Revista Brasileira de Ensino de F sica, v. 33, n. 2, 2303 (2011) www.sbsica.org.

br

Sobre as incertezas do tipo A e B e sua propaga ca o sem derivadas: uma contribui c ao para a incorpora ca o da metrologia contempor anea aos laborat orios de f sica b asica superior
(On type A and type B uncertainties and its propagation without derivatives: a contribution to incorporate contemporary metrology to Physics laboratories in higher education)

Paulo Lima Junior1 e Fernando Lang da Silveira

Instituto de F sica, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil Recebido em 27/1/2011; Aceito em 23/2/2011; Publicado em 3/6/2011 Ap os introduzir o conceito de incerteza, distinguindo procedimentos de avalia ca o da incerteza do tipo A e do tipo B, o presente artigo discute a lei de propaga ca o da incerteza denida no Guia para Express ao da Incerteza da Medi ca o, apresentando sua dedu ca o e fundamentos. O objetivo deste trabalho e introduzir um procedimento alternativo que permite calcular a incerteza que se propaga das grandezas de entrada para a grandeza de sa da sem refer encia expl cita a derivadas parciais. Como o procedimento alternativo proposto e relativamente simples e compartilha o mesmo dom nio de validade da pr opria lei de propaga ca o da incerteza, e poss vel perceber seu valor para a introdu c ao de conceitos e procedimentos metrol ogicos desde as primeiras atividades experimentais realizadas em laborat orios de f sica b asica superior. Palavras-chave: metrologia, incerteza, atividades experimentais, ensino superior. After introducing the concept of uncertainty and procedures for evaluating type A and type B uncertainties, we discuss the law for propagation of uncertainty in the Guide to the Expression of Uncertainty in Measurement and its underlying assumptions. The main goal of this paper is to introduce an alternative procedure for estimating uncertainty that propagates from the input to output quantity without explicit reference to partial derivatives. As this alternative procedure is relatively simple and shares the same validity of the law for propagation itself, it is possible to perceive its value to the introduction of metrological concepts and procedures from the earliest experimental activities performed in higher education Physics laboratories. Keywords: metrology, uncertainty, laboratory activities, higher education.

1. Introdu c ao
A metrologia e um campo de produ c ao de conhecimento que diz respeito aos processos e procedimentos de medi c ao em quaisquer atividades prossionais. Assim, ela aborda, por exemplo: o controle de qualidade dos produtos e insumos industriais, a condu c ao de pesquisa b asica, a produ c ao de novas tecnologias, o desenvolvimento e a calibra c ao de padr oes de medida [1]. Por essa raz ao, trata-se de uma disciplina fundamental para a forma c ao b asica da maioria dos prossionais que cursam disciplinas de f sica experimental (ou outras disciplinas cient cas que utilizem procedimentos de medida e an alise quantitativa de resultados observacionais/experimentais), sobretudo os futuros bachar eis
1 E-mail:

e licenciados em f sica. A conabilidade dos resultados das medi c oes e uma quest ao cr tica no campo da metrologia. A esse respeito, h a uma s erie de diverg encias hist oricas relacionadas ` as deni c oes e aos procedimentos que permitem estimar erros e incertezas. Um passo fundamental em dire c ao ` a supera c ao dessas diverg encias foi dado na d ecada de 1990 com a publica c ao de dois documentos: (1) Guia para Express ao da Incerteza da Medi c ao [1]; e (2) Vocabul ario Internacional de Metrologia [2]. Esses documentos s ao resultado do trabalho de especialistas indicados por sete organismos internacionais2 e estabelecem diretrizes amplamente aceitas para expressar e avaliar a conabilidade dos resultados de uma medi c ao.

paulolima@if.ufrgs.br.

2 BIPM (Bureau International des Poids et Mesures), IEC (International Electrotechnical Commission), IFCC (International Federation of Clinical Chemistry), ISO (International Organization for Standardization), IUPAC (International Union of Pure and Applied Chemistry), IUPAP (International Union of Pure and Applied Physics) e OIML (International Organization of Legal Metrology).

Copyright by the Sociedade Brasileira de F sica. Printed in Brazil.

