Física Geral e Experimental I

1/50
Apostila de Fsica Experimental

Prof. Dr. Paulo Csar de Souza
Universidade Estadual de Mato Grosso do Sul Apostila de Fsica Experimental Prof. Paulo Csar de Souza http://fisica.uems.br
2/50
ndice
1 Introduo medida ................................................................................... 3 1.1 1.2 1.3 2 2.1 2.2 2.3 Instrumentos de Medida....................................................................... 4 Princpios de funcionamento do Nnio ou Vernier[1] .................... 6 Arredondamentos ....................................................................... 12 Algarismos significativos e arredondamentos .................................... 11 Exerccios .......................................................................................... 13 Escala ................................................................................................ 15 Regras prticas de construo de um grfico............................. 18 Anlise Grfica................................................................................... 20 Linearizao....................................................................................... 21 Linearizao de polinmios ........................................................ 22 Linearizao de funes especiais ............................................. 23 1.1.1 1.2.1
Representao Grfica ............................................................................. 15 2.1.1
2.3.1 2.3.2 3 3.1 3.2 3.3 3.4 3.5 3.5.1 3.6 4 5 6 3.6.1
Erros.......................................................................................................... 27 Distribuio Discreta de Probabilidade .............................................. 28 Valor Mdio........................................................................................ 31 Distribuio Binomial.......................................................................... 32 Anlise do lanamento de uma moeda....................................... 34 Distribuio de Poisson...................................................................... 38 Variveis contnuas............................................................................ 39 Densidade de Probabilidade Gaussiana e Intervalo de Confiana. 40 Espao amostral de varivel contnua ............................................... 41 Valor mdio e desvio padro ...................................................... 42
3.3.1
Mtodo dos Mnimos Quadrados .............................................................. 45 Como fazer um bom relatrio.................................................................... 46 Bibliografia ................................................................................................ 50
3/50
1 Introduo medida
O papel da cincia est na acumulao de conhecimentos e o uso estruturado de conhecimento para prover uma melhor compreenso da natureza. Assim, com o uso de uma linguagem prpria um mtodo o mtodo cientfico o homem pode. Segundo o dicionrio Aurlio temos a seguinte definio de medida: Ato ou processo de comparar uma grandeza com outra com o objetivo de associar primeira um numero caracterstico do seu valor em face da grandeza com a qual foi comparada; medio. Informao Tomada de deciso Padro
Grandeza Medida (Entidade suscetvel de medida)
Importante: Uma medida visa descrio quantitativa de fenmenos fsicos. Grandezas mais comuns: Comprimento Massa rea Volume Temperatura Tempo = Escalar Unidade de medida
So expressas como: Exemplos: (a) Comprimento
4/50
Figura 1-1 Medida de um objeto de comprimento L com uma rgua metlica.
L= 5,8 cm Escalar
Unidade
(b) Intervalo de tempo
t = 0,5 h = 30 min = 1800 s
(c) Rapidez
v=
x = 72 km/h = 20 m/s t
Observao: Os processos (a) e (b) so realizados com medidas diretas e (c) por indiretas.
1.1 Instrumentos de Medida

Um instrumento de medida um agente mecnico na execuo de qualquer trabalho cujo fim a medio. Necessariamente qualquer instrumento necessita de um padro de referncia para sua devida calibrao. Tome-se, por exemplo, uma rgua que voc compra em lojas. Essa rgua vem com riscos devidamente espaados de acordo com o padro existente na fbrica.
5/50 Para termos uma medida de 1 metro confivel necessita-se de padres excelentes isto um problema tecnolgico. No caso da medida de comprimento usa-se o metro cuja recente definio a extenso percorrida pela luz no vcuo em 1/299.792.458 segundos. Nesse caso o uso de fontes de luz lasers essencial caracterizao do padro e da medida. Em resumo temos: Padres confiveis com a utilizao de alta tecnologia (experimentos complexos) Padres secundrios obtidos atravs de padres primrios previamente aferidos. Dessa forma, uma rgua comprada numa loja possui intrinsecamente uma incerteza instrumental ou at mesmo um instrumento de qualidade adquirido em departamentos especializados. O problema da falta de exatido crucial em qualquer cincia experimental, citamos alguns: Resoluo a aptido de um instrumento em distinguir valores muito prximos da grandeza a ser medida. Limiar ou limiar de sensibilidade a menor variao de um estimulo que provoca uma variao perceptvel na resposta de um instrumento de medir. Estabilidade a aptido de um instrumento de medio conservar seus padres metrolgicos. Justeza a aptido de um instrumento em apresentar medidas isentas de erros sistemticos. Fidelidade a aptido de um instrumento, sob condies definidas de utilizao, a respostas prximas a um mesmo estmulo. As medidas so realizadas com instrumentos adequados a cada situao. A necessidade em se medir uma dada grandeza vai depender em geral de muitos parmetros, e.g. preciso e exatido do instrumento utilizado. Os instrumentos mais comuns de medida so:
Rgua milimetrada
6/50

Paqumetro Micrmetro ou plmer Relgios mecnicos, eltricos, eletrnicos ou atmicos Balana de mola (dinammetro), de travesso ou eletrnica.
Os itens (1) ao (3) so medidas de comprimento, (4) de espao de tempo e (5) de massa.
1.1.1 Princpios de funcionamento do Nnio ou Vernier[1]

Imagine a seguinte situao: voc realiza a medida de um objeto com uma rgua milimetrada e o resultado um nmero no inteiro de divises. O que fazer para a determinao da parte fracionria? A resposta a esse problema o uso do Nnio*. Esse dispositivo permite efetuar a leitura dessa parte fracionria (menor diviso da escala principal) atravs de uma escala auxiliar anexada a escala principal. Esse o princpio de funcionamento do paqumetro.
Figura 1-2 Representao da escala principal (verde) com o Nnio (azul) adaptado a mesma.
Um exemplo apresentado na Figura 1-2 com a presena de duas escalas principal e secundria (chamada aqui de Nnio ou Vernier) com zeros coincidentes. A escala principal possui N = 10 divises e a escala do Vernier
Forma latinizada de Nunes, inventor do aparelho.
7/50 corresponde a N 1 = 9 divises da escala principal. Assim, cada diviso do Nnio mais curta que
1 1 da escala principal, em nosso caso (conforme N 10
assinalado na figura anterior), ou seja, a parte ou diviso que ficou para as escalas serem iguais foi diluda negativamente na escala do Vernier. Na Figura 1-2 podemos observar que a 1a diviso do Nnio
1 mais curta que a 1 10 2 da 2 diviso da 10
diviso da escala principal. A 2 diviso do Nnio est escala principal e a 3 diviso do Nnio est
3 da 3 diviso da escala 10
principal. Isso se repete at que a 10 marca do Nnio coincida com a 9 marca da escala principal e, obviamente, a distncia entre as dcimas marcas ser
10 . 10
Uma escala construda dessa forma, i.e. Vernier, quando a movemos para a direita faz com que haja sempre uma coincidncia entre as marcas de ambas as escalas. Quando realizamos uma medida de um objeto o zero do Nnio ir marcar a quantidade inteira de divises deslocadas da escala principal e a parte fracionria da medida ser de acordo com a coincidncia da escala do Vernier com a escala principal. Na Figura 1-3a podemos observar que o deslocamento fracionrio da escala principal foi de 7
1 , i.e. onde a 7 marca do Nnio coincidiu com uma 10
marca da escala principal. Entretanto, na Figura 1-3b o deslocamento do Nnio foi de 2 divises da escala principal adicionado uma parte fracionria de
8 1 ,conforme a coincidncia assinalada. Assim, observamos que o Nnio 10 1 da escala principal. 10
nos d uma preciso de
8/50
Figura 1-3 Exemplos de leitura com um Nnio de N = 10 divises. Na parte superior o Nnio se deslocou uma frao da 1 diviso da escala principal e essa frao foi de
7 . 10
J na parte inferior o deslocamento do Vernier foi 2 divises da escala principal e uma frao cuja leitura no Nnio foi de principal.
8 , ou seja, a leitura final de 2,8 divises da escala 10
Na Tabela 1-1 podemos observar os parmetros da medida feita na Figura 1-3b. Note que nessa tabela a 8 marca do vernier coincide exatamente com a 10 marca na escala principal, ou seja, a parte fracionria da media 0,8.
Tabela 1-1 Os valores e erros associados medida mostrada na Figura 1-3b. Marca do Nnio Leitura da escala principal Erro a marca mais prxima Marca mais prxima da escala principal 0 2,8 0,2 3 1 3,7 0,3 4 2 4,6 0,4 5 3 5,5 0,5 ? 4 6,4 0,4 6 5 7,3 0,3 7 6 8,2 0,2 8 7 9,1 0,1 9 8 10 0,0 10 9 10,9 0,1 11 10 11,8 0,2 12
9/50 No caso geral a preciso P do Nnio dada pela seguinte equao:
P=
D N
(1.1)
onde D a menor diviso da escala principal e N o nmero de divises do Nnio ou Vernier. Numa leitura cujo zero do Vernier se deslocou L0 divises inteiras da rgua principal mais um nmero n de fraes de divises do Vernier, o valor total ser: L = L0 + nP mercado:
Tabela 1-2 Parmetros de alguns Verniers existentes.
(1.2)
Na Tabela 1-2 apresentamos alguns tipos de Nnio existentes no
N
Nmero de divises do Vernier
C (mm)
Comprimento total do Vernier
D (mm)
Comprimento da menor diviso da escala principal
d (mm)
Comprimento da menor diviso do Vernier
P (mm)
Preciso do dispositivo
10 10 20 50
9 19 39 49
1 1 1 1
10 10 20 50
0,1 0,1 0,05 0,02
19 39 39
Na tabela anterior a menor leitura possvel com um Nnio de 50 divises de P = 0, 02 mm . Entretanto, isso na pratica difcil de se obter devido dilatao trmica do material e uma eventual folga durante a medida. Dessa forma o grande nmero de divises do Nnio pode ser um problema na determinao das marcas que h coincidncia.
10/50 O estudante pode recortar o exemplo de Nnio apresentado na Figura 1-4 para praticar a leitura do paqumetro.
Figura 1-4 Exemplo de Nnio para recortar e praticar.
0 1 2 3 4 5 6 7 8 9 10 0,05mm
10 20 30 40 50 60 70 80
11/50
1.2 Algarismos significativos e arredondamentos

Algarismos significativos so os algarismos que indicam, com significado fsico, a medida de uma grandeza. No faz sentido que a medida venha afetada de uma aproximao maior do que aquela que permitida pelo valor do limite superior do erro. Se fizermos uma medida da largura de uma mesa com uma rgua graduada, cuja menor diviso da escala 1 mm e o resultado vir apresentado pelo nmero, L = 97, 65 cm . Neste caso, nem todos os algarismos deste nmero merecem o mesmo grau de confiana. Assim, os algarismos 9,7 e 6 so algarismos lidos na escala da rgua (exatos) enquanto que o 5 s por estimativa poder aparecer. Ele refere-se a meio milmetro, diviso que no existe na escala dessa rgua. Numa medida adota-se a seguinte regra: 1) O nmero no-nulo a esquerda o mais significativo; 2) O nmero a direita o menos significativo, zero inclusive; 3) Todos os nmeros entre o menos e o mais significativo devem ser tomados como relevantes. Exemplos: 0,4230 ou 4,230x10-1
Algarismos significativos
Os clculos com medidas feitas em instrumentos com diferentes incertezas devem ser efetuados da seguinte forma: Sempre o resultado deve ser expresso com a preciso do aparelho de menor fidelidade:
12/50
exemplo: a) Soma de dois comprimentos: 12,5 mm + 0,75 mm = 13,25 mm 13,2 mm.

Medida com rgua de incerteza 0,5 mm Medida paqumetro incerteza 0,05 mm com de
b) No clculo de rea: 12,5 mm x 0,75 mm = 9,375 mm2 9,4 mm2.
1.2.1 Arredondamentos
Corriqueiramente temos que realizar operaes de arredondamento. Seja na soma ou subtrao de mesmas quantidades o nmero de algarismos significativos deve ser mantido. Mas, quando h excessos de algarismos adotase a regra a seguir[2]:
...W , YX ABCD...
significativos excesso
Os algarismos ABCD... devem ser eliminados e o algarismo X deve ser acrescido de uma unidade ou no. Os arredondamentos devem ser feitos como a seguir: a) As fraes de 0,000... a 0,499... so eliminadas e o algarismo X permanece inalterado. b) As fraes de 0,500... a 0,999... so eliminadas e o algarismo X deve ser mudado para X + 1 . c) Se a frao a ser eliminada exatamente 0,50000..., ento o resultado no algarismo X deve ser par aps o arredondamento.
13/50 Alguns exemplos: 2,43 2,4 3,688 3,7 5,6500 5,6 5,7500 5,8
1.3 Exerccios
1) Uma vez decidido o que caracteriza o tamanho do besouro, qual das alternativas abaixo melhor caracteriza a medida do tamanho do besouro[3]? a) Entre 0 e 1 cm b) Entre 1 e 2 cm c) Entre 1,5 e 1,6 cm d) Entre 1,54 e 1,56 cm e) Entre 1,546 e 1,547 cm 2) Qual o dimetro da moeda na figura ao lado[3]? a) Entre 0 e 2 cm b) Entre 1 e 2 cm c) Entre 1,9 e 2,0 cm d) Entre 1,92 e 1,94 cm e) Entre 1,935 e 1,945 cm
3) Quantos algarismos significativos existem em cada um dos valores a seguir?

(a)13,5 cm (f) 2002,0 cm/s (b) 0,010 kg (g) 978,7 cm/s2 (c) 1,01x10-3 s (h) 6,02x1023 (d) 4,123 g (i) 3,14159 (e) 11,342 g/cm3 (j) 3x108 m/s
4) Arredonde os valores abaixo, para apenas dois algarismos significativos:

