Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatísticos
Fabricio Toscano
Prof .
Associado do
Instituto de Física
da UFRJ .
• Cada medição prática acarreta um grau de incerteza em seu resultado. ①
• Em outras palavras, a incerteza é parte integrante de todas as medidas.
Tita
medidas diretas são
• Medidas diretas : As grandezas das
determinados diretamente com um instrumento de
medida Exemplos de
. : i) o
comprimento _
uma mesa
Fabricio Toscano
Prof Associado IF UFRJ
.
-
§} h D= diâmetro do cilindro (paquímetro)
h = altura do cilindro ( régua) .
• Incertezas das Associada à variação mínima ②
medidas diretas instrumento pode detectar
que
: o
/
1 ° 2 3 → com
0,1cm = 1mm
escolhido
↳ foi mas
poderia ser um 7 ou 6 ! !!
↳ " ios
ÉÍÉ
±
]
metade da precisão do instrumento .
no caso por
ser um instrumento
Fabricio Toscano
analógico !!!
Prof Associado IF UFRJ
-
.
De Incertezas das medidas indiretos : ③
das
Se calculam
medidas diretas
com
propagação
e incertezas
suas
a
!
partir
independentes metidas de
Sejam Xp , Xz , - n
, xw grandezas
direta
forma .
determinar !
grandeza que se
quer
to nem
F- -
Êh) ± SF ) unidade
resultados concretos das medidas diretas
propagação de erros !
+
-
⇐
ftp.%11?xix---tf#nI*Isin-fjIEd!sI
Fabricio Toscano
Prof Associado IF UFRJ
-
.
Exemptv-itfj.h-Ymmed.ro ④
St [µ
M medita usando
1=(0,98+-0,01) em →
→
o
paquímetro
Sh
~ medita usando
h :( 12,0Gt 905) em →
uma
régua
✓ =
it 12=9,0515 . . .
32%7%2%7 .
E- {[ É d ↳ ) } f-
ftp.f#tY/=IgCqaoI--
É "" 12=44725 . . .
0,7542 . . .
,
(d) h)
ftp.stftffh/)lSh--l18,472s...Ho,oNtH7542nrfcao- 0,1885
e-
(d) h) ldih)
=
. -
rã
do
0,19
.
Resultado
v=(9,O5±qM)w III.toma } ⑤
'"
final →
,
?
significativas
Notar
V=(9,1±q2)cu-→ Usando
decimal
1 casa
significa
que
" "
tis
relativa da medida de V
Enceste
za
ÍÉ=4¥ as
off
,
suave
Efígie
ai
medida de "d
"
{ relativa
incerteza da
= 20,0102
" "
metida
Como
% § dizemos a
a que
imprecisa!
"
de
"
h foi
Fabricio Toscano
Prof Associado IF UFRJ
-
.
Conclusão a medida mais
precisa ④
é tem a menor incerteza
que
a
necessariamente instrumento
é
feita com o
mostra exemplo
mais
preciso como o
• cima !
Fabricio Toscano
Prof Associado IF UFRJ
-
.
números reais
xdyp ,p ,
a a
Em F
geral = @
Fcoisfuer ⑦
✓ =
Ih ✓
×
→
→
E
t
2=2
p -_ 1
yah a- I
4
fififxitrifd
↳ to d
!
Demi incertezas relativas
ftp.apxdyb
"
2¥ aaxttyp
-
¥.fi#mEFiarismisT;.EzfFYFf)
n
laxdgp-EEis.%Ea.la#dfftpYj
=
• Erros Estatísticos :
Aparecem quanto uma ⑧
grandeza
aleatoriedade
mesma é metida repetidamente A .
Todo processodemed.it
tem uma alistar:c Jade
intrínseca Assim podemos dizer que todo processaste
.
é
Exemplo : a estimativa do
tempo de
queda de um
objeto
um
prscessoales.to
Fatsrestaalestoriedstedoprocessrií
) tempo reação de intrínsecos visual de cada
pessoa
}
•
podem .
.
Dar
Histograma ; → e) Histograma de frequência
↳2)Histograma normalizado por
áreas .
de
1) Histograma frequências
posso 1 : determina máximo e
o o mínimo da
lista de valores metidos
tempo segundos
g¥emp
de queda em :
{0.52, 0.56, 0.54, 0.53, 0.53, 0.56, 0.52, 0.51, 0.51, 0.54, 0.56, 0.5, 0.53, 0.54, 0.54, 0.49, 0.56, 0.49, 0.52,
0.54, 0.5, 0.57, 0.53, 0.58, 0.58, 0.58, 0.55, 0.54, 0.53, 0.51, 0.54, 0.52, 0.52, 0.56, 0.5, 0.51, 0.53, 0.58,
0.55, 0.48, 0.56, 0.5, 0.57, 0.56, 0.52, 0.56, 0.55, 0.49, 0.52, 0.52, 0.61, 0.49, 0.51, 0.53, 0.58, 0.55, 0.56,
0.51, 0.49, 0.58, 0.57, 0.52, 0.54, 0.58, 0.55, 0.59, 0.51, 0.53, 0.54,0.52, 0.53, 0.58, 0.52, 0.58, 0.5, 0.54,
0.56, 0.54, 0.54, 0.51, 0.56, 0.56, 0.57, 0.56, 0.54, 0.53, 0.53, 0.61, 0.57, 0.56, 0.54, 0.47, 0.51, 0.57, 0.58,
0.58, 0.51, 0.5, 0.54, 0.54, 0.53, 0.57, 0.56, 0.58, 0.54, 0.55, 0.48, 0.53, 0.54, 0.56, 0.55, 0.52, 0.54, 0.56,
0.57, 0.52, 0.56, 0.51, 0.5, 0.51}
escolha razoável é N= 8
No exemplo anterior uma
cálculo
Passo
frequências pj II
3 : das -
_
bin
H
número de resultados
" r
r
nj
=
f-
no esimo .