2303-2

Lima Junior e Silveira

No campo da educa c ao cient ca, alguns esfor cos v em sendo realizados para esclarecer aspectos das novas diretrizes e do novo vocabul ario da metrologia [3, 4] e incorpor a-los ao ensino de f sica [5, 6]. A saber, este artigo resulta da elabora c ao de um material did atico diferenciado para a disciplina de mec anica experimental no Instituto de F sica da Universidade Federal do Rio Grande do Sul (IF-UFRGS) em que se busca, entre outros prop ositos, articular as atividades experimentais com contribui c oes do campo da metrologia. Uma quest ao cr tica, que surge da incorpora c ao de metrologia ` as disciplinas introdut orias de f sica experimental, e a necessidade de se estabelecer estrat egias que dispensem conhecimentos (matem aticos e f sicos) e habilidades que os estudantes n ao adquiriram nos est agios iniciais do curso. Neste artigo, abordamos especicamente o problema cl assico da propaga c ao da incerteza que diz respeito n ao somente ` as novas diretrizes da metrologia, mas ` as mais tradicionais teorias de erros e a necessidade de abord a-la sem refer encia expl cita ` a deriva ca o parcial. Freq uentemente, em laborat orios did aticos e de pesquisa, usamos grandezas f sicas conhecidas e medidas para inferir os valores de outra grandeza que n ao podemos ou n ao desejamos obter diretamente. Nesse tipo de situa c ao em que a medi c ao e indireta, a incerteza se propaga das grandezas conhecidas (grandezas de entrada) para a grandeza cujo valor se quer determinar (grandeza de sa da). A incerteza da grandeza de sa da y obtida indiretamente a partir das grandezas de entrada x1 , x2 , . . . , xm , consideradas estatisticamente independentes, pelo modelo y = f (x1 , x2 , ..., xm ), sob certas condi c oes, pode ser obtida aproximadamente pela express ao f x1
2

lo com outros resultados [1]. O par ametro quantitativo que expressa a conabilidade do resultado de uma medi c ao chama-se incerteza. Ela decorre da falta de precis ao e exatid ao no conhecimento que se tem a respeito do mensurando. Quanto maior for a incerteza de uma medida, menor ser a a conabilidade que se deve atribuir a essa medida. Toda grandeza estimada a partir de dados experimentais possui alguma incerteza na sua determina c ao. A esse respeito, existem fatores presentes em todos ou quase todos os processos de medi c ao que implicam necessariamente a produ c ao de incerteza. Por exemplo, todo processo de medi c ao sup oe a constru c ao de um modelo em que o prossional lan ca m ao de leis, idealiza c oes e aproxima c oes do seu campo de conhecimento para denir a grandeza f sica que est a sendo medida e estabelecer um procedimento minimamente con avel que lhe permita estimar o valor dessa grandeza dentro de certos limites e para certos prop ositos. Essa modelagem e realizada, ora de maneira intuitiva, ora de maneira sistem atica, mas e sempre inerente ao processo de medi c ao. Como todo processo de modelagem envolve idealiza c oes e aproxima c oes, mesmo se a medi c ao puder ser realizada sob condi c oes ideais, haver a alguma incerteza devido ` a pr opria deni c ao da grandeza dentro do modelo. Esta quantidade e chamada incerteza denicional ou incerteza intr nseca[2] . Por exemplo, quando decidimos medir o di ametro de uma bolinha de metal, estamos considerando-a aproximadamente esf erica (a rigor, ela pode ser oval, elipsoidal). Com efeito, trocar a medida do di ametro da bolinha pela medida de semi-eixos equivale a trocar um modelo por outro. Assim, mesmo em situa c oes experimentais extremamente elementares, para podermos responder ` a necessidade de denir o que estamos medindo, e indispens avel lan car m ao de um modelo. Estando todos os modelos sujeitos a idealiza c oes e aproxima c oes, a pr opria deni c ao da grandeza medida e incerta. Al em do que foi dito at e agora, h a outros fatores que produzem incerteza no resultado de uma medi c ao. Por exemplo: (1) varia c oes entre observa c oes repetidas sob condi c oes aparentemente id enticas devidas ` a interfer encia de grandezas que n ao est ao sendo controladas; (2) valores inexatos de constantes da natureza e outros par ametros externos necess arios para completar o processo de medi c ao; (3) conhecimento imperfeito a respeito dos fen omenos envolvidos ou das condi c oes de realiza c ao da medi c ao; (4) vi es subjetivo na leitura de escalas anal ogicas; (5) limites do instrumento com respeito ` a resolu c ao ou ao seu limiar de discrimina c ao. Todos esses fatores contribuem para que se tenha d uvida com respeito aos resultados de medi c ao.

u2 (y ) =

u2 (x1 ) +

f x2 +

u2 (x2 ) + ...
2

f xm

u2 (xm )

(1)

Nessa equa c ao, u(xj ) e a incerteza no valor da j esima grandeza de entrada e u(y ) e a incerteza no valor da grandeza de sa da. Assim, a Eq. [1] traduz a chamada lei de propaga ca o da incerteza [1]. Neste artigo, ap os introduzir o conceito de incerteza, deduzir essa lei e apontar os pressupostos que a precedem, e apresentado um m etodo alternativo para obter a incerteza da medi c ao da grandeza de sa da sem refer encia expl cita ` a deriva c ao parcial.

2.

Introdu c ao ao conceito de incerteza

Quando se registra o resultado da medi c ao de uma grandeza f sica, e obrigat orio fazer alguma indica c ao quantitativa da qualidade desse resultado, de tal maneira que outras pessoas possam avali a-lo e compar a-

Sobre as incertezas do tipo A e B e sua propaga c ao sem derivadas

2303-3

2.1.

Incertezas padr ao do tipo A e do tipo B

A partir do GUM [1] e poss vel sustentar que toda incerteza e redut vel a uma quantidade que pode ser expressa e interpretada como um desvio padr ao independente da maneira como foi obtida. A incerteza que se expressa como desvio padr ao e chamada incerteza padr ao.3 O GUM reconhece dois tipos de incerteza (que equivalem a dois procedimentos de avalia c ao de incerteza). A incerteza que se obt em por an alise estat stica de uma s erie de observa c oes chama-se incerteza do tipo A. A incerteza que se obt em por quaisquer outros m etodos e chamada incerteza do tipo B. Tanto a incerteza do tipo A quanto a incerteza do tipo B podem ser interpretadas como desvios padr ao. S ao exemplos de avalia c ao da incerteza do tipo A o c alculo do desvio padr ao da m edia de uma s erie de observa c oes repetidas (por exemplo, do tempo de queda de um proj etil) e o c alculo das incertezas nos par ametros que se obt em do ajuste de curvas a dados experimentais [7]. Os procedimentos de avalia c ao da incerteza do tipo B s ao mais variados. De uma maneira geral, a avalia c ao da incerteza do tipo B deve levar em considera c ao todo o conhecimento dispon vel a respeito da propriedade ou do fen omeno em estudo [1]. Seja a incerteza obtida por um procedimento do tipo A ou do tipo B, ela sempre ser a interpretada como um desvio padr ao. 2.2. A avalia c ao da incerteza do tipo B

Considere, por exemplo, a situa c ao elementar em que desejamos determinar com uma r egua o comprimento de um l apis. Apesar de ser muito simples, essa situa c ao e importante porque o argumento desenvolvido para trat a-la pode ser facilmente estendido para qualquer medi c ao que envolva escalas anal ogicas. Como, no exemplo do l apis e da r egua, n ao h a variabilidade percept vel dos resultados de medi c ao, n ao ser a poss vel avaliar a incerteza por procedimentos do tipo A. Por outro lado, h a pelo menos duas informa c oes relevantes para avaliar a qualidade do resultado dessa medi c ao: (1) o material com que foi feita a r egua geralmente r eguas de pl astico s ao fabricadas com calibra c ao pior e com escalas menos bem denidas ou ileg veis; e (2) a largura da menor divis ao da escala igual a 1 mm. Dado um valor verdadeiro xv qualquer para o comprimento do l apis, podemos considerar que a probabilidade de se obter cada resultado de medi c ao x satisfa ca uma distribui c ao com densidade de probabilidade f (x) uniforme e n ao-nula entre os valores xv 1 mm e xv + 1 mm segundo a Fig 1a. Por outro lado, tamb em poder amos considerar, entre outras possibilidades, que a probabilidade de se obter cada resultado de medi c ao x satisfaz uma densidade de probabilidade triangular com os mesmos limites conforme a Fig. 1b.

Em contraste com a incerteza do tipo A, que envolve procedimentos j a bastante conhecidos (tal como o c alculo do desvio padr ao da m edia de uma s erie de observa co es feitas aproximadamente sob as mesmas condi c oes), os procedimentos para estimar a incerteza do tipo B s ao um pouco mais elaborados e exigem maior aten c ao. Conforme j a foi dito, para estimar a incerteza do tipo B e necess ario levar em considera c ao todas as informa c oes dispon veis que estejam relacionadas ` a qualidade do resultado da medi c ao. Uma maneira de se fazer isso e propor a priori uma distribui c ao de probabilidades (por exemplo, gaussiana, retangular, triangular, multinomial) que seja adequada para descrever a distribui ca o dos resultados de medi c ao em torno do valor verdadeiro do mensurando ou do conjunto de valores verdadeiros que podem ser atribu dos a esse mensurando [1, 2]. Essa distribui c ao de probabilidades deve possuir pelo menos duas propriedades: (1) ela deve ser ajust avel ` as informa c oes pr evias relevantes ` a determina c ao da qualidade do resultado da medi c ao; (2) ela deve permitir a tradu c ao dessas informa c oes relevantes em uma quantidade que possa ser interpretada como desvio padr ao.

Figura 1 - Exemplos de fun co es densidade de probablidade na estimativa da incerteza do tipo B

3 A rigor, nem toda a incerteza pode ser interpretada diretamente como desvio padr ao. A incerteza que n ao se expressa como desvio padr ao e chamada incerteza expandida. Entretanto, a incerteza expandida deve ser sempre igual ` a incerteza padr ao multiplicada por um n umero real positivo, que e chamado fator de abrang encia. Para o presente artigo, o conceito de incerteza expandida n ao e fundamental. Portanto, todas as ocorr encias do conceito incerteza se referem exclusivamente ` a incerteza padr ao.

2303-4

Lima Junior e Silveira

Sabendo que distribui c oes de probabilidade cont nuas t em suas vari ancias denidas por
2 x =

m edia dessas quantidades e, ao mesmo tempo, a melhor estimativa do valor da grandeza y . Nesse caso, dado que a incerteza padr ao u(y ) pode ser calculada a partir do desvio padr ao da m edia de y , podemos escrever u2 (y ) = 1 n(n 1)
n i=1

(x xv )2 f (x)dx

(2) (yi y )
2

em que f (x) representa a fun c ao densidade de probabilidade, e poss vel calcular o desvio padr ao de cada uma dessas duas distribui c oes. Para c ao uni a distribui forme, obt em-se x,h = 1, 0 mm 3 a = 0, 6 mm. Para distribui c ao triangular obt em-se x,t = 1, 0 mm 6 = 0, 4 mm. Esses dois valores s ao exemplos de incertezas que resultam de uma avalia c ao do tipo B. Como e poss vel perceber, esse processo de modelagem probabil stica a priori que est a implicado na avalia c ao da incerteza do tipo B e relativamente arbitr ario (no sentido em que depende das escolhas feitas pelo sujeito respons avel pelo processo de medi c ao). Por isso, e fundamental que cada escolha na constru c ao do modelo utilizado seja justicada com base em informa c oes relevantes ` a determina c ao da qualidade dos resultados de medi c ao. Por exemplo, levando em considera c ao que r eguas de pl astico s ao menos con aveis que r eguas de metal, poder amos reservar a distribui c ao triangular para esta e a uniforme para aquela. Independente das escolhas feitas pelo sujeito respons avel por avaliar a incerteza da medi c ao, e fundamental destacar que o resultado de procedimentos semelhantes ao exemplicado nesta se c ao pode sempre ser interpretado como um desvio padr ao.

(3)

Sejam xij = xij x j e yi = yi y . Com efeito, na medida em que as varia c oes xij forem pequenas ao ponto do modelo matem atico y = f (x1 , x2 , ..., xm ) poder ser aproximado por um hiperplano em uma regi ao que contenha essas varia c oes, podemos substituir yi y na express ao anterior pelo termo de primeira ordem da s erie de Taylor yi =
m j =1

f xij + O(x2 ) = xj

m j =1

f xij (4) xj

Observe que todas as derivadas na express ao anterior e seguintes, pela deni c ao das s eries de Taylor, s ao avaliadas no ponto em que xj = x j , j . Substituindo a expans ao [4] na express ao [3], obtemos u2 (y ) = 2
m k>j m j =1 m j =1

f xj

f u2 (xj ) + xj f cov (xj , xk ) xk

(5)

3.

