Guia para Fsica Experimental Caderno de Laboratrio, Grficos e Erros Instituto de Fsica, Unicamp

Preparado por Prof. Dr. Carlos Henrique de Brito Cruz Prof. Dr. Hugo Luis Fragnito Estagirio de Capacitao Docente Ivan Ferreira da Costa Estagirio de Capacitao Docente Bernardo de Assuno Mello
(Verso 1.1, revista por CHBC e HLF em Setembro de 1997)

IFGW, Unicamp 1997

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Contedo
1 CADERNO DE LABORATRIO
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.10 CADERNO DE LABORATRIO T TULO, DATA E COLABORADORES. OBJETIVOS DO EXPERIMENTO ROTEIRO DOS PROCEDIMENTOS ESQUEMA DO APARATO UTILIZADO DESCRIO DOS PRINCIPAIS INSTRUMENTOS DADOS MEDIDOS CLCULOS FIGURAS, T ABELAS E EQUAES RESULTADOS E CONCLUSES 1 2 2 2 2 2 3 3 5 5

2 GRFICOS
2.1 2.2 2.3
2.3.1 2.3.2

6
ROTEIRO PARA OBTER UM BOM GRFICO EXEMPLOS DETERMINAO DOS COEFICIENTES DE UMA RETA
MTODO DOS MNIMOS QUADRADOS 9 MTODO GRFICO 10

6 6 8

3 ERROS: VERSO SIMPLIFICADA

3.1 3.2
3.2.1 3.2.2 3.2.3 3.2.4

13
13 14

ERROS ALEATRIOS E SISTEMTICOS T RATAMENTO ESTATSTICO DE MEDIDAS COM ERROS ALEATRIOS

ESTIMATIVA DO VALOR CORRETO DA GRANDEZA MEDIDA DISPERSO DAS MEDIDAS E PRECISO DA ESTIMATIVA ERRO PADRO DA MDIA ERRO PERCENTUAL OU RELATIVO 14 14 15 15

3.3
3.3.1 3.3.2

PROPAGAO DE ERROS EM CLCULOS

SOMA E SUBTRAO DE GRANDEZAS AFETADAS POR ERROS 15 MULTIPLICAO E DIVISO DE GRANDEZAS AFETADAS POR ERROS 15

15 16

3.4

ERROS EM FUNES DE GRANDEZAS AFETADAS POR ERROS

4 ERROS: VERSO AVANADA

4.1
4.1.1 4.1.2

17
DEFINIES BSICAS
MDIA, DESVIO E ERRO PADRO 17 PROPAGAO DE ERROS 18

17 20 23

4.2
4.2.1 4.2.2

VARIVEIS ALEATRIAS E DENSIDADE DE PROBABILIDADE.

MDIA, VARINCIA E MOMENTOS DE UMA DISTRIBUIO 21 VARIVEIS ESTATISTICAMENTE INDEPENDENTES 22

4.3
4.3.2 4.3.3 4.3.4

ESTIMADORES
ESTIMANDO A MDIA 25 ESTIMANDO A VARINCIA 25 PRECISO DOS ESTIMADORES 26

4.4 4.5
4.5.1 4.5.2

COMENTRIOS SOBRE AS FRMULAS DE PROPAGAO DE ERRO UM EXEMPLO CONCRETO: O ALCANCE DE UM PROJTIL

HISTOGRAMAS 30 OS RESULTADOS 32

27 29 33

4.6

REFERNCIAS

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

1 Caderno de Laboratrio
1.1 Caderno de Laboratrio1
Cada estudante dever manter um Caderno de Laboratrio, no qual anotar os dados, procedimentos e demais informaes relevantes realizao de cada experincia. No se trata de um caderno de relatrios. As anotaes devem ser feitas durante a realizao do experimento para garantir a objetividade e a fidelidade. No simples definir a priori o que "relevante ao experimento". Uma maneira de avaliar a relevncia de uma informao imaginar que se voc usar o Caderno daqui a alguns meses (isto vai acontecer realmente, nas provas, exames e demais experimentos) ou mesmo anos, a informao contida no Caderno deve lhe permitir repetir a experincia sem dificuldade, entendendo do anotado no Caderno o que foi feito e quais foram os resultados e as concluses. Em algumas disciplinas o Caderno poder ser consultado durante as provas, por isso fundamental que a informao seja concisa e bem organizada. expressamente proibido realizar cpia de dados do caderno de outros alunos. No caso de trabalhos em grupo, cada aluno responsvel pelo registro dos dados em seu Caderno. Ele poder copiar figuras e tabelas de livros e apostilas indicando claramente a fonte. Se o aluno estiver ausente em algum dia, ele dever realizar o experimento correspondente em outro dia (verifique o horrio disponvel do laboratrio). muito desejvel que seja um caderno grande (formato A4) e com folhas quadriculadas (h um Caderno de Laboratrio do IFGW venda, a preo de custo, nos Laboratrios de Ensino Bsico ou na Coordenadoria de Servios Tcnicos do Instituto) . No mnimo, para cada experimento o Caderno de Laboratrio deve sempre conter: 1. Ttulo do experimento, data de realizao e colaboradores; 2. Objetivos do experimento; 3. Roteiro dos procedimentos experimentais; 4. Esquema do aparato utilizado; 5. Descrio dos principais instrumentos; 6. Dados medidos; 7. Clculos; 8. Grficos; 9. Resultados e concluses. O formato de apresentao destes 9 itens no rgido. O mais indicado usar um formato seqencial, anotando-se medida que o experimento evolui.

G.L. Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 10, pp. 139146; e D.W. Preston, "Experiments in Physics" (John Wiley & Sons, 1985), pp. 2-3. 1

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

No Caderno de Laboratrio tambm se anotam as observaes que podem ser teis na continuao de um experimento, ou lembretes de coisas que voc deve providenciar (do tipo: "passar na biblioteca para verificar uma referncia", ou "lembrar de zerar o micrmetro antes de comear a medir" ou ainda: "perguntar ao professor porque a fasca falha s vezes", ...)

1.2 Ttulo, data e colaboradores.

O Ttulo do experimento deve ser anotado no topo das pginas correspondentes ao experimento. Na primeira pgina de cada experimento deve-se anotar quais os colaboradores na realizao. A data deve ser anotada no incio e, se for necessrio, a cada dia que se continue no mesmo experimento. Em alguns casos pode ser til anotar o horrio em que certas medidas foram feitas.

1.3 Objetivos do experimento

Os objetivos devem ser descritos de forma sucinta e clara. Por exemplo:
Os objetivos desta experincia so: 1- Aprender o uso de instrumentos com vernier (Paqumetro, Micrmetro); 2- Avaliar erros de medidas e como estes se propagam em matemticas; 3- Determinar a mdia e o desvio padro de uma srie de medidas. Para atingir estes objetivos determinaremos a densidade de vrios materiais medindo a massa e as suas dimenses. expresses

1.4 Roteiro dos procedimentos

Antes da cada experincia fazer um roteiro de procedimentos e escrever as principais frmulas que sero utilizadas (ex. clculo dos desvios). Prever as dificuldades e as estratgias para contorn-las. Este roteiro deve vir feito de casa.

1.5 Esquema do aparato utilizado

Em geral feito mo livre e com a identificao de cada componente. Indique o modelo, principais caractersticas e o nmero de srie (ou qualquer outro identificador) de cada instrumento utilizado. Identificar os instrumentos e componentes til para poder repetir o experimento nas mesmas condies.

1.6 Descrio dos principais instrumentos

No precisa ser uma lista nica no incio, pode-se ir descrevendo medida que se os usa. Por exemplo:

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Paqumetro

Mitutoyo, menor diviso do vernier = 0.05 mm.

Micrmetro Starret, menor diviso no tambor = 0.01 mm. Balana Elmer (modelo

*245, N de srie 9800/76) menor diviso = 0.05 g.

Algumas vezes bom incluir observaes sobre o estado do instrumento, se isto puder afetar as medidas:
O micrmetro completamente fechado no indicava 0.000 e no fechava sempre na mesma posio. Fizemos 10 medidas do zero abrindo e fechando novamente e tomamos uma mdia e o desvio padro. O resultado foi Z ero = (-0.22


0.01)

mm. Todas as medidas efetuadas com este micrmetro foram corrigidas levando em considerao este fato.

1.7 Dados medidos

Todos os dados medidos devem ser anotados diretamente no Caderno de Laboratrio e nunca em folhas separadas de rascunho. A anotao em folhas de rascunho causa perda de tempo, aumenta a possibilidade de erros involuntrios de cpia e cria a tentao para a "filtragem" de dados (excluso daqueles que no gostamos, ou achamos errados). Todo dado medido deve ser anotado. Dados considerados esquisitos ou anmalos devem ser identificados com uma pequena anotao ao lado (como: "Nesta medida algum esbarrou na mesa e a rgua se deslocou, podendo ter afetado esta medida."). Para correes em caso de erro na anotao no deve ser usada borracha, mas deve ser passado um risco sobre a anotao (supostamente) errada, escrevendo-se ao lado a correta. As anotaes de dados medidos devem sempre incluir o valor da incerteza associada.

