Aula 03 Erros experimentais

Incerteza
Aula 03
Prof. Valner Brusamarello
 Incerteza Combinada
y Efeito da Incerteza sobre y
y = f ( x1 u1 , x2 u2 , L , xk uk , L)
Expanso em Srie de Taylor:

f
y = f (x1 , x 2 , x 3 ,L) +
k
( uk ) + L
x k x1 , x 2 , x 3 ,L
y f(x1 , x2 ,...)
uc
Variao
V i em y
uc xk incerteza

uk x
 Anlise de Incertezas
y Exemplo: Suponha que medimos a corrente (I) e a resistncia (R) de um resistor. Pela
lei de Ohm:
V = IR
Se ns conhecemos as incertezas (ou desvios padres) em I e R,qual a incerteza em V?
Mais formalmente, dada uma relao funcional entre algumas variveis (x, y, z),
Q=f(x, y, z)
Qual a incerteza em conhecendo as incertezas em x, y, e z?
Geralmente consideramos a incerteza ppadro em x, e escrevemos: xs.
Na maioria dos casos assumimos a incerteza Gaussiana e como visto anteriormente,
68% das vezes, esperamos que o valor de x esteja no intervalo [x-s, x+s].
Nem todas as medidas ppodem ser representadas
p ppor distribuies
Gaussianas!
y Para calcular a a varincia de Q como funo das varincias em x e y, ento usamos:

2
Q 2 Q Q Q
2

Q2 = x2 + y
+ 2 xy
x y x y
 Anlise de Incertezas
y Se as variveis x e y no so correlacionadas, ento xy = 0 e o ltimo termo na
equao anterior zero. Podemos deduzir essa equao da sequinte maneira:
g
Assumindo que temos algumas quantidades medidas x (x1, x2...xN) e y (y1, y2,
...yN). As mdias de x e y: 1 N 1 N
x =
N
x
i =1
i e y =
N
y
i =1
i

Qi f (xi , yi )
y defina:
Q f ( x , y )
avaliada nos valores mdios
expandindo Qi sobre estes valores mdios:

Q Q
Qi = Q ( x , y ) + ( xi x ) + ( y y
) + termos de ordens altas

i
x x , y y x , y
assumindo que os valores medidos encontram-se prximos das mdias,
e desprezando
p termos de ordens mais elevadas::
 Anlise
de Incertezas
Q Q
Qi Q = ( xi x ) + ( yi y )
x x , x y x , x
N
1
=2
Q
N
(Q Q)
i =1
i
2

2
Q Q Q Q
N 2 N N
1 1 2
= ( xi x )
2
+
x x , x N
( yi y )
2
+ (x )( yi y )
y x , y N
i x
N i =1 i =1 i =1 x x , x y x , x
2
Q Q Q Q
2 N
2
= 2

x x , x
+ y2 + (x )( yi y )
y x , x x x , y y x , y N
x i x
i =1

Se as medidas no so correlacionadas o ltimo termo na equao acima zero:

Uma vez que as derivadas so avaliadas nas mdias (x, y) , podemos
tir-las da soma
2
Q Q
2

Q2 = x2 + y2
x x , y y x , y Medidas no correlacionados
 Anlise de Incertezas
y Se x e y so correlacionados, definimos xy como:
N
1
xy =
N
(x
i =1
i x )( y i y )
2
Q Q Q Q
2

Q2 = x2 + y2 + 2 xy
x x , y y x , y x x , y y x , y

y Exemplo: Potncia em um circuito eltrico.

P = I2R
Faa I = 1.0 0.1 A e R = 10. 1.0
P = 10 W
Calcule a varincia na potncia usando a propagao de incertezas
assumindo
i d que I e R no so
correlacionados
l i d

2 P 2 P
2 2
P2 = I + R = I2 ((2IR))2 + R2 ((I 2 )2 = ((0.1))2 ((2 110))2 + ((1))2 ((12 )2 = 5 watts2
I I=1 R R=10
Anlise de Incertezas
P = 10 2 watts
Se o valor verdadeiro da potcia for de 10W e ns medirmos a mesma com
uma incerteza padro (s) de 2W, considerando uma distribuio
Gaussiana, ento 68% das medidas ficar dentro do intervalo [8,12]W
Podemos ainda, fazer o clculo anterior com erros relativos:
P2 I2 P R2 P 4 I2 R2
2 2 2 2
0.1 1
= + = + = 4 + = ( 0 . 1) 2
(4 + 1)
P 2
P I
2
P R
2
I 2
R 2
1 10
Observe que se a corrente for medida com mais preciso, a
incerteza na potncia cai mais rapidamente.
rapidamente
y Pode-se mostrar que em uma funo do tipo: f(x,y,z)= xaybzc, a
varincia relativa de f(
f(x,y,z)
,y, ) :

f a x b y c z
2 2 2 2

= + +
f x y z
 Anlise de Incertezas
O desvio na mdia
A mdia de algumas medidas com a mesma incerteza () dada por:

