Erros e Incertezas Nas Medições PDF

Paulo Cabral
Erros e Incertezas
nas Medies
Julho 2004
Erros e Incertezas nas Medies
IEP Instituto Electrotcnico Portugus

Laboratrio de Metrologia e Ensaios
Rua de S. Gens, 3717
4460-409 Senhora da Hora (Matosinhos)
Tel. 22 957 00 00 / 23
paulo.cabral@iep.pt
2 / 116
ISEP Instituto Superior de Engenharia do Porto

Departamento de Fsica
Rua Dr. Antnio Bernardino de Almeida, 431
4200-072 Porto
Tel. 22 834 05 00
pmc@isep.ipp.pt
Paulo Cabral
It is better to be roughly right than precisely wrong

John Maynard Keynes
To err is human; to describe the error properly is sublime

Cliff Swartz
I can live with doubt and uncertainty and not knowing. I

think it is much more interesting to live not knowing than
to have answers that might be wrong
Richard Feynman
Paulo Cabral
3 / 116
4 / 116
Paulo Cabral
ndice
Paulo Cabral
INTRODUO...............................................................................................................................9
1.1
1.2
1.3
1.4
1.5
Conceitos clssicos: exactido e preciso ....................................................................................9

Erros de medio .........................................................................................................................10
Por que existe incerteza?.............................................................................................................12
O interesse de se indicar a incerteza de uma medio...............................................................14
Incertezas - alguns marcos histricos..........................................................................................15
TERMINOLOGIA MAIS IMPORTANTE ......................................................................................17
2.1
2.2
2.3
2.4
2.5
2.6
Grandezas e Unidades ................................................................................................................17

Medies ......................................................................................................................................17
Resultados de medio................................................................................................................18
Instrumentos de medio.............................................................................................................19
Caractersticas dos instrumentos de medio .............................................................................19
Padres ........................................................................................................................................20
ANLISE ESTATSTICA DE RESULTADOS.............................................................................21
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
Introduo ....................................................................................................................................21
Anlise de dados..........................................................................................................................21
Noo de populao e de amostra .........................................................................................22
Mdia aritmtica...........................................................................................................................22
Mediana........................................................................................................................................23
Moda ............................................................................................................................................23
Desvio da mdia ..........................................................................................................................23
Desvio mdio ...............................................................................................................................24
Desvio-padro..............................................................................................................................25
Varincia ......................................................................................................................................26
Uso de mquinas de calcular.......................................................................................................27
Utilizao do Microsoft Excel .....................................................................................................28
DISTRIBUIO DA PROBABILIDADE DOS ERROS ...............................................................31
4.1
4.2
4.3
4.4
Distribuio normal dos erros ......................................................................................................31

Erro equiprovvel .........................................................................................................................33
A distribuio normal e os conceitos de exactido e preciso ....................................................34
Outras distribuies .....................................................................................................................35
4.4.1 Rectangular, ou uniforme ................................................................................................35
4.4.2 Em U, ou derivada do arco-seno ..................................................................................36
4.4.3 Triangular ........................................................................................................................36
4.4.4 Em M, ou bi-modal........................................................................................................37
ANLISE GRFICA ....................................................................................................................39
5.1
5.2
5.3
Linearizao.................................................................................................................................39
Regras para elaborao de grficos............................................................................................39
Utilizao do Microsoft Excel .....................................................................................................40
5.3.1 Tipos de grficos .............................................................................................................40
5.3.2 Grficos X-Y ....................................................................................................................41
5.3.3 Recta de regresso .........................................................................................................41
5.3.4 Barras de incerteza nos valores (eixos X e Y)................................................................42
REGRESSO LINEAR................................................................................................................45
6.1
6.2
6.3
6.4
Expresso da recta de regresso ................................................................................................45

Coeficientes da recta e respectivas incertezas............................................................................45
Interpolao de um novo valor yo a partir de um xo .....................................................................47
Coeficiente de correlao entre X e Y .........................................................................................48
5 / 116
TOLERNCIA DOS INSTRUMENTOS DE MEDIO...............................................................51
7.1
7.2
7.3
7.4
7.5
Instrumentos com classes normalizadas .....................................................................................51

Combinao de vrios erros ........................................................................................................52
Regra da diferencial logartmica ..................................................................................................54
Equipamento digital......................................................................................................................55
ppm e % .......................................................................................................................................57
INTRODUO ANLISE NUMRICA....................................................................................59
8.1
8.2
8.3
8.4
Arredondamento dos resultados..................................................................................................59

O conceito de algarismos significativos.....................................................................................59
Algarismos a conservar Multiplicao, Diviso, Radiciao ...................................................60
Algarismos a conservar Adio, Subtraco ..........................................................................60
COMBINAO DE INCERTEZAS..............................................................................................61
9.1
9.2
9.3
9.4
9.5
9.6
9.7
9.8
Introduo ....................................................................................................................................61
Definies especficas .................................................................................................................61
Fontes de incerteza......................................................................................................................62
Expresso da grandeza a medir ..................................................................................................63
Correces conhecidas................................................................................................................63
Balano da incerteza....................................................................................................................64
Grandezas medidas repetidamente (tipo A) ................................................................................64
Grandezas determinadas por outros meios (tipo B) ....................................................................64
9.8.1 Valores singulares...........................................................................................................64
9.8.2 Grandezas de influncia..................................................................................................65
Lei de propagao das incertezas ...............................................................................................65
Coeficiente de sensibilidade ........................................................................................................66
Soma das varincias....................................................................................................................67
9.11.1 Casos mais simples, frequentemente encontrados ........................................................67
9.11.2 Soma (ou diferena)........................................................................................................68
9.11.3 Produto (ou quociente)....................................................................................................68
9.11.4 Combinao de incertezas..............................................................................................68
Grandezas correlacionadas .........................................................................................................69
9.12.1 Grandezas correlacionadas casos particulares .........................................................70
Incerteza expandida da mensuranda...........................................................................................70
Nmero de graus de liberdade ....................................................................................................70
Resultado final .............................................................................................................................71
Fluxograma simplificado ..............................................................................................................73
Combinao de incertezas Casos mais simples.....................................................................75
Sugesto de esquema para apresentao dos dados ................................................................76
Resumo dos casos mais comuns ................................................................................................77
9.19.1 Grandezas independentes ..............................................................................................77
9.19.2 Grandezas correlacionadas ............................................................................................77
9.9
9.10
9.11
9.12
9.13
9.14
9.15
9.16
9.17
9.18
9.19
10
EXEMPLOS DE CLCULO DE INCERTEZAS ..........................................................................79
10.1 Frequncia de uma fonte AC pelas leis de Mersenne.................................................................79

10.1.1 Apresentao da experincia..........................................................................................79
10.1.2 Valores obtidos experimentalmente................................................................................80
10.1.3 Recta de regresso linear ...............................................................................................80
10.1.4 Massa linear do fio ..........................................................................................................81
10.1.5 Frequncia ......................................................................................................................83
10.2 Incerteza proveniente de um certificado de calibrao ...............................................................84
10.3 Determinao da incerteza a partir da especificao do fabricante............................................85
10.4 Incerteza originria de um aparelho elctrico analgico .............................................................86
10.5 Incerteza a partir da especificao de uma norma......................................................................87
10.6 Incerteza de uma indicao digital...............................................................................................88
10.7 Medio da humidade do ar com um psicrmetro.......................................................................89
10.7.1 Descrio ........................................................................................................................89
10.7.2 Procedimento de medio ..............................................................................................89
10.7.3 Balano de incertezas .....................................................................................................89
10.8 Medio de temperatura com uma Pt-100...................................................................................91
6 / 116
Paulo Cabral
10.8.1 Descrio da experincia ................................................................................................91

10.8.2 Expresso da recta de regresso ...................................................................................91
10.8.3 Incerteza do declive ........................................................................................................92
10.8.4 Interpolao de um novo valor........................................................................................92
10.9 Calibrao de um paqumetro com bloco-padro........................................................................93
10.10 Calibrao de uma resistncia pelo mtodo potenciomtrico .....................................................94
10.10.1 Princpio da medio.......................................................................................................94
10.10.2 Esquema de montagem ..................................................................................................94
10.10.3 Influncia da temperatura ...............................................................................................94
10.10.4 Identificao das fontes de incerteza..............................................................................95
10.10.5 Leituras efectuadas .........................................................................................................95
10.10.6 Balano de incertezas .....................................................................................................95
11
PROBLEMAS PROPOSTOS ......................................................................................................97
12
LISTA DE FUNES ESTATSTICAS DO MICROSOFT EXCEL ..........................................99
13
SISTEMA INTERNACIONAL DE UNIDADES (SI) ...................................................................103
13.1 Unidades de base ......................................................................................................................103

13.2 Unidades derivadas com nomes especiais................................................................................104
13.3 Prefixos dos mltiplos e submltiplos das unidades SI .............................................................105
13.3.1 Nomenclatura dos grandes nmeros..........................................................................105
14
ALFABETO GREGO .................................................................................................................107
15
BIBLIOGRAFIA .........................................................................................................................109
16
SOLUO DOS PROBLEMAS PROPOSTOS ........................................................................111
17
DISTRIBUIO DO T DE STUDENT....................................................................................113
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que abrange uma fraco
p% da distribuio......................................................................................................................113
17.2 Correco a aplicar ao desvio-padro, segundo o nmero de medies, para diferentes
factores de expanso do resultado final ....................................................................................114
Paulo Cabral
7 / 116
8 / 116
Paulo Cabral
1 Introduo
Por maior cuidado que se tenha ao efectuar uma medio, mesmo que se utilizem
equipamentos topo de gama em condies ambientais bem controladas, os
resultados que se obtm viro afectados por diversos erros.
Nada nem ningum perfeito. Como tal os resultados das medies, dos ensaios
e das anlises tambm no podem ser perfeitos. Isto no novidade para ningum.
Uma das principais tarefas de um experimentador identificar as fontes de erro que
podem afectar o processo de medio, e quantificar essas fontes de erro.
Essa falta de perfeio designada, actualmente, por incerteza. A palavra
erro, que durante largos anos foi utilizada com esse mesmo significado, est hoje
em dia reservada para designar o afastamento entre o valor obtido numa medio e
o correspondente valor verdadeiro, o qual , em geral, desconhecido.
1.1
Conceitos clssicos: exactido e preciso
Tem sido prtica corrente a utilizao dos conceitos de exactido e preciso

para caracterizar o grau de rigor com que uma medio efectuada.
Entende-se por exactido a maior ou menor aproximao entre o resultado
obtido e o valor verdadeiro. A preciso est associada disperso dos valores
resultantes da repetio das medies.
Se fizermos uma analogia com o disparo de um projctil contra um alvo,
poderemos dizer que a exactido corresponde a acertar no (ou prximo do) centro
do alvo; por outro lado, teremos preciso quando os vrios disparos conduzirem a
acertar em pontos muito prximos entre si.
As figuras seguintes procuram ilustrar estas ideias.
Inexacto e impreciso (irrepetvel)
Paulo Cabral
9 / 116
Preciso mas inexacto
Exacto mas impreciso
Exacto e preciso
1.2
Erros de medio
Segundo a forma como os diversos tipos de erros influenciam as medies, tem

sido prtica habitual classific-los em
10 / 116
Paulo Cabral
Erros grosseiros So devidos falta de ateno, pouco treino ou falta

de percia do operador. Por exemplo, uma troca de algarismos ao registar
um valor lido. So geralmente fceis de detectar e eliminar.
Erros sistemticos - So os que afectam os resultados sempre no mesmo

sentido. Exemplo: incorrecto posicionamento do zero da escala,
afectando todas as leituras feitas com esse instrumento. Devem ser
compensados ou corrigidos convenientemente.
Erros aleatrios Associados natural variabilidade dos processos

fsicos, levando a flutuaes nos valores medidos. So imprevisveis e
devem ser abordados com mtodos estatsticos.
As figuras seguintes procuram ilustrar estes conceitos, de uma forma bemhumorada.
Erro grosseiro
Erro Grosseiro
Erro sistemtico
Erro Si stemtico
Erro aleatrio
Erro Aleatrio
ainda possvel falar-se em erros absolutos e em erros relativos, de acordo com a

forma como so calculados.
Paulo Cabral
11 / 116
Antes de os definirmos, convm introduzir o conceito de valor verdadeiro de uma

grandeza. Dado que, como vimos j, todas as medies esto afectadas por erros,
por mais rigorosos que procuremos ser, nunca poderemos esperar que os resultados
obtidos sejam exactos. Para nos podermos referir ao grau de afastamento entre tais
resultados e os resultados ideais, definimos valor verdadeiro como sendo o valor
que obteramos numa medio ideal, feita em condies perfeitas com instrumentos
perfeitos e por operadores perfeitos. Esse valor, meramente utpico, permite-nos
introduzir, entre outros, os conceitos de erro absoluto e erro relativo.
Os erros absolutos correspondem diferena algbrica (com sinal + ou -)
entre o valor obtido e o valor verdadeiro:
Erro absoluto = Valor medido Valor verdadeiro

Dizemos que uma medio tem um erro positivo (erro com sinal +, ou medio
adiantada) se o seu valor for superior ao valor que obteramos na tal medio ideal.
Pelo contrrio, se obtivermos um valor inferior ao ideal, diremos que o erro
negativo (erro com sinal -, ou medio atrasada).
Por vezes muito til apresentar valores relativos, quando se exprimem erros de
medies. A forma mais usual de apresentao indicar os erros relativos em
percentagem (%):
Erro relativo =
Erro absoluto
100%
Valor verdadeiro
tambm comum, em determinados domnios da cincia e da tcnica, exprimir

os erros relativos em partes por milho (ppm):
Erro relativo =
Erro absoluto
10 6 ppm
Valor verdadeiro
Esta ltima notao til quando se est na presena de valores muito

pequenos, o que tpico dos laboratrios onde se efectuam medies de elevado
grau de rigor (por exemplo, em laboratrios de calibrao). , contudo, uma notao
no normalizada e que tem vindo a ser desaconselhada pelos organismos
internacionais ligados metrologia e s normas tcnicas.
Ao simtrico algbrico do erro d-se o nome de correco:
Correco = Erro
Este termo resulta do facto de, se se souber que uma dada medio est
afectada de um determinado erro, o valor correcto poder ser obtido mediante a
correco desse resultado.
1.3
Por que existe incerteza?
evidente que qualquer descrio matemtica de um fenmeno fsico no mais

do que uma modelizao terica de algo, para permitir a sua compreenso. Essa
modelizao, mesmo que seja feita com um elevado grau de rigor, nunca
corresponde em absoluto ao verdadeiro fenmeno em causa, se bem que luz do
conhecimento cientfico de uma determinada poca possa ser considerada como tal.
Recordemos, por exemplo, o pensamento subjacente mecnica newtoniana e as
implicaes que sobre ele teve mais tarde a mecnica relativista...
12 / 116
Paulo Cabral
Por outro lado, qualquer medio efectuada com sistemas fsicos (os
instrumentos de medio) com os quais procuramos quantificar determinadas
caractersticas de outros sistemas fsicos (os objectos a medir). Todos os sistemas
fsicos reais se afastam em maior ou menor grau do comportamento ideal previsto
pelos modelos matemticos com os quais os procuramos descrever.
Mesmo aps a correco de todos os erros devidos aos efeitos (sistemticos)
conhecidos, subsistem inexactides em todos os valores medidos. Quanto mais no
fosse, a prpria existncia de um nico valor verdadeiro contrariada pelas leis da
Fsica (recordemos o Princpio da Incerteza de Heisenberg).
Algumas das razes mais imediatas para existirem sempre incertezas associadas
s medies so indicadas a seguir.
Efeito das condies ambientais (por

exemplo: temperatura, humidade,
presso atmosfrica, etc.)
Efeito das caractersticas intrnsecas aos

instrumentos de medio utilizados (por
exemplo, resoluo, estabilidade,
sensibilidade, etc.) ou mesmo aos
objectos que se pretende medir ou
caracterizar.
Efeitos atribuveis ao operador /

experimentador (tais como mtodo de
medio inadequado, erros de leitura das
escalas, incorrecta utilizao dos
equipamentos, etc.).
Paulo Cabral
13 / 116
1.4
O interesse de se indicar a incerteza de uma medio
Muitos dos ensaios, anlises e medies que diariamente se efectuam em todo o

mundo tm por objectivo garantir que determinados valores-limite (mnimos ou
mximos) no so excedidos. Como exemplos, recordemo-nos da medio da
potncia de frenagem de um veculo durante a sua inspeco peridica; da pesquisa
de substncias dopantes nos fluidos corporais de um atleta de alta competio; da
utilizao do efeito Dppler para medir o desvio da frequncia de um feixe de
radiao num cinemmetro-radar utilizado pela Polcia para conhecer a velocidade
instantnea de uma viatura; etc., etc.
Sem informao acerca da incerteza, pode parecer muito simples tomar decises,
mas essas decises podem estar incorrectas. Por exemplo:
Consequncias econmicas, ao rejeitar produtos em vez de os aceitar;
Consequncias judiciais, ao dar um veredicto de culpado em vez de

inocente;
Consequncias mdicas, ao prescrever um tratamento desnecessrio.
Os exemplos so inmeros!
Com a indicao de uma estimativa realista da incerteza, a informao contida
nos resultados torna-se muito mais til. Vejamos graficamente a influncia que
poder ter associar ou no a incerteza ao resultado de uma medio:
Um resultado com e sem

incerteza
Se esse resultado tiver de ser comparado com uma dada especificao (por
exemplo, com os limites mnimo e mximo de aceitao de um produto), a incluso
da incerteza permite identificar se a especificao claramente cumprida (caso A da
figura seguinte) ou no (caso E), ou se se trata de uma situao de alguma
indefinio (casos B, C e D), em que qualquer deciso implicar assumir um
determinado risco.
14 / 116
Paulo Cabral
Limite superior
da especif icao
Valor
ideal
Valores medidos com as

barras ( ) da incerteza
Limite inf erior da

especif icao
1.5
Incertezas - alguns marcos histricos
Porque o conceito de incerteza de uma medio, tal como entendido hoje em

dia a nvel internacional, relativamente recente, apresenta-se de seguida uma
breve resenha cronolgica da evoluo das ideias que conduziram s actuais
definies de erro e de incerteza.
1638 ............ Galileo Galilei, Discorsi e demonstrazione matematiche intorno a
due nuove scienze. Descrio, entre outras, das experincias com o
plano inclinado.
1755 ............ Thomas Simpson, On the advantage of taking the mean of a
number of observations, in practical Astronomy.
1759 ............ Joseph Louis Lagrange, Mmoires sur lutilit de la mthode de
prendre le milieu entre les rsultats de plusieurs observations.
1778 ............ Daniel Bernoulli, Disjudicatio maxime probabilis plurium
observationum discripantium atque versimillia inductio inde
formanda: o melhor valor oferece a maior probabilidade para a
sequncia de medies observadas.
1795/1809 ... Carl Friedrich Gauss, Theoria motus corporum coelestium; a mdia
aritmtica de uma sequncia de medies o valor com menor
disperso.
1802 ............ Pierre Simon, marqus de Laplace, Trait de mcanique cleste.
1823 ............ Carl Friedrich Gauss, Theoria combinationis observationum
erroribus minimis obnoxiae; deriva a funo erro.
1864 ............ DeMorgan, On the theory of errors of observation. Teorema de
DeMorgan.
1868 ............ J. V. Schiaparelli, Sul principio della media arithmetica nel calcolo
dei resultati delle osservationi.
1876 ............ A. Ferrero, Espositione del metodo dei minimi quadrati. Teorema
de Ferrero.
19xx ............ Os conceitos de erro, exactido e tolerncia dominam a
metrologia.
Paulo Cabral
15 / 116
196x ............ Primeiras referncias existncia de incertezas em medies

fsicas.
197x ............ Conceitos de incerteza muito diversos coexistem (erros para o pior
caso, 1, 2, 3, k+, etc.
1980 ............ Grupo de trabalho INC-1 do BIPM prope abordagem tipo A / tipo
B, baseada em modelos matemticos e em mtodos estatsticos
objectivos.
1990 ............ Aprovado documento WECC 19, Guidelines for the expression of
the uncertainty of measurement in calibrations, aplicvel aos
laboratrios integrados na rede WECC.
1992 ............ Grupo de trabalho ISO / TAG 4 / WG 3 publica draft do GUM.
1992 ............ Workshop Eurolab (Barcelona) rene a comunidade laboratorial de
24 pases e estabelece as bases para a uniformidade da avaliao
da incerteza em ensaios.
1993 ............ Publicada a bblia das incertezas: Guide to the Expression of
Uncertainty in Measurement (GUM).
1997 ............ Documento EAL-R2, Expression of the Uncertainty of Measurement
in Calibration (substitui WECC-19; harmonizado com o GUM).
1999 ............ Documento EA-4/02 (reedio do EAL-R2, com exemplos prticos).
2003 ............ Documento EA-4/16, Guidelines on the expression of uncertainty in
quantitative testing.
16 / 116
Paulo Cabral
2 Terminologia mais importante

