRIANGULAR
334
DISTRIBUIO
TRIANGULAR
-a
+a
Probabilidade
de ocorrncia
Varivel
aleatria
1/a
335
DISTRIBUIO
TRIANGULAR
A integrao desta distribuio
resulta na seguinte expresso :

( ) ( )
2
2
24
4 6 2 6 6
x
a a a a
a a
S
+ +

= = = =

336
Funo densidade de probabilidade
(distribuio) triangular
p =
64,983%
337
Tipo B
Se os limites de a forem dados sem um
nvel de confiana, mas houver razo para
esperar que valores extremos sejam
improvveis, em geral apropriado
assumir uma distribuio triangular, com
um desvio padro de
[QUAM 2000: 8.1.5]
[GUM 2003: 4.3.9]
a
-
a
+
6 a
338
Tipo B
Exemplo 7.3.1 [QUAM 2000: 8.1.5] :
Um frasco volumtrico Classe A de 10 mL
certificado (como tendo um erro mximo
admissvel) numa faixa de 0,2 mL, mas
as verificaes internas de rotina mostram
que valores extremos so raros. A
incerteza padro de
0, 2 6 0, 08 mL =
a
-
a
+
339
Tipo B
Exemplo 7.3.2 :
Uma bureta com valor de diviso de
escala 0,1 mL usada em uma titulao.
Um analista faz a seguinte leitura 25,05
mL. A incerteza padro devida
resoluo desse instrumento poderia ser
estimada como :
0,1 mL
0, 02 mL
2 6
=
a
-
a
+
340
Tipo B
Exemplo 7.3.2 (cont.):
Suponha agora que o POP do mtodo de
anlise estabelecesse que as leituras teriam de
ser feitas para o dcimo de mL mais prximo.
Ento o analista faria a leitura 25,1 mL.
A incerteza padro devida resoluo seria
melhor estimada por :
0,1 mL
0, 041 mL
6
=
a
-
a
+
341
Tipo B
Para a distribuio triangular simtrica ,
cuja esperana matemtica ou valor
esperado de X
i
, i.e. u = x
i
, :
x
i
= (a
-
+ a
+
)/2
e sua varincia :
( )
2 2
6
i
u x a =
342
Funo densidade de probabilidade triangular
Formato Usar quando incerteza
A informao disponvel
quanto a x menos limitada
do que para uma distribuio
retangular. Valores prximos
de x so mais provveis do
que prximos dos limites
feita uma estimao sob
a forma de uma faixa mxima
(a) descrita por uma
distribuio simtrica
Tipo B
( )
6
a
u x =
343
OUTRAS DISTRIBUIES

Trapezoidal: varincia =

Distribuio triangular: = 0
Distribuio retangular: = 1
U
t-Student (prximas lminas).
6
) 1 ( + a
347
Outras definies:
m
n
- momento de ordem n
A mdia o momento de 1 ordem:
{ }
n
n
x m : 5
{ }
x
x m u = =
1
1
: 6
A varincia o momento de 2
ordem centrado na mdia:
{ } ( )
2 2
2
: 8
x
x o u u = =
O momento de 2 ordem de x :
{ }
2 2 2
2
: 7 u o + = =
x
x m
348
Demonstrao:
c. q. d.
{ } u u u u u u . . 2 . . 2 : 10
2 2 2 2 2 2 2
x x x x x + + = + =
{ }
2 2 2
: 15 u o + =
x
x
Ento
{ }
2 2 2
2
: 9 u o + = =
x
x m
{ }
2 2 2 2 2 2 2
. . 2 . . 2 . . 2 . . 2 : 11 u u u u u u u u + + = + + = x x x x x x x
{ } ( )
2 2 2
. . 2 : 12 u u u + = x x x
{ } ( ) ( )

+

+

+ = dx x p dx x p x x
x
. . . . . . 2 : 13
2 2 2
u u o
{ } ( ) ( ) 1 . . . 2 . . . . . . 2 : 14
2 2 2 2 2
u u u o u u o + = + =

+

+

x x
dx x p dx x p x x
349
Demonstrao:
c. q. d.
{ } ( )
2 2
2
: 16
x
x o u u =
{ } ( ) ( ) ( ) ( ) ( )

+

+

+ = = = dx x p x x dx x p x x . . . 2 . . : 17
2 2 2 2
2
u u u u u
{ } ( ) ( ) ( )

+

+

+

+ = dx x p dx x p x dx x p x . . . . . . 2 . . : 18
2 2
2
u u u
{ } ( ) ( ) 1 . . . 2 . . . . . . 2 : 19
2 2 2 2
2
u u u u u u + = + =

+

+

x dx x p dx x p x x
{ }
2 2 2
: 15 u o + =
x
x { }
2 2 2 2
2
: 21
x x
o u u o u = + =
De
{ }
2 2 2 2 2
2
. 2 : 20 u u u u = + = x x
350
A mdia aritmtica um
estimador no tendencioso da
mdia da populao
Demonstrao:
{ } u x : 22
{ }
n
x
x
n
i
i
=
=
1
: 23
{ }
( )
n
dx x p x
n
x
n
x
x
i
n
i
i
n
i
i
n
i
i
. .
: 24
1 1
1
+

