Anlise da Incerteza

na Medio
Fundamentos e Aplicaes

Marco Antnio Ribeiro

 Anlise da Incerteza na
Medio
Fundamentos e Aplicaes

Marco Antnio Ribeiro

Quem pensa claramente e domina a fundo aquilo de que fala, exprime-se claramente e
de modo compreensvel. Quem se exprime de modo obscuro e pretensioso mostra logo que
no entende muito bem o assunto em questo ou ento, que tem razo para evitar falar
claramente (Rosa Luxemburg)

2002, Tek Treinamento & Consultoria Ltda.

Salvador, Vero 2002
(Figura da capa: Os Trapaceiros, de Caravaggio)
 Autor
Marco Antnio Ribeiro nasceu em Arax, MG, no dia 27 de maio de 1943, s
7:00 horas A.M.. Formou-se pelo Instituto Tecnolgico de Aeronutica (ITA), em
Engenharia Eletrnica, em 1969.
Foi professor de Matemtica, no Instituto de Matemtica da Universidade Federal
da Bahia (UFBA) (1974-1975), professor de Eletrnica na Escola Politcnica da
UFBA (1976-1977), professor de Instrumentao e Controle de Processo no Centro
de Educao Tecnolgica da Bahia (CENTEC) (1978-1985) e professor convidado
de Instrumentao e Controle de Processo nos cursos da Petrobras (desde 1978).
Foi gerente regional Norte Nordeste da Foxboro (1973-1986). J fez vrios
cursos de especializao em instrumentao e controle na Foxboro Co., em
Foxboro, MA, Houston (TX) e na Foxboro Argentina, Buenos Aires.
Possui dezenas de artigos publicados em revistas nacionais e anais de
congressos e seminrios; ganhador do 2o prmio Bristol-Babcock, no Congresso do
IBP, Salvador, BA, 1979.
Desde agosto de 1987 diretor da Tek Treinamento & Consultoria Ltda., firma
dedicada instrumentao, controle de processo, medio de vazo, aplicao de
instrumentos eltricos em reas classificadas, Implantao de normas ISO 9000 e
integrao de sistemas digitais.
Gosta de xadrez, corrida, fotografia, msica de Beethoven, leitura, trabalho, curtir
os filhos e a vida. Corre, todos os dias, cerca de (10 2) km e joga xadrez
relmpago (5 min para cada jogador) todos os fins de semana. provavelmente o
melhor jogador de xadrez entre os corredores e o melhor corredor entre os
jogadores de xadrez, o que no nenhuma vantagem para a Anlise da Incerteza
na Medio .
 Prefcio
O presente trabalho foi escrito como suporte de um curso ministrado a engenheiros e
tcnicos ligados, de algum modo, medio de alguma grandeza fsica. Ele uma
continuao natural do curso de Metrologia Industrial, que enfoca os aspectos tcnicos,
fsicos e matemticos da incerteza da medio de uma grandeza fsica. Ele apresenta
mtodos e aplicaes para clculo da incerteza na medio.
O trabalho constitudo de cinco captulos tratando dos seguintes assuntos:
1. Erro e Incerteza na Medio
2. Expresso das Incertezas
3. Propagao das Incertezas
4. Anlise Estatstica das Incertezas Aleatrias
5. Distribuio Normal ou de Gauss
Como apndices, so apresentados
A: Tabela da Integral do erro normal, necessria para resolver alguns problemas do
trabalho.
B. Glossrio, com definies e conceitos tirados do Vocabulrio Internacional de
Metrologia e da norma ISSO 3534-1.
C. Norma ISO Guide: Guia para Expresso da Incerteza na Medio, numa traduo
livre do autor.
H, em separado, um outro trabalho com problemas propostos sobre cada captulo, com
trs diferentes graus de dificuldade e trabalho.
O trabalho dever ser revisto logo, quando sero melhorados os desenhos, editadas
figuras melhores e eliminados os inmeros e pequenos erros aleatrios de datilografia e
alguns eventuais erros sistemticos.
Sugestes e crticas destrutivas so benvindas ao endereo do autor: Rua Carmem
Miranda 52, A 903, CEP 41820-230, Fone (071) 452-3195 e Fax (071) 452-3058,
Mvel (71) 9989-9531 e ou no correio eletrnico: marcotek@uol.com.br

Marco Antnio Ribeiro

Salvador, BA, vero 2002
 Contedo
Autor.................................................... 3 3. Propagao das Incertezas ....... 38
Prefcio ............................................... 4 3.1. Introduo............................... 38
3.2. Incertezas nas medies
Contedo............................................. 1 diretas.................................................. 38
1. Erro e Incerteza na Medio ........................1
3.3. Regra da raiz quadrada para
1. Introduo ........................................1
uma contagem..................................... 40
1.1. Introduo..................................1
3.4. Operaes matemticas ......... 41
1.2. Inevitabilidade da incerteza .......1
3.5. Produto medio e constante . 43
1.3. Exemplos de incertezas ............2
3.6. Incerteza em potncias........... 44
2. Erros da Medio.............................5
3.6. Incertezas independentes na
2.1. Conceito de erro ........................5
soma.................................................... 45
2.2. Tipos de Erros ...........................5
3.8. Funo genrica de uma
2.3. Erro Absoluto e Relativo............6
varivel ................................................ 50
2.4. Erro Dinmico e Esttico ...........6
3.9. Propagao passo a passo .... 52
2.5. Erro Grosseiro ...........................7
3.10. Exemplos .............................. 53
2.6. Erro Sistemtico ........................8
3.11. Frmula geral para
2.7. Erro Aleatrio...........................13
propagao da incerteza..................... 56
2.8. Erro Resultante Final...............15
Exemplo: resistncia atravs de
3. Incerteza na Medio ....................16
tenso e corrente ................................ 60
3.1. Conceito ..................................16
3.12. Combinando resultados de
3.2. Princpios Gerais .....................17
experincias diferentes ....................... 62
3.3. Fontes de Incerteza.................18
Definies e Equaes......................... 65
3.4. Estimativa das Incertezas........19
Regra da raiz quadrada para contagem.... 65
3.5. Incerteza Padro .....................19
Regras para propagao da incerteza...... 65
3.6. Incerteza Padro Combinada..19
Somas e diferenas ............................. 65
3.7. Incerteza Expandida................19
Produtos e quocientes.......................... 65
3.8. Incerteza e escalas..................20
Quantidade medida vezes nmero exato .. 65
3.9. Incerteza em medies
Incerteza na potncia .................... 65
repetidas ..............................................21
Incerteza em uma funo de uma varivel 65
2. Expresso das Incertezas ......... 23 Propagao da incerteza............... 65
2.1. Introduo................................23
4. Incertezas Aleatrias ...............66
2.2. Melhor estimativa incerteza ..23
4.1. Introduo............................... 66
2.3. Algarismos significativos .........24
4.2. Incertezas aleatrias e
2.4. Discrepncia............................26
sistemticas......................................... 67
2.5. Valores medido e aceito ..........27
4.3. Mdia e desvio padro ........... 69
2.6. Comparao de dois nmeros
4.4. Desvio padro como incerteza
medidos................................................28
em uma medio isolada .................... 72
2.7. Verificando relaes com
4.5. Desvio padro da mdia ......... 73
grficos.................................................30
4.6. Incertezas sistemticas .......... 76
2.8. Incertezas relativas..................33
Definies e Equaes......................... 81
2.9. Algarismo significativo e
Mdia ............................................. 81
incerteza relativa ..................................34
Desvio padro................................ 81
2.10. Multiplicao de medies ....35
Desvio padro da mdia ................ 81
Definies e Equaes .........................37
Formas para expressar incertezas .37
Discrepncia...................................37
Incerteza Relativa...........................37

1
5. Distribuio de Gauss .............. 82
5.1. Introduo................................82
5.2. Histogramas e distribuies ....82
5.3. Distribuies limites.................86
5.4. Distribuio normal..................88
5.5. Desvio padro como limite de
confiana de 68%.................................91
5.6. Justificativa da mdia como
melhor estimativa .................................93
5.7. Justificativa da soma
quadrtica ............................................96
5.8. Desvio padro da mdia..........99
5.9. Aceitao de um resultado ....100
Definies e Equaes .......................103
Distribuies limites......................103
Distribuio normal ou de Gauss .103
Mdia ou melhor estimativa..........103
Desvio padro da medio...........103
Incerteza do desvio padro ..........103
Desvio padro da mdia...............103
Aceitao de um resultado medido104
6. Mdias Ponderadas ............... 105
7.1. Introduo..............................105
7.2. Problema de combinar
medies............................................105
7.3. Mdia Ponderada ..................105
7.4. Um exemplo ..........................107
Definies e equaes........................108
Concluso ...........................................109
Referncias Bibliogrficas ......... 110
Normas ................................... 111
A.Integral do Erro Normal I ......... 112
B. Definies e Conceitos .......... 116
1. Grandezas e Unidades ................116
1.1. Grandeza (mensurvel).........116
1.2. Grandeza medida ..................117
1.3. Grandeza de base .................117
1.4. Grandeza suplementar ..........117
1.5. Grandeza derivada ................117
1.6. Grandeza, dimenso de uma 117
1.7. Unidade (de medio) ...........118
1.8. Unidade, smbolo de..............118
1.9. Unidade, sistema de..............118
1.10. Valor (de uma grandeza).....118
1.11. Valor verdadeiro ..................118
1.12. Valor verdadeiro convencional119
1.13. Valor verdadeiro, erro e
incerteza.............................................119
1.14. Valor numrico ....................120
2. Medio....................................... 121
2.1. Metrologia ............................. 121
2.2. Medio ................................ 121
2.3. Princpio de medio ............ 121
2.4. Mtodo de medio .............. 121
2.5. Procedimento de medio .... 121
2.6. Mensurando (mensurand)..... 121
2.7. Grandeza de influncia......... 121
2.8. Grandeza de modificao ..... 121
2.9. Sinal de medio .................. 122
2.10. Rudo (noise) ...................... 122
3. Resultado da Medio ................ 122
3.1. Resultado de uma medio .. 122
3.2. Resultado no corrigido........ 122
3.3. Resultado corrigido............... 122
3.4. Erro (da medio) ................. 122
3.5. Erro relativo .......................... 122
3.6. Erro aleatrio ........................ 123
3.7. Erro sistemtico .................... 123
3.8. Correo (do erro) ................ 123
3.9. Fator de correo ................. 123
3.10. Incerteza ............................. 123
3.11. Incerteza (da medio) ....... 123
3.12. Incerteza padro................. 124
3.13. Incerteza padro combinada124
3.14. Incerteza expandida ........... 124
3.15. Avaliao Tipo A ................. 125
3.16. Avaliao Tipo B ................. 125
3.17. Fator de cobertura .............. 125
4. Instrumento de Medio.............. 125
4.1. Instrumento de medio ....... 125
4.2. Medida materializada............ 125
4.3. Transdutor de Medio ......... 125
4.4. Transmissor (transmitter)...... 125
4.5. Cadeia de medio ............... 126
4.6. Sistema de medio ............. 126
4.7. Indicador (indicator) .............. 126
4.8. Registrador (recorder) .......... 126
4.9. Totalizador (totalizer) ............ 126
4.10. Instrumento analgico
(analog instrument) e digital .............. 127
4.11. Mostrador (display, dial) ..... 127
4.12. ndice (index) ...................... 127
4.13. Escala (scale) ..................... 127
4.14. Escala com zero suprimido. 127
4.15. Escala com zero elevado.... 127
4.16. Escala expandida ............... 127
4.17. Sensor (sensor) .................. 128
4.18. Faixa de indicao.............. 128
4.19. Largura de faixa .................. 128
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

Erro e Incerteza na Medio
1. Introduo
1.1. Introduo
A experincia mostra que nenhuma
medio, mesmo aquela feita com o maior
cuidado possvel ou com o melhor
instrumento possvel, pode ser
completamente livre de incertezas. Como a
estrutura e aplicao da cincia dependem
das medies, a habilidade de avaliar
estas incertezas e mant-las em um valor
mnimo muito importante.
Este primeiro captulo descreve
algumas medies simples que ilustram a
ocorrncia inevitvel de incertezas
experimentais e mostra a importncia de
se conhecer os valores destas incertezas.
O captulo descreve como o tamanho das
incertezas experimentais pode ser
estimado de modo realista, s vezes por
meio de mtodos simples.
1.2. Inevitabilidade da incerteza
Para ilustrar como a incerteza da
medio inevitvel e pode assumir
diferentes valores, seja, por exemplo, um
carpinteiro que quer saber a altura de uma
buraco para instalar uma porta. Como uma
primeira estimativa, sem usar nenhum
instrumento de medio e baseado em sua
experincia ele poderia simplesmente olhar
o buraco e estimar que sua altura de 210
cm. Esta medio grosseira tem
certamente uma grande incerteza. Se
pressionado, o carpinteiro poderia
expressar a incerteza admitindo que a
altura poderia estar entre 200 e 220 cm. Se
fosse exigida uma medio mais exata, o
carpinteiro usaria uma fita mtrica e
poderia achar a altura de 211,6 cm. Esta
medio certamente mais exata e
1
confivel que a primeira estimada, mas
mesmo assim, ela ainda possui uma
incerteza, pois impossvel para o
carpinteiro saber se a altura exatamente
211,600 ou 211,601 cm, por exemplo.
Esta incerteza residual pode ter vrias
fontes, algumas das quais sero discutidas
neste trabalho. Algumas causas podem ser
facilmente eliminadas, se o carpinteiro
tomar alguns cuidados normais e
especiais. Por exemplo, alguns cuidados
que eliminariam as incertezas seriam:
1. usar uma fita mtrica de boa
qualidade
2. fazer a medio em local de boa
iluminao para que no haja
engano
3. fazer a medio segundo um
procedimento escrito, sem enrolar a
fita, colocando as extremidades nos
pontos corretos
H porm outras fontes de incertezas
que so inerentes ao processo de medio
e nunca podem ser eliminadas
inteiramente.
Por exemplo, se o carpinteiro usar uma
fita mtrica graduada de um em um
centmetro, provavelmente os pontos
extremos da medio no coincidiro
exatamente com a marcao da fita e o
carpinteiro deve estimar onde a
extremidade cai entre duas marcaes.
Mesmo se a extremidade do comprimento
medido cair em cima da marcao, a
marcao possui uma determinada
espessura de alguns milmetros. Em
qualquer caso, o carpinteiro deve estimar
onde a extremidade da porta cai em
relao s marcaes da fita e isto causa
alguma incerteza na medio.
Usando-se uma fita com melhor
qualidade e com maior nmero de
marcaes, por exemplo de um em um
milmetro, o problema se repete. Em vez
1

de ter uma incerteza de frao de
centmetro, tem-se agora uma incerteza de
frao de milmetro. Se o carpinteiro tiver
uma obsesso em determinar a altura da
porta com a maior preciso tecnicamente
possvel, ele poderia usar um
interfermetro a laser (que poderia custar o
preo do apartamento onde se quer
colocar a porta). Mas mesmo com esta
sofisticada parafernlia de medio, o
resultado final ainda teria incerteza, agora
da ordem de 10-6 m. Mesmo que o
carpinteiro consiga agora medir a altura da
porta com uma preciso fantstica, ele
ainda no sabe a altura exata da porta.
Quando o carpinteiro se esfora para
conseguir preciso maior, ele ainda
encontra um importante problema de
medio. Ele logo saber que a altura da
porta diferente em pontos diferentes.
Mesmo se ele considera apenas um ponto,
a altura ir variar com a temperatura e
umidade relativa do ambiente. A altura
depende da sujeira e poeira depositada no
ponto de medio.
Resumindo, o carpinteiro conclui que
no existe a coisa chamada de altura da
porta. Este tipo de problema chamado
de problema de definio: a altura da
porta no uma quantidade bem definida.
A experincia do carpinteiro ilustra um
ponto verdadeiro: nenhuma quantidade
fsica (comprimento, tempo, massa,
temperatura, presso, corrente eltrica, por
exemplo) pode ser medida com certeza
completa. Com cuidado, pode-se diminuir
algumas incertezas e eliminar outras
incertezas, de modo que a incerteza
resultante final seja extremamente
pequena, porm, eliminar todas as
incertezas impossvel.
Neste trabalho, sero vistas as
incertezas que podem ser eliminadas ou
diminudas e as que so inevitveis e
intrnsecas medio.
Felizmente, nem toda incerteza
importante ou de interesse prtico. Por
exemplo, quando se diz que a distncia
entre a casa e a escola de
aproximadamente 2 quilmetros, se esta
distncia significa algo entre 1,5 e 2,5 km
ou algo entre 1,99 ou 2,01 km geralmente
no tem nenhuma importncia prtica.
Esta distncia seria mais importante para
algum que quisesse fazer uma
Erro e Incerteza na Medio
caminhada. Ou ento, para algum que
tivesse pouco dinheiro para tomar um taxi.
Outras vezes, as incertezas so
importantes, porm, mesmo nestes casos
ela pode ter valores aceitveis. Quando o
carpinteiro instala a porta, ele deve
conhecer sua altura com uma incerteza de
alguns milmetros. Esta pequena incerteza
pode ser administrada e a porta instalada
sem problema. Se a incerteza for muito
grande, o trabalho para instalar a porta
ser muito maior, quebrando tijolos e
cimento para aumentar o espao ou
colocando tijolos e cimento para diminuir o
espao. Assim que o carpinteiro instala a
porta, seu interesse pela incerteza da
altura da porta acaba totalmente.
1.3. Exemplos de incertezas
Problema de Arquimedes
O problema que Arquimedes defrontou
h muito tempo atrs mostra como
importante se conhecer o tamanho real das
incertezas na medio.
O rei mandou o ourives fazer uma
coroa de ouro e lhe entregou uma
determinada quantidade de ouro. Quando
a coroa ficou pronta, o rei quis garantir que
todo o ouro entregue foi usado para fazer a
coroa ou se o ourives substituiu o ouro por
cobre ou outro metal mais barato.
Arquimedes percebeu que o caminho do
experimento era atravs das densidades
do ouro e da liga da coroa. Sabendo que a
densidade do ouro puro de
ouro = 15,5 g/cm3
e medindo-se a densidade da liga da
coroa, possvel decidir se a coroa
realmente de ouro, comparando-se as
duas densidades. Supondo que a
densidade da coroa seja de
coroa = 13,8 g/cm3
Sejam duas medies da densidade da
coroa. A primeira medio obtida de
coroa = 15 2 g/cm3
Esta medio garante que a densidade
est no intervalo de 13 a 17 g/cm3
A segunda medio obtida de
2

coroa = 13,9 0,2 g/cm3
Esta medio garante que a densidade
est no intervalo de 13,7 a 14,1 g/cm3
Os dois resultados so mostrados nos
grficos da Fig. 1.1.
O primeiro ponto a notar nestes
resultados que, embora a segunda
medio seja mais precisa, a primeira
medio provavelmente tambm correta.
Cada medio possui uma faixa de valores
dentro da qual se espera que a densidade
caia e estes valores se sobrepem, de
modo que perfeitamente possvel e
mesmo provvel que ambos os resultados
sejam corretos.
Os resultados da primeira medio
possuem incerteza to grande que ela no
til para resolver o problema da
falsificao. As densidades do ouro e da
liga da coroa, ambas caem dentro da faixa
medida, de 13 a 17 g/cm3 , de modo que
nenhuma concluso pode-se tirar destas
medies.
Por outro lado, a segunda medio
indica claramente que a coroa no de
ouro puro, pois a densidade da liga
suspeita, 13,8 g/cm3 cai confortavelmente
dentro da faixa estimada de 13,7 a 14,1
g/cm3 e a densidade do ouro, 15,5 g/cm3
est longe desta faixa.
Como as medies so feitas para se
permitir uma concluso, as incertezas
experimentais no podem ser muito
grandes. Porm, as incertezas no
precisam ser extremamente pequenas.
Neste aspecto, este exemplo tpico de
muitas medies cientficas, para os quais
as incertezas devem ser razoavelmente
pequenas mas no precisam ser
extremamente pequenas.
Como a deciso se baseia na segunda
medio, 13,9 0,2 g/cm3, este resultado
deve ter suporte suficiente para garantir
sua validade. Em outras palavras, quem
fez esta medio deve justificar a faixa de
valores obtidos. Este ponto muitas vezes
esquecido pelo instrumentista que
simplesmente apresenta suas incertezas
mas omite qualquer justificativa. Sem uma
breve explicao de como a incerteza foi
estimada, o resultado quase intil.
Erro e Incerteza na Medio
Densidade
3
(g/cm )
17
16
Ouro
a
1 medio 15
14
a
2 medio Liga
13
Fig. 1.1. Duas medies da densidade de uma coroa
suposta de ouro. Os dois pontos mostram as
melhores estimativas das duas medies. As
duas barras verticais mostram suas margens
de incerteza ou intervalos dentro dos quais se
acredita que as densidades provavelmente
caem. A incerteza da primeira medio to
grande que as densidades da coroa suspeita e
ouro caem dentro de suas margens de
incerteza, de modo que esta medio no
determina qual material usado. A incerteza
da segunda medio dez vezes menor e sua
medio mostra que a coroa no feita de
ouro.
O ponto mais importante com relao
s duas medies acima: 15 2 g/cm3 e
13,7 0,2 g/cm3 este: como a maioria
das medies industriais, elas devem ser
inteis se elas no inclurem afirmaes
confiveis de suas incertezas. De fato, se
as duas medies forem simplesmente 15
e 13,7 g/cm3, sem nenhuma incerteza
associada,
1. no se pode tirar nenhuma concluso
vlida das duas medies
2. pode-se realmente cometer um
engano, achando que a primeira
medio parece sugerir que a coroa
genuna.
Acelerao da gravidade, g
Uma determinao da acelerao
devida gravidade em um local poder
fornecer uma resposta como:
g = (9,70 0,15) m/s2
3

Na frente, ser visto com detalhe o
significado do erro de 0,15. Agora,
suficiente dizer que quanto mais exata for
a medio, menor ser o erro e que o valor
numrico do erro d uma indicao de
quo distante do valor verdadeiro esta
medio particular pode estar.
O motivo desta insistncia de dizer que
toda medio inclui um erro estimado o
seguinte. Os metrologistas raramente
esto interessados na medio para seu
prprio uso, mas as medies so usadas
para
1. testar uma teoria,
2. para comparar com outras medies
experimentais da mesma
quantidade,
3. para usar este parmetro para
ajudar a prever o resultado de uma
medio diferente.
Assim, o valor numrico do erro se
torna crucial na interpretao do resultado.
Por exemplo, talvez se mea a
acelerao da gravidade para compar-la
com o valor de referencia de 9,81 m/s2,
medido em outro local a alguns kilmetros
de distancia, no ano passado (como este
nmero experimental, ele tambm tem
uma incerteza, mas se assume que ele foi
medido to bem que a incerteza pode ser
desprezada, aqui).
A medio da acelerao da gravidade
do local pode estar sendo feita para
1. ver se houve alguma variao
dramtica na constante gravitacional
g neste perodo
2. para tentar detectar uma mina de
ouro que poderia afetar o campo
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 .
Erro e Incerteza na Medio
2. Se a medio foi feita com uma
incerteza muito menor, por exemplo,
de 0,01 m/s2 , ento a medio de
9,70 0,01 m/s2 inconsistente com
o valor de 9,81 m/s2. Assim, o
resultado da medio est errado ou
a estimativa do erro est errada. Ou
ento, chegou-se a uma descoberta
chocante:(9,70 0,01) m/s2
inconsistente com 9,81 m/s2 .
3. Se a medio se baseou em apenas
uma oscilao do pndulo, o erro do
resultado de g poderia ser to
grande quanto 5 m/s2 . O resultado
agora consistente com a
expectativa, mas a exatido to
pequena que seria incapaz de
detectar alguma diferena
significativa. Ou seja, (9,70 5) m/s2
consistente com 9,81 m/s2 e com
muitos outros valores tambm.
Assim, para um dado resultado da
medio, a reao: A medio
suficientemente boa ou Fez-se uma
descoberta chocante ou Deve-se fazer
uma melhor medio depende da
estimativa numrica da exatido da
medio. Por outro lado, se conhecido
apenas que o resultado da medio que
o valor de g vale 9,70 m/s2 (mas no se
conhece o valor do erro da medio),
ento no se pode julgar o significado
deste resultado.
A regra clara: sempre que se mede
uma grandeza fsica, deve-se determinar a
incerteza associada ou a medio se torna
intil.
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

Sob o ponto de vista matemtico, o erro

Grosseiro
pode ser positivo ou negativo. Um erro
positivo denota que a medio maior que
o valor ideal. O valor ideal obtido
subtraindo-se este valor do indicado. Um Fig. 1.2 - Erros sistemtico, aleatrio e esprio
erro negativo denota que a medio do
instrumento menor que o valor ideal. O
valor ideal obtido somando-se este valor Os erros sistemticos podem ser
ao indicado. divididos em
Por exemplo, o comprimento de 1. intrnsecos ao instrumento
(9,0 + 0,2 - 0,1) mm significa que o valor 2. influncia
verdadeiro de 9,0 mm possui um erro para 3. modificao
mais de 0,2 mm e um erro para menos de Os erros intrnsecos podem ser
0,1 mm. Assim, o comprimento deve estar determinados
entre 8,9 e 9,2 mm. Neste caso os erros indeterminados
so assimtricos. Na maioria dos casos os
Por sua vez, os erros determinados do
erros so simtricos de modo que o valor
instrumento podem ser:
medido dado por
zero
largura de faixa ou ganho
a = (A e) angularidade
quantizao
Os erros indeterminados poder ser
2.2. Tipos de Erros devidos a
Os erros da medio e do instrumento uso e desgaste
podem ser classificados sob vrios atrito
critrios, como expresso matemtica, inrcia
resposta no tempo, responsabilidade, Os erros de influncia podem ter
causa e previsibilidade. possvel haver origem:
grande superposio de erros. Por mecnica
exemplo, um erro pode ser eltrica
simultaneamente esttico, sistemtico, fsica
previsvel, intrnseco ao instrumento e qumica
devido ao ajuste de zero.
Quanto expresso matemtica, os
erros podem ser classificados como
1. absolutos

5

2.3. Erro Absoluto e Relativo
Erro absoluto
Erro absoluto simplesmente o desvio
da medio, tomado na mesma unidade de
engenharia da medio. No exemplo de
9,0 0,1 mm, o erro absoluto de 0,1 mm.
O erro absoluto no uma caracterstica
conveniente da medio. Por exemplo, o
erro absoluto de 1 mm pode ser muito
pequeno ou muito grande, relao ao
comprimento medido.
Por exemplo,
1 mm de erro em 100 mm vale 1%
1 mm de erro em 10 mm vale 10%
1 mm de erro em 1 mm vale 100%
Erro relativo
A qualidade de uma medio melhor
caracterizada pelo erro relativo, como
e
er = 100%
a envelhecimento dos componentes. Tais
onde
er o erro relativo,
e o erro absoluto
a o valor da grandeza medida
O erro relativo adimensional e
geralmente expresso em percentagem.
A preciso entre 1% e 10%
geralmente suficiente para a maioria das
aplicaes residenciais e at industriais;
em aplicaes cientficas tem-se 0,01 a
0,1%.
O erro absoluto pode assumir valores
negativos e positivos, diferente do valor
absoluto do erro, que assume apenas
valores positivos.
2.4. Erro Dinmico e Esttico
Erro dinmico
Erro dinmico aquele que depende
do tempo. Quando uma medio altera seu
valor significativamente durante a medio,
ela pode ter erros dinmicos.
O erro dinmico mais comum devido
ao tempo de resposta ou tempo
caracterstico do instrumento, quando h
atrasos na varivel medida. O erro
dinmico pode desaparecer naturalmente
com o transcorrer do tempo ou quando as
Erro e Incerteza na Medio
condies de operao se igualarem s
condies especificadas para uso.
Por exemplo, quando se faz a medio
de temperatura sem esperar que o sensor
atinja a temperatura medida, h erro
dinmico que desaparece quando a
temperatura do sensor for igual a
temperatura do processo que se quer
medir. Se a temperatura leva 3 minutos
para atingir o valor final medido, qualquer
medio antes deste tempo apresentar
erro dinmico. Se a temperatura estiver
subindo, todas as medies antes de 3
minutos sero menores que a temperatura
medida.
Quando se faz a medio de um
instrumento eletrnico, sem esperar que
ele se aquea e se estabilize, tem-se
tambm um erro de medio que
desaparecer quando houver transcorrido
o tempo de aquecimento (warm up) do
instrumento.
O instrumento pode apresentar erro de
calibrao a longo prazo, devido ao
erros dinmicos so chamados tambm de
desvios (drift). Porem, neste caso, os
tempos envolvidos so muito longos, como
meses ou anos.
O erro dinmico pode ser eliminado,
conhecendo-se os tempos de resposta do
instrumento, constante de tempo da
varivel medida e condies previstas para
entrada em regime permanente do
instrumento medidor. Esse tipo de erro,
que pode ser grosseiro e facilmente
evitvel, pode ser considerado como um
erro do operador.
Uma questo associada com o erro
dinmico o atraso introduzido por bulbos
e poos de temperatura e selos de
presso. Um bulbo e um poo de
temperatura introduzem atraso na medio
da temperatura, e como conseqncia,
erro. Na medio de presso, o selo de
introduz um erro de medio.
Erro Esttico
Erro esttico aquele que independe
do tempo. Quando uma medio no altera
seu valor substancialmente durante a
medio, ela est sujeita apenas aos erros
estticos.
Os erros estticos so de trs tipos
diferentes:
6

1. erros grosseiros
2. erros sistemticos
3. erros aleatrios
2.5. Erro Grosseiro
O erro grosseiro tambm chamado de
acidental, esprio, do operador, de
confuso, de lapso ou outlier. A medio
com um erro grosseiro aquela que difere
muito de todas as outras do conjunto de
medies.
Muitas medies requerem julgamentos
pessoais. Exemplos incluem a estimativa
da posio do ponteiro entre duas divises
da escala, a cor de uma soluo no final de
uma analise qumica ou o nvel de um
liquido em uma coluna liquida.
Julgamentos deste tipo esto sujeitos a
erros uni direcionais e sistemticos. Por
exemplo, um operador pode ler o ponteiro
consistentemente alto; outro pode ser lento
em acionar um cronmetro e um terceiro
pode ser menos sensvel s mudanas de
cores. Defeitos fsicos so geralmente
fontes de erros pessoais determinados.
Uma fonte universal de erro pessoal o
preconceito. A maioria das pessoas,
independente de sua honestidade e
competncia, tem uma tendncia natural
de estimar as leituras da escala na direo
que aumenta a preciso em um conjunto
de resultados. Quando se tem uma noo
preconcebida do valor verdadeiro da
medio, subconsciente mente o operador
faz os resultado cair prximo deste valor.
A polarizao outra fonte de erro
pessoal que varia consideravelmente de
pessoa para pessoa. A polarizao mais
comum encontrada na estimativa da
posio de um ponteiro em uma escala
envolve uma preferncia para os dgitos 0
e 5. Tambm prevalente o preconceito
de favorecer pequenos dgitos sobre
grandes e nmeros pares sobre os
mpares.
A vantagem dos instrumentos digitais
sobre os analgicos que sua leitura
independe de julgamentos, eliminando-se
a polarizao. Porm, todo indicador digital
apresenta erro de quantizacao, devido
sua natureza discreta.
A maioria dos erros pessoais pode ser
minimizada pelo cuidado e autodisciplina.
um bom hbito sistematicamente
Erro e Incerteza na Medio
verificar as leituras do instrumento, os
fatores e os clculos.
A maioria dos erros grosseiros
pessoal e causada pela falta de ateno,
preguia ou incompetncia. Os erros
grosseiros podem ser aleatrios mas
ocorrem raramente e por isso eles no so
considerados como erros indeterminados.
Fontes de erros grosseiros incluem: erros
aritmticos, transposio de nmeros em
dados de registro, leitura de uma escala ao
contrrio, troca de sinal e uso de uma
escala errada. A maioria dos erros
grosseiros afeta apenas uma medio.
Outros, como o uso de uma escala errada,
afetam todo o conjunto das medies
replicadas.
Erros grosseiros podem tambm ser
provocados pela interrupo momentnea
da alimentao dos instrumentos.
O erro grosseiro causado pelo operador
devido a enganos humanos, tais como
1. leitura sem cuidado,
1. anotao equivocada,
3. aplicao errada de fator de
correo,
4. engano de fator de escala,
5. extrapolao ou interpolao
injustificada,
6. arredondamento mal feito e
7. erros de computao.
Alguns erros de operador podem ser
sistemticos e previsveis, quando
provocados por vicio ou procedimento
errado do mesmo operador. Maus hbitos
podem provocar erros sistemticos. A
soluo colocar mais de uma pessoa
para fazer as medies. Por exemplo, o
erro de paralaxe da leitura devido
postura errada do observador frente a
escala do instrumento.
um erro grosseiro confundir nmeros
e errar a posio do marcador decimal.
catastrfico ler, por exemplo, 270 graus em
vez de 27,0 graus no mapa de vo de um
avio (j houve um acidente de aviao, no
norte do Brasil, onde, segundo o laudo da
companhia area, o comandante cometeu
esse erro grosseiro).
Alguns tcnicos acham que fazer 10
medies da mesma grandeza, nas
mesmas condies, com o mesmo
instrumento e lidas pela mesma pessoa
intil, pois todos os valores vo ser iguais.
Elas desconhecem a variabilidade da
7

constante. Ou seja, na natureza at as
constantes variam levemente em torno do
valor constante. Em tabelas de calibrao,
freqente encontrar nmeros inventados
e repetidos, sem que o instrumentista
tenha feito realmente as medies. A rotina
pode levar o operador a no fazer
efetivamente as leituras e a invent-las,
pois o processo est normal e os valores
esperados j so conhecidos.
Os erros grosseiros normalmente se
referem a uma nica medio, que deve
ser desprezada, quando identificada. Ele
imprevisvel e no adianta ser tratado
estatisticamente.
O erro grosseiro ou de operao pode
ser evitado atravs de
1. treinamento,
2. maior ateno,
3. menor cansao,
4. maior motivao e
5. melhoria nos procedimentos.
2.6. Erro Sistemtico
Erro sistemtico tambm chamado de
consistente, fixo, determinvel, previsvel,
avalivel e de polarizao (bias). As
caractersticas do erro sistemtico so:
1. se mantm constante, em valor
absoluto e sinal quando se fazem
vrias medies do mesmo valor de
uma da varivel, sob as mesmas
condies,
2. varia de acordo com uma lei definida
quando as condies variam,
3. devido aos efeitos quantificveis
que afetam a todas as medies
4. devido a uma causa constante,
5. mensurvel
6. pode ser eliminado pela calibrao.
Os erros sistemticos podem ser
constantes ou dependentes do valor da
varivel medida. O erro determinado
constante independe do valor da
quantidade medida. Os erros constantes
se tornam mais srios quando o valor da
quantidade medida diminui, pois o erro
relativo fica maior. O erro proporcional
aumenta ou diminui na proporo do valor
da quantidade medida. Uma causa comum
de erros proporcionais a presena de
contaminantes na amostra.
Os erros sistemticos causam a mdia
de um conjunto de medies se afastar do
valor verdadeiro aceitvel. O erros
Erro e Incerteza na Medio
sistemticos afetam a exatido dos
resultados. Os erros sistemticos podem
ser devidos
1. aos instrumentos,
2. s condies de modificao e
3. s condies de interferncia do
ambiente.
Sob o ponto de vista estatstico, a
distribuio dos erros aleatrios
retangular, onde o erro constante em
toda a faixa de medio.
Erro Inerente ao Instrumento
Os erros sistemticos inerentes ao
instrumento podem ser determinados ou
indeterminados. Os erros sistemticos do
instrumento determinados so devidos
principalmente calibrao. Como esto
relacionados calibrao, eles podem se
referir aos pontos de zero, largura de faixa
e no-linearidades provocadas pela
angularidade dos mecanismos.
Os erros do instrumento
indeterminados so inerentes aos
mecanismos de medio, por causa de sua
estrutura mecnica, tais como os atritos
dos mancais e rolamentos dos eixos
mveis, a tenso irregular de molas, a
reduo ou aumento da tenso devido ao
manuseio incorreto ou da aplicao de
presso excessiva, desgaste pelo uso,
resistncia de contato, atritos e folgas.
Os erros sistemticos do instrumento
determinados e devidos calibrao
podem se referir a erro de
1. determinao,
2. hiptese
3. histrico
4. zero
5. largura de faixa
6. angularidade
7. quantizao.
O erro de determinao resulta da
calibrao incorreta do instrumento ou do
clculo inadequado com os dados obtidos.
8
 Erro e Incerteza na Medio

ERROS DO INSTRUMENTO

Tempo Fonte
Dinmicos Sistemticos
Estticos Aleatrios

Intrnsecos Influncia Modificao

(irreversveis) (reversveis) (compensados)

Determinados Indeterminados

Mecnicos
Zero Uso Eltricos
Largura de faixa Fsicos
Desgaste
Angularidade
Atrito Qumicos
Quantificao Contato

Fig. 1.3. Classificao dos erros do instrumento

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

Fig. 1.4. Terminologia da medio

10

O erro de hiptese aparece quando se
espera que a medio siga uma
determinada relao caracterstica
diferente da real.
O erro histrico so resultantes do uso,
do desgaste, do envelhecimento dos
materiais, de estragos, de m operao, de
atritos, de folgas nos mecanismos e nas
peas constituintes do instrumento.
Erro de largura de faixa (span)
O erro de largura de faixa (span) ou de
sensitividade do instrumento ocorre
quando a curva de resposta tem inclinao
diferente da ideal. Em outras palavras, o
instrumento est com erro associado ao
seu ganho ou sensitividade. O erro de
largura de faixa eliminado atravs do
ajuste correspondente.
Instrumento que possui paenas erro de
largura de faixa possui preciso expressa
em percentagem do valor medido.
100,5%
10
99,5%
Sada
7
Calibrao
ideal
5
0,5% valor medido
2 sada previsvel baseado na relao linear
0 10
2 5 7
Vazo
Fig. 1.5- Erro de largura de faixa (span)
Erro de zero
O erro de zero ocorre quando a curva
de calibrao no passa pela origem (0, 0).
O erro ou desvio de zero pode eliminado
ou reduzido pelo ajuste correspondente no
potencimetro ou parafuso de zero. H
instrumentos, como o ohmmetro, que
possui ajuste de zero para ser atuado
antes de cada medio. Outros
instrumentos possuem erro de zero gerado
pela variao da temperatura ambiente,
como instrumento digital eletrnico.
Erro e Incerteza na Medio
Instrumento que possui erro de zero
possui preciso expressa em percentagem
do fundo de escala.
10
Sada
7
Calibrao
ideal
5
0,5% fundo escala
2
0 2 5 7 10
Vazo
Fig. 1.6 - Erro de zero do instrumento
Erro de linearidade
Muitos instrumentos so projetados
para fornecer uma relao linear entre uma
entrada esttica aplicada e valores
indicados da sada. A curva de calibrao
esttica tem a forma geral:
yL = a 0 + a1x (1.7)
onde a curva yL(x) fornece um valor de
entre x e y. Porm, na vida real, o
comportamento linear verdadeiro s
conseguido aproximadamente. Como
resultado, as especificaes do
instrumento de medio usualmente
fornecem uma expresso para a
linearidade esperada da curva de
calibrao esttica para o instrumento. A
relao entre yL(x) e o valor medido y(x)
uma medida do comportamento no linear
do sistema:
eL(x) = y(x) - yL(x)
onde eL(x) o erro de linearidade que
aparece por causa do comportamento real
e no linear do sistema. Para um sistema
que teoricamente linear, a expresso de
uma possvel no linearidade
especificada em termos do erro mximo
esperado de linearidade:
11

[eL ( x )]max
%( eL )max = 100 (9)
ro
A no linearidade o desvio da
resposta real de uma reta ideal.
Linearidade s existe uma, mas h vrias
no-linearidades. Em instrumentos
mecnicos a balano de movimentos, tem-
se o erro de angularidade, que um
afastamento da linearidade devido aos
ngulos retos no estarem retos.
Erro de quantizao
O erro de quantizao se refere a
leitura digital e resulta do fato de tornar
discreto o valor de sada da medida. O
melhor modo de entender o erro de
quantizao, inerente a todo instrumento
digital que sempre possui uma incerteza de
n dgitos em sua leitura o erro da idade
de uma pessoa. Assim que uma criana
nasce, sua idade expressa em dias. A
idade expressa em dias tem erro em horas.
No primeiro ano, a idade passa a ser
expressa em meses. A idade expressa em
meses em erro de quantizao de
semanas ou dias. Depois de uns 4 ou 5
anos, a idade da criana passa a ser
expressa em anos e o erro de quantizao
passa a ser de meses. No dia do seu
aniversrio, a pessoa tem idade exata em
anos, meses e dias. Logo depois do
aniversrio, por exemplo de 40 anos, a
pessoa tem 40 anos. Um ms depois do
aniversrio, a idade continua de 40 anos,
mas o erro de quantizao de um ms.
Um ms antes de fazer 41 anos, a pessoa
ainda tem 40 anos, mas o erro da idade j
de 11 meses. Ento, a idade da pessoa
sempre tem um erro, pois sua expresso
discreta; aumentando de 1 em 1 ano,
passando de 40 para 41 anos.
Os erros sistemticos intrnsecos do
instrumento podem ser eliminados ou
diminudos principalmente atravs da
1. calibrao
2. seleo criteriosa do instrumento
3. aplicao de fatores de correo.
Erro e Incerteza na Medio
Erro de Influncia
Os erros sistemticos de influncia ou
interferncia so causados pelos efeitos
externos ao instrumento, tais como as
variaes ambientais de temperatura,
presso baromtrica e umidade. Os erros
de influncia so reversveis e podem ser
de natureza mecnica, eltrica, fsica e
qumica.
Os erros mecnicos so devidos
posio, inclinao, vibrao, choque e
ao da gravidade.
Os erros eltricos so devidos s
variaes da tenso e freqncia da
alimentao. As medies eltricas sofrem
influncia dos rudos e do acoplamento
eletromagntico de campos.
Tambm o instrumento pneumtico
pode apresentar erros quando a presso
do ar de alimentao fica fora dos limites
especificados. Sujeiras, umidade e leo no
ar de alimentao tambm podem
provocar erros nos instrumentos
pneumticos.
Os efeitos fsicos so notados pela
dilatao trmica e da alterao das
propriedades do material.
Os efeitos qumicos influem na
alterao da composio qumica,
potencial eletroqumico, no pH.
O sistema de medio tambm pode
introduzir erro na medio, por causa do
modelo, da configurao e da absoro da
potncia. Por exemplo, na medio da
temperatura de um gs de exausto de
uma mquina,
1. a temperatura do gs pode ser no
uniforme, produzindo erro por causa
da posio do sensor,
2. a introduo do sensor pode alterar
o perfil da velocidade da vazo,
3. o sensor pode absorver ou emitir
potncia, alterando a temperatura.
Os efeitos da influncia podem ser de
curta durao, observveis durante uma
medio ou so demorados, sendo
observados durante todo o conjunto das
medies.
Os erros de influncia podem ser
eliminados ou diminudos pela colocao
de ar condicionado no ambiente, pela
selagem de componentes, pelo uso de
reguladores de alimentao, pelo uso de
blindagens e aterramento dos circuitos.
12

Erro de Modificao
A diferena conceitual entre o erro de
interferncia e o de modificao, que a
interferncia ocorre no instrumento de
medio e o de modificao ocorre na
varivel sendo medida.
O erro sistemtico de modificao
devido influncia de parmetros externos
que esto associados a varivel sob
medio. Por exemplo, a presso exercida
por uma coluna de liquido em um tanque
depende da altura, da densidade do liquido
e da acelerao da gravidade. Quando se
mede o nvel do liquido no tanque atravs
da medio da presso diferencial, o erro
devido a variao da densidade do liquido
um erro de modificao. Outro exemplo,
na medio de temperatura atravs de
termopar. A militenso gerada pelo
termopar depende da diferena de
temperatura da medio e da junta de
referncia. As variaes na temperatura da
junta de referncia provocam erros na
medio. Finalmente, a medio da vazo
volumtrica de gases modificada pela
presso esttica e temperatura.
O modo de eliminar os erros de
modificao fazer a compensao da
medio. Compensar uma medio
medir continuamente a varivel que
provoca modificao na varivel medida e
eliminar seu efeito, atravs de computao
matemtica. No exemplo da medio de
nvel com presso diferencial, mede-se
tambm a densidade varivel do liquido e
divide-se este sinal pelo sinal
correspondente ao da presso diferencial.
Na medio de temperatura por termopar,
a temperatura da junta de referncia
continuamente medida e o sinal
correspondente somado ao sinal da junta
de medio. Na medio de vazo
compensada de gases, medem-se os
sinais proporcionais vazo, presso e
temperatura. Os sinais so computados de
modo que as modificaes da vazo
volumtrica provocadas pela presso e
temperatura so canceladas.
Erro Causado Pelo Sensor
O elemento sensor do instrumento
pode tambm causar erros na medio.
Por exemplo, a introduo do poo termal
causa turbulncia na vazo, a colocao
de um bulbo de temperatura absorve
Erro e Incerteza na Medio
energia do processo, a colocao da placa
de orifcio produz uma perda de carga na
linha, a colocao de um ampermetro
introduz uma resistncia parasita no
circuito eltrico.
Erro Causado Pelo Instrumento
O prprio instrumento de medio pode
introduzir erro na medio. Por exemplo, o
ampermetro que inserido no circuito
eltrico para medir a corrente que circula
pode modificar a corrente medida. Ou seja,
a corrente que circula no circuito sem o
ampermetro diferente da corrente do
circuito com o ampermetro. A resistncia
interna no ampermetro modificou a
corrente do circuito. Esse erro devido ao
casamento das impedncias do circuito e
do ampermetro. O ampermetro deve ter
uma impedncia igual a zero. Ampermetro
com resistncia interna zero no modifica a
corrente medida. Analogamente, a
impedncia do voltmetro pode alterar a
tenso a ser medida. A impedncia ideal
do voltmetro infinita. Voltmetro com
impedncia infinita no introduz erro na
medio da tenso. Nestas aplicaes, diz-
se que o instrumento de medio carregou
o circuito; o instrumento de medio uma
carga adicional ao circuito.
2.7. Erro Aleatrio
Os erros aleatrios so devidos
probabilidade e chance. Eles so
imprevisveis e aparecem por causas
irregulares e probabilsticas. Eles so
diferentes em medies repetidas do
mesmo valor de uma quantidade medida,
sob as mesmas condies.
Os erros aleatrios fazem as medies
se espalharem mais ou menos e
simetricamente em torno do valor mdio.
Os erros aleatrios afetam a preciso das
medies.
H muitas fontes deste tipo de erro,
mas nenhuma delas pode ser
positivamente identificada ou medida,
porque muitas delas so pequenas e no
podem ser detectadas individualmente. O
efeito acumulado dos erros indeterminados
individuais, porm, faz os dados de um
conjunto de medies replicadas flutuarem
aleatoriamente em torno da mdia do
conjunto. As causas dos erros aleatrios
so devidas a
13

