Documentos de Académico
Documentos de Profesional
Documentos de Cultura
na Medio
Fundamentos e Aplicaes
1
5. Distribuio de Gauss .............. 82 2. Medio....................................... 121
5.1. Introduo................................82 2.1. Metrologia ............................. 121
5.2. Histogramas e distribuies ....82 2.2. Medio ................................ 121
5.3. Distribuies limites.................86 2.3. Princpio de medio ............ 121
5.4. Distribuio normal..................88 2.4. Mtodo de medio .............. 121
5.5. Desvio padro como limite de 2.5. Procedimento de medio .... 121
confiana de 68%.................................91 2.6. Mensurando (mensurand)..... 121
5.6. Justificativa da mdia como 2.7. Grandeza de influncia......... 121
melhor estimativa .................................93 2.8. Grandeza de modificao ..... 121
5.7. Justificativa da soma 2.9. Sinal de medio .................. 122
quadrtica ............................................96 2.10. Rudo (noise) ...................... 122
5.8. Desvio padro da mdia..........99 3. Resultado da Medio ................ 122
5.9. Aceitao de um resultado ....100 3.1. Resultado de uma medio .. 122
Definies e Equaes .......................103 3.2. Resultado no corrigido........ 122
Distribuies limites......................103 3.3. Resultado corrigido............... 122
Distribuio normal ou de Gauss .103 3.4. Erro (da medio) ................. 122
Mdia ou melhor estimativa..........103 3.5. Erro relativo .......................... 122
Desvio padro da medio...........103 3.6. Erro aleatrio ........................ 123
Incerteza do desvio padro ..........103 3.7. Erro sistemtico .................... 123
Desvio padro da mdia...............103 3.8. Correo (do erro) ................ 123
Aceitao de um resultado medido104 3.9. Fator de correo ................. 123
3.10. Incerteza ............................. 123
6. Mdias Ponderadas ............... 105 3.11. Incerteza (da medio) ....... 123
7.1. Introduo..............................105
3.12. Incerteza padro................. 124
7.2. Problema de combinar
3.13. Incerteza padro combinada124
medies............................................105
3.14. Incerteza expandida ........... 124
7.3. Mdia Ponderada ..................105
3.15. Avaliao Tipo A ................. 125
7.4. Um exemplo ..........................107
3.16. Avaliao Tipo B ................. 125
Definies e equaes........................108
3.17. Fator de cobertura .............. 125
Concluso ...........................................109
4. Instrumento de Medio.............. 125
Referncias Bibliogrficas ......... 110 4.1. Instrumento de medio ....... 125
Normas ................................... 111 4.2. Medida materializada............ 125
A.Integral do Erro Normal I ......... 112 4.3. Transdutor de Medio ......... 125
4.4. Transmissor (transmitter)...... 125
B. Definies e Conceitos .......... 116 4.5. Cadeia de medio ............... 126
1. Grandezas e Unidades ................116 4.6. Sistema de medio ............. 126
1.1. Grandeza (mensurvel).........116 4.7. Indicador (indicator) .............. 126
1.2. Grandeza medida ..................117 4.8. Registrador (recorder) .......... 126
1.3. Grandeza de base .................117 4.9. Totalizador (totalizer) ............ 126
1.4. Grandeza suplementar ..........117 4.10. Instrumento analgico
1.5. Grandeza derivada ................117 (analog instrument) e digital .............. 127
1.6. Grandeza, dimenso de uma 117 4.11. Mostrador (display, dial) ..... 127
1.7. Unidade (de medio) ...........118 4.12. ndice (index) ...................... 127
1.8. Unidade, smbolo de..............118 4.13. Escala (scale) ..................... 127
1.9. Unidade, sistema de..............118 4.14. Escala com zero suprimido. 127
1.10. Valor (de uma grandeza).....118 4.15. Escala com zero elevado.... 127
1.11. Valor verdadeiro ..................118 4.16. Escala expandida ............... 127
1.12. Valor verdadeiro convencional119 4.17. Sensor (sensor) .................. 128
1.13. Valor verdadeiro, erro e 4.18. Faixa de indicao.............. 128
incerteza.............................................119 4.19. Largura de faixa .................. 128
1.14. Valor numrico ....................120 4.20. Escala linear (linear scale).. 128
2
5. Caractersticas do Instrumento ....129
5.1. Faixa nominal (nominal range)129
5.2. Valor nominal (nominal value)129
5.3. Condies de Utilizao ........129
5.4. Condies Limites .................129
5.5. Condies de Referncia ......129
5.6. Constante de um instrumento129
5.7. Caracterstica de resposta.....129
5.8. Sensibilidade (sensitibility) ....130
5.9. Limiar de mobilidade .............130
5.10. Resoluo (resolution).........130
5.11. Zona morta (dead zone) ......130
5.12. Estabilidade (stability)..........130
5.13. Discriminao (transparency)130
5.14. Deriva (drift).........................130
5.15. Tempo de resposta..............130
5.16. Exatido da medio ...........130
5.17. Classe de exatido ..............131
5. 18. Repetitividade.....................131
5.19. Reprodutibilidade.................131
5.20. Erro......................................131
5.21. Erro mximo admissvel ......132
5.22. Limite de Erro Admissvel ....132
5.23. Erro de um instrumento .......132
5.24. Erro no ponto de controle ...132
5.25. Erro no zero (zero error)......132
5.26. Erro no span (span error) ....132
5.27. Erro intrnseco (intrinsic error)132
5.28. Tendncia (bias)..................132
5.29. Iseno de Tendncia ........132
5.30. Erro fiducial (fiducial error) ..132
6. Conceitos estatsticos ..................132
6.1. Estatstica ..............................132
6.2. Probabilidade.........................133
6.3. Varivel aleatria...................133
6.5. Funo distribuio ...............133
6.6. Parmetro.............................134
6.7. Caracterstica ........................134
6.8. Populao..............................134
6.9. Freqncia.............................134
6.10. Expectativa ..........................134
6.11. Desvio padro .....................134
6.12. Estimativa ............................135
6.13. Varincia..............................135
6.14. Covarincia..........................136
6.15. Correlao ...........................137
6.16. Independncia .....................137
6.17. Representao grfica ........137
3
1
Erro e Incerteza na Medio
confivel que a primeira estimada, mas
1. Introduo mesmo assim, ela ainda possui uma
incerteza, pois impossvel para o
carpinteiro saber se a altura exatamente
1.1. Introduo 211,600 ou 211,601 cm, por exemplo.
A experincia mostra que nenhuma Esta incerteza residual pode ter vrias
medio, mesmo aquela feita com o maior fontes, algumas das quais sero discutidas
cuidado possvel ou com o melhor neste trabalho. Algumas causas podem ser
instrumento possvel, pode ser facilmente eliminadas, se o carpinteiro
completamente livre de incertezas. Como a tomar alguns cuidados normais e
estrutura e aplicao da cincia dependem especiais. Por exemplo, alguns cuidados
das medies, a habilidade de avaliar que eliminariam as incertezas seriam:
estas incertezas e mant-las em um valor 1. usar uma fita mtrica de boa
mnimo muito importante. qualidade
Este primeiro captulo descreve 2. fazer a medio em local de boa
algumas medies simples que ilustram a iluminao para que no haja
ocorrncia inevitvel de incertezas engano
experimentais e mostra a importncia de 3. fazer a medio segundo um
se conhecer os valores destas incertezas. procedimento escrito, sem enrolar a
O captulo descreve como o tamanho das fita, colocando as extremidades nos
incertezas experimentais pode ser pontos corretos
estimado de modo realista, s vezes por H porm outras fontes de incertezas
meio de mtodos simples. que so inerentes ao processo de medio
e nunca podem ser eliminadas
1.2. Inevitabilidade da incerteza inteiramente.
Para ilustrar como a incerteza da Por exemplo, se o carpinteiro usar uma
medio inevitvel e pode assumir fita mtrica graduada de um em um
diferentes valores, seja, por exemplo, um centmetro, provavelmente os pontos
carpinteiro que quer saber a altura de uma extremos da medio no coincidiro
buraco para instalar uma porta. Como uma exatamente com a marcao da fita e o
primeira estimativa, sem usar nenhum carpinteiro deve estimar onde a
instrumento de medio e baseado em sua extremidade cai entre duas marcaes.
experincia ele poderia simplesmente olhar Mesmo se a extremidade do comprimento
o buraco e estimar que sua altura de 210 medido cair em cima da marcao, a
cm. Esta medio grosseira tem marcao possui uma determinada
certamente uma grande incerteza. Se espessura de alguns milmetros. Em
pressionado, o carpinteiro poderia qualquer caso, o carpinteiro deve estimar
expressar a incerteza admitindo que a onde a extremidade da porta cai em
altura poderia estar entre 200 e 220 cm. Se relao s marcaes da fita e isto causa
fosse exigida uma medio mais exata, o alguma incerteza na medio.
carpinteiro usaria uma fita mtrica e Usando-se uma fita com melhor
poderia achar a altura de 211,6 cm. Esta qualidade e com maior nmero de
medio certamente mais exata e marcaes, por exemplo de um em um
milmetro, o problema se repete. Em vez
1
Erro e Incerteza na Medio
2
Erro e Incerteza na Medio
Densidade
3
coroa = 13,9 0,2 g/cm3 (g/cm )
3
Erro e Incerteza na Medio
Na frente, ser visto com detalhe o 2. Se a medio foi feita com uma
significado do erro de 0,15. Agora, incerteza muito menor, por exemplo,
suficiente dizer que quanto mais exata for de 0,01 m/s2 , ento a medio de
a medio, menor ser o erro e que o valor 9,70 0,01 m/s2 inconsistente com
numrico do erro d uma indicao de o valor de 9,81 m/s2. Assim, o
quo distante do valor verdadeiro esta resultado da medio est errado ou
medio particular pode estar. a estimativa do erro est errada. Ou
O motivo desta insistncia de dizer que ento, chegou-se a uma descoberta
toda medio inclui um erro estimado o chocante:(9,70 0,01) m/s2
seguinte. Os metrologistas raramente inconsistente com 9,81 m/s2 .
esto interessados na medio para seu
prprio uso, mas as medies so usadas 3. Se a medio se baseou em apenas
para uma oscilao do pndulo, o erro do
1. testar uma teoria, resultado de g poderia ser to
2. para comparar com outras medies grande quanto 5 m/s2 . O resultado
experimentais da mesma agora consistente com a
quantidade, expectativa, mas a exatido to
3. para usar este parmetro para pequena que seria incapaz de
ajudar a prever o resultado de uma detectar alguma diferena
medio diferente. significativa. Ou seja, (9,70 5) m/s2
Assim, o valor numrico do erro se consistente com 9,81 m/s2 e com
torna crucial na interpretao do resultado. muitos outros valores tambm.
Por exemplo, talvez se mea a Assim, para um dado resultado da
acelerao da gravidade para compar-la medio, a reao: A medio
com o valor de referencia de 9,81 m/s2, suficientemente boa ou Fez-se uma
medido em outro local a alguns kilmetros descoberta chocante ou Deve-se fazer
de distancia, no ano passado (como este uma melhor medio depende da
nmero experimental, ele tambm tem estimativa numrica da exatido da
uma incerteza, mas se assume que ele foi medio. Por outro lado, se conhecido
medido to bem que a incerteza pode ser apenas que o resultado da medio que
desprezada, aqui). o valor de g vale 9,70 m/s2 (mas no se
A medio da acelerao da gravidade conhece o valor do erro da medio),
do local pode estar sendo feita para ento no se pode julgar o significado
1. ver se houve alguma variao deste resultado.
dramtica na constante gravitacional A regra clara: sempre que se mede
g neste perodo uma grandeza fsica, deve-se determinar a
2. para tentar detectar uma mina de incerteza associada ou a medio se torna
ouro que poderia afetar o campo intil.
gravitacional na vizinhana
3. para verificar se a Terra deixou de
girar
4. para descobrir a existncia de uma
nova fora na natureza que poderia
fazer o perodo de uma pndulo
depender do local
5. para usar este valor em calibraes
de massa e peso do laboratrio.