= =
=
|
.
|
\
|
= = =
{ }
( )
n
dx x p x
x
n
i
i i

=
+

=
1
. .
: 25
{ } u
u
u
= = =

=
n
n
n
x
n
i
.
: 26
1
Ento a esperana ou valor esperado ou
de x a mdia da populao
c. q. d.
Valor Mais Provvel (VMP)
A moda o VMP
Se a PDF for
retangular, normal ou triangular ento:
o valor esperado coincide com a moda
e, como o valor esperado a mdia
aritmtica, ento a mdia tambm o VMP
351
RB (Resultado Base)
x
VMP (Valor Mais Provvel)
possvel que o RB seja um ponto especfico
arbitrrio
neste caso o utiliza-se o desvio padro esperimental da amostra
para representar a incerteza tipo A
possvel que o RB seja a moda
neste caso o utiliza-se o desvio padro esperimental da amostra
para representar a incerteza tipo A
Na maioria das vezes o RB seja a mdia
neste caso o utiliza-se o desvio padro esperimental da mdia
para representar a incerteza tipo A.
352
353
Desvio padro da mdia o
desvio padro da populao
divido por raiz de n
Demonstrao:
{ }
n
x
x
o
o = : 27
{ } ( ) x V
x x
= =
2
: 28 o o
{ } ( ) ( )
2 2 2
. . 2 : 29 u u u + = = x x x x V
{ } ( )
2 2 2 2 2 2
. . 2 . . 2 . . 2 : 30 u u u u u u u + = + = + = x x x x x x V
{ } ( )
2 2
: 31 u = x x V
{ }
1 2
1
2 2
1 1 1 1
1 1
32 : .
n
n
j
i n n n n
j
i
i j i j
i j i j
x
x
x x x x x x x
n n n n
=
=
= = = =
= = = =

354
Desvio padro da mdia o desvio
padro da populao divido por raiz
de n (continuao)
Demonstrao:
{ }
n
x
x
o
o = : 27
{ }

= = = =
=
=
= = = =
n
i
n
j
j i
n
j
j
n
i
i
n
j
j
n
i
i
x x
n
x x
n n
x
n
x
x x x
1 1
2
1 1
2
1
1
2
.
1 1
. : 32
Existem n pares com i = j e n(n-1) pares independentes com i j
ento:
{ }
2 2 2
. : 34 u o + = =
x i i i
x x x
{ }
2
. . : 35 u u u = = =
j i j i
x x x x
Se i = j ento e de {9} :
Hiptese: Se com i j ento
as variveis so independentes
(no auto-correlacionadas):
{ } ( ) ( ) | |
2
2
2 2 2
2
2
. . 1 .
1
. : 36 u
o
u o u + = + + = =
n
n n n
n
x x x
x
x
355
Desvio padro da mdia o desvio
padro da populao divido por raiz
de n (continuao)
Demonstrao:
{ }
n
x
x
o
o = : 27
{ }
2
2
2
: 36 u
o
+ =
n
x
x
Substituindo
{ } ( )
2 2
: 31 u = x x V
e {37} este em {28} :

Hiptese para {27} ser vlida: independncia entre os x
i
e x
j
obtm-se { } ( )
n n
x V
x x
2
2 2
2
: 37
o
u u
o
= + =
{ }
n
n
x x
x
o o
o = =
2
: 27
c. q. d.
em
356
Varincia de uma amostra (
2
) um
estimador TENDENCIOSO da
varincia da populao (
2
)

Demonstrao:
{ }
( )
2
1
2
2
: 38
x
n
i
i
n
x x
o o =

=
{ }
( ) ( )
n
x
n
x
x
n
x
n
x
n
x x
n
x
n
x x x x
n
x x
n
i
n
i
i
n
i
i
n
i
n
i
i
n
i
i
n
i
i i
n
i
i
= = = = = = = =
+ = + =
+
=
1
2
1 1
2
1
2
1 1
2
1
2 2
1
2
2
. 2
. . 2 . . 2
: 39 o
{ }
2
1
2
2 2
1
2
2
1
2
2
. 2
.
. . 2 : 40 x
n
x
x x
n
x
n
x n
x x
n
x
n
i
i
n
i
i
n
i
i
= + = + =

= = =
o
{ }
( )
|
|
.
|
\
|
+
+
= = = =

=
=
= = 2
2
1
2 2
2 1
2
2 1
2
2 1
2
2
: 41 u
o
u o
o
n n
x
n
x
x
n
x
x
n
x
x
n
i
x
n
i
i
n
i
i
n
i
i
{ }
( )
2
2 2 2
2 2
2
2 2 2
2 2 2
2
1 . .
: 42
x
x x x
x
x
x
x x
n
n
n
n
n n n n
n
o
o o o
o u
o
u o u
o u o
o
|
.
|
\
|

=
= = + =
|
|
.
|
\
|
+
+
=
357
Varincia de uma amostra (
2
) um
estimador TENDENCIOSO da
2
) - continuao

