Escolar Documentos
Profissional Documentos
Cultura Documentos
~ . . DE SÃO PAULO
' . . .
. . - . ,
•'
. INS~.TITUTO D·E FISICA ·
J. H. Vuolo
'1. 99
~ .'')-9
'
··
'
'
. ..
.~· .
::· ·
' .
Prefádo
Esta apostila destina-se a alunos iniciantes no assunto, tendo em vista
a sua utilização ao longo de 2 semestres, em disciplinas experimentais de
Física Básica, para cursos de Física, Engenharia e outros cursos da área de
ciências e?catas. O texto se restringe a conceitos básicos sobre erro e incerteza,
ava.li.ação de incerteza em medições simples e ajuste de reta a pontos experi-
mentais. Mesmo assim, avaliação de qualidade do ajuste de reta e covariância
dos parâmetros da reta não são incluídos no texto.
A preocupação maior foi apresentar e interpretar os conceitos básicos, sem
grande preocupação com demonstrações rigorosas ou manter uma sequência
lógica consistente ao longo do texto. Além disso, alguns conceitos são repetidos
ao longo do texto, sempre que pareceu oportuno enfatizar o conceito.
Uma outra observação é que as primeiras versões da apostila deram origem
ao livro Fundamentos da Teoria dos Erros, (Referências 5. e 6 ). Assim, pare-
ceu mais conveniente omitir discussões longas, deduções trabalhosas e exemplos
mais detalhados, que podem ser encontrados no livro. Assim, o livro aparece
muitas vezes como referência, complementando o texto. Isto é, o livro é citado
um grande número de vezes, não porque seja uma referência fundamental ou
melhor que as outras, mas apenas por causa de sua ligação genealogica com a
apostila, tendo mesma nomenclatura e mesma simbologia. A apostila foi es-
crita com objetivo de ser um texto razoavelmente consistente e suficiente para
2 semestres iniciais de disciplinas experimentais, ficando o livro para eventual
consulta ao leitor mais interessado.
Esta apostila é uma 3ª edição de uma escrita em 1990, da qual foi feita uma
2ª Edição revisada em 1992. Conforme já observado nas apostilas anteriores,
o assunto apresenta algumas dificuldades de nomenclatura e conceitos básicos
relativos a incertezas. Estas questões têm sido discutidas por grupos de tra-
balho constituídos por especialistas indicados por várias organizações interna-
cionais ( BIPM, IEC, IFCC 1 ISO, IUPAC, IUPAP e OIML). As recomendações
desses grupos de trabalho. foram publicadas em 1993 na lsi. Edição do "Guide
to the Expression of Uncerta.inty in Measurement", também conhecido pela
sigla ISOGUM (Referência 1 ). ·Com pequenas correções, o texto foi reim-
presso em 1995. Também deve ser mencionado o "International Vocabulary
of Basic and General Terms in Metrology" (VIM, Referência. 3 ). Estes textos
já têm versões brasileiras, elaboradas por grupos de trabalhos reunidos por
iniciativa do INMETRO (Referências 2 e 4 ). ·
i
Esta 3ª Edição da apostila foi reescrita procurando seguir, na medida do
possível, as recomendações apresentadas no "ISOGUM" e no "VIM". Um re-
sumo sobre os térmos mais importantes utilizados nesta edição da apostila são
-resumidos a seguir.
• A expressão "incerteza padrão" é adotada para uma incerteza de qual-
quer tip9 dada na forma de "desvio padrão". Por extensão, o quadrado
de uma incerteza padrão é da forma de uma variância.
ii
Embora este Guia forneça um esquema de trabalho para obter in-
certeza, ele não pode substituir pensamento crítico 1 honestidade
intelectual e habilidade profissional. A avaliação de incerteza. não
é Uf!1-ª forefa de rotina, nem um trabalho puramente ·matemático;
depende de conhecimento detalhado da natureza do mensúrando
e da medição. Assim, a qualidade e utilidade da incerteza apre~
sentada para o resultado de uma medição dependem, em última
instância, da compreensão, análise crítica e integridade daqueles
que contribuíram para atribuir o valor à mesma.
iii
ÍNDICE
Seção 1. Um exemplo . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 1
Constante universal de gravitação. Alguns resultados experimentais.
Seção 2. Erro e incerteza ........................................... 4
Melhor valor e valor verdadeiro de uma grandeza. Erro. Incerteza.
Intervalo de confiança. Interpretação da incerteza padrão.
Seção 3. Algarismos sig tivos . . . . . . . . . . . ... ..... .. ... .... 7
Algarismo significativo. N' de algarismos na incerteza padrão.
Arredondamento de números. Formas de indicar a incerteza padrão.
Seção 4. Erros aleatórios e erros sistemáticos . . . . . . . . . . . . . . . . . . . 12
Valor médio de n resultados. Erros sistemáticos e aleatórios (estatísticos).
Incerteza sistemática residual. Erros grosseiros. Incertezas tipo A e B.
Seção 5. Valor médio e desvio padrão . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Valor médio verdadeiro para medições idênticas. Desvio padrão.
Desvio padrão para a média. Estimativa experimental do desvi.o padrão.
Seção 6. Incerteza padrão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Incerteza padrão. Incertezas padrões tipo A e B. Estimativa da incerteza
sistemática residual. Incertezas relativas. Resumo das Seções 5 e 6.
Seção 7. Distribuição ga11ssiana de erros . . . . . . . . . . . . 32
Função de densidade de pri:fbá:btli'dade. NormalizaÇão, valor médio e
desvio padrão. Distribuição de Laplace-Gauss. Histograma. Justificativa
para a função gaussiana.
Seção 8. Propagação de incertezas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Fórmula de propagação de incertezas. Exemplos para alguns casos.
Seção 9. Incerteza numa medição simples . . . . . . . . . . . . . . . . . . . . . . . 46
Leitura de um instrumento de medição. Incerteza padrão. Incerteza
estatística. Incerteza sistemática residual. Erros de calibração. Régua.
Funcionamento do nônio. Paquímetro. Instrumentos. digitais. Exemplos.
SeÇão 10. Método de máxima verossimilhança ...· . . . . . . . . . . . . . . . 54
Método de máxim.a verossimilhança. Melhor aproximação para n
resultados. de medições similares de uma grandeza. Exemplos. .
Seção 11. Regressão linear ........................................ 58
Equação de reta. Linearização. Conjunto de pontos experimentais.
Ajuste de reta. Ajuste de reta para incertezas· iguais. Incertezas iguais
e desconhecidas. Ajuste de reta no caso geral. Ajuste de reta y=ax.
iv
1 Um exemplo
(1)
1
Tabela 1 : Valores experimentais para a constante. de gravitação.
6,75
1
..
O"
6,70 l
~Ç---------------t--i----
6,651---r--.--,--i-----r--,--,...---,--tr-,--r-.--r----
1700 1750 1800 1850 1900 1950 2000 ano
Figura 1. Alguns valores da constante de gravitação ao longo dos anos.
Para o valor de 1988, a incerteza é menor que a bolinha que representa o
ponto e não é possível 'desenhar. "barras de incerteza". O valor verdadeiro Ç
é desconhecido, sendo o valor indicado apenas uma aproximação.
3
2 .Erro e incerteza
Os conceitos de valor verdadeiro e melhor valor (ou valor experimental)
de uma grandeza física são discutidos nesta seção. Os conceitos de erro e
incerteza são discutidos, bem como as formas mais usuais de indicar incerteza
que são incerteza padrão u e seus múltiplos 2u e 3u .
2.2 · Erro
O erro 'TJ é a diferença entre o valor experimental y e o valor verdadeiro y,, ,
isto é,
., = y - y,,. (1)
Uma vez que o valor verdadeiro .Yv é sempre desconhecido, resulta que o erro
TJ também .é uma quantidade desconhecida.