Em todos os domnios da cincia e da tcnica a terminologia deve ser
cuidadosamente escolhida. Cada termo deve ter o mesmo significado para todos os
utilizadores; deve exprimir um conceito bem definido, sem entrar em conflito com a
linguagem comum. Isto aplica-se particularmente em metrologia, com uma
dificuldade suplementar: sendo toda a medio afectada por erros imperfeitamente
conhecidos, o significado que se lhe atribui deve incluir esta incerteza. Temos ento
de exprimir com preciso a prpria impreciso.
As definies aqui apresentadas so extradas da 2. edio do Vocabulrio
Internacional de Metrologia (VIM), publicado pela ISO e resultante do trabalho de um
conjunto de sete organizaes internacionais ligadas s medies e normalizao
tcnica(*). Desse Vocabulrio existe uma traduo em Portugus, editada pelo IPQ,
que foi preparada pela Comisso Permanente para a Metrologia do Conselho
Nacional da Qualidade.
No domnio dos erros e das incertezas, este Vocabulrio adopta uma atitude
prudente, deixando de parte, por exemplo, a linguagem da estatstica,
frequentemente utilizada de forma abusiva no domnio das medies. Toda a
medio est afectada de um erro, mas este erro geralmente desconhecido.
Ignora-se o seu sinal algbrico, sendo frequentemente difcil atribuir-lhe uma ordem
de grandeza. por isso que se utiliza o termo incerteza, para indicar uma
estimativa provvel do erro.
Termos outrora muito usados, como por exemplo aferio, esto desde h anos
suprimidos, ao menos no contexto da metrologia. No entanto a tradio tem levado a
que por vezes ainda nos deparemos com expresses como preciso, medida ou
aparelho de medida, etc.
por isso necessrio que nos diversos nveis de ensino, bem como na formao
profissional, se divulguem os termos correctos, utilizando-se os respectivos
conceitos com toda a propriedade.
2.1
Grandezas e Unidades
Valor (de uma grandeza) [VIM 1.18] - Expresso quantitativa de uma grandeza
especfica, geralmente sob a forma de uma unidade de medida multiplicada por um
nmero.
Valor verdadeiro (de uma grandeza) [VIM 1.19] - Valor consistente com a
definio de uma dada grandeza especfica. um valor que seria obtido por uma
medio perfeita. Valores verdadeiros so, por natureza, indeterminados.
Valor convencionalmente verdadeiro (de uma grandeza) [VIM 1.20] - Valor
atribudo a uma grandeza especfica e aceite, s vezes por conveno, como tendo
uma incerteza apropriada para uma dada finalidade.
2.2
Medies
Medio [VIM 2.1] - Conjunto de operaes que tem por objectivo determinar o
valor de uma grandeza.
Mensuranda [VIM 2.6] - Grandeza especfica submetida medio.
(*)
Paulo Cabral
Esse Vocabulrio est presentemente (2004) em reviso a nvel internacional.

17 / 116
Grandeza de influncia [VIM 2.7] - Grandeza que no a mensuranda, mas que

afecta o resultado da medio desta. Exemplo: a temperatura de um micrmetro
usado na medio de um comprimento.
2.3
Resultados de medio
Resultado de uma medio [VIM 3.1] - Valor atribudo a uma mensuranda,

obtido por medio. Uma expresso completa do resultado de uma medio inclui
uma informao sobre a incerteza de medio.
Exactido de medio [VIM 3.5] Aproximao entre o resultado de uma
medio e o valor verdadeiro da mensuranda. Exactido um conceito qualitativo.
Deve ser evitado o termo preciso no lugar de exactido.
Repetibilidade dos resultados (de uma medio) [VIM 3.6] Aproximao
entre os resultados de medies sucessivas da mesma mensuranda efectuadas nas
mesmas condies de medio. Estas condies so chamadas condies de
repetibilidade e incluem: mesmo procedimento de medio; mesmo observador;
mesmo instrumento de medio, utilizado nas mesmas condies; mesmo local;
repetio num curto intervalo de tempo. A repetibilidade pode ser expressa
quantitativamente em termos das caractersticas da disperso dos resultados.
Reprodutibilidade dos resultados (de uma medio) [VIM 3.7] Aproximao
entre os resultados das medies da mesma mensuranda, efectuadas com alterao
das condies de medio. Para que uma expresso da reprodutibilidade seja
vlida, necessrio que sejam especificadas as condies alteradas. As condies
alteradas podem incluir: princpio de medio; mtodo de medio; observador;
instrumento de medio; padro de referncia; local; condies de utilizao; tempo.
Incerteza de medio [VIM 3.9] - Parmetro, associado ao resultado de uma
medio, que caracteriza a disperso dos valores que podem ser razoavelmente
atribudos mensuranda. Esse parmetro pode ser, por exemplo, um desvio-padro
(ou um dado mltiplo dele), ou a metade de um intervalo correspondente a um dado
nvel de confiana. A incerteza de medio compreende, em geral, muitos
componentes. Alguns destes componentes podem ser estimados, com base na
distribuio estatstica dos resultados das sries de medies e podem ser
caracterizados pelos desvios-padro experimentais. Os outros componentes, que
tambm podem ser caracterizados por desvios-padro, so avaliados a partir da
distribuio de probabilidades assumida, com base na experincia ou noutras
informaes. Entende-se que o resultado da medio a melhor estimativa do valor
da mensuranda, e que todos os componentes da incerteza, incluindo aqueles
resultantes dos efeitos sistemticos, como os componentes associados s
correces e aos padres de referncia, contribuem para a disperso.
Erro de medio [VIM 3.10] Diferena algbrica entre o resultado de uma
medio e o valor verdadeiro da mensuranda. Uma vez que o valor verdadeiro no
pode ser determinado, utiliza-se, na prtica, um valor convencionalmente verdadeiro.
Quando necessrio distinguir erro de erro relativo, o primeiro , por vezes,
denominado erro absoluto de medio. Este no deve ser confundido com valor
absoluto do erro, que o modulo do erro.
Desvio [VIM 3.11] Valor subtrado do seu valor de referncia.
Erro relativo [VIM 3.12] Quociente entre o erro da medio e o valor verdadeiro
da mensuranda.
18 / 116
Paulo Cabral
Erro aleatrio [VIM 3.13] - Resultado da medio subtrado da mdia que

resultaria de um nmero infinito de medies da mesma mensuranda, efectuadas
em condies de repetibilidade. O erro aleatrio igual ao erro subtrado do erro
sistemtico. Como s pode ser efectuado um nmero finito de medies, s
possvel determinar uma estimativa do erro aleatrio.
Erro sistemtico [VIM 3.14] - Mdia que resultaria de um nmero infinito de
medies da mesma mensuranda, efectuadas em condies de repetibilidade,
subtrada do valor verdadeiro da mensuranda. O erro sistemtico igual ao erro
subtrado do erro aleatrio. Tal como o valor verdadeiro, o erro sistemtico e as suas
causas no podem ser completamente conhecidos.
Correco [VIM 3.15] - Valor adicionado algebricamente ao resultado bruto da
medio, para compensar o erro sistemtico. A correco igual e de sinal contrrio
ao erro sistemtico estimado. Uma vez que o erro sistemtico no pode ser
perfeitamente conhecido, a compensao no pode ser completa.
2.4
Instrumentos de medio
Instrumento de medio [VIM 4.1] - Dispositivo destinado execuo da

medio, isolado ou em conjunto com equipamentos suplementares.
Diviso [VIM 4.20] - Parte de uma escala compreendida entre quaisquer duas
referncias sucessivas.
Valor da diviso [VIM 4.22] - Diferena entre os valores correspondentes a duas
referncias consecutivas da escala. O valor da diviso expresso na unidade
marcada na escala, qualquer que seja a unidade da mensuranda.
Ajuste [VIM 4.30] - Operao destinada a levar um instrumento de medio a um
funcionamento adequado sua utilizao.
Regulao [VIM 4.31] Ajuste agindo apenas nos meios postos disposio do
utilizador.
2.5
Caractersticas dos instrumentos de medio
Resoluo (de um dispositivo indicador) [VIM 5.12] - Menor diferena entre

indicaes de um dispositivo indicador que se podem distinguir significativamente.
Para um dispositivo indicador digital, a diferena de indicao que corresponde
alterao de uma unidade do dgito menos significativo.
Exactido (de um instrumento de medio) [VIM 5.18] - Aptido de um
instrumento de medio para dar indicaes prximas do verdadeiro valor da
mensuranda. A exactido um conceito qualitativo.
Classe de exactido (de um instrumento de medio) [VIM 5.19] - Classe de
instrumentos de medio que satisfazem a certos requisitos metrolgicos com vista
a manter os erros dentro de limites especificados. Uma classe de exactido
habitualmente indicada por um nmero ou smbolo adoptado por conveno e
denominado ndice de classe.
Erros mximos admissveis (de um instrumento de medio) [VIM 5.21] Valores extremos de um erro admitido por especificaes, regulamentos, etc., para
um dado instrumento de medio.
Paulo Cabral
19 / 116
2.6
Padres
Padro [VIM 6.1] Medida materializada, instrumento de medio, material

referncia ou sistema de medio destinado a definir, realizar, conservar
reproduzir uma unidade, ou um ou mais valores de uma grandeza, para servirem
referncia. Exemplos: padro de massa de 1 kg; resistncia-padro de 100
ampermetro-padro.
de
ou
de
;
Calibrao [VIM 6.11] - Conjunto de operaes que estabelece, em condies

especificadas, a relao entre os valores indicados por um instrumento de medio
ou um sistema de medio, ou valores representados por uma medida materializada
ou um material de referncia, e os valores correspondentes das grandezas
realizados por padres. O resultado de uma calibrao tanto permite a atribuio de
valores da mensuranda s indicaes, como a determinao das correces a
aplicar. Uma calibrao pode, tambm, determinar outras propriedades
metrolgicas, tal como o efeito das grandezas de influncia.
20 / 116
Paulo Cabral
3 Anlise estatstica de resultados

3.1
Introduo
do senso comum que em qualquer medio ou experincia desaconselhvel

ter uma nica leitura, pois existe sempre o risco de se cometerem erros grosseiros
que passaro despercebidos se no se tiver qualquer termo de comparao. uma
situao similar que acontece em qualquer tribunal, onde impera um antigo
princpio do Direito Romano: Uma testemunha igual a nenhuma testemunha...
Independentemente de qual for a origem desses erros grosseiros (operador,
instabilidade do objecto a medir, deficincia do instrumento usado, etc.), se tivermos
duas leituras discordantes entre si j ser possvel apercebermo-nos de que algo
no est bem, ainda que no possamos saber qual das leituras mais
disparatada. Com uma terceira leitura que seja idntica a uma das anteriores j
poderemos comear a ter uma ideia sobre qual dos valores mais suspeito.
Medir trs vezes, cortar uma vez.

Pode-se reduzir o risco de cometer erros
grosseiros repetindo a medio uma
segunda ou uma terceira vez.
Numa experincia, num ensaio ou numa medio de qualquer outra natureza

usual efectuar-se um grande nmero de repeties das leituras, sempre que tal seja
possvel tcnica e economicamente. Com isso consegue-se conhecer o valor com
uma maior fiabilidade, o que conduz a uma menor incerteza do mesmo.
3.2
Anlise de dados
Uma anlise estatstica dos dados provenientes da medio prtica comum,

pois permite uma estimao analtica da incerteza associada ao resultado final.
A sada de um determinado mtodo de medio pode ser prevista com base em
dados experimentais, sem ter informao detalhada sobre todos os factores de
influncia.
Para tornar significativos os mtodos e as interpretaes estatsticas geralmente
necessrio dispr de um grande nmero de medidas. Para alm disso, os erros
sistemticos devem ser pequenos em comparao com os erros aleatrios, visto que
o tratamento estatstico dos dados no elimina o erro de fidelidade (bias, na
terminologia anglo-saxnica) existente em todas as medies.
Paulo Cabral
21 / 116
3.3
Noo de populao e de amostra
Numa anlise de dados, ao pretender tratar estatisticamente uma (ou mais)

caractersticas ou parmetros podemo-nos encontrar perante duas situaes
distintas:
3.4
Temos acesso totalidade dos elementos (indivduos) sobre os quais

pretendemos efectuar a anlise. Neste caso, a anlise estatstica vai
descrever completamente a caracterstica pretendida. Dizemos que vamos
estudar toda a populao (isto , todos os elementos que apresentam a
caracterstica que nos interessa conhecer). o ramo da estatstica
designado por estatstica descritiva. Ocorre, por exemplo, nos
recenseamentos (censos) de toda a populao portuguesa, que tm lugar
uma vez em cada dcada.
Em numerosos casos, o nmero de elementos que constituem a populao

demasiado grande (ou mesmo infinito) para que seja vivel caracteriz-lo
completamente de uma forma rpida e/ou econmica. Nesses casos,
iremos trabalhar apenas com uma amostra dos elementos da populao, a
partir da qual iremos tirar concluses quanto ao que se passa com a
totalidade da populao. A este ramo chama-se inferncia estatstica, e
o que se utiliza, por exemplo, nas previses dos resultados eleitorais.
tambm o que nos ir interessar no tratamento de resultados de medies.
Mdia aritmtica
O valor mais provvel de uma varivel medida a mdia aritmtica do valor das
leituras obtidas. A melhor aproximao ser conseguida quando o nmero de
leituras da mesma grandeza for muito grande. Teoricamente, um nmero infinito de
leituras daria o melhor resultado, se bem que, na prtica, apenas se possa efectuar
um nmero finito de medies.
A mdia aritmtica dada pela expresso seguinte:
n
x=
x1 + x 2 + ... + x n
=
n
x
i =1
em que so
x : mdia aritmtica,
x1 , x 2 ,..., x n : leituras obtidas,

n : nmero de leituras.
Exemplo
Um conjunto de medies independentes de tenso, obtidas por quatro
operadores, foi registado como
117,02 V
117,11 V
117,08 V
117,03 V
Calcular a tenso mdia.
22 / 116
Paulo Cabral
Soluo
E av =
3.5
117,02 + 117,11 + 117,08 + 117,03

= 117,06 V
4
Mediana
A mediana de um conjunto de nmeros, organizados por ordem de grandeza, o

valor central ou a mdia aritmtica dos dois valores centrais.
Exemplos
A mediana dos nmeros 3, 4, 5, 6, 8, 8, 10 6
O conjunto 5, 5, 7, 9, 11, 12, 15, 18 tem a mediana (9+11)=10
3.6
Moda
A moda de um conjunto de nmeros o valor que ocorre com a maior frequncia,

ou seja, o valor mais comum. A moda pode no existir, ou existir mas no ser
nica.
Exemplos
O conjunto 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 tem moda 9
O conjunto 3, 5, 8, 10, 12, 15, 16 no tem moda
O conjunto 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9 tem duas modas, 4 e 7 (diz-se por isso que
bimodal; ver 4.4.4)
3.7
Desvio da mdia
O desvio da mdia o afastamento de uma dada leitura individual relativamente

mdia do grupo de leituras.
Se o desvio da primeira leitura, x1 , for designado por d 1 , o da segunda leitura, x 2 ,
por d 2 , e assim sucessivamente, ento os desvios da mdia podem ser expressos
como
d1 = x1 x
d 2 = x2 x
...
d n = xn x
Deve notar-se que o desvio da mdia pode tomar valores positivos ou negativos e
que a soma algbrica de todos os desvios zero.
Paulo Cabral
23 / 116
Exemplo
Um conjunto de medies independentes de corrente foi efectuado por seis
operadores e registado como
12,8 mA
12,2 mA
12,5 mA
13,1 mA
12,9 mA
12,4 mA
Calcular:
(a) a mdia aritmtica;
(b) os desvios da mdia.
Soluo
a)
x=
12,8 + 12,2 + 12,5 + 13,1 + 12,9 + 12,4

= 12,65 mA
6
b)
d1 = 12,8 12,65 = +0,15 mA

d 2 = 12,1 12,65 = 0,45 mA
d 3 = 12,5 12,65 = 0,15 mA
d 4 = 13,1 12,65 = +0,45 mA
d 5 = 12,9 12,65 = +0,25 mA
d 6 = 12,4 12,65 = 0,25 mA
6
= 0,00 mA
i =1
3.8
Desvio mdio
O desvio mdio uma indicao da preciso dos instrumentos usados para

fazer as medies. Instrumentos muito precisos conduziro a um baixo desvio mdio
entre leituras. Por definio, o desvio mdio a soma dos valores absolutos dos
desvios a dividir pelo nmero de leituras. O valor absoluto do desvio o valor
numrico deste sem afectao de sinal.
O desvio mdio pode ser expresso como
n
D=
24 / 116
d 1 + d 2 + ... + d n
n
d
i =1
Paulo Cabral
Exemplo
Calcular o desvio mdio para os dados do exemplo anterior.
Soluo
D=
3.9
0,15 + 0,45 + 0,15 + 0,45 + 0,25 + 0,25

= 0,283 mA
6
Desvio-padro
Em anlise estatstica de erros aleatrios, a raiz quadrada da mdia dos

quadrados (root mean square, ou rms, na terminologia inglesa) dos desvios, ou
desvio-padro, constitui uma ajuda valiosa. Por definio, o desvio-padro de
um nmero infinito de dados a raiz quadrada da soma dos quadrados de todos os
desvios individuais a dividir pelo nmero total de leituras. Expresso
matematicamente,
n
d + d + ... + d
n
2
1
2
2
2
n
d
i =1
2
i
Na prtica, como bvio, o nmero de observaes possveis finito. O desviopadro de um nmero finito de leituras dado por
n
s=
d + d + ... + d
n 1
2
1
2
2
2
n
d
i =1
2
i
n 1
Podemos tambm apresentar esta expresso em termos das leituras individuais,

vindo assim
(x
n
s=
i =1
n 1
Ao desvio-padro que se apresentou inicialmente () d-se o nome de desviopadro da populao. segunda definio (s) chama-se tambm desvio-padro
da amostra, por se tratar de um subconjunto finito da populao (infinita).
Exemplo
Dez medies de uma resistncia deram
101,2
101,7
101,3
101,0
101,5
101,3
101,2
101,4
101,3
101,1
Paulo Cabral
25 / 116
Admitindo que apenas estavam presentes erros aleatrios, calcular:

(a) a mdia estatstica;
(b) o desvio-padro das leituras.
Soluo
Com um grande nmero de leituras conveniente fazer a tabulao dos dados,
para evitar confuses e enganos.
i
Leitura, xi
1
2
3
4
5
6
7
8
9
10
()
101,2
101,7
101,3
101,0
101,5
101,3
101,2
101,4
101,3
101,1
n = 10
Desvio
di ()
-0,1
0,4
0,0
-0,3
0,2
0,0
-0,1
0,1
0,0
-0,2
d
d
= 1013,0
= 0,0
= 1,4
di ()
0,01
0,16
0,00
0,09
0,04
0,00
0,01
0,01
0,00
0,04
2
i
= 0,36
(a) Mdia aritmtica:
x=
1013,0
= 101,3
10
(b) Desvio-padro:
s=
n 1
0,36
= 0,2
9
3.10 Varincia
Ao quadrado do desvio-padro d-se o nome de varincia, vindo assim
V = 2
A varincia uma quantidade til em muitos clculos porque as varincias so
aditivas. O desvio-padro, no entanto, tem a vantagem de ser expresso nas mesmas
unidades que a varivel respectiva, tornando-se mais fcil comparar resultados.
26 / 116
Paulo Cabral
3.11 Uso de mquinas de calcular

Ao utilizar calculadoras electrnicas h alguns aspectos importantes a ter em
considerao.
Esto disponveis no mercado numerosos modelos de calculadoras que possuem
as funes estatsticas mais importantes. Todavia, h algumas diferenas na
notao usada pelos respectivos fabricantes (e s vezes mesmo entre diferentes
modelos do mesmo fabricante!).
Funo
Smbolos mais usuais
Mdia
Observaes
Desvio-padro da populao
sN
Desvio-padro da amostra
s N 1
N 1
a : declive
b : ordenada na origem
b : declive
a : ordenada na origem
m : declive
b : ordenada na origem
y = ax+b
y = a +b x
Recta de regresso
No habitualmente usado na
anlise de resultados de
medies
y = m x +b
Coeficiente de correlao
Quadrado do coeficiente de
correlao
r2
R2
Nos clculos intermdios conveniente conservar algarismos no significativos,

isto , fazer os arredondamentos apenas no final dos clculos, para evitar erros de
arredondamento. Em qualquer caso, obter sempre os valores com pelo menos mais
um algarismo significativo do que o necessrio.
Nos produtos, quocientes, potncias, etc., ter em ateno que um valor expresso
com um nmero insuficiente de algarismos pode provocar uma amplificao dos
erros de arredondamento!
Paulo Cabral
27 / 116
3.12 Utilizao do Microsoft Excel

Indicam-se aqui as principais funes estatsticas do Microsoft Excel que se
utilizam na anlise de dados experimentais. No captulo 12 apresenta-se a lista
completa de funes estatsticas deste verstil software.
Funo
Descrio
Verso Portuguesa
28 / 116
Verso Inglesa
=MDIA()
=AVERAGE()
Mdia aritmtica
=CONTAR()
=COUNT()
Indica quantos valores numricos existem numa lista
=DESVPAD()
=STDEV()
Desvio-padro de uma amostra ( o que se utiliza

sempre em medies)
=VAR()
=VAR()
Varincia
=MNIMO()
=MIN()
Menor nmero de uma lista de valores
=MXIMO()
=MAX()
Maior nmero de uma lista de valores
=TENDNCIA()
=TREND()
Ajusta uma linha recta (utilizando o mtodo dos mnimos

quadrados) a duas matrizes XX e YY
=DECLIVE()
=SLOPE()
Declive de uma recta de regresso linear
=INTERCEPTAR()
=INTERCEPT()
Intercepo do eixo YY de uma recta de regresso

linear
=CORREL()
=CORREL()
Coeficiente de correlao entre dois conjuntos de

valores
=PEARSON()
=PEARSON()
Coeficiente de correlao momentnea
=RQUAD()
=RSQ()
Quadrado do coeficiente de correlao
Paulo Cabral
Nota: Apesar das muitas vantagens que tem este software, ele apresenta tambm
diversos erros de clculo (bugs). A ttulo de exemplo, veja-se este caso real.
Os valores apresentados na tabela seguinte correspondem a 10 leituras
sucessivas efectuadas num frequencmetro digital de elevada resoluo. Como se
pode observar no grfico correspondente, no h 2 nicas leituras que sejam iguais
entre si.
No entanto, a funo =DESVPAD() do Excel fornece um valor de 0 (o que
significa que no existe variao...
N.
1
2
3
4
5
6
7
8
9
10
Mdia =
D. p. =
Paulo Cabral
Leitura
10 000 000,02930
10 000 000,02921
10 000 000,02913
10 000 000,02919
10 000 000,02925
10 000 000,02929
10 000 000,02926
10 000 000,02898
10 000 000,02901
10 000 000,02902
10 000 000,02916
0,00000
10 000 000.0293
10 000 000.0293
10 000 000.0292
10 000 000.0292
10 000 000.0291
10 000 000.0291
10 000 000.0290
10 000 000.0290
0
10
29 / 116
30 / 116
Paulo Cabral
4 Distribuio da probabilidade dos erros

Na maior parte dos casos encontrados na prtica, os valores medidos distribuemse volta de um valor mais provvel, onde se situa grande parte das ocorrncias
(leituras). Esse valor mais provvel a mdia.
medida que nos afastamos da mdia, habitual que o nmero de leituras seja
cada vez menor (teoricamente, poderemos encontrar valores muito afastados da
mdia, mas a experincia mostra que isso extremamente raro).
distribuio do nmero de vezes que encontramos cada uma das leituras
possveis d-se o nome de distribuio de probabilidades.
4.1
Distribuio normal dos erros
A tabela seguinte apresenta a listagem de 50 leituras de tenso efectuadas em

intervalos de tempo curtos e registadas com aproximao ao 0,1 V. O valor nominal
da tenso medida era de 100,0 V.
Leitura de tenso, xi
(V)
99,7
99,8
99,9
100,0
100,1
100,2
100,3
Nmero de leituras, ni
1
4
12
19
10
3
1
= 50
N. leituras
O resultado desta srie de medies pode ser expresso graficamente sob a forma
de um diagrama de blocos, ou histograma, em que o nmero de observaes
desenhado para cada leitura de tenso. A figura seguinte representa o histograma
da tabela anterior.
20
18
16
14
12
10
8
6
4
2
0
99,7
99,8
99,9
100,0
100,1
100,2
100,3
Tenso (V)
Este histograma mostra que o maior nmero de leituras (19) ocorre para o valor
central de 100,0 V, enquanto que as outras leituras esto dispostas de forma
aproximadamente simtrica em torno do valor central.
Paulo Cabral
31 / 116
Se fossem efectuadas mais leituras, com intervalos mais pequenos, digamos 200
leituras a intervalos de 0,05 V, a distribuio das observaes permaneceria
aproximadamente simtrica em torno do valor central e a forma do histograma seria
sensivelmente a mesma que anteriormente.
Com cada vez mais leituras, tomadas a incrementos cada vez menores, o
contorno do histograma tornar-se-ia uma curva, tal como a indicada pela linha que
na figura anterior une os centros das barras do histograma. Esta curva, em forma de
sino, conhecida por curva de Gauss. Quanto mais estreita e apertada for esta
curva, tanto mais se pode afirmar que o valor mais provvel da verdadeira leitura o
valor central ou mdia das leituras.
A lei do erro normal ou gaussiana a base do estudo analtico dos efeitos
aleatrios. Embora sem entrar no tratamento matemtico deste assunto, podem-se
enunciar os seguintes princpios, com base na lei normal:
Todas as observaes incluem pequenos efeitos perturbadores, chamados

erros aleatrios;
Os erros aleatrios podem ser positivos ou negativos;
H uma probabilidade igual de existirem erros aleatrios positivos e

negativos.
Podemos ento esperar que as medies incluam erros mais e menos em

partes aproximadamente iguais, de forma que o erro total seja pequeno e o valor
mdio seja o valor verdadeiro da varivel medida.
A forma da distribuio dos erros pode ser expressa da seguinte maneira:
Os erros pequenos so mais provveis do que os grandes;
Os erros grandes so muito improvveis;
Existe igual probabilidade de erros mais e menos, de forma que a

probabilidade de um dado erro simtrica em torno de zero.
A curva de distribuio de erros da figura que se segue baseada na lei normal, e

mostra uma distribuio simtrica dos erros. Esta curva normal pode ser vista como
a forma limite do histograma anterior, em que o valor mais provvel da tenso
verdadeira era a mdia.
68,27%
95,45%
99,73%
32 / 116
Paulo Cabral
Esta funo de probabilidade tem a expresso analtica seguinte:
(x x )
1
f ( x) =
e
2
O desvio-padro ( ) corresponde aos pontos de inflexo da funo.

4.2
Erro equiprovvel
A rea sob a curva de probabilidade gaussiana da figura anterior, entre os limites

e + , representa o conjunto completo de observaes. A rea sob a curva
entre os limites e + representa as leituras que no diferem da mdia mais do
que uma vez o desvio-padro. A integrao da rea sob a curva dentro dos limites
fornece o nmero total de casos dentro destes limites.
Para dados distribudos normalmente - isto , que sigam a distribuio de Gauss aproximadamente 68 por cento de todos os casos caem dentro dos limites e
+ relativamente mdia. Na tabela seguinte indicam-se outros valores de desvios,
em funo de .
Intervalo, em n.
de desvios-padro
(entre -k e +k)
0,674 5
1,000 0
1,645 0
1,960 0
2,000 0
2,576 0
3,000 0
Fraco da rea
total includa
0,500 0
0,682 7
0,900 0
0,950 0
0,954 5
0,990 0
0,997 3
Se, por exemplo, um grande nmero de resistncias com valor nominal de 100
for medido e a sua mdia for de 100,00 , com um desvio-padro de 0,20 , sabese que em mdia 68% (cerca de 2/3) de todas as resistncias tm valores que esto
dentro de 100,00 0,20 ; ento, h uma probabilidade de aproximadamente 2
em cada 3 de que qualquer resistncia, aleatoriamente retirada do lote, esteja dentro
daqueles limites.
Se forem necessrias maiores garantias, o intervalo poder ser alargado para os
limites de 2 , neste caso 0,40 . De acordo com a tabela anterior, isto incluir
cerca de 95% de todos os casos, dando assim uma probabilidade de 10 em cada 11
de que qualquer resistncia escolhida ao acaso esteja dentro dos limites 0,40
relativamente mdia de 100,00 .
A tabela anterior mostra tambm que metade dos casos esto abrangidos dentro
dos limites 0,6745 . D-se o nome de erro equiprovvel a uma grandeza r definida
como
r = 0,6745 .
Paulo Cabral
33 / 116
4.3
A distribuio normal e os conceitos de exactido e preciso
Fazendo apelo analogia anteriormente proposta entre uma srie de medies

de uma grandeza fsica e um conjunto de disparos de um projctil sobre um alvo,
vamos procurar perceber de que modo a disperso dos resultados obtidos se
relaciona com a distribuio de probabilidades normal.
Retomemos os quatro casos analisados em 1.1:
Caso 1
Reduzida preciso.
Reduzida exactido.
Caso 2
Elevada preciso.
Reduzida exactido.
Caso 3
Reduzida preciso.
Alguma exactido.
Caso 4
Elevada preciso.
Elevada exactido.
Se esses mesmos resultados fossem apresentados sob a forma de funes de

densidade de probabilidade (as j nossas conhecidas curvas de Gauss, ou em forma
de sino), poderamos tentar inferir o tipo de atirador a que correspondia cada um dos
casos. o que se prope na figura seguinte.
34 / 116
Paulo Cabral
Considerando que o verdadeiro valor o centro do alvo, as diversas curvas

traduzem o nmero de vezes que se acerta a uma dada distncia (maior ou menor)
do centro do alvo. A distncia de cada pico ao valor verdadeiro representa o erro
mdio e a largura de cada curva traduz a disperso de resultados. Teremos ento:
Curva 1 principiante (inexacto e impreciso).
Curva 2 com pontaria para o mesmo ponto, embora fora do alvo (preciso
mas inexacto).
Curva 3 mais prximo do alvo mas muito disperso (razoavelmente exacto

mas impreciso).
Curva 4 campeo (exacto e preciso).
Tendo em conta que todos os atiradores dispararam o mesmo nmero de vezes,

a rea sob cada uma das curvas deve ser igual, pelo que cada figura apresenta
diferentes amplitudes no valor de pico. Isso significa que quanto mais compacta for a
curva de distribuio (menor disperso dos resultados), tanto maior ser a amplitude
do seu pico (maior probabilidade de ocorrncia de valores prximos da mdia).
4.4
Outras distribuies
Em muitos casos que se encontram na prtica, a distribuio normal no pode ser

utilizada, quer seja por haver evidncias de que no corresponde aos dados, quer
seja por outros motivos.
Nesses casos, h que procurar a distribuio de probabilidades que melhor se
adequa aos dados disponveis. As mais utilizadas, para alm da distribuio normal,
so a distribuio rectangular (ou uniforme) e a distribuio em U (ou derivada do
arco-seno).
4.4.1 Rectangular, ou uniforme

Nesta distribuio, existe uma probabilidade constante, ou uniforme, de o valor
estar entre ( a ) e ( + a ) . Fora desse intervalo, a probabilidade nula. Por
estamos a representar o valor central da grandeza em questo.
Paulo Cabral
35 / 116
Funo densidade de probabilidade:
1
, ( a ) x ( + a )
f ( x ) = 2a
0, restantes x
Desvio-padro:
sR =
a
3
4.4.2 Em U, ou derivada do arco-seno

Nos casos em que maior a probabilidade de encontrar valores prximos de
qualquer um dos extremos de um intervalo do que prximo do valor mdio,
recorre-se distribuio em U, tambm conhecida como a derivada do arco-seno.
(Sugesto: para se perceber o porqu desta designao, desenhar o grfico da
derivada da funo y = arcsin( x) . Recordar que y ' = 1 1 x 2 ...).
Esta distribuio encontra grande aplicao prtica, por exemplo, nas medies
em sistemas de rdio-frequncias (RF), nos casos em que h desadaptaes de
impedncias. Pode ser tambm utilizada para modelizar a distribuio de uma
temperatura ambiente quando o controlo efectuado pelo tradicional sistema
on/off; contudo, no habitual o recurso a esta distribuio nestas circunstncias.
f ( x ) = a 2 x 2 , a < x < + a
0, restantes x
Desvio-padro:
sU =
a
2
4.4.3 Triangular
Em certos casos sabe-se que todos os valores se encontram dentro de um
determinado intervalo, mas existe uma maior probabilidade de tomarem valores
prximos da mdia do que nos extremos do intervalo. Nestes casos, a utilizao de
uma distribuio rectangular penalizadora (pressupe que todos os pontos so
igualmente provveis), mas pode no haver evidncias que permitam o recurso a
uma distribuio normal.
36 / 116
Paulo Cabral
Para tais situaes pode-se utilizar a distribuio triangular, na qual o valor mdio
tem a mxima probabilidade e em que a probabilidade dos valores restantes
decresce linearmente, at se anular nos extremos a.
x + a
a 2 , a x 0
a x
f ( x) = 2 ,0 x a
a
0 , restantes x
Desvio-padro:
sT =
a
6
4.4.4 Em M, ou bi-modal
Por vezes, encontram-se dados distribudos de uma forma que sugere a
existncia de duas mdias, isto , dois picos distintos na distribuio dos valores.
As figuras seguintes ilustram esta ideia.
Este tipo de distribuio estatstica conhecida como distribuio em M, ou

distribuio bi-modal, isto , que apresenta duas modas, ou dois picos.
Ainda que noutros domnios cientficos se possam encontrar casos em que os
dados se distribuem desta forma, nas medies fsicas uma tal situao
corresponde, em geral, mistura de dados provenientes de populaes distintas.
Quando somos confrontados com uma tal situao, devemos analisar
cuidadosamente os dados originais, para podermos separar cada uma das
distribuies e efectuar separadamente a sua anlise.
Paulo Cabral
37 / 116
38 / 116
Paulo Cabral
5 Anlise grfica
A forma mais comum (e uma das mais importantes) de se apresentarem dados
em cincia e em engenharia atravs de grficos. Um grfico simplesmente uma
forma de traduzir um conjunto de nmeros numa imagem, e est ligado nossa
capacidade de reconhecer padres visuais.
Como diz um antigo provrbio chins, uma imagem vale mais que mil palavras(*).
Neste captulo iremos abordar os grficos cartesianos, bem como as regras para
a sua apresentao. Ser tambm apresentada a elaborao de grficos utilizando o
Microsoft Excel (no por ser a melhor ferramenta para este tipo de anlise, mas por
ser indiscutivelmente a mais acessvel e vulgarizada).
5.1
Linearizao
Sempre que possvel deve-se utilizar um grfico linear. mais fcil de desenhar e
as concluses que dele se retiram so frequentemente mais objectivas do que com
grficos curvos. Se a relao entre as grandezas no for linear, geralmente
possvel lineariz-la recorrendo a uma mudana de variveis.
Exemplo
No caso de um pndulo simples, verifica-se que T 2 l g . O grfico de T em
funo de l uma parbola, mas se representarmos T2 em funo de l j obteremos
uma linha recta.
O uso de escalas logartmicas num ou em ambos os eixos tambm permite obter

representaes lineares, em numerosas situaes.
5.2
Regras para elaborao de grficos
Nos grficos feitos manualmente, escolha a rea do papel com o tamanho

adequado (pelo menos meia pgina A4).
Procure manter uma relao entre a altura e a largura do grfico menor do

que 1, para ser de mais fcil leitura (pense qual a relao entre a altura e
a largura dos crans de cinema ou de televiso, e porqu...)
Escolha os eixos de uma forma lgica: a varivel dependente deve estar no

eixo vertical (Y) e a varivel independente no eixo horizontal (X).
As escalas de cada um dos eixos no precisam de ser iguais, mas tm de

ser indicadas; marque-as em cada eixo, escolhendo divises que resultem
numa leitura fcil dos valores intermdios (por exemplo, faa divises de 2
em 2, e no de 7,7 em 7,7).
Quando possvel, procure que cada um dos eixos comece em zero.
(*)
Em rigor, o que esse provrbio afirma que uma imagem vale mais que dez mil palavras. Porm
a verso mais corrente no mundo ocidental reduziu substancialmente esse nmero...
Paulo Cabral
39 / 116
5.3
Indique junto a cada um dos eixos qual a varivel a representada; refira

sempre quais as unidades usadas.
Todos os grficos devem ter um ttulo. Escreva-o na parte superior da rea

do grfico.
Marque cada um dos pontos do grfico cuidadosa e claramente,

escolhendo para isso um smbolo adequado e com um tamanho que seja
facilmente visvel (por exemplo, um crculo ou um pequeno quadrado).
Nunca use apenas um ponto.
Assinale as barras de incerteza de cada ponto. Se a incerteza for muito

pequena para ser visvel na escala escolhida, indique que as barras de
incerteza so muito pequenas para aparecerem na figura.
No una os pontos medidos! Uma linha a unir pontos significa que se

conhecem os valores intermdios, o que no verdade.
Se necessrio, desenhe a recta de regresso como uma linha suave

atravs dos pontos medidos. Se os erros forem essencialmente aleatrios,
ver que alguns pontos ficam acima e outros abaixo dessa recta. Quando
utilizar rectas de regresso, indique sempre os seus parmetros (declive e
ordenada na origem; em muitos casos tambm conveniente apresentar o
quadrado do coeficiente de correlao).
No se esquea de escrever uma curta legenda, explicando de que trata a

figura e fornecendo a informao necessria para que o leitor a interprete
facilmente.
Utilizao do Microsoft Excel
5.3.1 Tipos de grficos

Ao executar o Assistente de grficos, o Excel apresenta-nos o seguinte menu:
De todas as opes apresentadas, apenas a Disperso (XY) nos ir interessar

para a apresentao de dados resultantes de medies.
40 / 116
Paulo Cabral
5.3.2 Grficos X-Y

Esta a forma mais simples de apresentar dados experimentais. Trata-se do
tradicional grfico cartesiano a 2 dimenses, em que no eixo dos XX (abcissas) se
representa a varivel independente, e no eixo dos YY (ordenadas) figura a varivel
dependente.
Das 5 possibilidades apresentadas no menu, deveremos sempre optar pela

primeira (pontos no unidos por qualquer linha), para evitar interpretaes equvocas
quanto ao que efectivamente se mediu.
5.3.3 Recta de regresso
Uma vez desenhado o grfico com os dados experimentais, poderemos ter
interesse em representar tambm a linha que melhor aproxima esse conjunto de
pontos (ver 6. Regresso linear). O Excel permite faz-lo de uma forma bastante
simples.
Vamos exemplificar isso recorrendo ao grfico seguinte. Seleccionar um dos
pontos medidos e premir a tecla direita do rato. Surge um menu como segue:
Escolher Adicionar linha de tendncia, aps o que se podem fazer as escolhas

que se apresentam de seguida.
Paulo Cabral
41 / 116
Nas duas pginas deste menu possvel escolher qual o tipo de relao (no
nosso caso ser sempre a linear). Podemos (devemos) tambm optar por mostrar a
equao no grfico, assim como mostrar o valor de R2.
O resultado o que se mostra na figura seguinte.
5.3.4 Barras de incerteza nos valores (eixos X e Y)

A cada ponto medido deveremos fazer corresponder a respectiva incerteza. Esta
tanto pode existir na grandeza independente (X) como na dependente (Y). Contudo,
mais usual considerar apenas a incerteza dos valores de Y.
Para associar a incerteza aos resultados, marca-se um dos pontos da srie e com
o boto direito do rato selecciona-se Formatar srie de dados.... Surge um
conjunto de pginas, das quais se selecciona Barras de erro em Y e onde se
inserem os valores apropriados.
42 / 116
Paulo Cabral
O resultado como segue.
Paulo Cabral
43 / 116
44 / 116
Paulo Cabral
6 Regresso linear
A regresso linear uma poderosa ferramenta de anlise estatstica e uma das
tcnicas mais utilizadas na explorao dos dados resultantes das medies. Existem
outros tipos de regresso (polinomial de ordem superior primeira, logartmica,
exponencial, regresso mltipla, etc.). Apenas iremos aqui abordar, pela sua
importncia prtica, a tcnica conhecida como regresso linear, isto , com a qual
se procura traar a linha (recta) que, globalmente, mais se aproxima dos diversos
pontos medidos. Em muitos casos que surgem na prtica, relaes no lineares
entre duas grandezas podem ser linearizadas mediante uma adequada mudana de
variveis, conforme se referiu em 5.1.
A regresso linear estabelece uma relao entre dois parmetros, um
considerado a varivel independente e o outro a dependente. Por exemplo,
poderemos relacionar o permetro do tronco de uma rvore (varivel dependente)
com o tempo (varivel independente), para assim se poder prever qual o seu valor
futuro num determinado instante.
Pode-se estimar a incerteza dos valores previstos com base nessa recta, desde
que se verifiquem os seguintes pressupostos:
6.1
Pontos distribudos normalmente em redor da recta de regresso;
Rudo branco;
A funo subjacente relao entre grandezas ser de facto linear.
Expresso da recta de regresso
A recta de regresso tem a seguinte formulao analtica:

y = a +bx
em que b o declive da recta e a representa a sua ordenada na origem.

Se ignorarmos a incerteza inerente, a recta de regresso poder ter uma
representao grfica como segue.
6.2
Coeficientes da recta e respectivas incertezas
O declive da recta de regresso (tambm conhecido como coeficiente de

regresso) calculado como:
n
b=
Paulo Cabral
n xi y i xi y i
i =1
i =1
i =1
n x xi
i =1
i =1
n
2
i
45 / 116
A ordenada na origem ser determinada pela seguinte expresso:
a=
i =1
i =1
i =1
xi2 yi xi xi yi
i =1
2
n xi2 xi
i =1
i =1
n
= y b x
Se considerarmos agora que os pontos efectivamente medidos no se ajustam

perfeitamente recta que assim determinmos, necessrio estimar o seu desviopadro ( s y| x ). Isso pode ser feito a partir da expresso:
s y| x =
n 1 2
s y b 2 s x2
n2
em que designmos por s y e por s x os desvios-padro dos valores das

grandezas dependente e independente, respectivamente. Nesta expresso, n o
nmero de pares de valores (x, y) medidos.
A incerteza do declive dada por
sb =
s y| x
sx n 1
o que se representa graficamente como segue.
Quanto incerteza da ordenada na origem, ela ser
sa =
s y| x
n
cujo significado se pode ver na figura seguinte.
46 / 116
Paulo Cabral
Uma vez que sabemos que a recta definida por y = a + b x no foi exactamente
determinada, podemos dizer que o seu desvio-padro
s y| x
xx
1
+
n (n 1)s x2
O significado de se combinarem as incertezas inerentes aos dois parmetros

pode ser melhor compreendido pela observao da figura seguinte.
6.3
Interpolao de um novo valor yo a partir de um xo
A partir da expresso da recta de regresso linear poderemos obter qualquer

novo valor yo, a partir de um dado xo:
y o = a + b xo
A incerteza com que este novo valor ser obtido resulta de:
u = s y| x
xx
1
1+ +
n (n 1)s x2
O grfico que se segue explicita os diversos conceitos expostos.
Paulo Cabral
47 / 116
Note-se que a formulao matemtica aqui apresentada permite que todos os

clculos sejam efectuados com uma vulgar mquina de calcular que disponha das
funes estatsticas mais comuns.
6.4
Coeficiente de correlao entre X e Y
Um parmetro que permite avaliar o grau de relacionamento linear entre dois

conjuntos de dados (ou duas grandezas) o chamado coeficiente de correlao (r).
Este coeficiente varia desde 1 (relao negativa perfeita), passando por 0
(nenhuma relao), at +1 (relao positiva perfeita). Ver as figuras seguintes.
A expresso analtica que permite determinar o coeficiente de correlao

n
r=
i =1
i =1
n xi yi xi yi
i =1
n 2 n n 2 n 2
n xi xi n yi yi
i =1 i =1
i =1
i =1
2
Este coeficiente deve ser interpretado com algum cuidado. possvel obter
valores de r muito prximos de 1 (ou de 0), sem que exista a correspondente relao
linear (ou a sua ausncia). Os grficos seguintes ilustram algumas dessas situaes.
48 / 116
Paulo Cabral
Assim, sempre conveniente traar o grfico de y em funo de x, por forma a

confirmar a aplicabilidade do modelo de regresso linear aos dados disponveis.
Paulo Cabral
49 / 116
50 / 116
Paulo Cabral
7 Tolerncia dos instrumentos de medio

A cada instrumento de medio atribuda uma especificao que pretende
estabelecer os limites expectveis para os erros cometidos nas medies com eles
efectuadas.
Nuns casos, esses limites so definidos em normas, isto , normalizados. Noutros
casos, tais limites so indicados pelos fabricantes dos equipamentos, em catlogos,
folhas de especificaes ou nos manuais que acompanham os equipamentos.
Num grande nmero de instrumentos de medio a exactido indicada como
uma percentagem da leitura no fim-de-escala. Os componentes de circuitos
(condensadores, resistncias, etc.) so garantidos dentro de certas margens de
tolerncia em relao aos seus valores nominais. Os limites desses possveis
desvios relativamente aos valores nominais designam-se por limites de erro, ou por
erros mximos admissveis.
Por exemplo, se uma determinada resistncia for especificada como tendo um
valor de 500 10%, o seu fabricante garante que essa resistncia estar entre
os limites 450 e 550 . O fabricante no est dessa forma a indicar um desviopadro, nem uma incerteza, mas apenas a prometer que o erro desse componente
no ser superior aqueles limites.
7.1
Instrumentos com classes normalizadas
Para muitos dos instrumentos analgicos, nomeadamente voltmetros,

ampermetros, wattmetros, etc., foram definidas pela IEC (Comisso Electrotcnica
Internacional) classes s quais devem obedecer os equipamentos. Para pertencer a
uma determinada classe, um instrumento deve possuir um conjunto de
caractersticas construtivas, das quais apenas iremos aqui referir os erros mximos
admissveis.
As classes de exactido normalizadas, de acordo com a norma IEC 60051, so as
seguintes:
0,05 0,1 0,2 0,5 1 1,5 2,5 5
Isto significa que, para um dado instrumento, qualquer leitura efectuada ao longo
da sua escala poder estar afectada de um erro que ser, no mximo, de
max = icl V fe
em que so
mx = erro mximo admissvel (em valor absoluto)

icl = ndice da classe de exactido (0,05; 0,1; etc.)
Vfe = valor de fim-de-escala
Assim, conclui-se que o erro mximo admissvel (ou tolerncia), em valor
absoluto, se mantm constante ao longo de toda a escala. Porm, o erro relativo
(isto , erro absoluto / valor lido) aumenta medida que as leituras se afastam do fim
da escala. Isso leva a que seja fortemente recomendvel que, tanto quanto possvel,
se utilizem estes equipamentos apenas para efectuar leituras na parte superior da
sua escala.
Paulo Cabral
51 / 116
Exemplo (voltmetro analgico)

Um voltmetro de 0 a 150 V apresenta uma tolerncia de 1% da leitura de fimde-escala. A tenso que est a ser medida pelo instrumento de 83 V.
Calcular os limites do erro em percentagem.
Soluo
O valor do erro mximo admissvel especificado
1
150 V = 1,5 V
100
O erro mximo admissvel, em percentagem, para uma leitura de 83 V de
1,5 V
100% = 1,81%
83 V
importante salientar que aquele instrumento apresenta uma tolerncia de
1% da leitura no fim da escala, mas quando est a ler 83 V os limites do errro
crescem para 1,81%. Identicamente, quando se est a medir uma tenso
inferior, os limites do erro aumentam ainda mais. Se o aparelho ler 60 V, o erro
1,5 V
mximo admissvel ser de
100% = 2,5% ; se ler 30 V, j ser de
60 V
1,5 V
100% = 5% .
30 V
O aumento do erro relativo mximo admissvel, medida que se vo lendo
tenses cada vez mais baixas, ocorre porque o valor do limite do erro uma
quantidade fixa baseada na leitura do fim de escala do instrumento.
Este exemplo reala a importncia de se efectuarem medies to prximo
quanto possvel do fim da escala.
7.2
Combinao de vrios erros
Com frequncia necessrio efectuar clculos em que se combinam os erros

mximos admissveis de diversos instrumentos. O exemplo seguinte ilustra este tipo
de clculos.
Exemplo (divisor de tenso, resistivo)

A tenso de sada de determinado circuito, Vs, est dependente dos valores de
trs resistncias, R1, R2 e R3 e da tenso de entrada, Ve, sendo dada pela
seguinte expresso:
Vs =
R1 R2
Ve
R32
Se a tolerncia de cada resistncia for de 0,1%, qual ser o erro mximo

expectvel da tenso Vs?
52 / 116
Paulo Cabral
Soluo
O valor mximo (mnimo) da tenso ocorrer quando R1 e R2 tiverem os
valores mximos (mnimos) tolerados e R3 estiver no seu limite mnimo
(mximo).
Para o nosso objectivo, os valores reais no necessitam ser conhecidos, mas
apenas os valores relativos. Para uma variao de 0,1% o mximo valor de
cada resistncia ser de 1,001 vezes o seu valor nominal, enquanto que o seu
limite mnimo ser de 0,999 vezes esse valor.
O valor mnimo de Vs ocorrer para os mnimos de R1 e R2 e para o mximo de
R3:
Vs ,min =
(0,999 R1 ) (0,999 R2 )V = 0,996 R1 R2 V

e
e
R32
(1,001R3 )2
O valor mximo de Vs vir para R1 e R2 mximos e R3 mnimo:

Vs ,max =
(1,001R1 ) (1,001R2 )V = 1,004 R1 R2 V

e
e
R32
(0,999 R3 )2
A variao total ser de 0,4%, isto , a soma algbrica das trs tolerncias,
uma das quais (R3) a duplicar, dado que aparece na expresso elevada ao
quadrado. Deve no entanto notar-se que isto s verdadeiro em primeira
aproximao; o erro mximo combinado ligeiramente diferente da soma das
tolerncias individuais.
Por outro lado, pouco provvel que as trs componentes do erro neste
exemplo tomem simultaneamente os seus valores-limites de forma a produzir a
mxima ou a mnima tenses. Em face disso, devem usar-se os mtodos
estatsticos que adiante veremos.
Exemplo (potncia dissipada numa carga)

A corrente que passa atravs de uma resistncia de 10,0 0,2 de 2,00 A
0,01 A. Usando a relao
P = I 2R
calcular os limites de erro para o valor calculado para a potncia dissipada.
Soluo
Exprimindo em percentagem os limites de erro garantidos para a corrente e
para a resistncia obteremos
I = 2,00 A 0,01 A = 2,00 A 0,5%

R = 100,0 0,2%
Paulo Cabral
53 / 116
Se usarmos para o clculo da potncia a pior combinao possvel das

tolerncias individuais, vir
Pmax = I 2 (1 + 0,005) R(1 + 0,002 ) = 1,012 I 2 R
2
Pmin = I 2 (1 0,005) R(1 0,002) = 0,988 I 2 R

2
O erro mximo resultante ser de 1,2%, isto , duas vezes o erro mximo da
corrente (visto que na expresso aparece elevada ao quadrado) mais o erro
mximo da resistncia.
7.3
Regra da diferencial logartmica
Uma forma simplificada (e pessimista) de se obter o erro mximo de um

resultado que depende de diversas grandezas a chamada regra da diferencial
logartmica. Esta regra consiste em aplicar logaritmos a ambos os membros da
funo Y = f ( X 1 ,..., X n ) , diferenciando em seguida a expresso assim obtida.
Exemplo (volume de um cilindro)

Como exemplo, vejamos o clculo do volume de um cilindro. O volume dado
por V = r 2 h =
d 2 h , em que d o dimetro e h a altura do cilindro. Sejam d
4
e h os erros mximos cometidos na medio daquelas duas grandezas, e V o
erro mximo de V. Aplicando logaritmos,
log V = log
+ 2 log d + log h
Diferenciando,
V
V
=2
d
d
h
h
o que nos permite calcular o erro relativo de V (ou pelo menos um seu
majorante).
54 / 116
Paulo Cabral
7.4
Equipamento digital
Ao contrrio do que acontece com os instrumentos analgicos, para os quais existe

uma forma normalizada de apresentar os limites de erro (ou erros mximos
admissveis, ou tolerncias), no caso dos instrumentos digitais cada fabricante utiliza
uma forma prpria de indicar essas caractersticas.
Iremos aqui abordar as formas mais vulgares de apresentao das especificaes.
Encontram-se no mercado, contudo, outras formas de apresentao, mas que em
geral so derivadas destas.
Para uma grande parte dos equipamentos mais utilizados na indstria, utiliza-se a
seguinte forma:
Tolerncia = ( % do valor lido + n. dgitos menos significativos)
Esta indicao recorre a duas contribuies para o erro:
Por um lado, uma contribuio devida linearidade da escala, que

expressa em funo do valor medido; em valor absoluto, esta parcela
cresce proporcionalmente ao valor que se est a medir; em valor relativo,
mantm-se constante.
Por outro lado, h uma parcela devida ao facto de a resoluo do

instrumento ser finita, o que impe um limite inferior da tolerncia,
particularmente notria nos valores mais baixos da escala. Note-se que, a
no existir esta parcela, o erro mximo admissvel seria nulo para uma
indicao de zero, o que corresponderia a um instrumento perfeito. O
nmero de dgitos menos significativos mais no do que o nmero
indicado na especificao, multiplicado pela resoluo da escala do
instrumento.
Outra forma de se apresentar esta especificao, utilizada por alguns fabricantes,

a seguinte:
Tolerncia = ( % do valor lido + % do fim da escala)
Uma vez que, em cada escala do instrumento, o valor de fim da escala nico,
facilmente se percebe que esta forma equivalente anteriormente apresentada,
ainda que utilizando outro formalismo.
Uma diferena bastante significativa entre estas especificaes e as utilizadas para
os instrumentos analgicos que enquanto nestes a tolerncia constante ao longo
de toda a escala, em valor absoluto, nos instrumentos digitais torna-se necessrio
calcul-la para cada ponto de interesse, pois varia de ponto para ponto, tanto em
valor absoluto como em valor relativo.
Exemplo (multmetro porttil Fluke 87)

Vamos concretizar uma anlise s especificaes dos equipamentos digitais,
recorrendo ao manual de um dos mais conhecidos multmetros portteis, o
modelo 87 da Fluke.
Paulo Cabral
55 / 116
Esse manual apresenta, entre muitas outras caractersticas, as tolerncias para

a funo Tenso Contnua, para a qual o instrumento dispe de 5 escalas de
medio. Apresenta-se de seguida uma transcrio parcial dessas
especificaes.
Se quisermos saber, por exemplo, quais os erros mximos admissveis (e.m.a.)

para uma medio de 10 V com este multmetro, na escala de 40 V, deveremos
efectuar a seguinte anlise:
E.m.a.=[ (0,05% x 10 V) + (1 dgito x 0,01 V) ] = [ 0,005 V + 0,01 V ] = 0,015 V
Em valor relativo, isto corresponde a 0,15% do valor medido.

Podemos estender esta anlise a outros valores ao longo da mesma escala,
para apreciarmos de que forma evolui o erro mximo:
Valor medido
Resoluo
E.m.a.
0V
0,01 V
0,010 V
4V
0,01 V
0,012 V
0,30%
10 V
0,01 V
0,015 V
0,15%
20 V
0,01 V
0,020 V
0,10%
30 V
0,01 V
0,025 V
0,083%
40 V
0,01 V
0,030 V
0,075%
Exemplo (multmetro de alta gama Agilent 3458A)

Vamos agora estudar as especificaes de um outro modelo de multmetro,
este de 8 dgitos, o Agilent 3458A. (Nota: Agilent a marca actual do
fabricante que durante largos anos se designou por Hewlett-Packard).
O manual deste equipamento indica os seguintes erros mximos admissveis:
56 / 116
Paulo Cabral
Se quisermos conhecer o e.m.a. na medio do mesmo valor que

anteriormente, 10 V, agora na escala de 10 V, a anlise a fazer a seguinte:
E.m.a. = [ (8 ppm x 10 V) + (0,05 ppm x 10 V) ] = 80,5 V 8,05 ppm
Nota: 1 ppm = 10-6
7.5
ppm e %
A notao ppm, que significa partes por milho, uma forma de indicar valores
relativos, particularmente til quando estamos na presena de valores bastante
pequenos. Embora a tendncia actual seja para desaconselhar a utilizao deste
tipo de notao, a verdade que ela continua a ser muito utilizada, em particular por
fabricantes norte-americanos.
Indica-se aqui a relao entre ppm e percentagem, para alguns valores.
ppm
1
10
100
1 000
10 000
100 000
1 000 000
Paulo Cabral
%
0,000 1
0,001
0,01
0,1
1
10
100
57 / 116
58 / 116
Paulo Cabral
8 Introduo anlise numrica

8.1
Arredondamento dos resultados
O resultado do arredondamento de um nmero como 72,8 para o inteiro mais

prximo 73, dado que 72,8 est mais prximo de 73 do que de 72. De forma
similar, 72,814 6 arredondado para o centsimo mais prximo (ou com duas casas
decimais...) 72,81, pois que 72,814 6 est mais prximo de 72,81 do que de 72,82.
No caso de nmeros que terminam em 5 h dois valores que esto igualmente
prximos do valor inicial, pelo que h que optar por um deles. Existem duas regras
em vigor: ou se arredonda sempre para cima (regra B, segundo a ISO 31-0), ou
se escolhe o nmero par mais prximo (regra A). A regra B utilizada
principalmente em aplicaes monetrias; a regra A a preferida no mundo tcnico
e cientfico. Vejamos alguns exemplos concretos.
O valor 72,465 arredondado ao centsimo, pela regra do nmero par mais
prximo, ser 72,46; j 183,575 ser arredondado para 183,58. O valor 116 500 000
arredondado s unidades de milho mais prximas como 116 milhes. Esta
conveno (regra A) surge com o intuito de minimizar os erros acumulados por
arredondamento, quando h que efectuar um grande nmero de operaes.
Exemplo de clculo
Somar os nmeros 4,35; 8,65; 2,95; 12,45; 6,65; 7,55; 9,75 utilizando trs
mtodos diferentes:
a) Directamente;
b) Arredondando s dcimas, pela conveno dos pares (regra A);
c) Arredondando de maneira a que o algarismo anterior ao 5 cresa
sempre uma unidade (regra B).
a)
8.2
4,35
4,4
4,4
8,65
8,6
8,7
2,95
3,0
3,0
12,45
12,4
12,5
6,65
6,6
6,7
7,55
7,6
7,6
9,75
9,8
9,8
52,35
b)
52,4
c)
52,7
O conceito de algarismos significativos
Se uma altura foi determinada como sendo 1,66 metro, isso significa que o seu
valor verdadeiro est compreendido entre 1,655 metro e 1,665 metro. Os
algarismos correctos, separados dos zeros necessrios para a localizao da
vrgula, chamam-se algarismos significativos do nmero.
Paulo Cabral
59 / 116
Exemplos:
1,66 tem 3 algarismos significativos
4,530 0 tem 5 algarismos significativos
0,001 8 = 1,8 10-3 tem 2 algarismos significativos
0,001 800 = 1,800 10-3 tem 4 algarismos significativos
Os nmeros resultantes de contagens, ao contrrio dos que se obtm nas

medies, so naturalmente exactos, tendo por isso uma quantidade ilimitada de
algarismos significativos.
8.3
Algarismos a conservar Multiplicao, Diviso, Radiciao
Ao efectuar clculos que envolvam multiplicao, diviso e extraco de razes, o

resultado final no pode ter mais algarismos significativos do que o que tem menor
quantidade deles.
Exemplos:
73,24 4,52 = 331
1,648 / 0,023 = 72
8,416 50 = 420,8 (se 50 for um nmero exacto!)
38,7 = 6,22
8.4
Algarismos a conservar Adio, Subtraco
Ao efectuar adies e subtraces, o resultado final no pode ter mais algarismos

significativos depois da vrgula do que o que tiver menor quantidade deles nessas
condies.
Exemplos:
3,16 + 2,7 = 5,9
83,42 - 72 = 11
47,816 - 25 = 22,816 (se 25 for um nmero exacto!)
60 / 116
Paulo Cabral
9 Combinao de incertezas
O resultado de uma medio s estar completo se, para alm do valor mdio da
mensuranda (grandeza que se pretende conhecer), incluir tambm uma estimativa
da incerteza desse valor mdio. Assim, vir:
Resultado da medio = Valor medido Incerteza da medio
Ao longo dos anos tm sido seguidas diferentes abordagens para se calcular o

valor da incerteza de uma medio. O mtodo de clculo que aqui se apresenta
baseado no documento EA-4/02 de 1999, o qual consistente com o documento
internacional Guia para a Expresso da Incerteza na Medio (abreviadamente
designado por GUM, de Guide to the Expression of Uncertainty in Measurement).
9.1
Introduo
A incerteza da medio uma estimativa que procura caracterizar o intervalo de

valores dentro do qual se encontra o verdadeiro valor da grandeza medida
(mensuranda). Esta estimativa deve ser feita aps eliminao de todas as
componentes sistemticas de erro conhecidas.
A grandeza a medir, Y , uma funo de um conjunto de grandezas de entrada,
X i , (i = 1, 2, ..., n), podendo exprimir-se matematicamente da seguinte forma:
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
As grandezas de entrada incluem as que constam dos certificados de calibrao
dos padres utilizados, as que intervm no processo de medio e as grandezas de
influncia.
Uma vez que os valores verdadeiros de X i so desconhecidos, na avaliao da
incerteza combinada da medio tm de ser usados valores estimados, xi . Como
uma medida da incerteza destes valores estimados, podem ser usadas as varincias
experimentais s x2i ou as respectivas razes quadradas, ou seja, os desvios-padro
experimentais s xi (tambm designados por incertezas-padro de xi ).
Se duas grandezas de entrada forem correlacionadas, isto , se forem
dependentes entre si, a sua covarincia estimada deve ser tida em conta na
determinao da incerteza. Todavia, num grande nmero de casos encontrados na
prtica considera-se que as grandezas de entrada so no-correlacionadas.
9.2
Definies especficas
A maior parte dos termos utilizados no domnio dos clculos de incertezas

constam do VIM e foram j apresentados no captulo 2. Contudo, utilizam-se
correntemente algumas outras expresses especficas, as quais sero aqui
indicadas, para maior facilidade de exposio.
Incerteza padro (ou incerteza normalizada) [GUM 2.3.1] incerteza do
resultado de uma medio, expresso sob a forma de um desvio-padro (1s).
Paulo Cabral
61 / 116
Incerteza padro combinada [GUM 2.3.4] incerteza padro do resultado de

uma medio quando esse resultado obtido a partir dos valores de diversas outras
grandezas; igual raiz quadrada positiva de uma soma de termos, sendo esses
termos as varincias ou covarincias daquelas outras grandezas ponderadas de
acordo com a influncia que a variao de cada uma das grandezas tem sobre o
resultado da medio.
Incerteza expandida [GUM 2.3.5] valor que define um intervalo em torno do
resultado da medio que se estima que contenha uma fraco significativa da
distribuio de valores que podem razoavelmente ser atribudos mensuranda.
Essa fraco pode ser vista como a probabilidade de cobertura ou o nvel de
confiana do intervalo. Para se associar um determinado nvel de confiana ao
intervalo definido pela incerteza expandida necessrio assumir, explcita ou
implicitamente, qual a distribuio de probabilidades associada ao resultado da
medio e sua incerteza padro combinada. O nvel de confiana que pode ser
atribudo a esse intervalo apenas pode ser conhecido na medida em que tais
assunes sejam justificadas. A Recomendao INC-1 (1980) chama incerteza
expandida incerteza global.
Factor de cobertura (ou de expanso) [GUM 2.3.6] factor numrico usado
como mltiplo da incerteza padro combinada para se obter a incerteza expandida.
Esse factor (k) toma, habitualmente, valores entre 2 e 3.
Avaliao (de incerteza) do Tipo A [GUM 2.3.2] mtodo de avaliao da
incerteza pela anlise estatstica de sries de observaes.
Avaliao (de incerteza) do Tipo B [GUM 2.3.3] mtodo de avaliao da
incerteza por outros mtodos que no a anlise estatstica de sries de
observaes.
9.3
Fontes de incerteza
Clculo de incertezas:
1.) Partir pedra...
Embora de forma no exaustiva, comum considerar as cinco famlias

seguintes de razes para que existam incertezas nas medies:
62 / 116
Paulo Cabral
Fonte de incerteza
Objecto da medio, ou
Equipamento a calibrar
Instrumento(s) de medio, ou
Padro usado
Mtodo de medio utilizado
Operador
Condies ambientais
Contribuio para a incerteza do resultado

Resoluo finita, facilidade de leitura
Estado de conservao
Instabilidade das leituras
etc.
Incerteza devida rastreabilidade (calibrao)
Afastamento do padro ideal
Deriva ao longo do tempo
etc.
Adequabilidade do mtodo ao fim em vista
Efeito de carga, largura de banda, fugas
Aproximaes inseridas no modelo da medio
etc.
Treino, formao, experincia
Paralaxe, capacidade visual
Leitura e registo de valores, tempo de reaco
Respeito dos tempos de warm-up
etc.
Temperatura
Humidade
Presso atmosfrica
Poeiras
Vibraes
Rudo electromagntico
etc.
Cada uma dessas fontes contribui para a incerteza do resultado final

(mensuranda) com um determinado peso que funo da maior ou menor
sensibilidade da mensuranda variao de cada uma das grandezas de entrada.
Como veremos adiante, tal peso contabilizado a partir dos coeficientes de
sensibilidade, que no so mais do que as derivadas parciais da funo que
relaciona a mensuranda com as diversas grandezas de entrada.
9.4
Expresso da grandeza a medir
Exprimir em termos matemticos a dependncia da grandeza a medir Y em

relao s grandezas de entrada X i :
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
No caso de uma comparao directa de dois padres, esta equao pode tomar
uma forma muito simples, por exemplo:
Y = X1 + X 2
9.5
Correces conhecidas
Identificar todas as correces que devam ser aplicadas e fazer tais correces
para as fontes de erro (sistemtico) conhecidas.
Paulo Cabral
63 / 116
9.6
Balano da incerteza
Listar todas as fontes de incerteza associadas com as medies repetidas, com

os valores resultantes de medies anteriores, com as correces e com as
grandezas de influncia, sob a forma de um balano da incerteza.
Este balano deve incluir todas as fontes de incerteza, as respectivas varincias
(ou os desvios-padro) e os mtodos de clculo ou de estimao.
Para medies repetidas, o nmero de medidas, n, deve ser tambm indicado.
A avaliao das incertezas associadas s grandezas de entrada dividida,
convencionalmente, em dois tipos:
Avaliao de "tipo A" mtodo de avaliao pela anlise estatstica de

sries de observaes;
Avaliao de "tipo B" mtodo de avaliao por outros meios.
Nota: importante no se duplicarem contribuies para a incerteza

combinada. Se uma dada fonte de incerteza j foi includa numa determinao do
Tipo A, no deve ser includa novamente como uma componente de incerteza do
Tipo B.
9.7
Grandezas medidas repetidamente (tipo A)
Calcular a varincia s x2i para grandezas medidas repetidamente.

Se v ij forem os valores medidos individualmente, os valores estimados xi do
valor verdadeiro da grandeza X i so dados pela mdia aritmtica v i dos valores v ij :
xi = v i =
1 n
vij ,
n j =1
em que n o nmero de medidas independentes.

Uma estimativa do desvio-padro da distribuio das medidas dada por:
s vi =
2
1 n
vij vi .
n 1 j =1
O valor estimado da varincia experimental de xi (mdia dos valores v ij ) ser:

2
sxi =
9.8
1 2
sv
n i .
Grandezas determinadas por outros meios (tipo B)
9.8.1 Valores singulares

Para valores singulares, por exemplo valores resultantes de medies anteriores,
valores de correco, valores da bibliografia, etc., adoptar as respectivas varincias,
quando forem dadas ou quando puderem ser calculadas.
Se tal no for o caso, estimar varincias com base na experincia.
64 / 116
Paulo Cabral
9.8.2 Grandezas de influncia

Para grandezas de influncia cuja distribuio de populao seja conhecida ou
possa ser assumida, calcular a varincia apropriada para essa distribuio. Ver 4.4.
Se apenas forem conhecidos ou puderem ser estimados os limites superior a u ,i e
inferior a l ,i , calcular a varincia estimada, admitindo uma distribuio rectangular
das grandezas de influncia:
s x2i =
1
( a u ,i a l ,i ) 2 .
12
Se se indicar por 2a i a diferena entre os valores limite, vir:
s x2i =
1 2
ai .
3
Graficamente, esta distribuio apresenta o aspecto seguinte:
au,i
9.9
a
i
ai
=xi
al,i
Lei de propagao das incertezas
Conforme j vimos, podemos modelizar a mensuranda, Y, em funo das n

grandezas de entrada, X 1 , X 2 ,..., X n , por meio da expresso Y = F ( X 1 , X 2 ,..., X n ) ,
em que cada grandeza descrita pela sua distribuio de probabilidade.
Vamos desenvolver F em srie de Taylor de 1. ordem, para pequenas variaes
de Y em torno da sua mdia Y , em funo das pequenas variaes dos Xi em torno
das suas mdias X i . Vir
n
Y Y =
i =1
F
Xi Xi
X i
Se designarmos Y = Y Y e X i = X i X i poderemos escrever a expresso

como
n
Y =
i =1
F
X i
X i
Esta expresso conhecida como lei de propagao dos erros. Sups-se aqui
que os termos de ordem superior 1. eram desprezveis, e que Y = F ( X 1 ,..., X n ) .
Se calcularmos agora o quadrado daquela diferena,
(Y Y )
n F
Xi Xi
=
i =1 X i
desenvolvendo o segundo membro da equao teremos:
Paulo Cabral
65 / 116
(Y Y )
F
=
Xi Xi
i =1 X i
n
n 1
+ 2
i =1
)(
F F
Xi Xi X j X j
j =i +1
i X j
n
Reparemos que a esperana matemtica do quadrado da diferena Y Y a
[(
varincia de Y, isto , E Y Y
escrever como
) ] =
2
2
Y
, pelo que a expresso anterior se pode
n 1 n
F 2
F F
=
i j ij
i + 2
i =1 X i
i =1 j =i +1X i X j
n
2
Y
[(
em que i2 = E X i X
)]
2
cov(X i , X j )
a varincia de Xi e ij =
[(
)(
i j
correlao entre Xi e Xj, onde cov(X i , X j ) = E X i X i X j X j
)]
o coeficiente de
a covarincia de Xi
e Xj. Esta expresso traduz a lei de propagao das incertezas, em que cada
grandeza representada pela sua distribuio de probabilidades. Esta lei vai-nos
permitir calcular a incerteza combinada de y, como funo das diversas grandezas
de entrada.
9.10 Coeficiente de sensibilidade
As derivadas parciais F X i que aparecem na expresso da lei de propagao
das incertezas representam os coeficientes de sensibilidade do resultado, y, s
diversas grandezas de entrada, xi. Por exemplo, se no modelo matemtico intervier a
temperatura como uma grandeza de influncia, a derivada parcial correspondente
representar o coeficiente de temperatura do dispositivo fsico em causa.
O grfico seguinte representa a variao de uma dada grandeza Y em funo de
uma outra X. Se quisermos saber, por exemplo, de que forma uma pequena
variao em torno do ponto X=20 unidades ir afectar a grandeza Y, poderemos
fazer variar X experimentalmente e medir o correspondente efeito em Y. Se
conhecermos o modelo matemtico Y = F ( X ) que descreve a relao entre as duas
grandezas, poderemos determinar o coeficiente de sensibilidade a partir da
diferencial F X i em torno de X=20.
120
115
110
y
x
105
+0, 29
x = 20
100
95
90
0
66 / 116
10
20
30
40
50
60
70
80
90
100
110
Paulo Cabral
Podemos encarar os coeficientes de sensibilidade de uma outra forma. As

diversas contribuies para a incerteza combinada tero que estar todas expressas
nas mesmas unidades; como se costuma dizer, no se podem misturar alhos com
bugalhos!
Por exemplo, se estivermos a medir um comprimento, provavelmente quereremos
que a incerteza venha expressa numa unidade de comprimento. Uma possvel fonte
de incerteza ser a variao da temperatura ambiente. Embora a contribuio para a
incerteza seja uma temperatura, o seu efeito sobre um comprimento, pelo que
deve ser expressa na unidade correspondente. Se soubermos que o material em
causa se expande 0,1% por cada grau de aumento da temperatura, uma incerteza
de 2 C provocar uma incerteza sobre o comprimento de 0,2 cm numa pea com
1 m de comprimento.
Uma vez as incertezas padro expressas em unidades consistentes, a incerteza
combinada pode ser calculada pelas regras que iremos agora ver.
9.11 Soma das varincias
2.) ...combinar tudo...
Relacionar as varincias s x2i de todas as grandezas de entrada com a grandeza

de sada e som-las de acordo com a equao:
F
s =
i =1 X i
2
y
2
s xi ,
em que (F / X i ) so as derivadas parciais da funo F em ordem s grandezas

X i (coeficientes de sensibilidade de Y em relao aos diversos Xi).
9.11.1 Casos mais simples, frequentemente encontrados
Em muitas situaes encontradas na prtica, as expresses para a combinao
das incertezas reduzem-se a formas muito simples. Iremos aqui ver dois casos
particulares que cobrem grande parte das situaes mais usuais. Vamos tambm
analisar uma regra prtica que frequentemente permite simplificar o clculo da
incerteza combinada.
Paulo Cabral
67 / 116
9.11.2 Soma (ou diferena)

No caso de F ser uma soma (ou uma diferena) linear de grandezas, todas as
derivadas parciais (F / X i ) 2 vm iguais a 1. Assim, ficar:
n
s y2 = s x2i
i =1
ou, o que equivalente,
s y = s x21 + s x22 + ...

isto , a incerteza-padro combinada (em valor absoluto) a soma quadrtica das
incertezas-padro das diversas componentes (em valor absoluto).
9.11.3 Produto (ou quociente)
No caso de modelos matemticos que envolvam apenas produtos e/ou
quocientes de grandezas, por exemplo y = x1 (x2 x3 ) , a incerteza-padro combinada
ser dada por
sx
= 1
y
x1
sy
s x2
+ + ...
x
2
ou seja, a incerteza-padro combinada (em valor relativo) a soma quadrtica

das incertezas-padro das diversas componentes (em valor relativo).
9.11.4 Combinao de incertezas
Para se combinarem as diversas componentes da incerteza, nos casos em que os
modelos matemticos apenas incluem funes algbricas elementares, torna-se
conveniente partir a expresso completa em sub-expresses mais simples, tendo
cada uma delas apenas um dos tipos de operaes indicadas acima.
Por exemplo, uma expresso do tipo y = ( x + w) (u + v ) deve ser dividida noutras
duas: (x + w) e (u + v ) , cujas incertezas seriam calculadas de acordo com a regra
indicada em 9.11.2. Essas incertezas parciais seriam depois combinadas utilizando a
regra de 9.11.3, para dar a incerteza combinada do resultado.
Exemplo 1
y = m(p q + r)
Considerar
m=1 (exacto)
p=5,02; u(p)=0,13
q=6,45; u(q)=0,05
r=9,04; u(r)=0,22
y = 1 (5,02 6,45 + 9,04 ) = 7,61
u ( y ) = (0,13) 2 + (0,05) 2 + (0,22) 2 = 0,26
68 / 116
Paulo Cabral
Exemplo 2
y=
o p
qr
Considerar
o=2,46; u(o)=0,02
p=4,32; u(p)=0,13
q=6,38; u(q)=0,11
r=2,99; u(r)=0,07
y=
(2,46) (4,32)
= 0,56
(6,38) (2,99)
u( y)
0,02 0,13 0,11 0,07
=
= 0,043 (rel.)
+
+
+
y
2,46 4,32 6,38 2,99
u ( y ) = 0,56 0,043 = 0,024
9.12 Grandezas correlacionadas

Se as grandezas de entrada X i e X k forem consideradas correlacionadas isto
, se forem de alguma forma dependentes entre si a covarincia estimada
s xik = s xi .s xk .rxik , (i k )
deve ser considerada como uma contribuio adicional para a incerteza. O grau
de correlao caracterizado pelo coeficiente de correlao rxik (em que
i k e 1 r +1 ).
No caso de medies repetidas a covarincia dada por

s xik =
)(
n
1
vij v i v kj v k
n(n 1) j =1
e, substituindo na equao anterior, pode calcular-se r .