Demonstrao:
{ }
( )
2
1
2
2
: 38
x
n
i
i
n
x x
o o =

=
{ }
2 2
1
: 42
x
n
n
o o
|
.
|
\
|

=
De {42} conclui-se que a esperana da varincia de
uma amostra (
2
) NO UM ESTIMADOR da
2
), ou seja,
2
um
ESTIMADOR TENDENCIOSO ou VICIADO de
2
Ainda de {42} conclui-se que multiplicando a
varincia de uma amostra (
2
) por n/(n-1) obtm-se a
2
) logo:
Estimador no tendenciosa de
varincia
{ }
( ) ( )
( )
2 2 2 2
2 2 2
2 2
2 2
1 1
2
2 2 2 2
1
1
43 :
1
1 1
1
1
x x
x
n n
i i
i i
x
n
i
i
x x x x
n n
n n
n n
n n
x x x x
n
n n n
x x
S S
n
o o o o
o o o
o o
o o
= =
=
| | | |
= =
| |
\ . \ .
| | | |
= =
| |

\ . \ .

| |
=
|
\ .
= =
359
avaliao da varincia experimental
segundo o 4.2.2 do GUM

Demonstrao:
{ }
( )
2
1
2
2
1
: 44
x
n
i
i
x
n
x x
S o
=

=
De {43} e {45} conclui-se que S
2
um estimador
NO TENDENCIOSO ou NO VICIADO da varincia
da populao (
2
)
{ }
( ) ( )
2
1
2
1
2
2 2
1 1 1
: 45
x
n
i
i
n
i
i
x
n
x x
n
x x
n
n
n
n
S o o
=
|
|
|
|
.
|
\
|

|
.
|
\
|
=
|
.
|
\
|
=

= =
De {43} e {44} :
360
da mdia (4.2.3 do GUM)
Mostrou-se que
{ }
n
n
x x
x
o o
o = =
2
: 33
{ }
( )
2
1
2
2
1
: 45
x
n
i
i
x
n
x x
S o
=

=
Substituindo {45} em {33} e extraindo a raiz
quadrada obtm-se o desvio padro experimental da
mdia que um estimador no tendencioso do
desvio padro da mdia de uma populao a partir
de uma amostra:
{ }
( )
x
n
i
i
x
x
n
n
x x
n
S
S o
= =
=
1
: 46
1
2
c. q. d.
Demonstrao de {46}:
361
x x
x x
s u
s u
n n
= =
{ } ( ) ( )
( )
( )
{ } ( ) ( ) ( )
2
2 2 2
2 2 2
46.
46. . .
. . 2. . . . . .
2. . . .
:
:

x x x
x x x x
b u x p x dx x p
a u x p x dx
x dx
x x p x d
p
x
x dx
u u u
u u
+ + +

+ +

= = +
= +

Da definio de varincia {3}:

Da definio

Lembrando que a mdia uma constante e da definio de
PDF:
{ } ( ) ( ) ( ) ( ) ( )
2 : . .
f
f x E f x f x p x dx u
+
= =

{ } ( )
2 2 2 2 2
46. 2. . . . 2. . :
x x x x x
c u x x p x dx x x u u u u
+
= + = +
Demonstrao de {46}:
362
Da equao
E da equao
{ }
2
2 2
36 :
x
x
x
n
o
u = +
{ }
2
2 2 2
46. 2. . :
x
x x x x x
d u
n
o
u u u u = + +
{ }
26 :
x
x u =
Da definio { }
1 :
x
x u =
{ }
46. :
x x
e x u u = =
Substituindo {26}, {36} em {46.c}:
Ento de {1} e {26}:
Substituindo {46.e} em {46.d}:
{ }
2 2
2 2 2
46. 2. . :
x x
x x x x x
f u
n n
o o
u u u u = + + =
x x
x x
s u
s u
n n
= =
Demonstrao de {46}:
363
De {45} e {46.f} :
{ }
2 2 2
2 2
46. :
x x x
x x
s u
g u u
n n n
o
= = =
A raiz quadrada positiva de {46.g} :

Hiptese para {46.h} ser vlida: n grande e y=h(x) ser
aproximadamente linear e os xi e xj independentes, ou seja
no auto-correlacionados, i.e em estado estacionrio.
{ }
46. :
x x
x x
s u
h s u
n n
= = =
x x
x x
s u
s u
n n
= =
c. q. d.
PROPAGAO DE PDF
364
Universidade Federal de
Minas Gerais - UFMG
Prof. Welington Ferreira de MAGALHES
Departamento de Qumica
Welmag@ufmg.br

A seguir, alguns dos slides da parte de
conceitos bsicos de nossa Disciplina
Metrologia Qumica ofertada na Ps-
Graduao em 2004.
Funes de variveis
aleatrias
Teorema : Seja X uma varivel aleatria
associada PDF f(x), consideremos uma funo
y = h(x) derivvel e estritamente crescente ou
decrescente (i.e. monotnica) em um dado
intervalo [a,b] e portanto, possuindo a funo
inversa x = h
-1
(y). Ento a varivel Y possui a
PDF g(y) dada por :
(50)
Esse processo de transformar Y em X
chamado de mudana de varivel, e a obteno
da PDF de Y pode ser considerada como uma
propagao de PDF.
( ) ( ) ( ) ( ) { }
( ) { }
1
1
1
d h y
dy dx
g y f x f x f h y
dx dy dy
= = =
Funes de variveis
aleatrias
No caso de y = h(x) no ser monotnica,
mas contnua com derivadas nulas em um
nmero finito N de pontos, ento ela
estritamente crescente ou decrescente em
um nmero finito de sees, a varivel Y
possui a PDF g(y), que ser nula nos
pontos de derivadas dy/dx nulas, e dada
por :
(51)
( ) ( ) ( ) ( ) { }
( ) { }
1
1
1
1 1 1
N N N
d h y
dy dx
g y f x f x f h y
dx dy dy

