Teora da medida

FSICA EXPERIMENTAL

Borja Ruiz Reverter

Advertncia: Estes slides NO SERVEM para aprender e em NENHUM CASO devem

ser substituto de um livro. O verdadeiro conhecimento e crescimento pessoal se
encontra nos livros!
1.Mtodo Cientfico
2.Problema da medida
3.Teoria da medida
4.Erros medidas diretas
5.Estatistica
6.Erros medidas indiretas
7.Regresso linear
1.Mtodo Cientfico 1
Nos alvores do homo sapiens, os fenmeno da
Natureza (fogo, chuva, caa, conceio da mulher,
relmpagos, mars, terremotos,... eram pouco
entendidos e ainda temidos.
Tal vez para controlar esses medos, familiarizando-se
com o fenmeno, comeo a se atribuir uma deidade
para cada fenmeno.
Assim, com o passar dos anos, cada civilizao criou seus prprios deuses, os
quais eram os ltimos responsveis de cada fenmeno.
Tais ideias foram copiadas de civilizaes antigas para civilizaes emergentes,
at que na poca dos gregos novos pensadores surgiram com novos ideais.
Na Grcia Antgua, uma nova corrente (logos) formada por grandes pensadores
(Pitgoras, Plato, Demcrito, Aristteles, Arquimedes, Anaximandro...) comeo
a explicar alguns fenmenos simples usando a lgica (Matemtica)
Devido ao grande auge do cristianismo em poder da igreja catlica, a corrente
do logos permaneceu quase morta durante mais de 1500 anos.
Porem, uma nova onda de pensadores (Galileu, Coprnico, Kleper, Descartes,
Newton, Leibnitz, Darwin,...) fez o logos ressurgir durante a renascena.
Hoje em dia, devemos muito cincia. Sem ela ainda estaramos morando em
cavernas e rezando para que chova ou para que a caa d certo.
1.Mtodo Cientfico 2
A cincia antagnica f porque para fazer cincia temos que
observar; para ter f s acreditar em algo mesmo sem nunca ter o visto.
Podemos definir a Cincia como a busca de conhecimentos fidedignos da
Natureza.
Tal busca est baseada logicamente na observao.
A partir da observao se cria uma hiptese, a qual testada mediante
um experimento, o qual consistir em medir.
Se esse experimento for testado e der certo em qualquer outras
condies, estabelece-se o rango de universalidade.
Nesse momento a hiptese passar a ser uma Teoria ou uma Lei da
Natureza.
1.Mtodo Cientfico 3
2.Problema da medida
Portanto, para testar qualquer hiptese devemos medir.
O inconveniente que medir planteia vrios problemas curiosos porque
nem a vida perfeita nem o homem perfeito, e mesmo se ambos fossem
perfeitos a Natureza impe limites a nosso conhecimento.
Por exemplo, imagine-se que queremos medir a temperatura de nosso
corpo com um termmetro de mercrio. Ao medir podem acontecer os
seguintes problemas:
Erros de calibrao do termmetro
Erros devido ao excessivo uso do termmetro
Erros devido s limitaes do instrumento de medida
Erros devido a nossas limitaes fsicas dos nossos sentidos que so os que registram a
informao
Erros devido s limitaes que impe a Natureza, pois para medir temos que interagir com
o sistema (Principio de Incerteza de Heisenberg).
Portanto, MEDIR implica ERRAR. E para poder chegar a validar uma
hiptese devemos quantificar os erros porque eles so inerentes ao
processo de medida.
Devido a que a natureza dos erros aleatria, irremediavelmente estamos
conduzidos a adentrarmos na Analise Estatstica.
At hoje, o problema da medida levanta muito polmica em ramos como a
Fsica Quntica, pois todo parece indicar que a conscincia interage de
alguma maneira com a matria!!
3.Teoria da medida
Portanto, para testar qualquer hiptese devemos medir, mas como medir
implica errar, o nico que podemos concluir em que intervalo tenho a
certeza de que se encontra a medida verdadeira
Para trasladar isso a uma linguagem quantitativa, define-se x0 como o
valor verdadeiro da medida (o qual curiosamente nunca ser conhecido)
e x como o valor da medida feita por ns. Desta maneira podemos
quantificar o erro absoluto cometido Dx como:
Dx x x0
Uma pergunta pode surgir... Se nunca vamos conhecer x0, como vamos a
quantificar os erros Dx a partir da definio acima? Na verdade Dx nunca
vai poder ser calculado a partir de x0, mas sim estimado direta ou
indiretamente por mtodos estatsticos.
O erro absoluto uma medida da desviao em termos absolutos respeito
ao valor verdadeiro. Porm as vezes mais interessante estudar tal
desviao em termos relativos.
Define-se o erro relativo como
Dx

x0
o qual tipicamente expresso em percentagem (%).
3.Teoria da medida
Usando as definies anteriores, j podemos expressar de maneira certa
uma medida experimental

x Dx unidades
Ou seja, cada medida tem que ir acompanhada da sua incerteza Dx !
O valor da incerteza Dx limita o valor verdadeiro, o qual se pretende medir
x Dx x0 x Dx
Portanto, medir como jogar aos dardos. Dessa maneira, define-se uma
medida como exata quando Dx pequeno e portanto a medida x est
prxima a x0. Por outro lado, define-se uma medida como precisa quando
Dx grande, mais o conjunto de medidas tomadas so parecidas.
3.Teoria da medida
x Dx x0 x Dx
A incerteza Dx apenas representa uma cota de impreciso e portanto no
necessrio expressa-la com muitos algarismos.
Por exemplo, se minha altura for 1.7825 m, para que falar que eu posso
estar enganado em 0.01471 m? mais pratico arredondar e falar que eu
me engano em 0.015 m e pronto, pois mesmo assim a cota de impreciso
ficar bem estabelecida.

Conveno: O erro absoluto Dx deve ser expresso:

A) Com dois algarismos significativos quando o primeiro deles for
um 1, ou for um 2, mas o segundo algarismo no chega a 5.
B) Com um algarismo significativo no resto dos casos.

S depois de ajeitar o valor de Dx devemos ajeitar o valor de x, o qual

deve ser ajustado para que o ltimo algarismo de x seja da mesma ordem
decimal que Dx.
3.Teoria da medida. Exemplo
Valores incorretos Valores corretos
3.Teoria da medida
Mas, por que dessa conveno to estranha?

Erro sem Arredondamento a Arredondamento a

arredondar um algarismo dois algarismos

0.155 0.2 (+29%) 0.16 (+3%)

0.235 0.2 (-15%) 0.20 (+2%)
0.255 0.3 (+17%)
0.355 0.4 (+13%)
0.455 0.5 (+9%)
0.555 0.6 (+8%)
0.855 0.9 (+5%)
3.Teoria da medida
Todos os erros anteriormente descritos se classificam em dois:
Erros sistemticos, aqueles que so constantes durante o processo de
medida. Exemplos:
Aparelho mal calibrado
Aparelho limitado
Observador com deficincia auditiva/visual
Os erros sistemticos so difceis de perceber e com frequncia eles
passam desapercebidos.
Erros acidentais ou aleatrios, aqueles que se cometem aleatoriamente,
mas que podem ser quantificados estatisticamente aumentando o nmero
das medidas. Exemplos:
Flutuaes tpicas devido a agitao trmica das molculas (temperatura)
Flutuaes tpicas devido ao rudo eletrnico.
Tipicamente os erros aleatrios seguem uma distribuio de
frequncias de tipo normal ou gaussiano com mdia zero, e portanto as
vezes as medidas esto por cima e as vezes por baixo do valor verdadeiro
com igual frequncia.
4.Erros. Medidas diretas
Para quantificar os erros absolutos fundamental saber
quando uma medida direta e quando indireta.
Define-se medida direta quando obtemos uma medida
por observao direta usando algum aparelho de medida.
A quantificao do erro atravs de medidas depende da
disperso das medidas. Por exemplo, se a disperso for
alta precisamos tomar mais medidas para alcanar certa
validez estatstica.
Por exemplo, se eu medir minha altura e der 1.78 m
posso estar meio tranquilo porque essa medida est
prxima ao resultado certo. Mas se eu medir de novo e
der 2.00 m a diferencia entre as medidas muito alta
(disperso) e estaria obrigado a tomar mais medidas para
diminuir as incertezas.
Existem muitas definies de disperso. Por sua
facilidade de clculo aqui usaremos a amplitude de
disperso estatstica, definida como:

d xmax xmin
4.Erros. Med diretas. Protocolo
Protocolo quando as medidas forem diretas:
1. Inicialmente, tomam-se SEMPRE trs medidas
2. Calcula-se o valor mdio dessas trs medidas.
1 3
x3 xi
3 i 1
3. Calcula-se a amplitude de disperso absoluta d, definida anteriormente.
4. Se d <= S toma-se como medida o valor mdio e como erro a sensibilidade
(S) do aparelho de medida, ou seja, a mnima escala do aparelho:
x3 Dx onde Dx S
5. Porem, caso d > S calcula-se a porcentagem da disperso T, definida
como:
T d / x3 100
6. Se T <= 2% ficamos com as 3 medidas. Se 2% < T < 8% devemos tomar
mais 3 medidas at completar 6 medidas. Se 8% < T <= 15% devemos
continuar at 15 medidas. Se T > 15% devemos continuar at 50 medidas.
4.Erros. Med diretas. Protocolo
Protocolo quando as medidas forem diretas:
1. Caso forem s 3 medidas,
x3 Dx onde Dx S
2. Caso forem 6 medidas,
x6 Dx onde Dx max d6 / 4, S
3. Caso forem 15 medidas, 15

x x
2
i 15
x15 Dx onde Dx i 1

15
4. Caso forem 50 medidas, devemos
construir o histograma de frequncia,
tomando mais medidas ainda caso a
distribuio no tiver forma de gaussiana.
Sobre essa distribuio, a medida ou
valor verdadeiro ser o valor mdio da
distribuio e a medida do erro ser a
varincia (s) ou o desvio padro (s).
5.Estatstica. Histograma
Para visualizar a natureza estatstica do fenmeno, o mtodo
mais usado construir um histograma.
Para construir um histograma dividimos as medidas em
intervalos (bins) igualmente espaados.
A seguir contamos o nmero de vezes que a medio est
dentro desse intervalo (frequncia)
Observe-se que a probabilidade em cada intervalo se forma a
partir do quociente entre a frequncia e N.
Se o nmero de intervalos for grande e os intervalos pequenos
o histograma aproxima-se de uma curva contnua chamada
curva de distribuio.
Desvendar a distribuio estatstica de um fenmeno
fundamental, pois cada distribuio fornece uma informao
relevante.
Por tanto, devemos conhecer alguns conceitos bsicos de
estatstica para entender as distribuies.
5.Estatstica. Conceitos bsicos
A seguir definimos alguns parmetros estatsticos teis.
Define-se o valor mdio ou mdia de uma amostra de N elementos de
uma distribuio como:
1 N
x xi
N i 1
A mdia corresponde-se com o mximo de uma
distribuio simtrica.
Caso a distribuio no for simtrica se define a
moda como esse mximo e a mediana como o
valor da distribuio para o qual as reas a
esquerda e direita so iguais.
Caso a distribuio for simtrica a mdia, moda e
mediana coincidem.
Sobre o histograma o valor da mdia ser:

1 m
x fi xi
N i 1
Onde fi o nmero de vezes que se obteve o valor xi (frequncia) e m o
nmero total de intervalos ou classes.
5.Estatstica. Conceitos bsicos
A forma da distribuio est dada pela disperso dos valores em torno da
mdia, que da ideia da preciso das medidas.
Outra maneira de medir disperso de maneira relativa, respeito mdia.
Define-se a varincia (s) de uma varivel aleatria x como:
2
1 N
1 N
1
N
s x2
N 1
i
x x
N 1
xi
2
x
N 1
i x x

Observe-se como a varincia como uma medida

das distncias de todas as medidas respeito
mdia da distribuio.
Por essa rao, a varincia fornece tambm uma
ideia do erro aleatrio cometido. Por isso, a
varincia equivalente ao erro quadrtico mdio
ou mean square error (MSE). A mdia fornece
uma ideia do erro sistemtico.
Finalmente, define-se o desvio padro (s) de uma
varivel aleatria x como:

s s x2 x x
5.Estatstica. Intervalo confiana
Na hora de expressar o erro de muitas medidas, habitualmente
suficiente com usar o desvio padro.
Usar o desvio padro como medida do erro quer dizer que temos a
certeza de que no 68.2 % dos casos o valor verdadeiro estar dentro
desse intervalo.

Porem, dependendo da natureza do fenmeno, as vezes essa certeza no

suficiente para demostrar algo. Por exemplo, para demostrar a
existncia do bson de Higgs precisou-se de um intervalo de confiana
de 5 sigma (certeza de 99.9999%) e ainda se planeja chegar a 7 sigma!
5.Estatstica. Covarincia
As vezes pode acontecer que duas variveis aleatrias variem
conjuntamente.
Por exemplo, a varivel aleatria x = peso varia conjuntamente com a
varivel aleatria y = altura, pois tipicamente a maior altura, maior peso.
Neste caso dizemos que as variveis peso e altura esto
correlacionadas.
A maneira de medir a correlao entre duas variveis traves de um
parmetro chamado covarincia.
1 N
cov( x, y) s xy xi x yi y x y x y
N 1
Um dos nossos objetivos em Fsica
Experimental (e geralmente tambm
em Cincias) precisamente esse:
conferir se um fenmeno fsico
depende de outro!
6.Erros. Medidas indiretas
Define-se medida indireta quando obtemos uma medida a partir de alguma
frmula baseada a sua vez em outras medidas diretas.
O erro de uma medida se espalha ao longo do intervalo no qual se encontra a
medida. Portanto, para estim-lo precisamos saber quanto muda a medida
movendo-nos localmente ao redor dela.
A operao matemtica que envolve quantificar mudanas locais a
derivada!
Porem, a medida indireta vai depender de varias medidas diretas (tipicamente
mais de uma). Portanto, devemos usar derivadas parciais.
Por exemplo, seja F a medida indireta cujo erro queremos calcular, a qual
depende de outra medidas diretas x, y, z... conhecidas (e seus erros)

F f ( x, y, z,...)
A diferencial total de F ser
F F F
dF dx dy dz ...
x y z
Identificando as diferenciais com os erros e as derivadas com seu
espalhamento ao longo dessa varivel, no caso mais desfavorvel, obtemos:
F F F
DF Dx Dy Dz ...
x y z
6.Erros. Medidas indiretas
Exemplo1: O erro de uma soma a soma dos erros!
F x1 x2
F F
DF Dx1 Dx2 1 Dx1 1 Dx2 Dx1 Dx2
x1 x2
Exemplo2: Erro da medida (indireta) da superfcie tendo medido o raio
(diretamente).
S p r onde r 1.2 0.2 m
S S
DS Dr Dp 2p r Dr r Dp ...
r p
2 3.14159 1.2m 2 101 m 1.2m 105 1.50796m
S p r 3.14159 1.2m 4.5238896m S 4.5 1.5 m
Observe-se como quando aparecerem nmeros irracionais (p, e, nmero
ureo,...) podemos escolher o nmero de algarismos significativos de maneira
que o erro cometido ao aproximar esses nmeros no afeite ao erro da nossa
medida.
6.Erros. Medidas indiretas
Resolva o seguinte exemplo:

F f ( x, y, z, u, v, w)
x y z
u v w

x 27.33 0.13 u 50.2 0.1

y 2.45 0.05 v 1.033 0.012
z 10.0 0.1 w 3.26 0.02
7.Regresso linear
Com muita frequncia na hora de testar uma hiptese, planteia-se o problema
de procurar uma expresso matemtica y = f(x) da Lei fsica que rege o
fenmeno a partir de uma serie de N medidas (xi, yi) das grandezas fsicas x,
y que o caracterizam.

Quando a representao grfica do fenmeno estudado fornece uma

distribuio de pontos experimentais em forma praticamente linear (fenmeno
linear) podemos determinar a equao da reta, averiguando o valor da
inclinao (coeficiente a) e o corte em ordenadas (coeficiente b),
anteriormente desconhecidos.

y ax b
7.Regresso linear
A reta de regresso que procuramos deve satisfazer que os pontos
experimentais fiquem distribudos simetricamente a ambas as partes da
mesma e o mais prximo possvel a ela.
Para que isso acontea a equao da reta deve cumprir que a funo c tenha
um valor mnimo (teste de chi quadrado):
N
c yi axi b
i 1
7.Regresso linear
Os mnimos de uma funo de uma ou varias variveis se calculam derivando
a funo e igualando a zero.
Derivando a funo c respeito s variveis a e b e anulando ambas as
derivadas obtemos os valores dos coeficientes da reta de regresso:

N N N N N
N xi yi xi yi y a x
i i
a i 1 i 1 i 1
2
b i 1 i 1
N
N N
N x xi
2
i
i 1 i 1

Observe-se que se a reta passa pela origem (b = 0) o problema se simplifica

notavelmente:
N

x y i i
a i 1
N

i
x 2

i 1
7.Regresso linear
Alm dos coeficientes da reta de regresso seria interessante obter alguma
informao sobre a dependncia ou correlao entre a varivel aleatria x e a
varivel aleatria y.
Uma maneira de estudar tal dependncia seria comparar a mdia das
variveis x e y supondo elas correlacionadas com a mdia das variveis x e y
supondo elas independentes e dividir o resultado pelos desvios padro de
cada varivel para normalizar.
N N N
N xi yi xi yi
x y x y s xy
r i 1 i 1 i 1

s x s y s x s y N
N

2
N
N

2

N xi xi N yi yi
2 2

i 1 i 1 i 1 i 1

Desta maneira se define o chamado coeficiente de correlao linear (r), o

qual fornece informao do grau de correlao entre os valores das medidas x
e y. Ou seja, o coeficiente r da uma ideia da linearidade do fenmeno fsico:
Caso r = 1 ou r = -1 correlao linear total (experimentalmente impossvel!!).
Caso r = 0, no h correlao linear alguma.
7.Regresso linear
7.Regresso linear
Finalmente, podemos e devemos tambm calcular os valores dos erros dos
coeficientes a e b.

y ax b
2
i i
Da i 1
N
N 2 xi x
2

i 1

N 2
1 x2 iy axi b
Db N i 1
N 2 N 2


i 1
xi x