Escolar Documentos
Profissional Documentos
Cultura Documentos
Elaborado por:
Marcia
Marcia Muller
José Luís Fabris
Março de 2015
Fundamentos da Física Experimental Márcia Muller e José Luís Fabris
Prefácio
A idéia original que será abordada neste texto é a de que, por meio de uma Disciplina
de Fundamentos da Física Experimental, sejam desenvolvidos elementos e habilidades
da metodologia científica que possam ser empregados nas mais diversas áreas do
conhecimento. Não se trata de realizar experimentos complexos, mas sim por meio de
montagens simples, criar uma metodologia que possa auxiliar nos problemas
enfrentados no cotidiano quer do professor, do pesquisador ou mesmo da pessoa.
Ao concluir esta Disciplina, você deverá estar apto a satisfazer as demandas diversas
não apenas deste Curso de Licenciatura em Física, mas também deverá estar mais
preparado para o desempenho de suas futuras atuações profissionais.
Índice
Capítulo 1 - Discussão geral introdutória......................................................1
2.6 – Arredondamentos..........................................................................................12
Capítulo 4 – Gráficos..................................................................................21
Capítulo 5 – Histogramas............................................................................43
Objetivos
Os objetivos não devem ser muito extensos nem em número demasiado, de forma a
não dispersar a atenção em atividades e detalhes desnecessários. Esta parte é de suma
importância para o sucesso do experimento, e a ela deve ser dada a devida atenção.
Materiais e Métodos
Uma vez que se tenha definido o que se deseja com dado experimento, deve-se traçar
um plano de atividades que permita alcançar os objetivos previamente estabelecidos.
Podem compor este item a teoria necessária para a realização do experimento, os
equipamentos e materiais empregados no seu desenvolvimento com respectivos
diagramas das montagens e descrição das características técnicas dos instrumentos,
bem como a descrição dos procedimentos empregados na realização dos experimentos.
Resultados Experimentais
Nesta etapa devem ser apresentados os resultados das medições realizadas durante
todo o transcorrer do experimento. Não se deve apagar ou descartar dados suspeitos de
estarem incorretos; isto pode resultar em dificuldades para a realização de análises
posteriores. Não esqueça que muitos resultados importantes nas mais diversas áreas do
conhecimento humano surgiram de “erros” em experimentos!
Duas importantes ferramentas que podem ser empregadas aqui são as tabelas e
gráficos. Estes são tão importantes que serão discutidos em detalhes mais adiante.
Discussões e Conclusões
Finalmente, tudo que você realizou no experimento deve agora ser considerado. A
interpretação dos dados aponta para alguma característica ou lei? O que se pode
aprender do que foi experimentado?
Evite conclusões e discussões que nada somam como por exemplo “a teoria se
verifica na prática” ou “o experimento foi válido”!
Você deve ser capaz de não apenas aprender com sua prática, mas também
possibilitar as outras pessoas compreender o que foi feito, concordar ou discordar das
conclusões e seguir seus passos para refazer o mesmo experimento, eventualmente com
uma nova abordagem ou metodologia.
Tabelas
tabela. Se for o caso, na tabela deve-se indicar também a unidade da grandeza que está
sendo analisada.
Tabela 1 - Espessura de uma moeda de um real, medida com um paquímetro com resolução de
0.02 mm.
Tabela 2: Espessura de uma moeda de um real, medida com um paquímetro com resolução de
0.02 mm.
Medida no. 1 2 3 4 5 6 7 8
Espessura (mm) 1.82 1.84 1.86 1.84 1.88 1.82 1.82 1.80
1.80 1
1.82 3
1.84 2
1.86 1
1.88 1
Total 8
A teoria de erros tem como objetivo fornecer, a partir dos resultados das medições
realizadas, a melhor estimativa para o valor do mensurando e determinar o quanto o
valor medido difere do valor verdadeiro. Sendo assim, o valor medido para a grandeza
(ou mensurando) deve vir acompanhado de uma unidade, que pode ser expressa no
Sistema Internacional de Unidades de Medida (SI), e da incerteza correspondente. Neste
contexto, a incerteza pode ser definida como um parâmetro que, associado ao
mensurando, caracteriza a dispersão dos valores que pode ser atribuída razoavelmente
ao mensurando. Já o erro pode ser entendido como a diferença entre o resultado de uma
medição e o valor verdadeiro do mensurando. Uma vez que o valor verdadeiro do
mensurando é uma quantidade desconhecida, o erro da medição também é
desconhecido. Portanto, erro e incerteza são conceitos bastante diferentes que não
devem ser confundidos.
