Escolar Documentos
Profissional Documentos
Cultura Documentos
Erros em Medidas Experimentais
Erros em Medidas Experimentais
1. Introdução ..................................................................................................................2
2. Erros de observação: erros sistemáticos e erros fortuitos ou acidentais ....................2
3. Precisão e rigor ..........................................................................................................3
4. Erro absoluto e erro relativo ......................................................................................3
5. Algarismos significativos ..........................................................................................4
6. Distribuição de medidas ............................................................................................5
7. Média Aritmética e erro padrão na média aritmética ................................................8
7.1 Média aritmética simples e pesada .....................................................................8
7.2 Desvio padrão e variância dos resultados de uma amostra
e da média aritmética .........................................................................................8
8. Combinação de erros ...............................................................................................10
1. Introdução
3. Precisão e rigor
Convém também distinguir os conceitos de precisão e de rigor numa medida. Diremos que uma
medição é feita com elevada precisão se os erros acidentais são pequenos (quando comparados com
o valor da grandeza medida); diremos que uma medição é feita com elevado rigor (ou exactidão) se
os erros sistemáticos são pequenos (quando comparados com o valor da grandeza medida).
O termo precisão é usado para caracterizar a reprodutibilidade dos resultados, indicando o desvio
em relação ao valor médio; exactidão é o termo que se utiliza para exprimir o afastamento do valor
médio relativamente ao verdadeiro valor da grandeza. A precisão é tanto maior quanto mais
próxima do valor médio estiver a medida; a exactidão é tanto maior quanto mais próximo do
verdadeiro valor estiver o valor médio. A precisão pode ser aumentada reduzindo os erros
acidentais; a exactidão pode ser aumentada eliminando os erros sistemáticos e minimizando os erros
acidentais.
Note-se, também, que um erro, seja ele de que tipo for, pode ser expresso de duas maneiras
diferentes: o “erro absoluto” ou o “erro relativo”.
Chamamos erro absoluto de um resultado medido ou calculado à diferença entre esse resultado e
o valor verdadeiro da grandeza. Se designarmos por x0 o referido resultado e por x o valor
verdadeiro da grandeza, o erro absoluto será:
δx = x0 − x .
Como é evidente, δx não é conhecido, uma vez que não há maneira de conhecer o verdadeiro valor,
x. Porém, como se verá, há casos em que é possível estimar um valor máximo para δx.
Chamamos erro relativo ao valor do quociente entre o erro absoluto e o valor (medido, calculado
ou verdadeiro) da grandeza:
x0 − x δx δx [1]
= ≈ .
x x x0
5. Algarismos significativos
Suponhamos o caso de um voltímetro digital que permite leituras da tensão até à milésima de
volt. Então, o voltímetro dá pouca informação sobre décimos milésimos de volt, embora dê alguma.
Se o verdadeiro valor da tensão for, por exemplo, 23.5647 V, o voltímetro indicará 23.565
(admitindo que ele está construído para fornecer o valor mais próximo da sua escala, ao que se
chama “arredondar para o valor mais próximo”)2. Se o verdadeiro valor fosse antes, por hipótese,
23.5654 V ele marcaria de novo 23.565. Em resumo, a indicação 23.565 corresponde a um valor
compreendido entre 23.5645 e 23.5655.
Esta situação é muito comum e convencionou-se que o último algarismo indica que o verdadeiro
valor está num intervalo de amplitude igual ao de uma unidade dessa ordem ± meia unidade da
ordem seguinte. Apresenta-se o resultado da medição como sendo 23.565 em que os algarismos
[1] Geralmente, como se desconhece o verdadeiro valor da grandeza medida, o erro relativo é determinado
através do quociente δx x0 , onde δx corresponde a uma estimativa do erro na medida e x0 ao valor
medido.
[2 ] Pode também acontecer que o aparelho de medida não apresente uma leitura “arredondada” para o valor
mais próximo, limitando-se a truncar o valor medido de acordo com o número de dígitos do visor.
Nesse caso, devemos considerar o erro como sendo de ± 1 unidade no último algarismo lido.
Adição e subtracção: o número de casas decimais significativas do resultado é o da parcela que tiver
menor número delas.
Ex: 4.17 + 1.6 = 5.77 mas como 1.6 tem 1 casa decimal significativa há que arredondar o resultado
para 5.8.
6. Distribuição de medidas
Sabemos já que, em virtude dos erros acidentais, se repetirmos a medição de uma mesma
grandeza física em condições supostas idênticas obtemos um conjunto de resultados diferentes. Um
processo gráfico para exprimir os diferentes resultados obtidos consiste em desenhar um
histograma.
3. Tendo por base cada um desses sub-intervalos constroem-se rectângulos cujas alturas sejam
proporcionais ao número de leituras de valor compreendido em cada sub-intervalo.
