Laboratrio de Fsica

Teoria dos Erros, uma

Introduo.




UNIVASF
2006
ii
Sumrio
TEORIA DOS ERROS []............................................................................................... 1
1 - ALGARISMOS SIGNIFICATIVOS....................................................................... 1
1.1 - INTRODUO. ................................................................................................... 1
1.2 - ALGARISMOS SIGNIFICATIVOS.................................................................... 1
1.3 - NOTAO CIENTFICA.................................................................................... 2
1.4 - OPERAES COM ALGARISMOS SIGNIFICATIVOS.................................. 2
2 - INTRODUO TEORIA DE ERROS............................................................... 5
2.1 - INTRODUO.................................................................................................... 5
2.2 - DEFINIES....................................................................................................... 5
2.3 - OBJETIVOS DA TEORIA DE ERROS............................................................... 7
2.4 - ERROS SISTEMTICOS E ERROS ESTATSTICOS....................................... 8
2.5 HISTOGRAMA................................................................................................... 8
2.6 VALOR MAIS PROVVEL E VALOR MDIO............................................. 10
2.7 - ERRO SISTEMTICO ..................................................................................... 10
2.8 - DISPERSO E PRECISO............................................................................... 11
2.9 - ERROS ALEATRIOS ..................................................................................... 11
2.10 - DESVIOS OU RESDUOS .............................................................................. 13
2.11 - DESVIO QUADRTICO MDIO ( S
RMS
)....................................................... 14
2.12 - DISTRIBUIO NORMAL OU DE GAUSS ................................................. 15
2.13 - DESVIO PADRO ( ).................................................................................. 17
2.14 - DESVIO PADRO DA MDIA ( ) .............................................................. 17
2.15 - INTERVALOS DE CONFIANA E NVEIS DE CONFIANA ................... 18
2.16 - INCERTEZA PADRO FINAL...................................................................... 20
2.17 - ALGARISMOS SIGNIFICATIVOS NA INCERTEZA PADRO................. 21
2.18 ALGARISMOS SIGNIFICATIVOS NA GRANDEZA.................................. 21
2.19 PROPAGAO DE INCERTEZAS............................................................... 22
REFERNCIAS: .......................................................................................................... 24
1
Teoria dos Erros [1]
1 - ALGARISMOS SIGNIFICATIVOS
1.1 - INTRODUO.

A sensibilidade e preciso de todo instrumento de medida est limitada na sua
fabricao. Muitas vezes a leitura do valor de uma grandeza intermediria a dois
traos consecutivos da escala como na Fig. 1.


Fig.1- Exemplo de Medida de Distncia.

1.2 - ALGARISMOS SIGNIFICATIVOS

A barra que est sendo medida na Fig. 1 tem uma extremidade ajustada ao zero
de uma rgua marcada em centmetros. A outra extremidade da barra no est
coincidindo com nenhum trao.

Observa-se que o valor deste comprimento 27 cm mais alguns dcimos de
centmetro, mas no podemos afirmar com certeza o seu valor. Ou seja, podemos apenas
estimar ou avaliar estes dcimos de centmetro e a aproximao ao valor "verdadeiro"
depender da percia e da capacidade da avaliao do operador.
Por exemplo, suponha que trs pessoas diferentes apresentem como resultado
desta medida os seguintes valores: .
27,3 cm 27,4 cm 27,5 cm

Verificamos que h concordncia com relao aos algarismos 2 e 7 e portanto
um consenso de que eles so "verdadeiros" ou "exatos", enquanto que os algarismos
3 , 4, e 5 so duvidosos. Os algarismos exatos de uma medida bem como os algarismos
duvidosos, so denominados algarismos significativos. No exemplo acima, os trs
algarismos de cada medio so significativos exatos, mas os ltimos algarismos de
cada uma das medies (3, 4 e 5) so significativos duvidosos.
O termo duvidoso provm do fato que o mesmo apresenta uma incerteza, gerada
pela prpria grandeza medida, pela sensibilidade do instrumento bem como pela percia
do observador.

2
Qualquer grandeza fsica escalar pode ser escrita na forma:
A = ( a
a
) u onde a seu valor numrico,
a
a sua incerteza e u a
sua unidade.

Veremos primeiramente como escrever e operar com o valor numrico de A.
O valor numrico ( a ) poder ser resultado de uma ou mais medies diretas ou
indiretas. Entretanto, qualquer que seja a preciso adotada o seu nmero de algarismos
estar limitado, devido s condies experimentais, a um certo nmero de algarismos
que tm realmente significado, isto , aos seus algarismos significativos.
1.3 - NOTAO CIENTFICA

A maneira de se escrever o valor numrico em trabalhos cientficos
preferencialmente a notao cientfica. Nesta notao escreve-se o nmero referindo-se
potncia de dez, com a particularidade de se conservar esquerda da vrgula,
apenas um dgito, diferente de zero.

