Apostila FisExperimental-ERRO Maio 2012-Total

Curso introdutrio de
Fundamentos da Fundamentos da Fundamentos da Fundamentos da Fsica Experimental Fsica Experimental Fsica Experimental Fsica Experimental
Um guia para as atividades de laboratrio

Elaborado por:

Ma Ma Ma Marcia Muller rcia Muller rcia Muller rcia Muller
Jos Lus Fabris Jos Lus Fabris Jos Lus Fabris Jos Lus Fabris

Maio Maio Maio Maio de 2012 de 2012 de 2012 de 2012

Fundamentos da Fsica Experimental Mrcia Muller e Jos Lus Fabris
Universidade Tecnolgica Federal do Paran UTFPR Departamento de Fsica
ii
Prefcio
A idia original que ser abordada neste texto a de que, por meio de uma Disciplina
de Fundamentos da Fsica Experimental, sejam desenvolvidos elementos e habilidades
da metodologia cientfica que possam ser empregados nas mais diversas reas do
conhecimento. No se trata de realizar experimentos complexos, mas sim por meio de
montagens simples, criar uma metodologia que possa auxiliar nos problemas
enfrentados no cotidiano quer do professor, do pesquisador ou mesmo da pessoa.
Abordaremos nas pginas seguintes questes relacionadas com a resoluo de
problemas, desde a identificao do problema em si, passando pelo estabelecimento das
possveis tcnicas para sua soluo, finalizando com a anlise dos resultados obtidos e
sua concluso geral.
Para o desenvolvimento da Disciplina, optamos por um encaminhamento um tanto
diferente dos habitualmente encontrados nos cursos de Mtodos de Fsica Experimental.
A idia no fazer uma abordagem dos diversos contedos necessrios ao curso na
forma de itens fragmentados, mas sim de forma integrada ao longo de todo o trabalho.
Assim, por exemplo, o funcionamento dos instrumentos de medio ser abordado
medida que estes se tornarem necessrios. Tambm procuramos no nos estender
demais abordando diversos instrumentos, mas sim fornecer as bases para compreenso e
extenso do que h de fundamental nestes instrumentos a outros que porventura possam
ser necessrios. Os conceitos estatsticos (erro, valor mdio, desvio padro...)
necessrios ao tratamento de dados experimentais tambm sero apresentados segundo a
mesma filosofia. No tocante a questo de grficos, uma importante ferramenta na rea
experimental, procuramos fazer uma abordagem inicial que possibilite a elaborao de
um grfico otimizado sem softwares especializados. Numa segunda etapa, os recursos
computacionais sero ento explorados permitindo um incremento na qualidade dos
resultados obtidos.
Ao concluir esta Disciplina, voc dever estar apto a satisfazer as demandas diversas
no apenas deste Curso de Licenciatura em Fsica, mas tambm dever estar mais
preparado para o desempenho de suas futuras atuaes profissionais.
Verso original: novembro de 2008 / Verso revisada: Maio/2012

iii
ndice
Captulo 1 - Discusso geral introdutria......................................................1
1.1 - A metodologia cientfica na Fsica Experimental............................................1
Captulo 2 - Medidas e seus erros.................................................................4
2.1 - Classificao dos erros.....................................................................................4
2.2 - Tratamentos estatsticos de medidas com erros aleatrios..............................6
2.3 - Tratamento de medidas com erros sistemticos...............................................8
2.4 - Incerteza padro e indicao do valor medido.................................................9
2.5 - Algarismos significativos...............................................................................11
2.6 Arredondamentos..........................................................................................12
Captulo 3 - Propagao de incertezas........................................................16
3.1 - Algumas frmulas de propagao..................................................................16
3.2 - Estimativas de erros.......................................................................................18
Captulo 4 Grficos..................................................................................23
4.1 - Construo grfica.........................................................................................23
4.2 - Ajuste de reta.................................................................................................24
4.3 - Mtodo da mo livre...................................................................................25
4.4 - Mtodo dos mnimos quadrados....................................................................27
4.5 - Grficos em computador................................................................................32
Captulo 5 Histogramas............................................................................44
Captulo 6 Funes de distribuio .........................................................48

iv
ndice de tabelas e figuras
Tabela 1 - Espessura de uma moeda de um real, medida com um paqumetro com
resoluo de 0.02 mm..................................................................................................3
Tabela 2 - Espessura de uma moeda de um real, medida com um paqumetro com
resoluo de 0.02 mm..................................................................................................3
Tabela 3 - Frequncia de apario do valor da espessura de uma moeda de um real, ao
longo de 8 medies.....................................................................................................3
Tabela 4 - Exemplos de arredondamentos de nmeros...................................................13
Tabela 5 - Dimenses do corpo de prova empregado, medidas com paqumetro de
resoluo de ..... mm..................................................................................................14
Tabela 6 - Idade em meses de diversas crianas e os correspondentes dados de altura..26
Tabela 7 - Dados obtidos para perodo do pndulo em funo do comprimento do
mesmo, e valores de perodo elevado ao quadrado....................................................34
Tabela 8 - Valores obtidos y
i
(distncia focal da lente) em mm......................................44
Tabela 9 - Tabela para construo do histograma com oito intervalos, obtida a partir dos
dados da tabela 8. O smbolo indica intervalo fechado esquerda; note que o
valor inicial do primeiro intervalo foi ajustado para englobar o valor mais baixo de
y
i
.................................................................................................................................46
Figura 1 - Boa exatido (accuracy) e preciso ruim.....................................................5
Figura 2 - Boa preciso e exatido (accuracy) ruim.....................................................5
Figura 3 - Paqumetro com nnio de 20 divises..............................................................9
Figura 4 - Paqumetro simples com nnio de 10 divises...............................................10
Figura 5 - Paqumetro simples com nnio de 20 divises...............................................11
Figura 6 - rea do quadrado em funo do lado mostrando as incertezas em L e
propagada para a rea.................................................................................................16
Figura 7 - Leitura de uma rgua milimetrada..................................................................19
Figura 8 - Leitura de um paqumetro...............................................................................20
Figura 9 - Deslocamento em funo do tempo para um mvel em MRU: (a) smbolos
muito pequenos, sem legendas, sem barras de erros; (b) grandezas sem unidade, m
ocupao do espao, sem barras de erros...................................................................24
Figura 10 - Deslocamento em funo do tempo para um mvel em MRU: (a) m
ocupao do espao, linha irregular conectando os pontos; (b) diagramao
adequada....................................................................................................................24
v
Figura 11 - Reta ajustada aos pontos experimentais do deslocamento em funo do
tempo para um mvel em MRU.................................................................................26
Figura 12 - Grfico representando dados de medies feitas em condies de
reprodutibilidade. A cada ponto experimental est associada uma incerteza
estatstica diferente.....................................................................................................27
Figura 13 - Grfico representando dados de medies feitas em condies de
repetitividade..............................................................................................................28
Figura 14 - Tela inicial do programa Origin
TM
................................................................33
Figura 15 - Tela do programa Origin
TM
com a planilha de dados preenchida................34
Figura 16 - Tela de salvamento de dados do programa Origin
TM
..................................35
TM
devidamente preenchida
e com o local de salvamento definido........................................................................35
Figura 18 - Planilha de dados salvos...............................................................................36
Figura 19 - Planilha de dados com a incluso de uma coluna adicional.........................36
Figura 20 - Tela que permite inserir dados automaticamente numa coluna....................37
Figura 21 - Preenchimento da tela que permite inserir dados automaticamente numa
coluna.........................................................................................................................37
Figura 22 - Tela que permite nomear uma coluna de dados............................................38
Figura 23 - Tela da planilha de dados com o nome escolhido para cada coluna.............38
Figura 24 - Inserindo uma coluna de erros na planilha de dados....................................39
Figura 25 - Planilha de dados com as colunas de erros...................................................40
Figura 26 - Planilha de dados com as colunas de erros preenchidas...............................40
Figura 27 - Selecionando as colunas que sero plotadas.................................................41
Figura 28 - Grfico plotado com os dados fornecidos ao programa...............................41
Figura 29 - Procedimento ajustar de uma reta aos dados plotados..................................42
Figura 30 - Tela final mostrando o grfico ajustado e os erros respectivos....................42
Figura 31 - Histograma com oito intervalos para os valores medidos da distncia focal
da lente.......................................................................................................................46
Figura 32 - Distribuio gaussiana de probabilidades, mostrando o valor mdio medido
e o desvio padro experimental, bem como a relao entre a probabilidade e a rea
sob a curva.................................................................................................................49

1
Captulo 1 - Discusso geral introdutria
Este captulo faz uma abordagem sobre a metodologia que deve ser empregada
quando se realiza um trabalho experimental seja ele, uma simples experincia
desenvolvida em sala de aula, ou um trabalho de pesquisa. Sero apresentadas no
transcorrer do captulo as formas adequadas de documentar as atividades e os resultados
obtidos. As informaes aqui obtidas devero ser aplicadas na disciplina e futuramente
nas atividades profissionais.
1.1 - A metodologia cientfica na Fsica Experimental
A primeira questo que deve se considerada aqui diz respeito documentao
detalhada de todas as atividades desenvolvidas durante o perodo letivo. A melhor
maneira de se providenciar tal documentao por meio do emprego de um caderno de
laboratrio. Neste caderno, todas as atividades pertinentes devero ser anotadas,
seguindo o esquema cronolgico da Disciplina. Este caderno poder ser utilizado como
fonte de consulta individual durante as avaliaes, e ser ele prprio um dos
instrumentos que permitir a verificao do desempenho do aluno. importante para as
aulas de laboratrio uma calculadora simples (calculadoras de celulares no so
adequadas).
A cada dia, sugere-se a utilizao da seguinte sequncia de anotaes:
Data, Experimento, Equipe
Anote o dia em que o experimento foi realizado, o nome do experimento, e os nomes
dos participantes da equipe encarregada da execuo das atividades.
Objetivos
Aqui, de forma sucinta e numerada, devero ser estabelecidos os objetivos gerais do
experimento. A clara definio destes objetivos permitir o planejamento e
desenvolvimento de toda a experincia.
Os objetivos no devem ser muito extensos nem em nmero demasiado, de forma a
no dispersar a ateno em atividades e detalhes desnecessrios. Esta parte de suma
importncia para o sucesso do experimento, e a ela deve ser dada a devida ateno.

