Escolar Documentos
Profissional Documentos
Cultura Documentos
Laboratório de Física
1. Considerações iniciais
Galileu é conhecido como o pai da Física Experimental. Este grande cientista foi o
primeiro a questionar paradigmas e verificar EXPERIMENTALMENTE sua veracidade. Assim,
Galileu conseguiu derrubar de intocáveis pedestais alguns conceitos científicos aceitos pela
sociedade científica. Eu destaco, particularmente, a experiência que derrubou a crença de que
corpos mais pesados caem primeiro.
Com este espírito, nasce uma nova ciência. Hoje, ninguém que se diga cientista pode
ser capaz de fazer ciência sem aceitar a validação da experiência. O laboratório deve ser o
elemento que elimina as falsas teorias e mostra as limitações de outras. Esta nova ciência
sofreu um enorme desenvolvimento no final do século XIX, tornando-se muito mais sofisticada,
exigindo técnicas mais apuradas de medições e análise de dados obtidos.
Para que você compreenda o que são os algarismos significativos, iremos começar com algo
bastante simples: a medição do comprimento de um palito de fósforo em miniatura. Usemos a
escala da figura 2 para apresentarmos as nossas medidas.
0 1 cm 2 cm
Figura 2: Medida do comprimento de um palito com uma régua graduada em centímetros.
Com a escala da figura 2 vamos apresentar cinco medidas possíveis para o comprimento
(L) do palito e analisá-las:
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 significativos?
Comecemos com L1: está errada porque 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 2. O primeiro algarismo duvidoso é considerado um algarismo
significativo, mas o segundo e os demais duvidosos não são significativos e por isto não devem
aparecer na leitura.
A segunda leitura, L2, está correta. Apresenta apenas um algarismo duvidoso, mas a
terceira está errada. A quarta está correta. A quinta leitura, embora apresente apenas um
algarismo duvidoso, foi feita por alguém que esteja distraído ou que precise de óculos.
0 1 cm
Com a escala da figura 3, décimos de centímetro (ou milímetros) não são mais algarismos
duvidosos. Consequentemente, centésimos de centímetros, ou décimos de milímetros (0,01 cm
= 0,1mm) são os primeiros algarismos duvidosos, e por isto passam a ser significativos e
devem ser escritos na medida. Com esta escala poderíamos dizer que o comprimento do palito
é L6 = 1,37cm, mas 1,38 também seria uma boa leitura. Temos aqui, na leitura L7 = 1,37cm,
três algarismos significativos, sendo dois corretos (1 e 3) e um duvidoso (7). Anteriormente,
na leitura L2 = 1,3cm, havia apenas dois algarismos significativos, apenas um correto
(algarismos 1) e um duvidoso (algarismo 3). Portanto, os algarismos significativos são
todos os algarismos corretos e o primeiro algarismo duvidoso.
Chamamos a sua atenção para ainda mais algumas considerações acerca dos “AS”. Zero a
direita é algarismo significativo, mas zero a esquerda não é algarismo significativo. Observe
que no exemplo abaixo todas as medidas foram escritas com três AS:
147m = 0,147km,
Em qualquer caso, o número de algarismos significativos deve ser o mesmo porque trata do
mesmo instrumento de medida. Apenas estamos mudando o modo de escrever o número. AS
não é a mesma coisa que casa decimal. Observe que a leitura 1000 litros significa um volume
entre 995L e 1005L, considerando, a priori, um erro de 5 litros, porque se a leitura é correta,
em 1000 litros, temos quatro AS, sendo o último zero um algarismo duvidoso, de maneira que a
menor divisão da escala de medidas é decalitros (10 litros), e a metade desta divisão é 5 litros.
“ Medição ( Measurement)
Precisão ( precision)
Mensurando (measurand)
Erro ( error )
= y - yv (1)
Uma vez que o valor do mensurando é uma quantidade desconhecida e desconhecível, resulta que
o erro de medição também é uma quantidade desconhecida e desconhecível, no formalismo para avaliação
de incertezas.
Incerteza ( uncertainty)
A incerteza tipo B é a incerteza avaliada por quaisquer outros métodos, que não os métodos
estatísticos clássicos. Em geral, para estimar a incerteza tipo B, os métodos empregados correspondem “a
estatística bayesiana [ 2, 14, 15 ]””.
Considerando a definição que foi dada na equação (1), você deve concordar que é
bastante razoável admitir que toda medição esteja sujeita a erro. Quanto aos erros, a maioria
dos pesquisadores aceita que, essencialmente, os erros experimentais que encontramos são:
erros sistemáticos, erros aleatórios e erros grosseiros. Falemos um pouco sobre cada erro.
