Escolar Documentos
Profissional Documentos
Cultura Documentos
Instituto de Fsica
_______________________________________________________________
Manfredo H. Tabacniks
1
Embora este Guia fornea um esquema de trabalho para obter incerteza,
ele no pode substituir pensamento crtico, honestidade intelectual e
habilidade profissional. A avaliao de incerteza no uma tarefa de
rotina, nem um trabalho puramente matemtico. Ela depende do
conhecimento detalhado da natureza do mensurando e da medio. Assim,
a qualidade e a utilidade da incerteza apresentada para o resultado de
uma medio dependem, em ltima instncia, da compreenso, anlise
crtica e integridade daqueles que contriburam para atribuir o valor
mesma.
2
1. EXPRESSO DE VALORES DE MEDIDAS
EXPERIMENTAIS
1.1. Introduo
O valor de uma grandeza submetida a medio costuma ser adquirido atravs de um procedimento
que, em geral, envolve algum(s) instrumento(s) de medio. O prprio processo de medida, assim como o
instrumento utilizado, tem limites de preciso e exatido, ou seja, toda medida realizada tem uma incerteza
associada que procura expressar a nossa ignorncia (no bom sentido) do valor medido. A seleo do
processo de medida, do instrumento usado e a reprodutibilidade da grandeza medida tm que ser expressas
de alguma forma. Em alguns aparelhos, a incerteza do instrumento j vem marcada. Caso contrrio, a
metade da menor diviso da escala um bom comeo. Note que nada sabemos ainda sobre a
reprodutibilidade do processo de medida.
A incerteza importante na hora de compararmos resultados. Na tabela abaixo temos os resultados
de duas medidas de uma mesma grandeza com diferentes aparelhos e um padro.
1 Em fsica e engenharia comum adotar um desvio padro para o intervalo de confiana. Em outras reas, tais como
epidemiologia, sade e cincias mdicas, dois ou at trs desvios padro so bastante comuns.
2 Deve-se evitar o termo erro para a incerteza. Se uma medida tem um erro, este deve ser corrigido!
3 Existem outras regras de arredondamento, mais complicadas, um pouco mais precisas, mas nenhuma exata. A regra
aqui proposta tambm adotada pela maioria das calculadoras e algoritmos em computadores.
3
Denomina-se algarismo significativo o nmero de algarismos que compem o valor de uma grandeza,
excluindo eventuais zeros esquerda usados para acerto de unidades. Mas ateno: ZEROS DIREITA
SO SIGNIFICATIVOS. Na tabela a seguir, um mesmo valor do raio de uma roda escrito com diferente
nmero de algarismos significativos.
A escolha de quantos significativos sero usados no valor da grandeza depende da grandeza, do processo de
medida e do instrumento utilizado. Na realidade, o nmero de algarismos significativos de uma grandeza
determinado pela sua incerteza.
Um outro exemplo ilustrado a seguir: Suponha que se deseje medir o tamanho do besouro na Figura 1.1
a) Entre 0 e 1 cm
b) Entre 1 e 2 cm
c) Entre 1,5 e 1,6 cm
d) Entre 1,54 e 1,56 cm
e) Entre 1,546 e 1,547 cm
Acertou quem optou pela alternativa d). Isso porque, na leitura de uma escala, o algarismo significativo mais
direita de um nmero deve sempre ser o duvidoso (no esquea: o algarismo duvidoso significativo!).
Resumindo: Qualquer medida por comparao entre um objeto e uma escala deve incluir alm dos dgitos
exatos (1,5 nesse caso) uma estimativa do dgito duvidoso. Uma vez que a rgua foi marcada em milmetros
voc deve estimar o comprimento fracionrio (em dcimos de mm) que melhor expressa a medida. Voc
pode no precisar se vale 1,54, 1,55 ou mesmo 1,56. Essa a expresso da sua incerteza.
