Escolar Documentos
Profissional Documentos
Cultura Documentos
-s Valor +s
VV
Área sobre a distribuição Gaussiana
A área calculada na
largura com u para
cada lado é chamado
de probabilidade de
cobertura (ou intervalo
de confiança):
68% para a gaussiana.
O desvio depende da função!
PDF = Função da
densidade de
probabilidade.
Descreve a
densidade de
probabilidade p
em função da
variável x.
Representa todas
as informações
que você tem
sobre um
mensurando.
Propagação de erros...
E quando a grandeza depende de outras
grandezas medidas?
Propagação de incertezas
Muitas vezes usaremos o valor de uma medição numa
equação para determinar uma outra grandeza
qualquer.
O que fazer com a incerteza associada?
Para o mensurando temos a incerteza do processo de
medição, enquanto que para grandezas determinadas
através de fórmulas temos a incerteza propagada.
Propagação de incertezas
O problema pode ser posto da
seguinte maneira: dada uma
função w = w(x, y, z) onde x, y,
z são grandezas experimentais
com incertezas dadas por σx, σy,
σz e independentes entre si,
quanto vale σw?
A independência entre σx, σy, σz
é necessária para a validade
das fórmulas a seguir, mas não
será discutida por enquanto
Propagação de incertezas
A incerteza de w, neste
gráfico, pode ser obtida
pela simples projeção linear
da incerteza de x.
Para pequenos intervalos no
eixo x, temos em primeira
ordem:
𝜕𝑤
𝜎𝑤 = 𝜎
𝜕𝑥 𝑥
2 𝜕𝑤 2 2 𝜕𝑤 2 2 𝜕𝑤 2
𝜎𝑤 = 𝜎𝑥 + 𝜎𝑦 + 𝜎𝑧2 + ⋯
𝜕𝑥 𝜕𝑦 𝜕𝑧
Para a resistividade
𝐴
Se a resistividade é dada por: 𝜌 = 𝑅
𝐿
Então o erro associado:
2 𝜕𝜌 2 2 𝜕𝜌 2 2 𝜕𝜌 2 2
𝜎𝜌 = 𝜎𝑅 + 𝜎𝐴 + 𝜎𝐿
𝜕𝑅 𝜕𝐴 𝜕𝐿
𝜎𝑅 vem do medidor da resistência
𝜎𝐴 vem do paquímetro
𝜎𝐿 vem do paquímetro
Gráfico: barras de erro
Já aprendemos a expressar
incertezas quando escrevemos
o resultado de uma medição.
Num gráfico vamos expressar
a incerteza de cada ponto
experimental na forma de
uma barra vertical (ou
horizontal) que representará o
intervalo de confiança
definido pela incerteza da
grandeza.
Regressão linear
Regressão linear
Determinadas grandezas físicas apresentam uma
relação linear entre duas outras grandezas.
Exemplos: tensão e corrente elétrica em um material
condutor, comprimento de uma barra e temperatura, etc.
Mas, medições reais apresentam dispersões e erros de
observações e de instrumentos.
O objetivo da regressão linear é obter os parâmetros
de uma reta que melhor define o comportamento físico
a partir de medições práticas.
Regressão linear
Sabemos que U=R*I
9
fio 1 - 1 cm
8 Linear Fit of fio 1 - 1 cm
7
Modelo y=a*x+b => U=R*I
a -> R e b -> 0
Fazemos a medida
6 R=0.001600(5) da curva
U (V)
característica.
-7
b=-3.2(7)*10 V
5 Correlaçao R² = 0.9995 7.7
4
7.0
Obtemos R a partir
3
6.3
0.039 0.042
I (A) 0.045 0.048
do ajuste linear!
2
rfio1=(2.72 ± 0.07)*10 m
-8
Da segunda Lei de
1
b0 = coeficiente linear
b1 = coeficiente angular
𝜀𝑖 = erro aleatório
𝜀𝑖 = 𝑌𝑖 − 𝑌𝑖 = resíduo
Coeficiente de determinação
Temos dois casos extremos:
1. R2 ≈ 1 todas as observações caem na linha de
regressão ajustada. A variável preditora X explica
toda a variação nas observações.
2. R2 = 0 isto ocorre quando b1 = 0. Não existe
relação linear em Y e X. A variável X não ajuda a
explicar a variação dos Yi .
Etapas da Análise de Regressão
1. Seleção e preparação das variáveis
Transformações podem ser necessárias → para linearizar
relações
Analisar multicolinearidade → aumenta DP dos coeficientes
estimados )
2. Escolha e ajuste do modelo de regressão
3. Diagnóstico para verificar se o modelo ajustado é adequado
Valores do coeficiente aT
Coeficiente de
Material
temperatura a20ºC (oC-1)
Cu 0,00386
Au 0,0034
Fe 0,00651
Pt 0,003927
Hg 0,0009
C – 0,0005
Ge – 0,05
Si – 0,07
https://www.electrical4u.com/temperature-coefficient-of-resistance/
Valores do coeficiente a
Metais:
RFexT → aFe/XºC
RCuxT → aCu/XºC
RNbxT → aNb/XºC
Semicondutor:
RSixT → aSi/XºC
◼ X é a temperatura de
referência no cálculo!
https://www.electrical4u.com/temperature-coefficient-of-resistance/
Linearização
Processo de Linearização
O que é linearização ?
procedimento para tornar uma curva que não é uma reta em um reta.
É encontrar uma relação entre duas variáveis, que satisfaça a equação
da reta, ou seja, determinar os coeficientes angular e linear da reta.
Por que linearizar ?
A análise de uma reta é mais simples que a análise de uma curva.
O processo de linearização facilita a determinação das leis físicas que
governam o experimento que gerou os dados.
Métodos de Linearização
Troca de variáveis
A equação que governa o comportamento dos dados deve
ser conhecida.
A troca de variáveis permite converter uma equação de
uma curva numa equação de reta.
Exemplo:
◼ 𝑦 = 𝑎𝑥 2 + 𝑏 ⟹ 𝑦 = 𝑎𝑥′ + 𝑏 em que x’ = x²
Obs: Nem todas as equações podem ser convertidas de
forma útil.
Função 𝑦 = 𝑎𝑥 2
𝑦′ = 𝑙𝑛𝑎 + 𝛼 ∙ 𝑥′
′
𝑦 = 𝑎𝑥
′ +𝑐
Métodos de Linearização
Uso de papéis especiais: mono-log e di-log
Quando um gráfico em papel milimetrado fornece uma
curva, ainda assim é possível obter, em casos específicos,
gráficos lineares usando papéis mono e di-log.
Este método se aplica quando a equação que governa
o comportamento dos dados não é conhecida.
Funciona por tentativa e erro. Os “softwares”
matemáticos permitem a troca das escalas linear para
logarítmica facilitando o processo.
Métodos de Linearização
linearização
Y (cm)
Y (cm)
40 100
20
⇒
50
0
-20 0
0 2 4 6 8 10
0 20 40 60 80 100
X (cm)
2
X' (cm )
𝑎 𝑦(x) = 2𝑥 2 − 10𝑥 + 20
𝑏 𝑦(x) = 2𝑥 2 − 10𝑥 (𝑐 ′ )𝑦(x) = 2𝑥 ′ + 20
𝑐 𝑦(x) = 2𝑥 2 + 20
𝑑 𝑦(x) = 2𝑥 2 (𝑑 ′ )𝑦(x) = 2𝑥 ′
12
10
10
8
8
6
linearização
Y (cm)
Y (cm)
6
4
4
0
⇒ 2
0
0 2 4 6 8 10 0,0 0,2 0,4 0,6 0,8 1,0
-1
X (cm) X' (cm )
1
𝑌(X) = 𝑎/𝑋 X′ =
𝑋
Y (cm )
1/2
1/2
linearização
0 0
-2 -2
-4 -4
⇒
-6 -6
-8 -8
-10 -10
0 20 40 60 80 100 0 2 4 6 8 10
X (cm) 1/2
X' (cm )
𝑌 = 2 X − 10 𝑌 = 2X ′ − 10
𝑋′ = X
Função: 𝑌 = 𝐴𝑒 𝐵𝑋
100
25
20
(X2,Y2)
15
Y (cm)
10
Y (cm)
10
(X1,Y1)
1
0 0,0 0,5 1,0 1,5 2,0 2,5 3,0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
X (cm)
X (cm)
20
(X2,Y2)
15
Y (cm)
10
Y (cm)
10
(X1,Y1)
1
0 0,0 0,5 1,0 1,5 2,0 2,5 3,0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
X (cm)
X (cm)
ln 𝑌 = ln𝐴 + 𝐵𝑋
𝑌 = 2𝑒 0,8𝑋
𝑌 ′ = 𝐵′ + 𝐴′ 𝑋
−𝐸𝑔𝑎𝑝
ൗ
𝜎= 𝜎0 𝑒 2𝑘𝑇
Linearização: resistência do Ge
500 6.5
𝐸𝑔𝑎𝑝 6.0
ൗ
𝜌= 𝜌0 𝑒
400
2𝑘𝑇 5.5
300
5.0
r (m)
lnr
4.5
200
4.0
𝜌 = 𝑅 𝐴𝐿
100
3.5
0
3.0
100 150 200 250 300 0.004 0.006 0.008 0.010 0.012 0.014
T(K) 1/T
Análise dos Resíduos
Se modelo for
adequado, resíduos
devem refletir as
propriedades
Resíduo
impostas pelo termo 0
de erro do modelo.
Linearização do
modelo foi bem X
sucedida? Não Linearidade
Análise dos Resíduos
Normalidade
dos resíduos:
Suposição
essencial para
que os resultados
do ajuste do
modelo sejam
confiáveis
Outros diagnósticos: Shapiro-Wilk, Anderson-
Darling, Kolmogorov-Smirnov
Análise dos Resíduos
Homoce- Variância Não Constante
dasticidade
(variância
Resíduo
0
constante)
Resíduo
0
Outros diagnósticos:
Teste de Durbin-Watson
Autocorrelação espacial:
Mapa dos resíduos, X
Índice de Moran Erros Correlacionados
Análise dos Resíduos
Modelo
adequado!!!!
Resíduo
0
X
Resultado da linearização: Ge
3.5 lnr = lnr0 + (EG/2kB)*(1/T) Residual of lnp
0.01
Residual of lnp
3.4
0.00
lnr
3.3
EG = 0.615 (7) eV
-0.01
R² = 0.93559
0.00336 0.00338 0.003360 0.003367 0.003374
1/T Independent Variable
kB = 8.617333262145×10−5 eV/K
Experimento 4
Feedback usual
Sugestão para o início da escrita!
Conclusão
Não é sugestão ou recomendação!
É A ESSÊNCIA DO SEU TRABALHO!!!
Decorre da base empírica (seus resultados) + sua
interpretação desses resultados e a base da sua
pesquisa científica.
Os resultados foram esperados?
Sim?
Não?
Por quê?
Escrita dos artigos
Iniciar destacando as conclusões gerais e importantes
do seu trabalho.
Análise dos dados antes da escrita.
Gráficos de resistividade → compreender o comportamento
a é calculado numa
Região quase temperatura (ou numa
constante:
impurezas. faixa onde é constante)
r x T: semicondutor
O comportamento é
como esperado?
𝐸𝑔𝑎𝑝
ൗ2𝑘𝑇
𝜌 = 𝜌0 𝑒
Decresce exponencialmente
com o aumento de T!
Resultados
A finalidade dos gráficos e tabelas é informar com
simplicidade, clareza e objetividade.
Padronize a maneira da apresentação dos resultados.
Ao invés de colocar um gráfico para cada resultado.
Faça um gráfico para os metais e coloque todos os
resultados numa TABELA com os valores dos ajustes,
incerteza e correlação do ajuste.
Apresentação dos resultados
DADOS LEGÍVEIS!
Legenda da figura:
explica os dados
apresentados.
Dados com legenda.
Evitar colocar muitas
informações num gráfico
só!
Atenção ao apresentar resultados
Não adianta apertar
?
os gráficos e não ter
como ver os dados
experimentais…
Organização dos resultados
Cálculo do coeficiente de temperatura Resistividade/Condutividade
PREPARAÇÃO DE AMOSTRAS!
Fluxogramas, esquemas, etc.
Reprodutibilidade.
Metodologia: segundo o roteiro
Como as amostras foram preparadas?
Quais foram os instrumentos utilizados para a
realização das medidas?
QUAIS OS ERROS ASSOCIADOS ÀS GRANDEZAS
MEDIDAS?
Quaisforam os limites de corrente, qual o erro
associado à corrente fornecida pela fonte? E o erro na
voltagem medida pela outra fonte?
Método das 4 pontas
Continuação da descrição do método.
Uso do thermistor como instrument de medida!
Leitura de artigos e compreensão da aula dada.
O método de medida foi descrito e os equipamentos
foram listados.
Leitura do guia de escrita e roteiro do experimento.
Modelo em Word.
Material no e-disciplinas
Referências
Tabacnicks, Manfredo H., Conceitos Básicos da Teoria de
Erros, IFUSP, 2007.
Vuolo, José Henrique. Fundamentos da teoria de erros. Ed.
Edgard Blücher, São Paulo, SP. 2a Ed. 1992.
Helene, Otaviano A.M. e Vanin, Vito R. Tratamento estatístico
de dados em física experimental. Ed. Edgard Blücher, São
Paulo, SP. 1981.
INMETRO, SBM. Guia para expressão da incerteza de
medição. ABNT, Rio de Janeiro. (1998). 120p
https://www.mspc.eng.br/dir20/prob_est500.shtml
Feedback
Dúvidas?
Sugestões?
Etc.