INTRODUO A TEORIA DE ERROS

Profa. Msc. Terezinha Saes de Lima

Instituto Tecnolgico de Aeronutica ITA
Centro Tcnico Aeroespacial CTA
Praa Marechal Eduardo Gomes, 50.
Vila das Accias, So Jos dos campos SP.
tereza@ita.br

Resumo. Quando procuramos obter resultados atravs de observaes experimentais, devemos ter
sempre mente que nossas observaes sero sempre limitadas, no sentido de que jamais retratam
com perfeio absoluta a natureza observada. Dessa forma, quando relatamos o resultado da
medio de uma grandeza, de suma importncia sabermos quantificar a qualidade do resultado,
ou seja, precisamos informar quo boa foi a nossa medio. Para entender como isso deve ser
feito, introduziremos alguns conceitos fundamentais (Stempiniak, 1997), e depois abordaremos os
itens mais relevantes da Teoria de Erros (Vuolo, 1995).

Palavras chaves: Desvios, Erros, Algarismos Significativos, Propagao de incertezas, Grficos.

1. Definies e conceitos importantes

As definies aqui apresentadas foram extradas do Guia da Incerteza de Medio, 2003.

Medio: Conjunto de operaes que tm por objetivo determinar o valor de uma grandeza.
Mensurando: Grandeza especfica submetida medio. A especificao de um mensurando
pode requerer a informao de outras grandezas, como temperatura, presso, etc...
Resultado de uma medio: Valor atribudo ao mensurando, obtido por medio. Uma
expresso completa do resultado inclui informaes sobre a incerteza da medio.
Valor verdadeiro: Valor consistente com a definio de uma dada grandeza especfica. o valor
que seria obtido por uma medio perfeita.
Erro: Resultado de uma medio menos o valor verdadeiro.
Desvio padro experimental: Resultado que caracteriza a variabilidade dos resultados de uma
srie de medies, ou melhor, caracteriza a disperso (em torno da mdia) dos resultados de
uma srie de medies.
Incerteza de medio: Parmetro, associado ao resultado da medio, que caracteriza a
disperso dos valores que podem ser razoavelmente atribudos a um mensurando.
Repetitividade: Grau de concordncia entre resultados de medies sucessivas de um mesmo
mensurando, efetuadas sob as mesmas condies de medi.
Valor mdio verdadeiro: o valor mdio que seria obtido de um nmero infinito de
observaes feitas em condies de repetitividade.
Erro estatstico ou aleatrio: o resultado de uma medio menos a mdia que resultaria de um
nmero infinito de medies de um mesmo mensurando, efetuadas sob condies de
repetitividade.
Erro sistemtico: Mdia que resultaria de um nmero infinito de medies de um mesmo
mensurando, menos o valor verdadeiro do mensurando.
Incerteza padro: Incerteza do resultado de uma medio expressa com um desvio padro.
 Nvel de confiana: Indica a probabilidade que um resultado estar correto.
Exatido: Grau de concordncia entre o resultado de uma medio e o valor verdadeiro do
mensurando.
Preciso: Indica o grau de concordncia entre os diversos resultados experimentais obtidos em
condies de repetitividade.
comum ocorrer certa confuso entre os conceitos de preciso e exatido. Vamos, pois, torn-
los mais claros atravs de um exemplo:
Em uma competio de tiro ao alvo, um competidor conseguiu que todos os seus tiros ficassem
distribudos de maneira dispersa em torno do alvo central. Um segundo atirador, teve uma outra
habilidade: conseguiu concentrar todos os seus tiros em uma certa regio localizada ao lado do alvo
central. Apesar de seus tiros ficarem todos concentrados, no conseguiu atingir o alvo central. J um
terceiro competidor teve a destreza necessria para conseguir concentrar todos os tiros exatamente
em cima do alvo.
Nesse exemplo, o primeiro atirador efetuou disparos poucos precisos, pois seus tiros ficaram
todos dispersos em torno do alvo central. O segundo atirador conseguiu atirar de maneira bastante
precisa, pois seus tiros ficaram bem concentrados. Em contrapartida, por no ter conseguido acertar
o alvo, os disparos do segundo atirador no foram exatos. J o terceiro competidor conseguiu
concentrar duas habilidades: tiros exatos e precisos. Os tiros foram exatos porque atingiram o alvo e
foram precisos porque todos ficaram bem concentrados (houve pouca disperso).

