Escolar Documentos
Profissional Documentos
Cultura Documentos
Conceitos Básicos Da Teoria de Erros
Conceitos Básicos Da Teoria de Erros
Instituto de Fsica
_______________________________________________________________
Manfredo H. Tabacniks
Reviso 2009 (Alain A. Quivy)
Reviso 2011 (Marcelo Martinelli, Jos Roberto Oliveira, Alexandre Levin)
A
B
referncia
9,8 0,4
12,3 4,0
9,3
Em fsica e engenharia comum adotar um desvio padro para o intervalo de confiana. Em outras reas, tais como
epidemiologia, sade e cincias mdicas, dois ou at trs desvios padro so bastante comuns.
2 Deve-se evitar o termo erro para a incerteza. Se uma medida tem um erro, este deve ser corrigido!
3 Existem outras regras de arredondamento, mais complicadas, um pouco mais precisas, mas nenhuma exata. A regra
aqui proposta tambm adotada pela maioria das calculadoras e algoritmos em computadores.
informao inicial, mas isso pode ser remediado usando quantos algarismos forem necessrios depois da
vrgula. Por exemplo, 1,4269513 x 107 mm reproduz o valor com toda a preciso inicial.
Denomina-se algarismo significativo o nmero de algarismos que compem o valor de uma
grandeza, excluindo eventuais zeros esquerda usados para acerto de unidades. Mas ateno: ZEROS
DIREITA SO SIGNIFICATIVOS. Na tabela a seguir, um mesmo valor do raio de uma roda escrito com
diferente nmero de algarismos significativos.
raio (mm)
57,896
5,79x101
5,789600x101
0,6x102
significativos
5
3
7
1
A escolha de quantos significativos sero usados no valor da grandeza depende da grandeza, do processo de
medida e do instrumento utilizado. Na realidade, o nmero de algarismos significativos de uma grandeza
determinado pela sua incerteza.
O NMERO DE ALGARISMOS SIGNIFICATIVOS DE UMA GRANDEZA DETERMINADO PELA
SUA INCERTEZA
Para a expresso da incerteza adaptaremos a conveno sugerida por Vuolo (1992).
Vamos tomar um exemplo para ilustrar uma medida, e a determinao de sua incerteza. Suponha que se
deseje medir o tamanho do besouro na Figura 1.1
(seu ltimo algarismo significativo) pode ser considerada, na ausncia de especificaes do fabricante4,
como metade da menor diviso. Neste caso, 0,05 cm.
A expresso correta de uma medida deve conter a estimativa do valor de grandeza e a incerteza nesta
estimativa. Isto pode ser feito colocando o intervalo de incerteza ao lado da medida
1,55 0,05 cm
ou ainda colocando o valor com a incerteza do algarismo duvidoso entre parnteses, sem vrgula,
1,55 (5) cm
S para confirmar: Qual o dimetro da moeda na Figura 1.2?
Figura 1.2. Medindo o dimetro de uma moeda.
Mais uma vez, neste exemplo podemos afirmar que a metade da
menor diviso uma estimativa da nossa incerteza: portanto o
dimetro da moeda pode ser expresso como:
1,93 0,05 cm
1,93 (5) cm
Claro que se colocssemos 1,92 (5) cm, por exemplo, estaramos
igualmente corretos. Lembre-se que o algarismo duvidoso
estimado pelo experimentador e portanto varia conforme a
habilidade, a prtica, etc. A incerteza colocar o intervalo de confiana no valor de grandeza.
Paqumetros e micrmetros tem uma especificao de preciso em seus manuais. O mesmo no ocorre com rguas,
por exemplo.
5 Conforme Vuolo (1992) e Inmetro (1998).
notao errada
5,30 0,0572
124,5 11
0,00002002 0,0000005
(45 2,6)x101
notao correta
5,30 0,06
125 11
(200 5)x10-7
(45 3) x 101
1.3.1. Medio
O objetivo de uma medio determinar o valor do mensurando, isto , o valor da grandeza especfica a
ser medida. Uma medio comea, portanto, com uma especificao apropriada do mensurando, do mtodo
de medio e do procedimento de medio.
Medio: conjunto de operaes que tm por objetivo determinar o valor de uma grandeza.