Para as grandezas de influncia qualquer grau de correlao tem de ser baseado
na experincia. Quando existir correlao, a equao da varincia deve ser
substituda por
F
s =
i =1 X i
2
y
n
2
F F
s xi +
s xik , (i k )
i , k =1 X i X k
Deve notar-se que o segundo somatrio desta equao se pode tornar negativo.
Paulo Cabral
69 / 116
9.12.1 Grandezas correlacionadas casos particulares

Se duas ou mais grandezas forem apenas positivamente correlacionadas, e se o
coeficiente de correlao puder ser tomado como +1, ento obter-se- para a
varincia combinada
n F
s =
s xi
i =1 X i
2
p
e para o desvio-padro combinado

n
sp =
i =1
F
sx .
X i i
Neste caso especial, o desvio-padro combinado do resultado dado pela adio

linear dos desvios-padro das componentes multiplicadas pelas derivadas parciais
relevantes.
O valor +1 para o coeficiente de correlao deve ser usado, por exemplo, se o
mesmo instrumento for usado mais de uma vez no processo de medio (por
exemplo, se uma ponte de relao 1:10 for usada trs vezes para se obter uma
relao de 1:1000).
Se duas grandezas X i e X j forem negativamente correlacionadas, com um
coeficiente de correlao -1, os termos correspondentes da equao da varincia
viro
F
F
s =
s xi
sxj
X
X j
i
2
n
9.13 Incerteza expandida da mensuranda

Calcular a incerteza expandida multiplicando o desvio-padro s y pelo factor k
apropriado para obter um nvel de probabilidade adequado. O caso mais usual a
utilizao do factor k = 2 , que corresponde a estabelecer um intervalo de confiana
de aproximadamente 95%, para uma distribuio normal.
9.14 Nmero de graus de liberdade
A suposio de uma distribuio normal nem sempre pode ser confirmada
experimentalmente. No entanto, nos casos em que houver vrias componentes da
incerteza (N3), correspondentes a grandezas independentes com distribuies de
probabilidade bem conhecidas (por exemplo normais e rectangulares), que
contribuam para a incerteza da mensuranda em propores comparveis, admite-se
que se verificam as condies do Teorema do Limite Central e pode-se admitir, com
grande aproximao, que a distribuio resultante normal.
A fiabilidade da incerteza atribuda mensuranda determinada pelo seu
nmero de graus de liberdade efectivos, que iremos ver de seguida. Contudo,
pode aceitar-se que o critrio de fiabilidade sempre verificado desde que nenhuma
das contribuies para a incerteza tenha sido obtida de uma avaliao do tipo A
baseada em menos de 10 medies repetidas.
70 / 116
Paulo Cabral
Podemos interpretar o nmero de graus de liberdade de uma varivel estatstica

como sendo o nmero de medies independentes menos o nmero de parmetros
que j calculmos a partir desses dados. Assim, no caso das contribuies do tipo A,
teremos que o nmero de graus de liberdade associados ao desvio-padro do
conjunto de n medies repetidas (n-1), uma vez que com os n resultados j
fixmos a mdia, assim restringindo os graus de liberdade do conjunto. Para as
contribuies do tipo B usual considerar que possuem infinitos graus de liberdade.
Para determinar o factor de cobertura k quando no so verificadas as condies
do Teorema do Limite Central necessrio proceder do seguinte modo:
Obter a incerteza padro sy associada mensuranda, conforme acima

indicado.
Estimar o nmero de graus de liberdade efectivos eff da incerteza padro,

com base na expresso de Welch-Satterthwaite,
eff =
s y4
N
s x4i
i =1
em que s xi so as vrias contribuies para a incerteza da mensuranda e
i o nmero de graus de liberdade de s xi .
Obter o factor de cobertura k de uma tabela da distribuio t de Student,

para o nvel de probabilidade pretendido. Se eff assim calculado no for
inteiro, trunc-lo para o inteiro imediatamente inferior.
9.15 Resultado final
3.) Apresentar o resultado!
Exprimir o resultado da medio e a respectiva incerteza no documento de

calibrao, sob a forma:
yu ,
em que y o valor medido (mdia) e u a incerteza da medio, calculada
anteriormente:
u = k sy
Habitualmente, ser u = 2 s y , conforme indicado em 9.13.
Paulo Cabral
71 / 116
A incerteza-padro (desvio-padro) da mensuranda assim calculada a partir das

componentes da incerteza resultantes do padro, do mtodo de medio, das
condies ambientais, das variaes do objecto em calibrao, etc.
O valor numrico da incerteza deve ser apresentado com no mais do que dois
algarismos significativos na sua expresso final.
O valor numrico da grandeza medida deve ser arredondado, na sua expresso
final, de forma a no conter algarismos menos significativos do que os da incerteza
expressa.
O uso de algarismos significativos em excesso induz uma falsa confiana no
utilizador. O uso de algarismos significativos insuficientes no transmite toda a
informao vlida de que se dispe.
72 / 116
Paulo Cabral
9.16 Fluxograma simplificado

Modelo matemtico da medio:
Y = F( X1, X2 ,...,Xn )
Medir / Calcular os vrios xi
Identificar e aplicar correces significativas
Listar todas as fontes de incerteza
Estimar as incertezas-padro (desviospadro) u(xi) para cada xi
Tipo A
Tipo B
Valores obtidos na medio em curso,

em condies de repetibilidade
Valores obtidos nas fontes disponveis

(efeitos das condies ambientais;
especificaes de equipamentos; etc.)
n. leituras = n
Valor conhecido
Mdia:
n
v=
v
i =1
Distribuio a usar
Desvio-padro da amostra:
(v
n
sv =
i =1
n 1
Varincia da mdia:
s x2i =
Paulo Cabral
Rectangular
Normal
(k.s)
s
s x2 =
k
s x2 =
Outras
a
3
...
s v2
n
73 / 116
Estimar as covarincias
u (xi , x j ) = r (xi , x j )u ( xi )u (x j )
Grandezas
correlacionadas?
Calcular o resultado da medio, y
Calcular a incerteza-padro combinada:
F xi
so os coeficientes de sensibilidade
da grandeza Y relativamente a cada
uma das grandezas Xi
Calcular as covarincias
( ... )
2
c
( y ) = F
n
i =1
xi
n 1
F F
u (xi , x j )
j =i +1x i x j
n
u 2 ( x i ) + 2
i =1
A medio determina
simultaneamente mais de
uma grandeza?
Estimar o N. Graus de Liberdade (i)

para cada xi
Calcular o NGL efectivos de y:
eff =
u c4 ( y )
n
u i4 ( y )
i =1
Calcular k=tp(eff)
Calcular a incerteza expandida

U=k.uc(y)
Exprimir o resultado como:

Y=yU
74 / 116
Paulo Cabral
9.17 Combinao de incertezas Casos mais simples
xi independentes
xi correlacionadas
(r=+1)
y = x1 + x 2
y = x1 x 2
y = x1 x 2
y = x1 / x 2
y = xp
y = kx
(k=cte. exacta)
Paulo Cabral
u( y ) =
[u(x ) ] + [u(x ) ]
2
u ( y ) = u ( x1 ) + u ( x 2 )
u (x ) u (x )
u( y )
= 1 + 2
y
x1 x2
2
u ( y ) u ( x1 ) u ( x2 )
=
+
y
x1
x2
u( y )
u (x )
= p
y
x
u ( y ) = k u (x )
75 / 116
9.18 Sugesto de esquema para apresentao dos dados

Tipo A
Smbolo Descrio
Valor
N. leituras
Smbolo Descrio
Valor
Distribuio
e factor k
u(xi)
ci
ui2(y)
NGL
ci
ui2(y)
NGL
Tipo B
u(xi)
Soma das varincias =

uc(y) =
NGL efectivos =
k=
U=
76 / 116
Paulo Cabral
9.19 Resumo dos casos mais comuns

9.19.1 Grandezas independentes
Varincia
F
s =
i =1 X i
Caso geral:
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
2
y
Soma de n termos:
Y = X 1 + X 2 + ... + X n
Desvio-padro
s x2i
F
s y =
i =1 X i
n
s y2 = s x2i
s y2 = s x21 + s x22
s y2
y2
s x21
x12
sy =
i =1
Soma ou Diferena:
Y = X 1 + X 2 ou Y = X 1 X 2
Produto ou quociente:
X
Y = X 1 X 2 ou Y = 1
X2
s x2i
i =1
2
xi
s y = s x21 + s x22
sx
= 1
x
y
1
s x22
sy
x22
s x2
+
x
2
9.19.2 Grandezas correlacionadas

Varincia
Caso geral:
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
s xik = s xi s xk rxik
(i k ,1 r +1)
Desvio-padro
n
n
F F
F
sxik
sx2i +
s y2 =
X
i =1
i , k =1 X i X k
i
ik
sy =
n
F
F F
s x2i +
X X
i =1
i
k
=
,
1
k
i
i
ik
n
s x ik
Casos em que r = +1
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
n F
s =
s xi
i =1 X i
Y = X1 + X 2
s y2 = s x1 + s x2
Y = X1 X 2
s y2
sy =
2
y
(
= (s
x1
s x2
)
)
sy = sx1 sx2
s x1 s x2
y 2 x1 x 2
s y2
X
Y= 1
X2
s y = s x1 + s x2
2
sx
sx
= 1 + 2
2
x2
y
x1
Y = X1 X 2
s y2
i =1
F
s xi
X i
sy
y
sy
y
=
=
sx1
x1
sx1
x1
sx 2
x2
sx 2
x2
Casos em que r = 1
Y = F (X , X )
i
Paulo Cabral
F
F
s =
s xi
sxj
X
X j
i
2
y
F
sy =
s xi
sx j
X
X j
i
77 / 116
78 / 116
Paulo Cabral
10 Exemplos de clculo de incertezas

10.1 Frequncia de uma fonte AC pelas leis de Mersenne
10.1.1 Apresentao da experincia
Pretende-se determinar a frequncia de uma fonte de corrente elctrica utilizando
as leis de Mersenne(*). Para isso dispe-se de uma montagem em que se vai
procurar relacionar caractersticas mecnicas (comprimento, massa, dimetro, etc.)
com a frequncia de ressonncia do dispositivo.
Esquematicamente, a montagem a seguinte:
A relao entre as grandezas relevantes dada por
1
M g
f =
2l
mL
M: massa aplicada no extremo do fio

l: comprimento do fio entre A e B
g: acelerao da gravidade
mL: massa do fio por unidade de comprimento
A experincia consiste em determinar, para cada uma das massas M aplicadas,

qual o comprimento l quando se verifica a ressonncia do sistema. A partir desses
dados elabora-se uma tabela de valores de M em funo de l, construindo-se o
grfico correspondente.
(*)
Marin Mersenne (1588-1648), matemtico, filsofo e telogo francs. Enunciou as seguintes leis
relativas s cordas vibrantes:
- Para uma determinada corda, sujeita a determinada tenso, o seu perodo de vibrao varia com o
comprimento; ou seja, como a frequncia o inverso do perodo, a frequncia varia com o inverso do
comprimento da corda.
- Quando o comprimento de uma corda dado, o perodo varia com o inverso da raiz quadrada da
tenso; isto , quanto mais se estica a corda, mais agudos se tornam os sons.
- Quando so dados o comprimento e a tenso duma corda, o perodo varia com a raiz quadrada da
densidade linear do material de que feita a corda; o que explica que as cordas mais grossas do
violino produzam sons mais graves do que as cordas mais finas.
Paulo Cabral
79 / 116
10.1.2 Valores obtidos experimentalmente
l (m)
M (kg)
M ( kg )
1.2000
1.1000
1.0000
0,231
0,326
0,392
0,454
0,507
0,556
0,200
0,400
0,600
0,800
1,000
1,200
0,4472
0,6325
0,7746
0,8944
1,0000
1,0954
0.9000
0.8000
0.7000
0.6000
0.5000
0.4000
0.200
0.250
0.300
0.350
0.400
0.450
0.500
0.550
0.600
l (m)
Como se observa, existe uma tendncia linear na variao conjunta das duas
grandezas. Vamos caracterizar essa dependncia atravs de uma regresso linear
simples. Pretende-se determinar a equao da recta y = m x + b (sendo y = M e
x = l ) que melhor aproxima o conjunto dos valores determinados
experimentalmente, segundo o critrio dos mnimos quadrados.
10.1.3 Recta de regresso linear
A utilizao das funes estatsticas da mquina de calcular fornece os valores
seguintes.
Declive:
m = 2,002 405 888 kg1/2/m
Ordenada na origem:
b = -0,015 632 46 kg1/2
Coeficiente de correlao entre y e x:
R = 0,999 902 616

R2 = 0,999 805 241
Desvio-padro dos valores de x:
sx = 0,120 063 317 m
Desvio-padro dos valores de y:
sy = 0,240 438 907 kg1/2
Nmero de pares de valores (x, y):
n= 6
Assim, a recta que melhor aproxima estes pontos ser dada por
M = 2,0024 l 0,0156
que tem a seguinte representao grfica.
80 / 116
Paulo Cabral

1.2000
1.1000
y = 2.0024x - 0. 0156
R2 = 0.9998
1.0000
0.9000
0.8000
0.7000
0.6000
0.5000
0.4000
0.200
0.250
0.300
0.350
0.400
0.450
0.500
0.550
0.600
l (m)
Poderemos confirmar a aproximao entre os valores

experimentalmente e os valores calculados pela expresso da recta.
l (m)
M ( kg )
Recta
Erro
absoluto
relativo
0,231
0,326
0,392
0,454
0,507
0,556
0,4472
0,6325
0,7746
0,8944
1,0000
1,0954
0,4470
0,6372
0,7693
0,8935
0,9996
1,0977
-0,0003
+0,0047
-0,0053
-0,0009
-0,0004
+0,0023
determinados
-0,06%
+0,75%
-0,68%
-0,10%
-0,04%
+0,21%
Os parmetros que caracterizam a incerteza associada recta de regresso

linear so apresentados no quadro seguinte.
Desvio-padro dos pontos em torno
da recta de regresso:
Incerteza do declive:
Incerteza da ordenada na origem:
n 1 2
s y m 2 s x2 = 0,003752 kg
n2
s y| x
sm =
= 0,01397 kg m 0,70%
sx n 1
s y| x
sb =
= 0,0015 kg
n
(valor que iremos desprezar nesta anlise)
s y| x =
10.1.4 Massa linear do fio

Para se determinar a frequncia necessrio conhecer a massa linear (massa
por unidade de comprimento) do fio de ao. Isso dado por:
Paulo Cabral
81 / 116
: massa volmica do ao = 7,7 103 kg/m3

r: raio do fio de ao
mL = r 2
O raio r foi determinado a partir de uma srie de 10 medies do dimetro do fio,

tendo-se obtido o valor mdio de 0,805 mm com um desvio-padro de 0,0053 mm.
Assim, o raio ter um valor de 0,403 mm 0,003 mm. A tabela seguinte apresenta
os resultados obtidos.
leitura n.
1
2
3
4
5
6
7
8
9
10
Mdia =
Desvio-padro experimental =
Desvio-padro da mdia =
d (mm)
0,81
0,81
0,80
0,80
0,81
0,80
0,80
0,81
0,81
0,80
r (mm)
-
0,805
0,0053
0,0017
0,402
0,0026
0,00083
O valor de mL ser ento
m L = 7,7 10 3 (3,1416) 0,402 10 3
= 0,003909 kg/m
Uma vez que consideraremos e como constantes exactas - atendendo forma

como foram obtidas (*) - a incerteza de mL ser apenas funo da incerteza de r2:
u (m L )
u (r )
= 2
mL
r
(*)
Em rigor, tal no inteiramente correcto. Todos os valores de grandezas fsicas, mesmo que sejam
conhecidos com um grande nmero de algarismos significativos, tm uma incerteza associada. No
caso de essa incerteza ser dada, utiliz-la-emos; o caso das constantes fsicas publicadas em
documentao de referncia, como o CODATA. Se nada nos for dito quanto incerteza dos valores
dados, poderemos assumir que o valor fornecido exacto dentro da resoluo numrica com que
expresso, ou seja, ter uma incerteza intrnseca de algarismo menos significativo. Por exemplo,
se nos for dito que a velocidade da luz no vazio de 2,998108 m/s, sem mais nenhuma informao,
podemos admitir que a esse valor est associada uma incerteza de 0,000 5108 m/s. Contudo, neste
exemplo, iremos simplificar a abordagem e considerar como exactos (sem incerteza) os valores da
massa volmica do ao, de e da acelerao da gravidade.
82 / 116
Paulo Cabral
O raio resulta da medio do dimetro com um micrmetro cuja resoluo de

0,01 mm. Para alm dessa fonte de incerteza (do tipo B), h que considerar tambm
a disperso das leituras efectuadas (fonte de incerteza do tipo A).
u B (r ) =
0,01 mm
u A (r ) =
n 1
n
= 0,0058 mm
= 0,00083 mm
u (r ) = u A2 (r ) + u B2 (r ) = 0,0058 mm
Ento, teremos que

u (m L )
u (r )
0,0058
= 2
= 2
= 2,9%
mL
r
0,402
10.1.5 Frequncia
Como vimos anteriormente, a frequncia dada por
f =
M g 1
g
M 1
g
1
=
declive
mL
l
2l
2 mL
2 mL
O seu valor ento f = 50,15 Hz

A incerteza de f, se considerarmos g = 9,81 m/s2, sem incerteza
determinada a partir de
(*)
, poder ser
1 u (m L ) u (declive)
u( f )
1
2
=
= 2,9% + [0,7%] = 1,6%
+
f
2
2 m L declive
2
ou seja, 0,80 Hz (para um nvel de confiana correspondente a 1 desvio-padro).

Nota: Na expresso anterior u (m L ) mL surge multiplicado pelo factor , uma vez
que f no depende directamente de m L , mas sim da sua raiz quadrada.
Assim, o resultado final da medio da frequncia ser expresso como
f = 50,15 Hz 0,80 Hz ou f = 50,15 Hz 1,6 %
Uma vez que sabemos que o valor real da frequncia so 50 Hz, o erro cometido
na medio por este mtodo foi
= 50,15 Hz 50 Hz = +0,15 Hz 0,3%

valor que se enquadra dentro da estimativa que fizemos para a incerteza.
(*)
Ver nota da pgina anterior. O valor normalizado para a acelerao da gravidade (correspondente
ao nvel do mar no equador) g=9,806 65 m/s2. Se tomarmos apenas g=9,81 m/s2, a correspondente
incerteza numrica seria 0,005 m/s2, ou 0,05%, o que desprezvel para o nosso objectivo.
Paulo Cabral
83 / 116
10.2 Incerteza proveniente de um certificado de calibrao

O certificado de calibrao de um instrumento usado num ensaio indica que a
incerteza de medio na gama sujeita a calibrao de 0,1%, para um nvel de
confiana de 95%.
A ltima afirmao pode ser interpretada como sendo equivalente a dizer que a
incerteza est expressa com um factor de cobertura de k=2, para uma distribuio
normal.
A contribuio da incerteza normalizada devida calibrao do instrumento ser
ento de
u ( x) =
84 / 116
0,1%
= 0,05% da leitura
2
Paulo Cabral
10.3 Determinao da incerteza a partir da especificao do fabricante

A especificao do fabricante para um dado instrumento de 1% da leitura.
Pode-se admitir que isto uma afirmao que engloba os limites de erro do
instrumento, e que qualquer valor do erro dentro desses limites igualmente
provvel (distribuio rectangular).
A contribuio da incerteza normalizada devida a esta especificao ser ento
de
u ( x) =
1%
3
= 0,58% da leitura
Nota: Embora o algarismo final (8) no seja significativo, boa prtica mant-lo nos
clculos intermdios, em vez de arredondar a incerteza para 0,6% nesta etapa.
Paulo Cabral
85 / 116
10.4 Incerteza originria de um aparelho elctrico analgico

Um voltmetro analgico est certificado como tendo uma incerteza de 1,0% do
fim-da-escala na escala de 10 V (no proporcional leitura), para um nvel de
confiana de 95%.
A contribuio da incerteza normalizada devida calibrao do voltmetro quando
utilizado para medir qualquer valor de tenso nessa escala ser de
u ( x) =
86 / 116
1,0% 10 V
= 0,05 V
2
Paulo Cabral
10.5 Incerteza a partir da especificao de uma norma

Sabe-se que um paqumetro (tambm conhecido por craveira ou peclisse) est
conforme com a norma BS 887:1982, a qual estabelece que o erro de leitura desse
tipo de instrumentos, at 300 mm, no dever exceder 0,02 mm. Pode-se supor que
isso equivale a admitir uma distribuio rectangular com limites 0,02 mm.
Quando se mede o comprimento de uma pea com esse paqumetro, obtm-se o
valor de 215,76 mm. A contribuio da incerteza normalizada do paqumetro devida
sua especificao ser de
u ( x) =
0,02 mm
3
= 0,012 mm
o que equivale a 0,0054% da leitura (215,76 mm).

Nota: No se consideraram neste exemplo outras fontes de incerteza, tais como a
temperatura e o coeficiente de expanso linear, os quais devero ser tidos em conta
num caso real.
Paulo Cabral
87 / 116
10.6 Incerteza de uma indicao digital

Uma fonte de incerteza de um instrumento de leitura digital a sua resoluo. Por
exemplo, se numa sequncia de leituras repetidas todos os valores forem iguais, a
incerteza da medio devida repetibilidade no poder ser zero, dado que existe
uma gama de sinais que, na entrada do instrumento, formam um intervalo que
conduz mesma indicao, isto , h um limiar na variao do sinal de entrada
abaixo do qual o indicador no consegue mostrar que tal variao existe.
Se a resoluo do dispositivo indicador for R, o valor da grandeza que produz
uma dada leitura X pode-se situar com igual probabilidade em qualquer ponto do
R
R
intervalo X a X + . Essa contribuio para a incerteza ento descrita

2
2
por uma distribuio de probabilidades rectangular de largura R, cuja varincia ser
R2
u =
12
2
ou, o que equivalente, com um desvio-padro
u=
R
R2
=
12
3
para qualquer indicao do instrumento.