= = =
` ` `
) )
)

Funes de variveis
aleatrias
Exemplo 1 : seja X~N(0,1) :
Qual a PDF da varivel Y definida por y = ax
+ b ?
A inversa de y :
cuja derivada : ento a PDF de Y
ser uma normal de mdia b e desvio
padro a :
y b
x
a
=
1 dx
dy a
=
( )
2
2
1
2
x
f x
e
t

=
( )
2 2
1 1
2 2
1 1 1
2 2
y b y b
a a
g y
a
a
e e
t t

| | | |

| |
\ . \ .
= =
Funes de variveis
aleatrias
Qual a PDF da varivel Y definida por y = x
1
?
A inversa de y : x = y
1
e : ento a
PDF de Y ser :
2
2
1 dy
y
dx x
= =
( )
2
2
1
2
x
f x
e
t

=
( )
2
2
1 1 1
2
2
2
2
1 1 1
2 2
y
y
g y
y
y
e e
t t
| |

|
\ . = =
Funes de variveis
aleatrias
Exemplo 2 : seja :
PDF da varivel Y
definida por y = x
1

quando X~N(0,1)
fdp de y = 1/x
0
0,05
0,1
0,15
0,2
0,25
0,3
-5 -4 -3 -2 -1 0 1 2 3 4 5
y
f
(
y
)
( )
2
1
2
2
1
, 0
2
0 , 0
y
y
g y y
y
e
t

=
Funes de variveis
aleatrias
Qual a PDF da varivel y definida por y = x
2
?
A inversa de y : x = y
1/2
se x < 0 e
x = y
1/2
se x > 0, temos :
ento a PDF de Y ser nula para y 0 e :
( )
1 2
0
2 2 0
dy
dy
x y
dx dx
= = =
( )
2
2
1
2
x
f x
e
t

=
( )
( ) ( )
{ }
1 2 1 2
1 2
2 2 2
1 2
2
1
2
1 1 1 1
, 0
2
2 2 2
y y y
g y f y f y
y
y
y
y y
e e e
t t t

= + + =

= + = >
`
)
Funes de variveis
aleatrias
Exemplo 3 : PDF de
y = x
2
quando
X~N(0,1). Essa a
PDF de ;
2
com 1
grau de liberdade.
fdp de y = x
2
0
0,2
0,4
0,6
0,8
1
1,2
1,4
0 1 2 3 4 5
y
f
(
y
)
( )
2
1
, 0
2
0, 0
y
y
y g y
y
e
t

>
373
PROPAGAO
DA INCERTEZA
DE MEDIO
374
Propagao da
incerteza de medio
Considere w = w(x,y,z)
x, y e z so medidas n vezes
As varincias e mdias de x, y e z so conhecidas
Com os n valores das grandezas de entrada,
calcula-se os n valores da grandeza de sada,
w
i
= w(x
i
,y
i
,z
i
)
Ento a mdia da grandeza de sada pode ser
estimada:
( )
n
, z , y , x w
n
w
w
n
i
i i i
n
i
i
= =
= =
1 1
: {47}
375
Propagao da
incerteza de medio (continuao)
Expandindo w
i
= w(x
i
,y
i
,z
i
) em srie de potncias, ou
srie de Taylor, em torno dos valores das mdias:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )( )
( ) ( )
( )( )
( )
( )
( )( ) +
c
c
c
c
+
+
c
c
c
c
+
c
c
c
c
+
c
c
+
c
c
+
c
c
+
+
c
c
+
c
c
+
c
c
+ =
z z y y
z
w
y
w
z z x x
z
w
x
w
y y x x
y
w
x
w
z z
z
w
y y
y
w
x x
x
w
z z
z
w
y y
y
w
x x
x
w
z y x w w
i i
z y x
z y x
i i
z y x z y x
i i
z y x
z y x
i
z y x
i
z y x
i
z y x
i
z y x
i
z y x
i
z y x
i
. .
! 2
2
. .
! 2
2
. .
! 2
2
.
! 2
1
.
! 2
1
.
! 2
1
. . . , ,
, ,
, ,
, , , ,
, ,
, ,
2
, ,
2
2
2
, ,
2
2
2
, ,
2
2
, ,
, ,
, ,
: {48}
376
Propagao da incerteza de medio
de funes quase lineares
Se a primeira derivada aproximadamente uma constante,
ento a segunda deriva aproximadamente zero
A primeira derivada ser constante se a funo for linear ou
afim
Ento de {48}:
( )
( )
( )
( )
( )
( )
( ) z z .
z
w
y y .
y
w
x x .
x
w
z , y , x w w
i
z , y , x
i
z , y , x
i
z , y , x
i

c
c
+
c
c
+
c
c
+ ~ : {49}
( )
( )
( )
( )
( )
( )
( )
n
z z .
z
w
y y .
y
w
x x .
x
w
z , y , x w
n
w
w
n
i
i
z , y , x
i
z , y , x
i
z , y , x
n
i
i

=
=

c
c
+
c
c
+
c
c
+
~ =
1
1
: {50}
( )
( )
( )
( )
( )
( )
( )
( ) z , y , x w
n
z z .
z
w
y y .
y
w
x x .
x
w
z , y , x w . n
w
n
i
i
z , y , x
n
i
i
z , y , x
n
i
i
z , y , x
~
c
c
+
c
c
+
c
c
+
~

= = = 1 1 1
: {51}
0 0 0
377
Propagao da incerteza de medio de
funes quase lineares (continuao)
De {49}:
( )
( )
( )
( )
( )
( )
( )
2
2
: {53}
c
c
+
c
c
+
c
c
= z z .
z
w
y y .
y
w
x x .
x
w
w w
i
z , y , x
i
z , y , x
i
z , y , x
i
( )
( )
( )
( )
( )
( )
( ) z z .
z
w
y y .
y
w
x x .
x
w
z , y , x w w
i
z , y , x
i
z , y , x
i
z , y , x
i

c
c
+
c
c
+
c
c
~ : {52}
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )( )
( ) ( )
( )( )
( )
( )
( )( ) z z y y
z
w
y
w
z z x x
z
w
x
w
y y x x
y
w
x
w
z z
z
w
y y
y
w
x x
x
w
w w
i i
z y x
z y x
i i
z y x z y x
i i
z y x
z y x
i
z y x
i
z y x
i
z y x
i

|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
=
. . 2
. . 2 . . 2
. . .
, ,
, ,
, , , ,
, ,
, ,
2
2
, ,
2
2
, ,
2
2
, ,
2
: {54}
De {49} e {51} e elevando ao quadrado:
378
de funes quase lineares (continuao)
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )( )
( ) ( )
( )( )
( )
( )
( )( )

= =

|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
|
|
.
|
\
|
c
c
+
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
+
|
|
.
|
\
|
c
c
=
n
i i
z y x
z y x
i i
z y x z y x
i i
z y x
z y x
i
z y x
i
z y x
i
z y x
n
i
z z y y
z
w
y
w
z z x x
z
w
x
w
y y x x
y
w
x
w
z z
z
w
y y
y
w
x x
x
w
w w
1 i 1 i
: {55}
. . 2
. . 2 . . 2
. . .
, ,
, ,
, , , ,
, ,
, ,
2
2
, ,
2
2
, ,
2
2
, ,
2
Aplicando o somatrio em n a equao {54}:
Dividindo por (n-1) :.
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) ( )
( ) ( )
2
2 2
2 2 2
, , , ,
, ,
2
i 1
, , , , , ,
, ,
. . .
1 1 1
{56}: 2. . 2. .
1 1
i i i
x y z x y z
x y z
n
i
i i i
x y z x y z x y z
x y z
x x y y z z w w w
x n y n z n
w w
x x y y x w w w w
n x y n x z
=
| |
| | | |
c c c
| + + + | |
| |
|
c c c
\ . \ .
\ .
| |
| | | | | |
c c c c
| = + + | | |
| | |
|
c c c c
\ . \ . \ .
\ .
( ) ( )
( )
( )
( ) ( )
i 1
, ,
, ,
1
2. .
1
n
i
i i
x y z
x y z
x z z
n
y y z z w w
y z n
=

+

| |
| |
c c
| + |
|
|
c c

\ .
\ .

379
Da definio de varincia:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( )
2
2 2
, , , ,
, ,
2
i 1
, , , , , ,
, ,
, ,
. . .
{57}: 2. . cov , 2. . cov ,
1
2.
x y z x y z
x y z
n
i
x y z x y z x y z
x y z
x y z
w w w
V x V y V z
x y z
w w
w w w w
V w x y x z
n x y x z
w
y
=
| |
| | | |
c c c
| + + +
| |
| |
|
c c c
\ . \ .
\ .
| |
| | | | | |
c c c c
| = + + +
| | |
| | |
|
c c c c
\ . \ . \ .
\ .
|
c
+
c
\
( )
( )
, ,
. cov ,
x y z
w
y z
z

|
| |
c
|
|
|
|
c

\ .
.

Da definio de incerteza:
( )
( )
2
i 1
1
w
n
i
w c
w w
u V w u
n
=

+ =
380
Da definio de varincia:
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( )
2
2 2
, , , ,
, ,
, , , , , ,
, ,
, ,
, ,
. . .
{58}: 2. . cov , 2. . cov ,
2.
w
x y z x y z
x y z
c
x y z x y z x y z
x y z
x y
x y z
w w w
V x V y V z
x y z
w w w w
u x y x z
x y x z
w w
y z
| |
| | | |
c c c
| + + +
| |
| |
|
c c c
\ . \ .
\ .
| |
| | | | | |
c c c c
| = + + +
| | |
| | |
|
c c c c
\ . \ . \ .
\ .
| |
c c
| +
|
c c
\ .
( )
( ) . cov ,
z
y z

| |

|
|

\ .

{58} a incerteza padro de w no caso em que as trs (3)
grandezas de entrada (x,y,z) atendem as hipteses abaixo :
Hiptese 1: A mdia das grandezas de entrada representativa
Hiptese 2: Primeira derivada aproximadamente constante
Hiptese 3:
Hiptese 4: Independncia entre os elementos de uma amostra (estado
estacionrio, variveis no auto-correlacionadas).
( )
{51}: , , w w x y z ~
381
Se as variveis x, y e z so estatisticamente no correlacionadas
Repetindo {57}:
( )
( )
( )
( )
( )
( )
( )
2
2 2
2
i 1 i 1 , , , ,
, ,
{59}: . . .
n n
i
x y z x y z
x y z
w w w
w w V x V y V z
x y z
= =

| |
| | | |
c c c

| = + +
| |
| |
| c c c
\ . \ .
\ .

ou
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) ( )
( )
( )
2
2 2
, , , ,
, ,
2
i 1
, , , , , ,
, ,
, ,
. . .
{57}: 2. . cov , 2. . cov ,
1
2.
x y z x y z
x y z
n
i
x y z x y z x y z
x y z
x y z
w w w
V x V y V z
x y z
w w
w w w w
V w x y x z
n x y x z
w
y
=
| |
| | | |
c c c
| + + +
| |
| |
|
c c c
\ . \ .
\ .
| |
| | | | | |
c c c c
| = + + +
| | |
| | |
|
c c c c
\ . \ . \ .
\ .
|
c
+
c
\
( )
( )
, ,
. cov ,
x y z
w
y z
z

|
| |
c
|
|
|
|
c

\ .
.

( )
( )
( )
( )
2
2 2
2
i 1 i 1 , , , ,
, ,
{60}: . . .
n n
i xx yy zz
x y z x y z
x y z
w w w
w w S S S
x y z
= =

| |
| | | |
c c c

| = + +
| |
| |
| c c c
\ . \ .
\ .

382
de funes de variveis no
correlacionadas
Reescrevendo {60}:
( )
( )
( )
2
2 2
2 2 2 2
, , , ,
, ,
{61}:
w x y z
x y z x y z
x y z
w w w
S S S S
x y z
| |
| | | |
c c c
| = + +
| |
| |
|
c c c
\ . \ .
\ .
Portanto o desvio padro (incerteza) de w :
( )
2
2 2 2 2 2 2
1
{62}: .
x y z
NE
w w x w y w z i i
i
S c S c S c S c u
=
= + + =

{62} a incerteza padro de w no caso em que as NE
grandezas de entrada atendem as hipteses abaixo:
Hiptese 1: A mdia das grandezas de entrada representativa
Hiptese 2: Primeira derivada aproximadamente constante
Hiptese 3:
Hiptese 4: Estatisticamente no correlacionadas
Hiptese 5: Independncia entre os elementos de uma amostra.
( )
{51}: , , w w x y z ~
383
Hipteses para a avaliao da
incerteza padro combinada (u
c
)
1. Comportamento do mensurando
fracamente no-linear
2. Erro sistemtico e sua incerteza conhecidos
3. A mdia aritmtica corrigida o RB do
mensurando
4. Independncia entre os
elementos de uma amostra (estado
estacionrio, no auto-correlacionadas)
5. As grandezas de entrada
(no) correlacionadas.
1. Assuma o modelo preliminar para a varivel X = x
2. Acrescente a x contribuies (uma para cada
incerteza tipo B) com mdia 0 (zero) e desvio padro
u
Bi
: X = x + B
1
+ B
2
+ ... + B
NB
com B
i
~ (0,
i
2
)=(0, u
Bi
2
)
3. Por ser um modelo linear, com soma de parcelas
com coeficientes iguais a 1, no h correlao entre
as variveis x, B
1
, B
2
, ... e B
NB

4. De {58}: .
Porque a incerteza combinada de uma
grandeza de entrada dada pelo
produto interno do vetor formado pelas
incertezas tipo A e tipo B?
384
{ }
2 2
1
63 ? :
X i
NB
c A B
i
u u u
=
= +
. . .
1
2 2
1
2 2
d q c u u u u u
NB
i
B A
NB
i
B x c
i i X

= =
+ = + =
385
avaliao da
Incerteza Expandida
Hipteses adicionais:
1. Grandezas de entrada independentes
2. Incertezas independentes
3. Grandezas de entrada tem PDF t-Student
4. Grandeza de sada tem PDF t-Student
Conhecido o NC (Nvel da Confiana)
possvel avaliar os graus de liberdade efetivos
(v
eff
) pela equao W-S (Welch-
Satterthwaite).

386
Demonstrao da equao de
Welch-Satterthwaite
A varincia de um mensurando (y) com NE=m
grandezas de entrada (x
i
) no correlacionadas
dada por:
{ } ( ) ( ) ( ) ( )
2 2 2 2 2 2 2
1 1 1 2
63 : . . .
m m
u w c u x c u x c u x = + + +
A varincia da varincia do mensurando (w) :
{ } ( ) ( ) ( ) ( )
2 2 2 2 2 2 2 2 2
1 1 1 2
64 : . . . .
m m
u u w u c u x c u x c u x = + + +

387
Welch-Satterthwaite (cont.)
{ } ( ) ( ) ( )
( )
2 2 4 2 2 4 2 2
1 1 2 2
4 2 2
66 : . .
.
m m
u u w c u u x c u u x
c u u x
= + + +

+

Admitindo que as
incertezas no so correlacionadas
e operando o lado direito de {64}:
Admitindo que as grandezas de entrada (x
i
) tem
PDF aproximadamente Gaussiana:
{ } ( )
( )
4
4
2 2
2.
2.
67 :
i
i
i
i i
u x
u u x
o
v v
= =