1
= (x1 + x2 +...x
+ xn )
n

2 2

2 2

2 2
21
2
21
2
1 2 21
2
= x + x +... x = + +... = n
2
1 x
1 2 x
2 n x
n n n n n

= desvio padro na mdia ou incerteza padro
n

A preciso aumenta com a raiz quadrada do nmero de experimentos.

No f d com !
N confunda
est relacionado com a largura da funo densidade probabilidade ( ex.:
Gaussiana) da qual as medidas so originadas.
no diminui quando se aumenta o nmero de elementos.
 Incertezas combinadas
y Depois
p do procedimento
p matemtico, das simplificaes
p e
consideraes, pode-se obter a expresso para a incerteza
padro na grandeza G :

2 2 2
G 2 G 2 G 2
G2 = x + y + z + ...
x y z

y Esta equao permite calcular a incerteza mais provvel da

grandeza G em funo das incertezas de cada uma das
variveis, das quais a mesma dependente.
 Combinao das Incertezas
Relativas

x z
x
y=
w
uc ( y) ux uz uw
2 2 2

= + +
y x z w
 Propagao de Incertezas
y Todas as ggrandezas fsicas,, q
quando medidas devem ser representadas
p
por um valor numrico, uma incerteza e uma unidade (se a grandeza
no for adimensional).
y Exemplo: temperatura indicada no painel de um forno : 700 C C. A
expresso grandeza fsica implica na determinao de um nmero
que representa a grandeza e tem pouco valor caso no seja conhecida
a incerteza correspondente.
correspondente Assim,
Assim no caso da temperatura do forno,
forno
considerando a preciso do sensor de temperatura, do instrumento de
indicao e dos cabos poder-se-ia chegar a uma informao do tipo:
( 700 5 ) C
o

y Onde o valor 700 indica a grandeza nominal medida ou estimada e o

valor 5 a incerteza (em C)
C) relacionada a esta medida.
 Propagao de Incertezas
y UUm ar condicionado
di i d dde 10000 BTU ttem uma tenso t eltrica
lt i medida
did de
d
E = ( 220 10 ) V e corrente I = ( 6 1) A .Pretende-se determinar a potncia real
dissipada neste aparelho de ar condicionado:
Pmin = ( 220 10 )( 6 1) = 1050 W Pmax = ( 220 + 10 )( 6 + 1) = 1610 W
P = VI = 200.6
200 6 = 1320W
y Entretanto, apesar de possvel, bastante improvvel que a incerteza da
potncia seja dada por essas quantidades, uma vez que dois maiores ou
menores valores
l dde medida
d d simultneos
l ddevem ocorrer.
y Segundo o mtodo apresentado anteriormente, o resultado do clculo da
incerteza final uma funo das variveis independentes xi , yi , zi ,... para:
G = G ( xi , yi , zi ,...)
 Incerteza Expandida
y Especificando a Incerteza da Medida (Preciso)
y Medida Ideal = Medida Real U
y U a Incerteza Expandida

U = ku
k c
k = Fator de Cobertura
Determina o Nvel de Confidncia

Grau de crena de que o valor ideal da medida se encontra no

intervalo
Se a quantidade z apresentar uma distribuio normal, com
Fator de Cobertura
p(z)
espectncia z e desvio pado , o intervalo z k abarca
,
68,27%; ; 90%;; 95,45%;
, rea =
; 99% e P(,z k <z<
99,73% z((nvel de) confidncia)) dos
z + k
possveis valores de z, para k=1; k=1,645; k=2; k=2,576 e k=3
respectivamenterea
(considerandonvel
graus de liberdade )
de confidncia

