LAB2292 2010E0T-estat
LAB2292 2010E0T-estat
LAB2292 2010E0T-estat
Tratamento Estatístico
de Dados Experimentais
1o semestre de 2010
26 de fevereiro de 2010
Os cursos FAP2292 e FAP2293 foram montados sobre o princípio de que a Física não se divide
em partes teórica e experimental independentes. Ao contrário, os aspectos teóricos e experimentais
de qualquer modelo físico formam um todo integrado. Isto se torna claro nos conceitos físicos
necessários ao engenheiro elétrico moderno; não é possível desenvolver projetos práticos ino-
vadores sem uma boa fundamentação teórica, como também não é possível entender e absorver
todas as conseqüências de um modelo teórico sem verificação experimental. Por isso as experiên-
cia foram concebidas de forma a acompanhar o desenvolvimento teórico visto em sala de aula.
No entanto, não são experiências de demonstração. No laboratório, o aluno é levado a se em-
penhar na montagem da experiência, na obtenção dos dados e análise dos resultados, utilizando
praticamente conceitos aprendidos em aula. A unidade dos aprendizados teórico e experimental
é realçada pela participação dos mesmos professores no ensino teórico e experimental, e pela avali-
ação dos alunos, para os quais as notas obtidas em provas teóricas, e nos relatórios e e prova de
laboratório são integrados em um único conceito final.
Delton O. Campos †
Aluisio N. Fagundes
Márcia C.A.Fantini
Ricardo M. O. Galvão
José Rafael Leon
Ernesto Lerche
Rene O. Medrano
Cássio Sanguini-Neto
Álvaro Vannucci
Equipe 2010:
Objetivos
• DATA REDUCTION AND ERROR ANALYSIS FOR THE PHYSICAL SCIENCES, P. R. Bevington,
McGraw-Hill Book Co. 1969.
1
2 FAP2292 Física para Engenharia Elétrica III E XPERIÊNCIA 0
Introdução Toda medida experimental resulta afetada de erro. Duas medidas de uma mesma
grandeza feitas nas mesmas condições, em geral, não apresentam o mesmo resultado. Considere
o conjunto de medidas do diâmetro de um pino cilíndrico praticadas com um paquímetro (com
incerteza nominal de 0,01 mm), tabeladas a seguir.
d (mm) 0,88 0,95 0,86 0,89 0,93 0,90
n
1X
x̄ = xi , (1)
n
1
O desvio padrão da média σm é uma estimativa da dispersão que seria obtida em médias de difer-
entes conjuntos de medidas efetuadas nas mesmas condições:
n
2
X (xi − x̄)2 σ2
σm = = . (3)
n(n − 1) n
1
Como o resultado da medida é representado pela média, a sua incerteza deve ser dada pelo
desvio padrão da média. Entretanto, como a Eq. (3) indica, este desvio pode ser feito tão pequeno
quanto se queira efetuando um número cada vez maior de medidas, o que não faz sentido. Na
incerteza do resultado devemos levar em conta, também, a incerteza do instrumento de medida,
σc . Tomamos, então, como incerteza do resultado:
p
σp = σm 2 + σ2. (4)
c
(6) para as grandezas intermediárias, mesmo que a regra anterior permita expressar a incerteza
com um único algarismo significativo, para minimizar os erros de arredondamento.
O procedimento de computar média e desvio padrão de uma série de medidas pode ser te-
dioso, mas é necessário. A maioria das máquinas de calcular incluem programas de cálculo de
médias e desvio-padrão. Aprenda a usar sua máquina !
Propagação de Incertezas Raras vezes a medida que fazemos constitui o resultado final do pro-
cesso de investigação que fazemos. O número obtido deve ser transformado matematicamente —
somado, subtraído, dividido, multiplicado... — para dar a conhecer a resposta. Outros números
intervenientes irão, com boa probabilidade, também apresentar uma incerteza, o que nos leva à
questão: como determinar a incerteza de uma grandeza z que resulta de operações matemáti-
cas envolvendo resultados de medidas de outras grandezas, como por exemplo x1 , x2 , etc., com
incertezas σ1 , σ2 , etc.?
Se z é dado por z = f (x1 ,x2 , . . . ) e as incertezas σ1 , e σ2 , etc. são independentes, a incerteza
em z̄ = f (x̄1 ,x̄2 , . . . ) é dada por
2 2
∂f ∂f
σz2 = σ1 + σ2 + . . ., (7)
∂x1 ∂x2
onde as derivadas parciais são computadas nos pontos x1 = x̄1 , x2 = x̄2 , etc..
Alguns casos particulares importantes desta forma geral:
σ 2 σ 2 σ 2
z x y
= α + β .
z x y
Ajuste de curvas Freqüentemente praticamos uma série de medidas as quais sabemos pertencer
a uma relação matemática. O caso mais simples é o de uma relação linear, que se traduz numa
reta quando os resultados são apresentados de forma gráfica. Seja, por exemplo, determinar o
melhor valor da resistência elétrica de um resistor sobre o qual, dada a corrente, medimos a tensão.
As medidas estão tabuladas na Tabela 1 e apresentadas graficamente na Figura 1. Tomamos a
incerteza das medidas como constante — como é a situação prática mais encontrada.
Sabemos que o resistor obedece à lei de Ohm, e portanto V (I) = RI. Em nossas medidas,
admitimos que a variável independente I não contem erros e as incertezas estão sobre a variável
dependente V . Nosso problema é determinar o melhor valor para a resistência elétrica R. Neste
exemplo, todos os pontos são utilizados para a determinação do melhor valor para a resistência
elétrica do resistor. Que métodos podemos utilizar para isto?
O método mais simples é o olho. Por mais surpreendente que possa parecer, um ajuste visual
dos dados normalmente fornece bons resultados – e deve ser a primeira estimativa do processo.
Um outro método consiste em traçar retas de inclinações extremas sobre os pontos e praticar algum
tipo de média sobre os resultados. Entretanto, se queremos um método que forneça os mesmos
4 FAP2292 Física para Engenharia Elétrica III E XPERIÊNCIA 0
Tabela 1: Tensões medidas sobre um resistor. Admitimos que a corrente, variável independente,
não apresenta erros. Apenas os valores de tensão apresentam erros, que supomos iguais a
σV = 0,5 V na região medida. Na tabela à direita estão os dados necessários para ajuste de uma
reta pelo método dos mínimos quadrados.
12
10
8
V (V)
0
0,0 0,5 1,0 1,5 2,0
I (A)
Figura 1: Dados pontos experimentais que sabemos obedecer a uma relação matemática con-
hecida, como determinar o melhor conjunto de parâmetros?
resultados, ainda que aplicado por pessoas diferentes, temos que recorrer a processos matemáticos
mais elaborados.
O mais utilizado deles é denominado “Método dos mínimos quadrados” e consiste, em essên-
cia, em minimizar a diferença entre a curva a ser traçada e os pontos experimentais. Começamos
construindo uma função matemática χ2 (leia-se “qui quadrado”) dos quadrados das diferenças
entre os pontos experimentais yi e os pontos teóricos correspondentes yti
n n
2
X 1 2
X 1 2
χ =
σ 2 (yi − yti ) = σ 2 (yi − axi − b)
i=1 i i=1 i
∂χ2 Pn 1
= −2 2 (yi − axi − b) xi = 0
∂a i=1 σi
∂χ2 Pn 1
= −2 2 (yi − axi − b) =0
∂b i=1 σi
com solução
1 1
a= (Sσ Sxy − Sx Sy ) e b= (S 2 Sy − Sx Sxy )
∆ ∆ x
onde
∆ = Sσ Sx2 − Sx2
e
n n n n n
X 1 X xi X yi X x i yi X x2 i
Sσ = 2 , Sx = 2 , Sy = , Sxy = , Sx2 = .
σ
i=1 i
σ
i=1 i
σ2
i=1 i i=1
σi2 i=1
σi2
Nos casos como o do exemplo em que as incertezas de todos os pontos são iguais, σi = σ, os
resultados ficam:
1 p 1 p
a= (nΣxy − Σx Σy ) , σa = σ n/D e b= (Σy − aΣx ) , σb = σ Σx2 /D,
D n
onde
n
X n
X n
X n
X
Σx = xi , Σy = yi , Σxy = xi yi , Σx2 = x2i e D = nΣx2 − (Σx )2 .
i=1 i=1 i=1 i=1
A forma mais fácil de praticar ajustes de retas está em utilizar as máquinas de calcular ou
programas de computador. As contas que se seguem constituem apenas um exemplo de aplicação.
Vamos aplicar esta técnica aos dados experimentais da tabela 1. As somas necessárias para os
cálculos estão indicadas na tabela à direita dos dados, com as quais obtemos: