Você está na página 1de 43

METROLOGIA

ERROS DE MEDIÇÃO

Fernando da Silva Osório

fernando.osorio@ifsc.edu.br
Erro de Medição
sistema de
medição mensurando

indicação  valor verdadeiro

erro de
medição
Um exemplo de erros...
• Teste de precisão de tiro de canhões:
• Canhão situado a 500 m de alvo fixo;
• Mirar apenas uma vez;
• Disparar 20 tiros sem nova chance para refazer a mira;
• Distribuição dos tiros no alvo é usada para qualificar
canhões.

•Quatro concorrentes:
A B

D C
Ea Ea
Es Es

A B

D C

Ea Ea

Es Es
Tipos de erros
Tipos de erros

• Erro sistemático: é a parcela previsível do erro.


Corresponde ao erro médio.

• Erro aleatório: é a parcela imprevisível do erro. É o


agente que faz com que medições repetidas levem a
distintas indicações.

ERRO GROSSEIRO
Precisão & Exatidão
• São parâmetros qualitativos associados ao
desempenho de um sistema.

• Um sistema com ótima precisão repete bem, com


pequena dispersão.

• Um sistema com excelente exatidão praticamente não


apresenta erros.
Caracterização e
componentes do erro de
medição
Exemplo de erro de medição
(1000,00 ± 0,01) g
E = I - VVC

1 E = 1014 - 1000

1014
E = + 14 g
1014
0g
g

Indica a mais do
que deveria!
Erros em medições repetidas
1020
1014 g

dispersão
1015 g
1017 g
(1000,00 ± 0,01)
(1000,00 ± 0,01)
(1000,00 ± 0,01)
g g g
1012 g
1015 g
111 1018 g
1010

erro médio
1014 g
1015 g
1014
1015
1017
0g 1016 g
1013 g
1016 g
1015 g

1000
Cálculo do erro sistemático

média de infinitas indicações


condições:
valor verdadeiro conhecido exatamente
Estimativa do erro sistemático

VVC
tendência
Erro sistemático, tendência e
correção
Algumas definições
• Tendência (Td)
• é uma estimativa do Erro Sistemático

• Valor Verdadeiro Convencional (VVC)


• é uma estimativa do valor verdadeiro

• Correção (C)
• é a constante que, ao ser adicionada à indicação, compensa
os erros sistemáticos
• é igual à tendência com sinal trocado
Correção dos erros
sistemáticos

Td C = -Td
Indicação corrigida
Nº I C Ic Ea
1 1014 -15 999 -1 C = -Td
2 1015 -15 1000 0
3 1017 -15 1002 2
4 1012 -15 997 -3
5 1015 -15 1000 0 C = 1000 - 1015
6 1018 -15 1003 3
7 1014 -15 999 -1 C = -15 g
8 1015 -15 1000 0
9 1016 -15 1001 1
10 1013 -15 998 -2
11 1016 -15 1001 1
12 1015 -15 1000 0
média 1015 -15 1000 0

995 1000 1005


Erro aleatório, incerteza
padrão e repetitividade
Erro aleatório e repetitividade

-5 0 5
O valor do erro aleatório é imprevisível.

A repetitividade define a faixa dentro da qual


espera-se que o erro aleatório esteja contido.
Distribuição de probabilidade
uniforme ou retangular

1.2

probabilidade 1

Probabilidade (1/6)
0.8

0.6

1/6 0.4

0.2

0
0 1 2 3 4 5 6 7
Valores
1 2 3 4 5 6
Lançamento de um dado
Distribuição de probabilidade
triangular
probabilidade (1/36)
6
4
2

1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Média de dois dados
Distribuição de probabilidade
triangular
7

6
Probabilidade (1/36)

0
0 1 2 3 4 5 6 7
Média de 2 dados
Lançamento de um dado
1.2

1
Probabilidade (1/6)

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5 6 7
Valores
Média de dois dados
7

6
P rob a b ilid ade (1/36)

0
0 1 2 3 4 5 6 7

M é di a d e 2 d a do s
Média de três dados
30
Pr o bab ilid ade (1/2 16)

25

20

15

10

0
0 1 2 3 4 5 6 7

M é di a d e 3 d a do s
Média de quatro dados
16 0

14 0
Pro bab ilid a d e (1 /12 96)

12 0

10 0

80

60

40

20

0
0 1 2 3 4 5 6 7

M é di a d e 4 d a do s
Média de seis dados
50 0 0
45 0 0
Pro ba bili dad e ( 1/ 466 56)