Para outras distribuies os valores

z so diferentes
z k z + k
z
 Propagao de Incertezas
y Considere, nos prximos exemplos, erros com distribuio gaussiana. Se
nada for informado sobre o nvel de confidncia, o mesmo corresponde
a 68,3%
68 3% ()
().
y No exemplo da potncia, calcule a incerteza resultante mais provvel.
y A superfcie
f i jjuntamente
t t com a iincerteza
t ttotal
t l dde um paraleleppedo
l l d
deve ser calculada. Os resultados das medidas das dimenses so:

x = (100 1% ) mm y = ( 300 3%
% ) mm
z = ( 25 2 ) mm
 exerccios

Aplica se uma Tenso de V = 100.V 1%.

y Aplica-se % a um resistor de R = 10. ,1%
sendo a corrente medida igual a I = 10.A 1%. Deseja-se calcular a
potncia dissipada de trs modos diferentes:
P=
V2
P = RI 2 P = V .I
R

y Qual dos modos voc considera mais adequado?

exerccios

y resistores R2 = (300 2). , R1 = (20 4). ,
Dados dois resistores,
determine o valor da resistncia equivalente, quando:
y (a) Os resistores estiverem em srie;
y (b) Os resistores estiverem em paralelo.
exerccios

y A resistncia eltrica de um fio de cobre,
cobre em funo da
temperatura, dada por:
R = R0 1 + (T T0 )

onde,
6 00 2% ( na temperatura To)
Ro = 6,00
= 0,0004 C-1 5%
T = 40 CC 22C
C
To = 20C 2C
Calcule R com a sua incerteza relativa
 Anlise de incerteza - Exemplo
y Incerteza Combinada
y Exemplo:
600

x x1 Condicionador
Condicionador de Sinal y1 di i d de i l y
d Sinal
500
+ y=10.x1-3
y1=2.x +
400 e1
x = xm 2
distribuio normal
y 300 =99,73%
nvel de confidncia Varivel espria e1 y=10.(2x+e1)-3
lib d d
d liberdade
graus de
U
ux=2/3=0,66 200 2 2
y y
uc =
2
ux + ue
e1= 5 1
x x m ,0 e1 x m ,0
1
100
distribuio normal
nvel de confidncia =95,45%
uc2 = [(20 )0,66 ] + [(10 )0,5] = 202
2 2
graus de liberdade
0
0 2 4 6 8 10 12 14 16 18 20
ue1 =1/2=0,5 x k=3
y = (20xm +47) 42 Grau de confidncia 99,73%
Anlise de incerteza - Exemplo
y Incerteza Combinada
y Exemplo:
600
2
y
2
y
x y u =
2
u x + uex
e x ,10
500
Condicionador de Sinal

c
y=2.ex.x
y x x m ,10
x m
400
ex
uc2 = [(2.10)0,2] + [(2x m )1,6]
2 2
300
Fonte de Alimentao
200
U(12)
x=xm0,4 uc = 16 + 10,24xm2
2

ex=10 3,2
distribuio100normal

nvel de confidncia =95,45% y = 20xm 3.(16+10,24xm2)

graus de liberdade
0

ux=0,4/2=0,2
0 2 4 6 8 10
k=3
12 14 16 18 20

uex=3,2/2=1,6 Grau de confidncia 99,73%

Propagao de Incerteza
y A incerteza se p
propaga
p g de um estgio
g ppara outro do Sistema
de Medio

y A funo de transferncia de cada estgio afeta a incerteza

x y1 x1 y
Condicionador de Sinal Condicionador de Sinal
+
y1=2.x + y=10.x1-3

e1
Varivel espria e1

x1=
y1=2.x y=10.x
=10 1-3
3
y1+e1
ux uy=10 ux1
uy1= 2 ux u x1 = u y21 + ue21

ue1
P
Propagao
de
d incerteza
i t - Exerccio
E i

y Exerccio
y Determine a incerteza expandida em cada estgio.

3 +e1 ^2 eX2 +e3 3.ln

x + + y

2 ^3 0,5

x=xm0,05 (99,73%)
Qual das fontes de incerteza predominante?
e1=2 0,1
, (95,45%)
( , )
e2=0 0,4 (99%)
e3=1 0,1 (99,73%)
Incertezas combinadas
y Como
C visto
i anteriormente,
i
importante saber se as variveis
de entrada so correlacionadas,
correlacionadas
ppois isso muda a forma da
abordagem!
 Covarincia