A medio de 9,70 m/s2 apresenta
alguma discrepncia? H trs casos:
1. Se a medio apresenta um erro de
0,15 m/s2, ento a medio parece
ser satisfatria com o valor
esperado de 9,81 m/s2 , ou seja,
(9,70 0,15) m/s2 consistente com
9,81 m/s2 .
4
Erro e Incerteza na Medio
2. relativos
2. Erros da Medio Quanto ao tempo, os erros podem ser
1. dinmicos
2. estticos
2.1. Conceito de erro Quanto origem, os erros estticos
O erro a diferena algbrica entre a podem ser classificados como
indicao e o valor verdadeiro 1. grosseiros
convencional. O valor verdadeiro o valor 2. sistemticos
da varivel medida sem erro, ideal. Erro 3. aleatrios
a quantidade que deve ser subtrada
algebricamente da indicao para dar o
valor ideal.
Se A um valor exato e a o valor
aproximado medido, ento o erro o
desvio do valor aproximado do exato. Exatido
Matematicamente,
Preciso
e=A-a
5
Erro e Incerteza na Medio
6
Erro e Incerteza na Medio
7
Erro e Incerteza na Medio
8
Erro e Incerteza na Medio
ERROS DO INSTRUMENTO
Tempo Fonte
Dinmicos Sistemticos
Estticos Aleatrios
Determinados Indeterminados
Mecnicos
Zero Uso Eltricos
Largura de faixa Fsicos
Desgaste
Angularidade
Atrito Qumicos
Quantificao Contato
9
Erro e Incerteza na Medio
PADRO
Rastreabilidade
MENSURAND
Calibrao
Valor verdadeiro
Resoluo
INSTRUMENTO
Repetitividade
Valor verdadeiro
convencional Medio Reprodutibilidade
Erro
Sistemtico Aleatrio
Exatido Preciso
Incerteza
10
Erro e Incerteza na Medio
Sada
7
Erro de largura de faixa (span)
Calibrao
O erro de largura de faixa (span) ou de ideal
5
sensitividade do instrumento ocorre
quando a curva de resposta tem inclinao 0,5% fundo escala
diferente da ideal. Em outras palavras, o 2
instrumento est com erro associado ao
seu ganho ou sensitividade. O erro de
largura de faixa eliminado atravs do 0 2 5 7 10
ajuste correspondente. Vazo
Instrumento que possui paenas erro de
largura de faixa possui preciso expressa Fig. 1.6 - Erro de zero do instrumento
em percentagem do valor medido.
Erro de linearidade
100,5%
Muitos instrumentos so projetados
10
para fornecer uma relao linear entre uma
entrada esttica aplicada e valores
99,5%
indicados da sada. A curva de calibrao
Sada
7
esttica tem a forma geral:
Calibrao
ideal yL = a 0 + a1x (1.7)
5
0,5% valor medido onde a curva yL(x) fornece um valor de
2 sada previsvel baseado na relao linear
entre x e y. Porm, na vida real, o
comportamento linear verdadeiro s
0 10 conseguido aproximadamente. Como
2 5 7
Vazo resultado, as especificaes do
instrumento de medio usualmente
fornecem uma expresso para a
Fig. 1.5- Erro de largura de faixa (span) linearidade esperada da curva de
calibrao esttica para o instrumento. A
relao entre yL(x) e o valor medido y(x)
Erro de zero
uma medida do comportamento no linear
O erro de zero ocorre quando a curva do sistema:
de calibrao no passa pela origem (0, 0).
O erro ou desvio de zero pode eliminado eL(x) = y(x) - yL(x)
ou reduzido pelo ajuste correspondente no
potencimetro ou parafuso de zero. H onde eL(x) o erro de linearidade que
instrumentos, como o ohmmetro, que aparece por causa do comportamento real
possui ajuste de zero para ser atuado e no linear do sistema. Para um sistema
antes de cada medio. Outros que teoricamente linear, a expresso de
instrumentos possuem erro de zero gerado uma possvel no linearidade
pela variao da temperatura ambiente, especificada em termos do erro mximo
como instrumento digital eletrnico. esperado de linearidade:
11
Erro e Incerteza na Medio
12
Erro e Incerteza na Medio
13
Erro e Incerteza na Medio
14
Erro e Incerteza na Medio
15
Erro e Incerteza na Medio
16
Erro e Incerteza na Medio
17
Erro e Incerteza na Medio
18
Erro e Incerteza na Medio
11. Variaes nas leituras repetidas variabilidade possvel de cada fator (Tipo
feitas sob condies parecidas mas B). Para estimativas do Tipo B, o conjunto
no idnticas - tais como efeitos de informaes pode incluir alguns ou
aleatrios podem ser causados, por todos os fatores listados no pargrafo 2.
exemplo, rudo eltrico em Clculos subsequentes se tornam mais
instrumentos de medio, flutuaes simples se, quando possvel, todos os
rpidas no ambiente local, e.g., componentes so expressos do mesmo
temperatura, umidade e presso do modo, e.g., como percentagem, ou ppm ou
ar, variabilidade no desempenho do mesma unidade de engenharia usada para
operador que faz o teste. o resultado reportado.
Estas fontes no so necessariamente
independentes e, em adio, efeitos 3.5. Incerteza Padro
sistemticos no reconhecidos podem A incerteza padro definida como um
existir que no podem ser levados em desvio padro. O potencial para erros em
conta mas contribuem para o erro. por um estgio posterior da avaliao pode ser
esta razo que os laboratrios minimizado expressando todas as
credenciados encorajam - e muitas vezes incertezas componentes como um desvio
insistem em - participao em padro. Isto podo requerer ajuste de
comparaes interlaboratoriais, auditorias alguns valores da incerteza, de modo que
de medio e cross checking interno de os obtidos dos certificados de calibrao e
resultados por diferentes meios. outras fontes, que muitas vezes tem sido
expressos com um maior nvel de
3.4. Estimativa das Incertezas confiana, envolvendo mltiplo do desvio
A incerteza total de uma medio padro (2 ou 3).
uma combinao de um nmero de
incertezas componentes. Mesmo uma 3.6. Incerteza Padro Combinada
nica leitura do instrumento pode ser As incertezas componentes devem ser
influenciada por vrios fatores. A combinadas para produzir uma incerteza
considerao cuidadosa de cada medio total usando o procedimento estabelecido
envolvida na calibrao ou teste no Guide. Em muitos casos, isto reduz a
necessria para identificar e listar todos os tomar a raiz quadrada da soma dos
fatores que contribuem para a incerteza quadrados das incertezas padro
total. Este um passo muito importante e componentes (mtodo da raiz da soma dos
requer um bom entendimento do quadrados). Porm, alguns componentes
equipamento de medio, os princpios e podem ser interdependentes e podem, por
prticas da calibrao ou teste e a exemplo, se cancelarem entre si ou se
influncia do ambiente reforarem entre si. Em muitos casos, isto
O prximo passo quantificar as pode ser facilmente visto e os
incertezas componentes por meios componentes interdependentes podem ser
apropriados. Uma quantificao somados algebricamente para dar um valor
aproximada inicial pode ser valiosa em final. Porm, em casos mais complexos,
possibilitar que alguns componentes sejam podem-se usar mtodos matemticos mais
reconhecidos como desprezveis e no complexos para tias componentes
necessitam de uma avaliao mais correlatos, como derivadas parciais
rigorosa. Em muitos casos, uma definio
prtica de desprezvel pode ser um 3.7. Incerteza Expandida
componente que no maior do que um
quinto do tamanho do maior componente. Em muitos casos, necessrio cotar
Alguns componentes podem ser uma incerteza expandida e a incerteza
quantificados pelo clculo do desvio padro combinada portanto necessita ser
padro de um conjunto de medies multiplicada por um fator de cobertura
repetidas (Tipo A) como detalhado no apropriado. Isto deve refletir o nvel de
Guide. A quantificao de outros confiana requerido e, em termos estritos,
componentes pode requerer o julgamento, ser ditado pelos detalhes da distribuio
usando toda informao relevante na de probabilidade caracterizado pelo
19
Erro e Incerteza na Medio
20
Erro e Incerteza na Medio
21
Erro e Incerteza na Medio
pontos em uma escala graduada. Por confiana de 70% o tempo fica entre 2,36 e
exemplo, quando se mede intervalo de 2,44 s.
tempo com um cronmetro, a principal Medies repetidas, como as
fonte de incerteza no a dificuldade da mostradas no exemplo, nem sempre
leitura do dial mas a prpria reao revelam as incertezas, de modo confivel.
desconhecida em partir e parar o Deve-se garantir que a quantidade
cronmetro. Esta incerteza pode variar de medida sempre a mesma em todas as
0,2 a 0,5 segundo. s vezes, estes tipos medies. Por exemplo, quando se mede o
de incertezas podem ser estimados com ponto de ruptura de dois fios supostamente
confiana, quando se repetem as iguais, atravs de um teste e se obtm dois
medies vrias vezes. Por exemplo, seja resultados diferentes, esta diferena pode
a medio de um intervalo, cujo primeiro indicar que as medies esto incorretas
resultado de 2,3 s. De uma nica ou que os dois fios no eram realmente
medio no se pode dizer nada acerca da iguais. Por si, a diferena entre os dois
incerteza experimental da medio. Mas, resultados no diz nada acerca da
se a medio do mesmo intervalo de confiabilidade das medies.
tempo de 2,4 s razovel assumir que a Mesmo quando se tem a garantia que a
incerteza de 0,1 s. Se uma seqncia de quantidade medida seja igual para cada
4 medies d os resultados: medio, as medies repetidas nem
sempre revelam as incertezas. Por
2,3 s 2,4 s 2,5 s 2,4 s exemplo, se o instrumento de medio
tiver uma incerteza sistemtica, as
pode-se ento comear a ter uma medies repetidas no iro revelar esta
estimativa mais realista. deficincia. As incertezas sistemticas
1. A hiptese natural que a melhor afetam todas as medies do mesmo
estimativa seja o valor mdio, 2,4 s. modo e difcil detect-las. Neste caso, a
2. Outra hiptese segura que o tempo soluo calibrar o instrumento contra um
correto fique entre o valor menor, 2,3 e padro confivel, para detectar a incerteza
o maior, 2,5. Assim, conclui-se que: sistemtica.
Os exemplos discutidos mostram que
melhor estimativa = mdia = 2,4 s algumas incertezas experimentais podem
ser facilmente estimadas. Porm, h
faixa provvel = 2,3 a 2,5 s muitas medies com incertezas que no
so facilmente calculadas. Tambm, s
Sempre que se puder repetir a mesma vezes, se quer valores mais precisos para
medio vrias vezes, o espalhamento dos as incertezas do que as simples
valores medidos d uma indicao valiosa estimativas discutidas.
da incerteza das medies. Sero vistos
mtodos estatsticos para tratar tais
medies repetidas. Sob condies
corretas, estes mtodos estatsticos do
uma estimativa mais exata da incerteza do
que apenas o bom senso. Um tratamento
estatstico tambm tem a vantagem de dar
um valor objetivo para a incerteza,
independente do julgamento individual do
observador.