1. variabilidade natural da constante,
2. erros intrnsecos ao instrumento
dependentes da qualidade dos
circuitos e mecanismos.
3. erros irregulares devidos histerese,
banda morta ou atrito.
4. Os erros intrnsecos indeterminados
relacionados com o desgaste, o uso,
o atrito e a resistncia de contato.
5. erros de influncia que aparecem de
uma variao rpida de uma varivel para um sistema de medio em termos do
de influncia.
Repetitividade do instrumento
A habilidade de um sistema de medio
indicar o mesmo valor sob aplicao
repetida e independente da mesma
entrada chamada de repetitividade do
instrumento. As expresses da
repetitividade so baseadas em testes
mltiplos de calibrao (replicao) feitos prvio indicado pelo sistema. Tal
dentro de um dado laboratrio em uma
unidade particular. A repetitividade se
baseia em uma medida estatstica
chamada de desvio padro, sx, que a
variao da sada para uma dada entrada
fixa.
2s x
%(eR )max = 100
ro
A repetitividade do instrumento reflete
somente o erro encontrado sob condies
controladas de calibrao. Ela no inclui os
erros adicionais includos durante a
medio devidos a variao na varivel instrumento. A banda morta produzida
medida ou devidos ao procedimento.
Reprodutibilidade
A reprodutibilidade, quando reportada
na especificao de um instrumento, se
refere aos resultados de testes de
repetitividade separados. A
reprodutibilidade se baseia em mltiplos
testes de repetitividade (replicao) feitos
em diferentes laboratrios em um nico
instrumento. A repetitividade se refere a
um nico ponto; a reprodutibilidade a
repetitividade em todos os pontos da faixa
de calibrao.
Erro e Incerteza na Medio
Erro de histerese
O erro de histerese se refere
diferena entre uma medio seqencial
crescente e uma decrescente. O erro de
histerese dado por
eh = ycrescente - ydecrescente
A histerese especificada usualmente
erro mximo de histerese como uma
percentagem do fundo de escala da sada:
[eh ( x )]max
%(eh )max = 100
ro
A histerese ocorre quando a sada de
um sistema de medio depende do valor
dependncia pode ser provocada por
alguma limitao realstica do sistema,
como atrito e amortecimento viscoso em
partes mveis ou carga residual em
componentes eltricos. Alguma histerese
normal em algum sistema e afeta a
preciso do sistema.
Banda morta
O erro de banda morta aquele
provocado quando se altera a varivel
medida e a indicao do instrumento se
mantm constante. Banda morta a faixa
de variao da entrada que no produz
nenhum efeito observvel na sada do
por atrito, backlash ou histerese.
Backlash mxima distncia ou ngulo
que qualquer pea de um sistema
mecnico pode ser movida em uma
direo sem aplicao de fora ou
movimento aprecivel para uma prxima
pea em uma seqncia mecnica.
Erro aleatrio e sistemtico
Toda medio possui um erro. Quando
so tomados todos os cuidados para
eliminar os erros de operao e de
calibrao, restam os erros aleatrios. Os
erros aleatrios no podem ser eliminados,
mas estatisticamente conhecidos. O seu
tratamento feito por mtodos estatsticos,
fazendo-se muitas medies, verificando a
distribuio e a freqncia da ocorrncia.
14

Sob o ponto de vista estatstico, a
distribuio dos erros aleatrios normal
ou gaussiana, onde a maioria dos erros
de erros pequenos e a minoria de erros
de erros grandes.
Se o objetivo do sistema ter medies
repetitivas e no necessariamente exatas,
importante apenas reduzir o erro
aleatrio; no se importando muito com o
erro sistemtico. Ou seja, h sistemas
onde o que importa a repetitividade,
sendo suficiente a medio inexata.
Inversamente, se o interesse do
sistema ter o valor exato da medio,
pois se quer os valores absolutos, como na
compra e venda de produtos, alm da
repetitividade se requer a exatido.
2.8. Erro Resultante Final
O erro na medio no est somente calcular e no calcule quando puder
no instrumento de indicao (display) mas
em todos os componentes da malha de
medio, como sensor e condicionador de
sinal. Uma questo importante levantada :
qual o erro total do sistema ou da malha?
A preciso da medio pode assim ser
definida como a soma simples dos erros
sistemticos e aleatrios de cada
componente do sistema ou da malha. Isto
uma hiptese pessimista, onde se admite
que todos os erros so na mesma direo
e se acumulam.
Algum mais otimista poderia
estabelecer a preciso final do sistema
como igual pior preciso entre os
componentes. Ou seja, considera-se
somente a preciso do pior instrumento e
desprezam-se as outras precises
melhores. Pode-se ainda determinar a
preciso final como a mdia ponderada
das precises individuais.
Pode-se obter vrios resultados vlidos
da soma de duas incertezas iguais a 1 e
1.
1. O pessimista pode obter a incerteza
final de +2 ou -2, assumindo que as
incertezas se somam no mesmo
sentido.
2. O otimista pode achar que as
incertezas se anulam e a resultante
mais provvel igual a 0.
3. O realista intermedirio faz a soma
conservativa:
Erro e Incerteza na Medio
12 + 12 = 14
,
que um valor intermedirio entre 0 e 2.
Embora os trs resultados sejam muito
diferentes, pode-se explicar e justificar
qualquer um deles. A regra mais usada (a
ser vista e justificada posteriormente) :
a) se as incertezas so dependentes,
soma-se diretamente e
b) se as incertezas forem
independentes e aleatrias,
somam-se em quadratura.
Quando realmente se quer saber a
preciso real do sistema, deve-se usar um
padro que d diretamente o valor
verdadeiro e comparar com a leitura final
obtida. Mede-se a incerteza total em vez
de calcul-la, seguindo a mxima de
metrologia: no imagine quando puder
medir.
Para se ter uma idia qualitativa de
como pequenos erros produzem uma
incerteza total, imagine uma situao em
que quatro erros pequenos se combinam
para dar um erro total. Seja cada erro com
uma igual probabilidade de ocorrer e que
cada um pode fazer o resultado final ser
maior ou menor por um valor U.
A tabela mostra todas os modos
possveis dos quatro erros serem
combinados para dar o desvio indicado da
mdia. Somente uma combinao de erros
d o desvio de +4U, quatro combinao
do um desvio de +2U e seis combinaes
do um desvio de 0U. Os erros negativos
tem a mesma combinao. Esta relao de
1:4:6:4:1 uma medida da probabilidade
de um desvio de cada valor. Quando se
aumenta o nmero de medies, pode-se
esperar uma distribuio de freqncia
como a mostrada na figura. A ordenada no
grfico a freqncia relativa de
ocorrncia de cinco combinaes
possveis.
A tabela mostra a distribuio terica
para dez incertezas de igual probabilidade.
Novamente se verifica que a ocorrncia
mais freqente a de desvio zero da
mdia. A ocorrncia menos freqente, de
mximo desvio 10U ocorre somente em
uma vez em 500 medies.
Cada componente de um sistema ou
passo de um procedimento de contribui
15
 Erro e Incerteza na Medio

com algum erro na medio. Visto como

um sistema dinmico, uma medio no 3. Incerteza na Medio
pode ser mais confivel que o componente
ou passo menos confivel. Um sistema de
medio no pode ser mais preciso que o 3.1. Conceito
componente menos preciso. O Todas as medies so contaminadas
conhecimento das fontes de erros por erros imperfeitamente conhecidos, de
dominantes e desprezveis de um sistema modo que a significncia associada com o
muito importante e o conhecimento de resultado de uma medio deve considerar
sua fonte, aleatria ou sistemtica, que esta incerteza
define o tratamento a ser dados s Incerteza um parmetro, associado
medies. O conhecimento do modo que com o resultado de uma medio, que
os erros se propagam so importantes no caracteriza a disperso dos valores que
uso e projeto de instrumentos e podem razoavelmente ser atribudos
procedimentos. quantidade medida.
H problemas associados com esta
Tab. 1. Combinaes Possveis de 4 Incertezas definio de incerteza de medio, que
Iguais tomada do Vocabulrio de Metrologia da
Combinaes das Tamanho Nmero Freqncia ISO. O que a disperso de se o valor
incertezas Erros combinae Relativa
s verdadeiro no pode ser conhecido? Ela
+U1+U2+U3+U4 4U 1 1/16=0,0625 tambm implica que incerteza somente
-U1+U2+U3+U4
+U1-U2+U3+U4 relevante se vrias medies so feitas e
+U1+U2-U3+U4 +2U 4 4/16=0,250 ela falha - por no mencionar valor
+U1+U2+U3-U4 verdadeiro para invocar o conceito de
-U1-U2+U3+U4
+U1+U2-U3-U4 rastreabilidade. Uma definio mais
+U1-U2+U3-U4 prtica, mais usada porque ela mais
-U1+U2-U3+U4 0 6 6/16=0,375
-U1+U2+U3-U4
exatamente satisfaz as necessidades da
+U1-U2-U3+U4 metrologia industrial e no consistente
+U1-U2-U3-U4 com a anterior, a seguinte:
-U1+U2-U3-U4
-U1-U2+U3-U4 -2U 4 4/16=0,250 Incerteza o resultado da avaliao
-U1-U2-U3+U4 pretendida em caracterizando a faixa
-U1-U2-U3-U4 -4U 1 1/46=0,0625 dentro da qual o valor verdadeiro de uma
quantidade medida estimado cair,
A propagao do erro aleatrio pode geralmente com uma dada confiana.
ser rastreada matematicamente usando-se Incerteza padro o desvio padro
uma medida da preciso, como o desvio estimado
padro e desenvolvendo as equaes que Incerteza padro combinada o
descrevem a dinmica do sistema. O erro resultado da combinao dos
sistemtico pode tambm ser rastreado componentes da incerteza padro.
atravs dos dados das calibraes Incerteza estendida Obtida pela
anteriores e dados do catlogo do multiplicao da incerteza padro
instrumento. combinada por um fator de cobertura.
uma exigncia para todos os
laboratrios credenciados de calibrao
que os resultados reportados em um
certificado sejam acompanhados de uma
declarao descrevendo a incerteza
associada com estes resultados.
tambm exigncia para os laboratrios de
testes, sob as seguintes circunstncias:
1. onde isto requerido pelo cliente
2. onde isto requerido pela
especificao do teste
3. onde a incerteza relevante para
validar ou aplicar o resultado, e.g.,

16

onde a incerteza afeta a
conformidade a uma especificao.
Os laboratrios credenciados devem ter
uma poltica definida cobrindo a proviso
de estimativas das incertezas das
calibraes ou testes feitos. O laboratrio
deve usar procedimentos documentados
para a estimativa, tratamento e relatrio da
incerteza.
Os laboratrios devem consultar seu
corpo de credenciamento para qualquer
orientao especfica que possa estar
disponvel para a calibrao ou teste.
Os meios pelos quais os laboratrios
credenciados devem tratar as incertezas
da medies so definidos em detalhe na
ISO Guide: Guide to the Expression of
Uncertainty in Measurement. A
terminologia usada aqui consistente com
a do Guide.
3.2. Princpios Gerais
O objetivo de uma medio
determinar o valor de uma quantidade
especfica sujeita medida (mesurando).
Para laboratrios de calibrao, isto pode
ser qualquer parmetro da medio dentro
de campos reconhecidos da medio -
comprimento, massa, tempo, presso,
corrente eltrica. Quando aplicado a teste,
o termo genrico mesurando pode cobrir
muitas quantidades diferentes, eg, a
resistncia de um material, a concentrao
de uma soluo, o nvel de emisso de
rudo ou radiao eletromagntica, a
quantidade de microorganismos. Uma
medio comea com uma especificao
apropriada da quantidade medida, o
mtodo genrico de medio e o
procedimento especfico detalhado da
medio.
Nenhuma medio ou teste perfeito e
as imperfeies fazem aparecer erro de
medio no resultado. Como
conseqncia, o resultado de uma
medio somente uma aproximao do
valor da quantidade medida e somente
completa quando acompanhado por uma
expresso da incerteza desta
aproximao. Realmente, por causa da
incerteza da medio, o valor verdadeiro
nunca pode ser conhecido. No limite, por
causa de alguns efeitos, ele pode mesmo
no existir.
Erro e Incerteza na Medio
Tambm deve ser notado que o artigo
indefinido um, em vez do artigo definido o,
deve ser usado em conjunto com valor
verdadeiro por que pode haver mais de
um valor consistente com a definio de
uma quantidade particular.
A incerteza da medio compreende,
em geral, muitos componentes. Alguns
podem ser calculados da distribuio
estatstica dos resultados de uma srie de
medies e pode ser caracterizados por
desvios padro experimentais. Os outros
componentes, que podem tambm ser
caracterizados por desvios padro, so
calculados das distribuies de
probabilidade assumidas baseadas na
experincia ou em outra informao.
Erros aleatrios aparecem das
variaes aleatrias das observaes. A
cada momento que a medio tomada
sob as mesmas condies, efeitos
aleatrios de vrias fontes afetam o valor
medido. Uma srie de medies produz
um espalhamento em torno de um valor
mdio. Um nmero de fontes pode
contribuir para a variabilidade cada vez
que uma medio tomada e sua
influncia pode estar continuamente
mudando. Elas no podem ser eliminadas
mas a incerteza devido a seus efeitos pode
ser reduzida, aumentando o nmero de
observaes e aplicando anlise
estatstica.
Erros sistemticos aparecem de efeitos
permanentes, ou seja, um efeito no
resultado de uma quantidade que no est
includo na especificao da quantidade
medida mas que influencia no resultado.
Estes erros permanecem constantes
quando uma medio repetida sob as
mesmas condies por isso eles no
revelados pelas medies repetidas. Seu
efeito introduzir um deslocamento entre o
valor da medio e o valor mdio
determinado experimentalmente. Eles no
podem ser eliminados mas podem ser
reduzidos, por exemplo, fazendo correes
para o tamanho conhecido de um erro
devido a um efeito sistemtico
reconhecido.
O Guide adotou o enfoque de agrupar
os componentes da incerteza em duas
categorias baseadas em seus mtodos de
avaliao, Tipo A e Tipo B. Esta
classificao de mtodos de avaliao, em
17

vez dos componentes em si, evita certas
ambigidades. Por exemplo, um
componente aleatrio de incerteza em uma
medio pode se tornar um componente
sistemtico em outra medio que tem
como sua entrada o resultado da primeira
medio. Assim, a incerteza total cotada
em um certificado de calibrao de um
instrumento incluir o componente devido
aos efeitos aleatrios, mas quando este
valor total subseqentemente usado
como a contribuio na avaliao da
incerteza em um teste usando este
instrumento, a contribuio deve ser
tomada como sistemtica.
Avaliao do Tipo A feita pelo clculo
de uma srie de leituras repetidas, usando
mtodos estatsticos.
Avaliao do Tipo B feita por meios
diferentes dos usados no mtodo B. Por
exemplo, por julgamento baseado em:
1. Dados de certificados de calibrao,
que possibilita correes a serem
feitas e incertezas do Tipo B a
serem atribudas.
2. Dados de medies anteriores, por
exemplo, grficos histricos podem
ser construdos e podem fornecer
informao til acerca das
mudanas dinmicas.
3. Experincia com ou o conhecimento
geral do comportamento e
propriedades de materiais e
equipamentos iguais.
4. Valores aceitos de constantes
associadas com materiais e
quantidades.
5. Especificaes dos fabricantes.
6. Todas as outras informaes
relevantes.
Incertezas individuais so avaliadas
pelo mtodo apropriado e cada uma
expressa como um desvio padro e
referida a uma incerteza padro.
As incertezas padro individuais so
combinadas para produzir um valor total de
incerteza, conhecido como incerteza
padro combinada.
Uma incerteza expandida usualmente
requerida para satisfazer as necessidades
da maioria das aplicaes, especialmente
onde se envolve segurana.
recomendado fornecer um intervalo maior
acerca do resultado de uma medio
quando a incerteza padro com,
Erro e Incerteza na Medio
consequentemente, uma maior
probabilidade do que envolve o valor
verdadeiro convencional da quantidade
medida. Ela obtida multiplicando-se a
incerteza padro combinada por um fator
de cobertura, k. A escolha do fator
baseada no nvel de confiana requerido.
3.3. Fontes de Incerteza
H vrias fontes possveis de incerteza.
Como elas dependem da disciplina tcnica
envolvida, no possvel dar
recomendaes detalhadas aqui. Porm,
os seguintes pontos gerais se aplicam a
muitas reas de calibrao e teste:
1. Definio incompleta do teste - a
exigncia pode no ser claramente
descrita, eg, a temperatura de um
teste pode ser dada como
temperatura ambiente.
2. Realizao imperfeita do
procedimento de teste, mesmo
quando as condies de teste esto
claramente definidas pode no ser
possvel produzir as condies
tericas, na prtica, devido as
imperfeies inevitveis nos
materiais ou sistemas usados.
3. Amostragem - a amostra pode no
ser totalmente representativa. Em
algumas disciplinas, como teste
microbiolgico, pode ser muito difcil
obter uma amostra representativa.
4. Conhecimento inadequado dos
efeitos das condies ambientais no
processo da medio ou medio
imperfeita das condies ambientais.
5. Erro pessoal de polarizao na
leitura de instrumentos analgicos.
6. Resoluo ou limite de
discriminao do instrumento ou
erros na graduao da escala.
7. Valores atribudos aos padres da
medio (de trabalho e de
referncia) e materiais de referncia
certificada.
8. Alteraes nas caractersticas ou
desempenho de um instrumento de
medio desde a sua ltima
calibrao.
9. Valores de constantes e parmetros
usadas na avaliao dos dados.
10. Aproximaes e hipteses
incorporadas no mtodo e
procedimento da medio.
18

11. Variaes nas leituras repetidas
feitas sob condies parecidas mas
no idnticas - tais como efeitos
aleatrios podem ser causados, por
exemplo, rudo eltrico em
instrumentos de medio, flutuaes
rpidas no ambiente local, e.g.,
temperatura, umidade e presso do
ar, variabilidade no desempenho do
operador que faz o teste.
Estas fontes no so necessariamente
independentes e, em adio, efeitos
sistemticos no reconhecidos podem
existir que no podem ser levados em
conta mas contribuem para o erro. por
esta razo que os laboratrios
credenciados encorajam - e muitas vezes
insistem em - participao em
comparaes interlaboratoriais, auditorias
de medio e cross checking interno de
resultados por diferentes meios.
3.4. Estimativa das Incertezas
A incerteza total de uma medio
uma combinao de um nmero de
incertezas componentes. Mesmo uma
nica leitura do instrumento pode ser
influenciada por vrios fatores. A
considerao cuidadosa de cada medio
envolvida na calibrao ou teste
necessria para identificar e listar todos os
fatores que contribuem para a incerteza
total. Este um passo muito importante e
requer um bom entendimento do
equipamento de medio, os princpios e
prticas da calibrao ou teste e a
influncia do ambiente
O prximo passo quantificar as
incertezas componentes por meios
apropriados. Uma quantificao
aproximada inicial pode ser valiosa em
possibilitar que alguns componentes sejam
reconhecidos como desprezveis e no
necessitam de uma avaliao mais
rigorosa. Em muitos casos, uma definio
prtica de desprezvel pode ser um
componente que no maior do que um
quinto do tamanho do maior componente.
Alguns componentes podem ser
quantificados pelo clculo do desvio
padro de um conjunto de medies
repetidas (Tipo A) como detalhado no
Guide. A quantificao de outros
componentes pode requerer o julgamento,
usando toda informao relevante na
Erro e Incerteza na Medio
variabilidade possvel de cada fator (Tipo
B). Para estimativas do Tipo B, o conjunto
de informaes pode incluir alguns ou
todos os fatores listados no pargrafo 2.
Clculos subsequentes se tornam mais
simples se, quando possvel, todos os
componentes so expressos do mesmo
modo, e.g., como percentagem, ou ppm ou
mesma unidade de engenharia usada para
o resultado reportado.
3.5. Incerteza Padro
A incerteza padro definida como um
desvio padro. O potencial para erros em
um estgio posterior da avaliao pode ser
minimizado expressando todas as
incertezas componentes como um desvio
padro. Isto podo requerer ajuste de
alguns valores da incerteza, de modo que
os obtidos dos certificados de calibrao e
outras fontes, que muitas vezes tem sido
expressos com um maior nvel de
confiana, envolvendo mltiplo do desvio
padro (2 ou 3).
3.6. Incerteza Padro Combinada
As incertezas componentes devem ser
combinadas para produzir uma incerteza
total usando o procedimento estabelecido
no Guide. Em muitos casos, isto reduz a
tomar a raiz quadrada da soma dos
quadrados das incertezas padro
componentes (mtodo da raiz da soma dos
quadrados). Porm, alguns componentes
podem ser interdependentes e podem, por
exemplo, se cancelarem entre si ou se
reforarem entre si. Em muitos casos, isto
pode ser facilmente visto e os
componentes interdependentes podem ser
somados algebricamente para dar um valor
final. Porm, em casos mais complexos,
podem-se usar mtodos matemticos mais
complexos para tias componentes
correlatos, como derivadas parciais
3.7. Incerteza Expandida
Em muitos casos, necessrio cotar
uma incerteza expandida e a incerteza
padro combinada portanto necessita ser
multiplicada por um fator de cobertura
apropriado. Isto deve refletir o nvel de
confiana requerido e, em termos estritos,
ser ditado pelos detalhes da distribuio
de probabilidade caracterizado pelo
19

resultado da medio e sua incerteza
padro combinada. Porm, as
computaes extensivas requerida para
combinar as distribuies de probabilidade
so raramente justificadas pelo tamanho e
confiabilidade da informao disponvel.
Em muitos casos, uma aproximao
aceitvel, ou seja, a distribuio da
probabilidade pode ser assumida como
normal e que um valor de 2 para o fator de
cobertura define um intervalo tendo um
nvel de confiana de aproximadamente
95%, ou, para aplicaes mais crticas, que
um valor de 3 define um intervalo tendo um
nvel de confiana de aproximadamente
99%.
Excees a estes casos precisam ser
tratados em uma base individual e devem
ser caracterizados por um ou ambos dos
seguintes:
1. A ausncia de um nmero
significativo de incertezas
componentes tendo distribuies de
probabilidade bem comportadas, tais
como, normal ou retangular.
2. Incluso de uma incerteza
componente dominante. Isto pode
causar a incerteza expandida ser
maior do se as contribuies
individuais da incerteza fossem
somadas aritmeticamente e
claramente uma situao pessimista.
Deve tambm ser notado que se erros
de incertezas do Tipo A em um sistema de
medio so comparveis aos do Tipo B, a da rgua obtida calibrando-a contra outra
incerteza expandida pode ser uma
subestimativa, a no ser que um grande
nmero de leituras repetidas tenha
26 MAI 97
sido feito. Nestas circunstncias, um fator
de cobertura kp deve ser obtido de uma
distribuio t, baseada nos graus de
liberdade efetivo, ef, da incerteza padro
combinada.
3.8. Incerteza e escalas
Toda medio possui incertezas e
importante quantific-las. Porm, ainda
no foi visto como isto pode ser feito. Tal
clculo pode ser complicado e o principal
objetivo deste trabalho. Felizmente, a
estimativa razovel da incerteza de
algumas medies simples pode ser fcil,
s vezes usando apenas o bom senso.
O entendimento do exemplo simples
permite comear o entendimento da
Erro e Incerteza na Medio
anlise da incerteza nas medies
industriais e de laboratrio e forma a base
para discusses posteriores.
Seja a medio do comprimento de
uma barra, atravs de duas rguas
diferentes. As duas rguas tem o mesmo
comprimento. A primeira tem escala
dividida de um em um cm e a Segunda tem
escala dividida de um em um mm e por
isso possui maior nmero de divises,
custa mais caro e fornece medies mais
precisas.
Fig. 1.2. Medio com rgua com divises de 1 cm
Para medir o comprimento de uma
barra, inicialmente deve se colocar uma
extremidade no zero da rgua e depois
decidir onde a outra extremidade da barra
cai na escala da rgua. Assumindo que a
rgua confivel (todas as divises so
iguais e esto uniformemente distribudas),
a medio consiste em decidir onde um
certo ponto cai em relao s divises da
rgua. Se a rgua no confivel, deve-se
considerar esta incerteza. A confiabilidade
rgua garantidamente confivel.
As divises da rgua na Fig. 1.2 so
distantes 1 cm. Pode-se razoavelmente
decidir que o comprimento mostrado est,
sem dvida, entre 6 e 7, mais prximo de 6
cm do que de 7 cm e um resultado
razovel da medio 6,2 cm. Nenhuma
leitura mais precisa possvel, pois a
expresso da medio pode possuir
apenas um algarismo duvidoso (no caso, o
dgito 2), depois dos algarismos
garantidos. Neste caso, o resultado pode
ser expresso como:
melhor estimativa da medio = 6,2 cm
faixa provvel = 6,15 a 6,25 cm
20

Fig. 1.3. Medio com rgua com divises de 1 mm
Quando se mede o comprimento da
mesma barra, usando uma rgua do
mesmo tamanho porm com divises de 1
mm, o resultado estar, sem dvida, entre
6,2 e 6,3 cm e portanto razovel atribuir
o resultado da medio como 6,21 pois a
leitura cai entre as divises 2 e 3, porm
muito mais prximo de 2 do que de 3.
Tambm poderia ser lido 6,21 ou 6,22, que
seria igualmente aceitvel.
Assim, o resultado expresso como:
melhor estimativa da medio = 6,21 cm
faixa provvel = 6,196 a 6,206 cm
e pode-se dizer que o comprimento foi
medido at o milmetro mais prximo.
Este tipo de concluso - que a medio
est mais prxima de uma marca do que
de outra marca vizinha muito comum.
Por esta razo, o metrologista introduz a
conveno que a afirmao L = 62 mm,
sem qualquer outra qualificao, presume
significar que L est mais prximo de 62 do
que de 61 ou 63. Assim,
L = 62 mm
significa
61,5 mm < L < 62,5 mm
Do mesmo modo, um resultado de
x = 62,1 cm
sem qualquer incerteza associada,
presume significar que x cai entre 62,05 e
62,15 cm.
Neste trabalho, esta conveno no
usada, pois a incerteza sempre ser
indicada explicitamente. De qualquer
modo, deve-se conhecer e entender esta
conveno e saber que ela aplicada a
qualquer resultado sem uma incerteza
associada, especialmente quando se usa
mquina de calcular ou computador, que
Erro e Incerteza na Medio
fornecem a quantidade de algarismos
significativos que se quiser. Quando se
escreve o resultado obtido de uma
calculadora usada para computar as
medies de um instrumento, como
139,357 sem qualquer qualificao, o leitor
deste resultado ir pensar que a medio
resultou em 6 algarismos significativos, o
que muito improvvel.
O processo de estimar posies entre
divises da escala chamado de
interpolao, tcnica que pode ser
melhorada com a prtica.
Pode-se discordar das estimativas
dadas pelos resultados anteriores. H
quem ache que o melhor resultado da
medio da rgua graduada em mm seria
62 mm e que exagerado escrever 62,0
mm.
De qualquer modo, estes resultados
so estimativas razoveis de
comprimentos medidos e de suas
incertezas provveis associadas. A
estimativa aproximada das incertezas
relativamente fcil quando o nico
problema fazer a leitura de um
instrumento analgico, que consiste em
localizar o ponteiro na escala graduada.
O exemplo acima mostra por que a
medio 6,2 cm diferente de 6,20 cm. A
medio de 6,2 cm foi obtida da rgua
graduada de um em um cm e a medio
de 6,20 foi obtida da rgua graduada de
um em mm. Se algum usar a rgua de
pior qualidade (1 em 1 cm), medir 6,2 cm e
escrever 6,20 cm, estar induzindo o
usurio de sua leitura a pensar que ele
est usando a rgua de melhor qualidade
(1 em 1 mm). Do mesmo modo, se algum
usar a rgua de melhor qualidade, ler 6,20
cm e escrever 6,2 cm, estar induzindo o
leitor de sua medio a pensar que ele
est usando a rgua de pior qualidade.
Enfim, deve-se escrever o que se l,
escrevendo todos os algarismos garantidos
mais um duvidoso (obtido da interpolao).
Escrever algarismos a mais (mesmo que
sejam zeros) ou a menos, induz a
interpretaes erradas e pode acrescentar
erros na medio.
3.9. Incerteza em medies repetidas
Muitas medies incluem incertezas
que so mais difceis de estimar do que
aquelas associadas com a localizao de
21

pontos em uma escala graduada. Por
exemplo, quando se mede intervalo de
tempo com um cronmetro, a principal
fonte de incerteza no a dificuldade da
leitura do dial mas a prpria reao
desconhecida em partir e parar o
cronmetro. Esta incerteza pode variar de
0,2 a 0,5 segundo. s vezes, estes tipos
de incertezas podem ser estimados com
confiana, quando se repetem as
medies vrias vezes. Por exemplo, seja
a medio de um intervalo, cujo primeiro
resultado de 2,3 s. De uma nica
medio no se pode dizer nada acerca da
incerteza experimental da medio. Mas,
se a medio do mesmo intervalo de
tempo de 2,4 s razovel assumir que a
incerteza de 0,1 s. Se uma seqncia de
4 medies d os resultados:
2,3 s 2,4 s 2,5 s 2,4 s
pode-se ento comear a ter uma
estimativa mais realista.
1. A hiptese natural que a melhor
estimativa seja o valor mdio, 2,4 s.
2. Outra hiptese segura que o tempo
correto fique entre o valor menor, 2,3 e
o maior, 2,5. Assim, conclui-se que:
melhor estimativa = mdia = 2,4 s
faixa provvel = 2,3 a 2,5 s
Sempre que se puder repetir a mesma
medio vrias vezes, o espalhamento dos
valores medidos d uma indicao valiosa
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
Erro e Incerteza na Medio
confiana de 70% o tempo fica entre 2,36 e
2,44 s.
Medies repetidas, como as
mostradas no exemplo, nem sempre
revelam as incertezas, de modo confivel.
Deve-se garantir que a quantidade
medida sempre a mesma em todas as
medies. Por exemplo, quando se mede o
ponto de ruptura de dois fios supostamente
iguais, atravs de um teste e se obtm dois
resultados diferentes, esta diferena pode
indicar que as medies esto incorretas
ou que os dois fios no eram realmente
iguais. Por si, a diferena entre os dois
resultados no diz nada acerca da
confiabilidade das medies.
Mesmo quando se tem a garantia que a
quantidade medida seja igual para cada
medio, as medies repetidas nem
sempre revelam as incertezas. Por
exemplo, se o instrumento de medio
tiver uma incerteza sistemtica, as
medies repetidas no iro revelar esta
deficincia. As incertezas sistemticas
afetam todas as medies do mesmo
modo e difcil detect-las. Neste caso, a
soluo calibrar o instrumento contra um
padro confivel, para detectar a incerteza
sistemtica.
Os exemplos discutidos mostram que
algumas incertezas experimentais podem
ser facilmente estimadas. Porm, h
muitas medies com incertezas que no
so facilmente calculadas. Tambm, s
vezes, se quer valores mais precisos para
as incertezas do que as simples
estimativas discutidas.
Apostila\Metrologia 43MedErro.doc 24 SET 98 (Substitui 26 MAI 97)
22

Expresso das Incertezas
2.1. Introduo
Aps a leitura do Captulo 1, tem-se
alguma idia da importncia das incertezas
experimentais e como elas aparecem.
Deve-se tambm entender como as
incertezas podem ser estimadas em
algumas poucas situaes simples. Neste
captulo, sero apresentadas algumas
regras e notaes bsicas da anlise da
incerteza e exemplos de seu uso em
medies tpicas da indstria e laboratrio.
O objetivo familiarizar-se com o
vocabulrio bsico da anlise da incerteza
e seu uso no laboratrio e na oficina de
instrumentao.
2.2. Melhor estimativa incerteza
O modo correto de apresentar o
resultado da medio dar a melhor
estimativa da medio e a faixa dentro da
qual se tem a confiana que a quantidade
fica. So feitas vrias medies e depois
faz-se um tratamento estatstico destas
medies para se achar o valor mais
provvel e a incerteza associada. Por
exemplo, so obtidos quatro resultados:
2,3 s 2,4 s 2,5 s 2,4 s
O resultado destas medies de tempo
pode ser reportado como
melhor estimativa de tempo = 2,4 s
faixa provvel: 2,3 a 2,5 s (2.1)
Aqui, a melhor estimativa 2,4 s cai na
metade da faixa estimada de valores
provveis, 2,3 a 2,5 s e isto acontece em
todos os exemplos. Esta relao natural
e acontece na maioria das medies. Ela
2
permite que o resultado da medio seja
expresso em forma compacta. Por
exemplo, a medio do intervalo de tempo
usualmente estabelecido como:
valor medido do tempo = 2,4 0,1 s (2.2)
Esta nica expresso (2.2)
equivalente s duas afirmaes anteriores
da (2.1) envolvendo a melhor estimativa e
a faixa provvel.
Em geral, o resultado de qualquer
medio de uma quantidade x
estabelecido como
valor medido de x = xestimado x (2.3)
Esta expresso significa:
1. a melhor estimativa do observador
para a quantidade medida o
nmero xestimado.
2. o observador est confiante que a
quantidade medida caia em algum
ponto entre xestimado - x e xestimado +
x
O nmero x chamado de incerteza,
erro, margem de erro, tolerncia, desvio da
medio de x. Por convenincia, o nmero
x sempre positivo, de modo que xestimado
- x sempre o menor valor provvel da
quantidade medida e xestimado + x sempre
o maior.
O significado da faixa xestimado - x a
xestimado + x foi deixado vago de propsito,
mas ele pode ser tornado mais preciso. Em
uma medio simples, como a da altura da
porta, pode se dizer com absoluta certeza
que uma faixa xestimado- x a
xestimado + x inclui a quantidade medida.
Porm em muitas medies industriais e
cientficas esta afirmao difcil de ser
feita e garantida. Em particular, para estar
certo que a quantidade medida caia entre
23

xestimado - x e xestimado + x, deve-se
escolher um valor to grande para x que
ele se torna intil. Para evitar esta
situao, pode-se s vezes escolher um
valor para x que se possa estabelecer
com uma certa percentagem de confiana
que a quantidade real caia dentro da faixa
xestimado x.
Por exemplo, as pesquisas de votos
prximas s eleies geralmente
estabelecem que determinado candidato A
tem 60% dos votos do eleitorado, com uma
margem de 3%, com limites de confiana
de 95%. Isto significa que o Instituto de
Pesquisa est 95% confiante que a
percentagem de votos para o candidato A
est entre 57 e 63%. Depois das eleies,
pode-se esperar a resposta correta para
estar dentro das margens estabelecidas de
erro 95% do tempo e fora destas margens
somente 5% do tempo.
No se pode estabelecer uma
percentagem de confiana nas margens de
erro at que se entenda as leis estatsticas
que governam o processo da medio.
Este assunto ser tratado adiante. Por
enquanto, basta definir a incerteza x de
modo que se esteja razoavelmente certo
que a quantidade medida caia dentro do
intervalo
xestimado - x e xestimado + x.
Probleminha rpido 2.1.
(a) Um instrumentista mede o
comprimento de uma barra e
reporta sua melhor estimativa como
110 mm e a faixa em que o
comprimento provavelmente cai
como 108 e 112 mm . Rescrever
este resultado na forma padro.
(b) Se outro instrumentista reporta sua
medio de corrente eltrica como
sendo de 4,00 0,02 A; qual a
faixa dentro da qual a corrente
provavelmente cai?
Resposta:
(a) 110 2 mm ou 110 mm 2%
(b) Entre 3,98 a 4,02 A
Expresso das Incertezas
2.3. Algarismos significativos
Devem ser estabelecidas algumas
regras para determinar as incertezas para
que todas informaes contidas na
expresso sejam entendidas
universalmente e de modo consistente
entre quem escreve e quem l.
Como a quantidade x uma
estimativa de uma incerteza, obviamente
ela no deve ser estabelecida com
preciso excessiva. Por exemplo,
estupidez expressar o resultado da
medio da acelerao da gravidade g
como
gmedida = 9,82 0,0312 956 m/s2 (2.4)
A expresso correta seria
gmedida = 9,82 0,03 m/s2 (2.5)
Regra para expressar incerteza
Incertezas industriais devem ser
quase sempre arredondadas para um
nico algarismo significativo
(2.6)
Uma conseqncia prtica desta regra
que muitos clculos de erros podem ser
feitos mentalmente, sem uso de
calculadora ou mesmo de lpis e papel.
Esta regra tem somente uma exceo
importante. Se o primeiro algarismo na
incerteza x 1, ento recomendvel se
manter dois algarismos significativos em
x. Por exemplo, se um clculo resulta em
uma incerteza final de x = 1,4, um
arredondamento para x = 1 uma
reduo proporcional muito grande (40%)
de modo que razovel reter dois
algarismos significativos para expressar
x = 1,4. O mesmo argumento poderia ser
usado se o primeiro nmero for 2, porm a
reduo no to grande (metade da
reduo se o algarismo fosse 1).
Assim que a incerteza na medio
estimada, os algarismos significativos do
valor medido devem ser considerados.
24
 Expresso das Incertezas

Uma expresso como escrevendo as unidades (m/s2, g/cm3, A, V,

velocidade = 6 051,78 30 m/s (2.7)
certamente bem ridcula. A incerteza de
30 significa que o dgito 5 pode ser
realmente to pequeno quanto 2 ou to
grande quanto 8. Claramente, os dgitos 1,
7 e 8 que vem depois do 5 no tem
nenhum significado prtico. Assim, a
expresso correta seria
velocidade medida = 6 050 30 m/s (2.8)
A regra geral esta
o
C ) aps o resultado e a incerteza mais
claro e mais econmico.
Exemplo
densidade medida = 8,23 0,05 g/cm3
ou
densidade medida = (8,23 0,05) g/cm3
Quando se usa a notao cientfica,
com nmeros associados a potncias de
10, tambm mais simples e claro colocar
o resultado e a incerteza na mesma forma.
Por exemplo:

Regra para expressar resultados corrente medida = (2,54 0,02) x 10-6 A

O ltimo algarismo significativo em
qualquer expresso de resultado deve
ser usualmente da mesma ordem de
grandeza (mesma posio decimal) que
a incerteza. (2.9)
mais fcil de ler e interpretar do que na
forma:
corrente medida = 2,54 x 10-6 2 x 10-8 A

Por exemplo, para uma expresso de

resultado 78,43 com uma incerteza de 0,04
seria arredondada para Probleminha rpido 2.2.
Rescrever cada uma das seguintes
78,43 0,04 medies em sua forma mais apropriada:

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

Se a incerteza fosse de 4, a expresso Respostas:

ficaria (a) 8,12 0,03 m/s
(b) (3,123 4 0,000 2) x 104 m ou 31 234 2 m
(c) (5,68 0,03) x 10-7 kg
78 4

Finalmente, se a incerteza fosse de 40,

seria

80 40

Para reduzir incertezas causadas pelo

arredondamento, quaisquer nmeros
usados nos clculos intermedirios devem
normalmente reter, no mnimo, um
algarismo a mais do que o finalmente
justificado. No final dos clculos, faz o
ltimo arredondamento para eliminar o
algarismo extra insignificante.
A incerteza em qualquer quantidade
medida tem a mesma dimenso que a
quantidade medida em si. Assim,

25

2.4. Discrepncia
Quando se fazem duas medies da
mesma quantidade, sempre h uma
diferena entre elas. Esta diferena
chamada tambm de discrepncia das
duas medies. Numericamente, a
discrepncia entre duas medies
definida como a sua diferena:
discrepncia = diferena entre dois
valores medidos da mesma quantidade
(2.10)
Mais especificamente, cada uma das
duas medies consiste da melhor
estimativa e uma incerteza e a
discrepncia definida como a diferena
entre as duas estimativas. Por exemplo, se
dois instrumentistas medem a mesma
resistncia como:
Instrumentista A: 15 2
Instrumentista B: 25 4
A discrepncia entre as duas medies
discrepncia = 25 15 = 10
A discrepncia pode ser significativa ou
no significativa (desprezvel).
Por exemplo, a discrepncia de 10
entre as medies de 15 2 e 25 4 pouco precisos, com dois ou trs
significativa porque nenhum valor da
resistncia compatvel com as duas
medies. Obviamente, no mnimo uma
das duas medies incorreta e deve se
pesquisar o que est de errado com ela.
Em outro exemplo, com as duas
medies iguais a
Instrumentista C: 16 8
Instrumentista D: 26 9
Neste caso, a discrepncia contnua
sendo de 10 , porm insignificante, pois
as margens de erro das duas medies se
sobrepem confortavelmente e as duas
medies podem ser ambas consideradas
corretas.
Como concluso, a discrepncia entre
duas medies da mesma quantidade
classificada no apenas por seu valor
Expresso das Incertezas
absoluto mas pelo seu valor comparado
com as incertezas nas medies.
Em laboratrio de Metrologia
necessrio medir quantidades que tem
sido medidas cuidadosamente muitas
vezes antes e que possuem um
determinado valor aceito que conhecido
e publicado, como a constante universal
dos gases (R), tenso da clula de
Weston, carga do eltron. Este valor aceito
no exato, pois resultado de medies
e como toda medio, ele tambm possui
incerteza associada. Geralmente este valor
aceito muito mais preciso do que o
conseguido nas medies industriais. Por
exemplo, o valor aceito para a constante
universal dos gases, R,
R aceito = 8,314 51 0,000 07 J/(mol.K)
(2.11)
Como esperado, este valor incerto,
porm sua incerteza extremamente
pequena, comparada com os padres da
maioria dos laboratrios de Metrologia.
Assim, quando se compara o valor medido
desta constante com o valor aceito, pode-
se considerar o valor aceito como exato.
H excees, principalmente em
laboratrios qumicos, quando se tem
valores publicados de ndices de refrao
de vidros, coeficientes isentrpicos de
gases, onde os valores publicados so
algarismos significativos.
Embora muitas experincias exijam
medio de uma quantidade cujo valor
aceito conhecido, poucas requerem
medio de uma quantidade cujo valor
verdadeiro conhecido. Por exemplo,
quando se mede a relao da
circunferncia do crculo com seu
dimetro, o resultado verdadeiro
exatamente . De fato o valor verdadeiro
de uma quantidade medida pode quase
nunca ser conhecido exatamente e por
isso difcil de definir tal valor verdadeiro.
O que existe o valor verdadeiro
convencional, fornecido por um padro
rastreado.
26

Resistncia
()
40 40
30 30
D = 26 9
B = 25 4
20 discrepncia = 10
20
A = 15 2
10 10
0 0
(a) (b)
Fig. 2.1.
(a) Duas medies da mesma quantidade. Cada
medio inclui uma melhor estimativa, mostrada
por um ponto e uma faixa de valores provveis,
mostrada por uma barra vertical de incerteza. A
discrepncia, diferena entre as duas melhores
estimativas de 10 e significativa porque
muito maior do que a incerteza combinada das
duas medies. Com certeza, uma das duas
medies est incorreta.
(b) Duas medies diferentes da mesma
resistncia. A discrepncia ainda de 10 mas
neste caso, insignificante porque as margens
do erro se sobrepem. No h nenhuma razo
para duvidar que ambas as medies so
corretas, embora tenham incertezas muito
grandes.
2.5. Valores medido e aceito
Fazer uma experincia sem tirar algum
tipo de concluso tem pouca utilidade.
Algumas poucas experincias podem ter
resultados qualitativos, porm a maioria
absoluta levam a concluses quantitativas,
que so expressas como resultados
numricos. O resultado de uma nica
medio geralmente no tem interesse.
Afirmaes de que a densidade de algum
metal foi medida e vale 9,3 0,2 g/cm3 ou
que a temperatura medida de 25 3 oC
no tm interesse prtico. O que se quer,
na realidade, comparar dois ou mais
nmeros: uma medio e um valor aceito,
uma medio com um valor teoricamente
Expresso das Incertezas
esperado ou vrias medies para mostrar
que elas esto relacionadas com outra de
acordo com alguma lei fsica ou curva de
calibrao terica. Quando de comparam
dois nmeros, a anlise da incerteza
importante.
Talvez a experincia mais simples
consista na medio de uma quantidade
cujo valor aceito conhecido. O
procedimento envolve:
1. medio da quantidade
discrepncia = 10
2. estimativa da incerteza
experimental
A = 16 8
3. comparao destes valores com o
valor aceito
Por exemplo, seja a medio da
velocidade do som no ar, nas condies
normais de presso e temperatura. O
metrologista A pode obter:
velocidade medida = 329 5 m/s (2.12)
comparada com o
valor aceito = 331 m/s (2.13)
Esta medio do metrologista A parece
satisfatria, pois o valor aceito cai dentro
dos limites estabelecidos pelas margens
de incerteza da medio feita.
O significado da incerteza x que o
valor correto de x provavelmente cai entre
xestimado x e xestimado + x e certamente
possvel que o valor correto cai levemente
fora desta faixa. Deste modo, uma
medio pode ser considerada satisfatria
mesmo se o valor aceito caia levemente
fora da faixa estimada do valor medido.
Se no mesmo exemplo, o metrologista
B encontra o valor:
velocidade medida = 325 5 m/s
ele poderia considerar que sua medio
consistente com o valor aceito de 331 m/s.
Porm, se o valor aceito est muito fora
das margens de erro (a discrepncia
maior que o dobro das incertezas, por
exemplo), h razo para supor que h algo
errado. Por exemplo, se o metrologista C
encontra
velocidade medida = 345 2 m/s (2.14)
comparada com a
27

velocidade aceita = 331 m/s (2.15)
A discrepncia do metrologista C 14
m/s, que 7 vezes maior que a incerteza
da medio, 2 m/s. Ele precisa verificar
sua medio e clculos para descobrir o
que est errado.
Infelizmente, a pesquisa do erro do
metrologista C pode ser complexa e
demorada porque h vrias causas e
possibilidades:
1. o erro pode estar na medio
2. o erro pode estar nos clculos
3. a incerteza pode estar mal estimada
4. o valor aceito pode estar errado
5. as condies de temperatura e
presso da medio podem ser
diferentes das condies na qual o
valor aceito expresso
6. os instrumentos de medio podem
estar descalibrados e com erros
sistemticos
7. os procedimentos de medio
podem estar incorretos
2.6. Comparao de dois nmeros
medidos
Muitas experincias envolvem a
medio de dois nmeros que so
teoricamente iguais. Por exemplo, a lei da
conservao do momento estabelece que
o momento total de um sistema isolado
constante. Para comprovar esta lei, pode-
se fazer experincias com dois corpos que
colidem quando se movem ao longo de
uma pista sem atrito. Medem-se os
momentos totais dos dois corpos antes (p)
e depois (q) da coliso e verifica se p = q
dentro das incertezas da experincia. Para
um simples par de medies, os resultados
podem ser:
momento inicial p = 1,49 0,03 kg.m/s
momento final q = 1,56 0,06 kg.m/s
Aqui a faixa em que p provavelmente
cai (1,46 a 1,52) sobrepe a faixa em que
q provavelmente cai (1,50 a 1,62) e por
isso, estes momentos so consistentes
com a conservao dos momento. Se, ao
contrrio, as duas faixas provveis no
forem suficientemente prximas para haver
superposio, as medies so
inconsistentes com a lei da conservao
Expresso das Incertezas
do momento e deve se procurar os erros
nas medies ou clculos ou erros
sistemticos do mtodo usado (por
exemplo, gravidade ou atrito) que fazem as
medies se afastarem entre si.
conveniente repetir os pares de
medies (antes e depois) vrias vezes e
fazer uma tabela para a comparao direta
dos resultados. As incertezas geralmente
diferem um pouco de uma medio para
outra e por isso pode-se padronizar uma
nica incerteza para a medio anterior (p)
e posterior (q) como p = 0,03 e q = 0,06
kg.m/s.
Tab. 2.1. Momentos medidos (kg.m/s)
Medio Momento inicial Momento final
p (p 0,03) q (q 0,03)
1 1,49 1,56
2 3,10 3,12
3 2,16 2,05
Para cada par de medies, a faixa
provvel de valores para p sobrepe (ou
quase sobrepe) a faixa de valores
provveis para q. Se esta superposio
acontece para todas as medies, os
resultados podem ser considerados
consistentes com a conservao do
momento. A recomendao fazer o maior
nmero possvel de medies com as
incertezas cada vez menores e verificar
que os resultados continuam consistentes
com a teoria.
Para uma grande quantidade de
medies, a comparao entre as duas
medies, inicial e final, pode se tornar
tediosa e por isso tambm conveniente
acrescentar uma quarta coluna tabela,
colocando a diferena (p q). Se o
momento conservado, estas diferenas
devem ser consistentes com zero. No se
deve esquecer de computar a incerteza da
diferena (p q).
28

A computao para o clculo da
incerteza da diferena de duas medies
feita do seguinte modo. Sejam duas
medies:
p medido = pestimado p
e
q medido = qestimado q
Os nmeros pestimado e qestimado so as
melhores estimativas para p e q (por
exemplo, a mdia de vrias medies).
Assim, a melhor estimativa para a
diferena (p q) (pestimado - qestimado). Para
encontrar a incerteza desta diferena,
deve-se tomar os maiores e menores
valores provveis de (p q). O maior valor
provvel para (p q) resulta de maior valor
de p (pestimado + p) menos o menor valor de
q (qestimado - q). Do mesmo modo, o menor
valor provvel para (p q) resulta do
menor valor de p (pestimado - p) menos o
maior valor de q.( qestimado + q). Assim, o
maior valor provvel da diferena vale:
maior valor = (pestimado - qestimado) + (p + q)
(2.16)
Do mesmo modo,
menor valor = (pestimado - qestimado) - (p + q)
(2.17)
Combinando as duas equaes, v-se
que a incerteza na diferena (p q) a
soma das incertezas de cada medio (p
+ q). Por exemplo, se
p = 1,49 0,03 kg.m/s
q = 1,56 0,06 kg.m/s
ento
p q = -0,07 0,09 kg.m/s
Agora, pode se ver rapidamente se os
resultados so consistentes com a
conservao do momento, verificando se
os nmeros na coluna final so
consistentes com zero (so iguais a zero
dentro da incerteza de 0,09). Outro mtodo
mais eficiente plotar os resultados em um
grfico e verificar visualmente os
afastamentos e superposies das
medies.
Ainda outro mtodo alternativo, em vez
de fazer a diferena entre p e q, com valor
Expresso das Incertezas
esperado (p q = 0), fazer a diviso
entre p e q, com o valor esperado p/q = 1.
No caso da diviso de duas medies, a
incerteza final diferente da subtrao de
duas medies e isso ser visto
posteriormente.
Tab. 2.2. Momentos medidos (kg.m/s)
# Momento p Momento q Diferena
(p 0,03) (q 0,03) [(p - q) 0,09]
1 1,49 1,56 -0,07
2 3,10 3,12 -0,02
3 2,16 2,05 0,11
p q (kg.m/s)
-0,20
-0,10 3
0
2 valor esperado (zero)
-0,10
1
-0,20
Fig. 2.4. Trs diferenas de medies em um teste
de conservao do momento. O metrologista
mediu o momento total de dois corpos antes e
depois de sua coliso (p e q, respectivamente).
Se o momento conservado, as diferenas (p
q) devem ser todas iguais a zero. O grfico
mostra o valor de (p q) com sua barra de erro
para cada diferena. O valor esperado zero
est dentro das margens de erro das
diferenas 1 e 2 e est um pouco fora da
diferena 3. Pode-se concluir que estes
resultados so consistentes com a lei da
conservao do momento.
A discusso sobre a incerteza em (p
q) se aplica diferena de quaisquer dois
resultados de medies. Quando se tem
quaisquer dois resultados de medies, x e
y e se usam estes dois nmeros para
computar a diferena (x y), a incerteza
resultante na diferena a soma das
incertezas separadas de x e y. Tem-se
assim a seguinte regra provisria
29

(provisria porque ser visto, na frente,
que a incerteza mais provvel menor que
esta soma).
Incerteza na Diferena (Regra
provisria)
Se duas quantidades x e y so
medidas com incertezas de x e
y e se os valores medidos x e y
so usados para se calcular a
diferena q = x y, a incerteza
em q a soma das incertezas
em x e y:: x x + y (2.18)
Esta regra provisria (pessimista) ser
substituda posteriormente por outra regra
melhorada (otimista) onde a incerteza da
soma ser dada pela raiz quadrada da
soma dos quadrados das incertezas.
Tambm se pode considerar que h
mais de um modo de tratar a composio
de incertezas, quando se faz a soma ou
subtrao de vrias incertezas individuais.
Os dois mais usados so:
1. A incerteza da soma ou subtrao
de duas ou mais incertezas igual
soma aritmtica das incertezas
individuais.
2. A incerteza da soma ou subtrao
de duas ou mais incertezas igual
raiz quadrada da soma dos
quadrados das incertezas
individuais.
Quando se usa a regra da soma
aritmtica:
1. mais fcil de entender
2. na maioria dos casos, ela mais
conservativa (maior) que a outra
3. em alguns casos a diferena entre
as duas pequena.
A regra provisria sobre a incerteza da
diferena entre duas medies a primeira
de uma srie de regras para a propagao
da incerteza. Para calcular a diferena
entre duas medies em termos das
quantidades individuais, necessrio
conhecer como as incertezas individuais se
propagam para causar a incerteza na
diferena.
Expresso das Incertezas
Probleminha rpido 2.3.
Quando se mede o calor latente do
gelo, um metrologista adiciona gelo gua
e observa a variao da temperatura
quando o gelo se derrete. Para determinar
a massa de gelo adicionado, o metrologista
pesa o vasilhame de gelo antes e depois
de adicionar o gelo e depois toma a
diferena, obtendo os seguintes
resultados:
massa vaso + gua = m1 = 203 2 g
massa vaso + gua + gelo = m2 = 246 3 g
Encontrar a massa de gelo, m2 m1 ,
com sua incerteza, usando a regra
provisria.
Resposta: 43 5 g
2.7. Verificando relaes com
grficos
Muitas leis fsicas implicam que uma
quantidade linearmente proporcional
outra. Exemplos clssicos:
1. Lei de Ohm: V = R i (tenso igual
ao produto da resistncia pela
corrente eltrica)
2. Lei de Hooke: F = kx (fora igual
extenso da mola vezes uma
constante)
3. Lei de Newton: F = ma (fora
aplicada a um corpo igual ao
produto da massa por sua
acelerao)
Quando uma quantidade y
proporcional a outra quantidade x, uma
grfico de y contra x uma linha reta
passando pela origem. Assim, para testar
se uma quantidade y proporcional a outra
x, pode-se plotar os valores medidos de y
contra os de x e notar se os pontos
resultantes formam uma linha reta
passando pela origem. Como a linha reta
facilmente reconhecvel, este mtodo um
modo simples e efetivo para verificar a
proporcionalidade.
Para ilustrar este uso de grficos, seja
uma experincia para testar a lei de
30

Hooke: F = kx. Um mtodo simples
consiste em
1. dependurar verticalmente uma mola
2. colocar vrias massas m na mola
3. medir os deslocamentos x
Assim, a fora F o peso mg da carga
e a extenso x dada por:
x=
mg g
= m (2.19)
k k
A extenso da mola, x, deve ser
proporcional carga m e um grfico de x
contra m deve ser uma linha reta passando
pela origem.
Quando se medem os vrios valores de
x para uma variedade de cargas e
colocam-se os pontos no grfico, na
prtica, todos os pontos no formam uma
reta perfeita e cada ponto medido possui
uma determinada incerteza.
A questo colocada : os resultados da
experincia se afastam da reta por causa
das incertezas experimentais, de erros de
mtodo ou da possibilidade de x no ser
proporcional a m. A resposta desta
questo depende basicamente da anlise
das incertezas envolvidas.
Tab. 2.3. Carga e extenso da mola
Carga m, g Extenso x, cm
m (exata) x 0,3
200 1,1
300 1,5
400 1,9
500 2,8
600 3,4
700 3,5
800 4,6
900 5,4
Como sempre, as quantidades
medidas, extenso x e massa m, so
sujeitas incertezas. Como foi usada uma
balana muito precisa para medir as
massas, a incerteza da massa pode ser
considerada desprezvel em relao
incerteza da medio do comprimento,
onde se usou uma rgua. Para a medio
do comprimento tem-se uma incerteza de
0,3 cm. Para uma carga de 300 g, por
exemplo, tem-se a extenso de 1,5 0,3
cm. Para este ponto, a extenso est na
Expresso das Incertezas
faixa de 1,3 a 1,8 cm. Esta faixa
indicada, no grfico, por uma barra de
incerteza atravs de cada ponto para
indicar a faixa em que ele provavelmente
cai. Teoricamente, se espera uma linha
reta passando pela origem e por todos os
pontos medidos. Na prtica, a linha reta
passa atravs ou prxima de todos os
pontos. O problema consiste em concluir
se a extenso x linearmente proporcional
carga m e, caso afirmativo, qual este
fator de proporcionalidade (constante da
mola).
Pela equao terica, a inclinao da
curva g/k. Medindo-se esta inclinao
pode-se determinar a constante da mola.
Se a maioria das faixas de pontos
(valor estimado e sua incerteza) est sobre
a reta, os dados podem ser considerados
consistentes e a lei de Hooke
comprovada experimentalmente.
Quando a maioria dos pontos cai fora
da linha reta, os dados so inconsistentes
e x no pode ser considerado proporcional
a m. Neste casos, as medies, clculos,
mtodos e teoria devem ser
reconsiderados para se verificar por que x
no pode ser considerado linearmente
proporcional a m. Tambm pode acontecer
que um determinado conjunto de pontos
caia dentro da linha reta e outros pontos
so inconsistentes e neste caso a lei de
Hooke vale somente para determinados
valores de m, por exemplo, at 600
gramas. Alm deste ponto a mola j no
segue a lei de Hooke. Nesta experincia,
foi considerada significativa apenas a
incerteza do comprimento da extenso da
mola e foi considerada desprezvel (em
relao do comprimento) a incerteza da
massa e por isso foram usadas barras
verticais (com o valor mais provvel no
meio e com a incerteza associada). Caso
as duas incertezas sejam significativas,
usam-se quadrados ou duas barras, uma
vertical e outra horizontal, mostrando as
respectivas incertezas associadas.
Um pouco mais complicado quando
uma quantidade proporcional ao
quadrado de outra. Por exemplo, a presso
diferencial gerada pela placa de orifcio
proporcional ao quadrado da vazo
volumtrica. Assim, no caso genrico tem-
se
31
 Expresso das Incertezas

y = A x2 (2.20)

onde A uma constante e o grfico de y

contra x d uma parbola, com a forma 5
geral da Fig. 2.7 (a). Quando se faz uma x (cm)
srie de medies de valores de y e x e
colocam-se os pontos em um grfico,
obtm-se uma curva parecida com a
mostrada na Fig. 2.7 (b). Infelizmente, 0
500 1000 m (g)
julgar se os pontos pertencem parbola
no to fcil como a deciso com relao (a)
linha reta. Porm, para verificar se y
proporcional a x2 pode-se plotar y contra x 5
ao quadrado, obtendo-se uma reta, que
x (cm)
mais facilmente verificvel.
Do mesmo modo, se y = Axn (onde n
qualquer potncia), um grfico de y contra
xn deve dar uma linha reta e plotando os
m (g)
valores medidos de y contra xn, pode-se 0
500 1000
verificar facilmente se os pontos pertencem
(b)
curva. Existem ainda outras vrias
situaes em que uma relao no linear
pode ser convertida em linear,
simplesmente pela escolha adequada das 5
variveis a plotar. Posteriormente sero
x (cm)
mostrados outros meios de linearizao.
Muitas vezes, a varivel y depende
exponencialmente de outra varivel x:
y = Ae Bx
m (g)
onde A e B so constantes e e a base 0
500 1000
dos logaritmos naturais (associados
fenmenos da Natureza) ou de Euler. Por (c)
exemplo, a atividade da radioatividade
depende exponencialmente do tempo e a Fig. 2.5. Grficos da extenso x da mola contra
carga de um capacitor depende carga m.
exponencialmente da corrente. Para a (a) Os dados da Tab. 2.3 sem barras de incertezas.
relao exponencial, o logaritmo natural de (b) Os mesmos dados com barras de incertezas
x linear com y, de modo que um grfico com as incertezas em x. As incertezas em m
de ln(y) contra x d uma linha reta para so assumidas desprezveis em relao s
uma relao exponencial. incertezas em x. Estes dados so considerados
consistentes com a proporcionalidade esperada
de x e m.
(c) Um diferente conjunto de dados, que so
inconsistentes com x sendo proporcional a m.

32

0 indica a confiabilidade ou preciso da
Fig. 2.6. Medies com incertezas nas duas
variveis, mostradas com cruzes formadas com
as incertezas de cada varivel.
y y y incerteza x mas pela relao entre x e
x x
(a) (b) (c)
Fig. 2.7.
(a) Se y proporcional a x2, um grfico de y
contra x d uma parbola com esta forma
geral.
(b) Um grfico de y contra x para um conjunto
de valores medidos difcil de verificar
visualmente se os pontos se ajustam
parbola.
(c) Um grfico de y contra x2 d uma linha reta
passando pela origem, que fcil de
verificar.
H muitos outros mtodos no grficos
para verificar a proporcionalidade de duas
quantidades. Por exemplo, se y
linearmente proporcional a x, a relao y/x
deve ser uma constante. Assim, tendo-se
tabulado os valores medidos de y e x,
pode-se adicionar uma coluna com as
relaes y/x e verificar se estas relaes
so constantes dentro das incertezas
experimentais. H mtodos envolvendo o
coeficiente de correlao para mostrar se
um conjunto de medies est conforme
uma linha reta. Mesmo havendo tantos
mtodos, o grfico o modo mais simples
e evidente de verificar a adequao dos
pontos diferentes curvas e
principalmente linha reta.
Expresso das Incertezas
2.8. Incertezas relativas
A incerteza x em uma medio
xmedido = xestimado x
medio. Porm, a incerteza x em si no
conta toda a histria. Uma incerteza de 1
metro em uma distncia de 1 quilmetro
indica uma medio muito precisa, porm,
uma incerteza de 1 metro em uma
distncia de 3 metros indica uma
estimativa grosseira. Assim, a qualidade de
uma medio indicado no apenas pela
xestimado. Esta relao entre a incerteza e o
valor da medio chamado de incerteza
relativa. A incerteza x chamada de
x
2 incerteza absoluta, para evitar confuso
com a relativa.
x
incerteza relativa =
x estimado
(2.21)
Nesta definio, o smbolo |xestimado|
denota o valor absoluto de xestimado.
Na maioria das medies srias, a
incerteza x muito menor que o valor
medido xestimado. Como a relao x/xestimado
muito pequena, comum expressar a
incerteza em percentagem, multiplicando a
incerteza relativa por 100%. Assim, a
medio
comprimento L = 50 1 cm
(2.22)
tem uma incerteza relativa de
L 1 cm
= = 0,02
L estimado 50 cm
e a incerteza em percentagem vale 2% do
valor medido. Por isso, o resultado da
medio poderia ser dado tambm como:
comprimento L = 50 cm 2%
Embora a incerteza absoluta tenha a
mesma unidade da quantidade medida, a
incerteza relativa dimensional, sem
33

unidades. Este um critrio para ser
usado para evitar o erro comum de
confundir incerteza absoluta com incerteza
relativa.
A incerteza relativa uma ferramenta
simples para indicar aproximadamente a
qualidade de uma medio, qualquer que
seja o tamanho da quantidade medida. Ela
tambm chamada de preciso da
medio.
Incertezas relativas de 10% so
usualmente caractersticas de medies
grosseiras. Esta incerteza ocorre quando
se mede um comprimento de 10 cm e h
uma incerteza de 1 cm ou quando se mede
uma distncia de 10 km com incerteza de 1
km. Incertezas relativas da ordem de 1 a
2% so caractersticas de medies
razoavelmente cuidadosas e so a melhor
esperana de um instrumentista em
medies industriais ou de um metrologista
em seu laboratrio. Incertezas relativas da
ordem de 0,1 a 0,2% so muito difceis de
serem conseguidas e so raras em
medies industriais.
Obviamente esta classificao
superficial. Algumas medies simples
podem ser feitas com incertezas de
aproximadamente 0,1%. Um bom
paqumetro pode medir distncias com
aproximadamente 0,1%, um bom
cronmetro pode medir o perodo de uma
hora com uma incerteza aproximada de um
segundo ou 0,03%. Porm, a maioria das
medies das variveis de processo
(temperatura, vazo, nvel, presso e
anlise) possuem medies com
incertezas tpicas de 1 a 10%. Grande
incerteza relativa no significa
necessariamente que a medio seja intil.
Mesmo na histria da Fsica e Qumica,
muitas incertezas experimentais so da
ordem de 10%.
Outro aspecto relacionado com o valor
da incerteza o custo para obter pequenas
incertezas. Quanto menor a incerteza,
maior o custo do instrumento de medio
e maiores so os cuidados requeridos para
fazer as medies.
Expresso das Incertezas
Probleminha rpido 2.4.
Converter as incertezas absolutas em
relativas e as relativas em absolutas, nas
seguintes medies:
(a) 55 2 oC
(b) 20 2 oC
(c) 4,58 kg 2%.
(d) 20 m + 10%.
(Como as incertezas devem ser dadas
com um algarismo significativo, fazer os
clculos de cabea, sem usar calculadora
ou lpis e papel).
Resposta:
(a) 55 oC 4%
(b) 20 oC 10%
(c) (4,58 0,09) kg
(d) (20 2) m
2.9. Algarismo significativo e
incerteza relativa
O conceito de incerteza relativa est
muito associado com a noo familiar de
algarismos significativos. De fato, o
nmero de algarismos significativos em
uma quantidade uma indicao
aproximada da incerteza relativa desta
quantidade.
Para um matemtico, a expresso x =
21 tem dois algarismos significativos e isto
significa que x est mais prximo de 21 do
que de 20 ou 22, de modo que o nmero
21 com dois algarismos significativos
significa 21 0,5. Para o metrologista, os
nmeros so conseguidos de leituras de
instrumentos diretamente ou atravs de
algum clculo. Se um indicador digital
apresenta dois algarismos significativos e
indica 21, isto pode significar 21 0,5, mas
pode tambm significar 21 1 ou at 21
5. (Para eliminar esta ambigidade, deve-
se consultar o catlogo do instrumento
fornecido pelo fabricante). Nestas
circunstncias, a afirmao que um
nmero medido tenha dois algarismos
significativos somente uma indicao
grosseira de sua incerteza. Pode-se adotar
o critrio de definir que 21, com dois
algarismos significativos significa 21 1 e
mais genericamente que um nmero com n
algarismos significativos tem uma incerteza
de 1 no ensimo dgito.
34

Sejam dois nmeros:
x = 21
y = 0,21
ambos com as precises certificadas de
dois algarismos significativos. De acordo
com a conveno recm adotada, estes
valores significam
x = 21 1
y = 0,21 0,01
Embora os dois nmeros tenham
ambos dois algarismos significativos, eles
tem incertezas absolutas muito diferentes,
porm com mesma incerteza relativa de
5%:
x y 1 0,1
= = = = 0,05 = 5%
x y 21 0,21
Evidentemente, a afirmao que os
nmeros 21 e 0,21 (ou 210 ou 2,1 ou
0,0021) tem dois algarismos significativos
equivalente a dizer que eles tem
incerteza de 5%. Do mesmo modo, 21,0
tem trs algarismos significativos e
incerteza aproximada de 0,5%.
Infelizmente, esta correlao somente
aproximada. Por exemplo, a afirmao x =
10, com dois algarismos significativos,
significa
v = 10 1 ou 10 10%
No outro extremo, w = 99 (tambm com
dois algarismos significativos) significa:
w = 99 1 ou 99 1%
Portanto, a incerteza relativa associada
com dois algarismos significativos pode
variar de 1 a 10%, dependendo do primeiro
dgito do nmero considerado.
A correspondncia aproximada entre
algarismos significativos e incertezas
relativas pode ser resumida como
mostrado na Tab. 2.4.
Expresso das Incertezas
Tab. 2.4. Correspondncia aproximada entre
algarismos significativos e incertezas relativas
Nmero de Incerteza relativa correspondente est
algarismos
entre aproximadamente
significativos
1 10 e 100% 50%
2 1 e 10% 5%
3 0,1 e 1% 0,5%
4 0,01 e 0,1% 0,05%
2.10. Multiplicao de medies
Talvez a maior importncia da incerteza
relativa esteja na multiplicao de nmeros
conseguidos de medies. Por exemplo,
para achar a tenso de um circuito, pode-
se medir a corrente i e sua resistncia R e
ento multiplic-las para se obter v = Ri.
Tanto a medio de R e i esto sujeitas a
incertezas, que devem ser estimadas. O
problema, ento, determinar a incerteza
na tenso v que resulta das incertezas
conhecidas em R e i.
A forma padro
valor medido de x = xestimado x
em termos da incerteza relativa tem-se
valor medido de x = x estimado 1
x (2.23)
x estimado
Por exemplo, se a incerteza relativa
de 3%
3
valor medido de x = x estimado 1
100
ou seja, incerteza de 3% significa que x cai
provavelmente entre 0,97 e 1,03 vezes
xestimado,
0,97 xestimado < x <1,03 xestimado
Este um modo til de pensar acerca
de um nmero medido que deve ser
multiplicado.
Voltando ao problema de calcular a
incerteza de v = Ri, quando R e i tem sido
medidos:
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

vestimado = Restimado iestimado valor de v = 4,8 0,2 V ou 4,8 V 5%.

Os valores provveis maiores de R e i O procedimento anterior se aplica a

fornecem o maior valor provvel de v = Ri. qualquer produto de duas quantidades
Com alguma computao, chega-se a medidas. Tem-se assim a segunda regra
geral provisria para a propagao de
R i erros. Quando se medem duas
valor de v = R estimadoiestimado 1 +
R estimado iestimado
quantidades x e y e forma-se seu produto
(2.26) xy, as incertezas nas duas quantidades
Comparando com a forma geral originais se propagam para causar uma
incerteza em seu produto. Esta incerteza
v dada pela seguinte regra provisria:
valor de v = v estimado 1
v
estimado
Incerteza no Produto (Regra provisria)
chega-se incerteza relativa de v, em
Se duas quantidades x e y so
funo das incertezas de R e de i:
medidas com pequenas incertezas
v R i
de x e y e se os valores medidos
= + x e y so usados para se calcular a
v estimado R estimado iestimado
produto q = xy, ento a incerteza
Se, por exemplo, as medies de R e i relativa em q a soma das
forem incertezas relativas em x e y:

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

Em instrumentao, freqente a
multiplicao de dois nmeros obtidos de
medies e a regra proposta para achar a
incerteza no produto ser uma ferramenta
importante na anlise da incerteza. Para o
momento, o principal objetivo enfatizar
que a incerteza em qualquer produto q = xy
expressa mais facilmente em termos da
soma das incertezas relativas.
Probleminha rpido 2.5.
Encontrar a rea de uma superfcie
retangular, cujos lados medidos so 9,1
0,1 cm e 3,3 0,1 cm. Expressar estas
incertezas como incertezas percentuais e
depois achar o melhor resultado para a
rea com sua incerteza (Primeiro achar a
incerteza percentual e depois convert-la
para incerteza absoluta. Fazer todos os
clculos de cabea, sem usar calculadora,
lpis e papel).
Respostas:
Lados 9,1 1% e 3,3 3%
rea aproximada = 30 4% ou 30 1 cm2
Apostilas\Incerteza JRTaylor1.doc 19 DEZ 97
Expresso das Incertezas
Definies e Equaes
Formas para expressar incertezas
A forma padro para expressar uma
medio de uma quantidade fsica x :
valor medido de x = xestimado x
onde
xestimado = melhor estimativa de x
e
x = incerteza ou erro na medio
Este resultado expressa a confiana de
que o valor correto de x provavelmente
caia (ou fique prximo) da faixa
determinada por
xestimado x e xestimado + x.
Discrepncia
A discrepncia entre dois valores
medidos da mesma quantidade fsica :
discrepncia = diferena entre dois valores medidos
da mesma quantidade
Incerteza Relativa
Se x medido na forma padro
xestimado x, a incerteza relativa
x
incerteza relativa =
x estimado
A incerteza percentual a incerteza
relativa expressa como percentagem, ou
seja, multiplicada por 100%.
Foram determinadas duas regras
provisrias para a propagao da
incerteza:
1. a incerteza absoluta na diferena de
duas quantidades medidas igual
soma das duas incertezas absolutas
individuais.
2. a incerteza relativa no produto de duas
quantidades medidas igual soma
das duas incertezas relativas
individuais.
Posteriormente, estas duas regras
provisrias sero substitudas por outras
mais refinadas.
37

Propagao das Incertezas
3.1. Introduo
Muitas quantidades fsicas no podem
ser medidas diretamente, em um nica
medio, mas so encontradas em dois
passos:
1. so medidas uma ou mais
quantidades que podem ser
encontradas diretamente
2. os valores medidos destas
quantidades so usados para
calcular a quantidade de interesse.
Por exemplo, para achar a rea de um
retngulo:
1. medem-se o comprimento L e a
altura H
2. calcula-se a rea A = LH
Outro exemplo, para achar a vazo
volumtrica de um fluido passando por
uma tubulao:
1. medem-se o volume acumulado em
um intervalo de tempo, V, e o
intervalo de tempo.
2. calcula-se a vazo volumtrica F =
V/t.
Muitos outros exemplos poderiam ser
apresentados para mostrar que a maioria
das medies prticas envolve estes dois
passos distintos de medies diretas
seguidas por clculos. Quando a medio
envolve estes dois passos, a estimativa
das incertezas tambm envolve dois
passos:
1. so estimadas as incertezas
individuais das quantidades
medidas diretamente
2. determina-se como as incertezas se
propagam atravs dos clculos para
produzir uma incerteza no resultado
final.
Esta propagao das incertezas o
principal objetivo deste captulo.
3
J foram vistos exemplos e
apresentadas regras provisrias
relacionados com a propagao da
incerteza, quando so feitas as medidas e
depois elas so combinadas em uma
subtrao ou em um produto.
Antes de se tratar da propagao das
incertezas, ser discutida rapidamente a
estimativa de incertezas em quantidades
medidas diretamente. Alguns mtodos j
vistos sero revistos, melhorados e outros
novos mtodos sero apresentados para
estimar a incerteza nas medies diretas.
Finalmente ser vista a propagao
das incertezas. Ser visto que quase todos
os problemas na propagao da incerteza
podem ser resolvidos usando-se apenas
trs regras simples. Uma nica regra, mais
completa e complicada, tambm ser
apresentada para cobrir todos os casos e
da qual as trs regras simples so
derivadas.
Este captulo longo, porm seu
comprimento simplesmente reflete sua
grande importncia. A propagao da
incerteza uma tcnica que ser usada
repetidamente na Instrumentao,
Laboratrio de Metrologia e Laboratrio
Qumico.
3.2. Incertezas nas medies diretas
A maioria das medies diretas envolve
a leitura de uma escala (em uma rgua,
relgio, voltmetro, velocmetro,
termmetro, manmetro) ou de um display
digital. s vezes, as principais fontes de
incerteza esto na leitura da escala e na
necessidade de interpolar a leitura entre
duas marcaes da escala. Nestes casos,
a determinao da incerteza fcil:
razovel estimar a incerteza da leitura
como a metade da menor diviso. Assim,
se a menor diviso da escala 1 mm, a
38

incerteza da indicao de 0,5 mm; se a
menor diviso 2 oC, a incerteza de 1
o
C. Quando o display digital e nenhuma
outra informao adicional fornecida,
razovel supor que a incerteza , no
mnimo, igual a 1 dgito (o menos
significativo). Rigorosamente, o
instrumento eletrnico com display digital
possui uma incerteza aleatria devida aos
circuitos internos (expressa geralmente em
% do valor medido) mais uma incerteza de
n dgitos, por causa do display digital ter
variao discreta.
Infelizmente, h outras fontes de
incertezas presentes e mais importantes
que as dificuldades em ler a escala. Na
medio de distncia, por exemplo, o
principal problema decidir onde as duas
extremidades realmente esto. Como a
incerteza aparece porque os dois pontos
que determinam o comprimento no so
claramente definidos, este tipo de
dificuldade chamado de problema de
definio.
Este exemplo ilustra um srio perigo na
avaliao da incerteza. Quando se
considera apenas a escala e se esquece
de outras fontes de incerteza, a incerteza
est sendo subestimada. Quando no se
consideram todas as fontes de incerteza, a
incerteza pode ser subestimada por fatores
de 10 ou mais. O caso oposto considerar
incertezas em excesso, superestimando a
incerteza final. O ideal considerar todas
as fontes possveis de incertezas e estimar
seus efeitos exatamente, o que geralmente
difcil e trabalhoso.
Superficialmente, fazer a leitura de um
medidor digital muito mais fcil do que
fazer a interpolao da leitura em escala
analgica. A no ser que o medidor esteja
com defeito, o display digital apresenta
somente algarismos significativos. Por
isso, comum se afirmar que o nmero de
algarismos significativos em um display
digital exatamente o nmero de dgitos
apresentados. Porm, nem sempre o
significado exato de algarismos
significativos claro. Assim, o display de
um voltmetro digital igual a 93 mV significa
93 1 mV, no mnimo. H catlogos de
instrumentos que definem exatamente qual
a incerteza do display. possvel se ter
incertezas de 5 ou 10 dgitos.
Propagao das Incertezas
A incerteza da medio envolve outras
fontes, como mtodo, operador, condies
ambientais, alm do sistema de medio
em si. Por exemplo, se um metrologista
usa um cronmetro digital para medir um
intervalo de tempo e obtm um resultado
de 8,01 segundos, razovel supor que o
tempo vale
t = 8,01 0,01 s (3.1)
Outro metrologista medindo o mesmo
intervalo de tempo, aparentemente nas
mesmas condies, pode conseguir 8,41,
ou seja
t = 8,41 0,01
H uma grande discrepncia entre as
duas medies (0,40 s), muito maior que a
incerteza considerada (0,01 s). Tomando-
se os dois resultados, muito mais realista
apresentar o resultado como
t = 8,2 0,2 s
Esta incerteza (0,2 s) 20 vezes maior
que a sugerida inicialmente (0,01 s).
Sempre que uma medio puder ser
repetida, ela deve ser feitas vrias vezes.
O espalhamento das vrias medies
repetidas uma boa indicao das
incertezas e a mdia dos valores medidos
quase sempre tem mais confiabilidade do
que uma nica medio. Posteriormente
sero vistos os tratamentos estatsticos
das medies mltiplas. Agora, o que deve
ser enfatizado que se uma medio
repetitvel, ela deve ser repetida, para
1. se obter um resultado mais
confivel
2. se ter uma estimativa das
incertezas.
Porm, nem sempre a repetio da
medio revela incertezas. Se um
cronmetro estiver com um erro
sistemtico, de modo que todos seus
resultados possuem um atraso sistemtico,
o espalhamento das medies repetidas
no revela esta incerteza sistemtica.
39

3.3. Regra da raiz quadrada para
uma contagem
Outro tipo diferente de medio direta
tem uma incerteza que pode ser facilmente
estimada. Algumas experincias requerem
uma contagem de eventos que ocorrem
aleatoriamente, mas tm uma taxa mdia
definida. Por exemplo, os instrumentos
defeituosos em uma oficina de
instrumentao chegam de um modo
aleatrio, porm, ao longo de um ms ou
ano, h uma mdia definida de
instrumentos defeituosos. Se um
instrumentista quiser saber esta taxa, ele
pode contar 32 instrumentos defeituosos
em um ms, na oficina. A no ser que
tenha havido um engano, o nmero 32
exato, pois a contagem dos instrumentos
defeituosos que chegaram oficina. Como
os instrumentos aparecem de modo
aleatrio, porm, 32 pode no ser igual ao
nmero mdio real de instrumentos em
todos os meses. Talvez este nmero possa
ser 31, 29 ou mesmo um nmero
fracionado, como 29,8 ou 32,6.
Evidentemente, a incerteza neste tipo
de experincia no est no nmero
contado (32 por exemplo). Em vez disso, a
incerteza est em como este nmero
observado se aproxima do nmero mdio
verdadeiro. O problema estimar qual o
valor desta incerteza. A teoria ser vista na
frente, porm j se pode dizer que a
incerteza em qualquer nmero contado de
eventos aleatrios, como uma estimativa
do nmero mdio verdadeiro, a raiz
quadrada do nmero contado. No
exemplo, o instrumentista contou 32
instrumentos defeituosos em um perodo
de um ms. Assim, a incerteza de 32
6 e o resultado final pode ser expresso
como:
nmero de instrumentos com defeito,
no perodo de um ms = 32 6.
Para tornar esta afirmao mais geral,
suponha que se tenha contado o nmero
de ocorrncias aleatoriamente, mas com
uma mdia definida. Suponha que se conte
para um determinado intervalo de tempo
escolhido T (como um ms) e se tenha
obtido o nmero de eventos observado
(letra grega correspondente ao n latino, n
Propagao das Incertezas
de nmero). Baseado nesta experincia, a
melhor estimativa para o nmero mdio de
eventos no tempo T o nmero observado
e a incerteza nesta estimativa a raiz
quadrada de , . Assim, a melhor
expresso para o nmero mdio de
eventos aleatrios no tempo T
nmero mdio de eventos em T =
(3.2)
Este resultado pode ser chamado de
Regra da Raiz Quadrada para a
Contagem.
Experimentos envolvendo contagem
so freqentes em laboratrios qumicos.
Por exemplo, o estudo do decaimento
radioativo, onde cada ncleo decai em um
tempo aleatrio, mas o decaimento em
uma grande amostra ocorre em uma taxa
mdia definida. Para encontrar esta taxa,
simplesmente se conta o nmero de
decaimentos em determinado intervalo de
tempo.
Probleminha rpido 3.1.
(a) Para verificar a atividade de uma
amostra radioativa, coloca se a amostra
em um contador de cintilao lquida para
contar o decaimento em um intervalo de
dois minutos e se obtm 33 contagens.
Como este resultado apresentado como
o nmero de decaimentos produzidos pela
amostra em dois minutos?
(b) Agora, suponha que se tenha
monitorado a mesma amostra durante 50
minutos e obtido uma contagem de 907.
Como pode ser apresentado este resultado
de decaimentos em 50 minutos?
(c) Achar a incerteza percentual destas
duas medies e comentar a utilidade de
uma contagem para um perodo maior,
como em (b).
Resposta:
(a) 33 6 contagens ou 33 contagens 18%
(b) 907 30 contagens ou 907 contagens 3%
(c) 33 18% e 907 3%. Em grandes contagens a
incerteza percentual fica muito menor,
compensando a desvantagem de demorar a
contagem.
40

3.4. Operaes matemticas
Seja a medio de uma ou mais
quantidades, x, y, ... com incertezas
correspondentes de x, y, ... e que se
queira usar os valores medidos de x, y, ...
para calcular a quantidade q = f(x, y, ...). O
clculo de q direto. O problema como
as incertezas x, y, ... se propagam
atravs dos clculos e resultam em uma
incerteza q no valor final de q.
Somas e diferenas
No Captulo 2 foi discutido o que
acontece quando se medem duas
quantidades x e y e se calcula sua soma, x
+ y ou sua diferena x - y. Para estimar a
incerteza na soma ou diferena, devia-se
apenas decidir acerca do maior e menor
valor provvel. O maior e menor valores
provveis de x so xestimado x e os de y
so yestimado y. Assim, o maior valor
provvel da soma x + y
xestimado + yestimado + (x + y)
e o menor valor provvel
xestimado + yestimado - (x + y)
Ento, a melhor estimativa para q = x + y
qestimado = xestimado + yestimado
e a sua incerteza
q x + y (3.3)
De modo similar, pode-se mostrar que
a incerteza na diferena x y dada pela
mesma frmula (3.3). Ou seja, a incerteza
na soma x + y ou na diferena x y a
soma das incertezas x + y de x e y.
Genericamente, com vrias variveis x, y,
..., z, tem-se a regra provisria:
Propagao das Incertezas
Incerteza nas Somas e Diferenas
(Regra provisria)
Se as quantidades, x, y, ...w, so
medidas com incertezas x, y, ...w e
os valores medidos so usados para
computar
q = x + y + ...+ z (u + v + ... + w),
ento, a incerteza no valor
computado de q a soma de todas
as incertezas originais:
q = x + y + ...+ z + u + v + ... + w
(3.4)
Em outras palavras, na soma ou
subtrao de qualquer nmero de
quantidades, as incertezas absolutas
destas quantidades sempre se somam.
Esta regra provisria e ser substituda
por uma mais realista, na frente.
Exemplo: adio e subtrao de massas
Misturam-se vrias massas de lquidos
em dois frascos, tendo se medido suas
massas separadas , com frascos cheios e
vazios, obtendo-se
M1 = massa 1o frasco e contedo = 540 10 g
m1 = massa 1o frasco vazio = 72 + 1 g
M2 = massa 2o frasco e contedo = 940 20 g
m2 = massa 2o frasco vazio = 97 + 1 g
Para calcular a massa total do lquido
tem-se
M = M1 m1 + M2 m2
= (540 72 + 940 97) g = 1 311 g
Aplicando a regra provisria, a
incerteza deste resultado a soma de
todas as quatro incertezas:
M M1 + m1 + M2 + m2
= 10 + 1 + 20 + 1 g = 32 g
Assim, o resultado final, arredondado
massa total do lquido = 1 310 + 30 g
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

Probleminha rpido 3.2.

Incerteza nos Produtos e Quocientes
Seja a medio de 3 quantidades x, y e z:
(Regra provisria)
x = 8,0 0,2
Se vrias quantidades, x, y, ...w, y = 5,0 0,1
so medidas com pequenas z = 4,0 0,1
incertezas x, y, ...w e os valores
medidos so usados para Expressar as incertezas dadas como
computar percentagens e depois calcular q = xy/z
com sua incerteza q, como dado pela
x y ... z regra provisria.
q=
u v ... w
Resposta:
x/x = 2,5% y/y = 2% z/z = 2,5%
ento, a incerteza relativa no valor q = 10 7% ou 10 0,7 (tambm 10 1)
computado de q a soma de todas
as incertezas relativas originais:

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:

De modo resumido: quando as q = Bx

quantidades so multiplicadas ou divididas,
as incertezas relativas se somam.
Exemplo: produto e quociente
Em topografia, s vezes um
comprimento inacessvel (altura de um
edifcio) determinado pela medio de
outros trs comprimentos acessveis. Tem-
se
LL
L= 1 2
L3
Foram obtidas as seguintes medies:
L1 = 200 2 m
L2 = 5,5 0,1 m
L3 = 10,0 0,4 m
A melhor estimativa de L
onde B constante, ou seja, no tem
incerteza. Por exemplo, pode se medir o
dimetro d de um circulo e multiplic-lo por
para se obter sua circunferncia c:
c = x d.
Outro exemplo: mede-se a espessura T
de 500 folhas idnticas e se quer calcular a
incerteza da espessura de uma folha
individual, t, onde
t = T/500
De acordo com a regra provisria, a
incerteza relativa em q = Bx a soma das
incertezas relativas em B e em x. Como B
= 0, tem-se

200 5,5 q x
L estimado = m = 110 m
10,0 q x

As incertezas relativas so: A incerteza relativa em q = Bx, com B

L1/L1 = 2/200 = 1%
L2/L2 = 0,1/5,5 = 2%
L3/L3 = 0,4/10 = 4%
de modo que a incerteza final de L/L vale
7% e o resultado final expresso como
L = 110 m 7% ou (110 8) m
constante, a mesma que a incerteza
relativa de x. Multiplicando-se ambos os
termos por q , chega-se a
q = B x
ou seja, a incerteza absoluta do produto
Bx, com B constante, igual ao produto de
B pela incerteza absoluta de x.

43

Quantidade Medida Vezes Nmero
Exato (Regra provisria)
Se uma quantidade x medida
com incerteza x e usada para
computar o produto
q = Bx
onde B no tem incerteza, ento
a incerteza absoluta em q B
vezes a incerteza absoluta em x,
q = B x
(3.9)
Esta regra muito til quando se tem
algo muito pequeno para se medir mas
possvel fazer a medio de um conjunto,
tal como a espessura de uma folha fina.
Quando se mede a espessura de 500
folhas:
espessura 500 folhas = T = 13,0 0,1 cm
segue-se imediatamente que a espessura
de uma nica folha, t, :
espessura de uma folha = t = 1/500 x T
= 0,026 0 0,000 2 cm
Probleminha rpido 3.3.
A medio do dimetro de um circulo vale:
d = 5,0 0,1 cm
Atravs deste valor, calcular a
circunferncia c = d, com sua incerteza
associada.
Resposta: 15,7 0,3 cm
Propagao das Incertezas
3.6. Incerteza em potncias
O outro interessante se refere ao
clculo da potncia de alguma quantidade
medida. Por exemplo, pode-se medir a
velocidade v de um corpo de massa m e
ento achar a sua energia cintica, mv2 ,
atravs de v2. Como v2 o produto de v
por v, segue que a incerteza relativa em
v2 duas vezes a incerteza relativa de v.
Regra da Incerteza na Potncia
Se uma quantidade x medida
com incerteza x e o valor
medido usada para
computar a potncia
q = xn
ento a incerteza relativa em q
n vezes a incerteza relativa
em x,
q x
=n
q n
(3.10)
Probleminha rpido 3.4.
Achar o volume de um dado cubo, cuja
medio do lado
2,00 0,02 cm.
Expressar esta incerteza em
percentagem e em valor absoluto.
Resposta:
x = 2,00 cm 1%
q = 8,0 cm3 3% ou (8,0 0,2) cm3
44

Exemplo da medio da gravidade
Seja a medio da gravidade do local,
pela medio do tempo t em que uma
pedra cai de uma altura h. Depois de
vrias medies chega-se a
t = 1,6 0,1 s
h = 13,9 0,1 m
Como
1 2 tem-se 2h
h= gt g=
2 t2
Aplicando os valores, tem-se
2 13,9 m
g= = 10,9 m / s2
1,6 1,6 s2
A incerteza deste resultado dada por:
g h t quadrados das incertezas individuais.
= +2
g h t Seja a soma de dois nmeros x e y,
h 0,1
= = 0,7%
h 13,9
t 0,1
= = 6,3%
t 1,6
incerteza final = 0,7% + 2 x 6,3% = 13,3%
O resultado pode ser expresso como:
g = 10,9 m/s2 13% (3.11)
g = (10,9 1,5) m/s 11 2 m/s 2 2 para x e y eram xestimado + x e
Este exemplo ilustra como, s vezes,
simples estimar as incertezas de um
resultado. Ele tambm ilustra como a
anlise da incerteza pode determinar o
tamanho das incertezas e tambm reduzi-
lo. O exemplo tambm mostra que a
incerteza dominante a devida medio
do tempo e a incerteza da medio da
distncia desprezvel. Se se quiser
melhorar a incerteza da medio da
acelerao da gravidade, deve-se melhorar
a medio do tempo. Qualquer tentativa de
melhoria da medio da distncia perda
de tempo e esforo. Finalmente, o valor
aceito arredondado para g de 10 m/s2 e o
resultado acima est consistente com este
valor esperado, embora no seja muito
preciso (13%).
Propagao das Incertezas
3.6. Incertezas independentes na
soma
As regras apresentadas at agora
podem ser facilmente resumidas como:
1. Quando as quantidades medidas
so somadas ou subtradas, as
incertezas absolutas se somam.
2. Quando as quantidades medidas
so multiplicadas ou divididas, as
incertezas relativas se somam.
Ser visto, agora e aqui, como as
incertezas calculadas, sob certas
condies e usando-se estas regras,
podem ficar desnecessariamente muito
grandes. Especificamente, ser visto que,
quando se tem incertezas aleatrias e
independentes, o modo mais realista e
melhor de estimar a incerteza resultante
final pela raiz quadrada da soma dos
q = x + y, que foram medidos e expressos
na forma padro:
valor medido de x = xestimado x
e
valor medido de y = yestimado y
O argumento usado anteriormente era:
1. A melhor estimativa de q era
claramente
qestimado = xestimado + yestimado
2. Como os maiores valores provveis
yestimado + y, o maior valor provvel
para q era
xestimado + yestimado+ x + y
3. Do mesmo, o menor valor provvel
para q era
xestimado + yestimado - x - y (3.12)
4. Concluiu-se que o valor de q
provavelmente caia entre estes dois
nmeros e a incerteza em q era
q x + y
Para verificar que esta frmula
provavelmente superestima q, considere-
se como o valor real de q poderia ser igual
ao maior valor provvel. Obviamente, isto
ocorre se x foi subestimado pelo valor total
45

de x e y foi subestimado pelo valor total
de y, que um evento pouco provvel. Se
x e y so medidos independentemente e
as suas incertezas so naturalmente
aleatrias, tem-se uma chance de 50% de
subestimar x acompanhado de
superestimar y ou vice versa. Claramente,
a probabilidade de se subestimar tanto x
como y pelos valores totais de x e y
relativamente pequena. Deste modo, o
valor q x + y ultrapassa a incerteza
provvel.
Qual a melhor estimativa de q? A
resposta depende precisamente o que
significam as incertezas (isto , o que
significa a afirmao que q est
provavelmente em algum ponto entre
qestimado + q e qestimado q). A resposta
tambm depende das leis estatsticas que
governam as incertezas na medio.
Posteriormente, ser vista a distribuio
normal ou de Gauss, que descreve o
comportamento das medies sujeitas s
incertezas aleatrias. As leis mostram que
se as medies de x e y so feitas
independentemente e ambas so
governadas pela distribuio normal, ento
a incerteza em q = x + y dada por
q = ( x ) 2 + ( y ) 2 (3.13)
a2 + b2
b ser facilmente determinada (desde que se
a da rgua metlica e as temperaturas de
Fig. 3.1. Como qualquer lado de um tringulo
sempre menor que a soma dos outros dois, a
desigualdade a2 + b2 < a + b sempre verdadeira.
Quando se combinam dois nmeros,
tirando-se a raiz quadrada da soma de
seus quadrados, os nmeros so somados
em quadratura. Assim, a regra atrs da
equao anterior pode ser dita como: se as
medies de x e y so independentes e
ambas so sujeitas apenas a incertezas
aleatrias, ento a incerteza q no valor
calculado da soma q = x + y a soma em
Propagao das Incertezas
quadratura ou a raiz quadrada da soma
dos quadrados das incertezas x e y.
Comparando-se a eq. (3.13) para a
incerteza em q = x + y com a expresso
antiga :
q x + y (3.14)
percebe-se que:
1. A expresso da raiz quadrada
sempre menor que a expresso da
soma aritmtica (isto pode ser
facilmente visto considerando um
tringulo retngulo com os catetos
iguais a x e y e onde cada lado
sempre menor que a soma dos
outros dois, tem-se x 2 + y 2 < x + y.
2. A expresso da raiz quadrada
reflete a possibilidade de que uma
superestimativa de x seja cancelada
por uma subestimativa de y ou vice
versa.
Porm, h medies onde este
cancelamento no possvel. Seja por
exemplo, a soma de dois comprimentos x e
y medidos com uma mesma rgua
metlica, q = x + y.
Suponha-se que a principal fonte de
incerteza seja o medo que a rgua tenha
sido projetada para uso em temperatura
diferente que a real. Se a temperatura da
medio no conhecida ou se no se
tem um padro de comprimento para
calibrao da rgua, ento a medio
possui uma incerteza sistemtica, para
menos ou para mais. Esta incerteza pode
conhea o coeficiente de expanso termal
referncia e real).
O ponto, porm, que a medio
estar sempre superestimando ambos x e
y ou sempre subestimando x e y e nunca
haver um cancelamento, que justifique a
soma em quadratura de x e y para
computar a incerteza na soma q = x + y.
Em outras palavras, as medies de x e y
tem uma componente de incerteza
sistemtica e portanto no so
independentes.
Posteriormente, ser mostrado que a
incerteza na soma q = x + y, com medies
aleatrias ou no aleatrias, certamente
no maior que a soma x + y:
46

q x + y (3.15)
Ou seja, a equao antiga que
expressa a incerteza na soma igual soma
das incertezas, realmente um limite
superior que ocorre em todos os casos.
Quando se tem razes para suspeitar que
x e y no sejam independentes e
aleatrias, no se justifica usar a raiz
quadrada da soma dos quadrados. Por
outro lado, o limite garante que q
certamente no pior que x + y e deve-se
usar a velha regra da soma aritmtica
q x + y
Muitas vezes, as incertezas calculadas
com a soma aritmtica ou com a raiz
quadrada da soma dos quadrados so
muito parecidas. Por exemplo, sejam x e y
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
quadrados:
(x )2 + (y )2 = 4 + 4 mm = 2,8 mm 3 mm
Porm, se h suspeita que x e y sejam
dependentes ou haja incertezas
sistemticas, deve-se usar a soma
aritmtica:
x + y (2 + 2) mm = 4 mm
Em algumas situaes, a estimativa
das incertezas to grosseira que a
diferena entre os dois resultados no
importante. Em outras situaes, a raiz
quadrada da soma dos quadrados
significativamente menor que a soma
aritmtica.
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).
Propagao das Incertezas
Probleminha rpido 3.5.
Sejam dois volumes medidos em dois
frascos como
V1 = 130 6 mL
V2 = 65 4 mL
e o contedo do segundo frasco
colocado cuidadosamente no primeiro.
Qual a previso para o volume total V =
V1 + V2 e a incerteza V,
(a) assumindo que as incertezas
sejam independentes e aleatrias
(b) suspeitando que as incertezas
sejam dependentes ou haja causa
sistemtica.
Resposta:
(a) V = 195 7 mL ou 195 mL 4%
(b) V = 195 10 mL ou 195 mL 5%
Na seo anterior, foi discutido como
incertezas aleatrias independentes em
duas quantidades x e y se propagam para
causar uma incerteza na soma x + y. Para
este tipo de incerteza, as duas incertezas
individuais podiam ser combinadas na raiz
quadrada da soma dos quadrados. Estas
consideraes podem ser estendidas para
diferenas, produtos e quocientes. Como
ser visto na frente, em todos os casos, as
regras provisrias anteriores podem ser
modificadas, substituindo se as somas
aritmticas por razes quadradas da soma
dos quadrados. As expresses com as
somas aritmticas provaram ser os limites
superiores que sempre ocorrem, qualquer
que seja o tipo das incertezas, aleatrio ou
sistemtico, dependente ou independente.
Assim, as verses finais das duas regras
provisrias so as seguintes:
47

Incerteza nas Somas e Diferenas
Se vrias quantidades, x, y, ...w, so
medidas com incertezas x, y, ...w e
os valores medidos so usados para
computar
q = x + y + ...+ z (u + v + ... + w),
Se as incertezas em x, y, ... z, u, ...w,
so conhecidamente independentes e
aleatrias, ento, a incerteza no valor
computado de q a raiz quadrada da
soma dos quadrados das incertezas
individuais:
q = ( x ) 2 + ... + ( z ) 2 + ( u )2 + ...( w )2
(3.16)
Em qualquer caso, q nunca maior
que a soma aritmtica,
q x + y + ...+ z + u + v + ... + w
(3.17)
Incerteza nos Produtos e Quocientes
Se vrias quantidades, x, y, ...w, so
medidas com pequenas incertezas x,
y, ...w e os valores medidos so
usados para computar
x y ... z
q=
u v ... w
Se as incertezas em x, y, ... z, u, ...w,
so conhecidamente independentes e
aleatrias, ento, a incerteza relativa no
valor computado de q a raiz quadrada
da soma dos quadrados das incertezas
relativas individuais:
q x z u w considerada constante conhecida).
= ( )2 + ...( )2 + ( )2 + ... + ( )2
q x z u w Usando-se a regra antiga de considerar
(3.18)
Em qualquer caso, a incerteza
relativa nunca maior que a soma
aritmtica,
q x y z u w e
+ + ... + + ... +
q x y z u w
(3.19)
Propagao das Incertezas
Note se que ainda no foi justificado o
uso da raiz quadrada da soma dos
quadrados para incertezas aleatrias e
independentes. Foi apenas sugerido que,
quando as vrias incertezas forem
independentes e aleatrias, h uma grande
probabilidade de haver cancelamentos de
incertezas e que a incerteza resultante
sempre menor que a obtida com a soma
aritmtica das incertezas originais. A raiz
quadrada da soma dos quadrados tem
esta propriedade. A justificativa ser feita
posteriormente, utilizando os conceitos de
desvio padro e distribuio de Gauss.
Soma direta e em quadratura
s vezes, no h diferena significativa
entre as incertezas computadas pela soma
em quadratura e as computadas pela soma
aritmtica. Na maioria das aplicaes,
porm, h uma grande diferena e,
surpreendentemente, a soma em
quadratura geralmente mais simples para
computar. Para comprovar como esta
situao ocorre, seja o seguinte exemplo:
Quer se achar a eficincia de um motor
cc usando-o para levantar uma massa m
atravs de uma altura h. O trabalho
realizado mh e a energia eltrica
entregue pelo motor Vit, onde V a
tenso aplicada, i a corrente e t o
tempo em que o motor funciona. A
eficincia ento:
trabalho feito pelo motor
eficiencia =
energia entregue ao motor
mgh
e=
Vit
As medies de m, h, V e i so feitas
com incerteza de 1%. A medio do
tempo tem incerteza de 5%. A medio
de g tem incerteza desprezvel (ou g
a incerteza relativa no resultado final igual
soma aritmtica das incertezas relativas
individuais, tem-se:
e m h V i t
= + + + +
m h V i t
= (1 + 1 + 1 + 1 + 5)% = 9%
Se h confiana que todas as
incertezas sejam independentes e
48

aleatrias, pode-se computar a incerteza
resultante como a raiz quadrada da soma
dos quadrados:
e m 2 h 2 V 2 i 2 t 2
= ( ) +( ) +( ) +( ) +( )
e m h V i t
= (1%) + (1%) + (1%) + (1%) + (5%)
2 2 2 2 2 y = 50 2
= 29% 5%
Claramente, a raiz quadrada da soma
dos quadrados uma estimativa muito
menor para e. Para um algarismo
significativo, as incertezas em m, h, V e i
praticamente no contribuem para a
incerteza em e (so desprezveis) e a
incerteza em t significativa (
predominante). Tem-se:
e t
e t
Esta grande simplificao facilmente
entendida. Quando os nmeros so
somados em quadratura, eles so
elevados ao quadrado e depois somados.
O processo de elevar ao quadrado
aumenta exageradamente a importncia
dos nmeros grandes. Assim, se um
nmero 5 vezes maior que outro, seu
quadrado 25 vezes maior que o
quadrado do outro.
Este exemplo ilustra como combinar
incertezas em quadratura usualmente
melhor e geralmente mais fcil do que
combin-las em soma aritmtica. O
exemplo tambm ilustra o tipo de problema
em que os erros so independentes e
aleatrias, quando se justifica usar a raiz
quadrada da soma dos quadrados. As
cinco unidades (massa, comprimento,
tenso, corrente e tempo) so quantidades
fsicas totalmente diferentes, com
diferentes unidades e so medidas por
processos inteiramente independentes. Por
isso inconcebvel que uma fonte cause
incerteza em duas quantidades
simultaneamente.
Propagao das Incertezas
Probleminha rpido 3.6
Sejam os resultados de trs medidas
x = 200 2(200 1%)
( 50 4%)
z = 20 + 1 ( 20 5%)
onde as trs incertezas so independentes
e aleatrias.
(a) Qual o valor e incerteza para
q=x+yz
(b) Qual o valor e incerteza para r =
xy/z
Resposta: (a) 230 3 ou 230 9%
(b) 500 30 ou 500 6,5%
Exemplo
Como exemplo, considere o caso
simples de
a=bc
Para achar o erro de a, derivam-se os
dois lados da equao:
a = b - c
Quando est se falando de erros
possveis mximos, ento simplesmente se
somam os erros b e c para se obter o
erro mximo a. Mas, j se decidiu que
mais sensvel considerar os desvios
padro, ento tem-se:
a2 = b2 + c2)
Se em uma experincia particular se
sabe que as medies de b e c possuem
incertezas absolutas de b e c, ento a
resposta seria incorreta pela quantidade
a, dada como b + c. Quando no se
sabe exatamente os valores de b e c,
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

erros absolutos e no se devem considerar
os erros relativos, que so teis para os
produtos das medies.
3.8. Funo genrica de uma varivel
J foi visto como as incertezas,
dependentes ou independentes,
sistemticas ou aleatrias, insignificantes
ou predominantes, se propagam atravs
de somas, diferenas, produtos,
quocientes e potncias. Porm, h
aplicaes que envolvem relaes
matemticas mais complexas, como
funes trigonomtricas, raiz quadrada e
logaritmos e por isso necessrio saber
como as incertezas se propagam nestes
casos.
Como exemplo, seja a medio de
vazo com placa de orifcio, onde a
presso diferencial gerada pela placa e
medida pelo transmissor proporcional ao
quadrado da vazo. Para se calcular a
vazo, deve-se extrair a raiz quadrada
desta presso diferencial medida.
Um modo simples de visualizar o
clculo desenhar um grfico de q(x),
como na Fig. 3.2. A melhor estimativa de
q(x) qestimado = q(xestimado) e os valores
xestimado e qestimado so mostrados ligados
por linha cheia.
Para decidir qual a incerteza q,
empregado o argumento usual. O valor
mais provvel de x xestimado x. Usando
o grfico, pode-se encontrar
imediatamente o maior valor provvel de q,
que mostrado como qmax. Do mesmo
modo, procede-se com o menor valor
provvel, como mostrado. Se a incerteza
x pequena (o que geralmente
acontece), ento o trecho da curva
envolvido nesta construo
aproximadamente linear e qmax e qmin esto
igualmente espaados em torno de qestimado
. A incerteza q pode deduzida do grfico e
pode-se expressar o valor de q na forma
padro qestimado q.
Propagao das Incertezas
q q(x)
qmax
qestimado q
qmin q
xestimado + x
xestimado - x
x
xestimado
Fig. 3.2. Grfico de q(x) versus x. Se x medido
como xestimado x, ento a melhor estimativa para
q(x) qestimado = q(xestimado). Os valores mximo e
mnimo de q(x) correspondem aos valores
xestimado x de x.
Da Fig. 3.2. pode-se ver que
q = q(xestimado + x) q(xestimado)
Agora, uma aproximao bsica de
clculo garante que, para qualquer funo
q(x) e qualquer pequeno incremento u,
dq
q(x + u) q(x) = u
dx
Assim, desde que a incerteza x
pequena, como quase sempre acontece,
tem-se
dq
q = x (3.21)
dx
Assim, para se achar a incerteza q,
onde q funo de x, calcula-se a
derivada dq/x e a multiplica pela
incerteza x.
A regra (3.21) ainda no est na sua
forma final. Ela foi derivada para uma
funo, como a mostrada na Fig. 3.2, onde
a inclinao sempre positiva. Curva com
inclinao negativa fornece derivada
negativa. Aqui, o mximo valor provvel
qmax obviamente corresponde ao valor
mnimo de x, de modo que
dq
q = x (3.22)
dx
50

Como dq/dx negativa, pode se
escrever dq/dx como |dq/dx| e tem-se a
seguinte regra geral.
Incerteza em Qualquer Funo de Uma
Varivel
Se a quantidades x medida com
incerteza x e usada para calcular a
funo q(x), ento a incerteza q dada
por
dq
q = x (3.23)
dx
Esta regra geralmente permite
encontrar q fcil e rapidamente.
Ocasionalmente, quando q(x) for muito
complexa, calcular sua derivada pode ser
difcil e recomendvel e mais fcil usar
(3.20). Quando se usa uma calculadora
programvel ou um programa de
computador para achar q(x), ento achar
q(xestimado + x) e q(xestimado) e sua diferena
pode ser mais fcil que derivar q(x)
explicitamente.
Exemplo: Incerteza em um cosseno
Como aplicao simples da regra geral,
seja o angulo medido como:
= 20 3o
e se quer encontrar cos . A melhor
estimativa de cos cos 20o = 0,94 e de
acordo com a regra, a incerteza
d cos
(cos) =
d
= |sen | (radiano) (3.24)
indicado expressar x em radiano,
porque a derivada de cos sen
somente se for expresso em radiano.
Como = 3o e = 0,05 rad, tem-se
(cos ) = (sen 20o) x 0,05
= 0,34 x 0,05 = 0,02
Assim, o resultado final
cos = 0,94 + 0,02
Propagao das Incertezas
Probleminha rpido 3.7
Seja o resultado de uma medida x igual
a 3,0 0,1. Calcular q = ex, com sua
incerteza. (A derivada de ex ex).
Resposta: q = e3 e3 x 0,1 = 20 2
Como outro exemplo da regra, pode-se
derivar e generalizar um resultado
encontrado em (3.5). Seja a medio da
quantidade x e se queira calcular q = xn,
onde n um nmero conhecido, exato,
positivo ou negativo. De acordo com a
regra, a incerteza resultante em q :
dq
q = x = nx n1 x
dx
Se ambos os lados forem divididos por
q = x n , tem-se:
q x
=n
q x
isto , a incerteza relativa em q = xn |n|
vezes a incerteza relativa de x. Para o
caso particular da raiz quadrada,
q = x onde n = ,
q 1 x
=
q 2 x
isto , a incerteza relativa em x a
metade da incerteza relativa de x. De
modo anlogo, a incerteza relativa de
1/x = x-1 a mesma que a incerteza
relativa em x.
A regra da incerteza da potncia um
caso especial da regra da incerteza da
multiplicao (potenciao uma
multiplicao de vrios fatores iguais entre
si). Porm, por sua importncia, pode-se
enunciar uma regra separada para a
potncia, como:
51
 Propagao das Incertezas

(Isto diferente do caso linear, onde eram

Incerteza na Potncia considerados os erros absolutos).
Se a quantidades x medida com As funes
incerteza x e usada para calcular a f = xy
potncia q(x) = xn, onde n um nmero
fixo e conhecido) ento a incerteza e
relativa em q |n| vezes a incerteza f = x/y
relativa em x, ou seja
so muito comuns e para ambas vale a
q x
=n (3.26) relao:
q x

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

2. achar a incerteza no produto
z sen u
3. achar a incerteza na diferena
y z sen u
4. finalmente, calcular a incerteza no
produto completo x(y z sen u)
Probleminha rpido 3.9
Sejam os resultado de trs medidas
x = 200 2 (200 1%)
y = 50 2 (50 4%)
z = 40 2 (40 5%)
onde as trs incertezas so independentes
e aleatrias. Usar a propagao passo-a-
passo para achar a quantidade q = x/(y-z)
com sua incerteza. [Primeiro achar a
incerteza na diferena (y z) e depois no
quociente x/(y-z)].
Resposta:
1. (y z) = 10 3 = 10 30% (Usado o algoritmo da
soma em quadratura)
2. x/(y-z) = 20 (1% + 30%) = 20 6
Devem ser enfatizados trs pontos
gerais na propagao das incertezas:
1. Como as somas e subtraes
envolvem incertezas absolutas
(como x) e os produtos e
quocientes envolvem incertezas
relativas (como [x/|x|]), os clculos
exigem a passagem de incertezas
relativas para absolutas e vice-
versa.
2. Uma caracterstica importante e
simplificadora de todos os clculos
nestas incertezas que se deve
trabalhar quase sempre com
apenas um algarismo significativo,
de modo que os clculos possam
ser feitos mentalmente e muitas
incertezas muito pequenas possam
ser desprezadas completamente.
3. Existem aplicaes envolvendo
funes q(x) cuja incerteza no
pode ser encontrada com
confiabilidade aplicando-se o
mtodo do passo-a-passo
mostrado. Estas funes sempre
Propagao das Incertezas
envolvem, no mnimo, uma varivel
que aparece mais de uma vez.
Exemplo de funo que no pode ter
incerteza calculada pelo mtodo anterior
q = y x (sen y)
Esta funo a diferena de dois
termos: y e (x sen y), porm estes dois
termos no so independentes, pois y
aparece em ambos. Assim, para achar a
incerteza no resultado, deve-se somar
aritmeticamente as incertezas e no usar a
raiz quadrada da soma dos quadrados. Em
algumas aplicaes, este tratamento pode
resultar em incertezas maiores que as
verdadeiras. Para evitar esta
superestimativa da incerteza ser
desenvolvido outro mtodo
3.10. Exemplos
Sero apresentados, agora e aqui, trs
exemplos do tipo de clculo encontrado em
laboratrio. Nenhum dos exemplos
complicado; de fato, poucos problemas
reais so mais complicados que estes
exemplos.
Exemplo 1: Medio de g com pndulo
Seja a medio da acelerao da
gravidade, g, usando um pndulo simples,
de comprimento L. O perodo T do pndulo
vale:
L
T = 2
g
Assim, a partir das medies de T e L,
pode-se determinar g, como:
4 2L
g=
T2
Esta expresso envolve o produto e
quociente de trs fatores: 42, L e T2. Se
todas as incertezas forem aleatrias e
independentes, a incerteza relativa do
resultado a raiz quadrada da soma dos
quadrados das incertezas de cada fator. O
fator 42 no tem incerteza e a incerteza
relativa de T2 o dobro da incerteza
relativa de T.
53
 Propagao das Incertezas

A incerteza relativa de g dada como: sen i

n=
sen r
2 2
g L T
= + 2 A incerteza do ngulo de refrao
g L T
calculada pelos passos:
1. incerteza do seno dos ngulos
Foram feitas medies de 25 2. incerteza do quociente dos senos
oscilaes, com um cronmetro com ou seja,
incerteza de 0,1 s e obtidos os seguintes 2 2
resultados: n sen i sen r
= +
n sen i sen r
L = 92,95 + 0,01 cm
T = 1,936 0,004 s
i
A melhor estimativa para g dada por: Ar
Vidro
4 2 (92,95 cm)
gestimado = = 979 cm/s 2
(1,936 s)2
r

As incertezas relativas de cada fator so:

Fig. 3.5. Os ngulos de incidncia i e refrao r quando um raio de
luz passa do ar para o vidro
L
= 0,1%
L
T Para achar a incerteza relativa no seno
= 0,2%
T de qualquer ngulo , tem-se

resulta em
g ou seja
= (0,1)2 + (0,2)2 % = 0,4%
g
g = 0,004 x 979 cm/s2 = 4 cm/s2
O resultado final :
g = 979 4 cm/s2
(Comparando-se este resultado com o
valor usual de 981 cm/s2, verifica-se que o
resultado inteiramente satisfatrio).
Exemplo 2: ndice de refrao
Se um raio de luz passa do ar para o
vidro, o angulo de incidncia i e de
refrao r so definidos como na Fig. 3.5 e
esto relacionados pela lei de Snell:
sen i = n sen r
onde n o ndice de refrao do vidro.
Assim, medindo-se os ngulos i e r, pode-
se determinar o ndice de refrao n, como
d sen
sen =
d
sen = cos (em radianos)
A incerteza relativa
sen
= cot (rad)
sen
Sejam os resultados das medies dos
ngulos i e r, como mostrados nas
primeiras duas colunas da Tab. 3.1, com
incertezas de 1o ou 0,02 rad. O clculo de
n = sen i/sen r facilmente feito, como
mostrado nas trs prximas colunas da
Tab. 3.1. A incerteza em n pode ser
encontrada como nas ltimas trs colunas.
As incertezas relativas em sen i e em sen r
so calculadas usando cot e finalmente a
incerteza em n obtida.
Antes de fazer uma srie de medies
como as duas mostradas na Tab. 3.1,
pode-se pensar cuidadosamente como
melhor registrar os dados e os clculos. A
apresentao atravs de uma tabela

54
 Propagao das Incertezas

1. torna mais fcil a visualizao dos 3. possibilita o seguimento e

dados verificao dos clculos.
2. reduz o perigo de enganos nos
clculos

Tab. 3.1. Caminho para determinar ndice de refrao

i (grau) r (grau) sen i sen r n sen i sen r n

1o 1o | sen i | | sen r | n
20 13 0,342 0,225 1,52 5% 8% 9%
40 23,5 0,643 0,399 1,61 2% 4% 5%

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:

L = 5,00 0,05 cm (1%) Como a incerteza percentual de s

s = 100,00 0,2 cm (0,2%) muito pequena em relao s outras
incertezas, ela desprezada. Assim, tem-
t1 = 0,054 0,001 s (2%)
se:
3.34)
L2
t2 = 0,031 0,001 s (3%) = 0,125 cm 2% (3.35)
2s
Destes valores, pode-se calcular

55

Para calcular o segundo fator e sua
incerteza, procede-se passo a passo.
Como a incerteza relativa em t1 2%, a
incerteza em 1/t12 de 4%. Como t1 =
0,054 s,
1/t12 = 343 s-2 4% = 343 14 s-2
Tambm, a incerteza de 1/t22 de 6% e
1/t22 = 1041 s-2 6% = 1041 62 s-2
Fazendo a subtrao e combinando as
incertezas em raiz quadrada da soma dos
quadrados, tem-se
1 1
= 698 64 s - 2 = 698 s - 2 9% (3.36)
t 22 t 12
Finalmente, a acelerao a obtida
pelo produto destes dois fatores e a sua
incerteza obtida pela raiz quadrada da
soma dos quadrados das respectivas
incertezas relativas. Tem-se
a = (0,125 cm 2%) (698 s-2 9%)
a = 87,3 cm/s2 9%
ou
a = 87 8 cm/s2
Este resultado pode ser comparado
com o obtido atravs de gsen, se
disponvel.
Vrias caractersticas interessantes
podem ser observadas neste exemplo:
1. A incerteza de 2% no fator (L2/2s)
desprezvel em relao incerteza
de 9% no fator (1/t12) (1/t22). Se
forem necessrios outros clculos
para novas medies, as incertezas
de L e s podem ser ignoradas, pois
so insignificantes.
2. As incertezas de 2% e 3% em t1
e t2 crescem para 9%, quando se
calculam 1/t12 e 1/t22 e a diferena
(1/t12) (1/t22). Este crescimento
resulta parcialmente de elevar ao
quadrado os tempos e fazer a
diferena entre dois nmeros
grandes. Se algum pensar em
alterar a experincia, aumentando a
velocidade do corpo (dando-lhe um
empurro inicial), os tempos
diminuem e os efeitos nas
incertezas pioram muito.
Propagao das Incertezas
3.11. Frmula geral para propagao
da incerteza
At agora foram estabelecidas trs
regras para a propagao das incertezas:
1. para a soma ou subtrao
2. para o produto ou quociente
3. para funes arbitrrias de uma
varivel.
Foi visto tambm, como a computao
de uma funo complexa pode ser
quebrada em passos e a incerteza na
funo computada por passos, usando as
trs regras simples.
Aqui e agora, ser dada uma nica
forma para uma regra geral, da qual
podem ser derivadas as trs regras
anteriores e atravs da qual se pode
resolver qualquer problema de propagao
de incerteza. Embora esta frmula parea
complicada de usar, primeira vista, ela
teoricamente til. Ela tambm resolve o
problema j mostrado, quando se tem uma
quantidade que funo de uma varivel
mais de uma vez e portanto as incertezas
so dependentes.
Para ilustrar este tipo de problema, seja
a quantidade q funo de trs variveis
(3.37) medidas x, y e z:
x+y
q= (3.38)
x+z
onde a varivel x aparece duas vezes.
Quando se calcula a incerteza q em
etapas, tem-se:
1. computao da incerteza de x + y
2. computao da incerteza de x + z
3. computao da diviso (x+y)/(x+z)
Procedendo deste modo, perde-se
completamente a chance de que as
incertezas do numerador devidas a x
possam, de algum modo, cancelar as
incertezas do denominador devidas
tambm a x.
Para entender como pode haver este
cancelamento, sejam os nmeros x, y e z,
todos positivos e veja-se o que ocorre na
medio de x sujeita incerteza. Quando a
incerteza de x superestimada, as duas
somas (x+y) e (x+z) so igualmente
superestimadas de modo que estas
superestimativas sero canceladas. O
mesmo ocorre quando a incerteza em x
subestimada. Deste modo, qualquer
56

incerteza em x cancelada quando se faz
a diviso (x+y)/(x+z) e este cancelamento
no considerado quando se procede por
passos.
Sempre que uma funo envolve a
mesma quantidade mais de uma vez,
algumas incertezas podem ser
canceladas. Quando ocorre este
cancelamento, o clculo feito por etapas
tem incerteza do resultado superestimada.
O nico modo de considerar o
cancelamento e evitar a superestimativa da
incerteza calcular a incerteza em uma
nica etapa, como ser visto agora.
s vezes, uma funo que envolve uma
varivel mais de uma vez pode ser rescrita
de forma diferente, usando a varivel uma
nica vez. Por exemplo,
q = xy - xz
pode ser rescrita como
q = x(y z)
Neste caso, a primeira expresso no
pode ter a incerteza calculada por etapas,
porm, a segunda expresso pode ter a
incerteza calculada por etapas, sem
problema nenhum.
Sejam duas quantidades x e y, que so
medidas para calcular a funo q(x, y).
Esta funo pode ser to simples como q =
x + y ou to complicada como q = (xy3
senxy)
Para uma funo q(x) de uma nica
varivel x, argumentou que a melhor
estimativa para x o nmero xestimado e por
isso a melhor estimativa para q(x)
q(xestimado). Depois, argumentou-se que os
valores provveis extremos (ou seja, o
maior e o menor) de x so xestimado x e
que os valores extremos correspondentes
de q so portanto
q(xestimado x) (3.39)
Finalmente, foi usada a aproximao
dq
q( x + u) = q( x ) + u (3.40)
dx
(para qualquer incremento pequeno u)
para reescrever os valores provveis
extremos (3.39):
Propagao das Incertezas
dq
q( x estimado ) x (3.41)
dx
onde o valor absoluto para permitir a
possibilidade de dq/dx ser negativa. O
dq
resultado (3.41) significa que q x .
dx
Quando q funo de duas variveis,
q(x, y), o argumento similar. Se xestimado e
yestimado so as melhores estimativas para x
e y, espera-se que a melhor estimativa
para q seja
qestimado = q(xestimado, yestimado)
como usual. Para estimar a incerteza neste
resultado, necessrio generalizar a
aproximao (3.40) para uma funo de
duas variveis. A generalizao a ser feita
q q
q( x + u, y + v ) q( x, y ) + u+ v (3.42)
x y
onde u e v so pequenos incrementos em
x e y e q/x e q/y so as derivadas
parciais de q em relao a x e a y. Ou
seja, q/x o resultado da derivada de q
em relao a x, mantendo-se y constante e
q/y o resultado da derivada de q em
relao a y, mantendo x constante.
Os valores provveis extremos para x e
y so xestimado x e yestimado y. Se estes
valores forem inseridos em (3.42) e
lembrando que q/x e q/y podem ser
positivas ou negativas, para os valores
extremos de q,
q q
q( x estimado , y estimado ) x + y
x y
Isto significa que a incerteza em q(x, y)
vale
q q
q x + y (3.43)
x y
Aplicando-se esta regra a uma funo
simples j conhecida da soma x + y,
q(x, y) = x + y
57
 Propagao das Incertezas

q q
Tem-se = =1
x y q q
q x + ... + z (3.48)
e portanto x z

q = x + y (3.46) Embora tenha-se o preconceito de

achar as eq. (3.47) e (3.48) muito
Aplicando-se esta regra funo complicadas, elas podem ser facilmente
tambm conhecida q(x,y) = xy entendidas, quando se pensa em cada
termo por vez.
Tem-se Por exemplo, seja a quantidade q
funo das variveis x, y, ... z. Em
q determinado momento, suponha-se que
=y
x todas as variveis, exceto x, sejam
e constantes. Neste momento, somente a
q varivel x est sujeita incerteza e todas
=x as outras incertezas, y, ... z so zero.
y
Como a funo q contem somente uma
varivel, sua incerteza vale:
Ento
q
q= yx + xy q = x (se y = ...= z = 0) (3.49)
x
Dividindo ambos os termos por xy e O termo |q/x|x a incerteza parcial
sendo q = xy, tem-se em q causada apenas pela incerteza em x.
Do mesmo modo, o termo |q/y|y a
q x y incerteza parcial em q causada apenas
= +
q x y pela incerteza em y. Considerando todas
as incertezas independentes e aleatrias, a
A regra (3.43) pode ser generalizando incerteza total de q a raiz quadrada da
de vrios modos. No se deve ficar soma dos quadrados das incertezas
surpreso se descobrir que, quando as devidas x, y, ..., z.
incertezas dx e dy so independentes e Assim, quando se tiver uma quantidade
aleatrias, a soma (3.43) pode ser funo de muitas variveis, q(x,y,...,z) e se
substituda pela soma em quadratura. Se a quiser calcular a incerteza em q:
funo q depende de mais de duas 1. Calcular as incertezas parciais em q
variveis, ento simplesmente se adiciona devidas a x, y, ..., z
termos extras para cada varivel extra. separadamente.
Deste modo, chega-se a seguinte regra 2. Achar as derivadas parciais de q
geral, irrestrita e completa: em relao a cada varivel
3. Multiplicar cada incerteza pela
Incerteza em funo de muitas variveis derivada parcial correspondente
Sejam as quantidades x, y, ..., z 4. Elevar ao quadrado cada fator
medidas com incerteza x, y, ..., z, e 5. Somar todos os fatores
usadas para calcular a funo 6. Extrair a raiz quadrada da soma.
q(x,y,...,z). Se as incertezas so
aleatrias e independentes, ento a
incerteza q dada por

2 2
q q
q = x + ... + z (3.47)
x z

Em qualquer caso, ela nunca maior

que a soma aritmtica:

58

Exemplo para uso da eq. (3.47)
Determinar a quantidade
q = x2y xy2
e sua incerteza, a partir das seguintes
medies:
x = 3,0 0,1
y = 2,0 0,1
A melhor estimativa de q
q = 2,02 x 3,0 2,0 x 3,02 = 6,0
Para determinar q
1. Acha-se a incerteza qx , incerteza
em q devida apenas a x
q incertezas e o processo por etapas
q x = x (3.50)
x
qx = |2xy y2| x = |12 4| x 0,1 = 0,8
2. De modo anlogo, acha-se
qy = (incerteza em q devida apenas a y)
q Seja a experincia com os seguintes
q y = y (3.51)
y
qy = |x2 2xy| y = |9 12| x 0,1 = 0,3
3 Acha-se a raiz quadrada da soma dos
quadrados das duas incertezas:
q = (q x ) 2 + (q y ) 2 (3.52)
q = 0,8 2 + 0,3 2 = 0,9
Assim, o resultado final :
q = 6,0 0,9
O uso de (3.47) ou (3.48) para calcular
incertezas razoavelmente direto, quando
se segue o procedimento usado neste
exemplo:
1. calcular cada contribuio para x
2. combinar as incertezas para dar a
final
Propagao das Incertezas
O procedimento divide o problema em
pequenos clculos que so mais fceis e
onde dificilmente se comete engano.
Tambm se percebe quais as variveis
que contribuem com incertezas
desprezveis e dominantes. No exemplo
anterior, a incerteza de 0,3 quase
desprezvel quando comparada com 0,8 e
quando ambas so somadas em
quadratura.
Resumindo:
1. Quando possvel aplicar o
processo de etapas, ele
usualmente mais simples que a
regra (3.47) ou (3.48). Ele se aplica
quando as incertezas forem
aleatrias e independentes.
2. Se a funo q(x, y, ..., z) envolve
uma varivel mais de uma vez,
pode haver cancelamento de
pode dar resultado muito maior que
o razoavelmente esperado e neste
caso recomenda-se usar a regra
(3.47) ou (3.48) em uma nica
etapa.
Exemplo com incertezas aleatrias e
sistemticas
resultados:
R1 = (2,0 0,1 k) 1%
V1 = (1,00 0,02 V) 10% (1.32)
V2 = (1,30 0,02 V) 10%
Onde os primeiros erros so os
aleatrios da leitura e os ltimos so os
erros sistemticos possveis nos vrios
instrumentos.
Embora os erros aleatrios e
sistemticos sejam de natureza diferentes,
s vezes, se quer estimar o erro total com
um nico nmero e no de modo
separado, como mostrado acima. Assim,
os erros devem ser somados em
quadratura (erro resultante igual raiz
quadrada da soma dos quadrados de cada
erro). No exemplo acima, tem-se:
R1 = 2,0 0,1 k (aleatrio) + 0,02 k
(sistemtico) = (2,0 0,1) k
V1 = 1,00 0,02 V (aleatrio) + 0,10 V
(sistemtico) = (1,00 0,10) V
59

V2 = 1,30 0,02 V (aleatrio) + 0,13 V
(sistemtico) = (1,30 0,13) V
Quando se expressa o erro total com
um nico nmero, perde-se a distino
entre os erros componentes aleatrio e
sistemtico, que poderia ser importante.
Quanta ao valor da exatido da relao
V2 V1, a resposta depende se usado
um nico voltmetro ou dois voltmetros
separados para medir as duas tenses.
Quando se usa um nico medidor, as
exatido so dependentes e quando se
usam dois medidores, as exatides so
independentes ou no h correlao entre
elas.
Quando se tem duas exatides sem
correlao entre elas, por exemplo, ambas
iguais a 10%, na combinao linear tem-se
a resultante igual raiz quadrada da soma
dos quadrados de cada exatido.
V2 V1 = (1,30 0,13) (1,00 0,10) V
= (0,30 0,16) V
Quando se tem o mesmo instrumento
para fazer as duas medies, as duas
exatides tm correlao entre si, por
exemplo, ambas iguais a 10%, na
combinao linear tem-se a exatido
relativa resultante tambm de 10%:
V2 V1 = [(1,30 0,02) (1,00 0,02)] 10%
V2 V1 = 0,30 0,03 10%
V2 V1 = 0,30 0,03 0,03
V2 V1 = 0,30 0,04 V
Talvez parea estranho que a relao
V2 V1, que uma combinao linear,
envolva erros relativos. Isto por que a
incerteza na calibrao dos voltmetros
expressa em termos de um fator de escala
f = 1,00 10%. Assim, o valor verdadeiro
Vt dado em termos da tenso medida Vm
como
Vt = Vm f
e a diferena das tenses vale:
V2t V1t = (V2m V1m) f
Propagao das Incertezas
Assim, est se lidando com um
produto, que explica porque so usados os
erros relativos.
Por outro lado, se o medidor tem algum
erro de zero sistemtico (que o mesmo
para V2 e V1), seu efeito se cancelaria em
V2 V1 e assim seu valor seria irrelevante.
Seja agora a relao das tenses V2/V1.
Neste caso, usado o mesmo instrumento
para medir V2 e V1 e por isso o erro de
escala possvel de 10% irrelevante para
V2/V1, quando se cancela. Porm, a
relao V2/V1 depende do erro de zero do
instrumento.
Exemplo: resistncia atravs de
tenso e corrente
Deseja-se determinar o erro de uma
resistncia cujo calculado pela relao
V2 V1
R2 = R1
V1
com os valores medidos dados como
R1 = (2,0 0,1 k) 1%
V1 = (1,00 0,02 V) 10% (1.32)
V2 = (1,30 0,02 V) 10%
Agora, a eq. (1.1) rescrita como:
V
R 2 = 2 1R1
V1
Os passos necessrios para calcular o
erro em R2 so os seguintes:
V
1. Como R2 o produto de 2 1 e
V1
R1, o erro relativo de R2 igual aos
erros relativos destas quantidades.
V
2. O erro absoluto em 2 1 igual
V1
V
ao erro absoluto em 2
V1
V
3. O erro relativo em 2
V1
determinado pelos erros relativos de
V1 e V2.
60
 Propagao das Incertezas

Quando se trabalha com o mesmo R2 = 0,60 0,36 k

instrumento para medir V1 e V2, trabalha-se
com os mesmos passos, mas na ordem
inversa:
1. Deve-se conhecer os erros em
V2
. Desde que o erro de escala e quocientes, pode-se usar a eq. (1.30)
V1
sistemtico se cancela, deve-se
considerar somente os erros de
leitura aleatrios em V1 e V2 e assim
Esta exatido muito pior, porque no
se pode ignorar as incertezas da
calibrao dos voltmetros.
Em vez de trabalhar atravs de
combinaes de funes lineares, produtos
para obter:
f 2
n
2

=
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

V Atravs desta frmula chega-se a

2. O valor de 2 1
V1
0,30 0,03 V. Assim, embora o erro R2 = 0,60 0,33 k
absoluto seja o mesmo que para
V2
, o erro relativo maior (10%). Pode-se pensar que tambm seja
V1 possvel se obter o erro de R2 da relao
V V1
3. O valor de R2 0,60 0,07 k R2 = 2 R1 , considerando os trs
V1
Quando se tem dois voltmetros
diferentes, os efeitos sistemticos em V1 e fatores: (V2 V1), R1 e 1/V1. O erro da
V2 no mais se cancelam e geralmente os diferena (V2 V1) facilmente obtido e os
erros sistemticos predominam sobre os erros de R1 e V1 so conhecidos. Assim,
erros aleatrios das tenses. poder-se-ia combinar facilmente estes trs
erros relativos para obter o erro relativo de
Assim, R2. O problema que, independe da
questo de V1 e V2 serem medidas por
V2 (1,30 10%) instrumentos iguais ou diferentes, o erro
= em V1 depende do erro de (V2 V1), pois
V1 (1,00 10%)
V1 ocorre em ambos. Assim, incorreto
usar qualquer frmula que combine erros
V2 assumidos independentes para lidar com
= (1,30 0,18) V = 1,30 V 14% erros dependentes. Conclui-se que, se a
V1 mesma medio ocorre mais de uma vez
em uma formula, errado assumir que
Ento, elas possam ser tratadas como tendo erros
independentes. Os dois mtodos vistos
anteriormente evitam este problema.
V2
1 = 0,30 0,18
V1
e

61
 Propagao das Incertezas

algumas pessoas adotam a estratgia de

3.12. Combinando resultados de escolher o maior entre i/ n e s/ n para
experincias diferentes o erro na mdia.
Quando vrias experincias medem a As eq. (1.35) e (1.36) esto de acordo
mesma quantidade fsica e d um conjunto com o bom senso, quando experincias
de respostas ai com erros diferentes i, separadas tem fornecido diferentes
ento a melhor estimativa de a e sua exatides i, usando os mesmos
exatido so dadas por: instrumentos mas tirando a mdia de
diferentes nmeros ni de medies
repetidas. Neste caso, i so proporcionais
a
2i a 1/ n .
a= i Ento, tem-se
1
2
i
a= ni a i
e ni
1 1
= 2
i n = ni
2

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

Mdia e varincia Combinando incertezas

Foram obtidas as seguintes medies, Achar a tenso total atravs de dois
em gramas, de um inseto, todas com a resistores em srie, quando as tenses
mesma preciso: atravs de cada um valem 10,0 V e 5,0 V,
ambas medidas com um erro aleatrio de
5,0 5,3 5,9 5,3 5,2 10%.
5,7 5,4 5,1 4,8 5,3 Como a tenso final vale V1 + V2 ,
deve-se combinar os erros absolutos, e
Qual a melhor estimativa e qual a no com os erros relativos. Assim, tem-se:
preciso?
A mdia vale: (10,0 1,0) V + (5,0 0,5) V e o

53,0 resultado final (15,0 1,1) V.

m= g = 5,3 g
10
Se em vez de um erro relativo de 10%
O desvio padro igual a 0,3 g. nas tenses devidas incerteza da
O erro da mdia igual a calibrao de um nico voltmetro, que foi
usado para medir as duas tenses, a
0,3 tenso total seria dada por V = (V1 + V2) f,
g = 0,1g onde f = 1,0 0,1, o fator de escala
10
relacionando a tenso verdadeira com a
leitura do instrumento e estaria assumindo
Assim, o resultado final :
que os erros aleatrios so desprezveis.
Neste caso, o resultado final seria
(5,3 0,1) g ou 5,3 g 2%
Usando uma distribuio gaussiana V = (15,0 1,5) V
Mede-se o ganho de corrente de um
Determinar a tenso V atravs de um
transistor e obtm-se 201 12. O valor resistor, atravs da lei de Ohm: V = R x I,
esperado 177 9. Assumindo que onde
ambos so distribudos conforme Gauss,
as medies so consistentes? I = 20 2 mA
A diferena vale: 201 177 = 24
R = 1,0 0,1 k.
O erro da diferena vale
122 + 9 2 = 15. Como se tem um produto, os erros
relativos que so importantes e por isso
Assim, quer-se saber qual a deve-se rescrever como:
probabilidade que a diferena observada
se desvio de zero, no mnimo de 24, se a I = 20 mA 10%
diferena verdadeira fosse zero e se a R = 1,0 k + 10%
experincia foi feita com uma preciso de
15. A discrepncia (24) igual a 1,6 x 15 Assim,
e das tabelas da distribuio de Gauss,
acha-se que a rea fracional alm de 1,6 V = 20 V 14% ( 10 2 + 10 2 )
r 10%. Assim, em cerca de uma
experincia em dez, se esperaria uma
Ou,
flutuao aleatria para dar um desvio de,
no mnimo, este valor, assumindo os dois
V = (20 3) V
valores realmente consistentes. Esta
probabilidade no parece ser muito
pequena, de modo que deve-se ficar feliz
para aceitar as duas medies como
consistentes.

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

102 4 (diferente do 103 6)

O erro do resultado menor que os

erros individuais de cada medio.
Quando os erros de duas medies so
muito diferentes, percebe-se melhor a
diferena entre os erros da mdia
ponderada e da mdia simples. Por
exemplo, sejam duas medies de
100 5
94 20
A melhor estimativa 100 5 e a
mdia simples daria 97 10. como se
considerasse apenas a melhor medio e
desprezasse a pior e realmente isto o
que acontece, quando se usam as eq.
(1.35) e (1.36).

