Documente Academic
Documente Profesional
Documente Cultură
Erros e Incertezas
nas Medies
Julho 2004
Erros e Incertezas nas Medies
ndice
1 INTRODUO...............................................................................................................................9
1.1 Conceitos clssicos: exactido e preciso ....................................................................................9
1.2 Erros de medio .........................................................................................................................10
1.3 Por que existe incerteza?.............................................................................................................12
1.4 O interesse de se indicar a incerteza de uma medio...............................................................14
1.5 Incertezas - alguns marcos histricos..........................................................................................15
6 REGRESSO LINEAR................................................................................................................45
6.1 Expresso da recta de regresso ................................................................................................45
6.2 Coeficientes da recta e respectivas incertezas............................................................................45
6.3 Interpolao de um novo valor yo a partir de um xo .....................................................................47
6.4 Coeficiente de correlao entre X e Y .........................................................................................48
9 COMBINAO DE INCERTEZAS..............................................................................................61
9.1 Introduo ....................................................................................................................................61
9.2 Definies especficas .................................................................................................................61
9.3 Fontes de incerteza......................................................................................................................62
9.4 Expresso da grandeza a medir ..................................................................................................63
9.5 Correces conhecidas................................................................................................................63
9.6 Balano da incerteza....................................................................................................................64
9.7 Grandezas medidas repetidamente (tipo A) ................................................................................64
9.8 Grandezas determinadas por outros meios (tipo B) ....................................................................64
9.8.1 Valores singulares...........................................................................................................64
9.8.2 Grandezas de influncia..................................................................................................65
9.9 Lei de propagao das incertezas ...............................................................................................65
9.10 Coeficiente de sensibilidade ........................................................................................................66
9.11 Soma das varincias....................................................................................................................67
9.11.1 Casos mais simples, frequentemente encontrados ........................................................67
9.11.2 Soma (ou diferena)........................................................................................................68
9.11.3 Produto (ou quociente)....................................................................................................68
9.11.4 Combinao de incertezas..............................................................................................68
9.12 Grandezas correlacionadas .........................................................................................................69
9.12.1 Grandezas correlacionadas casos particulares .........................................................70
9.13 Incerteza expandida da mensuranda...........................................................................................70
9.14 Nmero de graus de liberdade ....................................................................................................70
9.15 Resultado final .............................................................................................................................71
9.16 Fluxograma simplificado ..............................................................................................................73
9.17 Combinao de incertezas Casos mais simples.....................................................................75
9.18 Sugesto de esquema para apresentao dos dados ................................................................76
9.19 Resumo dos casos mais comuns ................................................................................................77
9.19.1 Grandezas independentes ..............................................................................................77
9.19.2 Grandezas correlacionadas ............................................................................................77
15 BIBLIOGRAFIA .........................................................................................................................109
17 DISTRIBUIO DO T DE STUDENT....................................................................................113
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que abrange uma fraco
p% da distribuio......................................................................................................................113
17.2 Correco a aplicar ao desvio-padro, segundo o nmero de medies, para diferentes
factores de expanso do resultado final ....................................................................................114
1 Introduo
Por maior cuidado que se tenha ao efectuar uma medio, mesmo que se utilizem
equipamentos topo de gama em condies ambientais bem controladas, os
resultados que se obtm viro afectados por diversos erros.
Nada nem ningum perfeito. Como tal os resultados das medies, dos ensaios
e das anlises tambm no podem ser perfeitos. Isto no novidade para ningum.
Uma das principais tarefas de um experimentador identificar as fontes de erro que
podem afectar o processo de medio, e quantificar essas fontes de erro.
Essa falta de perfeio designada, actualmente, por incerteza. A palavra
erro, que durante largos anos foi utilizada com esse mesmo significado, est hoje
em dia reservada para designar o afastamento entre o valor obtido numa medio e
o correspondente valor verdadeiro, o qual , em geral, desconhecido.
Exacto e preciso
Erro grosseiro
Erro Grosseiro
Erro sistemtico
Erro Si stemtico
Erro aleatrio
Erro Aleatrio
Por outro lado, qualquer medio efectuada com sistemas fsicos (os
instrumentos de medio) com os quais procuramos quantificar determinadas
caractersticas de outros sistemas fsicos (os objectos a medir). Todos os sistemas
fsicos reais se afastam em maior ou menor grau do comportamento ideal previsto
pelos modelos matemticos com os quais os procuramos descrever.
Mesmo aps a correco de todos os erros devidos aos efeitos (sistemticos)
conhecidos, subsistem inexactides em todos os valores medidos. Quanto mais no
fosse, a prpria existncia de um nico valor verdadeiro contrariada pelas leis da
Fsica (recordemos o Princpio da Incerteza de Heisenberg).
Algumas das razes mais imediatas para existirem sempre incertezas associadas
s medies so indicadas a seguir.
Se esse resultado tiver de ser comparado com uma dada especificao (por
exemplo, com os limites mnimo e mximo de aceitao de um produto), a incluso
da incerteza permite identificar se a especificao claramente cumprida (caso A da
figura seguinte) ou no (caso E), ou se se trata de uma situao de alguma
indefinio (casos B, C e D), em que qualquer deciso implicar assumir um
determinado risco.
Limite superior
da especif icao
2.2 Medies
Medio [VIM 2.1] - Conjunto de operaes que tem por objectivo determinar o
valor de uma grandeza.
Mensuranda [VIM 2.6] - Grandeza especfica submetida medio.
(*)
Esse Vocabulrio est presentemente (2004) em reviso a nvel internacional.
Paulo Cabral 17 / 116
Erros e Incertezas nas Medies
2.6 Padres
Padro [VIM 6.1] Medida materializada, instrumento de medio, material de
referncia ou sistema de medio destinado a definir, realizar, conservar ou
reproduzir uma unidade, ou um ou mais valores de uma grandeza, para servirem de
referncia. Exemplos: padro de massa de 1 kg; resistncia-padro de 100 ;
ampermetro-padro.