Suponhamos o caso de um instrumento de pesagem (popularmente conhecido
por balana) com uma escala cujo algarismo menos significativo seja 1 g. A
varincia devida resoluo desse dispositivo indicador
u2 =
1 2
g
12
e o desvio-padro
u=
88 / 116
1
g = 0,29 g
12
Paulo Cabral
10.7 Medio da humidade do ar com um psicrmetro

10.7.1 Descrio
Um higrmetro de aspirao, ou psicrmetro, um instrumento frequentemente
utilizado em laboratrios de calibrao para determinar a humidade relativa do ar
dentro do laboratrio.
10.7.2 Procedimento de medio
Humedecer a mecha de algodo que envolve o bolbo do termmetro

hmido. Pr em movimento a ventoinha do higrmetro. Esperar que as
leituras dos termmetros seco e hmido estabilizem.
Obter 5 leituras da temperatura indicada pelo termmetro seco. Calcular a

sua mdia e estimar o respectivo desvio-padro.
Obter 10 leituras da temperatura indicada pelo termmetro hmido.

Calcular a sua mdia e estimar o respectivo desvio-padro.
Aplicar s temperaturas mdias as correces apropriadas, conforme

indicado nos respectivos certificados de calibrao.
Calcular a depresso da temperatura do bolbo hmido.
10.7.3 Balano de incertezas

A funo que relaciona as diversas grandezas indica que se trata de uma
combinao linear de medies.
O quadro seguinte apresenta de uma forma sinttica o balano de incertezas para
este caso.
Paulo Cabral
89 / 116

Fonte de incerteza
Tipo A
Termmetro "seco", 5 leituras
Desvio-padro das leituras
Desvio-padro da mdia
Termmetro "hmido", 10 leituras
Tipo B
Incerteza calibrao termmetro "seco"
Incerteza calibrao termmetro "hmido"
Influncia da pureza da gua
Incerteza combinada
Factor de expanso para 95% confiana, k=
Incerteza expandida
Valor
Divisor
Coeficiente de
sensibilidade
Incerteza
normalizada
2.236
0.015 C
3.162
0.010 C
0.010 C
0.010 C
2
2
1
1
0.005 C
0.005 C
0.007 C
1.732
0.004 C
0.033 C
0.033 C
0.020 C
2.25
0.045 C
Nota: O factor de expanso k=2,25 (em vez do valor mais usual k=2) resulta da
aplicao da expresso de Welch-Satterthwaite para a estimao do nmero de
graus de liberdade, uma vez que neste caso as contribuies mais significativas para
a incerteza so as do tipo A, as quais resultam de um pequeno nmero de
medies. Ver seco 9.14.
90 / 116
Paulo Cabral
10.8 Medio de temperatura com uma Pt-100

10.8.1 Descrio da experincia
Pretende-se determinar a temperatura de um banho termostatado. Para tal, dispese de um termmetro de resistncia de platina (TRP) do tipo Pt-100 cuja
caracterstica temperatura resistncia foi determinada experimentalmente, de
acordo com os dados apresentados na tabela seguinte.
R/
t / C
100,00
107,79
115,54
123,24
130,90
138,51
0
20
40
60
80
100
Para a utilizao destes dados necessrio estabelecer uma expresso que, por
regresso linear, fornea o valor da temperatura para uma determinada resistncia
medida. Determinar os parmetros dessa recta de regresso, bem como uma
estimativa da incerteza associada ao seu declive.
Com esse TRP mediu-se a temperatura do banho, tendo sido obtida uma leitura
(de resistncia) de 120,05 . Calcular o valor da temperatura do banho, bem como a
respectiva incerteza.
10.8.2 Expresso da recta de regresso

Pretende-se determinar a equao da recta y = m x + b (sendo y = t e x = R )
que melhor aproxima o conjunto dos valores determinados experimentalmente,
segundo o critrio dos mnimos quadrados.
A utilizao das funes estatsticas da mquina de calcular fornece os valores
seguintes.
Declive:
m = 2,596 584 C/
Ordenada na origem:
b = -259,850 429 C
Coeficiente de correlao entre y e x:
r = 0,999 990 89
r2 = 0,999 981 79
Paulo Cabral
Mdia dos valores de x:
x = 119,33
Mdia dos valores de y:
y = 50 C
Desvio-padro dos valores de x:
sx = 14,409 788
Desvio-padro dos valores de y:
sy = 37,416 573 C
Nmero de pares de valores (x, y):
n= 6
91 / 116
Assim, a recta que melhor aproxima estes pontos ser dada por
t = 2,596585 R 259,850429
Apresenta-se na figura seguinte a representao grfica dos pontos medidos e da
correspondente recta de regresso.
160
y = 2.596585x - 259.850429
R 2 = 0.999982
t (C)
110
60
10
-40
90
100
110
120
130
140
150
R (ohms)
t(R)
Linear (t(R))
10.8.3 Incerteza do declive

O clculo da incerteza associada ao declive da recta de regresso linear est
apresentado no quadro seguinte.
Desvio-padro dos pontos em torno da
s y| x =
recta de regresso:
n 1 2
s y m 2 s x2 = 0,1785 C
n2
s y| x
sm =
= 0,005541 C/ 0,21 %
sx n 1
Incerteza do declive:
10.8.4 Interpolao de um novo valor

Substituindo R = 120,05 em t = 2,596585 R 259,850429 , vem que
t = 51,9 C
A incerteza deste valor interpolado dada por
u = s y| x
1
xx
1+ +
= 0,2 C
n (n 1)s x2
(para um nvel de confiana correspondente a 1 desvio-padro).
92 / 116
Paulo Cabral
10.9 Calibrao de um paqumetro com bloco-padro

Vai-se calibrar um paqumetro digital, de alcance 150 mm, com resoluo de 0,01
mm, utilizando um bloco-padro de ao de comprimento nominal 10 mm.
De acordo com a norma DIN 861-1, a tolerncia sobre o comprimento desse bloco
de 0,12 m.
A temperatura da sala onde se est a efectuar a calibrao controlada dentro de
20 C 2 C. Todos os equipamentos utilizados so construdos em ao, cujo
coeficiente de dilatao trmica em torno de 20 C de =+11,5x10-6 /C.
So efectuadas 10 leituras no paqumetro, em condies de repetibilidade.
Considera-se que apenas a repetibilidade do paqumetro obedece a uma
distribuio de probabilidades normal; as restantes componentes consideradas para
a incerteza combinada so consideradas como tendo uma distribuio rectangular.
O modelo assumido para esta calibrao corresponde a uma soma linear de
grandezas.
O quadro seguinte apresenta o balano de incertezas.
Fonte de incerteza
Tipo A
Repetibilidade do paqumetro, 10 leituras
Tipo B
Tolerncia do bloco-padro (cf. norma)
Resoluo do paqumetro
Coeficiente de temperatura do ao
Variao da temperatura na sala
Comprimento nominal
Valor
Divisor
Coeficiente de
sensibilidade
Incerteza
normalizada
3.16
0.001 90 mm
1.73
3.46
1
1
0.000 07 mm
0.002 89 mm
0.006 mm
0.000 12 mm
0.010 mm
1.15E-05 /C
2 C
10 mm
1.73
Incerteza combinada
Factor de expanso para 95% confiana, k=
Incerteza expandida
20 mm x C 0.000 13 mm
0.003 46 mm
2.0
0.007 mm
A incerteza expandida do paqumetro, para L=10 mm, ento u(L) = 7 m, para

um nvel de confiana de aproximadamente 95%.
Paulo Cabral
93 / 116
10.10 Calibrao de uma resistncia pelo mtodo potenciomtrico
10.10.1
Princpio da medio
Pretende-se determinar o valor de uma resistncia Rx mediante a sua

comparao com uma outra resistncia Rp de valor bem conhecido. Para isso,
ambas as resistncias so percorridas pela mesma corrente I, pelo que existem nos
seus terminais as diferenas de potencial Ux e Up, respectivamente.
Dado que se conhece Rp, bastar medir Ux e Up para se poder determinar Rx:
I=
Ux U p
=
Rx
Rp
pelo que vir
Rx = R p
10.10.2
Ux
Up
Esquema de montagem
Fonte (I)
Rx
Ux
10.10.3
Rp
Up
Influncia da temperatura
O valor de uma resistncia fortemente influenciado pela temperatura a que a

mesma se encontra. Essa temperatura resulta no s da temperatura ambiente, mas
tambm do auto-aquecimento a que a resistncia est sujeita por efeito de Joule.
A variao de resistncia entre uma temperatura t0 e uma outra temperatura t
exprime-se da seguinte forma:
R(t ) = R(t 0 ) 1 + (t t 0 ) + (t t 0 )
em que e so os coeficientes de temperatura de cada resistncia para a

temperatura t0.
94 / 116
Paulo Cabral
10.10.4
Identificao das fontes de incerteza
Fonte de incerteza
Incerteza de calibrao da resistncia-padro Rp
Fornecida pelo ltimo certificado de calibrao.
Incerteza devida deriva do valor de Rp ao longo do tempo.
Baseada no histrico das calibraes.
Vai-se considerar como sendo nula.
Incerteza devida variao da temperatura de Rp durante o tempo da
medio.
Incerteza devida variao da temperatura de Rx durante o tempo da
medio
Incerteza devida ao mtodo de medio
Utiliza-se o mesmo voltmetro para medir as tenses Ux e Up, pelo
que existe entre elas uma correlao negativa, que contribui para
diminuir a incerteza da relao Ux/Up.
Como um majorante dessa incerteza, vamos utilizar o erro mximo
admissvel do voltmetro.
Incerteza devida oscilao das diversas medies de Ux/Up
efectuadas.
Utiliza-se o mesmo voltmetro para medir as tenses Ux e Up,
calculando-se o seu quociente.
Calcula-se o desvio-padro das determinaes de Ux/Up.
10.10.5
Valor estimado
U=5,10-6 (k=2)
U=0
(Rp)=+5,10-6 /C
t=0,5 C
(Rx)=+5,10-6 /C
t=0,5 C
U=8,10-6
U=1,10-6
Leituras efectuadas
A repetio da medio do ratio Ux/Up com o voltmetro conduziu aos valores que
a seguir se indicam.
10.10.6
N.
Ux/Up
1,000 001 7
1,000 001 4
1,000 001 8
1,000 001 2
1,000 000 1
1,000 003 3
1,000 000 6
1,000 000 5
1,000 002 4
10
1,000 000 2
Mdia =
1,000 001 3
D. p. =
1,0 E-06
Balano de incertezas
Com a informao recolhida, vai-se fazer o clculo da incerteza combinada,

expandida, da resistncia Rx. Esse balano est sistematizado no quadro seguinte.
Paulo Cabral
95 / 116

Fonte de
incerteza
Calibrao da
resistncia
padro (Rp)
Deriva com o
tempo de Rp
Variao da
temperatura de
Rp
Variao da
temperatura de
Rx
Mtodo de
medio
Repetibilidade
das medies
Processo de
Valor
avaliao conhecido
Tipo (A/B) /
Distribuio
Incerteza Coeficiente de
normalizada sensibilidade
N. graus
liberdade
B / Normal
(k=2)
2.50E-06
6.25E-12
inf.
B / Rectangular
0.00E+00
0.00E+00
inf.
Estimativa
0.5 C
B / Rectangular
2.89E-01
5.00E-06/C
2.08E-12
inf.
Estimativa
0.5 C
B / Rectangular
2.89E-01
5.00E-06/C
2.08E-12
inf.
Especif.
voltmetro
8.00E-06 B / Rectangular
4.62E-06
2.13E-11
inf.
Ensaio
1.00E-06
3.16E-07
1.00E-13
Soma das varincias =
3.19E-11
Incerteza combinada =
5.64E-06
NGL efectivos =
912 980
Certificado
Histrico
5.00E-06
A / Normal
(n=10)
Factor k =
Incerteza expandida =
96 / 116
Varincia
2.00
1.13E-05
Paulo Cabral
11 Problemas propostos
1. Os erros so valores
a) Conhecidos?
b) Desconhecidos, podendo apenas ser estimados?
2. Um erro aleatrio pode ser corrigido?
a) Sim
b) No
3. Se conhecermos a classe de exactido de um instrumento podemos saber qual o
seu erro?
a) Sim
b) No
4. Um certificado de calibrao serve para
a) Comprovar o bom funcionamento de um instrumento?
b) Garantir que as especificaes do fabricante so respeitadas?
c) Fornecer uma indicao sobre a fidelidade do instrumento?
d) Corrigir eventualmente o erro do instrumento?
5. Refira as principais categorias (famlias) de causas de erros nas medies.
6. Num certificado de calibrao emitido por um laboratrio acreditado pelo IPQ a
incerteza de medio indicada de 10 unidades. A incerteza-padro ser de
a) 10
b) 5
c) 3,33
7. Um instrumento apresenta 0,1 unidade como menor indicao. Qual ser a
incerteza-padro devida sua resoluo?
a) 0,029
b) 0,1
c) 0,058
8. Os mtodos de avaliao de incertezas do Tipo A so
a) mais poderosos que os do Tipo B?
Paulo Cabral
97 / 116
b) equivalentes aos mtodos do Tipo B?

c) os nicos que permitem calcular uma incerteza-padro?
9. Os mtodos de avaliao de incertezas do Tipo B
a) so mais rigorosos que os do Tipo A?
b) requerem mais tempo que os mtodos do Tipo A?
c) necessitam uma grande competncia e experincia metrolgicas?
10. O efeito das correlaes entre diversas grandezas de entrada
a) aumenta sempre a incerteza do resultado?
b) pode por vezes diminuir a incerteza do resultado?
11. Refira qual a diferena entre as regras de arredondamento de resultados nos
casos de
a) soma ou subtraco
b) produto ou quociente
12. Efectue os clculos seguintes, apresentando correctamente os resultados
a) 3,404 + 31,1
b) 3,10 133,03
98 / 116
Paulo Cabral
12 Lista de funes estatsticas do Microsoft Excel

Verso Portuguesa
Paulo Cabral
Verso Inglesa
Descrio sucinta
BETA.ACUM.INV
BETAINV
Devolve o inverso da funo de densidade de

probabilidade beta acumulada
CONTAR
COUNT
Conta os nmeros que existem numa lista de

argumentos
CONTAR.VAL
COUNTA
Conta o nmero de valores que existem numa

lista de argumentos
CONTAR.VAZIO
COUNTBLANK
Conta o nmero de clulas em branco num

intervalo de clulas especificado
CONTAR.SE
COUNTIF
Calcula o nmero de clulas num intervalo que

corresponde aos critrios determinados
CORREL
CORREL
Devolve o coeficiente de correlao entre dois

conjuntos de dados
COVAR
COVAR
Devolve a covarincia
CRESCIMENTO
GROWTH
Devolve valores ao longo de uma tendncia

exponencial
CRIT.BINOM
CRITBINOM
Devolve o menor valor em que a distribuio

binomial acumulada inferior ou igual a um dado
valor
CURT
KURT
Devolve a curtose de um conjunto de dados
DECLIVE
SLOPE
Devolve o declive da recta de regresso linear
DESV.MDIO
AVEDEV
Devolve a mdia dos desvios absolutos de um

conjunto de pontos em relao mdia dos
dados
DESVPAD
STDEV
Calcula o desvio-padro a partir de uma amostra
DESVPADA
STDEVA
Calcula o desvio-padro com base numa

amostra, incluindo nmeros, texto e valores
lgicos
DESVPADP
STDEVP
Calcula o desvio-padro com base na populao

total
DESVPADPA
STDEVPA
Calcula o desvio-padro com base na populao

total, incluindo nmeros, texto e valores lgicos
DESVQ
DEVSQ
Devolve a soma dos quadrados dos desvios
DIST.BIN.NEG
NEGBINOMDIST
Devolve a distribuio binomial negativa
DIST.CHI
CHIDIST
Devolve a probabilidade unicaudal da distribuio

do qui-quadrado
DIST.HIPERGEOM
HYPGEOMDIST
Devolve a distribuio hipergeomtrica
DIST.NORM
NORMDIST
Devolve a distribuio normal acumulada

99 / 116
Verso Portuguesa
100 / 116
Verso Inglesa
Descrio sucinta
DIST.NORMALLOG
LOGNORMDIST
Devolve a distribuio log-normal acumulada
DIST.NORMP
NORMSDIST
Devolve a distribuio normal padro acumulada
DISTBETA
BETADIST
Devolve a funo de densidade de probabilidade

beta acumulada
DISTEXPON
EXPONDIST
Devolve a distribuio exponencial
DISTF
FDIST
Devolve a distribuio de probabilidade F
DISTGAMA
GAMMADIST
Devolve a distribuio gama
DISTORO
SKEW
Devolve a distoro de uma distribuio
DISTRBINOM
BINOMDIST
Devolve a probabilidade da distribuio binomial

de termo individual
DISTT
TDIST
Devolve a distribuio t de Student
EPADYX
STEYX
Devolve o erro-padro do valor y previsto para

cada x da regresso
FISHER
FISHER
Devolve a transformao de Fisher
FISHERINV
FISHERINV
Devolve o inverso da transformao de Fisher
FREQUNCIA
FREQUENCY
Devolve uma distribuio de frequncia como

uma matriz vertical
INT.CONFIANA
CONFIDENCE
Devolve o intervalo de confiana para a mdia de

uma populao
INTERCEPTAR
INTERCEPT
Devolve a intercepo da linha de regresso

linear
INV.CHI
CHIINV
Devolve o inverso da probabilidade unicaudal da

distribuio do qui-quadrado
INV.NORM
NORMINV
Devolve o
acumulada
INV.NORMP
NORMSINV
Devolve o inverso da distribuio normal padro

acumulada
INVF
FINV
Devolve
o
inverso
probabilidade F
INVGAMA
GAMMAINV
Devolve o
acumulada
INVLOG
LOGINV
Devolve o inverso da distribuio log-normal
INVT
TINV
Devolve o inverso da distribuio t de Student
LNGAMA
GAMMALN
Devolve o logaritmo natural da funo gama, (x)
MAIOR
LARGE
Devolve o n-simo maior valor de um conjunto de

dados
MXIMO
MAX
Devolve o
argumentos
inverso
da
inverso
valor
distribuio
da
da
mximo
normal
distribuio
distribuio
numa
de
gama
lista
de
Paulo Cabral
Verso Portuguesa
Paulo Cabral
Verso Inglesa
Descrio sucinta
MXIMOA
MAXA
Devolve o valor mximo numa lista de

argumentos, incluindo nmeros, texto e valores
lgicos
MED
MEDIAN
Devolve a mediana dos nmeros dados
MDIA
AVERAGE
Devolve a mdia dos respectivos argumentos
MDIA.GEOMTRICA
GEOMEAN
Devolve a mdia geomtrica
MDIA.HARMNICA
HARMEAN
Devolve a mdia harmnica
MDIA.INTERNA
TRIMMEAN
Devolve a mdia do interior de um conjunto de

dados
MDIAA
AVERAGEA
Devolve a mdia dos respectivos argumentos,

incluindo nmeros, texto e valores lgicos
MENOR
SMALL
Devolve o n-simo menor valor de um conjunto

de dados
MNIMO
MIN
Devolve o valor mnimo numa lista de argumentos
MNIMOA
MINA
Devolve o valor mnimo numa lista de

argumentos, incluindo nmeros, texto e valores
lgicos
MODA
MODE
Devolve o valor mais comum num conjunto de

dados
NORMALIZAR
STANDARDIZE
Devolve um valor normalizado
ORDEM
RANK
Devolve a ordem de um nmero numa lista de

nmeros
ORDEM.PERCENTUAL PERCENTRANK
Devolve a ordem percentual de um valor num

conjunto de dados
PEARSON
PEARSON
Devolve o coeficiente de correlao do momento

do produto de Pearson
PERCENTIL
PERCENTILE
Devolve o n-simo percentil de valores num

intervalo
PERMUTAR
PERMUT
Devolve o nmero de permutaes de um

determinado nmero de objectos
POISSON
POISSON
Devolve a distribuio de Poisson
PREVISO
FORECAST
Devolve um valor ao longo de uma tendncia

linear
PROB
PROB
Devolve a probabilidade de um conjunto de

valores estarem entre dois limites dados
PROJ.LIN
LINEST
Devolve os parmetros de uma tendncia linear
PROJ.LOG
LOGEST
Devolve os
exponencial
QUARTIL
QUARTILE
Devolve o quartil de um conjunto de dados
parmetros
de
uma
tendncia
101 / 116
Verso Portuguesa
102 / 116
Verso Inglesa
Descrio sucinta
RQUAD
RSQ
Devolve o quadrado do coeficiente de correlao

do momento do produto de Pearson
TENDNCIA
TREND
Devolve valores ao longo de uma tendncia linear
TESTE.CHI
CHITEST
Devolve o teste de independncia
TESTEF
FTEST
Devolve o resultado de um teste F
TESTET
TTEST
Devolve a probabilidade associada ao teste t de

