Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila Física Experimental 1
Apostila Física Experimental 1
Elaborado por:
Marcia Muller
Novembro de 2008
Fundamentos da Física Experimental Márcia Muller e José Luís Fabris
Prefácio
A idéia original que será abordada neste texto é a de que, por meio de uma Disciplina de
Fundamentos da Física Experimental, sejam desenvolvidas elementos e habilidades da
metodologia científica que possam ser empregados nas mais diversas áreas do
conhecimento. Não se trata de realizar experimentos complexos, mas sim por meio de
montagens simples, criar uma metodologia que possa auxiliar nos problemas
enfrentados no cotidiano quer do professor, do pesquisador ou mesmo da pessoa.
Ao concluir esta Disciplina, você deverá estar apto a satisfazer as demandas diversas
não apenas deste Curso de Licenciatura em Física, mas também deverá estar mais
preparado para o desempenho de suas futuras atuações profissionais.
Índice
Capítulo 1 - Discussão geral introdutória.....................................................
2.6 - Arredondamentos
Capítulo 4 - Gráficos
Capítulo 5 - Histogramas
Figura 23 - Tela da planilha de dados com o nome escolhido para cada coluna.
Figura 31 - Histograma com oito intervalos para os valores medidos da distância focal
da lente.
A primeira questão que deve se considerada aqui diz respeito à documentação detalhada
de todas as atividades desenvolvidas durante o período letivo. A melhor maneira de se
providenciar tal documentação é por meio do emprego de um caderno de laboratório.
Neste caderno, todas as atividades pertinentes deverão ser anotadas, seguindo o
esquema cronológico da Disciplina. Este caderno poderá ser utilizado como fonte de
consulta individual durante as avaliações, e será ele próprio um dos instrumentos que
permitirá a verificação do desempenho do aluno.
Objetivos
Materiais e Métodos
Uma vez que se tenha definido o que se deseja com dado experimento, deve-se traçar
um plano de atividades que permita alcançar os objetivos previamente estabelecidos.
Podem compor este item a teoria necessária para a realização do experimento, os
Resultados Experimentais
Nesta etapa devem ser apresentados os resultados das medições realizadas durante todo
o transcorrer do experimento. Não se deve apagar ou descartar dados suspeitos de
estarem incorretos; isto pode resultar em dificuldades para a realização de análises
posteriores. Não esqueça que muitos resultados importantes nas mais diversas áreas do
conhecimento humano surgiram de “erros” em experimentos!
Duas importantes ferramentas que podem ser empregadas aqui são as tabelas e gráficos.
Estes são tão importantes que serão discutidos em detalhes mais adiante.
Discussões e Conclusões
Finalmente, tudo que você realizou no experimento deve agora ser considerado. A
interpretação dos dados aponta para alguma característica ou lei? O que se pode
aprender do que foi experimentado? Evite conclusões e discussões que nada somam
como por exemplo “a teoria se verifica na prática” ou “o experimento foi válido”!
Você deve ser capaz de não apenas aprender com sua prática, mas também possibilitar
as outras pessoas compreender o que foi feito, concordar ou discordar das conclusões e
seguir seus passos para refazer o mesmo experimento, eventualmente com uma nova
abordagem ou metodologia.
Tabelas
Tabela 1 - Espessura de uma moeda de um real, medida com um paquímetro com resolução de 0.02 mm.
Outros formatos de tabela com os mesmos dados podem ser utilizados, dependendo do
espaço disponível para apresentação ou a finalidade a que se destina.
Tabela 2: Espessura de uma moeda de um real, medida com um paquímetro com resolução de 0.02 mm.
Medida no. 1 2 3 4 5 6 7 8
Espessura (mm) 1.82 1.84 1.86 1.84 1.88 1.82 1.82 1.80
1.80 1
1.82 3
1.84 2
1.86 1
1.88 1
Total 8
Erros sistemáticos são aqueles gerados por fontes identificáveis e, portanto podem ser
eliminados ou compensados. Os erros sistemáticos numa medida experimental podem
ser resultantes de uma limitação imposta pelos equipamentos usados, de variações de
parâmetros externos que influenciam a grandeza que está sendo medida, bem como da
metodologia empregada pelo operador e de aproximações e simplificações realizadas
para por em prática o experimento. Portanto, o erro sistemático é sempre o mesmo nos n
resultados, ou seja, os resultados são todos desviados para a mesma direção com relação
ao valor real.