2
Materiais e Mtodos
Uma vez que se tenha definido o que se deseja com dado experimento, deve-se traar
um plano de atividades que permita alcanar os objetivos previamente estabelecidos.
Podem compor este item a teoria necessria para a realizao do experimento, os
equipamentos e materiais empregados no seu desenvolvimento com respectivos
diagramas das montagens e descrio das caractersticas tcnicas dos instrumentos,
bem como a descrio dos procedimentos empregados na realizao dos experimentos.
Resultados Experimentais
Nesta etapa devem ser apresentados os resultados das medies realizadas durante
todo o transcorrer do experimento. No se deve apagar ou descartar dados suspeitos de
estarem incorretos; isto pode resultar em dificuldades para a realizao de anlises
posteriores. No esquea que muitos resultados importantes nas mais diversas reas do
conhecimento humano surgiram de erros em experimentos!
Duas importantes ferramentas que podem ser empregadas aqui so as tabelas e
grficos. Estes so to importantes que sero discutidos em detalhes mais adiante.
Discusses e Concluses
Finalmente, tudo que voc realizou no experimento deve agora ser considerado. A
interpretao dos dados aponta para alguma caracterstica ou lei? O que se pode
aprender do que foi experimentado?
Evite concluses e discusses que nada somam como por exemplo a teoria se
verifica na prtica ou o experimento foi vlido!
Voc deve ser capaz de no apenas aprender com sua prtica, mas tambm
possibilitar as outras pessoas compreender o que foi feito, concordar ou discordar das
concluses e seguir seus passos para refazer o mesmo experimento, eventualmente com
uma nova abordagem ou metodologia.
Tabelas
As tabelas podem ser utilizadas para agrupar sries de dados coletados em
experimentos, bem como resultados de anlises estatsticas aplicadas a estes dados.
Deve-se tomar o cuidado para dar um nome a cada tabela, com uma legenda para
facilitar sua compreenso. Esta legenda normalmente apresentada na parte superior da
3
tabela. Se for o caso, na tabela deve-se indicar tambm a unidade da grandeza que est
sendo analisada.
Veja exemplos abaixo, onde constam os dados de 8 medies do dimetro de uma
moeda, realizada com um paqumetro com resoluo de 0.02 mm.
Tabela 1 - Espessura de uma moeda de um real, medida com um paqumetro com resoluo de
0.02 mm.
Medida n
o.
Espessura (mm)
1 1.82
2 1.84
3 1.86
4 1.84
5 1.88
6 1.82
7 1.82
8 1.80
Outros formatos de tabela com os mesmos dados podem ser utilizados, dependendo do
espao disponvel para apresentao ou a finalidade a que se destina.
Tabela 2: Espessura de uma moeda de um real, medida com um paqumetro com resoluo de
0.02 mm.
Medida n
o.
1 2 3 4 5 6 7 8
Espessura (mm) 1.82 1.84 1.86 1.84 1.88 1.82 1.82 1.80

Tabela 3 - Frequncia de apario do valor da espessura de uma moeda de um real, ao longo de 8
medies.
Espessura (mm) Frequncia
1.80 1
1.82 3
1.84 2
1.86 1
1.88 1
Total 8

4
Captulo 2 Medidas e seus erros
Sempre que realizamos um experimento para medir alguma grandeza o valor medido
(ou mensurando) deve vir acompanhado de uma unidade, que pode ser expressa no
Sistema Internacional de Unidades de Medida (SI), e da incerteza correspondente. Neste
contexto, a incerteza pode ser definida como um parmetro que, associado ao
mensurando, caracteriza a disperso dos valores que pode ser atribuda razoavelmente
ao mensurando. J o erro pode ser entendido como a diferena entre o resultado de uma
medida e o valor real do mensurando. Independentemente da forma como a medida
realizada, por mais cuidadoso que seja o processo de medio, o resultado obtido
sempre estar sujeito a um erro experimental. Esse erro expressa a incerteza na
determinao do mensurando.
2.1 - Classificao dos erros
Os erros experimentais podem ser classificados como erros sistemticos ou erros
aleatrios tambm chamados de erros estatsticos.
Erros sistemticos so aqueles gerados por fontes identificveis e, portanto podem
ser eliminados ou compensados. Os erros sistemticos numa medida experimental
podem ser resultantes de uma limitao imposta pelos equipamentos usados, de
variaes de parmetros externos que influenciam a grandeza que est sendo medida,
bem como da metodologia empregada pelo operador e de aproximaes e
simplificaes realizadas para por em prtica o experimento. Portanto, o erro
sistemtico sempre o mesmo nos n resultados, ou seja, os resultados so todos
desviados para a mesma direo com relao ao valor real.
Como exemplo, erros sistemticos podem ser introduzidos em uma medida: pelo uso
de um equipamento descalibrado ou defeituoso (termmetro, cronmetro, paqumetro,
multmetro...), pela variao da temperatura ambiente que afeta uma medida
espectroscpica, pelo posicionamento angular do observador ao visualizar a escala do
equipamento (erro de paralaxe), ou ainda desconsiderando a resistncia do ar na medida
da acelerao da gravidade baseada no tempo de queda de um corpo.
Logo, quando o experimento idealizado deve-se tentar identificar e eliminar o
maior nmero possvel de fontes de erros sistemticos. A soluo est, portanto, no
adequado planejamento do experimento.
5
Os erros sistemticos fazem com que as medidas feitas estejam acima ou abaixo do
valor real, prejudicando a exatido ("accuracy") da medida (ver figura 1).

Figura 1 - Exatido (accuracy) ruim e preciso boa.
Na prtica, pode ocorrer que seja dispendioso ou complicado, ou simplesmente
desnecessrio reduzir ou corrigir os erros sistemticos (por exemplo, em experincias
didticas, onde o maior interesse no exatamente o resultado final da medio). Neste
caso, os erros sistemticos no corrigidos ou minimizados so chamados de erros
sistemticos residuais. Neste texto, adotamos o ponto de vista de que as incertezas
sistemticas residuais devem ser consideradas como incertezas estatsticas, para
efeito de expressar a incerteza final no resultado de uma medio.
Os erros aleatrios, por sua vez, so provocados por fatores imprevisveis e causam
flutuaes no valor medido mesmo quando a medio repetida usando os mesmos
equipamentos e empregando a mesma metodologia. importante salientar que estes
erros ocorrem mesmo numa experincia bem planejada. Os erros aleatrios afetam a
preciso ("precision") da medida (ver figura 2).

Figura 2 Preciso ruim e exatido (accuracy) boa.
6
importante salientar que nem sempre se pode identificar as fontes de erros
aleatrios.
Erros aleatrios podem ser introduzidos por flutuaes nas condies ambientais:
mudanas no previsveis na temperatura, voltagem da linha, correntes de ar, vibraes.
Por exemplo, por correntes de ar ou vibraes numa medida de massa usando uma
balana, causadas por passagem de pessoas perto do aparato experimental ou veculos
nas vizinhanas.
Os erros aleatrios podem ser minimizados reduzindo os fatores aleatrios que
interferem no processo de medio. Outra soluo para reduzir estes erros consiste na
repetio do experimento, sob as mesmas condies, vrias vezes seguida de um
tratamento estatstico dos resultados.
Existem tambm os erros grosseiros causados por enganos e que, portanto, no
podem ser considerados erros do ponto de vista da teoria de erros. No admissvel
apresentar resultados que contenham erros grosseiros. Quando houver suspeita da
ocorrncia de um erro grosseiro em uma medida esta deve ser repetida, se possvel, ou
eliminada do conjunto de dados.
Concluindo, o erro inerente ao processo de medio e nunca completamente
eliminado, porm podemos minimiz-lo. Costuma-se dizer que No existe medida sem
erro.
Uma classificao alternativa para as incertezas resultantes de medies considerar
Incertezas do Tipo A aquelas que surgem em funo de fenmenos estatsticos ou
aleatrios em sries de observaes, e Incertezas do Tipo B as decorrentes de qualquer
outra fonte no estatstica de incerteza.
2.2 - Tratamentos estatsticos de medidas com erros aleatrios
Os erros sistemticos ( incertezas do tipo B) desviam os valores medidos do valor
real de uma mesma quantidade, enquanto que os erros aleatrios ( incertezas do tipo A)
produzem uma flutuao dos resultados em torno do valor real da grandeza e portanto
uma distribuio simtrica de erros. Assim, se as medidas forem realizadas
cuidadosamente e com planejamento, sob as mesmas condies e mantendo a mesma
metodologia, buscando desta maneira sempre minimizar os erros sistemticos, uma boa
7
estimativa do valor real da grandeza medida fornecida pela mdia aritmtica dos
valores medidos. Sendo assim, o valor mais provvel da grandeza ser:
=
=
N
i
i
y
N
y
1
1
(1)
Onde y
i
o valor obtido na i-sima medida, e N o nmero total de medidas
realizadas.
O valor mdio diferente do valor verdadeiro porm a incerteza associada com o
valor mdio menor que a incerteza para cada um dos valores y
i
.
Ao se realizar vrias medies da mesma grandeza nas mesmas condies, a
incidncia de erros aleatrios faz com que os valores medidos estejam distribudos em
torno da mdia. Espera-se que o valor mdio se torne tanto mais preciso quanto maior
for o nmero de medidas.
Para uma srie de medidas a disperso, que indica quanto os resultados se espalham
em relao ao valor mdio por causa dos erros aleatrios, pode ser calculada a partir do
desvio mdio quadrtico ou desvio padro obtido a partir dos resultados experimentais.
Suponha que foram realizadas N medidas de uma grandeza y, que forneceram os
valores y
1
, y
2
, y
3
, ... y
N
para a grandeza.
Para cada medida calcula-se o desvio com relao ao valor mdio:
y y d
i i
= (2)
A melhor estimativa experimental para o desvio padro (desvio padro
experimental) ser:
( )
N
i
i
y y
N
1
2
1
1
(3)
Ou ainda:
N
i
i
y
N
N
y
N
1
2 2
1 1
1
(4)
A segunda equao mais fcil de ser resolvida, pois s necessrio calcular o
somatrio de y
i
2
no lugar do somatrio de ( )
2
y y
i
.
8
Se fossem realizados k conjuntos de n medies da grandeza , cada conjunto
forneceria um valor mdio. Sendo assim, teramos k valores mdios para a grandeza.
Estes valores mdios apresentam uma disperso em torno do valor mdio verdadeiro
que fornecida pelo desvio padro do valor mdio
m
.
( )
=

k
j
mv j m
y y
k
1
2
1
(5)
A melhor estimativa para o desvio padro do valor mdio (pressupondo uma
distribuio com densidade de probabilidade gaussiana):
N
m