2. Tipos de Erros.

Existem dois tipos de erros que podem ocorrer em uma medio. Considere que, em um certo
experimento, tenham sido efetuadas n medies. Certamente os n resultados no sero idnticos.
Podemos identificar, no experimento realizado, algumas fontes de erro.

2.1. Erro estatstico

o erro que resulta de uma flutuao no resultado da medio . o erro que resulta de uma
variao aleatria no resultado da medio que, por algum motivo, no podem ou no so
controlados. Uma corrente de ar, por exemplo, pode gerar um erro. Exemplo: quando medimos a
massa atravs de uma balana, algumas correntes de ar ou mesmo vibraes podem introduzir este
tipo de erro.

2.2. Erro sistemtico

O erro sistemtico presente nos resultados sempre o mesmo quando a medio repetida.
Assim, o efeito de um erro sistemtico no pode ser avaliado simplesmente repetindo medies,
sendo, pois, bem mais difcil de ser estimado. Os erros sistemticos podem ser classificados em:
(a) Erro sistemtico instrumental: est relacionado com a calibrao do instrumento.
(b) Erro sistemtico ambiental: um erro devido a efeitos do ambiente sobre o experimento. Os
fatores que podem gerar esse tipo de erro so: temperatura, presso, umidade, acelerao da
gravidade, campo magntico da Terra, luz, entre outros.
(c) Erro sistemtico observacional: o erro sistemtico devido a falhas de procedimento ou devido
impercia do observador. Um observador que no l adequadamente o ponteiro de um medidor
pode introduzir este tipo de erro no experimento.
3. Algarismos significativos

As medies de uma certa grandeza nunca exprimem com certeza o valor verdadeiro desta
grandeza: por mais preciso que tenha sido o processo de medio, existe sempre uma incerteza
intrnseca associada a este processo. Convm, ento, saber quo certo o resultado obtido e como
se deve express-lo de maneira correta. Para tanto, uma das preocupaes fundamentais a que deve
se ater o observador em expressar sua resposta com a quantidade correta de algarismos.

Figura 1: Medio do comprimento de uma Barra Metlica (exemplo ilustrativo).

Por exemplo, (Fig.1) considere algum que, munido de uma rgua milimetrada, mede o
comprimento de uma barra e observa que este deve estar entre 27mm e 28mm. Sabe-se que o
comprimento certamente 27,x mm, mas n se tem certeza. Pode-se especular qual deve ser o valor
de x, mas no se pode saber, apenas utilizando a rgua, qual deve ser o valor exato de x. Algum
poderia dizer que seria 27,5mm, enquanto que outra pessoa poderia dizer que seria 27,8mm. Em
resumo, nesta medio efetuada tem-se certeza em dois algarismos (2 e 7), e o terceiro algarismo
(x) duvidoso. Os algarismos dos quais se tem certeza so chamados de algarismos exatos, e o
algarismo do qual no se tem certeza dito algarismo duvidoso. Os algarismos exatos mais o
duvidoso compem os algarismos significativos de uma grandeza. Note que, no exemplo, o
resultado 27,5mm teria trs algarismos significativos (os algarismos 2, 7 e 5), sendo dois exatos (os
algarismos 2 e 7) e um duvidoso (o algarismo 5). Voltando ao exemplo da medio do comprimento
da barra, note que no faria sentido algum algum apresentar como resposta de sua medio o valor
27,75mm. Isso porque no se tem certeza quanto ao primeiro nmero que aparece depois da vrgula
(o algarismo 7 j duvidoso), no sendo, pois, coerente apresentar mais um algarismo depois
daquele que j duvidoso.

3.1. Operaes com algarismos significativos

Como j foi dito, quando efetuamos medies, nunca temos certeza se o valor aferido
corresponde, de fato, ao valor verdadeiro daquilo que medimos. Logo, existe um limite na
quantidade de algarismos significativos em nossas respostas, j que sempre existe um algarismo
duvidoso.
Nos processos de medies, podemos avaliar a quantidade de algarismos significativos de
nossas respostas atravs:
da sensibilidade e preciso do instrumento com o qual fazemos a medio;
da percia do observador;
da incerteza associada grandeza que medimos.
No exemplo anterior da escala milimetrada, vimos que no conveniente expressarmos a
resposta de uma medio como sendo 27,75mm, ou seja, ou damos a resposta como 27,7mm ou
como 27,8mm (a regra de arredondamento ser apresentada depois). Mas se esta medio fosse
realizada com outro equipamento, como um paqumetro digital (INMETRO,1995), no absurda a
resposta 27,75mm. Isso porque este tipo de aparelho permite tal preciso. Normalmente, quando
vamos expressar o valor de uma grandeza, a quantidade de algarismos significativos de nossa
resposta ficar sujeita incerteza existente em tal grandeza. Isso ser discutido adiante.

