Informações Gerais Grácos

GRÁFICOS E AJUSTES DE CURVA

A análise gráca de dados experimentais é uma das principais maneiras de se discutir os resultados
encontrados durante uma prática. Os grácos têm, como objetivo, mostrar algum tipo de corres-
pondência entre duas grandezas que variam entre si e estabelecer, ou vericar, a existência de uma
lei física que as relacionem, ou seja, encontrar o comportamento de uma função matemática que
represente o modelo físico. Estes grácos podem ser feitos através de papéis milimetrados ou utili-
zando softwares como, por exemplo, o que utilizamos em nosso laboratório, SciDAvis (software livre
- download aqui ).
Em trabalhos cientícos, os grácos devem ser claros, conter título, eixos com unidades e ajus-
tes, como pode ser visto na Fig. 1, quando possuírem mais de uma curva, ou conjunto de dados,
devem possuir legenda; sempre devem ser discutidos ao longo do texto do trabalho. Os mesmos
são apropriados quando se tem um número razoável de medidas e baseiam-se numa estimativa dos
parâmetros da curva (podendo ser uma reta, exponenciais, funções polinomiais, etc) que melhor se
ajustam sobre os pontos. Desta forma todos os pontos medidos são utilizados para se obter uma
estimativa da grandeza de interesse1 .

Fig. 1: v×t para o MRUV.

Regressão Linear
Quando a relação física entre as grandezas medidas é conhecida como linear, como, por exemplo,
na Fig. 1 com v = v0 + at, podemos utilizar uma regressão linear para determinar suas grandezas
físicas. Neste caso estimamos a reta, que pode ser descrita por y = Ax + B , que melhor se aproxima
dos pontos experimentais e os valores de A e B são utilizados no restante do experimento. No caso
da Fig. 1 comparando a eq. teórica com a experimental

v = v0 + at e y = Ax + B ,

respectivamente, concluímos que v0 = (2, 2 ± 0, 2) m/s e que a = (0, 197 ± 0, 003) m/s2 .
1 Uma boa análise dos dados, em geral, não depende apenas da quantidade de pontos, mas também do range
utilizado. Normalmente, em nossas práticas, iremos trabalhar com uma média de 10 medidas. Essa quantidade de
pontos são sucientes para os objetivos das disciplinas.

1
Informações Gerais Grácos

Ajuste de curva e linearização

Existem casos, porém, em que a lei física que descreve o fenômeno não é linear. Nesses casos
podemos trabalhar com os dados de duas maneiras distintas: realizando um ajuste de curva a partir
da equação teórica ou linearizando os dados, i.e., transformando relações não lineares em lineares, e
fazendo uma regressão em seguida.
A Fig. 2 mostra dois grácos obtidos a partir dos mesmos dados: em um deles foi utilizado um
ajuste e no outro uma linearização e posteriormente uma regressão. Nos dois casos, foi analisado o
resfriamento da água. A lei associada aos dados é a lei de resfriamento de Newton que diz que a
temperatura da água irá diminuir exponencialmente, i.e.,
T = Ta + ∆T0 e−kt .

Acima T representa a temperatura do líquido em um tempo t especíco, Ta representa a temperatura

ambiente e ∆T0 representa a diferença de temperatura inicial da água e o ambiente. k é um fator de
proporcionalidade. Denindo ∆T = T − Ta a equação proposta pode ser escrita como ∆T = ∆T0 e−kt .
Se optamos por um ajuste de curva a partir dos dados obtidos, produzimos um gráco não linear,
por exemplo, de ∆T em função do tempo t e ajustamos a melhor curva do tipo y(x) = y0 + Aex/τ
através de um programa especíco (no nosso caso o SciDAvis). Em resumo, o programa vai procurar
os melhores valores de y0 , A e τ que correspondem aos pontos, ver Fig. 2 (a). Já para a opção
de linearização, temos sempre que procurar uma maneira de transformar a equação não linear em
uma linear do tipo y = Ax + B . No nosso exemplo especíco isso não é muito difícil. Veja que se
aplicamos o logaritmo neperiano em ambos os lados temos uma relação linear, a saber
ln(∆T ) = ln(∆T0 ) − kt .

A partir da regressão linear é fácil ver, agora, que A = −k e B = ln(∆T0 ) (ver exemplo logo abaixo).
A análise usada sempre será critério do experimentador, porém, para se fazer um ajuste de curva

(a) (b)

Fig. 2: Variação da temperatura, ∆T , em função do tempo, t, avaliada (a) por um ajuste de curva
e (b) por uma linearização.