4
Em certos casos, uma grandeza é conhecida exatamente. Como exem-
plos podem ser mencionados a "velocidade da luz no vácu~" definida como
299 792458 m/s e o "kilograma-padrão" guardado em Sevres (França) tem
massa de 1 kg , por definição. Por exemplo, pode-se realizar uma experiência
para "medir" a velocidade da luz .no vácuo. Evidentemente, medições deste
tipo só têm sentido para aferir equipamentos de medição ou no caso de ex-
periências didáticas. Nestes casos, o erro pode ser determinado exatamente.
Entretanto, as grandezas mencionadas não são grandezas que só podem ser
dete~minadas a partir de medição e portanto, não são grandezas físicas expe-
rimentais. ·
Existem outras situações particulares em qu~ o. erro pode ser obtido com
boa aproximação. Por exemplo, um estudante repete a famosa experiência de
Miilikan para determinar a carga do elétron e obtém qe = 1, 608 X 10- 19 e.
Atualmente, "melhor valor experimental" é' 1, 60217733 X 10-19 e' valor de-
terminado a partir de resultados .de medições bastante elaboradas2 • Embora
este não seja o valor verdadeiro para a carga do elétron, o estudante usá-lo
para calcular, com muito boa aproximação, o erro no seu resultado q0 •
Entretanto, os casos acima são excepcionais ·e, como regra geral, o erro é
uma quantidade inteiramente desconhecida. Em particular, no formalismo da
teoria dos erros, o erro é sempre. uma quantidade desconhecida.
2.3 Incerteza
A incerteza no valor experimental de uma grandeza é uma indicação de quanto ·
o melhor valor pode diferir do valor verdadeiro da grandeza. Ein outras
palav~as, a incerteza é uma indicação de quanto pode ser o erro 1J. Uma
vez que o valor verdadeiro da grandeza, bem como o erro sã.o desconhecidos,
a
fica evidente que tanto o melhor valor como ,incerteza só podem ser obtidos
e interpretados em termos de probabilidades. Se fosse possível fazer qualquer
afirmação mais positiva sobre o melhor valor ou sobre a incerteza, o valor
verdadeiro e o erro deixariam de ser descônhecidos.
Numa medição simples de uma grandeza física~ os objetivos da teoria de
erros podem ser resumidos em: .
• obter o melhor·valor para a grandeza a partfr do conjunto de dados e'xperi-
mentaís disponível.
• estimar a incerteza no melhor valor. Isto é, estimar quanto. o melhor valor
pode ser diferente do valor verdadeiro da grand~a.
2
Referência 7.
Tabela. 1: Intervalos de confiança, no caso de distribuição gaussiana de erros.
2 .4 Intervalo de confiança
Nfoel de confiança P de uma afirmativa é a. probabilidade3 P de que esta
afirmativa esteja correta.
Se Yv é o valor verdadeiro de urna grandeza, pode-se considerar a afirmatit1a
que y 0 está. contido no intervalo entre ( y -, 6 ) e ( y + b) :
expressa pela equação acima tem uma probabilidade P de ser correta. Isto é,
a Equação 2 tem nível de confiança P.
Se a Equação 2 tem nível de confiança P, esta equação define um inter·valo
de confiança P para a grandeza y,,.
6
3 Algarismos significativos
.._____,.___...
0,000 XY ··· ZW
significativos
ABCD ···
não significativos
nã.o significativos
7
Por outro lado, deve ser considerado que existe uma ·incerteza associada ao
número que representa a grandeza experimental. Isto significa que todos os
algarismos à direita além de um certo algarismo W são não significativos.
Isto é explicado um pouco mais detalhadamente a seguir.
Devido à incerteza, cada um dos algarismos no número tem uma deter-
minada probabilidade de ser correto. Geralmente, esta probabilidade é muito
próxima de 100 % para o primeiro algarismo não nulo ( X ) e vai diminuindo
para algarismos à direita. Para um determinado algarismo A, a probabilidade
de que ele seja o algarismo correto se torna pratica.mente igual à probabilidade
para qualquer outro algarismo (entre O e 9 ). Ocorre que, quando um deter-
minado algarismo tem a mesma probabilidade de ser o algarismo correto que
qualquer outro algarismo, então, este algarismo não pode ter nenhum sig-
nificado. Em outras palavras, um algarismo é significativo se ele tem maior
probabilidade de ser correto, em relação a outros. O último algarismo sig-
nificativo à direita pode ser determinado pela incerteza padrão na grandeza,
conforme a regra2 :
Se a incerleza padrão é dada com 2 algarismos, os 2 algarismos corres-
pondentes na grandeza podem ser considerados como os 2 últimos algarismos
significativos. Quando a incerteza padrão é dada com· um único algarismo, o
algarismo correspondente na grandeza é o último algarismo significativo.
Uma grandeza experimental deve ser escrita conforme as regras:
• Os algarismos não significativos à direita nunca devem ser escritos no
resultado final. ·
• Zeros à esquerda, que também são considerados algarismos não signi-
ficativos, devem ser evitados por meio de mudança de unidades ou usando
notação científica, exceto se existirem outros inconvenientes. Por exemplo, é
inconveniente mudar de unidades em uma mesma tabela.
8
Tabela .1. Formas adequadas e inadequadas de indicar a incerteza padrão.
9
3.4 Arredondamento de números
Frequentemente ocorre que números devem ser arredondados. Por exemplo,
na soma ou subtração de 2 quantidades, as mesmas devem ser escritas com
· o mesmo número de algarismos significativos.
Quando um dos números t.em algarismos significativos excedentes, então es-
tes devem ser eliminados com arredondamento do número. O arredondamento
também deve ser empregado na eliminação dos algarismos não significativos
de um número.
Se em um determinado número, tal como
···W,YX ABCD
aignificatívoa não 1Jignific. ou e:cces110
a
• Se fração a ser eliminada é,exatamente 0,50000 ... , então o arredonda-
mento deve ser tal que o algarismo X depois do arredondamento deve
ser par.
10
3.5 Formas de indicar a incerteza padrão
Urna grandeza experimental deve ser sempre dada com a respectiva incerteza.
De preferência, deve ser indicada a incerteza padrão.
A incerteza padrão deve ser dada com 1 ou 2 algarismos conforme as regras
apresentadas. A grandeza experimental deve ser dada com todos os algarismos
significativos (incluindo aqueles correspondentes à. incerteza padrão).
Por exemplo, a constante universal de gravitação é escrita como
onde deve ser observado que a incerteza padrão .u é uma quantidade positiva
por definição e o sinal ± é convencional, não tendo relação muito direta com
o s1gm · · " - " ou "+" .. s·ornar ou sub trair
· ·ficado usuai d.os sma.1s · u d a gran deza
permite obter os limites do intervalo de confiança com nível de confiança de
~ 68 %, conforme discutido na Seção 3.1.
Conforme as regras adotadas antes, o resultado anterior também pode ser
escrito como
que ainda pode ser escrita como G = 6, 6726 (8) x 10-11 m3 s- 2 kg-1 •
Entretanto, esta última notação deve ser evitada por iniciantes no cálculo
de incertezas, porque é mais difícil tr:abalhar com esta notação e, principal-
mente, é mais difícil perceber enganos. Esta notação não a.presenta nenhuma
redundância e um engano não pode ser facilmente percebido. Por exemplo, se
no resultado acima o algarismo 2 fosse omitido por erro de digitação, resul-
taria 6,6759 (85). Este resultado está totalmente incorreto e seria impossíyel
ao leitor perceber que ocorreu uma falha. Se o mesmo erro ocorresse na notação
mais convencional ( 6, 6759 ± O, 00085 ), o resultado também está incorreto,
mas fica imediatamente claro que ocorreu alguma falha, porque o número de
algarismos na grandeza não é compatível com a incerteza.