64
 Propagao das Incertezas

Definies e Equaes q = Bx, ento

Regra da raiz quadrada para contagem x = |B| x

Se so observadas ocorrncias de um ou de modo equivalente,
evento que acontece aleatoriamente mas
com uma taxa definida mdia e contado q x [Ver (3.9)]
um nmero de ocorrncias durante um
q x
tempo T, a estimativa para o nmero
mdio verdadeiro
Incerteza na potncia
nmero mdio de eventos no tempo T =
Se n um nmero exato e
[Ver (3.2)]
q = xn , ento
Regras para propagao da incerteza
As regras de propagao da incerteza q
=n
x [Ver (3.26)]
se referem a uma situao em que se tem q x
vrias quantidades x, y, ..., w com
incertezas x, y, ..., w e ento so Incerteza em uma funo de uma varivel
usados estes valores para se calcular a Se q = q(x) qualquer funo de x, ento
quantidade q. As incertezas em x, y, ..., w dq
se propagam atravs do clculo para q = x [Ver (3.23)]
dx
causar uma incerteza em q como segue:

Somas e diferenas s vezes, se q(x) for complicada e se

foi escrito um programa para calcular q(x),
Se
ento, em vez de derivar q(x) em relao a
q = x + y + ... + z (u + v + ... + w)
x, pode ser mais fcil usar o equivalente:
ento
q = q(xestimado + x) q(xestimado)
q = (x )2 + ... + (z)2 + (u)2 + ...( w )2
[Ver (3.16)] Propagao da incerteza
desde que todas as incertezas sejam
Se q = q(x, y, ..., z) qualquer funo
independentes e aleatrias e sempre
de x, y, ..., z, ento
q x + y + ...+ z + u + v + ... + w 2 2
[Ver (3.17)] q q
q = x + ... + z [Ver (3.47)]
x z
Produtos e quocientes
Se desde que todas as incertezas sejam
x y ... z , ento independentes e aleatrias.
q=
u v ... w Sempre tem-se
q q
q x + ... + z [Ver (3.48)]
q x z u w x z
= ( )2 + ...( )2 + ( )2 + ... + ( )2
q x z u w
[Ver (3.18)]
desde que todas as incertezas sejam
independentes e aleatrias. E sempre
q x y z u w
+ + ... + + ... +
q x y z u w
[Ver (3.19)]

Quantidade medida vezes nmero exato

Se B considerado uma constante e Apostilas\Incerteza JRTaylor2.doc 25 SET 98 (Substitui 29 JAN 98)

65

Incertezas Aleatrias
4.1. Introduo
O melhor modo para aumentar a
confiabilidade de uma medio repeti-la
vrias vezes e analisar os diferentes
valores obtidos. Neste captulo, sero
vistos os mtodos para analisar as
medies feitas deste modo.
Nem todos os tipos de incertezas
experimentais podem ser tratados por
anlise estatstica baseada em medies
repetidas. Por este motivo, as incertezas
so classificadas em dois tipos:
1. incertezas aleatrias, que podem
ser tratadas estatisticamente
2. incertezas sistemticas, que no
podem.
Esta diferena descrita na seo 4.1.
O resto do captulo trata principalmente
das incertezas aleatrias. A seo 4.2
introduz, sem justificativa formal, duas
definies importantes relacionadas com
sries de valores medidos x1, x2, ..., xN,
todos de alguma nica quantidade x.
definida a mdia de x1, x2, ..., xN. Sob
condies convenientes, a mdia a
melhor estimativa de x baseada nos
valores medidos x1, x2, ..., xN. Depois
definido o desvio padro de x1, x2, ..., xN. A
seo 4.4 introduz a noo importante do
desvio padro da mdia. Este parmetro
caracteriza a incerteza na mdia como a
melhor estimativa de x. Finalmente na
seo 4.6 trata-se de novo do problema
complicado das incertezas sistemticas.
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
4
relacionados. Eles devem ser planejados,
porque a maioria das experincias
requerem o uso dos dois. Em algumas
aplicaes, as regras da propagao da
incerteza e anlise estatstica so
complementares. Ou seja, uma experincia
pode ser analisada usando-se a
propagao da incerteza ou a anlise
estatstica. Por exemplo, seja o clculo da
acelerao da gravidade, g, atravs da
medio do perodo T e do comprimento L
de um pndulo simples. Pode-se calcular a
acelerao atravs da frmula matemtica
(g = 42L/T2). Pode-se repetir a experincia
fazendo vrias medies diferentes de L e
medindo o perodo correspondente de
cada um. Neste modo, chega-se a vrios
valores de g. Para achar a incerteza nestes
valores de g, pode se proceder de dois
modos:
1. pode-se estimar as incertezas nas
medies de L e T e ver como as
incertezas se propagam para achar
a incerteza em g.
2. obtidos vrios valores de g, pode-
se analis-los estatisticamente, em
particular seu desvio padro ser
uma boa medio da incerteza.
Infelizmente, na realidade no se tem
uma escolha de como achar a incerteza.
Se a incerteza pode ser encontrada por
estes dois modos, na realidade se usam os
dois modos para verificar se os dois
resultados so consistentes, entre si,
dando a mesma resposta.
66
 Incertezas Aleatrias

a interpolao, a probabilidade de fazer

4.2. Incertezas aleatrias e subestimativa e superestimativa a
sistemticas mesma. Mas h tambm a possibilidade
As incertezas experimentais que que a rgua esteja distorcida e esta fonte
podem ser reveladas pela repetio das de incerteza ser provavelmente
sistemtica. Se a rgua estiver esticada,
medies so chamadas de aleatrias. As
sempre haver uma superestimativa, se
incertezas que no so reveladas deste
estiver encolhida, sempre haver uma
modo so as sistemticas. Para ilustrar
subestimativa.
esta diferena, sejam alguns exemplos.
Como nestes dois exemplos, quase
Seja o tempo de revoluo de um toca-
todas as medies esto sujeitas s duas
discos que gira em regime permanente.
incertezas aleatrias e sistemticas.
Uma fonte de incerteza na medio do
Geralmente fcil distinguir os dois tipos
tempo de revoluo ser a reao do
de incertezas. As fontes de incerteza
operador para acionar o cronmetro na
aleatria so:
partida e na parada. Se o tempo de reao
1. pequenos erros de julgamento do
do operador fosse exatamente o mesmo,
operador, como quando faz
eles se cancelariam na partida e parada.
interpolao
Na prtica, porm, o tempo de reao varia
2. pequenos distrbios do sistema de
de operador para operador e at para o
medio, como vibrao mecnica
mesmo operador. Pode-se ter maior tempo
3. problemas de definio da
de reao na partida e por isso
quantidade medida
superestimar o tempo medido ou pode-se
A fonte de incerteza sistemtica mais
ter maior tempo de reao na parada,
clara a descalibrao do instrumento de
subestimando o tempo medido. Como
medio, como ocorre com o cronmetro
qualquer possibilidade igualmente
que atrasa ou adianta sistematicamente, a
provvel, o sinal do efeito aleatrio. Se
rgua de medio esticada ou encolhida, o
as medies so repetidas vrias vezes,
instrumento de medio com erro de zero.
em alguns casos pode-se superestimar e
Para dar um entendimento ainda melhor da
em outros,, subestimar seus valores.
diferena entre incerteza aleatria e
Assim, a varivel tempo de reao
sistemtica, seja a analogia mostrada na
depende das respostas encontradas.
Fig. 4.1, mostrado o alvo com tiros. Aqui a
Analisando o espalhamento em resultados
experincia uma serie de tiros em um
estatsticos, pode-se ter uma estimativa
alvo. Medies exatas so os tiros que
confivel do tipo desta incerteza.
esto no centro ou prximos do centro do
Por outro, se o cronmetro estiver
alvo. As incertezas aleatrias so
funcionando consistentemente mais
causadas por qualquer coisa que faa os
devagar, ento todas as medies sero
tiros chegarem aleatoriamente em pontos
subestimadas e nenhum nmero de
diferentes. Por exemplo, o tremido da mo
repeties, com o mesmo cronmetro, ir
do atirador, flutuaes das condies
revelar este tipo de incerteza. Este tipo de
atmosfricas entre o atirador e o alvo.
incerteza chamado de sistemtico,
Incertezas sistemticas aparecem se algo
porque ela atua no resultado sempre do
faz os tiros chegarem no alvo fora do
mesmo modo. Se o cronmetro anda mais
centro em uma direo sistemtica, por
lentamente, h sempre uma subestimativa;
exemplo sempre para cima e para a
se ele anda mais rapidamente, uma
esquerda. Isto acontece se a arma estiver
superestimativa. Incertezas sistemticas
com a mira fora da posio correta ou se
no podem ser descobertas por qualquer
estiver havendo um vento forte e constante
tipo de anlise estatstica disponvel.
durante todos os tiros.
Como segundo exemplo de incertezas
aleatrias versus sistemticas, seja a
experincia de medir um comprimento com
uma rgua. Uma fonte de incerteza ser a
necessidade de interpolar a leitura entre
duas marcaes da escala e esta incerteza
provavelmente aleatria. Quando se faz

67
 Incertezas Aleatrias

imediatamente evidente. Os tiros na figura

esquerda se agrupam em torno do centro
do algo, enquanto os tiros da figura
direita se agrupam em torno de um ponto
que est nitidamente fora do centro. O
grau de disperso aproximadamente o
mesmo nos dois alvos, porem, no alvo
esquerda no h erro sistemtico e no alvo
direito h um grande erro sistemtico.
(a) (b) Conhecer a posio do alvo na Fig. 4.1
Aleatria: pequena Aleatria: pequena
Sistemtica: pequena Sistemtica: grande corresponde, em um laboratrio de
medio conhecer o valor verdadeiro da
quantidade medida e na grande maioria
das medies reais, no se conhece este
valor verdadeiro. Se o valor verdadeiro
fosse conhecido, ningum iria perder
tempo fazendo sua medio.

(c) (d)
Aleatria: grande Aleatria: grande
Sistemtica: pequena Sistemtica: grande

Fig. 4.1. Incertezas aleatrias e sistemticas no alvo.

(a) Como todos os tiros esto agrupados, as (a) (b)
incertezas aleatrias so pequenas. Como Aleatria: pequena Aleatria: pequena
Sistemtica: ? Sistemtica: ?
a distribuio dos tiros est centrada no
centro do alvo, as incertezas sistemticas
so tambm pequenas.
(b) As incertezas aleatrias ainda so
pequenas, pois os tiros continuam
agrupados. Porm a distribuio dos tiros
est centrada fora do centro do alvo e por
isso as incertezas sistemticas so
grandes. (c) (d)
(c) Aqui, as incertezas aleatrias so grandes Aleatria: grande Aleatria: grande
pois os tiros esto muito espalhados. Como Sistemtica: ? Sistemtica: ?
a distribuio dos tiros espalhados contnua
centrada no centro do alvo, as incertezas
sistemticas so pequenas. Fig. 4.2. O mesmo experimento da Fig. 4.1,
(d) Aqui ambas as incertezas aleatrias e redesenhado sem mostrar a posio do alvo.
sistemticas so grandes: h uma grande Esta situao corresponde maioria das
disperso dos tiros e eles esto aplicaes reais em que no se conhece o
sistematicamente fora do centro, sempre valor verdadeiro da quantidade sendo medida.
para cima e para a direita. Aqui, s se pode analisar e determinar as
incertezas aleatrias mas nada pode ser dito
acerca das incertezas sistemticas.
Embora a Fig. 4.1 seja uma ilustrao
excelente dos efeitos das incertezas
aleatrias e sistemticas, ele possui uma
falha importante. Como cada figura mostra
a posio do alvo, pode-se dizer
rapidamente se um determinado tiro
exato ou no. Em particular, a diferena
entre as duas figuras de cima

68

Para melhorar a analogia da Fig. 4.1
com mais experincias reais, pode-se
redesenhar os tiros, sem os anis que
mostram a posio do alvo, como na Fig.
4.2. Nestes desenhos, identificar os erros
aleatrios continua fcil. Os dois desenhos
(a) e (b) continuam tendo pequenas
incertezas aleatrias e (c) e (d) continuam
tendo grandes incertezas aleatrias.
Porem, neste caso, baseando-se apenas
na Fig. 4.2, impossvel determinar a
incerteza sistemtica. Esta situao a
que geralmente ocorre na prtica. Pela
observao da distribuio dos valores
medidos, pode-se facilmente identificar as
incertezas aleatrias mas no h nenhuma
ajuda para determinar as incertezas
sistemticas.
A diferena entre incertezas aleatrias
e sistemticas nem sempre clara e
definida e um problema que causa
incertezas aleatrias em uma experincia
pode produzir incertezas sistemticas em
outra. Por exemplo, quando o observador
se posiciona esquerda ou direita do
ponteiro para fazer uma leitura na escala,
ele obtm resultados diferentes do mesmo
valor da medio. Este erro, chamado de
paralaxe, significa que um medidor pode
ser lido corretamente, somente se o
observador se posiciona corretamente em
sua frente. Porm, independente da
posio de seu corpo, nem sempre ele
posiciona corretamente seus olhos em
frente do medidor, de modo que as
medies possuem uma pequena
incerteza devida ao paralaxe e esta
incerteza ser provavelmente aleatria.
Por outro lado, um observador que se
posiciona incorretamente para fazer estas
mesmas medies, introduz uma incerteza
sistemtica nas suas medies, alm das encontradas e no capitulo 5 ser provado
incertezas aleatrias comuns ao outro
observador. Assim, o mesmo efeito,
paralaxe, pode produzir incertezas
aleatrias em um caso e sistemas em
outro.
O tratamento das incertezas aleatrias
diferente do tratamento das sistemticas.
Os mtodos estatsticos a serem descritos
nas sees seguintes do uma estimativa
confivel das incertezas aleatrias e, como
ser visto, fornecem um procedimento bem
definido para trat-las. As incertezas
sistemticas so mais difceis de tratar e
Incertezas Aleatrias
mesmo de detectar. O metrologista
experiente deve aprender a antecipar as
possveis fontes de incertezas sistemticas
e garantir que todas as incertezas
sistemticas so muito menores que a
preciso requerida. Esta tarefa pode
incluir, por exemplo
1. calibrar os medidores contra
padres rastreados,
2. corrigir as incertezas sistemticas
devidas a m calibrao,
3. comprar melhores instrumentos, se
possvel.
Na seo 4.6 sero vistas as incertezas
sistemticas. Agora, sero discutidas as
experincias em que todas as incertezas
sistemticas foram identificadas e tornadas
muito menores que a preciso requerida.
4.3. Mdia e desvio padro
Seja o caso onde se quer medir alguma
quantidade x e onde j foram identificadas
todas as fontes de incerteza sistemtica e
todas foram reduzidas a nveis
desprezveis. Como todas as fontes
remanescentes de incerteza so
aleatrias, pode-se detect-las repetindo
se as medies vrias vezes. Pode-se, por
exemplo, fazer cinco medies e obter os
seguintes resultados:
71 72 72 73 71 (4.1)
(Por convenincia e simplicidade, foram
omitidas as unidades e por isso podem ser
aplicadas a qualquer grandeza)
A primeira questo a resolver : dadas
as seis medies mostradas, qual a
melhor estimativa para a quantidade x?
Razoavelmente, a melhor estimativa
parece ser a mdia x das cinco medies
que esta escolha normalmente a melhor.
xestimado = x
71 + 72 + 72 + 73 + 71
x= = 718
, (4.2)
5
(Para fazer mentalmente esta conta,
sem usar calculadora, e considerando que
todos os nmeros comeam de 70, basta
somar os nmeros 1, 2, 2, 3 e 1 = 9/5 = 1,8
e soma 1,8 a 70, obtendo 71,8).
A segunda expresso simplesmente
a definio de mdia aritmtica ou
69
 Incertezas Aleatrias

simplesmente a mdia dos cinco nmeros grande disperso e o instrumento de

considerados. medio presumidamente pouco preciso.
De um modo geral, quando se tem N
medies da quantidade x, todas obtidas
do mesmo instrumento, mesmo Tab. 4.1. Clculo dos desvios
procedimento, mesmo operador, mesmas
Medies Valor medido Desvio
condies ambientais, e se encontram os i xi di = xi - x
N valores
1 71 -0,8
x1, x2, ..., xN, (4.3) 2 72 0,2
3 72 0,2
a melhor estimativa para x usualmente a 4 73 1,2
mdia de x1, x2, ..., xN, ou seja, 5 71 -0,8
xi = 359 di = 0,0
xestimado = x (4.4) 1 359
mdia, x = xi = = 718
,
N 5
onde
x1 + x 2 +...+ xN Para fixar a idia de desvio padro,
x= sejam as cinco medies anteriores e seja
N
o clculo de seu desvio padro. Pode ser
x=
xi (4.5) observado que
N
1. Os desvios no so todos do
mesmo tamanho, di pequeno se a
Nesta ltima linha, introduzida a
ia medio ficar prxima de x e dj
notao nova e til, usando a letra grega
grande se a ja medio ficar longe
sigma (), que significa:
de x .
N 2. H desvios positivos (quando xi >
x i = x i = x i = x1 + x 2 +...+ xN x ), negativos (quando xi < x ) e
i =1 i
tambm zero (xi = x ).
Para estimar a confiabilidade mdia
A segunda e terceira expresses so
das medies x1, x2, ..., xN, pode-se pensar
mais abreviadas e sero usadas neste
em tirar a mdia dos desvios di.
trabalho quando no houver risco de
Infelizmente, isto no funciona pois a
confuso.
mdia dos desvios zero. (Na prtica, o
O conceito de mdia quase
desvio prximo de zero, por causa das
certamente familiar maioria dos leituras.
incertezas devidas aos arredondamentos).
O prximo conceito, de desvio padro,
O melhor meio de evitar este
provavelmente menos conhecido. O desvio
inconveniente elevar ao quadrado todos
padro de vrias medies x1, x2, ..., xN,
os desvios, de modo que se cria um
uma estimativa da incerteza mdia das
conjunto de nmeros todos positivos e
medies x1, x2, ..., xN, e determinada do
depois se tira a raiz quadrada da sua
seguinte modo.
mdia. Este nmero obtido
Dado que a mdia x a melhor 1. possui a mesma unidade que x,
estimativa da quantidade x, natural 2. chama-se desvio padro de x1,
considerar a diferena x2,..., xN
xi - x = di. Esta diferena, chamada de 3. simbolizado como x
desvio ou resduo de xi de x , mostra de 4. calculado pela frmula:
quanto a isima (ia) medio xi difere da
mdia x . Se os desvios di = (xi - x ) so 1 N 1 N
muito pequenos, as medies ficam todas x =
N i=1
( di )2 = ( xi x)2
N i=1
(4.6)
juntas, h pouca disperso e o instrumento
de medio presumidamente muito
preciso. Se alguns dos desvios so muito Com esta definio, o desvio padro
grandes, as medies se espalham, h pode ser descrito como a raiz quadrada da
mdia dos quadrados (RMS = Root Mean

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

maior, usando-se N-1) e reportar
claramente que esta definio usada,
para que todos os envolvidos possam
verificar os clculos, usando sempre a
mesma frmula.
Probleminha rpido 4.1.
Foi medido o mesmo intervalo de
tempo, em segundos, 4 vezes:
21 24 25 22
Encontrar o tempo mdio e o desvio
padro, usando a frmula com N - 1.
Resp.: Mdia ou valor mais provvel = 23 s
Desvio padro = 1,8 (ou 2) s
Para entender a noo de desvio
padro, deve-se ser capaz de calcul-lo
para casos simples como o do probleminha
rpido 4.1. A maioria das calculadoras
cientficas possui uma funo embutida
para fazer automaticamente os clculos
(da mdia, desvio padro). Por exemplo,
na calculadora HP 20S, a operao
muito simples:
1. Limpar os dados da memria de
Estatstica acionando a tecla CLS,
(canto inferior direito, 1a tecla)
2. Entrar com dados, teclando o valor
da medio e apertando a tecla +
(canto direito, superior, 1a tecla
direita)
3. Assim que a tecla + acionada,
aparece no visor da primeira o
nmero do dado, 1o, 2o, , no
4. Depois de entrados todos os dados,
a. teclar Amarelo, ex (para a
mdia, x )
b. teclar Amarelo LN (para o
desvio padro, sx)
5. Quando for entrar com outro
conjunto de dados, deve-se resetar
os dados, mesmo que a mquina
tenha sido desligada (teclar
Amarelo CL)
A calculadora HP 20S usa a frmula
com N-1 para calcular o desvio padro.
Incertezas Aleatrias
4.4. Desvio padro como incerteza
em uma medio isolada
O desvio padro x caracteriza a
incerteza mdia das medies x1, x2,..., xN ,
das quais ela calculada e no captulo 5
isto ser justificado. Quando se mede a
mesma quantidade x vrias vezes (N),
sempre usando o mesmo mtodo e
mantendo-se todos os outros parmetros
constantes e se todas fontes de incerteza
so pequenas e aleatrias, ento os
resultados sero distribudos em torno do
valor verdadeiro xestimado de acordo com a
to falada curva em forma de sino,
caracterstica da distribuio normal. Em
particular, 68% dos resultados iro cair
dentro de uma distncia x de cada lado do
valor xestimado , ou seja, 68% das medies
iro cair na faixa xestimado x.
Se feita uma nica medio (usando
o mesmo mtodo), h uma probabilidade
de 68% que o resultado caia dentro x do
valor correto (j conhecido e calculado de
outras medies repetidas). Assim, pode-
se adotar x para significar exatamente o
que tem-se chamado de incerteza. Quando
se faz uma medio de x, a incerteza
associada com esta medio pode ser
tomada como sendo:
x = x
Com esta escolha, pode-se estar 68%
confiante que a medio esteja dentro x
do resultado correto.
Para ilustrar a aplicao destas idias,
seja uma caixa de molas (teoricamente)
iguais, das quais se quer medir a sua
constante de mola, k. Pode-se medir as
constantes de mola colocando um peso em
cada mola e observando a extenso
resultante. Talvez melhor seja suspender
uma massa de cada mola e medir suas
oscilaes. Qualquer que seja o mtodo
escolhido, necessrio conhecer k e sua
incerteza k para cada mola, porm seria
muito desgastante, demorado e tedioso
repetir as medies muitas vezes para
cada mola. Em vez de fazer isso,
recomendvel proceder assim:
1. Se k medido para a primeira mola
vrias vezes (por exemplo, 5 ou
10), ento a mdia destas vrias
72

medies uma boa estimativa de
k para a primeira mola.
2. Mais importante, por enquanto,
que o desvio padro x para estas
vrias medies fornece uma
estimativa da incerteza no mtodo
de medio de k.
3. Como esperado que as molas
sejam iguais, usa-se o mesmo
mtodo para medir cada uma e se
espera a mesma incerteza em cada
medio. Porm, faz-se somente
uma medio para cada mola
subsequente
4. Pode-se estabelecer imediatamente
que a incerteza k o desvio
padro k medido para a primeira
mola, com uma confiana de 68%
que o resultado esteja dentro de k
do valor correto.
Para ilustrar numericamente estas
idias, sejam 10 medies da primeira
mola, obtendo-se os seguintes resultados
de k (em newton/metro, N/m):
86, 85, 84, 89, 85, 89, 87, 85, 82, 85
(4.10)
Destes valores, pode-se calcular
imediatamente a mdia, que a melhor
estimativa
k = 85,7 N/m (4.11)
Usando a definio com N-1, obtm o
desvio padro:
x = 2,16 N/m = 2 N/m (4.12)
Assim, a incerteza em qualquer
medio de k aproximadamente de 2
N/m. Se depois se medir uma segunda
mola, uma nica vez, e obter a resposta de
k = 71 N/m, pode-se, sem mais cerimnias,
1. Considerar o mesmo desvio padro
x = k = 2 N/m e
2. Reportar o segundo resultado, com
um grau de confiana de 68%:
k (para a segunda mola) = 71 2 N/m
(4.13)
Incertezas Aleatrias
4.5. Desvio padro da mdia
Se x1, x2,..., xN so os resultados de N
medies da mesma quantidade x, ento,
a melhor estimativa para a quantidade x
sua mdia x . O desvio padro x
caracteriza a incerteza mdia das
medies separadas, x1, x2,...e xN.
O resultado qestimado = x , porm, representa
uma combinao criteriosa de todas as N
medies e razovel supor que a mdia
mais confivel que qualquer uma das N
medies tomada isoladamente. No
captulo 5 ser mostrado que a incerteza
final do resultado dada pelo desvio
padro x dividido por N . Esta
quantidade chamada de desvio padro
da mdia e simbolizada por x , onde
x
x = (4.14)
N
Outros nomes comuns so erro
padro, incerteza padro, erro padro
da mdia. Assim, baseado em N valores
medidos, x1, x2,..., xN , pode-se estabelecer
que o resultado final para o valor de x
como
valor de x = xestimado x
onde
xestimado = x
x
x = x = (4.15)
N
Como exemplo, sejam novamente as
10 medies da constante da mola:
86, 85, 84, 89, 85, 89, 87, 85, 82, 85
com mdia destes valores igual a
k = 85,7 N/m
e desvio padro de
k = 2,16 N/m = 2 N/m
73

Nesta aplicao, o desvio padro da mdia
k 2
k = = = 0,7 N/m (4.16)
10 3
e o resultado final, baseado nestas 10
medies,
k = 85,7 0,7 N/m (4.17)
Quando se d um resultado como este,
deve-se estabelecer claramente o que os
nmeros significam, ou seja,
85,7 a mdia de 10 medies
0,7 o desvio padro da mdia das
medies
de modo que os usurios deste resultado
possam julgar seus significados.
Uma caracterstica importante do
desvio padro da mdia, x , o fator N
no denominador. O desvio padro x
representa a incerteza mdia nas
medies individuais x1, x2,...e xN . Assim,
quando se fazem algumas medies
adicionais, usando a mesma tcnica, o
desvio padro x no deve se alterar
apreciavelmente. Por outro lado, o desvio
padro da mdia, x , diminui lentamente
quando N aumenta. Esta diminuio
justamente o que se espera. Se so feitas
mais medies antes de tirar a mdia,
naturalmente se espera que o resultado
final seja mais confivel e esta melhora de
confiabilidade exatamente o que o
denominador N em (4.15) garante. Esta
concluso fornece um modo bvio para
melhorar a preciso das medies.
Infelizmente, o fator N aumenta
lentamente quando N aumenta. Por
exemplo, quando se quer melhorar a
preciso por um fator de 10, deve-se
aumentar o nmero de medies por um
fator de 100, o que no muito exeqvel,
na prtica. Mais ainda, at agora as
incertezas sistemticas esto esto sendo
desprezadas e elas no so diminudas
pelo aumento do nmero de medies.
Assim, na prtica, quando se quiser
aumentar muito a preciso, deve-se cuidar
Incertezas Aleatrias
de melhorar o procedimento, trocar o
instrumento e no simplesmente aumentar
o nmero de medies.
Probleminha rpido 4.2.
Foi medido o mesmo intervalo de
tempo, obtendo-se 5 resultados, em
segundos:
15 17 18 14 16
Encontrar a melhor estimativa para o
tempo e o desvio padro da mdia.
Resp.: Mdia ou valor mais provvel = 16 s
x = 1,6 e portanto = 0,7 (1) s
x
Exemplo: rea de um retngulo
Para a aplicao do desvio padro da
mdia, seja a medio precisa da rea de
um retngulo, com lados aproximados de
2,5 cm e 5,0 cm. As medies so feitas
com um paqumetro com Vernier e so
feitas 10 medies de cada dimenso,
comprimento e altura. Para levar em conta
as irregularidades do lado, fazem-se
medies em diferentes posies e para
considerar os pequenos defeitos no
instrumento, usam-se diferentes
paqumetros (cuidado nos procedimentos!).
Os resultados obtidos so os mostrados na
Tab. 4.3.
Tab. 4.3. Comprimento e altura (mm)
Valores medidos Mdia x x
L 24, 25: 24, 26; 24,22;
24, 28; 24,24, 24,25; 24,2 0,02 0,006
24,22; 24,26; 24,23;
24,24
50,36; 50,35; 50,41;
B 50,37; 50,36; 50,32; 50,368 0,024 0,008
50,39; 50,38; 50,36;
50,38
Usando-se os 10 valores observados
de L, pode-se facilmente calcular sua
mdia, o desvio padro de cada medio e
o desvio padro da mdia das 10
medies. Do mesmo modo, calculam-se a
mdia, desvios padres da largura b do
retngulo. Antes de fazer qualquer conta,
examinam-se os dados para verificar se
parecem razoveis ( possvel detectar
74

algum engano ou alguma medio com
erro grosseiro). Por exemplo, os dois
desvios padro L e b, que expressam a
incerteza mdia das medies de L e b,
devem ser quase iguais, pois foram
medidos com o mesmo instrumento e
usando-se o mesmo procedimento de
medio.
Tendo-se convencido de que os dados
so razoveis, pode-se acabar de fazer os
clculos. A melhor estimativa de cada
dimenso sua mdia e as incertezas
mdias so expressas pelo desvio padro.
Finalmente acha-se o desvio padro das
mdias. Os resultados finais podem ser
expressos como:
L = 24,245 0,006 mm (ou 0,025%)
b = 50,368 0,008 mm (ou 0,016%)
A melhor estimativa da rea, (A = Lb):
A = (24,245 0,025%) x (50,368 0,016%) =
= 1221,17 mm2 0,03%
= 1221,2 0,4 mm2 (4.18)
Para se chegar ao resultado final de A,
1. foram calculadas as mdias de L e
b, cada uma com uma incerteza
igual ao desvio padro da mdia
2. foi calculada a rea A como o
produto de L e b
3. foi achada a incerteza pela
propagao no produto.
Poderia ser feito de outro modo: como:
1. multiplicar o primeiro valor medido
de L pelo primeiro valor de b para
dar o primeiro resultado de A
2. continuar o processo, calculando-se
10 resultados para A
3. aplicar anlise estatstica aos estes
10 resultados, calculando-se a
mdia de A, o desvio padro para
cada rea e finalmente o desvio
padro da mdia.
Se as incertezas em L e b forem
aleatrias e independentes e tendo-se um
nmero suficiente de medies, os dois
mtodos devem dar os mesmos resultados
finais.
Incertezas Aleatrias
Exemplo: Constante da mola
Seja o caso onde no se pode aplicar
anlise estatstica diretamente s
medies, mas apenas aos resultados
finais. Novamente se quer medir a
constante de mola k, pela medio dos
tempos de oscilao de uma massa m
fixada sua extremidade. Sabe-se da
mecnica que o perodo para tais
oscilaes
m
T = 2
k
Assim, pela medio de T e m, pode-se
achar k pela frmula:
4 2m
k= (4.19)
T2
O modo mais simples para determinar k
tomar uma nica e exatamente
conhecida massa m e fazer vrias
medies cuidadosas de T. Por vrias
razes, porm, medir T para vrias massas
diferentes pode ser mais interessante.
(Por exemplo, deste modo, pode-se
verificar que T m , bem como medir k).
Obtm-se um conjunto de medies
mostrado na Tab. 4.4.
Tab. 4.4. Medio da constante k da mola
m (kg) 0,513 0,581 0,634 0,691 0,752 0,834 0,901 0,950
T (s) 1,24 1,33 1,36 1,44 1,50 1,59 1,65 1,69
k 13,17 12,97 etc.
Obviamente, no faz sentido tirar a
mdia das vrias massas diferentes ou dos
perodos de tempo medidos, porque no
so medies diferentes da mesma
quantidade. Nada pode ser aprendido
acerca da incerteza das medies,
comparando os diferentes valores de m.
Porm, pode-se combinar cada valor de m
com seu correspondente perodo T e
calcular k. Todos resultados de k so
medies da mesma quantidade e portanto
podem ser submetidos anlise
estatstica. Em particular, a melhor
estimativa para k a mdia k = 13,16 N/m
e a incerteza o desvio padro da mdia
75

k = 0,06 N/m. Assim, o resultado final
baseado nos dados da Tab. 4.4
constante de mola k = 13,16 0,06 N/m
(4.20)
Se houvesse estimativa razovel das
incertezas nas medies originais de m e
T, podia-se tambm estimar a incerteza em
k usando propagao da incerteza,
comeando com as estimativas das
incertezas de m (m) e T (T). Neste caso,
os resultados dos dois mtodos poderiam
ser comparados.
4.6. Incertezas sistemticas
At agora, em todas as aplicaes e
exemplos, foi assumido que todas as
incertezas sistemticas so reduzidas a
um nvel desprezvel, antes do incio das
medies srias. Agora sero vistas as
incertezas sistemticas. Quando se
medem a massa e o perodo de tempo de
oscilao do pndulo, a balana poderia
estar medindo a massa consistentemente
a mais ou a menos e o cronmetro poderia
estar funcionando consistentemente mais
devagar ou mais rpido. Nenhuma destas
incertezas sistemticas foi considerada
quando se fez a anlise de seus resultados
e incertezas associadas. Assim, o desvio
padro da mdia de cada medio pode
ser considerada como a componente
aleatria da incerteza e nem sempre a
incerteza total. O problema agora como
estimar a incerteza sistemtica e ento
combin-la com a aleatria, para dar a
incerteza total ou completa.
Nenhuma teoria simples diz o que fazer
com as incertezas sistemticas. De fato, a
nica teoria das incertezas sistemticas
que elas devem ser identificadas e
reduzidas at que sejam muito menores
que a preciso requerida. Em um
laboratrio de Metrologia, nem sempre isto
conseguido. Os metrologistas, s vezes,
no podem calibrar o instrumento contra
um padro melhor rastreado ou ento no
podem comprar um novo medidor para
substituir o inadequado. Por esta razo,
alguns laboratrios e oficinas estabelecem
uma regra que, na ausncia de
informaes mais especficas, os
medidores devem ser considerados com
uma incerteza sistemtica definida. Por
exemplo, a deciso pode atribuir uma
Incertezas Aleatrias
incerteza sistemtica de 0,5% para todos
os cronmetros, 1% para todas as
balanas e 3% para multmetros
(voltmetro, ampermetro e ohmmetro).
Estabelecidas regras deste tipo, h
vrios modos de proceder. Nenhum deles
pode ser rigorosamente justificado e ser
mostrado aqui um enfoque. No ltimo
exemplo, a constante de mola k foi
encontrada atravs das medies de uma
srie de valores de m e T. Uma anlise
estatstica de vrios resultados para k deu
uma componente aleatria de k como :
k alea = k = 0,06 N/m (4.21)
Seja agora o caso de a balana que
mede a massa m ter uma incerteza
sistemtica de 1% e o cronmetro que
mede o perodo de oscilao, uma
incerteza sistemtica de 0,5%. Agora
deve-se achar a componente sistemtica
de x pela propagao das incertezas. A
nica questo se deve combinar as
incertezas em quadratura ou diretamente.
Como as incertezas em m e T so
independentes e algum cancelamento
possvel, mais razovel usar a soma
quadrtica.
Como
4 2m
k=
T2
A incerteza relativa sistemtica total em
k :
2 2
k sist m sist Tsist
= + 2 (4.22)
k m T
(1%)2 + (2 0,5%)2 = 1,4% (4.23)
Portanto,
ksist = kestimado x 1,4% (4.24)
= (13,16 N/m) x 0,014 = 0,18 N/m
Agora, tm-se as duas incertezas em k,
sistemtica e aleatria e deve-se
novamente decidir como combin-las para
se obter a incerteza total na constante k da
mola. Como o mtodo de combinar a
76

incerteza sistemtica com a aleatria no
totalmente claro, muitos metrologistas
deixam as duas componentes separadas e
d o resultado final como:
valor medido de k = kestimado kalea ksist
(4.25)
No exemplo anterior, o resultado
k = 13,16 0,06 0,18 N/m
H outros metrologistas que sugerem
combinar a incerteza aleatria com a
sistemtica atravs da soma quadrtica,
onde se tem:
k = (k alea )2 + (k sist )2 (4.26)
Novamente no caso da constante k,
k= 0,06 2 + 0,18 2
Finalmente
k = 13,16 0,19 N/m (ou 13,2 0,2 N/m)
A combinao da incerteza aleatria
com a sistemtica atravs da soma
quadrtica no pode ser rigorosamente
justificada. Nem o significado do resultado
claro; por exemplo, no se pode dizer
com 68% de confiana que o resultado
final cai dentro da faixa kestimado k. [A
afirmativa de que o resultado final de x caia
dentro da faixa xestimado x, com 68% de
confiana, vlido somente para
incertezas aleatrias, que se distribuem
conforme a distribuio normal). De
qualquer modo, a expresso fornece, no
mnimo, uma estimativa razovel da
incerteza total da medio, desde que o
instrumento possua incertezas
sistemticas que no possam ser
eliminadas.
Em particular, h algo interessante em
reportar o relatrio final combinando a
incerteza sistemtica com a aleatria em
soma quadrtica. Foi visto em 4.5 que o
desvio padro da mdia se aproxima de
zero quando o nmero de medies
aumenta. Este resultado sugere que,
quando se tem a pacincia e condies de
se fazer um grande nmero de medies,
pode-se reduzir as incertezas
indefinidamente sem ter que melhorar o
Incertezas Aleatrias
equipamento ou a tcnica. Agora se
percebe que esta afirmao incorreta.
Aumentar o nmero de medies pode
apenas reduzir a componente aleatria da
incerteza total. Quando algum instrumento
tiver uma determinada incerteza
sistemtica, esta incerteza se repete
sempre e no reduzida quando se
aumenta o nmero de medies. Da
expresso da incerteza total igual soma
quadrtica das incertezas aleatria e
sistemtica, v-se claramente que h
pouco ganho em se reduzir mais ainda a
componente aleatria, quando esta
componente for menor que a componente
sistemtica. Em particular, a incerteza final
nunca pode ser menor que a componente
sistemtica. Este fato simplesmente
refora o que j foi dito: na prtica, uma
grande reduo da incerteza requer
melhoria de tcnica ou de equipamento,
para melhorar tanto a incerteza sistemtica
como a aleatria, em cada medio.
Como visto no Captulo 2, comum se
ter a necessidade de medir quantidades,
como acelerao da gravidade, para as
quais j existe um valor aceito e conhecido
com preciso. Nestas aplicaes, a lgica
da anlise da incerteza um pouco
confusa. Provavelmente, o procedimento
mais correto ignorar o valor aceito
conhecido at depois de feitos todos os
clculos do valor medido, qestimado e sua
incerteza q. Depois, pode-se verificar se o
valor aceito conhecido cai dentro (ou est
prximo) da faixa qestimado q. Se o valor
conhecido cair muito fora deste faixa,
deve-se examinar as causas possveis da
grande discrepncia. Por exemplo, se o
resultado da acelerao da gravidade foi
encontrado igual a
gestimado = 9,97 m/s2 (4.27)
com incertezas
galea = 0,02 e gsist = 0,03
A incerteza total, pela soma quadrtica d
g = 0,04
e o resultado final vale:
g = 9,97 0,04 m/s2
77

que est muito distante do valor aceito
g = 9,80 m/s2
A discrepncia de 0,17, que 4 x
0,04. Assim, o resultado 9,97 0,04 m/s2
no satisfatrio e deve haver anlise
adicional.
A primeira coisa a verificar a
possibilidade de ter havido um erro
grosseiro no clculo de gestimado ou nas
incertezas galea e gsist. Se h convico
de que as medies e clculos esto
corretos, a prxima possibilidade que o
valor aceito esteja incorreto. No caso de g
= 9,80 m/s2 isto improvvel, mas pode
ser possvel em muitas outras aplicaes.
Por exemplo, a densidade do ar depende
muito da presso e temperatura
consideradas e por isso possvel e
provvel haver confuso com estes
parmetros.
Uma vez tenham sido eliminadas todas
as suspeitas, resta somente uma
possibilidade: deve ter sido omitida alguma
incerteza sistemtica, de modo que a
incerteza total calculada est muito
pequena. Idealmente, deve-se tentar achar
o culpado, mas esta procura pode ser
difcil, pelos seguintes motivos:
1. Talvez um dos instrumentos tenha
uma incerteza sistemtica maior do
que a calculada. Pode-se investigar
esta possibilidade determinando
qual o tamanho da incerteza
sistemtica no instrumento
necessrio para provocar a grande
discrepncia encontrada. Se a
incerteza necessria
razoavelmente pequena, tem-se
uma explicao possvel do
problema.
2. Outra possvel causa de incerteza
sistemtica o uso de um valor
errado para algum parmetro
necessrio no clculo. Este tipo de
engano geralmente acontece em
laboratrio quando o metrologista
usa um valor com muito poucos
algarismos significativos (ou seja,
com grande erro de
arredondamento). Por exemplo, em
uma experincia que se quer uma
preciso de 1% e se usa a
Incertezas Aleatrias
constante 1,7 x 10-27 kg, em vez de
1,67 x 10-27 kg, h um erro de
arredondamento de 2%, maior que
a incerteza esperada na
experincia.
3. Mais difcil para analisar a
possibilidade de uma falha no
projeto da experincia. Por
exemplo, se a acelerao da
gravidade medida, deixando-se
cair um objeto de uma grande
altura, a resistncia do ar pode
introduzir uma grande incerteza
sistemtica. Outro exemplo, na
medio da meia-vida de um
material radioativo, se a amostra
estiver contaminada com outro
material com meia-vida menor, o
resultado sempre ser menor.
Obviamente, rastrear as fontes de
incertezas sistemticas uma tarefa difcil,
que desafia os melhores esforos dos
metrologistas. Em todas as aplicaes,
porm, os resultados no sero confiveis,
se esta pesquisa no for feita.
Seja agora o exemplo de se medir o
valor de um resistor desconhecido, cuja
resistncia R2 determinada por:
V2 V1
R2 = R1
V1
Assim, tem-se que medir as tenses V1
e V2 e a outra resistncia R1. Os erros
aleatrios so aqueles associados com as
medies destas quantidades. As fontes
mais obvias dos erros sistemticos so:
1. os medidores que so usados para
medir V1 e V2 podem estar
descalibrados. Como isto afeta o
resultado da medio, depende se o
mesmo instrumento usado para medir
as duas tenses.
2. instrumento usado para medir R1
tambm pode estar descalibrado.
3. A fonte de tenso alternada pode afetar
as medies, por causa das
capacitncias e indutncias parasitas.
4. Os resistores podem seus valores
variando com a variao da
temperatura ambiente e as condies
das medies podem ser diferentes de
outras condies de referncia.
78

5. As impedncias dos voltmetros podem
no ser suficientemente altas para a
validade da aproximao que as
correntes atravs dos resistores sejam
as mesmas.
6. Rudos eltricos podem afetar as
leituras dos voltmetros.
V2
V1
R2 R1
Fig. 1.2. Circuito para determinar a resistncia
desconhecida R2 em termos da resistncia
conhecida R1 e das tenses V1 e V2.
Os erros sistemticos podem aparecer
em qualquer medio real que seja usada
para calcular a medio final; por exemplo,
descalibrao dos instrumentos usados
nas medies da tenso e da resistncia.
Os erros sistemticos podem tambm ser
devidos, alm das descalibraes dos
instrumentos, do fato de no se estar
medindo exatamente o que se supe
medir.
Em outras situaes, os erros
sistemticos podem ser devidos a
hipteses erradas assumidas na equao
em que se baseia o resultado das
medies. Por exemplo, o perodo de um
pndulo de comprimento L
L geralmente maior que a exatido da
T = 2
g um numero esperado de observaes n, a
somente se
1. a amplitude da oscilao pequena
2. a resistncia do ar desprezvel
3. topo do pndulo rigidamente
seguro.
Incertezas Aleatrias
Se estas hipteses no forem
verdadeiras, ento a experincia ter um
erro sistemtico resultante grande. Se este
erro sistemtico significativo ou no,
depende de seu tamanho comparado com
os erros aleatrios.
Estimativa dos erros aleatrios
O tema que sempre ser repetido neste
trabalho : deve-se estimar o erro de
qualquer medio feita. Por causa de sua
natureza, o erro aleatrio se torna aparente
produzindo valores diferentes do
parmetro medido quando se faz uma
serie de medies repetidas. A preciso
estimada do parmetro pode ento ser
obtida da disperso das vrias medies
obtidas.
Um mtodo alternativo de estimar a
precisa de uma medio existe em casos
onde a disperso das medies ocorre por
causa da preciso limitada dos
instrumentos de medio. As estimativas
das incertezas de tal medio individual
pode ser combinada com a incerteza
sistemtica, para derivar a incerteza final.
Este enfoque pode ser usado em situaes
onde o conjunto repetido de medies no
disponvel para o mtodo descrito
A exatido das medies geralmente
no influi na determinao da exatido do
parmetro final nas situaes em que as
medies so feitas em uma populao
que exibe sua prpria disperso natural de
valores. Por exemplo, as alturas de
crianas de 10 anos de idade so
dispersas por uma quantidade que maior
que a incerteza com que a altura de
qualquer criana isolada seja medida.
ento esta disperso e o tamanho da
amostra que determinam a exatido do
resultado final.
Uma situao similar ocorre onde as
observaes consistem em contar eventos
aleatrios independentes em um dado
intervalo. A disperso dos valores
contagem (que pode ser bem exata); para
disperso n .
Outro exemplo fornecido pela
medio do tempo de vida mdio de um
elemento radioativo. O tempo de vida pode
ser achado pela mdia dos tempos de
decaimento observados de uma amostra
79

de desintegraes. A natureza da
radioatividade tal que nem todos os
decaimentos ocorrem ao tempo idntico ,
mas, na realidade, um grande numero
segue uma distribuio exponencial.
Assim, os tempos observados para um
pequeno numero de decaimentos iria
flutuar muito, se a experincia fosse
repetida. Esta variao um efeito
aleatrio e no est ligada com a exatido
com que se fazem as medies individuais
dos tempos de decaimento, que poderia
ser muito melhor que .
Fig. 1.3. Distribuio do tempo de decaimento
Na Fig. 1.3., a exponencial N = No e-t/,
para a distribuio esperada dos tempos
de decaimento t de desintegraes
radioativas de uma fonte de tempo de vida
mdia . As barras abaixo do eixo x do
dois conjuntos possveis de tempos
observados em experincias quando cada
decaimento de 10 detectado. Os
significados destes tempos para as duas
amostras so 0,68 e 0,96. Eles diferem
de por causa das flutuaes estatsticas
associadas com amostras pequenas.
Estimativa dos erros sistemticos
Para os erros sistemticos, o enfoque
de repetir as medies no funciona. Se o
ohmmetro est lendo em k enquanto o
operador est pensando que em , a
resistncia ficar muito menor por um fator
de 1000, cada vez que se repete a
medio e tudo parecer consistente.
Idealmente, todo efeito sistemtico
deve ser eliminado. Porm, quando h
alguma distoro, ento, no mnimo, deve-
Incertezas Aleatrias
se tentar estimar sua importncia e corrigir
o erro sistemtico. Assim, quando se
suspeita de um erro sistemtico em um
ohmmetro, pode-se verific-lo fazendo
medies de resistncias conhecidas. No
exemplo do pndulo, se o comprimento do
pndulo muito grande, pode-se medir o
perodo para diferentes amplitudes iniciais
e depois extrapolar a resposta para o limite
de uma amplitude muito pequena. Deste
modo, est-se convertendo o que era
previamente um erro sistemtico em algo
que idealmente tenha apenas erro
aleatrio.
Um procedimento que pode ser til
usar limites que podem ser relevantes para
um determinado problema. Por exemplo,
quer se saber se um certo medidor de
angulo est corretamente calibrado. Um
teste possvel usar este instrumento para
medir a soma dos ngulos de um triangulo.
Se o resultado diferir muito de 180o , o
instrumento apresenta um grande erro.
Em geral, no h regras simples ou
receitas de bolo para eliminar os erros
sistemticos. Isto requer bom senso e
experincia para conhecer quais so as
fontes perigosas possveis de erros
sistemticos.
Os erros aleatrios, por serem
probabilsticos, so usualmente mais fceis
de serem metodicamente analisados.
Mesmo assim, importante lembrar que
em muitas situaes a exatido de uma
medio dominada pelo erro sistemtico
possvel do instrumento, e o erro aleatrio
do instrumento de medio pode ser
comparativamente desprezvel.
Um bom metrologista aquele que
minimiza e estima realisticamente os erros
aleatrios do instrumento, enquanto reduz
o efeito dos erros sistemticos para um
nvel muito menor.
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)]

Esta definio de desvio padro,

geralmente chamada de desvio padro da
amostra, a mais apropriada para os
objetivos prticos. O desvio padro da
populao obtido, substituindo-se o fator
(N 1) por N, no denominador. Mesmo
quando se calcula o desvio padro atravs
de calculadora cientfica, deve-se estar
seguro de qual definio est sendo
usada.
O significado detalhado do desvio
padro x que aproximadamente 68%
das medies de x (usando o mesmo
mtodo) devem cair dentro de uma
distncia x do valor verdadeiro. Este
resultado o que permite que x seja
identificado como a incerteza na medio
x.

x = x

e com esta escolha, pode se estar 68%

confiante que qualquer uma medio de x
ir cair dentro x do resultado correto.