Erros sistemáticos são aqueles gerados por fontes identificáveis e, portanto podem
ser eliminados ou compensados. Os erros sistemáticos numa medição experimental
podem ser resultantes de uma limitação imposta pelos equipamentos usados, de
variações de parâmetros externos que influenciam a grandeza que está sendo medida,
bem como da metodologia empregada pelo operador e de aproximações e
simplificações realizadas para por em prática o experimento. Portanto, o erro
(a) (b)
Figura 1 –(a) Exatidão (“accuracy”) ruim e precisão boa; (b) Precisão ruim e exatidão (“accuracy”)
boa.
Os erros aleatórios, por sua vez, são provocados por fatores imprevisíveis e causam
flutuações no valor medido mesmo quando a medição é repetida usando os mesmos
equipamentos e empregando a mesma metodologia. É importante salientar que estes
erros ocorrem mesmo numa experiência bem planejada. Os erros aleatórios afetam a
precisão ("precision") da medição (ver figura 1.b).
Erros aleatórios podem ser introduzidos por flutuações nas condições ambientais:
mudanças não previsíveis na temperatura, voltagem da linha, correntes de ar, vibrações.
Por exemplo, por correntes de ar ou vibrações numa medição de massa usando uma
balança, causadas por passagem de pessoas perto do aparato experimental ou veículos
nas vizinhanças.
Existem também os erros grosseiros causados por enganos e que, portanto, não
podem ser considerados erros do ponto de vista da teoria de erros. Não é admissível
apresentar resultados que contenham erros grosseiros. Quando houver suspeita da
ocorrência de um erro grosseiro em uma medição esta deve ser repetida, se possível, ou
eliminada do conjunto de dados.
estimativa do valor real da grandeza medida é fornecida pela média aritmética dos
valores medidos. Sendo assim, o valor mais provável da grandeza será:
1 N
y=
N
∑y
i =1
i (1)
d i = yi − y (2)
1 N
σ≅ ∑ ( yi − y )2 (3)
N − 1 i =1
Ou ainda:
1 N 2 N
σ≅ ∑ yi − y2 (4)
N − 1 i =1 N −1
1 k
σm ≅ ∑ (y j − ymv )2 (5)
k j =1
σ
σm = (6)
N
Uma relação que pode ser usada para estimar o erro sistemático residual é
apresentada na equação (7). Geralmente o limite de erro Lr é estimado verificando o
manual fornecido pelo fabricante dos equipamentos empregados.
Lr
σr ≅ (7)
2
Esta relação pode ser empregada no caso de uma distribuição gaussiana de erros e
um limite de erro com aproximadamente 95% de confiança. Para uma distribuição de
probabilidade retangular (para régua, paquímetro, cronômetro,...):
σ r ≅ Lr ( 2 3 )
σ p2 = σ m2 + σ r2 (8)
y = y ±σ p (9)
Exercício 1: A distância focal de uma lente foi medida N=10 vezes usando uma
régua milimetrada. Foram obtidos os seguintes valores em mm: 204,1; 205,3; 208,0;
207,5; 206,3; 205,5; 207,2; 204,8; 208,2; 207,1. Calcular o valor médio y , o desvio
padrão experimental σ, o desvio padrão do valor médio σm, o desvio padrão do erro
sistemático σr, a incerteza padrão σp e expressar o valor médio corretamente.
régua
nônio
régua principal e multiplicando pela resolução ou seja, pelo menor valor que pode ser
medido.
