Escolar Documentos
Profissional Documentos
Cultura Documentos
ApostilasdeApoio
rev.1102.2013
ndice
1. Introduoteoriadeerrosemedidas......................................................................1
2. Tabelasegrficos..................................................................................................................5
3. Leideescala..........................................................................................................................11
4. Mnimosquadrados...........................................................................................................15
5. Propagaodeerros.........................................................................................................18
6. Cronmetrointeligenteephotogate..........................................................................22
7. Medidasdecomprimento...............................................................................................26
8. Estruturadorelatrio......................................................................................................29
Introducao `a teoria de erros e medidas
Jorge Diego Marconi
Em Fsica, a ideia de medida esta subjacente a tudo.
E atraves de experiencias
que se pode obter valores quantitativos consistentes para certas propriedades da materia,
sejam elas propriedades das chamadas partculas elementares - os constituintes ultimos da
materia, sejam elas as grandezas que nos permitem entender um pouco as galaxias e outros
objetos estelares. No dia a dia, medimos grandezas normais, aquelas que estao dentro de
nossos conceitos antropomorcos de descricao da natureza. Mas a natureza nao e s o o
que vemos ao nosso redor. Quando estudamos o microcosmo, ha outras propriedades da
natureza que nao tem correspondencia na nossa vida do dia a dia. Quando nos afastamos
de nosso sistema planetario e estudamos a nossa galaxia ou outras estrelas, tambem
sao encontrados estranhos mundos onde nao valem as grandezas com as quais estamos
acostumados. Para descrever essas novas propriedades, sao atribudos nomes a elas e sao
feitas medidas sistematicas. Tanto nesses campos avancados da fsica quanto em nossas
experiencias no laboratorio de IF129, os resultados das medidas sao sempre expressos por
n umeros que indicam quantas vezes uma propriedade fsica de um certo corpo e maior
ou menor que um determinado padrao, denido de forma arbitraria, mas conhecido por
todos. Esse padrao e a unidade daquela propriedade fsica particular.
Um assunto que aparece imediatamente em fsica experimental e que qualquer medida
que zermos sera sempre afetada por algum tipo de erro. Como explicaremos a seguir,
esses erros podem ser causados pela qualidade (ou falta de) dos instrumentos, pela falta
de cuidado do observador, ou podem ser erros estatsticos. Os principais tipos de erros
sao:
Erros sistematicos
Erros sistematicos sao aqueles causados por defeitos dos instrumentos, por exemplo, falta
de calibracao. Se um termometro marca sistematicamente 1
i=1
x
i
50
(1)
para o caso em que N = 50.
A teoria de erros mostra que, com um conjunto nito de medidas, nao e possvel obter
o valor exato da grandeza que se esta medindo, e demonstra que essa media, calculada
com base nos valores experimentais, e o melhor estimador dessa grandeza. Entao, ate
agora temos o valor que vamos dar como resultado das 50 medicoes, ou seja a media, mas
ainda nao sabemos quantos dgitos vao car nem qual e o erro associado. Se o leitor for
perspicaz, talvez pense, se esses 50 valores deram esta media, e essa media representa
o valor mais provavel da minha medicao, entao o erro deveria estar, de alguma maneira,
associado a dispersao de todos os valores ao redor da media. Vamos entao denir o
desvio quadratico medio ou desvio padrao como:
=
50
i=1
(x x
i
)
2
(50 1)
(2)
A teoria dos erros vai associar, a uma certa medida, nao o erro que se comete, mas
sim um intervalo de valores ao redor da media, dentro do qual o valor verdadeiro tem
uma alta probabilidade de ser encontrado. E o n umero que melhor estima esse intervalo
e dado por:
x
= x
estatistico
=
50
(3)
A este erro, que mede de alguma forma a dispersao dos dados ao redor da media, vamos
chamar de erro estatstico. Agora nalmente, com o conjunto de 50 dados experimentais,
podemos determinar um resultado nal e um erro associado.
E importante mencionar
que o n umero 50, que aqui representa o n umero total de dados, pode ser obviamente
generalizado para N dados, cando entao as equacoes para o caso geral como:
x =
N
i=1
x
i
N
(4)
=
N
i=1
(x x
i
)
2
(N 1)
(5)
2
x
= x
estatistico
=
N
(6)
O leitor atento, porem, tera percebido que o instrumento de medicao tem um erro
associado, o que nao foi considerado ate agora. Nao levar em conta o erro do instrumento
seria como dizer que medir, por exemplo, a largura de uma mesa com uma regua graduada
em cm a medi-la com outra graduada em mm nao faz diferenca, e isso nao parece razoavel.