A propaga c ao da incerteza

Nessa express ao, cov (xj , xk ) representa a covarincia das m a edias das grandezas de entrada xj e xk . Se as grandezas de entrada forem estatisticamente independentes e, portanto, suas covari ancias forem nulas, obtemos a lei de propaga c ao da incerteza u2 (y ) =
m j =1

Conforme foi antecipado, em laborat orios did aticos e de pesquisa estamos freq uentemente lidando com medi c oes indiretas, ou seja, com processos de medi c ao em que, a partir de um conjunto de grandezas cujos valores s ao conhecidos dentro dos limites de suas incertezas, desejase inferir o valor de outra grandeza (chamada grandeza de sa da). Isso ocorre, por exemplo, quando determinamos a acelera c ao da gravidade a partir do per odo e comprimento de um p endulo. Nesse tipo de situa c ao em que a medi c ao e indireta, a incerteza se propaga das grandezas de entrada para a grandeza de sa da e a forma mais usual de estimar a incerteza no valor da grandeza de sa da e substituir as melhores estimativas dos valores das grandezas de entrada e suas respectivas incertezas na lei de propaga c ao da incerteza [1]. 3.1. Dedu c ao da lei de propaga c ao da incerteza

f xj

u2 (xj )

(6)

Como e poss vel perceber, a forma mais simples da lei de propaga c ao da incerteza carrega fundamentalmente os seguintes pressupostos: (1) a independ encia estat stica das grandezas de entrada; (2) o modelo matem atico y = f (x1 , x2 , ..., xm )pode ser aproximado por um hiperplano na regi ao que cont em as varia c oes xij . Quando essas duas condi c oes n ao forem completamente satisfeitas, e poss vel retomar a dedu c ao da lei de propaga c ao da incerteza introduzindo termos de ordem superior e termos com as devidas covari ancias entre as vari aveis de entrada. Contudo, na maioria das situa c oes usuais em laborat orios did aticos, a Eq. [6] resulta em excelente aproxima c ao. 3.2. M etodo alternativo para propaga c ao da incerteza

Considere que xij representa a i- esima observa c ao da j - esima vari avel e que foram feitas n observa c oes para cada uma das m vari aveis de entrada. Assim, a cada conjunto {xi1 , xi2 , ..., xim } de valores observados corresponde uma quantidade yi tal que yi = (xi1 , xi2 , ..., xim ). Considere tamb em que y representa a

Os pressupostos que fundamentam a lei de propaga c ao da incerteza implicam que exista uma fun c ao g linear nas grandezas de entrada tal que y = g (x1 , x2 , ..., xm )

Sobre as incertezas do tipo A e B e sua propaga c ao sem derivadas

2303-5

em uma regi ao que contenha as varia c oes xij . Com m isso, g (x1 , x2 , ..., xm ) = a0 + j =1 aj xj . Acrescentando a hip otese de independ encia estat stica e, portanto, de covari ancias nulas entre as grandezas de entrada, obtemos u2 (y ) =
m j =1 2 a2 j u (xj )

dos valores das grandezas de entrada pelo modelo matem atico y = f (x1 , x2 , ..., xm ). Neste caso, 2 2 g l/T = 4 2 = 979, 524 cm/s (resultado expresso com um grande n umero de algarismos). 2. Em seguida, acrescenta-se a incerteza padr ao ao valor de cada uma das grandezas de entrada. Os valores obtidos s ao inseridos novamente no modelo matem atico para obter y + yj em que yj e o incremento na grandeza de sa da devido exclusivamente ao acr escimo de u(xj ) ao valor da j - esima grandeza de entrada. 2 g + gl l + u(l)]/T = 4 2 [ + u(T )]2 g + gT l/[T = 4 2
2 = 979, 585 cm/s . 2 = 979, 804 cm/s .

(7)

Como a fun c ao g (x1 , x2 , ..., xm ) e linear em cada uma das suas vari aveis, os coecientes aj podem ser calculados exatamente pela raz ao entre g e xj , mantido todo o resto constante g xj

aj =

(8)
xk = xk ,k=j

Como a aproxima c ao linear e considerada satisfat oria em qualquer regi ao que contenha as varia c oes xij , podemos fazer xj = u(xj ) e g = y . Com isso, a incerteza da grandeza de sa da u(y ) pode ser estimada por u2 (y ) =
m j =1

3. Enm, as diferen cas entre os valores obtidos no passo (2) e o valor obtido no passo (1) s ao elevadas ao quadrado e somadas para produzir o quadrado da incerteza na medi c ao da grandeza de sa da u(y ). No exemplo em quest ao, u(g ) = 2 2 2 2 2 gl + gT = 0, 06 + 0, 28 = 0, 3 cm/s . Assim, a melhor estimativa da acelera c ao da gravi2 dade a partir desses dados e dada por g = 979, 5 cm/s 2 com incerteza u(g ) = 0, 3 cm/s .