Student
TESTEZ
ZTEST
Devolve o valor da probabilidade unicaudal de um

teste-z
VAR
VAR
Calcula a varincia a partir de uma amostra
VARA
VARA
Calcula a varincia a partir de uma amostra,

VARP
VARP
Calcula a varincia com base na populao total
VARPA
VARPA
Calcula a varincia com base na populao total,

WEIBULL
WEIBULL
Devolve a distribuio de Weibull
Paulo Cabral
13 Sistema Internacional de Unidades (SI)

13.1 Unidades de base
Grandeza de base
smbolo
definio
metro
massa
quilograma
kg
tempo
segundo
corrente elctrica
ampere
temperatura termodinmica
kelvin
quantidade de matria
mole
mol
intensidade luminosa
candela
cd
O metro o comprimento do trajecto

percorrido pela luz no vazio, durante um
intervalo de tempo de 1/299 792 458 do
segundo.
O quilograma a unidade de massa e
igual massa do prottipo internacional do
quilograma.
O segundo a durao de 9 192 631 770
perodos da radiao correspondente
transio entre os 2 nveis hiperfinos do
estado fundamental do tomo de csio 133.
O ampere a intensidade de uma corrente
elctrica constante que, mantida em dois
condutores paralelos, rectilneos, de
comprimento infinito, de seco circular
desprezvel e colocados distncia de 1
metro um do outro, no vazio, produziria entre
estes condutores uma fora igual a 2x10-7 N
por metro de comprimento.
O kelvin, unidade de temperatura
termodinmica, a fraco 1/273,16 da
temperatura termodinmica do ponto triplo da
gua.
A mole a quantidade de matria de um
sistema contendo tantas entidades
elementares quantos os tomos que existem
em 0,012 kg de carbono 12. Ao utilizar a
mole, as entidades elementares devem ser
especificadas e podem ser tomos,
molculas, ies, electres, outras partculas
ou agrupamentos especificados de tais
partculas.
A candela a intensidade luminosa, numa
direco dada, de uma fonte de luz que emite
uma radiao monocromtica de frequncia
540x1012 Hz e cuja intensidade radiante
nessa direco de1/683 W/sr
comprimento
Paulo Cabral
Unidade SI de base
nome
103 / 116
13.2 Unidades derivadas com nomes especiais

Grandeza derivada
ngulo plano
ngulo slido
frequncia
fora
trabalho, energia, calor
temperatura Celsius
presso
potncia
carga elctrica
potencial elctrico, tenso, fora electromotriz
capacidade elctrica
resistncia elctrica
condutncia elctrica
induo magntica
fluxo de induo magntica
indutncia
fluxo luminoso
iluminao
actividade (de uma fonte radioactiva)
dose absorvida (de radiao ionizante)
dose equivalente (de radiao ionizante)
actividade cataltica
Unidade
Nome
radiano
esterradiano
hertz
newton
joule
grau Celsius
pascal
watt
coulomb
volt
farad
ohm
siemens
tesla
weber
henry
lmen
lux
becquerel
gray
sievert
katal
Smbolo
Expresso equivalente
em unidades SI de base
rad
sr
Hz
N
J
C
Pa
W
C
V
F
S
T
Wb
H
lm
lx
Bq
Gy
Sv
kat
1
1
s-1
m.kg.s-2
m2.kg.s-2
K
-1
m .kg.s-2
m2.kg.s-3
s.A
m2.kg.s-3.A-1
m-2.kg-1.s4.A2
m2.kg.s-3.A-2
m-2.kg-1.s3.A2
kg.s-2.A-1
m2.kg.s-2.A-1
m2.kg.s-2.A-2
cd.sr
m-2.cd.sr
s-1
m2.s-2
m2.s-2
mol.s-1
Nota 1 A unidade grau Celsius exactamente igual unidade kelvin. No entanto, o valor
numrico de uma grandeza expressa em C difere do valor numrico da mesma grandeza quando
expressa em K porque o incio da escala K inferior de 273,15 ao incio da escala C (por exemplo, a
temperatura de 20 C equivale a 293,15 K). Deste modo, um intervalo ou uma diferena de
temperaturas exprimem-se pelo mesmo nmero, quer em C, quer em K.
Nota 2 A designao grau centgrado no existe no SI. Esse nome foi rejeitado j em 1948 pelo
CIPM e pela CGPM.
Nota 3 O radiano e o esterradiano constituram durante algum tempo a classe das unidades
suplementares. Contudo a 20. CGPM (1995) eliminou essa classe, passando o rad e o sr a ser
simplesmente unidades derivadas com nome especial.
104 / 116
Paulo Cabral
13.3 Prefixos dos mltiplos e submltiplos das unidades SI

Factor
1024
1021
1018
1015
1012
109
106
103
102
10
Prefixo
yotta
zetta
exa
peta
tera
giga
mega
quilo
hecto
deca
Smbolo
Y
Z
E
P
T
G
M
k
h
da
Factor
10-1
10-2
10-3
10-6
10-9
10-12
10-15
10-18
10-21
10-24
Prefixo
deci
centi
mili
micro
nano
pico
fento
ato
zepto
yocto
Smbolo
d
c
m
n
p
f
a
z
y
Nota A designao mcron, para indicar 1 m = 10-3 mm = 10-6 m, foi suprimida pela 13. CGPM
(1967, Resoluo 7).
13.3.1 Nomenclatura dos grandes nmeros

Portugal adoptou (em 1959) a regra N para a nomenclatura dos grandes nmeros recomendada
pela 9. CGPM (1948). Esta regra dada pela expresso 106n = (n)ilio
Assim, vir:
106
1012
1018
1024
1030
1036
...
=
=
=
=
=
=
106x1
106x2
106x3
106x4
106x5
106x6
=
=
=
=
=
=
milho
bilio
trilio
quatrilio
quintilio
sextilio
Uma vez que diversos pases adoptaram uma conveno diferente da que seguida na Europa,
por vezes podem surgir confuses com a nomenclatura de grandes nmeros. Apresenta-se aqui uma
breve comparao de designaes utilizadas em alguns pases europeus e americanos.
Paulo Cabral
Pas
Portugal
Espanha
Itlia
Frana
Inglaterra
103
106
109
1012
1015
mil
mil
mille
mille
thousand
milho
milln
milione
million
million
bilio
billn
bilione
billion
billion
mil bilies
mil billones
mille biliones
mille billions
thousand billion
E.U.A.
Brasil
thousand
mil
million
milho
mil milhes
mil millones
miliardo
milliard
thousand million
(milliard)
billion
bilho
trillion
trilho
quadrillion
quatrilho
105 / 116
106 / 116
Paulo Cabral
14 Alfabeto grego
Maiscula
Paulo Cabral
Minscula
Pronncia
alfa
beta
gama
delta
epsilon
zeta
eta
teta
iota
capa
lambda
mi
ni
csi
omicron
pi
r
sigma
tau
upsilon
fi
qui
psi
mega
107 / 116
108 / 116
Paulo Cabral
15 Bibliografia
Terminologia
[1]
BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML - International Vocabulary of

basic and general terms in Metrology (VIM) - ISO, 1993
[2]
OIML - International Vocabulary of terms in Legal Metrology (VIML) BIML, 2000
[3]
CPM/CNQ - Vocabulrio Internacional de Metrologia. Termos

fundamentais e gerais - IPQ, 1996 (traduo portuguesa do VIM de 1993)
Estatstica
[4]
Rui C. Guimares, J. A. Sarsfield Cabral - Estatstica (edio revista) McGraw-Hill, 1997
[5]
Murray R. Spiegel - Estatstica (3. edio) - McGraw-Hill, 1994
[6]
Paulo Cabral - Aplicao da estatstica s medies de grandezas fsicas.

Breve introduo - Relacre / IEP, 1993
Incertezas
[7]
BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM) ISO, 1993
[8]
BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM). Supplement 1: Numerical methods for
the propagation of distributions ISO, 2004 (draft)
[9]
EA Expression of the uncertainty of measurement in calibration EA

Publication 4/02, 1999
[10] EA Guidelines on the expression of uncertainty in quantitative testing

EA Publication 4/16, 2003
[11] John R. Taylor An introduction to error analysis. The study of
uncertainties in physical measurements (second edition) University
Science Books, 1997
[12] C. Perruchet, M. Priel Estimer lincertitude. Mesures, essais AFNOR,
2000
[13] I. Lira Evaluating the Measurement Uncertainty: Fundamentals and
Practical Guidance Institute of Physics, 2002
[14] Barry N. Taylor, Chris E. Kuyatt - Guidelines for Evaluating and Expressing
the Uncertainty of NIST Measurement Results - NIST Technical Note 1297,
1994
[15] UKAS The expression of uncertainty and confidence in measurement
UKAS Publication M 3003, 1997
[16] UKAS - The Expression of Uncertainty in Testing - UKAS Publication LAB
12, 2000
[17] Stephanie Bell A Beginners Guide to Uncertainty of Measurement NPL,
2001
Paulo Cabral
109 / 116
[18] (vrios) Workshop and Seminar on Measurement Uncertainty in Testing.

Evaluation and application Eurolab, 1992
[19] Eurachem / Citac - Quantifying Uncertainty in Analytical Measurement 2000
Outros assuntos relevantes
[20] ISO General principles concerning quantities, units and symbols
Norma Internacional ISO 31-0, 1992
[21] T. J. Quinn, I. M. Mills The use and abuse of the terms percent, parts per
million and parts in 10n in Metrologia, vol. 35, 1998
[22] BIPM Le Systme International dunits (SI) (7. edio) BIPM, 1998 +
suplemento 2000
[23] Barry N. Taylor Guide for the use of the International System of Units (SI)
NIST Special Publication 811, 1995
[24] Guilherme de Almeida Sistema Internacional de Unidades (SI) (3. edio)
Pltano, 2002
[25] Paulo Cabral Metrologia Industrial, uma funo de Gesto da Qualidade
IEP, 1994
[26] IEC - Direct acting indicating analogue electrical measuring instruments
and their accessories Srie de normas IEC 60051, 1984 ... 1997
110 / 116
Paulo Cabral
16 Soluo dos problemas propostos

1. b)
Os erros nunca podem ser conhecidos, como se pode concluir da definio de
erro (VIM 3.10). Nessa definio referido o conceito de valor verdadeiro, o
qual por natureza desconhecido.
2. b)
Os erros aleatrios no podem ser corrigidos. Podem simplesmente ser
minimizados por meio da repetio das medies e tomando precaues para
que essas medies sejam independentes. Supe-se que dessa forma os
factores que no podemos controlar se manifestam de forma a serem anulados
quando se calculam as mdias.
3. b)
A classe de exactido no permite ter uma estimativa do erro do instrumento. Se
esse instrumento tiver sido verificado, podemos quando muito saber que os seus
erros so inferiores aos erros mximos admissveis. Apenas atravs de uma
calibrao se poder ter uma estimativa do erro do instrumento.
4. d)
5. Condies ambientais; instrumento utilizado; objecto da medio (mensurando);
mtodo de medio; operador.
6. b)
A incerteza que apresentada nos certificados de calibrao a incerteza
expandida, que corresponde incerteza padro multiplicada por um factor de
expanso k=2 (salvo se for indicado expressamente outro valor para k).
7. a)
u=
0,1 2
3
0,029
8. b)
No existe diferena nem de finalidade nem de desempenho entre os mtodos
do Tipo A e os do Tipo B. Em numerosas fontes de incerteza podem-se utilizar
um ou outro dos mtodos.
9. c)
Os mtodos do Tipo B permitem modelizar uma componente da incerteza
(domnio de variao, forma da distribuio de probabilidades, etc.) com base
nos conhecimentos e na experincia a priori.
Paulo Cabral
111 / 116
10. b)
O coeficiente de correlao pode tomar valores entre 1 e +1, pelo que a
considerao das correlaes entre grandezas pode introduzir valores negativos
na expresso de clculo da incerteza padro.
11. a) Soma ou subtraco: mantm-se no resultado o nmero de casas decimais da
parcela que tiver menos casas decimais.
b) Produto ou quociente: mantm-se no resultado o nmero de algarismos
significativos da parcela que tiver menos algarismos significativos.
12. a) 34,5
b) 412
112 / 116
Paulo Cabral
17 Distribuio do t de Student
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que
abrange uma fraco p% da distribuio
Nvel de Probabilidade, p (*)

N. de graus
de liberdade
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
100
68.27%
90%
95%
95.45%
99%
99.73%
1.837
1.321
1.197
1.142
1.111
1.091
1.077
1.067
1.059
1.053
1.048
1.043
1.040
1.037
1.034
1.032
1.030
1.029
1.027
1.026
1.020
1.017
1.015
1.013
1.011
1.010
1.005
1.000
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.708
1.697
1.690
1.684
1.679
1.676
1.660
1.645
12.71
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.060
2.042
2.030
2.021
2.014
2.009
1.984
1.960
13.97
4.527
3.307
2.869
2.649
2.517
2.429
2.366
2.320
2.284
2.255
2.231
2.212
2.195
2.181
2.169
2.158
2.149
2.140
2.133
2.105
2.087
2.074
2.064
2.057
2.051
2.025
2.000
63.66
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.787
2.750
2.724
2.704
2.690
2.678
2.626
2.576
235.8
19.21
9.219
6.620
5.507
4.904
4.530
4.277
4.094
3.957
3.850
3.764
3.694
3.636
3.586
3.544
3.507
3.475
3.447
3.422
3.330
3.270
3.229
3.199
3.176
3.157
3.077
3.000
(*) Para uma grandeza z que possa ser descrita por uma distribuio normal com esperana z e
desvio-padro z, o intervalo zk abrange p=68,27%; 95,45%; e 99,73% da distribuio para k=1; 2;
e 3, respectivamente.
Paulo Cabral
113 / 116
17.2 Correco a aplicar ao desvio-padro, segundo o nmero de medies,

para diferentes factores de expanso do resultado final
Factor de expanso a aplicar ao resultado final para uma probabilidade p%

N. de graus
de liberdade
68.27%
90%
95%
95.45%
99%
k=1
k = 1.645
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
100
1.837
1.321
1.197
1.142
1.111
1.091
1.077
1.067
1.059
1.053
1.048
1.043
1.040
1.037
1.034
1.032
1.030
1.029
1.027
1.026
1.020
1.017
1.015
1.013
1.011
1.010
1.005
1.000
3.838
1.775
1.431
1.296
1.225
1.181
1.152
1.130
1.114
1.102
1.092
1.083
1.077
1.071
1.066
1.061
1.058
1.054
1.051
1.048
1.038
1.032
1.027
1.024
1.021
1.019
1.009
1.000
99.73%
k = 1.96
k=2
k = 2.576
k=3
6.483
2.195
1.624
1.417
1.312
1.248
1.206
1.177
1.154
1.137
1.123
1.112
1.102
1.094
1.087
1.082
1.076
1.072
1.068
1.064
1.051
1.042
1.036
1.031
1.028
1.025
1.012
1.000
6.984
2.263
1.653
1.435
1.324
1.258
1.214
1.183
1.160
1.142
1.127
1.116
1.106
1.098
1.091
1.084
1.079
1.074
1.070
1.067
1.053
1.043
1.037
1.032
1.029
1.026
1.013
1.000
24.71
3.853
2.267
1.787
1.565
1.439
1.358
1.303
1.262
1.230
1.206
1.186
1.169
1.156
1.144
1.134
1.125
1.117
1.111
1.105
1.082
1.068
1.057
1.050
1.044
1.040
1.019
1.000
78.59
6.402
3.073
2.207
1.836
1.635
1.510
1.426
1.365
1.319
1.283
1.255
1.231
1.212
1.195
1.181
1.169
1.158
1.149
1.141
1.110
1.090
1.076
1.066
1.059
1.052
1.026
1.000
Exemplos
a) Para n = 10 medies ( = n-1 = 9 graus de liberdade) e k = 1, o factor de correco 1,059, ou
seja,
incerteza normalizada = 1,059 x desvio-padro estimado.
b) Para n = 5 medies ( = 4 g. l.) de uma grandeza que considerada a nica fonte de incerteza
relevante, para um nvel de confiana de cerca de 95% (k = 2), o factor de correco ser
1,435, isto ,
incerteza normalizada = 1,435 x desvio-padro estimado
incerteza expandida = 2 x incerteza normalizada.
FIM
114 / 116
Paulo Cabral
Instituto Electrotcnico Portugus Instituto Superior de Engenharia do Porto

2004

Erros e Incertezas Nas Medições PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Erros e Incertezas Nas Medições PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Paulo Cabral

Erros e Incertezas nas Medies

IEP Instituto Electrotcnico Portugus

ISEP Instituto Superior de Engenharia do Porto

Erros e Incertezas nas Medies

It is better to be roughly right than precisely wrong

To err is human; to describe the error properly is sublime

I can live with doubt and uncertainty and not knowing. I

Erros e Incertezas nas Medies

Erros e Incertezas nas Medies

Conceitos clssicos: exactido e preciso ....................................................................................9

TERMINOLOGIA MAIS IMPORTANTE ......................................................................................17

Grandezas e Unidades ................................................................................................................17

ANLISE ESTATSTICA DE RESULTADOS.............................................................................21

DISTRIBUIO DA PROBABILIDADE DOS ERROS ...............................................................31

Distribuio normal dos erros ......................................................................................................31

ANLISE GRFICA ....................................................................................................................39

Expresso da recta de regresso ................................................................................................45

Erros e Incertezas nas Medies

TOLERNCIA DOS INSTRUMENTOS DE MEDIO...............................................................51

Instrumentos com classes normalizadas .....................................................................................51

INTRODUO ANLISE NUMRICA....................................................................................59

Arredondamento dos resultados..................................................................................................59

EXEMPLOS DE CLCULO DE INCERTEZAS ..........................................................................79

10.1 Frequncia de uma fonte AC pelas leis de Mersenne.................................................................79

Erros e Incertezas nas Medies

10.8.1 Descrio da experincia ................................................................................................91

PROBLEMAS PROPOSTOS ......................................................................................................97

LISTA DE FUNES ESTATSTICAS DO MICROSOFT EXCEL ..........................................99

SISTEMA INTERNACIONAL DE UNIDADES (SI) ...................................................................103

13.1 Unidades de base ......................................................................................................................103

ALFABETO GREGO .................................................................................................................107

SOLUO DOS PROBLEMAS PROPOSTOS ........................................................................111

Erros e Incertezas nas Medies

Erros e Incertezas nas Medies

Conceitos clssicos: exactido e preciso

Tem sido prtica corrente a utilizao dos conceitos de exactido e preciso

Inexacto e impreciso (irrepetvel)

Erros e Incertezas nas Medies

Preciso mas inexacto

Exacto mas impreciso

Segundo a forma como os diversos tipos de erros influenciam as medies, tem

Erros e Incertezas nas Medies

Erros grosseiros So devidos falta de ateno, pouco treino ou falta

Erros sistemticos - So os que afectam os resultados sempre no mesmo

Erros aleatrios Associados natural variabilidade dos processos

As figuras seguintes procuram ilustrar estes conceitos, de uma forma bemhumorada.

ainda possvel falar-se em erros absolutos e em erros relativos, de acordo com a

Erros e Incertezas nas Medies

Antes de os definirmos, convm introduzir o conceito de valor verdadeiro de uma

Erro absoluto = Valor medido Valor verdadeiro

tambm comum, em determinados domnios da cincia e da tcnica, exprimir

Esta ltima notao til quando se est na presena de valores muito

Por que existe incerteza?

evidente que qualquer descrio matemtica de um fenmeno fsico no mais

Erros e Incertezas nas Medies

Efeito das condies ambientais (por

Efeito das caractersticas intrnsecas aos

Efeitos atribuveis ao operador /

Erros e Incertezas nas Medies

O interesse de se indicar a incerteza de uma medio

Muitos dos ensaios, anlises e medies que diariamente se efectuam em todo o

Consequncias econmicas, ao rejeitar produtos em vez de os aceitar;