Universidade de So Paulo

Instituto de Fsica

_______________________________________________________________

Conceitos Bsicos da Teoria de Erros

Manfredo H. Tabacniks

Reviso 2009 (AAQ)

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.

Traduo de um trecho do Guide to the Expression of Uncertainty in

Measurements, International Organization for Standardization,
Geneva (1993).

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.

medida viscosidade (g cm-1 s-1)

A 9,8 0,4
B 12,3 4,0
padro 9,3

Na tabela, o valor aps o smbolo indica em geral o intervalo de confiana de um desvio

padro1, ou seja, o intervalo com probabilidadede de 67% de conter uma medida da grandeza. O valor que
segue o smbolo denominado incerteza2. No caso acima, apesar da medida A estar aparentemente mais
prxima do padro, sua incerteza, expressa pelo intervalo de confiana, indica um provvel erro de medida,
enquanto o valor da medida B, apesar de ter uma incerteza maior, concorda com o valor do padro.

1.2. Algarismos significativos

Em medidas fsicas, facil encontrar uma disperso de valores muito grande. O raio de um tomo e
o raio do universo so exemplos entre tantos. Para expressar esses valores adequadamente, conveniente o
uso da notao cientfica. Escreve-se o valor com apenas um dgito antes da vrgula, completa-se com
algarismos decimais necessrios (eventualmente truncando e arredondando o valor em alguma casa decimal)
e se multiplica tudo pela potncia de dez adequada. Por exemplo, o comprimento de um fio vale 14269513
mm ou da ordem de 1,43x107 mm. Note que usamos apenas dois algarismos aps a vrgula, sendo que o
ltimo foi arredondado para cima uma vez que 1,4269 est mais prximo de 1,43 que de 1,42. A regra de
arredondamento aqui proposta a de arredondar o ltimo dgito para cima caso o prximo dgito seja 5,
mantendo-o no caso contrrio3. Note que ao truncar e arredondar as casas decimais, perdemos muito da
informao inicial, mas isso pode ser remediado usando quantos algarismos forem necessrios depois da
vrgula. Por exemplo, 1,4269513 x 107 mm reproduz o valor com toda a preciso inicial.

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.

raio (mm) significativos

57,896 5
5,79x101 3
5,789600x101 7
0,6x102 1

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.

O NMERO DE ALGARISMOS SIGNIFICATIVOS DE UMA GRANDEZA DETERMINADO PELA

SUA INCERTEZA

Para a expresso da incerteza adaptaremos a conveno sugerida por Vuolo (1992).

Um outro exemplo ilustrado a seguir: Suponha que se deseje medir o tamanho do besouro na Figura 1.1

Figura 1.1. Medindo o tamanho de um besouro.

Uma vez decidido o que caracteriza o tamanho do

besouro, qual das alternativas abaixo melhor caracteriza
a medida do tamanho do besouro?

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.

S para confirmar: Qual o dimetro da moeda na Figura 1.2?

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

No exemplo acima podemos afirmar que a metade da

menor diviso uma estimativa da nossa incerteza:
portanto o dimetro da moeda pode ser expresso como:

1,93 0,05 cm
1,93(5) cm

1.2.1. EXPRESSO DA INCERTEZA.

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.

1.2.2. EXPRESSO DA GRANDEZA

Usar a mesma potncia de dez tanto para o valor da grandeza como para sua incerteza;
O nmero de algarismos significativos da incerteza dado pela regra 1.2.1. acima;
O nmero de dgitos depois da vrgula na incerteza tem que ser o mesmo que no mensurando;
A notao cientfica pode ser usada para melhor legibilidade.

Veja alguns exemplos abaixo. Note o casamento do nmero de casas decimais na incerteza e no valor do
mensurando.

notao errada notao correta

5,30 0,0572 5,30 0,06
124,5 11 125 11
0,00002002 0,0000005 (200 5)x10-7
(45 2,6)x101 (45 3) x 101

1.3. Conceitos bsicos para expresso de incertezas

O texto a seguir uma adaptao do Guia para Expresso da Incerteza de Medio publicada pelo
INMETRO (1998). Infelizmente, normas metrolgicas so um assunto um tanto burocrtico, mas tambm
parte da linguagem cientfica que precisamos dominar. No houve de modo algum a pretenso de exaurir o

4 Conforme Vuolo (1992) e Inmetro (1998).

5
assunto. Ao leitor interessado em aprofundar seus conhecimentos ou ansioso por outros exemplos,
recomendamos fortemente consultar a referncia citada.

