TEORIA DE ERROS PARTE 1 (CONCEITOS BSICOS)

MEDIDAS DIRETAS E INDIRETAS Medidas diretas so as obtidas por simples comparao utilizando-se instrumentos de medida j calibrados para tal fim. Exemplos: medidas de comprimento com uma trena, de massa dum objeto com uma balana e de um intervalo de tempo com um cronmetro. Medidas indiretas so as calculadas a partir de outras grandezas medidas diretamente, atravs de expresses matemticas existentes relacionando essas grandezas. Exemplos: determinao do volume dum cilindro e de uma esfera a partir da medida de suas dimenses, da velocidade mdia de um carro a partir do desloca mento e do tempo.

CLASSIFICAO DOS ERROS Erros grosseiros so aqueles cometidos devido falta de ateno ou de prtica do operador. Exemplos: erros cometidos em operaes matemticas, enganos na leitura ou escrita de dados, ou engano na leitura duma escala. Erros sistemticos: so aqueles decorrentes de causas constantes e se caracterizam por ocorrerem sempre com o mesmo valor de sinal. Exemplos: erros devidos a aparelhos descalibrados, a mtodos falhos, ao uso de equaes incompletas, a condies ambientais inadequadas aos instrumentos de medida e a hbitos errados do operador. Erros acidentais: Tambm chamados de erros aleatrios ou estatsticos, eles resultam do somatrio de pequenos erros independentes e incontrolveis afetando o observador, o instrumento de medida, o objeto a ser medido e as condies ambientais. Exemplos: a variao do "milmetro" ao longo duma rgua milimetrada; a flutuao dos instrumentos de medida ligados na rede eltrica; a estimativa que o observador faz na leitura de dados, as pequenas variaes da grandeza medida quando comparadas sensibilidade do arranjo experimental.

ALGARISMOS SIGNIFICATIVOS Definio: So ditos significativos todos os algarismos contados a partir do primeiro no nulo (diferente de zero), ou seja, o zero a esquerda no conta como significativo. Exemplos: o nmero 35 tem dois algarismos significativos; o nmero 3,50 tem trs; o nmero 0,047 tem dois; o nmero 2,8 x 104 tem dois (somente os algarismos em frente potncia de 10 so significativos). OBS: O resultado duma medida deve ser escrito com um nmero de algarismos significativos tal que procure representar a preciso obtida para a medida. Regras de aproximao de algarismos significativos: s vezes necessrio fazer uma aproximao de um resultado de acordo com o nmero de significativos das medidas que lhes deram origem. Deste modo os dgitos excedentes so arredondados, usando-se os seguintes critrios: 1- Se o primeiro dgito desprezado for um nmero variando entre 0 e 4, o anterior no ser alterado; 2- Se for de 5 a 9, o anterior acrescido de uma unidade. Regras de operaes com algarismos significativos: Nas operaes com algarismos significativos deve-se preservar a preciso do resultado final. Valem, ento, as seguintes regras: 1- Na multiplicao e diviso o resultado final deve ser escrito com um nmero de significativos igual ao do fator com menor nmero de significativos. Exemplos: 3,7 4,384 = 16 ; 0,632 0,20 = 3,2 ; 4,40 6242 = 2,75 x 10 4 .

2- Em operaes envolvendo inverso de nmeros e multiplicao por fatores constantes, o nmero de significativos deve ser preservado no resultado. Exemplo: 1 = 0,00403 ; 248

2 6,23 = 12,5 ;

4 13,5 = 170 .

