Escolar Documentos
Profissional Documentos
Cultura Documentos
EXPERIMENTAIS
EM ENGENHARIA
Editores:
Autores:
Monitores
2
Métodos Experimentais em Engenharia
Sumário
APRESENTAÇÃO ......................................................................................................................... 9
4
Métodos Experimentais em Engenharia
5
Métodos Experimentais em Engenharia
6
Métodos Experimentais em Engenharia
A9- Ajuste de pontos experimentais pelo Método dos Mínimos Quadrados .......... 465
8
Métodos Experimentais em Engenharia
Apresentação
A disciplina foi criada com os objetivos de: apresentar de forma geral e conceitual
os princípios de metrologia e instrumentação para a obtenção de grandezas
fundamentais da engenharia; desenvolver com os alunos os métodos
necessários para a tomada de decisão em engenharia, baseada em técnicas
estatísticas; e praticar técnicas de elaboração de relatórios técnicos
normatizados, concisos e objetivos.
9
Métodos Experimentais em Engenharia
10
Métodos Experimentais em Engenharia
11
Métodos Experimentais em Engenharia
12
Métodos Experimentais em Engenharia
Os editores
Denise Consonni
Júlio Carlos Teixeira
Kenji Nose Filho
Autores
Monitores
13
Métodos Experimentais em Engenharia
14
Métodos Experimentais em Engenharia
1.1 Introdução
Já nas primeiras disciplinas experimentais do ensino superior, os alunos que se
dedicam às Ciências e Engenharias são apresentados às limitações inerentes
às medições de grandezas físicas. Assim como a história da medição em si e
dos instrumentos a ela associados, que preocupam e ocupam a humanidade
desde os seus primórdios, e evoluem em conjunto com o desenvolvimento
tecnológico, é longa também a história da seção da metrologia dedicada à
análise dos erros e incertezas associados aos resultados das medições. Desde
a criação do sistema métrico decimal, a construção de padrões e a consolidação
do sistema internacional de unidades (SI) até os dias atuais, várias organizações
internacionais e nacionais têm se dedicado a estabelecer e unificar conceitos,
regras e nomenclaturas relativos à avaliação e expressão de incertezas de
medições, nem sempre bem traduzidos, compreendidos ou utilizados pelos
usuários interessados (VUOLO, 1999).
15
Métodos Experimentais em Engenharia
Embora não seja objetivo deste livro abordar tópicos avançados de metrologia e
instrumentação, considera-se que todos os estudantes de Engenharia devam ser
preparados para lidar com um cenário profissional em que será necessário:
utilizar, calibrar, especificar ou avaliar instrumentos de medição; projetar ou
julgar experimentos e metodologias para realizar medições; analisar dados
experimentais, estimar incertezas, fazer comparações e extrair conclusões sobre
medições; documentar de forma padronizada, consistente e objetiva, todas as
etapas de um experimento ou projeto técnico.
16
Métodos Experimentais em Engenharia
Por outro lado, deve-se ressaltar que no cenário atual dificilmente haverá espaço
para o engenheiro primordialmente experimentalista, ou seja, que projete
dispositivos ou sistemas utilizando o método da tentativa e erro, sem ter
dedicado ao trabalho analítico que deve preceder a experimentação. Os novos
campos da Engenharia exigem um profissional interdisciplinar, que combina
teoria, simulação e experimentação em várias áreas. Para otimizar recursos, o
engenheiro deverá estar constantemente confrontando resultados experimentais
com estimativas teóricas, e realizando simulações computacionais que permitam
avaliar o desempenho da peça projetada, sob diversas condições e parâmetros
de operação, antes da produção final do sistema.
17
Métodos Experimentais em Engenharia
18
Métodos Experimentais em Engenharia
Deve-se destacar que, apesar da variedade das grandezas físicas com as quais
se lida em Engenharia, praticamente todos os sistemas de aquisição,
transmissão e análise de dados dependem de dispositivos eletrônicos. Assim,
embora sejam diversas as naturezas das grandezas de interesse na Engenharia,
a área de instrumentação moderna é intensamente dependente das grandezas
elétricas, tais como tensão, corrente e resistência elétricas; e das grandezas
ópticas, tais como frequência, comprimento de onda e intensidade luminosa.
19
Métodos Experimentais em Engenharia
Fonte: https://commons.wikimedia.org/wiki/File:Mètre_étalon_(36,_rue_de_Vaugirard,_Paris).jpg
20
Métodos Experimentais em Engenharia
21
Métodos Experimentais em Engenharia
Para que o processo de medição de uma grandeza tenha sentido, deve ser feita
uma comparação com alguma quantidade conhecida. É necessário definir um
valor unitário para a grandeza física de interesse, que seja aceito
universalmente. No entanto, não basta apenas definir tal valor: é necessário que
ele seja mensurável. Tendo em vista que medir é determinar ou avaliar um valor,
por meio de instrumento ou utensílio de medição, os padrões surgiram devido à
necessidade em se confiar nas medições realizadas. Um padrão é então definido
como o valor fundamental de uma grandeza física, conforme estabelecido por
organizações nacionais ou internacionais, e que pode ser reproduzido. O padrão
era inicialmente uma referência materializada em artefato, que permitia a
comparação entre diferentes objetos. Assim, por exemplo, o padrão métrico foi
por muitos anos (1889 a 1960) uma barra com seção transversal em forma de X,
fabricada de platina-irídio, cujo protótipo primário era armazenado num
laboratório permanente e centro mundial da metrologia científica, o BIPM
(Bureau International des Poids et Mesures) (BIPM).
22
Métodos Experimentais em Engenharia
• Sistemas de unidades
Após uma longa história (CEASE, 2013) surgiu, apenas em 1960, o Sistema
Internacional de Unidades (SI), através de um acordo assinado na 11ª
Conferência Geral de Pesos e Medidas (CGPM). O SI é dividido em unidades de
base (Tabela 1.1) e unidades derivadas, obtidas a partir de combinações das
unidades de base, através de leis físicas e modelos matemáticos. Para escrever
e utilizar corretamente as unidades de medidas adotadas oficialmente no Brasil,
é importante consultar o Quadro Geral de Unidades de Medida no site do Inmetro
-Instituto Nacional de Metrologia, Qualidade e Tecnologia (INMETRO, 2013).
23
Métodos Experimentais em Engenharia
• Calibração
24
Métodos Experimentais em Engenharia
25
Métodos Experimentais em Engenharia
1
Esta relação não deve ser muito maior que 10:1, pois levaria ao usuário à falsa impressão de que o
instrumento após a calibração modificaria sua incerteza original. O processo de calibração ocorre em
condições padronizadas ambientais, como estabilidade de temperatura da ordem do grau Celsius, sendo
que em uso normal estas condições ambientais são mais variáveis. Só o fabricante, ou alguém com muita
experiência com os princípios envolvidos no processo de indicar o valor medido pelo sensor é capaz de
usar a calibração para reduzir a incerteza de medição do instrumento.
26
Métodos Experimentais em Engenharia
Fonte: http://www.inmetro.gov.br/metcientifica/estrutura.asp?
27
Métodos Experimentais em Engenharia
E = Vm − Vv (1.1)
Vm − Vv
Er = (1.2)
Vv
Vm − Vv
Er (%) = .100 (1.3)
Vv
28
Métodos Experimentais em Engenharia
Esses conceitos serão explorados com maior detalhe ao longo desse livro, mas
é importante não confundir os termos “erro” e “incerteza” e usá-los corretamente.
Quanto às unidades de cada grandeza de interesse e as devidas normas para
sua apresentação, deverá sempre ser consultada a referência mais atualizada
sobre o Sistema Internacional de Unidades (BIPM-SI).
• Algarismos significativos
29
Métodos Experimentais em Engenharia
30
Métodos Experimentais em Engenharia
Os números: 40; 7,7; 0,43; 0,087; 13; e 16.102 apresentam dois algarismos
significativos. Em especial, a notação científica de potências de dez poderá ser
muito útil para indicar medidas de forma correta e compatível com a
instrumentação utilizada. Por exemplo, matematicamente sabemos que 7,29 km
= 7290 m = 729000 cm, utilizando o procedimento de conversão de unidades.
No entanto, se a medição foi feita com um instrumento que permitiu a precisão
de 7,29 km, metrologicamente devemos indicar este valor como 7,29.10 3 m,
7,29.105 cm ou 0,729.106 cm, notações que mantêm a informação com os três
algarismos significativos em que foi originalmente realizada a medição.
• Para o algarismo duvidoso 5 deve ser utilizada alguma regra que garanta
que 50% das vezes o arredondamento seja para cima, e 50% para baixo.
Para isto, a regra a seguir é muito usada:
31
Métodos Experimentais em Engenharia
0,000054 kg
2,50000 km
5,789600.103 mm
0,0000432 cm2
32
Métodos Experimentais em Engenharia
7- Se o resultado de uma medição de massa é dado por 23,5 kg, como esse
resultado pode ser expresso em gramas, de forma metrologicamente correta?
8- Obtendo-se um resultado de medição de volume igual a 32,4 litros, como esse
resultado pode ser expresso corretamente em m3?
9- Se o valor da massa de um objeto é dado como (1,24±0,13) kg; 68%, qual é
o intervalo provável em que se situa o valor real da massa, com a
probabilidade indicada?
10- Forneça as medidas de comprimento da barra da Figura 1.4, realizadas
com duas réguas diferentes. Para cada medida, inclua um algarismo
duvidoso, de acordo com sua estimativa visual.
33
Métodos Experimentais em Engenharia
34
Métodos Experimentais em Engenharia
2.1 Introdução
“O objetivo da medição é (...) estabelecer, com base nas informações disponíveis
a partir da medição, uma probabilidade de que este valor essencialmente único
se encontre dentro de um intervalo2 de valores da grandeza medida” (INMETRO,
2008).
2
Outra forma de pensar é que buscamos um intervalo em torno do resultado declarado de medição que
abranja uma fração conhecida “p” (tipicamente p=95%) dos resultados possíveis, onde “p” é a
probabilidade de abrangência. O ISO GUM (INMETRO, 2008), na seção 6.2.2, informa que os termos
intervalo de confiança e nível de confiança não devem ser utilizados quando se referem à incerteza de
medição. São termos específicos utilizados na estatística frequentista, conceitos que não se aplicam à
incerteza conforme definida no Vocabulário Internacional de Metrologia-VIM (INMETRO, 2012), (Kyriazis,
2004).
35
Métodos Experimentais em Engenharia
3
Poucos pontos foram obtidos apenas com gasolina (o carro era flex, operando com álcool e/ou gasolina),
particularmente pontos obtidos em viagens longas. Saber exatamente qual é a característica do
combustível não é uma tarefa simples. Os valores foram obtidos a partir de dados do computador de
bordo do automóvel, verificados periodicamente por outros meios.
36
Métodos Experimentais em Engenharia
Nesse exemplo, se o que interessa é quanto será gasto por mês com
combustível, as condições padronizadas deveriam incluir variações de
velocidade e de relação de marchas, estaticamente compatíveis com a forma de
conduzir típica da população interessada no seu trajeto típico. Se o que interessa
é o consumo em função da velocidade, ou o efeito do uso do ar-condicionado no
consumo, provavelmente, a velocidade e a relação de marchas deveriam ser
mantidas constantes durante todo o ensaio.
Por outro lado, a resposta, em engenharia, deve ser entendida não como o valor
verdadeiro da grandeza, mas como a propriedade medida de alguma forma que
todos possam reproduzir e que tenda a ser a propriedade que interessa ao
projetista, com a incerteza adequada para ele. É esta resposta que define o
mensurando. Em engenharia a maioria dos mensurandos é normalizada, ou
seja, está definida em normas técnicas (no Brasil, normas da ABNT (ABNT)).
4
Grandeza de influência: Grandeza que, numa medição direta, não afeta a grandeza efetivamente
medida, mas afeta a relação entre a indicação e o resultado de medição (INMETRO, 2012).
37
Métodos Experimentais em Engenharia
ambiente deve ser mantido registrado, para eventuais análises ou correções dos
dados.
38
Métodos Experimentais em Engenharia
de grandeza diferentes, ou porque o valor obtido pela média pode ser não
representativo de um valor possível de ocorrer, como apresentado no exemplo
2.a).
2.c) O valor mínimo (ou máximo) de uma grandeza (por exemplo a massa) de
um lote de peças. Este mensurando é típico quando o processo no qual a peça
será inserida possui uma tolerância: valores abaixo (ou acima) de um valor
especificado não são aceitos no processo.
Como deve ser definida uma grandeza que é base para as outras? Tomemos
por exemplo a velocidade da luz. Hoje essa grandeza é utilizada como um valor
convencional para as medições. O “metro” é definido a partir da velocidade da
luz. Caso um novo método for utilizado e torne possível medir com maior
exatidão o tempo que a luz demora para percorrer um determinado espaço, não
será a velocidade que será ajustada, mas o comprimento. Assim sendo, mesmo
que a luz não possua um valor verdadeiro de velocidade (no sentido de que é
5
Valor verdadeiro (Valor duma grandeza compatível com a definição da grandeza) e valor convencional
(Valor atribuído a uma grandeza por um acordo, para um dado propósito) (INMETRO, 2012).
6
Veracidade (Grau de concordância entre a média dum número infinito de valores medidos repetidos e
um valor de referência (INMETRO, 2012).
39
Métodos Experimentais em Engenharia
Um exemplo de valor verdadeiro que possui incerteza (não é exato) ocorre num
processo de comparação de medições feitas com dois instrumentos (processo
utilizado tipicamente em calibrações). A medição feita com o instrumento mais
exato é adotada como o valor verdadeiro da medição. Pode-se assim definir o
erro do instrumento sendo calibrado como a diferença entre o valor medido e o
valor verdadeiro.
7
“Chronology of computation of pi”. Disponível em:
<http://en.wikipedia.org/wiki/Chronology_of_computation_of_%CF%80> Acesso em: 23 jan.
2015.
40
Métodos Experimentais em Engenharia
2.a) Atmosfera padrão (atm): 101 325 Pa – exato. Observe que garantir que um
experimento foi realizado exatamente em 1 atm é impossível, pois não se
consegue medir a pressão atmosférica sem introduzir alguma incerteza na
medição. Mas caso seja necessário corrigir um mensurando que dependa da
pressão (por exemplo o volume de um gás), para o valor a 1 atm, este valor exato
pode ser utilizado.
41
Métodos Experimentais em Engenharia
Algumas variações podem ser de interesse nas medições (por exemplo, o fluxo
de gás em encanações; o consumo de energia elétrica durante o ano; a
frequência do batimento cardíaco de um paciente ao longo do dia) e os sistemas
42
Métodos Experimentais em Engenharia
Na Figura 2.3 é feita uma analogia entre esses dois conceitos e um jogo de tiro
ao alvo. Os pontos esparsos representam os resultados de várias medidas, e o
alvo seria o valor verdadeiro da grandeza. Assim, resultados próximos ao alvo
representam alta exatidão e resultados com baixa dispersão correspondem a
uma alta precisão.
43
Métodos Experimentais em Engenharia
Figura 2.3 – Analogia sobre Exatidão e Precisão - a) alta precisão e alta exatidão; b) alta
precisão e baixa exatidão; c) baixa precisão e alta exatidão; d) baixa precisão e baixa
exatidão.
a) b)
c) d)
Fonte:
https://www.researchgate.net/publication/269696007_Avaliacao_da_acuracia_de_um_GPS_de_dupla_
frequencia_para_implantacao_de_um_ponto_de_apoio_imediato_P2_ao_georreferenciamento
44
Métodos Experimentais em Engenharia
Figura 2.4 – Condições práticas reais sobre Exatidão e Precisão (sendo desconhecido o
valor verdadeiro da grandeza) - a) alta precisão; b) alta precisão; c) baixa precisão; d)
baixa precisão.
a) b)
c) d)
45
Métodos Experimentais em Engenharia
É normal que haja flutuações na medição desta grandeza, quer seja porque a
grandeza não pode ser mantida constante nas condições do experimento, quer
seja porque a instrumentação não é totalmente exata, nunca.
8
No ar, à pressão atmosférica, a velocidade da luz é cerca de 0,03% menor do que no vácuo “perfeito”.
46
Métodos Experimentais em Engenharia
9
Por exemplo, o mensurando é modificado se é definido o peso do condutor, a inclinação da pista, a
octanagem do combustível, etc.
47
Métodos Experimentais em Engenharia
Repetibilidade
Repetibilidade
49
Métodos Experimentais em Engenharia
50
Métodos Experimentais em Engenharia
Fonte: https://institutoagro.com.br/diagrama-de-ishikawa/
51
Métodos Experimentais em Engenharia
52
Métodos Experimentais em Engenharia
3.1 Introdução
A incerteza de medição é um valor que reflete a falta de conhecimento exato do
valor do mensurando. Embora haja métodos para avaliar a incerteza, eles não
substituem o “raciocínio crítico, a honestidade intelectual e a habilidade
profissional” (INMETRO,2008). Assim a qualidade e a utilidade da incerteza
atribuída a um mensurando dependem da compreensão, análise crítica e
integridade daqueles que atribuem seu valor.
53
Métodos Experimentais em Engenharia
Tipo A: incerteza obtida através de uma análise estatística dos valores medidos;
Vamos utilizar a terminologia incertezas “tipo A” e “tipo B”10 neste livro. Assim,
estamos indicando no nome da incerteza, a forma de quantificação do seu valor.
Nota-se que as incertezas tipo A são estimadas a partir de dados coletados
durante o experimento, e as incertezas tipo B são estimadas de antemão ou
disponibilizadas de alguma outra forma antes do experimento.
10
Para fins de simplicidade, utilizamos esta terminologia: “incerteza tipo A” aquela que foi estimada por
um método do tipo A, e “incerteza tipo B” a que foi estimada por um método do tipo B. Esta forma de
expressão pode dar a entender que só há dois tipos de dúvidas em um processo de medição, o que
naturalmente não é verdade: cada grandeza de influência gera ao menos uma dúvida sobre a leitura feita.
Portanto pode haver centenas de componentes de incerteza, mas todas só podem ser estimadas por um
desses dois métodos. Essa classificação também pode dar a ideia de que cada grandeza de influência só
tem um tipo de método que pode ser usado para estimar a sua incerteza. Por exemplo, a componente de
incerteza devido à grandeza de influência “resolução do instrumento” pode ser obtida tanto por um
método tipo A como por um tipo B, embora essa componente de incerteza específica seja normalmente
obtida através de um método de estimativa do tipo B.
54
Métodos Experimentais em Engenharia
Estimativas de incerteza não são projetadas para levar em conta tais erros, já
que na maioria dos casos, os resultados de medições são afetados por vários
fatores dos quais não se tem conhecimento completo e por isso carregam em si
o que se denomina incerteza, que produz como consequência um intervalo
55
Métodos Experimentais em Engenharia
56
Métodos Experimentais em Engenharia
57
Métodos Experimentais em Engenharia
(x − x ) i
2
s2 = i =1
(3.1)
(n − 1)
onde:
n
x i
x= i =1
(3.2)
n
u = s2 = s (3.3)
s2 s
u = smédia
2
= = (3.4)
n n
Caso o objetivo seja determinar a altura média do muro para podermos estimar
a área do trecho de interesse e assim calcular o volume de tinta necessário para
a sua pintura, pode-se realizar a medição da altura em n diferentes pontos
distintos do muro, escolhidos de forma aleatória, calcular a média das n
11
Pela denominada “Lei dos Grandes Números-LGN” da Estatística (LAW), a probabilidade de que a média
aritmética dos resultados obtidos com a realização da mesma medição repetidas vezes se aproxime
do valor verdadeiro da grandeza, aumenta à medida que mais tentativas se sucederem.
58
Métodos Experimentais em Engenharia
medidas e utilizar como incerteza padrão o desvio padrão da média, dado pela
equação (3.4). Se houver um número suficiente de medidas, o valor médio da
altura, h , multiplicado pelo comprimento L resultaria no valor mais provável da
área, com uma incerteza suficientemente baixa. Quanto maior o número n de
medidas, mais próxima é a estimativa da área do trecho de muro (expressão
(3.5)), levando a um cálculo mais preciso do volume de tinta necessário para sua
pintura.
n
L
h
L
Área = h( x)dx i =h L (3.5)
0
i =0 n
59
Métodos Experimentais em Engenharia
Este intervalo geralmente está associado com uma distribuição estatística que
busca modelar/descrever os nossos dados. Desta forma, para compreender este
intervalo vamos analisar a seguir o comportamento de algumas distribuições
estatísticas.
12
“Incerteza de medição: Parâmetro não negativo que caracteriza a dispersão dos valores atribuídos a
um mensurando, com base nas informações utilizadas” (INMETRO, 2012).
13
Todas as definições necessárias à compreensão deste texto foram retiradas do VIM (INMETRO, 2012):
Incerteza padrão: “Incerteza de medição expressa na forma dum desvio-padrão”.
60
Métodos Experimentais em Engenharia
Se o experimento for realizado uma única vez, dividindo o número de vezes que
este resultado saiu pelo número total de realizações chegaremos à conclusão de
que 100% dos resultados experimentais (apenas um!) terão o mesmo valor.
Para ilustrar este fenômeno, na Figura 3.1 foi feita uma simulação variando-se o
número de vezes ( np = 2n ) em que este experimento foi realizado. Observe que
a frequência com que cada classe ocorreu foi dividida (ou seja, normalizada) por
np , resultando na probabilidade de ocorrência de cada classe. Para cada valor
de np , este gráfico é conhecido como o histograma de frequência relativa. Esta
distribuição de resultados de mensurando, relativamente comum em engenharia,
é chamada de distribuição uniforme ou retangular.
14
Deve ser feita uma escolha se o limite da classe pertence à classe inferior ou superior.
61
Métodos Experimentais em Engenharia
Esta maneira não é suficiente. Afinal se todas as leituras tivessem sido iguais a
0,55, esta afirmação continuaria verdadeira (o mensurando possui valor entre
0,05 e 0,95), mas o resultado não indica o mesmo experimento. Portanto é
necessário acrescentar alguma informação sobre o tipo de distribuição dos
resultados. Uma maneira mais adequada de informar o resultado seria:
Para tornar a explicação desse conceito mais didática, vamos supor que o
número do exemplo possuísse a unidade de metros. Se houver 10 classes, a
probabilidade é de 10%: cada classe com uma largura de 0,1 m (a variável
aleatória exemplificada possui um valor entre 0 e 1 m, dividida em 10 classes,
portanto a largura da classe será (1-0)/(10)). A relação entre a probabilidade da
classe e sua largura seria (10/0,1) =100 %/m. Se fossem 100 classes, seria 1%
por 0,01 m, resultando novamente em 100 %/m. A Figura 3.2 representa a
função densidade de probabilidade desta distribuição, para dois números
distintos de classes: 10 e 100. Observe que a distribuição é sempre uniforme.
Se o número de classes tender a infinito, pode-se definir uma função de
densidade de probabilidade uniforme e igual a f = 100 %/m.
63
Métodos Experimentais em Engenharia
1
para xmin x xmax
f ( x) = 2a (3.7)
0 para outros intervalos
xmax 1 1 xmax
s2 = ( x − x )2 dx = ( x − x )2 dx
xmin xmax − xmin 2a xmin
1 +a 1 2a 3 a 2
s2 =
2a
−a
y 2 dy =
2a 3
=
3
a
u= s= (3.8)
3
15
Note que a única diferença entre os gráficos da Figura 3.2 e 3.3 é que uma está em porcentagem e a
outra não.
64
Métodos Experimentais em Engenharia
65
Métodos Experimentais em Engenharia
Neste tipo de conversor, caso seja feita uma leitura “16”, ela deverá ser
representada, por exemplo por:
leitura = 16, num intervalo de “-0” a “+4” (ou seja, aberto em zero e fechado em
4) com o intervalo indicado representando 100% dos valores possíveis, em uma
distribuição uniforme. Observe que este intervalo é assimétrico16.
Neste caso, o valor lido “16” indica que o valor verdadeiro está entre 16 e 20.
Naturalmente, neste exemplo, estamos desprezando qualquer incerteza do
processo de medição que não esteja associada à resolução do equipamento.
Em outros termos, uma das incertezas das grandezas que influenciam o valor
atribuído ao mensurando é a resolução do conversor analógico-digital do
equipamento utilizado.
16
Um conversor AD típico possui um intervalo simétrico em relação ao valor indicado no instrumento.
17
Uma grande quantidade de balanças comerciais possui resolução configurável para 2 ou 5 gramas.
66
Métodos Experimentais em Engenharia
67
Métodos Experimentais em Engenharia
M = X+Y
sendo X e Y as classes (entre 0,05 e 0,95) de dois números reais aleatórios entre
0 e 1, conforme descrito no item 3.3.1.1.
18
Observe que, se o mensurando fosse a soma de um número entre 0 e 1 com outro que é múltiplo deste,
a distribuição seria retangular. Isto aconteceria, pois os valores estariam correlacionados, ou seja, não
seriam variáveis aleatórias independentes.
68
Métodos Experimentais em Engenharia
69
Métodos Experimentais em Engenharia
Para utilizar a representação sugerida pela ABNT NBR ISO/IEC 17025 (ABNT,
2017), deve-se calcular a variância da distribuição triangular simétrica e
determinar a incerteza padrão.
com x sendo o valor da variável aleatória, que poderia ter unidade em metros,
como feito no caso da distribuição retangular (Figura 3.7).
2
O valor da variância s pode então ser calculado, resultando para a incerteza
padrão (INMETRO, 2008):
a
u= s= (3.11)
6
19
Esse valor é obtido aplicando-se as expressões (3.9), (3.10) e (3.11).
70
Métodos Experimentais em Engenharia
71
Métodos Experimentais em Engenharia
M=(X+Y)/2, com
Caso o mensurando fosse definido como uma média obtida com os resultados
de várias medições, a sua distribuição deixaria de ser triangular. Observe que o
valor do intervalo do mensurando (±0,1) não abrange as leituras das grandezas
X ou Y. Abrange apenas todos os valores possíveis da média de uma medição
realizada de X e uma medição realizada de Y!
20
Parece evidente ser necessário acrescentar aqui a incerteza devido à repetição da medição, pois o
fenômeno varia mais do que a incerteza do instrumento. Mas, por hipótese, estamos tratando nesse caso
apenas da determinação da incerteza da grandeza de influência “resolução do instrumento”.
72
Métodos Experimentais em Engenharia
21
Caso fosse necessário conhecer de forma mais exata a variação da grandeza, outro tipo de instrumento
seria necessário.
73
Métodos Experimentais em Engenharia
O desvio padrão de uma grandeza que apresenta distribuição normal poderá ser
calculado a partir da variância s 2 por:
= s2 (3.14)
A incerteza padrão u , tal como definida pelas normas, será igual ao valor do
desvio padrão, isto é u = .
74
Métodos Experimentais em Engenharia
75
Métodos Experimentais em Engenharia
Sabe-se que a população da região onde o elevador será instalado possui uma
altura média de 1,75 m (incluindo as diversas opções de altura do salto de
sapato) e que a distribuição das alturas pode ser representada por uma normal
com desvio padrão de 0,15 m. Sabe-se também que a massa média da
população é de 75 kg com distribuição aproximadamente normal, com desvio
padrão de 10 kg (incluindo homens e mulheres).
Já para o cálculo da força que o motor (cabos, etc.) deve suportar, deve-se
considerar que o que interessa é a distribuição da média de 16 passageiros. Ou
seja, grupos de 16 passageiros, apesar de alguns terem peso acima da média,
tendem a ter um peso igual a 16(75 kg) = 1200 kg. Para o cálculo do desvio
padrão, vamos considerar um mensurando:
onde m é a massa média de uma pessoa (75 kg com desvio padrão de 10 kg).
22
Este valor é obtido a partir das expressões (3.9), (3.12) e (3.14).
23
Deve-se notar que as condições de projeto de um elevador estão sujeitas a diversas normas nacionais
que restringem as opções do engenheiro.
76
Métodos Experimentais em Engenharia
Pela lei de propagação das variâncias (apresentada no Item 3.5.1), temos que:
sM2 = 16 sm2
e, portanto:
M = 4 m = 4.10 = 40 kg
m 10
A = = = 2,5 kg
16 4
Resulta então, de acordo com esse Teorema, que a massa média de uma
pessoa numa amostra de 16 pessoas extraídas da população seria igual a 75 kg
com desvio padrão de 2,5 kg. Para 16 passageiros, resultaria:
Antes de mais nada, devemos ter certeza de que a distribuição normal é a que
representa suficientemente bem a população de interesse (por exemplo,
tamanho de peças ou altura de pessoas).
77
Métodos Experimentais em Engenharia
supondo que a distribuição deste mensurando fosse normal e outra, que fosse
retangular.
Por outro lado, a distribuição normal possui só dois parâmetros, ambos de fácil
estimativa: valor médio e desvio padrão. Além disso, ela facilita a identificação
de intervalos de outros mensurandos que dependam da altura. Por isso,
geralmente, esta é a função densidade de probabilidade utilizada na prática para
modelar muitos mensurandos.
(x − x )i
2
s= i =1
(n − 1)
79
Métodos Experimentais em Engenharia
80
Métodos Experimentais em Engenharia
Neste exemplo, mostra-se que a média de poucos números (menos que algumas
dezenas) não permite representar com boa exatidão o valor do mensurando
“média da população” (o que equivale à média de infinitos pontos, ou, ao menos,
de todos os pontos de uma determinada “população”). Conforme o número de
pontos (ou amostras) n vai aumentando, a média obtida aproxima-se do valor
esperado.
81
Métodos Experimentais em Engenharia
que depende de diversos outros: pressão atmosférica do local (em uma cidade
como São Paulo, há diferenças de pressão por diversas razões); composição da
água (conforme a composição, mesmo a definição de temperatura de ebulição
deve ser refinada, pois líquidos multifásicos não possuem apenas uma
temperatura de ebulição); o método de medição da temperatura (incluindo
cuidado na homogeneização da amostra, tipo e massa do termômetro utilizado);
o método de garantir que todas as medições sejam feitas no mesmo instante
(“neste momento” é uma definição difícil de ser realizada); etc. Com todas as
grandezas de influência deste mensurando, se forem realizadas n medições,
provavelmente chegaremos a um valor para TebulSP que apresentará uma
distribuição “suficientemente normal”, com variância sTebulSP
2
. O desvio padrão
desta distribuição “quase normal” poderia ser estimado por TebulSP = sTebulSP
2 24.
24
Seria interessante (e econômico) não ser necessário fazer n medições. Vamos ver que, conhecendo as
incertezas padrão de cada uma das grandezas de influência, poderemos estimar a incerteza padrão do
mensurando com apenas uma medição de cada grandeza de influência.
25
Se fosse uma barra, a definição deveria incluir o paralelismo exato entre os planos de corte da barra.
82
Métodos Experimentais em Engenharia
1.f) Um erro comum no uso do valor médio e do desvio padrão é quando há uma
tendência nas medições, não considerada na definição do intervalo no momento
da medição. Voltemos ao caso da barra ideal. Se o operador experiente utilizar
um micrômetro para a realização da medição, provavelmente ele sempre medirá
o mesmo valor e a incerteza será apenas aquela associada à exatidão do
micrômetro. Por outro lado, se um operador não posicionar as faces do
micrômetro paralelas às da barra, ele poderá medir valores maiores que o valor
26
A exatidão certamente estaria limitada, ao menos, a dimensões nas quais o comprimento do átomo
não interviesse no valor do mensurando. Afinal, este comprimento, quando definido, é uma grandeza
com variação estocástica.
83
Métodos Experimentais em Engenharia
verdadeiro, mas não há como ele medir valores menores! Assim a tendência é
haver uma dispersão de valores, que serão sempre maiores que o valor
verdadeiro. Resumindo, apenas com experiência é que se torna possível o uso
do desvio padrão de medições para definir um intervalo que tenha uma
probabilidade conhecida de abranger o valor verdadeiro.
2.b) Em ensaios do tipo “peças com defeito”, a avaliação é do tipo passa ou não
passa. O mensurando “número de peças com defeito” possui o que se denomina
de distribuição binomial (ver por ex. LARSON, 2016). À medida que o número de
peças tende a infinito, a aproximação normal passa a ser adequada. Ou seja,
pode-se definir um número médio de falhas, e um intervalo confiável baseado na
raiz quadrada da variância da distribuição.
2.c) Distribuições que possuem muitos valores próximos a zero, que não são
definidas para valores negativos e cuja variância é muito grande, são mal
representadas pela distribuição normal. Nestes casos uma distribuição de
Weibull (ver por ex., ESTATCAMP) costuma ser mais adequada. Um exemplo é
84
Métodos Experimentais em Engenharia
27
Os percentis dividem um conjunto de dados em 100 partes iguais. Na distribuição de frequência
acumulada, se o percentil de 5% corresponde a 1,65 m, significa que 5% dos garotos de 20 anos têm altura
inferior a 1,65 m.
28
Se y=log(x), e se x for “log normal”, y é normal. A multiplicação de distribuições normais tende a ser log
normal, mas são bem aproximadas pela normal.
85
Métodos Experimentais em Engenharia
Figura 3.14 – Gráficos de altura e peso por idade, para garotos de 2 a 20 anos
86
Métodos Experimentais em Engenharia
87
Métodos Experimentais em Engenharia
Essa distribuição foi proposta originalmente pelo inglês W.S. Gosset (1876-
1937), que trabalhava na cervejaria Guiness e, como estatístico, monitorava a
qualidade da cerveja produzida, usando poucas amostras do produto. O uso de
suas estatísticas era segredo industrial, e por isso ele não podia utilizar seu
verdadeiro nome nas publicações, adotando então o pseudônimo de “Student”
(RUMSEY, 2014).
1 n
x= xi
n i =1
é a média das amostras; e
1 n
s = ( xi − x )
2 2
é a variância da amostra.
n − 1 i =1
x −
apresenta distribuição normal;
/ n
e a variável aleatória:
x −
t= apresenta distribuição t de Student, com = n − 1 graus de liberdade.
s/ n
29
O número de graus de liberdade é o número de escolhas livres deixadas depois que uma amostra
estatística é usada para calcular um determinado parâmetro (por exemplo, a média).
88
Métodos Experimentais em Engenharia
+1
+1
x 2 − 2
f ( x, ) = 1+
2
(3.15)
2
( y ) = e−t t y −1dt (3.16)
0
( x − )2
+ 1
P( − x + ) = e 2 2
dx = 0, 6826 ou 68,26%
−
2
89
Métodos Experimentais em Engenharia
f(x)
=1
=2
=5
=∞
s
x t ,
n
P ( −t , t t , ) =
2
ou seja 9, 05 − 10,95
2
10 − 2, 228 ,10 + 2, 228
11 11
91
Métodos Experimentais em Engenharia
/P 50% 60% 70% 80% 90% 95% 98% 99% 99.5% 99.8% 99.9%
1 1.000 1.376 1.963 3.078 6.314 12.71 31.82 63.66 127.3 318.3 636.6
2 0.816 1.080 1.386 1.886 2.920 4.303 6.965 9.925 14.09 22.33 31.60
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 7.453 10.21 12.92
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.767
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551
50 0.679 0.849 1.047 1.299 1.676 2.009 2.403 2.678 2.937 3.261 3.496
60 0.679 0.848 1.045 1.296 1.671 2.000 2.390 2.660 2.915 3.232 3.460
80 0.678 0.846 1.043 1.292 1.664 1.990 2.374 2.639 2.887 3.195 3.416
100 0.677 0.845 1.042 1.290 1.660 1.984 2.364 2.626 2.871 3.174 3.390
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617 2.860 3.160 3.373
0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 2.807 3.090 3.291
Fonte: https://en.wikipedia.org/wiki/Student%27s_t-distribution#Confidence_intervals
Nesses casos, a incerteza pode ser estimada por métodos não estatísticos.
Estes métodos são denominados do tipo B. Vale destacar que uma incerteza do
tipo B poderá conter uma informação mais completa que uma incerteza do tipo
A (por exemplo, em casos em que poucas amostras são disponíveis). Alguns
exemplos de incertezas obtidas por métodos do tipo B (muitas vezes chamadas
de incerteza tipo B) são descritos a seguir.
30
Por exemplo, em testes para determinação do módulo de Young de um material, o corpo de prova deve
ser tracionado até ocorrer sua fratura, tornando-o inutilizável para medições posteriores.
93
Métodos Experimentais em Engenharia
94
Métodos Experimentais em Engenharia
Instrumentos Digitais
Para instrumentos com mostrador digital, a resolução r consiste na variação da
grandeza quando o dígito menos significativo varia de uma unidade do display.
A incerteza associada a instrumentos digitais costuma ser fornecida pelo
fabricante do instrumento, uma vez que depende de diversos fatores que não
estão disponíveis para o usuário: o próprio processo de conversão analógico-
digital; os componentes que constituem o equipamento; a rastreabilidade dos
instrumentos usados na calibração do equipamento.
Caso o valor da incerteza não seja fornecido pelo fabricante, ou não seja possível
obter este valor, é comum modelar as medidas realizadas no display digital como
seguindo uma distribuição retangular de largura r = 2a , e estimar a incerteza
através do desvio padrão dessa distribuição, conforme a expressão (3.8), ou
seja:
r a
u= = (3.17)
2 3 3
Como exemplo, num relógio digital, com resolução de 1 minuto, teremos r = 2a
=1 minuto, e a incerteza u poderá ser calculada pela expressão (3.17). A
modelagem através da distribuição uniforme indica que, se for feita a leitura 10 h
16 min do horário nesse instrumento, a hora certa poderá ser qualquer valor no
intervalo [10 h 16 min a 10 h 17 min[31, com igual probabilidade.
Instrumentos Analógicos
Em equipamentos analógicos, a resolução normalmente é dada pela diferença
entre duas indicações (ou marcações) consecutivas. Desta forma, uma régua
31
Em muitos instrumentos digitais, a indicação é o valor do centro da distribuição. Neste exemplo, 10 h
16 min poderia significar qualquer valor entre [10 h 15 min 30 s e 10 h 16 min 29 s[.
95
Métodos Experimentais em Engenharia
É importante deixar claro que há diversas formas que têm sido utilizadas em
metrologia para se estimar a incerteza associada à resolução de instrumentos
com mostrador analógico (como ponteiros, escalas, etc.). Novamente, o valor da
incerteza na indicação do valor medido poderá variar de acordo com diversos
fatores como, por exemplo: a experiência e a acuidade visual do usuário que irá
realizar a medida, a resolução e a qualidade da escala do instrumento, a
construção do instrumento, seu material, dentre outras grandezas de influência.
São listados a seguir alguns métodos de como esta incerteza pode ser estimada
na prática. A escolha de cada método depende dos fatores acima, e
principalmente do bom senso do operador, lembrando que o valor da incerteza
não deve ser superestimado, para não prejudicar o resultado final, nem
tampouco subestimado, de forma a não dar uma representação realista da
medida efetuada.
• A incerteza como a menor divisão de escala: nesse caso, a incerteza será dada
simplesmente pela menor divisão de escala do instrumento utilizado:
u = r = 2a (3.18)
r
u= =a (3.19)
2
r a
u= = (3.20)
2 3 3
96
Métodos Experimentais em Engenharia
r a
u= = (3.21)
2 6 6
Mesmo nas medidas mais simples, vários fatores irão contribuir na incerteza final
do resultado. Os componentes de incerteza identificados por métodos do tipo A
são caracterizados pelas variâncias estimadas si2 , (ou pelos desvios padrão
estimados si ) e pelo número de graus de liberdade i . Os componentes de
incerteza classificados como sendo do tipo B devem ser caracterizados pelos
termos u j , que podem ser relacionados a aproximações de variâncias
32
A distribuição triangular é muito usada por equipes experientes que desenvolvem métodos
experimentais mais precisos. Por exemplo, se é pedido para um operador de uma fonte de tensão aplicar
12 volts, medindo a tensão com um voltímetro digital de resolução igual a 1 V, este ajustará o cursor da
fonte sempre na mesma direção até obter a leitura do voltímetro em 11 V (posição A). Em seguida ele
continuará girando o cursor até obter a leitura de 13 V (posição B). Depois voltará o cursor para uma
posição média entre A e B, tornando maior a probabilidade de que o valor ajustado seja 12,0 e não 11,5
ou 12,5 V.
33
Incerteza-padrão combinada: Incerteza padrão obtida ao se utilizarem incertezas padrão individuais
associadas às grandezas de entrada num modelo de medição.
97
Métodos Experimentais em Engenharia
2
correspondentes, cuja existência é suposta, ou seja, os termos u j podem ser
tratados como variâncias e os termos u j , como desvios padrão.
A incerteza combinada deve ser caracterizada então pelo valor numérico obtido
aplicando-se o método usual para a combinação de variâncias. A incerteza
combinada e seus componentes devem ser expressos na forma de “desvios-
padrão”. Observa-se então que para a combinação das incertezas, ambos os
tipos (A ou B) serão tratados da mesma forma34, ou seja, através das variâncias
correspondentes, que serão combinadas através de somas de variâncias.
uc (i ) = ci . ui (3.22)
uc = u 2
c (i ) = (c . u )
i i
2
(3.23)
34
Pelo fato de que o “desvio padrão” é uma propriedade característica das distribuições estatísticas,
optou-se por chamar o valor da incerteza, obtida por qualquer método desde que dentro do rigor da ISO
GUM, de “incerteza padrão”.
98
Métodos Experimentais em Engenharia
G = f ( x1 , x2 , x3 .....) (3.24)
2 2 2
G G G
uG = u x1 + u x2 + u x3 + ... (3.25)
1 2
x x 3 x
35
Muitas vezes não se conhece a função analítica que relaciona a grandeza de influência e o mensurando.
No entanto, o coeficiente de sensibilidade pode ser obtido por exemplo, medindo-se o mensurando para
dois valores numéricos diferentes da grandeza de influência, e calculando-se o coeficiente angular da reta
que liga estes dois pontos. A experiência do operador também pode ser utilizada para se estimar o valor
do coeficiente de sensibilidade do mensurando com relação a uma certa grandeza de influência.
36
Uma correlação entre duas variáveis pode existir se, por exemplo, ambas forem medidas utilizando-se
o mesmo instrumento.
99
Métodos Experimentais em Engenharia
2
G
uG = u xi (3.26)
xi
Deve-se notar que todos os fatores que aparecem sob a raiz quadrada desta
expressão terão a mesma dimensão, que é a dimensão da grandeza G . Nestes
termos aparecem as incertezas padrão combinadas u x1 , u x2 , u x3 ... de cada variável
de que depende a grandeza G , ponderadas pelos respectivos coeficientes de
sensibilidade.
37
Em alguns casos, como por exemplo quando a função G for significativamente não linear no ponto de
operação, a expansão em série de Taylor poderá exigir a utilização da segunda (ou outra) derivada da
função no cálculo da incerteza combinada. Outro exemplo é o caso do cosseno de 0 graus, com incerteza
padrão de 10 graus. A derivada primeira da função será zero em torno de 0 graus, o que não significa que
a contribuição desse termo na incerteza combinada seja nula.
100
Métodos Experimentais em Engenharia
Função Incerteza
G = x + y ou G = x − y uG2 = u x2 + u y2
2
ux u y
2
G = x. y ou G = x / y uG
= +
G x y
uG u x
G = kx =
G x
uG u
G = xk = k. x
G x
G = ax + b uG2 = a 2 .u x2 uG = a u x
2
uG u x u y
2 2
G = x .y
p q
G = p x +q y
uG
G = ex = ux
G
u
G = ln x uG = x
x
G = log a x 1 u
uG = . x
ln a x
Fonte: Próprios Autores
uG
= (3.27)
G
uG
(%) = 100 (3.28)
G
101
Métodos Experimentais em Engenharia
102
Métodos Experimentais em Engenharia
acordo com a Figura 3.17. Nesse gráfico, conforme já visto no Item 3.3.1.4, nota-
se que há probabilidade de 68,26% de que a variável x esteja no intervalo
[ − x + ] ; probabilidade de 95,45% de que x esteja no intervalo
[ − 2 x + 2 ] ; e probabilidade de 99,73% de que x esteja no intervalo
[ − 3 x + 3 ] . Assim, a Tabela 3.3. pode ser utilizada na escolha do fator
de abrangência k no caso do valor mais provável para o mensurando ( x ) e a
respectiva incerteza padrão combinada ( u c ), definindo-se o intervalo
[ x − kuc x x + kuc ] com o nível de confiança P desejado.
Vimos no Item 3.3.1.4 que em situações práticas onde a análise dos resultados
depende de poucos dados experimentais, a distribuição t de Student torna-se
importante na estimativa do fator de abrangência e no intervalo de confiança do
103
Métodos Experimentais em Engenharia
uc4
ef =
ui4
i
(3.29)
uc4
ef = xi
uxi
(3.30)
Caso o valor obtido por essa equação não seja um número inteiro, convenciona-
se tomar o próximo inteiro inferior. Com esse valor e o nível de confiança P que
se deseja para o intervalo correspondente à incerteza expandida, é possível
então obter o valor do fator de abrangência k numa tabela ou através de um
aplicativo para cálculo da função t de Student. Para um mesmo nível de
confiança, o valor de k para a distribuição t de Student será maior que aquele
104
Métodos Experimentais em Engenharia
Exemplo de aplicação
105
Métodos Experimentais em Engenharia
➢ Cálculo do mensurando
T1 + T2 + T3 + T4
TMSA = (3.31)
4
1, 0
k .uT1 = 1, 0 uT1 = = 0,5 oC
2
Da mesma forma:
106
Métodos Experimentais em Engenharia
(3.31). Assim, o coeficiente é de 0,25 (oC/ oC) para todos os locais de medição,
ou seja:
TMSA 1
cTi = =
Ti 4
Temos:
a 0,5
uh = = minutos
3 3
0,5
uh = = 0,0049 horas (a incerteza é sempre arredondada para cima).
3.60
107
Métodos Experimentais em Engenharia
ch = 2 o C/hora
Resulta:
o
C
ch . uh = 2 .0,049 h = 0,0098 oC
h
a) b)
ch
A incerteza padrão neste caso é do tipo A e pode ser estimada por um método
estatístico, ou seja, através da variância das quatro medidas de temperatura.
108
Métodos Experimentais em Engenharia
2
srepro
1
=
3
( (24,1 − 24, 425) 2 + (24, 4 − 24, 425) 2 + (25, 0 − 24, 425) 2 + (24, 2 − 24, 425) 2 ) =
= 0,1625 (oC ) 2
s2 0,1625
urepro = = = 0, 2016 oC
n 4
( ) + (c ) + (c ) + (c ) + (c u ) + (c urepro )
2 2 2 2 2
uc2 = cT1 uT1
2
T2 uT2 T3 uT3 T4 uT4 h h repro
obtendo-se:
uc = 0,1101 = 0,3319 oC
U c = 2.0, 3319 0, 67 o C
109
Métodos Experimentais em Engenharia
ef = repro . c = 3. = 22
u 0, 2016
repro
110
Métodos Experimentais em Engenharia
U c = 2, 074.0,3319 0, 69 oC
e o intervalo que deve conter o valor verdadeiro resultará um pouco mais largo:
Valor da Número de
Fonte da Coeficiente de
Componente incerteza Contribuição Graus de
incerteza sensibilidade
padrão liberdade
Temperatura
uT1 0,5 (oC) 0,25 0,125 oC infinito
do ponto 1
Temperatura
uT2 0,5 (oC) 0,25 0,125 oC infinito
do ponto 2
Temperatura
uT3 0,6 (oC) 0,25 0,15 oC infinito
do ponto 3
Temperatura
uT4 0,5 (oC) 0,25 0,125 oC infinito
do ponto 4
2
Horário de
uh 0,0049 (hora) 0,0098 oC infinito
medição (oC/hora)
Reprodu- 0,2016
urepro 1 0,2016 oC 3
tibilidade (oC)
u c = 0,33 oC ef = 22
111
Métodos Experimentais em Engenharia
da incerteza? Esta questão pode ser transformada em: quantos devem ser os
algarismos significativos na representação da incerteza?
Para que o leitor de um mensurando qualquer não seja induzido a crer que haja
significância igual em todos os algarismos apresentados, padronizou-se
escrever o número de algarismos do mensurando de forma compatível com os
de sua incerteza associada. Por exemplo, as representações abaixo de um
determinado mensurando X, são consideradas adequadas38:
X = (1,7382 ± 0,0019)
X = (1,738 ± 0,002)
38
Devendo também incluir a correspondente unidade do mensurando e sua incerteza.
112
Métodos Experimentais em Engenharia
ISO GUM (INMETRO, 2008) é de que a incerteza seja dada com, no máximo,
dois algarismos significativos, independentemente do método utilizado para se
determinar esta incerteza.
Vale lembrar que, em alguns casos, a incerteza é adotada como sendo o desvio
padrão de medidas de uma amostra. Se o número de amostras for significativo
frente à população e a distribuição for suficientemente conhecida, este desvio
padrão pode ser determinado com muitos algarismos significativos.
113
Métodos Experimentais em Engenharia
137-135= 2 mm.
114
Métodos Experimentais em Engenharia
VC. Como exemplo, vamos supor um grupo de estudantes que mede a carga do
elétron obtendo como resultado e = (1,750,04).10-19 C, com intervalo
apresentado pela sua incerteza padrão ( k = 1 ). Ao comparar esse resultado com
o valor convencional e =1,60.10-19 C (com incerteza desprezível), obtém-se uma
discrepância de 0,15.10-19 C, maior que o valor de da incerteza=0,04.10-19 C,
indicando uma medida não satisfatória, que deveria ser repetida39.
140
138 138
137 137
136 136
135 135
134
134
132
Fonte: Próprios autores
Va − Vb
z´= (3.32)
uV2a + uV2b
Va uVa e Vb uVb
A justificativa para tais limites vem do fato de se considerar que os valores de z '
seguem uma distribuição normal, com média nula e desvio padrão igual a 1.
39
Embora o intervalo correspondente à incerteza padrão cubra apenas cerca de 68% de probabilidade de
que se encontre o valor verdadeiro da grandeza.
115
Métodos Experimentais em Engenharia
Assim, se Va for igual a Vb , apenas 0,3% dos casos amostrados estariam na faixa
z ' 3 , e 5% dos casos corresponderiam à condição z ' 2 . Portanto a
compatibilidade entre os resultados estaria garantida com nível de confiança de
95% para z ' 2 .
135 − 137
z´= = 0, 47
32 + 32
135 − 137
z´= = 1, 41 , e os resultados ainda seriam considerados compatíveis,
12 + 12
pois z ' 2 .
135, 0 − 137, 0
z´= = 4, 71 , e o critério z ' 3 indicaria resultados incompatíveis,
0,32 + 0,32
embora a discrepância entre os valores Va e Vb fosse a mesma para os três
casos. Isso demonstra a importância dos valores das incertezas na comparação
entre resultados de medições.
Va − Vb
En = (3.33)
UV2a + UV2b
sendo UV = 2uV
a a
e UVb = 2uVb
116
Métodos Experimentais em Engenharia
135 − 137
En = = 0, 236
62 + 62
G G G
cx = ; cy = ; cz = ; ... (3.35)
x y z
117
Métodos Experimentais em Engenharia
cov( x, y)
r ( x, y ) = (3.37)
uxu y
1 n
cov( x, y ) ( xk − x )( yk − y )
n − 1 k =1
(3.39)
cov( x, y ) u x ; cov( x, y ) u y ; e r ( x, y) 1
40
Existem casos particulares em que o coeficiente de correlação pode ser nulo, mesmo havendo
correlação entre as grandezas. Ou seja, grandezas independentes possuem correlação nula, mas o inverso
pode não ser verdadeiro (VUOLO, 1996).
118
Métodos Experimentais em Engenharia
Para funções de várias variáveis, a expressão (3.36) poderá ser expandida com
termos que relacionam as variáveis duas a duas, através dos coeficientes de
correlação de cada par (INMETRO, 2008).
A A
u A2 = l 2uc2 + c 2ul2 , pois cc = =l e cl = =c
c l
u A2 = 2l 2uc2 = 2c 2ul2
A
u A2 = 4l 2ul2 , pois cl = = 2l
l
119
Métodos Experimentais em Engenharia
Nota-se através desse exemplo, que a incerteza padrão combinada poderá ser
subdimensionada se não forem levados em conta efeitos de correlação entre as
variáveis que constituem grandezas de influência do mensurando. Essa análise
de correlação deve ser feita a partir de medidas prévias das variáveis, de forma
a ser adotado um modelo matemático próximo do real ao se efetuar o cálculo da
incerteza padrão combinada.
Medidas em mm
217,0 217,3 217,4 217,1 217,2 217,5 217,3 217,6 217,2 217,0
Fonte: Próprios Autores
120
Métodos Experimentais em Engenharia
B (mm) 40,2 39,8 40,1 40,5 40,0 39,9 40,2 40,4 40,3 40,0
A (mm) 25,3 25,4 24,9 25,1 25,0 24,8 25,2 25,1 25,0 24,9
Fonte: Próprios Autores
R = R0 [1 + (T − 20)]
Pergunta-se:
121
Métodos Experimentais em Engenharia
u 1
= , sendo N o número de leituras realizadas.
2( N − 1)
122
Métodos Experimentais em Engenharia
k 1 2 3 4
x (m) 20 23 23 22
y (m) 30 32 35 31
Fonte: Próprios Autores
123
Métodos Experimentais em Engenharia
124
Métodos Experimentais em Engenharia
125
Métodos Experimentais em Engenharia
126
Métodos Experimentais em Engenharia
Na Figura 4.2 b) uma variante desse sistema simples ilustra como a extensão da
mola produzida pelo objeto pode ser convertida para uma tensão elétrica, que
passa a ser o sinal de saída do instrumento. O ponteiro acoplado à extremidade
da mola servirá como contato elétrico de um potenciômetro. Assim, o circuito
elétrico associado corresponde a um divisor de tensão alimentado com a tensão
constante de uma bateria. Nessa construção, a tensão de saída será maior
quanto maior a resistência, correspondente a uma menor deflexão da mola, e,
portanto, a um peso menor do objeto. O transdutor converte então a energia
mecânica da mola (sensor) na energia elétrica do sinal de saída. Este poderá
alimentar uma interface analógica de ponteiro, ou mesmo ser convertida num
sinal digital para alimentação de um display.
128
Métodos Experimentais em Engenharia
a) b)
Condicionador
Sensor/transdutor de sinal Display
129
Métodos Experimentais em Engenharia
Figura 4.4- Ponte de Wheatstone com extensômetro (strain gage) em um dos braços e
resistores nos outros três braços
130
Métodos Experimentais em Engenharia
• Faixa de operação;
• Resolução;
• Precisão;
• Linearidade;
• Sensibilidade;
• Tempo de resposta;
• Desempenho dinâmico; etc.
131
Métodos Experimentais em Engenharia
132
Métodos Experimentais em Engenharia
O sinal analógico, gerado pelos sensores, é uma função contínua (no tempo)
associada à variável do processo que se deseja medir. Em sinais analógicos, o
valor preciso da quantidade contendo a informação (tensão elétrica, rotação,
deslocamento, nível, força, pressão, etc.) é relevante. Os sinais digitais, por outro
lado, são de natureza binária, e resultam dos valores de amostras do sinal
analógico original, tomadas em determinados instantes (Figura 4.5).
Figura 4.5- Sinal analógico e amostras do sinal que compõem um equivalente digital
133
Métodos Experimentais em Engenharia
Vref
V =
2N (4.1)
134
Métodos Experimentais em Engenharia
Saturação
1111
Reta ideal
1110
1101
1100
1011
1010
1001
1000
0111
0110
0101
0100
0011
0010
0001
Tensão de entrada
0000
analógica em volts
0,3125
0,6250
0,9375
1,2500
1,5625
1,8750
2,1875
2,5000
2,8125
3,1250
3,4375
3,7500
4,0625
4,3750
4,6875
5,0000
135
Métodos Experimentais em Engenharia
V Vref
u= = N (4.2)
2 3 2 12
4,6875
Reta ideal
4,3750
4,0625
3,7500
3,4375
3,1250
2,8125
2,5000
2,1875
1,8750
1,5625
1,2500
0,9375
0,6250
0,3125
Código binário de
entrada
0000
0001
0010
0011
0100
0101
0110
0111
1000
1001
1010
1011
1100
1101
1110
1111
136
Métodos Experimentais em Engenharia
41
Aqui e no VIM (INMETRO, 2012) a palavra “erro” significa que o valor indicado não está correto. Se o
erro for conhecido, ele deve ser corrigido. Se for possível estimar um valor numérico para a dúvida da
correção realizada, este valor é a incerteza.
137
Métodos Experimentais em Engenharia
138
Métodos Experimentais em Engenharia
139
Métodos Experimentais em Engenharia
GPIB
O barramento GPIB (do inglês General Purpose Interface Bus) ou IEEE-488 tem
sido muito utilizado em testes, aplicações de instrumentação e em interfaces de
laboratórios baseadas em computador desde 1965. Trata-se de um barramento
paralelo de 8 bits, com largura de banda de até 8 MB/s, aceitando a conexão
simultânea de até 15 dispositivos no mesmo barramento, em configuração
estrela ou linear, conforme mostra a Figura 4.8. A transferência de dados é
baseada em mensagem, frequentemente na forma de caracteres ASCII.
O comprimento total dos cabos de interconexão não deve exceder vinte metros
e a distância entre dois dispositivos não deve ser superior a dois metros. A
largura de banda é compartilhada entre os instrumentos e a latência do GPIB é
significantemente menor (melhor) do que o USB e especialmente o Ethernet. Os
instrumentos GPIB não são auto detectados ou autoconfigurados quando
conectados ao sistema, mas o software GPIB está entre os mais bem avaliados,
e a robustez dos cabos e conectores são apropriados para a maior parte dos
ambientes físicos. O GPIB é ideal para automatizar equipamentos existentes ou
sistemas que requerem instrumentos altamente especializados (GPIB, 2019).
140
Métodos Experimentais em Engenharia
Controlador Controlador
PC PC
USB
O USB (Universal Serial Bus) tem-se tornado popular nos últimos anos desde
seu surgimento em 1995, com a necessidade de se conectar equipamentos e
periféricos de diferentes fabricantes aos computadores existentes na época de
maneira simples, sem configurações complexas. Para que o próprio usuário
pudesse fazer a instalação de tais equipamentos e periféricos apenas
conectando o cabo USB, foi adotado o padrão PnP (Plug and Play), que significa
“conectar e usar”.
141
Métodos Experimentais em Engenharia
A latência do USB está na melhor categoria (entre o Ethernet num menor nível
e o PCI e o PCI Express num maior nível) e o comprimento do cabo é limitado
em 5 m. Os dispositivos USB beneficiam-se de autodetecção, significando que,
ao contrário de outras tecnologias como LAN ou GPIB, os dispositivos USB são
imediatamente reconhecidos e configurados pelo computador quando
conectados pelo usuário. Os conectores USB são os menos robustos e menos
seguros dos barramentos aqui apresentados. São necessários fixadores
externos para os cabos a fim de mantê-los no lugar.
142
Métodos Experimentais em Engenharia
Uma vantagem que o PCI (e PCI Express) possui juntamente com o Ethernet e
USB é que estes são universalmente disponíveis nos computadores.
Atualmente, todo desktop possui slots PCI, PCI Express ou ambos. Em geral,
instrumentos PCI podem alcançar baixos custos porque estes instrumentos
utilizam a fonte de alimentação, processador, display e memória do computador
em que residem, ao invés de incorporar estes dispositivos no próprio
instrumento.
Ethernet/LAN/LXI
O Ethernet tem sido por muito tempo uma opção de controle de instrumentos,
além de outras áreas de aplicação. As comunicações pelo barramento são
baseadas em mensagens, com os pacotes de comunicação adicionando um
significativo atraso na transmissão dos dados. Por esta razão, o Ethernet possui
a pior latência das tecnologias de barramento aqui descritas.
Mesmo assim, o Ethernet continua como uma poderosa opção para criação de
rede de sistemas distribuídos. Este pode operar em distâncias de 85 a 100 m
sem repetidores e, com repetidores, não tem limite de distância. Nenhum outro
barramento possui esta escala de separação entre o controlador e a plataforma.
143
Métodos Experimentais em Engenharia
Armazenamento e Displays
Os sistemas de medição podem apresentar o resultado somente durante o
procedimento de medida, como, por exemplo, num termômetro, ou podem
armazenar os resultados sob forma analógica ou digital, num meio adequado,
como papel, fitas e discos magnéticos, chips de memória, etc. para registro e
uso posterior dos dados.
a) com nônio
144
Métodos Experimentais em Engenharia
b) com dial
145
Métodos Experimentais em Engenharia
Fonte: https://www.directindustry.com/pt/prod/circutor/product-11644-1412405.html
Fonte: https://artemis.forumchitchat.com/post/nondmx-ship-status-update-6873923
Fonte: https://il.farnell.com/lumex/lcd-s401c71tr/numeric-lcd-display/dp/1535929
146
Métodos Experimentais em Engenharia
Fonte: http://www.insmart.com.br/produto/laboratorio/estacoes-meteorologicas/608-estacao-
meteorologica-completa-com-display-touch-screen-itwh-1080
147
Métodos Experimentais em Engenharia
Fonte: https://pt.wikipedia.org/wiki/Eletr%C3%B4nica
148
Métodos Experimentais em Engenharia
149
Métodos Experimentais em Engenharia
Fonte: https://commons.wikimedia.org/wiki/File:Oscilloscope_diagram.png
150
Métodos Experimentais em Engenharia
Exatidão
É a diferença absoluta entre o valor real do padrão e o valor medido pelo
instrumento. Segundo o ISO GUM (INMETRO, 2008), a exatidão é uma
característica qualitativa, ou seja, não há um valor numérico associado a ela.
Uma medição de comprimento, por exemplo, pode ter uma exatidão milimétrica
ou micrométrica. Se a medição for feita usando um micrômetro, a exatidão do
resultado provavelmente será “melhor” do que usando uma régua.
200
0,5. = 1 mA, seja numa leitura de 50 mA ou 150 mA, por exemplo.
100
151
Métodos Experimentais em Engenharia
Precisão
No VIM (INMETRO, 2012), o termo precisão está sempre associado ao processo
de medição, sendo o grau de concordância entre indicações ou valores medidos,
obtidos através de medições repetidas, sob condições especificadas.
Repetibilidade
É a aptidão do instrumento em fornecer indicações próximas em repetidas
avaliações do mesmo mensurando, sob as mesmas condições de medição. Na
Figura 4.20 a) essa característica é representada pela barra em cada ponto de
medição da grandeza de entrada. Quanto maior a barra, maior a dispersão das
medidas para o mesmo valor da grandeza, e pior será a repetibilidade do
instrumento.
152
Métodos Experimentais em Engenharia
153
Métodos Experimentais em Engenharia
Fonte: https://portalfisica.wordpress.com/2018/08/24/acuracia-precisao-e-exatidao/
154
Métodos Experimentais em Engenharia
xmin
Resolução de entrada (%) = 100.
FEe
ymax
Resolução saída (%) = 100.
FEs
onde:
155
Métodos Experimentais em Engenharia
156
Métodos Experimentais em Engenharia
ymax
com igual probabilidade, em qualquer lugar no intervalo Y − 2 a
ymin
Y+
2 (ou seja, corresponde a uma distribuição estatística uniforme ou
retangular). Uma distribuição desse tipo (Item 3.3.1.1), de largura ymax , terá
((ymax ) / 2) 2
variância u =
2
, implicando em uma incerteza padrão igual a
3
y
u = max para qualquer indicação.
12
Sensibilidade
A sensibilidade de um sistema de medição é definida como a relação entre a
variação da indicação y do sistema e a variação correspondente da grandeza a
y
ser medida x , ou seja . Essa característica pode depender do valor da
x
grandeza, e a variação do valor da grandeza medida deve ser grande quando
comparada à resolução.
157
Métodos Experimentais em Engenharia
a) b)
y y
x x
x x
Fonte: Próprios Autores
Linearidade
Este parâmetro indica o máximo desvio de uma relação de transferência entrada-
saída da reta que melhor descreve os pontos reais. Geralmente a linearidade é
avaliada obtendo-se uma curva média (por exemplo, aplicando-se regressão
linear em pontos medidos experimentalmente) que represente o comportamento
do instrumento. Posteriormente, verifica-se qual é o desvio máximo da saída com
relação à reta ideal obtida. A Figura 4.20 c) ilustra graficamente essa
propriedade. Nesse caso, a não linearidade de um instrumento deve ser
158
Métodos Experimentais em Engenharia
Histerese
A histerese consiste na variação da sensibilidade com a direção com que a
grandeza medida é variada: de forma crescente ou decrescente (Figura 4.20 d)).
A histerese pode ocorrer por diversas razões como, por exemplo, pelo atrito
mecânico nos ponteiros de um instrumento de medição, por efeitos de
retentividade magnética em materiais sensores, por inércia molecular, efeitos
térmicos, deformação elástica, etc.
Esse pode ser um fator significativo, por exemplo, na incerteza da medição com
alguns sensores de umidade, fabricados com material que adere fortemente às
moléculas de água. A repetibilidade de um instrumento poderá ser afetada pelo
fenômeno da histerese, embora a histerese em si seja classificada como uma
incerteza tipo B, que deve ser analisada antes da realização do experimento.
Faixa de medidas
A faixa de medidas de um instrumento é o intervalo de valores da grandeza de
entrada para o qual a saída é apresentada dentro de uma exatidão especificada.
Essa faixa é delimitada pelo limite inferior (determinado pelo limiar de mobilidade
do instrumento) e limite superior (também denominado fundo de escala,
estabelecido pelo máximo valor da grandeza de entrada que não danifique o
aparelho).
159
Métodos Experimentais em Engenharia
Tempo de resposta
Para várias medições tornam-se importantes as características dinâmicas dos
sistemas de medições. Estas características são determinadas pelo modelo
matemático que descreve a relação entrada-saída do instrumento, normalmente
representada por equações diferenciais no domínio do tempo ou funções de
transferência no domínio da frequência.
Se um instrumento for utilizado para medir uma variável de dinâmica rápida, ele
deverá apresentar velocidade de resposta maior que a da variável medida, caso
contrário, a dinâmica do instrumento poderá interferir consideravelmente no
resultado obtido.
Faixa de frequência
A descrição dinâmica de um sistema de medição determina a sua resposta em
frequência, isto é, a faixa de frequências com que o sinal de entrada pode variar
para que o instrumento produza na saída uma indicação fiel ao estímulo.
160
Métodos Experimentais em Engenharia
Repetibilidade
Repetitividade
Interferência eletromagnética
As fontes de campos eletromagnéticos (por exemplo: descargas eletrostáticas,
sinal da rede elétrica, sinais de radiofrequência, etc.) podem causar interferência
eletromagnética (EMI - do inglês ElectroMagnetic Interference) e mau
funcionamento dos sistemas de medição baseados em grandezas elétricas,
contribuindo para o aumento da incerteza nos resultados obtidos. Os
instrumentos atuais devem seguir critérios de compatibilidade eletromagnética
(EMC – do inglês ElectroMagnetic Compatibility), que incluem técnicas de
blindagem e aterramento, para diminuir as fontes de incerteza nas medições
realizadas.
161
Métodos Experimentais em Engenharia
Efeitos ambientais
As condições ambientais, tais como temperatura, pressão e umidade também
são grandezas de influência nas medições. As especificações de faixa de
temperatura de operação do instrumento devem ser respeitadas para que se
garanta a repetibilidade e a exatidão das medidas. Por esse motivo, é boa prática
registrar as condições ambientais em que são feitos os experimentos, para que
se possa fazer uma boa estimativa da parcela da incerteza devida a esses
fatores, ou mesmo a correção dos valores medidos, caso sejam disponíveis as
informações necessárias para tal.
162
Métodos Experimentais em Engenharia
163
Métodos Experimentais em Engenharia
Uma calibração pode ser expressa por meio de uma declaração, uma função de
calibração, um diagrama de calibração, uma curva de calibração ou uma tabela
de calibração. Em alguns casos, pode consistir numa correção aditiva ou
multiplicativa da indicação do aparelho, com uma incerteza de medição
associada.
164
Métodos Experimentais em Engenharia
o o o o
Leitura C C C C
Observações:
•
o
O fator de conversão da leitura do instrumento para a unidade do S.I foi 1 C / leitura.
• Não houve ajuste.
• V.I.: Valor indicado no instrumento na sua unidade.
• V C: Valor convencional
• Erro de indicação: V.I. – VC
• A Incerteza Expandida é baseada em uma incerteza padrão combinada, multiplicada
por um fator de abrangência de k = 2, para um nível de confiança de aproximadamente
95 %.
165
Métodos Experimentais em Engenharia
166
Métodos Experimentais em Engenharia
Outro exemplo muito comum de sistema baseado no método dos nulos é aquele
que emprega a ponte de Wheatstone (Figura 4.24), já apresentada no Item 4.1.
Esse circuito pode ser empregado para medir resistências elétricas ou outra
grandeza física (por exemplo, temperatura, luz ou tensão mecânica) que cause
a variação da resistência elétrica de um sensor. O circuito é alimentado por uma
fonte de tensão, e pode-se demonstrar que o sistema estará em equilíbrio (ou
será balanceado, isto é, na condição em que a indicação de tensão no detector
V será nula) quando a seguinte condição nos valores das resistências for
atendida:
R1. R3 = R2 . Rx
167
Métodos Experimentais em Engenharia
Fonte de V: detector
tensão de tensão
168
Métodos Experimentais em Engenharia
20:32.72
Pede-se:
169
Métodos Experimentais em Engenharia
1
P= .S .C p v3 , com
2
: densidade do ar; S = L2pá : área varrida pelas pás; Lpá : comprimento das
pás; C p : coeficiente de potência da turbina.
Pede-se:
c) Além disso, o engenheiro sabe que o vento varia numa frequência que
chega a 1 Hz. Qual deve ser a mínima taxa de amostragem do anemômetro?
170
Métodos Experimentais em Engenharia
Pede-se:
porcentuais.
R ()
= 100.10 −6
0,0250 0,0252 0,0251 0,0248 0,0247 0,0253 0,0250 0,0250 0,0251 0,0249
= 200.10 −6 0,047 0,049 0,050 0,044 0,048 0,045 0,046 0,051 0,052 0,052
Fonte: Adaptada de (BHUYAN, 2011)
171
Métodos Experimentais em Engenharia
v(t)
172
Métodos Experimentais em Engenharia
173
Métodos Experimentais em Engenharia
174
Métodos Experimentais em Engenharia
175
Métodos Experimentais em Engenharia
176
Métodos Experimentais em Engenharia
q (T − T )
= −k 2 1
A L
onde T2 e T1 são as temperaturas nos extremos de um elemento de comprimento
L . A Figura 5.2 ilustra o resultado do uso desta equação para determinar a
temperatura na estrutura de um avião, por meio do método dos elementos finitos.
Uma estrutura complexa como esta será composta por inúmeros “elementos” e
a lei de Fourier deverá ser aplicada a cada um deles. Pode-se deduzir neste tipo
de simplificação, que haverá um compromisso entre o número de elementos em
que a estrutura é subdividida, o tempo de cálculo e a precisão dos resultados
alcançados.
177
Métodos Experimentais em Engenharia
Figura 5.2- Simulação para análise térmica de um avião pelo método dos elementos
finitos
Fonte: http://www.ipt.br/solucoes/2-
servicos_de_pdi_em_engenharia_do_vento_e_qualidade_do_ar_interior.htm
178
Métodos Experimentais em Engenharia
179
Métodos Experimentais em Engenharia
grandeza. Neste caso, deve estar claro para o usuário do resultado se esta
escolha foi feita para obter um valor único para um fenômeno que realmente
varia ou para atenuar efeitos de variação do processo de medição.
Esta diferença precisa ser salientada, principalmente nesta era de instrumentos
de display digital. Conforme afirma Mariano (MARIANO, 2009):
“A medição extrai da complexidade do mundo um valor (número) que pode ser
reproduzido dentro de certos limites (...). Números estes que tem de ser considerados
segundo sua utilidade, mas também segundo sua precariedade, pois a sedução dos
números constitui sempre um perigo no terreno da medição. A esse respeito, o
epistemólogo Jean Perdijon cita a advertência do geneticista e ensaísta Albert Jacquard
(1925-2013), para quem os números podem trazer uma falsa ilusão de precisão, pois
oferecem abrigo e conforto intelectual.”
180
Métodos Experimentais em Engenharia
181
Métodos Experimentais em Engenharia
• Modelos polinomiais:
▪ modelos constantes (polinomiais de ordem 0)
▪ modelos lineares (polinomiais de ordem 1)
▪ modelos de ordem maior (polinomiais de ordem n )
• Modelos senoidais
• Modelos exponenciais
1
V = D3
6
182
Métodos Experimentais em Engenharia
Para que o volume da esfera possa ser determinado a partir do seu diâmetro, a
esfera deve ser ideal, sem qualquer deformação. Naturalmente, em alguma
escala esta afirmação não é verdadeira. No limite, na escala atômica, a definição
de diâmetro precisaria ser revista.
Caso a esfera seja deformada, ou seja, não ideal, é possível identificar outro
modelo para a determinação do volume. As deformações podem ou não ser
facilmente modeláveis (Figura 5.5). O volume de esferas com deformação,
aproximando-as por elipsoides de revolução, pode ser determinado a partir da
medição da menor e da maior dimensão medidas. Já o volume de esferas com
deformações aleatórias em torno de um valor médio pode ser calculado a partir
do diâmetro médio, obtido a partir de diversas medições.
183
Métodos Experimentais em Engenharia
V= D3 V= ab 2 V= D3
6 6 6
D i
D= i =1
(5.1)
n
184
Métodos Experimentais em Engenharia
( D − D)
2
i
s2 = i =1
(5.2)
= n −1 (5.3)
y = A + Bx (5.4)
185
Métodos Experimentais em Engenharia
Também não é raro que modelos lineares representem bem fenômenos físicos
sobre os quais são desenvolvidos equipamentos de engenharia. Por exemplo, é
sabido que a relação entre a corrente I e a tensão V elétricas sobre um bipolo,
em condições bem definidas, obedece à lei de Ohm, definindo-se um valor para
resistência elétrica R :
V = RI (5.5)
Observe que a variância pode também ser utilizada para identificar a dispersão
dos dados em relação ao valor médio esperado:
n
( y − y )
2
i
s2 = i =1
(5.6)
Neste caso, o valor estimado de y pode ser obtido pela equação polinomial
com um ou dois parâmetros ( A e B , sendo A igual a zero ou não).
( y − ( A + Bx ) )
2
i i
s2 = i =1
(5.7)
186
Métodos Experimentais em Engenharia
187
Métodos Experimentais em Engenharia
42
Lembrando que 0R21, sendo o caso em que o coeficiente de determinação R2=1 representa ajuste
perfeito da função proposta com os pontos experimentais.
188
Métodos Experimentais em Engenharia
d 2 y ( x) dy ( x)
2
=A + By( x) + C (5.8)
dx dx
a) b)
y y
x x
189
Métodos Experimentais em Engenharia
dy ( x)
= ky ( x)
dx
(5.9)
Esta solução é chamada de solução livre, pois o sistema sai de uma condição
inicial (em x = 0 ) sem nenhuma excitação, apenas com um valor inicial da
variável dependente y (0) = y0 0 .
Caso o mesmo sistema seja excitado por um valor constante U a partir do ponto
x = 0 , o modelo passa a ser uma equação diferencial do tipo:
dy ( x)
a + by ( x) = U (5.11)
dx
190
Métodos Experimentais em Engenharia
cuja solução é:
b U
com k =− e y1 = para y (0) = 0
a b
y ( x) = y0 e kx y1 (1 − e kx )
k 0
k 0
yi +1 = a yi (5.13)
191
Métodos Experimentais em Engenharia
vi +1 = 0,9 vi
Neste caso, a variável de interesse pode ser calculada após o momento i a partir
do seu valor inicial v0 por:
vi +1 = v0 e Ai
192
Métodos Experimentais em Engenharia
• A velocidade de uma bola que bate em uma superfície pode ser modelada
com vapós batida = . vantes da batida , com 1 , coeficiente de restituição do choque;
dv(t ) = (1 − )v(t )
De fato, tomando-se:
y (t ) = y0 e k t (5.14)
1 y
temos que para t = = − , y ( ) = y0 e− / = 0 0,368 y0
k e
193
Métodos Experimentais em Engenharia
for muito maior que , a grandeza y deverá ser medida com muita precisão,
já que poderá ter um valor bem inferior ao valor inicial y0 .
➢ Método da linearização
194
Métodos Experimentais em Engenharia
ln y (t ) = ln[ y0 e k t ] = ln y0 + ln[e k t ] = ln y0 + k t
ou seja:
Y (t ) = ln y (t ) = kt + ln y0 (5.15)
Esta equação (5.15) tem o formato padrão da equação de uma reta do tipo:
y (t ) = at + b (5.16)
Neste caso, o ponto de intersecção da reta com o eixo vertical (ou seja, o
parâmetro b da equação (5.16)) representa o logaritmo do valor inicial da
resposta (Ver equação (5.15)). Desta forma, pode-se obter y0 através de:
ln y0 = b y0 = eb
195
Métodos Experimentais em Engenharia
Y (t ) = ln y (t )
196
Métodos Experimentais em Engenharia
dy y
=
dt t
dy
= y0 k e k t
dt
dy
Para t = 0 , tem-se: = y0 k
dt
dy y y(t1 ) − y(t0 )
=
dt t t1 − t0
197
Métodos Experimentais em Engenharia
dy 10
= − = y0 k = 10k k = -0, 2
dt 5
Portanto, chega-se a
1
=− =5 s
k
198
Métodos Experimentais em Engenharia
• Método da linearização
Através desse método, é possível verificar de forma simples o quanto o modelo
exponencial ajusta-se a pontos medidos experimentalmente. Incertezas de cada
ponto podem ser incorporadas com facilidade no processo. É o método ideal
para ser utilizado numa avaliação inicial do modelo, antes de se empregar, por
exemplo, o método dos mínimos quadrados para quantificar a incerteza dos
parâmetros do modelo final.
• Método da derivada
Este método é muito sensível a variações das medições. Por outro lado, é ideal
para se estimar rapidamente o tempo para que a resposta exponencial do
sistema se estabilize (correspondente a cerca de t = 5 ). Também é útil para
verificar se a resposta do sistema é linear ou exponencial (dois casos muito
comuns em engenharia). Nota-se que nesses dois modelos, a derivada da
resposta no ponto inicial é a mesma, mas os valores da mesma se diferenciam
com o passar do tempo.
199
Métodos Experimentais em Engenharia
T (t ) = T0 e − t / (5.17)
Outra forma, seria aplicar logaritmo natural dos dois lados da equação (5.17) e
traçar a curva Y (t ) x t , com Y (t ) = ln (T (t )) . Utilizando o método de
linearização, obter a inclinação da reta e o valor de .
Os outros dois métodos descritos acima (dos mínimos quadrados e da derivada
do ponto inicial) poderão também ser utilizados para determinação da constante
de tempo. Os valores obtidos poderão ser comparados, levando-se em conta as
200
Métodos Experimentais em Engenharia
O procedimento descrito pode ser repetido várias vezes pelo mesmo ou por
diversos operadores, para se estimar a incerteza resultante da repetibilidade e
reprodutibilidade das medições. A seguir são apresentadas análises das
grandezas de influência que podem afetar a incerteza resultante no valor da
constante de tempo obtido através dos dois primeiros métodos.
• Método da linearização
201
Métodos Experimentais em Engenharia
1,3
Tomando-se a inclinação da reta média, tem-se k = − , de onde se calcula
100
1
=− 77 s , resultado compatível com os outros métodos utilizados.
k
202
Métodos Experimentais em Engenharia
yi 2 11 28 40
Fonte: Próprios Autores
Verifica-se na Figura 5.17 que os pontos se dispõem quase em linha reta (o que
é a representação gráfica de um polinômio do 1º grau). Se usarmos essa linha
reta para aproximar os valores de uma função f ( x ) , essa função não
necessariamente coincidirá com os pontos tabelados. Assim sendo, deve-se
utilizar uma reta que “passe o mais próximo” dos pontos tabelados, o que pode
ser feito minimizando-se a soma dos quadrados das distâncias dos pontos
tabelados à reta.
203
Métodos Experimentais em Engenharia
204
Métodos Experimentais em Engenharia
y = A+ B x (5.18)
205
Métodos Experimentais em Engenharia
n n n n
n xi yi − xi yi ( x − x )( y − y )
i i
B = i =1 i =1 i =1
= i =1
(5.20)
n
(x − x )
i =1
i
2
xi2 yi − xi xi yi
A = i =1 i =1 i =1 i =1
= y − Bx (5.21)
n 2 n 2 n n
= n xi − xi = n ( xi − x ) 2 = n ( yi − y ) 2 (5.22)
i =1 i =1 i =1 i =1
206
Métodos Experimentais em Engenharia
1 n 1 n
onde: x = xi e y = yi são os valores médios de x e y ,
n i =1 n i =1
respectivamente.
(A + B x − y) i
2
R2 = i =1
n
(5.24)
( y − y)
i =1
i
2
1 n 1 n
uy =
n − 2 i =1
( yi − yˆi )2 =
n − 2 i =1
( yi − A − Bxi ) 2 (5.25)
207
Métodos Experimentais em Engenharia
1 n
uB = u y n
= uy 2 (5.26)
n
(x − x )
n
n x − xi
2 2
i i
i =1 i =1 i =1
e
n n
x 2
i x 2
i
uA = uy n
i =1
= uy i =1
2
(5.27)
n ( xi − x )
n
n
n xi2 − xi
2
i =1 i =1 i =1
Até aqui, observamos que os melhores valores para A e B podem ser obtidos
independentes das incertezas, ou seja, o MMQ pode ser aplicado mesmo se as
incertezas forem desconhecidas, desde que todas possam ser consideradas
aproximadamente iguais a u y (VUOLO, 1996).
Para casos em que as incertezas nos valores de y1 , y2 ,..., yn não sejam iguais,
mas sejam conhecidas, poderá ser utilizado o MMQ ponderado (TAYLOR, 2012).
Nesse método, define-se o peso da medida yi como:
1
wi = (5.28)
u y2i
n n n n
w w x y −w x w y
i i i i i i i i
B= i =1 i =1 i =1 i =1
2 (5.29)
n
n n
i =1
wi w x − wi xi
i =1 i =1
2
i i
208
Métodos Experimentais em Engenharia
n n n n
wi xi2 wi yi − wi xi wi xi yi
A= i =1 i =1 i =1 i =1
2 (5.30)
n n
n
i =1
wi w x − wi xi
i =1 i =1
2
i i
w i
uB = i =1
2
(5.31)
n n
n
i =1
wi wi xi2 − wi xi
i =1 i =1
e
n
w x 2
i i
uA = i =1
2
(5.32)
n n
n
w w x
i =1
i
i =1
2
i i − wi xi
i =1
n
1
u i =1
2
Bi
B=
Bi
n
(5.35)
1
2
i =1 u Bi
209
Métodos Experimentais em Engenharia
1
uB = n
(5.36)
1
2
i =1 u Bi
valores de x e y respectivamente.
210
Métodos Experimentais em Engenharia
2,0 2,0
Y Y
y0 u y0 u x0
1,5 1,5
1,0 1,0
0,5 0,5
X x0 X
0,0 0,0
0,0 0,5 1,0 1,5 2,0 0,0 0,5 1,0 1,5 2,0
211
Métodos Experimentais em Engenharia
incertezas. Admite-se que o resultado xi seja o valor verdadeiro (ou seja, isento
de incerteza), atribuindo-se a y uma incerteza maior dada por43:
2
dy
u = u + ux20
2
y
2
y0 (5.37)
dx 0
dy dy
onde é uma estimativa44 da derivada , já que a função y = f ( x ) não
dx 0 dx
pode ser completamente conhecida a priori.
2
α α
2
2
u = ux2 + u y2
α (5.38)
x y
que resulta em:
2 2
df(x) 2 dy 2
ux0 +u y0 = u y0 + u x0
2 2 2
u =
α (5.39)
dx dx 0
43
Considerando apenas os termos de ordem menos elevada na determinação da variância, e supondo
não haver correlação entre as razões de flutuação de xi e y i .
44
Estimativa baseada no modelo escolhido (ou identificado). Por exemplo, no exemplo da tensão, esta
derivada seria o valor da resistência R , pois v = R i , de acordo com a Lei de Ohm. Se R possui um valor
provável, então este é o valor a ser usado. O mesmo acontece caso R seja identificado por algum método
numérico, como o dos mínimos quadrados (no gráfico da Figura 5.20, tem-se R =1,3 ohms).
212
Métodos Experimentais em Engenharia
df(x) dy dy
já que = , ou seja, é uma estimativa da derivada .
dx dx 0 dx
8
6
4
2
0
0 2 4 6 8 10
Corrente (A)
213
Métodos Experimentais em Engenharia
*
de isenção de incerteza em x ). Sendo y * a variável correspondente a x , tem-
se da definição acima de α, que:
y * = f(x * )+ (5.40)
y y y
2 2
2
u = u x2 + uα2 = uα2 , visto que u x = 0
x α α
y*
y
ou seja, u y* = u , pois =1
α
2
dy
u = u = u + ux20
2
y
2 2
y0 (5.41)
dx 0
Deve-se notar que a variável y * é a própria variável y , mas com uma incerteza
aumentada, devido à transferência da incerteza da variável x .
Deve-se notar também que tratamento similar, embora mais complexo, pode ser
feito para funções multidimensionais, transferindo-se as incertezas de várias
variáveis para a grandeza de interesse.
214
Métodos Experimentais em Engenharia
1 n
cov( x, y ) = ( xi − x )( yi − y )
n i =1
(5.42)
cov( x, y )
r= (5.43)
x y
215
Métodos Experimentais em Engenharia
w x i i
cov ( A, B) = − i =1
2 (5.44)
n n
n
i =1
wi i i
i =1
w x 2
− wi xi
i =1
1
lembrando que: wi =
u y2i
45
Lembrando que as incertezas na variável x podem ser transferidas para y , conforme descrito no Item
5.3.2.1.
216
Métodos Experimentais em Engenharia
u = uA +
2
yˆ uB + 2 cov ( A, B) (5.45)
A B A B
ou através de:
u = uA +
2
yˆ uB + 2 u AuB rAB (5.46)
A B A B
cov ( A, B)
com rAB = , sendo o coeficiente de correlação entre A e B .
u A uB
w x i i
rAB = − i =1
(5.47)
n n
w w x
i =1
i
i =1
2
i i
Essa expressão mostra que ao se fazer a regressão linear, devem ser calculados
não somente os valores dos parâmetros A e B e de suas respectivas
incertezas u A e u B , mas também a covariância entre esses parâmetros, já que
esse valor afeta o cálculo da incerteza associada à estimativa da variável y , a
partir da função ajustada y = A + Bx .