O tratamento estatstico tambm
fornece uma incerteza menor do que
simplesmente a faixa de valores entre a
menor e a maior medio. Assim, olhando
as quatro medies anteriores, julga-se
que o tempo est provavelmente em algum
ponto entre 2,3 e 2,4 s. O mtodo
estatstico correto mostra que, com uma Apostila\Metrologia 43MedErro.doc 24 SET 98 (Substitui 26 MAI 97)
22
2
Expresso das Incertezas
permite que o resultado da medio seja
2.1. Introduo expresso em forma compacta. Por
Aps a leitura do Captulo 1, tem-se exemplo, a medio do intervalo de tempo
alguma idia da importncia das incertezas usualmente estabelecido como:
experimentais e como elas aparecem.
Deve-se tambm entender como as valor medido do tempo = 2,4 0,1 s (2.2)
incertezas podem ser estimadas em
algumas poucas situaes simples. Neste Esta nica expresso (2.2)
captulo, sero apresentadas algumas equivalente s duas afirmaes anteriores
regras e notaes bsicas da anlise da da (2.1) envolvendo a melhor estimativa e
incerteza e exemplos de seu uso em a faixa provvel.
medies tpicas da indstria e laboratrio. Em geral, o resultado de qualquer
O objetivo familiarizar-se com o medio de uma quantidade x
vocabulrio bsico da anlise da incerteza estabelecido como
e seu uso no laboratrio e na oficina de
instrumentao. valor medido de x = xestimado x (2.3)
23
Expresso das Incertezas
24
Expresso das Incertezas
Se a incerteza fosse de 0,4 ento ficaria (a) 8,123 456 0,031 2 m/s
(b) 3,123 4 x 104 2 m
78,4 0,4 (c) 5,678 9 x 10-7 3 x 10-9 kg
80 40
25
Expresso das Incertezas
26
Expresso das Incertezas
27
Expresso das Incertezas
28
Expresso das Incertezas
29
Expresso das Incertezas
30
Expresso das Incertezas
Hooke: F = kx. Um mtodo simples faixa de 1,3 a 1,8 cm. Esta faixa
consiste em indicada, no grfico, por uma barra de
1. dependurar verticalmente uma mola incerteza atravs de cada ponto para
2. colocar vrias massas m na mola indicar a faixa em que ele provavelmente
3. medir os deslocamentos x cai. Teoricamente, se espera uma linha
Assim, a fora F o peso mg da carga reta passando pela origem e por todos os
e a extenso x dada por: pontos medidos. Na prtica, a linha reta
passa atravs ou prxima de todos os
x=
mg g
= m (2.19) pontos. O problema consiste em concluir
k k se a extenso x linearmente proporcional
carga m e, caso afirmativo, qual este
A extenso da mola, x, deve ser fator de proporcionalidade (constante da
proporcional carga m e um grfico de x mola).
contra m deve ser uma linha reta passando Pela equao terica, a inclinao da
pela origem. curva g/k. Medindo-se esta inclinao
Quando se medem os vrios valores de pode-se determinar a constante da mola.
x para uma variedade de cargas e Se a maioria das faixas de pontos
colocam-se os pontos no grfico, na (valor estimado e sua incerteza) est sobre
prtica, todos os pontos no formam uma a reta, os dados podem ser considerados
reta perfeita e cada ponto medido possui consistentes e a lei de Hooke
uma determinada incerteza. comprovada experimentalmente.
A questo colocada : os resultados da Quando a maioria dos pontos cai fora
experincia se afastam da reta por causa da linha reta, os dados so inconsistentes
das incertezas experimentais, de erros de e x no pode ser considerado proporcional
mtodo ou da possibilidade de x no ser a m. Neste casos, as medies, clculos,
proporcional a m. A resposta desta mtodos e teoria devem ser
questo depende basicamente da anlise reconsiderados para se verificar por que x
das incertezas envolvidas. no pode ser considerado linearmente
proporcional a m. Tambm pode acontecer
Tab. 2.3. Carga e extenso da mola que um determinado conjunto de pontos
caia dentro da linha reta e outros pontos
Carga m, g Extenso x, cm so inconsistentes e neste caso a lei de
m (exata) x 0,3 Hooke vale somente para determinados
200 1,1 valores de m, por exemplo, at 600
300 1,5 gramas. Alm deste ponto a mola j no
400 1,9 segue a lei de Hooke. Nesta experincia,
500 2,8 foi considerada significativa apenas a
600 3,4 incerteza do comprimento da extenso da
700 3,5 mola e foi considerada desprezvel (em
800 4,6 relao do comprimento) a incerteza da
900 5,4 massa e por isso foram usadas barras
verticais (com o valor mais provvel no
meio e com a incerteza associada). Caso
Como sempre, as quantidades as duas incertezas sejam significativas,
medidas, extenso x e massa m, so usam-se quadrados ou duas barras, uma
sujeitas incertezas. Como foi usada uma vertical e outra horizontal, mostrando as
balana muito precisa para medir as respectivas incertezas associadas.
massas, a incerteza da massa pode ser Um pouco mais complicado quando
considerada desprezvel em relao uma quantidade proporcional ao
incerteza da medio do comprimento, quadrado de outra. Por exemplo, a presso
onde se usou uma rgua. Para a medio diferencial gerada pela placa de orifcio
do comprimento tem-se uma incerteza de proporcional ao quadrado da vazo
0,3 cm. Para uma carga de 300 g, por volumtrica. Assim, no caso genrico tem-
exemplo, tem-se a extenso de 1,5 0,3 se
cm. Para este ponto, a extenso est na
31
Expresso das Incertezas
y = A x2 (2.20)
32
Expresso das Incertezas
xmedido = xestimado x
33
Expresso das Incertezas
34
Expresso das Incertezas
R (2.24)
R medido = Restimado 1
R
estimado
35
Expresso das Incertezas
i medido = iestimado 1
i
(2.25) Para se ter a incerteza absoluta em v,
iestimado
v
v = v estimado = 0,05 4,82 = 0,241
Como Restimado e iestimado so a melhor v estimado
estimativa para R e i, respectivamente, a
melhor estimativa para v = Ri Depois dos arredondamentos devidos e
usando-se o nmero correto de algarismos
melhor estimativa de v = vestimado significativos, chega-se a
q x y
R = 0,53 0,01 +
e q estimado x estimado y estimado
i = 9,1 0,3 A (2.28)
Como a regra da incerteza na soma,
a melhor estimativa para v = Ri esta regra tambm provisria, pois
posteriormente ela ser substituda por
vestimado = 0,53 x 9,1 A = 4,82 V uma regra mais precisa.
Duas outras caractersticas devem ser
Para calcular a incerteza de v, realadas nesta regra:
calculam-se as incertezas relativas de R e 1. as incertezas relativas em x e y
de i: devem ser pequenas, de modo que
o seu produto seja desprezvel.
R 0,01 Esta exigncia geralmente
= = 0,02 = 2%
R estimado 0,53 verdade na maioria das aplicaes
e prticas. Quando as incertezas
i 0,3 forem grandes, a regra no se
= = 0,03 = 3% aplica.
iestimado 9,1
2. mesmo quando x e y tiverem
dimenses diferentes, a regra se
A incerteza relativa em v ento a soma:
v aplica pois as incertezas relativas
= 2% + 3% = 5% so adimensionais.
v estimado
36
Expresso das Incertezas
Incerteza Relativa
Se x medido na forma padro
xestimado x, a incerteza relativa
x
incerteza relativa =
x estimado
37
3
Propagao das Incertezas
J foram vistos exemplos e
3.1. Introduo apresentadas regras provisrias
Muitas quantidades fsicas no podem relacionados com a propagao da
ser medidas diretamente, em um nica incerteza, quando so feitas as medidas e
medio, mas so encontradas em dois depois elas so combinadas em uma
passos: subtrao ou em um produto.
1. so medidas uma ou mais Antes de se tratar da propagao das
quantidades que podem ser incertezas, ser discutida rapidamente a
encontradas diretamente estimativa de incertezas em quantidades
2. os valores medidos destas medidas diretamente. Alguns mtodos j
quantidades so usados para vistos sero revistos, melhorados e outros
calcular a quantidade de interesse. novos mtodos sero apresentados para
Por exemplo, para achar a rea de um estimar a incerteza nas medies diretas.
retngulo: Finalmente ser vista a propagao
1. medem-se o comprimento L e a das incertezas. Ser visto que quase todos
altura H os problemas na propagao da incerteza
2. calcula-se a rea A = LH podem ser resolvidos usando-se apenas
Outro exemplo, para achar a vazo trs regras simples. Uma nica regra, mais
volumtrica de um fluido passando por completa e complicada, tambm ser
uma tubulao: apresentada para cobrir todos os casos e
1. medem-se o volume acumulado em da qual as trs regras simples so
um intervalo de tempo, V, e o derivadas.
intervalo de tempo. Este captulo longo, porm seu
2. calcula-se a vazo volumtrica F = comprimento simplesmente reflete sua
V/t. grande importncia. A propagao da
Muitos outros exemplos poderiam ser incerteza uma tcnica que ser usada
apresentados para mostrar que a maioria repetidamente na Instrumentao,
das medies prticas envolve estes dois Laboratrio de Metrologia e Laboratrio
passos distintos de medies diretas Qumico.
seguidas por clculos. Quando a medio
envolve estes dois passos, a estimativa 3.2. Incertezas nas medies diretas
das incertezas tambm envolve dois A maioria das medies diretas envolve
passos: a leitura de uma escala (em uma rgua,
1. so estimadas as incertezas relgio, voltmetro, velocmetro,
individuais das quantidades termmetro, manmetro) ou de um display
medidas diretamente digital. s vezes, as principais fontes de
2. determina-se como as incertezas se incerteza esto na leitura da escala e na
propagam atravs dos clculos para necessidade de interpolar a leitura entre
produzir uma incerteza no resultado duas marcaes da escala. Nestes casos,
final. a determinao da incerteza fcil:
Esta propagao das incertezas o razovel estimar a incerteza da leitura
principal objetivo deste captulo. como a metade da menor diviso. Assim,
se a menor diviso da escala 1 mm, a
38
Propagao das Incertezas
39
Propagao das Incertezas
40
Propagao das Incertezas
M M1 + m1 + M2 + m2
= 10 + 1 + 20 + 1 g = 32 g
Assim, o resultado final, arredondado
41
Propagao das Incertezas
Deve se notar que as incertezas muito O valor de q = x/y pode ser escrito:
pequenas das massas nos frascos vazios
praticamente no contribuem com a valor de q = x estimado 1 x / x (3.5)
incerteza final e por isso elas poderiam ser y estimado 1 y / y
desprezadas. Este efeito importante e
ser discutido mais tarde. Com experincia
Agora, pensando em termos de valores
e bom senso, pode-se identificar, a priori,
mximo e mnimo e considerando que o
as incertezas dominantes e desprezveis e
ltimo fator na expresso anterior tem a
deve-se separ-las, eliminando as
forma de
desprezveis, para simplificar os clculos.
Produtos e Quocientes (1 + a)
(1 b)
J foi discutido como a incerteza se
propaga no produto q = xy de duas
quantidades medidas. Foi visto que, desde e considerando que os nmeros a e b so
que as incertezas relativas individuais normalmente pequenos, ou seja, muito
fossem pequenas, a incerteza relativa no menores que 1, e simplificando
produto a soma das incertezas relativas
1 (3.6)
individuais. Alm de rever esta regra, aqui 1+ b
1 b
ser discutido o caso do quociente q = x/y.
Ser visto que a incerteza relativa no
tem-se
quociente tambm ser igual soma das
incertezas relativas individuais, exatamente (1 + a)
como no produto. (1 + a)(1 + b) = 1 + a + b + ab
(1 b)
Como as incertezas nos produtos e
quocientes so melhor expressas em
Desprezando o termo ab, em relao a a e
termos de incertezas relativas, uma
b, tem-se
notao simplificada para a incerteza
relativa til.