Apostilas\Incerteza JRTaylor2.doc 25 SET 98 (Substitui 19 DEZ 97)

81

Distribuio de Gauss
5.1. Introduo
Este captulo continua com a discusso
da anlise estatstica de medies
repetidas. O captulo 4 introduziu as idias
importantes de mdia, desvio padro e
desvio padro da mdia e foram vistos
seus significados e alguns de seus usos.
O primeiro problema que aparece, ao
se discutir as medies repetidas, achar
o modo de manipular e apresentar os
valores obtidos. Um modo conveniente
usar uma distribuio ou histograma, como
descrito em 5.2. A seo 5.3 introduz a
noo de distribuio limite, a distribuio
de resultados que seriam obtidos se o
nmero de medies se tornasse
infinitamente grande. Na seo 5.4,
definida a distribuio normal ou
distribuio de Gauss, que a distribuio
limite de resultados para qualquer medio
sujeita a muitas pequenas incertezas
aleatrias.
Assim que as propriedades
matemticas da distribuio normal sejam
entendidas, pode-se provar facilmente
vrios resultados importantes. A seo 5.5
fornece a prova que, com antecipado no
Captulo 4, cerca de 68% de todas as
medies (todas de uma mesma
quantidade e usando o mesmo
procedimento) devem cair dentro de um
desvio padro do valor verdadeiro. A seo
5.6 prova o resultado, usado no Captulo 1,
que se so feitas N medies x1, x2, ..., xN
da mesma quantidade x, ento a melhor
estimativa xestimado baseado nestes valores
a mdia x = x i / N . A seo 5.7 justifica
o uso da soma quadrtica quando as
incertezas que se propagam so aleatrias
e independentes. Na seo 5.8 prova-se
que a incerteza da mdia, quando usada
como a melhor estimativa do resultado de
5
x, dada pelo desvio padro da mdia,
x = x / N , como estabelecido no
Captulo 4. Finalmente a seo 5.9 discute
como atribuir uma confiana numrica a
resultados experimentais.
A matemtica usada neste captulo
mais avanada do que a usada at agora.
Em particular, devem ser conhecidos os
conceitos de integrao a integral como
a rea sob uma curva, alteraes de
variveis e ocasionalmente, integrao por
partes. Porm, uma vez que se tenha
trabalho at a seo 5.4 sobre a
distribuio normal (fazendo clculos com
lpis e papel, se necessrio), possvel
seguir o resto do captulo sem dificuldade.
5.2. Histogramas e distribuies
A preciso de um instrumento est
relacionada com o parmetro desvio
padro, . Assim, se fala do erro de uma
medio. Porm, desde que o erro
aleatrio est relacionado com o conceito
de disperso de valores obtidos de um
conjunto de medies repetidas, tem-se
trs disgresses matemticas
1. a distribuio, em geral
2. a mdia e a varincia de uma
distribuio
3. a distribuio gaussiana
Uma distribuio n(x) descreve a
probabilidade de um valor da varivel x
ocorrer em uma amostra definida. A
varivel x pode ser continua ou discreta e
seus valores podem estar confinados em
uma faixa finita (por exemplo, 0 a 1) ou
pode se estender de - a + ou poderia
ocupar uma faixa semi-infinita (por
exemplo, somente valores positivos).
Exemplos de distribuies de varivel
contnua:
1. Nmero de vezes que uma medio
x observada, onde a varivel o
82
 Distribuio de Gauss

valor medido do parmetro e a faixa Tab. 5.1. Comprimentos medidos x e ocorrncias

est entre - e +.
2. Nmero de leitores levando um xi 23 24 25 26 27 28
tempo x , onde a varivel o tempo ni 1 3 2 3 0 1
que se leva para resolver os
problemas deste trabalho e os
limites esto entre 0 e . A notao xi (i = 1, 2, ...) mostra os
3. Horas de sono em cada noite, onde vrios valores de x encontrados: x1 = 23,
a varivel o nmero de pessoas x2 = 24, x3 = 25, ... e ni mostra o nmero de
dormindo durante o tempo x, e os vezes que cada valor foi encontrado;
limites esto entre 0 e 24 horas. n1 = 1, n2 = 3, ...
4. A altura h de homens com idade de A mdia destes valores, j definida, vale:
30 anos.
A anlise estatstica sria de um 23 + 24 + 24 + 24 + 25 + ... + 28
experimento requer que o experimentador x= = 25
10
faa muitas medies. Assim, primeiro
(5.3)
necessrio estabelecer mtodos para
registrar e indicar grande quantidade dos
Tambm pode-se fazer assim:
valores medidos. Seja, por exemplo, 10
medies do mesmo comprimento x, com
23 + ( 24 3) + ( 25 2) + (26 3) + 28
resultados (em cm): x= = 25
10
26, 24, 26, 28, 23, 24, 25, 24, 26, 25
(5.1) ou de um modo genrico:

Escritos deste modo, estes 10 nmeros x ini

fornecem muito pouca informao e se a
quantidade de medies maior, os
resultados podem virar uma grande
confuso de nmeros. Por isso
necessrio e conveniente um melhor
sistema de apresentao destes
resultados.
Como um primeiro passo, os mesmos
nmeros podem ser ordenados, por
exemplo, em ordem crescente (do menor
para o maior):
23, 24, 24, 24, 25, 25, 26, 26, 26, 28
(5.2)
Agora j se tem mais informao, pois
prontamente conhecido o menor
resultado (23), o maior (28), a diferena
entre ambos (5), o mais repetido (24 e 26),
o valor do meio (25).
Melhorando mais ainda, em vez de
escrever os nmeros 24 e 26 trs vezes
cada, pode-se registrar que estes valores
foram obtidos trs vezes. Agora, pode-se
registrar os diferentes resultados de x,
junto com o nmero de vezes que cada
valor foi encontrado, como na Tab. 5.1.
i
x= (5.4)
N
Na forma original (5.3), somam-se
todas as medies feitas; na nova forma
(5.4) somam-se todos os diferentes
valores obtidos, multiplicados pelo nmero
de vezes que eles ocorrem. As duas
somas do o mesmo resultado,
obviamente, mas a eq. (5.4) fornece mais
informao til, principalmente quando se
fazem muitas medies repetidas. A eq.
(5.4) chamada tambm de mdia
ponderada, onde cada valor medido
pesado pelo nmero de vezes que ele
ocorre. Isto faz sentido: o valor medido que
aparece repetido mais vezes tem maior
peso. Finalmente, a soma de todos os
nmeros ni d o nmero total de medies,
N, ou seja
n
i
i =N (5.5)
(Por exemplo, para a Tab. 5.1, esta
equao garante que a soma dos nmeros
na ltima linha vale 10.)

83
 Distribuio de Gauss

Probleminha rpido 5.1. F = 1

i
i (5.8)

Na escola, Jos fez 20 disciplinas,

todas com o mesmo nmero de crditos e Quando se somam todas as fraes
tirou 7 L (louvor), 4 MB (muito bom), 7 B para todos os resultados possveis xi,
(bom), 2 R (regular) e nenhum I obtm-se 1. Qualquer conjunto de nmeros
(insuficiente). Para computar uma nota, cuja soma 1 chamado normalizado e a
atribui-se a cada nota-letra um valor eq. (5.8) chamada de condio de
numrico: normalizao.
A distribuio das medies pode ser
Nota-letra I R B MB L mostrada graficamente em um histograma,
Escore 0 1 2 3 4 como na Fig. 5.1. Esta figura o grfico de
Fi contra xi, em que os valores medidos
Fazer uma tabela mostrando os diferentes xi so plotados no eixo
escores diferentes possveis e o nmero horizontal e a frao de vezes que cada
de vezes que foram obtidos, para computar valor aparece indicada pela altura da
a nota de Jos. barra vertical desenhada acima de xi.
(Poderia tambm se fazer um grfico de ni
Resposta contra xi, porm este modo menos
Escore 0 1 2 3 4
Nmero 0 2 7 4 7 conveniente). Os dados mostrados em
s = 2,7
histogramas como o da Fig. 5.1 pode ser
compreendido fcil e rapidamente.

As idias anteriores podem ser escritas 0,3

de um modo mais conveniente. Em vez de
dizer que o resultado 24 foi obtido 3 vezes, 0,2
pode-se dizer que x = 24 foi obtido em 3/10
de todas as medies. Em vez de usar ni, o
0,1
nmero de vezes que o resultado
acontece, introduz-se a frao
22 23 24 25 26 27 28
n
Fi = i (5.6) Fig. 5.1. Histograma com 10 medies de um
N
comprimento x. O eixo vertical mostra a frao
de vezes Fi que cada valor xi foi observado.
que a frao das N medies que deram
o resultado xi. Diz-se que as fraes Fi so
a distribuio dos resultados, porque elas
O histograma como o mostrado na Fig.
descrevem como as medies foram
5.1 pode ser chamado de histograma de
distribudas entre os diferentes possveis
barras, porque a distribuio dos
valores.
resultados indicada pelas alturas das
Em termos das fraes Fi, pode-se
barras verticais colocadas acima do eixo xi.
rescrever a eq. (5.4) para a mdia em
Este tipo de histograma apropriado
forma compacta:
quando os valores xi forem nitidamente
espaados, com valores inteiros. (Por
x= xF
i
i i (5.7) exemplo, notas de alunos, nmero de
eventos). A maioria das medies das
variveis de processo, porm, analgica.
A mdia das medies justamente a
Os valores das quantidades de processo
soma ponderada de todos os diferentes
variam continuamente, assumindo uma
valores xi obtidas com cada xi pesado pela
infinidade de valores possveis entre o
frao de vezes que ele ocorreu, Fi.
incio e o fim da faixa de medio. Assim,
O resultado da eq. (5.5) implica que
quando se fazem 10 medies de

84
 Distribuio de Gauss

temperatura, podem-se obter resultados

como
26,4 23,9 25,2 24,6
23,8 25,1 23,9 23,5
Como no h nenhum valor
absolutamente igual a outro, se fosse
construir um histograma de barras, haveria
10 barras, cada uma com um valor e isso
seria intil. Dadas medies de
quantidades analgicas, como as
anteriores, o melhor mtodo dividir a
faixa de valores em nmero conveniente
de intervalos e contar quantos valores
caem em cada intervalo. Por exemplo, os
nmeros de medies poderiam ser
divididos em intervalos entre 22 e 23, entre
24 e 25 e assim por diante. Os resultados
de contagem neste modo so mostrados
na Fig. 5.2. (Se uma medio cair
exatamente no limite entre dois intervalos,
deve-se decidir onde coloc-la).
Tab. 5.2. Dez medies agrupadas em intervalos
x 22- 23- 24- 25- 26-
23 24 25 26 27
n 1 3 1 4 1
Os resultados na Tab. 5.2 podem ser
plotados em uma forma chamada de
histograma de intervalos. Neste grfico, a
frao de medies que caem em cada
intervalo pode ser indicada pela rea do
retngulo desenhado acima do intervalo.
Assim, o retngulo acima do intervalo 23-
24 tem uma rea 0,3 x 1 = 0,3 indicando
que 3/10 de todas as medies caem
neste intervalo. Em geral, denota-se o
intervalo do io intervalo por i. (Os
intervalos geralmente tem a mesma
largura, porm, isto no obrigatrio). A
altura fi do retngulo desenhado acima
deste intervalo escolhido de modo que a
rea fii seja
Fig. 5.2. Histograma de intervalos mostrando a
22,7 frao de 10 medies de x que caem nos
25,4 intervalos 22-23, 23-24, .... A rea do retngulo
(5.9) acima de cada intervalo d a frao das
medies que caem neste intervalo. Assim, a
rea do retngulo hachuriado 0,3, indicando
que 3/10 de todas as medies caem entre 23
e 24.
Assim, em um histograma de intervalos
a rea do retngulo fii tem o mesmo
significado que a altura Fi da ia barra em
um histograma de barra.
Deve-se ter cuidado na escolha da
largura i dos intervalos para um
histograma. Se os intervalos tiverem
grande largura, ento todas as leituras (ou
quase todas) caem em um intervalo e o
histograma ter apenas um retngulo. Se
os intervalos tiverem pequena largura,
ento poucos intervalos contem mais de
uma medio e o histograma ser
constitudo de vrios retngulos estreitos,
27- quase todos da mesma altura. Ento, a
28 largura do intervalo deve ser escolhida de
0 modo que vrias medies caiam em cada
intervalo. Assim, quando o nmero total de
medies N pequeno, deve-se escolher
larguras de intervalos relativamente
grandes e se o nmero N aumentado,
pode-se escolher intervalos mais estreitos.

fii = frao das medies no io intervalo

5
4
4
3
3
2
1 1 1
1
0 85
0
22 23 24 25 26 27

Probleminha rpido 5.2
Uma classe de 20 estudantes faz um
exame, que graduado em 50 pontos e
obtm-se os seguintes resultados:
26, 33, 38, 41, 49, 28, 36, 38, 47, 41
32, 37, 48, 44, 27, 32, 34, 44, 37, 30
(Estes resultados foram obtidos da
ordem alfabtica dos alunos). Fazer um
histograma de intervalos, usando intervalos
com limites de largura em 25, 30, 35, 40,
45 e 50.
Resposta
0,6
0,5
0,4
0,3
0,2
0,1
0
29 34 39 44 50
5.3. Distribuies limites
Na maioria das aplicaes, quando o
nmero de medies aumenta, o
histograma comea a tomar uma forma
definida simples. Esta curva envolvente
claramente visvel nas Fig. 5.3 e 5.4, que
mostram 100 e 1000 medies da mesma
quantidade, como na Fig. 5.2. Aps 100
medies, o histograma forma um nico
pico, que aproximadamente simtrico.
Aps 1000 medies, pode-se dividir os
intervalos pela metade e o histograma se
forma mais suave e regular. Estes trs
grficos ilustram uma propriedade
importante da maioria das medies.
Quando o nmero de medies tende para
infinito, sua distribuio tende para alguma
curva contnua definida. Quando isto
acontece, a curva contnua chamada de
distribuio limite. Assim, para medies
da Fig. 5.2 at 5.4, a distribuio limite
parece prxima de uma curva simtrica em
forma de sino.
Distribuio de Gauss
Fi
0,4
0,3
0,2 N=100
0,1
xi
0 22 23 24 25 26 27 28
Fig. 5.3. Histograma para 100 medies da mesma
quantidade que a ilustrada na Fig. 5.2.
0,4
0,3
0,2 N=1000
0,1
xi
0 22 23 24 25 26 27 28
Fig. 5.4. Histograma para 1000 medies da mesma
quantidade que a ilustrada na Fig. 5.2. H uma
curva limite superposta ao histograma.
A distribuio limite uma construo
terica que pode nunca ser medida
exatamente. Quanto maior o nmero de
medies feitas, mais o histograma se
aproxima da distribuio limite. Porm,
somente quando se faz um nmero infinito
de medies e se usam intervalos com
larguras infinitesimais pode-se realmente
se obter a distribuio limite. De qualquer
modo, h uma boa razo para se acreditar
que cada medio tem uma distribuio
limite para a qual o histograma se
aproxima cada vez mais, quando se
aumenta o nmero de medies.
Uma distribuio limite, como a curva
contnua na Fig. 5.4 define uma funo,
chamada f(x). O significado desta funo
mostrado na Fig. 5.5. Quando se aumenta
o nmero de medies cada vez mais da
quantidade x, o histograma se aproxima da
curva limite f(x). Assim, a frao das
medies que caem em qualquer pequeno
intervalo x a x + dx igual rea f(x) dx da
lista hachuriada na Fig. 5.5 (a):
86

f(x)dx = frao da medio que cai
entre x e x + dx
(5.10)
Geralmente, a frao das medies
que caem entre quais dois valores a e b
a rea total sob o grfico entre x = a e x =
b, como mostrado na Fig. 5.5 (b)
(a) (b)
Fig. 5.5. Uma distribuio limite f(x).
(a) Aps muitas medies, a frao que cai
entre x e x + dx a rea f(x)dx da faixa
estreita.
(b) A frao que cai entre x = a e x = b a rea
hachuriada.
Esta rea definida como a integral
limitada de f(x). Assim, tem-se o resultado
importante que
b
f ( x)dx = frao das medies que caem entre a e b
a
(5.11)
importante entender o significado das
duas expresses eq (5.10) e eq. (5.11).
Ambas dizem qual a frao de medies
esperada cair em algum intervalo aps um
grande nmero de medies. Outro modo
muito til dizer que f(x)dx a
probabilidade que uma nica medio de x
d um resultado entre x e x + dx.
f(x)dx = probabilidade que
qualquer uma nica medio de x
d um resultado entre x e x + dx.
(5.12)
b
Do mesmo modo, a integral f ( x)dx diz
a
a probabilidade que qualquer uma medio
de x caia entre x = a e x = b. Chega-se
seguinte concluso importante: se
conhecida a distribuio limite f(x) para a
medio de uma dada quantidade x com
um dado instrumento, ento se pode saber
Distribuio de Gauss
a probabilidade de se obter um resultado
em qualquer intervalo a x b.
Como a probabilidade total de se obter
um resultado em qualquer ponto entre - e
+ deve ser um, a distribuio limite f(x)
deve satisfazer
f ( x)dx = 1
(5.13)
Esta identidade a analogia natural da
soma normalizada kFk = 1 e uma funo
satisfazendo (5.13) chamada
normalizada.
Os limites na integral (5.13) podem
parecer exticos. Os limites no significam
que realmente se espera obter resultados
variando de - a +. Pelo contrrio, na
prtica, todas as medies iro cair em
algum intervalo finito razoavelmente
estreito. Por exemplo, as medies da Fig.
5.4 todas caem entre x = 21 e x = 29.
Mesmo aps um nmero infinito de
medies, a frao caindo entre fora dos
limites de x = 21 e x = 29 desprezvel.
Em outras palavras, f(x) essencialmente
zero fora desta faixa e no faz diferena se
a integral (5.13) vai de - a + ou de 21 a
29. Como geralmente no se conhecem
estes limites finitos, por convenincia os
limites so considerados .
Se as medies consideradas so
muito precisas, todos os valores obtidos
esto muito prximos do valor verdadeiro
de x, de modo que o histograma dos
resultados e portanto a distribuio limite,
ter um pico estreito. Se as medies
forem pouco precisas, ento os valores
encontrados se espalham e distribuio
ser larga e o pico pequeno. (Fig. 5.6)
87

Fig. 5.6. Duas distribuies limites, uma para uma
medio muito precisa (linha contnua) e outra
para medio pouco precisa (linha pontilhada)
A distribuio limite f(x) para a medio
de uma dada quantidade x usando um
dado instrumento descreve como os
resultados seriam distribudos aps um
grande nmero de medies. Assim, se
f(x) conhecida, pode-se calcular o valor
mdio de x depois de muitas medies. Foi
visto que a mdia de qualquer nmero de
medies a soma de todos os valores de
xi , cada um com um peso, que a frao
de vezes que ele obtido:
x= xF
i
i i
No presente caso, tem-se um grande
nmero de medies com distribuio f(x).
Se a faixa total de valores dividida em
pequenos intervalos xi a xi + dxi , a frao
de valores em cada intervalo Fi = f(xi) dxi
e no limite que todos os intervalos tendem
para zero, (5.14) fica
x= xf ( x)dx
Esta frmula d a mdia esperada de x
depois de um nmero infinito de medies.
Do mesmo modo, pode-se calcular o
desvio padro x obtido aps muitas
medies. Como estamos ligados ao limite
N , no faz diferena qual definio de
x usada, com N ou com (N 1). Em
qualquer caso, quando N , x2 a
mdia do quadrado dos desvios (x - x )2 .
Assim, aps algumas medies,
Distribuio de Gauss
2x = ( x x) f ( x)dx
2
(5.16)
5.4. Distribuio normal
Diferentes tipos de medies tem
diferentes distribuies limites. Nem todas
as distribuies possuem a forma de sino
mostrada na seo 5.2 (por exemplo, a
distribuio de Poisson geralmente
assimtrica). Mesmo assim, a maioria das
medies tem distribuio limite com uma
curva simtrica com formato do sino. No
captulo 10 ser provado que se uma
medio sujeita a muitas pequenas
fontes de incerteza aleatria e com
incerteza sistemtica desprezvel, os
valores medidos sero distribudos de
acordo com uma curva com forma de sino
e esta curva ser centrada no valor
verdadeiro de x, como na Fig. 5.7.
valor verdadeiro de x
(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 valor verdadeiro da quantidade medida x.
Se as medies tiverem incertezas
sistemticas significativas, a curva da
distribuio no ser centrada no valor
verdadeiro. Incertezas aleatrias so
igualmente provveis de puxar as leituras
acima e abaixo do valor verdadeiro. Se
(5.15) todas as incertezas forem aleatrias, aps
muitas medies o nmero de
observaes acima do valor verdadeiro
ser igual ao nmero de observaes
abaixo, e a distribuio dos resultados ser
centrada no valor verdadeiro. Mas uma
incerteza sistemtica (como causada pela
fita esticada ou pelo cronmetro que
atrasa) empurra todos os valores em uma
direo e portanto empurra a distribuio
dos valores observados fora do centro do
valor verdadeiro. Neste captulo, ser
assumido que a distribuio centrada no
88
 Distribuio de Gauss

valor verdadeiro. Isto equivalente a forma de sino, centrada no valor

assumir que todos as incertezas verdadeiro X.
sistemticas so reduzidas a um nvel A funo matemtica que descreve a
desprezvel. curva forma de sino chamada de funo
Agora, se volta a uma questo que foi de Gauss ou distribuio normal. O seu
propositadamente evitada: o que o valor prottipo :
verdadeiro de uma quantidade fsica? Esta
questo complicada e no tem uma ex
2
/ 2 2
(5.17)
resposta simples e satisfatria. Como
nenhuma medio pode determinar
onde um parmetro fixo, chamado de
exatamente o valor verdadeiro de qualquer
parmetro largura. importante ficar
varivel contnua (comprimento, tempo,
familiarizado com as propriedades desta
massa, temperatura, corrente eltrica,
funo.
presso, analise), se o valor verdadeiro de
1. Quando x = 0, a funo de Gauss
tal quantidade existe no mesmo claro.
igual a 1.
De qualquer modo, sempre se faz a
2. A funo simtrica em relao a x
hiptese conveniente de que cada
= 0, porque tem o mesmo valor para
quantidade fsica tenha um valor
x e x
verdadeiro.
3. Quando x se afasta de zero em
qualquer direo, x2/22 aumenta,
grande pequeno rapidamente se pequeno, mais
lentamente se grande. Assim,
quando x se afasta da origem, a
funo de Gauss decresce,
tendendo para zero.
Fig. 5.8. A funo de Gauss (5.17) tem forma de A aparncia geral da funo de Gauss
sino e centrada em x = 0. A curva do sino (5.17) como a mostrada na Fig. 5.8. O
larga se grande e estreita se pequeno. grfico ilustra o nome parmetro largura
Embora por enquanto visto como um para porque a forma de sino larga se
parmetro que caracteriza a largura da curva for grande e estreita se pequeno.
do sino, pode ser mostrado como a distncia
do centro da curva para o ponto onde a
curvatura muda de direo. Esta distncia
mostrada em dois pontos.

Pode-se pensar que o valor verdadeiro

de uma quantidade o valor para o qual o
resultado se aproxima cada vez mais
quando se aumenta o nmero de medies
feitas com cuidado. Como tal, o valor
verdadeiro uma idealizao similar s da
matemtica, como ponto sem tamanho,
linha sem espessura. O valor verdadeiro,
como o ponto ou linha, uma idealizao
til. Aqui, os valores verdadeiros das
quantidades medidas x, y,..., z so
expressas pelas suas letras maisculas
correspondentes X, Y, ..., Z. Se as
medies de x so sujeitas a muitas
pequenas incertezas aleatrias, mas a
incertezas sistemticas desprezveis, sua
distribuio ser uma curva simtrica, em
Fig. 5.9. A funo de Gauss (5.18) tem forma de
sino e centrada em x = X.
A funo de Gauss (5.17) uma curva
em forma de sino, centrada em x = 0. Para
obter uma curva em forma de sino
centrada em x = X, simplesmente substitui
x por (x X), na eq. (5.17). Assim, a
funo
2
) / 2 2
e ( x X (5.18)

89
 Distribuio de Gauss

tem o mnimo em x = X e se desloca

simetricamente para o lado x = X, como Como esta integral deve ser igual a 1, o
mostrado na Fig. 5.9. fator de normalizao N fica
A funo (5.18) ainda no est em sua
forma final para descrever uma distribuio 1
N=
limite porque qualquer distribuio deve 2
ser normalizada, ou seja, deve satisfazer:

f ( x)dx = 1
Para arranjar esta normalizao, faz-se
2
/ 22
f ( x ) = Ne ( x X )
(A multiplicao pelo fator N no muda
o formato da curva nem desloca o ponto de
mximo de x = X). Deve-se escolher o fator
de normalizao N de modo que f(x) seja
normalizado como em (5.19). Isto envolve
alguma manipulao elementar de
integrais (que ser mostrada aqui e agora):
f ( x)dx = Ne
( x X )2 / 2 2
dx
Resolvendo este tipo de integral,
mudando variveis para simplificar
(fazendo x X = y e dx = dy), tem-se
Com esta escolha para o fator de
normalizao, chega-se forma final para
(5.19)
a funo distribuio normal ou de Gauss,
que denotada pela GX,(x):
Distribuio normal ou de Gauss
(5.20)
1 2
/ 2 2
G X, ( x ) = e( x X )
2
(5.25)
A frmula contm os ndices X e para
indicar o centro e a largura da distribuio.
A funo GX, (x) descreve a distribuio
limite de resultados em uma medio de
uma quantidade x cujo valor verdadeiro
X, se a medio for sujeita apenas a
(5.21) incertezas aleatrias (com certezas
sistemticas desprezveis). Medies cuja
distribuio limite dada pela funo de
Gauss (5.25) so normalmente
distribudas.

= N e y
2
/ 2 2
dy (5.22)

Fazendo agora y/ = z (em que dy =

dz),

= N e z
2
/2
dz (5.23) Fig. 5.10. Duas distribuies de Gauss

A ultima integral uma das integrais

O significado do parmetro largura
padro da fsica matemtica e cujo
ser explicado rapidamente. J foi visto
resultado encontra-se em qualquer bom
que um pequeno valor de d uma
livro de clculo matemtico,
distribuio com um pico estreito e alto,
correspondendo a uma medio precisa,
e
z2 / 2
dz = 2 (5.24) enquanto um grande valor de d uma
distribuio com pico largo e baixo,
correspondendo a uma medio pouco
Retornando a (5.21) e (5.23), tem-se precisa. A Fig. 5.10 mostra dois exemplos
de distribuies de Gauss com diferentes

pontos centrais X e larguras . O fator no
f ( x)dx = N

2 denominador garante que uma distribuio

90
 Distribuio de Gauss

mais estreita (x menor) A segunda integral a normalizada,

automaticamente maior em seu centro, encontrada em (5.22) e tem o valor de
como deve ser para que a rea total sob a 2 . Esta integral cancela com o
curva seja igual a 1.
2 do denominador e deixa apenas o X

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

probabilidade de se obter qualquer valor de

x. Especificamente, a integral 1
t

e
z2 / 2
Prob (dentro t) = dz (5.35)
b
2 t

f ( x)dx
a

a probabilidade que qualquer uma

medio d um resultado na faixa de a < x
<b. Se a distribuio limite a funo de
Gauss GX,(x), esta integral pode ser
resolvida. Em particular, pode-se calcular a Fig. 5.12. A rea hachuriada entre X t a
probabilidade que uma medio caia probabilidade de uma medio cair dentro de t
dentro de um desvio padro do valor desvio padro de X.
verdadeiro X. Esta probabilidade :

X+ A integral da eq. (5.35) uma integral

Prob (dentro ) = G X, ( x)dx (5.32) padro da matemtica e geralmente
X
chamada de funo erro ou funo
incerteza ou integral do erro normal. Ela
X+
1 no pode ser resolvida analiticamente, mas
e
( x X )2 / 2 2
= dx (5.33)
2 X
pode ser calculada em um computador ou
mesmo numa calculadora cientfica. A Fig.
5.13 mostra esta integral plotada como
uma funo de t e tabula alguns valores.
Uma tabulao mais completa pode ser
encontrada na literatura especializada ou
no Apndice A.

Fig. 5.11. A rea hachuriada entre X a

t 0 0,25 0,5 0,75 1,0 1,25 1,50 2,0
probabilidade de uma medio cair dentro de
um desvio padro de X. P(%) 0 20 38 55 68 79 87 95,4

Esta integral ilustrada na Fig. 5.11.

Ela pode ser simplificada no modo familiar
substituindo (x-X)/ = z. Com esta
substituio, dx = dz e os limites de
integrao se tornam z = 1. Assim,

1
1
e
z2 / 2
Prob (dentro ) = dz (5.34)
2 1

Igualmente, se poderia achar a

probabilidade de um resultado cair dentro
de 2 ou 1,5 de X. Mais geralmente, se
poderia calcular Prov (dentro t) que
significa a probabilidade para um resultado
dentro t de X onde t qualquer nmero
positivo. Esta probabilidade dada pela
rea na Fig. 5.12 e um clculo idntico a
este levando a eq. (5.34) d:
Fig. 5.13. A probabilidade Prob(dentro t) que
uma medio de x caia dentro t desvios padro
do valor verdadeiro x = X.
Nota-se da Fig. 5.13 que a
probabilidade de uma medio cair dentro
de um desvio padro do valor verdadeiro
68%, como antecipado no captulo 4. Se o
desvio padro das medies reportado

92

como a incerteza, ou seja, xestimado x e se
toma x = , ento pode se estar 68%
confiante que se est dentro do resultado
correto.
Pode-se ver na Fig. 5.11 que a
probabilidade Prob(dentro t) se aproxima
rapidamente (exponencialmente) de 100%,
quando t aumenta. A probabilidade que
uma medio caia dentro 2 95,4% e
para 3 99,7%. Colocando estes
resultados de outro modo: a probabilidade
que uma medio caia fora de um desvio
padro grande (32%), que a medio
caia fora de 2 pequena (4,6%) e que
caia fora de 3 muito pequena (0,3%).
Obviamente, nada sagrado com
relao ao nmero 68%, apenas acontece
ser a confiana associada com o desvio
padro . Uma alternativa ao desvio
padro o erro provvel (EP) e definido
como a distncia para a qual h uma
probabilidade de 50% de uma medio cair
entre X EP. A Fig. 5.13 mostra que, para
uma medio normalmente distribuda, o
erro provvel
EP 0,67
Alguns metrologistas cotam o erro
provvel como a incerteza em suas
medies. Porm, o desvio padro x a
escolha mais popular por causa da
simplicidade de suas propriedades.
Probleminha rpido 5.4.
As medies de uma dada distncia x
so distribudas normalmente com X = 10 e
x = 2.
(a) Qual a probabilidade que uma
medio isolada caia dentro x = 7 e x = 13.
(b) Qual a probabilidade que ela caia fora
da faixa de x = 7 e x = 13?
Resp.:
(a) entre 7 e 13: 87% (corresponde a 1,5 )
(b) menor que 7 e maior que 13: 13%
5.6. Justificativa da mdia como
melhor estimativa
As trs ultimas sees discutiram a
distribuio limite f(x), a distribuio obtida
Distribuio de Gauss
de um nmero infinito de medies de uma
quantidade x. Se f(x) fosse conhecida, se
calcularia a mdia x e o desvio padro
obtido aps um nmero muito grande de
medies e, no mnimo para a distribuio
normal, poderia se conhecer o valor
verdadeiro X. Infelizmente, nunca se
conhece a distribuio limite. Na prtica,
tem-se um nmero finito N de valores
medidos (5, 10 ou talvez 50),
x1, x2, ..., xN
e o problema chegar melhor estimativa
de X e baseado nestes N valores
medidos.
Se as medies seguem uma
distribuio normal GX,(x) e j se
conhecem os parmetros X e , pode-se
calcular a probabilidade de se obter os
valores x1, x2, ..., xN que foram realmente
obtidos. Assim, a probabilidade de se ter
uma indicao prxima de x1, em um
pequeno intervalo dx1 :
Prob(x entre x1 e x1 + dx1) =
1 2
/ 2 2
= e ( x1 X ) dx 1
2
Na prtica, se est interessado no
tamanho do intervalo dx1 (ou o fator 2 ),
de modo que a equao pode ser
abreviada para:
1 ( x1 X ) 2 / 2 2
Prob(x1) = e (5.36)
A eq. (5.36) se refere probabilidade
de se obter o valor x1, embora
rigorosamente seja a probabilidade de se
obter um valor no intervalo prximo de x1.
A probabilidade de se obter a segunda
indicao x2
1 ( x 2 X )2 / 2 2
Prob(x2) = e (5.37)
e do mesmo modo,
1 ( x N X )2 / 2 2
Prob(xN) = e (5.38)
93

As eq. (5.36) at (5.38) do as
probabilidades de se obter cada uma das
medies x1, x2, ..., xN calculadas em
termos da distribuio limite assumida
GX,(x) . A probabilidade que se observe o
conjunto inteiro de N medies o produto
destas probabilidades separadas.
1 (x X )2 / 22
ProbX,(x1,...,xN) N e i (5.39)
Entender o significado das vrias
quantidades em (5.39) muito importante.
1. Os nmeros x1, x2, ..., xN so
conhecidos e fixos.
2. A quantidade ProbX,(x1,...,xN) a
probabilidade de se obter os N
resultados x1, x2, ..., xN, calculados
em termos de X e , (o valor
verdadeiro de x e o parmetro
largura desta distribuio).
3. Os nmeros X e no so
conhecidos e se quer achar as
melhores estimativas para X e
baseando-se nas medies feitas
x1, x2, ..., xN.
4. Os ndices X e so colocados na
probabilidade (5.39) para enfatizar
que ela depende dos valores
desconhecidos X e .
Como os valores reais de X e so
desconhecidos, pode-se imaginar os
valores X e e usar estes valores
imaginados para computar a probabilidade
ProbX,(x1,...,xN). Se so imaginados
outros nmeros novos, X e e
encontrado que a probabilidade
correspondente ProbX,(x1,..., xN) maior,
deve-se tomar os novos valores X e
como melhores estimativas para X e .
Continuando deste modo, pode-se
imaginar a procura de valores de X e que
faam ProbX,(x1,...,xN) to grande quanto
possvel e estes valores so considerados
como as melhores estimativas para X e .
Este procedimento plausvel para achar
as melhores estimativas para X e x
chamado de princpio da mxima
probabilidade. Ele pode ser resumido do
seguinte modo:
Dadas N medies feitas x1, x2, ..., xN,
as melhores estimativas para X e so os
valores para os quais os valores
observados x1, x2, ..., xN so mais
Distribuio de Gauss
provveis. As melhores estimativas para X
e so aqueles valores para os quais
ProbX,(x1,...,xN) mxima, dado que aqui
1 (xi X )2 / 22
ProbX,(x1,...,xN) e (5.40)
N
Usando este princpio, pode-se
encontrar facilmente a melhor estimativa
para o valor verdadeiro X. Obviamente,
(5.40) mxima se a soma no expoente
mnima. Assim, a melhor estimativa para X
o valor de X para que
N
( x i X) 2 / 2
i=1
seja mnima. Para localizar este mnimo,
deriva-se a expresso com relao a X e
iguala a derivada a zero, dando:
N
( x X) = 0
i
i =1
ou
melhor estimativa para X = x i
(5.42)
N
Ou seja, a melhor estimativa para o valor
verdadeiro X a mdia aritmtica das N
medies, x = xi/N, um resultado que j
tinha sido assumido sem prova, desde o
Captulo 1.
Achar a melhor estimativa para ,
largura da distribuio limite, um pouco
mais difcil, porque a probabilidade (5.40)
uma funo mais complicada de . Deve-
se diferenciar (5.40) com relao a e
fazer a derivada igual a zero. Este valor d
o valor de que maximiza (5.40) e que a
melhor estimativa para , como:
1 N
melhor estimativa de = ( x i X )2
N i =1
(5.43)
O valor verdadeiro X desconhecido.
Assim, na prtica, substitui-se X na (5.43)
pela melhor estimativa de X, que a
mdia. Esta substituio fornece a
estimativa:
1 N
= (x i x)2
N i=1
(5.44)
94

A melhor estimativa para a largura de
uma distribuio limite o desvio padro
de N medies observadas x1, x2, ..., xN,
como originalmente definido em (4.6)
Pode-se ficar surpreso que a estimativa
(5.44) seja a mesma que a definio
original (4.6), usando N, do desvio padro,
em vez da definio melhorada, usando
(N-1). A melhor estimativa (5.43) envolve o
valor verdadeiro X, enquanto em (5.44) X
foi substitudo por x (melhor estimativa de
X). Agora, estes nmeros geralmente no
so iguais e pode ver facilmente que (5.44)
sempre menor ou igual a (5.43).
[Considerando-se (5.43) como uma funo
de X e como esta funo mnima em X =
x , (5.44) sempre ser menor ou igual a
(5.43)]. Assim, passando de (5.43) para
(5.44), est se subestimando de modo
consistente a largura . O Apndice E
mostra que esta subestimativa corrigida,
substituindo o denominador N em (5.44)
por (N 1). Ou seja, a melhor estimativa
para a largura precisamente o desvio
padro melhorado ou da amostra dos
valores medidos x1, x2, ..., xN, com (N 1)
no denominador.
1 N
melhor estimativa de = ( x i X)2
N 1 i =1
(5.45)
Agora hora de se fazer algumas
revises:
Se as medies de x so sujeitas
somente a incertezas aleatrias, sua
distribuio limite a funo de Gauss,
GX,(x) centrada no valor verdadeiro X e
com largura . A largura o limite de
confiana de 68%, em que h uma
probabilidade que qualquer medio ir
cair dentro uma distncia do valor
verdadeiro X. Na prtica, nem X e nem
conhecido. Em vez disso, conhecem-se os
N valores medidos x1, x2, ..., xN, onde N
to grande quanto a pacincia e o tempo o
permitirem. Baseando-se nestes N valores
medidos, a melhor estimativa do valor
verdadeiro X tem sido mostrado ser a
mdia x = xi/N e a melhor estimativa para
a largura o desvio padro de x1, x2, ...,
xN, como definido em (5.45).
Distribuio de Gauss
Duas questes adicionais aparecem:
1. Qual a incerteza em x como uma
estimativa do valor verdadeiro de
X? Esta questo ser discutida na
seo 5.7, onde a incerteza em x
ser mostrada ser o desvio padro
da mdia, como definido no
captulo 4.
2. Qual a incerteza em x como uma
estimativa da largura verdadeira .
A frmula para esta incerteza na
incerteza ou desvio padro do
desvio padro derivada no
Apndice E. O resultado prova que
h uma incerteza relativa em x
x 1
= (5.46)
x 2(N 1)
Este resultado mostra claramente a
necessidade de medies numerosas,
antes que a incerteza seja conhecida com
confiana. Por exemplo, com apenas 3
medies de uma quantidade (N = 3), o
resultado (5.46) implica que o desvio
padro 50% incerto.
Probleminha rpido 5.5.
Para testar a confiabilidade de um
galvanmetro balstico, descarrega se um
capacitor (carregado em uma tenso fixa)
atravs do galvanmetro, trs vezes e
mede se a carga resultante, q, em C.
Destas trs medies, calcula se o desvio
padro, que vale q = 6 C. Usando (5.46),
(a) achar a incerteza q neste
parmetro.
(b) O valor verdadeiro do desvio
padro poderia facilmente ser to
pequeno quanto q - q ou to
grande quanto
q + q . Quais so estes dois
valores para esta experincia?
(Notar bem que a confiabilidade
q somente aps trs medies).
Resp.:
(a) q = 6 3 C e x =
(b) q dq = 3 C e q + dq = 9 C
95

5.7. Justificativa da soma quadrtica
Voltando-se ao assunto do Captulo 3,
propagao das incertezas, l foi
estabelecido, sem prova formal, que
quando as incertezas so aleatrias e
independentes, elas podem ser
combinadas em soma quadrtica, de
acordo com regras padro, ou com regras
simples em (3.16) e (3.18) ou a regra geral
em (3.47), que inclui as regras simples
como casos especiais. O uso da soma
quadrtica pode agora ser justificado.
O problema da propagao das
incertezas aparece quando se medem uma
ou mais quantidades, x, y, ..., z, todas com
incertezas e ento se usam os valores
medidos para calcular alguma quantidade
q(x, y, ..., z). A principal questo ,
obviamente, decidir qual a incerteza no
resultado de q. Se as quantidades x, y, ...,
z so sujeitas apenas a incertezas
aleatrias, elas sero normalmente
distribudas com parmetros de largura x,
y, ..., z , que so tomados como as
incertezas associadas com qualquer
medio isolada das quantidades
correspondentes. A questo a ser decidida
agora esta: conhecendo se as
distribuies das medies de x, y, ..., z, o
que pode se dizer acerca da distribuio
dos valores para q? Em particular, qual
ser a largura da distribuio de valores de
q? Esta questo respondida em quatro
etapas, numeradas de I a IV.
I. Quantidade medida mais nmero fixo
Primeiro, sejam dois casos especiais
simples. Seja uma quantidade medida x e
usada para calcular a quantidade
q=x+A (5.47)
onde A um nmero fixo sem incerteza
(tal como A = 2 ou A = ). Sejam tambm
as medies de x distribudas normalmente
em torno do valor verdadeiro X, com
largura x, como na Fig. 5.14 (a). Assim, a
probabilidade de se obter qualquer valor x
(em um pequeno intervalo dx) Gx,(x)dx
ou
2 2
probabilidade de obter valor x e ( x X ) / 2x
(5.48)
Distribuio de Gauss
largura x
(a)
medida
largura x
(b) calculada
Fig. 5.14. Se os valores medidos de x so
normalmente distribudos com centro em x = X
e largura x , os valores calculados de q = x +
A (com A fixo e conhecido) sero normalmente
distribudos com centro em q = x + A e com a
mesma largura x.
O problema deduzir a probabilidade
de se obter qualquer valor q da quantidade
definida por (5.47). Agora, de (5.47) se v
que x = q A e assim que
probabilidade de obter valor q =
probabilidade de obter x = q A
A segunda probabilidade dada por
(5.48) e a probabilidade de obter valor q
2
/ 2 2x
e [( q A ) X )
2
e [ q ( X + A )] / 2 2x
(5.49)
O resultado (5.49) mostra que os
valores calculados de q so normalmente
distribudos e centrados no valor X + A,
com largura x, como mostrado na Fig.
5.14 (b). Em particular, a incerteza em q
a mesma (ou seja, x) da incerteza em x,
justo como a regra (3.16) havia previsto.
II. Quantidade medida vezes nmero
fixo
Como um segundo exemplo simples,
seja a medio x e o clculo da quantidade
q = Bx
onde B um nmero fixo (como B = 2 ou
B = ). Se as medies de x so
normalmente distribudas, ento,
raciocinando como antes, conclui-se que:
96
 Distribuio de Gauss

probabilidade de obter valor q = como na Fig. 5.16 (c). Em particular, este

probabilidade de obter x = q/B resultado justifica a regra do captulo 3 que
diz se x e y so sujeitas apenas a
q
2
incertezas aleatrias e independentes,
exp X / 2 2x ento e a incerteza em x + y a raiz
B quadrada da soma dos quadrados das
incertezas separadas em x e y.
= exp[ (q BX )2 / 2B 2 2x ] (5.50)

Em outras palavras, os valores de x

x
(a)
q = Bx sero normalmente distribudos, (b)

com centro em q = BX e largura Bx , com

mostrado na Fig. 5.15. em particular a
incerteza em q = Bx B vezes a incerteza
em x, justo como a regra (3.18) j previa.
(c)

largura x

(a Fig. 5.16. Se as medies de x e y so

) medida independentes e normalmente distribudas com
centros X e Y e larguras x e x, ento os
valores calculados de x + y so normalmente
largura x distribudos com centro em X + Y e com largura
(b 2x + 2y
calculada
)

Para simplificar a lgebra, assume-se a

Fig. 5.15. Se os valores medidos de x so priori que os valores verdadeiros X e Y so
normalmente distribudos com centro em x = X ambos iguais a zero. Neste caso, a
e largura x , os valores calculados de q = Bx probabilidade de ter qualquer valor
(com B fixo e conhecido) sero normalmente particular de x
distribudos com centro em q = Bx e com a
largura B x.
x2
Prob(x) exp
2
(5.51)
2 x
III. Soma de duas quantidades medidas e a de y
Como um primeiro exemplo no trivial
de propagao de incerteza, seja a y2
medio de duas quantidades Prob(y) exp (5.52)
2 2y
independentes x e y e o clculo de sua
soma x + y. Por hiptese, as medies de
x e y so normalmente distribudas em O problema calcular a probabilidade
torno de seus valores verdadeiros X e Y, de se obter qualquer valor particular de x +
com larguras x e y , como na Fig. 5.16 y. Primeiro se observa que, como x e y
(a). e se tenta achar a distribuio dos medidos independentemente, a
valores calculados de x + y. Ser probabilidade de obter qualquer valor x e
encontrado que os valores de x + y so qualquer valor y justo o produto de (5.51)
normalmente distribudos, que eu centro e (5.52), ou seja:
o valor verdadeiro X + Y e que a largura de
sua distribuio 1 x 2 y 2
Prob(x,y) exp 2 + 2 (5.53)
2 x y