Exemplos:
125 1,25 10
2
3 algarismos significativos
22,34 2,234 10 4 algarismos significativos
0,00350 3,50 10
-3
3 algarismos significativos
1,0052 1,0052 5 algarismos significativos
A razo de se preferir a notao cientfica a qualquer outra que ela permite a
rpida visualizao da grandeza (a potncia de 10) e do nmero de algarismos
significativos.
1.4 - OPERAES COM ALGARISMOS SIGNIFICATIVOS

Uma regra prtica para a operao com algarismos significativos adicionar aos
valores um x direita do ltimo algarismo, realizar a operao e tomar como resultado
os algarismos no afetados pelos x.

a) 2,041 + 0,0498 + 98,00

====> 100,09
3

b) 20,00 - 0,1

====> 19,9

c) 15,421 - 0,0003

=====> 15,421.

Multiplicao e Diviso:

a) 8,248 3,1

=====> 25,9
b) 109 7,998


4
Outra prtica de uso bastante generalizada o de escrever o resultado de
multiplicaes, divises e muitas vezes operaes mais complexas, com o nmero de
algarismos significativos de parcela mais pobre em significativos ou ainda, com o
nmero de algarismos da mais pobre mais um algarismo.
Exemplos:
a) ou y = 3,63 10
2

b) ou y = 6,47 10
c) ou y = 1,29


IMPORTANTE: Esta regra (a do mais pobre em significativos) a rigor vale apenas
para multiplicaes e divises. Um conhecimento mais profundo e coerente dos
significativos ser conseguido unicamente atravs da teoria de erros, cujos fundamentos
veremos a seguir.
5
2 - INTRODUO TEORIA DE ERROS

2.1 - INTRODUO

A nomenclatura sobre metrologia e as regras bsicas sobre incerteza foram
discutidas nos ltimos anos por grupos de trabalho constitudos de especialistas
indicados por diversas organizaes internacionais (BIPM, ISO, IUPAC, IUPAP, IEC,
OIML) e foram publicadas em dois importantes textos: Guide to the Expression of
Uncertainty in Measurements e International Vocabulary of Basic and General Terms
in Metrology. Esta ltima publicao foi traduzida pela INMETRO em 1994.
Com a finalidade de tornar a exposio mais clara, e em conformidade com a
Legislao Brasileira, sero apresentadas as definies e alguns comentrios sobre
termos mais usuais em Teoria dos Erros.

2.2 - DEFINIES
Medio: conjunto de operaes que tm por objetivo determinar o valor de
uma grandeza.
Valor Verdadeiro: Valor consistente com a definio de uma dada grandeza
especfica.

O valor verdadeiro de uma grandeza o valor que seria obtido de uma medio
perfeita e a determinao do mesmo pode ser entendida como o objetivo final da
medio. Entretanto, deve ser observado que o valor verdadeiro por natureza,
indeterminado.

Resultado de uma medio: valor atribudo ao mensurando, obtido por
medio.
Mensurando: grandeza especfica submetida medio.
Erro: resultado de uma medio menos o valor verdadeiro do mensurando.

Isto , a diferena entre o resultado de uma medio e o valor verdadeiro dessa
grandeza. Uma vez que o valor verdadeiro uma quantidade desconhecida,
resulta que o erro tambm o , ao menos em princpio.
6

Desvio padro experimental: para uma srie de medies de um mesmo
mensurado, a grandeza , que caracteriza a disperso dos resultados dada pela
frmula:


1
) (
1
2

=
n
x
n
i
i

,

onde
i
x representa a diferena entre o resultado da i-sima medio e a mdia
aritmtica x dos n resultados considerados.

Incerteza de medio: parmetro associado ao resultado de uma medio e que
caracteriza a disperso dos valores que podem ser fundamentalmente atribudos
ao mensurando.
Embora desconhecido, o mensurando tem um valor verdadeiro nico
por hiptese. Entretanto, diferentes valores podem ser "atribudos" ao
mensurando e a incerteza caracteriza a disperso destes valores.
Evidentemente, a incerteza s pode ser obtida e interpretada em termos
probabilsticos.
Existem vrias formas de indicar a incerteza tais como a incerteza padro,
incerteza expandida e limite de erro.
Repetitividade: grau de concordncia entre resultados de sucessivas
medies de um mesmo mensurando, efetuadas sob as mesmas condies
de medies.
Reprodutibilidade: grau de concordncia entre resultados de medies de
um mesmo mensurando, efetuadas sob condies de medies diferentes.
Valor mdio verdadeiro ou mdia limite: o valor mdio que seria obtido
de um nmero infinito de medies em condies de repetitividade.
Erro estatstico: resultado de uma medio menos o Valor Mdio
Verdadeiro ( ou Mdia Limite).
Erro sistemtico: diferena entre o Valor Mdio Verdadeiro e o Valor
verdadeiro.
O Erro Sistemtico o erro do valor mdio verdadeiro.
7
Exatido ou Acurcia: exatido o grau de concordncia entre o resultado de
uma medio e o valor verdadeiro do mensurando.
Preciso: preciso um conceito qualitativo para indicar o grau de concordncia
entre os diversos resultados experimentais obtidos em condies de
repetitividade.