Pode, assim, traçar-se o histograma para o intervalo [99, 113]. Dividindo este intervalo em, por
exemplo, sete sub-intervalos, pode estabelecer-se a Tabela II.
Tabela I
Tabela II
f(x)
Figura 2
Podemos definir a função f(x), conhecida por função de distribuição, em que (após conveniente
norma1ização,
−∞ ∫
f ( x )dx = 1 ), f(x)dx representa a fracção das leituras que se situa no intervalo de x
a x+dx. Por outras palavras, f(x)dx é a probabi1idade de que uma única leitura se situe no intervalo
(x, x + dx).
Quando estas curvas são simétricas relativamente a uma recta paralela ao eixo das ordenadas e
que passa pelo seu máximo a média da distribuição coincide com o valor mais provável da
grandeza. A distribuição normal ou de Gauss é um exemplo de uma distribuição simétrica da mais
Suponhamos que fazemos N medições sucessivas de uma mesma grandeza física e que estas
medições foram efectuadas sem que se verificasse qualquer erro sistemático. Sejam x1, x2, ..., xN as
leituras obtidas. Em termos de probabilidades, o valor mais provável da quantidade a medir é a
média aritmética das leituras obtidas, dada por:
(x1 + x 2 + ... + x N ) ∑x i
x= = i =1
. (1)
N N
Em outros casos há que extrair o valor mais provável a partir de um conjunto de medidas mas
acontece que não se atribui igual confiança (ou peso) a todas elas. Isso não leva a desprezar as de
menor confiança pois contribuem também com informação válida sobre o verdadeiro valor. A média
pesada de um conjunto de N resultados xi, cada um com peso ωi é:
∑ω x i i
x= i =1
N
. (2)
∑ω
i =1
i
7.2 Desvio padrão e variância dos resultados de uma amostra e da média aritmética
Resta esclarecer qual o erro que se comete ao tomar a média aritmética como a melhor estimativa
do valor verdadeiro [3]. Seja x o valor verdadeiro da quantidade a medir e que evidentemente
desconhecemos. O erro absoluto δxi na leitura de ordem i é
δx i = x i − x .
Do mesmo modo, o erro δx na média aritmética será
δx = x − x .
Porém, estas duas expressões pressupõem o conhecimento do valor verdadeiro x. Um processo de
tornear esta dificuldade consiste em trabalhar em termos de desvios (ou resíduos). O desvio (ou
[3] Repare-se que quantas mais vezes se repetir uma medida tanto maior é a probabilidade de reduzir os
efeitos dos erros acidentais ao considerar a média aritmética dos valores obtidos. Porém, por mais medidas
que se façam não se consegue aumentar o número de algarismos significativos no resultado. O que obtemos
é uma garantia de que o número obtido está mais perto do verdadeiro valor da grandeza, o qual devemos de
antemão renunciar a conhecer.
N N N
∑ ( xi − x ) =
1 1 1
d =
N i =1 N
∑ i =1
xi −
N
∑x = x − x = 0.
i =1
N
1
σN =
N −1
∑d
i =1
i
2
. (3)
A variância dos resultados é o valor médio dos quadrados dos desvios. É, portanto, o quadrado do
desvio padrão dos resultados:
1 N 2
σ N2 =
N − 1 i =1
∑
di . (4)
σN σN
σN = (5) ou σ %N = x100 (6),
r
x x
respectivamente.
Desvio padrão e variância da média - A própria média é uma variável aleatória que está também
[4] Em rigor, as equações (3) e (4) designam-se por desvio padrão ajustado e variância ajustada,
respectivamente. Nas expressões do desvio padrão e da variância simples o denominador é N e não N-1
como vem nas equações (3) e (4). Prova-se, contudo, que o desvio padrão ajustado e a variância ajustada são
parâmetros mais correctos quando o número N de medidas experimentais não é muito grande.
sujeita a uma distribuição de probabilidade cuja variância, σ m2 , será tanto menor quanto maior for o
número N de determinações. Temos assim como desvio padrão da média:
σN
σm = . (7)
N
8. Combinação de erros
Z = Z (A, B, C, ...)
e seja σ A , σ B , etc. o erro padrão em A , B , etc.. Demonstra-se que o erro padrão σ Z em Z é dado
pela expressão (fórmula de propagação dos erros):
∂Z ∂Z
2 2
(σ Z ) 2
= σ A + σ B + ... (8)
∂A ∂B
Apresenta-se a seguir uma tabela que indica as expressões de Z para algumas das relações mais
comuns entre Z e A, B, etc.:
Z = A/ B = A + B
Z A B
σ Z 2σ 2σ
2 2 2
Potências Z = A n xB m =n A +m B
Z A B
A = 100 ± 3; B = 45 ± 2
Resolução:
2 2
∂Z ∂Z
(σ Z ) 2
= σA + σB
∂A ∂B
∂Z ∂Z
e como =1 e = −2
∂A ∂B
vem σ Z = 5 .