Assim, ainda falta um passo para obtermos o erro que vamos chamar de total, para coloca-
lo como erro associado da media. O erro total vai estar dado pela seguinte equacao:
x
total
=
(x
estatistico
)
2
+ (x
instrumental
)
2
(7)
A pergunta agora vai ser: qual e o erro instrumental? Vamos explicar isto com ex-
emplos. Suponha que temos que medir o comprimento de uma folha de papel com uma
regua que tem divisoes ate milmetros. Vamos supor que o canto da folha caia entre as
divisoes correspondentes de 233 e 234 mm. O resultado dessa medida simples pode se
escrever assim:
L = (233,5 0,5) mm
Desta forma, voce esta escrevendo exatamente o maximo que voce pode dizer da
medida com o instrumento que voce tem, neste caso a regua com divisoes ate milmetros.
Isto e, que o valor esta entre 233 e 234 mm.
E possvel que as divisoes da regua estejam
ruins, e que voce nao esteja muito seguro de que a medida esteja entre 233 e 234 mm,
mas sim que esta entre 232 e 234 mm. Nesse caso escrevemos:
L = (233 1) mm
Estes dois casos representam os criterios geralmente aceitos para colocar o erro instru-
mental de uma medida: colocar a metade da mnima divisao do instrumento de medida ou
colocar diretamente a mnima divisao do instrumento, em nosso exemplo seriam 0,5 mm
ou 1 mm. Qual e o mais correto? Como e um criterio, nao e possvel dizer qual e o
mais ou o menos correto. Vai depender da medicao, do bom senso e da experiencia do
experimentador. Mas estes dois criterios sao, sem d uvida, os mais usados.
Suponha que voce tenha medido uma magnitude fsica 100 vezes, sempre com o mesmo
instrumento e sempre com as mesmas condicoes, e vamos supor que o instrumento tenha
uma incerteza
instrumental
. Quais sao os valores da medida e o erro associado que vamos
apresentar? O valor e simplesmente a media dada pela equacao (4). Vamos supor que voce
mediu 100 vezes um tempo de algum fenomeno fsico; o resultado da media pode ser, por
exemplo, 1,235464 s, que e um n umero com muitos dgitos. Vamos calcular agora o erro
estatstico com as equacoes (5) e (6), e vamos supor que o resultado seja 0,0234556778 s,
outro n umero com muitos dgitos. Supomos tambem que
instrumental
= 0,01 s. O erro
total, usando a equacao (7) e 0,025498.... s. O que voce acha que deveria ser escrito como
resultado nal? Com o que temos ate aqui seria (1,235464 0,025498) s. Mas as coisas
nao sao tao simples, e vamos ao ultimo passo do processo. Analisemos o seguinte: o
erro esta informando quao precisa foi a medicao. Neste caso, o tempo foi medido ate, no
maximo, o centesimo de segundo, indicado em nosso exemplo com o primeiro n umero 2
3
depois dos zeros a esquerda. Resulta entao que o n umero 5 que vem depois do 2 nao esta,
essencialmente, dando muita mais informacao, pois o 2 anterior e um ordem de magnitude
maior. Assim, para que o resultado que mais claro, vamos fazer o arredondamento.
Como? A ideia e que que so a informacao essencial, assim vamos chamar de primeiro
dgito signicativo ao primeiro dgito do valor do erro que seja diferente de zero. Neste
caso seria o 2. Mas vamos dar tambem certa importancia ao que vem depois, o segundo
dgito signicativo, em nosso caso o 5. Como vale 5, entao o 2 vai virar 3, com o qual
o erro vai car como 0,03 s. O criterio que usamos foi o seguinte: se o segundo dgito
signicativo esta entre 0 e 4, entao o primeiro ca como esta; mas se o segundo dgito esta
entre 5 e 9, o primeiro se incrementa em uma unidade. Como no exemplo considerado,
o segundo dgito e 5, entao o 2 vira 3. Agora quase terminamos; o que falta e acomodar
o valor da media, para que que com o mesmo n umero de decimais que o erro. Como
este cou valendo 0,03 s, que tem dois decimais, entao do valor de 1,235464 s, que tem
6 decimais, deve passar a ter somente dois n umeros decimais. Como? Usamos o criterio
de arredondar que usamos com o erro. O segundo decimal e 3, o terceiro e 5, entao o
segundo vira 4. Assim, o resultado nal da medicao pode ser expresso como:
(1,24 0,03) s
Os conceitos ate aqui servem so para as chamadas medicoes diretas, ou seja para
magnitudes que voce mede diretamente com algum instrumento, como por exemplo um
tempo ou um comprimento. Tudo isto devera car claro ao longo dos diferentes experi-
mentos. Trataremos posteriormente o caso das chamadas medicoes indiretas, onde o valor
da magnitude procurada e obtido depois de algum calculo. Por exemplo, se quisermos
obter o volume de um cubo, o que vamos medir em forma direta vao ser os lados do cubo,
e para achar o volume temos que fazer uma conta, V = L1.L2.L3. Neste caso, qual vai
ser o erro do volume? A resposta nao e complicada mas requer conhecimentos de calculo,
especicamente de derivadas. Trataremos deste assunto ao longo do curso.