40 0 0
35 0 0
30 0 0
25 0 0
20 0 0
15 0 0
10 0 0
50 0
0
0 1 2 3 4 5 6 7

M é di a d e 6 d a do s
Média de oito dados
160000
Probabilidade (1/1679616)

140000
120000
100000
80000
60000
40000
20000
0
0 1 2 3 4 5 6 7
Média de 8 dados
“Teorema do sopão”

• Quanto mais ingredientes


diferentes forem
misturados à mesma
sopa, mais e mais o seu
gosto se aproximará do
gosto único, típico e
inconfundível do "sopão".
Teorema central do limite

• Quanto mais variáveis aleatórias forem combinadas,


tanto mais o comportamento da combinação se
aproximará do comportamento de uma distribuição
normal (ou gaussiana).
Curva normal
pontos de inflexão
s = desvio padrão
m = média

assíntota s s assíntota
m
Efeito do desvio padrão

s>s>s

m
Cálculo e estimativa do
desvio padrão
cálculo exato: estimativa:
(da população) (da amostra)
n

 (I
n

 (I −I) −I)
2 2
i i

s = lim i =1 s= i =1
n → n n −1

Ii i-ésima indicação
I média das "n" indicações
n número de medições repetitivas efetuadas
Incerteza padrão (u)
• medida da intensidade da componente aleatória do erro
de medição.
• corresponde à estimativa do desvio padrão da
distribuição dos erros de medição.
• u=s
• Graus de liberdade ():
• corresponde ao número de medições repetidas menos
um.
• =n-1
Área sobre a curva normal

95,45%

2s 2s
m
Estimativa da repetitividade
(para 95,45 % de probabildiade)
A repetitividade define a faixa dentro da qual,
para uma dada probabilidade, o erro aleatório é
esperado.

Para amostras infinitas: Para amostras finitas:

Re = 2 . s Re = t . u

Sendo “t” o coeficiente de Student para  = n - 1


graus de liberdade.
Coeficiente “t” de Student
 t  t  t  t
1 13.968 10 2.284 19 2.140 80 2.032
2 4.527 11 2.255 20 2.133 90 2.028
3 3.307 12 2.231 25 2.105 100 2.025
4 2.869 13 2.212 30 2.087 150 2.017
5 2.649 14 2.195 35 2.074 200 2.013
6 2.517 15 2.181 40 2.064 1000 2.003
7 2.429 16 2.169 50 2.051 10000 2.000
8 2.366 17 2.158 60 2.043 100000 2.000
9 2.320 18 2.149 70 2.036  2.000
Exemplo de estimativa da
repetitividade
1014 g 12
1015 g
1017 g
 (I i − 1015) 2

(1000,00 ± 0,01) g
1012 g u= i =1

1015 g 12 − 1
1 1018 g
u = 1,65 g
1014 g
1014
1015 g  = 12 - 1 = 11
1014
0g 1016 g
g

1013 g t = 2,255
1016 g
1015 g Re = 2,255 . 1,65
média: 1015 g Re = 3,72 g
Exemplo de estimativa da
repetitividade
-3,72 1015 +3,72

1010 1015 1020


Efeitos da média de medições
repetidas sobre o erro de
medição

• Efeito sobre os erros sistemáticos:


• Como o erro sistemático já é o erro médio,
nenhum efeito é observado.
Efeitos da média de medições
repetidas sobre o erro de
medição
• Efeitos sobre os erros aleatórios
• A média reduz a intensidade dos erros aleatórios, a
repetitividade e a incerteza padrão na seguinte proporção:

Re I uI
Re I = uI =
n n
sendo:
n o número de medições utilizadas para calcular a média
Exemplo de estimativa da
repetitividade com a influência
da média das indicações
1014 g 12
1015 g
1017 g
 (I i − 1015) 2

(1000,00 ± 0,01) g
1012 g u= i =1

1015 g 12 − 1
1 1018 g
u = 1,65 g
1014 g
1014
1015 g  = 12 - 1 = 11
1014
0g 1016 g
g

1013 g t = 2,255
1016 g
1015 g Re = 2,255 . 1,65
média: 1015 g Re = 3,72 g
Exemplo do efeito das médias
• No problema anterior, a repetitividade da
balança foi calculada:

ReI = 3,72 g
• Se várias séries de 12 medições fossem
efetuadas, as médias obtidas devem apresentar
repetitividade da ordem de:

3,72
Re I12 = = 1,07 g
12