Algarismo significativo em um número pode ser entendido como sendo aquele que
sozinho tem algum significado quando o número é escrito na forma decimal. Portanto,
os zeros a esquerda do primeiro número diferente de zero são algarismos não
significativos. O número de casas decimais que devem ser apresentadas num resultado
experimental é determinado pela incerteza padrão neste resultado. Não existe uma regra
bem definida para estabelecer o número de dígitos da incerteza padrão, porém podem
ser adotadas algumas regras:
• A incerteza padrão deve ser dada com 2 algarismos quando o primeiro algarismo
na incerteza for 1 ou 2.
Não se deve usar mais do que dois algarismos significativos para expressar a
incerteza, uma vez que é muito difícil de se obter a incerteza com tal precisão.
2.6 - Arredondamentos
• Se após o algarismo X tem-se um conjunto ABC entre 000 e 499, este conjunto
deve ser simplesmente eliminado (é o arredondamento para baixo).
• Se após o algarismo X tem-se um conjunto ABC entre 500 e 999, este conjunto
deve ser eliminado e o algarismo X deve ter o seu valor aumentado de 1 (é o
arredondamento para cima).
• No caso X500000..., o arredondamento deve ser tal que o algarismo X seja par
depois do arredondamento.
2,42 2,4
3,789 3,79
4,4499 4,4
5,4500 5,4
5,5500 5,6
y = 0,0004639178 m
σ = 0,000002503 m
Data:______________________
Equipe:_____________________________________________________________
Objetivos:
Os resultados das medições para cada uma das dimensões do corpo de prova estão
apresentados na tabela 1.
Tabela 5 - Dimensões do corpo de prova empregado, medidas com paquímetro de resolução de ..... mm.
10
Discussões e Conclusões:
Exercício 6:
w ±σw
16
14
12
A = L² (mm²)
10
4
σL²
2
σL
0
0 1 2 3 4
L (mm)
As relações que permitem calcular a incerteza propagada para alguns casos comuns
são mostradas a seguir. Nestas relações, as grandezas x, y, z, ... devem ser
obrigatoriamente diferentes.
w = x ± y ± z ± ... (10)
σ w = σ x2 + σ y2 + σ z2 + ... (11)
Onde σ x ,σ y ,e σ z são as incertezas padrão associadas com cada uma das grandezas
medidas diretamente.
w = ax + b (12)
σ w = aσ x (13)
x
w = xy ou w = (14)
y
2 2
σ σ
σ w = w x + y (15)
x y
OBS: Para o cálculo da propagação da incerteza em x2, a expressão (17) deve ser
utilizada, com p=2 e q=0.
w = x p yq (16)
2 2
σx σy
σ w = w p + q
(17)
x y
Nota: Todas as expressões apresentadas aqui podem ser encontradas a partir da equação geral.
2 2 2
∂w 2 ∂w 2 ∂w 2
σ w2 = σ x + σ y + σ z +K (18)
∂x ∂y ∂z
L1 =(50,00±0,05) mm
L3
A
L2 =(20,00±0,05) mm
L2
L1
L3 =(15,00±0,01) mm
Le = 3σ e (19)
Podemos citar como exemplo uma medição realizada com uma régua graduada em
milímetros. O valor medido deve incluir a fração de milímetro que pode ser estimada
pelo observador. Considere a leitura indicada na régua da figura 6.
Le
σe = ≈ 0,1 mm (20)
3
Lr
σr = ≅ 0,3 mm (21)
2 3
σ p = σ e2 + σ r2 ≅ 0,3 mm (22)
Le 0,04
σe = = ≤ 0,013 mm (24)
3 3
Lr
σr = ≅ 0,03 mm (25)
2
σ p = σ e2 + σ r2 ≅ 0,03 mm (26)
Le
σe = = 0,17 s (27)
3
Este caso é um exemplo onde a incerteza estatística é bem maior que a incerteza de
calibração do instrumento.
2 2 2
σ x σ y σ z
V = x . y.z , σV = V + + , V = V ± σV
x y z
2 2
σ L 2σ T
σg = g +
L T
Capítulo 4 - Gráficos
A apresentação de resultados de experiências e medições em formato gráfico pode
ser considerada um capítulo em separado na física experimental, tamanha a diversidade
de opções e a quantidade de dados que podem ser extraídos deles.
No entanto, algumas normas gerais devem ser observadas logo de início para que se
possa tirar o máximo proveito dos gráficos.
Deve-se tomar o cuidado para dar um nome a cada gráfico, com uma legenda para
facilitar sua compreensão. Esta legenda é normalmente apresentada na parte inferior do
gráfico.
Os gráficos devem conter nos seus eixos o nome da grandeza que está sendo
mostrada e sua respectiva unidade. Os números que vão indicar a escala de valores da
grandeza sob consideração devem ser de tamanho adequado, sem um número excessivo
de casas decimais.
Se aos dados experimentais for ajustada uma curva que siga uma lei física ou apenas
uma linha para facilitar a visualização, isto deve ser claramente dito (use legendas para
identificar cada caso).
A seguir, nas Figuras 8 e 9, são mostrados alguns gráficos, indicando o que deve ser
buscado para uma boa diagramação.
30
(b)
30
(a) 25
25
20
20
15
espaço
15
10
10
5
5
0
0
0 5 10 15 20 25 30
0 2 4 6 8 10
tempo
Figura 8 - Deslocamento em função do tempo para um móvel em MRU: (a) símbolos muito pequenos,
sem legendas, sem barras de erros; (b) grandezas sem unidade, má ocupação do espaço, sem barras de
erros.
(a) (b)
30 25
pontos experimentais
25 ajuste linear
20 x(t) = -2.70 m + 2.71 t
20
deslocamento (m)
deslocamento (m)
15
15
10
10
5 5
0
0
-5
-4 -2 0 2 4 6 8 10 12 0 2 4 6 8 10
tempo (s) tempo (s)
Figura 9 - Deslocamento em função do tempo para um móvel em MRU: (c) má ocupação do espaço,
linha irregular conectando os pontos; (d) diagramação adequada.
y = f ( x, a, b,...) (28)
y = ax + b (29)
Para efetuar o ajuste dos dados experimentais a função dada pela equação 29 é
preciso encontrar os parâmetros desta reta de maneira que ela se aproxime o máximo
possível dos pontos experimentais ( xi , yi ) .
Vamos discutir dois métodos que podem ser empregados para resolver este
problema:
O método da “mão livre” utiliza o bom senso do observador já que ele mesmo terá
que ajustar a melhor reta a partir da observação visual do conjunto de pontos ( xi , yi ).
Utilizando uma régua transparente posicionada sobre o gráfico contendo todos os
pontos experimentais, o observador pode escolher a reta que passa pelo meio da
distribuição dos pontos. Este procedimento tenta garantir que a distância entre a reta e
os pontos experimentais seja minimizada. Obviamente o método fornece resultados
aproximados uma vez que a escolha da melhor reta é subjetiva e depende muito da
prática e bom senso do observador.
Uma vez ajustada a melhor reta aos dados experimentais, pode-se determinar os
valores das constantes a e b, que correspondem respectivamente aos coeficientes
angular e linear da reta, diretamente a partir do gráfico. Veja exemplo no gráfico da
figura 10.
( yi − y s )
a=
(xi − x s )
(30)
b = yc
(20,210)
yi 210
180
DESLOCAMENTO (m)
(210-60)=150
150
120
90
ys 60
(5,60) (20-5)=15
30
yc
0
0 5 10 15 20
xs TEMPO (s) xi
COEF. ANGULAR: a=150/15=10 m/s
Figura 10 - Reta ajustada aos pontos experimentais do deslocamento em função do tempo para um
móvel em MRU.
Exercício 10: Foram efetuadas as medições das alturas de várias crianças com idades
diferentes e os dados obtidos são apresentados na tabela abaixo. Estime o erro
estatístico para a medição de altura realizada usando uma escala milimetrada. Suponha
insignificante o erro na idade em meses (as crianças são medidas exatamente no dia em
que fazem o aniversário mensal). Encontre a melhor reta que se ajusta aos dados
experimentais e a expressão obtida de correlação entre idade e altura.