Assim, boa preciso significa erro estatstico pequeno, de forma que os
resultados apresentam boa repetitividade. Note, entretanto, que mesmo com boa
preciso a exatido ou acurcia pode ser ruim caso exista erro sistemtico
grande.
Incerteza padro: a incerteza em resultado final dada na forma de um desvio
padro.
Intervalo de confiana: considerando um intervalo entre a e b, pode-se fazer a
seguinte afirmativa em relao a uma quantidade desconhecida y:

b y a

Se a afirmativa tem probabilidade P de ser correta, o intervalo definido pelos
valores a e b um intervalo de confiana P para y.

Nvel de confiana: o coeficiente de confiana, nvel de confiana ou confiana
a probabilidade P de para um determinado intervalo de confiana.

Por exemplo, se
v
y o valor verdadeiro de uma grandeza, y um resultado
experimental e a incerteza padro:

+ y y y
v
(com P 68%)

define intervalo com confiana de P 68%, para distribuio normal de erros e
incerteza obtida a partir de nmero de graus de liberdade (nmero de
medies) razoavelmente grande.

2.3 - OBJETIVOS DA TEORIA DE ERROS

Quando uma grandeza fsica experimental x determinada a partir de uma
medio, o resultado uma aproximao para o valor verdadeiro,
v
x
,
da grandeza. Os
objetivos da teoria de erros podem ser resumidos em:

a) Obter o melhor valor para o mensurando a partir dos dados experimentais
disponveis. Isto significa determinar em termos estatsticos a melhor
aproximao possvel para o valor verdadeiro.
8
b) Obter a incerteza no valor obtido, o que significa determinar em termos
estatsticos o grau de preciso e confiana na medida da grandeza fsica.
2.4 - ERROS SISTEMTICOS E ERROS ESTATSTICOS

Geralmente, ocorrem erros de vrios tipos numa mesma medio. Estes erros
podem ser agrupados em dois grandes grupos que so: os erros sistemticos e erros
estatsticos (ou aleatrios).
Considerando o conjunto de
i
x

determinaes ) , , 3 , 2 , 1 ( n i K = de um
mensurando, os erros estatsticos e erros sistemticos podem ser distinguidos como
segue:
a) Erro sistemtico: um erro que afeta igualmente todas as n medies
i
x . Isto , o
conjunto completo das n medies
i
x

apresenta-se igualmente deslocada com relao
ao valor verdadeiro
v
x .

Erros sistemticos podem ser de vrios tipos como:

Erro sistemtico instrumental: erro que resulta da calibrao do
instrumento de medio.

Erro sistemtico ambiental: erro devido a efeitos do ambiente sobre a
experincia. Fatores ambientais como temperatura, presso, umidade e
outros podem introduzir erros no resultado de medio.

Erro sistemtico observacional: erro devido a pequenas falhas de
procedimentos ou limitaes do observador. Por exemplo, o efeito de
paralaxe na leitura de escalas de instrumentos.

b) Erro estatstico ou erro aleatrio : a medida da disperso dos n resultados
i
x

em
torno do valor verdadeiro
v
x .
Erros estatsticos (ou aleatrios) resultam de variaes aleatrias nas medies,
provenientes de fatores que no podem ser controlados ou que, por algum motivo, no
foram controlados. Por exemplo, na medio de massa com balana, correntes de ar ou
vibraes (fatores aleatrios ) podem introduzir erros estatsticos na medio.
2.5 HISTOGRAMA

Suponha que estejamos realizando a medio de uma quantidade (mensurando) x
e que o aparelho empregado seja suficientemente sensvel s condies experimentais,
isto , o aparelho suficientemente sensvel para detectar as variaes aleatrias.

Se estivermos interessados em valores confiveis, natural que no nos
contentemos com apenas uma nica medio, e por isso devemos repetir a medio para
9
ganharmos confiana no valor encontrado. Porm, quantas medies da grandeza x
devero ser obtidas para que tenhamos um valor confivel?

Para respondermos satisfatoriamente a esta questo, necessitamos de toda uma
teoria que chamada Teoria de Erros da qual daremos aqui as noes bsicas.

Sempre que efetuamos uma medio ela estar afetada de um erro experimental.
Isto quer dizer que ao repetirmos o processo de medio ainda que com o mesmo
experimentador, mesmo mensurando, com os mesmos instrumentos calibrados e nas
mesmas condies ambientais poderemos obter valores diferentes devido s flutuaes
aleatrias.

Portanto, em geral, os resultados obtidos
i
x ) , , 3 , 2 , 1 ( n i K = mostraro uma
distribuio de valores, isto , os valores apresentaro uma disperso, como a que
vista na tabela 1.

Para facilitar o entendimento e a interpretao dos resultados experimentais
utiliza-se uma comumente a representao grfica desses resultados, denominada
histograma.

No histograma os resultados so distribudos em classes (intervalos ). Contam-
se quantos resultados caem em cada classe. O nmero de resultados de cada classe
chamado freqncia absoluta. Caso seja de nosso interesse, podemos usar a
freqncia relativa, que ser obtida dividindo-se a freqncia absoluta pelo nmero
total dos resultados ( n ).

Representam-se as freqncias pela altura de retngulos verticais cujas bases so
os intervalos dentro dos quais foram efetuadas as contagens dos resultados. Veja a
figura 1 que mostra o histograma dos valores contidos na tabela 1.

X (u) Nmero de ocorrncias ou freqncia
1,51 1
1,52 3
1,53 6
1,54 8
1,55 10
1,56 7
1,57 8
1,58 4
1,59 3
1,60 0
1,61 1
Tabela 1
10

Fig.2 - Histograma dos valores da Tab.1

2.6 VALOR MAIS PROVVEL E VALOR MDIO

A observao do histograma da Fig.1 mostra que existe um valor em torno do
qual as medidas tendem a se aglomerar, este valor o valor mais provvel.

estabelecido em geral, embora arbitrariamente, que o valor mais provvel do
mensurando a sua mdia aritmtica, ou seja, o valor mdio o valor mais provvel
e a que melhor representa a grandeza medida:

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

No exemplo da Tab.1 o valor mais provvel ou valor mdio 1,554 u que est
representado no histograma da Fig.2.

2.7 - ERRO SISTEMTICO

Suponhamos que conheamos o valor verdadeiro de x e que ele seja no nosso
exemplo 1,054 u. Observe que este valor no coincide com o valor mais provvel
calculado no item anterior. Isso pode ter sido ocasionado por um desvio sistemtico.
Supondo que seja isto que ocorreu, para que o valor mais provvel seja o valor
verdadeiro necessrio fazer coincidir-lhos e isto poder ser realizado, corrigindo-se
sistematicamente cada uma das determinaes com o valor da diferena entre o valor
mdio e o valor verdadeiro.

No nosso exemplo: ( 1,554 - 1,054 ) u = 0,500 u o erro sistemtico.

11
A minimizao dos erros sistemticos a marca do bom experimentador, pois,
com freqncia, difcil seno impossvel elimin-los. E a desenvoltura com que se lida
com eles depende muito da vivncia anterior. Algumas vezes os erros sistemticos
podero ser minimizados pela calibrao do instrumento.
2.8 - DISPERSO E PRECISO

Ao repetirmos uma medio muitas vezes, os resultados nem sempre coincidem.
Esse espalhamento nos valores das medidas chamado de disperso.

A disperso existente nos valores reflete a preciso da medida, isto , o erro
experimental associado medida. Quanto menor a disperso maior a preciso e vice-
versa.
2.9 - ERROS ALEATRIOS

Dissemos que ao repetirmos as medies, elas no se reproduziro exatamente.
Suponhamos, portanto que uma outra srie de medies tenha sido realizada e que o
resultado tenha sido aquele apresentado na Tab.2. e nos histogramas da Fig.2a e Fig.2b.

A simples observao dos histogramas sugere que o resultado do conjunto 1
mais confivel pois apresenta menor disperso. Um dos objetivos principais da Teoria
de Erros estabelecer uma quantidade que mea as disperses e conseqentemente os
nveis de confiana nos valores mais provveis obtidos. Para isso, necessitamos
examinar com ateno o resultado das medies.

X ( u )
Conjunto 1
Nmero de ocorrncias
Conjunto 2
Nmero de Ocorrncias
0,99 --- 1
1,00 --- 1
1,01 1 2
1,02 3 3
1,03 6 5
1,04 8 5
1,05 10 9
1,06 7 6
1,07 8 7
1,08 4 5
1,09 3 3
1,10 0 1
1,11 1 1
1,12 --- 1
1,13 --- 1
Tabela 2
12

Fig. 2a







Fig. 2b





13
2.10 - DESVIOS OU RESDUOS

Dada uma srie de medidas de uma grandeza as diferenas entre os valores
medidos e o valor mais provvel x so chamados desvios ou resduos:

x x x
i i
= (2)

A primeira idia que surge para se obter uma quantidade que mea a disperso
somar os desvios e tirar a mdia. Entretanto, se o valor mais provvel a mdia
aritmtica que dada pela equao (1) a mdia dos desvios ser nula pois:

0
1 1 1 1 1
= = =

=

= = = = =
x x
n
x
n
x x x
n
x
n
i
n
i
i
n
i
n
i
i
n
i
i

Outra idia seria a utilizao da soma dos desvios tomados em valores absolutos,
isto , em mdulos pois ela seria obviamente diferente de zero:


0
1

=
n
x
n
i
i

Existe, entretanto, uma quantidade mais interessante que a soma dos quadrados
dos desvios. Ela interessante, pois, neste caso, se o valor mais provvel a mdia
aritmtica das medidas, a soma dos quadrados dos desvios um mnimo.
Demonstremos; os quadrados dos desvios so:


2 2
2 2
2
3
2
3 3
2
2
2
2 2
2
1
2
1 1
2 ) (
2 ) (
2 ) (
2 ) (
2 ) (
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
n n n
i i i
+ =
+ =
+ =
+ =
+ =

K K K K K K K K K
K K K K K K K K K


A soma dos quadrados dos desvios (S) ser:


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


14
Vamos determinar a condio para que a soma S seja mnima. A derivada
primeira com relao a x :


x n x
x
S
n
i
i
2 2
1
+ =

=


como:


n
x
x
n
i
i
=
=
1


temos:


0 =

x
S


Como a derivada segunda de S :


0 2
2
=

n
x
S
ficando provado que S um mnimo.

Deste resultado, conclumos que o valor mais provvel aquele para o qual a
soma dos quadrados dos desvios mnima e que a quantidade a ser empregada
para a medida da disperso dos dados, ou seja, a largura do histograma deve estar
relacionada com a soma dos quadrados dos desvios.

2.11 - DESVIO QUADRTICO MDIO ( S
rms
)

Uma dessas quantidades que poderia ser utilizada para a medida da disperso
poderia ser o desvio quadrtico mdio ou rms (root mean square deviation), definida
pela relao:


n
x
S
n
i
i
rms

=
=
1
) (
(3)

Infelizmente essa quantidade no tem o significado mais amplo possvel porque
ela indica simplesmente como um conjunto de n valores desviam-se de sua mdia. Um
segundo conjunto de n medidas geralmente no fornecer um valor mdio idntico ao
primeiro e nem um conjunto idntico de desvios. A isso chamamos de flutuao
estatstica.
15

Para estabelecermos a quantidade que poder medir a disperso da melhor forma
possvel, voltemos ao nosso exemplo e vejamos com mais cuidado a influncia do
nmero de medies n.

2.12 - DISTRIBUIO NORMAL OU DE GAUSS

um fato experimental que a freqncia dos resultados (o histograma) varia
com o nmero de medies realizadas, bem como ao tomarmos outro conjunto com o
mesmo nmero de medies n, como mostram a Tab.2 e Fig 2a e Fig. 2b

Observa-se que essas flutuaes so mais acentuadas quando o nmero de
medies pequeno. Por outro lado, aumentando o nmero de medies as flutuaes
decrescem. Por exemplo, a distribuio dos resultados para 5 medies mostra-se,
geralmente muito diferente da distribuio para 10 medies.

Existem diferenas, embora bem menos acentuadas, entre distribuio de 50 e de
100 medies e, ao compararmos os histogramas para 500 medies com o de 1000
medies veremos que as diferenas sero ainda menores.

Se formos melhorando a nossa tcnica e obtendo mais alguns algarismos
significativos em cada medio, poderemos utilizar valores cada vez menores para os
intervalos x. Assim, quando o nmero de medies tenderem para o infinito e o
intervalo x tender a zero, o histograma em geral tender para uma curva lisa e
simtrica com um pico de mximo em x .
Podemos concluir, ento, que a distribuio dos resultados adquire uma forma
cada vez mais definida em funo do aumento do nmero de medies n e para
sumarizar, dizemos que existe uma distribuio limite quando n tende para o infinito e
que na ausncia e erros sistemticos, o valor x tende para o valor verdadeiro. Fig. 3.

Fig. 3
16
No formalismo da Teoria de Erros, a curva da distribuio limite representa de
uma forma compacta toda a informao que um experimento pode fornecer. Tanto o
mensurando quanto o sistema de medio (incluindo aqui o experimentador como parte
do sistema) determinam a posio e o formato da curva.

Veremos que o valor de x correspondente ao mximo da curva est relacionado
com o valor verdadeiro da grandeza, e que a largura da curva est relacionada com a
preciso dos resultados e medida pelo desvio padro.

Uma justificativa matemtica de funo gaussiana como distribuio de erros
encontrada no teorema do limite central, em sua forma mais geral. Numa linguagem
bastante simplificada e adaptada ao problema em questo, este teorema diz que se o erro
total a soma de muitos erros elementares que tm distribuies quaisquer com
varincias finitas, a distribuio de probabilidade para o erro total tende a ser gaussiana.

A expresso analtica da curva de Gauss :


2 2
) (
x h
e
x
h
x f

=
(4)

onde h chamado de ndice de preciso. Quando h grande a curva estreita,
indicando uma experincia de alta preciso e quando h pequena a curva larga
indicando uma experincia de baixa preciso (Fig.4).



Fig.4 - Influncia do ndice de Preciso

17
2.13 - DESVIO PADRO ( )

Para estabelecermos uma quantidade para a medida da disperso com
significado mais amplo, empregamos o conceito de que os dois conjuntos do nosso
exemplo so duas amostras do universo de medidas, que poderiam ser realizadas, sendo
infinito o nmero de medidas daquele universo.

A quantidade que de interesse chama-se desvio padro ( ), ), ), ), que vem a ser o
desvio mdio quadrtico das medidas com relao mdia do universo de
medidas.

Como impossvel fazer todas as medidas do universo de medidas para
determinarmos a sua mdia, o procedimento adotado ser, a partir das n observaes,
por meio de consideraes de ordem estatstica, obter a melhor estimativa para o desvio
padro.

Desta forma, a melhor estimativa para o desvio padro ser:


1
) (
1
2

=
n
x
n
i
i

(5)

O significado do desvio padro que ele indica o erro que teramos caso
fizssemos uma nica observao. Ou, equivalentemente, o significado do erro padro
de um dado conjunto de n determinaes que uma dada observao tem 68% de
probabilidade de estar no intervalo em torno do valor mdio; 95% no intervalo
2 , etc.

2.14 - DESVIO PADRO DA MDIA ( )

Sabemos agora determinar a partir de n observaes o desvio padro de uma
medida, isto , sabemos estimar a partir da anlise de n observaes o erro que teramos,
com uma dada probabilidade, caso houvssemos realizado uma nica determinao.

Entretanto, tendo realizado n determinaes o melhor valor disponvel a sua
mdia ( x ),e portanto estaremos mais interessados em estimar o erro em x .

Com esse propsito, poderamos ento realizar vrios conjuntos de n
determinaes, calcular os valores das respectivas mdias e, em seguida, a mdia das
mdias e este desvio padro da mdia das mdias seria mais preciso.

Este raciocnio poderia ser utilizado novamente, calculando-se a mdia das
mdias e assim indefinidamente, sem um fim lgico? Felizmente possvel prever
teoricamente o erro a que est sujeita a mdia de n valores medidos, sem ter que repetir
o conjunto de medidas. Este desvio chamado de desvio padro da mdia:

18

) 1 (
) (
1
2

= =

=
n n
x
n
n
i
i

(6)

Note que, quanto maior o nmero de observaes n, menor ser o desvio padro
da mdia e, portanto, maior a preciso do resultado. Este um princpio fundamental da
estatstica.

O significado do erro padro da mdia de um dado conjunto de n medidas que
o valor mdio x em 68% de chance de estar dentro do intervalo em torno do valor
mdio x ; 95% de estar no intervalo 2 , etc.

Vemos ento que o desvio padro e o desvio padro da mdia tm significados
anlogos:

O significado do
)
`

mdia da padro desvio

medida da padro desvio
de um dado conjunto de n
determinaes que
)
`

mdio valor o
medida a
tem 68% de chance de estar dentro do intervalo
)
`

em torno do
)
`

verdadeiro valor
mdio valor
, 95% no intervalo
)
`

2
2
, etc.

Resumindo: A partir de um conjunto de n determinaes de uma quantidade x, a
melhor estimativa para o valor verdadeiro ser dada pela sua mdia aritmtica x e pelo
desvio padro da mdia , isto :

x

onde o intervalo x a + x delimita uma faixa 68, 27% de probabilidade de
conter o valor verdadeiro.

2.15 - INTERVALOS DE CONFIANA E NVEIS DE CONFIANA

Nvel de confiana P ou, simplesmente, confiana P de uma medida a
probabilidade P de que o valor apresentado esteja correto.

Portanto quando dizemos que o valor de uma quantidade x : ) (
x
x com
confiana de P%. Estamos afirmando que o valor verdadeiro de x tem probabilidade de
P% de estar dentro do intervalo compreendido entre


x x
x x + ,


19
Para se chegar a esse resultado, basta integrar a densidade de probabilidade f(x)
dentro do intervalo
x
x at
x
x + .

No caso de distribuio Gaussiana a equao
2 2
) (
x h
e
x
h
x f

= , a integrao
dentro desse intervalo d 0,6827, isto , 68,27% de confiana.

Por outro lado podem-se obter intervalos de confiana diferentes, basta
multiplicar
x
por fatores convenientes. Damos na Tab. 3 os valores desses fatores para
alguns nveis de confiana vlidos para n grande.

Nveis de Confiana Intervalos de Incerteza
0,50 0,674
0,6827 1,000
0,80 1,282
0,90 1,645
0,95 1,960
0,9545 2,000
0,99 2,576
0,9973 3,000
Tabela 3 - Nveis de confiana e intervalos de confiana para n grande.

Entretanto, frequentemente o nmero n de observaes pequeno e, portanto o
desvio
x
no acuradamente conhecido; consequentemente ser necessrio levar em
conta o nmero de observaes. (Tabela 4).

Nmero de Observaes
Nvel de Confiana
50 % 90 % 95 %
2 1,00 6,31 12,71
3 0,82 2,92 4,30
4 0,77 2,35 3,18
5 0,74 2,13 2,78
6 0,73 2,02 2,54
7 0,72 1,94 2,45
8 0,71 1,90 2,37
9 0,71 1,86 2,31
10 0,70 1,83 2,26
11 0,70 1,81 2,23
16 0,69 1,75 2,13
infinito 0,67 1,64 1,96
Tabela 4- Intervalos de confiana para n pequenos.




20
2.16 - INCERTEZA PADRO FINAL

Idealmente, o instrumento de medida deve sempre estar calibrado e possuir
sensibilidade suficiente para poder observar as flutuaes estatsticas.

Alguns dos erros sistemticos existentes podem, s vezes, serem corrigidos e,
com isso, melhorar os resultados finais da medio. Erros Sistemticos para os quais
no possvel fazer correes so chamados Erros Sistemticos Residuais e as
incertezas correspondentes so denominadas Incertezas Sistemticas Residuais.

No caso dos instrumentos de medidas no preencherem a condio acima, a de
possurem sensibilidade suficiente para observar as flutuaes estatsticas, costuma-se
especificar um erro avaliado adotando-se uma das regras prticas: o limite de erro de
um instrumento de medio dado pela menor diviso da escala ou metade da menor
diviso da escala.

necessrio, entretanto, nesta avaliao, levar em conta que este valor ser
tomado como um desvio padro, a fim de permitirem clculos de propagao de erros
coerentes. Portanto essa avaliao no deve abranger 100% de confiana, mas sim
um pouco mais da metade (68% ).

As incertezas estatsticas so obtidas atravs do desvio padro do valor mdio
(Eq. 6 ). J as incertezas sistemticas residuais
r
; advindas de multiplicidade de
efeitos, so mais fceis de serem obtidas e no existe nenhum mtodo padro bem
estabelecido para isso, exceto o bom senso.

Para combinar a incerteza estatstica e a incerteza sistemtica residual afim de
obter a incerteza padro final
f
de uma medio, usamos:


2 2
r x f
+ =



NOTE BEM:

A partir de um conjunto de n determinaes de uma quantidade x a melhor
estimativa para o valor verdadeiro ser dada pela sua mdia aritmtica
acompanhada do seu desvio padro da mdia isto :


x
x


O intervalo de
x
x
a
x
x +
delimita uma faixa que tem 68,27% de
probabilidade de conter o valor verdadeiro.

Matematicamente, na curva de Gauss a completa certeza implica num
intervalo de confiana com limites .
21

Fisicamente, existem limites impostos pela natureza. Por exemplo, na
determinao de comprimento seria a posio do ltimo tomo, posio esta
que por sua vez no pode ser determinada com preciso absoluta.

Observe que, podemos usar os valores das Tab.3 e Tab.4 indiferentemente
para o desvio padro ou desvio padro da mdia.

Na apresentao do valor de uma dada grandeza o desvio fornecido aquele
associado ao desvio padro da mdia (incerteza padro). Convm informar
tambm o nmero de medidas feitas.

Caso o nvel de confiana utilizado seja diferente daquele associado ao
desvio padro da mdia (68,27%) devemos informar o seu valor.