= (6)
O desvio padro do valor mdio de uma grandeza a incerteza final correspondente
aos erros estatsticos nas medies. Esta estimativa leva em conta a disperso causada
pelos erros estatsticos, contudo, ainda restam os eventuais erros sistemticos que
devem ser determinados para que o resultado possa ser corrigido.
2.3 - Tratamento de medidas com erros sistemticos
O desvio associado aos erros sistemticos bem mais difcil de ser avaliado e no
existe nenhum mtodo padro bem estabelecido para fazer isto. Portanto neste caso o
bom senso do operador fundamental uma vez que, por mais bem elaborada que seja a
experincia, sempre haver um erro sistemtico residual. Geralmente o limite de erro L
r

estimado verificando o manual fornecido pelo fabricante dos equipamentos
empregados. Uma relao que pode ser usada para estimar o erro sistemtico residual
apresentada a seguir:
2
r
r
L
(7)
Esta relao pode ser empregada no caso de uma distribuio gaussiana de erros e
um limite de erro com aproximadamente 95% de confiana.
Para uma distribuio de probabilidade retangular (para rgua, paqumetro,
cronmetro,...):
) 3 2 (
r r
L

9
2.4 - Incerteza padro e indicao do valor medido
As incertezas estatstica e sistemtica podem ser combinadas pela expresso a seguir
fornecendo a incerteza padro
p
:
2 2 2
r m p
+ = (8)
Assim, o valor da grandeza medida expresso como:
p
y y = (9)
Quando no existem informaes suficientes dos equipamentos o limite de erro L
r

pode ser estimado como sendo a menor diviso ou menor leitura fornecida pelo
instrumento.
Por exemplo, se uma rgua usada como instrumento de medida o erro estimado
com base na menor diviso da rgua ser 1 mm.
Exerccio 1: A distncia focal de uma lente foi medida N=10 vezes usando uma
rgua milimetrada. Foram obtidos os seguintes valores em mm: 204,1; 205,3; 208,0;
207,5; 206,3; 205,5; 207,2; 204,8; 208,2; 207,1
Calcular o valor mdio y , o desvio padro experimental , o desvio padro do valor
mdio
m
, o desvio padro do erro sistemtico
r
, a incerteza padro
p
e expressar o
valor mdio corretamente.
Paqumetro como instrumento de medio
O paqumetro um instrumento capaz de medir distncias com fraes de dcimos
ou centsimos de milmetros ou polegadas. Isto possvel graas a uma escala adicional
que desliza sobre a rgua principal chamada de nnio ou vernier.

Figura 3 - Paqumetro com nnio de 20 divises.

medida de dimetro externo
medida de dimetro interno
medida de profundidade
trava
rgua
nnio
10
Utilizando os bicos, as orelhas ou a haste de medio adequadamente, o instrumento
pode realizar medidas de dimenses externa, interna e profundidade.
Existem diferentes tipos de paqumetros, porm todos apresentam caractersticas de
funcionamento semelhantes. O nnio tem n divises que correspondem a (N-1) divises
da rgua principal. Esta relao pode ser encontrada facilmente quando o nnio
posicionado sobre a rgua de tal forma que a posio dos zeros das duas escalas
coincidam.
Suponha, por exemplo, que o nnio tenha 10 divises que correspondem a 9 divises
da rgua principal. Usando regra de trs simples encontramos que uma diviso do nnio
corresponde a 9/10 de diviso da rgua ou, que a primeira diviso do nnio 1/10 mais
curta que a da rgua principal. Assim, se a primeira diviso da rgua corresponde a 1
mm, a primeira diviso do nnio corresponder a 0,9 mm. Consequentemente, quando
os zeros das duas escalas coincidem, a distncia entre o 1 da escala principal e o 1 do
nnio de 0,1 mm, entre o 2 da escala principal e o 2 do nnio de 0,2 mm e assim por
diante. Isso permite que se mea exatamente at 0,1 mm (a resoluo do instrumento),
pois a diferena entre a menor diviso da rgua e a menor diviso do nnio de 0,1 mm.
Quando um objeto posicionado entre os bicos de medio, a medida L da dimenso
do objeto corresponde a distncia entre o zero da rgua e o zero do nnio. O valor de L
ser o valor expresso em milmetros correspondente ao nmero de divises da rgua
antes do zero do nnio, somado a frao da menor diviso da rgua que falta para o zero
do nnio. Esta frao obtida encontrando a diviso do nnio que coincide com a da
rgua principal e multiplicando pela resoluo ou seja, pelo menor valor que pode ser
medido.
Exerccio 2: Em um paqumetro o nnio tem 10 divises que correspondem a 9
divises da rgua principal, sendo que a menor diviso da rgua principal corresponde a
1 mm. Qual a resoluo do instrumento? Quando realizada uma dada medida o
nnio desliza sobre a rgua obtendo-se a leitura da figura abaixo. Qual o valor medido
para a dimenso deste objeto?

Figura 4 - Paqumetros simples com nnio de 10 divises.
a) b)
11
Exerccio 3: Em um paqumetro, o nnio est dividido em 20 partes, sendo que
quando os zeros da rgua principal e do nnio so coincidentes, a 20
a
diviso do nnio
coincide com a marca de 19 mm da rgua principal. Qual ser a resoluo deste
paqumetro?
Exerccio 4: Qual a resoluo do paqumetro da figura abaixo? Qual a leitura feita no
instrumento?

Figura 5 - Paqumetro simples com nnio de 20 divises.
2.5 - Algarismos significativos
Algarismo significativo em um nmero pode ser entendido como sendo aquele que
sozinho tem algum significado quando o nmero escrito na forma decimal. Portanto,
os zeros a esquerda do primeiro nmero diferente de zero so algarismos no
significativos.
O nmero de casas decimais que devem ser apresentadas num resultado experimental
determinado pela incerteza padro neste resultado. No existe uma regra bem definida
para estabelecer o nmero de dgitos da incerteza padro, porm podem ser adotadas
algumas regras:
A incerteza padro deve ser dada com 2 algarismos quando o primeiro algarismo
na incerteza for 1 ou 2.
A incerteza padro deve ser dada com 1 ou 2 algarismos quando o primeiro
algarismo na incerteza for 3 ou maior.
A incerteza maior do que 99 deve ser escrita usando notao cientfica ou
trocando as unidades.
12
A rigor no h problema em escrever a incerteza padro com mais de 2 algarismos
significativos. No entanto tem-se que analisar se possvel determinar a incerteza com
tal exatido.
Exemplos: Se o valor calculado da incerteza padro for 0,132 m, a forma mais
adequada para indicar esta incerteza ser 0,13 m ou 13 cm. Se por outro lado a incerteza
calculada for 3,49 cm, ela pode ser indicada como 3,5 cm ou 3 cm. Porm, usando a
regra, uma incerteza calculada levemente diferente da anterior, 3,51 cm por exemplo,
pode ser escrita como 3,5 cm ou 4 cm. Assim, os valores prximos, 3,49 e 3,51, seriam
arredondados para 3 ou 4 que so valores bem diferentes. Este problema desaparece se a
incerteza indicada com 2 algarismos significativos. Uma incerteza de 800 m deve ser
escrita com notao cientfica como 8,0 x 10
2
m ou 8 x 10
2
m e a incerteza calculada de
0,09623 cm, como 0,096 cm ou 0,10 cm.
No se deve usar mais do que dois algarismos significativos para expressar a
incerteza, uma vez que muito difcil de se obter a incerteza com tal preciso.
2.6 - Arredondamentos
Nos exemplos acima ocorreram alguns arrendondamentos aps se truncar o
resultado. A necessidade de realizar arredondamentos ocorre frequentemente uma vez
que o resultado obtido aps operaes realizadas com 2 ou mais quantidades devem ser
escritos com o mesmo nmero de algarismos significativos. O arredondamento tambm
deve ser empregado para eliminar algarismos significativos excedentes. Supondo que a
quantidade precisa ser arredondada num dado algarismo X. Por exemplo, a grandeza
...W,YXABC... . O arredondamento deve seguir as seguintes regras:
Se aps o algarismo X tem-se um conjunto ABC entre 000 e 499, este conjunto
deve ser simplesmente eliminado ( o arredondamento para baixo).
Se aps o algarismo X tem-se um conjunto ABC entre 500 e 999, este conjunto
deve ser eliminado e o algarismo X deve ter o seu valor aumentado de 1 ( o
arredondamento para cima).
No caso X500000..., o arredondamento deve ser tal que o algarismo X seja par
depois do arredondamento.