Valor (de uma grandeza): expresso quantitativa de uma grandeza especfica, geralmente sob a forma
de uma unidade multiplicada por um nmero. Exemplo: comprimento de uma barra: 5,34m
Mensurando: grandeza especfica submetida medio. Exemplo: temperatura de fuso da glicerina.
Grandeza (mensurvel): atributo de um fenmeno, corpo ou substncia que pode ser qualitativamente
distinguido e quantitativamente determinado. O termo grandeza pode se referir a uma grandeza em
sentido geral (comprimento, tempo, massa.) ou grandeza especfica (comprimento de uma barra,
resistncia eltrica de um fio). Os smbolos das grandezas esto definidos na norma ISO 31.
Mtodo de medio: sequncia lgica de operaes, descritas genericamente, usadas na execuo das
medies. Exemplos: mtodo de substituio, mtodo diferencial, mtodo de zero...
Procedimento de medio: conjunto de operaes, descritas especificamente, usadas na execuo de
medies particulares de acordo com um dado mtodo. Um procedimento (de medio) deve ser um
documento com detalhes suficientes para permitir que um observador execute a medio sem
informaes adicionais.
Estimativa: valor de uma estatstica (uma conta) utilizada para estimar um parmetro (uma mdia, por
exemplo) da totalidade de tens (em geral infinito), obtido como resultado de uma operao sobre uma
amostra (em geral um conjunto limitado de dados) supondo um determinado modelo estatstico de
distribuio (distribuio norma, por exemplo).
Incerteza (de medio): parmetro associado ao resultado de uma medio que caracteriza a disperso
dos valores que podem ser razoavelmente atribudos ao mensurando. Entende-se que o resultado de
uma medio a melhor estimativa do valor de um mensurando e que todos os componentes da
incerteza, incluindo aqueles resultantes dos efeitos sistemticos, contribuem para a disperso.
Erro
Uma medio tem imperfeies que do origem a um erro no resultado da medio. O erro costuma ser
classificado em dois componentes: erro aleatrio e erro sistemtico. O erro aleatrio tem origem em
variaes imprevisveis tambm chamadas efeitos aleatrios. Essses efeitos so a causa de variaes em
observaes repetidas do mensurando. O erro aleatrio no pode ser compensado, mas pode ser reduzido
aumentando o nmero de observaes. Apesar de frequentemente citado, o desvio padro da mdia no o
erro aleatrio da mdia. Representa, sim, uma medida da incerteza da mdia devido aos efeitos aleatrios. O
erro sistemtico, em geral, no pode ser eliminado, mas pode eventualmente ser reduzido ou, caso seja
identificado, deve ser corrigido.
1.4. Estatsticas
Quando se trabalha com vrios resultados em condies de repetitividade de uma medio, usam-se
algumas estatsticas para resumir e consolidar as informaes obtidas. Por exemplo: ao tentar determinar o
tempo de queda de um corpo, um aluno mediu uma nica vez o evento. Tendo a incerteza do aparelho
utilizado, poderamos ter uma idia do acerto do aluno. Mas a incerteza cobre apenas o erro do aparelho e
no a do aluno ou mesmo do procedimento experimental.
O problema que se coloca : Como determinar a incerteza de uma medida?
COMO DETERMINAR A INCERTEZA DE UMA MEDIDA?
Uma abordagem alternativa para este problema medir vrias vezes o mesmo tempo e calcular a
mdia. A variabilidade de cada medida dada pelo desvio padro e a variabilidade da mdia (caso se
obtenham vrias mdias) ser dada pelo desvio padro da mdia6.
O problema que para obter o valor mais provvel a partir de mdias, determinar desvios padro e
desvio padro de mdias exige que se faam INFINITAS medidas e definitivamente no temos tempo para
isso! Vamos, portanto, ESTIMAR o valor mais provvel, o desvio padro e o desvio padro da mdia para
um conjunto pequeno de medidas. O desenvolvimento terico e a justificativa para esse procedimento podem
ser encontrados em qualquer livro texto bsico de estatstica, como o de Helene e Vanin (1981).