Exemplos:

V = ( 2,53 0,02 ) m/s com 95% de confiana ou
V = ( 2,53 0,02 ) m/s (95%)

S = (15,75 0,17) cm
2
(50%)

2.17 - ALGARISMOS SIGNIFICATIVOS NA INCERTEZA PADRO

No existe uma regra muita bem definida para o nmero de algarismos que
devem ser indicados para a incerteza padro. A tendncia atual no sentido de indicar a
incerteza padro com 2 algarismos esquerda. Entretanto, em muitos casos, no
possvel atribuir mais de 1 algarismo para a incerteza padro.

Podemos adotar as seguintes regras, nas quais os zeros esquerda no so
considerados.

A incerteza padro deve ser dada com 2 algarismo, quando o primeiro
algarismo na incerteza for 1 ou 2.

A incerteza padro pode ser dada com 1 ou 2 algarismos, quando o primeiro
algarismo na incerteza 3 ou maior.

Estas regras so justificadas na referncia [2].

2.18 ALGARISMOS SIGNIFICATIVOS NA GRANDEZA

A seguir, so resumidas as regras para se determinar os algarismos significativos
num resultado e para se escrever o resultado final.

Se a incerteza padro dada por um nico algarismo, o algarismo
correspondente na grandeza o ltimo algarismo significativo. Se a incerteza
22
padro dada por com 2 algarismos, os 2 algarismos correspondentes na
grandeza podem ser considerados com os 2 ltimos algarismos
significativos.

Os algarismos no significativos direita nunca devem ser escritos num
resultado final.

Zeros esquerda so considerados algarismos no significativos e, como
regra geral, deve-se evitar muitos zeros esquerda. Isto pode ser feito por
meio de mudana de unidades ou usando uma potncia de 10 como fator
multiplicativo.


Exemplo. Um resultado experimental e a respectiva incerteza padro so
calculados, obtendo-se:

m y 0004639178 , 0 = e
m 000002503 , 0 =

No caso, a incerteza padro deve ter apenas 2 algarismos significativos:

m 0000025 , 0 =

Os algarismos correspondentes em y (3 e 9) so os 2 ltimos algarismos
significativos. Assim, y deve ser escrito como

m y 0004639 , 0 =

Muitos zeros esquerda (no significativos) devem ser evitados trocando
unidades ou utilizando-se fator multiplicativo:

m y 0004639 , 0 = e m 0000025 , 0 =

ou

m y
4
10 639 , 4

= e m
4
10 025 , 0

=

Deve ser observado que bastante inconveniente usar unidades ou fatores
multiplicativos diferentes para a grandeza e para a incerteza.

2.19 PROPAGAO DE INCERTEZAS

Uma grandeza w, que calculada como funo de outras grandezas x, y, z,,
pode ser representada por

w=w(x, y, z, ).

23
As grandezas x, y, z, so admitidas como grandezas experimentais, sendo
K , , ,
z y x
as incertezas padres correspondentes:


z y x
z y x .

Se os erros nas variveis x, y, z, so completamente independentes entre si, a
incerteza padro em w , em primeira aproximao dada por

K +
|
|

\
|

+
|
|

\
|

+
|
|

\
|

=
2
2
2
2
2
2
2
z y x w
z
w
y
w
x
w
(7)

No caso de uma nica varivel, a equao (7) ser reduz :


2
2
2
x w
x d
w d

|
|

\
|
= ou
x d
w d
w
= . (8)

Exemplo. Incerteza do volume de um cilindro.

O volume de um cilindro pode ser calculado medindo-se o comprimento L e o
raio R. O volume V calculado em funo de L e R.

2
) , ( R L R L V V = = .

A equao entre as incertezas dada, usando-se (7):

2
2
2
2
2
R L V
R
V
L
V

|
|

\
|

+
|
|

\
|

= .

Assim obtm-se

( ) ( )
2 2 2
2
2 2
2
R L V
R L R + = .

Dividindo-se os termos por
2 2
) ( R L V = , obtm-se:

2 2 2
2 |

\
|
+ |

\
|
= |

\
|
R L
L
V
R V

.

Em termos das incertezas relativas (
R L V
R
R
L
L
V
V

= = = , , ):

2 2
4
R L V
+ + = .

Nem sempre possvel obter uma expresso simples como esta, envolvendo
somente as incertezas relativas.
24




Referncias:

[1] Material baseado na apostila do Laboratrio de Fsica do ITA, disponvel em
http://www.fis.ita.cta.br/labfis24/erros/errostextos/teor_erros1.htm

[2] Fundamentos da Teoria dos Erros Jos Henrique Vuolo Edgard Blucher LTDA.