Escolar Documentos
Profissional Documentos
Cultura Documentos
Preparado por
Prof. Dr. Carlos Henrique de Brito Cruz
Prof. Dr. Hugo Luis Fragnito
Estagirio de Capacitao Docente Ivan Ferreira da Costa
Estagirio de Capacitao Docente Bernardo de Assuno Mello
IFGW, Unicamp
1997
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Contedo
1 CADERNO DE LABORATRIO 1
1.1 CADERNO DE LABORATRIO 1
1.2 T TULO, DATA E COLABORADORES. 2
1.3 OBJETIVOS DO EXPERIMENTO 2
1.4 ROTEIRO DOS PROCEDIMENTOS 2
1.5 ESQUEMA DO APARATO UTILIZADO 2
1.6 DESCRIO DOS PRINCIPAIS INSTRUMENTOS 2
1.7 DADOS MEDIDOS 3
1.8 CLCULOS 3
1.9 FIGURAS, T ABELAS E EQUAES 5
1.10 RESULTADOS E CONCLUSES 5
2 GRFICOS 6
2.1 ROTEIRO PARA OBTER UM BOM GRFICO 6
2.2 EXEMPLOS 6
2.3 DETERMINAO DOS COEFICIENTES DE UMA RETA 8
2.3.1 MTODO DOS MNIMOS QUADRADOS 9
2.3.2 MTODO GRFICO 10
i
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
1 Caderno de Laboratrio
1
G.L. Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 10, pp. 139-
146; e D.W. Preston, "Experiments in Physics" (John Wiley & Sons, 1985), pp. 2-3.
1
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
matemticas;
2
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Algumas vezes bom incluir observaes sobre o estado do instrumento, se isto puder
afetar as medidas:
tomamos uma mdia e o desvio padro. O resultado foi Z ero = (-0.22 0.01)
mm. Todas as medidas efetuadas com este micrmetro foram corrigidas levando
1.8 Clculos2
Os procedimentos de clculo devem ser claramente descritos, para permitir a conferncia
e reclculo pelo mesmo caminho. Devem sempre ser considerados apenas os algarismos
significativos nos resultados finais. Por exemplo:
medidas:
medida 1 2 3 4 5 6 7 8 9 10 11 12
d(mm) 15.54 15.52 15.55 15.54 15.57 15.51 15.56 15.51 15.55 15.54 15.53 15.53
2
G.L. Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 12, pp. 159-
168.
3
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
medies
d (mm) frequncia
15.54 3
15.51 2
m = (15.2 0.1)g
Obs.: embora a menor diviso da balana seja 0.05 g, na nossa apreciao ela
3 3
= 6m/d = 7.739297489 g/cm
m 2 D 2
Clculo do desvio na densidade: = (
m
) + (3
D
) = 0.05097
3
g/cm
Resultado:
3
Densidade: = (7.74 0.05) g/cm
4
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
3
D.W. Preston, "Experiments in Physics" (John Wiley & Sons, 1985), pp. 21-32; G.L.
Squires, "Practical Physics" (Cambridge University Press, 1991), captulo 11, pp. 147-158; e
C.E. Hennies, W.O.N. Guimares e J.A. Roversi, "Problemas Experimentais em Fsica" 3a
edio, (Editora da Unicamp, 1989), captulo V, pp.168-187.
5
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
2 Grficos
2.2 Exemplos
Um grfico bem feito talvez a melhor forma de apresentar os dados experimentais. Tem
muitos parmetros que devem ser escolhidos criteriosamente como a funo a ser
representada, as escalas dos eixos, o tamanho, o smbolo para os pontos experimentais, etc.
A funo que voc vai representar depende do tipo de informao que voc quer transmitir e
como se encaixa esta informao no argumento que voc est seguindo para demonstrar
algo. Por exemplo, se seus dados descrevem o movimento de queda livre de uma partcula,
voc pode representar x(t) se quer mostrar visualmente que o movimento parablico, mas se
quiser determinar a acelerao da gravidade mais conveniente representar x(t2) j que
acelerao pode ser extrada da inclinao desta reta. O guia para as outras escolhas deve
6
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
ser sempre o conceito de que um grfico uma ajuda visual para a sua argumentao e para
que o leitor entenda rapidamente as evidncias experimentais.