A mdia, o desvio padro e o desvio padro da mdia, para um conjunto finito com n dados podem
ser estimados aplicando as equaes abaixo.
mdia de uma amostra com n valores:
m=
1
xi
n
(1.1)
s=
1
( xi m) 2
n 1
(1.2)
sm =
1
s
( xi m) 2 =
(n 1) n
n
(1.3)
Uma maneira grfica de analisar estatisticamente esses dados atravs de um histograma ou grfico
de barras. Neste tipo de grfico, para uma visualizao mais direta, o eixo x divido em intervalos iguais que
se chamam celas.
Podemos representar a frequncia de um evento usando um histograma, seja ela a freqncia
absoluta, fa, ou a freqncia relativa, fr. No caso da freqncia absoluta, o eixo y representa a quantidade
absoluta de termos dentro do intervalo considerado pela cela. J a freqncia relativa tem no eixo y a frao
da quantidade de termos dentro de uma cela, relativa ao conjunto total de medidas. Esta frequncia relativa
uma estimativa da probabilidade do evento ocorrer dentro de um dado intervalo.
Uma vez que o nmero de eventos ser proporcional largura da clula para intervalos pequenos,
podemos trabalhar com o conceito de densidade de probabilidade p. Neste caso, esta densidade ser
estimada pela diviso de fr pelo tamanho da cela, x (p = fr/x). Neste caso, a rea do grfico dentro de um
certo intervalo a probabilidade de ocorrer o valor contido no intervalo (da o nome densidade de
probabilidade).
Consideremos uma srie de medidas do intervalo de tempo da queda de um corpo, apresentada na
tabela 1. Na tabela 2, considerando os intervalos de eventos dados, podemos estimar a frequncia absoluta, e
dela estabelecer a frequncia relativa e a densidade de probabilidade. Note na tabela 2 que n = 10 a
6 comum encontrar a afirmao de que se fazem muitas medidas de uma mesma grandeza para melhorar um
resultado. Isto falso. A incerteza de um processo de medida uma caracterstica do processo expresso pelo desvio
padro, que independe do nmero de medidas (para n grande, tpicamente n>10). verdade que ao realizar muitas
medidas pode-se obter um valor mdio mais prximo do valor mais provvel, uma vez que o desvio padro da mdia
(que expressa a incerteza da mdia) varia com 1/n. Entretanto, raramente se usa essa abordagem em medidas diretas
(no estocsticas). Na prtica, quando se deseja uma medida com incerteza menor, procura-se simplesmente um
procedimento ou um instrumento melhor (um micrmetro no lugar de um paqumetro, por exemplo). A verdadeira
razo de se repetir uma medida vrias vezes para estimar seu desvio padro.
quantidade de dados, e o intervalo representado por um smbolo que, no caso, exclui o valor mximo da
cela.
Tabela 1: Tempos de queda de um corpo. (ms)
4.93
2.21
4.12
3.83
0.77
6.00
5.40
7.01
5.17
2.56
Intervalo
0,00 | 2,00
2,00 | 4,00
4,00 | 6,00
6,00 | 8,00
fa
1
3
4
2
p=fr/x
0,05
0,15
0,20
0,10
fr=fa/n
0,10
0,30
0,40
0,20
m = 4,2 ms
p ( ms-1)
Cela
1
2
3
4
0,20
0,15
s = 1,9 ms
~2/3 da altura
0,10
0,05
0,00
10
O histograma dos dados na Tabela 1 est na Figura 1.3 acima. Note que a escala do eixo y est em
unidades de densidade de probabilidade, que tem unidades de ms-1.
Um exemplo frequente de distribuio encontrada na natureza, para eventos sujeitos a uma
perturbao aleatria, a distribuio gaussiana. Esta distribuio definida completamente por uma mdia
e desvio padro .
Para o conjunto finito de medidas realizado, poderamos aproximar o histograma de p por uma curva
contnua, dada por:
p=
1
s 2
exp(
0,5 * ( x m) 2
)
s2
(1.4)
onde m a estimativa da mdia e s a estimativa do desvio padro. Neste histograma, ajustamos uma curva e
estimamos sua tendncia central, m, ou seja, a mdia e sua largura, s, o desvio padro.