Idade (meses) 18 19 20 21 22 23 24 25 26 27 28 29
Altura (cm) 76,1 77 78,1 78,2 78,8 79,7 79,9 81,1 81,2 81,8 82,8 83,5
Faça um gráfico das alturas (eixo y) contra as idades (eixo x). Ajuste uma reta usando o
método da “mão livre” e a partir do gráfico encontre os coeficientes linear e angular da
reta. Expresse os resultados encontrados na forma da equação de uma reta.
L 4π 2
T = 2π ⇒ T2 = L (31)
g g
Esta é a equação de uma reta y = ax + b , onde y=T2 e x=L, com coeficiente linear
2
b=0 e coeficiente angular a = 4π
g.
Neste experimento, medir uma única vez o período do pêndulo para pequenas
oscilações e diferentes comprimentos (logo, a técnica de estimativa de erros deve ser
empregada para L quanto para T). Encontrar a aceleração da gravidade usando método
de ajuste a “mão livre”.
Cuidado: Deve ser feito o gráfico de T2 x L para resultar uma reta (este processo chama-
se linearização). Como se mede T, o erro deve ser propagado para T2.
O método dos mínimos quadrados pode ser deduzido para medições feitas em
condições de repetibilidade (N medições feitas sob as mesmas condições) ou em
condições de reprodutibilidade (N medições feitas sob condições diferentes). Exemplos
de medições feitas em condições de reprodutibilidade são aquelas realizadas por meio
60
50
40
f(x)
30
20
10
0
0 2 4 6 8 10
x
60
50
40
f(x)
30
20
10
0
0 2 4 6 8 10
x
Sendo assim, o método dos mínimos quadrados permite ajustar retas a pontos
experimentais em diferentes condições: pontos com incertezas arbitrárias para as
grandezas x e y, pontos com incertezas iguais para as grandezas x e y, e reta passando
pela origem. Neste método as equações que fornecem os valores das constantes de
ajuste a e b em cada situação são deduzidas usando conceitos matemáticos. Em suma o
método consiste em encontrar os valores dos coeficientes a e b que fornecem o menor
valor possível para a soma dos quadrados das distâncias verticais da reta a cada um
dos pontos experimentais. Na situação em que as incertezas em fi(x) são iguais
(condição de repetibilidade) as equações mostram que os valores de a e b são
independentes da incerteza padrão nos pontos experimentais. Isto é interessante pois
mostra que se pudermos supor que as incertezas são aproximadamente iguais, mesmo
que o valor destas incertezas não seja conhecido é possível fazer o ajuste da reta e
encontrar os valores de a e b. Se a incerteza padrão σp (dos dados experimentais) é
conhecida, as incertezas em cada parâmetro, σa e σb, podem ser obtidas.
N N N
N ∑ xi yi − ∑ xi ∑ yi
a = i=1 i=1 i=1
2
(32)
N
N
N ∑ xi2 − ∑ xi
i=1 i=1
N (33)
σa = σ 2
N
N
N ∑ xi2 − ∑ xi
i =1 i =1
N N 2 N N
∑ yi ∑ xi − ∑ xi yi ∑ xi
b = i =1 i =1 i =1 i =1
2
(34)
N
2 N
N ∑ xi − ∑ xi
i =1 i =1
N 2
∑ xi
σb = σ i=1 (35)
2
N
N
N ∑ xi2 − ∑ xi
i=1 i=1
Ajuste de reta passando pela origem a pontos experimentais com incertezas iguais
No caso particular de uma reta passando pela origem as expressões acima são
simplificadas e temos:
N
∑ xi yi
a = i=N1 (36)
∑ xi2
i=1
σ
σa = (37)
N 2
∑ xi
i =1
Coeficiente de correlação
Para avaliar o quanto os valores observados estão próximos da reta ajustada pelo
método dos mínimos quadrados é usado o coeficiente de correlação linear R (coeficiente
de Pearson).
− 1 ≤ R ≤ +1 (38)
p q
Da equação 16, w = x y , com q = 0, p = 2 e x = T, ⇒ w = T2
e da equação 17:
2 2 2
σ x σ y σT
σw = w p + q ⇒ σT 2 = T 2 2 = 2Tσ T (40)
x y T
Note que o erro propagado para os valores de período ao quadrado não são iguais.
No entanto iremos supô-los como aproximadamente iguais, o que vai nos permitir a
utilização das equações do método dos mínimos quadrados para incertezas iguais, que
são mais simples.
N
∑ xi y i σ
σa =
a= N
i =1 2
xi = Li y i = Ti σ = σT N 2
∑ xi
2
∑ xi2 i =1
i =1
Tendo sido calculado o coeficiente angular a da melhor reta e seu erro σa podemos
obter o g e seu erro σg:
L 4π 2
T = 2π ⇒ T2 = L
g g
comparando com a eq. da reta y = ax + b, b = 0 e
4π 2 4π 2
coef .ang . = a = ⇒ g= = 4π 2 a −1
g a
2 2
2
σ x σ y σa σ
σ
e da equação: w = w p + q ⇒ σ a −1 = a −1 − 1 = 2a
x y a a
σa gσ a
Finalmente: σ g = 4π 2 2
=
a a
4.5 - Gráficos em computador
Ao iniciar o programa deve aparecer uma tela semelhante a apresentada na figura 13.
As colunas A(X), B(Y), C(Y), ... ou 1(X), 2(Y), 3(Y), ...no Worksheet Data1 ou
Table1, servem para a inserção dos dados coletados.
Para o pêndulo simples, a relação entre o período e o seu comprimento é dada pela
expressão (31). Embora não seja necessária a linearização dos gráficos quando se faz o
tratamento dos gráficos com auxílio do computador, optaremos pela linearização para
possibilitar a comparação com os resultados do experimento 5 (item 4.4).
L 4π 2
T = 2π ⇒ T2 = L
g g
Esta é a equação de uma reta y = ax + b , onde y=T2 e x=L, com coeficiente linear
2
b=0 e coeficiente angular a = 4π . Assim, devemos inserir na coluna A(X) ou 1(X)
g
os dados referentes aos valores de L, na coluna B(Y) ou 2(Y) os dados referentes aos
valores de T, e na coluna C(Y) ou 3(Y) ainda inexistente os dados referentes a T2.
O ajuste de uma reta aos dados experimentais no gráfico de L (no eixo X) contra T2
(no eixo Y) permitirá encontrar a aceleração da gravidade g a partir do coeficiente
2
angular pela expressão g = 4π a . Suponha que os resultados encontrados para as
Tabela 7 - Dados obtidos para período do pêndulo em função do comprimento do mesmo, e valores de
período elevado ao quadrado.
Posicione o cursor do mouse na célula A(1) ou 1(1) e clique sobre a mesma com o
botão esquerdo do mouse (todos os cliques são com o botão esquerdo, a menos que se
especifique o contrário), insira o dado correspondente. Adote o mesmo procedimento
para inserir os dados nas outras células. Após a introdução dos dados de L e T nas
colunas A(X) ou 1(X) e B(Y) ou 2(Y) respectivamente, a tela deve se apresentar como a
da figura 14. Note que o separador decimal que deve ser empregado (vírgula ou ponto)
depende da configuração do computador.
Salve o projeto em algum local, clicando em File → Save Project As. A tela abaixo
deve aparecer:
É possível definir a pasta (pré-existente) onde o projeto será salvo (por exemplo,
Salvar: Apostila), bem com um nome para o projeto (por exemplo, Nome do arquivo:
PenduloSimples). A tela deve aparecer como na figura 16.
Figura 16 - Tela de salvamento de dados do programa OriginTM devidamente preenchida e com o local
de salvamento definido.
Após pressionar a tecla Salvar, o programa deve retornar a tela como a da figura 17.
Note que ainda precisamos inserir os dados de T2, e para isto é necessária a inclusão
de mais uma coluna no Worksheet. No OriginTM, clique em Column → Add new
Columns, defina o número de novas colunas necessárias (no caso 1) e pressione OK. O
programa retorna uma tela como na figura 18. No SciDAVis, clique em Table → Add
Columns, e uma nova coluna será adicionada. Não esqueça de salvar o seu projeto
regularmente para evitar perda de dados.
Figura 19 - Tela que permite inserir dados automaticamente numa coluna do OriginTM.
Digite no espaço em azul a expressão matemática que deve ser efetuada, ou seja,
elevar a coluna B(Y) ao quadrado (col(B)^2), e indique a quais células a expressão deve
ser aplicada, ou seja, For row [i] 1 to 6. A tela deve estar como na figura 20.
Figura 20 - Preenchimento da tela que permite inserir dados automaticamente numa coluna do
OriginTM.
Após pressionar OK, a coluna C(Y) estará preenchida com os valores de T2.
Pressione OK e nomeie da mesma forma as colunas B(Y) e C(Y). Após isto, a tela
deve estar como na figura 22.
Figura 22 - Tela da planilha de dados com o nome escolhido para cada coluna do OriginTM.
Insira uma nova coluna D(Y) ou 4(Y), clique com o botão direito sobre ela,
posicione o mouse sobre Set As ou Set Column(s) As e depois sobre X Error, clicando
aí com o botão esquerdo. Antes do clique a tela deve se apresentar como na figura 23.
Nomeie a coluna como, por exemplo, Er(L) para indicar o Erro de L, e introduza os
valores estimados de σL (0,5 mm). Já a estimativa de σT2 deve levar em consideração a
propagação de erros na potência T2.
No entanto, a incerteza não será a mesma para todos os valores de T2, devendo ser
calculada individualmente para cada valor específico de T (equação 40). Introduza uma
nova coluna E(Y), ou 5(Y) associe-a ao erro de Y (Set As ou Set Column(s) As, Y
Error) e atribua um nome (Properties, Column Label no OriginTM ou Change Type
& Format, Description, Name no SciDAVis) como por exemplo Er(T^2). A tela deve
estar como na figura 24.
Para calcular os erros associados a cada valor de T2, posicione o cursor na primeira
célula da coluna E(yEr±) ou 5(yEr) clique ali. No OriginTM lique com o mouse em
Column → Set Column Values e digite a expressão para cálculo de cada erro,
2*col(B)*0.17
Clicando duas vezes sobre a legenda de cada eixo (X Axis Title e Y Axis Title), é
possível atribuir a legenda adequada, respectivamente L (mm) e T2 (s2).
Para ajustar uma reta no OriginTM, clique sobre Tools → Linear Fit (ver figura 28)
marque a opção “Through Zero” uma vez que para este problema a reta deve passar
pela origem, desmarque a opção “Use Reduced Chi^2” para que o erro não seja
subestimado, marque a opção “Error as Weight” para indicar que as barras de erro
devem ser consideradas no ajuste, e clique sobre “Fit” (ver figura 29). Obs. importante:
A opção Analysis → Fit Linear não obriga a passagem da reta pela origem, o que
nesse caso poderia resultar num erro maior e não corresponde à realidade do problema.
No SciDAVis, dependendo da função que se deseja ajustar, o ajuste pode ser feito
tanto usando o Analysis → Quick Fit quanto o Analysis → Fit Wizard.
4π 2 4.(3,14159) 2 mm
g= = = 9607,792067 2
B 0,004109 s
p q
Da equação 16, w = x y , com q = 0, p = -1 e x = B, ⇒ w = B-1, e da equação 17:
2 2 2
σ x σ y σB σ σ
σw = w p + q ⇒ σ B = B −1 − 1
−1 =B
−1 B
= B2 (42)
x y B B B
Substituindo a equação (42) na equação (41) temos o erro propagado para σg:
σB 5,22094 x10 −4
σ g = 4π 2 2
= 4π 2 2
= 1220,776489 mm / s 2 (43)
B 0,004109
Como esta incerteza é maior do que 99, vamos mudar as unidades para expressá-la
corretamente (com dois algarismos significativos):
m m
σ g = 1,2 2
e g = (9,6 ± 1,2 )
s s2
Deve ser notado que a incerteza relativa aqui é razoavelmente elevada, sendo igual a
σg
ε = 100 % ≅ 12% (44)
g
Capítulo 5 - Histogramas
O histograma é um tipo de gráfico particularmente útil quando se deseja mostrar os
resultados de um grande número de medições da mesma grandeza, que devido a erros
de medição, apresenta uma grande flutuação estatística, ou então quando se deseja
conhecer a flutuação estatística de uma certa grandeza em torno de seu valor médio.