Referencias
1 - Jose Henrique Vuolo, Fundamentos da Teoria de Erros, Editora Edgard Bl ucher Ltda
(1992).
2 - Curt Egon Hennies et al, Problemas Experimentais em Fsica, Editora da Universidade
Estadual de Campinas (1989).
Estes livros podem ser encontrados na Biblioteca da Fsica e recomendamos
fortemente que sejam consultados.
4
Tabelas e Grcos
J. D. Marconi/V. Rodrigues/L. E. E. de Araujo
Tabelas
Usualmente os resultados de um experimento so apresentados em tabelas ou grcos. Quando
a escolha for uma tabela, ela deve apresentar um resumo, com o mximo de informaes, de
uma srie de medidas. Ela precisa apresentar:
1. O ttulo, com uma breve descrio do que trata a tabela;
2. O cabealho da tabela deve apresentar o que tem em cada coluna, com a grandeza medida
(ou sua abreviao), a unidade usada e, se for necessrio, a potncia de 10 pela qual os
valores da coluna devem ser multiplicados;
3. Se forem usadas abreviaes na tabela, elas devem ser explicadas na prpria tabela ou
em algum lugar do texto;
4. Os valores das medidas devero aparecer com os algarismos signicativos adequados e
com o seu erro total;
5. No exemplo da tabela abaixo, as medidas foram realizadas para uma determinada mola.
Por isso, interessante colocar suas caractersticas. Assim poderemos apreciar mais fa-
cilmente os dados da tabela;
6. Quando a ordem em que foram feitas as medidas for importante, ela deve ser indicada.
Tabela 1: Lei de Hooke
N m (10
3
g) x (cm)
1 0,030 0,002 0,9 0,1
2 0,052 0,003 1,4 0,1
3 0,080 0,002 2,2 0,1
4 0,103 0,004 2,7 0,1
5 0,135 0,001 3,6 0,1
m = massa colocada na extremidade da mola;
x = variao do comprimento da mola;
N = nmero de ordem das medidas.
Mola presa por uma de suas extremidades
na vertical e sujeita esforos por massas
colocadas na outra extremidade.
Caractersticas da mola:
massa = (27 1) g
dimetro = (16 1) mm
dimetro do o= (1,0 0,1) mm
nmero de espiras = 100
Grcos
Quando a escolha for um grco, ele precisa apresentar:
1. O ttulo, com uma breve descrio do que trata o grco;
2. Uma legenda para cada eixo indicando que valores esto sendo ali colocados, qual a sua
unidade e se for necessrio, a potncia de 10 pela qual os valores da escala devem ser
multiplicados;
3. Uma escala para cada eixo:
5
(a) usando valores com intervalos regulares entre si;
(b) com valores fceis de serem lidos, como mltiplos inteiros por exemplo;
(c) os dois eixos no precisam ter a mesma origem e nem to pouco a mesma escala
numrica;
4. Evite ligar os pontos. Somente dever ser usada uma curva entre os pontos quando for
til apresentar um guia para os olhos ou quando um modelo for comparado ou ajustado
aos pontos experimentais. Em ambos os casos, o procedimento, modelo ou utilidade da
curva deve ser mostrada no texto e a curva claramente identicada.
5. Se forem usadas abreviaes no grco, elas devem ser explicadas na prpria grco ou
em algum lugar do texto;
6. Os valores dos pontos nunca devem ser colocados no grco. Para isto exitem as tabelas.
Salvo quando for um ponto especial e que merea destaque. Neste caso, evite carregar de
informaes o grco, somente indicando o ponto e deixando as explicaes para o texto.
7. Os pontos das medidas devero aparecer com suas respectivas barras de erro. A posio
central do ponto a mdia da medida (x, y). A barra de erro da abscissa comea em
x x
total
e vai at x+x
total
. O mesmo para a ordenada. Na gura a seguir temos um
exemplo de como fazer uma barra de erro.