(yj )2

(9)

Nesta express ao, yj representa a varia c ao que o modelo matem atico y = f (x1 , x2 , ..., xm )experimenta quando e acrescentada uma quantidade u(xj ) ` a j esima grandeza de entrada, mantendo-se todas as outras grandezas xas em suas melhores estimativas x k . 3.3. Exemplo de aplica c ao do m etodo alternativo

4.

Conclus ao

O argumento apresentado nesta se c ao permitiu desenvolver um procedimento simples, relativamente geral (pois compartilha o mesmo dom nio de validade da pr opria lei de propaga c ao da incerteza) e, do ponto de vista educacional, potencialmente signicativo (porque sua discuss ao sup oe somente que os alunos possuam alguns conhecimentos rudimentares sobre representa c ao gr aca de fun co es) que pode ser apresentado e discutido na sua quase totalidade desde a primeira atividade experimental do curso de gradua c ao [8]. Para ver o procedimento em opera c ao, considere, como exemplo, que desejamos determinar a acelera c ao da gravidade com um p endulo de Kater [9] ao qual corresponde um p endulo simples de comprimento l dado por (48,381 0,003) cm e per odo T dado por (1,3964 0,0002) s. Nesse caso, considerando que seja poss vel determinar a acelera c ao da gravidade pela express ao g = 4 2 l/T 2 , a incerteza u(g ) pode ser obtida da seguinte maneira: 1. Calcula-se a melhor estimativa do valor da grandeza de sa da a partir das melhores estimativas

Como e poss vel perceber, o m etodo expresso na Eq. [9] compartilha o mesmo dom nio de validade da lei de propaga c ao da incerteza na Eq. [5] com a vantagem de n ao fazer refer encia expl cita ` a deriva c ao parcial, podendo, por isso, ser apresentado e discutido com os estudantes de gradua c ao desde sua primeira atividade experimental. Enm, o m etodo alternativo proposto neste artigo e uma ferramenta consistente com os pressupostos da lei de propaga c ao da incerteza, podendo ser apresentado e discutido desde as primeiras atividades da f sica experimental superior.

5.

Agradecimento

Agradecemos ` a Profa Maria Cristina Varriale do IMUFRGS pela leitura atenta e pelas sugest oes apresentadas.

Refer encias
[1] Joint Commitee for Guides in Metrology (JCGM), Evaluation of Measurement Data: Guide to the Expression of Uncertainty in Measurement (GUM) (BIPM, S` evres, 2008), 1a ed, 120 p. Dispon vel em www.bipm. org/en/publications/guides, acesso em 17/9/2010.

2303-6

Lima Junior e Silveira

[2] Joint Commitee for Guides in Metrology (JCGM). International Vocabulary in Metrology: Basic and General Concepts and Associated Terms (VIM). (BIPM, S` evres, 2008), 3a ed, 90 p. Dispon vel em www.bipm. org/en/publications/guides, acesso em 17/9/2010. [3] A. Cruz, E. Filipe, G. Almeida, J. Valadares e O. Pellegrino, Caderno Brasileiro de Ensino de F sica 26, 125 (2009). [4] J.H. Vuolo, Revista Brasileira de Ensino de F sica 21, 350 (1999). [5] A. Buer, S. Alie and F. Lubben, The Physics Teacher 46, 539 (2008).

[6] P. Siegel, The Physics Teacher 45, 232 (2007). [7] W.P. Silva, C.M.D.P.S. Silva, C.D.P.S. Silva e H.J.G. Silva, Revista Brasileira de Ensino de F sica 21, 341 (1999). [8] P. Lima Junior, F.L. Silveira e M.T.X. Silva, Medi co es Indiretas e Propaga c ao da Incerteza (IF-UFRGS, Porto Alegre, 2011). Dispon vel em www.if.ufrgs.br/ lang/semderivadas.pdf, acesso em 28/2/2011. [9] F.L. Silveira, Revista de Ense nanza de la F sica 10, 29 (1995).