217
Métodos Experimentais em Engenharia
Figura 5.22- Os quatro conjuntos de dados são idênticos quando examinados usando
estatística básica, mas variam consideravelmente quando graficados.
(R2 = 0,816; y = 3,00 + 0,500 x )
218
Métodos Experimentais em Engenharia
sendo testado. Tais pontos não devem ser simplesmente descartados, pois
podem conter informação importante sobre algum fenômeno não observado
anteriormente. Havendo possibilidade, o engenheiro deve considerar a repetição
do experimento em tais condições para confirmar o resultado ou simplesmente
identificar algum erro que possa ter sido cometido na medição.
Outro tópico importante é considerar que a incerteza dos resultados pode afetar
o ajuste de curva. A Figura 5.23 mostra um mesmo conjunto de dados, mas com
valores de incerteza diferentes e o correspondente ajuste de reta. Esta figura
mostra dois fatos: a) colocar incertezas com mesmos valores para todos os
dados produz o mesmo ajuste de curva que não colocar incertezas e b) dados
com maior incerteza tem menor peso sobre o ajuste de curva. Nessa figura
podem ser observados pontos que poderiam ser considerados outliers, por
estarem distantes do modelo linear, afetando o processo de regressão linear e
os valores dos parâmetros encontrados.
219
Métodos Experimentais em Engenharia
c) d)
Fonte http://nbviewer.ipython.org/github/duartexyz/BMC/blob/master/CurveFitting.ipynb
220
Métodos Experimentais em Engenharia
Figura 5.24- Força peso em função da massa para os dados da Tabela 5.2
221
Métodos Experimentais em Engenharia
i m − m (kg) P − P (N)
1 -0,075 -0,7325
2 -0,025 -0,2425
3 0,025 0,2475
4 0,075 0,7275
n=4 ( m − m) i
2
= 0, 0125 (m − m)( P − P ) = 0,12175
i i
Os dois valores calculados na última linha da Tabela 5.3 são suficientes para
calcular o coeficiente linear A e o coeficiente angular B . É preciso calcular
inicialmente o coeficiente angular usando a equação (5.20):
n
(m − m)( P − P )
i i
0,12175
B = i =1
n
= = 9, 74 m /s 2
( m − m) 2 0, 0125
i
i =1
i mi2 (kg 2 ) ( Pi − A − B mi ) 2 (N 2 )
1 0,0025 4,0 x 10-6
2 0,0100 1,0 x 10-6
3 0,0225 1,6 x 10-6
4 0,0400 9,0 x 10-6
n=4 (m ) i
2
= 0,075 (P − A − B m )
i i
2
= 3,0 x 10−5
222
Métodos Experimentais em Engenharia
m 2
i
0, 075
u A = uP 4
i =1
= 0, 003873 = 0, 004743 N
4 (mi − m) 2
4x0, 0125
i =1
1 1
uB = uP 4
= 0, 003873 = 0, 0346 m/s 2
( m − m) 2 0, 0125
i
i =1
Para verificar como fica o ajuste dos dados da Tabela 5.2 com a reta definida
pelos parâmetros A e B calculados, é traçado o gráfico da Figura 5.25.
223
Métodos Experimentais em Engenharia
Figura 5.25- Força peso em função da massa para os dados da Tabela 5.2 com ajuste
através de regressão linear: P = A + Bm
224
Métodos Experimentais em Engenharia
Figura 5.26- Força peso em função da massa para os dados da Tabela 5.2 com ajuste
através do software LABFit (LABFIT)
225
Métodos Experimentais em Engenharia
População Amostra
Amostragem aleatória
Parâmetros Estatísticas
Inferência estatística
226
Métodos Experimentais em Engenharia
227
Métodos Experimentais em Engenharia
x −k x +k (5.49)
n n
s s
x −t x +t (5.50)
n n
228
Métodos Experimentais em Engenharia
5.4.1 Histogramas
Histogramas são gráficos que mostram, por meio de barras verticais desenhadas
lado a lado, a distribuição de frequência de uma variável. Em metrologia, um
histograma pode auxiliar na visualização das medidas de um parâmetro, sob
vários aspectos:
x=
f .xc (5.51)
n
229
Métodos Experimentais em Engenharia
f (x c − x )2
s = s2 = 1
(5.52)
n −1
Tabela 5.5 – Valores medidos de capacitância (em µF) para uma amostra de n = 52
componentes de um mesmo lote. Os valores destacados constituem outliers.
230
Métodos Experimentais em Engenharia
30
25
20
Frequência
15
10
0
89,5 92,5 95,5 98,5 101,5 104,5 107,5 110,5 113,5 116,5
Valores médios de capacitância (µF)
231
Métodos Experimentais em Engenharia
Outro ponto a ser observado no exemplo estudado é que tanto na tabela dos
valores medidos de capacitância quanto no histograma obtido nota-se a
presença de valores outliers, isto é, que se encontram muito afastados dos
demais valores do conjunto de dados. Nesse exemplo, são os valores extremos:
88,3 µF e 115,4 µF destacados na Tabela 5.5. A ocorrência de tais valores irá
afetar a decisão sobre a aceitação ou não do lote de capacitores adquiridos. No
entanto, para a representação conjunta do histograma com a curva normal de
distribuição convém desprezar esses valores e adaptar o histograma aos dados
remanescentes, além de proceder à normalização das alturas dos retângulos,
conforme mencionado acima.
1 ( x − x )2
y= exp − (5.53)
s 2
2
2s
É interessante notar que nessa curva o valor de pico ymax corresponde ao valor
de x . Para se obter graficamente o valor aproximado de s , basta verificar quais
são os valores de x correspondentes a exp(-0,5). ymax 0, 6 ymax , já que na
expressão da função gaussiana esses valores correspondem às abcissas ( x - s )
e ( x + s) .
232
Métodos Experimentais em Engenharia
233
Métodos Experimentais em Engenharia
x = 97,314 μF e s m = 0, 414 μF
Verifica-se que o desvio padrão calculado a partir das médias obtidas pelos 7
grupos é menor que o desvio padrão de cada grupo, e menor que o desvio
padrão da população, que seria resultante a partir da medição de todos os
capacitores do lote. Ou seja, o desvio padrão da média reduz-se na proporção
inversa da raiz quadrada do número de unidades usados para o cálculo da
média. Quanto maior n , menor será a dispersão entre as médias obtidas (Figura
5.31).
234
Métodos Experimentais em Engenharia
Tabela 5.8- Médias e desvios padrão de 50 capacitores obtidos por 7 grupos de alunos
Distribuição das
médias de n medidas
Desvio padrão: s / n
Distribuição de n
medidas.
Desvio padrão: s
x=
Fonte: Próprios Autores
235
Métodos Experimentais em Engenharia
Vamos tomar como exemplo um produto “A” que deve ser “seguro”47. Quais as
propriedades deste produto? Suponha que a existência de um botão de
emergência vermelho seja considerada como necessária, apesar de não ser
suficiente, para garantir a segurança. Qual a propriedade “a” deste vermelho?
Qual o método “x” para medir esta propriedade?
Por outro lado, não há nenhuma relação intrínseca entre segurança e a cor exata
de um botão. São aspectos culturais que podem ser usados inclusive para
facilitar o treinamento. Raramente alguém perguntaria “qual é mesmo a cor do
botão que devo apertar em caso de emergência”? Também não teria dúvida de
saber qual é o botão vermelho48. Sabendo disso, várias normas da ABNT
reservam esta cor para indicações de perigo ou que exigem ação imediata, sem
se preocupar com a especificação exata do que é “vermelho”.
46
Não raramente esta faixa é simétrica, “está em torno de um valor especificado”; às vezes ela é
assimétrica; e às vezes é apenas um limite: “deve ser maior (ou menor) que um valor especificado”.
47
No Brasil, o Inmetro e outros órgãos trabalham juntos para definir quais os procedimentos de ensaios
(normas) que são utilizados para definir “seguro”.
48
Naturalmente, há certas limitações físicas que podem dificultar esta identificação.
236
Métodos Experimentais em Engenharia
Note-se que nas duas últimas situações de erro de medição, teremos que ou o
fornecedor ou o comprador do produto serão prejudicados (ou ambos). São os
chamados resultados falso positivo e falso negativo, respectivamente.
No exemplo dado, para qual número de pessoas devo fazer a pergunta para ter
certeza de que o botão é vermelho? No limite, para todos que usarão o
equipamento alguma vez na vida. Se 99,99% das pessoas disserem que o botão
é vermelho, deveria trocar sua cor por não atender a totalidade dos usuários?
Ou só treinar os usuários com mais cuidado?
237
Métodos Experimentais em Engenharia
assume verdadeira até que se prove o contrário. É útil fazer uma analogia com
processos criminais onde um acusado (réu) é dito ser inocente até que se prove
o contrário. A pressuposição de inocência é, portanto, uma hipótese nula.
Se a hipótese nula não for verdadeira, é necessário estabelecer uma hipótese
alternativa (denominada H1), que representa o modelo alternativo a ser
considerado.
Assim, considerando o exemplo do réu, formulamos as hipóteses:
Vamos tomar como exemplo, o fabricante de um novo carro que anuncia que a
média de consumo de combustível de seu produto é de 20 km/l. Como
comprovar este dado? Não é possível testar todos os carros fabricados
(população), portanto é preciso trabalhar com um número limitado de veículos
escolhidos aleatoriamente (amostra). A partir dos dados medidos na amostra, é
possível estabelecer um teste de hipóteses, e tomar uma decisão a respeito do
anúncio do fabricante.
• Hipótese nula (H0) como sendo a hipótese que corresponde ao fato de que a
média da amostra, x , é “compatível” com a média da população, (isto é,
x =)
• Hipótese alternativa (H1) como sendo a hipótese que corresponde ao fato de
que a média da amostra, x , não é “compatível” com a média da população
(isto é, x )
238
Métodos Experimentais em Engenharia
2s / n
s/ n
239
Métodos Experimentais em Engenharia
Aceitar H0 Rejeitar H0
H0 verdadeira Decisão correta Erro do tipo I
H0 falsa Erro do tipo II Decisão correta
Decisão
Verdade sobre o acusado Inocente Culpado
Inocente Justiça Erro do tipo I
Culpado Erro do tipo II Justiça
240
Métodos Experimentais em Engenharia
I- Premissas
• A média deve representar uma variável quantitativa.
• A coleta de dados deve ser produzida aleatoriamente.
• A população deve ter distribuição aproximadamente normal.
II- Definição das Hipóteses Nula (H0) e Alternativa (H1) sobre a média
H 0 : x =
Bilateral:
H1 : x
H : x = H 0 : x =
Unilateral: 0 ou
H1 : x H1 : x
III- Decisão
H1: x
H1: x
241
Métodos Experimentais em Engenharia
unilateral à direita
unilateral à esquerda
bilateral
Aqui, vale lembrar que dados amostrais podem seguir vários tipos de
distribuições estatísticas: a mais comum, que é a distribuição normal ou
gaussiana, mas também as distribuições uniforme (ou retangular), t de Student,
qui-quadrado, binomial, etc. Para cada tipo de distribuição, existem testes de
hipóteses adequados.
242
Métodos Experimentais em Engenharia
Va uVa e Vb uVb
Va − Vb
z´= (5.54)
uV2a + uV2b
Assim, pode ocorrer que os valores das grandezas Va e Vb sejam próximos, mas
se as incertezas expandidas UV = 2uV e UV = 2uV forem pequenas, o valor de
a a b b
Va − Vb
En = (5.55)
UV2a + UV2b
Vamos agora utilizar o exemplo dos capacitores, apresentado no item 5.4.1 para
elaborar um teste de hipóteses relacionado a essa distribuição amostral.
Podemos, por exemplo, verificar se os valores obtidos experimentalmente para
a amostra de 52 componentes do mesmo lote são compatíveis com as
especificações fornecidas pelo fabricante, ou seja:
243
Métodos Experimentais em Engenharia
Ce − Ca 100 − 97,1
z´= = = 0, 24
(uCe ) 2 + (uCa ) 2 122 + 2,32
Ce − Ca 100 − 97, 4
z´= = = 0, 21
(uCe ) + (uCa )
2 2
122 + 3, 62
O teste também pode ser aplicado aos parâmetros inferidos para a população:
Ce − Ca 100 − 97,3
z´= = = 0, 22
(uCe ) + (uCa )
2 2
122 + 3, 02
Em todos os casos, resultou z´ < 2, o que indica que a hipótese nula poderá ser
aceita, ou seja, a amostra analisada é compatível com as especificações do
fabricante.
244
Métodos Experimentais em Engenharia
Pede-se:
245
Métodos Experimentais em Engenharia
C = 50 F R
6V
246
Métodos Experimentais em Engenharia
Pede-se:
a) Quais deveriam ser os valores dos parâmetros A e B no caso de um
conversor ideal?
b) Qual é o valor do passo de quantização V (teórico) desse conversor e
sua respectiva incerteza?
c) Qual é o valor do passo de quantização experimental Vexp desse
conversor? Apresente o resultado, acompanhado da respectiva incerteza.
247
Métodos Experimentais em Engenharia
Pede-se:
a) A partir do gráfico apresentado, obtenha a média e o desvio padrão da
distribuição (considerada normal) dos valores de capacitância C medidos.
b) Considerando: o desvio padrão da distribuição normal obtida no item a)
248
Métodos Experimentais em Engenharia
249
Métodos Experimentais em Engenharia
Pede-se:
a) Calcule o valor da área ( A ) das três peças, e preencha a Tabela 5.14 com
esses valores.
b) Enuncie um teste de hipóteses (hipóteses nula e alternativa),
correspondente à afirmação do fabricante, de forma a auxiliar a tomada de
decisão de um industrial que pretende adquirir essas peças para utilização
na montagem de uma máquina de precisão.
c) Sabendo-se que:
• as medições foram realizadas com um paquímetro com nônio de 50
divisões;
• que a incerteza devido à repetibilidade nas medidas de L e H foi de 1%;
• que as medidas de L e H são independentes;
determine as incertezas padrão combinadas correspondentes aos valores
das áreas calculadas no item a), e preencha a Tabela 5.14 com esses
valores. Preencha também a última linha da Tabela 5.14 com os valores
das áreas acompanhados das respectivas incertezas.
d) A partir de seus resultados, tome uma decisão sobre o teste de hipóteses
enunciado em b), utilizando o critério do z’-score. Explique sua resposta.
Peça 1 2 3
Comprimento ( L ) (mm) 24,26 24,20 24,22
Altura ( H ) (mm) 50,36 50,42 50,38
Área ( A ) (mm2)
Incerteza ( u A ) (mm2)
250
Métodos Experimentais em Engenharia
251
Métodos Experimentais em Engenharia
49
A menos que o(s) autor(es) tenha(m) uma responsabilidade a ser salientada no relato, como por
exemplo, “o grupo escolheu tal método por tal razão”. Sobre o uso da primeira pessoa em linguagem
científica, ver, por exemplo: https://cienciapratica.wordpress.com/2013/04/23/deve-se-ou-nao-evitar-
usar-a-primeira-pessoa-em-linguagem-cientifica
252
Métodos Experimentais em Engenharia
253
Métodos Experimentais em Engenharia
Assim, é fácil entender que todo engenheiro, na prática de sua profissão, deverá
consultar, interpretar, utilizar, e algumas vezes, produzir normas técnicas, sendo
254
Métodos Experimentais em Engenharia
Há, nas normas técnicas, um saber que sintetiza dezenas de anos, quando não
mais de um século de conhecimento usado na evolução da tecnologia. Métodos
criados no século XIX foram aperfeiçoados ao longo do século XX, e hoje estão
adaptados à instrumentação do século XXI. Este é o caso de normas na área de
segurança contra choques elétricos, por exemplo. O desenvolvimento de um
método que possa ser usado para testar a hipótese “o equipamento é seguro?”
exige que muitos anos de experiência tenham sido acumulados. Nas normas
técnicas há sempre um texto inicial, ou um apêndice, que permite recuperar a
retrospectiva do conhecimento adquirido pela comunidade da área.
6.3 Pré-Relatório
O objetivo do Pré-Relatório é preparar de antemão o experimento que será
realizado no laboratório, a partir do estudo de um roteiro pré-existente para
obtenção de um mensurando de interesse. Esse documento deve auxiliar a
50
São exemplos de Normas Técnicas vigentes no Brasil: a ABNT NBR ISO 9001, que é a versão brasileira
da norma internacional ISO 9001 que estabelece requisitos para o Sistema de Gestão da Qualidade (SGQ)
de uma organização; a NR-10, que é a Norma Regulamentadora emitida pelo Ministério ou Secretaria do
Trabalho do Brasil que tem por objetivo garantir a segurança e a saúde dos trabalhadores que interagem
nas instalações e serviços com eletricidade; e a IEEE 802.11, que define padrões para o funcionamento de
redes sem fio, como, por exemplo as redes Wi-Fi.
255
Métodos Experimentais em Engenharia
Deve-se notar que um engenheiro, na prática de sua profissão, nem sempre será
o responsável por realizar todas as medições de um experimento no laboratório.
Alguns experimentos, inclusive, poderão exigir medições repetitivas de uma
grandeza sob várias condições ou a utilização de equipamentos que devem ser
operados por técnicos especializados. Nesses casos, o Pré-Relatório será um
instrumento fundamental para que o engenheiro especifique a outros
profissionais, de forma clara e objetiva, quais as etapas que deverão ser
cumpridas e quais os dados que deverão ser coletados num experimento
específico, de forma a que possa, posteriormente, calcular e discutir resultados
e incertezas, chegar a conclusões e elaborar diagnósticos sobre o mensurando
estudado.
256
Métodos Experimentais em Engenharia
• Resumo;
• Descrição experimental e Metodologia;
• Resultados e Discussão dos resultados;
• Conclusões;
• Referências bibliográficas;
• Apêndices.
Se necessário, essa lista poderá incluir também, após o Resumo, um item a ser
denominado “Introdução”, “Objetivos” ou “Contextualização”, em que o autor
poderá incluir uma descrição sucinta do tema em estudo e dos objetivos do
experimento. Para relatórios que são fruto de um trabalho realizado a partir de
um roteiro já existente, o conteúdo desse item provavelmente estará no roteiro,
sem haver a necessidade de repeti-lo no relatório. De forma geral, esse roteiro
deverá ser citado nas Referências Bibliográficas, de forma a não haver a
necessidade de reproduzir partes de seu conteúdo, exceto por informações
consideradas relevantes para a consistência e clareza do relatório.
Resumo
Embora seja o primeiro tópico de um relatório, o resumo deve ser escrito
somente ao final do processo, quando todos os outros itens já tenham sido
escritos e revisados. Isso porque o resumo deve conter, de forma concisa e
objetiva, todos os outros itens do relatório: a contextualização do tema, os
objetivos do experimento, a metodologia empregada, o(s) principal(is)
resultado(s), discussões e conclusões. De maneira geral, pode-se dizer que o
resumo deve dar ao leitor uma ideia geral sobre o conteúdo do relatório, de forma
concisa.
257
Métodos Experimentais em Engenharia
Fonte: Toneli, J.T.C.L. et al. Efeito da umidade sobre a microestrutura da inulina em pó, Ciênc. Tecnol.
Aliment. vol.28 no.1 Campinas Jan./Mar. 2008
258
Métodos Experimentais em Engenharia
Resultados e Discussão
259
Métodos Experimentais em Engenharia
Conclusões
Cuidado: frases do tipo: “os resultados obtidos estão de acordo com o esperado”
sem nenhuma complementação numérica são absolutamente inócuas e devem
ser evitadas a todo custo num relatório técnico.
260
Métodos Experimentais em Engenharia
A partir das dimensões de uma peça cilíndrica medidas com um paquímetro, foi
obtido o volume da peça sob estudo: (80,300,18) cm3, k =1. Combinando-se
este resultado com a massa medida, obteve-se a densidade do material:
(8,880,03) g/cm3, k =1, podendo-se concluir, através de dados tabelados na
literatura e da aparência da peça, que a mesma pode ter sido construída de
cobre ou latão.
Referências Bibliográficas
Apêndices
Os Apêndices são utilizados para apresentar tópicos que podem ser separados
do texto principal do relatório, sem prejudicar o seu entendimento e garantindo
continuidade e fluidez de leitura e entendimento. Assuntos diferentes devem
estar contidos em Apêndices diferentes, identificados por letras maiúsculas
consecutivas, travessão e título respectivo.
261
Métodos Experimentais em Engenharia
6.5.1 Fluxogramas
O Fluxograma é uma representação gráfica de um determinado processo ou
fluxo de trabalho, efetuado geralmente com figuras geométricas normalizadas,
unidas por setas, cuja orientação indica o sentido do fluxo e a sequência das
etapas a serem realizadas. Esse elemento é muito utilizado em várias áreas de
Engenharia e Computação, pois através da representação gráfica é possível
compreender de forma rápida e fácil as entradas e saídas, bem como a transição
de informações entre as etapas e os elementos que participam do processo,
servindo como ferramenta de planejamento e aperfeiçoamento do mesmo.
262
Métodos Experimentais em Engenharia
263
Métodos Experimentais em Engenharia
Início do processo
Fase do processo
Controle
Não
Decisão
Sim
Fim do processo
264
Métodos Experimentais em Engenharia
Para ilustrar esses conceitos, estão representados na Figura 6.2 e na Tabela 6.5
respectivamente, o Diagrama de Ishikawa (já apresentado na Figura 2.6) e a
Tabela de Balanço de Incertezas construídos para o mensurando TMSA
(Temperatura Média de Santo André), descrito com detalhes no Item 3.5.3.
Lembramos que este mensurando foi definido como:
Cada incerteza poderá ser obtida por um método do tipo A ou do tipo B (incerteza
tipo A: método estatístico; incerteza tipo B; qualquer outro método).
Independentemente do tipo da incerteza, os valores serão combinados da
mesma forma, ou seja, através de suas variâncias. Cada fator também estará
associado a uma distribuição de probabilidades: normal, retangular, triangular,
etc. As incertezas tipo A são normalmente associadas à distribuição normal ou
gaussiana. Incertezas tipo B relacionadas à resolução de instrumentos ou
obtidas através de certificado de calibração são normalmente associadas à
distribuição uniforme ou retangular, particularmente se não houver mais
informações sobre o tipo de distribuição. É importante incluir na tabela o tipo de
distribuição considerada, pois isso definirá o valor do Divisor (quinta coluna da
tabela), para se obter a incerteza padrão associada a cada grandeza de
influência. Os coeficientes de sensibilidade (sexta coluna da tabela) quantificam
o efeito de variações da grandeza de influência sobre a grandeza de interesse,
265
Métodos Experimentais em Engenharia
Repetibilidade
Repetibilidade
266
Métodos Experimentais em Engenharia
267
Métodos Experimentais em Engenharia
Existe uma norma (IBGE, 1993) que recomenda que a moldura de uma tabela
não tenha traços verticais que delimitem à esquerda e à direita da Tabela, e que
inclua traços horizontais e verticais em número mínimo para garantir a clara
visualização dos dados apresentados. A Tabela 6.6 é um exemplo dessa
formatação para apresentação em Relatório.
(+/- U)*
51
Cuidado especial deve ser tomado com a diferenciação entre os símbolos para quilo, k , e para o grau
Kelvin, K . Assim, Km representa grau Kelvin vezes metro, enquanto km é o símbolo para
quilômetro.
268
Métodos Experimentais em Engenharia
• O gráfico deve ser inteligível, mesmo fora do texto; deve ter um título,
posicionado acima, que descreva com algum detalhe o conteúdo do gráfico
e uma legenda abaixo, indicando a Fonte de onde foi obtido o gráfico, que
poderá ser: “Fonte: Autoria Própria” ou “Fonte: Próprio Autor”;
• Deve haver uma legenda em cada eixo, descrevendo quais variáveis estão
sendo representadas, acompanhadas de suas respectivas unidades. Em
geral, a variável dependente (efeito) deve ser descrita no eixo das ordenadas
( y ) e a variável independente (causa), nas abscissas ( x ).
• Os gráficos mais comuns em engenharia possuem escalas lineares nos dois
eixos, mas em alguns casos é adequado trabalhar com gráficos semi-log
(com um dos eixos sendo logarítmico) ou log-log (com os dois eixos
logarítmicos). Para funções do tipo y = A x B , essa última opção pode ser
interessante para análise da função numa faixa extensa de valores.
• As divisões das escalas de ambos os eixos devem ser escolhidas de forma
apropriada, de forma que toda a área do gráfico seja ocupada pelos pontos
e/ou curvas dispostos.
• No gráfico, pontos experimentais devem apresentar as respectivas barras de
incertezas: incertezas da medida devem ser traçadas como uma barra em
torno do ponto indicado. Se for uma grandeza calculada, a faixa de incerteza
também pode ser traçada. Em geral, a variável dependente, apresentada no
eixo y é a que tem uma incerteza associada, calculável a partir das variáveis
independentes, e representada por uma barra vertical. Vimos também que
incertezas na variável x podem ser transferidas para a variável y (Item
5.3.2.1), e já incluídas na barra vertical. Apenas nos casos em que ainda não
269
Métodos Experimentais em Engenharia
Grandeza X (unidade)
270
Métodos Experimentais em Engenharia
271
Métodos Experimentais em Engenharia
Nota: Você poderá resolver os itens e), f) e g) consultando o Item 5.3 desse
livro, ou também utilizando um software adequado (por exemplo o LABFit
(LABFIT)).
Fonte:
https://faraday.physics.utoronto.ca/PVB/Harrison/GUM/05_DataWithTwoVariables/05_DataWithTwoV
ariables.pdf
272
Métodos Experimentais em Engenharia
Figura 6.6- Gráfico dos resultados obtidos para o coeficiente de restituição da bola de
ping pong
Base de aço
Base de madeira
h1 (m)
273
Métodos Experimentais em Engenharia
São dados:
Pede-se:
274
Métodos Experimentais em Engenharia
275
Métodos Experimentais em Engenharia
276
Métodos Experimentais em Engenharia
7.1 Introdução
A metrologia e o processo de inspeção e avaliação de produtos ou serviços são
extremamente relevantes nas aplicações em engenharia, pois permitem redução
nos defeitos de fabricação, melhoria na produtividade e, consequentemente, na
qualidade do produto em oferta ou no serviço oferecido. O engenheiro que está
em contato com as etapas de controle de qualidade deve também ter uma boa
compreensão dos métodos de ensaio e de calibração, bem como da seleção
adequada, e manutenção de vários instrumentos e dispositivos à sua disposição.
277
Métodos Experimentais em Engenharia
Diversos tipos de atividades podem ser propostos, tais como as Oficinas, nas
quais é apresentado um desafio, associado a um certo conceito ou procedimento
metrológico, para que os alunos resolvam em grupo; e Experimentos, que
envolvem vários conceitos, e na sua realização, os grupos de alunos podem
trocar experiências e resultados.
7.2.1 Descrição
A medição de dimensões físicas (comprimento, largura, profundidade, diâmetro,
altura, etc.) e grandezas delas derivadas (por exemplo, área, volume) envolve
práticas simples e com as quais nos deparamos no dia a dia em várias situações.
Assim, as dimensões podem ser utilizadas no início de uma disciplina de
Métodos Experimentais em Engenharia para introduzir e conscientizar os alunos
sobre padrões, unidades de medidas e conversão de unidades (Item 1.5) e
identificação e propagação de incertezas em modelos matemáticos conhecidos
(Item 3.5).
279
Métodos Experimentais em Engenharia
7.2.2 Conceitos
Apesar de ser um experimento prático de execução relativamente simples, e que
se baseia em conceitos físicos e cálculos com os quais os alunos já possuem
familiaridade (como o volume de sólidos geométricos), o objetivo geral em sua
proposta é, principalmente, o de ressaltar os aspectos relacionados à metrologia
e à instrumentação, tais como:
Haverá vários fatores afetando as medições diretas das dimensões, que irão
contribuir para o cálculo das incertezas associadas aos valores medidos:
defeitos na fabricação das peças; limitações dos instrumentos (resolução finita,
linearidade, ruídos, etc.); dificuldades associadas ao método de medição;
variações aleatórias obtidas na repetição de uma mesma medição, seja ela
280
Métodos Experimentais em Engenharia
Outras incertezas do tipo B incluem parcelas que também não serão obtidas de
forma estatística, como, por exemplo: incerteza no processo de calibração dos
instrumentos; a precisão mecânica de construção do paquímetro e do
micrômetro; o posicionamento das peças durante a medição; os efeitos de
paralaxe na leitura de escalas analógicas, ou incerteza da conversão A/D em
displays digitais; as imprecisões na escala dos instrumentos; o efeito de
temperatura nessas escalas, etc.
281
Métodos Experimentais em Engenharia
7.3.1 Descrição
O experimento consiste em realizar medições de força utilizando diferentes
procedimentos e obter a constante elástica de algumas molas, tanto em tração
quanto em compressão. Para tanto, são propostos diferentes métodos
experimentais, tendo como base a segunda lei de Newton; a lei de Hooke das
molas; e as equações do movimento harmônico simples de um sistema massa-
mola.