é aconselhável um grande número de medidas para que a curva seja bem caracterizada.
As equações utilizadas em ajustes de curva (via regressão linear, linearização ou ajuste direto)
devem estar explicitas nos grácos e no relatório.

2
Informações Gerais Grácos

***** Exemplo *****

Sabendo que a lei do resfriamento de Newton é dada por T = Ta + ∆T0 e−kt iremos linearizá-la da
seguinte forma
∆T = ∆T0 e−kt Ð→ ln(∆T ) = ln(∆T0 e−kt ) ,
onde ∆T = T − Ta é a variação da temperatura com relação a temperatura ambiente, Ta .

ln(∆T ) = ln(∆T0 ) − kt .

Portanto, pela regressão vista no Gráco 2, dada pela equação y = Ax + B, temos B = ln ∆T0 → ∆T0 =
eB e k = −A, com A = −(5, 9 ± 0, 1) × 10−4 s−1 e B = (3, 564 ± 0, 007) u.a., logo
erro(∆T0 ) = eB ∆B
k = (5, 9 ± 0, 1) × 10−4 s−1 ,
∆T0 = (35, 3 ± 0, 2) C° .

**********

Barra de erros
Toda medida experimental tem uma incerteza associada. Nesse sentido, se x é um dado mensurável
em laboratório devemos sempre informar seu valor médio x, desvio ∆x e unidade u. Em resumo,
expressamos x como
x = (x ± ∆x) u .
Nos grácos apresentados até aqui, foram construídos utilizando apenas os dados a partir dos valores
médios de cada medida. Entretanto, toda tabela de dados medidos são similares aos apresentados na
Tab 1. Nela está representado os dados obtidos em relação às distâncias entre objeto (o) e imagem

Tab. 1: Medidas de distância entre imagem e a lente (i) e entre objeto e a lente (o).
o (± 0,5 cm) i (± 0,5 cm)
33,3 27,3
25,0 37,5
20,0 60,0
16,7 147,2
16,0 240,0

(i) em relação a uma determinada lente. A proposta é determinar a distância focal f dessa lente.
Conhecendo a equação que relaciona as três grandezas, i.e.,
1 1 1
= + ,
f i o

não é difícil analisar que basta construir um gráco de 1/i em função de 1/o e realizar um regressão
linear. Mantendo nossa notação, B seria identicado com o inverso de f e A com −1.
Mas o quê não foi dito até aqui é que a regressão linear, quando produzida apenas com os valores
médios, pode apresentar um resultado um pouco diferente dos valores obtidos considerando, além de
seus valores médios, as incertezas associadas às medidas (para detalhes ver [1, 2]). Por isso muitas
vezes, além de representarmos as medidas médias através do gráco, também apresentamos suas
barras de erros, i.e., as incertezas de cada medida. No gráco da Fig. 3 representamos as barras de
erros, i.e., deixamos explícito o erro de cada medida2 . Perceba que o erro associado a cada ponto é

3
Informações Gerais Grácos

Fig. 3: 1/i × i/o com a utilização das barras de erros. Os dados experimentais estão representados
pelos pontos pretos e as barras de erro de vermelho.

diferente devido à propagação em cada um dos casos, já que apesar de o e i apresentarem o mesmo
erro, ∆o = ∆i = 0, 5 cm, a diferença de valores médios permitem diferentes erros para 1/o e 1/i.
Em geral, ca a critério do professor a cobrança das barras de erros ou não. Entretanto vale
ressaltar que, além de produzir uma análise mais adequada dos dados, as barras de erros nos permi-
tem analisar, por exemplo, questões a respeito da precisão e exatidão de seus dados, já que a média
dos mesmos pode estar condizente com a lei esperada (e.g., uma lei linear), mas apresentar uma
incerteza muito grande com relação aos dados.

2 O erro de 1/i e 1/o é obtido a partir da propagação de erros. Neste caso especíco ∆(1/i) = ∆i/i2 e ∆(1/o) = ∆o/o2 ,
onde ∆i e ∆o são os erros apresentados na Tab. 1.

4
Referências
[1] John R. Taylor, An introduction to Error Analysis - The study of uncertainties in physical
measurements, 2ed. University Science Books, 1997.

[2] J. J. Piacentini, B. C. S. Grandi, M. P. Hofmann, F. R. R. Lima, E. Zimmermann, Introdução

ao Laboratório de Física. 5. ed. Florianópolis: Editora UFSC. 2013.