(a) 34,48 m (b) 1,281 m/s (c) 8,563x103 s (d) 4,35 cm3 (e) 9,97x10-6 g
14/50
(f) 0,0225 N (g) 2787 m (h) 0,04095 km (i) 143768900 (j) 2,54 cm
5) Escreva os resultados das operaes matemticas a seguir, respeitando o uso de algarismos significativos:
(a) 1,02x105kg 3,1m3 (d) 1,89x102g - 2,32g (b) 345m + 23,3m + 1,053m (e) 10,0m 0,01s (c) 390,5g 22,4cm3 (f) 12g 6,02x1023
6) As figuras apresentadas abaixo representam um paqumetro em duas posies. Na primeira (1), o instrumento est fechado e na segunda (2), est aberto, medindo a dimenso L de um objeto. (a) Qual a resoluo do paqumetro?
[1]
[2]
15/50
2 Representao Grfica
Quando temos que manipular grande quantidade de informao necessrio o uso de grficos. Isso se torna mandatrio para a correta anlise e compreenso das grandezas envolvidas. Note que uma grande quantidade de informao seja ele na forma de dados experimentais ou em qualquer outra forma implica em conhecimento. Necessitamos analisar essa coleo de dados e, para isso, utilizamos a representao por grficos. Assim, a relao entre quaisquer grandezas envolvidas pode ser facilmente detectada.
2.1 Escala
O primeiro passo a ser determinado na construo de um grfico a escala de representao dos dados. Toda escala possui um passo, ou seja, um segmento de reta delimitado entre dois traos perpendiculares ao segmento.
passo = 1cm
10
20
30
m (g)
degrau = 5g
Figura 2-1 Definio de passo e degrau num grfico de representao de uma grandeza fsica, i.e. a massa.
Na Figura 2-1 apresentamos a definio de passo que a menor distncia real entre duas marcas seqentes no segmento de reta. Como visto na figura
16/50 em questo existe uma grandeza fsica associada a escala, assim esses dois traos consecutivos d-se o nome de degrau. Desta feita temos:
M=
passo 1 cm 1 cm = = g degrau 5 g 5
(1.3)
Figura 2-2 Exemplo de grfico linear e logartmico. Note que no grfico linear o passo e o degrau so facilmente determinados. Na escala logartmica o degrau pode ser determinado facilmente, mas o passo segue geometricamente uma funo do tipo log.
17/50 Assim, a cada variao de distncia no papel temos uma variao na grandeza fsica medida a cada 1 cm tem-se 5 g. Na parte inferior da Figura 2-2 apresentamos um grfico do movimento de um mvel em funo do tempo onde assinalado os passos e degraus de cada eixo coordenado. O passo de uma escala pode ser linear ou no. Os tipos mais comuns de escalas so a linear e logartmica mostrados na Figura 2-2 nas partes inferior e superior, respectivamente. uma funo do tipo log, veja Figura 2-3. Observe que na escala logartmica o degrau pode ser determinado facilmente,mas o passo segue geometricamente
8 9
10
Figura 2-3 Exemplo de uma escala log. Observe que os espaamentos seguem uma funo log. A escala comea em 1, pois log(1) = 0. Observe que a distncia entre dois nmeros no eixo proporcional diferena dos seus logaritmos.
Para facilitar a construo grfica a leitura dos valores numa escala logartmica direta ao invs dos seus logaritmos, conforme Figura 2-3. Veja que uma unidade corresponde ao intervalo entre duas potncias sucessivas de dez (log10[10n]-log10[10n-1]=n-n+1=1). Na Figura 2-4 podemos averiguar com mais detalhe como as escalas se relacionam entre si. No eixo das ordenadas temos uma escala linear cujo espaamento linear nas divises apresentadas inclusive nos nmeros delimitando cada ordenada, e.g. 0,8 0, 7 = 0,1 . No eixo das abscissas os espaamentos seguem uma funo logartmica (geometricamente) e os nmeros que delimitam cada diviso no. Observe que cada ponto do grfico o nmero apresentado na abscissa tem seu logaritmo correspondente na ordenada.
Pela simplicidade os grficos log utilizam a potncia 10. Mas voc pode inventar a sua.
18/50 Abscissa
1,1 1,0 0,9
Ordenada (Linear) 0 0,30103 0,47712 0,60206 0,69897 0,77815 0,8451 0,90309 0,95424 1
(Log) 1 2 3 4 5 6 7
0,9 1 2 3 4 5 6 7 8 9 10
Escala Linear
0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 -0,1
Escala Logartimica
8 9 10
Figura 2-4 Comparao entre as escalas linear e logartmica (base 10). Ao lado temos uma tabela de comparao dos valores na escala logartmica (abscissa) e linear (ordenada). Observe que na escala linear os resultados assinalados so resultados da aplicao da funo log nos nmeros da escala logartmica.
2.1.1 Regras prticas de construo de um grfico

Cada um dos eixos deve conter o nome (ou smbolo) da varivel representada, a escala de leitura e a unidade correspondente. Escolha uma escala conveniente para a qual o grfico represente bem o intervalo medido para cada varivel. A regra prtica para esta definio dividir a faixa de variao de cada varivel pelo nmero de divises principais disponveis :
U = x Arredondar para o mltiplo mais prximo 1, 2 ou 5. C
(1.4)
aqui U a variao de unidades dos dados e C a variao na escala disponvel. Toma-se ento um arredondamento a valor superior e de fcil leitura. Estes valores de fcil leitura so: 1, 2 ou 5 unidades ou qualquer mltiplo ou submltiplo de 10 delas. Por exemplo, no papel milimetrado, se a faixa de variao dos dados for de 35 unidades e o nmero de cm disponveis
19/50 for de 10 cm, chegamos ao valor ideal de 5 unidades para cada diviso do grfico, pois
35 Mltiplo mais prximo = 3, 5 5 . 10
Apresentamos abaixo um exemplo de um grfico:

220 200 180 160
Velocidade (km/h)
140 120 100 80 60 40 20 -5 0 5 10 15 20 25 30 35 40 45
Tempo (s)
Figura 2-5 Velocidade de um automvel acelerando. Aqui C= 10 cm e U= 35 s, portanto
U Mltiplo mais prximo = 3,5 5 . C
Na Tabela 2-1 esto dispostos os pontos experimentais apresentados no grfico na Figura 2-5. Observe que na coluna das velocidades h uma incerteza em cada medida. E essa incerteza apresentada no grfico anterior como uma barra vertical indicando valores acima e abaixo do valor da velocidade.
20/50
Tabela 2-1 Velocidade (v) medida em funo do tempo (t), para um automvel acelerando. t(s) 0 5 10 15 20 25 30 35 v(km/h) 42 7 67 7 101 7 134 7 161 7 183 7 196 7 200 7
2.2 Anlise Grfica

O grfico cartesiano composto de duas retas ortogonais ou perpendiculares. O ponto de interseco das retas ou semi-retas o ponto de origem do grfico que nem sempre se identifica com a origem das escalas. A escala horizontal chamada de eixo das abscissas e a vertical de eixo das ordenadas. Atravs de um par de coordenadas um ponto estabelecido no grfico. Esse ponto pode representar a medida de duas grandezas fsicas. Uma reta, conforme mostrado na Figura 2-6, caracterizada pela relao linear entre um par de pontos no grfico cartesiano, isto
y = a + bx
(1.5)
a o coeficiente linear e b o coeficiente angular da equao. O coeficiente

angular numericamente igual a tangente do ngulo que a reta faz com o eixo das abscissas:
b= y y2 y1 numericamente igual = tan x x2 x1
(1.6)
21/50 e quando a abscissa se anula temos o coeficiente linear:

x=0 y=a
(1.7)
O coeficiente linear tambm pode ser obtido da equao (1.5) com um ponto qualquer da reta, e.g. (x1, y1):
a = y1 bx1
(1.8)
Eixo y (Ordenada)
y2
y=y2-y1 y1 x=x2-x1
x1
x2
Eixo x (Abscissa)
Figura 2-6 Elementos no plano cartesiano necessrios para a determinao de uma reta.
2.3 Linearizao
Analisar uma grande quantidade de pontos experimentais uma tarefa rdua e dispor esses pontos experimentais num grfico facilita a compreenso da situao.
22/50
2.3.1 Linearizao de polinmios

comprovado cientificamente que nosso crebro facilmente identifica uma curva de uma reta; funes do tipo x2 e x4 no so perceptveis. Para funes polinomiais do tipo:
y ( x ) = Ax B + C
(1.9)
Resulta numa reta se fazemos a seguinte substituio de variveis:
z = x B y ( z ) = Az + C
(1.10)
Assim, fazendo-se o grfico da funo da equao (1.10) os coeficientes A e

C so determinados prontamente.
200
200
150
h(cm)
150
100
50
h (cm)
100
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
t(s)
50
0,0
0,1
0,2
0,3
0,4
z (s )
Figura 2-7 Grfico linearizado de um objeto em queda livre com a mudana de varivel z=t . No grfico interior podemos observar o grfico dos pontos originais.
2
23/50
Tabela 2-2 Altura (h) em funo do tempo (t) para um objeto em queda livre. t(s) 0,01 0,225 0,319 0,390 0,450 0,504 0,552 0,596 0,637 h(cm) 200 173 151 124 99 76 48 26 1 z=t (s ) 0,0001 0,051 0,102 0,152 0,203 0,254 0,305 0,355 0,406
2 2
Na Tabela 2-2 apresentamos os pontos experimentais da Figura 2-7. A partir desse grfico podemos determinar os coeficientes da reta, isto
A = -4,9 102 cm s 2 e C = 2, 0 10 2 cm .
2.3.2 Linearizao de funes especiais

Se a funo for do tipo y = C e x () facilmente linearizada pela funo ln, i.e. a funo logaritmo natural ou neperiano:
ln y = ln C e x = ln C + x
(1.11)
Um outro tipo de funo pode ser y = A x B que pode ser linearizada pela aplicao da funo log:
log y = log A x B = log A + B log x
(1.12)
Aps a aplicao da funo ln ou log nas funes acima os pontos passam a descrever uma reta.
O numero transcendental
e equivale a: e = 2,7182818284590452353602874713527...
24/50 Na equao (1.11) os dados do eixo das ordenadas descrevem uma funo ln e o eixo das abscissas descrevem uma funo linear em x. Se colocamos os pontos dessa funo num papel do tipo mono-log teremos uma reta.
Tabela 2-3 Exemplo de valores de uma funo exponencial. x(cm) 0,0 0,4 1 1,4 2,0 4,0 4,4 7,5 T/T0 1,0 0,801 0,606 0,473 0,341 0,127 0,102 0,0165 ln (T/T0) 0 0,222 0,501 0,749 1,076 2,064 2,280 4,104
Na Tabela 2-3, apresentamos os dados para um decaimento exponencial, e na mesma tabela j inclumos os valores do logaritmo da ordenada.
-1
ln(T/T0)
T/T0
0,1
-2
ln(T/T0)=4
-3
-4
0,01 -1 0 1 2 3 4 5 6 7 8
-1
x (cm)
Figura 2-8 Grfico dos dados da Tabela 2-3 da transmisso normalizada. A esquerda a transmisso T/T0 (segunda coluna) graficada diretamente na escala mono-log direita temos o grfico linearizado ln (T/T0) (terceira coluna) em papel milimetrado. e a
x=-7,4
x (cm)
25/50
Graficando-se os dados desta tabela (Figura 2-8) podemos verificar a linearizao da curva, indicando que a exponencial uma boa aproximao para estes pontos. Os parmetros e ln C so dados, respectivamente, pelo coeficiente angular e pelo termo constante da reta. Do grfico (a direita), obtemos:
Podemos obter os mesmos valores diretamente do grfico da Figura 2-8 (esquerda) lembrando que o papel log na base 10. Para que possamos obter o mesmo resultado tomamos (por exemplo) dois pontos (1. e o ultimo), ento o coeficiente angular nessa escala ser:
log1 log 0, 0165 0, 2377...cm -1 7, 5 0
Essa discrepncia com o valor apresentado na equao (1.13) devido ao log ser na base 10, portanto:
Na Tabela 2-4 temos os pontos apresentados no grfico da Figura 2-8.
Tabela 2-4 Comprimento (L) e perodo (T) do pndulo.
0, 54 cm1 e C = 1. (1.13)
(1.14)
log e
= 0, 54 cm -1
(1.15)
L(cm) 0,1 10,0 40,0 70,0 100,0 130,0 160,0 190,0
T(s) 0,01 0,72 1,13 1,75 1,95 2,42 2,46 2,82
26/50 Um exemplo muito ilustrativo na obteno do coeficiente de atenuao de um grfico exponencial mostrado na Figura 2-9. Nesse grfico temos todos os passos para a obteno desse coeficiente e sua correo devida a escala logartmica ser na base 10. Uma outra forma de encontrar o resultado da expresso log Y f log Y medir Y e L (medida de uma dcada) com uma rgua, a razo
Y o resultado quisto, conforme mostrado na Figura 2-9. L
T (oC)
A=160
Y = A ebX
b log e = = Y log Y f log Yi = X X f Xi log 20 log100 71 10 0, 012 s-1
30 200 100
50 4 30 20
Y = Y f Yi
b 0,027s-1
X = X f X i
1 0 10 20 30 40 50 60 70
t (s)
Figura 2-9 Grfico exemplo de obteno do coeficiente b de atenuao da funo
Y = A ebX . Note que o coeficiente deve ser corrigido conforme equao (1.15). O
resultado
b log e pode ser obtido atravs da razo
Y com as medidas de Y e L L X
obtidas atravs de uma rgua.
27/50
3 Erros
Um resultado experimental s adquire confiabilidade quando repetido vrias vezes por diferentes mtodos e tcnicas. Essa afirmao decorre da impossibilidade de se conhecer a priori os erros experimentais que esto associados a uma dada experincia, ou seja, incerteza. Os erros experimentais so divididos em:
Sistemticos (Figura 3-1) o Instrumental Falta de calibrao do instrumento de medida; o Teoria Uso de frmulas tericas aproximadas ou de constantes fsicas; o Ambiental Efeito do ambiente como presso, temperatura, etc. o Observacional Falhas ou limitaes do observador; Aleatrios ou randmicos (Figura 3-1) o Originam-se de variaes aleatrias no valor da medida de uma grandeza e no podem ser controlados. Grosseiros o Leitura enganada e/ou negligncia (esquecer a bolacha no prato da balana)
Figura 3-1 Exemplo de erros aleatrios (a) e sistemticos (b).
28/50
A definio de erro em cincia experimental algo muitas vezes confuso, pois quando falamos em erro devemos saber o quanto estamos errados. A palavra que mais adequada correntemente deve ser a incerteza. Seja uma grandeza y medida:
erro = yexperimental yverdadeiro
(1.16)
De acordo com a equao (1.16) no conhecemos yverdadeiro (valor verdadeiro da grandeza) e erro . A definio da expresso anterior define o conceito de erro. O que se possvel saber a respeito de yverdadeiro e erro so em termos probabilsticos. Assim, em fsica experimental trabalhamos com os seguintes conceitos:
valor provvel yverdadeiro y p valor provvel erro p
(1.17)
Dessa forma, tem-se uma incerteza no valor real de yverdadeiro . Definimos ento a incerteza como: (1.18)
p = yexperimental y p
exige o conhecimento desta por diferentes mtodos e tcnicas.
interessante notar que conhecer o valor verdadeiro de uma grandeza
3.1 Distribuio Discreta de Probabilidade

