1

Algarismos significativos
 Sua importância aparece quando é necessário expressar
o valor de uma dada grandeza determinada
experimentalmente.
 Quando um número é escrito corretamente, o último
algarismo significativo (à direita) é aquele que pode
apresentar uma certa dúvida ou incerteza.
 O número de algarismos significativos expressa a
precisão de uma medida.
2
Algarismos significativos
Número Número de algarismos
significativos
7 1
7,4 2
7,41 3
7,414 4

3
Algarismos significativos
Os zeros terminais posteriores à vírgula são contados como
algarismos significativos, assim como zeros do interior do número.

Número Número de algarismos

significativos
7,40 3
7,04 3
7,0004 5
7,0400 5
7,0000 5
700,40 5
4
Algarismos significativos
Os zeros usados em números menores do que um com a finalidade de
posicionar a vírgula e aqueles zeros algumas vezes são colocados à
esquerda da vírgula dos mesmos números (como no número 0,4)

Número Número de algarismos

significativos
0,007 1
700,007 6

5
Algarismos significativos
Quando um número é escrito em notação exponencial, seu número de
algarismos significativos é determinado somente pelos dígitos do
coeficiente.

Número Número de algarismos

significativos
7 x 10-3 1
7,46 x 10-3 3

6
Cálculos aritméticos
Adição e subtração:
No uso destas duas operações aritméticas, o número
de dígitos à direita da vírgula no resultado calculado
deve ser o mesmo do número com menos dígitos dos
números somados ou subtraídos.

Ex.: 2,2
+ 0,1145
2,3

7
Cálculos aritméticos
Multiplicação e divisão:

Nestas duas operações aritméticas, o número de algarismos significativos, no resultado

calculado, deve ser o mesmo que o menor número de algarismos significativos dos
termos multiplicados ou divididos.

Ex.:

Pela regra prática a resposta seria 1,1.

Entretanto, se considerarmos uma incerteza unitária no último dígito, as incertezas

relativas associadas a cada um desses números são: 1/24, 1/452 e 1/100.

Como a primeira incerteza relativa é muito maior que as outras duas, a incerteza relativa
no resultado é 1/24, a incerteza absoluta se torna:

1,08 x 1/24  0,04.

Portanto, o primeiro resultado deve ser arredondado para 1,08. 8

Arredondamentos
1.Se o dígito a ser eliminado é maior do que 5, o dígito precedente é

aumentado de uma unidade (27,76 é arredondado para 27,8).

2.Se o dígito a ser eliminado é menor do que 5, o dígito precedente é

mantido (27,74 é arredondado para 27,7).

E o número de final 5, como é arredondado?

Uma prática comum é a da manutenção do último dígito, quando for

um número par. Então, o arredondamento para três dígitos de 27,75 é
para cima, 27,8, mas de 27,65 é para baixo, 27,6.
9
Algarismos significativos
✓ Alguns números são ou muito grandes ou muito pequenos, de
modo que o emprego do sistema decimal usual mostra-se
inadequado e incômodo.

✓ Por exemplo, ao escrever 0,0000000000000000000472 como

também tem-se apenas uma impressão do quanto este
número é pequeno.

✓ É bem mais conveniente escrever 4,72 x 10-20. Esta notação é

conhecida por notação exponencial ou científica.

10
Notação exponencial
9,876543 x 106

Coeficiente multiplicador
(mantissa)
deve ser maior ou
igual a 1 e
menor que 10

11
Erros em análises químicas
 É impossível realizar uma análise química que seja
totalmente livre de erros ou incertezas.

 Apenas podemos desejar minimizar os erros e

estimar sua grandeza com uma exatidão aceitável.

12
Medidas, exatidão e precisão
 Os números podem ser exatos ou aproximados.

 Números exatos: são aqueles com nenhuma

incerteza. Ex.: O número de jogadores de um time
de basquetebol (exatamente 5).
 Números aproximados: São mais comuns, resultam
de medidas diretas ou indiretas e apresentam algum
grau de incerteza.

13
Réplicas
 São as porções de uma população, que possuem o mesmo
tamanho e que são tratadas por um procedimento analítico da
mesma forma.
 Os resultados individuais obtidos para um conjunto de
medidas raramente são iguais, assim sendo, consideramos
que o “melhor” resultado é o valor central do conjunto.
 Normalmente, a média ou a mediana é usada como valor
central do conjunto de réplicas de medida.

14
Média ou média aritmética
Na maioria das vezes o melhor resultado está situado ao
redor de um VALOR CENTRAL, definido como valor médio.

15
Mediana
 A mediana é o resultado central quando as réplicas de dados são
organizadas de acordo com uma sequência crescente ou
decrescente de valores.

 Para um número ímpar de resultados, a mediana pode ser

avaliada diretamente.

 Para um número par de resultados, a média do par central é

usada.

 Em casos ideais, a média e a mediana são idênticas, mas

quando o número de medidas do conjunto é pequeno,
normamente seus valores diferem. 16
Exemplo: Os resultados de 6 réplicas de determinações de ferro
em amostras de uma solução aquosa de uma solução padrão contendo
20,00 ppm de ferro (III) foram: 19,4; 19,5; 19,6; 19,8; 20,1 e 20,3.
Calcule a média e a mediana para estes dados.

Este conjunto contém um número par de medidas, a mediana é a

média do par central.

17
Precisão
 A precisão descreve a reprodutibilidade das medidas; isto é, a

proximidade entre os resultados que foram obtidos exatamente da

mesma forma.

 Geralmente, a precisão de uma medida é prontamente determinada

simplesmente pela repetição da medida em réplicas da amostra.

 Três termos são amplamente empregados para descrever a precisão

de um conjunto de dados de réplicas: desvio-padrão, variância e o

coeficiente de variação.

 Os três termos são uma função de quanto um resultado individual xi

difere da média. 18
Desvio aparente
Mostra quanto um resultado individual (Xi) difere da
média:

19
Exatidão e precisão
 A exatidão é relativa ao verdadeiro valor da
quantidade medida.

 A precisão é relativa à reprodutibilidade do número

medido.

20
Exatidão X Precisão

21
Erro de uma medida
Erro absoluto:
E = X – XV
E = Erro absoluto
X = Valor medido
XV = Valor verdadeiro Adimensional
Expresso com partes por 100;
Er × 100
Erro relativo (Er)

22
Exemplo
O teor verdadeiro de cloro num dado material é
33,40 % m/v, mas o resultado encontrado por um
analista foi de 32,40 % m/v. Calcular o erro absoluto e
o erro relativo do resultado.

23
Medidas, exatidão e precisão
 Os números podem ser exatos ou aproximados.

 Números exatos: são aqueles com nenhuma

incerteza. Ex.: O número de jogadores de um time
de basquetebol (exatamente 5).
 Números aproximados: São mais comuns, resultam
de medidas diretas ou indiretas e apresentam algum
grau de incerteza.

24
 Exemplo
O comprimento do lápis (21 cm) é medido com um dispositivo que permite
aproximações de 0,01 cm. Seis medidas foram realizadas separadamente, e
o valor médio foi calculado.

Os valores medidos são:

20,14 cm
20,17 cm
20,12 cm
20,16 cm
20,15 cm Precisão Alta.
20,12 cm Exatidão Baixa.
Média: 20,14 cm
25
Tipos de erros
1. Erros determinados ou sistemáticos: Possuem um
valor definido e, pelo menos em princípio, podem ser
medidos e computados no resultado final. Ex.: Perda
despercebida do analito durante aquecimento.

2. Erros indeterminados: Não possuem valor definido,

não são mensuráveis e flutuam de um modo aleatório.

3. Erros grosseiros: Podem ser evitados.

26
 Erros sistemáticos
 Existem três tipos de erros sistemáticos:

(1) Erros instrumentais: Causado pelo comportamento não ideal de um

instrumento, por calibrações, falhas ou pelo uso de condições
inadequadas. Ex.: Utilização de instrumentos volumétricos de vidro em
temperaturas diferentes daquelas nas quais foram calibrados.