Os grficos so figuras e voc deve escolher o tamanho das figuras de modo que caibam
na folha de papel do seu texto (seja este no seu caderno de laboratrio, relatrio ou artigo),
ocupando no mais que a metade da folha. Isto no um critrio esttico, um critrio de
eficcia da apresentao baseada no fato de que dificilmente algum consegue focalizar os
olhos numa rea maior a uns 30 cm dos seus olhos.
100
teoria
80 experimento
posio, x (cm)
60
40
20
0
0 2 4 6 8 10
tempo, t (s)
A Figura 2.1 mostra um grfico eficiente para mostrar que, dentro do erro experimental, os
dados seguem um determinado modelo terico.
7
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
10 0 10 0
80
Grfico 1 (RUIM) 80
Grfico 2 (RUIM)
x (cm)
60 60
y (cm)
posio,
40 40
20 20
0 0
0 2 4 6 8 10 0 2 4 6 8 10
140
100
60
y (cm)
y (cm)
80
60 40
40
20
20
0 0
-1 -1 -1 -1 -1
0.0 1.0x1 0 2.0x1 0 3.0x1 0 4.0x1 0 5.0x1 0
0.1
0.8
1.9
3.9
4.8
5.9
6.8
7.8
3
9
t x1/7 0 (s)
t (s)
Os mesmos dados experimentais da Fig. 2.1 esto representados novamente nos quatro
grficos da Figura 2.2 para ilustrar defeitos tpicos de alunos inexperientes. O tamanho dos
pontos deve ser tal que cada ponto seja bem visvel; nem muito pequeno como no grfico 1
nem exagerado como no grfico 2, onde o tamanho do smbolo maior que a barra de erro
para a maioria dos pontos. No grfico 2, os nmeros das escalas so difceis de ler. No grfico
3 as escalas foram mal escolhidas, desaproveitando a rea; o fator 1/70 e os nmeros das
marcas da escala horizontal dificultam a leitura. No grfico 4 a escala horizontal no deve ser
indicada com os valores individuais dos pontos.
Y = X + , [2.1]
4
e que representa a soma dos desvios quadrticos da relao linear .
Se
1. os valores xi so medidos sem erro;
ento as frmulas da Tabela 2.1 se aplicam. A demonstrao das equaes desta tabela pode
ser vista na ref. 2.
coeficiente linear ( xi x )
yo: erro padro do estimador de yo = Sxo / xi2 ( x x )2
yo = S N1 + o
um ponto da reta para x = xo ( xi x ) 2
Tabela 2.1. Estimadores para o caso dos yi com o mesmo desvio padro ( i = ). As
somatrias indicam soma de i = 1,..., N. As expresses em cada linha esto em
funo de valores definidos nas linhas superiores da tabela.
4
Este mtodo pode ser extendido ao ajuste de polinmios de qualquer ordem (veja a ref.
2).
9
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
O truque conceptual que utilizamos para justificarmos o procedimento supor que os xi foram
medidos sem erro e atribumos um valor de erro maior para os yi.
O caso em que os yi tm diferentes desvios padres (mas ainda os xi medidos sem erro)
se trata como segue: se yi o desvio padro de yi, primeiro se definem pesos normalizados
5
As frmulas de ajuste de uma lei fsica linear apresentadas na Tabela 2.1 se aplicam a
medies de uma grandeza y realizadas em idnticas condies (por tanto, sobre o mesmo
objeto) exceto pela varivel x. Algumas dessas frmulas no se aplicam se as medidas so
efetuadas em diferentes objetos. Por exemplo, a relao entre peso e altura de pessoas
aproximadamente linear mas no exatamente uma lei fsica e, dado que cada ponto no
grfico corresponde a um objeto diferente, as frmulas da Tabela 2.1 no se aplicam a este
caso (as frmulas correspondentes para estimar os coeficientes da reta e seus desvios podem
ser vistas na ref. 1). Os puristas distinguem este ltimo caso com o termo regresso linear
6
(em ingls linear regression), em vez de ajuste linear (linear fitting), reservada para uma
lei fsica linear.
6
Quando no obvia a sua traduo, daremos tambm o nome em ingls entre parnteses
e aspas. Isto pode ser til par o aluno j que a imensa maioria dos livros - e da literatura
cientfica em geral - bem como os softwares modernos de tratamento estatstico de dados
esto nessa lngua.
10
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
70 quadrante 1 quadrante 2
60
amax
50
y a
40
amin
quadrante 3 quadrante 4
y
30
20
10
bmax x
b bmin
0
0 5 10 15 20
Fig. 2.2. Mtodo grfico para determinar os coeficientes da reta e seus desvios. As
barras de erro so menores que o tamanho do smbolo de cada ponto experimental.
Para ilustrar o mtodo vamos considerar os dados representados na Figura 2.1. Para
simplificar as coisas nos limitaremos ao caso em que todos os pontos tem o mesmo peso.
Siga os passos abaixo.
1. Estime o centro de gravidade dos pontos ( x , y ). As retas vertical e horizontal que passam
por este ponto divide o grfico em quatro quadrantes. No exemplo da figura 1 os dados
esto, aproximadamente, metade no quadrante 3 e metade no quadrante 2.
2. Coloque a ponta do lpis no ponto ( x , y ) e apoie a rgua no lpis.
3. Gire a rgua em torno do ponto ( x , y ) at que 50% dos pontos de cada quadrante estejam
por cima, e 50% por abaixo da rgua. (Note que mais de uma reta satisfazem esta condio
e voc deve escolher uma mdia.) Trace a reta mdia. A equao desta reta ser
y = ax + b .
4. Apoie novamente a rgua no lpis e gire-a em torno do ponto ( x , y ) at deixar,
aproximadamente, 16% dos pontos de cada quadrante abaixo e 84 % acima da rgua. A
equao desta reta y = y + amin ( x x ) . A inclinao desta reta representa a inclinao
mnima, amin, dentro de um desvio padro. Prolongando esta reta at cortar o eixo x = 0, o
ponto de interseo determina bmax.
5. Agora gire a rgua, sempre em torno do ponto ( x , y ), de modo de deixar 16 % dos pontos
de cada quadrante acima e 84 % abaixo. A equao desta reta y = y + amax ( x x ). Esta
reta determina a inclinao mxima, amax, e a sua prolongao at x = 0, bmin.
11
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Note que na regio delimitada pelas retas de inclinao mxima e mnima ficam
aproximadamente 68 % dos pontos experimentais, que consistente com o conceito de
desvio padro para uma distribuio normal. Se a sua apreciao foi correta, a reta mdia
(item 3) deve ficar no meio das retas com inclinaes mnima e mxima traadas nos tens 4 e
5. Para determinar os valores de a e b, assim como os erros padres nestes parmetros utilize
as equaes:
a = 21 ( amax + amin ) , b = 21 (bmax + bmin ) ,
a = 1
2 N
| amax amin | e b = 1
2 N
| bmax bmin | .
O mtodo relativamente subjetivo pois depende da sua apreciao mas, com um pouco
de prtica, voc obter excelentes resultados.
Se os pontos tm pesos diferentes, siga o mesmo procedimento descrito mas levando em
considerao os pesos relativos de cada ponto. O peso de cada ponto deve ser
aproximadamente proporcional inversa da barra de erro.
12
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
1 N
x= xi , [3.1]
N i =1
1 N
x = S = ( x i x )2 . [3.2]
N 1 i =1
Conjuntos de medidas com desvio padro baixo so mais precisas do que quando o
desvio padro alto. Adicionalmente, pode-se demonstrar que o desvio padro caracteriza o
intervalo dentro do qual h 68% de probabilidade de ocorrncia de um valor medido. Dito de
outra forma, isto significa que se for feito um conjunto muito grande de medies, 68% delas
estaro dentro do intervalo x S e x + S .
14
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
S
x = S m = [3.3]
N
Observe que o erro padro da mdia diminui com a raiz quadrada do nmero N de
medies realizadas. Portanto, realizar mais medidas melhora a determinao do valor mdio
como estimador da grandeza que se deseja conhecer. Entretanto a vantagem no to
grande quanto desejaramos, j que, por exemplo, para reduzir o erro padro da mdia por
um fator 3 necessrio aumentar o nmero de medidas por um fator 9.
x
( x )r = 100 % .
x
w = x+ y+z
w = ( x )2 + ( y )2 + ( z )2 .