Calibrao [VIM 6.11] - Conjunto de operaes que estabelece, em condies
especificadas, a relao entre os valores indicados por um instrumento de medio
ou um sistema de medio, ou valores representados por uma medida materializada
ou um material de referncia, e os valores correspondentes das grandezas
realizados por padres. O resultado de uma calibrao tanto permite a atribuio de
valores da mensuranda s indicaes, como a determinao das correces a
aplicar. Uma calibrao pode, tambm, determinar outras propriedades
metrolgicas, tal como o efeito das grandezas de influncia.
x1 + x 2 + ... + x n x i
x= = i =1
n n
em que so
x : mdia aritmtica,
x1 , x 2 ,..., x n : leituras obtidas,
n : nmero de leituras.
Exemplo
Um conjunto de medies independentes de tenso, obtidas por quatro
operadores, foi registado como
117,02 V
117,11 V
117,08 V
117,03 V
Calcular a tenso mdia.
Soluo
117,02 + 117,11 + 117,08 + 117,03
E av = = 117,06 V
4
3.5 Mediana
A mediana de um conjunto de nmeros, organizados por ordem de grandeza, o
valor central ou a mdia aritmtica dos dois valores centrais.
Exemplos
A mediana dos nmeros 3, 4, 5, 6, 8, 8, 10 6
O conjunto 5, 5, 7, 9, 11, 12, 15, 18 tem a mediana (9+11)=10
3.6 Moda
A moda de um conjunto de nmeros o valor que ocorre com a maior frequncia,
ou seja, o valor mais comum. A moda pode no existir, ou existir mas no ser
nica.
Exemplos
O conjunto 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 tem moda 9
O conjunto 3, 5, 8, 10, 12, 15, 16 no tem moda
O conjunto 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9 tem duas modas, 4 e 7 (diz-se por isso que
bimodal; ver 4.4.4)
Exemplo
Um conjunto de medies independentes de corrente foi efectuado por seis
operadores e registado como
12,8 mA
12,2 mA
12,5 mA
13,1 mA
12,9 mA
12,4 mA
Calcular:
(a) a mdia aritmtica;
(b) os desvios da mdia.
Soluo
a)
12,8 + 12,2 + 12,5 + 13,1 + 12,9 + 12,4
x= = 12,65 mA
6
b)
d1 = 12,8 12,65 = +0,15 mA
d 2 = 12,1 12,65 = 0,45 mA
d 3 = 12,5 12,65 = 0,15 mA
d 4 = 13,1 12,65 = +0,45 mA
d 5 = 12,9 12,65 = +0,25 mA
d 6 = 12,4 12,65 = 0,25 mA
6
d
i =1
i = 0,00 mA
d 1 + d 2 + ... + d n d
i =1
i
D= =
n n
Exemplo
Calcular o desvio mdio para os dados do exemplo anterior.
Soluo
0,15 + 0,45 + 0,15 + 0,45 + 0,25 + 0,25
D= = 0,283 mA
6
3.9 Desvio-padro
Em anlise estatstica de erros aleatrios, a raiz quadrada da mdia dos
quadrados (root mean square, ou rms, na terminologia inglesa) dos desvios, ou
desvio-padro, constitui uma ajuda valiosa. Por definio, o desvio-padro de
um nmero infinito de dados a raiz quadrada da soma dos quadrados de todos os
desvios individuais a dividir pelo nmero total de leituras. Expresso
matematicamente,
n
d + d + ... + d
2 2 2 d i
2
= 1 2 n
= i =1
n n
Na prtica, como bvio, o nmero de observaes possveis finito. O desvio-
padro de um nmero finito de leituras dado por
n
d + d + ... + d
2 2 2 d
i =1
i
2
s= 1 2 n
=
n 1 n 1
Podemos tambm apresentar esta expresso em termos das leituras individuais,
vindo assim
(x )
n
2
i x
s= i =1
n 1
Ao desvio-padro que se apresentou inicialmente () d-se o nome de desvio-
padro da populao. segunda definio (s) chama-se tambm desvio-padro
da amostra, por se tratar de um subconjunto finito da populao (infinita).
Exemplo
Dez medies de uma resistncia deram
101,2
101,7
101,3
101,0
101,5
101,3
101,2
101,4
101,3
101,1
Soluo
Com um grande nmero de leituras conveniente fazer a tabulao dos dados,
para evitar confuses e enganos.
i Leitura, xi Desvio
() di () di ()
1 101,2 -0,1 0,01
2 101,7 0,4 0,16
3 101,3 0,0 0,00
4 101,0 -0,3 0,09
5 101,5 0,2 0,04
6 101,3 0,0 0,00
7 101,2 -0,1 0,01
8 101,4 0,1 0,01
9 101,3 0,0 0,00
10 101,1 -0,2 0,04
n = 10 x i = 1013,0 d i = 0,0 d i
2
= 0,36
d i = 1,4
x=
x i
=
1013,0
= 101,3
n 10
(b) Desvio-padro:
s=
d 2
=
0,36
= 0,2
n 1 9
3.10 Varincia
Ao quadrado do desvio-padro d-se o nome de varincia, vindo assim
V = 2
A varincia uma quantidade til em muitos clculos porque as varincias so
aditivas. O desvio-padro, no entanto, tem a vantagem de ser expresso nas mesmas
unidades que a varivel respectiva, tornando-se mais fcil comparar resultados.
Mdia x
No habitualmente usado na
Desvio-padro da populao sN N anlise de resultados de
medies
Desvio-padro da amostra s s N 1 N 1
a : declive
y = ax+b
b : ordenada na origem
Recta de regresso y = a +b x b : declive
a : ordenada na origem
m : declive
y = m x +b
b : ordenada na origem
Coeficiente de correlao r R
Quadrado do coeficiente de
correlao r2 R2
Funo
Descrio
Verso Portuguesa Verso Inglesa
=TENDNCIA() =TREND() Ajusta uma linha recta (utilizando o mtodo dos mnimos
quadrados) a duas matrizes XX e YY
Nota: Apesar das muitas vantagens que tem este software, ele apresenta tambm
diversos erros de clculo (bugs). A ttulo de exemplo, veja-se este caso real.
Os valores apresentados na tabela seguinte correspondem a 10 leituras
sucessivas efectuadas num frequencmetro digital de elevada resoluo. Como se
pode observar no grfico correspondente, no h 2 nicas leituras que sejam iguais
entre si.
No entanto, a funo =DESVPAD() do Excel fornece um valor de 0 (o que
significa que no existe variao...
N. Leitura
1 10 000 000,02930
2 10 000 000,02921
10 000 000.0293
3 10 000 000,02913 10 000 000.0293
4 10 000 000,02919 10 000 000.0292
O resultado desta srie de medies pode ser expresso graficamente sob a forma
de um diagrama de blocos, ou histograma, em que o nmero de observaes
desenhado para cada leitura de tenso. A figura seguinte representa o histograma
da tabela anterior.
20
N. leituras
18
16
14
12
10
8
6
4
2
0
99,7 99,8 99,9 100,0 100,1 100,2 100,3
Tenso (V)
Este histograma mostra que o maior nmero de leituras (19) ocorre para o valor
central de 100,0 V, enquanto que as outras leituras esto dispostas de forma
aproximadamente simtrica em torno do valor central.
Se fossem efectuadas mais leituras, com intervalos mais pequenos, digamos 200
leituras a intervalos de 0,05 V, a distribuio das observaes permaneceria
aproximadamente simtrica em torno do valor central e a forma do histograma seria
sensivelmente a mesma que anteriormente.
Com cada vez mais leituras, tomadas a incrementos cada vez menores, o
contorno do histograma tornar-se-ia uma curva, tal como a indicada pela linha que
na figura anterior une os centros das barras do histograma. Esta curva, em forma de
sino, conhecida por curva de Gauss. Quanto mais estreita e apertada for esta
curva, tanto mais se pode afirmar que o valor mais provvel da verdadeira leitura o
valor central ou mdia das leituras.
A lei do erro normal ou gaussiana a base do estudo analtico dos efeitos
aleatrios. Embora sem entrar no tratamento matemtico deste assunto, podem-se
enunciar os seguintes princpios, com base na lei normal:
Todas as observaes incluem pequenos efeitos perturbadores, chamados
erros aleatrios;
Os erros aleatrios podem ser positivos ou negativos;
H uma probabilidade igual de existirem erros aleatrios positivos e
negativos.
Podemos ento esperar que as medies incluam erros mais e menos em
partes aproximadamente iguais, de forma que o erro total seja pequeno e o valor
mdio seja o valor verdadeiro da varivel medida.
A forma da distribuio dos erros pode ser expressa da seguinte maneira:
Os erros pequenos so mais provveis do que os grandes;
Os erros grandes so muito improvveis;
Existe igual probabilidade de erros mais e menos, de forma que a
probabilidade de um dado erro simtrica em torno de zero.
A curva de distribuio de erros da figura que se segue baseada na lei normal, e
mostra uma distribuio simtrica dos erros. Esta curva normal pode ser vista como
a forma limite do histograma anterior, em que o valor mais provvel da tenso
verdadeira era a mdia.
68,27%
95,45%
99,73%
1
f ( x) =
2
2
e
2
O desvio-padro ( ) corresponde aos pontos de inflexo da funo.
Se, por exemplo, um grande nmero de resistncias com valor nominal de 100
for medido e a sua mdia for de 100,00 , com um desvio-padro de 0,20 , sabe-
se que em mdia 68% (cerca de 2/3) de todas as resistncias tm valores que esto
dentro de 100,00 0,20 ; ento, h uma probabilidade de aproximadamente 2
em cada 3 de que qualquer resistncia, aleatoriamente retirada do lote, esteja dentro
daqueles limites.
Se forem necessrias maiores garantias, o intervalo poder ser alargado para os
limites de 2 , neste caso 0,40 . De acordo com a tabela anterior, isto incluir
cerca de 95% de todos os casos, dando assim uma probabilidade de 10 em cada 11
de que qualquer resistncia escolhida ao acaso esteja dentro dos limites 0,40
relativamente mdia de 100,00 .
A tabela anterior mostra tambm que metade dos casos esto abrangidos dentro
dos limites 0,6745 . D-se o nome de erro equiprovvel a uma grandeza r definida
como
r = 0,6745 .
Desvio-padro:
a
sR =
3
Esta distribuio encontra grande aplicao prtica, por exemplo, nas medies
em sistemas de rdio-frequncias (RF), nos casos em que h desadaptaes de
impedncias. Pode ser tambm utilizada para modelizar a distribuio de uma
temperatura ambiente quando o controlo efectuado pelo tradicional sistema
on/off; contudo, no habitual o recurso a esta distribuio nestas circunstncias.
Funo densidade de probabilidade:
1
f ( x ) = a 2 x 2 , a < x < + a
0, restantes x
Desvio-padro:
a
sU =
2
4.4.3 Triangular
Em certos casos sabe-se que todos os valores se encontram dentro de um
determinado intervalo, mas existe uma maior probabilidade de tomarem valores
prximos da mdia do que nos extremos do intervalo. Nestes casos, a utilizao de
uma distribuio rectangular penalizadora (pressupe que todos os pontos so
igualmente provveis), mas pode no haver evidncias que permitam o recurso a
uma distribuio normal.
Para tais situaes pode-se utilizar a distribuio triangular, na qual o valor mdio
tem a mxima probabilidade e em que a probabilidade dos valores restantes
decresce linearmente, at se anular nos extremos a.
Desvio-padro:
a
sT =
6
4.4.4 Em M, ou bi-modal
Por vezes, encontram-se dados distribudos de uma forma que sugere a
existncia de duas mdias, isto , dois picos distintos na distribuio dos valores.
As figuras seguintes ilustram esta ideia.
5 Anlise grfica
A forma mais comum (e uma das mais importantes) de se apresentarem dados
em cincia e em engenharia atravs de grficos. Um grfico simplesmente uma
forma de traduzir um conjunto de nmeros numa imagem, e est ligado nossa
capacidade de reconhecer padres visuais.
Como diz um antigo provrbio chins, uma imagem vale mais que mil palavras(*).
Neste captulo iremos abordar os grficos cartesianos, bem como as regras para
a sua apresentao. Ser tambm apresentada a elaborao de grficos utilizando o
Microsoft Excel (no por ser a melhor ferramenta para este tipo de anlise, mas por
ser indiscutivelmente a mais acessvel e vulgarizada).
5.1 Linearizao
Sempre que possvel deve-se utilizar um grfico linear. mais fcil de desenhar e
as concluses que dele se retiram so frequentemente mais objectivas do que com
grficos curvos. Se a relao entre as grandezas no for linear, geralmente
possvel lineariz-la recorrendo a uma mudana de variveis.
Exemplo
No caso de um pndulo simples, verifica-se que T 2 l g . O grfico de T em
funo de l uma parbola, mas se representarmos T2 em funo de l j obteremos
uma linha recta.
(*)
Em rigor, o que esse provrbio afirma que uma imagem vale mais que dez mil palavras. Porm
a verso mais corrente no mundo ocidental reduziu substancialmente esse nmero...
Paulo Cabral 39 / 116
Erros e Incertezas nas Medies
Nas duas pginas deste menu possvel escolher qual o tipo de relao (no
nosso caso ser sempre a linear). Podemos (devemos) tambm optar por mostrar a
equao no grfico, assim como mostrar o valor de R2.
O resultado o que se mostra na figura seguinte.
6 Regresso linear
A regresso linear uma poderosa ferramenta de anlise estatstica e uma das
tcnicas mais utilizadas na explorao dos dados resultantes das medies. Existem
outros tipos de regresso (polinomial de ordem superior primeira, logartmica,
exponencial, regresso mltipla, etc.). Apenas iremos aqui abordar, pela sua
importncia prtica, a tcnica conhecida como regresso linear, isto , com a qual
se procura traar a linha (recta) que, globalmente, mais se aproxima dos diversos
pontos medidos. Em muitos casos que surgem na prtica, relaes no lineares
entre duas grandezas podem ser linearizadas mediante uma adequada mudana de
variveis, conforme se referiu em 5.1.
A regresso linear estabelece uma relao entre dois parmetros, um
considerado a varivel independente e o outro a dependente. Por exemplo,
poderemos relacionar o permetro do tronco de uma rvore (varivel dependente)
com o tempo (varivel independente), para assim se poder prever qual o seu valor
futuro num determinado instante.
Pode-se estimar a incerteza dos valores previstos com base nessa recta, desde
que se verifiquem os seguintes pressupostos:
Pontos distribudos normalmente em redor da recta de regresso;
Rudo branco;
A funo subjacente relao entre grandezas ser de facto linear.
xi2 yi xi xi yi
a= i =1 i =1 i =1 i =1
2
= y b x
n
n
n xi2 xi
i =1 i =1
n 1 2
s y| x =
n2
(
s y b 2 s x2 )
em que designmos por s y e por s x os desvios-padro dos valores das
grandezas dependente e independente, respectivamente. Nesta expresso, n o
nmero de pares de valores (x, y) medidos.
A incerteza do declive dada por
s y| x
sb =
sx n 1
o que se representa graficamente como segue.
Uma vez que sabemos que a recta definida por y = a + b x no foi exactamente
determinada, podemos dizer que o seu desvio-padro
s y| x
1
+
(
xx )
2
n (n 1)s x2
u = s y| x
1
1+ +
xx ( )
2
n (n 1)s x2
n 2 n n 2 n 2
2
n xi xi n yi yi
i =1 i =1 i =1 i =1
Este coeficiente deve ser interpretado com algum cuidado. possvel obter
valores de r muito prximos de 1 (ou de 0), sem que exista a correspondente relao
linear (ou a sua ausncia). Os grficos seguintes ilustram algumas dessas situaes.
max = icl V fe
em que so
mx = erro mximo admissvel (em valor absoluto)
icl = ndice da classe de exactido (0,05; 0,1; etc.)
Vfe = valor de fim-de-escala
Assim, conclui-se que o erro mximo admissvel (ou tolerncia), em valor
absoluto, se mantm constante ao longo de toda a escala. Porm, o erro relativo
(isto , erro absoluto / valor lido) aumenta medida que as leituras se afastam do fim
da escala. Isso leva a que seja fortemente recomendvel que, tanto quanto possvel,
se utilizem estes equipamentos apenas para efectuar leituras na parte superior da
sua escala.
Soluo
O valor do erro mximo admissvel especificado
1
150 V = 1,5 V
100
O erro mximo admissvel, em percentagem, para uma leitura de 83 V de
1,5 V
100% = 1,81%
83 V
importante salientar que aquele instrumento apresenta uma tolerncia de
1% da leitura no fim da escala, mas quando est a ler 83 V os limites do errro
crescem para 1,81%. Identicamente, quando se est a medir uma tenso
inferior, os limites do erro aumentam ainda mais. Se o aparelho ler 60 V, o erro
1,5 V
mximo admissvel ser de 100% = 2,5% ; se ler 30 V, j ser de
60 V
1,5 V
100% = 5% .
30 V
O aumento do erro relativo mximo admissvel, medida que se vo lendo
tenses cada vez mais baixas, ocorre porque o valor do limite do erro uma
quantidade fixa baseada na leitura do fim de escala do instrumento.
Este exemplo reala a importncia de se efectuarem medies to prximo
quanto possvel do fim da escala.
Soluo
O valor mximo (mnimo) da tenso ocorrer quando R1 e R2 tiverem os
valores mximos (mnimos) tolerados e R3 estiver no seu limite mnimo
(mximo).
Para o nosso objectivo, os valores reais no necessitam ser conhecidos, mas
apenas os valores relativos. Para uma variao de 0,1% o mximo valor de
cada resistncia ser de 1,001 vezes o seu valor nominal, enquanto que o seu
limite mnimo ser de 0,999 vezes esse valor.
O valor mnimo de Vs ocorrer para os mnimos de R1 e R2 e para o mximo de
R3:
Vs ,min =
(0,999 R1 ) (0,999 R2 )V = 0,996 R1 R2 V
(1,001R3 )2 e
R32
e
Vs ,max =
(1,001R1 ) (1,001R2 )V = 1,004 R1 R2 V
(0,999 R3 )2 e
R32
e
A variao total ser de 0,4%, isto , a soma algbrica das trs tolerncias,
uma das quais (R3) a duplicar, dado que aparece na expresso elevada ao
quadrado. Deve no entanto notar-se que isto s verdadeiro em primeira
aproximao; o erro mximo combinado ligeiramente diferente da soma das
tolerncias individuais.
Por outro lado, pouco provvel que as trs componentes do erro neste
exemplo tomem simultaneamente os seus valores-limites de forma a produzir a
mxima ou a mnima tenses. Em face disso, devem usar-se os mtodos
estatsticos que adiante veremos.
Soluo
Exprimindo em percentagem os limites de erro garantidos para a corrente e
para a resistncia obteremos
I = 2,00 A 0,01 A = 2,00 A 0,5%
R = 100,0 0,2%
e
Pmin = I 2 (1 0,005) R(1 0,002) = 0,988 I 2 R
2
O erro mximo resultante ser de 1,2%, isto , duas vezes o erro mximo da
corrente (visto que na expresso aparece elevada ao quadrado) mais o erro
mximo da resistncia.
Uma vez que, em cada escala do instrumento, o valor de fim da escala nico,
facilmente se percebe que esta forma equivalente anteriormente apresentada,
ainda que utilizando outro formalismo.
Uma diferena bastante significativa entre estas especificaes e as utilizadas para
os instrumentos analgicos que enquanto nestes a tolerncia constante ao longo
de toda a escala, em valor absoluto, nos instrumentos digitais torna-se necessrio
calcul-la para cada ponto de interesse, pois varia de ponto para ponto, tanto em
valor absoluto como em valor relativo.
7.5 ppm e %
A notao ppm, que significa partes por milho, uma forma de indicar valores
relativos, particularmente til quando estamos na presena de valores bastante
pequenos. Embora a tendncia actual seja para desaconselhar a utilizao deste
tipo de notao, a verdade que ela continua a ser muito utilizada, em particular por
fabricantes norte-americanos.
Indica-se aqui a relao entre ppm e percentagem, para alguns valores.
ppm %
1 0,000 1
10 0,001
100 0,01
1 000 0,1
10 000 1
100 000 10
1 000 000 100
Exemplos:
1,66 tem 3 algarismos significativos
4,530 0 tem 5 algarismos significativos
0,001 8 = 1,8 10-3 tem 2 algarismos significativos
0,001 800 = 1,800 10-3 tem 4 algarismos significativos
9 Combinao de incertezas
O resultado de uma medio s estar completo se, para alm do valor mdio da
mensuranda (grandeza que se pretende conhecer), incluir tambm uma estimativa
da incerteza desse valor mdio. Assim, vir:
Resultado da medio = Valor medido Incerteza da medio
9.1 Introduo
A incerteza da medio uma estimativa que procura caracterizar o intervalo de
valores dentro do qual se encontra o verdadeiro valor da grandeza medida
(mensuranda). Esta estimativa deve ser feita aps eliminao de todas as
componentes sistemticas de erro conhecidas.
A grandeza a medir, Y , uma funo de um conjunto de grandezas de entrada,
X i , (i = 1, 2, ..., n), podendo exprimir-se matematicamente da seguinte forma:
Y = F ( X 1 , X 2 ,..., X i ,..., X n )
As grandezas de entrada incluem as que constam dos certificados de calibrao
dos padres utilizados, as que intervm no processo de medio e as grandezas de
influncia.
Uma vez que os valores verdadeiros de X i so desconhecidos, na avaliao da
incerteza combinada da medio tm de ser usados valores estimados, xi . Como
uma medida da incerteza destes valores estimados, podem ser usadas as varincias
experimentais s x2i ou as respectivas razes quadradas, ou seja, os desvios-padro
experimentais s xi (tambm designados por incertezas-padro de xi ).
Clculo de incertezas:
1.) Partir pedra...
1 n
xi = v i = vij ,
n j =1
em que n o nmero de medidas independentes.
Uma estimativa do desvio-padro da distribuio das medidas dada por:
s vi =
1 n
n 1 j =1
( 2
vij vi . )
O valor estimado da varincia experimental de xi (mdia dos valores v ij ) ser:
1 2
sxi =
2
sv
n i .
a ai
i
au,i =xi al,i
F
( )
n
Y Y = Xi Xi
i =1 X i
(Y Y )2 n F
= (
Xi Xi )
i =1 X i
desenvolvendo o segundo membro da equao teremos:
(Y Y ) F
( ) F F
( )( )
n n 1 n
= + 2 X
2 2
Xi Xi Xi Xi X j X j
i =1 X i i =1 j =i +1 i X j
cov(X i , X j )
[(
em que i2 = E X i X )] 2
a varincia de Xi e ij =
i j
o coeficiente de
115
110
y
105
+0, 29
x x = 20
100
95
90
0 10 20 30 40 50 60 70 80 90 100 110
Clculo de incertezas:
2.) ...combinar tudo...
Exemplo 1
y = m(p q + r)
Considerar
m=1 (exacto)
p=5,02; u(p)=0,13
q=6,45; u(q)=0,05
r=9,04; u(r)=0,22
y = 1 (5,02 6,45 + 9,04 ) = 7,61
Exemplo 2
o p
y=
qr
Considerar
o=2,46; u(o)=0,02
p=4,32; u(p)=0,13
q=6,38; u(q)=0,11
r=2,99; u(r)=0,07
(2,46) (4,32)
y= = 0,56
(6,38) (2,99)
2 2 2 2
u( y) 0,02 0,13 0,11 0,07
= + + + = 0,043 (rel.)
y 2,46 4,32 6,38 2,99
u ( y ) = 0,56 0,043 = 0,024
deve ser considerada como uma contribuio adicional para a incerteza. O grau
de correlao caracterizado pelo coeficiente de correlao rxik (em que
i k e 1 r +1 ).
No caso de medies repetidas a covarincia dada por
( )( )
n
1
s xik =
n(n 1) j =1
vij v i v kj v k
Deve notar-se que o segundo somatrio desta equao se pode tornar negativo.
Clculo de incertezas:
3.) Apresentar o resultado!
Y = F( X1, X2 ,...,Xn )
Tipo A Tipo B
Mdia:
n
v
i =1
i
Distribuio a usar
v=
n
Rectangular
Desvio-padro da amostra: Normal
(k.s) a Outras
(v )
n
2
i v
i =1
sv =
n 1
2
s a
s x2 = s x2 = ...
k 3
Varincia da mdia:
s v2
s x2i =
n
Estimar as covarincias
Grandezas
u (xi , x j ) = r (xi , x j )u ( xi )u (x j )
S
correlacionadas?
A medio determina
Calcular as covarincias
S simultaneamente mais de
( ... )
uma grandeza?
u c4 ( y )
eff = n
u i4 ( y )
i =1 i
Calcular k=tp(eff)
xi independentes xi correlacionadas
(r=+1)
y = x1 + x 2
u( y ) = [u(x ) ] + [u(x ) ]
1
2
2
2 u ( y ) = u ( x1 ) + u ( x 2 )
y = x1 x 2
y = x1 x 2 u ( y ) u ( x1 ) u ( x2 )
u( y ) u (x ) u (x )
2 2
= 1 + 2 = +
y y x1 x2
y = x1 / x 2 x1 x2
u( y ) u (x )
y = xp = p
y x
y = kx
u ( y ) = k u (x )
(k=cte. exacta)
Tipo A
Smbolo Descrio Valor N. leituras u(xi) ci ui2(y) NGL
Tipo B
Smbolo Descrio Valor Distribuio u(xi) ci ui2(y) NGL
e factor k
Soma ou Diferena:
s y2 = s x21 + s x22 s y = s x21 + s x22
Y = X 1 + X 2 ou Y = X 1 X 2
Produto ou quociente: 2 2
s y2 s x21 s x22 sy sx s x2
Y = X 1 X 2 ou Y = 1
X = + = 1 +
y2 x12 x22 y x x
X2 1 2
s y2 = sx2i + F n
sxik
n
F F
s xik = s xi s xk rxik sy = X s x2i +
X X
s x ik
i =1 X i i , k =1 X i X k i =1 i i , k = 1 i k
(i k ,1 r +1)
ik
ik
Casos em que r = +1
2
n F n
F
Y = F ( X 1 , X 2 ,..., X i ,..., X n ) s =
2
s xi sy = s xi
y
i =1 X i i =1 X i
Y = X1 + X 2 (
s y2 = s x1 + s x2 ) 2
s y = s x1 + s x2
= (s ) sy = sx1 sx2
2
Y = X1 X 2 s y2 x1 s x2
2
s y2 sx sx sy sx1 sx 2
Y = X1 X 2 = 1 + 2 = +
2 y x1 x2
y x1 x2
2
X s y2 s x1 s x2 sy sx1 sx 2
Y= 1 = =
X2 y 2 x1 x 2 y x1 x2
Casos em que r = 1
2
F F F
Y = F (X , X ) s =
2
s xi
F
sxj sy = s xi sx j
i j
X
y
X j X X j
i i
(*)
Marin Mersenne (1588-1648), matemtico, filsofo e telogo francs. Enunciou as seguintes leis
relativas s cordas vibrantes:
- Para uma determinada corda, sujeita a determinada tenso, o seu perodo de vibrao varia com o
comprimento; ou seja, como a frequncia o inverso do perodo, a frequncia varia com o inverso do
comprimento da corda.
- Quando o comprimento de uma corda dado, o perodo varia com o inverso da raiz quadrada da
tenso; isto , quanto mais se estica a corda, mais agudos se tornam os sons.
- Quando so dados o comprimento e a tenso duma corda, o perodo varia com a raiz quadrada da
densidade linear do material de que feita a corda; o que explica que as cordas mais grossas do
violino produzam sons mais graves do que as cordas mais finas.
Paulo Cabral 79 / 116
Erros e Incertezas nas Medies
Como se observa, existe uma tendncia linear na variao conjunta das duas
grandezas. Vamos caracterizar essa dependncia atravs de uma regresso linear
simples. Pretende-se determinar a equao da recta y = m x + b (sendo y = M e
x = l ) que melhor aproxima o conjunto dos valores determinados
experimentalmente, segundo o critrio dos mnimos quadrados.
Assim, a recta que melhor aproxima estes pontos ser dada por
M = 2,0024 l 0,0156
que tem a seguinte representao grfica.
1.0000
0.9000
0.8000
0.7000
0.6000
0.5000
0.4000
0.200 0.250 0.300 0.350 0.400 0.450 0.500 0.550 0.600
l (m)
Erro
l (m) M ( kg ) Recta
absoluto relativo
Incerteza do declive: s y| x
sm = = 0,01397 kg m 0,70%
sx n 1
Incerteza da ordenada na origem: s y| x
sb = = 0,0015 kg
n
(valor que iremos desprezar nesta anlise)
( ) (
m L = 7,7 10 3 (3,1416) 0,402 10 3 )
2
= 0,003909 kg/m
(*)
Em rigor, tal no inteiramente correcto. Todos os valores de grandezas fsicas, mesmo que sejam
conhecidos com um grande nmero de algarismos significativos, tm uma incerteza associada. No
caso de essa incerteza ser dada, utiliz-la-emos; o caso das constantes fsicas publicadas em
documentao de referncia, como o CODATA. Se nada nos for dito quanto incerteza dos valores
dados, poderemos assumir que o valor fornecido exacto dentro da resoluo numrica com que
expresso, ou seja, ter uma incerteza intrnseca de algarismo menos significativo. Por exemplo,
se nos for dito que a velocidade da luz no vazio de 2,998108 m/s, sem mais nenhuma informao,
podemos admitir que a esse valor est associada uma incerteza de 0,000 5108 m/s. Contudo, neste
exemplo, iremos simplificar a abordagem e considerar como exactos (sem incerteza) os valores da
massa volmica do ao, de e da acelerao da gravidade.
82 / 116 Paulo Cabral
Erros e Incertezas nas Medies
u (r ) = u A2 (r ) + u B2 (r ) = 0,0058 mm
Ento, teremos que
u (m L ) u (r ) 0,0058
= 2 = 2 = 2,9%
mL r 0,402
10.1.5 Frequncia
Como vimos anteriormente, a frequncia dada por
1 M g 1 g M 1 g
f = = = declive
2l mL 2 mL l 2 mL
O seu valor ento f = 50,15 Hz
A incerteza de f, se considerarmos g = 9,81 m/s2, sem incerteza (*)
, poder ser
determinada a partir de
u( f ) 1 u (m L ) u (declive)
2 2 2
1
= 2,9% + [0,7%] = 1,6%
2
= +
f 2 m L declive 2
ou seja, 0,80 Hz (para um nvel de confiana correspondente a 1 desvio-padro).
Nota: Na expresso anterior u (m L ) mL surge multiplicado pelo factor , uma vez
que f no depende directamente de m L , mas sim da sua raiz quadrada.
Assim, o resultado final da medio da frequncia ser expresso como
Uma vez que sabemos que o valor real da frequncia so 50 Hz, o erro cometido
na medio por este mtodo foi
(*)
Ver nota da pgina anterior. O valor normalizado para a acelerao da gravidade (correspondente
ao nvel do mar no equador) g=9,806 65 m/s2. Se tomarmos apenas g=9,81 m/s2, a correspondente
incerteza numrica seria 0,005 m/s2, ou 0,05%, o que desprezvel para o nosso objectivo.
Paulo Cabral 83 / 116
Erros e Incertezas nas Medies
Nota: Embora o algarismo final (8) no seja significativo, boa prtica mant-lo nos
clculos intermdios, em vez de arredondar a incerteza para 0,6% nesta etapa.
1,0% 10 V
u ( x) = = 0,05 V
2
12
ou, o que equivalente, com um desvio-padro
R R2
u= =
12 3
para qualquer indicao do instrumento.
10.7.1 Descrio
Um higrmetro de aspirao, ou psicrmetro, um instrumento frequentemente
utilizado em laboratrios de calibrao para determinar a humidade relativa do ar
dentro do laboratrio.
Tipo A
Termmetro "seco", 5 leituras
Desvio-padro das leituras 0.033 C
Desvio-padro da mdia 2.236 1 0.015 C
Nota: O factor de expanso k=2,25 (em vez do valor mais usual k=2) resulta da
aplicao da expresso de Welch-Satterthwaite para a estimao do nmero de
graus de liberdade, uma vez que neste caso as contribuies mais significativas para
a incerteza so as do tipo A, as quais resultam de um pequeno nmero de
medies. Ver seco 9.14.
R/ t / C
100,00 0
107,79 20
115,54 40
123,24 60
130,90 80
138,51 100
Para a utilizao destes dados necessrio estabelecer uma expresso que, por
regresso linear, fornea o valor da temperatura para uma determinada resistncia
medida. Determinar os parmetros dessa recta de regresso, bem como uma
estimativa da incerteza associada ao seu declive.
Com esse TRP mediu-se a temperatura do banho, tendo sido obtida uma leitura
(de resistncia) de 120,05 . Calcular o valor da temperatura do banho, bem como a
respectiva incerteza.
r2 = 0,999 981 79
Assim, a recta que melhor aproxima estes pontos ser dada por
t = 2,596585 R 259,850429
Apresenta-se na figura seguinte a representao grfica dos pontos medidos e da
correspondente recta de regresso.
160
y = 2.596585x - 259.850429
110 R 2 = 0.999982
t (C)
60
10
-40
90 100 110 120 130 140 150
R (ohms)
Incerteza do declive: s y| x
sm = = 0,005541 C/ 0,21 %
sx n 1
u = s y| x
1
1+ +
xx ( )
2
= 0,2 C
n (n 1)s x2
(para um nvel de confiana correspondente a 1 desvio-padro).
De acordo com a norma DIN 861-1, a tolerncia sobre o comprimento desse bloco
de 0,12 m.
A temperatura da sala onde se est a efectuar a calibrao controlada dentro de
20 C 2 C. Todos os equipamentos utilizados so construdos em ao, cujo
coeficiente de dilatao trmica em torno de 20 C de =+11,5x10-6 /C.
So efectuadas 10 leituras no paqumetro, em condies de repetibilidade.
Considera-se que apenas a repetibilidade do paqumetro obedece a uma
distribuio de probabilidades normal; as restantes componentes consideradas para
a incerteza combinada so consideradas como tendo uma distribuio rectangular.
O modelo assumido para esta calibrao corresponde a uma soma linear de
grandezas.
O quadro seguinte apresenta o balano de incertezas.
Fonte de incerteza Valor Divisor Coeficiente de Incerteza
sensibilidade normalizada
Tipo A
Repetibilidade do paqumetro, 10 leituras
Desvio-padro das leituras 0.006 mm
Desvio-padro da mdia 3.16 1 0.001 90 mm
Tipo B
Tolerncia do bloco-padro (cf. norma) 0.000 12 mm 1.73 1 0.000 07 mm
Resoluo do paqumetro 0.010 mm 3.46 1 0.002 89 mm
Coeficiente de temperatura do ao 1.15E-05 /C
Variao da temperatura na sala 2 C
Comprimento nominal 10 mm
1.73 20 mm x C 0.000 13 mm
Fonte (I)
Rx Rp
Ux Up
[
R(t ) = R(t 0 ) 1 + (t t 0 ) + (t t 0 )
2
]
em que e so os coeficientes de temperatura de cada resistncia para a
temperatura t0.
Calibrao da
B / Normal
resistncia Certificado 5.00E-06 2.50E-06 1 6.25E-12 inf.
(k=2)
padro (Rp)
Deriva com o
Histrico 0 B / Rectangular 0.00E+00 1 0.00E+00 inf.
tempo de Rp
Variao da
temperatura de Estimativa 0.5 C B / Rectangular 2.89E-01 5.00E-06/C 2.08E-12 inf.
Rp
Variao da
temperatura de Estimativa 0.5 C B / Rectangular 2.89E-01 5.00E-06/C 2.08E-12 inf.
Rx
Mtodo de Especif.
8.00E-06 B / Rectangular 4.62E-06 1 2.13E-11 inf.
medio voltmetro
Repetibilidade A / Normal
Ensaio 1.00E-06 3.16E-07 1 1.00E-13 9
das medies (n=10)
Factor k = 2.00
11 Problemas propostos
1. Os erros so valores
a) Conhecidos?
b) Desconhecidos, podendo apenas ser estimados?