Tais erros desviam sistematicamente as medidas para um valor acima ou abaixo do valor
verdadeiro, e por isto prejudicam a exatidão (acurácia) da medida. Com um pouco de esforço
e sabedoria estes erros podem ser eliminados. Veja algumas causas prováveis de erros
sistemáticos:
· devidos ao instrumento que foi utilizado: empregou-se um relógio que atrasa para se
medir intervalos de tempo;
Os erros aleatórios são flutuações que ocorrem aleatoriamente para cima ou para
baixo. Isto altera a precisão da medida porque dispersa o conjunto de dados, uma
vez que afasta ainda mais cada medida da média.
Os erros grosseiros são aqueles que ocorrem por descuidos, enganos ou ainda
por falta de habilidade do experimentador, que leva ao uso inadequado de instrumentos.
Alguns estudiosos não classificam os erros grosseiros como pertencentes ao objeto de estudo.
Caso você ainda não tenha entendido a diferença entre erro e precisão,
fundamentalmente, o erro é a diferença entre o valor obtido na medição e o valor verdadeiro, e
por isto mesmo nunca o conheceremos. A incerteza, por sua vez, pode ser avaliada
estatisticamente, e está relacionada com a qualidade da medição.
Pratiquemos a idéia estudando as medições dos lados (arestas “a” e “b”) de um lote de
10 mesas. As cinco primeiras medições foram feitas por um operário que usou uma trena
graduada em centímetros, e as últimas cinco foram feitas por outro operário, que usou uma
outra trena graduada em decímetros. Na tabela 1 apresentamos o resultado das medições.
Acostume-se com a idéia de que o último algarismo da leitura é um algarismo duvidoso devido
a imprecisão do instrumento, no caso a trena. Posteriormente falaremos mais sobre isto.
mesa 1ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 10a
a(m) 1,013 1,038 0,995 0,986 1,037 1,04 1,05 1,06 1,03 1,06
b(m) 1,950 1,974 2,023 2,044 1,996 2,02 2,07 2,04 2,07 2,09
Com a tabela 1 fica evidente que os cinco primeiros pares de medidas são mais precisos.
Isto ocorreu porque os instrumentos de medição possuem diferentes precisões. Imagine,
agora, um segundo lote de mesas, medidas com a trena graduada em milímetros, conforme a
tabela 2.
mesa 1ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 10a
a(m) 1,1112 1,1351 1,0735 1,0452 1,0333 1,0848 1,0763 0,9565 0,8835 1,1317
b(m) 1,8525 1,8729 1,991 2,2054 1,8866 1,92643 1,973 2,1151 2,125 1,8951
V = 23.10-6/°C.
Também suponha que a mesma experiência tenha sido realizada por quatro pesquisadores, A,
B, C e D, que obtiveram, respectivamente, os seguintes resultados com suas respectivas
incertezas padrão:
A = (15,04 ± 0,04).10-6/°C;
B = (23,05 ± 0,04).10-6/°C;
C = (23 ± 1).10-6/°C;
D = (15 ± 1).10-6/°C;
a) O pesquisador A garante que o valor mais provável do mensurando é 15,04.10 -6/°C, e que a
probabilidade de encontrar o valor verdadeiro no intervalo [15,00.10-6/°C; 15,08.10-6/°C] é
cerca de 68%;
b) O pesquisador B garante que o valor mais provável do mensurando é 23.10 -6/°C, e que a
probabilidade de encontrar o valor verdadeiro no intervalo [23,01.10-6/°C; 23,09.10-6/°C] é
cerca de 68%;
c) O pesquisador B garante que o valor mais provável do mensurando é 23.10 -6/°C, e que a
probabilidade de encontrar o valor verdadeiro no intervalo [22.10-6/°C; 24.10-6/°C] é cerca de
68%;
e) O pesquisador B garante que o valor mais provável do mensurando é 15.10 -6/°C, e que a
probabilidade de encontrar o valor verdadeiro no intervalo [14.10-6/°C; 16.10-6/°C] é cerca de
68%;
Por hora aceite a probabilidade 68%. Apenas adianto que este valor tem origem em
uma função desenvolvida pelo grande matemático Gauss, baseando-se em uma análise
estatística bastante elegante e complexa, que analisaremos mais adiante. Por enquanto desejo
que você aprenda a interpretar o resultado
<> ± (2);
onde <> representa o valor mais provável do mensurando, ou seja, do valor verdadeiro
V, e representa o desvio padrão da média, de modo que a probabilidade do valor
verdadeiro estar no intervalo [<> - ; <> + ] é 68%.
Voltemos aos resultados dos quatro pesquisadores. De acordo com a definição dada em
(1), seus erros foram, respectivamente:
Partindo do conceito de exatidão, ou acurácia, o melhor valor foi obtido pelo pesquisador
“C”, mas esta conclusão é utópica porque é impossível conhecer o valor verdadeiro do
coeficiente de dilatação. Do ponto de vista estatístico, o melhor resultado foi obtido pelo
observador “B” porque oferece um valor mais provável com maior precisão. De uma forma que
facilite seu entendimento, o observador “B” oferece maior segurança em seu resultado: o
intervalo no qual ele afirma que está o valor verdadeiro, com 68% de chance é muito menor.
3.1 Médias
A média aritmética, XMED, de um conjunto de N variáveis, {X1, X2... XN} é definida como
XMED = { N Xi } / N (2)
Observe que a média poderá nos fornecer o valor mais provável da grandeza, mesmo
que haja desvios aleatórios, afastando os dados da média. A média entre 5 e 7 é igual a média
entre 2 e 10. O primeiro conjunto, 5 e 7, está mais concentrado em torno da média, é mais
preciso, porém a média é 6, para os dois conjuntos.
10
Retomemos o exemplo do fabricante de veículos. Ele descobriu que a altura média dos
compradores era 1,72m, mas descobriu que há outro problema: apesar de conhecer a média,
será que há muitos compradores cujas alturas se afastam consideravelmente da média? Será
que seu veículo terá flexibilidade para atender pelo menos 80% dos compradores?
Outro caso pode ser exemplificado pelo fabricante de molas. Quando ele afirma que a
constante elástica média de um lote de molas é 1230N/m, o que ele realmente está garantindo?
Você compraria tal produto sabendo que num lote, tomado ao acaso, 70% das molas possuem
uma constante que desvia mais de 40% do valor acima? Talvez comprasse para vender como
sucata, se fosse bem baratinho.
Na equação (3), Xi representa uma grandeza qualquer, como por exemplo, a constante
elástica da “i-ésima” mola. A idéia do desvio ficará bastante clara se analisarmos o problema
das molas. Na tabela 3 apresentamos as constantes elásticas de dez molas, além do valor
médio da constante elástica, e ainda o desvio referente a cada constante.
11
k = (1203 7) N/m.
Ainda há outra questão bastante relevante: quanto realizamos uma pesquisa, igual
àquela feita pelo fabricante de molas, nós não analisamos todo o espaço amostral, ou seja, nós
não analisamos todas as molas fabricadas com aquelas mesmas características. O fabricante
produz milhares de molas a partir de um mesmo fio de aço, com o mesmo comprimento e
diâmetro. É impraticável analisar-se mola por mola. . Na verdade, escolhe-se aleatoriamente
um lote, um subconjunto do espaço amostral, e encontram-se o valor médio do lote e o desvio
da média. Então nos resta saber se o valor médio do lote pode representar o valor médio de
todo o espaço amostral, ou seja, daquelas milhares de molas, e como o desvio da amostra
(lote) relaciona-se com o desvio de todo o espaço amostral.
12
Há basicamente duas classes de problemas que estudaremos: uma ocorre quando não
existe o valor verdadeiro da grandeza, e estamos desejando encontrar o valor médio, como foi
o estudo do lote de molas, o outro ocorre quando cremos que o valor verdadeiro da grandeza
existe, e acreditamos que o valor médio seja o valor mais provável do valor verdadeiro. No
primeiro caso, quando o número de elementos a serem medidos é muito grande, não medimos
todos os elementos, mas tomamos uma amostra, com alguns elementos, e encontramos a
média da grandeza para esta amostragem. No segundo caso, quando cremos que há um valor
verdadeiro para a grandeza, também realizamos um número finito de experiências, e
pretendemos generalizar nosso resultado para todos os casos. Como os resultados obtidos para
alguns casos podem ser generalizados para todos os casos? Qual é o grau de confiabilidade
deste procedimento? É disto que passaremos a estudar de agora em diante.