gps
sem
unidades !
Píton 9058
+( )
qua p 0,48 952 454in 956 958 lo OÍ
fabricio Toscano
947 mina )
-
maxldl 961
prof Associado IF UFRJ
_
-_ -
.
2) Histograma normalizado por área : ④
todos vistos antes
Segue
mas
os
passos
altura de cada bin é determinada pela
agora a
"
tensidade
"
da amostra
A = tamanho do bin
→
fj Pj= =
MNÍA
fltg
A
Nbins
Ímãs ! ←
Áreonjfjtt
das
1=9024 fi A
.
E
barras
fúria
_
.
tianya.malimiteebistribvisouteprobsb.li/s
toprscesssalestririotemed.it
Had
④
Mbd meet : tos N 400 metidas medidas
µ = 800
=
A- zoo
.
40 bins
20 bins
60 bins
they) Ing)
kd
N distribuição limite
[ fake
a- são metidas -
-
woo . medidas
Normal
É desvio padrão do processo aleatório te meti tz
se as
fontes de aleatoriedade processo de medida forem
no
e
Tv com amostras finitas !
-
da amostra N
número de
µ = him F- lím E
tj a-
meditas
°
Nsa EL
N -76 N
↳
÷! r.tn#Fi- }
atenção é N -1 ! !!
Fabricio Toscano
Prof Associado IF UFRJ
-
.
Conclusão do metila te vomito
A
repetição
aleatório caracterizado
grandeza é um
processo
por uma distribuição normal de média µ, e desvio
padrão parâmetros
da Gaussiana
ssê Estes
intrínsecos
ao
processo
Tv .
E
=pÊtj → média da amostra
t-f.EE →
dpjsj;÷
Podemos usar o desvio padrão T como valor
da incerteza de cada medida individual
T para N 120
Ex : m
=
.
Intervalosdeconfiamça Ei! SÍSEEEUERS
ftp..no
④Tµãea=ÜÊ
medidas
• bins
texano
Mr -
Tv
- .
ÊI FEI .su FEI
2M
11 # [
Art 2 Tu
Área
c- -
=
! .fi?imte-
2 v
995
Notem
que
no exemplo Ê =
0,538917=0,54 µ
e Tão 0,02892462 0,03 = Tv
Assim no intervalo {Ê -
T
Etrj espera - se
,
o a
rodada 1 → ftt =
# e ,
tez ,
- . .
tan } → -
'
te ' 1
'
l
i
|
rodada
ftp.ftzr/tzz,...,tzN)-iEzldTzi
< 1
2 →
a
f '
I
IÍÍET
•
'
l
<
roíam
.
l
)
RIÍÉ"r÷÷*
normal
"
.in?E:.*iitiii
:
÷
Ãesentoçãdaresvltodofiualdopnces⑦
desmedida
tqueta-fttffseE-7%9a.ie de medida
tqudo-et-%ecussjmeutdsefnsdiiiiii.to de medida
Fabricio Toscano
Prof Associado IF UFRJ
-
.
com-ttqeexsteumesstemtco.ro ④
Situação onde ocorre erro sistemático
tr Srtrtrtsr
-
À
E- S E Its
they)
onde S =
EN ou S =
2¥ ou S =
3in ou
S= do
precisão
Ieinstrvmento
tr = valor de referência
Sr = incerteza do valor de referência
Fabricio Toscano
Prof Associado IF UFRJ
-
.
Material suplementar : ⑨
de
Desprezando resistênciaa
do sr o
tempo
queda da massa
"
m
"
é :
( m) 1,5M
Í÷f"
G. =
* e- não
↳
g- g. g.
-
tgt q# = o
oztp tf-2fjf-dqfff-qss.mg
•
=p ,
-
Fabricio Toscano
Prof Associado IF UFRJ
-
.
④
✓ =
Es ¥¥
,
a-
RÉ 1¥14 = .
µV=ÇfJ
ÉTÉ Ísso
.
III -
UERJ
④
Í
e
xa
flx ,
D=
j
=
g-
¥ 1g = 2 X =
¥
"
4-
?
= x c- 1) g- =
-
XI
2g yz
É! Ísso III. UERS