4
Figura 1.2. Medindo o dimetro de uma moeda.
a) Entre 0 e 2 cm
b) Entre 1 e 2 cm
c) Entre 1,9 e 2,0 cm
d) Entre 1,92 e 1,94 cm
e) Entre 1,935 e 1,945 cm
1,93 0,05 cm
1,93(5) cm
Como devemos expressar a incerteza de uma medida? Ou, posto de outra forma: quantos algarismos
significativos devem ter a incerteza de uma medida? Usaremos a seguinte conveno4:
Se o primeiro dgito significativo da incerteza for menor que 3, usaremos DOIS significativos.
Caso o primeiro dgito significativo da incerteza for maior ou igual a 3, podemos usar UM ou DOIS
algarismos significativos para a incerteza;
Resumindo: qualquer que seja o caso sempre podemos usar dois significativos para expressar a incerteza.
Mas ateno: quando a incerteza for resultado de uma estimativa ou apenas indicativa, tal como a metade
da menor diviso de um instrumento, sugerimos usar apenas UM dgito significativo. No tem sentido, por
exemplo, expressar a incerteza de uma rgua milimetrada com DOIS significativos (0,50mm), basta
escrever 0,5mm.
Veja alguns exemplos abaixo. Note o casamento do nmero de casas decimais na incerteza e no valor do
mensurando.
1.3.1. Medio
O objetivo de uma medio determinar o valor do mensurando, isto , o valor da grandeza especfica a
ser medida. Uma medio comea, portanto, com uma especificao apropriada do mensurando, do mtodo
de medio e do procedimento de medio.
Medio: conjunto de operaes que tm por objetivo determinar o valor de uma grandeza.
Valor (de uma grandeza): expresso quantitativa de uma grandeza especfica, geralmente sob a forma
de uma unidade multiplicada por um nmero. Exemplo: comprimento de uma barra: 5,34m
Mtodo de medio: sequncia lgica de operaes, descritas genericamente, usadas na execuo das
medies. Exemplos: mtodo de substituio, mtodo diferencial, mtodo de zero...
Em geral, o resultado de uma medio somente uma aproximao ou estimativa do valor do mensurando
e, assim, s completo quando acompanhado pela declarao de incerteza dessa estimativa. Em muitos
casos, o resultado de uma medio determinado com base em sries ou conjunto de observaes obtidas
sob condies de repetitividade.
Resultado de uma medio: valor atribudo a um mensurando obtido por medio. Deve-se indicar
claramente se o resultado se refere indicao, se um resultado corrigido ou no corrigido e se
corresponde ao valor mdio de vrias medies. A expresso completa do resultado de uma medio
inclui informaes sobre a incerteza da medio.
Estimativa: valor de uma estatstica (uma conta) utilizada para estimar um parmetro (uma mdia, por
exemplo) da totalidade de tens (em geral infinito), obtido como resultado de uma operao sobre uma
amostra (em geral um conjunto limitado de dados) supondo um determinado modelo estatstico de
distribuio (distribuio norma, por exemplo).
Incerteza (de medio): parmetro associado ao resultado de uma medio que caracteriza a
disperso dos valores que podem ser razoavelmente atribudos ao mensurando. Entende-se que o
resultado de uma medio a melhor estimativa do valor de um mensurando e que todos os
componentes da incerteza, incluindo aqueles resultantes dos efeitos sistemticos, contribuem para a
disperso.
6
Repetitividade (de resultados de medies): grau de concordncia entre os resultados de medies
sucessivas de um mesmo mensurando, efetuadas sob as mesmas condies de medio.
Condies de repetitividade incluem:
- mesmo procedimento de medio
- mesmo observador
- mesmo instrumento de medio sob as mesmas condies
- mesmo local
- repetio em curto perodo de tempo
Deve-se atentar e distinguir com cuidado os termos erro e incerteza. Esses termos no so sinnimos;
ao contrrio, representam conceitos completamente diferentes. No devem ser confundidos nem mal
empregados.