(a) (b)
Figura 1: (a) Procedimento para fazer a barra de erro de uma medida. As linhas tracejadas
s foram feitas para ilustrar como o tamanho da barra de erro denido. (b) Exemplo de um
grco simples.
Histogramas
Foi Gauss quem desenvolveu a teoria matemtica dos erros. Essa teoria se baseia nos clculos de
probabilidade e tem por nalidade conhecer melhor o grau de preciso de uma srie particular
de medidas.
Nunca se consegue reproduzir uma medida exatamente. Intuitivamente, podemos perceber
que, realizando-se uma srie muito grande de medidas, elas devero se distribuir simetricamente
6
Figura 2: Distribuio gaussiana.
em torno de um certo valor, que por razes bvias chamado de valor mdio. Se fosse possvel
fazer innitas medies, a distribuio das medidas teria uma forma bem denida, a chamada
distribuio gaussiana, mostrada na Figura 2.
Mas, como nunca possvel fazer innitas medies, vamos apresentar uma maneira til de
apresentar os resultados em forma grca, o chamado histograma. Para isso vamos considerar
um experimento no qual foram medidos 100 valores medidos de um certo tempo. Entre todos
os valores vamos identicar o menor e o maior, e os chamamos de A e B. Todos os demais
valores vo estar dentro do intervalo de tempos determinado por estes dois valores. Vamos
separar este intervalo em 7, 8, 9, ou at 10 intervalos iguais, cada um de largura . Ento, o
primeiro intervalo vai estar entre A e A+, o segundo intervalo entre A+ e A+2, e assim
at chegar a B.
Agora vamos contar quantas das 100 medies esto dentro do primeiro intervalo, quantas
no segundo, e assim por diante. A este nmero de vezes chamamos de frequncia (pode-se usar
como alternativa a frequncia normalizada, que a frequncia de cada intervalo dividido pelo
nmero total de valores medidos). Representando gracamente a frequncia (ou a frequncia
normalizada) no eixo Y e os intervalos no eixo X, vamos obter o histograma tal como mostra
a Figura 3.
Vemos imediatamente que:
i. os intervalos correspondentes a pequenos desvios em relao ao valor mdio so mais
populados,
ii. a gura simtrica em relao ao valor mdio da srie de medidas. No caso limite
quando 0 e o nmero de medies tende a innito, vamos obter uma curva contnua, a
distribuio gaussiana. Essa curva caracterstica de uma vastssima gama de medidas fsicas.
Mas como determinar a largura dos intervalos mais apropriada para se confeccionar o
histograma? A melhor largura para os intervalos depende muito da distribuio dos valores e
geralmente faz-se necessrio testar vrios valores at se encontrar o mais apropriado. Em geral,
um bom ponto de partida para se estimar :
=
x
max
x
min
N
, (1)
onde x
max,min
o valor mximo (mnimo) da distribuio e N a quantidade de medies feitas.
A partir do histograma podemos estimar o valor mdio e o desvio padro da distribuio.
Em um histograma, a mdia o ponto, no eixo das abscissas, que passa pelo centro de gravidade
da gura. Em uma curva simtrica do tipo gaussiana, o valor mdio corresponde ao ponto mais
alto da curva - Figura 4. O desvio padro coincide com metade da largura do histograma a
7
Figura 3: Exemplo de histograma, onde no eixo Y colocamos a frequncia normalizada
aproximadamente 60% da altura mxima.
Grcos logartmicos
Em cincia comum existirem medidas com variaes muito grandes. Dizemos ento que os
dados variam em vrias ordens de grandeza. Se ao tentarmos marcar esses os valores em um
grco linear, perceberemos que muitos dos dados caro acumulados em uma regio do
grco, dicultando muito a leitura dos dados, pois os pontos cam embaralhados.
Uma das formas para resolver o problema de apresentao grca de resultados com grandes
variaes aplicar o logaritmo aos valores que esto sendo utilizados. O logartmo reduz os
valores a serem colocados no grco mesma ordem de grandeza. A funo logartmica foi
desenvolvida para facilitar alguns clculos que eram muito difceis, antes do surgimento das
calculadoras e computadores. Por exemplo, a medida de pH Log
10
(C
H+
), ou seja, as medidas
de pH variam vrias ordens de grandeza na concentrao de H+.
Se a grandeza medida obedece a uma lei de escala do tipo:
f(z) = kz
n
, (2)
ento, aplicando logaritmo base 10 na equao acima, temos
Log
10
f = Log
10
k + n Log
10
z. (3)
Redenimos assim a Equao (1) na forma de uma equao linear de uma reta!! Medindo o
coeciente angular da reta passamos a ter o valor do expoente n.
O papel log-log desenhado de forma a simplicar a necessidade de realizar os clculos
necessrios para obteno dos logaritmos, pois ele j est em escala logartmica - Figura 5.
8
n
u
m
e
r
o
d
e
o
c
o
r
r
e
n
c
i
a
s
tempo(s)
1,0 2,0 3,0 4,0 5,0 6,0
2
4
6
8
10
12
alturadovalormedio
60%daaltura
dovalormedio
x
valormedio
desviopadrao
Figura 4: Determinando o valor mdio e o desvio padro a partir do histograma.
9
10
-1
10
0
10
1
10
2
10
2
10
3
10
4
10
5
10
1
Figura 5: Exemplo de papel grco em escala logartmica
10
11
Lei de Escala
Lus Eduardo E. de Araujo
O trabalho experimental em cincia freqentemente envolve o estudo da relao entre
duas variveis. Um exemplo seria como a distncia s percorrida por uma esfera em
queda livre varia com o tempo t de queda. Em um experimento deste tipo, a varivel
dependente (distncia) medida para vrios valores da varivel independente (tempo).
Os dados de tal experimento podem ser registrados no formato de uma tabela:
Tabela 1 Distncia percorrida durante a queda livre em funo do tempo.
Tempo (s) Distncia (m)
0,89 4
1,26 8
1,55 12
1,79 16
2,00 20
2,19 24
2,37 28
2,53 32
Entretanto, nmeros em uma tabela como a acima no transmitem facilmente a relao
entre as variveis. Para facilitar a visualizao dessa relao, lanamos os dados da
tabela em um grfico. Vemos na Figura 1 que a relao entre distncia e tempo no
linear.
Figura 1 Distncia percorrida por uma esfera em queda livre
em funo do tempo de queda em um grfico de escala linear.
Quando uma das grandezas medidas (s) depende da outra (t) elevada a certa potncia
(n), dizemos que s segue uma lei de escala (ou lei de potncia):
! = !!
!
. (1)
muito difcil olhar para uma curva como a da Figura 1 e dizer com confiana se a
dependncia quadrtica, cbica, etc. Entretanto, uma simples transformao de
12
variveis pode converter a relao entre as grandezas para uma dependncia linear.
Tirando o logaritmo da Equao (1) nos dois lados, obtemos:
log ! = log ! +! log (!). (2)
Podemos identificar a Equao (2) com a equao de uma reta: y = A + B x se fizermos
y = log(s) e x = log(t). O coeficiente angular
! =
!
!
!!
!
!
!
!!
!
=
!"# !
!
!!"# (!
!
)
!"# !
!
!!"# (!
!
)
(3)
fornece o expoente n da lei de escala: n = B. O coeficiente linear A d a constante de
proporcionalidade k da lei de escala: log(k) = A, ou k = 10
A
. O coeficiente linear
corresponde ao valor de y quando x = 0.
Tirando o logaritmo dos dados da Tabela 1 encontramos:
Tabela 2 Logaritmo da distncia percorrida s durante a
queda livre em funo do logaritmo do tempo t.
Tempo (s) Distncia (m)
-0,05 0,60
0,10 0,90
0,19 1,08
0,25 1,20
0,30 1,30
0,34 1,38
0,37 1,45
0,40 1,51
Se fizermos um grfico de log(s) em funo de log(t) em um papel milimetrado (de
escala linear) com os dados da Tabela 2, obteremos a reta mostrada na Figura 2. O
coeficiente angular B calculado a partir de dois pontos quaisquer da reta que melhor se
ajusta aos pontos experimentais; por exemplo, os pontos (0,10;0,90) e (0,40;1,51)
indicados pelas setas azuis. Substituindo esses valores na Equao (3):
! =
!,!"!!,!"
!,!"!!,!"
! = 2,0. (4)
Para encontrarmos o coeficiente linear A, no grfico, procuramos pelo valor de log(s)
para log(t) = 0; nesse caso, ! = 0,70 ! = 10
!,!"
= 5,0 m/s
2
.
13
Figura 2 Logaritmo da distncia s percorrida por uma esfera em queda livre em
funo do logaritmo do tempo de queda t em um grfico de escala linear. Distncia
medida em metros e tempo em segundos. As linhas tracejadas indicam como
encontrar o coeficiente linear da reta.