(2) Erros de método: Surgem do comportamento químico ou físico não ideal

de sistemas analíticos. Ex.: Pequeno excesso de reagente necessário
para provocar a mudança de cor do indicador que acusa o final da reação.

(3) Erros pessoais: Resultam da falta de cuidado, falta de atenção ou

limitações do analista. Ex.: Detecção da mudança de cor nos processos
de titulação por pessoas daltônicas.
27
Erros sistemáticos
1. Erros instrumentais (comportamento não ideal,
falha na calibração, condições inadequadas,...)
2. Erros de métodos (uso impróprio de indicadores...)

3. Erros operacionais (relacionados às manipulações

feitas durante a realização das análises).
4. Erros pessoais (falta de cuidado, falta de atenção,
limitações pessoais do analista)

28
Erros indeterminados
 Mesmo na ausência de erros determinados, se uma
mesma pessoa faz uma mesma análise, haverá
pequenas variações nos resultados.
 Não podem ser localizados e nem corrigidos.

 No entanto, estes erros podem ser submetidos a um

tratamento estatístico que permite saber qual o valor
mais provável e também a precisão de uma série de
medidas.
29
Erros grosseiros
Os erros grosseiros podem ser evitados e,
normalmente, são responsáveis por resultados
absurdos ou discrepantes em relação ao valor
central ou valor verdadeiro.

30
Amostras e populações
 Tipicamente, em um estudo científico, inferimos
informações sobre uma população ou universo a
partir de observações feitas em um subconjunto, ou
amostra.

 A população é a coleção de medidas de interesse e

precisa ser cuidadosamente definida pelo analista.

31
Propriedades das Curvas
Gaussianas
Uma variável segue a lei de distribuição normal quando,
em princípio, pode tornar todos os valores de - a +, com
probabilidades dadas pela equação:

Representação gráfica da lei de distribuição

normal (distribuição de Gauss).
32
Média da população µ e a Média da
amostra x
 A média da amostra “x” é a média aritmética de uma
amostra limitada retirada de uma população de dados.

 A média µ, em contraste, é a verdadeira média para a

população.

N é o número de medidas para N é o número total de medidas

para a população 33
o conjunto de amostra
Desvio padrão da população
O desvio padrão da população , que é uma medida
da precisão de uma população, é fornecido pela
equação:

34
Curva normal padronizada ou curva
normal reduzida

 µ = 0;
=1
 As áreas situadas abaixo
desta curva são tabeladas.

35
 Transformação de uma variável “x”
em “z”.
 As variáveis observadas na prática (x) apresentam
valores cujas áreas não estão tabelados.

36
 Área sob uma curva gaussiana

 Desvio + 1 - 68,3%

 Desvio + 2 - 95,4%

 Desvio + 3 - 99,7%

37
Desvio padrão da amostra
 A equação que descreve o desvio padrão da
população  precisa ser modificada quando for
aplicada a uma pequena amostra de dados:

38
 Variância e outras medidas de
precisão
 A variância é o quadrado do desvio padrão.

 A variância da amostra (s2) é uma estimativa da

variância da população 2.

 Desvio padrão relativo (DRP):

 O DRP multiplicado por 100 é igual ao coeficiente de

variação (CV).

39
Intervalos de confiança
 Geralmente, em um trabalho analítico, somente um
pequeno número de determinações é feito (duplicatas,
tripliclatas, etc), tornando-se necessário examinar como
estes dados podem ser interpretados de uma maneira
mais lógica.

 Nestes casos, os valores conhecidos são “x” e “s”, que

são estimativas de µ e .

40
Intervalos de confiança
É interessante saber qual o intervalo em que deve estar a média da população µ,
conhecendo-se a média das determinações, x. Quando  é conhecido, esse
intervalo é dado pela equação:

 Entretanto, geralmente não se dispõe do desvio-padrão. Conhece-se apenas a

sua estimativa, “s”.

 Nesse caso não é correto os valores de “z”.

 O problema é resolvido usando-se os valores “t”.

41
Distribuição t Student

A função densidade da
distribuição de Student para
alguns valores de v e da
distribuição normal (a preto).

42
Intervalos de confiança

43