3.2. Contagem dos Algarismos Significativos.

No caso do nosso exemplo do comprimento da barra, fcil ver que:

27,5mm (medio com a escala) um nmero que tem 3 algarismos significativos;
27,75mm (medio feita com o paqumetro digital) um nmero que tem 4 algarismos
signifcativos (note que agora os nmeros 2, 7 e 7 compem os algarismos exatos, enquanto que
o algarismo 5 duvidoso).

Imagine, porm, que tivssemos que saber quantos algarismos significativos tem o nmero
0,00129. Quando necessrio contar os algarismos significativos, ou mesmo expressar um
resultado, o mais conveniente expressar em notao cientfica, pois fica imediato o
reconhecimento da quantidade de algarismos significativos. Assim:

0,00129 = 1, 29 x 10-3

com a notao acima, reconhecemos que o nmero possui 3 algarismos significativos.

A seguir, alguns exemplos para elucidar esse conceito:
1012 = 1,012 x 103 (quatro algarismos significativos)
0,012 = 1,2 x 10-2 (dois algarismos significativos)
1,3 x 10-2 (dois algarismos significativos)
130 = 1,30 x 102 (trs algarismos significativos)
0,11 = 1,1 x 10-1 (dois algarismos significativos)
Note que as quantidades de algarismos significativos de 0,11 e 0,110 no so as mesmas, assim
como as de 8,5 e 8,50, 100 e 100,0.

3.3. Operaes matemticas com algarismos significativos

Recorrendo ao exemplo da barra, imagine que queiramos determinar a razo de seu

comprimento por sua espessura. O comprimento, medido com uma escala milimetrada, foi
registrado como 27,5mm. Para a espessura, medida posteriormente com a mesma escala, foi
encontrado o valor de 12,0mm. Se fizermos os clculos com uma calculadora, obtemos um valor
para a razo igual a R = 2,291666666.... Nesse caso, pode surgir a pergunta: com quantos
algarismos significativos devemos expressar a nossa resposta para R? Para responder a essa
pergunta, devemos contar os algarismos significativos dos operandos e depois aplicar a seguinte
regra:
no caso de adio e subtrao: em geral, a resposta no deve ter mais casas decimais que a
parcela mais pobre em casas decimais. No caso de adio e subtrao o bom senso acaba sendo
a arma mais eficaz para expressar a resposta com a quantidade correta de algarismos
significativos.
no caso da multiplicao e diviso e em geral das outras operaes: a quantidade de algarismos
significativos da resposta igual quantidade de significativos do operando que tiver a menor
quantidade de algarismos significativos.

Exemplos:
1,6 + 2,39 + 500,004. Fazendo os clculos, obtm-se: 503,994. Porm, aplicando o bom senso,
notamos que a primeira parcela (1,6) nos leva a concluso de que o primeiro dgito depois da
vrgula duvidoso. Logo, na resposta final, o primeiro dgito aps a vrgula j sendo duvidoso,
 no faz sentido expressar as demais casas decimais. Devemos arredondar a resposta, ento, para:
504,0 (as regras de arredondamento sero dadas posteriormente, Vuolo, 1995).
1,506 x 50,5. Fazendo os clculos: 76,053. Utilizando a regra, verificamos que a resposta deve
ter somente 3 algarismos significativos, ou seja, a resposta : 76,1. Note que se tivssemos
arredondado os operandos antes de multiplicarmos, obteramos uma outra resposta. Portanto,
no devemos arredondar os operandos antes de efetuarmos a operao.
250 x sen(15). Fazendo os clculos: 64,70476... Utilizando, porm, a regra proposta,
conclumos que o resultado 6,5x101.

Voltando ao nosso exemplo sobre o clculo da razo entre o comprimento da barra e a

espessura, observando a regra anterior, obtemos R = 2,29.
OBS: essas regras fornecem uma maneira bastante prtica de obter uma resposta com a quantidade
correta de algarismos significativos. Entretanto, o processo mais criterioso para trabalhar
corretamente com os algarismos significativos envolve a teoria de propagao de incertezas.

3.4. Critrios para arredondamento

Quando aparecer a necessidade de efetuar algum arredondamento, podemos apelar normalmente

ao bom senso, arredondando sempre para o nmero mais prximo. Assim, quando precisamos
arredondar 64,70476 para um nmero com somente dois algarismos significativos, podemos nos
perguntar: arredondar para 64 ou para 65? Todavia, se observarmos o nmero 64,70476,
constatamos que ele est mais prximo de 65 do que de 64. Logo a resposta do arredondamento
65. Nos casos gerais, podemos estabelecer a seguinte regra: quando for necessrio arredondar um
nmero ::::W;ZY Xabcd:::, sendo abcd os algarismos que devem ser retirados (cortados):
se abcd estiver entre 0000 e 4999, ento arredondamos para baixo;
se abcd estiver entre 500...01 e 9999, ento arredondamos para cima;
se abcd for 500...000, arredondamos de modo que o algarismo X, aps o arredondamento, seja
par.
A seguir, damos alguns exemplos em que os nmeros foram arredondados para obter uma
resposta final com trs significativos:

17,365 17,4; 0,010239 0,0102; 2,645 2,64; 2,693 2,69

4. Clculo de erros

4.1. Valor mdio do mensurando

Dado um conjunto de n medies cujos resultados foram: y 1 , y 2 ,........., y n ,o valor mdio dos
n resultados dado por:

y 1 + y 2 + ...... + y n 1 n
y= = yi
n n i =1
O valor mdio verdadeiro de um conjunto de medies o valor mdio que seria obtido quando
fossem feitas infinitas observaes. Em fins prticos, impossvel levantar infinitas medies de
um mensurando. Logo, para um nmero finito n, o valor mdio nos fornece a melhor estimativa do
valor mdio verdadeiro, sendo esta estimativa to melhor quanto maior for o nmero de
observaes n. Em geral, o valor mdio o que melhor representa a grandeza medida.
4.2. Desvios

Para o nosso interesse, podemos tratar de dois tipos de desvios: Desvio padro experimental e
Desvio padro do valor mdio.

4.2.1. Desvio padro experimental

Para um conjunto de n medies, o desvio padro experimental um parmetro que caracteriza

quo dispersos esto os valores obtidos. Isso significa que se os resultados forem bastante prximos
uns dos outros, ento o desvio padro ser pequeno, e se os resultados forem dispersos, o desvio
padro ser grande.
O desvio padro experimental pode ser calculado atravs de:

1 n
= ( yi y )2
n 1 i =1

4.2.2. Desvio padro do valor mdio

Como j vimos, para conhecer o valor mdio verdadeiro, seria necessrio efetuar infinitas
medies. Como, na prtica, isso no possvel, ento sabemos que a mdia apenas uma
estimativa do valor mdio verdadeiro. Nesse contexto, o desvio padro do valor mdio um
parmetro que informa quo bem a mdia das observaes uma estimativa do valor mdio
verdadeiro. Qualitativamente, valores pequenos de desvio padro do valor mdio esto associados
a boas estimativas do valor mdio verdadeiro; ao contrrio, elevados valores representam que a
mdia no uma boa estimativa do valor mdio verdadeiro. O desvio padro do valor mdio
calculado atravs de:

1 n
m = ( yi y )2 =
n( n 1 ) i=1 n

5. Incerteza

5.1. Intervalos de confiana

Se efetussemos infinitas medies de uma certa grandeza, no obteramos o mesmo resultado

em todas elas. Existe sempre uma disperso dos valores que ocorre devido a erros aleatrios, e que,
portanto, foge ao nosso controle. Nesse caso, sendo y o valor mdio encontrado, constata-se, que
aproximadamente 68,27% dos resultados encontrados estaria no intervalo y .
Constata-se tambm que 50% dos resultados se encontrariam no intervalo y 0 ,674 . Desse
modo, se multiplicamos o desvio padro experimental por um certo valor k, o intervalo y k ir
conter uma certa porcentagem dos resultados obtidos. Essa porcentagem chamada de nvel de
confiana, enquanto que o intervalo a ela associado denominado intervalo de confiana. Para o
caso de infinitas medies, a Tab. 1 nos fornece quais so os intervalos de confiana associados a
um determinado nvel de confiana.
 Tabela 1: Intervalos de confiana para um nmero de medies muito grande