Por diversas razões, que fogem ao escopo deste nosso estudo, é preferível usarmos o
quadrado do desvio, ao invés do seu módulo, como definido na equação (4), para avaliarmos a
dispersão dos dados em torno de uma média. Então para um conjunto com “N” elementos,
definimos a dispersão (²) dos dados de uma medida como
Algumas vezes a dispersão, como definida na equação (6), é conhecida como variância
amostral corrigida. A raiz quadrada da dispersão, = ( 2 ), também é usada para se
medir a dispersão dos dados em torno do valor médio.
O significado do desvio padrão e da variância ficará mais claro para você após um
pequeno estudo sobre histograma e sobre a distribuição normal (ou distribuição de Gauss).
Voltemos a história do fabricante de carros. È conveniente que ele tenha em mãos um gráfico
que informe a quantidade de compradores com alturas entre xi e xi+Δx. Para que fique mais
claro, vamos apresentar tal gráfico na figura 4.
13
M = N mi, (7)
sendo que mi também é conhecido como peso da medida xi. Falando em linguagem de físicos
e engenheiros, perceba que a média ponderada pode ser comparada com a posição do centro
de massa de um conjunto de N partículas, cada qual tendo posição x i e massa mi.
Neste caso em estudo, a média é 1,69m. Com o emprego da tabela 4, a organização dos
dados é melhor e fica mais fácil explicarmos como a média foi obtida.
14
Uma vez que nos familiarizamos com o histograma, passemos para o estudo da
distribuição normal, ou gaussiana. Imagine que ao invés de dividirmos os intervalos das
alturas de 10cm em 10cm, dividamos em milímetros. Cada retângulo da figura 4 teria sua base
reduzida para a décima parte. Imagine ainda que os intervalos tenham largura dx, então dm
será o número de pessoas com alturas no intervalo [x, x+dx]. Isto pode não fazer muito
sentido para pessoas, mas fará sentido para um conjunto de moléculas, com velocidades no
intervalo [V, V+dV], visto que temos cerca de 10²³ delas em 1m³ de ar.
onde
= (x - x0)2/2.0² , (10)
para - < x < , sendo que x0 é o valor verdadeiro e 0² é o desvio padrão.
15
pi = mi/M, (11)
é a probabilidade de se encontrar uma pessoa com altura xi entre todas as pessoas. Na tabela 5
apresentamos estas probabilidades.
i xi (m) mi pi = mi/mi
1 1,35 10 0,0294
2 1,45 30 0,0882
3 1,55 60 0,1765
4 1,65 90 0,2647
5 1,75 70 0,2059
6 1,85 50 0,1471
7 1,95 20 0,0588
8 2,05 10 0,0294
340 1
Tabela 5: Probabilidade, pi, de se encontrar uma altura xi. O número de dados é M = 340.
Observe que a soma de todas as probabilidades é um (100%).
Como já dissemos, a distribuição de Gauss, Y(x), dada na equação (9) é uma densidade
de probabilidade. Vamos explicar com mais detalhes: Y(x).dx é a área sob o gráfico de Y(x),
entre x e x+dx, e também é a probabilidade de se encontrar uma medida no intervalo
[x, x+ dx], veja a figura 6.
16
b
P(a,b) = a Y(x).dx, (12)
Vistas estas coisas, entender o significado do desvio padrão é mais fácil. Analisemos a figura 7.
Figura 7: Distribuição normal, ou gaussiana. A área total sob a curva, -∞<x<+∞, é igual a 1
(100%), pois é a probabilidade de se encontrar um valor qualquer de x neste intervalo. A área
sob a curva, no intervalo -1 a +1 é aproximadamente 0,6827 (68,27%):
17
x = xMED (13)
estamos dizendo que o valor mais provável da grandeza x é xMED, sendo que 68,27%
dos valores possíveis de x estarão contidos no intervalo [x-, x+].
A resposta a esta questão só pode ser obtida com alguns cálculos que fogem ao nosso
objetivo(2), mas a resposta é a seguinte: considere que o número de termos da nossa amostra
seja N e que desta amostra seja dado pela equação (6). Então o desvio padrão da média
corrigido será
sendo que o fator de correção depende do número de dados da amostra, e está tabelado nas
tabelas 6 e 7. Vale a pena observar que a precisão da média aumenta com N, ou seja, se o
número de dados aumentar 10 vezes, a precisão aumentará 10 vezes, visto que na equação
(11), o valor de m0 é inversamente proporcional a N.
N 2 3 4 5 10 20 N
1,84 1,32 1,20 1,14 1,06 1,03 1
N 2 3 4 5 10 20 N
14,0 4,53 3,31 2,87 2,32 2,14 2
18
Tabela 8: Densidade de oito amostras de uma determinada liga metálica. Ao lado encontramos
o valor médio da densidade, XMÉDIO, assim como o desvio padrão da média corrigido, obtido com
a equação 14 e com a tabela 6.
= (2300,0 ± 1,5)kg/m³.
19
Quando uma grandeza não é obtida diretamente a partir da leitura de instrumentos, mas é
obtida empregando-se equações, o desvio na medida de cada termo da equação irá afetar a
precisão do resultado. Exemplifiquemos com um cálculo simples: obter o volume de um cubo de
aresta x =(10,0 0,2)cm. Como o valor mais provável da aresta é x 0 = 10,0cm, o valor mais
provável do volume será
Entenda o que aconteceu: o intervalo de valores para o volume não está mais centrado no
valor médio porque
Fica então a pergunta: como encontrar o desvio padrão do volume, V, de modo que o valor
mais provável do volume seja V0 = x0³, de tal forma que haja 68% de chance de se encontrar o
volume no intervalo [V0 - V, V0 + V]? Ou ainda, para que possamos escrever V = V 0 ± V?
Para esta situação particular, novamente peço um voto de confiança, solicitando que você
ainda não se preocupe com a origem da equação (15), mas a resposta é a seguinte: o desvio
padrão do volume será obtido a partir da expressão
ou reorganizando a equação:
V / V0 3. (x/x) (16)
Deixe-me analisar o significado da equação 16. No primeiro membro temos V / V0, que é
o desvio relativo no volume, ou seja, é uma medida do desvio em termos percentuais.
Assim também, x/x é o desvio relativo no valor da aresta. Em termos percentuais,
20
V / V0 0,06
V V0 . 0,06
V 1000cm³ . 0,06
V 60cm³ ,
e finalmente
V = (1000 ± 60)cm³,
significando que o valor mais provável do volume é 1000cm³, com probabilidade de 68% de ser
encontrado no intervalo [940cm³; 1060cm³]. Compare este resultado com aqueles que
obtivemos no início do capítulo.
Observe também que o desvio padrão foi apresentado com dois algarismos significativos,
e manteremos este procedimento. Neste exemplo não houve necessidade de arredondamento
no valor mais provável da grandeza, mas caso isto ocorra, devemos ser coerentes com o desvio
padrão: é ele quem define os algarismos significativos do valor mais provável da grandeza.
Observe como o último resultado deve ser apresentado caso mudemos de unidade ou
apresentemos o resultado em notação científica:
21
de maneira que
Quanto ao desvio padrão, também conto com seu voto de confiança para acreditar que
consideraremos o desvio pode ser encontrado com a seguinte relação:
sendo que o símbolo V/x indica a derivada parcial do volume em relação a variável x.
Tecnicamente derivamos o volume como se apenas “x” fosse a variável e “y” e “z” constantes,
veja o Apêndice 2, o que é muito simples:
V/y = x.z
V/z = x.y
O que podemos concluir com a equação (23)? Que em termos percentuais, o desvio relativo
do volume será dado por uma média quadrática dos desvios relativos de cada aresta. Veja
também que ocorre algo bem interessante quando calculamos cada termo separadamente:
22
(V / V) 0,000750
V 2738,6cm³
V 2,7.10³cm³,
sendo que esta última forma considera o princípio de se escrever o desvio padrão com apenas
dois algarismos significativos. Finalmente escrevemos o volume do paralelepípedo como
V = (100,0 ± 2,7).10³cm³,
indicando que o valor mais provável do volume é 100,0.10³cm³, ou 100,0L, sendo que há 68%
de chance do valor verdadeiro encontrar-se no intervalo [97,3L; 102,7L].
Vamos generalizar o método de se obter o desvio padrão para funções com mais de uma
variáveis independentes, considerando que a distribuição dos desvios seja gaussiana (2). Bem,
na maioria dos casos que trataremos no laboratório assim será, mas estas hipóteses também
deveriam ser verificadas, contudo fugiria do propósito de um curso de graduação. Admitindo
válidas estas hipóteses, se pretendemos calcular a grandeza G, que depende das variáveis x1,
x2, ...xn,
23
ou
Vamos aplicar as equações (28) e (29) com um outro exemplo: vamos calcular o módulo
da aceleração da gravidade, “g”. Abandonando-se um corpo de uma altura “y” e medindo-se o
tempo de queda, “t”. O valor teórico de “g”, desconsiderando-se o efeito da resistência do ar,
será
g = 2y/t². (30)
Considere que
y = (2,00 0,01)cm,
t = (0,638 0,005)s.
