Escolar Documentos
Profissional Documentos
Cultura Documentos
de medida
1
Instrumentos de medição
2
Instrumentos de medição
A resolução do instrumento de medição é a menor variação
da grandeza medida que é perceptível no mostrador.
3
Algarismos significativos
4
Algarismos significativos
Algarismos significativos de uma medição são o conjunto de
todos os algarismos corretos mais um algarismo duvidoso.
Exemplo: medindo o comprimento de uma barra usando réguas
com resoluções diferentes.
1
1 cm
2
1 mm
5
Algarismos significativos
Régua 1:
• Extremidade da barra está entre a marca 9 e 10 cm.
• Usando bom senso, estimo que esta extremidade está a
0,6cm de distância da marca 9cm.
• Declaro o resultado da medição como 𝐿 = 9,6 cm
1
1 cm
2
1 mm
9
Incerteza de uma medição
10
Incerteza de uma medição
• Toda medição está sujeita a alguma incerteza, ou seja, sempre
haverá uma margem de dúvida no resultado obtido.
• A incerteza pode ser devida a um ou mais dos seguintes
fatores: à resolução finita do instrumento de medição, ao
processo utilizado, ao operador, ao ambiente, entre outros.
• A forma mais comum de se expressar o resultado de uma
medição é a seguinte:
Formas corretas
1
1 cm
2
1 mm
13
1
1 cm
2
1 mm
A resolução é o valor do
menor incremento da
grandeza observado no
mostrador.
𝑡 = 29,37 ± 0,01 s
0,01 s
15
Incerteza na leitura de escalas
• No exemplo anterior, a incerteza da medição coincidiu com a
resolução do instrumento.
• Porém, enquanto a resolução é uma característica do
instrumento, a incerteza depende do processo de medição.
• Exemplo: medindo o diâmetro de uma moeda e a largura de
um campo de futebol com uma régua milimetrada.
𝑑 = 0,5 mm
𝐿 ≫ 0,5 mm
16
Incertezas em medições repetidas
• Uma medição nem sempre se restringe à leitura de uma escala.
• Muitas vezes é necessário repetir uma medição várias vezes, sob
as mesmas condições.
• Se uma grandeza x é medida n vezes e os valores (𝑥1, 𝑥2, … , 𝑥 𝑛 )
são obtidos, qual o resultado final e sua incerteza?
• Em geral, a melhor estimativa para x é seu valor médio:
𝑛
𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 1
𝑥médio = 𝑥ҧ = = 𝑥𝑗 ,
𝑛 𝑛
𝑗=1
1
9
Propagação de incertezas
• Muitas vezes, teremos que determinar uma grandeza física de
forma indireta. Isso será feito em duas etapas:
1. Medimos uma ou mais grandezas relacionadas a ela.
2. Calculamos a grandeza de interesse usando as medidas.
𝑑
Exemplo: Para determinar o volume
de um cilindro, medimos o seu
diâmetro (d), sua altura (h) e, a ℎ
seguir, calculamos 𝑉 = 𝜋 𝑑/2 2ℎ.
2
𝑑𝑦 𝑑𝑦
𝑦 = 𝑥 = 𝑥 .
𝑑𝑥 𝑑𝑥
2
1
Propagação de incertezas
Regra geral para funções de uma variável
• Como podemos entender essa regra? (argumentos não rigorosos).
• Do gráfico abaixo vemos que Δ𝑦 = 𝑦 𝑥 + 𝑥 − 𝑦 𝑥 .
• Considerando a incerteza
𝑥 pequena, teremos
(Cálculo I):
𝑑𝑦
𝑦 = 𝑥.
𝑑𝑥
• Como 𝑑𝑦/𝑑𝑥 pode ser
negativo, usamos o
módulo:
𝑑𝑦
𝑦 = 𝑥
𝑑𝑥
2
2
Propagação de incertezas
Regra geral
• Considere que uma grandeza 𝑌 é uma função 𝑓 arbitrária de 𝑁
outras grandezas 𝑋1 , 𝑋2 , … , 𝑋𝑁 :
𝑌 = 𝑓(𝑋1 , 𝑋2 , … , 𝑋𝑁 ).
• Suponha que as medições de 𝑋1 , 𝑋2 , … , 𝑋𝑁 resultem em
𝑥1 ± 𝑥1, 𝑥2 ± 𝑥2, ... , 𝑥𝑁 ± 𝑥𝑁.
• Nesse caso, o valor 𝑦 da grandeza 𝑌 será
𝑦 = 𝑓(𝑥1, 𝑥2, ..., 𝑥𝑁).
• A incerteza 𝑦 é obtida pela seguinte regra:
2 2 2
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝑦 = 𝑥1 + 𝑥2 +⋯+ 𝑥𝑁 .
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑁
2
3
Propagação de incertezas
Regra geral*
2 2 2
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝑦 = 𝑥1 + 𝑥2 + ⋯+ 𝑥𝑁 .
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑁
8
*Regra válida quando as grandezas 𝑥𝑖 são independentes entre si.
Propagação de incertezas
Exemplo: As dimensões de um cilindro foram medidas com
uma régua graduada em milímetros:
𝑑 𝑑 = 21,35 ± 0,05 × 10−2m;
2 2 2 2
𝜕𝑉 𝜕𝑉 𝜋ℎ𝑑 𝜋𝑑2
𝑉 = 𝑑 + ℎ = 𝑑 + ℎ
𝜕𝑑 𝜕ℎ 2 4
26
Propagação de incertezas
• Obtemos:
𝑉 = 5 × 10−5 m3.
29
Gráficos
Fornecida uma tabela com dados de duas grandezas físicas que se
relacionam, a construção de um gráfico nos auxilia a:
1,0 0,052
2,0 0,098
3,0 0,151
4,0 0,195
30
5,0 0,244
Gráficos
Essas grandezas são relacionadas por
𝑉 = 𝑅𝐼.
Vamos construir o gráfico VxI, o que significa que os dados de V serão
colocados na coluna Y (eixo y) e os dados de I na coluna X (eixo x) do
programa gráfico.
Tensão (±𝟎, 𝟏 𝐕) Corrente
(±𝟎, 𝟎𝟎𝟏 𝐀)
1,0 0,052
2,0 0,098
3,0 0,151
4,0 0,195
5,0 0,244
Título e legenda
34
Ajuste de curvas
• Ajustar uma curva a um conjunto de dados experimentais é
determinar a função 𝑦(𝑥) que melhor representa a tendência geral
desses dados.
• Ajustes polinomiais:
o Linear: 𝑦 = 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎1, 𝑎0 ;
o Quadrático: 𝑦 = 𝑎 2 𝑥 2 + 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎2, 𝑎1, 𝑎0 ;
o Grau n: 𝑦 = 𝑎 𝑛 𝑥 𝑛 + ⋯ + 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎 𝑛 , … , 𝑎1, 𝑎0 .
• Ajuste exponencial: 𝑦 = 𝑎0 𝑒 −𝑎 1 𝑥 → parâmetros 𝑎1 , 𝑎0
• Etc.
35
Ajuste de curvas
Suponha que em um experimento foram medidos valores de duas
grandezas físicas X e Y que se relacionam linearmente, i.e., 𝑌 = 𝐶𝑋.
Y X
0,34 0,16
0,6 0,36
1,2 0,51
1,54 0,76
1,98 0,98
Σ𝑦𝑖 − 𝐴Σ𝑥𝑖
𝐵= ,
𝑛
𝛿 Σ𝑥𝑖2
Δ𝐴 = ,
𝑛 − 2 𝑛Σ𝑥𝑖2 − Σ𝑥𝑖 2
𝛿
Δ𝐵 = ,
(𝑛 − 2) 𝑛Σ𝑥𝑖2 − Σ𝑥𝑖 2
em que
2
𝛿 = Σ 𝑦𝑖 − 𝐴𝑥𝑖 − 𝐵 .
21
Ajuste de curvas
• Felizmente, as calculadoras científicas já possuem funções programadas
para calcular os coeficientes 𝐴 e 𝐵, a partir das equações mostradas
anteriormente.
Y X
0,34 0,16
0,6 0,36
1,2 0,51
1,54 0,76
1,98 0,98
41
Ajuste de curvas
Neste caso, um ajuste linear (regressão linear) determinará a equação
da reta que melhor se ajusta aos dados.
𝑅 = 20,8 ± 0,3 Ω
42
Ajuste de curvas
Resultados usando o MyCurveFit
4 parâmetros m
(inclinação) e c (termo
2
independente) com suas
0
respectivas incertezas.
0,052 0,102 0,152 0,202
Corrente (A) • Como y=V, x=I, temos
que R=m. Portanto
Calibrator Linear Regression
45
Ajuste de curvas
Não! Devemos fazer ajustes não lineares.
46
Linearização de gráficos
47
Linearização de gráficos
• Frequentemente, duas grandezas x e y se relacionam de forma não
linear. Exemplos:
1. 𝑦 = 𝑎𝑥2 + 𝑏
2. 𝑦 = 𝑏𝑒 𝑎𝑥
3. 𝑦 = 𝑎𝑥2 + 𝑏𝑥
1. Fazendo 𝑋 = 𝑥 2 teremos 𝑦 = 𝑎𝑋 + 𝑏
2. Aplicando o logaritmo: ln 𝑦 = ln 𝑏 + 𝑎𝑥
𝑌 = 𝐵 + 𝑎𝑥
3. Não é possível linearizar
• SciDAvis: https://sourceforge.net/projects/scidavis/
➢ Computador onde se pode instalar programas.
• MyCurveFit: https://mycurvefit.com/
➢ Computador onde não é possível instalar programas.
Este se usa sempre online.
𝑥real − 𝑥medido
erro = ⋅ 100%
𝑥real
50