Cadernos de Laboratório

Laboratório de Calor

Tratamento de
Medidas Experimentais

Prof. Luís Fernando de Oliveira

Departamento de Física Aplicada e Termodinâmica
Instituto de Física – Centro de Tecnologia e Ciências
Universidade do Estado do Rio de Janeiro
04 de setembro de 2022
Sumário
1 Classificação dos Erros Experimentais 2
2 Medidas Experimentais com Erros Aleatórios 4
2.1 Estimativa do valor esperado de um conjunto de N medidas 5
2.2 Dispersão dos valores em um conjunto de N medidas 6
2.3 Medida experimental: valor lido e dispersão 9
2.4 Erro padrão do valor esperado 9
2.5 Medida esperada: valor esperado e erro padrão 11
2.6 Erro padrão relativo ao valor esperado 11
2.7 Desvio percentual do valor esperado 12
3 Propagação de Erro 14
3.1 Fórmula geral 14
3.2 Propagação de erro de soma ou subtração 15
3.3 Propagação de erro em multiplicação 16
3.4 Propagação de erro em divisão 17
3.5 Propagação de erro em potenciação 18
3.5 Propagação de erro em casos com funções 19
4 Algarismos Significativos 21
Classificação do tipo de medida quanto à sua origem 21
Tipo A 21
Convenção na apresentação de um valor experimental 23
Regras de arredondamento 23
Tipo B 24
5 Relatório Técnico 26
Modelo 26
Exemplo 27
Conclusão 30
Bibliografia 31

1
1 Classificação dos Erros Experimentais
Toda prática laboratorial tem por objetivo realizar a estimativa do valor de uma
grandeza que pode ser física, química ou de outra natureza, primária ou
derivada, através de medidas (leitura de valores) experimentais. A ação de
medir, na ciência, é o ato de comparar um valor lido com um valor padrão
(unidade de medida).

Toda medida experimental está sujeita a erros provenientes de diferentes

fontes, por mais cuidadosa que seja a realização desta medida.

As fontes de erro introduzem desvios (=erros) nas medidas experimentais,

afastando-as do valor real da grandeza (que é desconhecido, mas que pode ser
estimado através das medidas ou previsto teoricamente), ou seja, as medidas
experimentais são valores incertos pela presença dos erros experimentais.

Estes erros experimentais podem ser classificados brevemente como:

Erros sistemáticos: são erros oriundos de causas constantes, geralmente

identificáveis e que afetam as medidas experimentais de modo uniforme.
Tendem a desviar o valor real da medida sempre em uma mesma direção:
ou para mais ou para menos. Podem, a princípio, ser eliminados ou
compensados através de calibração dos instrumentos de medida ou de
funções de correção. Afetam a acurácia (exatidão) da medida
experimental.

Erros aleatórios: também chamados de acidentais; são erros que possuem uma
característica “flutuante” (imprevisibilidade) em relação ao valor real da
grandeza, isto é, a medida experimental corresponde ao valor real da
grandeza desviado eventualmente para mais ou para menos,
aleatoriamente, de modo que, em um conjunto de medidas experimentais,
aproximadamente metade delas está desviada para mais e metade para
menos. Não podem ser eliminados; logo, devem ser caracterizados
estatisticamente. Afetam a precisão da medida experimental.

Erros grosseiros: são erros resultantes principalmente da desatenção do

experimentador, mau uso das técnicas de medida ou da imperícia no uso
dos instrumentos de medida, instrumentos defeituosos... Invalidam as

2
medidas experimentais. Deve ser a primeira fonte de erro a ser eliminada
através de uma boa preparação do experimento por meio de uma
familiarização preliminar das técnicas de medida que serão utilizadas,
bem como o conhecimento dos instrumentos de medida e seus modos de
operação e a certificação de bom estado operacional dos instrumentos.

O bom planejamento do experimento é prática obrigatória

e o melhor ponto de partida.

3
2 Medidas Experimentais com Erros Aleatórios
Recordando: medida experimental de uma grandeza é a leitura do valor
indicado por um instrumento de medida em relação a um padrão de medida e
que corresponde ao valor real da grandeza (expresso na unidade do
instrumento de medida) acrescido de um somatório de erros; por isso é um
valor incerto:

𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙 = 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 ± Σ 𝑒𝑟𝑟𝑜𝑠 (1)

Estimar o valor mais provável da grandeza medida e a incerteza associada a

este valor é o objetivo do tratamento estatístico das medidas experimentais.