{ } ( ) ( ) ( )
2 2 2 2 2 2 2 2
1 1
65 : . .
m m
u u w u c u x u c u x = + +

393
{ } ( )
( ) ( )
( )
2
4 4
2 2 4 4 1 2
1 2
1 2
4
4
2. 2.
68 : .
2.
m
m
m
u x u x
u u w c c
u x
c
v v
v
= + + +

+
Substituindo {67} em {66} :
Admitindo que a grandezas de sada (w
i
) tem
PDF aproximadamente Gaussiana, de {67}:
{ } ( )
( )
4
4
2 2
2.
2.
69 : .
w
w eff
u w
u u w
o
v v
= =

394
{ }
( ) ( ) ( )
( )
2
4 4 4
4 4 1 2
1 2
1 2
4
4
2. 2. 2.
70 : .
2.
eff
m
m
m
u w u x u x
c c
u x
c
v v v
v
= + + +
+
Substituindo {69} em {68} :
Ou melhor
{ }
1 1 1 1
1
4 4
4 4 4 4 4 4 4 4 4 4
1
71 :
. . . . .
1
na na nb nb
n n
c c
eff
n
i i A A B B A A B B
i
i
A B B
u u
v
c u c u c u c u c u
v
n v v v
=
= =
+ + + + +
c. q. d.
395
FATOR DE ABRANGNCIA: t = k
Se a PDF do mensurando for t-Student,
conhecido o Nvel da Confiana (NS = 1 NC):
No excel: k = t = invt(NS;v
eff
)
MATLAB: k = t = -tinv(NS/2, v
eff
)
Lembrando das hipteses para validade da
equao Welch-Satterthwaite:
1.Grandezas de entrada no correlacionadas
2.Incertezas no correlacionadas
3.Grandezas de entrada tem PDF t-Student
4.Grandeza de sada tem PDF t-Student.

396
INCERTEZA DE MEDIO
2. Histrico
397
METODOLOGIAS PARA
AVALIAO DA
INCERTEZA DE MEDIO
Uma, duas, trs ou nenhuma medida
GUM: mtodo frequencista
Intervalo para as maiores variaes possveis das
grandezas de sada
Atravs do Mtodo de Monte Carlo (MCM)
Abordagem por lgica fuzzy
Abordagem bayesiana.
Uma, duas, trs
ou nenhuma medida
Valor mximo esperado
Valor mnimo esperado
Assumir distribuio retangular
Tipo A da incerteza de medio:

Tipo B: depende da qualidade dos
instrumentos de medio
Incerteza padro combinada:
398
max min
2 3
A
Y Y
u

=
2 2
1
B
j
n
Y A B
j
u u u
=
= +
399
GUM: mtodo LPU
Modelo
W=f(X)
avaliaos x
das grandezas
de entrada X
Incertezas
padro: u(x)
Graus de
liberdade V
para cada x
Nvel da
confiana
desejada
Coeficientes de
sensibilidade
Ci = dW/dxi
Incertezas padro
combinada u
c
(w)
Graus de liberdade
efetivos Veff
Fator de abrangncia k
Incerteza expandida U(w) = k . u
c
(w)
Resultado da Medio = w U(w)
Modelo avaliado nas avaliaos
das grandezas de entrada w=f(x)
400
Intervalo para as maiores
variaes da grandeza de
sada
A grandeza A definida pelo modelo:
A = B . C / D
As grandezas de entrada B, C e D tem
incertezas dadas por B, C e D
Valor mnimo para A:Valor mximo para A:
Amax = (B+B). (C+C)/(D-D)

Amin = (B-B). (C-C)/(D+D)
Incerteza para A: A= (Amax Amin)/2
Valor mdio para A: <A> = (Amax + Amin)/2
Resultado da medio: A = <A> A.
401
MCM: Mtodo de Monte Carlo (LPP)
Modelo
W = f (X)
Funes densidade
de probabilidade g(X)
Nmero M de extraes
aleatrias para a simulao
de Monte Carlo
Nvel da
confiana
desejada
M amostras x
1
,..., x
M
de x a partir de
g(xi) = mdia(xi) + S
B1
+ ...+ S
Bn
com mdia (S
Bi
) = 0
M avaliaes ordenadas
da avaliao de sada
w
1
,...,w
M
Resultado da Medio: RM = [ w
(1-p)M/2
,w
(1+p)M/2
]
M avaliaes da avaliao da sada
w = (w
1
,..., w
M
) = {f(x
1
),...,f(x
M
)}
Abordagens para
Frequencista
Duas possibilidades:
GUM (bastante utilizada)
Monte Carlo (s vezes)
A PDF existe, tem-se que
descobrir qual a mais
apropriada
GUM: adequada apenas para
sistema fracamente no-
lineares
Bom apenas para n grande
No consistente, pois
necessita de teoria bayesiana
Bayesiana
Uma possibilidade
Pouco utilizada

A PDF apenas a
expresso da quantidade
de informao
Vale para qualquer
sistema, linear ou no-
linear
Consistente, inclusive
essa teoria utilizada na
incerteza tipo B do GUM
402
403
INCERTEZA DE MEDIO
2. Histrico
Procedimento para a
avaliao da incerteza de medio
1. Anlise do processo de medio;
2. Estabelecer os objetivos da medio, identificando o mais CLARAMENTE
e INEQUIVOCADAMENTE possvel o mensurando;
3. Determinar o modelo de medio e modelo de medio que relaciona as
grandezas de entrada (X
i
) com a grandeza de sada (Y) :
Y = f ( X
1
, X
2
, X
3
, ... , X
n
) ;
4. Identificar as fontes do Tipo A e Tipo B de incertezas;
5. Incorporar as Correes sistemticas (C) ao Valor Medido (VM):
RB = VM + C
6. Estabelecer os divisores (D
i
) associado s PDFs das grandezas de entrada
com base em conhecimentos experimentais prticos ou tericos;
7. Avaliar os Tipo A e Tipo B da incerteza padro (u
i
) p/ cada grandeza de
entrada nas unidades das grandezas de entrada: u
xi
= U
xi
/D
xi

8. Avaliar os coeficientes de sensibilidade C
xi
para cada incerteza das
grandezas de entrada;
9. Avaliar a incerteza padro combinada (u
Yc
) para cada
grandeza de sada:
10. Avaliar os graus de liberdade efetivos (v
ef
)
pela frmula de Welch-Satterthwaite;
11. A partir do nvel da confiana desejado, avaliar o fator de abrangncia k;
12. Avaliar a incerteza expandida (U
Y
): U
Y
= k
Y
.u
Yc
;
13. Expressar o resultado da medio com sua incerteza expandida segundo
o GUM, veja item 7.2.4, pgina 26, da 3 edio editada pelo INMETRO.
( )
2
1 1
n n
Y i
i i
i
f
u u x
X
= =
| |
| |
c
| =
|
|
c
\ .
\ .
x
Tipo
A, B
ou C

Fonte da
incerteza
X
i
Desvio
sistem.
S
xi
Valor da
incerteza de
U
xi
Distri.
(FDP)
Divisor
(D
xi
)
Valor
u
yi

v
i

ou
v
eff

Somatria de u
yi

u
yc
yi

: u
yc

Fator de abrangncia
k
y
para xx,xx% de
nvel da confiana

Incerteza
expandida
U
y
= k
y
. u
yc
sistemticas

VM
y
= valor das medies

Coef. de
sensib.
c
xi
RM = VM+ C U

Incert.
padro
u
xi
=
U
xi
/D
xi

u
yi
=c
xi
.u
xi
para apresentar o resultado de uma medio
(item 7.2.4 pg 26):

numrico de U = k.u
c
(uma incerteza expandida),
c
= 0,074 g (uma
incerteza padro combinada) e um fator de
abrangncia k = 2,02 baseado na distribuio t,
para v = 5 graus de liberdade. U define um
de 90 por cento.
( )
19, 68 0, , 15 R g M =
407
INCERTEZA DE MEDIO
2. Histrico
13 Avanos na avaliao da
incerteza de medio
W-S com correlao
HLPU ou LP2 ou LP3 (High Order LPU)
W-S para HLPU
MLPU (Multivariable LPU)
W-S para MIMO
MLPP (Multivariable LPP)
DLPP (Dynamic DLPP)
Incerteza atravs da lgica fuzzy.
408
409
Quanto ao futuro
apenas a incerteza
certa.

Antnio Fidalgo
410
Prof. Dr. Ricardo de Arajo Kalid
kalid@ufba.br - (71) 3283.9811 ou (71) 9188.3316
AVALIAO DA
INCERTEZA DE MEDIO
Itens do relatrio
Capa
Lista de figuras, tabelas, quadros
Glossrio e nomenclatura
Sumrio com nmero de pginas, sees e subsees
numeradas
1. Introduo, motivao, contextualizao e justificativa
2. Hiptese(s)
3. Objetivos geral e especficos
4. Metodologia, materiais e mtodos
5. Resultados e discusses
6. Concluses e recomendaes
7. Sugestes de trabalhos futuros
8. Referncias bibliogrficas
Anexos
Apndices.
411
Tratamento estatstico
de dados
Curva de tendncia (Y x tempo)
Deteco dos estados estacionrios
Deteco dos dados esprios (outliers)
Testes dos quartis
Teste de Chauvenet
Curvas Y x X
Histogramas
Correlao linear e no-linear entre as
variveis.
412
de dados (continuao 1)
Clculo de estatsticas
Mdia
Desvio padro
Desvio padro da mdia
Coeficiente de correlao linear e no-linear
Aderncia a uma PDF especfica
Teste de Kolmogorov-Smirnov
Autocorrelao
Correlao cruzada

413
de dados (continuao 2)
avaliao (da incerteza) de parmetros
Teste de independncia entre entradas
Teste de heterocedasticidade dos resduos
Comportamento dos resduos
R
2
, R
2
ajustado, R
2
multivariado
Intervalo de confiana dos parmetros
Intervalo conjunto de confiana

414
415
Apresentao baseada no trabalho do Prof. Dr. Ricardo de Arajo Kalid

Teoria Dos Erros

Diunggah oleh

Informasi Dokumen

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

Teoria Dos Erros

Diunggah oleh

Hak Cipta:

Format Tersedia

TEORIA DOS ERROS

Da definio de varincia {3}:

Anda mungkin juga menyukai