Algarismos Significativos

Propagação de Erros ou Desvios

 L1 = 1,35 cm;
L2 = 1,3 cm;
L3 = 1,30 cm
L4 = 1,4 cm;
L5 = 1,7 cm.

• Qual destas medidas está correta? Qual apresenta algarismos com

significado?
• O instrumento de medida não garante precisão de milímetros (0,1
cm), muito menos de décimos de milímetros (0,01 cm).
• Então, 0,3 cm é um valor duvidoso, mas pode ser estimado por um
ser humano, mas 0,05 cm não pode ser estimado com a escala da
figura.
• Nesta escala, centésimos de centímetros, ou décimos de milímetros
(0,01 cm = 0,1 mm) são os primeiros algarismos duvidosos, e por
isto passam a ser significativos
• comprimento do palito é L6 = 1,34 cm, mas 1,36 também seria uma
boa leitura.
• Os algarismos significativos são todos os algarismos corretos e o
primeiro algarismo duvidoso.
• vamos assumir que se não soubermos qual é a
incerteza da medida, assumiremos como sendo igual
a metade do menor intervalo de medida do
instrumento.
• de modo que poderíamos escrever
• L4 = (1,4 ± 0,5) cm,
• e para o instrumento mais preciso:
• L7 = (1,35 ± 0,05) cm.

Zero a direita é algarismo significativo, mas

zero a esquerda não é algarismo significativo.
• Média aritmética: Se n número dados, cada número
denotado por xi, onde i = 1, ..., n, a média aritmética é a
soma dos valores xi's divididos por n, ou
n

 x  i
x  i 1

n
• Desvio médio: Se desejamos determinar a precisão de
um conjunto de dados, primeiramente devemos
entender o que é desvio da média, ΔXi, de uma medida
xi:
X i  xmed  xi
• quando calculamos a soma dos desvios da média,
obtemos o valor zero. Isto faz muito sentido porque a
média está situada em uma posição que separa o
conjunto de dados “ao meio”.

• É bastante simples: digamos que se tenha o conjunto

(2,4). A média é 3, e a medida 2 está uma unidade
abaixo da média (seu desvio é -1) enquanto que a
medida 4 está uma unidade acima da média (seu
desvio é +1). A soma dos desvios é zero (tente mostrar
que este resultado sempre é verdadeiro).
• Uma vez que a soma dos desvios é nula, a
maneira de obtermos o desvio médio é tomarmos
a média dos módulos dos desvios:
 
  X i 
X med   i 
n
• Com o média dos módulos dos desvios em mãos
poderemos expressar a grandeza X de um modo
bastante interessante:
X  X med  X med
• A variância é calculada subtraindo o valor
observado do valor médio. Essa diferença é
quanto um valor observado se distância do valor
médio. Observe o exemplo a seguir:

 2


  X med  xi 

 
2 i

N 1
2) Observe as notas de três competidores em uma prova de
manobras radicais com skates.

Competidor A: 7,0 – 5,0 – 3,0

Competidor B: 5,0 – 4,0 – 6,0

Competidor C: 4,0 – 4,0 – 7,0

Ao calcular a média das notas dos três competidores iremos

obter média cinco para todos, impossibilitando a nossa análise
sobre a regularidade dos competidores.
Partindo dessa ideia, precisamos adotar uma medida que
apresente a variação dessas notas no intuito de não
comprometer a análise.
Competidor A:  5  7  2   5  5  2   5  3  2 
 A2     2, 0
3 1
 5  5  2   5  4  2   5  6  2 
Competidor B:  B2     1, 0
3 1
Competidor C:  5  4  2   5  4  2   5  7  2 
 C2     3, 0
3 1
• O desvio padrão, S, é estatisticamente mais significativo que o
desvio médio de uma amostra.
• Para um conjunto de N dados, a variância, σ2 é definida como:

 2
   X med  xi  
2   i 
N 1
• O Desvio padrão é obtido através da Raiz quadrada da Variância.
Utilizando ainda o mesmo exemplo podemos obter o seguinte:

 2
   X med  xi  
Competidor A

  i 
√2,0 = 1,41
N 1
Competidor B
√ 1,0 = 1,0
-> Logo Podemos notar que o
competidor B possui uma melhor
Competidor C
regularidade nas notas.
√3,0 = 1,73
 Sabemos agora determinar a partir de n observações o
desvio padrão de uma medida, isto é, sabemos estimar a
partir da análise de n observações o erro que teríamos,
com uma dada probabilidade, caso houvéssemos realizado
uma única determinação.
Entretanto, tendo realizado n determinações o
melhor valor disponível é a sua média (xmed), e portanto
estaremos mais interessados em estimar o erro em xmed.
Note que, quanto maior o número
 2
de observações n, menor será o
    X med  xi   desvio padrão da média e
m    i  portanto, maior a precisão do
N N  N  1 resultado. Este é um princípio
fundamental da estatística.
Quando a medição de uma grandeza R de interesse é feita
de maneira indireta, sendo esta grandeza obtida a partir
de medidas de n grandezas primárias {a1, a2, a3, ..., ak, ...,
an}, o cálculo de R é feito a partir de uma função
conhecida das grandezas primárias.

Estas grandezas são também

denominadas grandezas de entrada,
enquanto a grandeza R é
denominada grandeza de saída.

Exemplo:
Cálculo da Densidade
Grandezas de entrada: massa e volume
Grandeza de saída: densidade
Fazendo um desenvolvimento matemático apropriado,
temos uma expressão para o cálculo da incerteza padrão
da grandeza de saída

2 2 2
 R   R   R 
     
2 2 2
R     a1    a2  ...     an
 a1   a2   an 

Esta expressão para a incerteza padrão da grandeza de

saída, também chamada de incerteza padrão
combinada, é utilizada quando as grandezas de
entrada {a1, a2, a3, ..., ak, ..., an} são medidas repetidas
vezes, gerando valores médios ak e desvios padrão das
médias  ak
Consideremos o caso em que se deseja calcular a incerteza
padrão propagada no valor de uma grandeza de saída R,
com relação funcional do tipo R = a + b.
Sendo as incertezas padrão de a e b,  a e  b
respectivamente.
 
2 2
   
 R      a      b 
R 2 R 2

 a   b 
R    a    b 
2 2

Sendo a forma final para grandeza combinada e sua

incerteza padrão combinada escrita como:

R  R  a  b     a    b 
2 2
 Referências
• Referências Bibliográficas
1. Domiciano, J. B., Juraltis K. R., “Introdução ao
laboratório de Física Experimental”, EDUEL, 2009.
2. Vuolo, J. H. – “Fundamentos da Teoria de Erros” –
Ed. Edgard Blücher , São Paulo, 1992.
3.
http://www.uel.br/cce/fisica/docentes/dari/d3_materia
l10_6ce2c61b.pdf