1.8 Clculos2
Os procedimentos de clculo devem ser claramente descritos, para permitir a conferncia e reclculo pelo mesmo caminho. Devem sempre ser considerados apenas os algarismos significativos nos resultados finais. Por exemplo:
Determinao

da densidade de uma esfera metlica - aparentemente de ao.

Medidas de d (Dimetro) com micrmetro Starret (preciso medidas: Tabela 1.1. Medidas do dimetro da esfera metlica. medida
1 2 3 4 5 6 7 8 9 10

0.01

mm), 12

11

12

d(mm) 15.54 15.52 15.55 15.54 15.57 15.51 15.56 15.51 15.55 15.54 15.53 15.53

G.L. Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 12, pp. 1593

168.

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Da Tabela 1.1 obtivemos a Tabela 1.2 com as frequncias de cada medida:

Tabela ocorrncia medies

1.2.

Frequncia medidas em

de 12

das

d (mm)
15.54

frequncia
3 1 2 2 2 1 1

mdia = 15.5375 mm desvio padro = S = 0.018647447 mm erro padro da mdia = S/ 12 = 0.00537 mm

15.52 15.55 15.53 15.51

Resultado: d = (15.538

0.005)

mm

15.57 15.56

(ou d = 15.538 mm

0.03%)

Medida da massa com balana Elmer (preciso nominal 0.05 g): m = (15.2

0.1)g 2
divises. Por isso,

Obs.: embora a menor diviso da balana seja 0.05 g, na nossa apreciao ela continuava em equilbrio para deslocamentos de quase estimamos a incerteza desta medida como

0.1

g .

= 6m/d do

= 7.739297489 g/cm na densidade:

Clculo g/cm

desvio

) + (3 m
g/cm

0.05097

Resultado: Densidade:

(7.74

0.05)

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

1.9 Figuras, Tabelas e Equaes3

As Figuras e Tabelas devem ser numeradas em sequncia e conter uma pequena legenda descritiva. A sequncia numrica pode ser reiniciada 1 em cada experimento ou utilizar uma sequncia dupla (por exemplo, Fig. 2.3 a terceira figura do experimento N 2). Os grficos, desenhos, esquemas, e fotografias so todas figuras, no h razo para abrir seqncias diferentes (ou seja, no escreva Grfico 1, e sim Figura 1). Leia na Seo 2 sobre como devem ser feitos os grficos. As figuras podem ser feitas em papel especial (por exemplo em papel milimetrado ou logartmico) ou gerados por um computador e colados (sobre toda a rea, nunca colados em uma ponta ou grampeadas) no caderno. Evite colar figuras pregveis; se o original for grande, faa uma cpia reduzida de modo de caber inteira na folha do seu caderno. No incio de cada experimento geralmente fazemos um resumo da teoria envolvida e destacamos as equaes mais relevantes. As equaes (pelo menos as mais relevantes) devem ser numeradas para poder fazer referncia a elas mais adiante, quando confrontamos as previses do modelo com os resultados experimentais. Defina, imediatamente antes ou logo aps, os smbolos matemticos novos que aparecem em cada equao.

1.10 Resultados e concluses

So comentrios sobre o que foi feito, qual a confiana nos resultados obtidos, pontos crticos ou duvidosos do experimento e comparao com modelos tericos.

D.W. Preston, "Experiments in Physics" (John Wiley & Sons, 1985), pp. 21-32; G.L. Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 11, pp. 147-158; e C.E. Hennies, W.O.N. Guimares e J.A. Roversi, "Problemas Experimentais em Fsica" 3a edio, (Editora da Unicamp, 1989), captulo V, pp.168-187.

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

2 Grficos
2.1 Roteiro para obter um bom grfico
Grficos so uma das principais maneiras de se apresentar e analisar dados em cincia e tecnologia. Devem ser claros e conter um ttulo, eixos, escalas, unidades e barras de erro. A lista abaixo de utilidade para que o iniciante no se esquea de alguns quesitos necessrios para que o grfico seja bem interpretado e efetivamente til.

Escolha a rea do papel com o tamanho adequado (mais ou menos meia pgina do Caderno
de Laboratrio).

Em geral a relao de aspecto (altura / largura) deve ser menor do que 1, pois o grfico ser Desenhe os eixos claramente: a varivel dependente deve estar sempre no eixo vertical (y) e a
varivel independente no eixo horizontal (x). de mais fcil leitura (por esta razo que a tela de cinema e a da televiso tem relao de aspecto menor do que 1).

Marque nos eixos as escalas, escolhendo divises que resultem em fcil leitura de valores Se possvel cada um dos eixos deve comear em zero. Marque abaixo do eixo horizontal e ao lado do eixo
representada e, entre parnteses, as unidades usadas. ttulo. intermedirios (por exemplo, divida de 2 em 2, e no de 7,7 em 7,7). vertical o nome da varivel ali

Escreva, na parte superior da rea do grfico, o Ttulo do grfico. Todo grfico deve ter um Marque cada um dos pontos do grfico cuidadosamente e claramente, escolhendo para isto
um smbolo adequado e de tamanho facilmente visvel (por exemplo, um crculo ou um quadradinho) com um pontinho no centro. Nunca marque os pontos apenas com um pontinho do lpis.

Marque claramente as barras de erro em cada ponto. Se o erro for muito pequeno para Se desejar, desenhe uma linha suave atravs dos pontos. Se os erros forem
aproximadamente 1/3 das barras de erro podero ficar fora da linha. aparecer na escala escolhida anote ao lado: "as barras de erro so muito pequenas para aparecer na figura". aleatrios,

No esquea de numerar e escrever uma legenda breve explicando de que se trata a figura e
2.2 Exemplos

fornecendo a informao necessria para que o leitor entenda a figura. Todas as figuras so numeradas em sequncia. Esquemas, desenhos e grficos so figuras.

Um grfico bem feito talvez a melhor forma de apresentar os dados experimentais. Tem muitos parmetros que devem ser escolhidos criteriosamente como a funo a ser representada, as escalas dos eixos, o tamanho, o smbolo para os pontos experimentais, etc. A funo que voc vai representar depende do tipo de informao que voc quer transmitir e como se encaixa esta informao no argumento que voc est seguindo para demonstrar algo. Por exemplo, se seus dados descrevem o movimento de queda livre de uma partcula, voc pode representar x(t) se quer mostrar visualmente que o movimento parablico, mas se quiser determinar a acelerao da gravidade mais conveniente representar x(t2) j que acelerao pode ser extrada da inclinao desta reta. O guia para as outras escolhas deve 6

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

ser sempre o conceito de que um grfico uma ajuda visual para a sua argumentao e para que o leitor entenda rapidamente as evidncias experimentais. Os grficos so figuras e voc deve escolher o tamanho das figuras de modo que caibam na folha de papel do seu texto (seja este no seu caderno de laboratrio, relatrio ou artigo), ocupando no mais que a metade da folha. Isto no um critrio esttico, um critrio de eficcia da apresentao baseada no fato de que dificilmente algum consegue focalizar os olhos numa rea maior a uns 30 cm dos seus olhos.
100

teoria 80 experimento

posio, x (cm)

60

40

20

0 0 2 4 6 8 10

tempo, J (s)
Fig. 2.1. Exemplo de grfico bem feito.

A Figura 2.1 mostra um grfico eficiente para mostrar que, dentro do erro experimental, os dados seguem um determinado modelo terico.

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

10 0

10 0

80

Gr fico 1 (RUIM )

80

Gr fico 2 (RUIM )

N (cm)

60

60

posio,

40

y (cm)
0 2 4 6 8 10

40

20

20

0 0 2 4 6 8 10

tempo, J (s)
140

100

t (s)

120

Gr fico 3 (RUIM )

80

Gr fico 4 (RUIM )

100 60

y (cm)

80

y (cm)

60

40

40 20 20

0
0.1 0.8 1.9 3.9 4.8 5.9 6.8 7.8

0.0

1.0x1 0

-1

2.0x1 0

-1

3.0x1 0

-1

4.0x1 0

-1

5.0x1 0

-1
3 9

t x1/7 0 (s) t (s)

Fig. 2.2. Exemplos de grficos mal feitos.

Os mesmos dados experimentais da Fig. 2.1 esto representados novamente nos quatro grficos da Figura 2.2 para ilustrar defeitos tpicos de alunos inexperientes. O tamanho dos pontos deve ser tal que cada ponto seja bem visvel; nem muito pequeno como no grfico 1 nem exagerado como no grfico 2, onde o tamanho do smbolo maior que a barra de erro para a maioria dos pontos. No grfico 2, os nmeros das escalas so difceis de ler. No grfico 3 as escalas foram mal escolhidas, desaproveitando a rea; o fator 1/70 e os nmeros das marcas da escala horizontal dificultam a leitura. No grfico 4 a escala horizontal no deve ser indicada com os valores individuais dos pontos.

2.3 Determinao dos coeficientes de uma reta

muito freqente em fsica experimental o problema de determinar os estimadores a e b dos coeficientes e , respectivamente, que melhor representam a relao linear entre duas variveis aleatrias X e Y: Y = X + , [2.1]

a partir de um conjunto de pares de valores medidos (yi,xi), i = 1,.., N. Este problema considerado em vrios livros texto (veja por exemplo as refs. 1 e 2) e reproduziremos aqui os resultados mais importantes. preciso antes observar a validade das frmulas. Os alunos tendem a utilizar as frmulas de ajuste por mnimos quadrados ou as de regresso linear sem 8

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

antes verificar se as condies de validade dessas frmulas se aplicam ao seu experimento. Muitos programas grficos modernos para computadores vm com algoritmos de ajuste linear. Um software deste tipo muito conveniente mas, antes de utiliz-lo, o aluno deve saber qual o algoritmo que o programa utiliza para fazer os clculos, pois corre o risco de aplic-lo a uma situao onde o algoritmo no vlido.

2.3.1 Mtodo dos mnimos quadrados

Este mtodo se baseia em achar os valores de a e b que minimizam a funo

f ( a, b ) = yi axi b
i =1

[2.1]
4

e que representa a soma dos desvios quadrticos da relao linear . Se 1. 2. 3. os valores xi so medidos sem erro; todos os yi tem a mesma distribuio (mas, obviamente, com diferente mdia) ; todos os yi tem o mesmo desvio padro, ,

ento as frmulas da Tabela 2.1 se aplicam. A demonstrao das equaes desta tabela pode ser vista na ref. 2. Parmetro : coeficiente angular (inclinao) : coeficiente linear 2: varincia dos yi a: erro padro do estimador da inclinao b: erro padro do estimador do coeficiente linear yo: erro padro do estimador de um ponto da reta para x = xo Estimador quando = 0 a = xi yi / xi2 b=0 S 2 = ( yi axi )2 / ( N 1) a = S / xi2 b = 0 yo = Sxo / xi2 Estimador quando 0 a = ( xi x ) yi / ( xi x )2 b = y ax S 2 = ( yi axi b) 2 / ( N 2) a = S / ( xi x ) 2
1 b = S N + x 2 ( xi x )
2

1 yo = S N + o ( xi x ) 2

( x x )2

Tabela 2.1. Estimadores para o caso dos yi com o mesmo desvio padro ( i = ). As somatrias indicam soma de i = 1,..., N. As expresses em cada linha esto em funo de valores definidos nas linhas superiores da tabela.

Com relao condio 1, em Fsica experimental geralmente a varivel x (tempo, posio, temperatura, etc.) medida com erro e no poderamos em princpio utilizar as frmulas da Tabela 2.1. Existem frmulas mais exatas para este caso (vide ref. 1) mas na prtica so pouco utilizadas. Geralmente utilizamos as frmulas da Tabela 2.1 mesmo sabendo que, em rigor, os valores de a e b obtidos no minimizam estritamente a funo f(a,b).
4

Este mtodo pode ser extendido ao ajuste de polinmios de qualquer ordem (veja a ref. 9

2).

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

O truque conceptual que utilizamos para justificarmos o procedimento supor que os xi foram medidos sem erro e atribumos um valor de erro maior para os yi. O caso em que os yi tm diferentes desvios padres (mas ainda os xi medidos sem erro) 5 se trata como segue: se yi o desvio padro de yi, primeiro se definem pesos normalizados para cada ponto wi = (1 / yi2 ) / (1 / y 2 ) (de modo que, por exemplo, x = wi xi e y = wi yi ) e j se minimiza a funo f ( a, b ) = wi yi axi b . Os resultados so dados pelas mesmas frmulas da Tabela 2.1 mas onde, em cada termo de soma, se multiplica por wi . Por exemplo, S 2 = wi ( yi axi b )2 / ( N 2 ) (que no mais um estimador da varincia, j que i2 diferente para cada yi), a = wi ( xi x ) yi / wi ( xi x )2 , a = S / wi ( xi x )2 , etc. As frmulas de ajuste de uma lei fsica linear apresentadas na Tabela 2.1 se aplicam a medies de uma grandeza y realizadas em idnticas condies (por tanto, sobre o mesmo objeto) exceto pela varivel x. Algumas dessas frmulas no se aplicam se as medidas so efetuadas em diferentes objetos. Por exemplo, a relao entre peso e altura de pessoas aproximadamente linear mas no exatamente uma lei fsica e, dado que cada ponto no grfico corresponde a um objeto diferente, as frmulas da Tabela 2.1 no se aplicam a este caso (as frmulas correspondentes para estimar os coeficientes da reta e seus desvios podem ser vistas na ref. 1). Os puristas distinguem este ltimo caso com o termo regresso linear 6 (em ingls linear regression), em vez de ajuste linear (linear fitting), reservada para uma lei fsica linear.

2.3.2 Mtodo grfico

Descrevemos a seguir um mtodo rpido para estimar os parmetros de uma reta, aconselhvel quando no dispe de um computador com software adequado para clculos estatsticos (como, por exemplo, nas provas!). As nicas ferramentas necessrias so um lpis (ou caneta) e uma rgua (de preferncia transparente). O mtodo funciona melhor se as escalas do grfico foram escolhidas decentemente, ou seja com os pontos experimentais relativamente alinhados ao longo de uma diagonal.

5 6

O peso normalizado tal que wi = 1.

Quando no obvia a sua traduo, daremos tambm o nome em ingls entre parnteses e aspas. Isto pode ser til par o aluno j que a imensa maioria dos livros - e da literatura cientfica em geral - bem como os softwares modernos de tratamento estatstico de dados esto nessa lngua. 10

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

70

quadrante 1

quadrante 2

60

50

y
40 quadrante 3 quadrante 4

amax a amin

30

20

10

b
0

bmax bmin
5 10

x
15 20

x
Fig. 2.2. Mtodo grfico para determinar os coeficientes da reta e seus desvios. As barras de erro so menores que o tamanho do smbolo de cada ponto experimental.

Para ilustrar o mtodo vamos considerar os dados representados na Figura 2.1. Para simplificar as coisas nos limitaremos ao caso em que todos os pontos tem o mesmo peso. Siga os passos abaixo. 1. Estime o centro de gravidade dos pontos ( x , y ). As retas vertical e horizontal que passam por este ponto divide o grfico em quatro quadrantes. No exemplo da figura 1 os dados esto, aproximadamente, metade no quadrante 3 e metade no quadrante 2. 2. Coloque a ponta do lpis no ponto ( x , y ) e apoie a rgua no lpis. 3. Gire a rgua em torno do ponto ( x , y ) at que 50% dos pontos de cada quadrante estejam por cima, e 50% por abaixo da rgua. (Note que mais de uma reta satisfazem esta condio e voc deve escolher uma mdia.) Trace a reta mdia. A equao desta reta ser y = ax + b . 4. Apoie novamente a rgua no lpis e gire-a em torno do ponto ( x , y ) at deixar, aproximadamente, 16% dos pontos de cada quadrante abaixo e 84 % acima da rgua. A equao desta reta y = y + amin ( x x ) . A inclinao desta reta representa a inclinao mnima, amin, dentro de um desvio padro. Prolongando esta reta at cortar o eixo x = 0, o ponto de interseo determina bmax. 5. Agora gire a rgua, sempre em torno do ponto ( x , y ), de modo de deixar 16 % dos pontos de cada quadrante acima e 84 % abaixo. A equao desta reta y = y + amax ( x x ). Esta reta determina a inclinao mxima, amax, e a sua prolongao at x = 0, bmin. 11

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Note que na regio delimitada pelas retas de inclinao mxima e mnima ficam aproximadamente 68 % dos pontos experimentais, que consistente com o conceito de desvio padro para uma distribuio normal. Se a sua apreciao foi correta, a reta mdia (item 3) deve ficar no meio das retas com inclinaes mnima e mxima traadas nos tens 4 e 5. Para determinar os valores de a e b, assim como os erros padres nestes parmetros utilize as equaes:
1 1 a = 2 ( amax + amin ) , b = 2 (bmax + bmin ) ,

a =

1 2 N

| amax amin | e b =

1 2 N

| bmax bmin | .

O mtodo relativamente subjetivo pois depende da sua apreciao mas, com um pouco de prtica, voc obter excelentes resultados. Se os pontos tm pesos diferentes, siga o mesmo procedimento descrito mas levando em considerao os pesos relativos de cada ponto. O peso de cada ponto deve ser aproximadamente proporcional inversa da barra de erro.

12

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

3 Erros: verso simplificada

3.1 Erros Aleatrios e Sistemticos
Em cincia e tecnologia, fundamental a realizao de medidas de grandezas fsicas. Estas grandezas podem ser, por exemplo, comprimentos, intervalos de tempo, voltagem entre dois pontos, carga eltrica transportada, intensidade luminosa, e muitas outras. Para se caracterizar o sistema de freios de um automvel, por exemplo, realiza-se uma medida da distncia percorrida aps o acionamento dos freios quando o carro se movia a uma certa velocidade. Ao se realizar uma medida, h sempre fontes de erro que a afetam. As fontes de erro fazem com que toda medida realizada, por mais cuidadosa que seja, esteja afetada por um erro experimental. Os erros experimentais podem ser classificados em dois grandes grupos: erros sistemticos e erros aleatrios. Os erros sistemticos so causados por fontes identificveis, e, em princpio, podem ser eliminados ou compensados. Erros sistemticos fazem com que as medidas feitas estejam consistentemente acima ou abaixo do valor real, prejudicando a exatido ("accuracy") da medida (ver Figura 3.1). Erros sistemticos podem ser causados devido: ao instrumento que foi utilizado: por exemplo, erros causados em medidas de intervalos de tempo feitas com um relgio que atrasa; ao mtodo de observao utilizado: por exemplo, medir o instante de ocorrncia de um relmpago pelo rudo do trovo associado; a efeitos ambientais: por exemplo, a medida de freqncia da luz emitida por um laser, que pode depender ligeiramente da temperatura ambiente; a simplificaes do modelo terico utilizado: por exemplo, no incluir o efeito da resistncia do ar numa medida da acelerao da gravidade baseada na medida do tempo de queda de uma bolinha de ping-pong de uma altura fixa. Uma das principais tarefas do idealizador ou realizador de medidas identificar e eliminar o maior nmero possvel de fontes de erro sistemtico. Os erros aleatrios so flutuaes, para cima ou para baixo, que fazem com que aproximadamente a metade das medidas realizadas de uma mesma grandeza numa mesma situao experimental esteja desviada para mais, e a outra metade esteja desviada para menos. Os erros aleatrios afetam a preciso ("precision") da medida (ver Figura 3.1). Nem sempre se pode identificar as fontes de erros aleatrios. Algumas fontes tpicas de erros aleatrios so: mtodo de observao: erros devidos ao julgamento feito pelo observador ao fazer uma leitura abaixo da menor diviso de uma escala, como por exemplo, medir o comprimento de uma folha de papel com uma rgua cuja menor diviso 1 mm com preciso na medida de 0,5 mm; flutuaes ambientais: mudanas no previsveis na temperatura, voltagem da linha, correntes de ar, vibraes (por exemplo causadas por passagem de pessoas perto do aparato experimental ou veculos nas vizinhanas).

Erros aleatrios podem ser tratados quantitativamente atravs de mtodos estatsticos, de maneira que seus efeitos na grandeza fsica medida podem ser, em geral, determinados. 13

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Alta preciso Baixa exatido

Baixa preciso Baixa exatido

Alta preciso Alta exatido

Figura 3.1. Preciso e exatido em medidas.

3.2 Tratamento estatstico de medidas com erros aleatrios

3.2.1 Estimativa do valor correto da grandeza medida
Como os erros aleatrios tendem a desviar aleatoriamente as medidas feitas, se forem realizadas muitas medies aproximadamente a metade das medidas feitas estar acima e metade estar abaixo do valor correto. Por isso, uma boa estimativa para o valor correto da grandeza ser a mdia aritmtica dos valores medidos:

x=

1 N xi , N i =1

[3.1]

onde xi o resultado da i-sima medida e N o nmero total de medidas feitas.

3.2.2 Disperso das medidas e preciso da estimativa

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. Quando eles se afastam muito da mdia, a medida pouco precisa e o conjunto de valores medidos tem alta disperso. Quando o conjunto de medidas feitas est mais concentrado em torno da mdia diz-se que a preciso da medida alta, e os valores medidos tem uma distribuio de baixa disperso. Quantitativamente a disperso do conjunto de medidas realizadas pode ser caracterizada pelo desvio padro do conjunto de medidas, definido como:

x = S =

1 N ( x i x )2 . N 1 i =1

[3.2]

Conjuntos de medidas com desvio padro baixo so mais precisas do que quando o desvio padro alto. Adicionalmente, pode-se demonstrar que o desvio padro caracteriza o intervalo dentro do qual h 68% de probabilidade de ocorrncia de um valor medido. Dito de outra forma, isto significa que se for feito um conjunto muito grande de medies, 68% delas estaro dentro do intervalo x S e x + S . 14

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

3.2.3 Erro padro da mdia

medida que se realiza mais medidas, a compensao dos erros aleatrios entre si vai melhorando e a mdia do conjunto de medidas, x , vai se tornando uma grandeza mais precisa. O erro padro da mdia definido como:

x = S m =

S N

[3.3]

Observe que o erro padro da mdia diminui com a raiz quadrada do nmero N de medies realizadas. Portanto, realizar mais medidas melhora a determinao do valor mdio como estimador da grandeza que se deseja conhecer. Entretanto a vantagem no to grande quanto desejaramos, j que, por exemplo, para reduzir o erro padro da mdia por um fator 3 necessrio aumentar o nmero de medidas por um fator 9.

3.2.4 Erro percentual ou relativo

o erro que afeta a grandeza medida expresso como porcentagem do valor medido da grandeza. Portanto, o erro relativo percentual numa medida x com erro absoluto x ser dado por:

( x )r =

x 100 % . x

3.3 Propagao de erros em clculos

Geralmente necessrio usar valores medidos e afetados por erros para realizar clculos a fim de se obter o valor de outras grandezas. necessrio conhecer como o erro na medida original afeta a grandeza final.

3.3.1 Soma e subtrao de grandezas afetadas por erros

A anlise estatstica rigorosa mostra que ao somarmos ou subtrairmos grandezas estatisticamente independentes o erro no resultado ser dado pela raiz quadrada da soma dos quadrados dos erros de cada uma das grandezas. Por exemplo, se tivermos trs grandezas dadas por: x x , y y e z z , a soma (ou subtrao) delas,

w = x+ y+z
ser afetada por erro de valor

w = ( x )2 + ( y )2 + ( z )2 .
Como aproximao, pode-se usar que, se o erro de uma das grandezas da soma (ou subtrao) for consideravelmente maior que os das outras, por exemplo, x >> y , z (trs vezes maior suficiente) o erro do resultado ser dado por este erro: w x .

3.3.2 Multiplicao e diviso de grandezas afetadas por erros

Neste caso, o erro relativo do resultado ser dado pela raiz quadrada da soma dos quadrados dos erros relativos de cada fator. Por exemplo, se w = x/y teremos: 15

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

w = w

FG x IJ + FG y IJ H xK H yK
2

3.4 Erros em funes de grandezas afetadas por erros

Frequentemente necessrio estimar qual o erro que afeta uma varivel y que uma funo de x, y = f(x), quando se conhece o erro x na determinao de x. Quando a funo for bem comportada nas vizinhanas do ponto de interesse, pode-se estimar o erro y em y de duas maneiras: pela fora bruta ou com classe. O mtodo da fora bruta consiste em calcular o valor de y em x + x e em x x , obtendo-se:

y + y = f ( x + x ) y y = f ( x x )
de onde se calcula:

y =

| f ( x + x ) f ( x x )| . 2

O mtodo clssico usa a noo de derivada da funo, e supe que erro x seja suficientemente pequeno para que possamos escrever:

y =

FG df IJ H dx K

x .
x= x

16

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

4 Erros: verso avanada

4.1 Definies bsicas
4.1.1 Mdia, desvio e erro padro
O resultado de uma medio est sujeito a erros aleatrios que fazem com que medidas em "idnticas condies" dem valores diferentes. Se temos N medidas de uma grandeza fsica, x1, x2,..., xN definimos a mdia, o desvio padro (standard deviation) e o erro padro (standard error) desse conjunto de medidas como na Tabela 4.1.

Nome mdia desvio padro erro padro x=

Smbolo e frmula
1 N

Nome por extenso mdia aritmtica

xi
1 N 1

x = S = x = Sm =

( xi x )2

desvio padro de cada medida desvio padro da mdia

S N

Tabela 4.1. Definies bsicas. O smbolo de somatria indica a soma de todos os termos com i = 1,...,N. O nome por extenso se utiliza nos casos em que o nome indicado na primeira coluna pode gerar confuso.

Note que os nomes definidos na Tabela 4.1 so uma conveno. Alguns autores definem estas mesmas palavras de outra maneira. Por exemplo, para o desvio padro de cada medida 7 alguns autores utilizam a definio s=
1 N

( xi x )2 .

[4.1]

Para no aumentar a confuso, indicamos com a letra s (minscula) o desvio padro calculado com [4.1] e com a letra S (maiscula) o definido na Tabela 4.1. Ns seguiremos a conveno de reservar o nome de desvio padro para S (ou x), definido como na Tabela 4.1. Se precisarmos referir-nos ao parmetro s definido como em [4.1], utilizaremos o nome de desvio padro da amostra. Outra conveno que seguiremos que o resultado de um conjunto de medies se expressa como

mdia = x x .

[4.2]

O significado da expresso [4.2] o seguinte: suponha que efetue uma nova srie de medidas e calcule a mdia aritmtica delas; o resultado ser um valor que cair dentro do

Salvo indicao explcita, em todas as somatrias que escreveremos suporemos que se somam todos os termos com i = 1,...,N. 17

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

intervalo definido pela relao [4.2] com aproximadamente 68 % de probabilidade. Outra forma mais realista de interpretar a relao [4.2] que se realizamos outras 100 sries de N medidas cada uma e calculamos as 100 mdias aritmticas de cada srie, 68 % delas cairo dentro do intervalo entre x x e x + x . O nmero 68 % vem da experincia acumulada por geraes de pesquisadores experimentais e tem tambm sustentao terica, como comentaremos depois. Note porm que realizar infinitas medidas impossvel na prtica. O melhor que podemos fazer estimar qual seria o resultado dessa situao ideal usando a informao provida por um nmero finito de medidas. Na seo 4.3 veremos os conceitos e formalidades sobre como fazer estimativas a partir de um conjunto de medidas. A quantidade x / x se denomina erro relativo da mdia, e 100 x / x o erro percentual da mdia. A questo de como expressar o resultado de um experimento, se com o desvio padro ( x x ) ou com o erro padro ( x x ), depende muito do contexto. Em Cincias Exatas estamos geralmente interessados em determinar uma grandeza fsica, e a medimos repetidas vezes em idnticas condies. Neste caso o desvio padro uma indicao da preciso do mtodo experimental, e no da flutuao que a grandeza medida pode ter. Por exemplo, se medimos a acelerao da gravidade em certo local, g, indicamos o resultado com g = g g , j que a expresso g = g g indicaria erroneamente que o verdadeiro valor de g pode variar dentro de uma faixa muito maior que a real. Em produo industrial, por outro lado, se utiliza o desvio padro para indicar a disperso de valores com que uma mquina ou processo fabrica um produto. Por exemplo, uma mquina fabrica esferas com dimetro especificado por d = d d . Outros exemplos, da rea de Cincias Naturais, onde deve ser utilizado o desvio padro so o tamanho de um certo tipo de celas e o peso e altura dos habitantes de uma certa regio. Note que nestes trs ltimos exemplos os objetos medidos so diferentes e expressamos o resultado com o desvio padro para dar uma idia da disperso de valores da grandeza nos diferentes objetos. Se realizamos medidas de uma grandeza em objetos diferentes, ento os experimentos no so realizados em condies idnticas e, em rigor, a teoria de erros de medio exposta neste captulo no se aplica.

4.1.2 Propagao de erros

Se a partir de uma grandeza medida x, calculamos outra grandeza f que depende de x segundo uma expresso matemtica f = f (x), usaremos a conveno de expressar o resultado na forma mdia de f : f f , onde f = f ( x ) e f = df a derivada da funo f (x) calculada em x = x . dx df x . dx [4.3]

Aqui

Um caso particular da [4.3], muito freqente na prtica, o de uma funo do tipo f ( x ) = a x , onde a e so constantes numricas exatas ou com erro desprezvel. Neste caso o erro relativo em f o erro relativo em x vezes o mdulo do exponente:

18

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

f ( x ) = a x

f x = . f x

1 Por exemplo, se f ( x ) = / x , temos = 1 e f / f = 2 x / x f = x / 2 x 3/ 2 . 2

Se a funo depende de duas ou mais variveis medidas e independentes, por exemplo f = f(x,y), a conveno que mdia de f : f f , onde

f = f (x, y)
e

f =

FG f IJ ( x ) + FG f IJ ( y ) H x K H y K
2 2 2

[4.4]

Aqui

f f e so as derivadas parciais de f(x,y) em relao a x e y, respectivamente, x y calculadas em ( x , y ) .

Por exemplo, se medimos o tempo de queda livre de uma partcula, t, e o espao percorrido na queda, h, podemos calcular a acelerao da gravidade usando g = 2 h / t 2 . Se os valores mdios medidos so t = (1.20 0.05) s e h = (3.38 0.05) m, ento, usando a [4.4] obtemos g = 9.7 m/s2 e g =

e2h / t j + e4ht / t j

2 2

3 2

= 0.8 m/s2.

Casos particulares da eq. [4.4], muito freqentes na prtica, so os casos de soma e produto. No caso de soma ou diferena, f(x,y) = x y, os erros quadrticos so aditivos: f ( x, y ) = x y ( f )2 = ( x )2 + ( y )2 .

No caso de um produto ou quociente, f(x,y) = x y1, os erros relativos quadrticos so aditivos:

f ( x, y ) = x y

FG f IJ = FG x IJ + FG y IJ H f K H xK H yK
2 2

A Tabela 4.2 resume as frmulas de propagao de erros desta seo.

19

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Funo f = f (x)

Mdia f = f (x) f = df x dx

Erro padro

f = f ( x , y)

f = f (x , y)

f =

FG f IJ ( x ) + FG f IJ ( y ) H x K H y K
2 2 2

f = ax + by f = ax y

f = ax + by f = ax y

f = ( ax )2 + ( by )2 f = f (x / x )2 + (y / y )2

Tabela 4.2. Frmulas de propagao de erros para os casos gerais de funes de uma e duas variveis e exemplos. No caso geral as derivadas so calculadas no ponto ( x , y ) = ( x , y ) . Nos exemplos, os coeficientes a,b, e so nmeros exatos ou com erro desprezvel.

As frmulas apresentadas nas tabelas 4.1 e 4.2 so as ferramentas essenciais que utilizaremos no primeiro semestre de Fsica Experimental. As sees 4.2 e 4.3 a seguir tem o propsito de aclarar o significado das grandezas definidas na Tabela 4.1. Em termos rigorosos, a mdia aritmtica e o quadrado do desvio padro so estimadores da mdia e varincia, respectivamente, da distribuio de probabilidades que caracteriza a grandeza fsica medida. A validade das frmulas de propagao de erros da Tabela 4.2 ser discutida na seo 4.4. As frmulas de propagao de erros so aproximadas e veremos formas mais precisas de propagar erros em alguns casos particulares. Finalmente, na seo 4.5, exemplificamos os conceitos mais importantes com um experimento fsico concreto.

4.2 Variveis aleatrias e densidade de probabilidade.

Para um dado mtodo de medida temos controle apenas parcial das condies do experimento. Medies de uma grandeza fsica X em "idnticas condies" esto sujeitas a variaes aleatrias sobre as quais no temos controle, dando como resultado valores medidos diferentes de X. Dizemos que X uma varivel aleatria (random variable). O resultado de uma medida da varivel aleatria contnua X pode ser representado por um nmero real x e admitimos que (1) existe uma probabilidade nica, P{a < X b}, de obter o resultado X em um dado intervalo do eixo real (a,b), e que (2) esta probabilidade no depende dos resultados de medidas anteriores. Os processos de medio podem ser considerados processos estocsticos, os quais so completamente caracterizados por uma funo de densidade de probabilidade (ddp) p(x) definida como o limite
8 8

Um processo estocstico (stochastic process) para variveis contnuas satisfazem, alm das duas condies mencionadas, que a probabilidade de obter X dentro de um intervalo infinitesimal, P{x X < x+ dx} proporcional ao comprimento do intervalo, dx. 20

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

p ( x ) = lim

P{x < X x + x} , x x0

[4.5]

onde P{x < X x+x} a probabilidade de achar a varivel aleatria X no intervalo entre x e x + x. A ddp nos d uma idia de como se distribui a probabilidade no eixo real. Se conhecemos p(x) podemos dizer com exatido qual a probabilidade de achar X em qualquer intervalo, por exemplo

P{a < X b} =

z p( x )dx
b a

[4.6]

Obviamente, a probabilidade de achar X entre - e + 1, de modo que p(x) tem a seguinte propriedade:

+ p( x )dx

= 1.

[4.7]

O propsito de realizar um grande nmero de observaes o de obter uma boa estimativa da densidade de probabilidade ou de alguns parmetros que a caracterizem, tais com a mdia e o desvio padro definidos a seguir.

4.2.1 Mdia, varincia e momentos de uma distribuio

A mdia (mean) da distribuio, ou valor esperado de X, definida como
+ x

=< x >=

p( x )dx .

[4.8]

Se f(x) uma funo real, F = f(X) uma nova varivel aleatria cujo valor mdio sobre a 9 distribuio (average) ou valor esperado

f =< f ( x ) >=

z z

f ( x ) p( x )dx .

[4.9]

A varincia (variance) da distribuio definida como a mdia da funo (x-)2:

2 =< ( x )2 >=

+ (x

)2 p( x )dx .
10

[4.10] Este parmetro

A raiz quadrada da varincia, ou seja , por definio o desvio padro. da uma idia da largura da distribuio de probabilidades.

O exemplo de ddp mais importante em erros de medio o de uma distribuio normal ou gaussiana. Se diz que X segue uma distribuio normal se a sua ddp tem a forma

Note que, para alguns autores na literatura inglesa, mean e average no so exatamente a mesma coisa. Alguns autores indicam valores esperados com E( ). Por exemplo a mdia = E(x) e a varincia, tambm denotada com V(x), 2 = E[(x- E(x))2] = V(x). O desvio padro as vezes denotado com D(x). 21
10

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

p( x ) =

1 2

exp ( x 2) .
2

LM N

OP Q

[4.11]

Esta funo simtrica em relao a e depende apenas de dois parmetros: e que coincidem, respectivamente, com a mdia e o desvio padro da distribuio. No caso de uma distribuio normal, a probabilidade de achar X dentro de 1 desvio padro em torno da mdia de aproximadamente 68%, j que

P{ x + } =

1 2

exp ( x 2) dx 0.683 .
2

LM N

OP Q

[4.12]

Analogamente, a probabilidade de achar X dentro de 2 desvios padres entorno da mdia de aproximadamente 95%. Nos processos de medio de uma grandeza macroscpica, o resultado da medida depende de um nmero muito grande de processos aleatrios independentes microscpicos, que se somam no resultado final dando o carter aleatrio grandeza macroscpica. Sob condies bastante gerais se demonstra que a soma de um nmero grande de variveis aleatrias segue uma distribuio normal, independentemente das distribuies individuais das variveis. Este resultado da estatstica, chamado teorema central do limite, d fundamento terico suposio que os cientistas experimentais geralmente fazem de que os resultados de medidas seguem uma distribuio normal. Voltando ao caso geral, outros parmetros que caracterizam uma ddp so os momentos. O momento de ordem n definido como mn = < xn >. O momento de primeira ordem coincide com a mdia m1 = < x > e o de segunda ordem, m2 = < x2 >, pode ser expresso em termos da varincia:
11

< x 2 >= 2 + 2 .

[4.13]

O conhecimento dos momentos de todas as ordens permite determinar todas as propriedades da ddp. Tambm teis so os momentos centrados da distribuio, definidos como n = <(x - )n>. Obviamente, 1 = 0 e 2 = 2. Se a ddp uma funo simtrica em relao mdia, ento todos os momentos centrados de ordem impar so nulos. O momento centrado de terceira ordem, 3, uma medida da assimetria da ddp. Muitas vezes ajuda pensar que a ddp representa a densidade local de um corpo inomogneo. A mdia da distribuio se interpreta ento como a posio do centro de massas e a varincia como o momento de inrcia em relao ao centro de massas.

4.2.2 Variveis estatisticamente independentes

Se X e Y so duas variveis aleatrias, a probabilidade de achar X dentro de um certo intervalo e Y dentro de um outro intervalo ser descrita em geral por uma funo de densidade de probabilidade conjunta p(x,y) definida como

11

Note que a mdia de x2 no o quadrado da mdia de x. 22

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

p( x, y ) =

P{x < X x + x ; y < Y y + y} . x y x0, y0 lim

Cada varivel aleatria tem a sua ddp individual que pode ser obtida integrando a ddp conjunta sobre a outra varivel:

pX ( x ) =
e

z z

p( x , y )dy

pY ( y ) =

p( x , y )dx .

As variveis X e Y se dizem estatisticamente independentes se a ddp conjunta o produto das densidades de probabilidade individuais p ( x , y ) = p X ( x ) pY ( y ) . A soma duas variveis aleatrias, X + Y uma nova varivel aleatria cuja mdia e varincia esto dadas, no caso geral, por x+ y = x + y e 2 + y = 2 + 2 + 2( xy x y ) , x x y

mas se X e Y so independentes, ento xy =< xy >= x y (se X e Y so independentes) [4.14] e temos 2 + y = 2 + 2 x x y (se X e Y so independentes). [4.15]

4.3 Estimadores
Um conjunto de medidas pode ser representado como um conjunto de variveis aleatrias X1, X2, ..., XN, sendo que todas elas tm a mesma ddp e, portanto, a mesma mdia e varincia:

< xi >= e < ( xi < xi > )2 >= 2 .

[4.16]

importante notar que se as medidas so efetuadas nas mesmas condies, estas variveis aleatrias so estatisticamente independentes. Isto significa que, por exemplo, da eq. [4.14], < xi x j >=< xi >< x j >= 2 (i j ). [4.17]

Se pudssemos realizar infinitas medidas em condies idnticas, teramos uma representao completa da ddp com a qual poderamos calcular exatamente a mdia , a varincia 2 ou outros parmetros da distribuio. O problema que no podemos realizar infinitas medidas. O melhor que podemos fazer , a partir dos resultados de N medidas, 23

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

estimar parmetros da ddp, tais como e 2. Dado que s conhecemos os valores de x1,.., xN medidos, devemos propor frmulas matemticas que contenham apenas estes valores. Se um parmetro da ddp, um estimador (ou estimativa) a de dado por uma equao ou frmula

a = a ( x1,.. x N ) .
Por exemplo, a mdia aritmtica, x , definida pela frmula [3.1], um estimador do parmetro , e S e s so dois estimadores diferentes do parmetro . Note que todos os valores esperados, indicados com < >, so desconhecidos.

4.3.1.1 Estimadores viciados e no viciados

Existem mais de uma forma de estimar um parmetro e o problema que se nos apresenta o de decidir se um estimador melhor do que outro e, mais geralmente, o de como qualificar se um estimador bom ou no. O primeiro que podemos exigir de um estimador que o valor esperado coincida com o parmetro que est estimando:

< a > = .
Um estimador que satisfaz esta condio se diz no viciado (unbiased) . Se um estimador viciado (biased), ento no importa quantas medidas sejam realizadas, ele nunca vai representar exatamente o parmetro que se quer estimar. A mdia aritmtica um estimador no viciado de j que
1 < x >= N
13 12

< xi > = .

[4.18]

Mas s o critrio de no viciado muitas vezes no basta para decidir entre vrios estimadores pois pode acontecer que todos eles sejam no viciados. Para exemplificar este fato, notemos que qualquer um dos valores medidos, xi, pode servir como estimador de e que todos eles so estimadores no viciados dado que, de acordo com a eq. [4.16], < xi >= para qualquer i. Um conceito que ajuda a decidir se um estimador melhor do que outro a preciso, expressa em termos do desvio padro esperado em relao ao parmetro estimado, < ( a )2 > . Se o estimador no viciado, esta quantidade coincide com o desvio padro a = < ( a < a > )2 > . Um estimador mais eficiente ou mais preciso que outro se este desvio padro menor.

Em alguns casos difcil achar um estimador no viciado. Nesses casos podemos exigir pelo menos que seja assintoticamente no viciado; ou seja que < a > para N . Em todas as somatrias sem ndices supomos que se somam todos os termos com i = 1,...,N. 24
13

12

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

4.3.2 Estimando a mdia

Como j falamos, a mdia aritmtica de uma srie de medidas, x , definida na Tabela 4.1, um estimador no viciado do parmetro . Para avaliar quo bom como estimador vejamos qual , teoricamente, o desvio padro esperado (em relao a ). Este desvio , por definio, x = < ( x ) 2 > = < x 2 > 2 . Mas
14

< x 2 >= 2 + e, portanto, x =

2 N

[4.19]

. N

[4.20]

Este resultado significa que a mdia aritmtica se aproxima ao verdadeiro valor da mdia com uma preciso que melhora com a raiz quadrada do nmero de medidas. No limite de N , o desvio padro da mdia aritmtica nulo; o que no nenhum contra-senso pois se pudssemos fazer infinitas medidas conheceramos exatamente a mdia da distribuio. importante frisar que < x >= e x = N independentemente da funo de distribuio dos xi. Embora no sabemos qual a ddp das medidas individuais, a mdia aritmtica, por ser uma soma de variveis aleatrias , uma nova varivel aleatria que segue, no limite de N grande, uma distribuio normal. Como mencionamos acima, qualquer um dos valores medidos um estimador no viciado de ; porm, o desvio padro de xi como estimador de , de acordo com [4.16], , enquanto que o desvio padro da mdia aritmtica /
15

N , ou seja

N vezes menor.

Finalmente, um outro argumento em favor da mdia aritmtica como estimador de que 16 a soma dos desvios quadrticos em relao a um valor x arbitrrio, mnima para x = x .

4.3.3 Estimando a varincia

Vejamos agora o problema de estimar o valor esperado do desvio quadrtico da cada medida individual, ou seja a varincia, 2 da ddp. Na Tabela 4.1 sugerimos S2 como estimador da varincia. Por outro lado, o quadrado do desvio padro da amostra definido na eq. [4.1] sugere um estimador aparentemente mais intuitivo pois s2 a mdia aritmtica dos desvios

A eq. [4.19] se demonstra notando que em < x 2 >= i j < xi x j > / N 2 , temos N(N-1) termos com i j, para os quais (dado que as variveis Xi e Xj so independentes e se aplica a
14

eq. [4.14]) < xi x j >=< xi >< x j >= 2 , e outros N termos com i = j, para os quais (vide eq. [4.13]) < xi xi >=< xi 2 >= 2 + 2 . Assim, < x 2 >= [( N 1) N 2 + N ( 2 + 2 )] / N 2 = 2 + 2 / N .
15 16

...e em virtude do teorema central do limite,...

Ou seja que a funo f ( x ) = ( xi x )2 , mnima em x = x , j que df / dx = 2 ( xi x ) = 0 x = x. 25

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

quadrticos. Porm, os termos da soma na eq. [4.1] no so independentes. De fato, s2 um 17 estimador viciado da varincia j que o seu valor esperado < s2 >= A [4.21] mostra que o valor esperado de S 2 = ( N 1)2 . N
1 N 1

[4.21] [4.22]

( xi x )2 = NN1 s2

< S2 > = 2.

Portanto S2 um estimador no viciado da varincia. Este resultado vlido para qualquer distribuio. Tanto s2 como S2 podem ser utilizados como estimadores da varincia. Se N grande a diferena pequena, mas em rigor s2 um estimador viciado enquanto que S2 no. por esta razo que, nos casos de N pequeno, utilizamos S2 (e no s2) para estimar a varincia. O parmetro s chamado por alguns autores desvio padro da amostra enquanto que S chamado desvio padro de cada medida e no devem ser confundidos com o desvio padro da distribuio, , que um valor desconhecido. Note tambm que, embora S2 um estimador no viciado de 2, S no , em geral, um 18 estimador viciado de , j que, em geral, < S > . Para determinarmos a preciso de S2 como estimador de 2, precisamos calcular o desvio padro de S2, S 2 = < ( S 2 2 )2 > . Para uma ddp arbitrria, esta quantidade no pode ser expressa em termos de (apenas) e . Porm, no caso de uma distribuio normal, se demonstra que S 2 = < ( S 2 2 )2 > =
2 2 . N 1

[4.23]

4.3.4 Preciso dos estimadores

As eqs. [4.20] e [4.23] expressam, respectivamente, os desvios padres esperados de x e de S2 em termos do desvio padro da ddp, , que desconhecido. Queremos agora estimar esses desvios padres (ou, mais exatamente, as razes quadradas dos estimadores das varincias de x e de S2) utilizando apenas dados conhecidos. Isto nos permitir estimar a preciso com que podemos dizer que x representa a mdia, , e S2 representa a varincia da distribuio, 2. Dado que 2 = 2 / N e que S2 um estimador no viciado de 2, podemos estimar 2 x x 2/N. Estimamos portanto o desvio padro da mdia com o assim chamado erro padro, com S

17

Isto se demonstra facilmente observando que s2 = ( xi x ) 2 / N = ( xi2 / N ) x 2 . Notando que

2 2 2

ainda
2
18

< xi 2 >= 2 + 2
2 2

usando

eq.

[4.19],

obtemos

< s >= + ( + / N ) = ( N 1) / N . A expresso para <S> no caso de uma distribuio normal pode ser vista na ref. 1. 26

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

x = Sm = S

N.

[4.24]

Com 68 % de probabilidade, o verdadeiro valor da mdia da distribuio, , est dentro do intervalo x x . O fato de que x diminui com N justifica o esforo de realizar um nmero grande de medidas pois melhora a preciso com que conhecemos a mdia. Do mesmo modo, notando (vide a eq. [4.20]) que para uma distribuio normal = 2 2 / ( N 1) , estimamos o desvio padro de S (i.e. o desvio padro do desvio padro de cada medida) com

2 2 S

S = S N21

1 4

[4.25]

Com 68 % de probabilidade, o verdadeiro desvio padro da distribuio, , est dentro do intervalo S S. Note da eq. [4.25] que com N = 201 medidas, a preciso com que determinamos o desvio padro de apenas 32% (S/S = 0.32). Para obtermos uma preciso de 1% em S, deveramos realizar mais de 200 milhes medidas!! por esta razo que os desvios padres e os erros padres se indicam com um e s um algarismo significativo. Outra consequncia que se desprende desta impreciso com que se conhece que tanto faz utilizar S ou s para o desvio padro de uma srie de medidas: a diferena entre S e s sempre menor que S. Mas j que d na mesma e que, de todos modos os clculos so sempre feitos apertando um boto de uma calculadora com funes estatsticas, por que no apertar o boto mais correto?

4.4 Comentrios sobre as frmulas de propagao de erro

No caso de uma funo, f = f(x), de uma varivel x que foi medida diretamente, existe mais de uma maneira de estimar o valor esperado

f =< f ( x ) >
e a varincia de f

2f =< [ f ( x ) f ]2 > .
As frmulas de propagao de erros dadas na Tabela 4.2 nem sempre so bons estimadores da mdia e devem ser utilizadas com cuidado. Em rigor, ns deveramos calcular a mdia e o erro padro de uma amostra da varivel aleatria F = f(X) formada por f(x1), f(x2),...f(xN):

f =
onde S f =

1 N

f ( xi ) , e f =

Sf N

1 N 1

[ f ( xi ) f ]2 .

As frmulas da Tabela 4.2 do bons estimadores se a relao entre f e x linear. Se a relao no linear e o desvio padro S = x comparvel mdia x , a estimativa da mdia 27

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

de f utilizando a expresso f = f ( x ) pode conduzir a erros graves, independentemente do nmero de medidas (que s melhora a preciso mas no a exatido). O clculo do erro em f a partir da derivada (Tabela 4.2), por outro lado, pode ser utilizado com mais segurana, dado que f d apenas uma idia da preciso com que estimamos f e, como todo erro padro, o valor de f tem associado uma incerteza relativa que da ordem de (vide eq.[4.25]) outro modo. A validade das frmulas de propagao de erros pode ser entendida se considerarmos a expanso de Taylor
1 f ( x ) = f ( ) + f ( )( x ) + 2! f ( )( x )2 +...,
4

2 / ( N 1) . Porm, se a primeira derivada nula, f deve ser estimada de

onde as primas indicam derivadas. Podemos ento expressar o valor esperado e a varincia como
1 f =< f ( x ) >= f ( ) + 2! f ( ) 2 +...

2 = f ( )2 2 + f ( ) f ( ) < ( x )3 > +... f

Assim, podemos interpretar f = f ( x ) como um estimador do primeiro termo da expanso da mdia e f 2 =| f ( x )|2 x 2 (que da o valor da Tabela 4.2 para o erro padro, f = f / N ) como um estimador do primeiro termo da expanso para a varincia. Por tanto, as frmulas da Tabela 4.2 so bons estimadores se a expanso de Taylor truncada at termo linear uma boa aproximao de f(xi). Vejamos alguns exemplos. Consideremos a funo no linear f(x) = x2. A Tabela 4.2 nos da f = x 2 , que um estimador viciado de f =< x 2 > . Segundo a eq. [4.13], < x 2 >= 2 + 2 , pelo que um estimador no viciado de f x 2 = x 2 + S 2 . Embora a diferena seja pequena se S = x <<| x | , deve ser notado que isto no depende da preciso da medida (x ) mas sim da disperso (x). Aumentando razoavelmente o nmero de medidas podemos diminuir o erro padro x , mas no diminuir o desvio padro x. Um exemplo prtico deste problema o clculo da rea transversal de um cilindro irregular: a rea mdia mais perto de r 2 = r 2 + r 2

i do que de r , embora a diferena

2

de segunda ordem em r. Outro exemplo dentro desta linha o volume de uma esfera de dimetro d; se a esfera muito irregular, de modo que desvio padro d significativo quando comparado com o dimetro mdio d , o volume mdio deve ser calculado como V = d 3 / 6 e no como V = d 3 / 6 . Se a distribuio de dimetros simtrica em relao mdia ento fcil mostrar que V = d 3 / 6 + d d 2 / 2 . Novamente a diferena pequena somente se d << d .

28

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Voltando funo f(x) = x2, o erro na mdia calculado pela frmula de propagao de erros da Tabela 4.2 nos da f = 2 x x , que claramente um estimador incorreto para x 0 (ou, em geral, para | x | x ). Uma expresso mais correta pode ser obtida notando que

< x 2 < x2 >

>=

4 2 2 2 4 + , N N

que sugere o estimador f = 2| x | x 1 + x 2 / 2 x 2 , que no se anula para x = 0. Se | x | x , a diferena entre este estimador e o indicado na Tabela 4.2 pequena (menor que a incerteza associada a f , f 4 2 / ( N 1) , para valores razoveis de N). No caso de um produto de variveis independentes, a funo f ( x , y ) = x y (a rea de um retngulo, por exemplo) linear em x e y, e, portanto f = x y um estimador no viciado de <xy> = x y. A varincia do produto, porm, vem dada por 2 = 2 2 + 2 2 + 2 2 , pelo que xy x y y x x y uma frmula de propagao de erros mais correta daquela que se deduz da Tabela 4.2 xy = ( x y )2 + ( y x )2 + ( y x )2 .

4.5 Um exemplo concreto: o alcance de um projtil

Para sermos concretos ilustraremos os conceitos com o exemplo do alcance de um projtil (Figura 4.1). Neste experimento solta-se um esfera sempre desde o mesmo ponto de uma rampa e se mede o alcance X que a esfera percorre na horizontal desde o ponto em que abandona a rampa at atingir o cho. Devido a irregularidades na superfcie da rampa, irregularidades na esfera, vibraes no laboratrio, correntes de ar, etc., o alcance varia aleatoriamente de lanamento em lanamento. X ento uma varivel aleatria que, como resultado de um experimento, pode assumir um valor real x. Medidas repetidas em idnticas condies de lanamento nos fornecem um conjunto de valores x1,..., xN. Este conjunto uma

amostra ou subconjunto dos infinitos valores que mediramos com infinitos lanamentos. Se pudssemos realizar infinitos lanamentos, os valores medidos se distribuiriam de acordo com uma funo de densidade de probabilidade (ddp), acumulando-se entorno de uma mdia com uma disperso ou desvio padro . Com a amostra finita de lanamentos queremos inferir algumas caractersticas dessa ddp. Estamos interessados particularmente em obter estimadores dos verdadeiros valores da mdia e do desvio padro, . Com estes estimadores poderemos predizer onde cair a esfera num prximo lanamento com certa probabilidade. Finalmente, gostaramos avaliar a preciso com que esses estimadores se aproximam dos verdadeiros valores.

29

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

Figura 4.1. Esquema do experimento de alcance de um projtil.

Antes de realizar as N medidas, os alcances que sero medidos podem ser considerados como variveis aleatrias independentes, todas com a mesma ddp e portanto com as mesmas e .

4.5.1 Histogramas
O histograma o primeiro passo para estimarmos a densidade de probabilidade. Suponhamos que medimos 50 vezes o alcance da esfera utilizando uma rgua milimetrada e que obtivemos os dados da Tabela 4.3. i 1 2 3 4 5 6 7 8 9 10 xi 46.2 46.3 46.6 46.3 46.0 46.9 46.2 46.4 46.1 46.5 i 11 12 13 14 15 16 17 18 19 20 xi 46.7 46.1 46.5 46.7 46.4 46.3 46.3 46.8 46.7 45.9 i 21 22 23 24 25 26 27 28 29 30 xi 46.2 46.3 46.5 46.6 46.6 46.6 46.3 46.4 46.5 46.4 i 31 32 33 34 35 36 37 38 39 40 xi 46.1 46.2 46.0 46.6 46.2 46.7 46.4 46.2 46.1 46.4 i 41 42 43 44 45 46 47 48 49 50 xi 46.3 46.3 46.5 46.0 46.4 46.0 46.3 46.5 46.3 46.4

Tabela 4.3. Dados do alcance da esfera (em cm) para 50 lanamentos.

Contando o nmero de vezes em que obtivemos alcances em intervalos de 1 mm (cada um destes intervalos chama-se intervalo de classe e indicaremos o comprimento com x, neste exemplo x = 0.1 cm), poderemos representar os resultados em histogramas como o da Figura 4.2. Nessa figura representamos os resultados dos primeiros 5 lanamentos, dos primeiros 10, dos primeiros 20 e, finalmente, dos 50 lanamentos registrados na Tabela 4.3.

30

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

0.4

0.4

N=5
Frequncia normalizada
0.2 1 0.2

N = 10
2

0.0

0.0

0.20

0.20

10

N = 20
0.15 3 0.15 0.10 2 0.10

N = 50

0.05

0.05 2

0.00 45.8 46.0 46.2 46.4 46.6 46.8

0 47.0

0.00 45.8 46.0 46.2 46.4 46.6 46.8

0 47.0

Alcance,

N (cm)

Figura 4.2. Histogramas para diferentes conjuntos de medidas do alcance.

Note que em cada histograma temos normalizado o nmero de vezes (freqncia) que cada alcance se repete pelo nmero total de lanamentos em cada conjunto (isto se denomina um histograma de frequncias normalizadas). Assim, a escala das ordenadas nesses histogramas do uma idia da probabilidade de que a esfera caia em cada intervalo. Por exemplo, no intervalo de (46.4 0.05) cm a esfera caiu uma frao de 0.10 vezes nas primeiras 20 medidas. Porm, quando consideradas as 50 medidas, nesse mesmo intervalo a esfera caiu uma frao de 0.16 vezes. Intuitivamente, a medida que aumentamos o nmero de medidas o que determinamos com mais preciso a probabilidade de achar o alcance dentro de certo intervalo, e admitimos que 0.16 um valor mais aproximado (do que 0.10) do valor exato mas desconhecido de P{46.35 cm < X 46.45 cm}. medida que aumentamos N o histograma representa melhor a verdadeira densidade de probabilidade. Se pudssemos realizar infinitas medidas, o histograma normalizado nos daria a probabilidade exata de achar o alcance em cada intervalo. Notemos porm que isto no nos daria ainda a densidade de probabilidade p(x) mas apenas a integral desta funo em cada intervalo de comprimento x = 0.1 cm, que determinado pela preciso da rgua utilizada. Para conhecermos p(x) devemos, segundo a definio, no somente fazer infinitas medidas mas, tambm, fazer as medidas utilizando um instrumento com preciso infinitesimal, de modo que possamos fazer x 0 . Afortunadamente, no necessrio conhecer o valor de uma funo em todos os pontos para caracteriz-la completamente. Basta com conhecer alguns parmetros da funo para termos uma representao exata da mesma. Por exemplo, se sabemos que a distribuio normal e conhecemos os valores de e , podemos calcular exatamente p(x) para qualquer x. Se a distribuio no normal precisaremos tal vez mais parmetros (por exemplo, os momentos da ddp) mas o conhecimento de e j nos da uma boa idia da ddp.

Frequncia

31

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

4.5.2 Os resultados
A Tabela 4.4 mostra os resultados em cm da mdia, desvio padro e desvio padro da mdia desses quatro conjuntos de medidas (calculados utilizando as frmulas da Tabela 4.1). Na ltima coluna representamos tambm o desvio padro do desvio padro estimado utilizando a eq. [4.25].

N 5 10 20 50

x
46.28 46.35 46.40 46.36

S 0.22 0.26 0.28 0.23

Sm 0.10 0.08 0.06 0.03

S 0.18 0.18 0.16 0.10

Tabela 4.4. Valores em cm da mdia, desvio padro e erro padro para os conjuntos de medidas de alcances do projtil correspondentes aos quatro histogramas da fig. 5.2.

Note como aumentando N a mdia e o desvio padro mudam muito pouco, enquanto que o erro padro, Sm, e S diminuem sistematicamente. Isto ilustra a diferena entre estimadores de parmetros e estimadores da preciso. x e S so estimadores de parmetros da distribuio ( e , respectivamente) e portanto no devem se alterar muito aumentando o nmero de medidas. Por outro lado, Sm e S so estimadores da preciso com que x e S se aproximam dos respectivos parmetros da ddp ( e ) e, dado que quanto mais medimos melhor conhecemos a distribuio, Sm e S devem diminuir aumentando N. O erro na mdia diminui como 1 / N enquanto que o erro no desvio padro diminui como 1 / 4 N 1 . Quando queremos dar idia da distribuio de valores medidos expressamos o resultado na forma x x . Neste exemplo,

alcance: (46.4 0.2) cm.

Note que o desvio no especifica a preciso das medidas mas a disperso de valores em torno da mdia ou erro em uma nica medida. Com x e x (x = S) podemos predizer o resultados de futuros lanamentos. Podemos apostar por exemplo que nos prximos 10 lanamentos, em 7 deles a esfera cair entre 46.2 e 46.6 cm. Com outras palavras, podemos dizer que o prximo lanamento cair no intervalo de 46.2 a 46.6 cm com 68 % de 19 probabilidade (intervalo de confiana de 68%) . Se em vez de lanar esferas por uma rampa lanamos bombas muito caras, vamos querer ter mais certeza da nossa probabilidade de acertar o alvo e usaremos x 2S para especificar um intervalo com 95 % de confiana. Quando queremos indicar a preciso com que determinamos a mdia expressamos o resultado na forma x x . Para expressar corretamente o resultado de uma srie de medidas deveramos especificar o nmero de medidas e o intervalo de confiana. Por exemplo, o resultado das 10 medidas poder ser expresso como Em rigor, o intervalo de confiana de 68 % para uma distribuio normal o intervalo ( ), definido a partir dos verdadeiros valores da mdia e desvio padro e no dos valores estimados ( x S ). 32
19

Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros

alcance mdio: (46.35 0.08) cm

(N = 10; 68% de confiana) .

20

Com esta informao podemos calcular por exemplo o desvio padro S = 10 0. 08 cm = 0. 2 cm . Na prtica esta forma de expressar os resultados demais extensa. Muitos cientistas experimentais preferem escrever " x = (46.35 0.08) cm (N = 10)", apelando conveno de que, salvo indicao explcita, o intervalo de confiana de 68 %. Note que sempre que se utiliza Sm necessrio indicar N. Uma notao ainda mais curta " x = 46.35 cm, S = 0.2 cm". Esta ltima conveno relativamente independente de N, mas se perde a informao do nmero de medidas e portanto do esforo e cuidado com que o experimento foi realizado. Finalmente, notemos que o erro na mdia indicado Tabela 4.4 para 50 medidas 0.03 cm, que menor que a preciso de nossa rgua (metade da menor diviso, ou 0.05 cm). A questo de se vlido ou no expressar um resultado com mais preciso que o instrumento de medida uma discusso mais filosfica do que til. Na prtica, nenhum experimentador vai realizar mais medidas do que necessrio. Neste exemplo, o bom senso indica que com 20 medidas (x = 0.06 cm) j temos uma preciso satisfatria.

4.6 Referncias
1. J.M. Cameron, "Statistics," in "Fundamental Formulas of Physics," edited by D.H. Menzel, Vol. 1, ch. 2, Dover, New York, 1960. 2. G.L. Squires, "Practical Physics," 3rd. edition, Cambridge University Press, Cambridge, 1985.

Para os puristas, o intervalo de confiana da mdia se determina a partir de parmetros de uma outra distribuio, a distribuio t de Student, que se aproxima da distribuio normal para N grande. Os valores corretos esto tabelados para os intervalos de confiana mais empregados. Este procedimento seguido por exemplo por bilogos, mdicos e qumicos e quase nunca por fsicos. A diferena pequena e no justifica o trabalho de procurar os valores corretos em tabelas, dada a grande incerteza com que se estimam S e Sm. 33

20