Uma varivel discreta s pode assumir certos valores conhecidos previamente. Imagine um dado. Sempre quando h um lanamento os valores s podero ser 1, 2, 3, 4, 5 ou 6. Pela intuio sabemos previamente que quaisquer um dos seis valores ou eventos so equiprovveis, caso contrrio o dado viciado. Entendemos que o processo aleatrio quando os resultados do processo de lanamento podem ter qualquer valor. Note que num processo aleatrio na se tem controle de todas as variveis ou influncias
Esses valores denotam o espao amostral do lanamento dos dados.
29/50 sobre o processo fsico em si. Na Figura 3-2 temos o exemplo de um processo aleatrio: o lanamento de dados. resultado no reprodutvel. 1,2,3,4,5,6 Evento individual No lanamento com as mos todas as condies iniciais de lanamento no so possveis de se obter. Ou seja, o
1 ou 2 Evento A
3,4,5,6
Evento Agrupado
Evento B
Figura 3-2 Exemplo de um evento aps o lanamento de um dado.
No caso da Figura 3-2 temos um processo aleatrio y cujo resultado pode ser um nmero finito m de possibilidades, no caso do dado m = 6 , ou seja, 6 eventos possveis.
y1
y2
y3 ... ym 1
m eventos possveis
ym
(1.19)
A freqncia de ocorrncia de um dado evento definida como o nmero de vezes N ( yi ) que ocorre yi quando o processo y repetido N vezes:
N(y )= N
i i =1
(1.20)
A freqncia relativa do evento yi definida como:

F ( yi ) = N ( yi ) N
(1.21)
Quando temos um processo hipottico que podemos repeti-lo um nmero infinito de vezes a freqncia relativa torna-se a probabilidade de ocorrncia do evento em questo:
30/50
N ( yi ) N
P ( yi ) = lim
= lim F ( yi )
N
(1.22)
Das equaes acima obtemos:
F ( yi ) =
i =1
1 N
N ( yi ) = 1 P ( yi ) = 1
i =1 i =1
(1.23) i.e.
Quando
todos
os
eventos
possveis
so
equiprovveis,
P ( y1 ) = P ( y2 ) = ... = P ( ym ) = p , a probabilidade de cada evento ocorrer ser:

p= 1 m
(1.24)
Conforme as definies acima o lanamento de dados pode ser aplicado sem nenhum problema. Por exemplo, se quisermos saber a probabilidade do dado apresentar o evento y5=5 num nmero de lanamentos quaisquer temos a Tabela 3-1.
Tabela 3-1 Exemplo de vrios lanamentos, onde o evento y5=5 do dado o evento de interesse (
y5 ).
101 3 0,3
p=
102 12 0,12
103 163 0,163
104 1.698 0,1698
105 16.605 0,16605
106 166.753 0,166753
N ( y5 ) F ( y5 )
1 1 = = 0,1666... probabilidade terica m 6
Na Tabela 3-1 observa-se que h uma convergncia para a freqncia e, se extrapolamos para um nmero infinito de lanamentos os nossos testes, alcanamos a probabilidade para o evento em questo. O exemplo da tabela anterior pode ser aplicado sem problemas ao lanamento de uma moeda, nesse caso a probabilidade ser p =
1 . 2
31/50
3.2 Valor Mdio

Para N repeties de um processo aleatrio da varivel discreta y , o valor mdio definido como:
y= 1 N
y
k =1
(1.25)
Se para cada resultado possvel yi ocorreu N ( yi ) vezes, o valor mdio ser:
y N(y )
i i
y=
i =1
= yi F ( yi )
i =1
(1.26)
Na equao (1.26) m representa o nmero possvel de eventos da varivel discreta y . Agora se N temos assim o valor mdio verdadeiro ( ):
= lim y = yi P ( yi )
N i =1
(1.27)
A assertiva da equao (1.27) s vlida se na avaliao da grandeza y s existirem erros aleatrios. Vale ressaltar que nem todos os processos so possveis determinar P ( yi ) exatamente, ento o valor de geralmente indeterminado. Quando se tem uma distribuio de probabilidade que rege um processo de medida de uma grandeza interessante se definir a varincia como:
2 ( yi ) P ( yi )
2 i =1
(1.28)
O desvio padro da distribuio de probabilidade definido a seguir:
+ 2 =+
( y )
i i =1
P ( yi )
(1.29)
As definies das equaes (1.28) e (1.29) implicam na indeterminao de da varincia e consequentemente do desvio padro.
32/50
3.3 Distribuio Binomial

Na teoria de probabilidade e estatstica, a distribuio binomial fornece a distribuio de probabilidade do nmero de sucessos numa seqncia de
N experimentos independentes resultando sim/no, em cada sucesso a
probabilidade p . O resultado do sucesso/fracasso num experimento tambm chamado de experimento de Bernoulli ou uma distribuio de Bernoulli. Conhecer uma distribuio muito til na previso de possveis eventos ocorrerem. Veja a seguinte situao: se tomarmos seis moedas iguais e as lanamos, o nmero de caras apresentando numa nica jogada ser a nossa varivel independente. Um exemplo apresentado na Tabela 3-2 onde h 64 possibilidades das moedas carem.
Tabela 3-2 Possibilidades de jogada de seis moedas apresentando cara. O evento apresentando cara = H e coroa = T.
Nmero de caras aparecendo 0 1
Nmero de possibilidades que isto pode acontecer 1 6
Padres TTTTTT HTTTTT THTTTT TTHTTT TTTHTT TTTTHT TTTTTH Tarefa a partir daqui!
2 3 4 5 6 Total de possibilidades
15 20 15 6 1 64
HHHHHH
Chegamos concluso que a Tabela 3-2 que qualquer uma das 64 possibilidades pode acontecer num lanamento simples (levando-se em conta que em cada lanamento as moedas so bem chacoalhadas, e.g. colocadas dentro de um copo e agitadas).
33/50 Se as seis moedas so agitadas e jogadas 64 vezes temos ento os resultados esperados na Tabela 3-3. As freqncias apresentadas nessa tabela so baseadas nas probabilidades tericas e no necessariamente aparecer aps 64 jogadas, mas na mdia aps um grande nmero de lanamentos tende para esses valores. Assim, se 6400 jogadas forem feitas esperamos 100 ocorrncias de 0 cara, 600 de 1 cara, etc.
Tabela 3-3 Resultados esperados aps 64 lanamentos de 6 moedas apresentando cara.
Nmero de caras 0 1 2 3 4 5 6
Freqncia esperada ocorrncia aps lanamentos 1 6 15 20 15 6 1
de Freqncia relativa de ocorrncia 64 (probabilidades) num grande nmero de lanamentos 1/64 = 1,56% 6/64 = 9,38% 15/64 = 23,44% 20/64 = 31,25% 15/64 = 23,44% 6/64 = 9,38% 1/64 = 1,56%
Na Figura 3-5 apresentamos um histograma dos dados referenciados da Tabela 3-3.
20
Frequncia esperada de ocorrncia aps 64 jogadas
30
15 20 10
10 5
0 0 1 2 3 4 5 6
Nmero de "cara" por jogada
Figura 3-3 Histograma dos dados apresentados na Tabela 3-3. Os pontos marcam as probabilidades tericas de se obter cara por jogada de seis moedas.
Probabilidade de ocorrncia (%)
34/50
Exerccio: Coloque sei moedas iguais num copo. Agite-as bem e as jogue numa superfcie plana, e.g. uma mesa. Escreva o nmero de caras em cada lanamento. Repita o processo 63 vezes para um total de 64 vezes. Faa um histograma da freqncia versus o nmero de caras aparecendo e compare com o caso ideal (Figura 3-3). Se as freqncias relativas fossem previsveis inteiramente de experimentos tais como este, ns chamaramos as probabilidades a posteriori (aps o fato) ou emprica? Se as suposies tericas se ajustam aos fatos fsicos, esperar-se-ia que as probabilidades experimentais a posteriori aproximassem mais e mais dos valores conhecidos a priori (no caso das tentativas aumentassem em direo ao infinito como limite).
3.3.1 Anlise do lanamento de uma moeda

Aps o lanamento de uma moeda a probabilidade de um sucesso 50%, ou seja p =
1 1 = ( m = 2 nmero de eventos possveis), para qualquer m 2
situao escolhida (veja Figura 3-4).
Cara
50%
(Evento A) Lanamento Coroa 50% (Evento B)

Figura 3-4 Processo de lanamento de uma moeda.
Se tivermos n moedas o nmero de possibilidade para cada uma 2, ento o nmero total de possibilidades ser:
Possibilidades = 2 2 2... 2 = 2 n
(1.30)
35/50 Observe que uma situao cujo lanamento resulte em todas as moedas
1 apresentando cara (evento A) ser . Agora analise o caso quando 2
n
temos:
...
...
y vezes
(n-y) vezes
Figura 3-5 Situao de um possvel lanamento de simultaneamente ou
n moedas
n vezes uma moeda. O evento A representa as caras aparecendo y vezes e o evento B representa as coroas
obtidas ( n
y vezes).
y o nmero de moedas que apresentam cara (sucesso) e
(n y)
nmero de vezes que temos coroa (fracasso). A probabilidade do evento A ocorrer em cada processo simples p e (1 p ) no evento B. A probabilidade da situao em particular mostrada na Figura 3-5 ser:
P0 = p y (1 p )
n y
(1.31)
y representa o nmero de vezes que aparece o evento A e ( n y ) o nmero de
vezes que apareceu o evento B. Note que este resultado bem particular e que qualquer troca de A com B uma possibilidade vlida, logo o nmero de possibilidades vlidas ser:
Cny = Cn, y =
n! y !( n y ) !
(1.32)
36/50 A equao (1.32) representa o nmero de combinaes** possveis de y objetos idnticos (moedas apresentando cara) com n posies. Portanto, a equao (1.31) pode ser generalizada para obtermos a distribuio binomial:
P( y, n, p) =
n! n y p y (1 p ) y !( n y ) !
(1.33)
Aplicando a equao (1.33) para a Tabela 3-3 temos:
1 P(0, 6, ) = 0, 015620 2 1 P(1, 6, ) = 0, 093750 2 1 P(2, 6, ) = 0, 234375 2
1 P(3, 6, ) = 0,312500 2 1 P(4, 6, ) = 0, 234375 2 1 P (5, 6, ) = 0, 093750 2
1 P(6, 6, ) = 0, 01562 2
(1.34)
Como era de se esperar obtivemos os mesmos valores, por que? O valor mdio verdadeiro da varivel y pode ser calculado atravs da equao (1.27) resultando em:
=y
y =0
n! n y p y (1 p ) = np y !( n y ) !
(1.35)
E da mesma forma podemos obter a varincia e o desvio padro:
2 = np (1 p ) = np (1 p )
Figura 3-3 temos:
(1.36)
Aplicando as equaes (1.35) e (1.36) aplicando ao problema mostrado na
= np = 6 = 3 2 = 1,5 1, 225
(1.37)
1 2
**
Um exemplo: Uma prova de 15 questes o aluno pode resolver 10. Quantas maneiras isto
poder ser feito? C15,10=3.003 maneiras.
Fazemos a seguinte substituio yi = y = i 1 e m = n + 1 .
37/50 Veja o seguinte exemplo: Um dado jogado n = 100 vezes e o resultado 3 o evento de interesse, i.e. A. Para cada jogada a probabilidade de se obter o evento desejado p =
1 . Atravs da distribuio binomial podemos 6
saber como ser a probabilidade de cada resultado, ou seja, nas 100 vezes aparecer A ou 99 vezes, e assim por diante. A probabilidade do problema ser:
1 100! 1 5 P ( y ) = P y, n = 100, p = = 6 y !(100 y ) ! 6 6
y n y
(1.38)
0.12
0.1
0.08 P( y ) G( y ) 0.06
0.04
0.02
20
40 y
60
80
100
Figura 3-6 Distribuio binomial para
p=
1 e n = 100 . y o nmero de eventos 6

O valor mdio
possveis com probabilidade P ( y ) ocorrer. desvio padro da distribuio
= np = 16, 666...
e o
4,1 . Nesse grfico temos a funo gaussiana G(y)
que utilizada para variveis contnuas.
Na Figura 3-6 apresentamos o grfico do nmero de ocorrncias y possveis (abscissa) e a sua probabilidade P ( y ) (ordenada). Note que o resultado mais
38/50 provvel est prximo de 20 ocorrncias do evento desejado, i.e. 3, em 100 jogadas.
3.4 Distribuio de Poisson

A distribuio de Poisson representa uma aproximao da distribuio binomial, quando o nmero mdio de eventos muito menor do que o total possvel. Isso acontece, por exemplo, no decaimento espontneo de tomos por unidade de tempo numa amostra radiativa. Numa amostra podemos ter da ordem 1020 tomos e a sua desintegrao por unidade de unidade de tempo muitas ordens menor. Outras aplicaes possveis so: taxa de mortalidade infantil numa dada populao, nmero de erros de impresso num livro, etc. Assim, temos a seguinte situao: n
1 e p 1 . Utilizar a equao (1.33)
nesse caso inconveniente. Utilizamos ento a distribuio de Poisson:
P ( y ) =
y
y!
= np
(1.39)
o valor mdio da distribuio e o desvio padro. A equao (1.39)

obtida atravs da distribuio binomial tomada da aproximao de Stirling[2]
1 x2 x3 ( ln n ! n ln n n + ln 2 n ) e da aproximao ln (1 + x ) x + para x 2 2 3
1.
Em resumo temos: se temos uma grande coleo de objetos idnticos com uma pequena probabilidade de certo evento acontecer temos ento uma distribuio de Poisson. Tome como exemplo uma fonte de radioatividade tal como o
137
Cs que
tem uma meia vida de 27 anos. A probabilidade por unidade de tempo de um

2 simples ncleo decair p = ln = 0, 026 = 8, 2 1010 s 1 . Note que uma ano 27
pequena probabilidade, mas se temos uma amostra com 1g=1015 ncleos a observao mdia de decaimentos por segundo ser
= np = 8, 2 105
Consulte http://en.wikipedia.org/wiki/Half-life
39/50 decaimento/segundo e desvio padro 922 decaimentos por segundo. Um outro exemplo de aplicao o decaimento radioativo do partculas , por exemplo. Em situaes prticas nem sempre podemos determinar o valor mdio verdadeiro, i.e. . Geralmente, utilizamos o resultado de uma observao experimental como o caso de decaimentos radioativos. Por exemplo, seja uma observao y0 (contagens/segundo) registrada por um contador GeigerMller, nesse caso
1 , ento temos:
238
U emitindo
y0 y0
(1.40)
A equao (1.40) perfeitamente vlida e pode-se mostrar que a probabilidade do valor mdio verdadeiro estar contido no intervalo y0 < < y0 + de aproximadamente 68,3%[2].
3.5 Variveis contnuas

At aqui vimos que o processo aleatrio que estudados era uma varivel discreta. comum encontrar vrios processos aleatrios cuja varivel aleatria pode ter resultar num nmero muito grande de possibilidades. Dessa forma, precisamos estender vrios critrios apresentados anteriormente. Devido as variveis contnuas terem um amplo espectro em torno de um valor em particular a probabilidade passa a ter um sentido intervalar e deve ser definida atravs de uma funo densidade de probabilidade:
dP ( y ) = H ( y ) dy
(1.41)
aqui H ( y ) a funo densidade de probabilidade. E dP ( y ) a probabilidade num intervalo diferencial dy da probabilidade da varivel aleatria y ser encontrada. Com a definio acima o valor mdio verdadeiro da varivel aleatria contnua y passa a ser:
+
y H ( y )dy
(1.42)
40/50 E de maneira semelhante a varincia:

+
( y )
H ( y )dy
(1.43)
3.5.1 Densidade de Probabilidade Gaussiana e Intervalo de Confiana

Quando o valor mdio verdadeiro torna-se a distribuio de Gauss:
1 G ( y) = e 2 2 1 y
2
1e y
1 a distribuio de Poisson
(1.44)
e so parmetros independentes. A principal caracterstica dessa funo

densidade de probabilidade ser simtrica em relao a . interessante notar que a funo gaussiana uma boa aproximao para a funo de Poisson mesmo quando
1 e y 1 . Na Figura 3-6 a funo gaussiana
apresentada juntamente com a funo binomial mostrando a sua semelhana. Tambm, pode-se mostrar que a probabilidade de ocorrer y < de 68,3%.
Figura 3-7 Nessa figura podemos observar que o azul escuro abrange ~68,3% do conjunto de medidas em torno ( 1 ) do valor mdio verdadeiro
; enquanto que o azul mdio tem ~95,5 ( 2 ) e o azul mais
41/50
claro toma ~99,9% de todas as medidas, ou seja
3 .
A distribuio de probabilidades gaussiana, como apresentado na Figura 3-7, mostra o intervalo de confiana de uma medida. Assim, uma medida y qualquer tem a probabilidade de ~68,3% estar contida no intervalo y < , ~95,5% em y < 2 e ~99,7% presente no intervalo y < 3 . Conforme vimos no pargrafo anterior h um intervalo que garante que a medida esteja dentro de um dado intervalo de confiana. Podemos assim exprimir uma medida fsica em termos de um intervalo de confiana. Geralmente a medida pode ser expressa em termos da incerteza limite L , ou seja a mxima incerteza que a medida pode apresentar. Assim, de acordo com a Figura 3-7 a incerteza limite pode ser dada por:
L = 3
(1.45)
Aqui a incerteza nos afirma que ~99,7% da medida est contida no intervalo. Se o intervalo no for muito confivel adotamos:
L = 2
(1.46) (1.47)
Com probabilidade de certeza em torno de ~95,4%. E finalmente:

L =
Com ~68,3% de certeza. Por exemplo, uma rgua metlica com incerteza limite de L = 1 mm pode ter um incerteza instrumental de =
L 1 = mm 3 3 0, 3mm .
3.6 Espao amostral de varivel contnua

Quando temos uma varivel aleatria deveramos fazer infinitas medidas (espao amostral) para se determinar com exatido a funo distribuio de probabilidade que governa o evento em questo e assim obter a populao me. O que se faz geralmente tomar um nmero finito de medidas, i.e. amostra, e tomar esse conjunto de medidas representativo em relao ao conjunto infinito de medidas.
42/50
3.6.1 Valor mdio e desvio padro

Suponha um conjunto de n medidas idnticas, i.e. uma amostra, feito por um mesmo experimentador (mesmos instrumentos e condies ambientais). Devido aos erros estatsticos temos:
y1 , y2 , y3 yn 1 , yn
(1.48)
O valor mdio ser:
y
y=
i =1
(1.49)
Como vimos anteriormente:
= lim y
n
(1.50)
A equao (1.50) s valida se a varivel y for puramente aleatria.
yv
y
y ),
valor mdio verdadeiro ( ) e valor
Figura 3-8 Discriminao entre valor mdio ( verdadeiro (
yv ).
Numa varivel y nos deparamos com a situao mostrada na Figura 3-8. Como impossvel conhecer o valor mdio verdadeiro s podemos conhecer o valor mdio y (conforme a equao (1.49)) e o valor mdio verdadeiro uma indeterminao, assim como o valor verdadeiro yv e a varincia 2 . Ento a nica forma de estudar o problema fazermos estimativas a respeito
43/50 dos valores e 2 . Por exemplo, a melhor estimativa que temos para o valor mdio verdadeiro
a mdia
das n medidas realizadas pelo (1.51)
experimentador, assim:
A aproximao da equao (1.51) torna-se mais confivel quando aumentamos o nmero de medidas. Isso devido a nossa falta de conhecimento da distribuio de probabilidade que governa o processo da varivel, ou seja, deveramos fazer um numero infinito de observaes e determinar a populao me. Assim, o nosso conhecimento a respeito da populao me s pode ser obtido atravs de uma amostra finita de medidas. A varincia da populao me definida[4] por:
v2 = lim
1 n 2 ( yi ) i n i =1
(1.52)
Como s podemos obter uma amostra com n elementos da populao me definimos a varincia da amostra como:
2 =
claro que 2 v2 .
1 n 2 ( yi ) n i =1
(1.53)
Se temos vrios k conjuntos obtidos da mesma populao me com n amostras cada conjunto, a mdia do j simo conjunto ser y j . A varincia dos valores mdio desses k conjuntos ser:
2 m = 2 1 k ( yj ) k j =1
(1.54)
Admitindo-se que a varincia de cada conjunto sejam similares pode-se afirmar que
2 m =
2
n
ou m =
(1.55)
Com o uso da equao (1.55) e usando o fato que varincia da amostra dada por:
( y )
2 m temos a
44/50
1 n 2 ( yi ) n 1 i =1
(1.56)
Assim a equao (1.56) a melhor estima experimental da varincia da populao me. pela equao dado por e um conjunto finito de medidas definido comom O desvio padro
45/50
4 Mtodo dos Mnimos Quadrados
46/50
5 Como fazer um bom relatrio

O relatrio cientfico um documento que descreve com clareza um procedimento experimental. E como tal deve ser escrito com todo o cuidado erros de portugus so cruciais. A falta de clareza no texto prejudica toda a avaliao do trabalho/experimento. importante observar que o objetivo dos roteiros experimentais estimular o aluno a pensar em alguns detalhes fisicamente relevantes para o experimento. Elas devem ser abordadas nos itens pertinentes dentro do relatrio. Voc deve estar perguntando-se quanto tempo deve ser gasto na elaborao de um relatrio? A resposta a essa pergunta pode variar muito, veja como: Caso (a): uma agncia de publicidade poderia tomar 80% do tempo! Haja vista que eles levaram apenas dois meses na realizao da pesquisa. Caso (b): um aluno acha que 5% algo razovel, pois mais tempo pode ser gasto com as atividades de pesquisas. Caso (c): um experimentalista pode tomar como razovel em torno de 20%. Em qualquer dos trs casos fica evidente que quando lemos um relatrio cientfico fica evidente um dos trs casos. Elementos de um relatrio: I. Ttulo da experincia o Esta coleo importante de palavras identifica seu relatrio. O ttulo a porta de entrada de leitura do trabalho e como tal no pode ser menosprezado. Um ttulo no pode ser muito sinttico e nem muito restritivo, mas deve revelar o propsito do estudo e caractersticas especiais. II. Resumo (Abstract)
47/50 o uma parte importante do relatrio, pois sintetiza todo o trabalho realizado. O leitor ao l-lo deve saber o que se trata a pesquisa. O resumo parte excludente do texto, ou seja, pode-se tirar do corpo do relatrio sem perda de informao. III. Introduo e Objetivo da experincia o Na introduo deve-se discutir o problema de uma forma satisfatria ao escopo do relatrio. A necessidade de uma reviso bibliogrfica essencial para uma melhor clareza e abordagem do problema. o Relacione os objetivos a serem alcanados da em cada experincia, determinadas? IV. Material utilizado o Faa uma relao do material utilizado para a montagem da experincia explicitando as caractersticas dos mesmos. V. Esquema experimental o Faa um bom desenho ou insira uma foto da experincia isso vale mais que mil palavras. No se esquea de identificar os principais equipamentos em seu esquema. VI. Procedimento experimental o Descreva, de modo sucinto e sem copiar o procedimento do roteiro, os procedimentos realizados durante a experincia, e tambm durante o tratamento dos dados. Use os tempos verbais corretos, i.e. um relatrio deve ser impessoal. Descreva como foi montada a experincia, quais conexes foram feitas e por qu. No se esquea de fazer as observaes especiais que influenciaram suas medidas. VII. Aquisio e tratamento de dados o Nessa seo voc de apresentar seus dados, analis-los e discutir as incertezas experimentais. ou seja, que grandezas devem ser Que Que leis devem ser verificadas?
fenmenos devem ser estudados? Evite copiar o roteiro!
48/50 o Frmulas devem ser seguidas de comentrios sucintos, explicando sua origem fsica. No se esquea de identificar cada uma das variveis usadas em seu relatrio. Muitas frmulas podem tornar o texto rido e difcil de se ler; aconselhvel coloc-las somente quando parte essencial. o Tabelas devem conter sempre ttulos descritivos, smbolo e unidades das grandezas medidas e/ou calculadas. o Grficos tambm devem conter ttulos descritivos. No se esquea de especificar as grandezas e respectivas unidades nos eixos dos grficos. Nunca coloque nos eixos os nmeros correspondentes aos valores medidos! Em vez disso, use sempre valores igualmente espaados, para ajudar a leitura dos pontos. Esteja sempre atento para utilizar a escala adequada, i.e. linear ou logartmica. Quando voc tiver que ajustar uma reta aos seus dados experimentais, voc no deve tra-la a olho nu! Sugerimos o uso do mtodo dos mnimos quadrados, a fim de obter a reta mais adequada aos seus dados. Explicite seus clculos em uma tabela, permitindo que os clculos sejam facilmente conferidos. Vale lembrar que um bom grfico agradvel as vistas, mas um ruim um insulto ao leitor! VIII. Resultados e concluses o Descreva suas observaes e resultados obtidos, e faa uma anlise destes resultados, no esquecendo de considerar as possveis fontes de erros e as aproximaes relativas ao caso ideal. Lembre-se que todas as suas concluses devem estar baseadas nos seus dados experimentais, caso contrrio no devem ser consideradas como concluses de sua atividade experimental. importante qualificar pontos experimentais duvidosos (no jogue sujeira debaixo do tapete).
49/50 o Essa parte do relatrio importantssima, pois ir revelar sua viso da experincia o seu tempero! IX. Referncias o Algumas pessoas no do muita importncia a esse tpico e do uma falsa impresso ao leitor que todas as coisas apresentadas no relatrio so idias prprias. Voc deve ter a conscincia que a sua descoberta ou concluso produto de cincia. Cincia no se brota espontaneamente, se compartilha. o Quando voc utiliza desse recurso voc est dizendo ao leitor que voc leu os trabalhos anteriores na rea, e que voc est considerando esse fato em seus resultados. X. Apndice o uma parte que pode ser excluda do texto, mas pode ser um grande auxlio ao leitor na melhor compreenso de alguns aspectos tericos, por exemplo.
50/50
6 Bibliografia
[1] [2] [3] [4] R. A. T. Carvalho, M.C.; Figueiredo, M. T.; Bonagamba, T.J., IFSC, So Carlos, 1992. J. H. Vuolo, Fundamentos da Teoria de Erros, Edgar Blcher, So Paulo, 1992. M. H. Tabacniks, Instituto de Fsica da Universidade de So Paulo, So Paulo, 2003. R. B. Barthem, UFRJ, Rio de Janeiro, 1996.

Física Geral e Experimental I

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

Física Geral e Experimental I

Enviado por

Direitos autorais:

Formatos disponíveis

1/50

Apostila de Fsica Experimental

Representao Grfica ............................................................................. 15 2.1.1

Grandeza Medida (Entidade suscetvel de medida)

So expressas como: Exemplos: (a) Comprimento

Figura 1-1 Medida de um objeto de comprimento L com uma rgua metlica.

(b) Intervalo de tempo

t = 0,5 h = 30 min = 1800 s

1.1 Instrumentos de Medida

1.1.1 Princpios de funcionamento do Nnio ou Vernier[1]

Forma latinizada de Nunes, inventor do aparelho.

nos d uma preciso de

8 , ou seja, a leitura final de 2,8 divises da escala 10

9/50 No caso geral a preciso P do Nnio dada pela seguinte equao:

Na Tabela 1-2 apresentamos alguns tipos de Nnio existentes no

0,1 0,1 0,05 0,02

Figura 1-4 Exemplo de Nnio para recortar e praticar.

1.2 Algarismos significativos e arredondamentos

exemplo: a) Soma de dois comprimentos: 12,5 mm + 0,75 mm = 13,25 mm 13,2 mm.

b) No clculo de rea: 12,5 mm x 0,75 mm = 9,375 mm2 9,4 mm2.

3) Quantos algarismos significativos existem em cada um dos valores a seguir?

4) Arredonde os valores abaixo, para apenas dois algarismos significativos:

2.1.1 Regras prticas de construo de um grfico

Apresentamos abaixo um exemplo de um grfico:

140 120 100 80 60 40 20 -5 0 5 10 15 20 25 30 35 40 45

Figura 2-5 Velocidade de um automvel acelerando. Aqui C= 10 cm e U= 35 s, portanto

U Mltiplo mais prximo = 3,5 5 . C

2.2 Anlise Grfica

a o coeficiente linear e b o coeficiente angular da equao. O coeficiente

21/50 e quando a abscissa se anula temos o coeficiente linear:

2.3.1 Linearizao de polinmios

Resulta numa reta se fazemos a seguinte substituio de variveis:

Assim, fazendo-se o grfico da funo da equao (1.10) os coeficientes A e

2.3.2 Linearizao de funes especiais

log1 log 0, 0165 0, 2377...cm -1 7, 5 0

Na Tabela 2-4 temos os pontos apresentados no grfico da Figura 2-8.

Tabela 2-4 Comprimento (L) e perodo (T) do pndulo.

L(cm) 0,1 10,0 40,0 70,0 100,0 130,0 160,0 190,0

T(s) 0,01 0,72 1,13 1,75 1,95 2,42 2,46 2,82

Figura 2-9 Grfico exemplo de obteno do coeficiente b de atenuao da funo

b log e pode ser obtido atravs da razo

obtidas atravs de uma rgua.

Figura 3-1 Exemplo de erros aleatrios (a) e sistemticos (b).

erro = yexperimental yverdadeiro

interessante notar que conhecer o valor verdadeiro de uma grandeza

3.1 Distribuio Discreta de Probabilidade

Esses valores denotam o espao amostral do lanamento dos dados.

Figura 3-2 Exemplo de um evento aps o lanamento de um dado.

A freqncia relativa do evento yi definida como:

Das equaes acima obtemos:

P ( y1 ) = P ( y2 ) = ... = P ( ym ) = p , a probabilidade de cada evento ocorrer ser:

103 163 0,163

104 1.698 0,1698

105 16.605 0,16605

106 166.753 0,166753

1 1 = = 0,1666... probabilidade terica m 6

3.2 Valor Mdio

Se para cada resultado possvel yi ocorreu N ( yi ) vezes, o valor mdio ser:

O desvio padro da distribuio de probabilidade definido a seguir:

3.3 Distribuio Binomial

Nmero de caras aparecendo 0 1

Nmero de possibilidades que isto pode acontecer 1 6

Freqncia esperada ocorrncia aps lanamentos 1 6 15 20 15 6 1

Na Figura 3-5 apresentamos um histograma dos dados referenciados da Tabela 3-3.