2x + 2y

97
 Distribuio de Gauss

Conhecendo se a probabilidade de se Este resultado mostra que os valores

obter qualquer x e qualquer y, pode se de (x + y) so normalmente distribudos
ento calcular a probabilidade para com largura 2x + 2y , como antecipado.
qualquer valor de x + y. O primeiro passo
reescrever o expoente em (5.53) tem A prova completa para o caso quando
termos da varivel de interesse, x + y. Este os valores verdadeiros de x e y so ambos
passo pode ser feito usando a identidade zero, ou seja, X = 0 e Y = 0. Se X e Y so
que pode ser facilmente verificada: ambos no-zero, pode-se fazer o seguinte.
Primeiro escreve
x 2 y 2 ( x + y )2 (Bx + Ay )2
+ = + (5.54) x + y = (x X) + (y Y) + (X + Y) (5.60)
A B A +B AB( A + B)
Em (5.60), os dois primeiros termos so
( x + y )2 centrados em zero, com larguras x e y,
= + z2 (5.55)
A +B pelo resultado do passo I. Pela eq. (5.59),
a soma dos dois primeiros termos
Na eq. (5.55) foi introduzida a normalmente distribuda com largura
abreviao z2 para o segundo termo da eq. 2x + 2y . O terceiro termo em (5.60) um
(5.54) porque seu valor no interessa.
Se substituirmos (5.55) em (5.53), nmero fixo, portanto, pelo resultado ainda
trocando A por x2 e B por y2, tem-se do passo I, ele simplesmente desloca o
centro da distribuio para (X + Y) mas
deixa a mesma largura. Em outras
( x + y )2 z2
Prob(x,y) exp (5.56) palavras, os valores de (x + y) como dado
2( x + y ) 2
2 2
por (5.60) so normalmente distribudos
em torno de (X + Y) com largura 2x + 2y .
Esta probabilidade para obter
determinados valores de x e y pode ser Este o resultado que se queria.
vista a probabilidade de obter
determinados valores de x + y e z. Assim, IV. Caso geral
pode-se reescrever (5.56) como
Tendo justificado a frmula da
propagao da incerteza para o caso
( x + y )2 z2
Prob(x,y) exp especial de uma soma (x + y), pode-se
2
exp
2( x + y )
2
2 justificar a frmula geral para a propagao
(5.57) da incerteza de modo surpreendentemente
simples. Sejam duas quantidades
Finalmente, o que se quer a independentes x e y, cujos valores
probabilidade de obter um determinado medidos so normalmente distribudos e
valor de x + y, independente do valor de z. agora se quer calcular a quantidade q(x,y)
Esta probabilidade obtida, somando ou em termos de x e y. A distribuio dos
melhor, integrando (5.57) sobre todos os valores de q(x,y) facilmente encontrada,
valores possveis de z, ou seja: usando-se os resultados dos passos I, II e
III, como segue.
Inicialmente, as larguras x e y
Prob (x + y) = Pr ob( x + y, z)dz (5.58) (incertezas em x e y) devem ser, como

sempre, pequenas. Esta exigncia significa
que est se tratando apenas com valores
Quando se integra (5.57) com relao a de x prximos de X e de y prximos de Y e
z, a integral do fator exp(-z2/2) vale 2 e se pode usar a aproximao (3.42) para
se tem escrever:
q q
q( x, y ) q( X, Y ) + ( x X) + (y Y) (5.61)
( x + y )2 x y
Prob(x + y) exp 2
(5.59)
2( x + y )
2

Esta aproximao boa porque os

nicos valores de x e y que ocorrem

98

significativamente esto prximos de X e
Y. As duas derivadas parciais so
resolvidas em X e Y e so, portanto,
nmeros fixos.
A aproximao (5.61) expressa a
quantidade desejada q(x,y) como a soma
de trs termos:
1. q(X,Y) um nmero fixo, que
simplesmente desloca a
distribuio dos resultados
2. q/x(x X) cuja distribuio tem
largura x, com valores centrados
em zero e largura (q/x)x
3. q/y(y Y) cuja distribuio tem
largura y, com valores centrados
em zero e largura (q/y)y
Combinando os trs termos em (5.61) e
invocando os resultados j obtidos,
conclui-se que os valores de q(x,y) so
normalmente distribudos em volta do
valor verdadeiro (X,Y) com largura
2 2
q q
q = x + y (5.62)
x y
Se os desvios padro x e x so
identificados como as incertezas em x e y,
o resultado (5.62) precisamente a regra
(3.47) para a propagao de incertezas
aleatrias, para o caso quando q uma
funo de apenas duas variveis, q(x,y).
Quando q depende de muitas variveis,
q(x,y,...,z), o argumento anterior pode ser
estendido imediatamente para estabelecer
a regra geral (3.47) para funes de muitas
variveis. Como as regras do Captulo 3
relacionadas com a propagao de
incertezas aleatrias podem ser derivadas
de (3.47), todas elas so agora
justificadas.
5.8. Desvio padro da mdia
Mais um resultado importante mostrado
no Captulo 4 precisa ser provada. Este
resultado se relaciona com o desvio
padro da mdia x . Foi provado na seo
(5.5) que se so feitas N medies x1, x2,
..., xN de uma quantidade x, normalmente
distribuda, a melhor estimativa do valor
verdadeiro X a mdia x de x1, x2, ..., xN.
No captulo 4, foi estabelecido que a
incerteza nesta estimativa o desvio
padro da mdia,
Distribuio de Gauss
x
x = (5.63)
N
Sejam as medies de x normalmente
distribudas em torno do valor verdadeiro X
com parmetro largura x. Agora se quer
conhecer a confiabilidade da mdia das N
medies. Para responder isto, o que se
faz naturalmente repetir as N medies
muitas vezes. Ou seja, faz-se uma
seqncia de experimentos, em cada um
se fazem N medies e calcula se a mdia.
Deve-se agora achar a distribuio destas
muitas determinaes da mdia das N
medies.
Em cada experimento se medem as N
quantidades x1, x2, ..., xN, e ento se
calcula x :
x1 + x 2 + ... + x N
x= (5.64)
N
Como a quantidade calculada x uma
funo simples das quantidades medidas
x1, x2, ..., xN, pode-se achar a distribuio
dos resultados de x , usando a frmula da
propagao da incerteza. A nica
caracterstica incomum da funo (5.64)
que todas as medies x1, x2, ..., xN so
medies da mesma quantidade, com o
mesmo valor verdadeiro X e com a mesma
largura x.
H vrias observaes interessantes:
1. Como cada quantidade medida x1,
x2, ..., xN normalmente distribuda,
a funo x dada por (5.64)
tambm normalmente distribuda.
2. O valor verdadeiro para cada x1, x2,
..., xN X, de modo que o valor
verdadeiro x como dado por (5.64)
X + X + ... + X
=X
N
Assim, depois de fazer muitas
determinaes da mdia x das N
medies, os muitos resultados para x
sero normalmente distribudos em torno
do valor verdadeiro X. A nica questo que
fica, muito importante, encontrar a
largura da distribuio dos resultados. De
acordo com a frmula de propagao da
99
 Distribuio de Gauss

incerteza (5.62), reescrita para N variveis, 6. este resultado exatamente o que

esta largura deveria significar a incerteza na
mdia.
x
2
x
2
x
2 7. ele tambm explica claramente por
x = x1 + x 2 + ... + xN que esta incerteza chamada de
x1 x 2 x N desvio padro da mdia.
(5.65) Com esta prova simples e elegante,
todos os resultados apresentados nos
Como x1, x2, ..., xN, so todas medies captulos anteriores referentes a incertezas
da mesma quantidade x, suas larguras so aleatrias foram justificados.
iguais entre si e a x,

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

Assim, (5.65) se reduz a

Fig. 5.17. As medies individuais de x so
2 2
1 1 normalmente distribudas em torno de X com
x = x + ... + x
N N largura x (curva pontilhada). Se usado o
mesmo instrumento para fazer muitas
determinaes da mdia de 10 medies, o
2x resultado x ser normalmente distribudo em
N 2
= x (5.66)
N N torno de X com largura = / 10 .
x x

como se queria demonstrar.

Chegou-se ao resultado desejado
(5.66) to rapidamente que provavelmente
conveniente rever seu significado. Se
imaginou um grande nmero de
experimentos, em cada um se fazendo N
medies de x e ento calculou-se a mdia
x destas N medies. Foi mostrado que,
aps repetir este experimento muitas
vezes,
1. os muitos resultados para x sero
normalmente distribudos,
2. eles sero centrados no valor
verdadeiro X
3. a largura de sua distribuio
x = x / N
4. esta largura x o limite de
confiana de 68% para o
experimento
5. se foi achada a mdia de N
medies uma vez, pode-se ficar
68% de confiana que o resultado
cai dentro de uma distncia x do
valor verdadeiro X
5.9. Aceitao de um resultado
medido
Voltando a duas questes j levantadas
mas no completamente respondidas no
Captulo 2:
1. qual o significado da afirmao
que se est razoavelmente
confiante que uma quantidade
medida caia na faixa xestimado x ?
2. quando se compara o valor xestimado
com um valor esperado xesperado
(baseado em uma teoria ou em
valor nominal ou em alguma outra
medio), como se pode decidir se
a diferena entre ambos aceitvel
ou no?
Para a primeira questo, a resposta
agora clara: se uma medida x feita
vrias vezes, como geralmente acontece, a
mdia x a melhor estimativa para x e o
desvio padro da mdia uma boa
medio de sua incerteza. O resultado final

100

valor de x = x x a qual se conhece o valor aceito com
significa que, baseando se nas medies,
se espera com 68% de confiana, que
qualquer medio de x, feita do mesmo
modo, caia na faixa x x .
Poderia se escolher outro modo para
caracterizar a incerteza; por exemplo,
escrevendo o resultado como
valor de x = x 2 x
Agora, se espera com 95% de confiana
que qualquer medio de x caia nesta faixa
maior. Claramente, o ponto essencial em
reportar qualquer valor medido
estabelecer uma faixa (ou incerteza) e o
nvel de confiana correspondente a esta
faixa. A escolha mais comum dar um
desvio padro do resultado, com o limite
de confiana de 68%. Menos comum,
porm tambm usado, dar o resultado
com dois desvios padro, correspondendo
a um limite de confiana de 95%. Tambm
possvel encontrar resultados com trs
desvios padro, correspondendo a um
limite de confiana de 99,7%. De qualquer
modo, sempre deve-se informar
claramente a incerteza e o limite de
confiana correspondente.
Como enfatizado no Captulo 2, quase
todas as concluses experimentais
envolvem a comparao de dois ou mais
nmeros. Com a teoria estatstica, pode-se
dar agora um significado quantitativo a
muitas tais comparaes. Aqui ser
considerado apenas um tipo de
experincia, em que se chega a um
nmero e se compara este resultado com
algum resultado conhecido esperado. Por
exemplo, na experincia de verificar a
conservao de momento, pode-se medir
os momentos inicial e final, p e p, verificar
que p = p (dentro de incertezas), mas
pode-se igualmente considerar a
experincia de achar um valor para (p p)
e comparar esta diferena com o valor
esperado zero. Geralmente, quando se
quer comparar duas medies que so
supostas iguais, pode-se formar sua
diferena e comparar a diferena com o
valor esperado zero. Qualquer experincia
que envolva uma quantidade medida
Distribuio de Gauss
(como a acelerao da gravidade, g) para
preciso, tambm deste tipo e o
resultado esperado o valor conhecido
aceito.
Seja o metrologista que mede alguma
quantidade x (como a diferena de dois
momentos que devem ser supostamente
iguais) na forma:
valor de x = xestimado
onde denota o desvio padro de seu
resultado (que poderia ser o desvio padro
da mdia, se xestimado fosse a mdia de
vrias medies). Agora se quer comparar
este resultado com o resultado esperado
xesperado.
No Captulo 2 foi dito que se a
discrepncia |xestimado xesperado| fosse
menor ou apenas pouco maior que ,
ento o resultado era considerado
satisfatrio, mas se |xestimado xesperado|
fosse muito maior que , o resultado era
insatisfatrio. Estes critrios so corretos
at certo ponto, mas eles no do uma
medida quantitativa de quo boa ou m a
discrepncia. Os critrios tambm no
dizem onde estabelecer os limites de
aceitao. Qual a discrepncia satisfatria:
1,5 ou 2 ?
Pode se responder a estas questes,
agora, desde que as medies do
metrologistas sejam governadas pela
distribuio normal, como certamente
razovel supor. Pode-se comear fazendo
duas hipteses acerca desta distribuio:
1. a distribuio centrada no
resultado esperado xesperado
2. o parmetro largura da distribuio
igual estimativa do
metrologista.
A hiptese (1) o que o metrologista
espera ser a verdade. Ele assume que
todas as incertezas sistemticas sejam
reduzidas a um nvel desprezvel, para que
a distribuio seja centrada no valor
verdadeiro e que o valor esperado seja
realmente xesperado, de modo que h razo
para esperar que o xesperado seja correto.
A hiptese (2) uma aproximao
porque deve ter sido uma estimativa do
desvio padro, mas uma aproximao
razovel, se o nmero de medies em
que se baseia grande. Tomadas juntas,
101

as duas hipteses so iguais, assumindo
que os procedimentos e clculos estejam
corretos.
Est se julgando se razovel ou no
o resultado da medio, xestimado,
comparando a diferena |xestimado xestimado|
com (estimativa da largura da
distribuio normal correspondente). Se o
nmero de medies em que foi baseado
pequeno, esta estimativa pode ser pouco
confivel e o nvel de confiana
correspondente impreciso (embora ainda
seja um guia superficial til). Com um
pequeno nmero de medies, o clculo
preciso dos limites de confiana requer o
uso da chamada distribuio de Student, t.
Deve-se decidir agora se xestimado um
valor razovel de se obter e se as
hipteses foram corretas. Se a resposta for
sim, no h razo para duvidar da hiptese
e tudo est bem. Se a resposta for no, a
hiptese deve ser questionada e o
metrologista deve examinar a possibilidade
de
1. engano nas medies
2. engano nos clculos
3. existncia de erros sistemticos
4. resultado esperado xesperado
incorreto
Primeiro se determina a discrepncia,
|xestimado xesperado| e ento
x estimado x esperado
t= (5.67)
nmero de desvios padro pelo qual
xestimado difere de xesperado . (Aqui, denota o
desvio padro apropriado para xestimado. Se
xestimado a mdia de vrias medies,
ento o desvio padro da mdia).
Depois, da tabela da integral do erro
normal no Apndice A, pode-se achar a
probabilidade de se obter um resultado que
difira de xesperado por t ou mais desvios
padro, satisfeitas as hipteses. Esta
probabilidade vale
Prob (fora t) = 1 Prob (dentro t) (5.68)
Se esta probabilidade grande, a
discrepncia |xestimado xesperado |
perfeitamente razovel e o resultado
xestimado aceitvel. Se a probabilidade em
(5.68) pequena, a discrepncia julgada
Distribuio de Gauss
significativa, ou seja inaceitvel. E o nosso
infeliz metrologista deve pesquisar o que
deu errado.
Seja, por exemplo, a discrepncia
|xestimado xesperado | igual a um desvio
padro. A probabilidade de uma
discrepncia igual ou maior que um desvio
padro igual ao familiar 32% (100
68%). Claramente, uma discrepncia de
um desvio padro muito provvel de
ocorrer e , portanto, insignificante. No
extremo oposto, a probabilidade Prob(fora
3) justo 0,3% e, se as hipteses
estiverem corretas, uma discrepncia de
3 muito pouco provvel. Em outras
palavras, se a discrepncia 3, as
hipteses so pouco provavelmente
corretas.
Os limites entre aceitao e no
aceitao dependem do nvel abaixo do
qual se julga uma discrepncia de ser
razoavelmente improvvel. Este nvel
uma questo de opinio, a ser decidida
pelo experimentador. Muitos metrologistas
consideram 5% como um limite correto
para improbabilidade no razovel. Se
aceita desta escolha, ento uma
discrepncia de 2 seria inaceitvel,
porque Prob(fora 2) = 4,6% (100
95,4%). De fato, da tabela do Apndice A,
v-se que qualquer discrepncia maior do
que 1,96 inaceitvel ao nvel de 5% e
discrepncias de tal ordem so chamadas
de significativas. Analogamente, ao nvel
de 1%, qualquer discrepncia maior que
2,58 seria inaceitvel e discrepncias
desta ordem so consideradas altamente
significativas.
102
 Distribuio de Gauss

Definies e Equaes est tabulado no Apndice A. Em

particular,

Distribuies limites Prob (dentro ) = 68,27%

Se f(x) uma distribuio limite para a
medio de uma varivel contnua x, ento Mdia ou melhor estimativa
f(x)dx = frao da medio que cai Aps N medies de uma quantidade
entre x e x + dx normalmente distribuda x,
e
b x1, x2, ..., xN,
f ( x)dx
a
= probabilidade que qualquer
a melhor estimativa para o valor verdadeiro
uma medio d um resultado entre x = a e X a mdia das medies
x = b.
[Ver (5.12)]
melhor estimativa para X = x i
A condio de normalizao N

f ( x)dx = 1

[Ver (5.13)]

O valor mdio de x esperado aps Desvio padro da medio

muitas medies A melhor estimativa para a largura
o desvio padro das medies,

x= xf ( x)dx [Ver (5.15)]

1 N

= ( x i X)2
N 1 i =1
Distribuio normal ou de Gauss
Se medies de x so sujeitas a muitas
pequenas incertezas aleatrias mas a Incerteza do desvio padro
incertezas sistemticas desprezveis, sua A incerteza no desvio padro x vale:
distribuio limite ser a distribuio
normal ou de Gauss: 1
incerteza relativa em x =
2(N 1)
1 2
/ 2 2
G X, ( x ) = e( x X ) [Ver (5.25)] Ver [(5.46)]
2
Desvio padro da mdia
onde
X = valor verdadeiro de x A incerteza em x como uma estimativa
= centro da distribuio de X
= valor mdio aps muitas medies
e x
incerteza em x = [Ver (5.66)]
= parmetro largura da distribuio N
= desvio padro aps muitas
medies
A probabilidade uma medio isolada
cair dentro de t desvios padro de X

t
1
e
z2 / 2
Prob (dentro t) = dz (5.35)
2 t

Esta integral , muitas vezes, chamada

de funo erro ou integral do erro
normal. Seu valor como uma funo de t

103
 Distribuio de Gauss

Aceitao de um resultado medido

Seja a medio de uma quantidade x
na forma padro

valor de x = xestimado

onde o desvio padro apropriado.

Suponha-se tambm que, baseado em
alguma teoria ou em alguma outra
medio, se obtenha o valor xesperado.
Diz-se que xestimado difere de xesperado por
t desvios padro, onde

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%.

Apostilas\Incerteza JRTaylor2.doc 30 JAN 98 (Substitui 26 DEZ 97)

104

Mdias Ponderadas
7.1. Introduo
Este captulo trata do problema de
combinar duas ou mais medies
separadas e independentes de uma nica
quantidade fsica. Ser visto que a melhor
estimativa desta quantidade, baseando-se
em vrias medies, uma mdia valor verdadeiro X, baseando-se nas duas
ponderada destas medies.
7.2. Problema de combinar medies
Muitas vezes, uma quantidade fsica
medida vrias vezes, talvez em locais
separados, por experimentadores
diferentes ou em condies diversas e
aparece a questo de como estas
medies podem ser combinadas para dar
uma nica melhor estimativa. Por exemplo,
sejam dois instrumentistas A e B medindo
uma quantidade x cuidadosamente e
obtendo os seguintes resultados:
Instrumentista A : x = xA A (6.1)
Instrumentista B : x = xB B (6.2)
Cada resultado ser provavelmente o
resultado de vrias medies, em que caso
xA ser a mdia de todas as medies de
A e x o desvio padro desta mdia e do
mesmo modo, para xB e B . A questo
como melhor combinar xA e xB para uma
nica melhor estimativa de x.
Antes de examinar esta questo, note
que se a discrepncia |xA xB| entre as
duas medies muito maior que as duas
incertezas A e B , deve-se suspeitar que
alguma coisa est errada, no mnimo, com
uma das duas medies. Nesta situao,
diz-se que as duas medies so
inconsistentes e deve-se examinar ambas
as medies cuidadosamente para ver se
6
uma delas ou ambas esto sujeitas a
incertezas sistemticas no detectadas.
Porm, por hiptese, as duas medies
(6.1) e (6.2) so consistentes, ou seja, a
discrepncia |xA xB| no
significativamente maior que A ou B.
Ser que a melhor estimativa xestimado o
medies? O primeiro impulso seria usar a
mdia aritmtica (xA xB)/2 das duas
medies, dando igual importncia s duas
medies. Alguma reflexo, porm, sugere
que esta mdia no a mais conveniente
se as duas incertezas A e B forem
diferentes, pois o bom senso parece dizer
que a medio mais precisa deve ter uma
maior importncia.
Em todo este captulo ser assumido
que todas as incertezas sistemticas foram
identificadas e reduzidas a um nvel
desprezvel. Assim, todas as incertezas
remanescentes so aleatrias e as
medies de x so distribudas
normalmente em torno do valor verdadeiro
X.
7.3. Mdia Ponderada
Pode-se resolver o problema facilmente
usando o princpio da mxima
probabilidade, como foi feito na seo 5.5.
Assume-se que ambas as medies so
governadas pela distribuio de Gauss e
que o valor verdadeiro desconhecido de x
X. Assim, a probabilidade de A obter seu
valor particular xA :
1 ( x A X )2 / 2 2A
ProbX(xA) e (6.3)
A
e de B obter seu xB observado
1 ( xB X )2 / 2B2
ProbX(xB) e (6.4)
B
105

O ndice X indica explicitamente que
estas probabilidades dependem do valor
real desconhecido.
A probabilidade que A ache o valor xA e
B o valor xB justo o produto das duas
probabilidades (6.3) e (6.4). Em um modo
que agora seria familiar, este produto
envolve uma funo exponencial cujo
expoente a soma de dois expoentes em
(6.3) e (6.4). Pode se escrever:
ProbX(xA,xB) = ProbX(xA) ProbX(xB)
1 2
e / 2 (6.5)
A B
onde se introduziu o smbolo 2 (qui
quadrado) para o expoente:
2 2
x X xB X
= A
2
+ (6.6)
A B
Esta quantidade importante a soma dos
quadrados dos desvios de X das duas
medies, cada um dividido por sua
correspondente incerteza.
O princpio da mxima probabilidade
estabelece, justo como antes, que a
melhor estimativa para o valor verdadeiro
desconhecido X o valor para o qual as
observaes reais xA e xB so mais
provveis. Isto , a melhor estimativa para
X o valor para o qual a probabilidade
(6.5) mxima ou, de modo equivalente, o
expoente 2 mnimo. (Como maximizar a
probabilidade implica em minimizar a soma
dos quadrados 2, este mtodo para
estimar X geralmente chamado de
mtodo dos mnimos quadrados).
Assim, para se achar a melhor estimativa,
simplesmente se deriva (6.6) com relao
a X e faz se a derivada igual a zero,
xA X x X
2 +2 B 2 = 0
A2
B
A soluo desta equao para X a
melhor estimativa e facilmente resolvida
como:
x A xB 1 1
2 + 2 2 + 2 (6.7)
A B A B
Mdias Ponderadas
Este resultado aparentemente feio fica
mais bem arrumado se forem definidos os
pesos:
1 1
wA = e wB = 2 (6.8)
2A B
Com esta notao, pode-se reescrever
(6.7), como a mdia ponderada (denotada
xpond )
melhor estimativa X = xpond =
w A x A + w B xB
w A + wB
(6.9)
Se as duas medies originais so
igualmente incertezas (A + B) e assim
wA = wB , ento este resultado se reduz
mdia aritmtica (xA + xB)/2. Em geral,
quando wA wB, a mdia ponderada (6.9)
diferente da mdia aritmtica. Esta
frmula similar para o centro de
gravidade de dois corpos, onde wA e wB
so os pesos reais de dois corpos e xA e xB
suas posies. Em (6.9), os pesos so os
inversos dos quadrados das incertezas
nas medies originais, como em (6.8).
Se a medio de A mais precisa que a
de B, ento A < B e assim wA > wB de
modo que a melhor estimativa xestimado est
mais prxima de xA do que de xB, como
realmente acontece.
Probleminha rpido 7.1
Tem-se os seguintes resultados dos
tempos de vida de determinada partcula:
10,0 0,5 ns
12 1 ns
Combinando-se os resultados,
determinar:
(a) os respectivos pesos?
(b) mdia ponderada obtida e sua
incerteza?
Resposta: (a) 4 e 1
(b) 10,4 0,4
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

onde as somas so de todas N medies,

i = 1, 2, ..., N e os pesos so os inversos
dos quadrados das incertezas
correspondentes:

1
wi =
i2

A incerteza em xpond
1
pond = [Ver (6.12)]
w i

onde ainda a soma de todas as

medies i = 1, 2, ..., N.

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

Se a medio de uma varivel contnua x sujeita a muitas pequenas incertezas,

todas elas aleatrias, a distribuio esperada de resultados dada pela distribuio
normal ou de Gauss,

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

A Tab. A mostra esta integral para a = X t e b = X + t. Ela d a probabilidade

de uma medio dentro t desvios padro de cada lado de X,

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

Prob(fora t) = 100% - Prob(dentro t)

112
 Apndice A: Integral do Erro Normal

Tab. A. Probabilidade em percentagem,

X + t
Prob(dentro t) = X t G X, ( x )dx , como uma funo de t.

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

Esta integral , obviamente, igual metade da integral tabulada no Apndice A. A

probabilidade Pr ob(a x b) de uma medio em qualquer intervalo (a x b) pode
ser encontrada de Q(t) por uma simples subtrao ou soma. Por exemplo,

Pr ob( X + x X + 2) = Q(2) Q(1).

Do mesmo modo,

Pr ob( X 2 x X + ) = (Q2) + Q(1).

A probabilidade de uma medio maior que qualquer X + t justo 0,5 Q(t).

Por exemplo.

Prob(x X + ) = 50% - Q(1).

114
 Apndice A: Integral do Erro Normal

Tab. A. Probabilidade em percentagem,

X + t
Prob(dentro t) = X G X, ( x )dx , como uma
funo de t.

115
 C
Definies e Conceitos

As definies dos termos metrolgicos gerais relevantes para

este trabalho so dadas a partir do International vocabulary of basic
and general terms in metrology (abreviado VIM), 2a ed. , publicado
pela ISO, elaborado por especialistas e em nome das sete
organizaes que suportam seu desenvolvimento:
1. Bureau Internacional de Poids et Mesures (BIPM),
2. International Electrotechnical Comission (IEC),
3. International Federation of Clinical Chemistry (IFCC),
4. Organization International of Standardization (ISO),
5. International Union of Pure and Applied Chemistry (IUPAC),
6. International Union of Pure and Appplied Physics (IUPAP) e
7. International Organization of Legal Metrology (OIML).
O VIM deve ser a primeira fonte consultada para as definies
dos termos no includos aqui. Nas definies seguintes, o uso de
parnteses em torno de certas palavras de alguns termos significa
que as palavras podem ser omitidas se isto no causar confuso.
Os termos em negrito em algumas notas so termos metrolgicos
adicionais definidos nestas notas, explicita ou implicitamente.
Os termos esto tambm consistentes com a Portaria 29, de 10
de maro de 1995, do Instituo Nacional de Metrologia, Normalizao
e Qualidade Industrial INMETRO.

1. grandeza no sentido geral:

1. Grandezas e Unidades
1.1. Grandeza (mensurvel)
Grandeza ou grandeza o atributo de
um fenmeno, corpo ou substncia que
pode ser distinguido qualitativamente e
determinado quantitativamente. O termo
grandeza pode se referir a uma grandeza
no sentido geral (ver exemplo 1) ou a
uma grandeza particular [(ver exemplo
2)].
Exemplos:
comprimento, tempo, massa,
temperatura, resistncia eltrica,
concentrao e grandeza de
substncia;
2. grandezas particulares:
comprimento de uma dada barra
resistncia eltrica de um dado fio de
cobre
concentrao de etanol em uma dada
amostra de vinho.
As grandezas que podem ser
colocadas em ordem de valor relativo a
uma outra so chamadas de grandezas
de mesma espcie. Grandezas da
mesma espcie podem ser agrupadas

116

juntas em categorias de grandezas. Por
exemplo:
1. trabalho, calor, energia
2. espessura, circunferncia, raio de
crculo e comprimento de onda.
Grandezas de mesma espcie so
expressas com a mesma unidade SI. Os
nomes e smbolos para as grandezas
so dados pelo SI (Sistema Internacional
de Unidades)
1.2. Grandeza medida
(Mensurando)
O primeiro passo na medio
especificar a grandeza a ser medida ou o
mensurando. O mensurando no pode
ser especificado por um valor mas
somente por uma descrio de uma
grandeza. Porm, em princpio, um
mensurando no pode ser
completamente descrito sem uma
grandeza infinita de informao. Assim,
para a extenso que lhe deixa espao
para interpretao, a definio
incompleta do mensurando introduz na
incerteza do resultado de uma medio
uma componente de incerteza que pode
ou no pode ser significativa com relao
exatido requerida da medio.
A definio de um mensurando
especifica certas condies fsicas.
Exemplo - A velocidade do som no ar
seco de composio (frao molar):
N2 = 0,7808
O2 = 0,1095
Ar = 0,009 35
CO2 = 0,000 35
temperatura T = 273,15 K e
presso p = 101 325 Pa.
1.3. Grandeza de base
No Sistema Internacional de
Unidades (SI), a grandeza aceita como
independente de uma outra grandeza,
por conveno e funo. as grandezas de base deste sistema.
Atualmente, h sete grandezas de
base:
1. comprimento
2. massa
3. tempo
4. temperatura
5. corrente eltrica
6. quantidade de substncia
7. intensidade luminosa
Conceitos Estatsticos
1.4. Grandeza suplementar
No SI, a grandeza aceita como
independente de uma outra grandeza,
por conveno e funo. Por questo
histrica, chamada de suplementar,
quando pode ser considerada tambm de
base.
As duas grandezas suplementares
so:
1. ngulo plano
2. ngulo slido
1.5. Grandeza derivada
Grandeza definida, em um sistema de
grandezas, como funo de grandezas
de base deste sistema. A grandeza
derivada geralmente obtida pela
multiplicao e diviso de grandezas de
base e outras derivadas.
Exemplos de grandezas derivadas:
1. rea uma grandeza derivada do
quadrado do comprimento.
2. volume uma grandeza derivada
do cubo do comprimento
3. velocidade uma grandeza
derivada do comprimento dividido
por tempo
4. acelerao uma grandeza
derivada da velocidade dividida
por tempo ou do comprimento
dividido pelo tempo ao quadrado
5. fora uma grandeza derivada da
massa multiplicada pelo
comprimento e dividida pelo
quadrado do tempo.
H uma infinidade de grandezas
derivadas; algumas com nomes e
unidades prprias.
1.6. Grandeza, dimenso de uma
Expresso que representa uma
grandeza de um sistema de grandezas,
como produto das potncias (positivas ou
negativas) dos fatores que representam
Exemplos:
1. Dimenso de rea: L2
2. Dimenso de volume: L3
3. Dimenso de velocidade: LT-1
4. Dimenso de acelerao: LT-2
5. Dimenso de fora: MLT-2
Os fatores que representam as
grandezas de base so chamados de
dimenses dessas grandezas. A rea
117

possui dimenso de comprimento ao
quadrado.
Grandeza adimensional aquela
onde todos os expoentes das dimenses
das grandezas de base so zero. Na
prtica, grandeza adimensional no tem
dimenso. Exemplos:
1. densidade relativa (densidade de
fluido dividida pela densidade da
gua ou do ar)
2. coeficiente de atrito
3. nmero de Mach
4. nmero de Reynolds
1.7. Unidade (de medio)
Grandeza especfica definida e
adotada por conveno, com a qual
outras grandezas de mesma natureza
so comparadas para expressar suas
magnitudes em relao quela grandeza.
Cada grandeza deve ter uma nica
unidade de medio. Quando os
nmeros associados do valor da grande
forem muito grandes, deve-se usar
mltiplos decimais ou quando forem
muito pequenos, usam-se submltiplos.
Por exemplo, kilmetro um mltiplo de
metro e milmetro um submltiplo de
metro.
Unidades de medio tem nomes e
smbolos aceitos por conveno. Por
exemplo, a unidade de massa o
kilograma, smbolo kg. Outro exemplo: a
unidade de comprimento o metro,
smbolo m.
Unidades de grandezas de mesma
dimenso podem ter os mesmos nomes
e smbolos, mesmo quando as
grandezas no so de mesma natureza.
Por exemplo, energia (eltrica, qumica,
termodinmica ou mecnica) tem
unidade de joule, simbolizada por J.
1.8. Unidade, smbolo de
Smbolo de uma unidade um sinal
convencional que a designa. Smbolo
no abreviatura. Smbolo de metro m,
smbolo de kilograma kg; smbolo de
corrente eltrica A.
1.9. Unidade, sistema de
Sistema de unidades de medio
um conjunto das unidades de base,
suplementares e derivadas, definido de
Conceitos Estatsticos
acordo com regras especficas, para um
dado sistema de grandezas. J existiram
vrios sistemas de unidades: CGS,
MKSA, ingls e chins. Hoje, o sistema
de unidades a ser usado por todo tcnico
o SI, (smbolo de Sistema Internacional
de Unidades).
O SI um sistema de unidades
coerente, completo, decimal, universal.
1.10. Valor (de uma grandeza)
O valor a magnitude ou a expresso
quantitativa de uma grandeza particular
geralmente expresso como uma unidade
de medio multiplicada por um nmero.
Exemplos
comprimento de uma barra: 5,34
m ou 534 cm;
massa de um corpo: 0,152 kg ou
152 g;
grandeza de substncia de uma
amostra de gua (H2O): 0,012
mol ou 12 mmol.
Notas:
1. O valor de uma grandeza pode ser
positivo, negativo ou zero.
2. O valor de uma grandeza pode ser
expresso em mais de um modo.
3. Os valores das grandezas de
dimenso 1 so expressos como
nmeros isolados.
4. Uma grandeza que no pode ser
expressa como uma unidade de
medio multiplicada por um
nmero pode ser expressa por
referncia a uma escala padro
convencional ou por um
procedimento de medio ou por
ambos.
1.11. Valor verdadeiro (de uma
grandeza)
O valor verdadeiro aquele
consistente com a definio de uma dada
grandeza particular.
1. Este um valor que seria obtida
por uma medio perfeita
2. Valores verdadeiros so, por
natureza, indeterminados
3. O artigo indefinido um, em vez do
artigo definido o, usado em
conjunto com valor verdadeiro,
porque pode haver vrios valores
verdadeiros.
118

1.12. Valor verdadeiro
convencional (de uma grandeza)
O valor verdadeiro convencional
aquele atribudo a uma grandeza
particular e aceito, algumas vezes por
conveno, como tendo uma incerteza
apropriada para um dado objetivo.
Exemplos
a) em um dado local, o valor atribudo
grandeza realizada por um
padro de referncia pode ser
tomada como um valor verdadeiro
convencional;
b) o valor recomendado pelo
CODATA (1986) para a constante
de Avogrado:
6,022 136 7 x 1023 mol-1.
1. O valor verdadeiro convencional
geralmente chamado de valor
atribudo, melhor estimativa do
valor, valor convencional ou valor
de referncia.
2. Freqentemente, um nmero de
resultados de medies de uma
grandeza usado para
estabelecer um valor verdadeiro
convencional.
1.13. Valor verdadeiro, erro e
incerteza
O termo valor verdadeiro tem
tradicionalmente sido usado em
publicaes sobre incerteza mas no
neste trabalho pelas seguintes razes.
O resultado de uma medio da
grandeza realizada corrigido para a
diferena entre esta grandeza e o
mensurando de modo a prever o que o
resultado da medio teria sido se a
grandeza realizada, de fato, satisfizesse
totalmente a definio do mensurando. O
resultado da medio da grandeza
realizada tambm corrigido para todos
os outros efeitos sistemticos
significativos reconhecidos. Embora o
resultado final corrigido final seja
geralmente visto como a melhor
estimativa do valor verdadeiro do
mensurando, na realidade o resultado
simplesmente a melhor estimativa do
valor da grandeza que se quer medir.
Como exemplo, suponha que o
mensurando a espessura de uma dada
folha de material em uma especificada
Conceitos Estatsticos
temperatura. A pea trazida para a
temperatura prxima da temperatura
especificada e sua espessura, em um
determinado local, medida com um
micrmetro. A espessura do material
neste local e temperatura, sob a presso
aplicada pelo micrmetro, a grandeza
realizada.
A temperatura do material na hora da
medio e a presso aplicada so
determinadas. O resultado no corrigido
da medio da grandeza realizada
ento corrigido levando em conta a curva
de calibrao do micrmetro, o
afastamento da temperatura do
equipamento da temperatura
especificada e a leve compresso da
pea sob a presso aplicada.
O resultado corrigido pode ser
chamado a melhor estimativa do valor
verdadeiro, verdadeiro no sentido que o
valor da grandeza que se acredita
satisfazer totalmente a definio do
mensurando mas tem o micrmetro sido
aplicada a diferena parte da folha de
material, a grandeza realizada teria sido
diferente com um diferente valor
verdadeiro. Porm, este valor verdadeiro
seria consistente com a definio do
mensurando porque o ltimo no
especificou que a espessura era para ser
determinada neste determinado ponto da
folha. Assim, neste caso, por causa de
uma definio incompleta do
mensurando, o valor verdadeiro tem uma
incerteza que pode ser avaliada das
medidas feitas em diferentes pontos da
folha. Em algum nvel, cada mensurando
tem uma incerteza intrnseca que pode,
em princpio, ser estimada de algum
modo. Esta a mnima incerteza com
que um mensurando pode ser
determinado e cada medio tem tiver
esta incerteza pode ser vista como a
melhor medio possvel do mensurando.
Para obter um valor da grandeza em
questo tendo uma menor incerteza
requer que o mensurando seja definido
com mais detalhes.
1. No exemplo, a especificao do
mensurando deixa muitos outras
informaes em dvida que
poderiam afetar a espessura:
presso baromtrica, umidade,
atitude da folha no campo
119
 Conceitos Estatsticos

gravitacional, o modo como ela 1.14. Valor numrico (de uma

suportada. grandeza)
2. Embora um mensurando seja
O valor numrico o nmero que
definido em detalhe suficiente, de
multiplica a unidade na expresso do
modo que qualquer incerteza
valor de uma grandeza. Exemplo,
resultante de sua definio
No valor do comprimento de uma
incompleta seja desprezvel em
barra: 5,34 m; 5,34 o valor
comparao com a exatido
numrico.
requerida da medio, deve ser
reconhecido que isto pode nem No valor da massa de um corpo:
sempre ser praticvel. A definio 0,152 kg; 0,152 o valor
pode, por exemplo, ser incompleta numrico.
porque ela no especifica
parmetros que deveriam ser
assumidos, injustificadamente,
tendo efeito desprezvel; ou ela
pode implicar condies que nunca
so totalmente satisfeitas e cuja
realizao imperfeita difcil de
considerar. Por exemplo, a
velocidade do som implica ondas
planas infinitas com pequena
amplitude. Para o objetivo que a
medio no satisfaz estas
condies, a difrao e os efeitos
no lineares devem ser
considerados.
3. Especificao inadequada do
mensurando pode levar a
discrepncias dos resultados das
medies da ostensivamente
mesma grandeza feitas em
diferentes laboratrios.
O termo valor verdadeiro de um
mensurando ou de uma grandeza (muitas
vezes truncado para valor verdadeiro)
evitado neste trabalho porque a palavra
verdadeiro vista como redundante.
Mensurando significa grandeza particular
sujeita medio, assim valor de um
mensurando significa valor de uma
grandeza particular sujeita medio.
Desde que grandeza particular
geralmente entendida para significar uma
grandeza definida ou especificada, o
adjetivo verdadeiro em valor verdadeiro
de um mensurando (ou em valor
verdadeiro de uma grandeza)
desnecessrio - o valor verdadeiro do
mensurando (ou grandeza)
simplesmente o valor do mensurando (ou
grandeza). Alm disso, como indicado na
discusso acima, um nico valor
verdadeiro apenas um conceito
idealizado.

120

2. Medio
2.1. Metrologia
Metrologia a cincia que trata das
medio, tratando de seus aspectos
tericos e prticos, incluindo a incerteza,
em todos os campos da cincia ou da
tecnologia.
2.2. Medio
Medio um conjunto de operaes
com o objetivo de determinar um valor de
uma grandeza.
As operaes podem ser feitas
manualmente ou automaticamente.
2.3. Princpio de medio
Princpio a base cientfica de uma
medio.
Exemplos
1. efeito termeltrico aplicado
medio de temperatura;
2. efeito Josephson aplicado
medio de diferena de
potencial eltrico;
3. efeito Doppler aplicado
medio de velocidade ou de
vazo;
4. efeito Raman aplicado
medio do nmero de onda
de vibraes moleculares.
2.4. Mtodo de medio
Mtodo a seqncia lgica de
operaes, descrita genericamente,
usada para fazer medies
Mtodos de medio podem ser
qualificados em vrios modos, tais como:
1. direto
2. substituio
3. comparao ou balano de nulo
2.5. Procedimento de medio
Procedimento um conjunto de
operaes, descrito especificamente e
usado para fazer medies particulares
de acordo com um dado mtodo
Um procedimento de medio
usualmente registrado no documento que
geralmente chamado de procedimento
de medio (ou um mtodo de medio)
e usualmente em detalhe suficiente
Conceitos Estatsticos
para possibilitar um operador fazer uma
medio sem informao adicional.
2.6. Mensurando (mensurand)
Mensurando o objeto da medio
ou a grandeza particular sujeita
medio. Por exemplo - presso de vapor
de uma dada amostra de gua a 20 oC.
A especificao de um mensurando
pode requerer declarao acerca de
grandezas como tempo, temperatura e
presso.
2.7. Grandeza de influncia
a grandeza que no o
mensurando mas que afeta o resultado
da medio. Exemplos
1. temperatura de um micrmetro
usado para medir comprimento
2. freqncia na medio da
amplitude de uma diferena de
potencial eltrica alternada.
3. concentrao de bilirubin na
medio de concentrao de
hemoglobina em uma amostra de
plasma sangneo do homem.
4. A grandeza de influncia inclui
valores associados com padres
de medio, materiais de
referncia e dados de referncia
dos quais o resultado de uma
medio pode depender, bem
como os fenmenos tais como
flutuaes rpidas do instrumento
de medio e grandezas tais
como temperatura ambiente,
presso baromtrica e umidade.
2.8. Grandeza de modificao
a grandeza que no o
mensurando mas que afeta o resultado
da medio, alterando o seu valor justo
na medio, diretamente no elemento
sensor. Exemplos
1. temperatura e presso na medio da
vazo volumtrica de gs. Como o
volume depende da presso e da
temperatura do gs, estas variveis
modificam o valor medido da vazo
volumtrica do gs.
2. densidade na medio de nvel de
lquido atravs da presso diferencial.
Como a presso diferencial exercida
pela coluna lquida depende da
121

densidade do lquido, acelerao da
gravidade e da altura do lquido, o
nvel modificado pela densidade.
A modificao pode ser eliminada ou
diminuda atravs da compensao da
medio, quando se fazem as medies
que afetam a varivel medida e o clculo
matemtico para eliminar a modificao.
Por exemplo, na medio de nvel de
lquido com densidade varivel atravs
da presso diferencial, medem-se a
presso diferencial e a densidade do
lquido e aplicam-se os dois sinais a um
divisor de sinais. A sada do divisor
proporcional apenas ao nvel.
2.9. Sinal de medio (measurement
signal)
Sinal a grandeza que representa a
quantidade medida ao qual est
funcionalmente relacionada. O sinal
contem a informao. Exemplos de
sinais:
1. deslocamento na sada de um
sensor mecnico de presso
2. sinal padro de 4 a 20 mA na
sada de um transmissor
eletrnico de temperatura
3. sinal padro de 20 a 100 kPa na
sada de um transmissor
pneumtico de nvel.
4. tenso ou fora eletromotriz de
um termopar usado para medir a
temperatura de um processo.
O sinal de entrada de um dispositivo
pode ser considerado estmulo; o sinal de
sada pode ser considerado resposta.
O sinal pode sofrer vrias
modificaes ao longo do sistema de
medio, porm deve preservar
inalterada a informao da medio. Por
exemplo, ele pode ser filtrado,
amplificado, convertido em outra forma
de energia, compensado, blindado.
2.10. Rudo (noise)
Grandeza da mesma natureza que o
sinal que afeta a medio, provocando
erro de influncia. O rudo pode ser
eliminado ou diminudo atravs de vrias
tcnicas, como
1. posio relativa entre instrumento
de medio e fonte de rudo
Conceitos Estatsticos
2. blindagem e aterramento quando
rudo for de natureza eltrica
3. Resultado da Medio
3.1. Resultado de uma medio
o valor atribudo a um mensurando,
obtido por medio.
1. Quando um resultado dado, deve
ficar claro se ele se refere a
- uma indicao
- um resultado no corrigido
- um resultado corrigido
- mdia de vrios valores
2. Uma apresentao completa do
resultado de uma medio inclui
informao acerca da incerteza da
medio.
3.2. Resultado no corrigido
Resultado de uma medio antes da
correo devida aos erro sistemticos.
3.3. Resultado corrigido
Resultado de uma medio depois da
correo devida aos erros sistemticos.
3.4. Erro (da medio)
Erro o resultado de uma medio
menos um valor verdadeiro do
mensurando.
1. Desde que um valor verdadeiro
no pode ser determinado, na
prtica usado um valor
verdadeiro convencional.
2. Quando for necessrio distinguir
erro de erro relativo, o erro
geralmente chamado de erro
absoluto da medio, que no
deve ser confundido com o valor
absoluto do erro, que o mdulo
do erro.
3. Se o resultado de uma medio
depende dos valores de outras
grandezas diferentes do mensurando, os
erros dos valores medidos destas
grandezas contribuem para o erro do
resultado da medio.
3.5. Erro relativo
Erro relativo erro da medio
dividido por um valor verdadeiro do
mensurando
122