g = 2.y1.t-2 (31)
logo,
ou
(g / g) { (y /y)² + 4. (t /t)]² (34)
24
Finalizando os cálculos
logo,
g = 0,16 m/s/s,
e finalmente
b. Também cuide para usar as unidades corretas: a unidade do desvio padrão, x, é a
mesma unidade da grandeza, x;
25
O método dos mínimos quadrados é excelente quando trabalhamos com funções do primeiro
grau. Vamos exemplificar. Suponha que desejamos encontrar a massa específica (densidade
absoluta) de um óleo e para isto, meçamos o volume (Vi) e a respectiva massa (mi) de diversas
amostras deste óleo. Considerando que a massa específica é definida pela equação (35):
= m/V, (35)
m = .V. (36)
A equação (36) faz parte do grupo das equações do primeiro grau, cuja forma geral pode
ser expressa como
a = dy/dx = tg , (38)
b = y(0). (39)
26
Com a idéia da equação (38), observamos que o coeficiente angular da equação (36) é
porque
a = dy/dx a = dm/dV
a= (40).
Xi Yi
i Vi (cm³) mi (g)
1 50,0 43,492
2 100,0 86,995
3 150,0 130,513
4 200,0 174,011
5 250,0 217,610
6 300,0 260,950
7 350,0 304,460
8 400,0 348,120
Tabela 9: Valores dos volumes e das respectivas massas de oito amostras de líquido. Cada
volume, Vi, corresponde a uma variável genérica x i, enquanto a massa, mi, corresponde à
variável dependente yi, da equação 37.
27
Xi Y(Xi) Yi ei (g)
i Vi (cm³) m(Vi) = 0,87.Vi (g) mi (g) m(Vi) -mi ( g)
1 50,0 43,500 43,492 0,008
2 100,0 87,000 86,995 0,005
3 150,0 130,500 130,513 -0,013
4 200,0 174,000 174,0111 -0,011
5 250,0 217,500 217,61 -0,110
6 300,0 261,000 260,95 0,050
7 350,0 304,500 304,46 0,040
8 400,0 348,000 348,12 -0,120
De fato, jamais saberemos o valor dos erro, como mostrado na tabela 10. Ele foi
apresentado apenas para um ensaio teórico e compreensão do conceito “erro”, que será
utilizado no desenvolvimento do método dos mínimos quadrados. Então, vamos a ele!
Considere que tenhamos um conjunto de N pares ordenados (xi, yi), como aqueles
apresentados na tabela 9. Suponha também que para cada valor xi, da variável x, exista um
valor verdadeiro da grandeza y, dado por y(xi), definido na equação (37), de modo que o erro
experimental de y é ei, veja a tabela 10, dado por
28
D(a,b) = N ( ei )²,
Como o operador derivada parcial Outra propriedade importante ocorre com a derivada
da somatória. Seja
29
Voltemos para a equação (46), com o objetivo de encontrarmos a e b tais que a soma
dos quadrados dos erros seja mínima. Do Cálculo diferencial e integral aprendemos que a
condição necessária (mas não suficiente) para que haja um mínimo local, deveremos impor que
as derivadas parciais de D(a,b), em relação a “a” e em relação a “b”, sejam nulas:
D/a = 0, (51)
D/b = 0. (52)
Aplicaremos a equação (51) na (46) para impor a condição dos mínimos quadrados:
N 2 xi.( a.xi + b – yi ) = 0
2. N ( a.xi² + b xi – xi.yi ) = 0
N ( a.xi² + b xi – xi.yi ) = 0
N ( a.xi²) + N (b xi ) – N ( xi.yi ) = 0
30
[ N ( a.xi + b –yi )² ] / b = 0
N 2.( a.xi + b – yi ) = 0
2. N ( a.xi + b – yi ) = 0
2. N ( a.xi + b – yi ) = 0
N ( a.xi) + N (b) – N ( yi ) = 0
31
(57)
Durante os cálculos, será desnecessário resolver-se a equação (57). Uma vez que for
encontrado o valor do coeficiente angular, “a”, com a equação (55), será mais fácil substituí-lo
na equação (55) para se obter “b”. Vamos exemplificar usando os dados da tabela 9. Observe
que na tabela 11 nós apresentamos as somas de modo a facilitarem os cálculos. Sugiro que
você faça o mesmo para não se perder durante as operações.
32
N (yi ) = 1566,151 g
a = 0,870150714 g/cm³
b = - 0,01491 g
Concluímos que a relaçã entre y e x, que torna mínima a soma dos quadrados dos erros
é,
Como a massa é uma função linear do volume, o coeficiente linear, b = 0,015g, decorre
dos erros experimentais. Seu valor real é zero. Considerando, entretanto, que m = .V,
equação (36), decorre que dm/dV = , e assim, se derivarmos a equação (59) em relação à
massa:
= 0,871 g/cm³.
33
Tabela 12: Cálculo da densidade média, médio, equação (2), da variância, ², equação (6), e do
desvio padrão desta amostra com N =8 elementos. amostra = (²). Observe que a soma dos
desvios é nula.
m0 = . /(N)
indicando que o valor mais provável da densidade seja 0,870049 g/cm³, e que a probabilidade
do valor verdadeiro estar compreendido na intervalo [0,869965 g/cm³; 0,870133 g/cm³] é
68%. Compare o valor acima com aquele que obtivemos empregando o método dos mínimos
quadrados.
34
a = -g j, (60)
Figura 10:Pequeno objeto abandonado da altura “h”, atinge o solo no instante t = t q (tempo de
queda).
35
hj - (g.tq²/2) j =0
hj = (g.tq²/2) j
h = (g.tq²/2) (63)
sendo “g” o coeficiente angular desta equação. O método então consiste em soltamos a
partícula de diversas alturas, hi, e anotamos o tempo de queda correspondente a cada uma
destas alturas, tqi. Em seguida, calcularemos xi = (tqi.)², como na tabela 13.
i hi tqi xi = (tqi)²/2 gi
(m) (s) (s²) m/s/s
1 0,4000 0,27791728 0,038619008 10,3575938
2 0,4500 0,30179363 0,045539697 9,8814886
3 0,5000 0,31958998 0,051068879 9,7906986
4 0,5500 0,33595026 0,056431288 9,7463662
5 0,6000 0,35682282 0,063661263 9,4248838
6 0,6500 0,36457694 0,066458173 9,7805879
7 0,7000 0,37101534 0,068826193 10,1705466
8 0,7500 0,39079742 0,076361313 9,8217274
9 0,8000 0,40743591 0,083002012 9,6383206
10 0,8500 0,41367577 0,085563820 9,9341054
g médio = 9,8546319
amostra = 0,2611212
m0 = 0,0875282
36
o resultado acima não está corretamente escrito. Ele deve ser escrito com apenas três
algarismos significativos. Assim sendo, qual é a melhor opção:
A = 11,9cm² ou A = 12,0cm²?
e devemos perguntarmo-nos se 0,9808 está mais próximo de 1,0 ou de 0,9. Neste caso é
fácil:
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Desta mesma maneira você deve proceder em todos os arredondamentos, por exemplo vamos
“arredondar” o número N = 354,37 com
a) 4 algarismos significativos: N = 354,4 pois 0,37 está mais próximo de 0,40 do que de 0,30;
b) 3 algarismos significativos: N = 354, pois 4,4 está mais próximo de 4,0 do que de 5,0;
c) 2 algarismos significativos: N = 3,5.10² pois 54 está mais próximo de 50 do que de 60;
d) 1 algarismo significativo: N = 4.10² pois 354 está mais próximo de 400 do que de 300.
Tenha cautela quando estiver próximo da metade do intervalo. Na escala de 0 a 10, o número
5,00001 passou da metade do intervalo, por isto está mais próximo de 10 do que de 0, então, se formos
escrever o número y = 125,000001 com
a) Três AS: y = 125;
b) Dois AS: y = 1,3.10².
A situação pode gerar um legítima dúvida é quando o número 5 aparece seguido de zero. Por
exemplo, se a = 3150 e se b =30 então a.b = 94500, mas respeitando o fato de b possuir apenas dois AS,
deveremos escrever a.b com apenas dois AS. Neste caso, qual será a melhor escolha, a.b =9,4.10 4 ou
a.b = 9,5.104? De que número 4500 está mais próximo, de 4000 ou de 5000? Neste caso não há
resposta, de forma que qualquer uma das poções, b =9,4.104 ou a.b = 9,5.104, é possível.
Particularmente, por questões meramente psicopatológicas, prefiro a.b = 9,4.10 4.