y A covarincia mede a relao entre duas variveis:
COV ( X , Y ) = XY = E ( X x ) (Y Y ) = E ( XY ) X Y
y Se X e Y so independentes ento COV(X,Y)=0
p q E(X.Y)=E(X).E(Y)=
porque ( ) ( ) ( ) xy
y A covarincia estimada de duas estimativas de
entrada xi and xj, so denotadas por u(xi,xxj).
entrada, )
y A correlao um parmetro que mede a relao
entre duas variveis geralmente mais fcil de
p
interpretar: COV ( X , Y )
XY =
V ( X ) V (Y )
Incerteza combinada no
correlacionada - resumo
y Se f a funo que descreve um modelo da medida.
medida Cada
u(xi) uma incerteza padro avaliada.
y A incerteza padro combinada u(y) um desvio padro
estimado dos valores que poderiam, razoavelmente,ser
atribudos ao mensurando Y;
y As derivadas parciais df /dxii so iguais a df /d X i avaliadas para Xi
= xi;
y Estas derivadasso denominadas coeficientes de sensibilidade e
descrevem como a estimativa de sada y varia com alteraes nos
valores das estimativas de entrada x,, x2, ..., xN.
y Se esta alterao gerada pela incerteza padro da estimativa xi, a
variao correspondente em y , a varincia combinada pode ser
vista como a soma de termos,onde cada um deles representa a
varincia estimada associada com a estimativa de sada y ggerada ppela
varincia estimada, associada com cada estimativa de entrada xi, ou

y onde
 Exemplo
y Se
S uma ddiferena
f de
d potenciall V aplicada
l d aos teminais de
d um
resistor dependente da temperatura que tem uma resistncia Ro,
uma ttemperaturat definida
d fi id tot e um coeficiente
fi i t de
d ttemperatura
t
linear da resistncia , a potncia P (o mensurando) dissipada
pelo resistor,
resistor temperatura t, t depende de V, Ro e tt, de
V Ro,
acordo com:
Exemplo
 GUM
y A sensibilidade pode ser avaliada numericamente, nesse caso consulte o
GUM!
y A sensibilidade tambm pode ser avaliada experimentalmente variando
uma das entradas, mantendo as demais constantes e verificando a sada;
y Num exemplo p anterior , a estimativa do valor do mensurando V
= V + V, onde v = 0,928 571V, u(v) = 12 pV, a correo aditiva V
=0, e u(V)=8,7 pV.
y Uma vez que dV/dv
d /d = 1 e dV/d(V)
d /d( ) = 11, a varincia
i i combinadabi d
associada com V dada por:

y Este um exemplo do caso em que o mensurando uma funo linear

das grandezas das quais depende, com coeficientes ci= +l.
y se Y = c1X1 + c1X1 + ... + CNXN e se as constantes ci =+1 ou -1,
 Correlaes
y A covarincia associada com as estimativas de duas grandezas de
entrada Xi e Xj podem ser tomadas como nulas ou tratadas como
insignificantes,
s g ca tes, se:
y a) Xi e Xj forem no-correlacionadas
y b) qualquer das grandezas Xi ou Xj puder ser tratada como
constante
y c) no existirem informaes suficientes para avaliar a
covarincia associada s estimativas de Xi e Xj.
y Pode se avaliar se duas grandezas de entrada observadas
Pode-se
simultnea e repetidamente so ou no correlacionadas por meio
da equao:
 Correlaes
y Na prtica, as grandezas de entrada so, freqentemente,
correlacionadas, pporque
q o mesmo padro
p de medio
fsico,
instrumento de medio, dado de referncia, ou at mesmo o mtodo
de medio, tendo uma incerteza significativa, so usados na estimativa
de seus valores.
y Considerando duas variveis X1 e X2

y A varincia de X1:

y A covarincia para as variveis de entrada x1 e x2:

 Grandezas de entrada correlacionadas

y Quando as grandezas de entrada so correlacionadas,

correlacionadas a expresso
apropriada para a varincia combinada uj (y), associada com o
resultado
esu ta o dee uma
u a medio
e o :

y Onde
O d xii e xjj so
as estimativas
i i de d Xi e Xj
y u(xi, xj )=u(xj , xi ) a covarincia estimada, associada com xi e xj .
y O grau de correlao entre xi e xj caracterizado pelo coeficiente
de correlao estimado:
 Grandezas correlacionadas
y A equao anterior pode ser reescrita em termos
da correlao:

y Para
P o caso muito especiall em que todas
d as
estimativas de entrada so correlacionadas, com
coeficientes
fi i de l r ( xi , x j ) = +1 a equao
d correlao
se reduz a:
 Exemplo
y Dez resistores,, cada um com uma resistncia nominal de R=1000 ,, so calibrados
com uma incerteza de comparao desprezvel, em termos de um mesmo resistor
padro Rs de 1000 , caracterizada por uma incerteza padro u(Rs) = 100 m , tal
como apresentado em seu certificado de calibrao.
y Os resistores so conectados em srie com fios de resistncia desprezvel, de forma a
se obter uma resistncia de
10
referncia Rref de valor nominal de 10 k
y Assim, Rref = f ( Ri ) = Ri
i =1