Nota - Desde que um valor verdadeiro
no pode ser determinado, na prtica,
usado um erro verdadeiro
convencional.
3.6. Erro aleatrio
Erro aleatrio um resultado de uma
medio menos a mdia que resultaria
de um nmero infinito de medies do
mesmo mensurando feitas sob as
condies de repetitividade.
1. Erro aleatrio igual ao erro
menos o erro sistemtico.
2. Como pode ser feito somente um
nmero finito de medies,
possvel determinar somente uma
estimativa do erro aleatrio.
3.7. Erro sistemtico
Erro sistemtico mdia que
resultaria de um nmero infinito de
medies do mesmo mensurando feitas
sob as condies de repetitividade
menos um valor verdadeiro do
mensurando.
1. Erro sistemtico igual ao erro
menos o erro aleatrio.
2. Como o valor verdadeiro, o erro
sistemtico e suas causas no
podem ser completamente
conhecidos.
3. Para um instrumento de medio,
o erro sistemtico chamado de
polarizao (bias)
4. O erro do resultado de uma
medio pode geralmente ser
considerado como resultante de um
nmero de efeitos aleatrios e
sistemticos que contribuem com
componentes individuais para o erro do
resultado.
3.8. Correo (do erro)
Correo do erro o valor somado
algebricamente ao resultado no
corrigido de uma medio para
compensar o erro sistemtico
1. A correo igual ao negativo do
erro sistemtico estimado.
2. Como o erro sistemtico no pode
ser perfeitamente conhecido, a
compensao no pode ser
completa.
Conceitos Estatsticos
3.9. Fator de correo
Fator numrico pelo qual o resultado
no corrigido de uma medio
multiplicado para compensar o erro
sistemtico
3.10. Incerteza
A palavra incerteza significa dvida e
assim em seu sentido mais amplo
incerteza da medio significa dvida
acerca da validade do resultado de uma
medio.
3.11. Incerteza (da medio)
A incerteza da medio um
parmetro associado com o resultado de
uma medio que caracteriza a
disperso dos valores que podem
razoavelmente ser atribudos ao
mensurando.
1. O parmetro pode ser, por
exemplo, um desvio padro (ou um
dado mltiplo dele) ou a meia
largura de um intervalo com
determinado nvel de confiana.
2. A incerteza de uma medio
compreende, em geral, muitos
componentes. Alguns destes
componentes podem ser avaliados
da distribuio estatstica dos
resultados de sries de medies
e podem ser caracterizados por
desvios padro experimentais. Os
outros componentes, que tambm
podem ser caracterizados por
desvios padro, so avaliados de
distribuies de probabilidade
assumidas baseadas na
experincia ou em outras
informaes.
3. O resultado da medio a melhor
estimativa do valor do mensurando
e todos os componentes da
incerteza, incluindo os que
aparecem de efeitos sistemticos,
tais como os componentes
associados com correes e
padres de referncia, contribuem
para a disperso.
A definio anterior de incerteza de
medio um operacional que focaliza o
resultado da medio e sua incerteza
avaliada. Outros conceitos de incerteza
da medio podem ser:
123

1. uma medida do erro possvel no
valor estimado do mensurando
como o fornecido pelo resultado de
uma medio;
2. uma estimativa caracterizando a
faixa de valores dentro da qual cai
o valor verdadeiro de um
mensurando.
Embora estes dois conceitos
tradicionais sejam vlidos como ideais,
eles envolvem grandezas desconhecidas
como o erro do resultado de uma
medio e o valor verdadeiro do
mensurando (em contraste com o seu
valor estimado), respectivamente.
Uma vez que os valores exatos das
contribuies para o erro de um resultado
de uma medio so desconhecidos e
desconhecveis, as incertezas
associadas com os efeitos aleatrios e
sistemticos que provocam o erro podem
ser avaliados. Mas mesmo se as
incertezas avaliadas so pequenas,
ainda no h garantia que o erro no
resultado da medio pequeno; para a
determinao de uma correo ou na
avaliao do conhecimento incompleto,
um efeito sistemtico pode sido omitido
por que ele no reconhecido. Assim, a
incerteza de um resultado de uma
medio no necessariamente uma
indicao da probabilidade que o
resultado da medio est prximo do
valor do mensurando; ele simplesmente
uma estimativa da probabilidade de
proximidade ao melhor valor que
consistente com o conhecimento
atualmente disponvel.
A incerteza da medio assim uma
expresso do fato que, para um dado
mensurando e um dado resultado da
medio dele, no h um valor mas um
nmero infinito de valores dispersos em
torno do resultado que so consistente
com todas as observaes e dados e seu
conhecimento do mundo fsico e que,
com graus variveis de credibilidade,
podem ser atribudos ao mensurando.
Felizmente, em muitas medies
prticas, muito da discusso deste Anexo
no se aplica. Exemplos so quando o
mensurando adequadamente bem
definido, quando padres ou
instrumentos so calibrados usando
padres de referncia bem conhecidos
Conceitos Estatsticos
que so rastreveis a padres nacionais;
e quando as incertezas das correes da
calibrao aparecem de efeitos aleatrios
nas indicaes de instrumentos ou de um
nmero limitado de observaes.
Todavia, o conhecimento incompleto das
grandezas de influncia e seus efeitos
podem geralmente contribuir
significativamente para a incerteza do
resultado de uma medio.
3.12. Incerteza padro
Incerteza do resultado de uma
medio expressa como um desvio
padro.
3.13. Incerteza padro combinada
Incerteza padro do resultado de uma
medio quando este resultado obtido
dos valores de vrias outras grandezas,
iguais raiz quadrada positiva de uma
soma de termos, os termos sendo as
varincias ou covarincias destas outras
grandezas com pesos de acordo com o
modo que o resultado da medio varia
com alteraes destas grandezas.
3.14. Incerteza expandida
Grandeza que define um intervalo
dentro do qual o resultado de uma
medio que esperado incluir uma
grande frao da distribuio de valores
que podem razoavelmente ser atribudos
ao mensurando.
1. A frao pode ser vista como a
probabilidade de cobertura ou nvel
de confiana do intervalo.
2. Associar um nvel especfico de
confiana com o intervalo definido
pela incerteza expandida requer
hipteses explcita ou implcita
com relao distribuio de
probabilidade caracterizada pelo
resultado da medio e sua
incerteza padro combinada. O
nvel de confiana que pode ser
atribudo a este intervalo pode ser
conhecido somente na extenso
em que tais hipteses possam ser
justificadas.
3. A incerteza expandida tambm
chamada de incerteza total.
124

3.15. Avaliao Tipo A (de
incerteza)
Mtodo de avaliao da incerteza por
anlise estatstica de sries de
observaes, geralmente aplicado s
incertezas aleatrias, cuja distribuio
normal ou gaussiana.
3.16. Avaliao Tipo B (de
incerteza)
Mtodo de avaliao da incerteza por
meios diferentes de anlise estatstica de
sries de observaes, geralmente
aplicado s incertezas sistemticas, cuja
distribuio no normal e geralmente
retangular.
3.17. Fator de cobertura
Um nmero que, quando multiplicado
pela incerteza padro combinada, produz
um intervalo (incerteza expandida) em
torno do resultado da medio que pode
ser esperado englobar uma grande
frao especificada (e.g., 95%) da
distribuio dos valores que podem
razoavelmente ser atribudos grandeza
medida.
Fator numrico usado como um
multiplicador da incerteza padro
combinada de modo a obter uma
incerteza expandida. Um fator de
cobertura, k, tipicamente na faixa de 2
a 3.
4. Instrumento de Medio
H muitos termos empregados para
descrever os artefatos utilizados nas
medies. Eles no so mutuamente
excludentes. Alguns so precisos outros
so ambguos, alguns so genricos
outros so especficos, alguns so
usados por tcnicos, outros por leigos.
Os principais nomes so:
1. elemento
2. componente
3. parte
4. transdutor de medio
5. dispositivo de medio
6. medidor
7. instrumento de medio
8. aparelho
9. equipamento
10. malha de medio
Conceitos Estatsticos
11. instalao de medio
12. sistema de medio
Em Instrumentao, uma malha de
medio constituda dos seguintes
componentes, que podem estar
fisicamente separados ou alojados em
um nico invlucro:
1. sensor
2. condicionador
3. display
4.1. Instrumento de medio
(measuring instrument)
Dispositivo utilizado para realizar uma
medio, isolado ou em conjunto com
outros dispositivos complementares.
4.2. Medida materializada (material
measure)
Dispositivo destinado a reproduzir ou
fornecer, de maneira constante durante
seu uso, um ou mais valores conhecidos
e confiveis de uma dada grandeza.
tambm chamado material de referncia
certificado. Exemplos:
1. Massa padro
2. Bloco padro de comprimento
3. Medida de volume (de um ou
vrios valores, com ou sem escala
graduada)
4. Resistor eltrico padro
5. Gerador de sinal padro
6. Soluo padro de pH
4.3. Transdutor de Medio
(measuring transducer)
Genericamente, transdutor qualquer
dispositivo que modifica a forma de
energia, da entrada para a sada. As
formas de energia na entrada e sada
so diferentes, porm h uma relao
matemtica definida entre ambas.
Exemplos:
1. termopar
2. transformador de corrente
3. clula extensiomtrica para medir
presso eletricamente
4. eletrodo de pH
4.4. Transmissor (transmitter)
Instrumento que sente uma varivel
de processa e gera na sada um sinal
padro proporcional ao valor da varivel
125

medida. Pode ser de natureza eletrnica
(sinal de 4 a 20 mA cc) ou pneumtica
(sinal de 20 a 100 kPa).
utilizado para
1. usar o sinal remotamente
2. isolar processo do display
3. padronizar sinais
4.5. Cadeia de medio (measuring
chain)
Seqncia de elementos de um
instrumentos ou sistema de medio
formando o trajeto do sinal de medio,
desde o estimulo (entrada) at a resposta
(sada). O instrumentista diz: malha de
medio (measuring loop).
Uma cadeia de medio de
temperatura pode ser formada por:
termopar, fios de extenso, junta de
referncia e indicador de temperatura.
4.6. Sistema de medio (measuring
system)
Conjunto completo de instrumentos
de medio e outros equipamentos
associados para executar uma
determinada medio. Em certos casos,
equivale cadeia ou malha de medio.
Um sistema de medio pode incluir
medidas materializadas e reagentes
qumicos.
Sistema de medio instalado de
modo permanente chamado de
instalao de medio.
4.7. Indicador (indicator)
Instrumento de medio que sente
uma varivel e apresenta o resultado
instantneo em uma escala com ponteiro
ou atravs de dgitos.
Exemplos:
1. voltmetro
2. frequencmetro
3. termmetro
4. manmetro
A indicao pode ser analgica,
(contnua ou discreta), atravs de escala
e ponteiro ou digital, atravs de dgitos.
Um indicador pode apresentar os
valores de vrias grandezas
independentes, de modo simultneo ou
um valor de cada vez, de modo
selecionvel manual ou
automaticamente.
Conceitos Estatsticos
O indicador pode tambm estar
associado s funes de
1. transmisso
2. registro
3. controle
O leigo tambm chama o indicador de
relgio, mostrador ou medidor, que so
nomes ambguos e devem ser evitados.
4.8. Registrador (recorder)
Instrumento de medio que sente
uma varivel e imprime o resultado
histrico ou de tendncia em um grfico
atravs de penas com tinta.
Exemplos:
1. registrador de temperatura
2. registrador de vazo, presso e
temperatura
O registro pode ser contnua, com
uma a quatro penas independentes ou
pode ser discreto, quando cada ponto de
registro feito um de cada vez, em uma
seqncia fixa definida (registrador
multiponto).
Um registrador pode apresentar os
valores de vrias grandezas
independentes, de modo simultneo ou
um valor de cada vez, de modo
selecionvel manual ou
automaticamente.
O registrador pode tambm estar
associado s funes de
1. indicao
2. controle
4.9. Totalizador (totalizer)
Instrumento de medio que
determina o valor de uma grandeza por
meio do acmulo dos valores parciais,
durante determinado intervalo de tempo.
tambm chamado de integrador.
Geralmente a integrao feita em
relao ao tempo. O totalizador multiplica
a varivel totalizada por um intervalo de
tempo, de modo que a integrao da
velocidade distncia, da potncia
energia, da vazo volumtrica volume.
Exemplos:
1. totalizador de potncia eltrica,
que apresenta o valor totalizado
no tempo em energia.
2. totalizador de vazo, que
apresenta o valor totalizado no
tempo em volume ou massa.
126

3. totalizador de velocidade, que
apresenta o valor totalizado no
tempo em distncia.
O totalizador pode receber em sua
entrada sinal analgico ou digital. Sua
sada sempre um contador. Quando um
totalizador pra de totalizar, a sua sada
fica congelada no ltimo valor
acumulado.
O display do contador geralmente
digital, porm possvel ter display
analgico.
4.10. Instrumento analgico (analog
instrument) e digital (digital
instrument)
O fato de um instrumento ser
analgico ou digital depende de quatro
parmetros, cada um podendo analgico
ou digital:
1. sinal
2. funo
3. tecnologia
4. display
Na prtica, quando se fala de um
instrumento analgico ou digital, est-se
referindo implicitamente ao display e no
necessariamente aos outros trs
parmetros. Assim, instrumento
analgico aquele que apresenta a
indicao atravs do conjunto escala e
ponteiro e instrumento digital aquele
que apresenta a indicao atravs de
dgitos.
4.11. Mostrador (display, dial)
Mostrador a parte do indicador que
apresenta a indicao. Quando
analgico, o conjunto escala e ponteiro
e quando digital, o conjunto de dgitos.
O mostrador pode ter diferentes
1. formatos: circular, reto horizontal,
reto vertical,
2. tamanhos
3. cores
4. princpios de operao ou
acionamento: eletrnico,
pneumtico ou mecnico
4.12. ndice (index)
Parte fixa ou mvel de um dispositivo
mostrador, cuja posio em relao s indicao ocupa um comprimento da
marcas da escala define o valor indicado.
O ndice pode ser
Conceitos Estatsticos
1. ponteiro
2. ponto luminoso
3. superfcie de um lquido
4. pena de registrador
5. lmpadas ou LEDs (diodo emissor
de luz) que se acendem em um
conjunto
4.13. Escala (scale)
Rgua graduada do indicador, em
ordem crescente ou decrescente,
contnua ou discreta, sobre a qual um
ponteiro se posiciona para fornecer o
valor indicado da medio. No conjunto
escala e ponteiro, um dos dois fixo e o
outro, mvel. Geralmente, a escala fixa
e o ponteiro mvel.
A graduao da escala pode ser
uniforme ou linear ou pode ser no linear
especfica.
Quanto maior a escala e o nmero de
marcas (divises), maior a preciso e
resoluo da indicao e maior a
quantidade de algarismos significativos
no resultado da indicao.
Escala de valor de referncia ou
escala de referncia convencional
usada para comparar grandezas
especficas, como a escala de dureza
Mohs, escala de pH, escala de ndice de
octanas para gasolina.
4.14. Escala com zero suprimido
(supressed zero scale)
Escala cuja faixa de indicao no
inclui o valor zero. Por exemplo, escala
do termmetro clinico, que vai de 35 a 42
o
C.
4.15. Escala com zero elevado
(elevated zero scale)
Escala cuja faixa de indicao onde o
valor 0% negativo e por isso o zero
est elevado em relao ao 0%. Por
exemplo, escala de termmetro que vai
de -20 a 50 oC. O valor 0 oC est elevado
em relao ao 0% (-20 oC).
4.16. Escala expandida (expanded
scale)
Escala na qual parte da faixa de
127

escala que desproporcionalmente
maior do que outras partes.
4.17. Sensor (sensor)
Sensor o elemento de um
instrumento de medio ou de uma
malha de medio que diretamente
afetado pela quantidade medida. O
sensor detecta a varivel, gerando um
sinal proporcional a ela. Nomes
alternativos de sensor: detector,
elemento primrio, elemento transdutor,
captador, probe.
Em funo de seu sinal de sada, o
sensor pode ser mecnico (sada um
deslocamento ou movimento) ou
eletrnico (sada uma tenso ou
variao de parmetro eletrnico, como
resistncia, indutncia, capacitncia).
O sensor depende umbilicalmente da
varivel medida, ou seja, o sensor
determinado pela varivel medida.
Exemplos:
1. termopar, que gera uma tenso
em funo da diferena da
temperatura medida e a de
referncia
2. detector de temperatura a
resistncia (RTD) que varia a
resistncia eltrica em funo da
temperatura medida
3. placa de orifcio que gera uma
presso diferencial proporcional
ao quadrado da vazo volumtrica
medida
4. bourdon C que gera um pequeno
deslocamento em funo da
presso aplicada
5. bia de um sistema de medio
de nvel
6. tubo magntico de vazo que
gera uma fem proporcional
vazo volumtrica de um lquido
eletricamente condutor que passa
em seu interior
s vezes, o sensor indica apenas a
presena ou ausncia de uma grandeza,
sem fornecer necessariamente o seu
valor numrico. Por exemplo, detector de
vazamento de gases, papel tornasol para
indicar apenas se uma soluo cida
ou bsica.
Conceitos Estatsticos
4.18. Faixa de indicao (range of
indication)
Conjunto de valores compreendidos
entre 0 e 100% das indicaes. O 0% o
limite inferior e o 100% o limite superior
da indicao.
A faixa de indicao pode ser
expressa em unidade de engenharia ou
em percentagem.
Para o indicador analgico, a faixa de
indicao igual faixa da escala.
O incio da escala (0%) e o fim da
escala (100%) podem ser iguais a zero,
negativos ou positivos.
4.19. Largura de faixa (span of
indication)
Diferena algbrica, em valor
absoluto, do limite mximo (100%) e
mnimo (0%) da faixa de indicao.
Exemplos:
1. Largura da faixa de 0 a 100 oC
100 oC
2. Largura da faixa de 20 a 100 oC
80 oC
3. Largura da faixa de -20 a 100 oC
120 oC
4. Largura da faixa de -40 a -20oC
20 oC
4.20. Escala linear (linear scale)
Escala linear possui graduaes ou
marcaes uniformemente separadas. O
instrumento possui escala linear quando
h uma relao constante entre as
sadas e entradas de todos os
componentes da malha de medio,
incluindo o sensor.
Quando aparece uma no linearidade
na malha, ela pode ser corrigida
imediatamente por alguma operao no
linear inversa, atravs de circuito,
instrumento ou programa. Quando o sinal
de medio que chega escala linear,
usa-se uma escala linear; quando for no
linear, usa-se uma escala no linear
especfica. As escalas no lineares mais
utilizadas em instrumentao so a
logartmica (escala do ohmmetro
analgico) e a raiz quadrtica (associada
medio de vazo com placa de
orifcio, geralmente chamada de
quadrtica o que incorreto!).
128

5. Caractersticas do
Instrumento de Medio
Alguns dos termos utilizados para
descrever as caractersticas de um
instrumento de medio podem ser
igualmente aplicveis a sensores,
condicionadores de sinal ou sistema de
medio e tambm a medida
materializada ou material de referncia
certificada.
5.1. Faixa nominal (nominal range)
Faixa de indicao que se pode obter
em uma posio especfica dos controles
de um instrumento de medio.
A faixa nominal coincide geralmente
com a faixa de medio ou de calibrao
do instrumento.
5.2. Valor nominal (nominal value)
Valor terico, arredondando ou
aproximado de uma caracterstica do
instrumento de medio que auxilia na
sua utilizao. Exemplos:
1. Resistor padro de 100 .
2. Recipiente volumtrico de 1 L
3. Concentrao da quantidade de
matria de uma soluo de cido
clordrico, HCl, de 0,1 mol/L
4. 24 oC como temperatura de
referncia para calibrao de um
instrumento.
5.3. Condies de Utilizao (rated
operating conditions)
Condies de uso para as quais as
caractersticas metrolgicas
especificadas de um instrumento de
medio mantm-se dentro dos limites
especificados.
As condies de utilizao
geralmente especificam faixas ou valores
aceitveis para a quantidade medida e
para as grandezas de influncia, como
valor e freqncia da alimentao, rudos
externos, posio, vibrao mecnica,
temperatura e presso ambientes.
5.4. Condies Limites (limiting
conditions)
Condies extremas nas quais um
instrumento de medio resiste sem
Conceitos Estatsticos
danos e degradao das caractersticas
metrolgicas especificadas, as quais so
mantidas nas condies de
funcionamento em utilizaes
subseqentes.
As condies limites de
armazenagem, transporte e operao
podem ser diferentes.
As condies limites podem incluir
valores limites para a quantidade medida
e para as grandezas de influncia.
5.5. Condies de Referncia
(reference conditions)
Condies de uso prescritas para
ensaio de desempenho de um
instrumento de medio ou para
intercomparao de resultados de
medies.
As condies de referncia
geralmente incluem os valores de
referncia ou as faixas de referncia para
as grandezas de influncia que afetam o
instrumento de medio.
5.6. Constante de um instrumento
(instrument constant)
Fator pelo qual a indicao direta de
um instrumento de medio deve ser
multiplicada para se obter o valor
indicado do mensurando ou de uma
grandeza utilizada no clculo do valor do
mensurando.
Instrumentos de medio com
diversas faixas com uma nica escala,
tm vrias constantes que
correspondem, por exemplo, a diferentes
posies de um mecanismo seletor.
Quando a constante igual a 1, ela
geralmente no indicada no
instrumento. Quando no se diz qual a
constante, entende-se que ela igual a
1.
Medidores de vazo possuem uma
constante, que relaciona o seu sinal de
sada com o valor da vazo medida. Este
fator K ou constante deve ser
periodicamente calibrada.
5.7. Caracterstica de resposta
(response characteristic)
Relao entre a sada (resposta) e a
entrada (estmulo) de um instrumento,
sob condies definidas. Exemplos: a
129

fora eletromotriz de sada do termopar
como funo da entrada de temperatura.
A relao pode ser expressa por uma
equao matemtica, tabela numrica ou
grfico.
Quando a sada varia em funo do
tempo, a forma caracterstica de resposta
a funo de transferncia da resposta
dividida pela da entrada.
5.8. Sensibilidade (sensitibility)
Variao da sada (resposta) de um
instrumento de medio dividida pela
correspondente variao da entrada
(estmulo). A sensibilidade nem sempre
linear e pode depender do valor da
entrada.
5.9. Limiar de mobilidade
(discrimination, threshold)
Maior variao da entrada (estmulo)
que no produz variao detectvel na
sada (resposta) de um instrumento de
medio, sendo a varivel no sinal de
entrada lenta e uniforme.
O limiar de mobilidade pode
depender, por exemplo, do rudo, atrito e
tambm do valor da entrada (estmulo).
5.10. Resoluo (resolution)
Menor diferena entre indicaes de
um dispositivo mostrador que pode ser
percebida significativamente.
Para mostrador digital, a variao
na indicao quando o dgito menos
significativo (o da extrema direita) varia
de um dgito.
5.11. Zona morta (dead zone)
Intervalo mximo no qual uma
entrada (estmulo) pode variar em ambos
os sentidos, sem produzir variao na
sada (resposta) de um instrumento de
medio .
A zona morta pode depender da taxa
de variao.
A zona morta, algumas vezes, pode
ser deliberadamente ampliada, de modo
a prevenir variaes na sada (resposta)
para pequenas variaes na entrada
(estmulo).
Conceitos Estatsticos
5.12. Estabilidade (stability)
Aptido de um instrumento de
medio em conservar constantes suas
caractersticas metrolgicas ao longo do
tempo.
A estabilidade pode ser estabelecida
em relao a outra grandeza que no o
tempo, mas isto deve ser explicitamente
declarado.
A estabilidade pode ser quantificada
de vrios modos, por exemplo:
1. pelo tempo no qual a
caracterstica metrolgica varia de
um valor determinado ou
2. em termos da variao de uma
caracterstica em um determinado
perodo de tempo.
5.13. Discriminao (transparency)
Aptido de um instrumento de
medio em no alterar o valor da
quantidade medida.
5.14. Deriva (drift)
Variao lenta de uma caracterstica
metrolgica de um instrumento de
medio. Geralmente a deriva devida
variao da temperatura ambiente ou do
tempo ou de ambos.
5.15. Tempo de resposta (response
time)
Intervalo de tempo entre o instante
em que uma entrada submetido a uma
variao brusca e o instante em que a
resposta atinge e permanece dentro de
limites especificados em torno do seu
valor final estvel.
5.16. Exatido da medio
Exatido o grau de concordncia
entre o resultado de uma medio e um
valor verdadeiro do mensurando
1. Exatido um conceito qualitativo
2. O termo preciso no deve ser
usado para exatido.
3. A exatido est relacionada com
os erros sistemticos do
instrumento.
4. A exatido obtida atravs da
calibrao peridica do
instrumento.
130

5.17. Classe de exatido (accuracy
class)
Classe de instrumentos de medio
que satisfazem a certas exigncias
metrolgicas destinadas a conservar os
erros dentro de limites especificados. A
classe de exatido geralmente indicada
por um nmero ou smbolo adotado por
conveno e denominado ndice de
classe.
5. 18. Repetitividade (de resultados
de medies)
Repetitividade o grau de
concordncia entre os resultados de
medies sucessivas do mesmo
mensurando feitas sob as mesmas
condies de medio A repetitividade
representa o grau de disperso de vrias
medidas repetidas feitas de um mesmo
valor do mensurando.
1. Estas condies so chamadas de
condies de repetitividade
2. As condies de repetitividade
incluem
- o mesmo procedimento de
medio
- o mesmo observador
- o mesmo instrumento de
medio, usado sob as mesmas
condies
- o mesmo local
- repeties em um curto perodo
de tempo
3. A repetitividade pode ser expressa
quantitativamente em termos da
disperso caracterstica dos
resultados.
4. A repetitividade a preciso do
instrumento.
5. A preciso est relacionada com
os erros aleatrios do instrumento.
6. A preciso mantida atravs da
manuteno programada do
instrumento.
5.19. Reprodutibilidade
Reprodutibilidade a proximidade de
consenso entre os resultados de
medies sucessivas do mesmo
mensurando feitas sob condies
diferentes de medio
1. Uma expresso vlida da
reprodutibilidade requer a
Conceitos Estatsticos
especificao das condies
variadas.
2. As condies variadas podem
incluir:
- princpio de medio
- mtodo de medio
- observador
- instrumento de medio
- padro de referencia
- local
- condies de uso
- tempo
3. A reprodutibilidade pode ser
expressa quantitativamente em
termos da disperso caracterstica
dos resultados.
4. Os resultados so aqui entendidos
como os resultados corrigidos.
5.20. Erro
Um resultado correto da medio no
o valor do mensurando - isto , ele est
com erro - por causa da medio
imperfeita da grandeza realizada devido
a variaes aleatrias das observaes
(efeitos aleatrios), determinao
inadequada das correes para os
efeitos sistemticos e o conhecimento
incompleto de certos fenmenos fsicos
(tambm efeitos sistemticos). Nem o
valor da grandeza realizada nem o valor
do mensurando pode ser conhecido
exatamente; tudo que pode ser
conhecido so seus valores estimados.
No exemplo acima da medida da
espessura da chapa pode estar com erro,
isto , pode diferir do valor do
mensurando (a espessura da chapa), por
causa de cada uma das seguintes
contribuies para um erro desconhecido
para o resultado da medio:
a) pequenas diferenas entre as
indicaes do micrmetro
quando repetidamente
aplicada mesma grandeza
realizada;
b) calibrao imperfeita do
micrmetro;
c) medio imperfeita da
temperatura e da presso
aplicadas;
d) conhecimento incompleto dos
efeitos da temperatura, presso
baromtrica e umidade na pea
ou no micrmetro ou em ambos.
131

O resultado de uma medio menos
um valor verdadeiro da grandeza medida
(no precisamente quantificvel por que
o valor verdadeiro cai em algum ponto
desconhecido dentro da faixa de
incerteza).
5.21. Erro mximo admissvel
(maximum permissible error)
5.22. Limite de Erro Admissvel
(limit of permissible error)
Valor extremo de um erro admissvel
por especificao, norma, legislao,
para um dado instrumento de medio.
5.23. Erro de um instrumento de
medio (error of a measuring
instrument)
Indicao de um instrumento de
medio menos um valor verdadeiro da
grandeza de entrada correspondente.
Como, na prtica, no existe um valor
verdadeiro, usa-se o valor verdadeiro
convencional, dado por um padro
confivel. Para uma medida
materializada, a indicao o valor
atribudo a ela e o valor verdadeiro
convencional o fornecido por padro
rastreado.
5.24. Erro no ponto de controle
(datum error)
Erro de um instrumento de medio
em uma indicao especificada ou em
um valor especificado do mensurando,
escolhido para controle do instrumento.
5.25. Erro no zero (zero error)
Erro no ponto de controle de um
instrumento de medio para o valor zero
do mensurando. Um instrumento
apresenta erro de zero, quando sua
sada for diferente de zero para entrada
igual a zero. Diz se que um instrumento
apresenta erro de zero quando a curva
real de calibrao que deveria passar
pela origem, no passa.
5.26. Erro no span (span error)
Um instrumento apresenta erro de
zero, quando a inclinao de sua curva
de calibrao for diferente da inclinao
Conceitos Estatsticos
nominal. Diz se que um instrumento
apresenta erro de span quando a curva
real de calibrao tem inclinao
diferente da ideal.
5.27. Erro intrnseco (intrinsic error)
Erro de um instrumento de medio,
determinado sob condies de
referncia.
5.28. Tendncia (bias)
Erro sistemtico da indicao de um
instrumento de medio. A tendncia de
um instrumento de medio
normalmente estimada pela mdia dos
erros de indicao de um nmero
apropriado de medies repetidas.
5.29. Iseno de Tendncia
(freedom from bias)
Aptido de um instrumento de
medio dar indicaes isentas de erro
sistemtico.
5.30. Erro fiducial (fiducial error)
Erro de um instrumento de medio
dividido por um valor especificado para o
instrumento. O valor especificado
geralmente chamado de valor fiducial e
pode ser, por exemplo, a amplitude da
faixa nominal ou o limite superior da faixa
nominal do instrumento de medio.
6. Conceitos estatsticos
As definies dos termos bsicos
estatsticos dados aqui foram tiradas da
ISO 3534-1 [7]. Esta norma deve ser a
primeira fonte consultada para as
definies de termos no includos aqui.
6.1. Estatstica
Uma funo das variveis aleatrias
da amostra.
Uma estatstica, como uma funo de
variveis aleatrias, tambm uma
varivel aleatria e como tal, assume
diferentes valores para a amostra. O
valor da estatstica obtida usando-se os
valores observados nesta funo pode
ser usado em um teste estatstico ou com
uma estimativa de um parmetro da
132

populao, tal como uma mdia ou um
desvio padro.
6.2. Probabilidade
Um nmero real na escala 0 a 1
atribudo a um evento aleatrio.
A probabilidade pode se referir a uma
freqncia relativa de ocorrncia em
longo perodo de tempo ou a um grau de
confiana que um evento possa ocorrer.
Para um alto grau de confiana, a
probabilidade prxima de 1.
6.3. Varivel aleatria
Uma varivel que pode tomar
qualquer valor de um especfico conjunto
de valores e com a qual associada uma
distribuio de probabilidade.
1. Uma varivel aleatria que pode
tomar somente valores isolados
chamada de discreta. Uma varivel
aleatria que pode tomar qualquer
valor dentro de um intervalo finito
ou infinito chamada de contnua.
2. A probabilidade de um evento A
denotada por Pr(A) ou P(A).
Varivel aleatria centrada
Uma varivel aleatria cuja
expectativa igual a zero.
Se a varivel aleatria X tem uma
expectativa igual a , a varivel aleatria
centrada correspondente (X - ).
6.5. Funo distribuio
Uma funo dando, para cada valor x,
a probabilidade que a varivel aleatria X
seja menor ou igual a x:
F(x) = Pr(X x)
Distribuio de probabilidade (de uma
varivel aleatria).
Uma funo dando a probabilidade
que uma varivel aleatria tome qualquer
valor dado ou pertena a um dado
conjunto de valores.
A probabilidade de um conjunto
inteiro de valores da varivel aleatria
igual a 1.
Conceitos Estatsticos
Funo densidade de probabilidade
(para uma varivel aleatria contnua)
A derivada (quando ela existir) da
funo distribuio:
f(x) = dF(x)/dx
f(x)dx o elemento probabilidade:
f(x)dx = Pr(x < X < x +dx)
Funo massa da probabilidade
Uma funo dando, para cada valor xi
de uma varivel aleatria discreta, a
probabilidade pi que a varivel aleatria X
seja igual a xi:
pi = Pr(X = xi)
Desvio padro (de uma varivel
aleatria ou de uma distribuio de
probabilidade).
A raiz quadrada positiva da varincia:
= V( X)
Momento central de ordem 1
Em uma distribuio de uma nica
caracterstica, a mdia aritmtica da qa
potncia da diferena entre os valores
observados e sua mdia x :
1 n
n i=1
(x i x)q
O momento central de ordem 1
igual a zero.
Momento central de ordem q
Em uma distribuio com uma
varivel, a expectativa da qa potncia da
varivel aleatria centrada (X - ):
E[(X - )q]
O momento central de ordem 1 a
varincia da varivel aleatria X.
Distribuio normal; distribuio de
Laplace-Gauss
A distribuio de probabilidade de
uma varivel aleatria continua X, a
funo de densidade de probabilidade de
que
2
1 x
1 2
f(x) = e
2
133

para - < x < +
a expectativa e o desvio
padro da distribuio normal.
Distribuio t; (Student)
A distribuio t ou distribuio de
Student a distribuio de probabilidade
de uma varivel aleatria continua t cuja
funo densidade de probabilidade
+ 1 + 1
t 2 2
1 2 1+
p( t, ) =
2 cumulativa ou como uma tabela de duas
onde a funo gama e > 0. A
expectativa da distribuio t zero e sua
varincia /(n - 2) para > 2. Quando n
, a distribuio t se aproxima da
distribuio normal com = 0 e =1.
A distribuio probabilidade da
varivel ( z z ) / s( z) a distribuio t se a
varivel aleatria z normalmente
distribuda com expectativa z, onde z
a mdia aritmtica de n observaes
independentes zi de z, s(zi) o desvio
padro experimental de n observaes e
s( z ) = s( z i ) / n o desvio padro
experimental da mdia z com n = - 1
graus de liberdade.
6.6. Parmetro
Uma grandeza usada para descrever
a distribuio de probabilidade de uma
varivel aleatria.
6.7. Caracterstica
Uma propriedade que ajuda a
identificar ou diferenciar entre itens de
uma dada populao.
A caracterstica pode ser quantitativa
(para variveis) ou qualitativa (para
atributos)
6.8. Populao
A totalidade de itens sob
considerao.
No caso de uma varivel aleatria, a
distribuio de probabilidade
considerada para definir a populao
desta varivel.
Conceitos Estatsticos
6.9. Freqncia
O nmero de ocorrncias de um dado
tipo de evento ou o nmero de
observaes caindo em uma classe
especfica.
Distribuio de freqncia
A relao emprica entre os valores
de uma caracterstica e suas freqncias
ou suas freqncias relativas.
A distribuio pode ser graficamente
apresentada como um histograma,
grfico de barra, polgono de freqncia
vias.
6.10. Expectativa (de uma varivel
aleatria ou de uma distribuio de
probabilidade; valor esperado;
mdia).
1. Para uma varivel aleatria
discreta X tomando os valores xi dentro
das probabilidades pi, a expectativa, se
existir, :
= E( X ) = pi x i
a soma sendo estendida sobre todos os
valores de xi, que pode ser tomado por X.
2. Para uma varivel aleatria
contnua X tendo a funo densidade de
probabilidade f(x), a expectativa, se
existir,
= E( X ) = xf ( x )dx
a integral sendo estendida sobre todo o
intervalo de variao de X.
6.11. Desvio padro
O desvio padro a raiz quadrada
positiva da varincia.
Uma vez que uma incerteza padro
do Tipo A obtida tomando a raiz
quadrada da varincia estatisticamente
calculada, geralmente mais
conveniente quando determinando uma
incerteza padro do Tipo B para avaliar
um desvio padro no estatstico
equivalente primeiro e depois obter a
varincia equivalente elevando ao
quadrado o desvio padro.
134

O desvio padro da amostra um
estimador no polarizado do desvio
padro da populao.
Desvio padro experimental
Desvio padro para uma srie de n
medies do mesmo mensurando a
grandeza s(qk) caracterizando a
disperso dos resultados e dado pela
frmula:
n
( q k q) 2
k =1
s( q k ) =
n1
qk sendo o resultado da ka medio e q
sendo a mdia aritmtica dos n
resultados considerados
1. Considerando a srie de n valores
como uma amostra de uma
distribuio, q uma estimativa
no polarizada da mdia q e s2(qk)
uma estimativa no polarizada
da varincia 2, desta distribuio.
2. A expresso s( qk ) / n uma
estimativa do desvio padro da
distribuio de q e chamado de
desvio padro experimental da
mdia.
3. O desvio padro experimental da
mdia , s vezes, chamado
incorretamente de erro padro da
mdia.
6.12. Estimativa
A operao de atribuir, a partir de
observaes em uma amostra, valores
numricos para os parmetros de uma
distribuio escolhida como o modelo
estatstico da populao da qual a
amostra retirada.
Um resultado desta operao pode
ser expresso como um valor nico (ponto
estimado; ou como um intervalo
estimado).
Estimador
Uma estatstica usada para estimar
um parmetro da populao.
Estimado
O valor de um estimador obtido como
um resultado de uma estimativa.
Conceitos Estatsticos
Intervalo estatstico de cobertura
Um intervalo para o qual se pode
estabelecer, com um dado nvel de
confiana, que ele contem no mnimo
uma proporo especificada da
populao.
1. Quando dois limites so definidos
por estatstica, o intervalo tem dois
lados. Quando um dos dois limites
no finito ou consiste do limite da
varivel, o intervalo de um lado.
2. Tambm chamado de intervalo de
tolerncia estatstica. Este termo no
deve ser usado porque ele pode causar
confuso com intervalo de tolerncia.
Coeficiente de confiana, nvel de
confiana
A probabilidade que o valor da
grandeza medida caia dentro da faixa
cotada de incerteza.
Graus de liberdade
Em geral, o nmero de termos em
uma soma menos o nmero de limitaes
nos termos da soma.
Mdia aritmtica
A soma dos valores dividida pelo
nmero de valores.
1. O termo mdia pode se referir a
um parmetro da populao ou ao
resultado de um clculo dos dados
obtidos em uma amostra.
2. A mdia de uma nica amostra
aleatria tomada de uma
populao um estimador no
polarizado da mdia de sua
populao. Porm, outros
estimadores, tais como mdia
geomtrica, mdia harmnica,
mediana ou moda, podem tambm
ser usados.
6.13. Varincia
Uma medida da disperso, que a
soma dos quadrados dos desvios de
observaes de sua mdia dividida por
um menos o nmero de observaes.
Por exemplo, para n observaes x1,
x2,..., xn com mdia
1 n
x = xi
n i=1
135
 Conceitos Estatsticos

a varincia mdia aritmtica de uma srie de n

1 n observaes independentes zi de z
s2 = (x i x )2
n 1 i=1 dada por
1. A varincia da amostra um
estimador no polarizado da 2 ( zi )
2 ( z) =
varincia da populao. n
2. A varincia n/(n - 1) vezes o
momento central de ordem 2. e estimada pela varincia experimental
A varincia definida aqui mais da mdia
apropriadamente chamada de estimativa
da amostra da varincia da populao. A s 2 ( zi ) 1 n

varincia de uma amostra usualmente s 2 ( z) =

n
= ( z i z) 2
n(n 1) i=1
definida para ser o momento centro de
ordem 2 da amostra. Varincia (de uma varivel aleatria ou
de uma distribuio de probabilidade).
A varincia de uma varivel aleatria
A expresso do quadrado da varivel
a expectativa de seu desvio quadrtico
aleatria centrada
em relao a sua expectativa. Assim, a
varincia da varivel aleatria z com
funo densidade de probabilidade p(z) 2 = V( X ) = E{[ X E( X )] 2 }
dada por
6.14. Covarincia
( z) = ( z z ) p( z)dz
2 2
A covarincia de duas variveis
aleatrias uma medida de sua
dependncia mtua. A covarincia de
onde z a expectativa de z. A varincia
variveis aleatrias y e z definida por:
2(z) pode ser estimada por
cov(y,z) = cov (z,y) = E{[y-E(y)][z -
1 n
2
s ( zi ) =
n 1 i=1
( z i z) 2 E(z)]}

onde que leva a

1 n
z = zi cov(y,z) = cov (z,y)
n i=1
e zi so n observaes independentes de
= ( y y )( z z )p( y, z)dydz
z.
1. O fator (n -1) na expresso de
s2(zi) vem da correlao entre zi e = yzp( y, z)dydz y z
z e reflete o fato que h somente
(n - 1) itens independentes no onde p(y,z) a funo densidade de
conjunto {zi - z ) probabilidade conjunta de duas variveis
2. Se a expectativa z de z y e z. A covarincia cov(y,z)] tambm
conhecida, a varincia pode ser denotada por (y,z)] pode ser estimada
estimada por: por x(yi,zi) obtido de n pares
1 n independentes de observaes
s 2 (zi ) = (zi )2 simultneas yi e zi de y e z,
n i =1
1 n
A varincia da mdia aritmtica das s( y i , z i ) = ( yi y)( zi z)
n 1 i=1
observaes, no lugar da varincia das
observaes individuais, a medida onde
apropriada da incerteza de um resultado 1 n
da medio. A varincia de uma varivel z = zi
n i =1
z deve ser cuidadosamente distinguida
da varincia da mdia z . A varincia da

136

A covarincia estimada de duas
mdias y e z dada por s( y , z ) =
s(yi,zi)/n
Matriz de covarincia
Para uma distribuio de
probabilidade multivarivel, a matriz V
com elementos iguais s varincias e
covarincias das variveis chamada de
matriz covarincia. Os elementos
diagonais, (z,z) = 2(z) ou s(zi,zi) = s2(zi),
so as varincias e os elementos fora da
diagonal, (y,z) ou s(yi,zi) so as
covarincias.
6.15. Correlao
A relao entre duas ou vrias
variveis aleatrias dentro de uma
distribuio de duas ou mais variveis
aleatrias.
Muitas medidas estatsticas de
correlao medem somente o grau de
relao linear.
Coeficiente de correlao
O coeficiente de correlao uma
medida da dependncia mtua relativa
de duas variveis, igual relao de
suas covarincias para a raiz quadrada
positiva do produto de suas varincias.
Assim,
( y, z)
( y, z) = ( z, y) =
( y, y)( z, z) ( y)( z)
com estimativas
r( y i , z i ) = r( z i , y i ) =
O coeficiente de correlao um
nmero puro tal que -1 +1 ou -1
r(yi,zi) +1.
Notas
1. Como r e r so nmeros puros na
faixa de -1 a +1 inclusive,
enquanto as covarincias so
usualmente grandezas com
dimenses fsicas e tamanhos
inconvenientes, os coeficientes de
correlao so geralmente mais
teis que as covarincias.
2. Para distribuies de probabilidade
multivariveis, a matriz de
Conceitos Estatsticos
coeficientes de correlao
usualmente dada no lugar da
matriz de covarincia. Desde que
(y,y) = 1 e r(yi,yi) = 1, os
elementos da diagonal desta
matriz so 1.
3. Se as estimativas de entrada xi so
correlatas e se uma variao i em
xi produz uma variao j em xj,
ento o coeficiente de correlao
associado com xi e xj estimado
aproximadamente por
u( x i ) j
r( x i , x j ) =
u( x j ) i
Esta relao pode servir como base
para estimar experimentalmente os
coeficientes de correlao. Ela tambm
pode ser usada para calcular a variao
aproximada em uma estimativa de
entrada devido variao em outra se o
coeficiente de correlao for conhecido.
6.16. Independncia
Duas variveis aleatrias so
estatisticamente independentes se sua
distribuio de probabilidade conjunta o
produto de suas distribuies de
probabilidades individuais.
Se duas variveis aleatrias so
( y, z) independentes, sua covarincia e
=
coeficiente de correlao so zeros, mas
o inverso nem sempre verdade.
s( y i , z i ) s( y i , z i ) 6.17. Representao grfica
= A Fig. 1. mostra algumas das idias
s( y i , y i )s( z i , z i ) s( y i )s( z i )
discutidas na clusula 3 deste trabalho e
neste Anexo. Ela ilustra por que o foco
deste trabalho a incerteza e no o erro.
O erro exato de um resultado de uma
medio , em geral, desconhecido e
desconhecvel. Tudo que se pode fazer
estimar os valores das grandezas de
entrada, incluindo correes para os
efeitos sistemticos reconhecidos, junto
com suas incertezas padres (desvios
padro estimados), ou de distribuies
de probabilidade desconhecidos que so
amostradas por meio de observaes
repetidas ou de distribuies subjetivas
ou a priori baseadas em um pool de
informao disponvel e ento calcular o
137
 Conceitos Estatsticos

resultado da medio dos valores

estimados das grandezas de entrada e a
incerteza padro combinada das
incertezas padro destes valores
estimados. Somente se h uma base boa
para acreditar que tudo isso possa ser
feito corretamente, com nenhum efeito
sistemtico significativo tendo sido
omitido, pode-se assumir que o resultado
da medio uma estimativa confivel
do valor do mensurando e que sua
incerteza padro combinada um
medida confivel do erro possvel.
1. Na Fig. 1(a) as observaes so
mostradas como um histograma
para fins ilustrativos.
2. A correo para um erro igual ao
negativo da estimativa do erro.
Assim, na Fig. 1 e na Fig. 2, uma
seta que ilustra a correo para
um erro igual em comprimento
mas aponta no sentido oposto
seta que ilustra o erro e vice-versa.
O texto da figura torna claro se
uma seta particular ilustra uma
correo ou um erro.
Fig. 2 mostra algumas das idias
ilustradas na Fig. 1 mas de modo
diferente. Mais ainda, ela tambm mostra
a idia que pode haver muitos valores do
mensurando se a definio do
mensurando incompleta (entrada g da
figura). A incerteza resultante deste
definio incompleta como medida pela
varincia avaliada da medio de
realizaes mltiplas do mensurando,
usando o mesmo mtodo, instrumentos,
local.
Na coluna Varincia as varincias so
entendida serem as varincias ui2(y)
definidas na eq. (11); assim elas se
somam linearmente, como mostrado.

Apostila\Incerteza CalculoIncerteza1.doc 01 DEZ 97

138
 Conceitos Estatsticos

(a) Conceitos baseados em grandezas observveis

Mdia aritmtica no Mdia aritmtica

corrigida das observaes corrigida das

A mdia aritmtica
corrigida o valor
estimado do mensurando
e o resultado da medio

Incerteza padro da mdia

no corrigida devida Incerteza padro
disperso das Correo de todos combinada da mdia
observaes efeitos sistemticos
Inclui a incerteza da mdia
no corrigida devida
disperso das observaes e
incerteza da correo

(b) Conceitos baseados em grandezas desconhecidas

Distribuio desconhecida da
populao inteira de observaes
Distribuio desconhecida (aqui corrigidas possveis
assumida ser normal) da populao
inteira de observaes no
corrigidas possveis

Erro desconhecido na mdia corrigida devido

Mdia da populao desconhecida
(expectativa) com desvio padro
desconhecido (indicado pelas linhas
verticais)
Erro aleatrio desconhecido da mdia
no corrigida das observaes
ao erro aleatrio desconhecido na media no
Erro desconhecido devido a todos corrigida e ao erro desconhecido na
efeitos sistemticos conhecidos correo aplicada
Erro residual desconhecido na mdia
corrigida devido ao efeito sistemtico no
conhecido.

Valor do mensurando
no conhecido

Fig. 1. Ilustrao grfica de valor, erro e incerteza

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

(No inclui a varincia devida

definio incompleta do
d) Resultado da medio mensurando)

e) Erro residual
(desconhecvel)

f) Valor do mensurando
(desconhecvel)

g) Valores da mensurando
devidos definio
incompleta
(desconhecvel)

h) Resultado final da
medio

Fig. 2. Ilustrao grfica de valores, erro e incerteza

140