37
Voltemo-nos para o caso de uma função de mais de uma variável que possa ser escrita como
38
39
(5)
= { [(Xi )² ] / N } (6)
Δf = [ (f/xi).Δxi ] ². (29)
40
41
77 62 55 73 78
59 90 63 67 45
21 76 29 82 58
41 65 50 65 35
85 76 22 93 33
52 80 38 25 60
70 54 72 39 22
28 35 59 79 74
80 94 81 66 52
38 52 33 62 52
Construa um histograma
a. Determine a média das notas, <N>;
b. Determine o desvio padrão, , com dois algarismos significativos;
c. Qual a porcentagem de alunos que se encontram com nota no intervalo
[<N> - ; <N> - ].
d. Construa um histograma para as notas de 0 a 100, com intervalos de amplitude 10.
Represente no gráfico a média e o intervalo [<N> - ; [<N> - ].
42
1)
a) AC: 2, 3, 9, 4, e 6. AD: 8cm. Total: 6 AS.
b) AC: 9, 8, 5, e 3. AD: 0s. Total: 5 AS.
c) AC: 4, 5 e 8. AD: 4.Total: 4 AS.
d) AC: 3 e 4. AD: 5. Total: 3 AS.
e) AC: 8 e 9. AD: 1. Total: 3 AS.
2)
a) 345mm =3,45.10-4 km;
b) 300s = 8,33.10-2 h;
c) 456,800 cm = 4,56800.10-3 km;
d) 10h = 6,0.102 min;
e) 4589m² = 4,589.107 cm²;
f) 895ml = 8,95 10-13 km³.
3) 65,48350
a) 65,4835
b) 65,483
c) 65,48
d) 65,5
e) 66 ou 65
f) 7.101
4)
a) 345 s + 23,2s = 368s
b) 23,5m/34,2s = 0,687 m/s
c) (89,3m)³ = 7,12.105 m³
d) 67h + 22 min = 2,4.105 s
e) 12l + 0,0456m³ = 5,8.10-2 m³
5)
a) (5,0 0,5) cm no S.I.: (5,0 0,5).10-2 m
b) (5,00 0,05) cm no S.I.: (5,00 0,05).10-2 m
c) (5,000 0,005) cm no S.I.: (5,000 0,005).10-2 m
d) (0,500 0,005) dm ou (5,00 0,05) cm no S.I.: (5,00 0,05).10-2 m
6)
a) O desvio relativo das arestas e da massa:
Δx/<x> = 0,05cm/1,98cm = 0,025 = 2,5%
Δy/<y> = 0,05cm/1,96cm = 0,026 = 2,6%
Δz/<z> = 0,05cm/5,08cm = 0,0098= 0,98%
Δm/m = 0,005g/52,679g = 9,5.10-5 = 0,0095%
e) O volume da amostra:
V = (19,7 0,7)cm³
43
Isto ocorreu porque o instrumento empregado para medir a massa é muito mais preciso do que aquele
empregado para medir as arestas.
h) O desvio da amostra:
Δd = <d> . (Δd/<d>) = 0,037. 2,67 g/cm³ = 0,10 g/cm³
i) A densidade da amostra:
d = (2,67 0,10) g/cm³
Obs.: Fizemos a opção de escrever a densidade dom três AS, mantendo dois AS para o desvio, embora
também fosse aceitável escrevermos
d = (2,7 0,1) g/cm³,
e diríamos que a densidade da amostra é 2,7 g/cm³ para aqueles que não trabalham com propagação de
erros e tampouco a compreendem. Neste caso, a informação 2,7 g/cm³ é correta e fica implícito que o
algarismo 7 é duvidoso.
Obs.: Ligas metálicas podem oferecer densidades que sejam iguais à densidade de um outro metal que
não esteja presente na liga.
7)
a) A unidade do desvio padrão é igual à unidade da grandeza medida:
= { [(Xi )² ] / N }
A unidade do valor médio da grandeza, <x> é a mesma unidade de cada medida, xi, da grandeza
x. Conseqüentemente, a unidade de cada desvio, Δxi = xi – Δxi, é a mesma unidade da grandeza x.
Sendo a unidade de G² igual a unidade da grandeza G, fica justificada a afirmação:
8)
a) 55
b) 22
9)
a) K = (150 5) N/m;
b) A = (201 1) m²;
c) I = (1,8966 0,0006).10-3 kg. m²;
d) = (2,3 0,1).10-5 /°C.
44
(1) Vuolo;
(2) Otaviano A. M. Helene, Vito R. Vanin, Tratamento Estatístico de Dados em Física Experimental –
Editora Edgard Blucher, São Paulo, 1981.
45