13
Tabela 4 - Exemplos de arredondamentos de nmeros.
2,42 2,4
3,789 3,79
4,4499 4,4
5,4500 5,4
5,5500 5,6

Exerccio 5: Um resultado experimental e a respectiva incerteza padro so calculados,
obtendo-se:
y = 0,0004639178 m
= 0,000002503 m
Represente corretamente estas grandezas (em metros e em milmetros) levando em
conta as regras aprendidas de algarismos significativos e arredondamentos. Usar
notao cientfica se necessrio.
Experimento 1: Elabore no seu caderno de laboratrio uma descrio do
experimento de acordo com o roteiro a seguir:
Data:______________________
Experimento: Medida das Dimenses de Corpos de Prova Utilizando o Paqumetro
Equipe:_____________________________________________________________

Objetivos:
Empregar corretamente o paqumetro para determinao das dimenses de
corpos de prova
Determinar os erros aleatrios e sistemticos envolvidos no experimento
Expressar os valores medidos e suas incertezas padro
Materiais e Mtodos:
14
Teoria: Sero utilizados os conceitos estatsticos de valor mdio, desvio padro
experimental , desvio padro do valor mdio
m
, o desvio padro do erro sistemtico
r
e incerteza padro
p
.
Equipamentos e materiais: Paqumetro com resoluo de ..... mm, corpo de
prova com forma ......, feito de .... e com dimenses a serem determinadas.
Procedimentos empregados: Para cada dimenso do corpo de prova, foram
realizadas 10 medies com o paqumetro.
Resultados experimentais:
Os resultados das medies para cada uma das dimenses do corpo de prova esto
apresentados na tabela 1.
Tabela 5 - Dimenses do corpo de prova empregado, medidas com paqumetro de resoluo de ..... mm.
medida Dimenso 1 (mm) Dimenso 2 (mm) .....
1
2
3
4
5
6
7
8
9
10

Clculos: Com os dados da tabela 1, foram encontradas as grandezas estatsticas
associadas, para cada dimenso medida. (Apresentar os resultados e expressar os
valores medidos com as respectivas incertezas padro.)
Discusses e Concluses:
Comente os resultados, compare os valores obtidos e as incertezas padro, discuta
possveis fontes de erro, indique o que poderia ser feito para reduzir as incertezas....
15
Exerccio 6:
a) Escrever em m, cm, mm:
0,0035 km = .......................m = .............................cm = ...........................mm
b) Escrever em m
2
, cm
2
, mm
2
:
0,0035 km
2
= ........................ m
2
= .......................cm
2
= ......................... mm
2

c) Escrever em cm
3
:
3875 mm
3
= ............................................................................................... cm
3

d) Escrever corretamente em cm
3
:
(3875 247) mm
3
................................ cm
3

16
Captulo 3 - Propagao de incertezas
A propagao de incertezas ocorre quando uma grandeza obtida indiretamente a
partir de valores obtidos experimentalmente para outras grandezas. Como cada valor
experimental possui uma incerteza padro, estas incertezas iro se propagar para a
grandeza indireta. E o valor da grandeza ser expresso como:
w
w
Onde w a grandeza obtida indiretamente e
w
a incerteza propagada.
Como exemplo, suponha que se deseje determinar a rea de um quadrado de lado L,
cuja incerteza padro (na medida de L)
L
, dada pela eq. (8). No possvel medir
diretamente a incerteza
A
na rea A=L
2
, mas esta incerteza certamente maior que
L
,
e deve ser obtida por meio de propagao de incertezas (veja a figura 6):
0 1 2 3 4
0
2
4
6
8
10
12
14
16
L
A

=

L

(
m
m
)
L (mm)

Figura 6 rea do quadrado em funo do lado mostrando as incertezas em L e propagada para a
rea.
Em L = 2 mm, uma incerteza
L
= 0,5 mm equivale a uma incerteza de
A
= 2 mm.
3.1 - Algumas frmulas de propagao
As relaes que permitem calcular a incerteza propagada para alguns casos comuns
so mostradas a seguir.
17
a) Se a grandeza obtida pela soma ou subtrao:
... = z y x w (10)
A incerteza propagada calculada como:
...
2 2 2
+ + + =
z y x w
(11)
Onde
z y x
, , e so as incertezas padro associadas com cada uma das grandezas
medidas diretamente.
b) Se a grandeza obtida por uma relao linear:
b ax w + = (12)
Onde a e b so constantes, a incerteza propagada ser dada por:
x w
a = (13)
c) Se a grandeza obtida pelo produto ou por uma razo:
xy w = ou
y
x
w = (14)
Nestes casos a incerteza propagada ser:
2
2
=
y x
w
y
x
w

(15)
OBS: Para o clculo da propagao da incerteza em x
2
, a expresso (17) deve ser
utilizada, com p=2 e q=0.
d) Se a grandeza obtida pelo produto de grandezas elevadas a certas potncias p e
q:
q p
y x w= (16)
A incerteza propagada ser:
2
2
=
y
q
x
p w
y
x
w

(17)

18
Nota: Todas as expresses apresentadas aqui podem ser encontradas a partir da equao geral.
K +
=
2
2
2
2
2
2
2
z y x w
z
w
y
w
x
w
(18)
Exerccio 7: Considere a pea retangular com as seguintes medidas:
L1 =(50,000,05) mm
L2 =(20,000,05) mm
L3 =(15,000,01) mm
a) Determine a rea A1 com a incerteza correspondente.
b) Determine o volume V desta pea com a incerteza correspondente.
Exerccio 8: Considere um cilindro de altura (L
L
) e raio (R
R
). Encontre as relaes
que fornecem: a rea da base A, o volume do cilindro V, e as incertezas propagadas para
estas grandezas.

Exerccio 9: Encontre a incerteza propagada para o permetro de um retngulo de lados
A e B.
3.2 - Estimativas de erros
Existem algumas regras gerais para efetuar a leitura de instrumentos de medio e
fazer as estimativas das incertezas correspondentes. Alguns exemplos sero discutidos a
seguir.
Como regra geral, quando realizada uma medida com um determinado instrumento
de medio, o valor medido deve ser representado com todos os dgitos que o
instrumento permite ler diretamente, mais um dgito que deve ser estimado pelo
observador. O ideal medir vrias vezes a grandeza calcular a mdia e o desvio padro
para determinar a incerteza estatstica. Entretanto, quando somente uma medida
realizada, existe a possibilidade de estimar a incerteza estatstica a partir do limite do
erro estatstico.
L1
L2
L3
A1
L
R
19
O limite de erro estatstico definido como:
e e
L 3 = (19)
O limite de erro estatstico possibilita o estabelecimento de um intervalo de
confiana com 99,7% de possibilidade de acerto, quando os erros estatsticos seguem
uma distribuio gaussiana.
Podemos citar como exemplo uma medida realizada com uma rgua graduada em
milmetros. O valor medido deve incluir a frao de milmetro que pode ser estimada
pelo observador. Considere a leitura indicada na rgua da figura 7.

Figura 7 - Leitura de uma rgua milimetrada.
A medida indicada diretamente pela rgua 11 milmetros e a frao de milmetro
pode ser estimada como 0,3 mm. Assim, o resultado de medio e 11,3 mm. O erro de
medida pode ser considerado aleatrio, e se diferentes pessoas realizarem a leitura da
rgua os resultados podem flutuar provavelmente entre 11,0 mm e 11,6 mm. Pode
parecer grande esta flutuao, mas no se deve esquecer que tambm existe um erro
associado com o ajuste do zero da rgua.
Assim, podemos estimar o limite de erro aleatrio ou estatstico como L
e
= (11,6 -
11,0) /2 = 0,3 mm e desta forma obter a incerteza estatstica:
mm 0,1
3
=
e
e
L
(20)
Existe ainda o erro limite de calibrao L
r
(que corresponde a um erro sistemtico),
representado pela menor diviso da escala, no caso L
r
=1 mm. A incerteza sistemtica
associada ser (ver eq. 7):
mm 0,3
3 2
=
r
r
L
(21)
A incerteza padro obtida conforme a equao 8:
20
mm 0,3
2 2
+ =
r e p

(22)
E o resultado da medio pode ser escrito como:
( )mm y 3 , 0 3 , 11 =
(23)
Neste caso a incerteza estatstica desprezvel em comparao com a incerteza
sistemtica representada pelo limite de calibrao e a incerteza padro pode ser
representada pela metade da menor diviso ou menor leitura fornecida pelo
equipamento. No entanto, podem existir situaes nas quais os erros aleatrios so
comparveis ou at maiores do que os erros de calibrao. Nestes casos adotar a metade
da menor diviso como incerteza, resulta em incertezas subestimadas. Na medio de
um comprimento com uma rgua existem vrias fontes de erros como variaes na
graduao original da escala, variaes na graduao devido a efeitos trmicos ou
deformaes, erro de leitura associado com paralaxe ou avaliao da frao, erro de
posicionamento e alinhamento do objeto, etc.
Quando um paqumetro utilizado, pode acontecer a situao de nenhuma marca do
nnio coincidir exatamente com uma marca da rgua. Portanto, deve ser estimado o
algarismo seguinte. Por exemplo, considere a situao da figura 8.