Erro
Uma medio tem imperfeies que do origem a um erro no resultado da medio. O erro costuma ser
classificado em dois componentes: erro aleatrio e erro sistemtico. O erro aleatrio tem origem em
variaes imprevisveis tambm chamadas efeitos aleatrios. Essses efeitos so a causa de variaes em
observaes repetidas do mensurando. O erro aleatrio no pode ser compensado, mas pode ser reduzido
aumentando o nmero de observaes. Apesar de frequentemente citado, o desvio padro da mdia no o
erro aleatrio da mdia. Representa, sim, uma medida da incerteza da mdia devido aos efeitos aleatrios. O
erro sistemtico, em geral, no pode ser eliminado, mas pode eventualmente ser reduzido ou, caso seja
identificado, deve ser corrigido.
1.4. Estatsticas
Quando se trabalha com vrios resultados em condies de repetitividade de uma medio, usam-se
algumas estatsticas para resumir e consolidar as informaes obtidas. Por exemplo: ao tentar determinar o
tempo de queda de um corpo, um aluno mediu uma nica vez o evento. Tendo a incerteza do aparelho
utilizado, poderamos ter uma idia do acerto do aluno. Mas a incerteza cobre apenas o erro do aparelho e
no a do aluno ou mesmo do procedimento experimental.
O problema que se coloca : Como determinar a incerteza de uma medida?
O problema que para obter o valor mais provvel a partir de mdias, determinar desvios padro e
desvio padro de mdias exige que se faam INFINITAS medidas e definitivamente no temos tempo para
5 comum encontrar a afirmao de que se fazem muitas medidas de uma mesma grandeza para melhorar um resultado.
Isto falso. A incerteza de um processo de medida uma caracterstica do processo expresso pelo desvio padro, que
independe do nmero de medidas (para n grande, tpicamente n>10). verdade que ao realizar muitas medidas pode-se
obter um valor mdio mais prximo do valor mais provvel, uma vez que o desvio padro da mdia (que expressa a
incerteza da mdia) varia com 1/n. Entretanto, raramente se usa essa abordagem em medidas diretas (no estocsticas).
Na prtica, quando se deseja uma medida com incerteza menor, procura-se simplesmente um procedimento ou um
instrumento melhor (um micrmetro no lugar de um paqumetro, por exemplo). A verdadeira razo de se repetir uma
medida vrias vezes para estimar seu desvio padro.
7
isso! Vamos, portanto, ESTIMAR o valor mais provvel, o desvio padro e o desvio padro da mdia para
um conjunto pequeno de medidas. O desenvolvimento terico e a justificativa para esse procedimento
podem ser encontrados em qualquer livro texto bsico de estatstica, como o de Helene e Vanin (1981).
A mdia, o desvio padro e o desvio padro da mdia, para um conjunto finito com n dados podem
ser estimados aplicando as equaes abaixo.
1
s= ( xi m) 2 (1.2)
n 1
1 s
sm = ( xi m) 2 = (1.3)
(n 1) n n
Uma maneira grfica de analisar estatisticamente esses dados atravs de um histograma ou grfico
de barras. Neste tipo de grfico, para uma visualizao mais direta, o eixo x divido em intervalos iguais
que se chamam celas.
H 3 grandezas que podem ser graficadas na forma de histograma: a freqncia absoluta, fa, a
freqncia relativa, fr, e a densidade de probabilidade, dp. A freqncia absoluta o grfico onde o eixo y
representa a quantidade absoluta de termos dentro de uma cela. Freqncia relativa tem no eixo y a frao da
quantidade de termos dentro de uma cela. No grfico de densidade de probabilidade dP = fr/x, grafica-se
no eixo y o resultado da diviso de fr pelo tamanho da cela, x. Neste caso, a rea do grfico a
probabilidade de ocorrer o valor contido na cela ou intervalo (da o nome densidade de probabilidade). Este
ltimo tem a vantagem de independer do tamanho da cela, valendo at mesmo para histogramas com
tamanho de cela varivel, pois a rea total sempre unitria! Veja o exemplo a seguir:
8
Note que n = 10 a quantidade de dados, e o intervalo representado por um smbolo que, no caso,
exclui o valor mximo da cela.