Num histograma não são mostrados individualmente os pontos medidos, mas sim se
mostra a frequência F(yi) com a qual um dado valor aparece, ou então a frequência com
que estes valores aparecem dentro de uma faixa de valores ∆y.
N ( yi )
F ( yi ) = (45)
N
onde N(yi) é o número de vezes que o evento i aparece. Claro que N(yi) será
proporcional ao intervalo ∆y da faixa, e esta deve ser escolhida de modo a resultar em
um gráfico compreensível.
204 206 208 210 211 218 219 222 222 223
227 229 230 232 235 235 235 235 237 237
237 237 238 238 239 239 239 239 239 240
240 241 243 244 244 246 246 248 248 249
250 250 253 256 257 257 257 259 259 260
262 265 267 268 269 269 269 273 285 289
1 N 14583 mm
y=
N
∑yj =
60
= 243.05 mm ≅ 243 mm (47)
j =1
F ( yi )
H e ( yi ) = (49)
∆y
Tabela 9 - Tabela para construção do histograma com oito intervalos, obtida a partir dos dados da
tabela 8. O símbolo “├─ “ indica intervalo fechado à esquerda; note que o valor inicial do primeiro
intervalo foi ajustado para englobar o valor mais baixo de yi.
25
20
-1
He(yi) x 10 mm
15
-3
10
0
200 220 240 260 280 300
y (mm)
Figura 30 - Histograma com oito intervalos para os valores medidos da distância focal da lente.
No OriginTM:
2. Tecle com o botão direito do mouse sobre o gráfico e selecione Plot Detail na
aba Spacing e ajuste para 0 % o Gap Between Bars (a separação entre as barras
verticais será ajustada para zero).
No SciDAVis:
O procedimento adotado acima foi usado para simplesmente construir com o software
o gráfico de um histograma que foi calculado usando o procedimento apresentado na
apostila. Tanto o Origin quanto o SciDAVis são capazes de construir histogramas a
partir da inserção direta dos dados experimentais na planilha de trabalho. Nesse caso,
alguns ajustes devem ser feitos pelo usuário para que o histograma apresente o número
de intervalos de classe adequado e para que o valor médio se encontre no intervalo
central da distribuição.
Para usar essa ferramenta basta inserir todos os dados adquiridos experimentalmente
numa mesma coluna da planilha de trabalho, e em seguida, selecionar essa coluna e
usar a opção Plot → Statistical Graphs → Histogram.
1 N ∑ ( y i − y )2
i =1
onde y =
N
∑ yi é o valor médio medido, e σ≅
( N − 1)
é o desvio padrão
i =1
experimental.
25
y
20
∆y
-1
G(y) x 10 mm
15
σ
-3
∆S=∆Pi
10
0
200 220 240 260 280 300
y (mm)
Comentários:
OBS: O OriginTM utiliza uma equação para ajuste de gaussiana com um parâmetro w
(largura total da curva), que se compara com a meia-largura σ através da relação w=2σ.
A mesma proporção se aplica para a incerteza em σ.
Mais operações e procedimentos que podem ser realizados com o OriginTM para
tratamento de dados em planilha eletrônica, linearização de gráficos e histogramas,
podem ser encontrados no arquivo OriginComplement.pdf na homepage da Disciplina.
Figura A1- Forma da distribuição normal (curva em preto) e das distribuições de probabilidade da
função t de Student para alguns valores de graus de liberdade v. (Figura retirada de
http://pt.wikipedia.org/wiki/Distribuição_t_de_Student).
y ± σ mt
Tabela A1: Valores de probabilidades percentuais da função t de student para diferentes números de
graus de liberdade. (Tabela retirada de http://pt.wikipedia.org/wiki/Distribuição_t_de_Student).
~ 68% quando y = y ± σ
~ 95% quando y = y ± 2σ
~ 99% quando y = y ± 3σ