O resultado final será pois
Z = 10 ± 5 .
Este resultado presta-se a algumas considerações. Verificamos assim que, embora os valores das
quantidades A e B estejam afectados de um erro relativamente baixo (< 5%), o mesmo não acontece
para o resultado final, onde o erro padrão é quase tão elevado como o próprio valor de Z (erro
relativo 50%). Este exemplo indica que, se pretendermos que o erro padrão no resultado final não
exceda um valor prefixado temos de, utilizando a fórmula de propagação dos erros, determinar quais
os limites superiores do erro a admitir em cada uma das quantidades primárias. O processo de
medida duma (ou mais) dessas quantidades poderá ser crucial para que o erro final possa estar
dentro dos limites pretendidos.
9. Ajuste de uma recta a dados experimentais – método dos mínimos desvios quadrados
“O melhor valor de uma grandeza é aquele que torna mínima a soma dos quadrados dos desvios.”
Limitaremos o nosso estudo ao caso em que são unicamente duas as grandezas relacionadas entre si.
Contudo, os conceitos fundamentais envolvidos generalizam-se para o caso de várias grandezas.
Sejam medidos N pares de valores experimentais (também chamados “pontos experimentais”):
(xi, yi) i = 1, 2, …, N
As medidas yi podem ser realizadas de modo a que seja conhecido o desvio padrão σi associado a
cada valor yi. Quando os pares de pontos (xi, yi) são marcados num gráfico, os erros em yi são
representados sob a forma de segmentos verticais (barras de erro) centrados nos pontos
experimentais e de comprimento 2σi [5]. Nas expressões que se seguem consideraremos que todos
os yi vêm afectados do mesmo desvio padrão σi.
Admita-se que a relação entre as grandezas x e y é da forma y = kx. Se as medidas não viessem
afectadas de erro bastaria achar um par de valores (x1, y1) para se obter logo k = . Na realidade,
x1
os valores medidos têm erros e torna-se necessário melhorar a precisão aumentando a informação
disponível mediante a obtenção de mais pares (xi, yi).
∑x y i i
Determinação do parâmetro k: k = i =1
N
(9)
∑x
i =1
2
i
σ2
Desvio padrão do parâmetro k: σ k = . (10)
∑x i
2
i
Desvio padrão (σ) das medidas yi (admitindo que o desvio padrão de todos os yi é o mesmo, como
se referiu)
N
∑ (y − kxi ) .
1
σ= i
2
(11)
N i =1
[5] Na verdade, também os valores xi podem vir afectados de erros e, nesse caso, também traçaríamos barras horizontais
centrados nos mesmos pontos experimentais. Consideraremos que os erros em x são desprezáveis em face dos erros em
y.
N ∑ xi y i − ∑ xi ∑ y i
a= i i
i
2
(12)
N ∑ xi2 − ∑ xi
i i
∑ yi ∑ xi2 − ∑ xi y i ∑ xi
b= i i i .
i
2
(13)
N ∑ xi2 − ∑ xi
i i
N 2
σa = σ (14)
∆
∑x 2
i
σb = i
, (15)
∆
2
onde ∆ = N ∑ xi2 − ∑ xi
i i
∑ [ y − (ax + b )]
1
σ= i
2
. (14)
N i =1
10. Avaliação da qualidade do ajuste de uma recta aos dados experimentais – teste do
qui-quadrado
Trata-se de arranjar um número cujo valor permita estabelecer juízos padronizados sobre a
qualidade do ajustamento da recta aos dados experimentais. Esse número denomina-se “qui-
χ2 = ∑
N
[ y ( xi ) − yi ]2 , (17)
i =1 σ i2
onde y(xi) são os valores de y obtidos a partir do ajuste da recta y = ax + b aos N pares de valores
(xi, yi) e σi são os desvios padrão nos valores medidos yi.
No entanto, um dado valor de χ2, por si só, não indica se se trata de um bom ou mau ajuste. Esta
indicação é fornecida pelo qui-quadrado normalizado, χ 2n , ou seja, pelo quociente entre o χ2 e o
nº de graus de liberdade (este corresponde ao número de pares de pontos experimentais menos o
número de parâmetros de ajuste (no caso da recta, os parâmetros a e b)). Um bom ajuste
caracteriza-se por um valor de χ 2n muito próximo de 1. Quanto mais χ 2n se afaste de 1, pior será
a qualidade do ajuste.
Bibliografia
- P.R. Bevington e D.K. Robinson, Data reduction and error analysis for the physical sciences, 2ª
edição, WCB/McGraw-Hill (1992).