3- Na soma e subtrao o resultado final ter um nmero de decimais igual ao da parcela com menos decimais. Exemplos: 3,4 + 0,256 2,22 = 1,4; 34 + 2,92 0,5 = 36; 0,831 6,26x10-3 0,79 = 0,03

VALOR MAIS REPRESENTATIVO DE UMA GRANDEZA

Podemos resolver esta questo utilizando o mtodo dos mnimos quadrados, proposto por Legendre, em 1806, como segue. Seja xi o resduo da medida X i , definido como:
xi = X i X

i = 1, 2,..., n ,

(1)

onde X um valor qualquer. O mtodo dos mnimos quadrados diz que o valor X mais representativo das medidas Xi um valor X tal que reduz a soma dos quadrados dos resduos a um mnimo. Esta soma dada por, U( X )

xi =

(X
i

X ) = i Xi 2 X i Xi + n X 2 ,
2 2

i = 1, 2,..., n (2)

Onde a sua representao grfica uma parbola com a concavidade voltada para cima. Assim, o seu ponto de mnimo X ser equivalente ao X do vrtice ou fazendo a condio de mnimo para a derivada de U(X) em relao a X no ponto X = X . Assim: b ou 2a
dU = 2 i Xi + 2 n X = 0 . dX

X =

X =

Xi

i = 1, 2,..., n .

(3)

Da eq (3) conclui-se que X a mdia aritmtica dos n valores medidos X i .

DESVIO QUADRTICO MDIO

seja,

De acordo com a Eq. (2), U 0 a soma dos quadrados dos desvios em relao mdia, ou U0 =

( Xi - X )2

, i = 1, 2,..., n .

(4)

Onde U0 representa o valor mnimo para a soma dos quadrados dos desvios. Define-se como desvio quadrtico mdio, dqm, o valor mdio de U 0 , ou seja dqm = U0 . n (5)

A raiz do dqm d uma indicao de como uma particular srie de n valores desvia em relao ao valor mais representativo.

POPULAO E AMOSTRA Populao. As medidas e contagens em estatstica, para terem sentido, devem ser limitadas a certo grupo ou conjunto de objetos ou elementos chamados em estatstica de populao. As populaes podem ser classificadas em finitas e infinitas, conforme seja finito ou infinito o nmero de objetos ou elementos que as compem.

Exemplo de uma populao finita: nmero de eleitores na Bahia (este nmero limitado). Exemplo de uma populao infinita: medida da massa de um objeto (pode-se fazer um nmero ilimitado de medidas).
Amostra uma parte de uma populao estatstica que foi tomada ao acaso e usada como base para fazer-se estimativas e tirar-se concluses sobre a populao.

Exemplo de amostra de uma populao finita: pesquisas eleitorais Exemplo de amostra de populao infinita: as medidas que sero realizadas neste laboratrio

VALOR VERDADEIRO E VALOR MAIS PROVVEL

O valor verdadeiro, (letra grega, l-se mi), dos N elementos de uma populao definido como o valor mais representativo da populao, o qual, de acordo com a Eq. (3), a mdia aritmtica desses N elementos, ou seja, =

Xi

i = 1, 2, ..., N.

(6)

Como as populaes mais comuns na Fsica (medidas de comprimento, massa, tempo) so infinitas e, nestes casos, definido como a mdia aritmtica de uma srie infinita de medida. Sendo assim, sua determinao exata , em geral, hipottica. O valor mais provvel ( v.m.p.), X , de uma amostra com n elementos, de acordo com a Eq. (3), a media aritmtica dos n valores, ou seja:

X=

Xi

i = 1, 2,..., n .

(7)

O v.m.p. X uma estimativa do valor verdadeiro e a melhor estimativa que se pode obter dele sem se fazer medida adicional
ERRO, DESVIO E DISCREPNCIA

O erro, ei , de uma medida X i a diferena entre este valor e o valor verdadeiro da grandeza, ou seja: e i = Xi . (8) O valor verdadeiro , geralmente, desconhecido e, portanto, o mdulo do erro hipottico. Contudo, este um conceito til na teoria de erros. O desvio, di , de uma medida X i a diferena entre este valor e o valor mais provvel, ou seja: (9) di = X i X . 4

O desvio assim definido tem duas propriedades importantes:

1- A soma dos quadrados dos desvios um mnimo, ou seja:

di =

Xi 2 X

Xi + n X 2 .

(10)

Pela Eq. (3) , tem-se que i X i = n X . Ento, di =

2

Xi n X 2 .

(11)

2- A soma algbrica dos desvios zero:

di =

Xi n X = n X n X = 0

A discrepncia a diferena entre dois valores medidos de uma grandeza, tal como a diferena entre os valores obtidos por dois estudantes ou a diferena entre o valor encontrado por um estudante e um recomendado ou tabelado. incorreto usar-se os termos erro ou desvio para representar tais diferenas.

EXATIDO E PRECISO Exatido: uma medida de quo prximo o valor experimental est do valor verdadeiro. A exatido tem a ver com os erros sistemticos e uma medida dita ser to mais exata, quanto menores forem estes erros. Preciso: uma medida de quo concentradas esto, as medidas experimentais em torno do valor mais provvel. A preciso tem a ver com os erros aleatrios e uma medida dita ser to mais precisa, quanto menores forem estes erros.

Exemplo:

LIMITE DO ERRO INSTRUMENTAL E DESVIO AVALIADO

O limite do erro instrumental (l.e.i.) dum instrumento de medio com escala de leitura contnua (rguas, micrmetro, medidores com ponteiro) definido como a menor frao da menor diviso da escala que pode ser estimada visualmente. Ex: o l.e.i. duma rgua milimetrada de boa qualidade como 0,2 mm; 0,5 mm (rguas de plstico); 1mm (trenas e escalas de pedreiro); micrmetro, cuja menor diviso da escala 0,01 mm, o l.e.i. 0,002 mm. O paqumetro que um instrumento com escala de leitura descontnua (escala com vernier) o l.e.i., geralmente, a menor medida possvel de ser feita (l.e.i = 0,05 mm). Num cronmetro mecnico que marca em intervalos de 0,1 s, toma-se o l.e.i. igual a este valor. Em medidores digitais, o l.e.i. , geralmente, a metade do ltimo dgito mostrado no visor. O desvio avaliado ( sa ) associado medida a ser feita deve ser definido para se conhecer a posio do algarismo duvidoso. Ele deve levar em conta o l.e.i. do instrumento de medida utilizado, o objeto a ser medido, o processo de medida e, em alguns casos, as condies ambientais. Seu valor nunca ser menor do que o do l.e.i. do instrumento de medida podendo ser, no mnimo, igual a este se as condies de medida forem favorveis. Exemplo: se a medida a da largura de um objeto que tem arestas bem definidas, e o instrumento de medida (rgua) pode encostar-se ao objeto, pode-se tomar o desvio avaliado igual ao l.e.i. da rgua. Se o objeto possuir contornos abaulados (como uma esfera), o correto tomarse o desvio avaliado maior que o l.e.i. Ele deve ser usado como desvio quando so feitas poucas medidas (at trs), quando as medidas repetidas tm o mesmo valor, ou quando o desvio padro calculado para uma srie de medidas for menor que ele.
DESVIO RELATIVO E DISCREPNCIA RELATIVA

O desvio relativo, , de uma medida definido como a relao entre a disperso s utilizada para a medida (desvio avaliado, desvio padro, etc., vistos adiante) e o valor X (ou o v.m.p) da medida, expresso em %. Sua expresso =
s 100 . X

(13)

O desvio relativo tem significado somente quando as medidas so referidas a um referencial zero que tenha significado fsico. Quando o referencial arbitrrio, o desvio relativo perde o sentido quando os desvios individuais forem apreciveis em comparao com o valor da medida. Exemplo: A preciso duma medida pode ser avaliada atravs do desvio relativo, sendo tanto maior a preciso quanto menor for este desvio. A discrepncia relativa, , (letra grega, l-se delta) entre duas medidas X ' e X " de uma grandeza, definida pela relao (em %)
X X 100 . X X ' e X " podem ser os valores obtidos por dois observadores, ou X ' pode ser um valor obtido por um observador e X " um valor tabelado ou recomendado da grandeza. Exemplo: A exatido de uma medida X ' pode ser avaliada pela discrepncia relativa, onde X " o valor verdadeiro da grandeza ou um valor recomendado. A exatido tanto maior quanto menor for a discrepncia relativa.

TEORIA DE ERROS PARTE 2 (DISTRIBUIO DE GAUSS) FREQNCIA E PROBABILIDADE A freqncia , na estatstica, est dividida em: A Freqncia absoluta de um acontecimento o nmero de vezes que o mesmo ocorreu. Assim, se um dado lanado 30 vezes e ocorre 8 duques, a freqncia absoluta do "duque" 8. Freqncia relativa, ou simplesmente freqncia, a relao entre o nmero de vezes que o acontecimento ocorreu e o nmero de vezes que ele poderia ter ocorrido, podendo ser expressa em %. Assim, no exemplo acima, a freqncia do "duque" 8/30 , ou 26,7 %.

J a probabilidade definida, pelo quociente entre o nmero de casos favorveis e o nmero de resultados possveis de um determinado evento. Assim, considerando as probabilidades P de sucesso e Q de falha so dadas, respectivamente, por p q P= e Q= . p+q p+q onde: - p o nmero que um dado evento pode ocorrer e, - q o nmero de modos do evento falhar. O valor da probabilidade nunca pode exceder unidade ou seja, a soma das probabilidades de todos os eventos possveis deve ser igual unidade sendo interpretada como certeza. Neste caso, P + Q = 1. Exemplo: a probabilidade de ocorrer um duque num nico lanamento de um dado com 6 faces 1/ 6 e a de no ocorrer o duque 5/6. A soma destas probabilidades igual unidade. A freqncia est relacionada ao conceito de amostra enquanto que a probabilidade est associada ao conceito de populao.
REPRESENTAO GRFICA DE MEDIDAS COMO UMA DISTRIBUIO A representao grfica de medidas tambm se relaciona com o conceito de amostra (freqncias) e populao (probabilidade) sendo que, o grfico de distribuio de freqncias o histograma e o de probabilidade dado, neste caso, pela distribuio de Gauss. HISTOGRAMA Os histogramas so os grficos mais adequados para a descrio de dados oriundos de variveis quantitativas. Eles mostram as freqncias de observaes para cada valor ou conjunto de valores da varivel que se deseja descrever. Neste grfico, no eixo das abscissas (X), so marcados intervalos de medidas e no eixo das ordenadas (Y) a freqncia absoluta (podendo ser expresso tambm com freqncias relativas) com que as medidas ocorrem em cada intervalo. A sua distribuio depende diretamente da largura dos intervalos, sendo conveniente escolh-los de maneira que, os intervalos prximos do valor mais provvel tenham uma freqncia absoluta maior que 10.

A sua construo segue os seguintes passos: 1-Ordenar os valores em ordem crescente e determinar a Amplitude Total: R R = Maior medida Menor medida 2- Como os dados so agrupados em intervalos, fazse necessrio escolher o nmero de intervalos K. H vrios critrios para determinar o nmero de dentre os quais:

2.1-Frmula de Sturges:

K = 1 + 3,33 log n Onde n o nmero de medidas que se deseja representar. 2.2- Regra emprica, dada pela tabela abaixo:
Nmero de medidas (n) Menor que 25 Entre 25 e 50 Maior do que 50 3- Achar o tamanho dos intervalos (iguais) - h. Nmero de Intervalos (K) 5 ou 6 De 7 a 14 De 15 a 20

h RK
Com base nos valores dos parmetros obtidos, pode-se construir o histograma,

como mostrado na figura acima. proporo que o nmero de medidas aumenta, o tamanho do intervalo do intervalo tender a diminuir. Sendo que, quando o nmero de medidas tende a infinito o tamanho do intervalo tender a ser zero o grfico de freqncias (histograma) tender, para o nosso tipo de amostras, a uma curva continua de probabilidade Gaussiana descrita pela funo de Gauss.

Assim:

n
A FUNO DE GAUSS

Os postulados de Gauss, base da teoria de erros, so os seguintes:

1) a probabilidade de cometer-se um erro compreendido entre x e x + dx uma funo de x; 2) as probabilidades de erros com mesmo valor absoluto, mas de sinais contrrios, so iguais; 3) a probabilidade de cometer-se erro entre - e + igual unidade, ou seja, certeza; 4)o valor mais provvel de uma grandeza medida n vezes com igual preciso a mdia aritmtica das n medidas. A funo de Gauss dada por:
f ( x) = C e
+

h2 x 2

(16)

onde C e h so parmetros constantes. Pelo terceiro postulado temos que:

Ce

h2 x 2

dx = 1

O resultado C = h

. A Eq. (16) fica, ento,

f ( x) =

e h

2 2

. .

(17)

Onde h o ndice de preciso da curva de Gauss pois, para x=0, f (0) = h Ou seja, quanto maior o valor de h maior ser a preciso dos dados, como pode ser visto na figura abaixo:

Obs: O valor da rea no se altera, sendo sempre igual 1, ou seja, certeza.

MEDIDAS DE DISPERSO Raiz do erro quadrtico mdio. Uma grandeza mais significativa para a medida da disperso, devido a sua conexo direta com a funo de Gauss, a raiz do erro quadrtico mdio, (letra grega, l-se sigma). O erro quadrtico mdio, eqm, definido como a mdia aritmtica dos quadrados dos erros de todos os elementos da populao. Ele representa, portanto, o dqm de uma medida individual em torno da media da populao, ou seja, do valor verdadeiro. O quadrado 2 tambm denominado varincia.

(x ) =
i i

(x
i

)2

i=1,2,...,N

, do mesmo modo que , tem sua determinao como sendo hipottica, pois necessrio dispor de todos os elementos da populao para determin-lo.
Desvio padro: Da mesma maneira que o v.m.p a melhor estimativa do valor verdadeiro, o desvio padro s a melhor estimativa para , sendo dado pela expresso:

s=
ou

d
i

2 i

n 1

(X
i

X )2

n 1

, i = 1, 2,..., n .

s=

Xi n X 2 i n 1

i = 1, 2,..., n .

Como a mdia da populao geralmente no coincide com a da amostra, a soma dos quadrados dos desvios de uma amostra finita em torno da mdia da populao no um mnimo. Sendo assim, o fator n 1 deve-se ao fato de haver apenas n 1 desvios funcionalmente independentes, j que existe a relao de condio que diz que a soma dos quadrados dos desvios um mnimo. Alm disso, quando n =1 o conceito de desvio perde o significado. O desvio relativo para o desvio padro ficaria:

S (%) =

s 100 X

NVEL DE CONFIANA COM O DESVIO PADRO

Definindo um intervalo [ X s ], onde uma constante a ser definida pela lei de distribuio de tal modo que uma nova medida X tenha uma dada chance de jazer neste intervalo. Assim, a probabilidade P( X 1 , X 2 ) de uma medida jazer no intervalo [ X 1 , X 2 ]

X2

P( X 1 , X 2 )=

X1

1 e 2

( X )2 2 2

dx .

10

Para o intervalo [ - , + ], a integral vale 0,6826. Isto significa que se deve esperar que 68,26 % das medidas jazam neste intervalo. Para os intervalos [ 2] e [ 3] as probabilidades so, respectivamente, 0,9545 e 0,9973. Isto significa que se deve esperar que 95,45 % das medidas jazam no intervalo [ 2] e 99,73 %, praticamente todas as medidas, jazam no intervalo [ 3]. probabilidade definida, expressada em %, denomina-se nvel de confiana, n.c. Assim, diz-se que o n.c. para o intervalo [ ] 68,26 %.
Como e so hipotticos, so usadas suas aproximaes X e s . Sendo assim:

Quando o nmero de medidas maior do que 20 podemos tomar por s sem muito erro. Neste caso, os nveis de confiana so obtidos atravs da teoria de Gauss. A Tabela 2 d os nveis de confiana para os intervalos [ X s] para n > 20 , ou seja, d os valores de pelo qual se deve multiplicar s para se ter um intervalo com um dado n.c. Quando n < 20, os valores para , neste caso, so obtidos atravs de uma outra distribuio devida a Student. A Tabela 3 apresenta esses valores de em funo do nmero de medidas n e para os nveis de confiana de 60 %, 90 % e 95 %. Tabela 2 (Gauss) Valores de para n > 20
Nvel de confiana n.c. ( % ) 50,00 60,00 68,26 90,00 95,00 95,45 99,73

Tabela 3 (Student) Valores de para n 20

n

0,670 0,842 1,000 1,645 1,960 2,000 3,000

Nvel de confiana, n.c. ( % )

60% 1,376 1,061 0,978 0,941 0,920 0,906 0,896 0,889 0,883 0,868 0,861 90% 6,314 2,920 2,353 2,132 2,015 1,943 1,895 1,860 1,833 1,761 1,729 95% 12,706 4,306 3,182 2,776 2,571 2,447 2,365 2,306 2,262 2,145 2,093

2 3 4 5 6 7 8 9 10 15 20

REJEIO DE DADOS

Algumas vezes numa srie de medidas ocorrerem valores que diferem bastante do conjunto. A questo que se coloca se esses valores aparentemente anmalos devem ser rejeitados. Em casos onde se sabe ter havido perturbaes fsicas durante a medio (queda de tenso, tropeo na mesa, etc.), as medidas devem ser rejeitadas, ainda que elas paream concordar com as outras. Um critrio comumente usado rejeitar as medidas onde o seu valor esteja fora do intervalo [ X 3s], sendo praticamente zero a probabilidade de uma medida jazer fora deste intervalo. Uma vez eliminada a medida anmala, novo v.m.p. e novo desvio padro devem ser calculados com as medidas restantes.

11

PROPAGAO DE ERROS

Trataremos, agora, os erros relacionados s medidas indiretas, ou seja, aquelas calculadas atravs de expresses matemticas envolvendo grandezas medidas diretamente. Suponhamos que uma grandeza R calculada a partir das grandezas medidas X e Y atravs duma expresso matemtica R = R ( X ,Y ). Nos experimentos realizados aqui no laboratrio, as grandezas medidas so independentes, ou seja, elas no variam com outra grandeza medida. Conseqentemente seu erros tambm sero independentes.
VALOR MAIS PROVVEL DE UMA MEDIDA INDIRETA

Considerando uma funo R = R ( X ,Y ) = 2X Y , o valor mdio da funo obtido substituindo o valor mais provvel das grandezas medidas diretamente na relao matemtica que expressa a grandeza indireta ou seja: R = R( X , Y ) = 2 X Y onde X e Y so os valores mdios das grandezas medidas diretamente.
FRMULAS ESPECIAIS PARA PROPAGAO DE ERROS INDEPENDENTES

Quando os erros so independentes, os coeficientes de correlao so nulos. Assim, para duas grandezas X e Y temos: sR = R 2 R sX 2 + s X Y Y
2 2

Produto de fatores elevados a diferentes potncias.

Seja R = X p Y q , onde p e q so valores reais conhecidos a expresso de propagao de erros :

sR = R

s p X X
2

s + q Y Y
2

Soma ou diferena. Seja R = b X cY , onde b e c so constantes reais, temos que:

sR = b2 sX + c2 sY ,
2 2

ou

sR =

sX + sY

se

b = c =1 .

12