Como exemplo, erros sistemáticos podem ser introduzidos em uma medida: pelo uso de
um equipamento descalibrado ou defeituoso (termômetro, cronômetro, paquímetro,
multímetro...), pela variação da temperatura ambiente que afeta uma medida
espectroscópica, pelo posicionamento angular do observador ao visualizar a escala do
equipamento (erro de paralaxe), ou ainda desconsiderando a resistência do ar na medida
da aceleração da gravidade baseada no tempo de queda de um corpo.
Erros aleatórios podem ser introduzidos por flutuações nas condições ambientais:
mudanças não previsíveis na temperatura, voltagem da linha, correntes de ar, vibrações.
Por exemplo, por correntes de ar ou vibrações numa medida de massa usando uma
balança, causadas por passagem de pessoas perto do aparato experimental ou veículos
nas vizinhanças.
Os erros aleatórios podem ser minimizados reduzindo os fatores aleatórios que
interferem no processo de medição. Outra solução para reduzir estes erros consiste na
repetição do experimento, sob as mesmas condições, várias vezes seguida de um
tratamento estatístico dos resultados.
Existem também os erros grosseiros causados por enganos e que, portanto, não podem
ser considerados erros do ponto de vista da teoria de erros. Não é admissível apresentar
resultados que contenham erros grosseiros. Quando houver suspeita da ocorrência de
um erro grosseiro em uma medida esta deve ser repetida, se possível, ou eliminada do
conjunto de dados.
O valor médio é diferente do valor verdadeiro porém a incerteza associada com o valor
médio é menor que a incerteza para cada um dos valores yi.
Para uma série de medidas a dispersão, que indica quanto os resultados se espalham em
relação ao valor médio por causa dos erros aleatórios, pode ser calculada a partir do
desvio médio quadrático ou desvio padrão obtido a partir dos resultados experimentais.
di = yi − y (2)
1 N
σ≅ ∑ ( yi − y )2 (3)
N − 1 i =1
Ou ainda:
1 N 2 N
σ≅ ∑
N − 1 i =1
yi −
N −1
y2 (4)
σm ≅
1 k
∑
k j =1
( y j − ymv )
2
(5)
σ
σm = (6)
N
Esta estimativa leva em conta a dispersão causada pelos erros estatísticos, contudo,
ainda restam os eventuais erros sistemáticos que devem ser determinados para que o
resultado possa ser corrigido.
O desvio associado aos erros sistemáticos é bem mais difícil de ser avaliado e não existe
nenhum método padrão bem estabelecido para fazer isto. Portanto neste caso o bom
senso do operador é fundamental uma vez que, por mais bem elaborada que seja a
experiência, sempre haverá um erro sistemático residual. Geralmente o limite de erro Lr
é estimado verificando o manual fornecido pelo fabricante dos equipamentos
empregados. Uma relação que pode ser usada para estimar o erro sistemático residual é
apresentada a seguir:
Lr
σr ≅ (7)
2
Esta relação pode ser empregada no caso de uma distribuição gaussiana de erros e um
limite de erro com aproximadamente 95% de confiança.
σ p2 = σ m2 + σ r2 (8)
y = y ±σ p (9)
Quando não existem informações suficientes dos equipamentos o limite de erro Lr pode
ser estimado como sendo a menor divisão ou menor leitura fornecida pelo instrumento.
Por exemplo, se uma régua é usada como instrumento de medida o erro estimado com
base na menor divisão da régua será 1 mm.
Exercício 1: A distância focal de uma lente foi medida N=10 vezes usando uma régua
milimetrada. Foram obtidos os seguintes valores em mm: 204,1; 205,3; 208,0; 207,5;
206,3; 205,5; 207,2; 204,8; 208,2; 207,1
régua
nônio
a) b)
Algarismo significativo em um número pode ser entendido como sendo aquele que
sozinho tem algum significado quando o número é escrito na forma decimal. Portanto,
os zeros a esquerda do primeiro número diferente de zero são algarismos não
significativos.
O número de casas decimais que devem ser apresentadas num resultado experimental é
determinado pela incerteza padrão neste resultado. Não existe uma regra bem definida
para estabelecer o número de dígitos da incerteza padrão, porém podem ser adotadas
algumas regras:
• A incerteza padrão deve ser dada com 2 algarismos quando o primeiro algarismo
na incerteza for 1 ou 2.
Exemplos: Se o valor calculado da incerteza padrão for 0,132 m, a forma mais adequada
para indicar esta incerteza será 0,13 m ou 13 cm. Se por outro lado a incerteza calculada
for 3,49 cm, ela pode ser indicada como 3,5 cm ou 3 cm. Porém, usando a regra, uma
incerteza calculada levemente diferente da anterior, 3,51 cm por exemplo, pode ser
escrita como 3,5 cm ou 4 cm. Assim, os valores próximos, 3,49 e 3,51, seriam
arredondados para 3 ou 4 que são valores bem diferentes. Este problema desaparece se a
incerteza é indicada com 2 algarismos significativos. Uma incerteza de 800 m deve ser
escrita com notação científica como 8,0 x 102 m ou 8 x 102 m e a incerteza calculada de
0,09623 cm, como 0,096 cm ou 0,10 cm.
Não se deve usar mais do que dois algarismos significativos para expressar a incerteza,
uma vez que é muito difícil de se obter a incerteza com tal precisão.
2.6 - Arredondamentos
• Se após o algarismo X tem-se um conjunto ABC entre 000 e 499, este conjunto
deve ser simplesmente eliminado (é o arredondamento para baixo).
• Se após o algarismo X tem-se um conjunto ABC entre 500 e 999, este conjunto
deve ser eliminado e o algarismo X deve ter o seu valor aumentado de 1 (é o
arredondamento para cima).
• No caso X500000..., o arredondamento deve ser tal que o algarismo X seja par
depois do arredondamento.
2,42 2,4
3,789 3,79
4,4499 4,4
5,4500 5,4
5,5500 5,6
Data:______________________
Equipe:_____________________________________________________________
Objetivos:
Materiais e Métodos:
Resultados experimentais:
Os resultados das medições para cada uma das dimensões do corpo de prova estão
apresentados na tabela 1.
Tabela 5 - Dimensões do corpo de prova empregados, medidos com paquímetro de resolução de ..... mm.
10
Discussões e Conclusões:
w ±σw (10)
As relações que permitem calcular a incerteza propagada para alguns casos comuns são
mostradas a seguir.
w = x ± y ± z ± ... (11)
A incerteza propagada é calculada como:
σ w = σ x2 + σ y2 + σ z2 + ... (12)
Onde σ x ,σ y ,e σ z são as incertezas padrão associadas com cada uma das grandezas
medidas diretamente.
w = ax + b (13)
σ w = aσ x (14)
x
w = xy ou w = (15)
y
2
σ σ
2
σ w = w x + y (16)
x y
w = x p yq (17)
2 2
σx σy
σw = w p + q
(18)
x y
Nota: Todas as expressões apresentadas aqui podem ser encontradas a partir da equação geral
2 2 2
∂w ∂w ∂w
σ w2 = σ x2 + σ y2 + σ z2 + K
∂x ∂y ∂z
Existem algumas regras gerais para efetuar a leitura de instrumentos de medição e fazer
as estimativas das incertezas correspondentes. Alguns exemplos serão discutidos a
seguir.
Como regra geral, quando é realizada uma medida com um determinado instrumento de
medição, o valor medido deve ser representado com todos os dígitos que o instrumento
permite ler diretamente, mais um dígito que deve ser estimado pelo observador. O ideal
é medir várias vezes a grandeza calcular a média e o desvio padrão para determinar a
incerteza estatística. Entretanto, quando somente uma medida é realizada, existe a
possibilidade de estimar a incerteza estatística a partir do limite do erro estatístico.
Le = 3σ e (19)
Podemos citar como exemplo uma medida realizada com uma régua graduada em
milímetros. O valor medido deve incluir a fração de milímetro que pode ser estimada
pelo observador. Considere a leitura indicada na régua da figura 8.
Le
σe = ≈ 0,1 mm (20)
3
Lr
σr = ≅ 0,5 mm (21)
2
σ p = σ e2 + σ r2 ≅ 0,5 mm (22)
Le
σe = ≤ 0,013 mm (24)
3
Lr
σr = ≅ 0,05 mm (25)
2
σ p = σ e2 + σ r2 ≅ 0,05 mm (26)
Pode-se admitir o limite de erro estatístico como sendo de 0,5 s e o desvio padrão:
Le
σe = = 0,17 s (27)
3
Este caso é um exemplo aonde a incerteza estatística é bem maior que a incerteza de
calibração do instrumento.
2 2 2
σ σ σ
V = x . y. z , σ V = V x + y + z , V = V ± σV
x y z
2 2
σ L 2σ T
σg = g +
L T
Capítulo 4 - Gráficos
A apresentação de resultados de experiências e medições em formato gráfico pode ser
considerada um capítulo em separado na física experimental, tamanha a diversidade de
opções e a quantidade de dados que podem ser extraídos deles. No entanto, algumas
normas gerais devem ser observadas logo de início para que se possa tirar o máximo
proveito dos gráficos.
Deve-se tomar o cuidado para dar um nome a cada gráfico, com uma legenda para
facilitar sua compreensão. Esta legenda é normalmente apresentada na parte inferior do
gráfico.
Os gráficos devem conter nos seus eixos o nome da grandeza que está sendo mostrada e
sua respectiva unidade. Os números que vão indicar a escala de valores da grandeza sob
consideração devem ser de tamanho adequado, sem um número excessivo de casas
decimais. Eventualmente pode-se indicar a existência de um fator multiplicador comum
a todos os valores na própria legenda do eixo. Para a marcação de cada dado deve ser
escolhido um símbolo de tamanho adequado, sobre o qual também devem ser
apresentadas as respectivas barras de erro de cada medida (tenha em mente que
nenhuma medição é isenta de erro!). Se aos dados experimentais for ajustada uma curva
que siga uma lei física ou apenas uma linha para facilitar a visualização, isto deve ser
claramente dito (use legendas para identificar cada caso). Também se deve tomar o
devido cuidado para que os pontos experimentais do gráfico não fiquem acumulados em
apenas uma região; todo o espaço disponível deve ser utilizado, o que facilita não só a
interpretação como a obtenção de valores.
A seguir são mostrados alguns gráficos, indicando o que deve ser buscado para uma boa
diagramação.
30
(b)
30
(a) 25
25
20
20
15
espaço
15
10
10
5
5
0
0
0 5 10 15 20 25 30
0 2 4 6 8 10 tempo
(c) 25 (d)
30
pontos experimentais
ajuste linear
25 20
deslocamento (m) x(t) = -2.70 m + 2.71 t
20
deslocamento (m)
15
15
10
10
5 5
0 0
-5
-4 -2 0 2 4 6 8 10 12 0 2 4 6 8 10
Figura 10 - Deslocamento em função do tempo para um móvel em MRU: (a) símbolos muito pequenos,
sem legendas, sem barras de erros; (b) grandezas sem unidade, má ocupação do espaço, sem barras de
erros; (c) má ocupação do espaço, linha irregular conectando os pontos; (d) diagramação adequada.
y = f ( x, a, b,...) (28)
Quando a relação analítica entre x e y é linear, uma reta é ajustada ao conjunto de dados
experimentais e a regressão é dita linear. Neste caso a expressão analítica que relaciona
x com y é:
y = ax + b (29)
Para efetuar o ajuste dos dados experimentais a função dada pela equação 29 é preciso
encontrar os parâmetros desta reta de maneira que ela se aproxime o máximo possível
dos pontos experimentais ( xi , yi ) .
Vamos discutir dois métodos que podem ser empregados para resolver este problema:
O método da “mão livre” utiliza o bom senso do observador já que ele mesmo terá que
ajustar a melhor reta a partir da observação visual do conjunto de pontos ( xi , yi ) .
Utilizando uma régua transparente posicionada sobre o gráfico contendo todos os
pontos experimentais, o observador pode escolher a reta que passa pelo meio da
distribuição dos pontos. Este procedimento tenta garantir que a distância entre a reta e
os pontos experimentais seja minimizada. Obviamente o método fornece resultados
aproximados uma vez que a escolha da melhor reta é subjetiva e depende muito da
prática e bom senso do observador.
Uma vez ajustada a melhor reta aos dados experimentais, pode-se determinar os valores
das constantes a e b que correspondem aos coeficientes angular e linear da reta,
respectivamente.
a=
( yi − ys )
(xi − xs ) (30)
b = yc
(20,210)
yi 210
180
DESLOCAMENTO (m)
(210-60)=150
150
120
90
ys 60
(5,60) (20-5)=15
30
yc
0
0 5 10 15 20
xs TEMPO (s) xi
COEF. ANGULAR: a=150/15=10 m/s
Figura 11 - Reta ajustada aos pontos experimentais do deslocamento em função do tempo para um móvel
em MRU.
Exercício 5: Foram efetuadas as medidas das alturas de várias crianças com idades
diferentes e os dados obtidos são apresentados na tabela abaixo. Estime o erro
estatístico para a medida de altura realizada usando uma escala milimetrada. Suponha
insignificante o erro na idade em meses (as crianças são medidas exatamente no dia em
que fazem o aniversário mensal). Encontre a melhor reta que se ajusta aos dados
experimentais e a expressão obtida de correlação entre idade e altura.
Idade 18 19 20 21 22 23 24 25 26 27 28 29
(meses)
Altura 76,1 77 78,1 78,2 78,8 79,7 79,9 81,1 81,2 81,8 82,8 83,5
(cm)
Faça um gráfico das alturas (eixo y) contra as idades (eixo x). Ajuste uma reta usando o
método da “mão livre” e a partir do gráfico encontre os coeficientes linear e angular da
reta. Expresse os resultados encontrados na forma da equação de uma reta.
L 4π 2
T = 2π ⇒ T2 = L (31)
g g
Esta é a equação de uma reta y = ax + b , onde y=T2 e x=L, com coeficiente linear b=0
e coeficiente angular a = 4π
2
.
g
Neste experimento, medir uma única vez o período do pêndulo para pequenas
oscilações e diferentes comprimentos. Encontrar a aceleração da gravidade usando
método de ajuste a “mão livre”. Cuidado: gráfico de T2 x L para resultar uma reta (este
processo chama-se linearização). Neste ponto ainda não iremos analisar os erros
envolvidos nas medidas nem o erro propagado para a aceleração da gravidade obtida.
Isto será objeto de análise na secção 4.4.
O método dos mínimos quadrados pode ser deduzido para medições feitas em condições
de repetitividade (N medições feitas sob as mesmas condições) ou em condições de
reprodutibilidade (N medições feitas sob condições diferentes).
60
50
40
f(x)
30
20
10
0
0 2 4 6 8 10
x
60
50
40
f(x)
30
20
10
0
0 2 4 6 8 10
x
Sendo assim, o método dos mínimos quadrados permite ajustar retas a pontos
experimentais em diferentes condições: pontos com incertezas arbitrárias para as
grandezas x e y, pontos com incertezas iguais para as grandezas x e y, e reta passando
pela origem. Neste método as equações que fornecem os valores das constantes de
ajuste a e b em cada situação são deduzidas usando conceitos matemáticos. Em suma o
N N N
N ∑ xi yi − ∑ xi ∑ yi
a = i=1 i=1 i=1
2
(32)
N
2
N
N ∑ xi − ∑ xi
i=1 i =1
N
σa = σ 2
(33)
N N
N ∑ xi2 − ∑ xi
i =1 i =1
N N 2 N N
∑ yi ∑ xi − ∑ xi yi ∑ xi
b = i =1 i =1 i =1 i =1
2
(34)
N
2 N
N ∑ xi − ∑ xi
i =1 i =1
N 2
∑ xi
σb = σ i=1 (35)
2
N
2
N
N ∑ xi − ∑ xi
i=1 i=1
Ajuste de reta passando pela origem a pontos experimentais com incertezas iguais
No caso particular de uma reta passando pela origem as expressões acima são
simplificadas e temos:
N
∑ xi yi
a = i=N1 (36)
∑ xi2
i=1
σ
σa = (37)
N 2
∑ xi
i =1
Coeficiente de correlação
Para avaliar o quanto os valores observados estão próximos da reta ajustada pelo
método dos mínimos quadrados é usado o coeficiente de correlação linear R (coeficiente
de Pearson).
− 1 ≤ R ≤ +1 (38)
p q
Da equação 17, w = x y , com q = 0, p = 2 e x = T, ⇒ w = T2
e da equação 18:
2 2 2
σ σ σT
σ w = w p x + q y ⇒ σT 2 = T 2 2 = 2Tσ T (40)
x y T
Note que o erro propagado para os valores de período ao quadrado não são iguais. No
entanto iremos supô-los como aproximadamente iguais, o que vai nos permitir a
utilização das equações do método dos mínimos quadrados para incertezas iguais, que
são mais simples. Usar o maior σ T 2 para que o erro seja superestimado.
N
∑ xi yi σa =
σ
a = i =N1 N 2
∑ xi
∑ xi2
i =1
i =1
xi = Li
yi = Ti 2
σ = σT 2
Tendo sido calculado o coeficiente angular a da melhor reta e seu erro σa podemos
obter o g e seu erro σg:
L 4π 2
T = 2π ⇒ T2 = L
g g
4π 2 4π 2
coef .ang . = a = ⇒ g= = 4π 2 a −1
g a
σ w = a' σ x σ g = 4π 2σ a −1
2 2 2
e da equação: σ σy ⇒
σ a −1 = a −1 − 1
σa σ
σ w = w p x + q
= 2a
x y a a
σa gσ a
Finalmente: σ g = 4π 2 2
=
a a
As colunas A(X), B(Y), C(Y), ... no Worksheet Data1, servem para a inserção dos
dados coletados. Para o pêndulo simples, a relação entre o período e o seu comprimento
é dada pela expressão (31). Embora não seja necessária a linearização dos gráficos
quando se faz o tratamento dos gráficos com auxílio do computador, optaremos pela
linearização para possibilitar a comparação com os resultados do experimento 5 (item
4.4).
L 4π 2
T = 2π ⇒ T2 = L
g g
Esta é a equação de uma reta y = ax + b , onde y=T2 e x=L, com coeficiente linear b=0
e coeficiente angular a = 4π
2
. Assim, devemos inserir na coluna A(X) os dados
g
referentes aos valores de L, na coluna B(Y) os dados referentes aos valores de T, e na
coluna C(Y) ainda inexistente os dados referentes a T2. O ajuste de uma reta aos dados
experimentais no gráfico de L (no eixo X) contra T2 (no eixo Y) permitirá encontrar a
2
aceleração da gravidade g a partir do coeficiente angular pela expressão g = 4π a .
Tabela 7 - Dados obtidos para período do pêndulo em função do comprimento do mesmo, e valores de
período elevado ao quadrado.
Posicione o cursor do mouse na célula A(1) e clique sobre a mesma com o botão
esquerdo do mouse (todos os cliques são com o botão esquerdo, a menos que se
especifique o contrário), insira o dado correspondente. Adote o mesmo procedimento
para inserir os dados nas outras células. Após a introdução dos dados de L e T nas
colunas A(X) e B(Y) respectivamente, a tela deve se apresentar como a da figura 15.
Note que o separador decimal que deve ser empregado (vírgula ou ponto) depende da
configuração do computador.
Salve o projeto em algum local, clicando em File → Save Project As. A tela abaixo
deve aparecer:
É possível definir a pasta (pré-existente) onde o projeto será salvo (por exemplo,
Salvar: Apostila), bem com um nome para o projeto (por exemplo, Nome do arquivo:
PenduloSimples). A tela deve aparecer como na figura 17.
Figura 17 - Tela de salvamento de dados do programa OriginTM devidamente preenchida e com o local de
salvamento definido.
Após pressionar a tecla Salvar, o programa deve retornar a tela como a da figura 18.
Note que ainda precisamos inserir os dados de T2, e para isto é necessária a inclusão de
mais uma coluna no Worksheet. Clique em Column → Add new Columns, defina o
número de novas colunas necessárias (no caso 1) e pressione OK. O programa retorna
uma tela como na figura 19 . Não esqueça de salvar o seu projeto regularmente para
evitar perda de dados.
Agora você pode inserir manualmente os dados de T2 na coluna C(Y), ou então realizar
esta tarefa automaticamente. A segunda opção é mais rápida quando se tem um grande
número de dados. Posicione o cursor na primeira célula da coluna C(Y), no caso C(1), e
clique ali. Clique com o mouse em Colum → Set Column Values, e a tela deve se
apresentar como na figura 20.
Digite no espaço em azul a expressão matemática que deve ser efetuada, ou seja, elevar
a coluna B(Y) ao quadrado (col(B)^2), e indique a quais células a expressão deve ser
aplicada, ou seja, For row [i] 1 to 6. A tela deve estar como na figura 21.
Figura 21 - Preenchimento da tela que permite inserir dados automaticamente numa coluna.
Após pressionar OK, a coluna C(Y) estará preenchida com os valores de T2.
Quando um Worksheet começa a apresentar muitas colunas com dados, é possível criar
uma descrição adicional (um rótulo ou label) para identificá-las. Para isto, clique com o
botão direito sobre a célula A(X) para selecionar esta coluna, clique em Properties e no
espaço Column Label digite um nome para esta coluna (por exemplo, L (mm)). A tela
deve estar como na figura 22.
Pressione OK e nomeie da mesma forma as colunas B(Y) e C(Y). Após isto, a tela deve
estar como na figura 23.
Figura 23 - Tela da planilha de dados com o nome escolhido para cada coluna.
Nomeie a coluna como, por exemplo, Er(L) para indicar o Erro de L, e introduza os
valores estimados de σL (0,5 mm).
No entanto, a incerteza não será a mesma para todos os valores de T2, devendo ser
calculada individualmente para cada valor específico de T (equação 40). Introduza uma
nova coluna E(Y), associe-a ao erro de Y (Set As, YError) e atribua um nome
(Properties, Column Label) como por exemplo Er(T^2). A tela deve estar como na
figura 25.
Para calcular os erros associados a cada valor de T2, posicione o cursor na primeira
célula da coluna E(yEr±) e clique ali. Clique com o mouse em Colum → Set Column
Values e digite a expressão para cálculo de cada erro, conforme a equação 40:
2*col(B)*0.17
Para plotar o gráfico, clique em Plot → Scatter, e selecione as colunas adequadas para
formar o gráfico, conforme a figura 27.
Clique em OK e o gráfico deve aparecer como na figura 28. No caso, o erro associado
ao eixo X é menor que o tamanho dos símbolos, e não aparece no gráfico.
Clicando duas vezes sobre a legenda de cada eixo (X Axis Title e Y Axis Title), é
possível atribuir a legenda adequada, respectivamente L (mm) e T2 (s2).
Para ajustar uma reta, clique sobre Tools → Linear Fit (ver figura 29) marque a opção
“Through Zero” uma vez que para este problema a reta deve passar pela origem,
desmarque a opção “Use Reduced Chi^2” para que o erro não seja subestimado,
marque a opção “Error as Weight” para indicar que as barras de erro devem ser
consideradas no ajuste, e clique sobre “Fit” (ver figura 30)
OBS. IMPORTANTE: A opção Analysis → Fit Linear não obriga a passagem da reta
pela origem, o que nesse caso poderia resultar num erro maior e não corresponde à
realidade do problema.