Como aproximao, pode-se usar que, se o erro de uma das grandezas da soma (ou
subtrao) for consideravelmente maior que os das outras, por exemplo, x >> y , z (trs
vezes maior suficiente) o erro do resultado ser dado por este erro: w x .
w
=
FG x IJ + FG y IJ
2 2
w H xK H yK
3.4 Erros em funes de grandezas afetadas por erros
Frequentemente necessrio estimar qual o erro que afeta uma varivel y que uma
funo de x, y = f(x), quando se conhece o erro x na determinao de x. Quando a funo for
bem comportada nas vizinhanas do ponto de interesse, pode-se estimar o erro y em y de
duas maneiras: pela fora bruta ou com classe.
O mtodo da fora bruta consiste em calcular o valor de y em x + x e em x x ,
obtendo-se:
y + y = f ( x + x )
y y = f ( x x )
de onde se calcula:
| f ( x + x ) f ( x x )|
y = .
2
O mtodo clssico usa a noo de derivada da funo, e supe que erro x seja
suficientemente pequeno para que possamos escrever:
y =
FG df IJ x .
H dx K x= x
16
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
S
erro padro x = Sm = desvio padro da mdia
N
Tabela 4.1. Definies bsicas. O smbolo de somatria indica a soma de todos os
termos com i = 1,...,N. O nome por extenso se utiliza nos casos em que o nome
indicado na primeira coluna pode gerar confuso.
Note que os nomes definidos na Tabela 4.1 so uma conveno. Alguns autores definem
estas mesmas palavras de outra maneira. Por exemplo, para o desvio padro de cada medida
7
alguns autores utilizam a definio
s= 1
N ( xi x )2 . [4.1]
mdia = x x . [4.2]
O significado da expresso [4.2] o seguinte: suponha que efetue uma nova srie de
medidas e calcule a mdia aritmtica delas; o resultado ser um valor que cair dentro do
7
Salvo indicao explcita, em todas as somatrias que escreveremos suporemos que se
somam todos os termos com i = 1,...,N.
17
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
intervalo definido pela relao [4.2] com aproximadamente 68 % de probabilidade. Outra forma
mais realista de interpretar a relao [4.2] que se realizamos outras 100 sries de N medidas
cada uma e calculamos as 100 mdias aritmticas de cada srie, 68 % delas cairo dentro do
intervalo entre x x e x + x . O nmero 68 % vem da experincia acumulada por geraes
de pesquisadores experimentais e tem tambm sustentao terica, como comentaremos
depois.
Note porm que realizar infinitas medidas impossvel na prtica. O melhor que podemos
fazer estimar qual seria o resultado dessa situao ideal usando a informao provida por
um nmero finito de medidas. Na seo 4.3 veremos os conceitos e formalidades sobre como
fazer estimativas a partir de um conjunto de medidas.
A quantidade x / x se denomina erro relativo da mdia, e 100 x / x o erro percentual
da mdia.
A questo de como expressar o resultado de um experimento, se com o desvio padro
( x x ) ou com o erro padro ( x x ), depende muito do contexto.
Em Cincias Exatas estamos geralmente interessados em determinar uma grandeza
fsica, e a medimos repetidas vezes em idnticas condies. Neste caso o desvio padro
uma indicao da preciso do mtodo experimental, e no da flutuao que a grandeza
medida pode ter. Por exemplo, se medimos a acelerao da gravidade em certo local, g,
indicamos o resultado com g = g g , j que a expresso g = g g indicaria erroneamente
que o verdadeiro valor de g pode variar dentro de uma faixa muito maior que a real.
Em produo industrial, por outro lado, se utiliza o desvio padro para indicar a disperso
de valores com que uma mquina ou processo fabrica um produto. Por exemplo, uma mquina
fabrica esferas com dimetro especificado por d = d d . Outros exemplos, da rea de
Cincias Naturais, onde deve ser utilizado o desvio padro so o tamanho de um certo tipo de
celas e o peso e altura dos habitantes de uma certa regio. Note que nestes trs ltimos
exemplos os objetos medidos so diferentes e expressamos o resultado com o desvio padro
para dar uma idia da disperso de valores da grandeza nos diferentes objetos.