9
O desvio padro pode ser estimado graficamente, calculando o valor de x para o qual |x-m| = s. Neste
caso, temos da equao (1.4):
p(| x m |= s) = Yo exp(
0,5 * ( s) 2
)
s2
(1.5)
onde Yo a altura do mximo da curva. Isso implica que o desvio padro pode ser estimado graficamente
como a metade da largura total de uma gaussiana medida aproximadamente a 2/3 da altura, pois
2
p s = Yo exp(0.5) = 0.61 Yo Yo
3
(1.6)
Note que a rea sob a curva gaussiana no intervalo entre (m-s) e (m+-s) ser de 68 %, conforme
mencionado no incio da apostila. Isto implica que 68% das medidas realizadas em um processo sujeito a
perturbaes aleatrias ocorrero neste intervalo.
Para um tratamento detalhado da estatstica de processos de medida, recomendamos as referncias
abaixo.
10
Um processo de medida tem sempre por objetivo determinar o valor mdio verdadeiro, ymv, de
uma grandeza, cujo valor verdadeiro yv. Acontece que, em geral, o valor verdadeiro nos desconhecido,
e para se obter o valor mdio verdadeiro, so necessrias infinitas medidas!
Dessa forma, para um conjunto de medidas, {y1, y2, y3, ...yn}, o valor mdio verdadeiro dado por:
1 n
ymv = lim yi
n n i =1
(2.1)
Como em geral ymv um valor inacessvel, usam-se estimativas: a mdia dada pela equao 1.1, a
estimativa do desvio padro (eq. 1.2) e do desvio padro da mdia (eq. 1.3).
Relembremos alguns termos novos que usaremos com frequncia:
MENSURANDO: Grandeza a ser determinada num processo de medio.
VALOR
VERDADEIRO:
INCERTEZA:
ERRO:
ERRO
SISTEMTICO:
ERRO
PADRO:
A grande diferena entre a incerteza e o erro (seja ele qual for) que o erro pode, em princpio, ser
corrigido enquanto a incerteza um intervalo de confiana das medidas. Logo, caso sua experincia tenha
um erro, existe uma falha no procedimento que pode e deve ser corrigido.
Tabela 2.1. Tenso de uma pilha medida com voltmetro (incerteza nominal 0,25%)
11
U (volt)
1
2
3
4
5
6
1,572
1,568
1,586
1,573
1,578
1,581
Incerteza
nominal (V)
0,004
0,004
0,004
0,004
0,004
0,004
Antes, um comentrio: a tabela 2.1 acima tem trs colunas. A ltima contm a incerteza nominal das
medidas que, como vemos, no varia ao longo das medidas. A tabela poderia ter apenas 2 colunas e a
incerteza das medidas ser incorporada no ttulo da coluna 2. A nova tabela ficaria como no exemplo abaixo,
tabela 2.1b.
Tabela 2.1b. Tenso de uma pilha medida com voltmetro (incerteza nominal 0,25%)
n
1
2
3
4
5
6
U 0,004 (V)
1,572
1,568
1,586
1,573
1,578
1,581
Vamos aos clculos. Note que em clculos intermedirios usamos um dgito significativo a mais, para
apenas no final expressarmos o valor da medio conforme as normas discutidas no captulo anterior.
Valor mdio:
U =
1 6
U i = 1,5763 V
6 i =1
1 6
(Vi 1,5763) 2 = 0,0066 V
6 1 i =1
m =
0,0066
=
= 0,0027 V
n
6
0,25
Lr =
1,5763 = 0,0039 V
100
Verifique que o desvio padro das medidas (na realidade do processo de medio) maior que a incerteza
nominal do voltmetro. Isso era esperado, pois, na composio da incerteza do processo de medidas, a
incerteza do voltmetro apenas um dos componentes. Uma nica medida, por exemplo, a primeira medida
na Tabela 2.1b, pode ser expressa como:
U1 = (1,572 0,007 )V
12
A incerteza de nossa medida difere da incerteza nominal citada na tabela 2.1. Tivemos que fazer uma srie
de medidas para determinar o NOSSO desvio padro.
Uma vez que realizamos uma srie de 6 medidas, podemos expressar nosso resultado de forma mais
precisa, usando o valor mdio das seis medidas e seu desvio padro (o desvio padro da mdia). Portanto
nosso resultado ficaria assim:
U = (1,5763 0,0027 )V
Este resultado est timo para desenvolver nossos estudos e verificar alguma dependncia da tenso da
pilha com outras grandezas. Mas o nosso voltmetro pode ter um erro de calibrao. Explicando: Na
fbrica so produzidos milhares de voltmetros. Em mdia todos iguais. Mas no varejo, ao comparar os
valores medidos por diferentes voltmetros, um indica um valor um pouco maior, outro um pouco menor...
