Universidade Federal da Paraı́ba

Centro de Tecnologia
Departamento de Engenharia Mecânica
Curso de Graduação em Engenharia Mecânica

Análise do GUM (Guia para a expressão de

incerteza de medição).

João Marcelo Fernandes Gualberto de Galiza

João Pessoa, 2019

Sumário
1 Introdução 2

2 Objetivos 3

3 Desenvolvimento 4

4 Conclusão 9
1 Introdução
O vocabulário intarncional de metrologia (VIM) surge no contexto da metrologia mun-
dial da segunda metade do século XX como uma resposta, ela busca a harmonização
internacional das terminologias e definições utilizadas nos campos da metrologia e da ins-
trumentação. Antes, tudo era descoberto e divulgado de maneira ”aleatória”, não havia
uma linguagem oficial para a metrologia/instrumentação. Daı́, surgiu a necessidade da
criação de uma linguagem própria, surgindo daı́ o VIM e o GUM (Guia para a expressão
de incerteza de medição).
Nenhuma medida de qualquer grandeza fı́sica pode ser medida de maneira exata. Daı́,
surgiu a necessidade do desenvolvimento dessas duas áreas como meio de atenuar o erro
relacionado (que pode ser de duas formas: aleatório ou sistemático) aos processos.No pre-
sente trabalho, explicaremos o significado de erro e das áreas de estudo da instrumentação.

2
2 Objetivos
Este trabalho tem como objetivo a importância da leitura do GUM e dar um pe-
queno resumo sobre ele, evidenciando as principais partes. A importância da leitura e
conhecimento dele serve para:

1. manter o controle da qualidade e a garantia da qualidade na produção. Sendo de

suma importância para a engenharia de controle e qualidade;

2. respeitar e fazer cumprir leis e regulamentos;

3. conduzir pesquisas e desenvolvimento na ciência e na engenharia;

4. calibrar padrões e instrumentos e executar ensaios no contexto de um sistema naci-

onal de medição de forma a obter rastreabilidade a padrões nacionais;

5. desenvolver, manter e comparar padrões fı́sicos de referência, nacionais e internaci-

onais, incluindo materiais de referência.

3
3 Desenvolvimento
Começaremos discutindo a base do nosso estudo, o siginificado de erro. Erro de
medição é a diferença entre um valor medido de uma grandeza. O erro pode ser de
dois tipos:

1. Erro aleatório: resultado da medição subtraı́do da média que resultaria de um

número infinito de medições da mesma mensuranda em condições de repetibilidade.

2. Erro sistemático: média que resultaria de um número infinito de medições da mesma

mensuranda em condições de repetibilidade subtraı́da do valor verdadeiro da men-
suranda.

O mensurando é a grandeza sob medição. Uma medição perfeita, isto é, sem erros, só pode
existir se um sistema de medição perfeito existir e o mensurando tiver um valor único,
perfeitamente definido e estável. Apenas neste caso ideal o resultado de uma medição
pode ser expresso por um número e uma unidade de medição apenas. O operador e a
técnica de operação empregada podem também afetar a medição. O uso de força de
medição irregular ou excessiva, vı́cios de má utilização ou uso de sistemas de medição
inadequados, podem levar a erros imprevisı́veis. A forma, tamanho ou faixa de medição
do sistema de medição pode não ser a mais indicada para aquela aplicação.
Resumindo, uma grandeza fı́sica não pode ser medida de forma exata por motivos
externos e do próprio operador ou do aparelho utilizado. Mas é possı́vel, em alguns casos,
desprezar o erro quando este tenha uma pequena ordem de grandeza e conhecido o tipo
de erro envolvido na medição.
O uso da distribuição normal para avaliar incerteza da medição, é comum na prática.
Isto é, as incertezas envolvidas em um experimento podem ser analisadas estatisticamente
na forma de uma curva gaussiana, seguindo uma distribuição normal.
O objetivo de uma medição é determinar o valor do mensurando. Uma medição
começa, portanto, com uma especificação apropriada do mensurando, do método de
medição e do procedimento de medição.
Devemos enfatizar a importância de métodos teóricos tanto quanto os práticos ou
experimentais. A resolução de problemas de engenharia envolve, geralmente, dois métodos
distintos: o método teórico e o método experimental. A partir desta constatação, pode-se
ir além e afirmar que teoria e experimentação se complementam. O engenheiro consciente
deste fato será mais eficiente na resolução de problemas do que aquele que não dá a devida
atenção a uma ou outra abordagem.
O erro sistemático, assim como o erro aleatório não pode ser eliminado, mas pode
ser reduzido. A incerteza do resultado de uma medição reflete a falta de conhecimento
exato do seu valor. O resultado de uma medição, após correção dos efeitos sistemáticos
reconhecidos, é ainda e tão somente uma estimativa do valor do mensurando oriunda da
incerteza proveniente dos efeitos aleatórios e da correção imperfeita do resultado para
efeitos sistemáticos.

4
Figura 1: Representação Normal de uma análise de erros com σ sendo o desvio padrão
e µ a média associada.

Agora, podemos mostrar certas definições abordadas em todo o livro:

1. Grandeza (mensurável): atributo de um fenômeno, corpo ou substância que pode
ser qualitativamente distinguido e quantitativamente determinado.

2. Valor (de uma grandeza): expressão quantitativa de uma grandeza especı́fica, geral-
mente sob a forma de uma unidade multiplicada por um número.

3. Valor verdadeiro e valor convencional de uma grandeza: O valor verdadeiro é aquele

que só seria obtido por uma medição perfeita. Enquanto que o convencional é o
valor atribuı́do a uma grandeza especı́fica e aceito, às vezes por convenção, como
tendo uma incerteza apropriada para uma dada finalidade.

4. Medição: conjunto de operações que tem por objetivo determinar um valor de uma
grandeza.

5. Exatidão de medição: grau de concordância entre o resultado de uma medição e um

valor verdadeiro do mensurando.

6. Incerteza: parâmetro, associado ao resultado de uma medição, que caracteriza a

dispersão dos valores que podem ser razoavelmente atribuı́dos a um mensurando.

7. Probabilidade: é um número real na escala de 0 a 1 associado a ocorrência de certo

evento.

8. Variável aleatória: é uma variável que pode assumir qualquer um dos valores de um
conjunto especificado de valores e com a qual está associada uma distribuição de
probabilidade.
Uma variável aleatória que só pode assumir valores isolados é chamada discreta.
Uma variável aleatória que pode assumir qualquer valor dentro de um intervalo
finito ou infinito é chamada contı́nua.

9. Distribuição de probabilidade: função que determina a probabilidade de uma variável

aleatória assumir qualquer valor dado ou pertencer a um dado conjunto de valores.
Há três principais tipos de distribuição de probabilidade: a Binomial, a Poisson e
a Normal ou de Laplace-Gauss.

5
 Geralmente, enumera-se oito passos para expressar a incerteza de medição.

• Estabelecer o Modelo Matemático da Medição

• Definir as Componentes de Incertezas

• Estimar as Incertezas Padrão

• Coeficientes de Sensibilidade

• Avaliar e Quantificar as Possı́veis Correlações

• Obter a Incerteza Combinada

• Obter a Incerteza Expandida

• Arredondar Incerteza e Resultado da Medição

O GUM está baseado na “lei da propagação de incertezas”. A expressão da incerteza

de medição inicia pelo estabelecimento de um modelo matemático para a medição. Na
maioria dos casos, o mensurando Y não é medido diretamente, mas é determinado a partir
de N outras grandezas de entrada X1 X2 , ..., XN .

Y = f (X1 , X2 , ..., XN )

Tais grandezas de entrada são as variáveis do modelo matemático da medição.

A seguir, deve-se realizar uma análise crı́tica a fim de identificar todas as componentes
de incerteza. Tais componentes podem estar atreladas a condições ambientais, opera-
dor, equipamentos e padrões utilizados, método de medição, amostragem e outros fatores.
Uma vez definidas as componentes de incerteza, deve-se verificar se todas elas estão de-
vidamente representadas como grandezas de entrada no modelo matemático da medição.
Em caso negativo, deve-se complementar o modelo matemático pela introdução de tais
grandezas.
As incertezas associadas às variáveis do modelo matemático da medição são avaliadas
de acordo com os métodos de avaliação chamados pelo GUM de Tipo A e Tipo B. A
avaliação do Tipo A da incerteza é o método que emprega uma análise estatı́stica de uma
série de observações repetidas no momento do ensaio/calibração. A incerteza padrão do
Tipo A pode ser expressa pelo desvio padrão experimental da média.
A avaliação do Tipo B é o método que emprega outros meios que não a análise es-
tatı́stica de uma série de observações repetidas no momento do ensaio/calibração. Nesse
caso, a avaliação da incerteza é baseada em outros conhecimentos.
Com os métodos de avaliação do Tipo A e do Tipo B, estima-se a incerteza padrão
de cada grandeza de entrada do modelo matemático da medição. A incerteza padrão,
µ(xi ), é uma medida de dispersão equivalente a um desvio padrão. As incertezas padrão
são dependentes do tipo de componente de incerteza e da distribuição de probabilidade
a ela associada. A distribuição de probabilidade para cada variável depende do tipo de
informação que se tem disponı́vel a respeito da respectiva componente de incerteza.
Os coeficientes de sensibilidade, ci , são o quanto a estimativa de saı́da Y é influenciada
por variações da estimativa de entrada xi . O produto entre a incerteza padrão, u(xi ), e seu
respectivo coeficiente de sensibilidade, ci , dá origem a chamada contribuição de incerteza,
ui (y), que corresponde a uma medida de dispersão equivalente a um desvio padrão, com a

6
mesma unidade de medida do mensurando. Os coeficientes de sensibilidade são calculados
através das derivadas parciais de Y em relação a cada variável X.
A correlação existe quando duas grandezas de entrada, Xi e Xj , apresentam uma
relação de dependência entre elas ou com uma terceira grandeza de entrada comum a
ambas. Tal relação pode estar presente quando, por exemplo, as duas grandezas de entrada
são medidas com um mesmo equipamento. Nesse caso, pode-se dizer que a correlação será
forte. O coeficiente de correlação, r(xi , xj ), mede o grau de correlação linear entre duas
variáveis. Ele pode variar desde -1 até 1.
Efeitos de correlação podem reduzir a incerteza combinada quando, por exemplo, um
instrumento é utilizado como um comparador entre um padrão e um em calibração. Tal
caso consiste em uma correlação negativa. Em outras situações, os erros das medições de
variáveis correlacionadas serão combinados em uma mesma direção e isso acarretará um
aumento da incerteza combinada.
Uma vez obtidas todas as incertezas padrão e os coeficientes de sensibilidade, a lei de
propagação de incertezas estabelece que as incertezas padrão relacionadas a cada variável
do modelo matemático da medição devem ser propagadas para gerar uma incerteza com-
binada uc (y).
Aplicando o Teorema do Limite Central, pode-se dizer que a distribuição de probabi-
lidade de Y será aproximadamente normal, ou t-Student para um determinado grau de
liberdade. O grau de liberdade na incerteza quantifica a credibilidade sobre cada com-
ponente de incerteza. Assim, um alto grau de credibilidade implica em um alto grau de
liberdade.
A incerteza expandida deve ser arredondada para, no máximo, dois algarismos signi-
ficativos. O valor numérico do resultado da medição deve ser arredondado para o mesmo
número de casas decimais do valor da incerteza expandida. É importante que tanto o
resultado da medição, quanto a incerteza sejam adequadamente apresentados e indiquem
a unidade de medida utilizada pelo laboratório. Quando expressa a incerteza expandida
U, convém que o resultado Y seja apresentado da forma Y = y ± U , fornecendo tanto a
unidade de medida para y quanto para U.
Uma alternativa para cálculo de incertezas é a Simulação de Monte Carlo (SMC) que
está formalmente publicada como um suplemento ao ISO GUM, mas ainda relativamente
pouco difundida no campo da Metrologia. O método de Monte Carlo é qualquer método
de uma classe de métodos estatı́sticos que se baseiam em amostragens aleatórias massi-
vas para obter resultados numéricos, isto é, repetindo sucessivas simulações um elevado
número de vezes, para calcular probabilidades heuristicamente. Este tipo de método é
utilizado em simulações estocásticas com diversas aplicações em várias áreas do saber.
Este método tem sido utilizado há bastante tempo como forma de obter aproximações
numéricas de funções complexas em que não é viável, ou é mesmo impossı́vel, obter uma
solução analı́tica ou, pelo menos, determinı́stica.

7
Figura 2: Fluxograma sobre o cálculo de incerteza da medição.

8
4 Conclusão
Conclui-se que o GUM é um artigo valiosı́ssimo para a estatı́stica e o avanço do estudo
da metrologia e da minimização de erros de medição e propagação. O domı́nio do conteúdo
exposto é de grande importância para os engenheiros ou cientistas que trabalham com
áreas tangentes às expostas no trabalho, principalmente para os que visam especialização
na área de mecânica de precisão.

Histórico dos comandos e textos utilizados para elaboração deste trabalho:

\documentclass[12pt, a4paper]{article}
\usepackage[brazil]{babel}
\usepackage[utf8]{inputenc}
\usepackage{amsmath}
\usepackage{amssymb}
\usepackage{indentfirst}
\usepackage{graphicx}
\usepackage{multicol,lipsum}
\usepackage{amscd}
\usepackage{amsthm}
\usepackage{amsfonts}
\usepackage{geometry}
\usepackage{float}
\usepackage{setspace}
\usepackage{hyperref}
\usepackage{latexsym}
\usepackage{wrapfig}
\usepackage{verbatim}
\usepackage{float}
\geometry{left=30mm}
\geometry{right=20mm}
\geometry{top=30mm}
\geometry{bottom=20mm}
\geometry{headheight=15pt}
\geometry{headsep=10mm}
\geometry{footskip=10mm}

\begin{document}

\begin{titlepage}

\begin{center}
\begin{figure}
\centering
\includegraphics[scale=0.6]{image.png}
\end{figure}

\begin{center}
\LARGE{\bf \ Universidade Federal da Paraı́ba}\\

9
\Large{\bf \ Centro de Tecnologia }\\
\Large{\bf \ Departamento de Engenharia Mec^anica }\\
\Large{\bf \ Curso de Graduaç\~ao em Engenharia Mec^
anica }
\end{center}

\vspace{2cm}
\begin{center}
\LARGE{\bf Análise do GUM (Guia para a express~
ao de incerteza de mediç~
ao).\\

}
\end{center}
\vspace{4cm}
\begin{center}
\lARGE{\bf Jo~
ao Marcelo Fernandes Gualberto de Galiza}

\end{center}

\vfill
Jo~
ao Pessoa, 2019

\end{center}
\end{titlepage}

\thispagestyle{empty}
\tableofcontents

\newpage
\section{Introduç~
ao}
O vocabulário intarncional de metrologia (VIM) surge no
contexto da metrologia mundial da segunda metade do século
XX como uma resposta, ela busca a harmonizaç~ ao internacional
das terminologias e definiç~oes utilizadas nos campos da
metrologia e da instrumentaç~ao. Antes, tudo era descoberto
e divulgado de maneira "aleatória", n~ao havia uma linguagem
oficial para a metrologia/instrumentaç~ao. Daı́, surgiu a
necessidade da criaç~ao de uma linguagem própria, surgindo
daı́ o VIM e o GUM (Guia para a express~ao de incerteza de mediç~
ao).

Nenhuma medida de qualquer grandeza fı́sica pode ser medida

de maneira exata. Daı́, surgiu a necessidade do desenvolvimento
dessas duas áreas como meio de atenuar o erro relacionado (que
pode ser de duas formas: aleatório ou sistemático) aos processos.
No presente trabalho, explicaremos o significado de erro e das
áreas de estudo da instrumentaç~
ao.

\newpage
\section{Objetivos}
Este trabalho tem como objetivo a import^
ancia da leitura do
GUM e dar um pequeno resumo sobre ele, evidenciando as principais
partes. A import^
ancia da leitura e conhecimento dele serve para:

10
\begin{enumerate}
\item manter o controle da qualidade e a garantia da qualidade
na produç~
ao. Sendo de suma import^
ancia para a engenharia de
controle e qualidade;
\item respeitar e fazer cumprir leis e regulamentos;
\item conduzir pesquisas e desenvolvimento na ci^ encia e na engenharia;
\item calibrar padr~oes e instrumentos e executar ensaios no contexto
de um sistema nacional de mediç~
ao
de forma a obter rastreabilidade a padr~oes nacionais;
\item desenvolver, manter e comparar padr~oes fı́sicos de refer^
encia,
nacionais e internacionais, incluindo
materiais de refer^encia.
\end{enumerate}

\newpage
\section{Desenvolvimento}
Começaremos discutindo a base do nosso estudo, o siginificado
de erro. Erro de mediç~ao é a diferença entre um valor medido
de uma grandeza. O erro pode ser de dois tipos:
\begin{enumerate}
\item Erro aleatório: resultado da mediç~ao subtraı́do
da média que resultaria de um número infinito de
mediç~
oes da mesma mensuranda em condiç~ oes de
repetibilidade.
\item Erro sistemático: média que resultaria de um
número infinito de mediç~
oes da mesma
mensuranda em condiç~oes de repetibilidade
subtraı́da do valor verdadeiro da mensuranda.
\end{enumerate}
O mensurando é a grandeza sob mediç~ao. Uma mediç~
ao perfeita,
isto é, sem erros, só pode existir se um sistema de mediç~ ao
perfeito existir e o mensurando tiver um valor único, perfeita-
mente definido e estável. Apenas neste caso ideal o resultado
de uma mediç~
ao pode ser expresso por um número e uma unidade de
mediç~
ao apenas. O operador e a técnica de operaç~ao empregada
podem também afetar a mediç~ao. O uso de força de mediç~
ao irregular
ou excessiva, vı́cios de má utilizaç~
ao ou uso de sistemas de mediç~ao
inadequados, podem levar a erros imprevisı́veis. A forma, tamanho ou
faixa de mediç~
ao do sistema de mediç~ ao pode n~
ao ser a mais indicada
para aquela aplicaç~
ao.

Resumindo, uma grandeza fı́sica n~ao pode ser medida de forma exata
por motivos externos e do próprio operador ou do aparelho utilizado.
Mas é possı́vel, em alguns casos, desprezar o erro quando este tenha
uma pequena ordem de grandeza e conhecido o tipo de erro envolvido
na mediç~
ao.

O uso da distribuiç~
ao normal para avaliar incerteza da mediç~
ao,

11
é comum na prática. Isto é, as incertezas envolvidas em um experi-
mento podem ser analisadas estatisticamente na forma de uma curva
gaussiana, seguindo uma distribuiç~ ao normal.

O objetivo de uma mediç~ao é determinar o valor do mensurando.

Uma mediç~
ao começa, portanto, com uma especificaç~
ao apropriada
do mensurando, do método de mediç~ao e do procedimento de mediç~
ao.

Devemos enfatizar a import^ ancia de métodos teóricos tanto quanto

os práticos ou experimentais. A resoluç~ao de problemas de engenharia
envolve, geralmente, dois métodos distintos: o método teórico e o
método experimental. A partir desta constataç~ao, pode-se ir além e
afirmar que teoria e experimentaç~ao se complementam. O engenheiro
consciente deste fato será mais eficiente na resoluç~ ao de problemas
do que aquele que n~ao dá a devida atenç~
ao a uma ou outra abordagem.

O erro sistemático, assim como o erro aleatório n~ao pode ser eliminado,
mas pode ser reduzido. A incerteza do resultado de uma mediç~ ao reflete
a falta de conhecimento exato do seu valor. O resultado de uma mediç~ ao,
após correç~
ao dos efeitos sistemáticos reconhecidos, é ainda e t~
ao
somente uma estimativa do valor do mensurando oriunda da incerteza
proveniente dos efeitos aleatórios e da correç~ao imperfeita do
resultado para efeitos sistemáticos.
\begin{figure}[H]
\centering
\includegraphics{desviodeerros.jpg}
\caption{ Representaç~ao Normal de uma análise de erros com $\sigma$
sendo o desvio padr~ ao e $\mu$ a média associada.}

\end{figure}

Agora, podemos mostrar certas definiç~ oes abordadas em todo o livro:

\begin{enumerate}
\item Grandeza (mensurável): atributo de um fen^ omeno, corpo
ou subst^ancia que pode ser qualitativamente distinguido e
quantitativamente determinado.
\item Valor (de uma grandeza): express~ ao quantitativa de uma
grandeza especı́fica, geralmente sob a forma de uma unidade
multiplicada por um número.
\item Valor verdadeiro e valor convencional de uma grandeza:
O valor verdadeiro é aquele que só seria obtido por uma mediç~ao
perfeita. Enquanto que o convencional é o valor atribuı́do a uma
grandeza especı́fica e aceito, às vezes por convenç~
ao, como tendo
uma incerteza apropriada para uma dada finalidade.
\item Mediç~
ao: conjunto de operaç~oes que tem por objetivo determinar
um valor de uma grandeza.
\item Exatid~ ao de mediç~
ao: grau de concord^
ancia entre o resultado de
uma mediç~
ao e um valor verdadeiro do mensurando.
\item Incerteza: par^ ametro, associado ao resultado de uma mediç~ ao,
que caracteriza a dispers~ ao dos valores que podem ser razoavelmente atribuı́dos

12
 a um mensurando.
\item Probabilidade: é um número real na escala de 0 a 1
associado a ocorr^ encia de certo evento.
\item Variável aleatória: é uma variável que pode assumir qualquer
um dos valores de um conjunto especificado de valores e com a qual
está associada uma distribuiç~ao de probabilidade. \\ Uma variável
aleatória que só pode assumir valores isolados é chamada
\textit{discreta}. Uma variável aleatória que pode assumir qualquer
valor dentro de um intervalo finito ou infinito é chamada
\textit{contı́nua}.
\item Distribuiç~ao de probabilidade: funç~ao que determina a
probabilidade de uma variável aleatória assumir qualquer valor
dado ou pertencer a um dado conjunto de valores. Há tr^ es
principais tipos de distribuiç~ ao de probabilidade: a
\textit{Binomial}, a \textit{Poisson} e a \textit{Normal} ou
\textit{de Laplace-Gauss}.

\end{enumerate}

Geralmente, enumera-se oito passos para expressar a incerteza

de mediç~
ao.
\begin{itemize}
\item Estabelecer o Modelo Matemático da Mediç~
ao
\item Definir as Componentes de Incertezas
\item Estimar as Incertezas Padr~
ao
\item Coeficientes de Sensibilidade
\item Avaliar e Quantificar as Possı́veis Correlaç~ oes
\item Obter a Incerteza Combinada
\item Obter a Incerteza Expandida
\item Arredondar Incerteza e Resultado da Mediç~ ao

\end{itemize}
O GUM está baseado na \lei da propagaç~
ao de incertezas".
A express~
ao da incerteza de mediç~ao inicia pelo estabele-
cimento de um modelo matemático para a mediç~
ao. Na maioria
dos casos, o mensurando Y n~ao é medido diretamente, mas é
determinado a partir de N outras grandezas de entrada $X_1\,
X_2,..., X_N$.
\begin{center}
$Y = f(X_1, X_2,..., X_N)$
\end{center}

Tais grandezas de entrada s~

ao as variáveis do modelo matemático da mediç~
ao.

A seguir, deve-se realizar uma análise crı́tica a fim de identificar

todas as componentes de incerteza. Tais componentes podem estar
atreladas a condiç~
oes ambientais, operador, equipamentos e padr~ oes
utilizados, método de mediç~ao, amostragem e outros fatores. Uma vez
definidas as componentes de incerteza, deve-se verificar se todas
elas est~
ao devidamente representadas como grandezas de entrada no
modelo matemático da mediç~
ao. Em caso negativo, deve-se complementar

13
o modelo matemático pela introduç~
ao de tais grandezas.

As incertezas associadas às variáveis do modelo matemático da mediç~ao s~ao avaliadas

de acordo com os métodos de avaliaç~ao chamados pelo GUM de
\textit{Tipo A} e \textit{Tipo B}. A avaliaç~ ao do Tipo A da incerteza
é o método que emprega uma análise estatı́stica de uma série de observa-
ç~
oes repetidas no momento do ensaio/calibraç~ ao. A incerteza padr~ao do
Tipo A pode ser expressa pelo desvio padr~ ao experimental da média.

A avaliaç~
ao do Tipo B é o método que emprega outros meios que n~ao a
análise estatı́stica de uma série de observaç~
oes repetidas no momento do ensaio /calibraç~
ao

Com os métodos de avaliaç~

ao do Tipo A e do Tipo B, estima-se a
incerteza padr~ao de cada grandeza de entrada do modelo matemático
da mediç~
ao. A incerteza padr~ao, $\mu(x_i)$, é uma medida de disper-
s~
ao equivalente a um desvio padr~ ao. As incertezas padr~ao s~
ao dependentes
do tipo de componente de incerteza e da distribuiç~ ao de probabilidade a
ela associada. A distribuiç~ao de probabilidade para cada variável
depende do tipo de informaç~ao que se tem disponı́vel a respeito da
respectiva componente de incerteza.

Os coeficientes de sensibilidade, $c_i$, s~ ao o quanto a estimativa

de saı́da Y é influenciada por variaç~
oes da estimativa de entrada $x_i$.
O produto entre a incerteza padr~ ao, $u(x_i)$, e seu respectivo
coeficiente de sensibilidade, $c_i$, dá origem a chamada contribuiç~ao
de incerteza, $u_i(y)$, que corresponde a uma medida de dispers~ ao
equivalente a um desvio padr~ ao, com a mesma unidade demedida do
mensurando. Os coeficientes de sensibilidade s~ ao calculados
através das derivadas parciais de Y em relaç~ao a cada variável X.

A correlaç~
ao existe quando duas grandezas de entrada, $X_i$ e $X_j$,
apresentam uma relaç~
ao de depend^
encia entre elas ou com uma terceira
grandeza de entrada comum a ambas. Tal relaç~ao pode estar presente
quando, por exemplo, as duas grandezas de entrada s~ ao medidas com um
mesmo equipamento. Nesse caso, pode-se dizer que a correlaç~ao será
forte. O coeficiente de correlaç~
ao, $r(x_i,x_j)$, mede o grau de
correlaç~
ao linear entre duas variáveis. Ele pode variar desde -1 até 1.

Efeitos de correlaç~
ao podem reduzir a incerteza combinada quando,
por exemplo, um instrumento é utilizado como um comparador entre
um padr~
ao e um em calibraç~
ao. Tal caso consiste em uma correlaç~ao
negativa. Em outras situaç~
oes, os erros das mediç~
oes de variáveis correlacionadas
ser~
ao combinados em uma mesma direç~
ao e isso
acarretará um aumento da incerteza combinada.

Uma vez obtidas todas as incertezas padr~ ao e os coeficientes de

sensibilidade, a lei de propagaç~ao de incertezas estabelece que
as incertezas padr~ao relacionadas a cada variável do modelo
matemático da mediç~
ao devem ser propagadas para gerar uma incerteza combinada $u_c(y)$.

Aplicando o Teorema do Limite Central, pode-se dizer que a

14
distribuiç~
ao de probabilidade de Y será aproximadamente normal,
ou t-Student para um determinado grau de liberdade. O grau de
liberdade na incerteza quantifica a credibilidade sobre cada
componente de incerteza. Assim, um alto grau de credibilidade
implica em um alto grau de liberdade.

A incerteza expandida deve ser arredondada para, no máximo,

dois algarismos significativos. O valor numérico do resultado
da mediç~
ao deve ser arredondado para o mesmo número de casas
decimais do valor da incerteza expandida. É importante que tanto
o resultado da mediç~
ao, quanto a incerteza sejam adequadamente
apresentados e indiquem a unidade de medida utilizada pelo
laboratório. Quando expressa a incerteza expandida U, convém que
o resultado Y seja apresentado da forma $Y = y \pm U$, fornecendo
tanto a unidade de medida para y quanto para U.

Uma alternativa para cálculo de incertezas é a Simulaç~ ao de

Monte Carlo (SMC) que está formalmente publicada como um
suplemento ao ISO GUM, mas ainda relativamente pouco difundida
no campo da Metrologia. O método de Monte Carlo é qualquer
método de uma classe de métodos estatı́sticos que se baseiam
em amostragens aleatórias massivas para obter resultados
numéricos, isto é, repetindo sucessivas simulaç~ oes um elevado
número de vezes, para calcular probabilidades heuristicamente.
Este tipo de método é utilizado em simulaç~
oes estocásticas com
diversas aplicaç~
oes em várias áreas do saber. Este método tem
sido utilizado há bastante tempo como forma de obter aproximaç~ oes
numéricas de funç~
oes complexas em que n~ao é viável, ou é mesmo
impossı́vel, obter uma soluç~
ao analı́tica ou, pelo menos, determinı́stica.

\begin{figure}[H]
\centering
\includegraphics[scale=0.4]{Figura-4-Fluxograma-para-o-calculo-
da-incerteza-de-medicao-pelo-metodo-GUM.png}
\caption{Fluxograma sobre o cálculo de incerteza da mediç~
ao.}

\end{figure}

\newpage

\section{Conclus~
ao}

Conclui-se que o GUM é um artigo valiosı́ssimo para a estatı́stica

e o avanço do estudo da metrologia e da minimizaç~ ao de erros de
mediç~
ao e propagaç~
ao. O domı́nio do conteúdo exposto é de grande
import^ ancia para os engenheiros ou cientistas que trabalham com
áreas tangentes às expostas no trabalho, principalmente para os
que visam especializaç~ao na área de mec^
anica de precis~ ao.

\end{document}

15
16