Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Nesta breve apostila procuramos entender os conceitos bsicos da Teoria de Erros com ob-
jetivo de aplic-los na prtica da Fsica Experimental. Uma vez que um processo de medio
est sujeito a diversos tipos de flutuaes e interferncias, necessrio saber como estimar as
incertezas nos valores medidos.
1 Probabilidades
Um processo aleatrio qualquer fenmeno que possa ter diferentes resultados finais quando
repetido sob certas condies predeterminadas. Os eventos so os diferentes resultados finais
ou grupos de resultados finais. Por exemplo, no lanamento de um dado no viciado temos, os
seis resultados finais podem ser definidos como eventos.
De maneira geral, um processo aleatrio y pode resultar um nmero finito de m eventos
indicados por
y1 , y2 , y3 , . . . , yi , . . . , ym ,
N (yi )
F (yi ) = ,
N
N (yi )
P (yi ) = lim = lim F (yi )
N N N
1
definio acima, temos que a frequncia relativa sempre uma aproximao para a probabilidade
de ocorrncia do evento. Quanto maior o nmero N de repeties, melhor a aproximao.
y1 , y2 , y3 , . . . , ym .
Cada valor yi tem uma probabilidade P (yi ) de ocorrer em um processo simples. O conjunto
dos m valores de P (yi ), para todos os valores possveis de i, definido como a distribuio de
probabilidades para a varivel discreta y. Onde a distribuio satisfaz a chamada condio de
normalizao,
m
P (yi ) = 1.
X
i=1
1 Xm
y = yi N (yi ).
N i=1
i=1
= lim y
N
Temos ainda que neste limite, a frequncia relativa tende a probabilidade P (yi ). Assim o
valor mdio verdadeiro pode ser escrito
1
segundo a lei dos grandes nmeros
2
m
= yi P (yi )
X
i=1
i=1
A descrio das frequncias N (Yj ), das frequncias relativas F (Yj ) e probabilidades P (Yj )
para cada Yj torna-se invivel devido ao grande nmero de quantidades. Pois para determinar
experimentalmente N (Yj ) ou F (Yj ) seria necessrio repetir N vezes o processo, com N M e
isto pode ser invivel.
Para contornar estas dificuldades podemos utilizar uma outra definio de evento. Afirma-
mos que o evento yi ocorre se o resultado do processo uma quantidade Yj tal que
y y
yi Yj yi +
2 2
Os valores de yj e y devem ser tais que qualquer valor possvel Yj esteja includo em
apenas um intervalo. Esta definio se aplica a variveis contnuas e discretas. A condio de
normalizao, o valor mdio e desvio padro so exatamente iguais.
Nosso interesse principal corresponde ao caso em que y resulta de um processo de medio,
nos quais os valores possveis YJ so discretos. Ou seja, a grandeza fsica y pode ser contnua,
mas os resultados YJ de medidas de y constituem um conjunto discreto de valores.
Isso uma consequncia do fato de que os instrumentos de medio s fornecem leituras
com um nmero definido de algarismos. Por exemplo, uma rgua comum de 300 mm s admite
a leitura de um nmero inteiro de milmetros. S existem 300 resultados possveis, ainda que o
comprimento a ser medido seja uma grandeza contnua.
3
Assim, quando entendemos como evento qualquer resultado no intervalo yi , y, no importa
se a varivel contnua ou discreta, desde cada intervalo contenha um nmero muito grande
de resultados possveis.
Pi
H(yi ) = ,
y
depende apenas de yi . Esta chamada funo densidade de probabilidade ou funo de proba-
bilidade. Se conhecemos H(yi ), a probabilidade de ocorrer um resultado no intervalo {yi , y}
P (yi ) = Pi
= H(yi )y,
dP = H(y)dy
ou
dP
H(y) = .
dy
Em um processo real, a aproximao experimental para a probabilidade a frequncia relativa
F (yi ). A aproximao experimental para a funo densidade de probabilidade dada por
F (yi )
He (yi ) = .
y
4
1.5 Funo de Laplace-Gauss
A funo gaussiana (ou funo normal de erros) de densidade de probabilidades definida por
1 1 y
" 2 #
G(y) = exp ,
2 2
1
Gmax = G(y = ) = .
2
E a largura a meia altura:
= y2 y1 = 2, 3548
5
1.6 Histograma
O histograma um tipo de grfico que permite representar as quantidades N (yi ), F (yi ) ou
H(yi ) para os resultados obtidos em N repeties de um determinado processo.
Estas quantidades dependem da largura y, por isso os valores de N (yi ), F (yi ) ou H(yi )
podem ser representados por barras paralelas ao eixo y, com largura y e centradas em yi .
Vale notar, que existem outras possibilidades para a centralizao das barras.
Exemplo 1 - A medio da distncia focal de uma lente convergente repetida 60 vezes. Devido
a erros de medio, resulta uma grande flutuao estatstica nos valores calculados para y. Vamos
construir um histograma. Os resultados Yj (em mm) so mostrados abaixo.
204 206 208 210 211 218 219 222 222 223
227 229 230 232 235 235 235 235 237 237
237 237 238 238 239 239 239 239 239 240
240 241 243 244 244 246 246 248 248 249
250 250 253 256 257 257 257 259 259 260
262 265 267 268 269 269 269 273 285 289
F (yi ) N (yi )
He (yi ) = = .
y N y
Pois esta pode ser comparada diretamente com a funo densidade de probabilidade H(y)
correspondente ao processo aleatrio. O intervalo y deve ser escolhido de forma que N (yi ) seja
no mnimo igual a 10 para os intervalos prximos do valor mdio.
A escolha dos valores yi deve ser tal que o centro do intervalo central seja coincidente com o valor
mdio obtido. Os resultados so mostrados na figura abaixo.
6
2 Erro e Incerteza
O Mensurando a grandeza a ser determinada em um processo de medio. Em geral, seu
o valor verdadeiro uma quantidade desconhecida. Ou seja este s pode ser conhecido aproxi-
madamente devido a erros de medio. O valor verdadeiro de uma grandeza fsica experimental
tambm chamado de valor alvo.
Em certos casos, o valor verdadeiro conhecido. Por exemplo, a velocidade da luz no
vcuo c. Nestes casos, a medio realizada para aferio de equipamentos ou em experincias
didticas.
Verifica-se experimentalmente que os erros seguem a distribuio gaussiana com boa aproxi-
mao. Eventualmente uma distribuio de erros pode ser diferente da distribuio gaussiana.
7
2.2 Objetivos da teoria de erros
Uma grandeza fsica experimental deve ser determinada a partir de um processo de medio,
cujo resultado sempre uma aproximao para o valor verdadeiro da grandeza.
Portanto, o teoria de erros busca determinar o melhor valor possvel para a grandeza a
partir das medies. E determinar quanto o melhor valor obtido pode ser diferente do valor
verdadeiro.
O melhor valor para a grandeza deve ser o mais prximo possvel do valor verdadeiro e
tambm pode ser chamado de melhor estimativa ou valor experimental para a grandeza fsica.
Em suma os objetivos da teoria de erros so:
Obter o melhor valor para o mensurando a partir dos dados experimentais. Ou seja,
determinar a melhor aproximao possvel para o valor verdadeiro em termos probabils-
ticos.
Obter a incerteza no melhor valor, o que significa determinar quanto este valor pode ser
diferente do valor verdadeiro, em termos probabilsticos.
O limite de erro (L) valor mximo admissvel para o erro. Esta a forma mais
utilizada em especificaes tcnicas de instrumentos.
O erro provvel o valor que tem 50% de probabilidade de ser excedido pelo erro ,
em mdulo.
Portanto a relao acima no uma inequao, apenas uma afirmao que pode ou no
estar correta. Isto , b uma quantidade desconhecida com probabilidade P de ser menor que
a ou maior que c.
8
2.4 Interpretao da incerteza padro
Se yv o valor verdadeiro de um mensurando e y resultado de um processo de medio,
a probabilidade P () de se obter um resultado y no intervalo
yv < y < yv + ,
1 Z yv + 1 y yv 2
" #
P () = exp ,
v 2 yv 2 v
Ou seja, podemos afirmar com 68,27% de confiana que o erro possui mdulo menor que v .
Podemos escrever tambm o intervalo de confiana para o valor verdadeiro:
Segundo a lei de gravitao universal, o mdulo da fora entre duas massas dado por
m1 m2
F =G .
r2
A constante G um exemplo de grandeza fsica experimental, cujo valor numrico deve ser ob-
tido por meio de medies. Muitas experincias j foram realizadas para determinar a constante
G. Vejamos na tabela 2, alguns valores experimentais e suas respectivas incertezas.
Admitindo erros com distribuio gaussiana, a incerteza define o intervalo de confiana para
G
G < G < G + (com confiana P = 68%)
9
Tabela 2: Diversos valores experimentais para G. A incerteza indicada por meio da incerteza
padro .
Ano (G ) (1011 m3 s2 kg 1 )
1798 6,75 0,05
1896 6,657 0,013
1930 6,670 0,005
1973 6,6720 0,0041
1988 6,67259 0,00085
Em um grfico, a incerteza padro pode ser indicada por barras de incerteza. Nem sempre
isto possvel, pois a incerteza pode ser muito pequena (veja o ltimo ponto no grfico).
Figura 4: Os valores experimentais de G convergem para um valor bem definido, que deve ser
o valor verdadeiro da grandeza (G).
10
2.5 Limite de erro
O limite de erro L o valor mximo que o erro pode assumir. Em uma distribuio de erros
simtrica, que se anula alm de um certo valor y = L, temos que
Em uma distribuio de erros gaussiana no existe um limite de erro absoluto, pois teoricamente
a gaussiana nunca se anula. Entretanto, temos que a incerteza expandida 3 possui confiana P
= 99,73 %. Pois a gaussiana praticamente se anula alm deste valor. Por esta razo assumimos
esta incerteza como o limite de erro. Assim,
L = 3.
L = 2.
Lc
= ,
2
onde Lc menor diviso da escala analgica em questo. Por exemplo, uma rgua comum
graduada em milmetros possui = 0, 5 mm.
11
3 Algarismos Significativos
O valor de uma grandeza experimental pode ser escrito como um nmero na forma decimal
com muitos algarismos. Por exemplo,
OOOOOOOOOO
| {z } XY
| .{z
. . ZW} ABCD
| {z . . }.
no sig. sig. no sig.
O algarismo significativo em nmero pode ser entendido como um algarismo que indivi-
dualmente tem algum significado, quando o nmero est em forma decimal.
Devido incerteza, cada um dos algarismos no nmero tem uma determinada probabilidade
de ser o algarismo verdadeiro. Geralmente, esta probabilidade est entre 50 % e 100 % para
o primeiro algarismo no-nulo (X) e vai diminuindo para algarismos direita, at se tornar
muito prxima de 10% para certo algarismo (A). Ou seja o algarismo A tem a mesma probabi-
lidade que os demais (1/10) de ser o algarismo verdadeiro. Portanto A no poder ter nenhum
significado, por que no transmite nenhuma informao.
Resumindo, o algarismo significativo quando tem maior probabilidade de estar correto, em
relao aos demais.
Assim, temos 99,7% de chance de que os algarismos corretos sejam dados por um dos seguinte
nmeros:
Vamos admitir que a distribuio de erros gaussiana, cuja densidade de probabilidade dada por
1 1
G(y) = exp 2 2 ,
2 2
12
A probabilidade P (yv ) de que o valor verdadeiro seja yv proporcional a G():
(y yv )2
! " #
2
P (yv ) = CG() = p0 exp = p0 exp ,
2 2 2 2
onde p0 a probabilidade para o valor yv = y = 73,64 m. Podemos calcular P (yv ) para quaisquer
valores yv .
A seguir, mostramos valores calculados aproximadamente para diversos casos. Vejamos as
probabilidades para os dois primeiros algarismos sejam os valores indicados:
1 algarismo 5 6 7 8
Probabilidade 0,00% 0,16% 99,84% 0,00%
2 algarismo 0 1 2 3 4 5 6
Probabilidade 1% 8% 21% 31% 25% 11% 2%
A probabilidade de que o primeiro algarismo seja 7 99,84%. Existe certeza quase absoluta que o
algarismo 7 o correto. A probabilidade de que o segundo algarismo seja 3 31 %. Assim, o
algarismo 3 tambm significativo, pois tem maior probabilidade em relao aos demais.
Para os dois ltimos algarismos, temos
Na primeira tabela, percebemos que o algarismo 6 tem uma probabilidade pouco maior de ser o
algarismo correto. Ento dizemos que o algarismo 6 significativo.
Observando a segunda tabela, vemos a probabilidade do algarismo 4 estar correto comparvel
aos demais algarismos. Por isso este no pode ser considerado significativo.
Assim, o resultado final deve ser escrito como
y = 73, 6 1, 2 m
13
3.1 Algarismos na incerteza padro
A incerteza padro deve ser dada com 2 algarismos, quando o primeiro algarismo na incer-
teza for 1 ou 2.
A incerteza padro pode ser dada com 1 ou 2 algarismos, quando o primeiro algarismo na
incerteza for 3 ou maior.
4 = 2,31 kg = 2 kg = 2,3 kg -
5 = 2,78 cm = 3 cm = 2,8 cm = 28 mm
6 = 3,49 m = 3,5 m =3m
y = 0, 0004639178 m; = 0, 000002503 m.
A incerteza padro deve ter dois AS, ento a forma adequada pode ser escrita como
ou
y = 4, 639178 104 m; = 0, 025 104 m.
W, Y X ABCD
| {z . . }.,
| {z }
sig. n. sig.
onde ABCD . . . so algarismos que por algum motivo devem ser eliminados, o algarismo X
deve ser arredondado aumentando de uma unidade ou no, de acordo com as seguintes regras:
14
de X500. . .1 a X999. . ., os algarismos excedentes so eliminados e o algarismos aumenta
de 1 (arredondamos para cima)
2,43 2,4
3,688 3,69
5,6499 5,6
5,6501 5,7
5,6500 5,6
5,7500 5,8
9,475 9,48
3,325 3,32
ou ainda,
G = 6, 6726(8) (1011 m3 s2 kg 1 ),
15
4 Erros estatsticos e sistemticos
Seja uma medio repetida n vezes, com um conjunto de resultados (y1 , y2 , . . . , yn ), e valor
mdio y. Temos que:
Erro sistemtico o mesmo nos n resultados. Quando existe somente erro sistemtico, os
n resultados so iguais e a diferena para o valor verdadeiro yv sempre a mesma.
Erro estatstico ou aleatrio um erro tal que na ausncia de erro sistemtico os n resultados
yi se distribuem de maneira aleatria em torno do valor de yv .
A acurcia (ou exatido) descreve o quanto o resultado de uma medio prximo do valor
verdadeiro. Um resultado acurado possui erro total muito pequeno.
A preciso caracteriza um resultado com erros estatsticos pequenos, com pequena disperso
em relao ao valor verdadeiro.
1 XN
y = yi .
N i=1
A melhor estimativa para o desvio padro do conjunto de medies dada por
1 X N
2 = (yi y)2 .
N 1 i=1
m =
N
16
A incerteza padro pode ser obtida a partir da soma da varincia estatstica e da varincia
sistemtica residual:
p2 = m
2
+ r2
y = y p
Incerteza relativa
Em algumas situaes conveniente apresentar a incerteza relativa, que definida por
= ,
y
(%) = 100.
6 Propagao de incertezas
Em alguns experimentos a grandeza fsica de interesse no obtida diretamente, mas calcu-
lada por meio de uma grandeza que foi medida diretamente. Por exemplo, possvel calcular
a acelerao da gravidade g medindo o tempo de queda t de um corpo que cai de uma de-
terminada altura h. Nesta seo vamos entender como podemos relacionar a incerteza g na
acelerao g com a incerteza da medida do tempo t .
Vamos tratar do caso mais geral. Seja uma grandeza w, calculada como funo de outras
grandezas experimentais,
w = w(x, y, z, . . .),
17
6.1 Algumas frmulas de propagao
Soma algbrica de variveis (w = x y z . . .):
w2 = x2 + y2 + . . .
w = |a|x
w = |a cos | ,
Exemplo 3 : Calcule a incerteza: (a) na rea de uma circunferncia; (b) no volume de um cilindro.
Bibliografia consultada
VUOLO, J. H. Fundamentos da Teoria de Erros. 2 ed. So Paulo: Blucher, 1996
18