Se realizamos medidas de uma grandeza em objetos diferentes, ento os experimentos
no so realizados em condies idnticas e, em rigor, a teoria de erros de medio exposta
neste captulo no se aplica.
df
mdia de f : f f , onde f = f ( x ) e f = x . [4.3]
dx
df
Aqui a derivada da funo f (x) calculada em x = x .
dx
Um caso particular da [4.3], muito freqente na prtica, o de uma funo do tipo
f ( x ) = a x , onde a e so constantes numricas exatas ou com erro desprezvel. Neste caso
o erro relativo em f o erro relativo em x vezes o mdulo do exponente:
18
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
f x
f ( x ) = a x = .
f x
mdia de f : f f ,
onde
f = f (x, y)
f =
FG f IJ ( x ) + FG f IJ ( y )
2
2
2
2
. [4.4]
H x K H y K
f f
Aqui e so as derivadas parciais de f(x,y) em relao a x e y, respectivamente,
x y
calculadas em ( x , y ) .
Por exemplo, se medimos o tempo de queda livre de uma partcula, t, e o espao percorrido na
queda, h, podemos calcular a acelerao da gravidade usando g = 2 h / t 2 . Se os valores
mdios medidos so t = (1.20 0.05) s e h = (3.38 0.05) m, ento, usando a [4.4] obtemos g =
2 2 3 2
9.7 m/s2 e g = e2h / t j + e4ht / t j = 0.8 m/s2.
f ( x, y ) = x y ( f )2 = ( x )2 + ( y )2 .
f ( x, y ) = x y 1
FG f IJ = FG x IJ + FG y IJ
2 2 2
.
H f K H xK H yK
A Tabela 4.2 resume as frmulas de propagao de erros desta seo.
19
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
df
f = f (x) f = f (x) f = x
dx
f = f ( x , y) f = f (x , y) f =
FG f IJ ( x ) + FG f IJ ( y )
2
2
2
2
H x K H y K
f = ax + by f = ax + by f = ( ax )2 + ( by )2
f = ax y f = ax y f = f (x / x )2 + (y / y )2
8
Um processo estocstico (stochastic process) para variveis contnuas satisfazem, alm
das duas condies mencionadas, que a probabilidade de obter X dentro de um intervalo
infinitesimal, P{x X < x+ dx} proporcional ao comprimento do intervalo, dx.
20
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
P{x < X x + x}
p ( x ) = lim , [4.5]
x0 x
onde P{x < X x+x} a probabilidade de achar a varivel aleatria X no intervalo entre x e x +
x. A ddp nos d uma idia de como se distribui a probabilidade no eixo real. Se conhecemos
p(x) podemos dizer com exatido qual a probabilidade de achar X em qualquer intervalo, por
exemplo
Se f(x) uma funo real, F = f(X) uma nova varivel aleatria cujo valor mdio sobre a
9
distribuio (average) ou valor esperado
+
f =< f ( x ) >= z
f ( x ) p( x )dx . [4.9]
9
Note que, para alguns autores na literatura inglesa, mean e average no so
exatamente a mesma coisa.
10
Alguns autores indicam valores esperados com E( ). Por exemplo a mdia = E(x) e a
varincia, tambm denotada com V(x), 2 = E[(x- E(x))2] = V(x). O desvio padro as vezes
denotado com D(x).
21
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
p( x ) = 1 LM
exp ( x 2) .
2
OP [4.11]
2 N 2 Q
Esta funo simtrica em relao a e depende apenas de dois parmetros: e que
coincidem, respectivamente, com a mdia e o desvio padro da distribuio.
No caso de uma distribuio normal, a probabilidade de achar X dentro de 1 desvio
padro em torno da mdia de aproximadamente 68%, j que
P{ x + } = z + 1 LM 2
OP
exp ( x 2) dx 0.683 . [4.12]
2 N 2 Q
Analogamente, a probabilidade de achar X dentro de 2 desvios padres entorno da
mdia de aproximadamente 95%.
Nos processos de medio de uma grandeza macroscpica, o resultado da medida
depende de um nmero muito grande de processos aleatrios independentes microscpicos,
que se somam no resultado final dando o carter aleatrio grandeza macroscpica. Sob
condies bastante gerais se demonstra que a soma de um nmero grande de variveis
aleatrias segue uma distribuio normal, independentemente das distribuies individuais das
variveis. Este resultado da estatstica, chamado teorema central do limite, d fundamento
terico suposio que os cientistas experimentais geralmente fazem de que os resultados de
medidas seguem uma distribuio normal.
Voltando ao caso geral, outros parmetros que caracterizam uma ddp so os momentos.
O momento de ordem n definido como mn = < xn >. O momento de primeira ordem coincide
com a mdia m1 = < x > e o de segunda ordem, m2 = < x2 >, pode ser expresso em termos da
11
varincia:
Muitas vezes ajuda pensar que a ddp representa a densidade local de um corpo
inomogneo. A mdia da distribuio se interpreta ento como a posio do centro de massas
e a varincia como o momento de inrcia em relao ao centro de massas.
11
Note que a mdia de x2 no o quadrado da mdia de x.
22
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Cada varivel aleatria tem a sua ddp individual que pode ser obtida integrando a ddp
conjunta sobre a outra varivel:
+
pX ( x ) = z
p( x , y )dy
e
+
pY ( y ) = z
p( x , y )dx .
A soma duas variveis aleatrias, X + Y uma nova varivel aleatria cuja mdia e
varincia esto dadas, no caso geral, por
x+ y = x + y e 2x + y = 2x + 2y + 2( xy x y ) ,
e temos
4.3 Estimadores
Um conjunto de medidas pode ser representado como um conjunto de variveis aleatrias
X1, X2, ..., XN, sendo que todas elas tm a mesma ddp e, portanto, a mesma mdia e varincia:
estimar parmetros da ddp, tais como e 2. Dado que s conhecemos os valores de x1,.., xN
medidos, devemos propor frmulas matemticas que contenham apenas estes valores.
Se um parmetro da ddp, um estimador (ou estimativa) a de dado por uma
equao ou frmula
a = a ( x1,.. x N ) .
Mas s o critrio de no viciado muitas vezes no basta para decidir entre vrios
estimadores pois pode acontecer que todos eles sejam no viciados. Para exemplificar este
fato, notemos que qualquer um dos valores medidos, xi, pode servir como estimador de e
que todos eles so estimadores no viciados dado que, de acordo com a eq. [4.16], < xi >=
para qualquer i.
Um conceito que ajuda a decidir se um estimador melhor do que outro a preciso,
expressa em termos do desvio padro esperado em relao ao parmetro estimado,
< ( a )2 > . Se o estimador no viciado, esta quantidade coincide com o desvio padro
a = < ( a < a > )2 > . Um estimador mais eficiente ou mais preciso que outro se este desvio
padro menor.
12
Em alguns casos difcil achar um estimador no viciado. Nesses casos podemos exigir
pelo menos que seja assintoticamente no viciado; ou seja que < a > para N .
13
Em todas as somatrias sem ndices supomos que se somam todos os termos com i =
1,...,N.
24
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
2
< x 2 >= 2 + [4.19]
N
e, portanto,
x = . [4.20]
N
Este resultado significa que a mdia aritmtica se aproxima ao verdadeiro valor da mdia
com uma preciso que melhora com a raiz quadrada do nmero de medidas. No limite de N
, o desvio padro da mdia aritmtica nulo; o que no nenhum contra-senso pois se
pudssemos fazer infinitas medidas conheceramos exatamente a mdia da distribuio.
importante frisar que < x >= e x = N independentemente da funo de
distribuio dos xi. Embora no sabemos qual a ddp das medidas individuais, a mdia
15
aritmtica, por ser uma soma de variveis aleatrias , uma nova varivel aleatria que
segue, no limite de N grande, uma distribuio normal.
Como mencionamos acima, qualquer um dos valores medidos um estimador no viciado
de ; porm, o desvio padro de xi como estimador de , de acordo com [4.16], , enquanto
que o desvio padro da mdia aritmtica / N , ou seja N vezes menor.
Finalmente, um outro argumento em favor da mdia aritmtica como estimador de que
a soma dos desvios quadrticos em relao a um valor x arbitrrio, mnima para x = x .
16
A eq. [4.19] se demonstra notando que em < x 2 >= i j < xi x j > / N 2 , temos N(N-1)
14
x = x.
25
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
( N 1)2
< s2 >= . [4.21]
N
S 2 = < ( S 2 2 )2 > = 2 2 .
N 1
[4.23]
18
A expresso para <S> no caso de uma distribuio normal pode ser vista na ref. 1.
26
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
x = Sm = S N. [4.24]
S = S N21
4
. [4.25]
f =< f ( x ) >
e a varincia de f
2f =< [ f ( x ) f ]2 > .
Sf
f = 1
N f ( xi ) , e f = ,
N
onde S f = 1
N 1 [ f ( xi ) f ]2 .
27
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
f ( x ) = f ( ) + f ( )( x ) + 21! f ( )( x )2 +...,
onde as primas indicam derivadas. Podemos ento expressar o valor esperado e a varincia
como
de segunda ordem em r. Outro exemplo dentro desta linha o volume de uma esfera de
dimetro d; se a esfera muito irregular, de modo que desvio padro d significativo quando
comparado com o dimetro mdio d , o volume mdio deve ser calculado como V = d 3 / 6 e
no como V = d 3 / 6 . Se a distribuio de dimetros simtrica em relao mdia ento
fcil mostrar que V = d 3 / 6 + d d 2 / 2 . Novamente a diferena pequena somente se
d << d .
28
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Voltando funo f(x) = x2, o erro na mdia calculado pela frmula de propagao de
erros da Tabela 4.2 nos da f = 2 x x , que claramente um estimador incorreto para x 0
(ou, em geral, para | x | x ). Uma expresso mais correta pode ser obtida notando que
2 4 2 2 2 4
< x 2 < x2 >
e j >= + ,
N N
xy = ( x y )2 + ( y x )2 + ( y x )2 .
29
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
Antes de realizar as N medidas, os alcances que sero medidos podem ser considerados
como variveis aleatrias independentes, todas com a mesma ddp e portanto com as mesmas
e .
4.5.1 Histogramas
O histograma o primeiro passo para estimarmos a densidade de probabilidade.
Suponhamos que medimos 50 vezes o alcance da esfera utilizando uma rgua milimetrada e
que obtivemos os dados da Tabela 4.3.
i xi i xi i xi i xi i xi
1 46.2 11 46.7 21 46.2 31 46.1 41 46.3
2 46.3 12 46.1 22 46.3 32 46.2 42 46.3
3 46.6 13 46.5 23 46.5 33 46.0 43 46.5
4 46.3 14 46.7 24 46.6 34 46.6 44 46.0
5 46.0 15 46.4 25 46.6 35 46.2 45 46.4
6 46.9 16 46.3 26 46.6 36 46.7 46 46.0
7 46.2 17 46.3 27 46.3 37 46.4 47 46.3
8 46.4 18 46.8 28 46.4 38 46.2 48 46.5
9 46.1 19 46.7 29 46.5 39 46.1 49 46.3
10 46.5 20 45.9 30 46.4 40 46.4 50 46.4
30
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
0.4 2 0.4 4
N=5 N = 10
Frequncia
0.0 0 0.0 0
0.20 4 0.20 10
N = 20 N = 50 8
0.15 3 0.15
0.10 2 0.10
0.05 1 0.05
2
0.00 0 0.00 0
45.8 46.0 46.2 46.4 46.6 46.8 47.0 45.8 46.0 46.2 46.4 46.6 46.8 47.0
Alcance, x (cm)
Figura 4.2. Histogramas para diferentes conjuntos de medidas do alcance.
Note que em cada histograma temos normalizado o nmero de vezes (freqncia) que
cada alcance se repete pelo nmero total de lanamentos em cada conjunto (isto se denomina
um histograma de frequncias normalizadas). Assim, a escala das ordenadas nesses
histogramas do uma idia da probabilidade de que a esfera caia em cada intervalo. Por
exemplo, no intervalo de (46.4 0.05) cm a esfera caiu uma frao de 0.10 vezes nas
primeiras 20 medidas. Porm, quando consideradas as 50 medidas, nesse mesmo intervalo a
esfera caiu uma frao de 0.16 vezes. Intuitivamente, a medida que aumentamos o nmero de
medidas o que determinamos com mais preciso a probabilidade de achar o alcance dentro
de certo intervalo, e admitimos que 0.16 um valor mais aproximado (do que 0.10) do valor
exato mas desconhecido de P{46.35 cm < X 46.45 cm}.
medida que aumentamos N o histograma representa melhor a verdadeira densidade de
probabilidade. Se pudssemos realizar infinitas medidas, o histograma normalizado nos daria
a probabilidade exata de achar o alcance em cada intervalo. Notemos porm que isto no nos
daria ainda a densidade de probabilidade p(x) mas apenas a integral desta funo em cada
intervalo de comprimento x = 0.1 cm, que determinado pela preciso da rgua utilizada.
Para conhecermos p(x) devemos, segundo a definio, no somente fazer infinitas medidas
mas, tambm, fazer as medidas utilizando um instrumento com preciso infinitesimal, de
modo que possamos fazer x 0 .