Nveis de confiana Intervalos de confiana

50% 0,674
68,27% 1,000
80% 1,282
90% 1,645
95% 1,960
95,45% 2,000
99% 2,576
99,73% 3,000

Tabela 2: Intervalos de confiana para um nmero de medies pequeno

Nvel de confiana
Nmero de observaes 50% 90% 95%
2 I 1,00 6,31 12,71
3 N 0,82 2,92 4,30
4 T 0,77 2,35 3,18
5 E 0,74 2,13 2,78
6 R 0,73 2,02 2,54
7 V 0,72 1,94 2,45
8 A 0,71 1,90 2,37
9 L 0,71 1,86 2,31
10 O 0,70 1,83 2,26
16 S 0,69 1,75 2,13

Note que a Tab. 1 mostra os intervalos de confiana para o caso em que foram levantados
um nmero infinito de medies. Na prtica, porm, nunca conseguimos atingir tal situao, sempre
fazemos um nmero finito de medies. Nesse caso, para um dado nvel de confiana, o intervalo
de confiana associado ao mesmo depende do nmero de observaes. Essa dependncia est
mostrada na Tab. 2.
5.2. Incerteza padro final

At agora, ainda no informamos como deve ser relatado o valor de uma grandeza submetida a
medies. J sabemos, a princpio, a grandeza pode ser representada, de modo satisfatrio, pelo seu
valor mdio. Porm, quando efetuamos um conjunto de medies devemos ser capazes de informar
com qual qualidade a mdia pode ser uma estimativa do valor verdadeiro. Ou seja, devemos sempre
informar uma incerteza associada mdia encontrada. Poderamos pensar, num primeiro nvel, que
a incerteza possa ser estimada pelo desvio padro da mdia. Porm, devemos atentar que o clculo
do desvio padro da mdia leva em conta somente as contribuies dos erros aleatrios, e no
considera os erros sistemticos. Existe, pois, uma incerteza residual que ainda no foi considerada.
Essa incerteza residual (r), no caso de instrumentos de medio, costuma vir indicada pelo
fabricante. Quando no indicada, podemos adotar, pelo bom senso, que se trata da metade da
menor diviso da escala. Assim, o resultado de um conjunto de medies y = y f em que f
a incerteza padro final e pode ser calculada por:

f = ( m )2 + ( r )2

6. Propagao de incertezas
Imagine que queiramos fazer a soma de duas grandezas x e y, para obter uma grandeza z.
Sabemos que para expressar corretamente o resultado de nossa operao devemos relatar um valor
mdio e uma incerteza associada a este valor. De maneira geral, um resultado z deve ser expresso
como:
z = z z

Se z uma funo de outras variveis, ento:

z = f ( x, y )

No caso da soma, por exemplo, z = x + y, ento:

z =x+y

J o clculo de z mais complicado. O processo rigoroso para o clculo das incertezas envolve
uma equao com derivadas parciais. Apresentamos, a seguir os resultados mais prticos para as
aplicaes mais comuns:

1. Soma e Subtrao: z = x + y ou z = x y

z = ( x )2 + ( y )2

2. Multiplicao e Diviso: z = x y ou z = x / y

2
y
2
z
= x +
z x y

]
3. Frmula geral: z = xa yb
2
y
2
z
= a x + b 2
2

z x y

6.1. Exemplo de um experimento

Consideraremos, aqui, os resultados de um experimento feito com o objetivo de determinar o

valor da gravidade local de So Jos dos Campos. Os dados referentes a este experimento
encontram-se disponveis em www.fis.ita.br/labfis13. Neste exemplo, faremos algumas modifies
dos resultados, com finalidades didticas. O mtodo de medio de g se baseia no modelo do
pndulo simples, que tem perodo aproximado por:

L
T = 2 ,
g

em que L o comprimento do pndulo. Neste experimento, foram feitas cinco medies do

comprimento L do pndulo e cinco medies do perodo do mesmo. Atravs dessas observaes,
obteremos o valor da gravidade. Consideremos que os resultados das medies do comprimento L
estejam indicadas na Tab. 3.

Tabela 3: Resultados de 5 medies do comprimento L do pndulo

Determinao (i) Resultado obtido (m)

1 3,04
2 3,05
3 3,04
4 3,04
5 3,03

Assim, o valor mdio obtido foi de L = ( 3,04 + 3,05 + 3,04+ 3,04 + 3,03) / 5 = 3,04m. O desvio
padro do valor mdio vale:

1
m ,L = ( 0 ,01 )2 + ( 0 ,01 )2
20

Se quisermos um nvel de confiana de 90%, vemos, pela Tab. 2 que o resultado anterior deve
ser multiplicado por 2,13. Assim, para um nvel de confiana de 90%: m, L = 0,0067m .
Iremos nos preocupar com os arredondamentos na expresso da resposta com a quantidade correta
de significativos apenas no final. Falta, agora, considerar a contribuio da incerteza residual. Essa
incerteza foi estimada em 0,05m. Logo a incerteza padro final em L :

L = ( 0 ,0067 )2 + ( 0 ,05 )2 = 0 ,05 m .

A incerteza normalmente escrita com um ou dois significativos (existe uma regra, que foi
omitida neste texto; maiores detalhes, consultar Vuolo, 1995), ou seja, L = (3,04 0,05)m com 90%
de confiana.
 Agora, iremos relatar os resultados para o perodo do pndulo. As 5 medies efetuadas
constam na Tab. 4.

Tabela 4: Resultados de 5 medies do perodo T do pndulo.

Determinao (i) Resultado obtido (s)

1 3,51
2 3,50
3 3,52
4 3,51
5 3,51

Procedemos da mesma maneira como feito para L. Assim, obtemos os seguintes resultados:

T = 3 ,51 s

com desvio padro da mdia, para um nvel de confiana de 90% dado por m , T = 0, 0067 s .
A incerteza residual foi estimada em 0,20s, de modo que:

T = (3,51 0,20)s

Agora, iremos calcular o valor da gravidade atravs dos resultados obtidos anteriormente para o
comprimento do pndulo e o perodo do mesmo. Vemos que:

4 2 L
g =
T2

Assim o valor mdio de g :

4 2 L
g=
T2

Calculamos o erro em g atravs da Frmula geral z = xayb apresentada anteriormente:

g L
2
2
2

= +2 T
g L T

Portanto o resultado :

g = (9,7 1,1)m/s2

7. Bibliografia

ABNT, 2003, Guia para a Expresso da Incerteza da Medio, 3a Edio Brasileira. INMETRO:
Rio de Janeiro.
INMETRO (1995), Vocabulrio Internacional de Termos fundamentais e Gerais de
Metrologia. Rio de Janeiro.
Site da internet: http: // www.fis.ita.br/labfis13
Vuolo, J.H. (1995), Fundamentos da Teoria de Erros. 2a edio. Edgard Blcher: So Paulo.
8. Sobre a Autora

8.1. Formao Acadmica

Mestre em Cincias, rea de Fsica de Plasmas, Instituto Tecnolgico de

Aeronutica ( ITA - CTA) concludo em maio de 1987.
Ttulo: Difuso Ambipolar em Plasmas
Orientador: Dr. Ricardo Magnus Osrio Galvo
Bacharel em Fsica, Universidade Federal Fluminense.
Concludo em 1983.

8.2. Atividade Profissional

Professora de Fsica e Coordenadora do Laboratrio de Fsica do 1o ano de Engenharia do

Instituto Tecnolgico de Aeronutica (ITA - CTA), So Jos dos Campos - SP.
Coordenadora da Escola Avanada de Fsica. do ITA
Coordenao do Laboratrio de Fsica do 1o ano de Engenharia do ITA
Responsvel por Oficinas no projeto AEB - Escola

8.3. rea de Atuao Em Pesquisa

Atuao na rea de Ensino atravs da Escola Avanada de Fsica. Um curso voltado para alunos
do terceiro ano do ensino mdio que participam de Olimpadas, com o intuito de preparao
para as seguintes olimpadas de Fsica: Internacional, Ibero-Americana, Brasileira, Estaduais e
Regionais.
Confeco de Experimentos para as Oficinas do Projeto AEB-Escola, para alunos do Ensino
Fundamental e mdio, com o intuito de despertar o interesse dos mesmos para a rea Espacial.
Desenvolvimento de Laser C02 TEA
Interao Laser-Plasmas
Simulao e Extrao de ons em plasmas
Simulao de um Laser de eltrons livres - FEL
Estudo de Descargas em Plasmas