m = 4,2 ms
dP = fr/x (ms-1)
0,20
0,15
s = 1,9 ms
0,10
~2/3 da altura
0,05
0,00
0 2 4 6 8 10
tempo de queda (ms)
O histograma dos dados na Tabela 1 est na Figura 1.3 acima. Note que a escala do eixo y est em unidades
de densidade de probabilidade, que tem unidades de ms-1. Para valores aleatrios distribudos de acordo com
a lei Normal com mdia e desvio padro , o histograma de dP pode ser modelado por uma curva
contnua, tambm denominada Gaussiana, dada por:
f 1 0,5 * ( x m) 2 (1.4)
dP = r = exp( )
x s 2 s2
onde m a estimativa da mdia e s a estimativa do desvio padro. Neste histograma, ajustamos uma curva
e estimamos sua tendncia central, m, ou seja, a mdia e sua largura, s, o desvio padro.
O desvio padro pode ser estimado graficamente, calculando o valor de x para o qual |x-m| = s.
Neste caso, a equao (1.4) vale:
0,5 * ( s) 2
dP(| x m |= s) = Yo exp( ) (1.5)
s2
onde Yo a altura do mximo da curva. Isso implica que o desvio padro pode ser estimado graficamente
como a metade da largura total de uma gaussiana medida aproximadamente a 2/3 da altura, pois
2
dPs = Yo exp( 0.5) = 0.61 Yo Yo (1.6)
3
Note tambm que a rea do histograma da Figura 1.1. unitria, assim como a rea da gaussiana.
9
1.5. Referncias e bibliografia
Diretrio Central dos Estudantes. Normalizao de trabalhos acadmicos & referncias bibliogrficas. 2a.
Ed. Pontifcia Universidade Catlica de Campinas. - (1998). 52p
Fernandes, Normando C. O laboratrio de projetos: inmeras variaes sobre o mesmo tema. Preprint
IFUSP/ P-564. (1986).
Frota, Maurcio Nogueira, Ohayon, Pierre. eds. Padres e Unidades de Medida - Referncias Metrolgicas
da Frana e do Brasil. INMETRO - Rio de Janeiro: Qualitymark Ed. 1999. 120p
Helene, Otaviano A.M. e Vanin, Vito R. Tratamento estatstico de dados em fsica experimental. Ed. Edgard
Blcher, So Paulo, SP. 1981.
INMETRO, SBM. Guia para expresso da incerteza de medio. ABNT, Rio de Janeiro. (1998). 120p
Referncias Bibliogrficas de Multimeios e Documentos Eletrnicos. Pontifcia Universidade Catlica de
Campinas. Projeto Disque-Biblio, (1998) 19p.
Saad, Fuad Daher, Yamamura, Paulo; Watanabe, Kazuo . Introduo a interpretao grfica de dados,
grficos e equaes. 25p. IFUSP (sem data).
Vuolo, Jos Henrique. Fundamentos da teoria de erros. Ed. Edgard Blcher, So Paulo, SP. 2a Ed. 1992.
Yamamura, Paulo e Watanabe, Kazuo Instrumentos de Medio in Manuais Didticos de Fsica. 18p.
IFUSP (sem data).
10
2. PROPAGAO DE ERROS E INCERTEZAS
2.1. Introduo
Um processo de medida tem sempre por objetivo determinar o valor mdio verdadeiro, ymv, de
uma grandeza, cujo valor verdadeiro yv. Acontece que, em geral, o valor verdadeiro nos desconhecido,
e para se obter o valor mdio verdadeiro, so necessrias infinitas medidas!
Dessa forma, para um conjunto de medidas, {y1, y2, y3, ...yn}, o valor mdio verdadeiro dado por:
1 n (2.1)
ymv = lim yi
n n i =1
Como em geral ymv um valor inacessvel, usam-se estimativas: a mdia dada pela equao 1.1, a
estimativa do desvio padro (eq. 1.2) e do desvio padro da mdia (eq. 1.3).
Relembremos alguns termos novos que usaremos com frequncia:
VALOR
VERDADEIRO: Valor consistente com a definio de uma determinada quantidade. Em princpio,
apenas obtido num processo de medida perfeito.
INCERTEZA: Parmetro associado ao resultado de uma medida que caracteriza a disperso dos
valores que podem satisfatoriamente ser atribudos ao mensurando. Reflete o
desconhecimento do valor exato do mensurando.
ERRO: a diferena entre a medida e o valor verdadeiro. Quanto menor o erro maior a
exatido (acurcia).
ERRO
SISTEMTICO: Erro constante caracterstico do processo ou instrumento.
ERRO
PADRO: Desvio padro dos valores mdios em relao ao valor verdadeiro.
A grande diferena entre a incerteza e o erro (seja ele qual for) que o erro pode, em princpio, ser
corrigido enquanto a incerteza um intervalo de confiana das medidas. Logo, caso sua experincia
tenha um erro, existe uma falha no procedimento que pode e deve ser corrigido.
Tabela 2.1. Tenso de uma pilha medida com voltmetro (incerteza nominal 0,25%)
11
n U (volt) Incerteza
nominal (V)
1 1,572 0,004
2 1,568 0,004
3 1,586 0,004
4 1,573 0,004
5 1,578 0,004
6 1,581 0,004
Antes, um comentrio: a tabela 2.1 acima tem trs colunas. A ltima contm a incerteza nominal das
medidas que, como vemos, no varia ao longo das medidas. A tabela poderia ter apenas 2 colunas e a
incerteza das medidas ser incorporada no ttulo da coluna 2. A nova tabela ficaria como no exemplo
abaixo, tabela 2.1b.
Tabela 2.1b. Tenso de uma pilha medida com voltmetro (incerteza nominal 0,25%)
n U 0,004 (V)
1 1,572
2 1,568
3 1,586
4 1,573
5 1,578
6 1,581
Vamos aos clculos. Note que em clculos intermedirios usamos um dgito significativo a mais, para
apenas no final expressarmos o valor da medio conforme as normas discutidas no captulo anterior.
Valor mdio:
1 6
U = U i = 1,5763 V
6 i =1
0,25
Lr = 1,5763 = 0,0039 V
100
Verifique que o desvio padro das medidas (na realidade do processo de medio) maior que a incerteza
nominal do voltmetro. Isso era esperado, pois, na composio da incerteza do processo de medidas, a
incerteza do voltmetro apenas um dos componentes. Uma nica medida, por exemplo, a primeira medida
na Tabela 2.1b, pode ser expressa como:
U 1 = (1,572 0,007 )V
12
A incerteza de nossa medida difere da incerteza nominal citada na tabela 2.1. Tivemos que fazer uma srie
de medidas para determinar o NOSSO desvio padro.
Uma vez que realizamos uma srie de 6 medidas, podemos expressar nosso resultado de forma mais
precisa, usando o valor mdio das seis medidas e seu desvio padro (o desvio padro da mdia). Portanto
nosso resultado ficaria assim:
U = (1,5763 0,0027 )V
Este resultado est timo para desenvolver nossos estudos e verificar alguma dependncia da tenso da
pilha com outras grandezas. Mas o nosso voltmetro pode ter um erro de calibrao. Explicando: Na
fbrica so produzidos milhares de voltmetros. Em mdia todos iguais. Mas no varejo, ao comparar os
valores medidos por diferentes voltmetros, um indica um valor um pouco maior, outro um pouco menor...
Como ento comparar medidas feitas com voltmetros diferentes? Temos que retornar ao manual do
aparelho e procurar a incerteza de calibrao do mesmo, ou seja, o desvio padro de calibrao dos
voltmetros. Em geral (mas no necessariamente) a incerteza do instrumento e o desvio padro de
calibrao so semelhantes. Seria um desperdcio se assim no fosse. (Quem compraria um aparelho muito
preciso e caro mal calibrado? Por que calibrar cuidadosamente um aparelho vagabundo?). Podemos
supor ento que o desvio padro de calibrao do voltmetro da mesma ordem que sua incerteza nominal.
Dessa forma possvel que instrumentos diferentes indiquem valores diferentes para uma mesma medida,
nesse nosso caso, com um desvio padro de 0,004V. Caso tenhamos em nosso laboratrio mais que um
voltmetro do mesmo modelo, temos que incorporar esse desvio padro de calibrao em nosso
resultado. Isso pode ser feito por meio de uma soma quadrtica, denominada de erro padro, em que se
compe quadraticamente o desvio padro da mdia com o desvio padro de calibrao do instrumento:
Erro padro:
p = 2m + L2r = 0,0048V
Finalizando, o valor mais provvel da tenso da pilha pode ser representado por:
U P = (1,5763 0,0048)V
Afinal, qual o valor que devemos usar? Depende. Para comparar sries de medidas no mesmo instrumento,
podemos usar a mdia U e o desvio padro da mdia. Para comparar medidas entre si, basta o desvio
padro. Para comparar medidas em instrumentos diferentes, precisamos do erro padro.
13
2.2. PROPAGAO DE INCERTEZAS
Muitas vezes usaremos o valor do mensurando numa equao para determinar uma outra grandeza
qualquer. O que fazer com a incerteza associada? Para o mensurando temos a incerteza do processo de
medida, enquanto que para grandezas determinadas atravs de frmulas temos a incerteza propagada.
w
w
i
w
w =
x x x
xi x
A incerteza de w, neste grfico, pode ser obtida pela simples projeo da incerteza de x. Para
pequenos intervalos no eixo x, temos em primeira ordem:
w
w = x (2.2)
x
Para vrias variveis independentes entre si, podemos escrever uma frmula geral (visualize uma
soma de catetos em n dimenses):
2 2 2
w 2 w 2 w 2
z + ... (2.3)
2
=
w x + y +
x y z
2 2
L L
2L = 2a + b2
a b
= 1. 2a + 1. b2
14
que resulta:
2L = 2 2 + 0,52 = 4,25
L = 2,06 cm
Logo
L = (20,0 2,1) cm
Seguindo o mesmo esquema do exemplo anterior, a incerteza associada subtrao de duas grandezas
experimentais dada por:
2 2
L L
= 2a + b2
2
L
a b
2 2
= 1. a + 1. b
resulta: L2 = 22 + 22 = 8
L = 2,8 cm
Note que, na soma, tanto a grandeza como a incerteza aumentaram, mas na diferena de duas grandezas
experimentais, apesar do resultado ser menor em mdulo, a incerteza final maior que a das partes.
Vamos agora determinar o volume do cilindro na figura abaixo em que se mediram o raio e a altura.
15
Propagaremos as incertezas em todos os termos do produto: , R e L.
2 2 2
V 2 V 2 V 2
V2 = + R + L
R L
= ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) 2L
dividindo por V 2
V2 ( R 2 L) 2 2 + ( 2 RL) 2 2R + ( R 2 ) 2L
=
V2 ( R 2 L ) 2
2 2 2 2
V 2
= + R + L
V R L
=0 (i)
1
2 R = (ii)
R 2,0
e
L 0,5
= (iii)
L 10,0
V
= 0 2 + 0,52 + 0,052 = 0,5025
V
V = (13 6) x 10 cm3
Os resultados acima so mais gerais do que parece primeira vista. Para as quatro operaes, podem ser
resumidos como segue:
16
Na soma ou subtrao, a incerteza absoluta do resultado a soma em quadratura das
incertezas absolutas.