Alternativamente, podemos trabalhar com um papel em escala logartmica. Nesse caso,
no necessrio tirar o logaritmo dos valores da Tabela 1. O prprio papel se encarrega
de fazer isso. A Figura 3 mostra um grfico log-log dos dados da Tabela 1. Aqui, o
coeficiente angular pode ser calculado a partir da Equao (3), novamente escolhendo-
se dois pontos da reta (e no necessariamente dois pontos da tabela); ou com uma rgua
medindo-se os catetos do tringulo retngulo.
Da Figura 3,
! =
!,! cm
!,! cm
! = 2,0. (5)
Figura 3 Distncia s percorrida por uma esfera em queda livre em
funo do tempo de queda t em grfico de escala logartmica. As
linhas tracejadas indicam como encontrar o coeficiente linear da reta.
4,4 cm
2,2 cm
14
J a constante de proporcionalidade k encontrada no grfico log-log pelo valor
numrico de s para t = 1 (pois log 1 = 0), mas com a unidade apropriada. Da Figura 3,
para t = 1,0, temos s = 5,0; logo, k = 5,0 m/s
2
.
Quando j conhecemos o expoente n da lei de escala, a transformao de variveis que
lineariza a equao (1) mais simples. Nesse caso, fazemos y = s e x = t
n
, de modo que
a constante k ser agora o coeficiente angular da reta ! = !". Ainda em relao ao
experimento de queda livre, para n = 2, se fizermos y = s e x = t
2
, ento um grfico
linear de y vs. x dever mostrar os pontos experimentais dispostos ao longo de uma reta,
como mostrado na Figura 4. O coeficiente angular da reta :
! =
!
!
!!
!
!
!
!!
!
=
!"!!
!,!"!!,!"
= 5,1 m/!
!
.
Resumindo, para encontrar graficamente o expoente n da lei de escala ! = !!
!
h duas
maneiras:
1. calcular o coeficiente angular da reta de log(s) vs. log(t) em um grfico linear ou
2. calcular o coeficiente angular da reta de s vs. t em um grfico log-log.
Para encontrar graficamente a constante de proporcionalidade k h trs maneiras:
1. calcular o coeficiente linear da reta de log(s) vs. log(t) em um grfico linear
determinando o valor de log(s) para log(t) = 0, ou
2. determinar na reta em um grfico log-log de s vs. t o valor de s para t = 1, ou
3. calcular o coeficiente angular da reta de s vs. t
n
em um grfico linear.
Figura 4 Distncia s percorrida por uma esfera em queda livre
em funo do quadrado do tempo de queda t.
Mnimos Quadrados
Jorge Diego Marconi e Varlei Rodrigues
Vamos supor que temos um conjunto de N dados (x
i
, y
i
), onde cada valor y
i
tem um erro
associado que chamamos de
i
, ou seja (y
i
i
) (os
i
nao tem que ser iguais entre si).
Vamos supor que os dados representam certo fenomeno fsico que segue uma lei descrita
por uma funcao f.
Usando a descricao gaussiana de erros, a probabilidade P
i
de ocorrer a medida (x
i
, y
i
,
i
)
e dada por:
P
i
=
C
i
exp
_
1
2
_
(y
i
y
i
)
i
_
2
_
(1)
onde y
i
e o valor medio de y
i
e C e uma constante de normalizacao. Portanto, a proba-
bilidade P de ocorrer o conjunto das N medidas sera:
P = P
1
P
2
... P
N
=
C
1
exp
_
1
2
_
(y
1
y
1
)
1
_
2
_
...
C
N
exp
_
1
2
_
(y
N
y
N
)
N
_
2
_
=
C
N
1
2
...
N
exp
_
1
2
N
i=1
_
(y
i
y
i
)
i
_
2
_
(2)
Como y
i
seria o valor que se aproxima do valor verdadeiro de y
i
e supondo um modelo
fsico para nossas medidas que segue uma lei descrita por uma funcao f, podemos escrever
que:
y
i
= f(x
i
, a
1
, a
2
, ..., a
n
) (3)
onde a
1
, a
2
, ... a
n
sao os parametros do modelo. Denindo:
2
=
n
i=1
_
(y
i
f(x
i
, a
1
, a
2
, ..., a
n
))
i
_
2
(4)
podemos reescrever a equacao (2) como:
P =
C
n
n
i=1
i
exp
_
1
2
2
_
(5)
Neste caso, para que a funcao f seja a mais adequada para nossas medidas, ou seja, para
que P seja maximo,
2
deve ser mnimo.
15
O metodo dos mnimos quadrados consiste em ajustar os parametros a
1
, a
2
, ... a
n
de tal
forma que
2
seja mnimo, ou seja, procuramos resolver o sistema abaixo:
2
a
1
= 0
2
a
2
= 0 ...