Figura 8- Leitura de um paqumetro
Duas marcas do nnio (7 e 8) se aproximam de marcas da rgua. Verificamos que a
primeira est mais prxima da marca da rgua do que a segunda, logo podemos estimar
o prximo algarismo como 1, 2, 3, 4 ou 5. A leitura pelo nnio pode ser admitida como
0,73 mm, resultando num valor medido de 2,73 mm. O limite de erro estatstico na
avaliao do ltimo dgito menor ou igual a 4 (0,05mm-0.01mm=0,04) mm e portanto
a incerteza associada ser:
mm 0,013
3
04 , 0
3
= =
e
e
L
(24)
21
O limite de erro de calibrao, que a menor leitura do paqumetro, ser 0,1 mm no
caso de um paqumetro com nnio de 10 divises e fornece uma incerteza:
mm 0,03
2
=
r
r
L
(25)
Assim, a incerteza padro ser:
mm 0,03
2 2
+ =
r e p

(26)
No caso de um cronmetro digital disparado e parado manualmente o limite de erro
estatstico pode ser estimado lembrando que existe um erro associado ao incio e final
da cronometragem devido ao operador.
Pode-se admitir o limite de erro estatstico como sendo de L
e
= 0,5 s e o desvio
padro:
s 0,17
3
= =
e
e
L
(27)
A menor leitura do cronmetro 0,01 s e, portanto, o desvio associado que
corresponde ao erro de calibrao (ou sistemtico) de 0,005 s.
Este caso um exemplo onde a incerteza estatstica bem maior que a incerteza de
calibrao do instrumento.
Quando nas medidas empregado um equipamento digital possvel estimar o
ltimo dgito da leitura por meio das flutuaes observadas neste dgito. bvio que
para isto de suma importncia escolher uma escala adequada para a medio. Por
exemplo, usando um multmetro digital a medio indicou 1,34 _ V. O ltimo dgito
oscilou entre 1 e 5, e portanto podemos estimar o ltimo dgito como sendo 3. O limite
de erro estatstico neste caso ser estimado como 0,003 V, e o desvio padro
correspondente como 0,001 V.
Experimento 2: Usando os resultados obtidos no experimento 1 e seguindo um
roteiro semelhante, calcular o volume do corpo de prova (paraleleppedo) e expressar o
resultado com a incerteza propagada.
z y x V . . = ,
2
2
2
=
z y x
V
z
y
x
V

,
V
V V =
22
Experimento 3: Pndulo simples: Usar um pndulo simples com pequenas
oscilaes para calcular a acelerao da gravidade local (com propagao de erros) sem
tcnicas grficas. Para um valor de L, medir diversos T.
Elaborar o roteiro para realizao do experimento, anexar teoria e avaliar
corretamente todas as fontes de erro envolvidas. A propagao de erros em g dada por:
2 2
2
=
T L
g
T L
g

Avalie o resultado para as seguintes condies:
1. Calculando a mdia das vrias medidas de L e T.
2. Usando os valores de L e T obtidos com uma nica medida e estimando as
incertezas.
3. Calculando a mdia das vrias medidas de T e estimando a incerteza para
uma nica medida de L.

23
Captulo 4 - Grficos
A apresentao de resultados de experincias e medies em formato grfico pode
ser considerada um captulo em separado na fsica experimental, tamanha a diversidade
de opes e a quantidade de dados que podem ser extrados deles.
No entanto, algumas normas gerais devem ser observadas logo de incio para que se
possa tirar o mximo proveito dos grficos.
4.1 - Construo grfica
Deve-se tomar o cuidado para dar um nome a cada grfico, com uma legenda para
facilitar sua compreenso. Esta legenda normalmente apresentada na parte inferior do
grfico.
Os grficos devem conter nos seus eixos o nome da grandeza que est sendo
mostrada e sua respectiva unidade. Os nmeros que vo indicar a escala de valores da
grandeza sob considerao devem ser de tamanho adequado, sem um nmero excessivo
de casas decimais.
Eventualmente pode-se indicar a existncia de um fator multiplicador comum a todos
os valores na prpria legenda do eixo. Para a marcao de cada dado deve ser escolhido
um smbolo de tamanho adequado, sobre o qual tambm devem ser apresentadas as
respectivas barras de erro de cada medida (tenha em mente que nenhuma medio
isenta de erro!).
Se aos dados experimentais for ajustada uma curva que siga uma lei fsica ou apenas
uma linha para facilitar a visualizao, isto deve ser claramente dito (use legendas para
identificar cada caso).
Tambm se deve tomar o devido cuidado para que os pontos experimentais do
grfico no fiquem acumulados em apenas uma regio; todo o espao disponvel deve
ser utilizado, o que facilita no s a interpretao como a obteno de valores.
A seguir, nas Figuras 9 e 10, so mostrados alguns grficos, indicando o que deve ser
buscado para uma boa diagramao.

24
0 2 4 6 8 10
0
5
10
15
20
25
30
(a)
0 5 10 15 20 25 30
0
5
10
15
20
25
30
(b)
e
s
p
a
o
tempo

Figura 9 - Deslocamento em funo do tempo para um mvel em MRU: (a) smbolos muito pequenos,
sem legendas, sem barras de erros; (b) grandezas sem unidade, m ocupao do espao, sem barras de
erros.
-4 -2 0 2 4 6 8 10 12
-5
0
5
10
15
20
25
30
(a)
d
e
s
l
o
c
a
m
e
n
t
o

(
m
)
tempo (s)
0 2 4 6 8 10
0
5
10
15
20
25
(b)
d
e
s
l
o
c
a
m
e
n
t
o

(
m
)
tempo (s)
pontos experimentais
ajuste linear
x(t) = -2.70 m + 2.71 t

Figura 10 - Deslocamento em funo do tempo para um mvel em MRU: (c) m ocupao do espao,
linha irregular conectando os pontos; (d) diagramao adequada.
4.2 - Ajuste de reta
Um problema frequentemente encontrado no tratamento de resultados experimentais
o ajuste dos dados. O procedimento de ajustar uma funo a um conjunto de dados
experimentais conhecido como regresso. O problema pode ser formulado da seguinte
maneira:
Duas grandezas x e y so relacionadas pela expresso analtica abaixo:
( ) ,... , , b a x f y = (28)
Onde f uma funo conhecida e a,b,... so parmetros desconhecidos.
Experimentalmente so determinados os pares de valores ( ) N i y x
i i
,..., 2 , 1 para , = e
se quer determinar os parmetros a,b,... de tal maneira que a curva ( ) ,... , , b a x f y =
melhor se aproxime dos valores experimentais.
25
Quando a relao analtica entre x e y linear, uma reta ajustada ao conjunto de
dados experimentais e a regresso dita linear. Neste caso a expresso analtica que
relaciona x com y :
b ax y + = (29)
Para efetuar o ajuste dos dados experimentais a funo dada pela equao 29
preciso encontrar os parmetros desta reta de maneira que ela se aproxime o mximo
possvel dos pontos experimentais ( ) ,
i i
y x .
Vamos discutir dois mtodos que podem ser empregados para resolver este
problema:
O mtodo da mo livre
O mtodo dos mnimos quadrados
Ambos tratam de adaptar ao conjunto de pontos experimentais a reta que mais se
aproxime de todos eles ao mesmo tempo.
4.3 - Mtodo da mo livre
O mtodo da mo livre utiliza o bom senso do observador j que ele mesmo ter
que ajustar a melhor reta a partir da observao visual do conjunto de pontos ( ) ,
i i
y x .
Utilizando uma rgua transparente posicionada sobre o grfico contendo todos os
pontos experimentais, o observador pode escolher a reta que passa pelo meio da
distribuio dos pontos. Este procedimento tenta garantir que a distncia entre a reta e
os pontos experimentais seja minimizada. Obviamente o mtodo fornece resultados
aproximados uma vez que a escolha da melhor reta subjetiva e depende muito da
prtica e bom senso do observador.
Uma vez ajustada a melhor reta aos dados experimentais, pode-se determinar os
valores das constantes a e b que correspondem aos coeficientes angular e linear da reta,
respectivamente.
( )
( )
c
s i
s i
y b
x x
y y
a
=
=
(30)
26
Onde
i s i s
x x y y , , , so pontos pertencentes a reta escolhida, e y
c
corresponde

a leitura
no grfico onde a mesma intercepta o eixo y.
0 5 10 15 20
0
30
60
90
120
150
180
210
x
s
x
i
y
s
y
i
y
c
COEF. ANGULAR: a=150/15=10 m/s
(20-5)=15
(
2
1
0
-
6
0
)
=
1
5
0
(5,60)
(20,210)

D
E
S
L
O
C
A
M
E
N
T
O

(
m
)
TEMPO (s)

Figura 11 - Reta ajustada aos pontos experimentais do deslocamento em funo do tempo para um
mvel em MRU.
Exerccio 10: Foram efetuadas as medidas das alturas de vrias crianas com idades
diferentes e os dados obtidos so apresentados na tabela abaixo. Estime o erro
estatstico para a medida de altura realizada usando uma escala milimetrada. Suponha
insignificante o erro na idade em meses (as crianas so medidas exatamente no dia em
que fazem o aniversrio mensal). Encontre a melhor reta que se ajusta aos dados
experimentais e a expresso obtida de correlao entre idade e altura.
Tabela 6 - Idade em meses de diversas crianas e os correspondentes dados de altura.
Idade (meses) 18 19 20 21 22 23 24 25 26 27 28 29
Altura (cm) 76,1 77 78,1 78,2 78,8 79,7 79,9 81,1 81,2 81,8 82,8 83,5

Faa um grfico das alturas (eixo y) contra as idades (eixo x). Ajuste uma reta usando o
mtodo da mo livre e a partir do grfico encontre os coeficientes linear e angular da
reta. Expresse os resultados encontrados na forma da equao de uma reta.
Experimento 4: Determinao da acelerao da gravidade utilizando um pndulo
simples (sem propagao de erros para g) com tcnica grfica. Para o pndulo simples, a
relao entre o perodo e o seu comprimento dada pela expresso:
27
L
g
T
g
L
T
2
2
4
2