Entenda que o valor real (=verdadeiro, correto, certo) da grandeza medida é um

valor desconhecido pela natureza incerta da medida em si. Mas podemos intuir
que, a partir de um número infinito de medidas, considerando a incerteza
associada a cada medida como erro aleatório, a eliminação dos erros grosseiros
e uma boa calibração do instrumento de medida, a média dos valores destas
medidas experimentais deve tender ao valor real da grandeza.

Como é impossível realizar um conjunto infinito de medidas, deve-se esperar

que a média dos valores lidos indique um valor mais provável da grandeza
medida (=valor esperado). Dada a flutuação dos valores lidos, pode-se estimar
um valor que represente a incerteza associada ao valor esperado. Assim, a
medida experimental sendo realizada em condições adequadas e garantidas as
condições de repetibilidade e reprodutibilidade, é possível expressá-la como:

𝑣𝑎𝑙𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙 = 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 ± 𝑖𝑛𝑐𝑒𝑟𝑡𝑒𝑧𝑎 (2)

Também é possível intuir, entre diferentes conjuntos de medidas

experimentais de uma mesma grandeza, realizadas nas mesmas condições,
com os mesmos instrumentos e técnicas, que os valores esperados calculados a
partir de cada conjunto sejam próximos uns dos outros, mas ainda assim
diferentes, cada qual com suas incertezas associadas.

A partir do conjunto de valores esperados de cada conjunto de medidas e do

conjunto de incertezas correspondentes, pode-se calcular um valor esperado
médio e a incerteza associada a este valor esperado.

4
Como chegar a este resultado é o que será apresentado a seguir.

2.1 Estimativa do valor esperado de um conjunto de N

medidas
Considere um conjunto de 𝑁 medidas experimentais de uma grandeza 𝑚,
realizadas nas mesmas condições, etc. O valor esperado 𝑥 da grandeza 𝑚
medida é dado pela média aritmética dos 𝑁 valores medidos:

1 𝑁
𝑥= ∑ 𝑥 (3)
𝑁 𝑖=1 𝑖

onde 𝑥𝑖 é o i-ésimo valor medido dentre os 𝑁 valores do conjunto.

Exemplos

1) Dados os seguintes valores organizados em colunas, calcular os valores

esperados.

1 2 3 4 5

1 7,14 8,27 11,19 8,07 7,41

2 8,62 5,94 11,78 11,16 8,52

3 8,20 13,44 9,30 9,36 13,06

4 9,04 13,80 10,43 14,11 6,72

5 12,17 17,87 4,46 10,66 10,20

6 4,85 9,13 10,12 11,36 13,66

7 8,99 9,32 7,97 8,27 13,08

8 8,54 9,41 6,90 10,49 8,06

9 7,35 11,61 11,05 6,69 9,13

5
10 9,65 10,04 8,65 5,52 9,35

11 10,00 12,38 7,35 10,59 6,67

12 17,41 9,08 8,81 6,62 10,22

13 10,91 5,72 8,82 8,16 7,45

14 9,98 14,78 9,13 12,62 11,82

15 12,60 8,51 10,22 14,73 6,79

16 6,86 13,48 8,67 10,15 8,10

17 8,20 8,99 12,73 8,71 8,20

18 11,66 10,43 14,71 12,29 10,11

19 8,49 5,01 13,03 12,87 2,63

20 7,05 7,07 8,97 11,57 12,84

v.e. 9,386 10,214 9,715 10,200 9,201

Obs.: v.e. é (v)alor (e)sperado.

2.2 Dispersão dos valores em um conjunto de N medidas

Os valores 𝑥𝑖 lidos de uma grandeza 𝑚 e que compõem um conjunto de 𝑁

medidas estão dispersos em torno do valor esperado 𝑥 do mesmo conjunto. A

estimativa desta dispersão (o quão espalhados os valores estão em torno da
média) é obtida pelo cálculo do desvio padrão dos valores:

𝑁 2
∆𝑥 = 𝑆𝑥 =
1
𝑁−1 (
∑ 𝑥𝑖 − 𝑥
𝑖=1
) (4)

É comum a dúvida sobre o divisor da soma quadrática presente na expressão. A

definição mais popular de desvio padrão tem o valor N no denominador da
fração. Esta expressão será referenciada como desvio padrão da amostra é
referenciada pela letra s (minúsculo). Não será usada esta expressão valendo
sim a indicada como eq. (4).

6
Mas, por que (N-1)? Para responder esta pergunta, é preciso pensar em grau de
liberdade.

Para simplificar o tema, pense em um sistema composto por duas equações

lineares de duas variáveis. Podemos afirmar que este sistema tem solução se
estas duas equações forem independentes, isto é, não são coincidentes ou
paralelas (pensando nas retas que elas determinam). Ou seja, um sistema de
equações lineares de duas variáveis é um sistema com dois graus de liberdade;
por isso, é necessário duas equações independentes. Se uma equação é função
da outra, perde-se um grau de liberdade.

Para se calcular o desvio padrão real é necessário conhecer-se o valor esperado

real (em estatística, o valor esperado real é simbolizado pela letra grega 𝜇, é
uma informação conhecida). No cálculo da dispersão, são N diferenças
quadráticas, soma de N diferenças quadráticas independentes entre si, N graus
de liberdade, N variáveis independentes.

Agora, quando não se conhece o valor esperado real, estima-se este valor
usando a equação (3). Esta equação, que é uma média aritmética, gera uma
informação que é função das N outras informações. Ou seja, é uma variável
dependente. Desta forma, olhando para a soma das N diferenças quadráticas
usando a estimativa do valor esperado calculado pela média aritmética, não se
tem mais N graus de liberdade e sim N-1, isto porque a média aritmética é
função das N variáveis.

Por isso, o desvio padrão de uma medida deve ser calculado usando o
denominador (N-1).

Eis a razão da equação (4) usar (N-1) e não N.

Obs.: Só para constar, o cálculo de desvio padrão usando N valores

experimentais mais média aritmética e cuja expressão apresenta o
denominador N, é chamado de desvio padrão enviesado de uma medida. A
equação (4), que usa N valores lidos mais média aritmética, mas com o
denominador (N-1), é chamado de desvio padrão não enviesado de uma medida.
Se você quiser se aprofundar, consulte o link:

https://pt.wikipedia.org/wiki/Desvio_padrão

7
Exemplos

1) Dadas as seguintes sequências de leituras, determine os valores esperados e

as dispersões por valor.

1 2 3 4 5

1 7,14 8,27 11,19 8,07 7,41

2 8,62 5,94 11,78 11,16 8,52

3 8,20 13,44 9,30 9,36 13,06

4 9,04 13,80 10,43 14,11 6,72

5 12,17 17,87 4,46 10,66 10,20

6 4,85 9,13 10,12 11,36 13,66

7 8,99 9,32 7,97 8,27 13,08

8 8,54 9,41 6,90 10,49 8,06

9 7,35 11,61 11,05 6,69 9,13

10 9,65 10,04 8,65 5,52 9,35

11 10,00 12,38 7,35 10,59 6,67

12 17,41 9,08 8,81 6,62 10,22

13 10,91 5,72 8,82 8,16 7,45

14 9,98 14,78 9,13 12,62 11,82

15 12,60 8,51 10,22 14,73 6,79

16 6,86 13,48 8,67 10,15 8,10

17 8,20 8,99 12,73 8,71 8,20

18 11,66 10,43 14,71 12,29 10,11

19 8,49 5,01 13,03 12,87 2,63

20 7,05 7,07 8,97 11,57 12,84

8
 v.e. 9,386 10,214 9,715 10,200 9,201

disp. 2,691 3,306 2,331 2,515 2,759

Obs.: disp. é (disp)ersão ou desvio padrão de uma medida ou desvio padrão dos
valores (são todos sinônimos).

2.3 Medida experimental: valor lido e dispersão

A noção de dispersão está associada ao conceito de precisão: uma dispersão
grande (grande valor de desvio padrão dos valores) representa uma baixa
(menor) precisão; uma dispersão pequena, alta (maior) precisão.

Veja que esta dispersão está relacionada a cada medida do conjunto. Assim,
cada medida experimental 𝑚𝑖 da grandeza 𝑚 estimada é expressa como

𝑚𝑖 = (𝑥𝑖 ± ∆𝑥) [𝑢𝑛𝑖𝑑𝑎𝑑𝑒] (5)

onde 𝑥𝑖 é cada valor lido e ∆𝑥 é o desvio padrão dos valores.

Ao associar-se uma unidade de medida a cada leitura, tem-se as medidas

experimentais propriamente ditas. Os valores lidos de um instrumento só se
tornam medidas experimentais quando se associa uma unidade de medida e se
adiciona a informação sobre sua incerteza (erro associado ao conjunto de
medidas).

2.4 Erro padrão do valor esperado

Com o aumento do número de medidas em um conjunto, a dispersão diminui,
isto é, a precisão aumenta. Este fato pode ser melhor observado se for adotado
como expressão do erro padrão do valor esperado (erro associado à média) a
seguinte expressão:

𝑁 2
∆𝑥
σ𝑥 =
𝑁
=
1
𝑁(𝑁−1) (
∑ 𝑥𝑖 − 𝑥
𝑖=1
) (6)

9
Exemplos

1) Dadas as seguintes sequências em colunas, determine os valores esperados,

as dispersões e os erros padrões.

1 2 3 4 5

1 7,14 8,27 11,19 8,07 7,41

2 8,62 5,94 11,78 11,16 8,52

3 8,20 13,44 9,30 9,36 13,06

4 9,04 13,80 10,43 14,11 6,72

5 12,17 17,87 4,46 10,66 10,20

6 4,85 9,13 10,12 11,36 13,66

7 8,99 9,32 7,97 8,27 13,08

8 8,54 9,41 6,90 10,49 8,06

9 7,35 11,61 11,05 6,69 9,13

10 9,65 10,04 8,65 5,52 9,35

11 10,00 12,38 7,35 10,59 6,67

12 17,41 9,08 8,81 6,62 10,22

13 10,91 5,72 8,82 8,16 7,45

14 9,98 14,78 9,13 12,62 11,82

15 12,60 8,51 10,22 14,73 6,79

16 6,86 13,48 8,67 10,15 8,10

17 8,20 8,99 12,73 8,71 8,20

18 11,66 10,43 14,71 12,29 10,11

19 8,49 5,01 13,03 12,87 2,63

20 7,05 7,07 8,97 11,57 12,84

10
 v.e. 9,386 10,214 9,715 10,200 9,201

disp. 2,691 3,306 2,331 2,515 2,759

e.p.v.e 0,602 0,739 0,521 0,562 0,617

Obs.: e.p.v.e. é (e)rro (p)adrão do (v)alor (e)sperado.

2.5 Medida esperada: valor esperado e erro padrão

Neste ponto, torna-se possível expressar a informação primária desejada na
prática laboratorial: se o objetivo da “experiência” é estimar a medida de uma
grandeza considerando as limitações experimentais, isto é, na presença de
fontes de erro associadas às medidas individuais, e lançando-se mão de um
tratamento estatístico adequado, é possível expressar a informação medida
esperada como a melhor aproximação da medida real da grandeza investigada
da seguinte forma:

( )
𝑚 = 𝑥 ± σ𝑥 [𝑢𝑛𝑖𝑑𝑎𝑑𝑒] (7)

onde 𝑥 é o valor esperado, calculado a partir do conjunto das N leituras (eq.3), e

σ𝑥 é o erro padrão do valor esperado (eq.6).

2.6 Erro padrão relativo ao valor esperado

Para auxiliar a análise da precisão entre diferentes conjuntos de medidas da
mesma grandeza, faz-se uso do erro padrão relativo:

σ𝑥
ϵ= (8)
𝑥

O erro padrão relativo ϵ expressa o erro padrão em relação ao valor esperado. É

interessante observar que o erro padrão relativo pode ser um bom instrumento
de crítica sobre precisão em relação a diferentes métodos de medida da mesma
grandeza investigada.

11
Exemplos

1) Dadas as seguintes sequências, determine os valores esperados, as

dispersões, os erros padrões e os erros relativos.

e.p.rel. 0,064 0,072 0,054 0,055 0,067

Obs.: e.p.rel é (e)rro (p)adrão (rel)ativo.

2.7 Desvio percentual do valor esperado

Diferente do erro padrão relativo ao valor esperado, o desvio percentual do
valor esperado caracteriza a acurácia (exatidão) da medida esperada, pois leva
em consideração um valor de referência que pode ser uma previsão teórica ou
um valor fornecido por um padrão certificado para calibração. Por isso, o
desvio percentual do valor esperado é uma informação relativa.

O desvio percentual do valor esperado é expresso como:

||𝑥−𝑥 ||
| 𝑟𝑒𝑓|
𝐷(%) = × 100% (9)
| |
𝑥𝑟𝑒𝑓

onde 𝑥 é o valor esperado, calculado a partir do conjunto de leituras, e 𝑥𝑟𝑒𝑓 é o

valor padrão de referência da medida investigada.

Exemplos

1) Dados os seguintes valores organizados em colunas, calcular os valores

esperados, dispersões por valor, erros padrões, erros relativos e desvios
percentuais (considerando que o valor real é 10,0).

D(%) 6,15 2,14 2,86 2,00 7,99

12
13
3 Propagação de Erro
É muito comum que a prática laboratorial tenha como objetivo o levantamento
de uma grandeza derivada (ou várias), isto é, grandezas que só podem ser
estimadas a partir da combinação funcional de outras grandezas medidas.
Neste caso, é necessário investigar como os erros associados a estas medidas
fundamentais (primárias) interferem e se propagam até o cômputo final da
medida da grandeza de interesse.

Considere a medida de uma grandeza 𝑤 que é função de duas outras grandezas,

𝑎 e 𝑏, por exemplo: 𝑤 = 𝑓(𝑎, 𝑏), onde 𝑓 é a função de transferência ou lei de
formação da grandeza 𝑤.

As medidas esperadas das grandezas 𝑤, 𝑎 e 𝑏 são respectivamente:

( )
𝑤 = 𝑥 ± σ𝑥 [𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑤]

𝑎 = ( 𝑦 ± σ ) [𝑢𝑛𝑖𝑑𝑎𝑑𝑒 ]
𝑦 𝑎

𝑏 = ( 𝑧 ± σ ) [𝑢𝑛𝑖𝑑𝑎𝑑𝑒 ]
𝑧 𝑏

O valor esperado da grandeza 𝑤, 𝑥, é calculado pela aplicação direta dos demais

valores esperados das grandezas 𝑎 e 𝑏, ou seja, 𝑦 e 𝑧, na função 𝑓: 𝑥 = 𝑓(𝑦, 𝑧).
Mas, e o erro padrão de 𝑥?

3.1 Fórmula geral

Para isso, considere uma grandeza 𝑠, função de 𝑛 outras grandezas 𝑠𝑖. O valor
esperado para a medida da grandeza 𝑠 é dado pela aplicação dos demais valores
esperados na lei de formação da grandeza:

( )
𝑠 = 𝑓 𝑠1, 𝑠2, ··· , 𝑠𝑛

A expressão geral que trata da propagação de erros é:

14
 2 2 2
σ𝑠 = ( )
∂𝑓
∂𝑠1
σ𝑠 +
2

1
( )
∂𝑓
∂𝑠2
σ𝑠 +
2

2
··· + ( )
∂𝑓
∂𝑠𝑛
σ𝑠
2

𝑛
(10)

onde σ𝑠 é o erro padrão do valor esperado da grandeza 𝑠, σ𝑠 , para i de 1 até n, é o

𝑖

erro padrão do valor esperado da grandeza 𝑠𝑖 e as derivadas parciais de 𝑓 em

relação a cada grandeza 𝑠𝑖 expressam o “peso” de cada uma destas grandezas
na composição do erro padrão da grandeza final 𝑠.

Obs.: é impositivo frisar aqui que os erros padrões de todas as grandezas 𝑠𝑖

devem ser independentes entre si.

3.2 Propagação de erro de soma ou subtração

Assumindo que a grandeza final 𝑠 é obtida pela soma das demais grandezas 𝑠𝑖,
pode se deduzir da fórmula geral que o erro padrão de 𝑠 será:

𝑠 = 𝑓(𝑠1, ···, 𝑠𝑛) = ± 𝑎1𝑠1 ± 𝑎2𝑠2 ±···± 𝑎𝑛𝑠𝑛 (11a)

∂𝑓 ∂𝑓 ∂𝑓
= ± 𝑎1; = ± 𝑎2; ··· = ± 𝑎𝑛 (11b)
∂𝑠1 ∂𝑠2 ∂𝑠𝑛

2 2 2 2 2 2
σ𝑠= 𝑎1σ1 + 𝑎2σ2 + ··· + 𝑎𝑛σ𝑛 (11c)

15
3.3 Propagação de erro em multiplicação
Assumindo que a grandeza final 𝑠 é obtida pela multiplicação das demais
grandezas 𝑠𝑖, pode se deduzir da fórmula geral que o erro padrão de 𝑠 será:

𝑠 = 𝑓(𝑠1, ···, 𝑠𝑛) = 𝑎𝑠1𝑠2 ··· 𝑠𝑛 (12a)

∂𝑓 𝑠 ∂𝑓 𝑠
= 𝑎𝑠2 ··· 𝑠𝑛 = ; = 𝑎𝑠1𝑠3 ··· 𝑠𝑛 = ; ···
∂𝑠1 𝑠1 ∂𝑠2 𝑠2

∂𝑓 𝑠
= 𝑎𝑠1𝑠2 ··· 𝑠𝑛−1 = (12b)
∂𝑠𝑛 𝑠𝑛

2 2 2
σ𝑠= () ()
𝑠
𝑠1
2
σ1 +
𝑠
𝑠2
2
σ2 + ··· + () 𝑠
𝑠𝑛
2
σ𝑛 ⇒

2 2 2

σ𝑠 = 𝑠 ( ) ( )
σ1
𝑠1
+
σ2
𝑠2
+ ··· + ( ) σ𝑛
𝑠𝑛
(12c)

Obs.: É importante notar que cada termo quadrático que está sendo somado
dentro da raiz em (eq.12c) corresponde ao quadrado do erro padrão da
grandeza 𝑠 . Fazendo uma analogia ao cálculo do comprimento de um vetor n
𝑖
dimensional, a raiz desta soma de erros padrões quadráticos equivale ao “peso
potencial” que o conjunto de erros impacta no valor esperado 𝑠 da grandeza
final.

16
3.4 Propagação de erro em divisão
Assumindo que a grandeza final 𝑠 é obtida pela divisão das demais grandezas 𝑠𝑖,
pode-se deduzir da fórmula geral que o erro padrão de 𝑠 será:

−1
(
𝑠 = 𝑓(𝑠1, ···, 𝑠𝑛) = 𝑎 𝑠1 𝑠2 ··· 𝑠𝑛 ) (13a)

∂𝑓 −1 −2 𝑠
∂𝑠1
= (
− 𝑎 𝑠2 ··· 𝑠𝑛 ) (𝑠 ) 1
=
𝑠1
;

∂𝑓 −1 −2 𝑠
∂𝑠2
= (
− 𝑎 𝑠1 𝑠3 ··· 𝑠𝑛 ) ( ) 𝑠2 =
𝑠2
; ··· (13b)

2 2 2
σ𝑠= () ()
𝑠
𝑠1
σ1 +
2 𝑠
𝑠2
2
σ2 + ··· + () 𝑠
𝑠𝑛
2
σ𝑛 ⇒

2 2 2

σ𝑠 = 𝑠 ( ) ( )
σ1
𝑠1
+
σ2
𝑠2
+ ··· + ( ) σ𝑛
𝑠𝑛
(13c)

que é a mesma expressão para o caso da multiplicação.

17
3.5 Propagação de erro em potenciação
Assumindo que a grandeza final 𝑠 é obtida pela potenciação das demais
grandezas 𝑠𝑖, pode-se deduzir da fórmula geral que o erro padrão de 𝑠 será:

α β ζ
𝑠 = 𝑓(𝑠1, ···, 𝑠𝑛) = 𝑎 𝑠1 ( ) (𝑠 ) ··· (𝑠 )
2 𝑛
(14a)

∂𝑓 α−1 β ζ

∂𝑠1
= 𝑎 α 𝑠1 ( ) (𝑠 ) ··· (𝑠 ) = α 𝑠𝑠
2 𝑛
1
;

∂𝑓 α β−1 ζ 𝑠
∂𝑠2 ( ) ( )
= 𝑎 𝑠1 β 𝑠2 ( )
··· 𝑠𝑛 = β
𝑠2
; ··· (14b)

2 2 2

σ𝑠 = 𝑠 ( ) ( )
α
σ1
𝑠1
+ β
σ2
𝑠2
+ ··· + ζ ( ) σ𝑛
𝑠𝑛
(14c)

Obs.: Neste caso, observar que a contribuição de cada erro padrão está
“pesado” pelo valor do expoente da potência correspondente.

Exemplos

1) Período de um sistema massa-mola calculado a partir de um conjunto de

medidas de massa e de constante elástica da mola:

𝑚 1/2 −1/2
𝑇 = 2π 𝑘
= 2π𝑚 𝑘

1/2 −1/2
𝑇 = 2π𝑚 𝑘

2 2 σ𝑚 2 σ𝑘 2
σ𝑇 = 𝑇 ( ) (
1 σ𝑚
2 𝑚
+ −
1 σ𝑘
2 𝑘 ) =
𝑇
2 ( ) ( )
𝑚
+
𝑘

18
2) Cálculo do volume de um cilindro prismático hexagonal. A lateral é
retangular: 𝐴 = ℎ𝑙. O topo e a base são hexágonos (12 triângulos equiláteros):
𝐿

3 2
𝐴𝑇 = 𝑙
4

3 2 3
( ) (
𝑉 = 6𝐴𝐿 × 12𝐴𝑇 = 6ℎ𝑙 × 12 ) 4
𝑙 = 18 3ℎ𝑙

3
𝑉 = 18 ℎ 𝑙

σℎ 2 σ𝑙 2
σ𝑉 = 𝑉 ( ) + (3 )
ℎ 𝑙

3.5 Propagação de erro em casos com funções

No caso mais geral, a lei de formação da grandeza 𝑠 pode ser função de outras
funções mais complexas (trigonométricas, exponenciais,...) onde as demais
grandezas 𝑠𝑖 são variáveis destas funções. Para estes casos, sugere-se o
máximo de atenção às regras de derivação de funções para o desenvolvimento
de cada termo correspondente a cada grandeza 𝑠𝑖.

Não faça de cabeça…

Escreva…
Revise…
Faça o desenvolvimento literal…
Somente depois, aplique os valores esperados e os erros padrões.

19
Resumo

20
4 Algarismos Significativos
Nas práticas experimentais, quando realizamos uma leitura direta de um
instrumento ou quando realizamos o cálculo do valor esperado de um conjunto
de medidas, uma pergunta que deve surgir é: como devo escrever esta medida?

Para responder a esta pergunta, é importante você pensar que a sua medida é
incerta no sentido que, associada a ela, existe um erro. Então, o registro da
medida deve considerar o valor da medida (direta ou estimada) mais a
incerteza que pode ser para mais ou para menos.

Agora, mais que isso, quando se escreve o valor e o erro, que quantidade de
algarismo é necessário usar? Deve-se usar todos os algarismos que o cálculo
gera? Todos eles são importantes, são significativos para expressar a
quantidade em si?

A resposta é não, não precisamos de todos os algarismos. A apresentação de

uma medida, de um valor, de um erro, deve trazer consigo uma informação
significativa que expresse a realidade do fato com sua incerteza. Para isso
existem regras.

Classificação do tipo de medida quanto à sua origem

Os valores experimentais podem ter duas origens:

Tipo A resultado de avaliações estatísticas a partir de conjuntos de medidas,

Tipo B resultado de outros procedimentos.

Tipo A
Se o valor experimental é do tipo A, o erro associado a cada valor é a dispersão.
A dispersão, conforme apresentado na seção 2.2, tem relação com a
distribuição normal (gaussiana). O seu cálculo está baseado no conceito de
desvio padrão cuja representação é σ (letra grega sigma). Este desvio define

21
margens de confiança tanto para cima como para baixo do valor médio (valor
esperado).

Figura 1. Função gaussiana µ = 10, σ = 3.

Figura 2. Função gaussiana µ = 0, σ = 1.

Olhando para a curva gaussiana centrada em 0 (zero) e com um desvio padrão

unitário, é possível identificar que a área da gaussiana cerrada pelos limites
±σ=±1 vale 0,68 aproximadamente (a área sob a curva desde ±∞ vale 1). A área
abaixo da curva entre os limites ±2σ é aproximadamente 0,955 e entre os
limites ±3σ é aproximadamente 0,997. A área de 0,68 significa que 68% das
observações experimentais se encontram nesta região, limitada por ±σ. A área
de 0,955 significa que aproximadamente 96% das medidas estão nesta área,

22
entre os limites ±2σ. A área de 0,997 significa que praticamente todas as
leituras (~100%) estão entre os limites ±3σ.

Ao se associar, aos valores de cada medida, o desvio padrão, está-se dizendo

que o valor real da medida está compreendido dentro do intervalo
[𝑥𝑖 − σ𝑥, 𝑥𝑖 + σ𝑥] com 68% de certeza.
Convenção na apresentação de um valor experimental

Convencionou-se (e esta convenção é internacional) que, ao se expressar o

valor de σ como dispersão do valor de uma medida (calculado pela expressão
eq.4), deve-se utilizar somente um algarismo não nulo em sua escrita. O valor
experimental individual deve, então, ter a mesma precisão ditada pela
dispersão.

Por exemplo, se a dispersão de uma medida vale 2,6843…, somente o primeiro

algarismo não nulo será significativo, ou seja, 2. Mas depois do 2 encontra-se o
algarismo 6. Não seria melhor trocar o algarismo 2 por 3 dado que 3 está mais
perto de 2,6 do que 2? A resposta é sim. Para se justificar este procedimento,
devemos ver as regras de arredondamento.

Regras de arredondamento
𝑤
Considere uma incerteza escrita em notação científica: 𝑋, 𝑌𝑍 × 10 . O algarismo
representado por 𝑋 é o algarismo significativo e 𝑌𝑍 são duvidosos.

● Se 𝑌 < 5, então o algarismo 𝑋 é mantido e os demais algarismos

𝑤
duvidosos são truncados; a incerteza é escrita como 𝑋 × 10 .
● Se 𝑌 > 5, então o algarismo 𝑋 é incrementado de uma unidade e os
demais algarismos duvidosos são truncados; a incerteza é escrita como
𝑤
(𝑋 + 1) × 10 . Obs.: se o algarismo significativo é 9 (𝑋 = 9) e for
incrementado para 10, o algarismo significativo passa a ser o 1 (𝑋 = 1), o
0 (zero) os demais algarismos duvidosos são truncados e o expoente é
𝑤+1
incrementado de uma unidade; a incerteza é escrita como 1 × 10 .
● Se 𝑌 = 5, o procedimento é aplicado analisando-se o algarismo duvidoso
𝑍.
○ Se 𝑍 < 5, aplicar a regra para o caso 𝑌 < 5.

23
 ○ Se 𝑍 > 5, aplicar a regra para o caso 𝑌 > 5.
○ Se 𝑍 = 5, continuar a análise com o algarismo duvidoso seguinte
(repetir o procedimento).

Considere agora um valor experimental e sua dispersão. A precisão do valor

experimental é indicado pela precisão da dispersão. Para garantir
compatibilidade entre o valor medido e a dispersão, o último algarismo
significativo do valor experimental deve ser tratado da mesma forma que o
processo de arredondamento da incerteza.

Tipo B
Leitura a partir de instrumentos analógicos (completar)

Leitura a partir de instrumentos digitais (completar)

Exemplos

1) Considere a tabela de dados da seção 2.3. Tomando as 5 dispersões de cada

conjunto de medidas, escreva-as aplicando a convenção para escrita de
medidas experimentais e as regras de arredondamento quando necessário.

dispersão
2,691 3,306 2,331 2,515 2,759
calculada

dispersão
3 3 2 2 3
escrita

2) Escreva a primeira linha da mesma tabela (primeira medida de cada

conjunto) aplicando a convenção de escrita (valor + dispersão) e a regra de
arredondamento quando necessário.

24
 valor
7,14 8,27 11,19 8,07 7,41
medido

valor
7 8 11 8 7
escrito

dispersão
3 3 2 2 3
escrita

valor+ 7±3 8±3 11±2 8±2 7±3

dispersão

3) Escreva os 5 valores esperados seguindo a convenção (valor esperado + erro

padrão).

valor esperado 9,386 10,214 9,715 10,200 9,201

erro padrão 0,602 0,739 0,521 0,562 0,617

erro padrão
0,6 0,7 0,5 0,6 0,6
escrito

v.e. + e.p. 9,4±0,6 10,2±0,7 9,7±0,5 10,2±0,6 9,2±0,6

25
5 Relatório Técnico

Modelo

Relatório de Atividade Prática

Apresentação (título?): espaço para apresentação do título do relatório.

Identificação (quem?): identificação do(s) autor(es).

Introdução (sobre o que?): apresentação relevante do problema a ser resolvido

com fundamentação breve sobre o assunto.

Objetivos (o que?): dado o problema, especifica-se o que é objeto da atividade

experimental de forma geral e de forma específica.

Materiais (com o que?): para se alcançar os objetivos especificados, lista-se os

materiais (corpos de prova e instrumentos) que serão utilizados.

Métodos (como?): apresentação dos procedimentos que serão utilizados para a

realização da atividade experimental.

Resultados (primários, diretos, tabelas): apresentação dos resultados obtidos

na aplicação dos instrumentos de medida. Os resultados devem ser
apresentados preferencialmente em tabelas.

Cálculos (derivados, indiretos):

Análise/Verificação ( incertezas, confiança, precisão, exatidão):

Conclusão/Validação (resultados esperados (previstos) x resultados obtidos,

objetivo x análise):

Referências (a partir do que?):

26
Exemplo

Roteiro

Introdução: …

Objetivo: Estimar os volumes de dois corpos sólidos: um cilíndrico e outro

prismático.

Materiais: …

Métodos: …

27
Relatório de Atividade Prática

(Capa)

28
Introdução

Objetivos

Materiais

Métodos

Resultados

Cálculos

Análise/Verificação

Conclusão

Referências

29
Conclusão
Dica da Nome da empresa: É importante dar sua opinião. Você recomendaria
este livro?

30
Bibliografia

31