Para relacionar a massa das peças metálicas utilizadas com a sua força-peso,
propõe-se também que o valor local da aceleração da gravidade g seja obtido a
partir da medição de vários períodos de um pêndulo simples montado no
laboratório.
282
Métodos Experimentais em Engenharia
7.3.2 Conceitos
Este experimento é baseado em leis físicas fundamentais (2ª Lei de Newton, Lei
de Hooke e MHS) e utiliza componentes simples, mas permite a exploração de
vários conceitos em metrologia e instrumentação, tais como:
283
Métodos Experimentais em Engenharia
ser realizado pelos métodos de regressão linear (Item 5.3). Para o cálculo das
incertezas nas várias etapas desse experimento, é necessário conhecer (ou
estimar) as incertezas das diversas grandezas de influência do mensurando, e
utilizar o procedimento de propagação de incertezas (Item 3.5). A incerteza do
parâmetro de ajuste, no caso a constante k , dependerá das incertezas de F
e x em cada ponto experimental e também envolverá a incerteza associada
ao próprio processo de ajuste de função.
284
Métodos Experimentais em Engenharia
• As oscilações devem ter pequena amplitude tal que possa ser feita a
aproximação sen ;
• A massa deve ser puntiforme;
• O fio deve ser inextensível e não possuir massa;
• O movimento deve ser conservativo (ou seja, não há outras forças
atuando no sistema além da força da gravidade e a força que mantém o
eixo do pêndulo fixo);
• O pêndulo realiza um movimento bidimensional.
L
T = 2 (7.1)
g
285
Métodos Experimentais em Engenharia
a) Aproximação sen
L 2 d L
g 0
T =4 =4 K sen (7.2)
g 2
1 − sen 2 sen 2
2
286
Métodos Experimentais em Engenharia
2
amortecido = 2 − 2 sendo = (7.3)
T
287
Métodos Experimentais em Engenharia
1
= (1/s)
NT
No experimento com o pêndulo (ou no caso do MHS com a mola), demora pelo
menos duas dezenas de oscilações para que a amplitude diminua
significativamente. Assim, podemos estimar que o coeficiente de amortecimento
1 0, 05
seja menor que = . O efeito deste coeficiente de amortecimento no
20T T
período pode ser estimado pela equação (7.4), deduzida a partir da equação
(7.3):
T ( T ) 2 0, 05
= 1− = 1− = 0,99937 (7.4)
Tamortecido 4 2
4 2
Por isso, o ideal é que a massa não atinja alta velocidade, e portanto, não suba
muito alto. Para o pêndulo, quanto maior o comprimento do fio, menor será a
288
Métodos Experimentais em Engenharia
d) Outros efeitos
O fio do pêndulo também deve ser inextensível, de forma a que não haja um
efeito elástico no movimento, também não previsto no modelo.
7.4.1 Descrição
Neste experimento é feita uma comparação entre os resultados experimentais
obtidos através de duas metodologias (processo por intercepto e o processo
planimétrico), normalizadas pela ABNT (Associação Brasileira de Normas
Técnicas).
teste de hipóteses, o grupo poderá optar, por exemplo, por utilizar os resultados
obtidos através do mesmo método em imagens diferentes; ou os resultados
obtidos com os dois métodos diferentes aplicados numa mesma imagem.
7.4.2 Conceitos
Os métodos propostos para determinação do tamanho médio de grão de um
material, apesar de relativamente trabalhosos não são complexos, permitindo
com esse experimento, a aplicação de vários conceitos de metrologia e
instrumentação:
290
Métodos Experimentais em Engenharia
7.5.1 Descrição
O objetivo desse experimento é a determinação do coeficiente de restituição
de diversos materiais, estudando-se a variação da energia cinética de vários
tipos de bolas (borracha, gude, pebolim, aço, ping pong, etc.) ao colidir sobre
uma base fixa de granito, provocando colisões parcialmente elásticas.
Assim, o coeficiente de restituição pode ser obtido a partir das medições dos
intervalos de tempo entre colisões ou através das alturas consecutivas que a
bola atinge após colisões sucessivas na base fixa.
291
Métodos Experimentais em Engenharia
7.5.2 Conceitos
Além do interesse intrínseco do tema desse experimento para várias áreas das
ciências e engenharia (por exemplo, no estudo de colisões entre partículas
subatômicas; no estudo de queda de paredes em terremotos e de pedras em
rodovias; no projeto de novos materiais; no estudo do comportamento de bolas
de esporte; no projeto de para-choques de automóveis; na escolha de materiais
para a construção civil; na especificação de materiais rígidos ou flexíveis), vários
conceitos de metrologia e instrumentação podem ser abordados em sua
realização:
292
Métodos Experimentais em Engenharia
Ao olhar um ponto através da escala, o ângulo de visão (a) interfere no valor lido
(Figura 7.4). Esta interferência é definida como a paralaxe neste exemplo.
A altura total da bolinha ( H total ) pode ser calculada pela altura de referência, do
ponto de vista ( H ref ) somada a H C .
H total = H ref + H C
293
Métodos Experimentais em Engenharia
Devido à paralaxe, não se mede H C , mas sim H m . H C pode ser calculada por:
H C = H m + h
h H
= m
D / 2 dpv
Sabendo-se a distância do ponto de vista até a escala (ou seja, dpv ), teremos:
Hm D / 2
H total = H ref + H m + h = H ref + H m +
dpv
ou seja:
D
H total = H ref + H m 1 +
2dpv
O valor da altura da bola a ser considerado deve ser H total , obtido a partir dessa
correção aplicada ao valor medido H m . Este tipo de correção pode eliminar um
erro cometido na leitura pelo efeito sistemático da paralaxe.
D
umeio =
2 3
294
Métodos Experimentais em Engenharia
D
Desta forma, o termo da correção h = H m apresentará uma incerteza
2dpv
associada à hipótese de que a bolinha está “exatamente na metade do diâmetro
D ” calculável por:
d h H D HmD
uh = umeio = m =
dD 2dpv 2 3 4 3dpv
Observe que um efeito tipicamente sistemático (“olhar por baixo” ou “olhar por
cima”), transforma-se num efeito aleatório (correção calculada supondo a
posição da bola “exatamente na metade do diâmetro D ”).
7.6.1 Descrição
Nesse experimento, os alunos devem inicialmente construir uma escala de
temperatura (em unidades de graus “Grupo”, ou seja, oG) para um capilar de
vidro com álcool, utilizando dois pontos de referência físicos (ponto de fusão e
ponto de ebulição da água), aos quais serão associados valores arbitrários de
temperatura Tmin e Tmáx de sua escolha. A escala termométrica (oG/mm) obtida
295
Métodos Experimentais em Engenharia
7.6.2 Conceitos
Além do desafio sobre a compreensão do conceito e da medição de temperatura
como parâmetro físico para quantizar o estado térmico de um corpo, esse
experimento explora vários outros conceitos fundamentais de metrologia e
instrumentação:
52
Maiores detalhes sobre o processo de calibração de termômetros podem ser encontrados em
(INMETRO, 2008)- Exemplo H.3.
296
Métodos Experimentais em Engenharia
7.7.1 Descrição
Vários sistemas na natureza e na engenharia apresentam comportamento que
pode ser descrito matematicamente através de uma equação diferencial de
primeira ordem, sendo conhecidos como sistemas de primeira ordem. As
respostas de interesse de tais sistemas têm formato exponencial, e são
caracterizadas pelo parâmetro denominado constante de tempo, que traduz a
velocidade de reação lenta ou rápida do sistema, de acordo com seu valor alto
ou baixo, respectivamente. Alguns exemplos de sistemas de primeira ordem são:
decaimento radioativo; transferência de calor; vazão de fluidos; modelos de
variação de população; vários sistemas mecânicos e pneumáticos, como
suspensão de veículos.
Os circuitos RC, compostos por resistores (R) e capacitores (C) são um exemplo
prático interessante desse tipo de sistema e são estudados neste experimento,
297
Métodos Experimentais em Engenharia
tendo em vista seu baixo custo e facilidade de montagem. Deve-se notar que os
conceitos, as equações e as medições envolvidas nesse experimento podem ser
facilmente aplicados, através de analogias, em outros sistemas quaisquer de
primeira ordem, já que o modelo matemático é o mesmo.
298
Métodos Experimentais em Engenharia
7.7.2 Conceitos
Além da importância indiscutível do estudo de sistemas de primeira ordem na
engenharia, esse experimento realizado com circuitos RC, compostos por
resistores e capacitores, permite a exploração de vários conceitos em metrologia
e instrumentação:
299
Métodos Experimentais em Engenharia
7.8.1 Descrição
É importante conscientizar os alunos de engenharia sobre a influência dos
sensores e transdutores (sendo esses elementos o primeiro bloco de um sistema
de instrumentação), sobre os seus efeitos no processo de medição e nos
resultados obtidos (Item 4.2.1). Por exemplo, no caso do mensurando de
interesse ser temperatura de um corpo qualquer, a escolha entre um sensor e
outro depende de vários fatores, tais como:
300
Métodos Experimentais em Engenharia
7.8.2 Conceitos
A partir das medições e resultados obtidos, várias questões poderão ser
propostas aos alunos, a fim de atingir os objetivos desejados com esse
experimento, e reforçar os conceitos envolvidos:
7.9 Conversão AD e DA
7.9.1 Descrição
Atualmente, a maioria dos equipamentos e sistemas de instrumentação,
medição e aquisição de dados são digitais, ou seja, armazenam, processam e
representam os dados analógicos de forma digital. Esses sistemas exigem o uso
de conversores Analógico/Digital que são responsáveis pela Amostragem,
Quantização e Codificação dos sinais analógicos para transformá-los em sinais
digitais (Item 4.2.2).
301
Métodos Experimentais em Engenharia
7.9.2 Conceitos
O experimento permite a exploração de vários conceitos relacionados à
Conversão Analógico-Digital (AD) e Digital-Analógico (DA), bem como sua
influência nos valores e incertezas do mensurando de interesse, quando obtido
através de instrumentação eletrônica digital (Item 4.2.2):
302
Métodos Experimentais em Engenharia
Esses projetos devem incluir várias etapas, tais como: Definição do Mensurando;
Elaboração de Teste de Hipóteses; Projeto e Planejamento de Experimento;
Análise das Grandezas de Influência e Estimativa de incertezas; Realização das
Medições através de métodos experimentais diferentes; Processamento dos
dados experimentais, ajuste de funções e extração de parâmetros com
respectivas incertezas; Expressão, Análise, Comparação e Discussão dos
resultados.
4 2 m
k=
T2
Pede-se:
a) Explique por que não devem ser calculadas as médias dos valores de
massa m e do período de oscilação T medidos para determinação da
constante k .
304
Métodos Experimentais em Engenharia
Parâmetro 1 2 3 4
Massa ( m ) (kg) 0,513 0,634 0,752 0,950
Dez períodos de
12,4 13,6 15,0 16,9
oscilação ( 10T ) (s)
Constante elástica
da mola ( k ) (N/m)
Fonte: Próprios Autores
Pede-se:
305
Métodos Experimentais em Engenharia
Especificação (0,0500,005)
Imagem 1
(0,047±0,012)
(Método do Intercepto)
Imagem 2
(0,052±0,007)
(Método Planimétrico)
Fonte: Próprios Autores
Considere as relações: t0 =
2H
e
tn=tn− 1=
tn− t0
2 n
,
g
306
Métodos Experimentais em Engenharia
Pedra/vidro Madeira/vidro
Colisão (n) tn (s) tn (s)
1 0,52 0,40
2 0,45 0,27
3 0,38 0,18
4 0,34 0,12
5 0,28 0,10
6 0,24 0,08
Fonte: Próprios Autores
307
Métodos Experimentais em Engenharia
308
Métodos Experimentais em Engenharia
1 dR
A partir destes dados, calcule o coeficiente = de temperatura do
R dT
termistor, para a temperatura de 30 oC, com respectiva incerteza.
0 oC 0 mV
20 oC 1,05 mV
100 oC 5,37 mV
Fonte: Próprios Autores
309
Métodos Experimentais em Engenharia
Temperatura ambiente: 20 oC
Multímetro (VCC)
Temperatura ambiente: 20 oC Multímetro (VCC) Forno a 100 oC
Tabela 7.6 – Número de pessoas infectadas no mundo pelo vírus Sars-Cov-2 desde o
dia 22/01/2020. Até dado #65: correspondem a 85% dos dados iniciais disponíveis. De
#66 a #76: correspondem a 15% dos dados finais disponíveis.
310
Métodos Experimentais em Engenharia
311
Métodos Experimentais em Engenharia
29/fev 38 86.011
312
Métodos Experimentais em Engenharia
8.1 Introdução
Neste texto, vimos que medir é uma atividade tão antiga quanto a própria
civilização, sendo um fator essencial da interação entre a humanidade e o mundo
físico. O processo de medir consiste essencialmente em comparar um valor
desconhecido com algo conhecido, denominado “padrão”. Um sistema de
medição (que pode ser denominado de instrumento, escala, medidor ou
analisador) é um dispositivo que facilita essa comparação. Desde a simples
balança de pratos, um dos sistemas de medição mais antigos, até os complexos
instrumentos modernos, vários conceitos e métodos foram compondo a ciência
da Metrologia, e muitas novas tecnologias têm sido incorporadas na área da
Instrumentação.
313
Métodos Experimentais em Engenharia
314
Métodos Experimentais em Engenharia
Os VIs têm tido grande aplicação nas indústrias, e nas áreas aeroespacial e
médica, pois permitem a aquisição remota de sinais, coletados por sensores
locais e transmitidos por sistemas de comunicação via cabos, radiofrequência ou
fibras óticas. O computador processa e apresenta os sinais obtidos, e o operador
pode ajustar os parâmetros e observar os resultados de medição em tempo real.
316
Métodos Experimentais em Engenharia
Fonte: https://www.keysight.com/
317
Métodos Experimentais em Engenharia
318
Métodos Experimentais em Engenharia
Fonte: https://www.electronics-notes.com/articles/test-methods/pxi/history-timeline.php
319
Métodos Experimentais em Engenharia
320
Métodos Experimentais em Engenharia
321
Métodos Experimentais em Engenharia
322
Métodos Experimentais em Engenharia
Tais funções inteligentes têm sido atribuídas não somente aos sensores, mas
também a atuadores, constituindo o que se denomina de transdutores
inteligentes (Figura 8.9). Esses dispositivos executam operações tais como
calibração, linearização e compensação de sinais, e têm como principal
componente, o uso de inteligência artificial para solucionar problemas reais.
Assim, produzem informação relevante para a tomada de decisões no controle
de processos industriais de manufatura, laboratório e produção.
Fonte: https://www.tecnoveste.com.br/arduino-o-que-e-para-que-serve-e-por-que-e-tao-importante/
324
Métodos Experimentais em Engenharia
Fonte: http://www.ni.com/newsletter/51387/pt/
325
Métodos Experimentais em Engenharia
Os outros padrões redefinidos foram: ampere (através dos valores fixos da carga
elementar e da constante de Planck); kelvin (através do valor numérico fixo da
constante de Boltzmann e não mais da temperatura do ponto triplo da água); e
mole (através do valor fixo do número de Avogrado) (NIST-UNITS).
326
Métodos Experimentais em Engenharia
327
Métodos Experimentais em Engenharia
328
Métodos Experimentais em Engenharia
atrativos aos alunos (BUFFLER, 2008). Considera-se que tais esforços devam
cumprir vários objetivos, tais como:
329
Métodos Experimentais em Engenharia
330
Métodos Experimentais em Engenharia
9.1 Capítulo 1
1- newton (N) = kg.m/s2 (2ª Lei de Newton: Força=massa x aceleração)
3- 7,65 e 7,6
4- 7,65 e 7,7
5- 2 e 6
6- 7 e 3
7- 23,5 x 103 g
9.2 Capítulo 2
1- Exemplo de definição do mensurando:
331
Métodos Experimentais em Engenharia
3- A repetibilidade.
4- A calibração.
6- A partir das medidas obtidas, pode ser calculada a exatidão, através, por
exemplo, da diferença entre o valor médio e o valor padrão, como:
(104, 25 − 100)
x100 = 4, 25% . A exatidão poderia ser melhorada, por exemplo,
100
verificando-se e realizando o ajuste de zero do instrumento, visto que todas
as medidas resultaram superiores ao valor padrão. No entanto, devido à
resolução do instrumento, a exatidão nessa medida está limitada a 1%.
332
Métodos Experimentais em Engenharia
Causas secundárias:
333
Métodos Experimentais em Engenharia
9.3 Capítulo 3
1- a) O efeito sistemático devido à imperfeição da régua: 5% = 0,05 produz
leituras 5% menores do que as que seriam obtidas com uma régua padrão.
Medidas em mm
227,85 228,17 228,27 227,96 228,06 228,38 228,17 228,48 228,06 227,85
Fonte: Próprios Autores
b) O valor mais provável do comprimento da peça será obtido pela média dos
valores corrigidos, ou seja: 228,1250 mm.
334
Métodos Experimentais em Engenharia
2- A partir dos dados dispostos na Tabela 3.8, podem ser calculados os valores
médios das dimensões B e A , e também o desvio padrão da média em
cada caso, que será considerado como a incerteza tipo A.
Assim, temos:
0,5
B = 40,14 mm ; uBA = 0, 0702 mm; uBR = = 0, 25 mm
2
Da mesma forma:
0,5
A = 25, 07 mm ; u AA = 0, 0597 mm; u AR = = 0, 25 mm
2
335
Métodos Experimentais em Engenharia
B. A
Área (triângulo) = = 503,15 mm2
2
2 2
Área Área
2 2
A B
u Área = (cB .u B ) + (c A .u A ) =
2 2
uB + u A = .u B + .u A =
B A 2 2
2 2
25, 07 40,14
.0, 26 + .0, 26 = 6,15 mm2
2 2
2
R R R
2 2
uR = u R0 + u + uT
R0 T
R
= 1 + (T − 20) = 1 + (0, 004)(30 − 20) = 1, 04
R0
R
= R0 (T − 20) = 6(30 − 20) = 60
R
= R0 = 6.0, 004 = 0, 024
T
336
Métodos Experimentais em Engenharia
uT = 1 oC
4- a) kg/(m)2
b) Massa e altura da pessoa.
337
Métodos Experimentais em Engenharia
Figura E3.1- Diagrama de Ishikawa para o mensurando IMC- Índice de Massa Corpórea
Repetibilidade
Repetibilidade
e) Coeficientes de sensibilidade:
IMC 1
cmassa = =
massa (altura) 2
IMC −2massa
caltura = =
altura (altura )3
Aplicando-se a lei de propagação da incerteza (expressão 3.24):
2 2
1 2massa
2
(umassa ) 2 3
(ualtura ) 2
=
altura
+
u IMC altura
2 2
IMC massa massa
2 2
altura altura
Resultando:
338
Métodos Experimentais em Engenharia
2 2
uIMC u u
= massa + 2 altura
IMC massa altura
Caso um dos equipamentos (massa ou altura) possa ser trocado por outro de
menor incerteza relativa, será melhor trocar o medidor de altura, já que a
incerteza na altura afeta o resultado da incerteza relativa do IMC com um fator
de 2, comparado ao fator unitário da incerteza relativa da massa.
Com as incertezas:
ualtura = 0, 05.1,80 = 0, 09 m
E os coeficientes de sensibilidade:
1
cmassa = = 0,3086
(altura)2
−2massa
caltura = = −30,8642
(altura)3
IMC = (27,8 3,1) kg/m 2 que corresponde ao intervalo 24, 7 − 30,9 kg/m 2
IMC A − IMCB
En =
(2u A )2 + (2uB ) 2
339
Métodos Experimentais em Engenharia
De acordo com o erro normalizado é possível obter uma faixa de valores para o
qual uma certa medida é compatível com outra medida. Com base nisso, o
objetivo neste exercício é obter um intervalo de valores para o qual o IMC é
compatível com o valor limite igual a 25. Valores menores que este intervalo
provavelmente serão compatíveis com um IMC menor do que 25, ou seja, serão
considerados como normal ou abaixo do peso.
Valores dentro deste intervalo ou maiores serão compatíveis com um IMC igual
a 25 ou maior, ou seja, serão considerados como sobrepeso ou obeso. Desta
forma, vamos obter o limite inferior deste intervalo, em função do IMC, para
depois obter o valor da massa.
Aplicando-se à situação descrita, comparada ao valor da Tabela 3.9, e impondo-
se um valor menor ou igual a 1, temos:
IMC − 25
En = 1
(2uIMC )2 + (0) 2
IMC − 25
−1 1
0, 2236 IMC
1 111,8
−1 − 1
0, 2236 IMC
−111,8
−5, 4723 −3, 4723
IMC
1 111,8
−3, 4723
−5, 4723 IMC
Resultando:
20, 4 IMC 32, 2
Este resultado indica que um IMC maior ou igual a 20,4 poderia ser considerado
como compatível com 25, ou seja, a partir de um IMC maior ou igual a 20,4, o
resultado seria considerado como sobrepeso. Para uma altura de 1,80 m, o peso
equivalente a esse IMC é igual ao peso de 66,1 kg.
340
Métodos Experimentais em Engenharia
u 1 1
b) = = = 0, 4082
2( N − 1) 2(4 − 1)
u
c) Como = 0, 4082 u = 0, 4082 = 0, 4082.0, 0634 = 0, 02588 s
x 7, 4525
T= = = 1, 4905 s
5 5
T 1 0, 06
uT = = = = 0, 012 s (considerando-se a incerteza como sendo o
x 5 5
desvio padrão calculado- incerteza tipo A)
O resultado final pode então ser expresso como: T = (1, 490 0, 012) s
341
Métodos Experimentais em Engenharia
Nota-se que a medição de vários ciclos (nesse caso, 5) para a obtenção do valor
do período de oscilação do pêndulo acaba por diminuir a incerteza nesse
resultado final (nesse caso, a incerteza foi dividida por 5).
6- A partir dos dados dispostos na Tabela 3.11, podem ser calculados os valores
médios das dimensões x e y , e também o desvio padrão em cada caso, que
será considerado como a incerteza tipo A (e única componente da incerteza
combinada de cada grandeza x e y ).
x = 22 m x = u x = 1, 4142 m
y = 32 m y = u y = 2,1602 m
A = x . y = 22.32 = 704 m 2
1 n
cov( x, y) ( xk − x )( yk − y ) = 2,3333
n − 1 k =1
A
cx = = y = 32
x
A
cy = = x = 22
y
Portanto:
De onde resulta: u A = 87 m 2
342
Métodos Experimentais em Engenharia
9.4 Capítulo 4
1- Principais grandezas de influência na medição: resolução do instrumento e
tempo de reação do operador.
2-
3- Componentes de incerteza:
• Incerteza (tipo B) devida à resolução do instrumento digital: estimada pela
1
expressão (3.17) como: = 0, 29 o C
2 3
• Incerteza devida à repetibilidade (tipo A): 1,5 oC
• Incerteza devida à exatidão do instrumento (tipo B): 0,5 oC
Vref 5
4- a) V = 4
= = 0,3125 V (expressão (4.1))
2 16
343
Métodos Experimentais em Engenharia
n E0
v
uV = 0,19 V , que é o mesmo valor do item c), visto que o termo com a incerteza
u n é dominante.
Lpá
S
v
P - potência do
gerador eólico
Cp
344
Métodos Experimentais em Engenharia
r
uv = 0, 01 r 0, 01.2. 3 , pela expressão (3.17).
2 3
vmáx = r.2 N
tem-se que:
vmáx 25
N = log 2 log 2 = 9, 495
r 0, 01.2. 3
log10 ( x)
já que log 2 ( x) =
log10 (2)
N = 10 bits
R / R
O fator de sensibilidade é dado por: = = 2 R = 2 R
345
Métodos Experimentais em Engenharia
0, 024 − 0, 025
A1 = 1 − .100 = 95,83%
0, 024
0, 048 − 0, 047
e A2 = 1 − .100 = 97,92%
0, 048
Vemos que nesse caso, as medidas são mais precisas que exatas.
R2 = 0, 0484
Vemos que para esse conjunto de medidas, a exatidão é maior que a precisão.
346
Métodos Experimentais em Engenharia
μV
40 o
.200 o C = 8 mV
C
8 − 7,92
v( t ) = 8(1 − e− t /2 ) = 7,92 e− t /2 = = 0, 01
8
−t
= ln(0, 01) = −4, 6052 t = 9, 21 s , ou seja, devido à resposta exponencial do
2
sensor, haverá um atraso de 9,21 s para que a resposta em tensão apresente
um erro de 1% do valor esperado.
O resultado final corrigido pode ser expresso como: (60,96 0, 63) o C , para k = 1 .
347
Métodos Experimentais em Engenharia
9.5 Capítulo 5
1- a) A partir dos pontos experimentais da tabela, foi traçado o gráfico de Força
x deslocamento da Figura E5.1.
Deve-se notar que o sinal negativo da Lei de Hooke indica apenas que a força
elástica da mola é no sentido oposto ao seu deslocamento, não tendo sido aqui
representado através de uma declividade negativa da reta. O gráfico também
utiliza a força (causa) no eixo vertical y , e o deslocamento (efeito) no eixo
horizontal x por conveniência, pois assim a constante elástica pode ser
facilmente obtida através do coeficiente angular da reta (na região linear).
Nota-se também que a mola obedece a Lei de Hooke apenas na região linear,
ou seja, para F 14 N e x 150 mm . Acima desse limite, não há mais
proporcionalidade entre força e deslocamento.
F
c) Pela Lei de Hooke, temos que F = − K x K = −
x
2 2
uK u u
= F + x
K F x
uK
= ( 0, 005) + ( 0, 01) = 0, 012 = 1, 2%
2 2
Portanto o resultado final pode ser expresso como: K = (0, 0936 0, 0012) N/mm ,
para k = 1 .
Esse resultado pode ser comparado com aquele obtido através do LABFit, em
que foram inseridas as incertezas de cada ponto ( x, y ) , isto é (u x , u y ) :
348
Métodos Experimentais em Engenharia
K = (0, 0936 0, 0017) N/mm . Nota-se que a incerteza resultante nesse caso tem
um valor superior, pois inclui também a incerteza no próprio processo de
regressão linear, conforme discutido no Item 5.3.
Mola de Tração
16
14
12
10
Força (N)
0
0 50 100 150 200
Deslocamento (mm)
349
Métodos Experimentais em Engenharia
350
Métodos Experimentais em Engenharia
vC ( ) = 6(1 − 1/ e) = 3, 79 V
vR ( ) = 6(1/ e) = 2, 21 V
1 2,5
1 2,5 s = R1C R1 = = = 50 k
C 50.10−6
2 5
2 5 s = R 2C R2 = = = 100 k
C 50.10−6
Tempo: ut = 0, 2 s Tensão: uv = 0, 2 V
vC (t ) = E.(1 − e − t / )
De onde se tem:
−t
=
v
ln 1 − c
E
351
Métodos Experimentais em Engenharia
2
2
u = .ut + .uvc
t vc
−1 t / (vC − E )
onde: = e =
t v vC vC 2
ln 1 − C
E ln 1 − E
352
Métodos Experimentais em Engenharia
0
0,00 50,00 100,00 150,00 200,00 250,00 300,00 350,00
353
Métodos Experimentais em Engenharia
vC (t ) = E.(1 − e − t / )
−100
Aplicando-se logaritmo, chega-se a: = ln(0,365) = 100 s
100
Portanto o valor da resistência era de: R = = = 100 kΩ
C 1000.10−6
Figura E5.5- Curva de carga no capacitor, ajustada pelo LABFit a partir dos dados
experimentais
354
Métodos Experimentais em Engenharia
104, 04
O valor da resistência é obtido por: R = = = 104 kΩ
C 1000.10−6
vC (t ) = E.(1 − e − t / )
1,101
vC (25) = 5.(1 − e−25/ ) = 1,101 e−25/ = 1 − = 0, 780
5
−25
= ln 0, 780 = 100,516 s
= 95, 4 s e u = 1,5 s
355
Métodos Experimentais em Engenharia
0 0 -----
25 1,101 100,516
50 1,976 99,432
75 2,636 100,122
1
Como = − , pela lei de propagação da incerteza, temos que:
B
1 1
u = .uB = 2 .uB = .0, 2525.10−4 = 0, 27 s
B B (0,9612.10−2 )2
356
Métodos Experimentais em Engenharia
Figura E5.6- Valores dos parâmetros ajustados aos dados experimentais e suas
incertezas
Vref 4,998
b) Passo de quantização do conversor A/D: V = N
= = 0,312375 V
2 24
V 1 0, 027
com incerteza: uV = .uVref = N .uVref = = 0, 0017 V , pela lei de
Vref 2 16
propagação da incerteza.
V 0,3124
Vexp = = = 0,31145 V
A 1, 00305
Vexp Vexp
2 2
1 V
2 2
com incerteza: u 2
Vexp = .uV + .u A = .uV + 2 .u A
V A A A
357
Métodos Experimentais em Engenharia
2 2
0, 0017 0,3124
u 2
Vexp = + 2
.0, 0024 uVexp = 0, 0019 V
1, 00305 (1, 00305)
uB = 0, 019.97,5 + 0.8 = 2, 7 μF .
Portanto: C = (97,5 3, 7) μF
Va − Vb 97,5 − 100
En = = = 0,177
UV2a + UV2b (7, 4) 2 + (12) 2
358
Métodos Experimentais em Engenharia
359
Métodos Experimentais em Engenharia
A A
2 2
u A = uL + uH = ( HuL ) + ( LuH )
2 2
L H
Va − Vb
z´=
uV2a + uV2b
360
Métodos Experimentais em Engenharia
Peça 1 2 3
Comprimento ( L ) (mm) 24,26 24,20 24,22
9.6 Capítulo 6
1- Nota: Não existem respostas únicas para os itens desse exercício. As
respostas apresentadas são apenas exemplos possíveis para resolução das
questões.
361
Métodos Experimentais em Engenharia
362
Métodos Experimentais em Engenharia
repetibilidade
repetibilidade
363
Métodos Experimentais em Engenharia
364
Métodos Experimentais em Engenharia
Valor Incerteza ( k = 1 )
Massa m (g)
D2 A
Volume V = (cm3 )
4
Densidade
m
= (g/cm3 )
V
Fonte: Próprios Autores
• o atrito entre o carrinho e o suporte por onde ele se movimenta está sendo
desprezado;
• o atrito entre o fio e a roldana está sendo desprezado;
• a força de resistência do ar ao movimento do carrinho e da massa m está
sendo desprezada.
366
Métodos Experimentais em Engenharia
367
Métodos Experimentais em Engenharia
h2
restituição, através da expressão = para vários ensaios, onde foi variada
h1
a altura inicial h1 , bem como o material da base fixa (madeira e aço).
Repetibilidade
Repetibilidade
da medição
368
Métodos Experimentais em Engenharia
c) O valor mais provável do mensurando é dado pela média das quatro medidas
obtidas, ou seja: 27,505 mm.
uc = (2,1) 2 + (0,5) 2 + (0, 0913) 2 + (1,8259) 2 + (1, 0207) 2 + (2) 2 + (2) 2 = 4,13 μm
369
Métodos Experimentais em Engenharia
Va − Vb 27,500 − 27,505
En = = = 0,34 1
UV2a + UV2b (0, 012) 2 + (0, 0083) 2
9.7 Capítulo 7
massa m
1- a) Densidade: = =
volume V
3L2
Áreabase = , sendo L = 32,15mm = lado do triângulo equilátero
4
Áreabase = 447,57 mm 2
3L2 3.(32,15) 2
V= .H = .101,30 = 45,339 cm3
4 4
2 2
V V
2
2
3 3 2
uV = (cL .uL ) + (cH .uH ) =
2 2
.uL + .uH = L.H .uL + L .u H
L H 2 4
1 mm
Paquímetro com nônio de 20 divisões: resolução= = 0, 05 mm
20
370
Métodos Experimentais em Engenharia
m 139, 4
Cálculo da densidade: = = = 3, 075 g/cm3
V 45,339
2 2
−m
2 2
1
u = .um + .uV = .um + 2 .uV =
m V V V
2 2
1 −139, 4
= .0,8 + 2
0, 086 = 0, 019 g/cm 3
45,339 (45,339)
Resulta então que o intervalo que engloba o valor da densidade com 95% de
probabilidade é [3, 037 − 3,113] g/cm3 .
371
Métodos Experimentais em Engenharia
4 2 m
d) Como k = , usamos a lei de propagação da incerteza, levando em conta
T2
o desvio padrão da média, que quantifica a incerteza tipo A devida à
reprodutibilidade das medidas:
k k
2 2
u =
2
um + uT + m2
k
m T
uk um uT m
2 2 2 2
= +2 +
k m T k
u 0, 005
Como foram medidos 10 períodos de oscilação, resulta T = = 0, 0005
T 10
Portanto:
2 2
uk 0, 09
= ( 0, 01) + ( 2.0, 0005) + = 0, 00015
2 2
k 13, 26
uk
= 0, 01213 uk = 0, 01213.k = 0, 01213.13, 26 = 0,1608 N/m
k
4 2 m
e) De acordo com a expressão k = , vê-se que o período de oscilação T
T2
varia de acordo com a raiz quadrada da massa m . Assim, para o ajuste de curva,
poderia ser utilizada uma função do tipo Y = A X = AX 0,5 .
2
O parâmetro a ser ajustado seria A , que corresponderia a .
k
372
Métodos Experimentais em Engenharia
Parâmetro 1 2 3 4
Massa ( m ) (kg) 0,513 0,634 0,752 0,950
Dez períodos de
12,4 13,6 15,0 16,9
oscilação ( 10T ) (s)
Constante elástica
13,1715 13,5323 13,1946 13,1314
da mola ( k ) (N/m)
Fonte: Próprios Autores
373
Métodos Experimentais em Engenharia
374
Métodos Experimentais em Engenharia
375
Métodos Experimentais em Engenharia
2H 2.0,5
t0 = = = 0,319 s
g 9,8
Como:
tn
tn = tn − tn −1 = 2t0 n
log = log n = n log
2t0
Pedra/vidro Madeira/vidro
Colisão ( n ) tn tn
y = log y = log
2t0 2t0
1 -0,089 -0,203
2 -0,152 -0,373
3 -0,225 -0,550
4 -0,273 -0,726
5 -0,358 -0,805
6 -0,425 -0,902
Fonte: Próprios Autores
376
Métodos Experimentais em Engenharia
377
Métodos Experimentais em Engenharia
A = −0,07143 e u A = 0, 0013
já que = 10 . Então:
A
• pedra-vidro:
u = u A = 10 A.ln(10).u A = 10−0,07143.2,3.0, 0013 = 0, 0026
A
• madeira-vidro:
u = u A = 10 A.ln(10).u A = 10−0,1642.2,3.0, 065 = 0,11
A
378
Métodos Experimentais em Engenharia
uET uH 1
= =
ET H 153
1,1765
uET = = 0, 0077
153
Resultando:
(TG + 50)
100(TG + 50) = 180TGC TGC =
1,8
Onde TGC é a temperatura convertida da escala oG para a escala oC.
28 oC ------180 kΩ
42 oC -----100,9 kΩ
R 100,9 − 180
= = −5, 65 kΩ/ o C
T 42 − 28
379
Métodos Experimentais em Engenharia
.
1 dR −5,65
O coeficiente é então calculado como: = = = −3,35%/ o C
R dT 168,7
Deve-se notar que o coeficiente indica a variação porcentual da resistência
o
para cada C de variação, num determinado ponto da curva, ou seja, para um
valor específico de R . O valor de varia com o valor da temperatura T , devido
à característica não-linear do termistor.
uR1 = 0,8%(100,9) + 0, 4 = 1, 2 kΩ
uR 2 = 0,8%(180) + 0, 4 = 1,9 kΩ
R
2 2 2 2
2 2 79,1
uR = u + 2
uR + 2 2 uT = 1, 22 + 2,3 + 2 2 0,71
T T
R1
14 14
uR = 1, 4 kΩ
Portanto:
2 2 2 2
u 1, 4 2,3 0, 71 −3
= + 79,1 + 14 = 3, 4862.10
168, 7
380
Métodos Experimentais em Engenharia
Resultando em:
A Tabela contém 77 pontos. Destes, 85% serão utilizados para o cálculo dos
parâmetros dos modelos. Desta forma, os dados de #0 até #65 serão utilizados
para obtenção dos parâmetros do modelo. Já os dados #66 a #76 serão
utilizados para testar os modelos. O valor de x0 corresponde a 555, número de
pessoas infectadas em t = 0 .
381
Métodos Experimentais em Engenharia
382
Métodos Experimentais em Engenharia
x(t ) = x0 e at ,
383
Métodos Experimentais em Engenharia
dx
ux = ua = t.x.ua = 11.1931370.0, 0005 = 10.622
da
384
Métodos Experimentais em Engenharia
Referências Bibliográficas
ABACKERLI, Álvaro J. et al. Metrologia para a qualidade. Rio de Janeiro:
Elsevier Editora Ltda., 2015. 149 p.
ABNT – Associação Brasileira de Normas Técnicas
Disponível em:
<http://www.abnt.org.br/>
Acesso em: 13 mar. 2020
ABNT NBR NM 60335: Segurança de aparelhos eletrodomésticos e similares
Rio de Janeiro: ABNT, 2010.
ABNT NBR ISO 9000: Sistemas de gestão da qualidade - Fundamentos e
vocabulário. Rio de Janeiro: ABNT, 2015.
ABNT NBR ISO/IEC 17025: Requisitos gerais para a competência de
laboratórios de ensaio e calibração. Rio de Janeiro: ABNT, 2017.
ABNT NBR5891: Regras de arredondamento na numeração decimal.
Rio de Janeiro: ABNT, 2014.
ABNT NBR10719: Informação e documentação- Relatório técnico e/ou
científico- Apresentação. Rio de Janeiro: ABNT, 2015.
ABNT NBR14724: Informação e documentação- Trabalhos acadêmicos-
Apresentação. Rio de Janeiro: ABNT, 2011.
ABNT NBR6023: Informação e documentação - Referências – Elaboração.
Rio de Janeiro: ABNT, 2018.
ABNT NBR10520: Informação e documentação – Citações em documentos-
Apresentação. Rio de Janeiro: ABNT, 2002.
ABNT NBR11568: Materiais metálicos- Determinação do tamanho de grão.
Rio de Janeiro: ABNT, 2016.
ALBERTAZZI, Armando; SOUSA, André Roberto de. Fundamentos de
Metrologia Científica e Industrial. 2. ed. Barueri: Manole, 2018. 462 p.
ARDUINO1 – Arduino. Disponível em:
<https://pt.wikipedia.org/wiki/Arduino>
Acesso em: 10 jun. 2020.
ARDUINO2 – Arduino. Disponível em:
<https://www.arduino.cc/>
Acesso em: 11 jun. 2020.
ASTM International ASTM E112-13: Standard Test Methods for Determining
Average Grain Size. USA, 2013.
BALBINOT, A.; BRUSAMARELLO, V.J. Instrumentação e Fundamentos de
Medidas. 2ª Ed. Rio de Janeiro: LTC-Livros Técnicos e Científicos Editora
Ltda., 2011. 2v.
BERLINDE- Bola de Gude. Disponível em:
<https://anosincriveisblog.wordpress.com/tag/berlinde/>
385
Métodos Experimentais em Engenharia
386
Métodos Experimentais em Engenharia
387
Métodos Experimentais em Engenharia
FLUXOGRAMA – Flowchart.
Disponível em:
<https://en.wikipedia.org/wiki/Flowchart>
Acesso em: 05 jun. 2020.
FORNASINI, Paolo. The uncertainty in Physical Measurements: an
introduction to data analysis in the physics laboratory. New York: Springer,
2008. 291 p.
FRADEN, J. AIP Handbook of Modern Sensors. New York: Ed. American
Institute of Physics, 1993. 556p.
FRIEDMAN, A.E. The Quality of Measurements- A metrological reference.
New York: Springer, 2012. Tradução de Andrew Sabak e Paul Makinen.
GOMES, Luís; ZUBIA, Javier Garcia (ed.). Advances on remote laboratories
and e-learning experiences. Bilbao: Deusto Publicaciones, 2007. 310 p.
GPIB- Overview of GPIB Protocol. Abril, 2019.
Disponível em:
<https://www.omega.ca/en/resources/gpib-communication>
Acesso em: 27 ago. 2020.
GUPTA, S.V. Measurement Uncertainties: physical parameters and
calibration of instruments. Heidelberg: Springer, 2012. 336 p.
HELFRICK, Albert D.; COOPER, William D.. Instrumentação Eletrônica
Moderna e Técnicas de Medição. Rio de Janeiro: Prentice Hall do
Brasil Ltda., 1994.
HERRES, D. Cathode ray tubes vs. flat screen displays in oscilloscopes. Test &
Measurement Tips. 2019.
HIMBERT, M. E.. A brief history of measurement. The European Physical
Journal Special Topics, [s.l.], v. 172, n. 1, p. 25-35, jun. 2009. Springer
Science and Business Media LLC.
http://dx.doi.org/10.1140/epjst/e200901039-1
HOLMAN, Jack Philip. Experimental Methods for Engineers. 8. ed. New
York: McGraw-Hill, 2012. 739p.
IBGE. Normas de Apresentação Tabular. 3a.Ed. Rio de Janeiro. 1993.
IEEE PROTOCOLS- Examining 5 IEEE Protocols. Nov. 2019.
Disponível em:
<https://www.iotforall.com/ieee-protocols-zigbee-wifi-bluetooth-ble-
wimax/>
Acesso em: 27 ago. 2020.
IPT- Instituto de Pesquisas Tecnológicas.
Disponível em:
<https://www.ipt.br/>
Acesso em: 06 jun. 2020.
388
Métodos Experimentais em Engenharia
390
Métodos Experimentais em Engenharia
<https://sites.google.com/site/esto01717/>
Acesso em: 08 jun. 2020.
METRIFICATION in the United States.
Disponível em:
<https://en.wikipedia.org/wiki/Metrication_in_the_United_States>
Acesso em: 30 jul. 2020.
MEYER, Paul L. Introductory Probability and Statistical Applications.
2. ed.: Addison-Wesley Publishing Company, 1970. 367 p.
MHS AMORTECIDO- Movimento Harmônico Amortecido
Disponível em:
<http://www.ufjf.br/fisica/files/2010/03/Lab2Aula6-MHA_2016_1.pdf>
Acesso em: 09 jun. 2020.
MORE: Mecanismo online para referências, versão 2.0. Florianópolis: UFSC
Rexlab, 2013.
Disponível em:
<http://novo.more.ufsc.br/>
Acesso em: 04 jun. 2020.
NATIONAL INSTRUMENTS. Conhecendo as Diversas Tecnologias de
Barramentos para Controle de Instrumentos, 2019.
Disponível em:
<https://www.ni.com/pt-br/innovations/white-papers/11/instrument-bus-
performance---making-sense-of-competing-bus-techn.html>
Acesso em: 19 mai. 2020.
NATIONAL INSTRUMENTS. Using Smartphones and tablets for measurement
and control applications.2012.
Disponível em:
<https://forums.ni.com/t5/User-Group-Resource-Center/Using-
Smartphones-and-Tablets-for-Measurement-and-Control-August/gpm-
p/3534793?profile.language=pt-br>
Acesso: 10 jun. 2020.
NATIONAL INSTRUMENTS. Understanding instrument specifications- how to
make sense out of the jargon. 2019.
Disponível em:
<https://www.ni.com/pt-br/innovations/white-papers/06/understanding-
instrument-specifications----how-to-make-sense-out.html>
Acesso: 25 jan. 2023.
NIST: National Institute of Standards and Technology.
Disponível em:
<http://www.nist.gov/index.html>
Acesso em: 04 jun. 2020.
NIST-UNITS. Disponível em:
391
Métodos Experimentais em Engenharia
<https://www.nist.gov/si-redefinition/introduction-redefining-worlds-
measurement-system>
Acesso em: 11 jun. 2020.
NORMAS TÉCNICAS. Disponível em:
<https://www.normastecnicas.com/principais/>
Acesso em: 08 jan. 2021.
NORTHROP, Robert B.. Introduction to Instrumentation and
Measurements. 3. ed. Boca Raton,fl: Crc Press, 2014. 928 p.
NPL: National Physical Laboratory.
Disponível em:
<http://www.npl.co.uk>
Acesso em: 04 jun. 2010.
NPL-UNITS. Disponível em:
<http://www.npl.co.uk/si-units/>
Acesso em: 11 jun. 2020.
NPL. National Physical Laboratory. A Beginner´s Guide to Measurement. UK:
2010.
NPL. National Physical Laboratory. A Beginner´s Guide to Uncertainty of
Measurement. Stephanie Bell. UK: 1999.
NYQUIST-SHANNON Sampling Theorem
Disponível em:
<https://en.wikipedia.org/wiki/Nyquist%E2%80%93Shannon_sampling_the
orem>
Acesso em: 16 mai. 2020.
OLIVER, F.J. Practical Instrumentation Transducers. New York: Hayden Book
Company, INC. 1972. 340p.
OMM Organização Mundial Meteorológica, World Meteorological Organization
Disponível em:
<https://public.wmo.int/en>
Acesso em: 13 mar. 2020.
OREAR, J. Least squares when both variables have uncertainties. American
Journal of Physics, v.50, n.10, 912, 1982.
PÊNDULO – Pêndulo. Disponível em:
<https://pt.wikipedia.org/wiki/Pêndulo>
Acesso em: 09 jun. 2020.
QUARTETO- Quarteto de Anscombe.
Disponível em:
<http://pt.wikipedia.org/wiki/Quarteto_de_Anscombe>
Acesso em: 29 mai. 2020.
RABINOVICH, Seymon G. Evaluating measurement accuracy: a practical
approach. New York: Springer, 2010. 278 p.
392
Métodos Experimentais em Engenharia
393
Métodos Experimentais em Engenharia
394
Métodos Experimentais em Engenharia
Bibliografia Complementar
ALMEIDA, Thiago Corrêa; DIAS, Eugênio de Carvalho; JULIÃO, Amanda da
Silva. Um laboratório portátil de baixo custo: medição de g utilizando um
pêndulo e a placa raspberry pi. Caderno Brasileiro de Ensino de Física,
[S.L.], v. 34, n. 2, p. 590-602, 9 ago. 2017. Universidade Federal de Santa
Catarina (UFSC). http://dx.doi.org/10.5007/2175-7941.2017v34n2p590.
BEVINGTON, Philip; ROBINSON, D. Keith. Data Reduction and Error Analysis
for the Physical Sciences. 3. ed. S.l: Mcgraw-hill Education, 2003. 320 p.
BOX, G.E.P.; HUNTER, J.S.; HUNTER, W. G.. Statistics for Experimenters:
design, innovation, and discovery. 2. ed. New Jersey: Wiley Interscience,
2005. 633 p. (Probability and Statistics).
CANTRELL, C. A.. Technical Note: review of methods for linear least-squares
fitting of data and application to atmospheric chemistry problems.
Atmospheric Chemistry and Physics, [s.l.], v. 8, n. 17, p. 5477-5487, 12
set. 2008. Copernicus GmbH. http://dx.doi.org/10.5194/acp-8-5477-2008.
CASTRUP, H. Distributions for Uncertainty Analysis. Integrated Sciences Group.
2001. Disponível em:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.493.5377&rep=r
ep1&type=pdf
Acesso em: 21 jul. 2020.
CECCHI, G C. Error analysis of the parameters of a least-squares determined
curve when both variables have uncertainties. Measurement Science and
Technology, [s.l.], v. 2, n. 12, p. 1127-1128, 1 dez. 1991. IOP Publishing.
http://dx.doi.org/10.1088/0957-0233/2/12/001.
CIULLO, Giuseppe. Introduzione al laboratorio di Fisica: misure e teoria delle
incertezze. Milan: Springer, 2014. 266 p. Língua italiana.
CRISTALDI, L.; FERRERO, A.; PIURI, V.. Programmable instruments, virtual
instruments, and distributed measurement systems: what is really useful,
innovative and technically sound?. IEEE Instrumentation & Measurement
Magazine, [s.l.], v. 2, n. 3, p. 20-27, 1999. Institute of Electrical and
Electronics Engineers (IEEE). http://dx.doi.org/10.1109/5289.783108.
DAVID, Mariano G.. Filosofia do conhecimento aproximado: uma abordagem
filosófica da incerteza de medição. In: CONGRESSO BRASILEIRO DE
METROLOGIA, 5., 2009, Salvador. Anais [...] . Salvador: Sociedade
Brasileira de Metrologia, 2009. p. 1-6.
395
Métodos Experimentais em Engenharia
396
Métodos Experimentais em Engenharia
397
Métodos Experimentais em Engenharia
398
Métodos Experimentais em Engenharia
399
Métodos Experimentais em Engenharia
400
Métodos Experimentais em Engenharia
Vamos agora a discutir sobre o que podemos entender por experimento não
determinístico, estocástico, probabilístico ou aleatório. Porém, não é o objetivo
aqui dar uma definição precisa desse conceito. Ao invés disso, vamos apresentar
vários exemplos que o ilustram.
401
Métodos Experimentais em Engenharia
2 : = 0,1, 2,3
3 : = N , D
5 : = t t 0, t
7 : = T , 20 oC T 500 oC , T
8 : = Y Y 0
9 : = h 1 ,......, h n h i 0, i = 1, 2,......, n
Eventos
403
Métodos Experimentais em Engenharia
404
Métodos Experimentais em Engenharia
Frequência relativa
405
Métodos Experimentais em Engenharia
i) 0 f S1 1 (A1)
f S1 = 1 (A2)
f S1 = 0 (A3)
f S 1 S 2 = f S 1 + f S 2 . (A4)
Neste ponto convém manter a ideia de que não estamos frente a uma
demonstração matemática, mas sim diante de um fato empírico. O que resulta
importante dessa propriedade é que se um experimento é realizado um grande
número de vezes, a frequência relativa com que acontece o evento S1 tenderá a
406
Métodos Experimentais em Engenharia
Até aqui, ainda não fomos muito precisos na nossa definição de experimento.
Comentamos anteriormente que deve ser possível repetir o experimento uma e
outra vez mantendo todas as condições essenciais do mesmo. Agora podemos
adicionar que, quando o experimento é repetido várias vezes, deve apresentar
regularidade estatística. Um teorema chamado Lei dos Grandes Números
mostra que a regularidade estatística é na verdade consequência da condição
de repetibilidade, como veremos adiante.
Voltamos ao problema de designar um número para cada evento S, que irá medir
a probabilidade de que S aconteça quando o experimento é realizado.
• Não fica claro quão grande deve ser n antes que seja aceitável para calcular
f S . Qual seria o número de vezes adequado: 1000?, 2000?, 10.000?
• Uma vez que o experimento estiver bem descrito, e tendo sido especificado
o evento S, o número que procuramos não deve depender do observador,
nem de um resultado particular. Nesse último caso, podemos estar frente a
uma “sequência de sorte” do evento S; por exemplo, pode acontecer que,
jogando uma moeda no ar, obtenhamos 9 caras e uma coroa. A frequência
407
Métodos Experimentais em Engenharia
relativa do evento S = {aparecem caras} nesse caso seria 9/10, mas sabemos
que repetindo o experimento um número suficientemente grande de vezes,
chegaríamos ao valor aproximado de 1/2.
Para que isso seja funcional, e o valor obtido seja aceitável, qualquer
experimento deveria resultar numa frequência relativa cujo valor deveria estar
próximo do valor da probabilidade, especialmente se a quantidade de repetições
com as quais foi calculada a frequência relativa for grande. Tudo parece indicar
que precisamos de uma certa abstração que nos permita obter o valor de
probabilidade sem que seja necessário efetuar o experimento. Nessa direção,
vamos a dar a seguinte definição para P(S), e as propriedades que deve
satisfazer, induzidas pelas propriedades da frequência relativa.
i) 0 P( S ) 1 (A5)
ii) P ( ) = 1 (A6)
P() = 0 (A9)
408
Métodos Experimentais em Engenharia
P ( S ) = 1 − P ( S´) (A10)
P ( S1 S 2 ) = P( S1) + P( S 2) − P( S1 S 2) (A11)
Observações importantes:
• Deve ficar claro neste ponto que ainda não sabemos como calcular P(S).
Apenas apresentamos algumas propriedades de P(S).
• Não é correto inferir, em base aos pontos discutidos até aqui, que descrever
algum fenômeno observável com o modelo probabilístico escolhido, significa
descartar todas as relações determinísticas. Tal ideia seria muito errada.
Tudo depende de como interpretamos as magnitudes do fenômeno que
tentamos descrever. Por exemplo, na Lei de Hooke, podemos dizer que os
valores de k e de F podem variar de forma aleatória, ao invés de dizer que
x é univocamente determinado para valores de k e de F dados. Mas, se
tanto k como F podem variar de forma aleatória e imprecisa, então x
também irá variar aleatoriamente, sendo que ainda assim poderemos utilizar
a relação x = F / k . Em outras palavras, quando adotamos um modelo
probabilístico para descrever a distensão de uma mola ao pendurar uma
massa em um dos seus extremos, estamos consideramos a possibilidade de
que k e F variem de uma forma aleatória, e assim, o fenômeno só pode ser
descrito probabilisticamente.
409
Métodos Experimentais em Engenharia
O evento elementar, que está constituído por apenas um resultado, pode ser
escrito, por exemplo, como S = ei . Vamos designar o número pi , para cada
evento elementar ei , e o chamamos probabilidade de ai , se satisfaz as
seguintes condições:
pi 0, i = 1, 2,3,..., m (A12)
p = p + p + p + .......... + p
i =1
i 1 2 3 m =1 (A13)
410
Métodos Experimentais em Engenharia
t
P( S ) = (A14)
m
casos favoráveis
P( S ) = (A15)
casos possíveis
Deve ficar claro que isso não serve como uma definição geral de probabilidade.
Métodos de enumeração
• Princípio de multiplicação
Suponhamos que num certo procedimento 1, temos que escolher uma pessoa
de um conjunto de n1 pessoas diferentes, e que num segundo procedimento 2,
precisamos escolher outra pessoa de outro conjunto de n2 pessoas. Deve
411
Métodos Experimentais em Engenharia
• Princípio de adição
Permutações
1 2 3 m
n
Para preencher a primeira caixinha à direita temos m objetos para escolher, para
a segunda, ( m − 1) objetos (já escolhemos um na primeira escolha), para a
terceira ( m − 2) , e para a última fica apenas um objeto. Aplicando-se o princípio
de multiplicação, obtemos que o número de formas para ordenar os m objetos
é m(m − 1)(m − 2)...3.2.1 . Esse número é representado por um símbolo especial.
412
Métodos Experimentais em Engenharia
(m − t )! m!
mt = m(m − 1)(m − 2).....(m − t + 1) mt = (A16)
(m − t )! (m − t )!
A N A G R A M A
A1 N A2 G R A3 M A4
413
Métodos Experimentais em Engenharia
Então, considerando que as quatro letras A são diferentes, temos que o número
total de formas de ordenar as oito letras da palavra anagrama seria 8!. Mas se
agora desconsiderarmos essa hipótese quanto à letra A, notamos que o
resultado obtido está considerando 4! possibilidades a mais no cálculo. Então,
novamente pelo princípio de multiplicação, para obter o número correto, temos
que dividir o resultado anterior por 4!, ou seja, n4 = 8! . Esse exemplo ilustra o
4!
porquê, quando temos elementos repetidos, é necessário dividir pelo fatorial do
número de cada um dos elementos repetidos que temos.
Para o caso geral no qual temos m objetos, dentre os quais m1 são de uma
espécie, m2 de outra espécie,......, e mk de k -ésima espécie, o número de
permutações desses m objetos será dado por:
m!
m m1 ...m k = (A17)
m1 !m 2!......m k!
Combinações
414
Métodos Experimentais em Engenharia
m!
mt SO = (A18)
(m − t )!t !
m! m
= (A19)
(m − t )!t ! t
n
Os termos são denominados coeficientes binomiais, e são definidos
r
conforme a expressão (A19).
Noções gerais
415
Métodos Experimentais em Engenharia
X C
R
e
X(e)
E= Espaço amostral de Z
R = resultados possíveis de X
C = contradomínio de X
Fonte: Próprios Autores
Observações:
• Notar que, apesar de definirmos X como uma função, ela é denominada como
“variável” aleatória. Essa denominação tem sido universalmente aceita e,
ainda que possa parecer confusa, preferimos preservá-la.
• Não é qualquer função que pode ser considerada como uma variável
aleatória. É necessário que, qualquer seja x R tal que x = X (e) , e
qualquer elemento de um evento (que terá como imagem um subconjunto
I R ), tenham uma probabilidade bem definida, que satisfaça os axiomas
básicos.
• O conjunto imagem de X, R, pode, por sua vez, ser considerado como outro
espaço amostral. O espaço amostral original corresponde aos resultados
numéricos ou não numéricos do experimento. No entanto, R , é o espaço
amostral que associamos com a variável aleatória X.
416
Métodos Experimentais em Engenharia
A = e X (e) B (A21)
X R
A B
e
X(e)
417
Métodos Experimentais em Engenharia
P(B) = P(A), onde A = e X (e) B (A22)
i) p( xi ) 0, i , (A23)
ii) p( x ) = 1
i =1
i (A24)
418
Métodos Experimentais em Engenharia
No caso de uma variável aleatória finita X, tal que cada resultado é igualmente
provável, temos que p( x1 ) = p( x2 ) = ...... = p ( xn ) = 1/ n . Porém, se X for uma
variável aleatória infinita numerável, seria impossível que todos os resultados
fossem igualmente prováveis, já que a somatória de todas as probabilidades
tenderia a infinito.
• A distribuição binomial
Vamos supor que os artigos que saem de uma linha de produção podem ser
classificados como “defeituosos” (D) ou “não defeituosos” (N), e que escolhemos
aleatoriamente três artigos da produção de um dia. O espaço amostral E para
esse experimento será (MEYER, 1970):
E = DDD, DDN , DND, NDD, NND, NDN , DNN , NNN .
p(0) = P( X = 0) = 0, 73
p(1) = P( X = 1) = 3.(0,3)(0, 7) 2
419
Métodos Experimentais em Engenharia
p (3) = P ( X = 3) = 0,33
n
P ( X = k ) = p k(1 − p) n −k , k = 0,1,2,.......,n. (A25)
k
k
indicados na Tabela A1.
420
Métodos Experimentais em Engenharia
X P(X) X P(X)
0 6,3668058E-07 21 0,0015653651
1 1,0914524E-05 22 5,7938838E-04
2 9,1214238E-05 23 1,9432902E-04
3 4,9516300E-04 24 5,8992739E-05
4 0,0019629676 25 1,6180865E-05
5 0,0060571572 26 4,0007634E-06
6 0,015142893 27 8,8905854E-07
7 0,031521941 28 1,7690451E-07
8 0,055726288 29 3,1372228E-08
9 0,084916249 30 4,9299215E-09
10 0,11281730 31 6,8155596E-10
11 0,13186438 32 8,2151835E-11
12 0,13657382 33 8,5352556E-12
13 0,12606814 34 7,5311079E-13
14 0,10419918 35 5,5330588E-14
15 0,077405104 36 3,2934874E-15
16 0,051833775 37 1,5259401E-16
17 0,031361612 38 5,1629553E-18
18 0,017174216 39 1,1347154E-19
19 0,0085225433 40 1,2157665E-21
20 0,0038351445
Fonte: Próprios Autores
0,14
Probabilidade binomial B(40, 0,3)
0,12
0,10
0,08
P(X)
0,06
0,04
0,02
0,00
0 5 10 15 20 25 30 35 40
421
Métodos Experimentais em Engenharia
• A distribuição de Poisson
e− k
P( X = k ) = , k = 0, 1,....., n,......., (A26)
k!
resulta que X tem uma distribuição de Poisson com parâmetro .
• A distribuição geométrica
422
Métodos Experimentais em Engenharia
P(x)
x=a x=b x
Definição 13: Uma variável aleatória X é contínua se existe uma função f, que
chamamos função densidade de probabilidade (fdp) de X, tal que satisfaz:
423
Métodos Experimentais em Engenharia
i) f ( x) 0, x (A28)
+
ii)
−
f ( x) dx = 1 (A29)
O fato de agora termos uma integral, leva a alguns pontos importantes. Como
b
representa a área abaixo da curva de f(x) em [a, b] , como mostra a Figura A7.
f(x)
x=a x=b x
Outra consequência de se ter uma fdp contínua, permitindo que X assuma todos
os valores possíveis no intervalo, é que, para qualquer valor específico de X, por
x0
exemplo x0 , teremos P( X = x0 ) = f ( x) dx = 0 . Ou seja, a probabilidade zero não
x0
P ( a X b) = P ( a X b) = P (a X b) = P (a X b ) (A31)
424
Métodos Experimentais em Engenharia
1 1 x − 2
f ( x) = exp − − x +
2
, (A32)
2
0.05
= 5, = 9
0.04 = 5, = 16
0.03
0.02
0.01
0.00
-40 -20 0 20 40 60
425
Métodos Experimentais em Engenharia
1 1
f ( x) = exp − x 2 , x (A33)
2 2
• A distribuição uniforme
Definição 15: Diz-se que uma variável aleatória contínua X tem uma fdp
uniforme, no intervalo [a, b], se a fdp é dada por:
0 xa
1 1
a xb
f ( x) = a xb
ou f ( x) = b − a (A34)
b−a
xb
0 x [ a, b]
0
Ou seja, uma variável aleatória distribuída uniformemente tem uma fdp que é
constante no intervalo no qual está definida. Essa constante deverá ser igual ao
426
Métodos Experimentais em Engenharia
−
f ( x) dx = 1 ,
Ademais, uma variável aleatória X com fdp uniforme no intervalo [a, b], tem a
seguinte propriedade: para qualquer subintervalo I de comprimento h , tal que
I [ a, b] , a probabilidade P( X I ) é a mesma para todos os subintervalos que
possuam o mesmo valor de h . Ou seja,
h
P( X I ) =
xI
f ( x) dx =
b−a
(A35)
• A distribuição exponencial
e− x , x0
f ( x) = (A36)
0 , x0
Teorema 5:
F ( x) = p ( x j ) (A37)
j
427
Métodos Experimentais em Engenharia
ii) Para uma variável aleatória contínua X com fdp f, a fda é dada por:
x
F ( x) =
−
f (t ) dt (A38)
0 se t 0
1
se 0 t 1
8
4
F (t ) = se 1 t 2
8
7
8 se 2 t 3
1 se t 3
F(t)F(t )
1
7/8
4/8
1/8
x
1 2 3 4 t
428
Métodos Experimentais em Engenharia
Teorema 6:
d
f ( x) = F ( x) (A39)
dx
ii) Se X é uma variável aleatória discreta com valores x1 , x2 ,... , tal que x1 x2 ...
Se a fda de X é F, então:
p( x j ) = P( X = x j ) = F ( x j ) − F ( x j −1 ) (A40)
1
s
1
( s) = exp − 2 x
2
dx (A41)
2 −
se a série x p( x ) (condição de convergência absoluta).
i =1
i i
429
Métodos Experimentais em Engenharia
que podemos interpretar como uma “média ponderada” dos valores xi ,...xn . Para
1 n
o caso no qual p( xi ) = 1/n para todo i = 1,....., n, então E ( X ) = xi , que é a
n i =1
média aritmética dos n valores possíveis.
Definição 19: Se X é uma variável aleatória contínua com fdp f, o valor esperado
de X é definido como:
+
E ( X ) = x f ( x) dx (A44)
−
+
430
Métodos Experimentais em Engenharia
E( X ) = C (A45)
+
0, se x = x0
( x − x0 ) (A47)
= 0, se x x0
+
ii) −
f ( x) ( x − x0 ) = f ( x0 ) (A49)
Note-se que a “função” delta de Dirac não é uma função no sentido estrito da
definição desse ente matemático, porque está definida apenas em um ponto, e
nenhuma função que esteja definida em apenas um ponto pode ter uma integral
431
Métodos Experimentais em Engenharia
Devido às suas propriedades, essa “função” pode então ser utilizada para
representar f(x) = (x).
E (CX ) = CE ( X ) (A50)
Tabela A2- Valores de probabilidade de duas variáveis aleatórias com esperança igual
a cinco
Valores t de X 4 5 6
pX(t) 1/3 1/3 1/3
Valores t de Y 2 5 8
pY(t) 1/3 1/3 1/3
Definição 20: Seja X uma variável aleatória com esperança E(X). Definimos a
variância de X, que vamos denotar como V(X) ou x2 ( V ( X ) = x2 ) como:
V ( X ) = E[ X − E ( X )]2 (A51)
432
Métodos Experimentais em Engenharia
Notar que o número V(X) deve ser expresso em unidades quadradas de X. Por
exemplo, se X é medido em metros, então V(X) será expresso em (metros)2. Por
isso é que normalmente utilizamos X , para ter as mesmas unidades de X.
V ( X ) = E ( X 2 ) − [ E ( X )]2 (A52)
V ( X + C) = V ( X ) (A53)
V (CX ) = C 2V ( X ) (A54)
Teorema 12: Se X é uma variável aleatória com variância finita, então, para
qualquer número real :
V ( X ) = E [( X − )2 ]− [ E ( X ) − ]2 (A55)
E ( X ) = np e V ( X ) = np(1 − p) (A56)
433
Métodos Experimentais em Engenharia
E( X ) = e V ( X ) = (A57)
Teorema 15: Seja X uma variável aleatória contínua com fdp N ( , ) , então:
E( X ) = (A58)
V (X ) = 2 (A59)
Teorema 16: Seja X uma variável aleatória com fdp exponencial com parâmetro
, então:
1
E( X ) = (A60)
1
V (X ) = (A61)
2
O fenômeno “receber ligações”, pode acontecer de forma tal que, receber uma
ligação em qualquer instante, resulte tão provável como em qualquer outro
instante. Ou seja, a probabilidade é a mesma de um instante de tempo para
outro. O problema é que, ainda que o intervalo de tempo seja curto, o número de
pontos é infinito não numerável. Para podermos resolver a questão, vamos ter
que considerar uma sucessão de aproximações, que descreveremos a seguir.
Vamos considerar o intervalo de dois minutos (120 segundos) como formado por
seis subintervalos de 20 segundos cada um. Poderíamos considerar cada um
desses seis intervalos como um ensaio de Bernoulli, durante o qual observamos
uma ligação (êxito) ou nenhuma (fracasso) com P(êxito) = 1,5 x 20/60 = 0,5.
434
Métodos Experimentais em Engenharia
Uma forma de evitar essa dificuldade seria fazer o intervalo de tempo mais curto.
Assim, vamos considerar 12 intervalos, de duração 10 segundos cada um, ao
invés de fazer 6 intervalos de 20 segundos. Podemos considerar agora nosso
experimento como 12 ensaios de Bernoulli com P(êxito) = P (receber uma ligação
durante um subintervalo) = (1,5) x 10/60 = 0,25. Então, P (receber duas ligações
12
durante o intervalo de dois minutos) = (0, 25) 2 (0, 75)10 . Notar que em ambas
2
as situações o valor do produto np permanece o mesmo, np= 12 x 0,25 = 6 x 0,5
= 3.
O cálculo a seguir vai a dar a resposta. Comecemos com a expressão geral para
a probabilidade binomial:
n n!
P( X = k ) = p k (1 − p) n − k = p k (1 − p) n −k =
k k !(n − k )!
n(n − 1)(n − 2)..........(n − ( k − 1)) (n − k )!
= p k (1 − p ) n − k = (A62)
k ! (n − k )!
n(n − 1)(n − 2)..........(n − k + 1) k
p (1 − p ) n − k
k!
435
Métodos Experimentais em Engenharia
P( X = k ) = ( ) =
k! n n
k 1 n−k
= n(n − 1)(n − 2)..........( n − ( k − 1)) k (1 − ) (A63)
k! n n
Notar que no produto n(n − 1)(n − 2)..........(n − (k − 1)) temos k termos, então
P( X = k ) =
k n (n − 1) (n − 2) (n − ( k − 1))
= .......... (1 − ) n − k
k! n n n n n
k
−
1
−
2
−
( k − 1) 1 − n − k = (A64)
(1) 1 1 ........ 1
k ! n n n n
k 1 2 ( k − 1)
n −k
1 − 1 − ........ 1 − 1 − 1 −
k ! n n n n n
n
n
P( X = k ) = p k (1 − p) n − k (A65)
k
436
Métodos Experimentais em Engenharia
e− k
lim P( X = k ) = (A66)
n → k!
que é a distribuição de Poisson com parâmetro .
Notar que, quando X tem uma distribuição binomial com parâmetros n e p, temos
que E(X)= np, mas se lim
n →
( np ) → e X pode ser aproximada por uma distribuição
p →0
Figura A10- Diagrama de Venn de uma função de variável aleatória no caso do volume
de uma esfera a partir do diâmetro.
D D : diâmetro V V : volume
E : esfera
e
D(e) = d V(d) = v
Seria desejável poder obter v a partir de f, mas para isso são necessários alguns
conceitos que passamos a enunciar a seguir.
437
Métodos Experimentais em Engenharia
Eventos equivalentes
X Y
E RX RY
e
X(e) = x Y = G(X(e)) = y
438
Métodos Experimentais em Engenharia
Teorema 18: Se X é uma variável aleatória contínua com fdp f, tal que f(x) > 0 no
intervalo [a, b], e y = G(x) é uma função monotônica de x (estritamente crescente
ou decrescente), derivável para todo x, então, a variável aleatória Y definida
como Y = G(X) tem fdp g dada por:
dx
g ( y ) = f ( x) (A69)
dy
439
Métodos Experimentais em Engenharia
a) Se Y é uma variável aleatória discreta com valores possíveis y1 , y2 ,... , tal que
conhecemos os valores P(Y = yi ) , definimos:
E (Y ) = yi P(Y = yi ) (A70)
i =1
E (Y ) = E (G ( X )) = G ( x j ) p( x j ) (A72)
j =1
440
Métodos Experimentais em Engenharia
X
e X(e)
Y(e)
441
Métodos Experimentais em Engenharia
Definição 26:
ii) p( x , y
r =1 s =1
r s ) =1 (A75)
b) Se (X, Y) é uma variável aleatória bidimensional contínua (X, Y), que assume
todos os valores na região T do plano cartesiano, e se a função f satisfaz as
seguintes condições:
iv) f ( x, y)dxdy= 1
T
(A77)
442
Métodos Experimentais em Engenharia
i) No caso de W ser uma variável aleatória discreta, que pode assumir valores
w1 , w2 ,... , tal que p( wi ) = P (W = wi ) , então:
E (W ) = wi p( wi ) (A78)
i =1
ii) No caso de W ser uma variável aleatória contínua com fdp g, então:
+
E (W ) =
−
wg (w)dw (A79)
E (U + V ) = E (U ) + E (V ) (A82)
Teorema 22: Se (X, Y) é uma variável aleatória bidimensional tal que X e Y são
independentes, então:
i) E ( XY ) = E ( X ) E (Y ) (A84)
ii) V ( X + Y ) = V ( X ) + V (Y ) (A85)
443
Métodos Experimentais em Engenharia
G "( ) 2
E (Y ) G( ) + (A86)
2
V (Y ) [G '( )] 2 (A87)
1 2G 2G
E (W ) G ( x , y ) + 2
+ 2
(A88)
2 x 2 , x
y 2 , y
x y x y
2
2
G
V (W ) x2 + G y2 (A89)
x x y y
444
Métodos Experimentais em Engenharia
1 n 2G
E (W ) G(1,......, n )] + 2 i2 (A90)
2 i =1 xi
i
2
n G
V (W )
i =1 xi
i2
(A91)
i
E ( P) E (U ) E ( I ) e
V ( P) [ E (U )]2 V ( I ) + [ E ( I )]2 V (U ) (A92)
n
f 1 n 2 f
f ( x) f ( x0 ) + ( x − x ) + ( xi − x0i )( x j − x0 j ) +
i =1 xi i , j =1 xi x j
i 0i
x = x0
2 x = x0
1 n 3 f
+ ( xi − x0i )( x j − x0 j )( xk − x0 k ) + ........
3! i , j ,k =1 xi x j xk x = x0
(A93)
445
Métodos Experimentais em Engenharia
d) Os termos que envolvem derivadas segundas e que não são nulos, são
proporcionais a E[( xi − x0i ) ] = E[( xi − i ) ] = V ( X ) = .
2 2 2
2 2
f f f
V ( x − x ) = V ( x − x ) = [V ( xi ) − V ( x0i )] =
xi x = x0 xi x = x0 xi x = x0
i 0i i 0i
2 2 2
f f f
= − = = i
2
[V ( x ) 0] V ( x )
xi x = x0 xi x = x0 xi x = x0
i i
(A94)
Desigualdade de Chebyshev
446
Métodos Experimentais em Engenharia
1
P X − C 2 E ( X − C )2 (A95)
1
P X '− C 1 − 2 E ( X − C ) 2 (A96)
V (X )
P X − (A97)
2
c) Se c = e = k , onde 2 = V ( X ) 0 , obtemos:
P X − k k −2 (A98)
Nessa última equação é possível ver com clareza como a variância é uma
medida da concentração da probabilidade em torno de E ( X ) = .
447
Métodos Experimentais em Engenharia
k 1
P X − 1− k 2 (A99)
n
n
onde k = , e é um número real positivo, e então k = . Assim, podemos
n
escrever:
2
P X − 1 − 2 (A100)
n
n n
aritmética dos valores obtidos converge para o valor da esperança E ( X ) .
448
Métodos Experimentais em Engenharia
i =1
i
2
Até agora, temos focalizado em associar certos parâmetros como E(X) e V(X)
com uma determinada distribuição de probabilidades unidimensional. Esses
parâmetros medem, nos sentidos descritos anteriormente, caraterísticas
importantes da distribuição. O mesmo acontece para uma variável aleatória
bidimensional.
O coeficiente de correlação
E X − E ( X )Y − E (Y )
XY = (A102)
V ( X )V (Y )
449
Métodos Experimentais em Engenharia
E ( XY ) − E ( X ) E (Y )
XY = (A103)
V ( X )V (Y )
−1 XY 1 (A104)
Teorema 33: Suponha que X e Y são duas variáveis aleatórias para as quais Y
= A X + B, com A e B constantes. Então, se A > 0, XY = +1, e se A < 0, XY
= -1.
Y=aX+b (A105)
X −
Y= (A107)
450
Métodos Experimentais em Engenharia
n n
N i , i 2 (A109)
i =1 i =1
e − t ( t )
k
Para que as ideias fiquem mais claras, consideremos o seguinte exemplo não
probabilístico. Seja o caso em que queremos obter o índice de refração de um
certo vidro, e temos para isso um prisma em forma de cubo de lado igual a 2cm.
Utilizando a Lei de Snell e observando para que ângulo de incidência em uma
das faces do prisma temos reflexão interna total é possível obter o índice de
refração do vidro a partir da equação:
451
Métodos Experimentais em Engenharia
sen c = nV (A111)
452
Métodos Experimentais em Engenharia
No caso de uma amostra aleatória de uma variável aleatória contínua, com fdp f,
a fdp conjunta h pode ser escrita como:
Parâmetros Estatísticos
1 n
i) X = Xi
n i =1
(A114)
453
Métodos Experimentais em Engenharia
1 n
ii) S =
2
(n − 1) i =1
( X i − X )2 (A115)
chama-se variância amostral (será explicado porque dividimos por (n-1) ao invés
de n).
i) E( X ) = (A116)
2
ii) V( X ) = (A117)
n
iii) Se a amostra tem tamanho n, tal que n → , a distribuição:
( X − )
→ N (0,1) (A118)
/ n
1 n
( Xi − X )
2
S = 2
(A119)
n − 1 i =1
E (S 2 ) = 2 (A120)
454
Métodos Experimentais em Engenharia
Estimação de parâmetros
Por exemplo, consideremos uma empresa que produz leds para os semáforos
de uma cidade, e tomemos um lote de 500.000 leds vermelhos. Qual
porcentagem, desses 500.000, corresponderá a leds defeituosos? Obviamente,
para responder essa pergunta não deveria ser necessário testar o lote inteiro;
seria desejável poder estimar essa porcentagem tomando uma amostra aleatória
de n leds. Tal tipo de situação pode ser descrita através de uma distribuição
binomial, considerando a associação P ( X i = 1) = p , como a probabilidade do i-
ésimo led da amostra apresentar falha, e P( X i = 0) = (1 − p ) como a probabilidade
do componente funcionar corretamente. Podemos utilizar a amostra
( X 1 , X 2 ,..., X k ) de alguma maneira para estimar o parâmetro p?
No caso do exemplo, deve ficar claro que nunca será possível obter o valor exato
de p, já que isso implicaria testar os 500.000 leds! Ou seja, a ideia será estimar
o valor de p (nomeamos o valor estimado de p como p̂ ), com os valores limitados
da amostra.
Definição 32: Seja X uma variável aleatória que tem uma fdp que depende dos
parâmetros 1 , 2 ,...l , e ( X 1 , X 2 ,..., X n ) uma amostra aleatória tal que
( x1 , x2 ,..., xn ) são os valores amostrais correspondentes.
g1 ( X 1 , X 2 ,..., X n ), g 2 ( X 1 , X 2 ,..., X n ),...., g l ( X 1 , X 2 ,..., X n ) são funções da amostra
que serão utilizadas para estimar 1 , 2 ,...l , chamamos
g1 ( X 1 , X 2 ,..., X n ), g 2 ( X 1 , X 2 ,..., X n ),...., g l ( X 1 , X 2 ,..., X n ) de estimadores de
1 , 2 ,...l
455
Métodos Experimentais em Engenharia
ii) A variância de ˆ1 , V (ˆ1 ) , é menor que a variância V (ˆ2 ) de ˆ2 , ou seja,
V (ˆ1 ) V (ˆ2 ) , para todo ˆ2 . Nesse caso, dizemos que ˆ1 tem variância mínima.
Ter um estimador não enviesado com variância mínima implica que o valor do
estimador estará “próximo” do valor verdadeiro do parâmetro estimado.
E (ˆ2 ) = , mas V (ˆ2 ) V (ˆ1 ) , e por essa última característica, vamos preferir
ˆ2 a ˆ1 , por ter variância mínima. Na segunda, a escolha não é tão simples.
Temos um estimador não enviesado que é ˆ3 , que tem uma variância grande, e
outro estimador enviesado, ˆ4 , que possui uma variância pequena. A questão
é, nessa situação, qual é mais conveniente, ˆ3 ou ˆ4 ?
456
Métodos Experimentais em Engenharia
g (ˆ2 )
h(ˆ1 )
Fonte: Próprios Autores
g (ˆ4 )
h(ˆ3 )
Fonte: Próprios Autores
457
Métodos Experimentais em Engenharia
Para poder ter mais elementos que ajudem na escolha do estimador mais
conveniente, definimos outra propriedade dos estimadores.
ou se:
n
ˆ = ai X i , ai (A123)
i =1
Exemplos
458
Métodos Experimentais em Engenharia
Z 1
E ( pˆ ) = E = (np) = p (A124)
n n
Z 1 p(1 − p)
V ( pˆ ) = V = 2 (np)(1 − p) = (A125)
n n n
Nota-se que a média amostral é uma função linear da amostra, já que é da forma
a1 X 1 + a2 X 2 + ... + an X n , com a1 = a2 = .... = an = 1/ n . É fácil provar que se os
n
coeficientes ai satisfazem a condição a
i =1
i = 1 , o estimador dado por
n
ˆ = ai X i ainda é um estimador não enviesado de . Será que existe alguma
i =1
n
escolha particular dos ai, respeitando a condição a
i =1
i = 1 , que resulte em uma
Continuando com as equações que usualmente são usadas para tratar dados
1 n
experimentais, lembramos a seguinte: S =
2
n − 1 i =1
( X i − X )2 . Para entender a
459
Métodos Experimentais em Engenharia
(n − 1) 2
E ( S '2 ) = 2 . Ou seja, S '2 é um estimador enviesado de 2 ! Por
n
1 n
isso, utiliza-se a expressão S =
2
n − 1 i =1
( X i − X )2 , já que, ao dividir por (n -1),
Podemos fazer agora uma nova pergunta, que pode aparecer se for necessário
calcular funções de estimadores: se o estimador não enviesado do parâmetro
é ˆ , e temos que trabalhar com 1/ , podemos considerar 1/ ˆ como estimador
não enviesado de 1/ ? A resposta é negativa. Em geral, se temos um parâmetro
, e uma função h( ) , sendo ˆ o estimador não enviesado de , resulta que
E[h(ˆ)] h[ E (ˆ)] . Apenas no caso linear, para o qual h( ) = a + b , vale dizer
que E[h(ˆ)] = h[ E (ˆ)] .
Os conceitos dados até aqui ainda não mostram como podemos calcular um
estimador de um parâmetro que ignoramos. Sabemos determinar algumas
características de um estimador proposto, mas não temos um procedimento
geral que permita obter a forma funcional do estimador.
460
Métodos Experimentais em Engenharia
L( X 1 ,......, X n , ) = 0 (A128)
No caso no qual a distribuição de probabilidades de X dependa de dois ou mais
parâmetros, ou seja, = (1 , 2 ,.....) , deve ser satisfeito o conjunto de equações
simultâneas abaixo:
461
Métodos Experimentais em Engenharia
L( X 1 ,......, X n , 1 , 2 ,.....) = 0 (A129)
1
L( X 1 ,......, X n , 1 , 2 ,.....) = 0
2
.
.
.
1 1
f ( x) = exp − ( x − ) 2 (A130)
2 2
1 1 n 2
L( X1 ,......., X n , ) = exp − 2 ( X i − ) (A131)
( 2 )
n /2
i =1
Para poder tratar esse caso, no qual temos exponenciais, vamos considerar a
seguinte técnica. Considerando que ln ( x) é uma função crescente de x, então
ln [ L( X 1 ,......, X n , )] terá seu valor máximo para o mesmo valor de que
maximiza L( X 1 ,......., X n , ) . Para obter o máximo, calculamos a derivada, só que
462
Métodos Experimentais em Engenharia
n 1 n
ln L( X 1 ,......, X n , ) = − ln(2 ) − ( X i − ) 2 (A132)
2 2 i =1
portanto:
ln L n
= ( X i − ) = 0 ˆ = X (A133)
i =1
1 1 x − 2
f ( x) = exp −
2 2 (A134)
1 n X − 2
L( X 1 ,......, X n , , ) = (2 2 ) − n /2 exp − i (A135)
2 i =1
logo:
1 n X −
2
n
ln L = − ln(2 2 ) − i (A136)
2 2 i =1
ln L ln L
=0 e =0 (A137)
Então:
463
Métodos Experimentais em Engenharia
ln L n ( X i − )
= =0 (A138)
i =1 2
ln L n n ( X i − )2
= − + =0 (A139)
i =1 3
de onde:
1 n 1 n
ˆ 2 =
n i =1
( X i − ) = ( X i − X )2
2
n i =1
(A140)
1 n
ˆ 2 =
n − 1 i =1
( X i − X )2 (A141)
464
Métodos Experimentais em Engenharia
Y = X + + (A142)
465
Métodos Experimentais em Engenharia
y − E ( y )
2
i i (A144)
i =1
E ( yi ) = xi + (A145)
então:
n
y − ( x + ) = mínimo
2
i i (A146)
i =1
também calculado.
n
S ( , ) = yi − ( xi + )
2
(A147)
i =1
466
Métodos Experimentais em Engenharia
S S
=0 e =0 (A148)
S n n
= 2 yi − ( xi + ) (− xi ) = −2 xi yi − xi 2 − xi ) = 0 (A149)
i =1 i =1
S n n
= 2 yi − ( xi + ) (−1) = −2 yi − xi − ) = 0 (A150)
i =1 i =1
e da equação (A150):
n n
ˆ xi + nˆ = yi (A152)
i =1 i =1
Utilizando a notação:
n
x
i =1
i
2
= x 2 (A153)
x = x
i =1
i (A154)
n n
yi xi = xi yi = yx
i =1 i =1
(A155)
y = y
i =1
i (A156)
467
Métodos Experimentais em Engenharia
ˆ [ x 2 ] + ˆ[ x] = [ xy ] (A157)
ˆ [ x] + nˆ = [ y ] (A158)
Temos então duas equações lineares, as equações (A157) e (A158), com duas
incógnitas ̂ e ˆ . As soluções desse sistema são obtidas a partir do seguinte
cálculo. Da equação (A158) obtemos:
1
ˆ = ([ y ] − ˆ [ x]) (A159)
n
e substituindo na Eq. (157) fica:
1
ˆ [ x 2 ] + ([ y] − ˆ[ x])[ x] = [ xy] (A160)
n
Então:
1 1
ˆ [ x 2 ] − [ x]2 = [ xy] − [ y][ x]
n n
(A161)
e finalmente:
1
[ xy ] − [ y ][ x]
ˆ = n
1 (A162)
[ x 2 ] − [ x]2
n
Essa é uma das formas presentes na literatura para calcular o valor de ̂ . Existe
outra forma comum, mas com a notação das somatórias. Para poder obter essa
segunda forma, consideramos que:
1 n [ x]
x=
n i =1
xi =
n
(A163)
1
[ xy ] − [ y ][ x] = [ xy ] − [ y ]x (A164)
n
468
Métodos Experimentais em Engenharia
n
[ xy ] − [ y ]x = yi ( xi − x ) (A166)
i =1
1 [ x]
[ x 2 ] − [ x]2 = [ x 2 ] − [ x] = [ x 2 ] − x [ x] =
n n
= [ x ] − x [ x] + x [ x] − x [ x] = [ x 2 ] − 2 x [ x] + x [ x] =
2
(A167)
= [ x 2 ] − 2 x [ x] + xnx = [ x 2 ] − 2 x [ x] + x 2 n
ou seja:
1
[ x 2 ] − [ x]2 = [ x 2 ] − 2 x[ x] + x 2 n (A168)
n
Traduzido ao mundo das somatórias:
n n 2
[ x ] − 2 x [ x] + x n = xi − 2 xxi + x = ( xi − x )
2 2 2 2
(A169)
i =1 i =1
n 2
[ x ] − 2 x [ x] + x n = ( xi − x )
2 2
(A170)
i =1
y (x − x )i i
ˆ = i =1
n (A171)
(x − x )
i =1
i
2
Falta ainda o estimador ˆ , que vai sair do seguinte cálculo. Da equação (A159)
temos:
1 1 n[ yx] − [ x][ y]
ˆ = ([ y] − ˆ[ x]) = [ y] − 2
[ x] (A172)
n n n [ x 2
] − [ x ]
469
Métodos Experimentais em Engenharia
= = (A173)
n n[ x 2 ] − [ x]2
1 [ y ] n [ x 2 ] − [ x] n [ yx] [ y ][ x 2 ] − [ x][ yx]
= =
n n[ x 2 ] − [ x]2 n[ x 2 ] − [ x]2
ˆ [ y ][ x 2 ] − [ xy][ x]
= (A174)
n[ x 2 ] − [ x]2
n n n n
y x −x y x
i i
2
i i i
ˆ = i =1 i =1 i =1 i =1
2 (A175)
n
n
n xi − xi 2
i =1 i =1
Resulta evidente que tanto ̂ como ˆ são funções lineares dos valores
amostrais y1 ,..., yn . Também resulta simples demonstrar que E (ˆ ) = e
( )
E ˆ = , ou seja, ̂ e ˆ são estimadores não enviesados.
( y − y )( x − x )i i
ˆ = i =1
n (A176)
(x − x )
i =1
i
2
470
Métodos Experimentais em Engenharia
n n
( y − y )( x − x ) = y x − y x − yx + yx =
i =1
i i
i =1
i i i i
n n n n n n
= yi xi − yi x − yxi + x y = yi xi − x yi − y =
i =1 i =1 i =1 i =1 i =1 i =1
n n n n n n n
1 1 1
i =1
yi xi − xi yi − yi xi + n 2
n i =1 i =1 n i =1 i =1 n
x y =
i =1
i
i =1
i (A177)
n
1 n n
1 n n
1 n n
= yi xi − xi yi − yi xi + xi yi =
i =1 n i =1 i =1 n i =1 i =1 n i =1 i =1
n
1 n n n n n
= yi xi − yi xi = yi xi − yi x = yi ( xi − x )
i =1 n i =1 i =1 i =1 i =1 i =1
ou seja:
n n
( yi − y )( xi − x ) = yi ( xi − x )
i =1 i =1
(A178)
2 2
1 n 1 n
ˆ =
2
i y − E ( y ) = yi − (ˆ xi + ˆ ) (A179)
n − 2 i =1 n − 2 i =1
i
2
1 n
ˆ 2 =
n − 2 i =1 yi − (ˆ xi + ˆ ) (A180)
471
Métodos Experimentais em Engenharia
2
ˆ
n
V (ˆ ) = ˆ 2 (A181)
ï =1 yi
nx − [ x] 2 n ( nxi − [ x])
2 2
n
V (ˆ ) = 2i 2
ˆ = ˆ 2 =
− ï =1 ( n[ x ] − [ x ] )
2 2
ï =1 n[ x ] [ x ] 2
n
nxi 2 − 2 xi [ x] + [ x]2 n 2 [ x 2 ] − 2n[ x]2 + n[ x]2
ˆ 2 = ˆ 2 = (A183)
ï =1 ( n[ x ] − [ x] )
2 2 2
( n[ x ] − [ x] )
2 2 2
n[ x 2 ] − [ x]2 n
n ˆ 2 = ˆ 2
( n[ x ] − [ x] )
2 2 2
n[ x ] − [ x]
2 2
Finalmente obtemos:
n
V (ˆ ) = ˆ 2 (A184)
n[ x ] − [ x]
2 2
2
n ˆ 2
V ( ˆ ) = ˆ (A185)
ï =1 yi
Considerando que:
ˆ 1
= ([ x 2 ] − [ x]xi ) (A186)
yi n[ x ] − [ x]
2 2
472
Métodos Experimentais em Engenharia
2
ˆ 1
= ([ x 2 ]2 − 2[ x 2 ][ x]xi + [ x]2 xi 2 ) (A187)
yi ( n[ x ] − [ x] )
2 2 2
então:
2
n ˆ 2
V ( ˆ ) = =
i =1 yi
1 n 2 2 n 2
n
2 2
= [ x ] − 2[ x 2
][ x ] xi + [ x ]
xi ˆ =
( n[ x ] − [ x] )
2 2 2
i =1 i =1 i =1
1
= n[ x 2 ]2 − 2[ x 2 ][ x][ x] + [ x]2 [ x 2 ] ˆ 2 =
( n[ x ] − [ x] )
2 2 2
1
= n[ x 2 ]2 − 2[ x 2 ][ x]2 + [ x]2 [ x 2 ] ˆ 2 =
( n[ x ] − [ x] )
2 2 2
1
(n[ x 2 ]2 − [ x 2 ][ x]2 )ˆ 2 =
( n[ x ] − [ x] )
2 2 2
[ x2 ]
= (n[ x 2 ] − [ x]2 ) ˆ 2 =
( n[ x ] − [ x] )
2 2 2 (A188)
[ x2 ]
= ˆ 2
( n[ x ] − [ x] )
2 2
Finalmente obtemos:
[ x2 ]
V ( ˆ ) = ˆ 2 (A189)
n[ x ] − [ x]
2 2
ˆ 2
V (ˆ ) = 2
(A190)
n
(x − x )
i =1
i
473
Métodos Experimentais em Engenharia
que não parece ter muita semelhança com a equação (A184). Porém, vamos
demonstrar que a equação (A190) é apenas outra forma de escrever a equação
(A184), como apresentado a seguir:
2 2
V (ˆ ) = = n n n
=
x − 2 xi x + x
n 2
(x − x )
2 2
i i
i =1 i =1 i =1 i =1
2 2
= = =
n
[ x 2 ] − nx 2
x
i =1
i
2
− 2nx + nx 2 2
2 2
= 2
= = (A191)
n
n
xi [ x2 ] −
n2
[ x]2
[ x ] − n i =1
2
n
2 n
= = 2
n[ x ] − [ x]2
( n[ x 2 ] − [ x]2 )
2
1
n
ou seja:
2 n
V (ˆ ) = = 2 (A192)
n 2
n[ x ] − [ x]
2 2
( x − x )
i =1
i
1 x 2
ˆ
V ( ) = + n 2 (A193)
n ( xi − x ) 2
i =1
474
Métodos Experimentais em Engenharia
[ x2 ] 1 n[ x 2 ]
V ( ˆ ) = =
2
2 =
( n[ x ] − [ x] ) n ( n[ x ] − [ x] )
2 2 2 2
1 ( n[ x ] − [ x] + [ x] ) 2 1
2 2 2
[ x]2
= = 1 + 2 =
n ( n[ x ] − [ x] )
2 2
n ( n[ x ] − [ x] )
2 2
(A194)
1 n2 x 2 1 1 n 2 x2
1 + 2
= + 2 =
n ( n[ x ] − [ x] )
2 2
n n ( n[ x ] − [ x] )
2 2
1 nx 2
= + 2
n ( n[ x ] − [ x] )
2 2
n
n
n[ x 2 ] − [ x]2 = n xi 2 −n 2 x 2 = n xi 2 −nx 2 =
i =1 i =1
n 2 2 n 2 n n
n xi −2nx + nx = n xi −2 x xi + x 1 =
2 2
(A195)
i =1 i =1 i =1 i =1
n n
n ( xi 2 − 2 xxi + x 2 ) = n ( xi − x ) 2
i =1 i =1
ficando:
n
n[ x ] − [ x] = n ( xi − x ) 2
2 2
(A196)
i =1
n
2
ˆ 1 nx 2 1 x 2
V ( ˆ ) = 2 = + n 2 = + n 2
i =1 yi n n ( x − x )2 n
( xi − x ) 2 (A197)
ï =1
i
ï =1
475
Métodos Experimentais em Engenharia
2
[x ] 1 x 2
V ( ˆ ) = 2 ˆ 2
= + 2 (A198)
n[ x ] − [ x] n
n
( xi − x ) 2
2
i =1
Obviamente essa não é a situação mais geral, que será tratada na próxima
seção, utilizando o formalismo dos estimadores de máxima verossimilhança.
Por último, cabe mencionar que o método de mínimos quadrados pode ser
aplicado a modelos não lineares. Por exemplo, se E (Y ) = X 2 + X + ,
podemos estimar , e tal que:
Y − ( x
2
i i
2
+ X + ) (A199)
i =1
476
Métodos Experimentais em Engenharia
seja mínima.
Vejamos agora outra forma de apresentar o ajuste linear por mínimos quadrados.
Suponhamos que medimos de forma independente duas variáveis X e Y, que na
verdade são duas grandezas quaisquer. Como no CASO 1, a variável X tem uma
incerteza pequena o suficiente para ser considerada desprezível, e nesse
sentido, não é uma variável aleatória. Por outro lado, a variável Y é uma variável
aleatória com distribuição normal Yi N ( i , i2 ) , ou seja:
1 1
f ( yi ) = exp − 2 ( yi − yi )2 (A200)
2 i 2 i
onde:
y = xi +
i
(A201)
n
1 1
L( x1 , y1 , i ,....., xn , yn , n , , ) = exp − 2 ( yi − yi )2 (A202)
i =1 2 i 2 i
477
Métodos Experimentais em Engenharia
Então:
n 1 n 1
ln L( x1 , y1 , 1 ,....., xn , yn , n , , ) = ln − ( yi − yi ) 2 (A203)
2 i i =1 2 i
2
i =1
que será máximo quando o segundo termo for mínimo, ou seja, temos que
minimizar:
n
1
2 = wi ( yi − xi − )2 sendo wi = (A204)
i =1 i2
Então:
2 n
= −2 wi ( yi − xi − ) = 0 (A205)
i =1
de onde:
n n n
wi xi + wi = wi yi (A206)
i =1 i =1 i =1
wi = w ,
i =1
wi xi = wx e
i =1
w y = wy
i =1
i i (A207)
fica:
wx + w = wy (A208)
wx 2 + wx = wxy (A209)
wx + w = wy (A210)
wx 2 + wx = wxy (A211)
478
Métodos Experimentais em Engenharia
ˆ =
w wxy − wx wy
w wx 2 − wx
2 (A212)
wy wx 2 − wxy wx
ˆ = (A213)
w wx 2 − wx
2
então:
2
wx
n
1
ˆ = 2 2
wi − wx wi xi yi2 (A215)
w wx − wx
2 2
i =1
de onde obtemos:
( wx
n
1
ˆ 2 = wi 2 yi2 + wx wi 2 xi 2 yi2 −
2 2 2
w wx 2 − wx
2
i =1
(A216)
)
2
−2 wx 2 wx wi 2 xi yi2
Logo:
ˆ 2 =
w wx − wx
2
wx w + wx wx − 2 wx wx
1
2
2 2 2 2 2 2
(A217)
então:
479
Métodos Experimentais em Engenharia
wx 2 wx 2
ˆ =
2
wx w − wx
2 2
= (A218)
w wx 2 − wx
2 2
w wx 2 − wx
2
e finalmente:
wx 2
ˆ 2
= (A219)
w wx 2 − wx
2
ˆ 2 =
w
(A220)
w wx 2 − wx
2
1
n xy − x y xy − x y
ˆ = ou ˆ = n
(A221)
n x 2 − x
2
1 2
x 2 − x
n
y x 2 − xy x
ˆ = (A222)
n x 2 − x
2
nw n n
ˆ 2 = = = 2 (A223)
nw x − w x w(n x − x ) n x − x
2 2 2 2 2 2 2 2
480
Métodos Experimentais em Engenharia
n
ˆ 2 = 2 (A224)
n x − x
2 2
w x 2 x 2 x 2
ˆ 2
= = = 2 (A225)
nw x − w x w(n x − x ) n x − x
2 2 2 2 2 2 2 2
x 2
ˆ 2
= 2 (A226)
n x − x
2 2
1.2
1.0
0.8
Y
0.6
0.4
0.2
481
Métodos Experimentais em Engenharia
n
1 1 1
L= exp − ( xi − xi )2 exp − ( yi − yi ) 2 (A227)
2 xi yi 2
2 xi
2 2
i =1 yi
onde:
1 1
wxi = e wyi = (A229)
2
xi yi2
2
=0 (A230)
2
=0 (A231)
2
=0 (A232)
xi
Então, como primeiro passo, temos que resolver o problema dos xi , a partir da
equação (A232):
482
Métodos Experimentais em Engenharia
2
= 0 = − 2 ( xi − xi ) wxi − 2 yi − xi − wyi (A233)
xi
de onde obtemos:
wxi
−( xi − xi ) = yi − xi − (A234)
wyi
wxi
−( xi − xi ) = yi − xi − + xi − xi = yi − ( xi + ) + ( xi − xi ) (A235)
wyi
então:
wxi
yi − ( xi + ) = yi − f ( xi ) = −( xi − xi ) − ( xi − xi ) (A236)
wyi
então:
wyi
( xi − xi ) = [ y − f ( xi )]
w + 2 w i (A238)
xi yi
wyi
( xi − xi ) = [ yi − f ( xi )] = wi [ yi − f ( xi )] (A239)
wxi + 2
wyi wxi
( xi − xi ) = wi [ yi − f ( xi )] (A240)
wxi
onde utilizamos:
wyi wxi
wi = (A241)
wxi + 2 wyi
483
Métodos Experimentais em Engenharia
Considerando que:
y = x +
i i
(A242)
f ( xi ) = xi + (A243)
yi − f ( xi ) = ( xi − xi ) yi = f ( xi ) + ( xi − xi ) (A244)
wxi i
w i
( y − f ( xi )) 2
+ w yi ( yi − f ( xi )) + ( xi − xi ) =
i =1 wxi
2
2
n
= wxi wi i
( y − f ( xi )) 2
+ w yi ( yi − f ( xi )) − i
w i
( y − f ( xi =
))
i =1 wxi wxi
2
2
n
= wxi wi i
( y − f ( xi )) 2
+ w yi ( yi − f ( xi )) 2
1 − wi =
i =1 wxi wxi
n 2
2
= ( yi − f ( xi )) 2 wxi wi + w yi 1 − i
w =
i =1 wxi wxi
2
2 1 − wi
n
w xi
= ( yi − f ( xi )) 2 wi wxi + wyi 2 (A245)
i =1 wxi
wi
wxi
Considerando que:
wxi
1 − wi = (A246)
wxi wxi + wyi
2
então:
484
Métodos Experimentais em Engenharia
2
1 − wi
2
wxi = wxi
(A247)
wyi
wi
wxi
wxi
2 2
n
= ( yi − f ( xi )) wi
2 2
wxi + wyi =
i =1 wxi
yi
w
1
2
n
= ( yi − f ( xi )) wi
2
wxi + wxi wyi
2
=
wxi 2w 2 (A248)
i =1
yi
1
2
n
( yi − f ( xi
2
)) wxi i
w 1 + wxi
2
i =1 wxi w yi
Considerando que:
1 w
1 + wxi 2 = xi 2 (A249)
wyi wi
chegamos a:
n
2 wxi n
2 = ( yi − f ( xi )) 2 wxi wi 2
= ( yi − f ( xi )) 2 wi (A250)
i =1 wxi wi
2 2
i =1
n wyi wxi
2 = ( yi − f ( xi ))2 wi onde wi = (A251)
i =1 wxi + 2
wyi
Essa última equação é análoga à equação (A204), mas agora temos uma
variância composta representada pelos fatores wi , que contêm as incertezas em
cada xi e em cada yi .
2 2
Uma forma de obter ̂ , ˆ é efetuar as derivadas =0 e = 0,
considerando os wi como constantes (OREAR, 1982). Serão obtidas duas
485
Métodos Experimentais em Engenharia
2 2 wi
ˆ
n 2
= 2 wi ( yi − xi − )(− xi ) − ( yi − xi − )
ˆ ˆ ˆ ˆ =0 (A252)
i =1 wxi
n
w ˆ 2
wi xi ( yi − ˆ xi − ˆ ) + i ( yi − ˆ xi − ˆ ) 2 = 0 (A253)
i =1 wxi
2 n
= −2 ( yi − ˆ xi − ˆ ) wi = 0 (A254)
i =1
y w − ˆ x w
i i i i
ˆ = i =1
n
(A255)
w
i =1
i
2 2
n
ˆ 2
= xi2 + yi2 (A256)
i =1 xi yi
2 2
n
ˆ 2
= xi2 + yi2 (A257)
i =1 xi yi
2
Para calcular as derivadas parciais, vamos considerar que as derivadas =0
2
e = 0 são estacionárias ante pequenas variações de xi e yi , ou seja:
486
Métodos Experimentais em Engenharia
d 2 d 2
=0 e =0 (A258)
dxi dxi
d 2 d 2
=0 =0 (A259)
dyi dyi
d 2 2 2 2
= + + =0
dxi xi xi xi
(A260)
d = + + = 0
2 2 2 2
dx x x x
i i i i
d 2 2 2 2
= + + =0
dyi yi yi yi
(A261)
d = + + = 0
2 2 2 2
dy y y y
i i i i
2 2 2 2 2 2
2 + = −
xi xi xi
2 2 (A262)
+ = −
2 2 2 2
x 2 x xi
i i
2 2 2 2 2 2
2 + = −
yi yi yi
2 2 (A263)
+ = −
2 2 2 2
y 2 y yi
i i
487
Métodos Experimentais em Engenharia
2 2 2 2
2
H= 2 2
2 2
(A264)
2
ficando:
2 2 2 2
x y
xi yi
H i
=− 2 2 H i
=− 2 2 (A265)
x y
i xi i yi
2 2 2 2
xi
−
2 2 2 2 2 2 2 2 2 2 2 2
−
xi 2 xi 2 xi
= =− (A266)
xi det( H ) 2 2 2 2 2 2
2
−
2 2
2 2 2 2
2 xi
−
2 2 2 2 2 2 2 2 2 2 2 2
−
xi 2 xi xi
= =− (A267)
xi det( H ) 2 2 2 2 2 2
2
−
2 2
2 2 2 2
yi
−
2 2 2 2 2 2 2 2 2 2 2 2
−
yi 2 yi 2 yi
= =− (A268)
yi det( H ) 2 2 2 2 2 2
2
−
2 2
488
Métodos Experimentais em Engenharia
2 2 2 2
2 yi
−
2 2 2 2 2 2 2 2 2 2 2 2
−
yi 2 yi yi
= =− (A269)
yi det( H ) 2 2 2 2 2 2
2
−
2 2
2 n
wi di
= −2 wi di + xi (A271)
i =1 wxi
2 2 n 2 w d di2 wi2
2
= 2 wi i i
+ xi − (A272)
2 i =1 wxi wxi
2 n n
= −2 ( yi − xi − ) wi = −2 di wi (A273)
i =1 i =1
2 2 n
2
= 2
i =1
wi (A274)
2 2 2 2 n
2 wi di
= = 2 wi + xi (A275)
i =1 wxi
2 2 2 wi di
= 2wi + xi − di (A276)
xi wxi
2 wi di
Com Ui = + xi , temos:
wxi
2 2
= 2wi U i − di (A277)
xi
489
Métodos Experimentais em Engenharia
2 2 2 wi di
= −2wi + xi = −2wU (A278)
yi
i i
wxi
2 2
= 2 wi (A279)
xi
2 2
= −2wi (A280)
yi
2 2 n
A=−
2
= − 2
i =1
wi
(A281)
2 2 n
= − A = 2 wi
2 i =1
2 2 2 2 n
2 wi di
B=− =− = −2 wi + xi
i =1 wxi
(A282)
2 2 n
2 wi di
= − B = 2 wi + xi
i =1 wxi
2 2 n 2 wi di di2 wi2
2
C=− = −2 wi + xi −
2 i =1 wxi wxi
(A283)
2 2 n 2 wi di di2 wi2
2
= −C = 2 wi + xi −
2 i =1 wxi wxi
Resultando em:
B + A ( di − U i )
= −2wi (A284)
xi AC − B 2
= 2wi
C + B(di − U i ) (A285)
xi AC − B 2
= 2wi
( B − AU i ) (A286)
yi AC − B 2
490
Métodos Experimentais em Engenharia
BU i − C
= 2wi (A287)
yi AC − B 2
Finalmente:
n B + A ( d − U ) 2 ( B − AU i ) 2
2
ˆ 2
= 4 w
2 i i
xi +
2
2
yi (A288)
− −
i
2
i =1 AC B AC B
n C + B (di − U i ) 2 2 BU i − C 2 2
ˆ 2
= 4 w
2
xi + 2
yi (A289)
AC − B 2 AC − B
i
i =1
Cabe mencionar que para calcular ̂2 e devemos utilizar os valores obtidos
2
anteriormente de ̂ e ˆ .
491
Métodos Experimentais em Engenharia
De forma geral, a maior limitação dos métodos estatísticos (métodos tipo A) para
se determinar a incerteza está na falta de conhecimento perfeito do mensurando
e de todas suas grandezas de influência. Como raramente apenas uma grandeza
interfere no mensurando, normalmente não faz sentido conhecer uma das
grandezas com um número excessivo de algarismos significativos.
53
Pode parecer estranho usar uma balança de resolução de 0,1 kg para medir uma massa de 0,1 kg. Tudo
depende do mensurando. Se o mensurando for a massa de batatas que está numa sacola de massa em
torno de 0,1 kg, e a massa total for da ordem de 50 kg, não faz sentido ter uma balança especial para
medir separadamente a massa da sacola de batatas...
492
Métodos Experimentais em Engenharia
Número de medições
493
Métodos Experimentais em Engenharia
De forma numérica, esta avaliação pode ser vista na Figura B2, onde o esperado
para o mensurando foi adotado como sendo o valor médio e está representado
por um ponto. A barra simétrica em relação ao valor médio representa o desvio
padrão das 10 medições em cada ensaio.
O valor mais provável do desvio padrão pode ser estimado a partir do desvio
padrão de qualquer uma das amostras. No entanto, haverá uma dúvida nesta
estimativa. De acordo com as propriedades da distribuição normal e da
amostragem, o ISO GUM (INMETRO, 2008) apresenta a Tabela B1, na qual a
variação do desvio padrão determinado a partir da amostra de N medições está
indicada em % do desvio padrão obtido. Associando o desvio padrão à incerteza,
494
Métodos Experimentais em Engenharia
podemos dizer que essa tabela indica a “incerteza da incerteza” (grau de dúvida
no desvio padrão da população), em função do número de medições da amostra.
N incerteza
da
incerteza
(%)
2 76%
3 52%
4 42%
5 36%
10 24%
20 16%
30 13%
50 10%
1
(B1)
2( N − 1)
Essa expressão indica que quanto maior o número de medições, maior será a
exatidão do desvio padrão da população obtido a partir das medições amostrais.
Entretanto, mesmo para um número grande de medições, como 50, a estimativa
que pode ser feita do desvio padrão possui uma incerteza de cerca de 10% do
valor real.
495
Métodos Experimentais em Engenharia
Assim sendo, a dúvida sobre o valor da incerteza da média obtida pelo desvio
padrão de 50 medidas não possui mais do que dois algarismos significativos,
mesmo em uma distribuição perfeitamente conhecida e simples. Se um
algarismo extra já é inútil na distribuição normal, em um mensurando para o qual
há diversas grandezas de influência com distribuições não perfeitamente
normais ou conhecidas, este algarismo extra é ainda menos significativo.
496
Métodos Experimentais em Engenharia
Precisão do intervalo
U = k u
497
Métodos Experimentais em Engenharia
Suponha que seja suficiente, para uma determinada aplicação, afirmar que o
valor verdadeiro se encontra no intervalo indicado com aproximadamente 95%
de chance. Suponha ainda que “aproximadamente” signifique qualquer ponto da
Figura B5, algo entre 93% e 97%. Neste caso, a exatidão deste intervalo não
precisa ser perfeita. Se ao invés de usar k = 2, 0 , for usado k = 1,8 ou k = 2, 2
(os limites da figura são k = 2 mais ou menos 10%) para a determinação do
intervalo, a afirmação “aproximadamente com 95% de chance” significa que a
precisão de 10% na determinação do intervalo está adequada.
498
Métodos Experimentais em Engenharia
Pode-se concluir que conhecer o intervalo com muito mais do que 10% de
precisão é pouco útil para a tomada de decisões, quando é suficiente afirmar que
“o valor verdadeiro possui aproximadamente 68% (ou 95% ou 99,7%) de chance
de estar no intervalo declarado”. Uma vez que o intervalo é determinado tanto
499
Métodos Experimentais em Engenharia
pelo valor de k , como pelo valor da incerteza padrão u , conhecer o valor desta
incerteza com muito mais do que 10% de precisão raramente será útil para
efeitos práticos. Naturalmente se, para a tomada de decisões, for necessário
afirmar que “a probabilidade do VC encontrar-se no intervalo indicado é de
exatamente 95,000%” o número de medições e de algarismos significativos para
a declaração da incerteza tenderia a infinito.
k (Fator de abrangência)
500
Métodos Experimentais em Engenharia
incerteza igual a 5 produz uma dúvida de 2% (0,1 em 5,0, com 5,0 possuindo 2
algarismos significativos). Esses três casos estão indicados pelos pontos azuis
na Figura B8.
501
Métodos Experimentais em Engenharia
100,0%
incerteza
percentual
da incerteza
número de
algarismos
10,0%
significativos
1
2
3
1,0%
valor da
0,1%
incerteza
0 2 4 6 8 10 12
502
Métodos Experimentais em Engenharia
Por exemplo, suponha que foram medidos um valor de tensão (V) e um valor de
corrente (I) sobre um resistor:
V = 1,0 V; I= 3,0 A.
(12,435 ± 0,067) mm
12,435 (67) mm
12,435 (0,067) mm
12,435 mm ± 0,5% 54
Fonte: Próprios Autores
54
A incerteza relativa percentual deve também ser apresentada com o máximo de dois algarismos, sem
necessidade de concordância com o número de casas decimais da grandeza. No entanto o número de
casas decimais da grandeza deve ser compatível com o valor percentual da incerteza.
503
Métodos Experimentais em Engenharia
504
Métodos Experimentais em Engenharia
ÍNDICE
505
Métodos Experimentais em Engenharia
distribuição gaussiana .......... 74, 425, 450 função densidade de probabilidade .. 62,
distribuição geométrica ....................... 422 75, 423
distribuição normal .................. 57, 74, 425 função Gama ......................................... 89
distribuição retangular .......................... 63 fundo de escala ................................... 151
distribuição t de Student ....................... 87 General Purpose Interface Bus ........ 140
distribuição triangular ...................... 67, 71 GPIB...................................................... 140
distribuição uniforme ..................... 61, 426 grandezas. 9, 11, 12, 15, 17, 18, 19, 20, 22,
Distribuições estatísticas ...................... 60 23
Documentação Técnica ...................... 251 grandezas de influência ........... 17, 37, 45
efeitos aleatórios........................ 28, 53, 56 graus de liberdade ................ 88, 187, 208
efeitos sistemáticos ......................... 17, 28 Guia para a Expressão da Incerteza de
Elementos Gráficos ............................. 262 Medição .................................. 9, 15, 328
elevador .................................................. 76 hipótese alternativa............................. 237
equação diferencial ..................... 189, 190 hipótese nula ....................................... 237
erro......................................... 20, 28, 29, 55 histerese ............................................... 159
erro de ganho ....................................... 137 histograma ..................................... 61, 229
erro de offset ........................................ 137 IEEE ...................................................... 255
erro de quantização ............................ 135 incerteza ...16, 17, 25, 27, 28, 29, 164, 343,
erro normalizado .......................... 116, 242 495
erro relativo............................................. 28 incerteza “definicional” ....................... 265
erro relativo percentual ......................... 28 incerteza de medição ........................... 60
Erro Tipo I ............................................. 240 incerteza expandida ............. 98, 102, 104
Erro Tipo II ............................................ 240 incerteza padrão ....................... 57, 58, 60
erros quadráticos ................................. 205 incerteza padrão combinada .. 57, 97, 98,
escala .................................................... 128 99
espaço amostral .................................. 402 incerteza padrão da distribuição
esperança ............................. 429, 440, 444 uniforme.............................................. 66
Estatística ................................. 57, 87, 225 incerteza relativa ........................... 96, 101
estimação de parâmetros ................... 455 índice de massa corpórea ................. 121
estimadores de máxima Inferência estatística........................... 225
verossimilhança ............................... 460 Inmetro...................................... 23, 25, 495
Ethernet................................................. 143 Instituto de Pesquisas Tecnológicas. 25,
evento .................................................... 403 177
evento complementar ......................... 409 Instituto Nacional de Metrologia,
eventos equivalentes .......................... 438 Qualidade e Tecnologia ................... 23
exatidão........................... 43, 127, 151, 153 Instrumentação .......... 16, 17, 19, 125, 140
Excel ...................................................... 204 Instrumentação Automatizada .......... 315
experimento .... 16, 17, 18, 27, 28, 173, 203 instrumentação eletrônica.................. 132
experimento aleatório ......................... 401 Instrumentação inteligente ................ 322
extensômetro........................................ 128 Instrumentação modular .................... 320
faixa de frequências ............................ 160 Instrumentação portátil....................... 323
faixa de medidas.................................. 159 Instrumentação Virtual ....................... 316
fator de abrangência ....... 87, 89, 103, 498 Instrumento de medição .................... 125
Fluxograma........................................... 262 Instrumentos Analógicos...................... 95
fontes de ruído ..................................... 127 Instrumentos Digitais ............................ 95
fórmula de Welch-Satterthwaite ........ 104 instrumentos eletrônicos .................... 315
frequência relativa ................. 61, 232, 405 Instrumentos Virtuais .......................... 316
Função de distribuição acumulativa . 427 intercepto.............................................. 206
função de transferência .............. 126, 134 Interface Homem-Máquina ................ 137
506
Métodos Experimentais em Engenharia
507
Métodos Experimentais em Engenharia
508
Métodos Experimentais em Engenharia
509