2
a
n
= 0 (6)
Ajuste de uma funcao linear: Regressao Linear
Supondo um conjunto de dados e que a funcao que descreve o nosso sistema seja linear.
f(x
i
) = ax
i
+ b (7)
A sua representacao graca tpica seria:
Figura 1: Graco obtido com dados experimentais no caso particular em que o ajuste e
linear.
Denindo w
i
= 1/
2
i
, podemos escrever
2
como:
2
=
n
i=1
w
i
(y
i
ax
i
b)
2
(8)
Aplicando o metodo dos mnimos quadrados para obter os parametros a e b:
2
a
= 2
n
i=1
w
i
(y
i
ax
i
b)(x
i
) = 0 (9)
2
b
= 2
n
i=1
w
i
(y
i
ax
i
b)(1) = 0 (10)
16
Obtemos entao um sistema de duas equacoes e duas incognitas. Para simplicar a escrita
vamos omitir os ndices nas somatorias.
(
wx
2
) a + (
wx ) b = (
wyx ) (11)
(
wx ) a + (
w ) b = (
wy ) (12)
Resolvendo o sistema, os valores de a e b sao:
a =
(
w ) (
wyx ) (
wy ) (
wx )
(13)
b =
(
wy ) (
wx
2
) (
wyx ) (
wx )
(14)
E os erros associados:
2
a
=
(
w )
2
b
=
(
wx
2
)
(15)
onde
= (
w ) (
wx
2
) (
wx )
2
(16)
As equacoes (13), (14), (15) e (16) sao gerais e valem para o caso onde cada
i
seja
diferente dos outros. No caso de termos
i
= constante = (ou seja o mesmo valor
para todo i) as expressoes de a, b,
2
a
e
2
b
podem ser simplicadas:
a =
N (
yx ) (
x ) (
y )
(17)
b =
(
y ) (
x
2
) (
yx ) (
x )
(18)
2
a
=
N
2
b
=
(
x
2
)
2
(19)
= N (
x
2
) (
x )
2
(20)
Estas equacoes sao exatas e em princpio sao as que usam os programas comerciais. Porem,
sempre e recomendavel vericar que as equacoes sejam as dadas nesta apostila, especial-
mente quando temos um conjunto de dados onde os erros sao diferentes em cada ponto.
Referencia Bibliograca: Jose Henrique Vuolo, Fundamentos da Teoria de Erros (Edi-
tora Edgard Bl ucher Ltda, Sao Paulo, 1992).
17
Propagacao de Erros
Varlei Rodrigues
Vamos supor que em um experimento nos tenhamos medido os parametros x, y, ..., z n vezes.
x
1
, y
1
, ..., z
1
x
2
, y
2
, ..., z
2
.
.
.
.
.
.
x
n
, y
n
, ..., z
n
_
_
medidas
Devido aos erros experimentais, instrumentais e estatsticos, nao e possvel saber qual o valor
verdadeiro destes parametros. Mas sabemos que os valores medios x, y, ..., z sao aqueles
que melhor se aproximam desses, dentro de uma faixa de conanca
x
,
y
, ...,
z
:
x =
1
n
n
i=1
x
i
2
x
=
1
n
n
i=1
(x
i
x)
2
y =
1
n
n
i=1
y
i
2
y
=
1
n
n
i=1
(y
i
y)
2
(1)
.
.
.
.
.
.
z =
1
n
n
i=1
z
i
2
y
=
1
n
n
i=1
(y
i
y)
2
Mas como achar o valor que se aproxima do verdadeiro e a sua faixa de conabilidade quando
a propriedade no qual estamos interessados nao puder ser medido diretamente, mas sim atraves
de um modelo matematico? Por exemplo, se quizermos achar uma velocidade baseados em
medidas de distancia e tempo.
Vamos supor que queremos achar w em funcao de x, y, ..., z:
w = w(x, y, ..., z) (2)
Uma opcao seria calcular todos os w
i
para todos os conjuntos x
i
, y
i
, ..., z
i
de medidas e em
seguida a media w e
2
w
w
1
= w(x
1
, y
1
, ..., z
1
)
w
2
= w(x
2
, y
2
, ..., z
2
)
.
.
.
.
.
.
w
n
= w(x
n
, y
n
, ..., z
n
)
_
_
medidas
w =
1
n
n
i=1
w
i
2
w
=
1
n
n
i=1
(w
i
w)
2
(3)
Como devemos calcular todos os valores de w
i
, esta operacao passa a ser bastante trabalhosa,
principalmente para um grande n umero de medidas. Uma pergunta que podemos fazer e se
podemos obter w diretamennte da media dos parametros medidos no experimento:
18
w = w(x, y, ..., z)? (4)
Para responder a esta pergunta, vamos expandir o valor de w
i
em series de potencias dos desvios
em torno dos valores medios de x, y, ..., z:
w
i
= w(x, y, ..., z) +
+
_
w
x
_
(x
i
x) +
_
w
y
_
(y
i
y) + ... +
_
w
z
_
(z
i
z) + (5)
+
1
2
_
2
w
x
2
_
(x
i
x)
2
+
1
2
_
2
w
y
2
_
(y
i
y)
2
+ ... +
1
2
_
2
w
z
2
_
(z
i
z)
2
+
+ ...
Se a funcao w varia lentamente, nos podemos considerar que os termos de segunda ordem e
superiores sao despresveis, ou seja:
1
2
_
2
w
x
2
_
(x
i
x)
2
0 (6)
Calculando a media e w usando os valores de w
i
obtidos na expansao (5) teremos:
w =
1
n
n
i=1
w
i
=
1
n
_
n
i=1
w(x, y, ..., z)+ (7)
+
n
i=1
_
w
x
_
(x
i
x) +
n
i=1
_
w
y
_
(y
i
y) + ... +
n
i=1
_
w
z
_
(z
i
z)
_
Rearranjando os termos da equacao (7):
w =
1
n
_
n
i=1
w(x, y, ..., z)+ (8)
+
_
w
x
_
n
i=1
(x
i
x) +
_
w
y
_
n
i=1
(y
i
y) + ... +
_
w
z
_
n
i=1
(z
i
z)
_
Nesta express ao os termos `a direita da igualdade sao nulos, com excecao do primeiro, pois:
1
n
n
i=1
(x
i
x) =
1
n
n
i=1
x
i
1
n
n
i=1
x = x
1
n
nx = 0 (9)
Desta forma, em primeira aproximacao, w pode ser obtido usando os valores medios de x, y, ..., z:
w = w(x, y, ..., z) (10)
19
Agora, vamos usar o mesmo raciocnio para calcular o desvio padrao de w:
2
w
=
1
n
n
i=1
(w
i
w)
2
(11)
Usando w
i
obtido em (5) ate primeira ordem teremos:
(w
i
w)
2
= [w(x, y, ..., z)+ (12)
+
_
w
x
_
(x
i
x) +
_
w
y
_
(y
i
y) + ... +
_
w
z
_
(z
i
z) +
w]
2
=
=
_
w
x
_
2
(x
i
x)
2
+
_
w
y
_
2
(y
i
y)
2
+ ... +
+ 2
_
w
x
__
w
y
_
(x
i
x)(y
i
y) + 2
_
w
x
__
w
z
_
(x
i
x)(z
i
z) +
+ ...
Entretanto,
2
_
w
x
__
w
y
_
n
i=1
(x
i
x)(y
i
y) = 0 (13)
Por isso, podemos ignorar os termos cruzados na expressao (12) e escrever
2
w
como:
2
w
=
1
n
_
_
_
w
x
_
2 n
i=1
(x
i
x)
2
. .
n
2
x
+
_
w
y
_
2 n
i=1
(y
i
y)
2
. .
n
2
y
+...
_
_
(14)
Desta forma, podemos calcular
2
w
a partir das derivadas primeiras da funcao w e dos
2
de
cada valor medido:
2
w
=
_
w
x
_
2
2
x
+
_
w
y
_
2
2
y
+ ... +
_
w
z
_
2
2
z
(15)
Referencia Bibliograca: Jose Henrique Vuolo, Fundamentos da Teoria de Erros (Editora
Edgard Bl ucher Ltda, Sao Paulo, 1992).
20
Exemplo:Incerteza no volume de um cilindro:
V = LR
2
R
2
R
L
2
L
_
m edias das medidas
Usando a expressao (15) para encontrar
2
V
:
2
V
=
_
V
R
_
2
2
R
+
_
V
L
_
2
2
L
2
V
=
_
2 L R
_
2
2
R
+
_
R
2
_
2
2
L
(16)
Podemos ainda dividir os dois lados da igualdade por V
2
:
_
V
V
_
2
=
_
2 L R
L R
2
_
2
2
R
+
_
R
2
L R
2
_
2
2
L
(17)
_
V
V
_
2
=
_
2
R
R
_
2
+
_
L
L
_
2
(18)
21
APOSTILA PARA USO DO CRON
OMETRO DO
INSTITUTO DE F