4π 2 4.(3,14159) 2 mm
g= = = 9607,792067 2
B 0,004109 s
e da equação 14:
σ w = a σ x ⇒ σ g = 4π 2σ B −1 (41)
p q
Da equação 17, w = x y , com q = 0, p = -1 e x = B, ⇒ w = B-1
e da equação 18:
2 2 2
σ σ σB −1 σ B σ
σ w = w p x + q y ⇒ σB = B
−1
−1
−1 = B = B2 (42)
x y B B B
Substituindo a equação (42) na equação (41) temos o erro propagado para σg:
σB 5,22094 x10 −4
σ g = 4π 2 2
= 4π 2 2
= 1220,776489 mm / s 2 (43)
B 0,004109
Como esta incerteza é maior do que 99, vamos mudar as unidades para expressá-la
corretamente (com dois algarismos significativos):
m
σ g = 1,2
s2
m
g = (9,6 ± 1,2 )
s2
Deve ser notado que a incerteza relativa aqui é razoavelmente elevada, sendo igual a
σg
ε = 100 % ≅ 12% . (44)
g
Capítulo 5 - Histogramas
O histograma ou gráfico de barras é um tipo de gráfico particularmente útil quando se
deseja mostrar os resultados de um grande número de medições da mesma grandeza,
que devido a erros de medição, apresenta uma grande flutuação estatística, ou então
quando se deseja conhecer a flutuação estatística de uma certa grandeza em torno de seu
valor médio. Num histograma não são mostrados individualmente os pontos medidos,
mas sim se mostra a frequência F(yi) com a qual um dado valor aparece, ou então a
frequência com que estes valores aparecem dentro de uma faixa de valores ∆y. A
frequência de aparição é normalmente expressa como a frequência relativa ao número
total N de eventos,
N ( yi )
F ( yi ) = (45)
N
onde N(yi) é o número de vezes que o evento i aparece. Claro que N(yi) será
proporcional ao intervalo ∆y da faixa, e esta deve ser escolhida de modo a resultar em
um gráfico compreensível.
Como exemplo, imagine que a medição da distância focal y de uma lente convergente
resultou nos valores constantes da tabela 6, ordenados segundo a ordem crescente dos N
= 60 valores medidos.
204 206 208 210 211 218 219 222 222 223
227 229 230 232 235 235 235 235 237 237
237 237 238 238 239 239 239 239 239 240
240 241 243 244 244 246 246 248 248 249
250 250 253 256 257 257 257 259 259 260
262 265 267 268 269 269 269 273 285 289
N
1 14583 mm
y=
N
∑yj =
60
= 243.05 mm ≅ 243 mm (47)
j =1
Isso permite classificar os dados numa tabela de frequências absolutas N(yi) ou relativas
F(yi)=N(yi)/N, bem como a densidade de probabilidade definida como
F ( yi )
H e ( yi ) = (49)
∆y
Tabela 9 - Tabela para construção do histograma com oito intervalos, obtida a partir dos dados da tabela
8. O símbolo “├─ “ indica intervalo fechado à esquerda; note que o valor inicial do primeiro intervalo foi
ajustado para englobar o valor mais baixo de yi.
25
20
-1
He(yi) x 10 mm
15
-3
10
0
200 220 240 260 280 300
y (mm)
Figura 31 - Histograma com oito intervalos para os valores medidos da distância focal da lente.
Comentários:
2. Tecle com o botão direito do mouse sobre o gráfico e selecione Plot Detail na
aba Spacing e ajuste para 0 % o Gap Between Bars (a separação entre as barras
verticais será ajustada para zero).
muito maior que os demais, então a distribuição de erros converge par uma distribuição
gaussiana quando o número de medições tende para o infinito. Este é o caso mais
frequente na Física Experimental.
Como o valor médio verdadeiro (e também o desvio padrão verdadeiro!) não são nunca
conhecidos, uma forma aproximada para a distribuição gaussiana é:
2
1 y − y
− i
1
G( yi ) ≅ e 2 σ (51)
σ 2π
onde
1 N ∑ ( y i − y )2
y=
N
∑ y i é o valor médio medido e σ≅ i =1
( N − 1)
é o desvio padrão
i =1
experimental.
25
y
20
∆y
-1
G(y) x 10 mm
15
σ
-3
∆S=∆Pi
10
0
200 220 240 260 280 300
y (mm)
Figura 32 - Distribuição gaussiana de probabilidades, mostrando o valor médio medido e o desvio padrão
experimental, bem como a relação entre a probabilidade e a área sob a curva.
Comentários: