Escolar Documentos
Profissional Documentos
Cultura Documentos
Experimental
Propagação de incertezas
A maioria das grandezas físicas não pode ser medida em uma única medida direta, mas em vez
disso são realizadas em duas etapas distintas. Em primeiro lugar, podemos medir uma ou mais
quantidades que podem ser medidas diretamente e de que a quantidade de interesse pode ser
calculada. Em segundo lugar, nós usamos os valores medidos destas quantidades para calcular
o a própria quantidade de interesse. Por exemplo, para encontrar a área de um retângulo,
você realmente mede seu comprimento (l) e altura (h) e, em seguida, calcular sua área A como
A = I×h. Da mesma forma, o caminho mais óbvio para encontrar a velocidade v de um objeto é
medir a distância percorrida, d e o tempo decorrido, t e então calcular v como v = d/t. O leitor
com experiência em um laboratório introdutório facilmente pode imaginar mais exemplos. Na
verdade, pensando um pouco se percebe que quase todas as medidas de interesse envolvem
estas duas etapas distintas de medida direta seguido de cálculo.
Quando uma medida envolve essas duas etapas, a estimativa de incertezas também envolve
duas etapas. Estimamos em primeiro lugar as incertezas nas quantidades medidas diretamente
e, em seguida, determinamos como essas incertezas se "propagam" através de cálculos para
produzir uma incerteza na resposta final. Esta propagação de erros é o tema principal do
presente capítulo.
Quase todas as medições diretas envolvem ler uma escala (em uma régua, relógio ou
voltímetro, por exemplo) ou um display digital (em um relógio digital ou voltímetro, por
exemplo). Alguns problemas na escala de leitura foram discutidos anteriormente. Às vezes, as
principais fontes de incerteza são a leitura da escala e a necessidade para interpolar entre as
marcas da escala. Em tais situações, é feita uma estimativa razoável da incerteza. Por exemplo,
se você tem que medir um comprimento (l) com uma régua graduada em milímetros, você
pode decidir que o comprimento pode ser a leitura para o milímetro mais próximo. Aqui, a
incerteza l seria l=0,5 mm. Se as marcas de escala são mais distantes (como em décimos de
polegada), você pode decidir que poderia ler a um quinto de uma divisão, por exemplo. Em
qualquer caso, as incertezas associadas com a leitura de uma escala, obviamente, podem ser
estimadas com bastante realidade.
Infelizmente, outras fontes de incerteza são freqüentemente muito mais importantes do que
dificuldades na leitura da escala. Medir a distância entre dois pontos, o seu problema pode ser
decidir onde esses dois pontos realmente estão. Por exemplo, em um experimento de óptica,
você poderá medir o q de distância do centro de uma lente para uma imagem, como na Figura
3.1. Na prática, a lente normalmente tem alguns milímetros de espessura, para localizar seu
centro é difícil; se a lente é montada em um suporte, como muitas vezes acontece localizar o
Este exemplo ilustra o perigo na estimativa de erro. Se você atenta apenas para as escalas e
esquece-se das outras fontes de incerteza, você terá uma estimativa muito ruim da incerteza
total. Na verdade, o erro mais comum do estudante de início é esquecer alguma fonte de
incerteza e, portanto, subestimar as incertezas, em um fator de até 10 ou mais. Naturalmente,
você também deve evitar superestimar erros. Experimentalistas que decidem trabalhar com
incertezas mais amplas em todas as medidas podem evitar inconsistências embaraçosas, e
suas medidas não podem ser de grande utilidade. Claramente, o ideal é encontrar todas as
possíveis causas de incerteza e estimar seus efeitos com precisão, que muitas vezes não é tão
difícil quanto parece.
Superficialmente, pelo menos, ao ler um medidor digital é muito mais fácil do que um medidor
analógico convencional. A menos que um medidor digital apresente defeito, ele deve exibir
somente os algarismos significativos. Assim, é geralmente seguro dizer que o número de
algarismos significativos em uma leitura digital é precisamente o número de figuras exibidas.
Infelizmente, como discutido na secção 2.8, o significado exato de algarismos significativos
nem sempre é claro. Assim, um voltímetro digital que nos diz que V = 81 µV pode significar
que a incerteza é qualquer coisa de V = 0.5 para V = 1 ou mais. Sem um manual para dizer-
lhe a incerteza em um medidor digital, uma hipótese razoável é que a incerteza no dígito final
é de ± 1 (para que a tensão seja V = 81 ± 1 µV).
O medidor digital, ainda mais do que a escala análoga, pode indicar uma precisão enganosa.
Por exemplo, um estudante pode usar um timer digital para medir o tempo de queda de um
peso em uma máquina de Atwood ou dispositivo similar. Se o timer mostra 8,01 segundos, o
tempo de queda é, aparentemente,
t = 8,01±0,01 s (3.1)
Uma explicação provável dessa grande discrepância é que as incertezas no processo inicial
variam as condições iniciais e, portanto, o tempo de queda, ou seja, as medida às vezes
realmente são diferentes. Em qualquer caso, a precisão afirmada na equação 3.1 claramente é
ridiculamente boa demais. Com base em duas medições efetuadas, uma resposta mais realista
seria
t = 8,2±0,2 s
Em particular, a incerteza é cerca de 20 vezes maior do que o sugerido na equação 3.1 com
base no original de uma única leitura.
Este exemplo nos leva a outro ponto mencionado no capítulo 1: sempre que uma medição
pode ser repetida, normalmente deve ser feita várias vezes. A disseminação resultante de
valores muitas vezes fornece uma boa indicação das incertezas e média dos valores é quase
certamente mais confiável do que qualquer uma medição.
Outro tipo diferente de medida direta tem uma incerteza que pode ser estimado facilmente.
Algumas experiências exigem a contagem de eventos que ocorrem ao acaso, mas têm uma
taxa média definida. Por exemplo, os bebês nascidos em um hospital chegam de forma
bastante aleatória, mas no longo prazo nascimentos em qualquer hospital provavelmente
ocorrerem a uma taxa média definida. Imagine que um demógrafo que quer saber esta taxa
conta 14 nascimentos em um determinado período de duas semanas em um hospital local.
Com base nesse resultado, ele naturalmente diz que sua melhor estimativa para o número
esperado de nascimentos em duas semanas é 14. A menos que ele tenha cometido um erro,
14 é exatamente o número de nascimentos no período de duas semanas, que ele escolheu
para observar. Por causa dos nascimentos ocorrerem de maneira aleatória, no entanto 14,
obviamente não pode ser igual ao número médio de nascimentos em todos os períodos de
duas semanas. Talvez esse número possa ser 13, 15 ou até mesmo um número fracionário
como 13,5 ou 14,7.
Evidentemente, a incerteza neste tipo de experimento não está no número observado contado
(14 em nosso exemplo). Em vez disso, a incerteza é quão bem este número observado
aproxima-se do verdadeiro número médio. O problema é estimar como esta incerteza é
grande. Embora possamos discutir a teoria de contagem de experimentos no Capítulo 11, a
resposta é surpreendentemente simples e facilmente afirmada aqui: A incerteza em qualquer
número de eventos aleatórios, contado como uma estimativa do verdadeiro número médio é a
raiz quadrada do número contado. Em nosso exemplo, o demógrafo contou 14 nascimentos
em um determinado período de duas semanas. Portanto, sua incerteza é (14)1/24 e sua
conclusão final seria
Refiro-me a este importante resultado como a regra de raiz quadrada para contagem de
experimentos. Contando experiências desse tipo ocorrem com freqüência no laboratório de
física. O exemplo mais proeminente é o estudo da radioatividade. Em um material radioativo,
cada núcleo decai em um tempo aleatório, mas o decaimento em uma grande amostra ocorre
a uma taxa média definida. Para encontrar esta taxa, você pode simplesmente contar o
número de eventos em um determinado intervalo de tempo T, com sua incerteza dada pela
raiz quadrada.
Para o restante deste capítulo, será suposto que medimos uma ou mais quantidades de x, y,...,
com incertezas correspondentes x, y,... e que agora queremos usar os valores medidos de x,
y,..., para calcular a quantidade real interessada, q. O cálculo de q é geralmente simples. O
problema é como as incertezas, x, y,..., se propagam através do cálculo e leva a um q de
incerteza no valor final do q.
SOMAS E DIFERENÇAS
Para estimar a incerteza na soma ou diferença, devemos apenas decidir sobre seu valor
provável mais alto e mais baixo. Os valores mais altos e mais baixo prováveis de x são xmelhor ±
x, e aqueles de у são ymelhor ± y. Assim, o valor provável mais alto de x + y é
q x + y. (3.3)
qx+...+z+u+...+w
PRODUTOS E QUOCIENTES
Na Seção 2.9 foi discutida a incerteza no produto q= xy de duas quantidades medidas. Vimos
que, a incerteza fracionária provida é pequena, e que a incerteza fracionária em q = xy é a
soma das frações das incertezas em x e y. Mais do que rever a derivação deste resultado,
discute-se aqui o caso semelhante do quociente q = x / y. Como você verá, a incerteza em um
quociente é dada pela mesma regra como para um produto; ou seja, a incerteza fracionária em
q = x / y é igual à soma das frações das incertezas em x e y.
O resultado da qualquer quantidade x medida pode ser expresso em termos de seu erro
fracionário x/x como
O nosso problema agora é encontrar os valores extremos prováveis do segundo fator à direita
na expressão acima. Este fator é maior, por exemplo, se o numerador tem seu maior valor, 1 +
x/x e o denominador tem seu menor valor, 1 - y/y. Assim, a maior valor provável de q = x/y
é
O último fator na expressão (3.5) tem a forma (1+a)(1+b), onde os números a e b são
normalmente pequenos (ou seja, muito menor do que 1). Ele pode ser simplificado por duas
aproximações. Em primeiro lugar, porque b é pequeno, o teorema binomial implica que
Portanto,
(1+a)/(1-b) (1+a)(1+b) = 1 + a + b + ab 1 + a + b
Um cálculo similar mostra que o menor valor provável é dado por uma expressão similar com
dois sinais de menos. Combinando estes dois, encontramos que
vemos que o melhor valor para q é qmelhor = xmelhor/ymelhor, como seria de esperar, e que a
incerteza fracionária é
(3.7)
Dois casos especiais importantes da regra (3.7) merecem menção. Um refere-se o produto de
dois números, um dos quais não tem nenhuma incerteza. O outro envolve uma potência
(como x3) de um número medido.
Suponha que medimos uma quantidade x e, em seguida, usa-se o valor medido para calcular o
produto q = Bx, onde o número В não tem nenhuma incerteza. Por exemplo, medimos o
diâmetro de um círculo e, em seguida, calculamos sua circunferência, с = x d. ou podemos
medir a espessura t de 200 folhas idênticas de papel e, em seguida, calcular a espessura de
uma única folha que t = (1/200) X t. De acordo com a regra (3.7), a incerteza fracionária em q =
Bx é a soma das incertezas fracionárias em В e x. Porque B = 0, isto implica que
q/q = x/x
q = Bx
q = B x
(3.8)
Esta regra é especialmente útil em algo que é inconvenientemente pequeno, mas disponível
em grande quantidade, tais como a espessura de uma folha de papel ou o tempo para uma
medida da revolução de um rápido giro da roda de medição. Por exemplo, se podemos medir a
espessura t de 200 folhas de papel e obter a resposta
Observe como esta técnica (a espessura de várias folhas idênticas e dividindo por seu número)
torna facilmente possível uma medição que exigiria equipamento muito sofisticado e que esta
técnica dá uma observação – com incerteza pequena. Naturalmente, as folhas devem ter
espessura igual.
POTENCIAÇÃO
q = xn
As regras apresentadas até agora podem ser resumidas em: quando quantidades medidas são
adicionadas ou subtraídas, adicionar as incertezas. Quando quantidades medidas são
multiplicadas ou divididas, adicionar as incertezas fracionárias. Esta e a próxima seção, falarei
sobre como, sob certas condições, as incertezas calculadas usando estas regras podem ser
desnecessariamente grandes. Especificamente, você verá que, se as incertezas originais são
independentes e aleatórias, uma estimativa mais realista (e menor) a incerteza final é dada por
regras semelhantes em que as incertezas (ou incertezas fracionárias) são adicionadas na
quadratura (um procedimento definido em breve).
(medida de x) = xmelhor ± x
Com expressão similar para y. O argumento usado na última seção foi a seguinte: em primeiro
lugar, a melhor estimativa para q = x + у é, obviamente, qmelhor = xmelhor + ymelhor. Em segundo
lugar, desde que os valores prováveis mais altos para x e у são xmelhor + x e ymelhor + y, é o
valor provável mais alto para q
xmelhor + ymelhor - x - y
Portanto concluímos que o valor de q provavelmente está entre estes dois números, e a
incerteza em q é
q = x + y
O que constitui a melhor estimativa para q? A resposta depende precisamente o que
entendemos por incertezas (isto é, o que queremos dizer com a instrução que q é
"provavelmente" algo entre qmelhor - q e qmelhor + q). Depende também das leis estatísticas
que regem nossos erros na medição. Capítulo 5 discute o modo normal ou distribuição de
Gauss, que descreve as medidas sujeitas a incertezas aleatórias. Mostra que, se as medidas de
x e у são feitas de forma independente e são ambas regidas pela distribuição normal, em
seguida, a incerteza em q = x + у é dada por
(3.11)
Quando combinamos dois números elevados ao quadrado e extraímos a raiz quadrada deles,
como em (3.11), chamamos de adição em quadratura. A expressão (3.11) pode ser enunciada
da seguinte maneira: se as medidas de x e у são independentes e sujeitas apenas a incertezas
aleatórias, a incerteza q do valor calculado de q=x+у é a soma em quadratura ou quadráticas
da soma das incertezas x e y.
qx+y (3.12)
Primeiro, a nova expressão (3.11) é sempre menor do que o velho (3.12), como se vê por um
argumento geométrico simples: para qualquer dois números positivos a e b, os números a, b, e
(a2 + b2)1/2 são os três lados de um triângulo retângulo (Figura 3.2). Porque o comprimento de
qualquer dos lados de um triângulo é sempre menor que a soma dos
Figura 3.2. Porque qualquer dos lados de um triângulo é menor do que a soma dos outros dois
lados, a desigualdade (a2 + b2)1/2 a + b é sempre verdade.
Propagação de incertezas Página 12
Porque a expressão (3.11) para a incerteza em q = x + у é sempre menor devendo sempre usar
(3.12) quando for aplicável. É, no entanto, nem sempre aplicável. A expressão (3.12) reflete a
possibilidade de uma superestimação do x pode ser compensada por uma subestimação do у
ou vice-versa, mas existem medidas para que este cancelamento não é possível.
Mais adiante provaremos que, se ou não os erros são independentes e aleatórios, a incerteza
em q = x + у é certamente não será maior do que a simples soma entre x + y:
q≤x+y (3.13)
Ou seja, a expressão (3.12) para q é na verdade um limite superior que mantém em todos os
casos. Se nós temos motivos para suspeitar os erros em x e у não são independentes e
aleatórios (como no exemplo da medida de fita métrica), nós não temos justificativas em usar
a soma quadrática (3.11) para q. Por outro lado, (3.13) garante que q certamente não é pior
do que x + y, e a maneira mais segura é usar a velha regra
qx+y
mas se suspeitarmos que as incertezas podem não ser independentes, teríamos de usar a
soma ordinária,
Observe que não está justificada a utilização de adição em quadratura de incertezas aleatórias
independentes. Foi apenas argumentado que, quando as diversas incertezas são
independentes e aleatórias, há uma boa chance de anulações parciais de erros e que a
incerteza resultante (ou incerteza fracionária) deve ser menor do que a simples soma das
incertezas originais (ou incertezas fracionárias); a soma em quadratura tem essa propriedade.
Foi visto como incertezas, independentes e de outra forma, se propagam através de somas,
diferenças, produtos e quocientes. No entanto, muitos cálculos exigem operações mais
complicadas, tais como seno, cosseno ou raiz quadrada, e você precisará saber como as
incertezas se propagam nestes casos.
De modo mais geral, suponha que registamos uma quantidade x na forma padrão xmelhor ± x e
deseja calcular alguma função q(x) conhecida, tal como q(x) = 1/sem x ou q(x) = (x)1/2. Uma
maneira simples de pensar sobre esse cálculo é desenhar um gráfico da q(x) como na Figura
3.3. A melhor estimativa de q(x) é, naturalmente, qmelhor = q(xmelhor), e os valores xmelhor e qmelhor
são mostrados conectados por linhas na Figura 3. 3.
Para decidir sobre a incerteza q, empregamos o argumento habitual. O maior valor provável
de x é xmelhor + x. Usando o gráfico, nós podemos encontrar imediatamente o maior valor
provável de q, que é mostrado como qmax. Da mesma forma, podemos tirar o menor valor
provável, qmin como mostrado. Se a incerteza x é pequeno (como sempre é), então a seção do
gráfico envolvido nesta construção é aproximadamente uma reta e qmax e qmin são facilmente
vistos por serem igualmente espaçados em ambos os lados do qmelhor. A incerteza q, em
seguida, pode ser obtida do gráfico como um dos comprimentos mostrados, e encontramos o
valor de q no formato padrão qmelhor ± q.
Geralmente, a função q(x) é conhecida explicitamente q(x)= seno x ou q(x)= (x)1/2 por exemplo,
e a incerteza q pode ser calculada analiticamente. Da figura 3.3 vemos que
Agora, uma aproximação fundamental do cálculo afirma que, para qualquer função q(x) e
qualquer incremento u suficientemente pequeno,
Assim, desde que a incerteza x é pequena (como sempre se assume), podemos reescrever a
diferença em (3.18) para dar
q = (dq/dx) x (3.19)
Assim, para encontrar a incerteza q, apenas calculamos a derivada dq/dx e multiplica-se pela
incerteza x.
q = -(dq/dx) x (3.20)
Figura 3.4. Se a inclinação de q(x) é negativa, o valor máximo mais provável de q corresponde
ao valor mínimo de x e vice-versa.
Porque dq/dx é negativo, podemos escrever - dq/dx como dq/dx e obtemos a seguinte regra
q = dq/dxx (3.21)
q = dq/dxx = n xn-1x
q/q=(1/2)x/x
Incerteza em potenciação
Temos as ferramentas para lidar com quase qualquer problema na propagação de erros.
Qualquer cálculo pode ser dividido em uma seqüência de etapas, cada uma envolvendo
apenas um dos seguintes tipos de operação: A) somas e diferenças. B) produtos e quocientes;
e C) cálculo de uma função de uma variável, tais como xn, sen (x), ex ou ln x. Por exemplo,
podemos calcular
q= x.(y-z.seno(u)) (3.24)
para os seguintes medidas x, y, z e u seguindo os seguintes passos: Calcule a função seno (u),
para em seguida multiplicar por z, e então realizar a subtração de y do resultado obtido, e
finalmente multiplicar por x.
Até agora, nós estabelecemos três regras principais para a propagação de erros: para somas e
diferenças, para produtos e quocientes e para funções arbitrárias de uma variável.
Nesta seção final, uma fórmula geral será apresentada e a partir dela todas as três regras
podem ser derivadas e qualquer problema na propagação de erro pode ser resolvido. Embora
esta fórmula muitas vezes possa parecer um pouco complicada de usar, é um recurso útil.
Além disso, existem alguns problemas que, em vez de calcular a incerteza nas etapas de como
as últimas três seções, você fará melhor calculá-lo em uma única etapa por meio da fórmula
geral.
Para ilustrar o tipo de problema para o qual o cálculo de uma etapa é razoável, suponha que
medimos três quantidades x, y e z e tem que calcular uma função do tipo
q=(x+y)/(x+z) (3.25)
que uma variável aparece mais de uma vez (neste caso, x). Se formos calcular o q da incerteza
em etapas, primeiro precisa calcular as incertezas nos dois montantes x + у e x + z e, em
seguida, em seu quociente. Procedendo deste modo, fazendo assim perderíamos
completamente a possibilidade de que erros no numerador devido a erros em x pudessem, até
certo ponto, cancelar erros no denominador devido a erros em x. Para entender como esse
cancelamento pode acontecer, suponha que x, y e z são todos números positivos e considere o
que acontece se nossa medida do x está sujeita a erros. Se nós superestimamos x nós
superestimamos x + у e x + z, e (em grande medida) esta super estimativa cancela um ao
outro quando calculamos a (x + y) /(x + z). Similarmente, uma subavaliação do x leva a
subestimação do x + у e x + z, que cancela novamente quando formamos o quociente. Em
qualquer caso, um erro em x substancialmente cancela o quociente (x+y) / (x+z), e o cálculo
passo a passo perde completamente estes cancelamentos.
Sempre que uma função envolve a mesma quantidade mais de uma vez, como em (3.25),
alguns erros podem cancelar-se (um efeito chamado às vezes de compensadores). Se este
cancelamento é possível, um cálculo gradual da incerteza pode superestimar a incerteza final.
A única maneira de evitar esta superestimação é calcular a incerteza em uma única etapa
usando o método a seguir.
q( xmelhor±x) (3.26)
Quando q é uma função de duas variáveis, q (x, y), o argumento é semelhante. Se xmelhor e
ymelhor são as melhores estimativas para x e y, esperamos que a melhor estimativa para q possa
ser
Para estimar a incerteza neste resultado, nós precisamos generalizar a aproximação (3.28)
para uma função de duas variáveis. A generalização necessária é
Os valores extremos prováveis para x e у são xmelhor ± x e ymelhor± y. Se pudermos inserir estes
valores em (3.29) lembre-se que q/x e q/y podem ser positivos ou negativos,
encontramos assim os valores extremos de q,
q/x=q/y=1 (3.31)
Propagação de incertezas Página 20
qx + y (3.32)
Esta é justamente a regra geral que a incerteza em x + y é a soma das incertezas das
quantidades x e y.
Da mesma maneira, se q é o produto q= x.y, você pode verificar que (3.30) implica a regra
familiar que a incerteza fracionária em q é a soma das incertezas fracionárias em x e у.
Embora as equações (3.33) e (3.34) parecem bastante complicada, são fáceis de entender se
você pensar sobre um termo por vez. Por exemplo, suponha que por um momento que entre
todas as quantidades medidas, x, y,..., z, apenas x está sujeita a qualquer incerteza. (Ou seja,
y=... = z = 0). Então (3.34) contém apenas um termo