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

Mensurando: grandeza especfica submetida medio. Exemplo: temperatura de fuso da glicerina.

Grandeza (mensurvel): atributo de um fenmeno, corpo ou substncia que pode ser

qualitativamente distinguido e quantitativamente determinado. O termo grandeza pode se referir a
uma grandeza em sentido geral (comprimento, tempo, massa.) ou grandeza especfica (comprimento
de uma barra, resistncia eltrica de um fio). Os smbolos das grandezas esto definidos na norma ISO
31.

Mtodo de medio: sequncia lgica de operaes, descritas genericamente, usadas na execuo das
medies. Exemplos: mtodo de substituio, mtodo diferencial, mtodo de zero...

Procedimento de medio: conjunto de operaes, descritas especificamente, usadas na execuo de

medies particulares de acordo com um dado mtodo. Um procedimento (de medio) deve ser um
documento com detalhes suficientes para permitir que um observador execute a medio sem
informaes adicionais.

1.3.2. Resultado de uma medio

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

1.3.3. Erros e incertezas

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?

COMO DETERMINAR A INCERTEZA DE UMA MEDIDA?

Uma abordagem alternativa para este problema medir vrias vezes o mesmo tempo e calcular a
mdia. A variabilidade de cada medida dada pelo desvio padro e a variabilidade da mdia (caso se
obtenham vrias mdias) ser dada pelo desvio padro da mdia5.

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.

mdia de uma amostra com n valores:

1
m=
n
xi (1.1)

desvio padro de uma amostra:

1
s= ( xi m) 2 (1.2)
n 1

desvio padro da mdia com n valores:

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:

Tabela 1: Tempos de queda de um corpo. (ms)

4.93 0.77 7.01

2.21 6.00 5.17
4.12 5.40 2.56
3.83

Tabela 2: Anlise estatstica dos tempos.

Cela Intervalo fa fr=fa/n dp=fr/x

1 0,00 | 2,00 1 0,10 0,05
2 2,00 | 4,00 3 0,30 0,15
3 4,00 | 6,00 4 0,40 0,20
4 6,00 | 8,00 2 0,20 0,10

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)

Figura 1.3. Histograma dos tempos de queda de um corpo.

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:

MENSURANDO: Grandeza a ser determinada num processo de medio.

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.

Exemplo 1. Medida da tenso de uma pilha:

Neste exemplo, pretendemos determinar o valor mais provvel e a respectiva incerteza da tenso de uma
pilha. Usaremos um voltmetro cuja incerteza nominal (fornecida pelo fabricante) de 1 = 0,25% do
valor indicado. A incerteza do processo de medida deve, portanto, ser combinada com a incerteza do
fabricante, para gerar o resultado procurado. Algumas frmulas utilizadas sero explicadas adiante.
Retorne ao exemplo assim que terminar a leitura deste captulo. As medidas realizadas esto na Tabela 2.1.

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

Desvio padro das medidas:

1 6
=
6 1 i =1
(Vi 1,5763) 2 = 0,0066 V

Desvio padro do valor mdio:

0,0066
m = = = 0,0027 V
n 6

Incerteza nominal do voltmetro (0,25% da medida)

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.

2.2.1. Clculo da propagao de incertezas

O problema pode ser posto da seguinte maneira: dada uma funo w = w(x, y, z) onde x, y, z so
grandezas experimentais com incertezas dadas por x, y, z e independentes entre si, quanto vale w ? A
independncia entre x, y, z necessria para a validade das frmulas a seguir, mas no ser discutida
por enquanto.
Para simplificar suponha w apenas funo de x. No grfico abaixo est representando w(x).

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

Acompanhe os exemplos a seguir:

A) Adio de valores experimentais

Considere a soma de dois segmentos:

A incerteza no segmento soma pode ser calculada aplicando a equao (2.3):

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

B) Subtrao de valores experimentais

Seguindo o mesmo esquema do exemplo anterior, a incerteza associada subtrao de duas grandezas
experimentais dada por:

Novamente, usando a equao (2.3):

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

Logo L = (4,0 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.

C) Multiplicao de grandezas experimentais: volume de um cilindro

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

Calculando cada um dos termos acima usando os valores fornecidso na figura:

=0 (i)

1
2 R = (ii)
R 2,0
e
L 0,5
= (iii)
L 10,0

Somando i, ii e iii em quadratura:

V
= 0 2 + 0,52 + 0,052 = 0,5025
V

MUITO IMPORTANTE: Na equao acima, de propagao de incertezas na multiplicao e diviso,

obtivemos a incerteza relativa V V . NO ESQUEA DE MULTIPLIC-LA PELO RESULTADO (V)
PARA OBTER A INCERTEZA ABSOLUTA. Multiplicando V por V e ajustando o nmero de
algarismos significativos...

V = 0,5025 V = 0,5025 125,7 = 63

O resultado do volume do cilindro vale:

V = (126 63) cm3

ou ainda

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.

Na multiplicao ou diviso, a incerteza relativa do resultado dada pela soma em

quadratura das incertezas relativas dos operandos (no esquea de converter a incerteza
relativa em absoluta).
NOTA: por soma em quadratura entende-se a raiz quadrada da soma dos quadrados...

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.

Exemplificando: Volte para o exemplo A, a soma de dois segmentos: L calculamos o resultado de :

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

S' = x22 (2.4)

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

Com alguma manipulao algbrica se obtm

k > 3.0 (2.6)

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.

Exemplo: Representar dados da Tabela 2.2. em um grfico.

Tabela 2.2. Espaos e velocidades de um corpo.

n s 0,05 (m) v (m/s)

1 4,60 1,840,55
2 6,90 2,760,82
3 11,10 3,991,20
4 20,60 9,882,96

Figura 2.1 Velocidades e posies de um corpo.

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:

Procure passar a reta equilibradamente pelo maior nmero de pontos.

A origem (0; 0) pode ou no ser um ponto experimental. Se for fisicamente justificvel, trate-a como
qualquer outro ponto experimental. Caso contrrio, trace a melhor reta ignorando a origem.
A reta deve estar contida na maioria das barras de incertezas.

18
Quadro 2.1. RESUMO DE FRMULAS PARA PROPAGAO DE INCERTEZAS

w = w (x, y, ...) Expresses para w

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)

Figura 3.1. Espaos em funo do tempo para um corpo em queda livre.

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:

Espao no tempo ao quadrado

80

60

40

20

0
0 2 4 6 8

Figura 3.2. s(t2/2) para um corpo em queda livre.

20
 Pode ocorrer que as grandezas medidas sejam afetadas por um desvio constante. No exemplo acima,
poderia ter ocorrido que o tempo e/ou espao inicial sejam diferentes de zero. Esses desvios (inicialmente
lineares), em geral introduzem desvios no lineares nas novas variveis linearizadas e podem invalidar suas
concluses. Dada sua natureza, esses desvios costumam afetar mais os valores pequenos que os grandes e
podem ser identificados na forma de desvio sistemtico dos pontos experimentais da curva (linear) graficada.
Existem diversos outros mtodos de linearizao: Ainda se usa muito graficar o logaritmo das
grandezas o que reduz potncias em coeficientes angulares e coeficientes multiplicativos em lineares. Os
papis dilog e mono-log so uma forma prtica de executar transformaes log sem necessidade de clculos.
Outro mtodo, que na prtica reduz o grau da funo, graficar a derivada da funo. No h uma regra geral
para linearizao de funes. Prtica e criatividade so alguns dos requisitos.

3.2 Funes tipo y = ae bx

Funes exponenciais podem ser linearizadas aplicando o logaritmo em ambos os termos, que resulta:

ln( y ) = ln(ae bx ) (3.3)

ln( y ) = ln(a ) + bx (3.4)

definindo Y = ln(y) e A = ln(a), temos:

Y = A + bx (3.5)

que uma reta com coeficiente linear A e coeficiente angular b.

3.3. O papel grfico logartmico

Antes do uso generalizado de calculadoras, no era simples determinar o logartmo de um nmero.

Podia-se usar (e ainda se usa) o papel mono-logartmico, cuja escala vertical, Y, desenhada de tal forma que
a distncia linear at a origem (eixo x) o logaritmo decimal do nmero indicado na escala. Dessa forma, o
papel grafica automaticamente o log do nmero indicado.

y log y = medida em cm /10

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.

3.3. Funes tipo y = ax

b

Potncias simples do tipo axb tambm podem ser linearizadas aplicando o logaritmo em ambos os termos:

log( y ) = log(a ) + b log( x) (3.6)

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.

Temperatura (C) Presso (Torr)

60 149,4
80 355,1
100 760
120 1489

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

Figura 4.1. Representao grfica de uma interpolao linear.

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

que aplicada ao exemplo resulta:

760 355
y 90 = 355 + ( 90 80). (4.3)
100 80

que fornece o valor procurado:

P90 = 558 Torr.

4.1. Referncias e fontes bibliogrficas

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