Nota 1 A unidade grau Celsius exactamente igual unidade kelvin. No entanto, o valor
numrico de uma grandeza expressa em C difere do valor numrico da mesma grandeza quando
expressa em K porque o incio da escala K inferior de 273,15 ao incio da escala C (por exemplo, a
temperatura de 20 C equivale a 293,15 K). Deste modo, um intervalo ou uma diferena de
temperaturas exprimem-se pelo mesmo nmero, quer em C, quer em K.
Nota 2 A designao grau centgrado no existe no SI. Esse nome foi rejeitado j em 1948 pelo
CIPM e pela CGPM.
Nota 3 O radiano e o esterradiano constituram durante algum tempo a classe das unidades
suplementares. Contudo a 20. CGPM (1995) eliminou essa classe, passando o rad e o sr a ser
simplesmente unidades derivadas com nome especial.
Nota A designao mcron, para indicar 1 m = 10-3 mm = 10-6 m, foi suprimida pela 13. CGPM
(1967, Resoluo 7).
Uma vez que diversos pases adoptaram uma conveno diferente da que seguida na Europa,
por vezes podem surgir confuses com a nomenclatura de grandes nmeros. Apresenta-se aqui uma
breve comparao de designaes utilizadas em alguns pases europeus e americanos.
Pas 103 106 109 1012 1015
Portugal mil milho mil milhes bilio mil bilies
Espanha mil milln mil millones billn mil billones
Itlia mille milione miliardo bilione mille biliones
Frana mille million milliard billion mille billions
Inglaterra thousand million thousand million billion thousand billion
(milliard)
E.U.A. thousand million billion trillion quadrillion
Brasil mil milho bilho trilho quatrilho
14 Alfabeto grego
15 Bibliografia
Terminologia
[1] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML - International Vocabulary of
basic and general terms in Metrology (VIM) - ISO, 1993
[2] OIML - International Vocabulary of terms in Legal Metrology (VIML) -
BIML, 2000
[3] CPM/CNQ - Vocabulrio Internacional de Metrologia. Termos
fundamentais e gerais - IPQ, 1996 (traduo portuguesa do VIM de 1993)
Estatstica
[4] Rui C. Guimares, J. A. Sarsfield Cabral - Estatstica (edio revista) -
McGraw-Hill, 1997
[5] Murray R. Spiegel - Estatstica (3. edio) - McGraw-Hill, 1994
[6] Paulo Cabral - Aplicao da estatstica s medies de grandezas fsicas.
Breve introduo - Relacre / IEP, 1993
Incertezas
[7] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM) ISO, 1993
[8] BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML Guide to the expression of
uncertainty in measurement (GUM). Supplement 1: Numerical methods for
the propagation of distributions ISO, 2004 (draft)
[9] EA Expression of the uncertainty of measurement in calibration EA
Publication 4/02, 1999
[10] EA Guidelines on the expression of uncertainty in quantitative testing
EA Publication 4/16, 2003
[11] John R. Taylor An introduction to error analysis. The study of
uncertainties in physical measurements (second edition) University
Science Books, 1997
[12] C. Perruchet, M. Priel Estimer lincertitude. Mesures, essais AFNOR,
2000
[13] I. Lira Evaluating the Measurement Uncertainty: Fundamentals and
Practical Guidance Institute of Physics, 2002
[14] Barry N. Taylor, Chris E. Kuyatt - Guidelines for Evaluating and Expressing
the Uncertainty of NIST Measurement Results - NIST Technical Note 1297,
1994
[15] UKAS The expression of uncertainty and confidence in measurement
UKAS Publication M 3003, 1997
[16] UKAS - The Expression of Uncertainty in Testing - UKAS Publication LAB
12, 2000
[17] Stephanie Bell A Beginners Guide to Uncertainty of Measurement NPL,
2001
Paulo Cabral 109 / 116
Erros e Incertezas nas Medies
1. b)
Os erros nunca podem ser conhecidos, como se pode concluir da definio de
erro (VIM 3.10). Nessa definio referido o conceito de valor verdadeiro, o
qual por natureza desconhecido.
2. b)
Os erros aleatrios no podem ser corrigidos. Podem simplesmente ser
minimizados por meio da repetio das medies e tomando precaues para
que essas medies sejam independentes. Supe-se que dessa forma os
factores que no podemos controlar se manifestam de forma a serem anulados
quando se calculam as mdias.
3. b)
A classe de exactido no permite ter uma estimativa do erro do instrumento. Se
esse instrumento tiver sido verificado, podemos quando muito saber que os seus
erros so inferiores aos erros mximos admissveis. Apenas atravs de uma
calibrao se poder ter uma estimativa do erro do instrumento.
4. d)
6. b)
A incerteza que apresentada nos certificados de calibrao a incerteza
expandida, que corresponde incerteza padro multiplicada por um factor de
expanso k=2 (salvo se for indicado expressamente outro valor para k).
7. a)
0,1 2
u= 0,029
3
8. b)
No existe diferena nem de finalidade nem de desempenho entre os mtodos
do Tipo A e os do Tipo B. Em numerosas fontes de incerteza podem-se utilizar
um ou outro dos mtodos.
9. c)
Os mtodos do Tipo B permitem modelizar uma componente da incerteza
(domnio de variao, forma da distribuio de probabilidades, etc.) com base
nos conhecimentos e na experincia a priori.
10. b)
O coeficiente de correlao pode tomar valores entre 1 e +1, pelo que a
considerao das correlaes entre grandezas pode introduzir valores negativos
na expresso de clculo da incerteza padro.
12. a) 34,5
b) 412
17 Distribuio do t de Student
17.1 Valor de t que, para graus de liberdade, define um intervalo t() que
abrange uma fraco p% da distribuio
Exemplos
a) Para n = 10 medies ( = n-1 = 9 graus de liberdade) e k = 1, o factor de correco 1,059, ou
seja,
incerteza normalizada = 1,059 x desvio-padro estimado.
b) Para n = 5 medies ( = 4 g. l.) de uma grandeza que considerada a nica fonte de incerteza
relevante, para um nvel de confiana de cerca de 95% (k = 2), o factor de correco ser
1,435, isto ,
incerteza normalizada = 1,435 x desvio-padro estimado
incerteza expandida = 2 x incerteza normalizada.
FIM