De novo, a medio de uma quantidade 1+a+b
x :
Chega-se, finalmente a:
valor medido de x = xestimado x
x estimado
e a incerteza relativa em x definida como qestimado =
y estimado
incerteza relativa em x = x
e a incerteza relativa
x estimado
q x y (3.7)
+
O valor absoluto no denominador q x y
garante que a incerteza relativa sempre
positiva, mesmo quando xestimado for
Como concluso: na multiplicao ou
negativo. Como o smbolo x/xestimado diviso de duas quantidades medidas x e
complicado para escrever e ler, a partir de y, a incerteza relativa no resultado a
agora ser abreviado e simplificado, soma das incertezas relativas individuais
escrevendo-se simplesmente em x e y. Tem-se ento:
incerteza relativa em x = x
x
O resultado de medir qualquer
quantidade x pode ser expresso em termos
de sua incerteza relativa x como
x
valor de x = xestimado (1 + x/ x )
42
Propagao das Incertezas
q x y
+
z u
+ ... + + ... +
w 3.5. Produto medio e constante
q x y z u w Seja uma quantidade x cujo valor
(3.8) medido multiplicado por uma constante:
200 5,5 q x
L estimado = m = 110 m
10,0 q x
43
Propagao das Incertezas
44
Propagao das Incertezas
45
Propagao das Incertezas
46
Propagao das Incertezas
q x + y (3.15)
Probleminha rpido 3.5.
Ou seja, a equao antiga que Sejam dois volumes medidos em dois
expressa a incerteza na soma igual soma frascos como
das incertezas, realmente um limite
superior que ocorre em todos os casos. V1 = 130 6 mL
Quando se tem razes para suspeitar que V2 = 65 4 mL
x e y no sejam independentes e
aleatrias, no se justifica usar a raiz e o contedo do segundo frasco
quadrada da soma dos quadrados. Por colocado cuidadosamente no primeiro.
outro lado, o limite garante que q Qual a previso para o volume total V =
certamente no pior que x + y e deve-se V1 + V2 e a incerteza V,
usar a velha regra da soma aritmtica (a) assumindo que as incertezas
sejam independentes e aleatrias
q x + y (b) suspeitando que as incertezas
sejam dependentes ou haja causa
Muitas vezes, as incertezas calculadas sistemtica.
com a soma aritmtica ou com a raiz
quadrada da soma dos quadrados so Resposta:
(a) V = 195 7 mL ou 195 mL 4%
muito parecidas. Por exemplo, sejam x e y (b) V = 195 10 mL ou 195 mL 5%
comprimentos medidos com incertezas x
= y = 2 mm. Se as incertezas forem
independentes e aleatrias, a incerteza na
soma ser a raiz quadrada da soma dos Na seo anterior, foi discutido como
quadrados: incertezas aleatrias independentes em
duas quantidades x e y se propagam para
(x )2 + (y )2 = 4 + 4 mm = 2,8 mm 3 mm causar uma incerteza na soma x + y. Para
este tipo de incerteza, as duas incertezas
individuais podiam ser combinadas na raiz
Porm, se h suspeita que x e y sejam
quadrada da soma dos quadrados. Estas
dependentes ou haja incertezas
consideraes podem ser estendidas para
sistemticas, deve-se usar a soma
diferenas, produtos e quocientes. Como
aritmtica:
ser visto na frente, em todos os casos, as
regras provisrias anteriores podem ser
x + y (2 + 2) mm = 4 mm
modificadas, substituindo se as somas
aritmticas por razes quadradas da soma
Em algumas situaes, a estimativa
dos quadrados. As expresses com as
das incertezas to grosseira que a
somas aritmticas provaram ser os limites
diferena entre os dois resultados no
superiores que sempre ocorrem, qualquer
importante. Em outras situaes, a raiz
que seja o tipo das incertezas, aleatrio ou
quadrada da soma dos quadrados
sistemtico, dependente ou independente.
significativamente menor que a soma
Assim, as verses finais das duas regras
aritmtica.
provisrias so as seguintes:
Tambm, a soma em quadratura
geralmente mais fcil de ser computada
que a soma aritmtica (ser mostrado mais
tarde, pois, primeira vista, isto parece
incorreto).
47
Propagao das Incertezas
48
Propagao das Incertezas
e t
Exemplo
e t
Como exemplo, considere o caso
Esta grande simplificao facilmente simples de
entendida. Quando os nmeros so
somados em quadratura, eles so a=bc
elevados ao quadrado e depois somados.
O processo de elevar ao quadrado Para achar o erro de a, derivam-se os
aumenta exageradamente a importncia dois lados da equao:
dos nmeros grandes. Assim, se um
nmero 5 vezes maior que outro, seu a = b - c
quadrado 25 vezes maior que o
quadrado do outro. Quando est se falando de erros
Este exemplo ilustra como combinar possveis mximos, ento simplesmente se
incertezas em quadratura usualmente somam os erros b e c para se obter o
melhor e geralmente mais fcil do que erro mximo a. Mas, j se decidiu que
combin-las em soma aritmtica. O mais sensvel considerar os desvios
exemplo tambm ilustra o tipo de problema padro, ento tem-se:
em que os erros so independentes e
aleatrias, quando se justifica usar a raiz
quadrada da soma dos quadrados. As a2 = b2 + c2)
cinco unidades (massa, comprimento,
tenso, corrente e tempo) so quantidades Se em uma experincia particular se
fsicas totalmente diferentes, com sabe que as medies de b e c possuem
diferentes unidades e so medidas por incertezas absolutas de b e c, ento a
processos inteiramente independentes. Por resposta seria incorreta pela quantidade
isso inconcebvel que uma fonte cause a, dada como b + c. Quando no se
incerteza em duas quantidades sabe exatamente os valores de b e c,
simultaneamente. mas somente se conhecem seus desvios
padro b e c, obtidos de vrias
medies, usa-se a raiz quadrada da soma
dos quadrados dos desvios.
Para combinaes lineares de
medies e suas incertezas, usam-se os
49
Propagao das Incertezas
dq
q = x (3.22)
dx
50
Propagao das Incertezas
51
Propagao das Incertezas
2 2 2
f x y
= +
f x y
Probleminha rpido 3.8
Seja o resultado de uma medida x igual
a 100 6. Calcular q = x , com sua 3.9. Propagao passo a passo
incerteza. Tem-se agora ferramentas suficientes
para resolver quase qualquer problema
Resp.: Como a medio 100 6%, q = 10,0 3% ou 10,0 0,3 com propagao de incertezas. Qualquer
clculo pode ser dividido em uma
seqncia de passos, cada passo
envolvendo um dos seguintes tipos de
operao:
1. somas e subtraes
Exemplo
2. produtos e quocientes
Encontrar o erro de f, dada como 3. potenciao e ndices
4. funo transcendental, como xn,
f = xa yb senx, ex.
Por exemplo, o clculo de
onde os expoentes a e b podem ser
positivos, negativos ou fracionrios. Assim, q = x(y z sen u)
esta formula inclui produtos, relaes,
cubos, raiz quadrada. a partir das quantidades medidas x, y, z e
Como na situao linear, deve-se u, pode ser feito atravs dos seguintes
diferenciar esta equao, mas mais passos:
simples tomar seu logaritmo. Assim, 1. computar a funo sen u
2. fazer o produto z sen u
f x y 3. fazer a diferena y z sen u
=a +b 4. fazer o produto x com (y z sen u)
f x y
Sabem-se como as incertezas se
propagam atravs de cada operao
Ainda em analogia com o exemplo separada. Assim, como as vrias
anterior de tomar as varincias, depois de quantidades envolvidas so independentes
elevar ao quadrado, tirar a mdia e desde entre si, pode-se calcular a incerteza no
que x e y sejam independentes, tem-se resultado final fazendo-se o mesmo roteiro
2
do clculo da quantidade. Por exemplo, se
2 2
f y as quantidades medidas x, y, z e u foram
= a 2 x + b 2
medidas com incertezas correspondentes
f x y
de x, y, z e u, calcula-se a incerteza
em q assim:
O erro relativo de f est simplesmente
1. calcular a incerteza em sen u
relacionado com os erros relativos de x e y.
52
Propagao das Incertezas
53
Propagao das Incertezas
resulta em d sen
sen =
d
g ou seja
= (0,1)2 + (0,2)2 % = 0,4%
g
sen = cos (em radianos)
g = 0,004 x 979 cm/s2 = 4 cm/s2
A incerteza relativa
O resultado final :
sen
g = 979 4 cm/s2 = cot (rad)
sen
(Comparando-se este resultado com o
Sejam os resultados das medies dos
valor usual de 981 cm/s2, verifica-se que o
ngulos i e r, como mostrados nas
resultado inteiramente satisfatrio).
primeiras duas colunas da Tab. 3.1, com
incertezas de 1o ou 0,02 rad. O clculo de
Exemplo 2: ndice de refrao n = sen i/sen r facilmente feito, como
mostrado nas trs prximas colunas da
Se um raio de luz passa do ar para o
Tab. 3.1. A incerteza em n pode ser
vidro, o angulo de incidncia i e de
encontrada como nas ltimas trs colunas.
refrao r so definidos como na Fig. 3.5 e
As incertezas relativas em sen i e em sen r
esto relacionados pela lei de Snell:
so calculadas usando cot e finalmente a
sen i = n sen r incerteza em n obtida.
Antes de fazer uma srie de medies
onde n o ndice de refrao do vidro. como as duas mostradas na Tab. 3.1,
Assim, medindo-se os ngulos i e r, pode- pode-se pensar cuidadosamente como
se determinar o ndice de refrao n, como melhor registrar os dados e os clculos. A
apresentao atravs de uma tabela
54
Propagao das Incertezas
L2
= 0,125 cm
2s
A incerteza relativa neste fator :
Exemplo 3: Acelerao de um corpo no
plano inclinado
2 2
Seja um corpo descendo um plano L s
2 +
inclinado com ngulo . A acelerao L s
esperada de g sen. Medindo-se ,
pode-se facilmente determinar a e aplicando-se os valores numricos, tem-
acelerao esperada e sua incerteza. se
Pode-se medir a acelerao real a
cronometrando o tempo em que o corpo (2 0,01)2 + (0,02)2 = 0,02 = 2%
passa atravs de duas fotoclulas, como
mostrado, com cada fotoclula ligada a um
cronmetro. Se o corpo em comprimento L
e leva um tempo t1 para passar a primeira
fotoclula, sua velocidade l v1 = L/t1. Do fotoclula 1
mesmo modo, v2 = L/t2. Se a distncia L
entre as fotoclulas s, ento tem-se: L fotoclula 2
v 22 v 12 s
a=
2s
ou
L2 1 1
a = 2 2
2s t 2 t 1
Fig. 3.6. Um carro desce um plano inclinado de
Usando-se esta frmula e medindo-se ngulo q. Cada fotoclula ligada a um
os valores de L, s, t1 e t2, pode-se cronmetro para medir o tempo quando o carro
determinar a acelerao e sua incerteza. passa por ela.
Foram obtidos os seguintes resultados:
55
Propagao das Incertezas
Para calcular o segundo fator e sua 3.11. Frmula geral para propagao
incerteza, procede-se passo a passo. da incerteza
Como a incerteza relativa em t1 2%, a
At agora foram estabelecidas trs
incerteza em 1/t12 de 4%. Como t1 =
regras para a propagao das incertezas:
0,054 s,
1. para a soma ou subtrao
2. para o produto ou quociente
1/t12 = 343 s-2 4% = 343 14 s-2 3. para funes arbitrrias de uma
varivel.