No Quadro 2.1, a seguir, esto resumidos os principais casos de propagao de incertezas. Uma importante
regra prtica pode ser obtida se notarmos que o resultado de propagao de incertezas no precisa ser feito
com preciso numrica maior que cerca de 5%. Logo:
Qualquer termo menor que 1/3 do maior termo na soma em quadratura pouco contribui no resultado
final e, em geral, pode ser desprezado.
2L = 2 2 + 0,5 2 = 4,25
observe que 0,52 << 22, ou seja, se desprezarmos o termo menor, o resultado seria 4,00, que arredondado
para um significativo resultaria L = 2 cm , no muito diferente do resultado anterior, 2,1 cm.
Algebricamente: sejam x1 e x2 os termos de uma soma em quadratura com x2 = k x1. A soma em quadratura
resulta:
S = x12 (1 + k 2 ) (2.3)
Seja agora
em que se desprezou x1 uma vez que k>1. Note que S > S, uma vez que x2 > x1. Queremos saber, o menor
valor de k de forma que S e S no difiram em mais que 5%. Queremos que
S'
S S ' < 0.05 S ou > 0.95 (2.5)
S
Isto pode simplificar muito as contas pois, numa soma em quadratura, podemos simplesmente desprezar
termos menores que 1/3 do maior. Isto permite, na maioria das vezes, um clculo rpido, sem o uso de
calculadora. Atente que so os termos da soma em quadratura que devem ser comparados, no as
incertezas.
17
2.3. Representao de incertezas em um grfico. Barras de erro.
J aprendemos a expressar incertezas quando escrevemos o resultado de uma medida. Num grfico vamos
expressar a incerteza de cada ponto experimental na forma de uma barra vertical (ou horizontal) que
representar o intervalo de confiana definido pela incerteza da grandeza.
14
Velocidade(m/s)
12
10
8
6
4
2
0
0 4 8 12 16 20 24
Espao (m)
Note que a incerteza do espao no foi colocada no grfico, pois menor que o ponto marcado. Neste
grfico tambm foi ajustada uma reta mdia que representa os pontos experimentais. A reta mdia pode ser
traada observando algumas regras simples:
18
Quadro 2.1. RESUMO DE FRMULAS PARA PROPAGAO DE INCERTEZAS
w=xy
2w = 2x + 2y
soma e subtrao
w = axy 2 2 2
w x y
multiplicao
= +
w x y
w = a ( y / x) 2 2 2
w x y
diviso
= +
w x y
w = xm w
potncia simples =m x
w x
w = ax
w x
multiplicao por constante = ou w = a x
w x
w = ax + b
w
= x ou w = a x
w x
w = axpyq 2 2 2
w x y
= p + q
w x y
w = a sen(bx) w = ab cos( bx ) x b x em radianos
funo qualquer
aplicar a definio
19
3. Linearizao de curvas
3.1 Introduo
Numa experincia, costumamos comparar os valores das medies com algum modelo fsico,
provavelmente expresso na forma de uma equao algbrica. Todavia, muitos fenmenos no so lineares,
isto , no podem ser descritos por uma reta. Nestes casos, modelar os pontos experimentais ou ajustar uma
funo qualquer aos pontos experimentais requer o uso de mtodos numricos avanados nem sempre
disponveis de forma imediata. Num primeiro momento, pode-se optar pela linearizao da funo em jogo. A
linearizao de uma funo nada mais que a transformao de uma funo curvilnea (no linear) numa reta,
ou seja, a converso dos dados experimentais por meio de uma mudana de variveis para uma relao linear
que permita ajustar uma reta e determinar os seus coeficientes. Invertendo o procedimento de linearizao,
pode-se ento determinar os parmetros da funo no linear procurada.
Exemplo: Para determinar a acelerao da gravidade, usamos os dados de um corpo em queda livre.
Inicialmente preparamos uma tabela com os tempos e espaos e construmos o grfico a seguir:
Espao no tempo
80
60
40
20
0
0 1 2 3 4
T empo (s)
Neste tipo de grfico, onde s = s0 + v0.t +(a/2)t2, no imediato determinar a acelerao do corpo. Mesmo
supondo v0 = 0 e s0 = 0 (com o eixo y no sentido da acelerao) a expresso se converte em:
s = at2/2 (3.1)
que ainda uma funo no linear em t. Se, ao invs de graficarmos s x t como na figura 3.2, graficarmos
s x t2/2, teremos uma reta:
s = ax (3.2)
Onde a o coeficiente angular da reta, conforme pode ser visto na figura 3.2. Logo:
60
40
20
0
0 2 4 6 8
Funes exponenciais podem ser linearizadas aplicando o logaritmo em ambos os termos, que resulta:
Y = A + bx (3.5)
10
3 10cm
2
4,8cm
3.0cm
1 x
Figura 3.3. Escala mono-log. Neste caso, a escala, tambm denominada ciclo, de 10cm para cada ordem de grandeza
(fator 10). Outras escalas e vrios ciclos so possveis. (um exemplo: dado que log(3) = 0.477, temos que 10.log(3) =
4.8cm.)
21
O papel di-logartmico (di-log) repete o eixo log tambm para o eixo das abcissas (eixo x) e til para
linearizar potncias simples, tais como y = a bx que ser discutido a seguir.
Potncias simples do tipo axb tambm podem ser linearizadas aplicando o logaritmo em ambos os termos:
Levando novamente a uma reta com coeficiente angular b e coeficiente linear log(a).
4. Interpolao de tabelas.
Ao consultar uma tabela, dessas publicadas em livros expecializados, muito difcil encontrar exatamente o
valor procurado. Se por exemplo estivermos procurando o ndice de refrao de um determinado material em
funo da temperatura, em geral ocorre que a temperatura desejada est entre dois valores tabelados. A
soluo interpolar os dados da tabela. Existem vrios mtodos de interpolao de dados em tabelas: pode-se
usar polinmios, funes logartmicas, exponenciais, etc. Esses mtodos podem ser encontrados em qualquer
livro bsico de mtodos numricos.
Ocorre que muitas dessas tabelas so compiladas de forma que uma simples interpolao linear seja
suficientemente precisa, ou seja, o erro da interpolao linear menor que a incerteza dos valores tabelados.
Veja o exemplo abaixo:
Tabela 4.1. Presso de vapor da gua lquida.
Para determinar a presso de vapor a 90C, pode-se interpolar linearmente a tabela entre os valores de 80 e
100C. A interpolao linear pode ser entendida como o ajuste de uma reta a DOIS pontos da tabela e a
determinao de um valor intermedirio no tabelado. A figura 4.1 exemplifica o procedimento graficamente.
y1
yi
y
X0 Xi X1
22
Sejam os pontos (xo, yo) e (x1, y1) dois pontos quaisquer consecutivos na tabela. Ajustando-lhes uma reta,
pode-se escrever, para um ponto (xi, yi) intermedirio.
y i y 0 y1 y 0
= (4.1)
xi x 0 . x1 x0
Isolando yi temos:
y y0
yi = y 0 + ( xi x 0 ). 1 (4.2)
x1 x0
760 355
y 90 = 355 + ( 90 80). (4.3)
100 80
Coraci P. Malta., FAP139, Laboratrio de Fsica 2. IFUSP, 1997.Textos e descrio dos equipamentos do
laboaratrio didtico do IFUSP.
Richard P. Feynman., Robert B. Leighton, e Matthew Sands. Lectures on Physics, Vol. 1. 1971.
Alvin Hudson, Rex Nelson. University Physics, 2nd Ed. Saunders College Publishing. 1990.
23