Afortunadamente, no necessrio conhecer o valor de uma funo em todos os pontos
para caracteriz-la completamente. Basta com conhecer alguns parmetros da funo para
termos uma representao exata da mesma. Por exemplo, se sabemos que a distribuio
normal e conhecemos os valores de e , podemos calcular exatamente p(x) para qualquer x.
Se a distribuio no normal precisaremos tal vez mais parmetros (por exemplo, os
momentos da ddp) mas o conhecimento de e j nos da uma boa idia da ddp.
31
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
4.5.2 Os resultados
A Tabela 4.4 mostra os resultados em cm da mdia, desvio padro e desvio padro da
mdia desses quatro conjuntos de medidas (calculados utilizando as frmulas da Tabela 4.1).
Na ltima coluna representamos tambm o desvio padro do desvio padro estimado
utilizando a eq. [4.25].
N x S Sm S
5 46.28 0.22 0.10 0.18
10 46.35 0.26 0.08 0.18
20 46.40 0.28 0.06 0.16
50 46.36 0.23 0.03 0.10
Tabela 4.4. Valores em cm da mdia, desvio padro e erro padro para os conjuntos
de medidas de alcances do projtil correspondentes aos quatro histogramas da fig. 5.2.
Note como aumentando N a mdia e o desvio padro mudam muito pouco, enquanto que
o erro padro, Sm, e S diminuem sistematicamente. Isto ilustra a diferena entre estimadores
de parmetros e estimadores da preciso. x e S so estimadores de parmetros da
distribuio ( e , respectivamente) e portanto no devem se alterar muito aumentando o
nmero de medidas. Por outro lado, Sm e S so estimadores da preciso com que x e S se
aproximam dos respectivos parmetros da ddp ( e ) e, dado que quanto mais medimos
melhor conhecemos a distribuio, Sm e S devem diminuir aumentando N. O erro na mdia
diminui como 1 / N enquanto que o erro no desvio padro diminui como 1 / 4 N 1 .
Quando queremos dar idia da distribuio de valores medidos expressamos o resultado
na forma x x . Neste exemplo,
Note que o desvio no especifica a preciso das medidas mas a disperso de valores em
torno da mdia ou erro em uma nica medida. Com x e x (x = S) podemos predizer o
resultados de futuros lanamentos. Podemos apostar por exemplo que nos prximos 10
lanamentos, em 7 deles a esfera cair entre 46.2 e 46.6 cm. Com outras palavras, podemos
dizer que o prximo lanamento cair no intervalo de 46.2 a 46.6 cm com 68 % de
19
probabilidade (intervalo de confiana de 68%) . Se em vez de lanar esferas por uma rampa
lanamos bombas muito caras, vamos querer ter mais certeza da nossa probabilidade de
acertar o alvo e usaremos x 2S para especificar um intervalo com 95 % de confiana.
Quando queremos indicar a preciso com que determinamos a mdia expressamos o
resultado na forma x x . Para expressar corretamente o resultado de uma srie de medidas
deveramos especificar o nmero de medidas e o intervalo de confiana. Por exemplo, o
resultado das 10 medidas poder ser expresso como
19
Em rigor, o intervalo de confiana de 68 % para uma distribuio normal o intervalo
( ), definido a partir dos verdadeiros valores da mdia e desvio padro e no dos valores
estimados ( x S ).
32
Fsica Experimental: Caderno de Laboratrio, Grficos, Medidas e Erros
20
alcance mdio: (46.35 0.08) cm (N = 10; 68% de confiana) .
4.6 Referncias
1. J.M. Cameron, "Statistics," in "Fundamental Formulas of Physics," edited by D.H. Menzel,
Vol. 1, ch. 2, Dover, New York, 1960.
2. G.L. Squires, "Practical Physics," 3rd. edition, Cambridge University Press, Cambridge,
1985.
20
Para os puristas, o intervalo de confiana da mdia se determina a partir de parmetros
de uma outra distribuio, a distribuio t de Student, que se aproxima da distribuio normal
para N grande. Os valores corretos esto tabelados para os intervalos de confiana mais
empregados. Este procedimento seguido por exemplo por bilogos, mdicos e qumicos e
quase nunca por fsicos. A diferena pequena e no justifica o trabalho de procurar os
valores corretos em tabelas, dada a grande incerteza com que se estimam S e Sm.
33