Como ento comparar medidas feitas com voltmetros diferentes? Temos que retornar ao manual do
aparelho e procurar a incerteza de calibrao do mesmo, ou seja, o desvio padro de calibrao dos
voltmetros. Em geral (mas no necessariamente) a incerteza do instrumento e o desvio padro de
calibrao so semelhantes. Seria um desperdcio se assim no fosse. (Quem compraria um aparelho muito
preciso e caro mal calibrado? Por que calibrar cuidadosamente um aparelho vagabundo?). Podemos
supor ento que o desvio padro de calibrao do voltmetro da mesma ordem que sua incerteza nominal.
Dessa forma possvel que instrumentos diferentes indiquem valores diferentes para uma mesma medida,
nesse nosso caso, com um desvio padro de 0,004V. Caso tenhamos em nosso laboratrio mais que um
voltmetro do mesmo modelo, temos que incorporar esse desvio padro de calibrao em nosso resultado.
Isso pode ser feito por meio de uma soma quadrtica, denominada de erro padro, em que se compe
quadraticamente o desvio padro da mdia com o desvio padro de calibrao do instrumento:
Erro padro:
p = 2m + L2r = 0,0048V
Finalizando, o valor mais provvel da tenso da pilha pode ser representado por:
U P = (1,5763 0,0048)V
Afinal, qual o valor que devemos usar? Depende. Para comparar sries de medidas no mesmo instrumento,
podemos usar a mdia U e o desvio padro da mdia. Para comparar medidas entre si, basta o desvio
padro. Para comparar medidas em instrumentos diferentes, precisamos do erro padro.
13
w
i
w =
x x
x
xi
A incerteza de w, neste grfico, pode ser obtida pela simples projeo da incerteza de x. Para
pequenos intervalos no eixo x, temos em primeira ordem:
w =
w
x
x
(2.2)
Para vrias variveis independentes entre si, podemos escrever uma frmula geral:
2
w 2 w 2 w 2
2w =
y +
x +
z + ... (2.3)
x
z
y
2
L
L
2L = a2 + b2
a
b
2
2
= 1. a + 1. b
2
que resulta:
2L = 2 2 + 0,52 = 4,25
L = 2,06 cm
14
Logo
L = (20,0 2,1) cm
L
L
2L = 2a + b2
a
b
2
2
= 1. a + 1. b
2
resulta:
L2 = 22 + 22 = 8
L = 2,8 cm
Logo
L = (4,0 2,8) cm
Note que, na soma, tanto a grandeza como a incerteza aumentaram, mas na diferena de duas grandezas
experimentais, apesar do resultado ser menor em mdulo, a incerteza final maior que a das partes.
C) Multiplicao de grandezas experimentais: volume de um cilindro
Vamos agora determinar o volume do cilindro na figura abaixo em que se mediram o raio e a altura.
15
V 2 V 2 V 2
=
+
R +
L
R
L
= ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) 2L
2
2
V
dividindo por V 2
V2 ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) 2L
=
( R 2 L ) 2
V2
V
2
= + R + L
V
R L
2
=0
(i)
1
2 R =
R 2,0
(ii)
L 0,5
=
L 10,0
(iii)
V
= 0 2 + 0,52 + 0,052 = 0,5025
V
MUITO IMPORTANTE: Na equao acima, de propagao de incertezas na multiplicao e diviso,
obtivemos a incerteza relativa V V . NO ESQUEA DE MULTIPLIC-LA PELO RESULTADO (V)
PARA OBTER A INCERTEZA ABSOLUTA. Multiplicando V por V e ajustando o nmero de
algarismos significativos...
V = (13 6) x 10 cm3
Os resultados acima so mais gerais do que parece primeira vista. Para as quatro operaes, podem ser
resumidos como segue:
No Quadro 2.1, a seguir, esto resumidos os principais casos de propagao de incertezas. Uma importante
regra prtica pode ser obtida se notarmos que o resultado de propagao de incertezas no precisa ser feito
com preciso numrica maior que cerca de 5%. Logo:
Qualquer termo menor que 1/3 do maior termo na soma em quadratura pouco contribui no resultado
final e, em geral, pode ser desprezado.
Exemplificando: Volte para o exemplo A, a soma de dois segmentos: L calculamos o resultado de :
2L = 2 2 + 0,5 2 = 4,25
observe que 0,52 << 22, ou seja, se desprezarmos o termo menor, o resultado seria 4,00, que arredondado
para um significativo resultaria L = 2 cm , no muito diferente do resultado anterior, 2,1 cm.
Algebricamente: sejam x1 e x2 os termos de uma soma em quadratura com x2 = k x1. A soma em quadratura
resulta:
S = x12 (1 + k 2 )
(2.3)
Seja agora
S ' = x22
(2.4)
em que se desprezou x1 uma vez que k>1. Note que S > S, uma vez que x2 > x1. Queremos saber, o menor
valor de k de forma que S e S no difiram em mais que 5%. Queremos que
S'
> 0.95
S
(2.5)
k > 3.0
(2.6)
Isto pode simplificar muito as contas pois, numa soma em quadratura, podemos simplesmente desprezar
termos menores que 1/3 do maior. Isto permite, na maioria das vezes, um clculo rpido, sem o uso de
calculadora. Atente que so os termos da soma em quadratura que devem ser comparados, no as
incertezas.
s 0,05 (m)
4,60
6,90
11,10
20,60
v (m/s)
1,840,55
2,760,82
3,991,20
9,882,96
Velocidade(m/s)
12
16
20
24
Espao (m)
Note que a incerteza do espao no foi colocada no grfico, pois menor que o ponto marcado. Neste
grfico tambm foi ajustada uma reta mdia que representa os pontos experimentais. A reta mdia pode ser
traada observando algumas regras simples:
Procure passar a reta equilibradamente pelo maior nmero de pontos.
A origem (0; 0) pode ou no ser um ponto experimental. Se for fisicamente justificvel, trate-a como
qualquer outro ponto experimental. Caso contrrio, trace a melhor reta ignorando a origem.
A reta deve estar contida na maioria das barras de incertezas.
w = w (x, y, ...)
Expresses para w
w=xy
2w = 2x + 2y
soma e subtrao
18
w = axy
multiplicao
w = a ( y / x)
diviso
w = xm
potncia simples
w = ax
multiplicao por constante
w = ax + b
w
x y
= +
w
x y
w
x y
= +
w
x y
=m x
w
x
w
x
=
w
x
ou w = a x
= x
w
x
ou w = a x
w = axpyq
x y
w
= p + q
x y
w
w = a sen(bx)
w = ab cos( bx ) x
b x em radianos
funo qualquer
aplicar a definio
19
3. Linearizao de curvas
3.1 Introduo
Numa experincia, costumamos comparar os valores das medies com algum modelo fsico,
provavelmente expresso na forma de uma equao algbrica. Todavia, muitos fenmenos no so lineares, isto
, no podem ser descritos por uma reta. Nestes casos, modelar os pontos experimentais ou ajustar uma funo
qualquer aos pontos experimentais requer o uso de mtodos numricos avanados nem sempre disponveis de
forma imediata. Num primeiro momento, pode-se optar pela linearizao da funo em jogo. A linearizao de
uma funo nada mais que a transformao de uma funo curvilnea (no linear) numa reta, ou seja, a
converso dos dados experimentais por meio de uma mudana de variveis para uma relao linear que
permita ajustar uma reta e determinar os seus coeficientes. Invertendo o procedimento de linearizao, pode-se
ento determinar os parmetros da funo no linear procurada.
Exemplo: Para determinar a acelerao da gravidade, usamos os dados de um corpo em queda livre.
Inicialmente preparamos uma tabela com os tempos e espaos e construmos o grfico a seguir:
Espao no tempo
80
60
40
20
0
0
T empo (s)
Neste tipo de grfico, onde s = s0 + v0.t +(a/2)t2, no imediato determinar a acelerao do corpo. Mesmo
supondo v0 = 0 e s0 = 0 (com o eixo y no sentido da acelerao) a expresso se converte em:
s = at2/2
(3.1)
que ainda uma funo no linear em t. Se, ao invs de graficarmos s x t como na figura 3.2, graficarmos
s x t2/2, teremos uma reta:
s = ax
(3.2)
Onde a o coeficiente angular da reta, conforme pode ser visto na figura 3.2. Logo:
Espao no tempo ao quadrado
80
60
40
20
0
0
Pode ocorrer que as grandezas medidas sejam afetadas por um desvio constante. No exemplo acima,
poderia ter ocorrido que o tempo e/ou espao inicial sejam diferentes de zero. Esses desvios (inicialmente
lineares), em geral introduzem desvios no lineares nas novas variveis linearizadas e podem invalidar suas
concluses. Dada sua natureza, esses desvios costumam afetar mais os valores pequenos que os grandes e
podem ser identificados na forma de desvio sistemtico dos pontos experimentais da curva (linear) graficada.
Existem diversos outros mtodos de linearizao: Ainda se usa muito graficar o logaritmo das
grandezas o que reduz potncias em coeficientes angulares e coeficientes multiplicativos em lineares. Os
papis dilog e mono-log so uma forma prtica de executar transformaes log sem necessidade de clculos.
Outro mtodo, que na prtica reduz o grau da funo, graficar a derivada da funo. No h uma regra geral
para linearizao de funes. Prtica e criatividade so alguns dos requisitos.
y = ae bx
Funes exponenciais podem ser linearizadas aplicando o logaritmo em ambos os termos, que resulta:
ln( y ) = ln(ae bx )
(3.3)
ln( y ) = ln(a ) + bx
(3.4)
(3.5)
10
10cm
3
2
4,8cm
3.0cm
Figura 3.3. Escala mono-log. Neste caso, a escala, tambm denominada ciclo, de 10cm para cada ordem de grandeza
(fator 10). Outras escalas e vrios ciclos so possveis. (um exemplo: dado que log(3) = 0.477, temos que 10.log(3) =
4.8cm.)
21
O papel di-logartmico (di-log) repete o eixo log tambm para o eixo das abcissas (eixo x) e til para
linearizar potncias simples, tais como y = a bx que ser discutido a seguir.
Potncias simples do tipo axb tambm podem ser linearizadas aplicando o logaritmo em ambos os termos:
(3.6)
Levando novamente a uma reta com coeficiente angular b e coeficiente linear log(a).
4. Interpolao de tabelas.
Ao consultar uma tabela, dessas publicadas em livros expecializados, muito difcil encontrar exatamente o
valor procurado. Se por exemplo estivermos procurando o ndice de refrao de um determinado material em
funo da temperatura, em geral ocorre que a temperatura desejada est entre dois valores tabelados. A soluo
interpolar os dados da tabela. Existem vrios mtodos de interpolao de dados em tabelas: pode-se usar
polinmios, funes logartmicas, exponenciais, etc. Esses mtodos podem ser encontrados em qualquer livro
bsico de mtodos numricos.
Ocorre que muitas dessas tabelas so compiladas de forma que uma simples interpolao linear seja
suficientemente precisa, ou seja, o erro da interpolao linear menor que a incerteza dos valores tabelados.
Veja o exemplo abaixo:
Tabela 4.1. Presso de vapor da gua lquida.
Temperatura (C)
60
80
100
120
Presso (Torr)
149,4
355,1
760
1489
Para determinar a presso de vapor a 90C, pode-se interpolar linearmente a tabela entre os valores de 80 e
100C. A interpolao linear pode ser entendida como o ajuste de uma reta a DOIS pontos da tabela e a
determinao de um valor intermedirio no tabelado. A figura 4.1 exemplifica o procedimento graficamente.
y1
yi
y
X0 Xi
X1
22
Sejam os pontos (xo, yo) e (x1, y1) dois pontos quaisquer consecutivos na tabela. Ajustando-lhes uma reta,
pode-se escrever, para um ponto (xi, yi) intermedirio.
y i y 0 y1 y 0
=
xi x0 . x1 x 0
(4.1)
Isolando yi temos:
y y0
yi = y 0 + ( xi x 0 ). 1
x1 x 0
(4.2)
760 355
y 90 = 355 + (90 80).
100 80
(4.3)
23