= = (31)
Esta a equao de uma reta b ax y + = , onde y=T
2
e x=L, com coeficiente linear
b=0 e coeficiente angular
g
a
2
4
= .
Neste experimento, medir uma nica vez o perodo do pndulo para pequenas
oscilaes e diferentes comprimentos (logo, a tcnica de estimativa de erros deve ser
empregada para L quanto para T). Encontrar a acelerao da gravidade usando mtodo
de ajuste a mo livre.
Ateno: Pense na dificuldade da medio (meio da bolinha, comeo do fio, disparo do
cronmetro,...) e avalie o processo para estimar as incertezas estatsticas para L e T.
Cuidado: Deve ser feito o grfico de T
2
x L para resultar uma reta (este processo chama-
se linearizao). Como se mede T, o erro deve ser propagado para T
2
.
4.4 - Mtodo dos mnimos quadrados
O mtodo dos mnimos quadrados pode ser deduzido para medies feitas em
condies de repetitividade (N medies feitas sob as mesmas condies) ou em
condies de reprodutibilidade (N medies feitas sob condies diferentes). Exemplos
de medies feitas em condies de reprodutibilidade so aquelas realizadas por meio
de diferentes mtodos, diferentes experimentadores ou diferentes instrumentos de forma
que a distribuio dos erros estatsticos pode ser diferente para cada medio. Neste
caso, a cada um dos valores medidos est associada uma incerteza padro diferente. A
situao descrita pode ser visualizada com a ajuda da figura 12.
0 2 4 6 8 10
0
10
20
30
40
50
60

f
(
x
)
x

Figura 12 - Grfico representando dados de medies feitas em condies de reprodutibilidade. A
cada ponto experimental est associada uma incerteza estatstica diferente.
28
Na deduo do mtodo as variveis x
i
so consideradas isentas de erros, e so
consideradas somente as incertezas estatsticas em f
i
(x), ou seja, em y
i
. No entanto,
quando as incertezas em x
i
so significativas elas podem ser transferidas para as
variveis y
i
. Existem regras para isso, mas esse procedimento no ser abordado neste
texto.
Na deduo do mtodo dos mnimos quadrados so usadas somente incertezas
estatsticas, desconsiderando as incertezas sistemticas (no entanto, as incertezas
sistemticas residuais devem ser consideradas). Isto justificado pelo fato do erro
sistemtico desviar todos os pontos experimentais numa mesma direo, o que s afeta
o coeficiente linear da reta e no o angular. O mtodo dos mnimos quadrados minimiza
a soma dos desvios ao quadrado dos pontos experimentais relativamente a reta ajustada,
obviamente no sendo influenciado pelo erro sistemtico. Vale observar que se a
determinao do coeficiente linear um dado importante no experimento, os possveis
erros sistemticos devem ser identificados e eliminados a priori.
Quando as medidas so feitas sob as mesmas condies, ou seja, em condies de
repetitividade, os dados so levantados por um mesmo experimentador e com os
mesmos instrumentos. Nessa situao a incerteza padro para todos os valores de y a
mesma e a soluo simplificada. Veja o exemplo da figura 13.
0 2 4 6 8 10
0
10
20
30
40
50
60

f
(
x
)
x

Figura 13 - Grfico representando dados de medies feitas em condies de repetitividade.
Sendo assim, o mtodo dos mnimos quadrados permite ajustar retas a pontos
experimentais em diferentes condies: pontos com incertezas arbitrrias para as
grandezas x e y, pontos com incertezas iguais para as grandezas x e y, e reta passando
pela origem. Neste mtodo as equaes que fornecem os valores das constantes de
ajuste a e b em cada situao so deduzidas usando conceitos matemticos. Em suma o
29
mtodo consiste em encontrar os valores dos coeficientes a e b que fornecem o menor
valor possvel para a soma dos quadrados das distncias verticais da reta a cada um
dos pontos experimentais.
Na situao em que as incertezas em f
i
(x) so iguais (condio de repetitividade) as
equaes mostram que os valores de a e b so independentes da incerteza padro nos
pontos experimentais. Isto interessante pois mostra que se pudermos supor que as
incertezas so aproximadamente iguais, mesmo que o valor destas incertezas no seja
conhecido possvel fazer o ajuste da reta e encontrar os valores de a e b.
Se a incerteza padro
p
(dos dados experimentais) conhecida, as incertezas em
cada parmetro,
a
e
b
, podem ser obtidas.
Ajuste de reta a pontos experimentais com incertezas iguais
Conforme o mtodo dos mnimos quadrados, os melhores valores para a e b e para as
suas incertezas so dados pelas expresses a seguir se as incertezas para os diferentes
pontos puderem ser consideradas aproximadamente iguais.
2
1 1
2
1 1 1
=

= =
= = =
N
i
i
N
i
i
N
i
i
N
i
i
N
i
i i
x x N
y x y x N
a (32)

2
1 1
2
=

= =
N
i
i
N
i
i
a
x x N
N
(33)

2
1 1
2
1 1 1
2
1
=

= =
= = = =
N
i
i
N
i
i
N
i
i
N
i
i i
N
i
i
N
i
i
x x N
x y x x y
b (34)

30
2
1 1
2
1
2
=

= =
=
N
i
i
N
i
i
N
i
i
b
x x N
x
(35)
Ajuste de reta passando pela origem a pontos experimentais com incertezas iguais
No caso particular de uma reta passando pela origem as expresses acima so
simplificadas e temos:
=
=
N
i
i
N
i
i i
x
y x
a
1
2
1
(36)
=
N
i
i
a
x
1
2
(37)
Coeficiente de correlao
Para avaliar o quanto os valores observados esto prximos da reta ajustada pelo
mtodo dos mnimos quadrados usado o coeficiente de correlao linear R (coeficiente
de Pearson).
1 1 + R (38)
Quanto mais prximo de -1 ou +1 melhor ser o ajuste.
O coeficiente de correlao de Pearson calculado pela relao:
2
1 1
2
2
1 1
2
1 1 1
.
=

N
i
N
i
N
i
N
i
N
i
N
i
N
i i
y y N x x N
y x y x N
R (39)
Exerccio 11: Usando os dados fornecidos no exerccio 10 e as expresses do
mtodo dos mnimos quadrados calcule os coeficientes da reta e expresse os resultados
encontrados na forma da equao de uma reta. Compare os resultados obtidos e tire
concluses sobre a aplicao destes dois mtodos.
Experimento 5: Determinao da acelerao da gravidade utilizando um pndulo
simples. Usar os dados do experimento 4 para encontrar a acelerao da gravidade
31
usando mtodo grfico com utilizao do mtodo dos mnimos quadrados. Cuidado,
lembre-se que o grfico deve ser de T
2
x L para resultar numa reta. Estime os erros nas
medidas de perodo usando as tcnicas de estimativas de erros estudadas. Ser preciso
propagar o erro para o T
2
. Usar para isso a frmula de propagao de potncia (equao
17).
A estimativa de
T
2
deve levar em considerao a propagao de erros na
potncia T
2
:
Da equao 16,
q p
y x w= , com q = 0, p = 2 e x = T, w = T
2
e da equao 17:
2
2
=
y
q
x
p w
y
x
w

T
T
T
T
T
T
2 2
2
2
2
=
= (40)
Note que o erro propagado para os valores de perodo ao quadrado no so iguais.
No entanto iremos sup-los como aproximadamente iguais, o que vai nos permitir a
utilizao das equaes do mtodo dos mnimos quadrados para incertezas iguais, que
so mais simples.
OBS: Para o clculo de
a
, usar o valor mdio de
2
T
.
A validade dessa aproximao ser verificada na prxima seco.
Tendo o desvio padro para o T
2
podemos calcular o coeficiente angular a da
melhor reta e seu erro
a
. (reta passando pela origem).

Tendo sido calculado o coeficiente angular a da melhor reta e seu erro
a
podemos
obter o g e seu erro
g
:

2
T
2
2
1
2
1
T
i i
i i
N
i
i
N
i
i i
T y
L x
x
y x
a
=
=
=
=
=
=
N
i
i
a
x
1
2

32

Para encontrar o erro em g ser preciso propagar a incerteza:
Da equao 12, , com a =4
2
, b =0 e x=a
-1
, w=g=4
2
a
-1
e da
equao 13:

Da equao : com q = 0, p = -1 e x = a w = a
-1

e da equao:

Finalmente:
4.5 - Grficos em computador
A utilizao de computadores e programas especficos para a construo de grficos
uma poderosa ferramenta que pode ser empregada no tratamento de dados e anlise de
resultados experimentais.
Normalmente, os programas utilizam rotinas baseadas no mtodo dos mnimos
quadrados para obter a funo analtica que melhor se ajusta aos dados experimentais.
Utilizaremos o programa Origin
TM
para construo de grficos com auxlio de
computador. Os dados empregados sero aqueles obtidos no experimento 4, onde foram
medidos os perodos de oscilao T do pndulo simples para diferentes comprimentos L
do pndulo. Para cada par (L, T), uma nica medio de cada grandeza foi realizada,
sendo as incertezas encontradas atravs da tcnica da Estimativa de Erros (item 3.2)
Ao iniciar o programa, uma tela semelhante a figura 14 deve aparecer.
1 2
2 2
2
2
4
4

4
. .
0 , reta da eq. a com comparando
4
2
= = = =
= + =
= =
a
a
g
g
a ang coef
e b b ax y
L
g
T
g
L
T
' '
b x a w + =
x w
a
'
=
1
2
4

=
a
g

q p
y x w =
2
2
=
y
q
x
p w
y
x
w

2
2
1
1
1
a
a
a
a a
a

=
a
g
a
a a
g

= =
2
2
4
33

Figura 14 - Tela inicial do programa Origin
TM
.
As colunas A(X), B(Y), C(Y), ... no Worksheet Data1, servem para a insero dos
dados coletados. Para o pndulo simples, a relao entre o perodo e o seu comprimento
dada pela expresso (31). Embora no seja necessria a linearizao dos grficos
quando se faz o tratamento dos grficos com auxlio do computador, optaremos pela
linearizao para possibilitar a comparao com os resultados do experimento 5 (item
4.4).
L
g
T
g
L
T
2
2
4
2