Tambm, a incerteza de 1/t22 de 6% e Foi visto tambm, como a computao
de uma funo complexa pode ser
1/t22 = 1041 s-2 6% = 1041 62 s-2 quebrada em passos e a incerteza na
funo computada por passos, usando as
Fazendo a subtrao e combinando as trs regras simples.
incertezas em raiz quadrada da soma dos Aqui e agora, ser dada uma nica
quadrados, tem-se forma para uma regra geral, da qual
podem ser derivadas as trs regras
1 1 anteriores e atravs da qual se pode
= 698 64 s - 2 = 698 s - 2 9% (3.36)
t 22 t 12 resolver qualquer problema de propagao
Finalmente, a acelerao a obtida de incerteza. Embora esta frmula parea
pelo produto destes dois fatores e a sua complicada de usar, primeira vista, ela
incerteza obtida pela raiz quadrada da teoricamente til. Ela tambm resolve o
soma dos quadrados das respectivas problema j mostrado, quando se tem uma
incertezas relativas. Tem-se quantidade que funo de uma varivel
mais de uma vez e portanto as incertezas
a = (0,125 cm 2%) (698 s-2 9%) so dependentes.
a = 87,3 cm/s2 9% Para ilustrar este tipo de problema, seja
ou a quantidade q funo de trs variveis
a = 87 8 cm/s2 (3.37) medidas x, y e z:
56
Propagao das Incertezas
dq
Aplicando-se esta regra a uma funo
q( x + u) = q( x ) + u (3.40) simples j conhecida da soma x + y,
dx
q(x, y) = x + y
(para qualquer incremento pequeno u)
para reescrever os valores provveis
extremos (3.39):
57
Propagao das Incertezas
q q
Tem-se = =1
x y q q
q x + ... + z (3.48)
e portanto x z
2 2
q q
q = x + ... + z (3.47)
x z
58
Propagao das Incertezas
R1 = (2,0 0,1 k) 1%
qy = |x2 2xy| y = |9 12| x 0,1 = 0,3
V1 = (1,00 0,02 V) 10% (1.32)
V2 = (1,30 0,02 V) 10%
3 Acha-se a raiz quadrada da soma dos
quadrados das duas incertezas:
Onde os primeiros erros so os
aleatrios da leitura e os ltimos so os
q = (q x ) 2 + (q y ) 2 (3.52) erros sistemticos possveis nos vrios
instrumentos.
Embora os erros aleatrios e
q = 0,8 2 + 0,3 2 = 0,9
sistemticos sejam de natureza diferentes,
Assim, o resultado final : s vezes, se quer estimar o erro total com
um nico nmero e no de modo
q = 6,0 0,9 separado, como mostrado acima. Assim,
os erros devem ser somados em
O uso de (3.47) ou (3.48) para calcular quadratura (erro resultante igual raiz
incertezas razoavelmente direto, quando quadrada da soma dos quadrados de cada
se segue o procedimento usado neste erro). No exemplo acima, tem-se:
exemplo: R1 = 2,0 0,1 k (aleatrio) + 0,02 k
1. calcular cada contribuio para x (sistemtico) = (2,0 0,1) k
2. combinar as incertezas para dar a V1 = 1,00 0,02 V (aleatrio) + 0,10 V
final
(sistemtico) = (1,00 0,10) V
59
Propagao das Incertezas
60
Propagao das Incertezas
=
2
f
i
i =1 x i
V2 (1,30 0,02)
=
V1 (1,00 0,02)
2 2 2
R R R
2 (R 2 ) = 2 2 ( V1 ) + 2 2 ( V2 ) + 2 2 (R1 )
V
1 V
2 R1
(1,30 2%)
= onde as derivadas parciais so resolvidas
(1,00 2%)
da equao definindo R2, ou seja, de
= 1,30 V 3%
V2 V1
R2 = R1
= (1,30 0,03) V V1
61
Propagao das Incertezas
Assim, cada experincia tem um peso A eq. (1.37) diz que cada medio
de 1/i2. De algum modo, 1/i2 d uma original de igual exatido tem o mesmo
medida da informao contida em peso. A segunda uma tautologia (auto-
determinada experincia. evidente).
Para aplicar estas frmulas, tem-se o
seguinte exemplo simples: fazem-se n Exemplo: nmero de casamentos
medies, todas com o mesmo erro i. Quer se determinar o nmero de
Assim, o melhor valor combinado de a pessoas casadas em um pas, usando as
a mdia aritmtica das medies seguintes estimativas:
individuais e o erro i / n , onde n o Nmero de homens casados = 10,0 0,5
milhes
nmero de medies. (Isto j era sabido,
Nmero de mulheres casadas = 8 3
por outros caminhos).
milhes
Agora, h um modo inteiramente
diferente de estimar o erro na mdia de um De um modo rpido, pode-se pensar que o
conjunto de medies. Isto consiste de total 18 3 milhes. Porm, assumindo
simplesmente usar a disperso das que os nmeros de homens e mulheres
medies separadas para calcular s devem ser iguais, cada nmero fornece
(desvio padro da amostra) e ento, o erro uma estimativa da metade do resultado
desejado. Usando-se as eq. (1.35) e
resultado s/ n . Assim, i/ n pode ser
(1.36), chega-se a
olhado como o erro terico que se espera,
com base nas exatides de cada medio, a = 10
s/ n uma medio experimental de a = 0,5
como os valores separados de ai se
espalham. e portanto a resposta 20 1 milhes.
Que mtodo deve ser usado para
determinar o erro na mdia? Se os erros i
so corretamente estimados e as
medies ai no tem erros sistemticos,
ento i/ n e s/ n so consistentes. O
problema com s que, especialmente para
pequenos valores de n, pode haver
flutuaes que afetem seu valor. Assim,
62
Propagao das Incertezas
63
Propagao das Incertezas
Combinando resultados
Duas medies independentes da
mesma quantidade deram:
100 5
106 7
Qual a melhor estimativa? H uma
tentao para simplesmente responder:
103 6
se atribuir o mesmo peso para as duas
medies. Porm, os pesos relativos das
duas medies so 49:25 ou 2:1. Ento, a
mdia ponderada ser:
2x100 + 1x106
= 102
1+ 2
E o erro dado por:
1 1 1
= +
2
25 49
Logo, = 4 e o resultado
64
Propagao das Incertezas
65
4
Incertezas Aleatrias
relacionados. Eles devem ser planejados,
4.1. Introduo porque a maioria das experincias
O melhor modo para aumentar a requerem o uso dos dois. Em algumas
confiabilidade de uma medio repeti-la aplicaes, as regras da propagao da
vrias vezes e analisar os diferentes incerteza e anlise estatstica so
valores obtidos. Neste captulo, sero complementares. Ou seja, uma experincia
vistos os mtodos para analisar as pode ser analisada usando-se a
medies feitas deste modo. propagao da incerteza ou a anlise
Nem todos os tipos de incertezas estatstica. Por exemplo, seja o clculo da
experimentais podem ser tratados por acelerao da gravidade, g, atravs da
anlise estatstica baseada em medies medio do perodo T e do comprimento L
repetidas. Por este motivo, as incertezas de um pndulo simples. Pode-se calcular a
so classificadas em dois tipos: acelerao atravs da frmula matemtica
1. incertezas aleatrias, que podem (g = 42L/T2). Pode-se repetir a experincia
ser tratadas estatisticamente fazendo vrias medies diferentes de L e
2. incertezas sistemticas, que no medindo o perodo correspondente de
podem. cada um. Neste modo, chega-se a vrios
Esta diferena descrita na seo 4.1. valores de g. Para achar a incerteza nestes
O resto do captulo trata principalmente valores de g, pode se proceder de dois
das incertezas aleatrias. A seo 4.2 modos:
introduz, sem justificativa formal, duas 1. pode-se estimar as incertezas nas
definies importantes relacionadas com medies de L e T e ver como as
sries de valores medidos x1, x2, ..., xN, incertezas se propagam para achar
todos de alguma nica quantidade x. a incerteza em g.
definida a mdia de x1, x2, ..., xN. Sob 2. obtidos vrios valores de g, pode-
condies convenientes, a mdia a se analis-los estatisticamente, em
melhor estimativa de x baseada nos particular seu desvio padro ser
valores medidos x1, x2, ..., xN. Depois uma boa medio da incerteza.
definido o desvio padro de x1, x2, ..., xN. A Infelizmente, na realidade no se tem
seo 4.4 introduz a noo importante do uma escolha de como achar a incerteza.
desvio padro da mdia. Este parmetro Se a incerteza pode ser encontrada por
caracteriza a incerteza na mdia como a estes dois modos, na realidade se usam os
melhor estimativa de x. Finalmente na dois modos para verificar se os dois
seo 4.6 trata-se de novo do problema resultados so consistentes, entre si,
complicado das incertezas sistemticas. dando a mesma resposta.
Neste captulo, tenta-se justificar os
mtodos usados, baseando-se na idia
importante da distribuio normal.
A relao da anlise estatstica com a
propagao da incerteza merece meno.
Do ponto de vista prtico estes dois
assuntos podem ser vistos
separadamente, embora sejam
66
Incertezas Aleatrias
67
Incertezas Aleatrias
(c) (d)
Aleatria: grande Aleatria: grande
Sistemtica: pequena Sistemtica: grande
68
Incertezas Aleatrias
69
Incertezas Aleatrias
70
Incertezas Aleatrias
Square) dos desvios das medies x1, Infelizmente, o desvio padro tem uma
x2,..., xN. O desvio padro prova ser um outra definio alternativa. H argumentos
modo til de caracterizar a confiabilidade e tericos para substituir a fator N da eq. 4.6
qualidade das medies. por (N 1)e definir o desvio padro x de
Outra possibilidade para verificar a x1, x2,..., xN como
confiabilidade das medies, seria tomar
os valores absolutos de di, |di| mas a mdia 1 N 1 N
de di2 se mostra mais til. A mdia de |di| x = (di )2 =
N 1 i =1
( x i x )2
N 1 i =1
geralmente chamada de desvio da mdia
(nome infeliz!). (4.9)
Para calcular o desvio padro x, de N
medies, de modo manual, como definido Sem querer provar que a definio com
na eq. 4.6, deve-se N-1 seja melhor que a definio com N,
1. computar os desvios di das N pode-se dizer que esta nova definio
medies melhorada do desvio padro, calculada
2. elevar os desvios ao quadrado com N-1, obviamente um pouco maior do
3. tirar sua mdia (dividir por N) que a obtida com N e tambm corrige a
4. tirar a raiz quadrada deste resultado tendncia da frmula com N superestimar
as incertezas nas medies
x1, x2,..., xN, principalmente se o nmero de
Tab. 4.2. Clculo do desvio padro medies pequeno. Esta tendncia pode
ser percebida, considerando se o caso
Medies Valor medido Desvio Quadrado do extremo e absurdo de N = 1 (caso de se
i xi di = xi - x desvio, di2 fazer uma nica medio). Aqui, a mdia x
1 71 -0,8 0,64 igual nica medio e o desvio padro
2 72 0,2 0,04 automaticamente zero. Assim, a
3 72 0,2 0,04 definio envolvendo N d o resultado
4 73 1,2 1,44 absurdo de x igual a zero. Por outro lado,
5 71 -0,8 0,4 a definio com N - 1 d 0/0, que uma
xi = 359 di = 0,0 di2 = 2,80 indeterminao, o que reflete realmente a
total ignorncia da incerteza aps uma
x = 359 / 5 = 718
, nica medio. A definio com N
geralmente chamada de desvio padro da
populao, simbolizado como x e a
Para os dados anteriores, parte destes definio com N-1, de desvio padro da
clculos foi comeada na Tab. 4.1. Na Tab. amostra, simbolizado como sx.
4.2 foi acrescentada a 4a coluna, com os A diferena entre as duas definies,
quadrados dos desvios. Somando-se os com N e com N - 1 quase sempre
nmeros di2 e dividindo por 5, obtm a numericamente insignificante,
quantidade x2 (chamada de varincia das principalmente quando N grande (acima
medies). de 20, por exemplo). Deve-se sempre
1 2,80 repetir uma medio muitas vezes (no
i2 =
N
di2 = 5 = 0,56 (4.7)
mnimo cinco e preferivelmente mais).
Tirando a raiz quadrada, tem-se o Mesmo se forem feitas somente cinco
desvio padro medies, (N = 5), a diferena entre
5 = 2,2 e 4 = 2,0 , para muitas
x 0,7 (4.8) aplicaes, insignificante. Por exemplo,
recalculando o desvio padro das
Assim, a incerteza mdia das cinco medies anteriores, usando a frmula
medies com N -1, obtm x = 0,8, em vez de x =
0,7, que uma diferena relativamente
71 72 72 73 71 pequena. De qualquer modo, deve-se estar
ciente das duas definies. No laboratrio
de aproximadamente 0,7. de Metrologia, recomendvel usar a
definio mais conservativa (com desvio
71
Incertezas Aleatrias
72
Incertezas Aleatrias
x
k = 85,7 N/m (4.11) x = x = (4.15)
N
Usando a definio com N-1, obtm o
desvio padro: Como exemplo, sejam novamente as
10 medies da constante da mola:
x = 2,16 N/m = 2 N/m (4.12)
86, 85, 84, 89, 85, 89, 87, 85, 82, 85
Assim, a incerteza em qualquer com mdia destes valores igual a
medio de k aproximadamente de 2
N/m. Se depois se medir uma segunda k = 85,7 N/m
mola, uma nica vez, e obter a resposta de
k = 71 N/m, pode-se, sem mais cerimnias, e desvio padro de
1. Considerar o mesmo desvio padro
x = k = 2 N/m e k = 2,16 N/m = 2 N/m
2. Reportar o segundo resultado, com
um grau de confiana de 68%:
73
Incertezas Aleatrias
74
Incertezas Aleatrias
75
Incertezas Aleatrias
k = 0,06 N/m. Assim, o resultado final incerteza sistemtica de 0,5% para todos
baseado nos dados da Tab. 4.4 os cronmetros, 1% para todas as
balanas e 3% para multmetros
constante de mola k = 13,16 0,06 N/m (voltmetro, ampermetro e ohmmetro).
(4.20) Estabelecidas regras deste tipo, h
Se houvesse estimativa razovel das vrios modos de proceder. Nenhum deles
incertezas nas medies originais de m e pode ser rigorosamente justificado e ser
T, podia-se tambm estimar a incerteza em mostrado aqui um enfoque. No ltimo
k usando propagao da incerteza, exemplo, a constante de mola k foi
comeando com as estimativas das encontrada atravs das medies de uma
incertezas de m (m) e T (T). Neste caso, srie de valores de m e T. Uma anlise
os resultados dos dois mtodos poderiam estatstica de vrios resultados para k deu
ser comparados. uma componente aleatria de k como :
76
Incertezas Aleatrias
77
Incertezas Aleatrias
78
Incertezas Aleatrias
79
Incertezas Aleatrias
80
Incertezas Aleatrias
Definies e Equaes
Desvio padro da mdia
Quando se tm N medies x1, x2, ..., Desde que as incertezas sistemticas
xN, da mesma quantidade x, todas usando sejam desprezveis, a incerteza na melhor
o mesmo mtodo. Desde que as incertezas estimativa de x (normalmente a mdia) a
sejam independentes e aleatrias, tm-se incerteza padro da mdia, dada por:
os seguintes resultados
x
x = [Ver (4.14]
Mdia N
A melhor estimativa para x, baseado
nestas medies, sua mdia Quando se tem modo de estimar a
componente sistemtica da incerteza, xsist,
x=
xi [Ver (4.5)]
razovel (mas no rigorosamente
N justificado) expressar a incerteza total
como a soma quadrtica de xalea e xsist:
Desvio padro
A incerteza mdia das medies x tot = (x alea )2 + (x sist )2 [Ver (4.26)]
individuais x1, x2, ..., xN, dada pela desvio
padro:
1 N
x = (x i x)2
N 1 i=1
[Ver (4.9)]
x = x
81
5
Distribuio de Gauss
x, dada pelo desvio padro da mdia,
5.1. Introduo x = x / N , como estabelecido no
Este captulo continua com a discusso Captulo 4. Finalmente a seo 5.9 discute
da anlise estatstica de medies como atribuir uma confiana numrica a
repetidas. O captulo 4 introduziu as idias resultados experimentais.
importantes de mdia, desvio padro e A matemtica usada neste captulo
desvio padro da mdia e foram vistos mais avanada do que a usada at agora.
seus significados e alguns de seus usos. Em particular, devem ser conhecidos os
O primeiro problema que aparece, ao conceitos de integrao a integral como
se discutir as medies repetidas, achar a rea sob uma curva, alteraes de
o modo de manipular e apresentar os variveis e ocasionalmente, integrao por
valores obtidos. Um modo conveniente partes. Porm, uma vez que se tenha
usar uma distribuio ou histograma, como trabalho at a seo 5.4 sobre a
descrito em 5.2. A seo 5.3 introduz a distribuio normal (fazendo clculos com
noo de distribuio limite, a distribuio lpis e papel, se necessrio), possvel
de resultados que seriam obtidos se o seguir o resto do captulo sem dificuldade.
nmero de medies se tornasse
infinitamente grande. Na seo 5.4, 5.2. Histogramas e distribuies
definida a distribuio normal ou
A preciso de um instrumento est
distribuio de Gauss, que a distribuio
relacionada com o parmetro desvio
limite de resultados para qualquer medio
sujeita a muitas pequenas incertezas padro, . Assim, se fala do erro de uma
aleatrias. medio. Porm, desde que o erro
Assim que as propriedades aleatrio est relacionado com o conceito
matemticas da distribuio normal sejam de disperso de valores obtidos de um
entendidas, pode-se provar facilmente conjunto de medies repetidas, tem-se
vrios resultados importantes. A seo 5.5 trs disgresses matemticas
fornece a prova que, com antecipado no 1. a distribuio, em geral
Captulo 4, cerca de 68% de todas as 2. a mdia e a varincia de uma
medies (todas de uma mesma distribuio
quantidade e usando o mesmo 3. a distribuio gaussiana
procedimento) devem cair dentro de um Uma distribuio n(x) descreve a
desvio padro do valor verdadeiro. A seo probabilidade de um valor da varivel x
5.6 prova o resultado, usado no Captulo 1, ocorrer em uma amostra definida. A
que se so feitas N medies x1, x2, ..., xN varivel x pode ser continua ou discreta e
da mesma quantidade x, ento a melhor seus valores podem estar confinados em
estimativa xestimado baseado nestes valores uma faixa finita (por exemplo, 0 a 1) ou
pode se estender de - a + ou poderia
a mdia x = x i / N . A seo 5.7 justifica
ocupar uma faixa semi-infinita (por
o uso da soma quadrtica quando as exemplo, somente valores positivos).
incertezas que se propagam so aleatrias Exemplos de distribuies de varivel
e independentes. Na seo 5.8 prova-se contnua:
que a incerteza da mdia, quando usada 1. Nmero de vezes que uma medio
como a melhor estimativa do resultado de x observada, onde a varivel o
82
Distribuio de Gauss
83
Distribuio de Gauss
84
Distribuio de Gauss
5
4
4
3
3
2
1 1 1
1
0 85
0
22 23 24 25 26 27
Distribuio de Gauss
86
Distribuio de Gauss
87
Distribuio de Gauss
2x = ( x x) f ( x)dx
2
(5.16)
x= xF
i
i i (5.14) Fig. 5.7. A distribuio limite para uma medio
sujeita a muitas pequenas incertezas aleatrias
. A distribuio tem forma de sino e centrada
No presente caso, tem-se um grande no valor verdadeiro da quantidade medida x.
nmero de medies com distribuio f(x).
Se a faixa total de valores dividida em
pequenos intervalos xi a xi + dxi , a frao Se as medies tiverem incertezas
de valores em cada intervalo Fi = f(xi) dxi sistemticas significativas, a curva da
e no limite que todos os intervalos tendem distribuio no ser centrada no valor
para zero, (5.14) fica verdadeiro. Incertezas aleatrias so
igualmente provveis de puxar as leituras
acima e abaixo do valor verdadeiro. Se
x= xf ( x)dx
(5.15) todas as incertezas forem aleatrias, aps
muitas medies o nmero de
observaes acima do valor verdadeiro
Esta frmula d a mdia esperada de x ser igual ao nmero de observaes
depois de um nmero infinito de medies. abaixo, e a distribuio dos resultados ser
Do mesmo modo, pode-se calcular o centrada no valor verdadeiro. Mas uma
desvio padro x obtido aps muitas incerteza sistemtica (como causada pela
medies. Como estamos ligados ao limite fita esticada ou pelo cronmetro que
N , no faz diferena qual definio de atrasa) empurra todos os valores em uma
x usada, com N ou com (N 1). Em direo e portanto empurra a distribuio
qualquer caso, quando N , x2 a dos valores observados fora do centro do
mdia do quadrado dos desvios (x - x )2 . valor verdadeiro. Neste captulo, ser
Assim, aps algumas medies, assumido que a distribuio centrada no
88
Distribuio de Gauss
89
Distribuio de Gauss
Com esta escolha para o fator de
normalizao, chega-se forma final para
f ( x)dx = 1
(5.19)
a funo distribuio normal ou de Gauss,
que denotada pela GX,(x):
Para arranjar esta normalizao, faz-se
2
/ 22
Distribuio normal ou de Gauss
f ( x ) = Ne ( x X ) (5.20)
1 2
/ 2 2
G X, ( x ) = e( x X )
2
(A multiplicao pelo fator N no muda
o formato da curva nem desloca o ponto de (5.25)
mximo de x = X). Deve-se escolher o fator
de normalizao N de modo que f(x) seja A frmula contm os ndices X e para
normalizado como em (5.19). Isto envolve indicar o centro e a largura da distribuio.
alguma manipulao elementar de A funo GX, (x) descreve a distribuio
integrais (que ser mostrada aqui e agora): limite de resultados em uma medio de
uma quantidade x cujo valor verdadeiro
X, se a medio for sujeita apenas a
f ( x)dx = Ne
( x X )2 / 2 2
dx (5.21) incertezas aleatrias (com certezas
sistemticas desprezveis). Medies cuja
distribuio limite dada pela funo de
Resolvendo este tipo de integral, Gauss (5.25) so normalmente
mudando variveis para simplificar distribudas.
(fazendo x X = y e dx = dy), tem-se
= N e y
2
/ 2 2
dy (5.22)
= N e z
2
/2
dz (5.23) Fig. 5.10. Duas distribuies de Gauss
90
Distribuio de Gauss
x=X (5.29)
Probleminha rpido 5.3
Esquematizar a funo de Gauss aps muitas medies. Em outras
GX,(x) para X = 10 e x = 1. Usando uma palavras: se as medies so distribudas
calculadora, encontrar os valores em 10; de acordo com a distribuio de Gauss
10,5; 11; 11,5; 12 e 12,5. No necessrio GX,(x), ento, aps vrias medies, o
calcular os valores para x < 10 porque valor mdio o valor verdadeiro, onde a
sabe-se que a funo simtrica em funo de Gauss est centrada.
relao a X = 10. O resultado (5.29) verdade somente
se puder fazer infinitas medies. Na
Resposta prtica, quando se fazem muitas medies
(nmero grande, porm finito), a mdia fica
prxima de X.
Outra quantidade interessante para
Foi visto na seo 5.2 que o calcular o desvio padro , aps uma
conhecimento da distribuio limite para grande quantidade de medies. De
uma medio permite o clculo do valor acordo com (5.16), esta quantidade vale:
mdio esperado aps vrias medies. De
acordo com (5.15), este valor esperado
2x = (x x) G
2
( x )dx (5.30)
para a distribuio gaussiana f(x) = GX,(x) X,
Esta integral resolvida facilmente.
x= xG
X, ( x )dx (5.26)
Substitui-se x por X, fazem se as
substituies x X = y, y/ = z e integra-se
Antes de resolver esta equao, sabe- por partes para obter o resultado:
se que a sua resposta deve ser X, porque
a simetria da funo de Gauss em torno de x2 = 2 (5.31)
X implica que alguns resultados cairo a
igual distncia, acima e abaixo, de x. O parmetro largura da funo de
Assim, a mdia deve ser X. Gauss GX,(s) o desvio padro obtido
aps muitas medies. Isto acontece
porque a letra x usada para o parmetro
x= xG
X, ( x )dx
largura e explica por que geralmente
chamado o desvio padro da distribuio
1
de Gauss GX,(s). Rigorosamente falando,
xe
( x X )2 / 2 2
= dx (5.27) porm, o desvio padro esperado
2
somente aps infinitas medies. Se so
feitas medies de x em nmero finito (10
Fazendo a mudana das variveis y = x ou 20, por exemplo), o desvio padro
X, dx = dy e x = y + X, tem-se: observado deve ser alguma aproximao
de x, mas no se tem razo em pensar
1 y 2 / 2 2
que exatamente igual a x.
ye e y / 2 dy
2 2
x= dy + X
2
(5.28) 5.5. Desvio padro como limite de
A primeira integral exatamente zero, confiana de 68%
porque a contribuio de qualquer ponto y A funo distribuio limite f(x) de
exatamente cancelada pela do ponto y. alguma quantidade x diz qual a
91
Distribuio de Gauss
e
z2 / 2
Prob (dentro t) = dz (5.35)
b
2 t
f ( x)dx
a
1
1
e
z2 / 2
Prob (dentro ) = dz (5.34)
2 1
92
Distribuio de Gauss
1 ( x1 X ) 2 / 2 2
Probleminha rpido 5.4. Prob(x1) = e (5.36)
As medies de uma dada distncia x
so distribudas normalmente com X = 10 e
A eq. (5.36) se refere probabilidade
x = 2. de se obter o valor x1, embora
(a) Qual a probabilidade que uma rigorosamente seja a probabilidade de se
medio isolada caia dentro x = 7 e x = 13. obter um valor no intervalo prximo de x1.
(b) Qual a probabilidade que ela caia fora A probabilidade de se obter a segunda
da faixa de x = 7 e x = 13? indicao x2
Resp.:
(a) entre 7 e 13: 87% (corresponde a 1,5 ) 1 ( x 2 X )2 / 2 2
(b) menor que 7 e maior que 13: 13%
Prob(x2) = e (5.37)
e do mesmo modo,
93
Distribuio de Gauss
94
Distribuio de Gauss
95
Distribuio de Gauss
96
Distribuio de Gauss
largura x
97
Distribuio de Gauss
98
Distribuio de Gauss
99
Distribuio de Gauss
x1 = x2 = ... = xN = x
largura
V-se tambm de (5.64) que todas as
derivadas parciais em (5.65) so iguais:
x x x 1 largura
= = ... = =
x1 x 2 x N N
100
Distribuio de Gauss
101
Distribuio de Gauss
102
Distribuio de Gauss
f ( x)dx = 1
[Ver (5.13)]
t
1
e
z2 / 2
Prob (dentro t) = dz (5.35)
2 t
103
Distribuio de Gauss
valor de x = xestimado
x estimado x esperado
t=
Assumindo se x normalmente
distribudo em torno de xesperado, com
largura , pode-se achar do Apndice A, a
probabilidade Prob (fora ) de uma
discrepncia to grande ou maior que a
encontrada. Se esta probabilidade menor
que algum nvel escolhido, por exemplo
1%, julga-se o acordo ser inaceitvel a
este nvel. Por exemplo, se Prob (fora t)
menor que 1%, o acordo inaceitvel ao
nvel de 1%.
104
6
Mdias Ponderadas
uma delas ou ambas esto sujeitas a
7.1. Introduo incertezas sistemticas no detectadas.
Este captulo trata do problema de Porm, por hiptese, as duas medies
combinar duas ou mais medies (6.1) e (6.2) so consistentes, ou seja, a
separadas e independentes de uma nica discrepncia |xA xB| no
quantidade fsica. Ser visto que a melhor significativamente maior que A ou B.
estimativa desta quantidade, baseando-se Ser que a melhor estimativa xestimado o
em vrias medies, uma mdia valor verdadeiro X, baseando-se nas duas
ponderada destas medies. medies? O primeiro impulso seria usar a
mdia aritmtica (xA xB)/2 das duas
7.2. Problema de combinar medies medies, dando igual importncia s duas
medies. Alguma reflexo, porm, sugere
Muitas vezes, uma quantidade fsica
que esta mdia no a mais conveniente
medida vrias vezes, talvez em locais
se as duas incertezas A e B forem
separados, por experimentadores
diferentes, pois o bom senso parece dizer
diferentes ou em condies diversas e
que a medio mais precisa deve ter uma
aparece a questo de como estas
maior importncia.
medies podem ser combinadas para dar
Em todo este captulo ser assumido
uma nica melhor estimativa. Por exemplo,
que todas as incertezas sistemticas foram
sejam dois instrumentistas A e B medindo
identificadas e reduzidas a um nvel
uma quantidade x cuidadosamente e
desprezvel. Assim, todas as incertezas
obtendo os seguintes resultados:
remanescentes so aleatrias e as
medies de x so distribudas
Instrumentista A : x = xA A (6.1) normalmente em torno do valor verdadeiro
X.
Instrumentista B : x = xB B (6.2)
7.3. Mdia Ponderada
Cada resultado ser provavelmente o
Pode-se resolver o problema facilmente
resultado de vrias medies, em que caso
usando o princpio da mxima
xA ser a mdia de todas as medies de
probabilidade, como foi feito na seo 5.5.
A e x o desvio padro desta mdia e do Assume-se que ambas as medies so
mesmo modo, para xB e B . A questo governadas pela distribuio de Gauss e
como melhor combinar xA e xB para uma que o valor verdadeiro desconhecido de x
nica melhor estimativa de x. X. Assim, a probabilidade de A obter seu
Antes de examinar esta questo, note valor particular xA :
que se a discrepncia |xA xB| entre as 1 ( x A X )2 / 2 2A
duas medies muito maior que as duas ProbX(xA) e (6.3)
A
incertezas A e B , deve-se suspeitar que
alguma coisa est errada, no mnimo, com
uma das duas medies. Nesta situao, e de B obter seu xB observado
diz-se que as duas medies so
inconsistentes e deve-se examinar ambas 1 ( xB X )2 / 2B2
ProbX(xB) e (6.4)
as medies cuidadosamente para ver se B
105
Mdias Ponderadas
106
Mdias Ponderadas
A anlise das duas medies pode ser inverso da raiz quadrada de seu peso.
generalizada para cobrir qualquer nmero Retornando a (6.12), pode-se ver que a
de medies. Sejam N medies incerteza no resultado final xpond o
separadas de uma quantidade x, inverso da raiz quadrada da soma de todos
os pesos individuais. Ou seja, o peso total
x1 1, x2 2, ..., xN N , do resultado final a soma dos pesos
individuais wi.
com as respectivas incertezas 1, 2, ...,
N. Pensando como antes, pode-se achar 7.4. Um exemplo
que a melhor estimativa baseando-se Foram feitas trs medies da mesma
nestas medies a mdia ponderada resistncia, obtendo-se os seguintes
resultados:
x pond =
w x i i
(6.10)
1: 11 1
w i
2: 12 1
3: 10 3
onde as somas so sobre todas as N
medies, i = 1, 2, ..., N e os pesos wi de Qual a melhor estimativa de R e sua
cada medio o inverso do quadrado de incerteza?
cada incerteza correspondente. As trs incertezas 1, 2 e 3 so 1, 1 e
3. Os pesos correspondentes so wi =
1 1/i2 so:
wi = (6.11)
i2
w1 = 1 w2 = 1 w3 = 1/9
para i = 1, 2, ..., N.
A melhor estimativa para R segundo
Como os pesos wi = 1/i2 associados (6.10)
com cada medio envolvem o quadrado
da incerteza correspondente i , qualquer (1 11) + (1 12) + ( 91 10)
medio que seja muito menos precisa que R= = 11,42
1 + 1 + 91
as outras contribui muito menos para o
resultado final (6.10). Por exemplo, se uma
medio 4 vezes menos precisa que o A incerteza neste resultado dada por
restante, seu peso 16 vezes menor que (6.12):
os outros pesos e, na prtica, esta 1
pond = = 0,69
medio pode simplesmente ser ignorada. 1
1+ 1+
Como a mdia ponderada xpond uma 9
funo dos valores medidos originais x1, x2,
..., xN, a incerteza em xpond pode ser O resultado final dado como
calculada usando a propagao da
incerteza. Como pode ser visto facilmente, R = 11,4 0,7
a incerteza em xpond
Para comparao, o resultado com a
1 terceira medio desprezada, cuja
pond = (6.12)
w i
incerteza trs vezes maior que as duas
primeiras e por isso pouco importante ,
com um algarismo a mais
Este resultado feio talvez um pouco
mais fcil de lembrar se reescrito como
Restimado = 11,50 0,71
1
i = (6.13) O resultado muito prximo do obtido
w i com as trs medies, 11,42 0,69 ,
tambm com um algarismo a mais e
Explicando a eq. (6.13), pode-se dizer mostra que realmente a terceira medio
que a incerteza em cada medio o tem um pequeno efeito.
107
Mdias Ponderadas
Definies e equaes
Se x1, x2, ..., xN, so medies de uma
nica quantidade x, com incertezas
conhecidas 1, 2, ..., N, ento a melhor
estimativa para o valor verdadeiro de x a
mdia ponderada:
x pond =
w x i i
[Ver (6.10)]
w i
1
wi =
i2
A incerteza em xpond
1
pond = [Ver (6.12)]
w i
108
Concluso
Quando finalmente se calcula e expressa-se uma incerteza, deve-se gastar um
tempo adicional para pensar se a incerteza sensvel. Deve-se verificar se a
expresso da incerteza tem a mesma dimenso que a quantidade medida. Se no,
de cara, h algo errado.
Depois, deve-se ver se o tamanho da incerteza est de conformidade com o
sentimento intuitivo acerca da confiabilidade do resultado. Assim, se a medio da
resistncia de uma bobina d 5 4 , o erro tem a mesma ordem de grandeza que
a medio. Isto equivale a dizer que a medio pouca precisa ou a sua incerteza
muito grande. Se a sensao que esta experincia realmente determinou a
resistncia com razovel exatido, ento deve-se voltar atrs e olhar os clculos
para tentar achar algum erro de leitura, calculo, reduo de dados ou converso de
unidades. Por exemplo, se atravs de um mtodo concomitante se descobrisse que
a bobina tem resistncia de 25 ; ento certamente a medio de 5
inconsistente com isto.
No outro extremo, se um erro muito pequeno comparado com a medio (por
exemplo, 0,0001), sugere uma experincia muito precisa e deve-se verificar se o
resultado realmente justifica tal confiana no resultado. Um cientista que expressou
a preciso de sua experincia como 0,001 explicou que os trs algarismos
significativos da expresso representavam: F, Esperana e Caridade.
Deve-se expressar o erro com apenas um algarismo significativo (no mximo e
em casos especiais, com dois). No faz sentido calcular o erro no erro.
Tambm importante lembrar que a Estatstica pode fornecer um conjunto de
frmulas que devem ser usadas, mas na prtica, no basta escolher a melhor
frmula e aplic-la, sem olhar os dados. Devem ser feitas anlises adicionais como:
1. Verificar se todas as medies foram feitas durante o mesmo perodo de
tempo.
2. Decidir se todos os dados devem ser usados ou se h dados esprios
(outliers).
3. Olhar se todos os dados apresentam a mesma preciso.
4. Pesquisar quais so os possveis erros sistemticos.
5. Julgar se o resultado final deva ser expresso em funo do tempo.
Assim, embora os problemas sobre erros nos livros tenham uma nica resposta, na
vida prtica as situaes so mais complexas e interessantes e deve-se usar toda a
experincia e inteligncia.
109
Referncias Bibliogrficas
Referncias Bibliogrficas
Campbell, P.D.Q., Introduction to Measuration and Calibration, New York, Industrial
Press, 1995
Dieck, R.H., Measurement Uncertainty - Methods and Applications, Research
Triangle Park, ISA, 1992.
Doebelin, E.0., Engineering Experimentation, Singapore, McGraw-Hill, 1995.
Doebelin, E.0., Measurement systems, 4a. ed., Singapore, McGraw-Hill, 1990.
Friesth, E.R., Metrication for Manufacturing, New York, Industrial Press, 1978.
Grant, E.L. & Leavenworth, R.S., Statistical Quality Control, 6a. ed., Singapore,
McGraw-Hill, 1977.
Hamburg, M. & Young, P., Statistical Analysis for Decision Making, 6a. ed.,
Orlando, Dryden, 1994.
Hoel, P.G., Elementary Statistics, 4a. ed., Singapore, John Wiley, 1976.
Hutchins, G.B., Introduction to Quality - Control, Assurance and Management, New
York, Macmilan, 1991.
INMETRO, Sistema Internacional de Unidades, 4a. ed., Duque de Caxias, Inmetro,
1991.
INMETRO, Vocabulrio Internacional de Termos Fundamentais e Gerais de
Metrologia, Duque de Caxias, Inmetro, 1995.
Kalvelagen, E. & Tijms, H.C., Exploring Operations Research & Statistcs ,
Englewood Cliffs, Prentice-Hall, 1990.
Karim, G.A. & Hamilton, A.B., Metrication, Boston, IHRDC, 1981.
Kateman, G.A. & Pijpers, F. W., Quality Control in Analytical Chemistry, New York,
John Wiley, 1981.
Kume, H., Metodos Estatisticos para Melhoria da Qualidade, So Paulo, Editora
Gente, 1993.
Lyons, L., Data Analysis for Physical Science Students, Cambridge, Cambridge
University Press, 1991.
Meloun, M., et alt., Chemometrics for Analytical Chemistry, Chichester, Ellis
Horwood, 1992.
Ott, E.R. & Schilling, E.G., Process Quality Control, 2a. ed., New York, Mc-Graw-
Hill, 1990.
Pedde, L.D., Foote, W.E. et alt., Metric Manual, Denver, US Government Printing
Office, 1978.
Pennella, C.R., Managing the Metrology System, Milwaukee, ASQC Quality Press,
1992.
Phadke, M.S., Quality Engineering Using Robust Design, Englewood Cliffs, Prentice-
Hall, 1989.
Pyzdek, T. & Berger, R.W., Quality Engineering Handbook, New York, Marcel
Dekker, 1992.
Ray, M.S., Engineering Experimentation, Cambridge, McGraw-Hill, 1992.
Rothery, B., ISO 9000, So Paulo, Makron, 1993.
Taylor, J.R., Na Introduction to Error Analysis, 2 ed., Sausalito, University Science
Books, 1997.
110
Referncias Bibliogrficas
Normas
ABNT NBR ISO 8402, Gesto da qualidade e garantia da qualidade - Terminologia,
DEZ 1994
ABNT NB 9000, Normas de gesto da qualidade e garantia da qualidade - Diretrizes
para seleo e uso, JUN 1990
ABNT NB 9000-2, Normas de gesto da qualidade e garantia da qualidade - Parte 2:
Diretrizes gerais para a aplicao das NBR 19001, NBR 19002 e NBR 19003,
FEV 1994
ABNT NB 9000-3, Normas de gesto da qualidade e garantia da qualidade - Parte 3:
Diretrizes gerais para a aplicao da NBR 19001 ao desenvolvimento,
fornecimento e manuteno de software, NOV 1993.
ABNT NB 9000-4, Normas de gesto da qualidade e garantia da qualidade - Parte 4:
Guia para gesto do programa de dependabilidade, NOV 1993
ABNT NB ISO 9001 - ISO 9001, Sistemas da qualidade - Modelo para garantia da
qualidade em projetos/desenvolvimento, produo, instalao e assistncia
tcnica, JUN 1990.
ABNT NB 9002 - ISO 9002, Sistemas da qualidade - Modelo para garantia da
qualidade em produo, instalao e servios associados, DEZ 1994.
ABNT NBR ISO 9004-2, Gesto da qualidade e elementos do sistema da qualidade -
Parte 2: Diretrizes para servios, NOV 1993
ABNT NBR ISO 9004-3, Gesto da qualidade e elementos do sistema da qualidade -
Parte 3: Diretrizes para materiais processados, FEV 1994
ABNT NBR ISO 9004-4, Gesto da qualidade e elementos do sistema da qualidade -
Parte 4: Diretrizes para melhoria da qualidade, NOV 1993
ABNT NBR ISO 10011-1, Diretrizes para auditoria de sistemas da qualidade - Parte
1: Auditoria, JUL 1993
ABNT NBR ISO 10011-2, Diretrizes para auditoria de sistemas da qualidade - Parte
2: Critrios para qualificao de auditores de sistema da qualidade, JUL 1993
ABNT NBR ISO 10011-3, Diretrizes para auditoria de sistemas da qualidade - Parte
3: Gesto de programas de auditoria, JUL 1993
ABNT NBR ISO 10012-1, Requisitos de garantia da qualidade para equipamentos de
medio - Parte 1: Sistema de comprovao metrolgica para equipamento de
medio, NOV 1993.
ANSI/ASQC M1-1987, American National Standard for Calibration Systems, JUN
1987.
ISO 9001, 2a. ed., Quality systems - Model for quality assurance in design,
development, production, installation and servicing, Jul 1994
ISO 9004, 1a. ed., Quality management and quality system elements - Part 2:
Guidelines for services, AUG 1991
ASTM E 691-79, Conducting Interlaboratory Test Program to Determine the
Precision of Test Methods, Apr, 1980.
NIS 80 - Guide to Expression of Uncertainties in Testing, NAMAS, Sep 1994.
NIS 3003 - The Expression of Uncertainty and Confidence in Measurement for
Calibrations, NAMAS, May 1995.
ISO Guide 25 - Guide to the Expression of Uncertainty in Measurement, 1993
111
A
Integral do Erro Normal I
1 2
/ 2 2
G X, ( x ) = e( x X )
2
onde
X o valor verdadeiro de X
o desvio padro
b
A integral da funo distribuio normal, a G X, ( x )dx chamada de integral do
erro normal e a probabilidade que uma medio caia entre x = a e x = b,
b
Pr ob(a x b) = a G X, ( x )dx
Prob(dentro t) = Prob(X t x X + t)
X + t 1 t z2 / 2
X t G X, ( x )dx = e
2 t
dz
A probabilidade de uma medio fora do mesmo intervalo pode ser achada pela
subtrao
112
Apndice A: Integral do Erro Normal
113
Apndice A: Integral do Erro Normal
B
Integral do Erro Normal II
Em certos clculos, uma forma conveniente da integral do erro normal
X + t
Q( t ) = X G X, ( x )dx
1 t z2 / 2
e
2 0
dz
Do mesmo modo,
114
Apndice A: Integral do Erro Normal
115
C
Definies e Conceitos
116
Conceitos Estatsticos
117
Conceitos Estatsticos
118
Conceitos Estatsticos
119
Conceitos Estatsticos
120
Conceitos Estatsticos
121
Conceitos Estatsticos
122
Conceitos Estatsticos
123
Conceitos Estatsticos
124
Conceitos Estatsticos
125
Conceitos Estatsticos
126
Conceitos Estatsticos
127
Conceitos Estatsticos
128
Conceitos Estatsticos
129
Conceitos Estatsticos
130
Conceitos Estatsticos
131
Conceitos Estatsticos
132
Conceitos Estatsticos
133
Conceitos Estatsticos
6.9. Freqncia
para - < x < + O nmero de ocorrncias de um dado
a expectativa e o desvio tipo de evento ou o nmero de
padro da distribuio normal. observaes caindo em uma classe
especfica.
Distribuio t; (Student)
A distribuio t ou distribuio de Distribuio de freqncia
Student a distribuio de probabilidade A relao emprica entre os valores
de uma varivel aleatria continua t cuja de uma caracterstica e suas freqncias
funo densidade de probabilidade ou suas freqncias relativas.
+ 1 + 1 A distribuio pode ser graficamente
t 2 2
1 2 1+ apresentada como um histograma,
p( t, ) = grfico de barra, polgono de freqncia
2 cumulativa ou como uma tabela de duas
vias.
onde a funo gama e > 0. A
expectativa da distribuio t zero e sua 6.10. Expectativa (de uma varivel
varincia /(n - 2) para > 2. Quando n aleatria ou de uma distribuio de
, a distribuio t se aproxima da probabilidade; valor esperado;
distribuio normal com = 0 e =1. mdia).
A distribuio probabilidade da
1. Para uma varivel aleatria
varivel ( z z ) / s( z) a distribuio t se a discreta X tomando os valores xi dentro
varivel aleatria z normalmente das probabilidades pi, a expectativa, se
distribuda com expectativa z, onde z existir, :
a mdia aritmtica de n observaes
independentes zi de z, s(zi) o desvio = E( X ) = pi x i
padro experimental de n observaes e
s( z ) = s( z i ) / n o desvio padro a soma sendo estendida sobre todos os
valores de xi, que pode ser tomado por X.
experimental da mdia z com n = - 1 2. Para uma varivel aleatria
graus de liberdade. contnua X tendo a funo densidade de
probabilidade f(x), a expectativa, se
6.6. Parmetro existir,
Uma grandeza usada para descrever
a distribuio de probabilidade de uma = E( X ) = xf ( x )dx
varivel aleatria.
134
Conceitos Estatsticos
135
Conceitos Estatsticos
136
Conceitos Estatsticos
137
Conceitos Estatsticos
138
Conceitos Estatsticos
A mdia aritmtica
corrigida o valor
estimado do mensurando
e o resultado da medio
Distribuio desconhecida da
populao inteira de observaes
Distribuio desconhecida (aqui corrigidas possveis
assumida ser normal) da populao
inteira de observaes no
corrigidas possveis
Valor do mensurando
no conhecido
139
Grandeza Valor Varincia
(no em escala) (no em escala)
Valor crescente
a) Observaes no nica
corrigidas
b) Mdia aritmtica no
corrigida das observaes
c) Correo de todos os
efeitos sistemticos
conhecidos
e) Erro residual
(desconhecvel)
f) Valor do mensurando
(desconhecvel)
g) Valores da mensurando
devidos definio
incompleta
(desconhecvel)
h) Resultado final da
medio
140