11
.4 Erros aleatórios e erros sistemáticos
Erros sistemáticos e erros aleatórios (ou estatísticos) sã~ discutidos nesta
seção, juntamente com os conceitos de precisão e acurácia (ou exatidão).
Cada um
desses valores é genericamente indicado por y;, onde . i assume
valores de 1 a n. ·
O valor médio dos n valores é
_
y =
Y1 + Y2 + Y3 + ··· + Yn-1 + Yn = -
l:i':1
-y;. (1)
n n
Assim como cada resultado y; é diferente do valor verdadeiro y,, da gran-
deza, o valor médio y também é diferente do valor verdadeiro 2 •
A Figura 1 mostra um e)Çemplo de 20 resultad~s (n = 20) de medição de
uma grandeza y , sendo Yv o valor verdadeiro e y o valor médio.
12
.1
• .. . .
t t
Yv
~-
Y
·~ ~- y
13
... t\~-- ·~
Yv Y
~- •• y
y
t-cy-1
y., y=y;
. .. ... tt...
, , ~ ·~ ,. . ~ .•1
y
y., 'iJ
·t
y.,
. "t jj
y
14
Se, em certos casos o erro estatístico pode ser reduzido ou praticamente
eliminado, em outros casos isto não é possível. Por exemplo, o número de
desintegrações radiativas que ocorre em 1 minuto em uma. amostra de material
radiativo é uma quantidade que varia aleatoriamente em torno de um valor
médio. Este tipo de medição tem um erro estatístico intrínseco que nunca
pode ser eliminado. .
A expressão "erro praticamente eliminado" significa. que o erro foi reduzido
ao ponto de se tornar desprezível comparado com os demais erros envolvidos
no problema.. Na verdade, um erro nunca pode ·ser eliminado, m~ apenas·
reduzido. · . ·
Uma solução para minimizar os efeitos de erros estatísticos cónsiste em
repetir medições, uma vez que o valor médio de um grande número de re~ulta
dos tem erro estatístico menor. Isto será mostrado mais detálhadamente nas
próximas seções.
A incerteza associada a.os erros aleatórios (ou estatísticos) pode ser cha-
mada de incerteza estatística. ·
15 -
4.4.2 Erros sistemáticos teóricos
Erro teórico é ~rro que resulta do uso de fórmulas teóricas ·aproximadas ou uso
de valores aproximados para eventuais constantes físicas que sejam utilizadas.
Na realização de uma experíência, geralmente é necessário utilizar um modelo
para o fenômeno físico em questão. Confon:ne o modelo adotado, as fórmulas
teóricas podem não ser suficientemente exatas e grandeza.S físicas obtidas por
·meio destas fórmulas terão erro sistemático. O mesmo vale com relação às
constantes físicas utiliza.dos em cálculos.
Por exemplo, realiza-se uma medição da aceleração da gravida.de g por
meio de uma experiência de queda livre. "Desprezando" a resistência do ar, a
velocidade v em função do tempo t será dada por ·
V= gt.
16
Erros sistemáticos ambien.~ais também podem, em geral, ser reduzidos ou
praticamente eliminados se as condições ambientais forem bem conhecidas e, de
preferência., controladas. No exemplo acifna, é importante conhecer o campo
magnético terrestre para eliminar ·o erro corrigindo o resultado final, uma vez
que não é possível eliminar ou controlar o campo magnético terrestre. Entre-
tanto, alguns fatores ambienta.is como temperatura, humidade, luminosidade,
vibração e outros podem ser controlados, além de serem medidos.
17
4.5 Incertezas sistemáticas residuais
Em muitos casos, os erros sistemáticos podem ser reduzidos ou podem ser
feitas correções aos resultados finais. Entretanto, nem sempre isto é possível
na prática. Por motivos diversos, pode ser que não seja possível reduzir ou
estabelecer correções para erros sistemáticos.
Às vezes, eliminar um erro sistemático relativamente pequeno em uma ex-
periência de física, pode custar muito tempo e dinheiro, sendo inviável qualquer
procedimento para a correção do erro. .
Erros sistemáticos de qualquer tipo, que não possam ser reduzidos a um
valor baixo ou para os quais não seja possível fazer correções são à.amados
erros sistemáticos r1;siduais6 •
A incerteza sistemática residual pode ser entendida como a incerteza cor-
respondente a.o erro sistemático residual.
As incertezas sistemáticas residuais devem ser tratados como incertezas
estatísticas, para efeito de indicar a incerteza pa<lrão no resultado final da
medição de uma grandeza. A regra para obter a incerteza padrão a partir da
incerteza estatística e jncerteza sistemática residual é apresentada na Seção 5.
18
4. 7 Incerteza tipo A e_ incerteza tipo B
A distinção entre erros sistemáticos e aleatórios é um pouco artificial Um erro
sistemático numa determinada medição pode-se tornar aleatório num outro
contexto_ Como exemplo, pode se" considerar um instrumento calibrado a
20º . Se o instrumento é utilizado numa temperatura um pouco diferente pode
existir um erro de calibração que é sistemático. Se a temperatura varia aleato-
riamente em torno de 20º, este tipo de erro pode ser considerado aleatório
quando se consideram várias medições. Entretanto, pode ocorrer que a cons-
tante de calibração do instrumento seja um mínimo a 20º . Isto é, a constante
de calibração sempre aumenta de valor qualquer que seja a variação de tem-
peratura (para cima de 20° ou para baixo).· Neste caso, o efeito de variações
aleatórias na temperatura resulta em erro sistemático. Um erro deste tipo
não se enquadra nas definições dadas na Seção 4.2 para erros aleatórios ou
sistemáticos.
Inversamente, um erro aleatório pode se tornar sistemático. Um exemplo
de erro aleatório é o erro de "zero" de um instrumento, quando se realiza
uma série de medições. Em geral, o procedimento correto consiste sempre em
ajustar o "zero" do instrumento em cada medição. Assim, o erro devido ao
"zero" é aleatório. Se, por qualquer motivo, o "zero" não é ajusta.do em cada
medição, o erro se torna sistemático.
Para evitar questões como essas, tem sido proposto7 que as incertezas
sejam simplesmente classificadas como incertezas tipo A e incertezas tipo B,
conforme as de:finiÇões :
Corno regra geral, a incerteza tipo A pode ser identificada com a incerteza
estatística, que a ·a. incerteza associada aos .erros aleatórios ( ou estatísticos ) .
A incerteza tipo B pode ser identificada com a. ineerteza· sistemática residual,
que é a incerteza associada aos erros sistemáticos residuais. Mas deve ser
observado que esta identificação é apenas uma regra geral e pode ser falha em
vários casos.
7
Referências 1 e 2, por exemplo.
19
5 Valor médio e desvio padrão
Nesta seção, são definidos os conceitos mais importantes com relação a erros
estatísticos, tais como valor mldio verdadeiro, valor médio do conjunto de
resultados, desvio padrão do conjunto de resultados, melhor estimativa experi-
_mental para o desvio padrão e desvio padrão no valor médio.
(2)
n
Espera-se que o valor médio y se torne tanto mais predso quanto maior
for o número n de medições. Este valor limite é definido como o valor médio
verdadeiro
Ymv == n--><><>
1im 'fJ · (3)
20
- (}' ,-:--+-
·~ .. ,,,,~ •1 .
y
d; = Yi - Ymv • (4)
Uma vez que o valor médio verdadeiro Ymv é desconhecido, é claro que o
desvio d; também é desconhecido. Assim, a melhor aproximação para o
desvio é obtida substituindo-se na definição acima o valor Ymv por y.
A média dos desvios d é dada por
L;f=l Ymv
n n n
=Y - Ymv·
Uma vez que y tende a Ymv para grande número de resultados 1 , resulta que
a média dos desvios tende a se anular.
Para um -determinado conjunto de resuitados, com número n bem deter-
minado e finito, a variância do conjunto de resultadós é definida por
e <Tv=~· (5)
21
A variância a-~ é a média dos quadrados dos desvios, enquanto que o desvio
pa<lrão é a. raiz quadrada desta média. Por isso, o desvio 'padrão também é
chamado desvio médio quadró:iíco.
Medida de áis~rsão é uma quantidade que indica quanto os resultados y;
se espalba.in {ou se dispersam) em relação ao valor médio verdadeiro Ymv , por
causa de erros estatísticos. O desvio padrão é a quantidade mais utilizada para
caracterizar a dispersão de um conjunto de resultados. A média dos desvios d
tende a zero conforme o número de medidas aumenta e assim, esta quantidade
não serve como medida da dispersão. Entretanto, desvio médio, definido como
a média dos módulos dos desvios, pode ser usada eomo medida de dispersão.
Yt , Y2 , YJ , · · · YJ , • · · , Yk ·
( -Y; =
Z:::i=1 Yij )
, (6)
n
onde cada Yi é uma média de n valores Yi; do j-ésimo conjunto de resultados.
Isto é, y13 é o i-ésimo resultado do j-ésimo conjunto de medições.
Para k -> oo , pode ser mostrado2 que a variância <1'm.,, associada ao valor
médio é
=~ ou (7)
n
Esta equa.ç~ explica éomo a precisão do valor médio melhora conforme au-
menta o número de medições. Como pode ser visto, o desvio padrão para a
média é ../ii vezes menor que desvio padrão dos resultados. Por exemplo, se
o-., é o desvio padrão para um conjunto de 25 resultados, o desvio padrão O'mv
do valor médio é O'v/../25 = O'v/5.
Quando existem erros sistemáticos, a variância O'~., dada por (7) é a
variância correspondente a.os erros estatísticos somente. Neste caso, a incerteza
padrão no resultado :final depende também da incerteza sistemática residual e
pode ser obtido pelas regras apresenta.d<IB na Seção 6.
2 Ver Seção 7.3 da Referência 6, por exemplo.
22
·5.4 Melhor estimativa experimental do desvio padrão
As expressões (5) e (7) definem os vafore8 verdadeiros das variâncias para
o conjunto de resulta.dos ( (fv) e e para. o valor médio ( CTmv ). Entretanto,
estas expressões são inúteis D.a prática, uma vez que o·va.lor médio verdadeiro
Ymv é desconhecido. Lembrando que o.valor médio y é um valor próximo de
Ymu, é possível deduzir expressões mais úteis para os desvios padrões, que são
apresentadas a·seguir. ·
3
Conforme pode ser demonstrado , a variância para. um conjunto de n
resultados y; é dada aproximadamente por
1 ,...
02 2=f _ _ l:(Yi -y)2. (8)
n- 1 i=l
ou (10)
23
6 Incertezapadrão
A incerteza padrão é definida para um conjunto de medições simples de uma
grandeza, a partir .do desvio padrão no valor médio e da incerteza sistemática
residual. Alguns exemplos de cálculo da incerteza padrão sã.o apresenta.dos.
y = y + e, (2)
(3)
1 Vet Seção 5.1eFigura.1.
2Ver Seção 7.6 da. Referência. 6. Esta expxessão também pode ser deduzida da Equação 2,
usando a fórmula para. propagação de incert.ezas (Equação 1 da Seção 8 ).
24
onde Üm é o desv]o padrão para o valor médio e q'T é a incerteza sistemática
residual (desvio padrão associa.do aos err~s sistemáticos residuais).
Conforme a expressão (3), a incerteza padrão é obtida a partir da soma das
variâncias correspondentes a erros estatísticos e erros sistemátieos residuais.
Esta regra para combinar incerteza estatística e incerteza sistemática residual
está de acordo com as recomendações do Bureau Internacionàl de Pesos e
Medidas (BIPM) 3 e outras organizações internacionais4 . ·
Quando um resultado final é apresentado, além da incerteza padrão, a in-
certeza estatística e as incertezas sistemáticas também tlevem ser especificadas
separatlamente. .
(4)
por um t1atado assinado em 1875 (inclusive pelo Brasil) para assegurar a unificaçâ.o inter-
·nacional e melhoria do sistema métrico de unidades. Desde então é a. entidade respom1ável
pelo Sístema lnterna.cíonal de Unidades (SI).
"Referência. 1. Ume. discussão adicional é apresente.da. no Apêndice C da Réferência 6.
5 Ver discussão, a seguir.
25
Por outro lado, a. variância 1.7; correspondente aos erros sistemáticos resi-
duais é bem ma.is difícil de ser determinada. e não existindo nenhum método
padrão bem estabelecido para. isso. A seguir é a.presentado um procedimento
geral pa.ra estimar a variância. u: em casos ma.is simples.
Geralmente, uma análise cuidadosa da acurá.cià dos instrumentos e do pro-
cesso de medição permite estimar, com certo nível de confiança, um valor
máximo admissível para o erro sistemático residual. Isto é, pode-se estimar
um limite de erro Lr com determina.d.o nível de confiança. Admitindo que esse
erro segue uma distribuição gaussiana.6 e Lr tem c~nfiança ,...., 95 %, variância
u; pode ser obtida a partir de (Tabela 1 da Seção 2 } :
ou (5)
Em geral, nã.o é possível conhecer o limite de erro com nível de confiança muito
· grande. Eventualmente, se for possível atribuir um nível de confiança maior
que "' 99 % para o lircite de erro sistemático ( Ta.bela 1 da Seção 2 ) :
L.,. = 3 l.7r ou
2
O',,. = 91 L.,.
2
(6)
26
6.5 Resumo das Seções 5 e 6
O valor verdadeiro ·y,, de uma grandeza. é desconhecido. O và.lot médio
verdadeiro Ymv . corr~spondente a. um particular processo de mediÇão, também
ê uma quantidade desconhecida.
Para um conjunto de n resultados de medições idênticas ~a grandeza. y:
Y1 , Y2 , Ys , • • · , Y• , . · : • , Y'fl ,
a. melhor estimati~a. que pode ser feita para o valor médio verdadeiro é o valor
médio:
1 n ln n_z
Í:(Yi -:--Y-)2 = -í:Yl - - . -y
n - 1 •=l n- l i=i n - l
A incerteza padrão u'P deve ser: obtida a. partir da soma das variâncias
correspondentes a erros estatísticos e sistemáticos, isto é, • -
Como regta geral, aplicável aos casôs mais simples, a: incertez.a. ~isieiruiti~
residual u r pode séf estima.da: por ·
a2 = _l_
n-].
t T;2 - _n_T
n-1
2
= ( 78 •7414 - ~9, 7906 )s 2 =
7
0,01269s 2 .
•=l .
Nem todos os algaris~os mostrados até aqui são significativos, mas antes
de se chegar a.o resultado final, é preferível ter excesso de alga.rismos, do que
correr o risco de omitir algarismos significativos.
Assim, melhor estimativa para o desvio pa<lrão dos resultados é
ªm = vna 0,113
= v'8 s = 0,040.s .
28
Mas, nem sempre é possível determinar o erro sistemático e fazer a correção
correspondente, como é mostrado a seguir ~m um exemplo.
Um possível erro sistemático que pode ocorrer é de tipo observacional, isto
é, devido ao observador. Por exemplo, se o observador dispara o cronômetro
sempre um pouco atrasado, mas para o cronômetro corretamente, então os
intervalos de tempo medidos são sistematicamente menores que os reais. Se
existir suspeita de que há um erro sistemático grande deste tipo, o melhor
procedimento é refazer as medições, pois é muito difícil determinar a éorreção
a ser feita neste caso.
Entretanto, por mais correto que seja o procedimento de cronometragem,
pode existir um erro sistemático residual, pois o cronômetro é disparado e
parado manualmente. O tempo de reação humana é da ordem de 0,1 segundo
(ver Seção 4.4.4 ). Assim, por melhor que seja o cronometrista, pode exis-
tir um erro sistemático desta ordem de grandeza8 • Considerando que O,ls é
um número bastante aproximado e que pode existir erro sistemático, tanto no
acionamento quanto na parada do cronômetro, pode-se admitir um limite de
erro total de 0,5 s para 10 oscilações. Assim, para o período T = .6..t /10,
Lr ~ O, 05 s é um limite de erro razoavelmente confiável e, pela Equação 5,
obtém-se
Jp = .J o-! + u; = 0,047 s.
29
•3,00tt•
1
.
I
., • •
O"= O, 11 s
3,20
..
T; (s)
i l 2 3 4 5 6
V; (Volt) 1,572 1,568 1,586 1,573 1,578 1,581
l 6
(j = - Í::: (V; - V) 2 = O, 0066 Volt .
6-1 i=l
30
Mas pode existir erro sistemático de até 0,5 %- no valor médio. Isto é, o
limite de erro sistemático é
O'r = L; = 0,0040Volt.
31
7 Distribuição gaussiana de erros
Nesta seção, alguns conceitos sobre disti-i.buição de probab ilidades sâo r·esu-
midos. Também são discutidos histograma e a distribuição gaussiana. qUe é a
distribuição de erros mais importante. As distribuições retangular e triangular,
l
às vezes usadas para erros, são discutidas na Referências 1 e 6. t
·1 .1 Função de densidade de probabilidade
. Em geral, o resultado y* d;>, medição de uma grandeza pode ser entendido
como uma "variável", em vista do caráter aleatório dos erros. No q'\le segue,
será adµiitido que esta variá~el ( y" ) é cantínu~, embora os resultados y· de
sejam. sempre números discretos 1 • .
Os valores de y; e 6.y devem ser tais que qualquer vafor possível y· está
incluído em apenas um intervalo . Isto é, ( Yi+ i - y;) = lly .
Com esta definição de evento, os resultados possíveis são
H(y) ~ 6.P;,
6.y . (para 6.y suficientemente pequeno), (3)
de y. Por isso, pode ser omitido o índice i, significando que H (y) po de ser
calculada para qualquer valor de y.
1
Por mais p1ecisos que sejam os inst.rumentos e cálculos; o resultado sempre tem um
número determinado de dígitos. Em medições me\.rológicas da mais alta qualidade, resultam
resultados .com cerca de 10 dígitos.
32
A função H(y) é chamada.função densidade de probabilidade (fdp ). Se es-
ta função é conhecida, a probabilidade de ocorrer um resultado num intervalo
pequeno· { Yi ; ~y } é dada. por ·
é obtida como a soma das probabilidades (4) para todos os valores de y; neste
intervalo . Isto é,
y;<b y;<b
P(a, b) = L P(yi) = E H(yi) ll.y. (9)
y;>a 11;>a.
33
A probabilidade de obter urn resultado qualquer deve ser 1 ( 100 %) e resulta
a chamada condição de normalização
00
P(-oo,+oo) = /_: H(y)dy = 1. (11)
o- 2 = ;+ao
_ (y - µ) 2 H(y) dy. (13)
00
(14)
Y1 = µ - o- J 2 ln 2 e Y2 = µ + o- v' 2 ln 2 ,
A largura r é dada por
f = Y2 - Y1 = 2 J 2 ln 2 u = 2, 3548 a . (15)
34
µ = 2,4470 cm
µ
=O, 0134 cm
30,0
l <J'
25,0
20,0
15,0
r
10,0
5,0
2 X 3u
O,Ot--=--,...-~..,-~--.-~~~-.-~-.,...~--,-~--.~-===t~--,,._.~__.
35
P(ô) X 100 (%)
100
99, 73%
80 95,45%
· - - - - 68, 27 3
60
40
20
Ooi------.-----.---..--r---.---.---..---.---,------
0 3a 5cr
P( uc) = ·l
r;:;-::: J+ ; : e
6
-.lz~
~
dz onde z=--
y-µ
'r:Y
(17)
y27r -~
36
7.4 Histograma
O histograma é um tipo de gráfico usado para representar quantidades tais
como N(y,) :: N;,, F(yi) ou H('!ji) para os resultados obtidos em
N, repe-
tições de um processo aleatório. E importante representar também a largura
ó.y do intervalo para definição do evento (Equação 1 ). Por isso, o histograma
é um pouco diferente de um gráfico usual e os valores de Ni, F(y1) ou H(yi)
para cada y; nã.o sã.o representados por pontos, mas por barras paralelas ao
eixo-:11, de comprimento f).y , centra.das em y; , como mostra as Figuras 3 e 4.
Na elaboração .de um histograma deveriam ser observadas algumas regras
discutidas a seguir.
Conforme a Equação 7, a quantidade
(18)
37
Exemplo 1. A distância focal y de uma lente divergente foi medida
por meio de um método bastante indireto, resultando grande :flutuação es-
tatística nos valores resultantes para y. A experiência foi repetida 60 vezes e
os resultados yj (N ~ 60) que são mostrados na Tabela 1. ·
1 N
'fj= N LYi = 243,05mm.
j=l
._.N ( * -)2
Yi - y - 19
(J = Lj=l
(N-1) - mm.
G(y) = -l - e-11.(ti)•
.. ,
uv'f;
onde 'fi e " são os valores calculados acima. Evidentemente, trata-se de
uina aproximação de (14) pois o valor médio verda.dei~o µ. e o desvio padrão
verdadeiro nã.o. sã.o conhecidos.
F(v;) X 100 mm-1 • ~ Gaussiana
A11
µ =
(243,l ±2,5}mm
3.0 <T = 19 mm
2.0 •
•
1.0 • •
• •
o.o
200 220 240 260 280 y(i:nm)
B.lfil
Ay
x 100 mm-i.
4.0
• -+ Gaussiana.
µ = (243,1 ±2,5)mm
3.0 <T = 19mm
•
• • • •
2.0
• •
LO
•
• • .•
.
• •
o.o • •
200 220 .240 260 280 y(mm)
39
No histograma da Figura 4, a escolha do intervalo é um pouco inadequada
= 5 mm), pois o número de eventos em cada intervalo é menor que 10.
( !}..y
Resultam grandes flutuações nas frequências N;, e assim, nos valores de He(y1).
Por isso, o histograma resultante é bastante "quebrado" e, se D.y fosse menor,
o histograma se tornaxia incompreensível.
Em resumo, se o erro total '1 é a soma de muitos erros elementares 7]1 que
têm distribuições quaisquer com variâncias finitas, a distribuição de probabi-
lidades para '1 é gaussiana..· Na prática, a superposição de poucos erros com
distribuições quaisquer, resulta numa distribuição gaussiana com boa aproxi-
mação, Por exemplo, para a.penas 3 erros com distribuições retangulares, a
distribuição para a soma é uma distribuição gaussi~a com boa aproximação6 .
4 Gera.lmente
não é poasivel garantir que, na prática, sejam satisfeitas as hipóteses admi-
tidas nas demonstrações doe teoremas matemáticos.
3
Uma. ve~ão mais geral do Teorema do limite central é o Teorema de Lindenberg-Feller.
6
Ver Exemploa da Seção 3.4 da Referência 6.
4-0
8 Propagação de incertezas
Se uma grandeza w é calculada em função de grandezas x, y , z , ...
que têm erros, então w também tem erro, evidentemente. As expressões que
permitem calcular a incerteza em w são apresentadas nesta seção, apenas
para o càso em que os erros nas grandezas x, y, z, .... são completamente
independentes entre si.
(1)
onde as incertezas O"x, (]"'li' a-,, ... devem ser completamente independentes
entre si. Por exemplo, se x e y são medidos com um mesmo instrumento,
os erros e portanto, as incertezas, não são mais tompletamente independentes
entre si.
Se os erros nas variáveis não são completame:p.te independentes entre si, a
expressão acima é incompleta. Neste caso, a expressão geral para a incerteza
tem termos adicionais que envolvem as chamadas covariâncias. A definição
de covariância, bem como a expressão geral é apresentada nas Referências 6,
1O e 11, por exemplo.
No caso de uma única variável x , a Eq~ação 1 se reduz a
2
O'w = (dw)z
-d ªx2
ou a.,, dw j
= 1 -d <I,,,. (2)
X · X
Deve ser observado que O"x e o-..,, são quantidades positivas, por definição.
Assim, deve sempre ser considerada a raiz positiva de u! , isto é,
o-,,,= +,,;;i:,.
1A demonstração é apresenta.da. nas Referências 6, 10 e 11, por exemplo.
41
Exemplo 1. O volume de um cilindro pode ser determinado medindo-se
diretamento o comprimento L e raio R. O volume V é calculado por
V = 1r LR2 .
ôV = R2 ôV
ôL
7r e
ôR
= 1í L (2R),
obtém-se
ov
e:v = -V ' e
obtém-se
e:v = + ~ e:l + 4 êh .
Neste caso, o cálculo da incerteza ov ou de iv fica bastante simplificado.
Entretanto, nem sempre é possível obter uma expressão simples como esta,
que envolve somente as incertezas relativas.
42
8.2 Fórmulas de propagação em alguns casos
Soma ou subtração de variáveis: w = x ± y ± z ±
ôw .· &w âw
- - 1
8x - ' ôx = ± 1 ' ôx
= ±1,
Substituindo em (1 ), obtém-se
(!2
w = (!2
:e
+ 0'2y + <T2z +
Deve ser observado que as variâncias sempre são somadas, mesmo no caso de
subtração das variáveis. Por exemplo, se = y, ~ =w x- + u; a; .
Relação linear: w = a x +b
Admitindo que a e b são constantes isentas de erro ou com erros desprezíveis,
somente a variável x é considerada para cálculo da incerteza.
dw
- =a.
dx
Substituindo em (2), obtém-se
ou 17w = 1a1 a,,.
Deve ser observado que O'w e <Tx são quantidades positivas por definição.
No caso em que b =O, w = ax e a expressão para Uw pode ser simplificada
dividindo-a por w = ax. Assim, para w = ax resulta
ou
dw
= a cos·.r (para x em radianos) .
dx
Assim,
O'w = 1 a cos X 1 O'x (para ·x em radianos) .
Esta fórmula é válida somente para CT,, em radianos, pois a expressão para
a derivada só vale neste caso. A Tabela 1 mostra exemplos de expressão da
incerteza para outras funções trigonométricas.
dw = _l (I_)
lnx d ln X
(w = e = I_).
dx lna x lna dx X
Assim,
("')2 1 I
ª2
"'
= (-l-)2
lna x
ou r:rw = 11-.-.
na x
-. O'x
44
Tabela 1. Exemplos de fórmulas de propagação de erros.
w= X± y ±··· (12
w = (12
:r: + u2
!/ + ...
w = ax Uw =Ia! Ux ou 1~1=171
w = ax + b O'w =Ia J Ux
w = axy (1'2
UJ
-- (ay) 2<J"; + (ax)2a; ou (~) 2 = (7)2 + (~)2
·.--=
~ ~
w = a E.
!/
qZ
"'
= (!.)2
!/
(12
. 3:
+ (=)2
Y2 q231 ou ((i)2 = ("; )2 -~+ (~~
'-
onde cr;
é a variância estatística e <T; é a variância associada a.os erros sis-
temáticos residuais.
46
A rigor, a medição deve ser repetjda por diferentes observadores e em dife-
rentes condições ambientais para reduzir efeitos sistemáticos. Por exemplo, na
leitura de uma régua, podem ocorrer pequenos erros aleatórios de paralaxe,
estimativa. da fração de milímetro e posicionamento do "zero da régua". Em
princípio, estes erros são aleatórios e t.endem a se anular em média.. Mas, se a
medição é repetida várias vezes pelo mesmo observador, os erros tendem a ser
sistemáticos. Por isso, uma estimativa correta da incerteza estatística pode ser
bastante difícil de ser feita. Além disso, em vários casos, esses erros são bem
menores que a incerteza residual de calibração. Em resumo, repetir a medição
muitas vezes, além de difícil, pode ser inútil, em certos casos. Por isso, é
conveniente fazer uma estimativa da incerteza estatística, conforme método
explicado a seguir. Esta estimativa pode ser útil para decidir se a incerteza
estatística é desprezível ou se é necessário repetir medições.
Mas deve ser sempre lembrado que este procedimento permite obter apenâs
uma estimativa grosseira para ae. No Exemplo 1 da Seção 7, a faixa de
flutuação dos valores é Lt = (289 - 204)mm = 85mm. Assim, resulta. a
estimativa, O"e,..... 85/6 = 14mm. O valor obtido pela Equação 2 é ae = 19mm.
A leitura de uma régua é discutida no Exemplo 1, a seguir.
47
Como regra geral, pode-se admitir distribuição gaussiana para os erros4 e
admitir que o limite de erro sistemático residual tem um nível de confiança de·
~ 95%,. Nestas condições, pode-se usar a Equação 5 da Seção 6.3: ..
z L~
ou O'
T
= -4 (4)
48
Se o erro estatístico é desprezível e não existem outros erros sistemáticos
significativos, além do erro de calibração, q,. ~ <1c e
<1 . I0"2e
= V + "2
r ~ ue = ! L e• (7)
2
Assim, resulta como regra gera.! que a incerteza padrão na medição é a
metade da menor divisão ou menor leitura do instrumento, se o erro estatístico
é desprezível e não existem outros erros sistemáticos além do erro de calibração.
Mas esta é apenas uma regra geral e, conforme já observado, existem muitos
instrumentos que não obedecem a esta regra e apresentam erro de calibração
a
bem maior que menor leitura. Por exemplo, multímetros digitais geralmente
tem erro de calibração que é bem maior que uma unidade no último dígito in-
dicado, como mostra.do no Exemplo 4, a. seguir. Além disso, deve ser lembrado
que podem existir erros aleatórios comparáveis, ou mesmo, bem maiores que
o erro de calibração. Em qualquer destes casos, a regra de adotar a rrietàde
da menor divisão como incerteza resulta em incertezas subestima.das.
Podem existir também pequenos erros aleatórios tais como erro de patà-
laxe na leitura, erro de avaliação da fração de milímetro, erro de poskio:rià·
mento do "zero da régua". É razoável admitir que, devido a esses erros; a
máxima "variação" das leituras feitas por diferentes observaàores não seja.
maior O, 5mm :
Lt
Lt ,...., 0,5mm e Oe ,..., 6,...., O,lmm.
u = Jo; + u~ ~ 0,5mm.
Como pode ser visto, a incerteza estatística. ae é desprezível para. a. incerteza
final e não importa muito o fato de que a. estima.tiva para u., seja bastante gros-
seira. O resulta.do da ~edição pode ser escrito como y = (217, 3 ±O, 5) mm.
49
20 21 22 23. 24 25
. "
•1•111111!1111l1111l1111 l1111I,,,,h,,11,,,,11111!111111111!
'!!
·I
Figura 1. Leitura de uma régua graduada em 'f!lilímetros.
Deve ser observado que estas considerações valem para réguas de muito
boa qualidade (geralmente metálicas), que podem ser entendidas como ins-
trumentos de medição. Uma régua plástica comum não é exatamente um
"instrumento de medição" e as considerações anteriores não se aplicam.
. ·Outra observação- se refere ao limite de erro para pequenas distâncias Por
exemplo, pode-se considerar que para uma leitura tal como y = 7, 4 mm, feita
cozr:t uma régua de boa qualidade, o limite de erro é bem menor que 1 mm.
A questão não é relevante, porque distâncias até cerca de 150 mm não devem
ser medidas com régua, mas com paquímetro ou micrômetro.
Este exe~plo de leitura de uma régua é simples, mas importante, pois
o método se aplica à leitura de qualquer escala analógica simples, tal como
a goniómetros, multímetros analógicos, cronômetros analógicos, termômetros
analógicos, osciloscópios e outros instrumentos analógicos.
10 Un = 9 'U ou Un = 0,9u
Se a marca da n-ésima divisão do nônio coincide com a marca da n-ésima
divisão da régua, então
ô + nun = nu
Assim,
. u
ô = n(O,lu) =n 10
(8)
Esta relação é o princípio de funcionamento do nônio, que permite fazer a lei-
tura ô da fração da menor divisão u de uma escala analógica, como explicado
no Exemplo 2, a seguir. Avaliando n, fica detertninado o valor de ô.
50
jo 1
1
2 3
! l• Un,,
4 5
1
6 .7
1 1
8
1
9
1
ltl nônío
1
1
1
2
Fu""í4
3
1
5
1 1 1 1 1 régua
6 7 8 9 10
l
1
Fu44
I• Un,I
1
1 1
1
1
l
1
1
1
1
1
1
.
régua
1 2 3 5 6 7 8 9 10
y nônio
o 1 2 3 4 5 6 7 8 9· '10
o 1 2 3 4 5 6 7 8 9 10 11
mm
Figura 3. Paquímetro simples com nônio de iO divisôes.
51
..
O limite de erro de calibração é a menor leitura explicitarnent.e indicada,
isto é, Lc = O, 1 mm. Assim, O'c = Lc/2 = O, 05 mm.
No caso mais simples, em que a distância medida é muito bem definida e
não existe dificuldade de alinhamento ou outros erros, a "variação" máxima
das leituras feitas por diferentes observadores ( Lt ) , é seguramente menor que
O, IOmm { L 1 <O, IOmm). Assim, O',,...., Lt/6 «0, 02mm.
u = jO'; +a;~ 0,05mm e y = (2,73 ± 0,05)mm,
Neste caso, incerteza estatística de leitura é desprezível ( a 0 < O, 02 mm). En-
tretanto, deve ser observado que o erro estatístico pode ser significativamente
maior, dependendo das condições da mediçã.o. Medições com um paquímetro
sempre devem ser repetidas algumas vezes, de preferência por diferentes oh··
servadores. Se for constatada uma flutuação grande nos resultados, devem
ser feitas, pelo menos 10 medições, para avaliação da incerteza estatística,
conforme Equação 2· da Seção 9.3.
9. 7 Instrumentos digitais
Instrumentos digitais fornecem leitura direta dos algarismos correspondentes
à medição. Em· certos casos, ocorre ftutUação no. último alg~ismo (ou nos
últimos). Nestes casos, o observador deve estimar o último algarismo.conforme
a flutuação observada.
Para conhecer o limite de erro de calibração de um instrumento digital,
o único procedimento aceitável é consultar o manual do instrumento, pois o
limite de erro é maior que a menor leitura do instrumento, em geral.
52
. Exemplo 4. Voltímetro digital comum.
Na medição da tensão E nos terminais de uma pilha com um voltímetro
digital, o instrumento indica
ae ,...., iL ,. _; O, 001 V.
Conforme o manual do fabricante, a acurácia de-0,8 % + 1 dígito (no último
algarismo). Assim,
0,8
L e= ( lOO 1,583 + 0,001) V= 0,014 V (uc =~e= 0,007V).
Portanto, como pode ser visto neste exemplo, o limite de erro de calibração
é bem maior que a menor leitura do instrumento (O, 001 V ) .. A: incerteza
estatística ue é deprezível e a incerteza padrão pode ser estimada pela Equa-
ção 7 como a~ uc = 0,007V.
O resultado da medição pode ser escrito como E = ( 1, 583 ± O, 007) V.
digitais, que geralmente têm erros de calibração maiores que a menor leitura.
6 Cronometragem de evento único, tal como tempo de queda de um prédio implodido.
53
1O Método de máxima verossimilhança
O método de máxima verossimilhança 1 é discutido nesta seção. Como exem- .
plo, é mostrado que a melhor aproximação para n medições não similares de
uma grandeza y é uma média ponderada pelos pesos estatísticos dos resulta-
dos. Nesta seção, é admitido que todos os erros podem ser considerados como
erros aleatórios (estatísticos).
sentados de maneira. detalhada nas Referências 6, 10, 11, 12 e 13, por exemplo.
54
10.2 Melhor aproximação para n resuliados de medições
não similares de uma grandeza
Um problema importante é o de obter a mélhor aproximação para n resul-
tados de medições não similares de uma grandeza y. Por medições não simi-
lares entende-se medições feitas por diferentes observadores, por métodos di-
ferentes e instrumentos não similares, de forma que a distribuição de erros é
independente para cada medição. Ao resultado Yi de cada medição pode ser
associada uma incerteza padrão u; diferente:
Yl -+ U1 , Y2 -+ 0"2 ' Y3 -+ 0"3' ••• ' Yn -+ U'n'
onde as incertezas são completamente independentes entre si. Isto equivale
a dizer que não existem erros sistemáticos comuns associados às diferentes
medições .. Admitindo distribuições gaussianas para os erros, a probabilidade
P; de se obter um resultado qualquer y; é dada por ( Seção 7 )
_ l ( 11;-11mv )2
P; = C; e 2
"' , (1)
onde Ymv é o valor verdadeiro da grandeza e C; é uma constante. A proba-
bilidade P de se obter o conjunto de n resultados é dada pelo produto das
probabílidades3 :
(2)
onde C = C1 C 2 •. ·. , Cn . Conforme o método de máxima verossimilhança,
a probabilidade P deve ser máxima para a melhor aproximação. y, se esta
melhor aproximação é admitida como sendo o valor verdadeiro. ~ssim, subs-
. tituindo Ymv por y em (2), obtém-se
onde (3)
55
Calculando a derivada, obtém-se
E assim, resulta
'\'n 1 ou y =
Li=I p;y; (5)
..
L.-i=l d{ Ei=1 p; .
Isto é, a melhor aproximação y é a média ponderada dos resultad'os y; , onde
os pesos são dados por
1
Pi = z·O'·
(6)
•
Por isso, a quantidade p; é chamada peso estatístico de y; (medição i ).
A incerteíla. (J'Y na melhor aproximação y, pode ser obtida diretamente de
(5), usando a fórmula de propagação de incerte:::as (Equação 1 da Seção 8 ),
pois y é urna quantidade calculada em função de yi, y 2 , • • • , Yn :
56
Exemplo 2. Grandeza medida por métodos diferentes.
e
n
Assim, conforme o método de máxima verossinúlhança, a melhor aproximação
que pode ser obtida para um conjunto ·de medições idênticas é uma média
simples dos resultados, conforme admitido na Seção 5.1. Entretanto, deve ser
lembrado que foi explicita.mente admitido para deduzir as Equações 5 e 8 que
os erros são aleatórios e a distribuição de erros é gaussiana. Isto é,·não podem
existir erros sistemáticos comuns associados às diversas medições. .
9-7
11 Regressão linear
O procedimento de ajustar uma Junção a um conjunto de pontos experimentais
é conhecido como análise de regressão ou simplesmente, regressão 1 . O ajuste
de uma reta a um conjunto de pontos experimentais é geralmente chamado de
regressão linear. O ajuste de uma reta y = a x + b a um conjunto de pontos
experimentais é discutido nesta seção.
y
y
·(y - Yo)
aj~ste de reta e sem conaidera1 covariância dos parâmetros ou qualidad~ de ajuste. Uma
apresentação mais completa e detalhada está n:as Referências 6, to; 11, 12 e 13, por exemplo.
58
A Equação l pode também ser escrita como
y = ax +b (2)
y = ax (b ==O) (3)
11.2 Linearização
: '. : l :-. ~ ...
:!./ == ax + b., onQe y = log t.J , :;:~ = iog z é i;. = log e . {4)
Relação exponencial w = ea z •
Se w = caZ, logw = (loga)z + (iogc) e assim,
O gráfico de y = log w
em função de z deve ser uma reta. O papel de
gráfico monolog tem escala vertical feita de tal maneira. que o cálculo de log w
é dispensável.
59
Relações trigonométricas.
Um exemplo é a lei de Snell-Descartes para refração da luz. Se Oi é o ângulo
de incidência de um raio luminoso num meio de índice de refração relativo
n, então sen O; = n sen Br , onde Or é ângulo de refração. É bastante dífiêil
interpretar um gráfico de O, em função de O;. Entretanto, definindo novas
variáveis x e y como
60
x é suposta isenta de erro, enquanto que a variável y passa a.ter incerteza
maior, dada por3
onde O';* = ( dy )2 2
(7)
dx. i CT,,,;
{x1; Y1, 0-1), (x2; Y2, C12), · .. , (x;; y;, <:r;), · · · , (xn; Yn1 CTn), (8)
onde o-; é a incerteza em y; e os valores x; são supostos isentos de erro. Neste
caso, os pontos experimentais no gráfico y x x só têm barras de incerteza
verticais, como mostrado na Figura 2.
+
+
61
11.4 Ajuste de reta
O problema considerado a seguir é o de determinar a melhor reta para descrever
um conjunto de pontos experimentais ou, em outras palavras-, ajustar uma reta
aos pontos experimentais. A equação geral da reta é
·y=ax+b (9)
(11)
4 Ver Capítulo 10 e Referências 6, 10, 11 e 12, por exemplo. As deduções que seguem
foram bastante resumidas, mas são apresentadas de maneira mais detalhada. e com a mesma
notação, na. Referência 6.
62
Assim, deve-se ter
ôx2 . âx2
-f) a =o e -ôb =o (13)
2
Portanto, X como função 5 de a e b deve ser um mínimo, uma vez que p
deve ser máxima e é função decrescente de x2 • Em seguida, é discutido o caso
de ajuste de reta quando as incertezas u; são iguais e depois, o caso geral.
63
Resolvendo as equações, obtém-se
1
a = Á ( Su S:ry Sx Sy) (20)
1
b = ll, ( Sx2 Sy Sx Sxy) (21)
onde
n n n
Su = L:1 = n, Sx = L:x;, Sx2 = L: X~
·'
i=l i=l i=l
n n
Sy = I: y; Sxy = I: X; Yi (22)
i=l i=l
e
D. == (Se Sx2 - s;) (23)
ti'.: 1 1 = n foi indicado por sa porque, com esta notação as Equações 20,
21 e 23 ficam semelhantes às equações para o caso geral de ajuste de reta.
As incertezas são obtidas diretamente das expressões acima pela fórmula.
de propagação de incertezas da Seção 8. Os parâmetTos a e b são entendidos
como funções das quantidades y; e respectivas incertezas u;. Assim,
2 = .~ ( Ôa )2 2 2 _ ~ ( ôb )2 2
O"a L.J Ô .
i=l y,
cr, e O"b - L.J
i=I
&Yi O"; (24)
64
O parâmetro v é definido como número de graus de liberdade no ajuste.
Substituindo a expressão para x2 em (26) e resolvendo para q, obtém-se
2 1 ~ 2
<T '.::'. - - L, (y; - Ymi) (27)
n - np i;=I
X2 = t(
i=l
y; - Ymi )2 ==?
a;
mínimo (28)
onde
n 1
n
X;
n
X~
S,, =E 2'-
(}"·
Sx = E z•
q.
S"'2 = E
i=i
·q?-' ,
i=l
' . i=l
' '
n
y; (31)
= E
i=l·
2• CT;
e
(32)
65
As incertezas são obtidas diretamente das expressões acima pelas fórmulas de
propagação de incertezas (24):
e (33)
. .
As Equações·29 e 30 permitem obter a melhor aproximação para os parâ-
~etros a e b da melhor reta, conforme o método dos mínimos quadrados.
Como pode ser ohser.va.do da condição (28), a melhw retç, não corresponde
exatamente a minimizar a soma dos quadrados dos de$vios. Entretanto, a
expressão "método dos· mínimos quadrados" é usada também neste caso.
A quantidade di ~ (y; - Ymi)/o-; é adimensional e pode ser interpretada
como a distância entre o resultado y; e o valor correspondente Ymi na reta,
· quando esta distância é medida com a; como unidade de distância. Assim,
x2 pode ser interpretado como a soma dos quadrados dos dF.svios, quando
cada desvio d; :::: (y; ·- Ymi) é medido com unidade a; .
~ =
a = Ei'.:1
~n x~
Sxy
(35)
L.,,i=l ;r Sx2
(36)
Simplificanqo, resulta
1
0"2.
a
= (37)
66.
. Exemplo 2. A velocidade v foi determinada em função do tempo t em
uma experiência de queda livre. Os resultados são mostrados na tabela.
V = gt,
C!nde g é a aceleração da gravidade local. A mel.hor aproximação para g e
respectiva incerteza. são dados por (35) e (37), onde· x = t e y = v:
"Ç""'n x. y,
wi=J -;;:< ? 1
a= n x' = 9,935mjs- e ,n
---. = 0,17rn/s
2
.
2
~
X·
Li:l wi=l q!i°
2
A:;sim, o resulta.do final pode ser escrito como g = ( 9, 94 ± O, 17) m/ s .
+ v (m/s)
4,00
3,00
2,00
1,00
0,00 IL---..---..---..--r----..-.--.----.--r--t~(s)
0,10 0,20 0,30 0,40
'67
Referências bibliográficas
1. Guide to the Expression of Uncertainty in Measurement, International
Organization for Standardization, Geneva (199.3).
2. Guia Para Expressão da Incerteza de Medição, ( INMETRO, Rio de Janeiro,
1998 ), 2ª Versão Brasileira do Guide to the Expression of Uncertainty in Mea-
. surement, International Organization for Standardization,. Geneva (1993).
11. P.R. Bevíngton, Data Reductión and Error Analysis for the Physical Sci-
ences, McGraw-HiU Book Company (1969). ·
13. E.M. Pugh and G.H. Winslow, The Analysis of Physical Measurements,
Addison-Wesley (1966).
68