= =
Esta a equao de uma reta b ax y + = , onde y=T
2
e x=L, com coeficiente linear
b=0 e coeficiente angular
g
a
2
4
= . Assim, devemos inserir na coluna A(X) os dados
referentes aos valores de L, na coluna B(Y) os dados referentes aos valores de T, e na
coluna C(Y) ainda inexistente os dados referentes a T
2
. O ajuste de uma reta aos dados
experimentais no grfico de L (no eixo X) contra T
2
(no eixo Y) permitir encontrar a
acelerao da gravidade g a partir do coeficiente angular pela expresso
a
g
2
4
= .
Suponha que os resultados encontrados para as medies sejam os mostrados na tabela
7. Estamos supondo que os valores de L e T foram medidos apenas uma nica vez, de
forma que os erros estatsticos devem ser encontrados utilizando a tcnica da estimativa
de erros (seco 3.2).
34
Tabela 7 - Dados obtidos para perodo do pndulo em funo do comprimento do mesmo, e valores de
perodo elevado ao quadrado.
L(mm) T(s) T
2
(s
2
)
150,3 0,79 0,6241
217,7 0,92 0,8464
242,1 1,03 1,0609
303,6 1,12 1,2544
404,5 1,29 1,6641
423,2 1,31 1,7161

Posicione o cursor do mouse na clula A(1) e clique sobre a mesma com o boto
esquerdo do mouse (todos os cliques so com o boto esquerdo, a menos que se
especifique o contrrio), insira o dado correspondente. Adote o mesmo procedimento
para inserir os dados nas outras clulas. Aps a introduo dos dados de L e T nas
colunas A(X) e B(Y) respectivamente, a tela deve se apresentar como a da figura 15.
Note que o separador decimal que deve ser empregado (vrgula ou ponto) depende da
configurao do computador.

Figura 15 - Tela do programa Origin
TM
com a planilha de dados preenchida.
Salve o projeto em algum local, clicando em File Save Project As. A tela abaixo
deve aparecer:
35

TM
.
possvel definir a pasta (pr-existente) onde o projeto ser salvo (por exemplo,
Salvar: Apostila), bem com um nome para o projeto (por exemplo, Nome do arquivo:
PenduloSimples). A tela deve aparecer como na figura 17.

TM
devidamente preenchida e com o local
de salvamento definido.
Aps pressionar a tecla Salvar, o programa deve retornar a tela como a da figura 18.
36

Figura 18 - Planilha de dados salvos.
Note que ainda precisamos inserir os dados de T
2
, e para isto necessria a incluso
de mais uma coluna no Worksheet. Clique em Column Add new Columns, defina o
nmero de novas colunas necessrias (no caso 1) e pressione OK. O programa retorna
uma tela como na figura 19 . No esquea de salvar o seu projeto regularmente para
evitar perda de dados.

Figura 19 - Planilha de dados com a incluso de uma coluna adicional.
Agora voc pode inserir manualmente os dados de T
2
na coluna C(Y), ou ento
realizar esta tarefa automaticamente. A segunda opo mais rpida quando se tem um
37
grande nmero de dados. Posicione o cursor na primeira clula da coluna C(Y), no caso
C(1), e clique ali. Clique com o mouse em Colum Set Column Values, e a tela deve
se apresentar como na figura 20.

Figura 20 - Tela que permite inserir dados automaticamente numa coluna.
Digite no espao em azul a expresso matemtica que deve ser efetuada, ou seja,
elevar a coluna B(Y) ao quadrado (col(B)^2), e indique a quais clulas a expresso deve
ser aplicada, ou seja, For row [i] 1 to 6. A tela deve estar como na figura 21.

Figura 21 - Preenchimento da tela que permite inserir dados automaticamente numa coluna.
Aps pressionar OK, a coluna C(Y) estar preenchida com os valores de T
2
.
38
Quando um Worksheet comea a apresentar muitas colunas com dados, possvel
criar uma descrio adicional (um rtulo ou label) para identific-las. Para isto, clique
com o boto direito sobre a clula A(X) para selecionar esta coluna, clique em
Properties e no espao Column Label digite um nome para esta coluna (por exemplo,
L (mm)). A tela deve estar como na figura 22.

Figura 22 - Tela que permite nomear uma coluna de dados.
Pressione OK e nomeie da mesma forma as colunas B(Y) e C(Y). Aps isto, a tela
deve estar como na figura 23.

Figura 23 - Tela da planilha de dados com o nome escolhido para cada coluna.
39
O prximo passo definir os erros experimentais que sero considerados no grfico.
No exemplo, ser utilizada a tcnica de Estimativa de Erros (seco. 3.2). Conforme
discutido na seco onde foi apresentado o Mtodo dos Mnimos Quadrados (seco
4.4), apenas os erros estatsticos (aleatrios e sistemticos residuais) devem ser
considerados, deixando de lado os erros sistemticos.
Utilizando as equaes 20, 21 e 22, a incerteza medida no comprimento do pndulo
L com uma rgua graduada em milmetros
L
=0,5 mm, para todos os valores medidos.
Insira uma nova coluna D(Y), clique com o boto direito sobre ela, posicione o
mouse sobre Set As e depois sobre XError, clicando a com o boto esquerdo. Antes do
clique a tela deve se apresentar com no figura 24.

Figura 24 - Inserindo uma coluna de erros na planilha de dados.
Nomeie a coluna como, por exemplo, Er(L) para indicar o Erro de L, e introduza os
valores estimados de
L
(0,5 mm). J a estimativa de
T
2
deve levar em considerao a
propagao de erros na potncia T
2
.
Veja como isto foi feito na descrio do experimento 5. Novamente, considerando
apenas os erros estatsticos (aleatrios e sistemticos residuais), a incerteza na medida
do perodo de
T
= 0,17 s (veja eq. 27), para todos os valores de T medidos.
No entanto, a incerteza no ser a mesma para todos os valores de T
2
, devendo ser
calculada individualmente para cada valor especfico de T (equao 40). Introduza uma
40
nova coluna E(Y), associe-a ao erro de Y (Set As, YError) e atribua um nome
(Properties, Column Label) como por exemplo Er(T^2).
A tela deve estar como na figura 25.

Figura 25 - Planilha de dados com as colunas de erros.
Para calcular os erros associados a cada valor de T
2
, posicione o cursor na primeira
clula da coluna E(yEr ) e clique ali. Clique com o mouse em Colum Set Column
Values e digite a expresso para clculo de cada erro, conforme a equao 40:
2*col(B)*0.17
Ao final desta etapa, a tela deve se apresentar como na figura 26.

Figura 26 - Planilha de dados com as colunas de erros preenchidas.
41
Para plotar o grfico, clique em Plot Scatter, e selecione as colunas adequadas
para formar o grfico, conforme a figura 27.

Figura 27 - Selecionando as colunas que sero plotadas.
Clique em OK e o grfico deve aparecer como na figura 28. No caso, o erro
associado ao eixo X menor que o tamanho dos smbolos, e no aparece no grfico.

Figura 28 - Grfico plotado com os dados fornecidos ao programa.
Clicando duas vezes sobre a legenda de cada eixo (X Axis Title e Y Axis Title),
possvel atribuir a legenda adequada, respectivamente L (mm) e T
2
(s
2
).
42
Para ajustar uma reta, clique sobre Tools Linear Fit (ver figura 29) marque a
opo Through Zero uma vez que para este problema a reta deve passar pela origem,
desmarque a opo Use Reduced Chi^2 para que o erro no seja subestimado,
marque a opo Error as Weight para indicar que as barras de erro devem ser
consideradas no ajuste, e clique sobre Fit (ver figura 30). Obs. importante: A opo
Analysis Fit Linear no obriga a passagem da reta pela origem, o que nesse caso
poderia resultar num erro maior e no corresponde realidade do problema.

Figura 29 - Procedimento ajustar de uma reta aos dados plotados.
O valor do coeficiente angular ajustado aparece no quadro Results Log.

Figura 30 - Tela final mostrando o grfico ajustado e os erros respectivos.
43
Conforme j discutimos, este valor est relacionado com g atravs da relao:
2
2 2
792067 , 9607
004109 , 0
) 14159 , 3 .( 4 4
s
mm
B
g = = =

J a estimativa de
g
deve levar em considerao a propagao de erros. Da equao
12, b ax w + = , com a=4
2
, b=0 e x=B
-1
, w=g=4
2
B
-1
, e da equao 13:

x w
a =
1
2
4

=
B
g
(41)
Da equao 16,
q p
y x w= , com q = 0, p = -1 e x = B, w = B
-1
, e da equao 17:
2
2
=
y
q
x
p w
y
x
w

2
1
2
1
1
1
B B
B
B
B
B B B
B

= =
(42)
Substituindo a equao (42) na equao (41) temos o erro propagado para
g
:
2
2
4
2
2
2
/ 776489 , 1220
004109 , 0
10 22094 , 5
4 4 s mm
x
B
B
g
= = =

(43)
Como esta incerteza maior do que 99, vamos mudar as unidades para express-la
corretamente (com dois algarismos significativos):
2
2 , 1
s
m
g
= e ( )
2
2 , 1 6 , 9
s
m
g =
Deve ser notado que a incerteza relativa aqui razoavelmente elevada, sendo igual a
% 12 % 100 =
g
g
(44)
O resultado desta incerteza inerente ao processo da estimativa dos erros
experimentais, onde valores superestimados de incertezas so preferidos a valores
subestimados quando apenas uma medida de cada parmetro realizada.
Experimento 6: Com os dados do experimento 4, empregar a tcnica computacional
descrita no item 4.5 para calcular o valor da acelerao da gravidade g, utilizando
grficos e a propagao de erros.
Observao: Se desejssemos reduzir os valores de incertezas no experimento
anterior para uma estimativa mais precisa de g, deveramos substituir a tcnica de
Estimativa de Erros pela tcnica da realizao de vrias medidas de T e L para cada
valor de L, e calcular os Erros Estatsticos conforme apresentado no item 2.2.
44
Captulo 5 - Histogramas
O histograma um tipo de grfico particularmente til quando se deseja mostrar os
resultados de um grande nmero de medies da mesma grandeza, que devido a erros
de medio, apresenta uma grande flutuao estatstica, ou ento quando se deseja
conhecer a flutuao estatstica de uma certa grandeza em torno de seu valor mdio.
Num histograma no so mostrados individualmente os pontos medidos, mas sim se
mostra a frequncia F(y
i
) com a qual um dado valor aparece, ou ento a frequncia com
que estes valores aparecem dentro de uma faixa de valores y.
Um histograma um grfico composto por retngulos cuja base (eixo horizontal)
corresponde ao intervalo de classe e a altura (eixo vertical) a respectiva freqncia.
A frequncia de apario normalmente expressa como a frequncia relativa ao
nmero total N de eventos,
N
y N
y F
i
i
) (
) ( = (45)
onde N(y
i
) o nmero de vezes que o evento i aparece. Claro que N(y
i
) ser
proporcional ao intervalo y da faixa, e esta deve ser escolhida de modo a resultar em
um grfico compreensvel.
O histograma fornece informao sobre a forma, o ponto central, a amplitude e a
simetria da distribuio.
Como exemplo, imagine que a medio da distncia focal y de uma lente
convergente resultou nos valores constantes da tabela 6, ordenados segundo a ordem
crescente dos N = 60 valores medidos.
Tabela 8 - Valores obtidos y
i
(distncia focal da lente) em mm

204 206 208 210 211 218 219 222 222 223
227 229 230 232 235 235 235 235 237 237
237 237 238 238 239 239 239 239 239 240
240 241 243 244 244 246 246 248 248 249
250 250 253 256 257 257 257 259 259 260
262 265 267 268 269 269 269 273 285 289
45
Como primeiro passo para a elaborao do histograma, deve-se determinar o valor de
y, de forma que N(y
i
) seja da ordem de 10 para intervalos prximos do valor mdio
(isso reduz a incerteza quando se deseja determinar o valor verdadeiro N
v
(y
i
) por um
processo probabilstico).
Uma estimativa inicial do intervalo y :
mm
N
y y
y 11
60
204 289
min max

= (46)
onde 8 60 = N corresponde ao nmero de intervalos a ser empregado para
construo do histograma.
A determinao do valor central y
i
de cada um destes intervalos tambm
importante. A escolha mais conveniente aquela onde o centro do intervalo central
coincida com o valor mdio dos N = 60 resultados:
mm mm
mm
y
N
y
N
j
j
243 05 . 243
60
14583 1
1
= = =

=
(47)
A partir destes valores podemos calcular os limites do intervalo central como
} { } { 5 . 248 ; 5 . 237 2 / ; 2 / = + y y y y , (48)
e a partir da estabelecer todos os outros intervalos.
Isso permite classificar os dados numa tabela de frequncias absolutas N(y
i
) ou
relativas F(y
i
)=N(y
i
)/N, bem como a densidade de probabilidade definida como:
y
y F
y H
i
i e
=
) (
) ( (49)
Conhecida esta densidade de probabilidade, a probabilidade de ocorrer um resultado
no intervalo pequeno {y
i
;y} pode ser escrita como:
y y H P y P
i e i i
= ). ( ) ( (50)

46
Tabela 9 - Tabela para construo do histograma com oito intervalos, obtida a partir dos dados da
tabela 8. O smbolo indica intervalo fechado esquerda; note que o valor inicial do primeiro
intervalo foi ajustado para englobar o valor mais baixo de y
i
.
y
i

(mm)
y
i_central

(mm)
N(y
i
) F(y
i
) H
e
(y
i
)
(10
-3
mm
-
1
)
204.0
215.5
210 5 0.08 7.6
215.5
226.5
221 5 0.08 7.6
226.5
237.5
232 12 0.2 18.2
237.5
248.5
243 17 0.28 25.7
248.5
259.5
254 10 0.17 15.1
259.5
270.5
265 8 0.13 12.1
270.5
281.5
276 1 0.02 1.5
281.5
292.5
287 2 0.03 3.0

200 220 240 260 280 300
0
5
10
15
20
25
H
e
(
y
i )

x

1
0
-
3
m
m
-
1
y (mm)

Figura 31 - Histograma com oito intervalos para os valores medidos da distncia focal da lente.

47
Experimento 7: Com os dados da tabela 8, refazer as contas que levaram
construo da tabela 9, e a partir da utilizar o programa Origin
TM
para construo do
histograma da figura 31.
Comentrios:
1. Aps inserir os dados no Worksheet, selecione PlotColumn e faa as
associaes das colunas adequadas com os eixos do grfico.
2. Tecle com o boto direito do mouse sobre o grfico e selecione Plot Detail na
aba Spacing e ajuste para 0 % o Gap Between Bars (a separao entre as barras verticais
ser ajustada para zero).
3. Faa os demais ajustes necessrios ao grfico.

48
Captulo 6 Funes de Distribuio
Quando se realiza um experimento, normalmente estamos interessados na
determinao de certa grandeza chamada mensurando. No entanto, como regra geral, o
valor verdadeiro de um mensurando uma quantidade sempre desconhecida, que s
pode ser determinado aproximadamente devido a erros de medio. A exceo quando
se deseja realizar a aferio de um instrumento pela medio de um padro primrio ou
de uma grandeza exata (como a velocidade da luz, por exemplo) onde o valor
verdadeiro conhecido. A situao mais comum , por exemplo, em uma experincia
didtica, a medio de uma grandeza para a qual o valor verdadeiro j conhecido com
boa aproximao (ou pelo menos com um erro muito menor do que aquele resultante do
processo de medio que ser empregado). No entanto, devemos ter em mente que no
formalismo da teoria de erros o valor verdadeiro de um mensurando sempre uma
quantidade desconhecida. A determinao deste valor o objetivo final do processo de
medio.
Vamos agora refinar a idia de densidade de probabilidade abordada quando
construmos o histograma da figura 31.
Consideremos um processo simples, no qual a probabilidade de ocorrncia de um
evento A p. Um problema importante determinar a probabilidade P
n
(y) de y
ocorrncias do resultado A em n repeties do processo. Como exemplo, podemos citar
a probabilidade de ocorrncia de certo nmero (y=4, por exemplo) ao se lanar um dado
certo nmero de vezes (n=10 vezes, por exemplo). A probabilidade desta ocorrncia
P
10
(4) calculada por uma distribuio de probabilidades chamada de distribuio
binomial, e depende da probabilidade p da ocorrncia de cada evento (no exemplo,
p=1/6 para ocorrncia do nmero 4 em cada lance do dado).
Nos casos onde n>>1 e p<<1 fica difcil empregar a distribuio binomial, e esta
substituda pela distribuio de Poisson. No entanto, estas duas distribuies s so
aplicveis quando a varivel y discreta.
Frequentemente o processo de medio de uma quantidade y
i
numa experincia pode
resultar num nmero muito grande de valores, e em certas situaes este conjunto de
valores corresponde a uma varivel contnua (este o caso do exemplo dado de medio
da distncia focal da lente no experimento com o histograma).
49
Se as diversas medies esto sujeitas a erros experimentais aleatrios e
independentes, e nenhum dos erros muito maior que os demais, ento a distribuio de
erros converge par uma distribuio gaussiana quando o nmero de medies tende
para o infinito. Este o caso mais frequente na Fsica Experimental.
Como o valor mdio verdadeiro (e tambm o desvio padro verdadeiro!) no so
nunca conhecidos, uma forma aproximada para a distribuio gaussiana :
2
2
1
2
1
) (

y y
i
i
e y G (51)
onde
=
=
N
i
i
y
N
y
1
1
o valor mdio medido, e
( )
) 1 (
1
2

=
N
y y
N
i
i
o desvio padro
experimental.
Para o exemplo em considerao, mm y 243 e mm 19 . O significado destes
parmetros pode ser visto na figura 32.
Conhecida a densidade de probabilidade G(y
i
), a probabilidade de ocorrer um
resultado no intervalo pequeno {y
i
;y} pode ser escrita como P(y
i
)=P
i

G(y
i
) y, e
numericamente igual rea S sob a curva.
Para fins de comparao tambm mostrado o histograma (linha pontilhada)
referente figura 31.
200 220 240 260 280 300
0
5
10
15
20
25
S=P
i
y
y
G
(
y
)

x

1
0
-
3
m
m
-
1
y (mm)

Figura 32 - Distribuio gaussiana de probabilidades, mostrando o valor mdio medido e o desvio
padro experimental, bem como a relao entre a probabilidade e a rea sob a curva.
50
Experimento 8: Ajuste gaussiano usando o Origin
TM
aos dados do histograma do
experimento 7.
Comentrios:
1. Refaa os clculos que levaram aos valores de mm y 243 e mm 19 para o
exemplo em considerao.
2. Encontre esses parmetros com o Origin. Aps a insero dos dados no
Worksheet e de construir o histograma, para ajustar uma gaussiana, clique em Analysis
Fit Gaussian. Faa os demais ajustes necessrios ao grfico.
3. Compare e discuta os valores obtidos com os dois processos.
OBS: O Origin utiliza uma equao para ajuste de gaussiana com um parmetro w
(largura total da curva), que se compara com a meia-largura atravs da relao w=2.
A mesma proporo se aplica para a incerteza em .
Mais operaes e procedimentos que podem ser realizados com o Origin para
tratamento de dados em planilha eletrnica, linearizao de grficos e histogramas,
podem ser encontrados no arquivo OriginComplement.pdf na homepage da Disciplina.

Apostila FisExperimental-ERRO Maio 2012-Total

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila FisExperimental-ERRO Maio 2012-Total

Enviado por

Direitos autorais:

Formatos disponíveis

Curso introdutrio de

Fundamentos da Fsica Experimental Mrcia Muller e Jos Lus Fabris

Você também pode gostar