( ) (
y J que r xi , x j = r Ri , R j = 1 ) para cada par de resistores , a equao do exemplo
anterior
t i se aplica.
li
f = Rref = 1 e u ( xi ) =u ( Ri ) =u ( RS )
y Como para cada resistor xi Ri
y esta equao
q produz:
p uc ( Rref ) = u ( RS ) = 10 (100 m ) = 1
10

i =1
1/ 2

uc ( Rref ) = u 2 ( RS )
10
= 0, 32
y O resultado
lt d i =1 incorreto,
i t poisi no
lleva em
conta que todos os valores calibrados dos dez resistores so correlacionados.
 Covarincia
e correlao
y Considere duas mdias aritmticas qm e rm que estimam as esperanas
q e r de duas grandezas q e r, variando aleatoriamente, e calcule qm
e rm a papartir
t dee n pa
pares
es independentes
epe e tes dee observaes
o se vaes simultneas
s u t eas dee
q e r, feitas sob as mesmas condies de medio. Ento a covarincia
de qqm e rm estimada ppor:

y Onde qk e rk so as observaes individuais das grandezas q e r;

y Se as observaes no so correlacionadas,
correlacionadas espera
espera-se
se que a covarincia
calculada fique prxima de 0.
coeficiente de correlao:
correlao
 Grandezas correlacionadas
y Correlaes entre grandezas de entrada no podem ser ignoradas, se
esto presentes e so significativas.
y As covarincias associadas devem ser avaliadas experimentalmente,se
possvel, variando-se as grandezas de entrada correlacionadas ou
usando-se o conjunto de informaes disponveis sobre a variabilidade
correlacionada das grandezas em questo.
y A intuio, baseada em experincia anterior e no conhecimento geral
especialmente requerida quando se estima o grau de correlao
entre grandezas de entrada decorrentes do efeito de influncias
comuns, tais como temperatura ambiente, presso baromtrica e
umidade.
umidade
y Felizmente, em muitos casos, os efeitos de tais influncias tm
interdependncia desprezvel, e as grandezas de entrada afetadas
podem ser supostas como no-correlacionadas.
 Tamanho da amostra
y Uma das grandes preocupaes do ponto de vista experimental
como determinar o tamanho da amostra, ou seja, como responder a
seguinte pergunta: Quantas amostras ou ensaios devem ser realizados
para garantir um bom significado estatsticos dos meus dados?
y A resposta a esta pergunta no simples, pois depende do tipo de
experimento,
i do
d planejamento
l j estatstico
i do d experimento,
i ddos
parmetros ou efeitos que sero estimados e da incerteza
padro desses efeitos que depende da variabilidade intrnseca do
experimento, da exatido do experimento e do tamanho da
amostra.
y Repeties no reduzem o desvio padro, mas reduz a incerteza
padro do experimento. Portanto, o erro padro pode ser pequeno
aumentando-se
d o nmero
dde repeties.
i
 Tamanho da amostra
y O intervalo de confiana para a mdia dado por x
sendo = z

n
z
2 2

y O tamanho da amostra n dado por : n =
2


y sendo z a varivel aleatria normal, o nvel de significncia,
o desvio
d i padrod e o erro mximo
i usando d para estimar
i a
mdia.
y n arredondado
d d d para o prximo
i nmero
iinteiro.
i E Esta
expresso considera que a amostragem aleatria e que
grande n>30 , tal que
que, a distribuio normal pode ser usada
para definir o intervalo de confiana
Tamanho da amostra
y Para tamanho de amostras pequeno (n<30)
(n 30) , a distribuio t
usada.
y A distribuio t de Student uma distribuio de
probabilidade terica. simtrica, campaniforme, e semelhante
curva normal padro, porm com caudas mais largas, ou seja,
uma simulao da t de Student pode gerar valores mais extremos
que uma simulao da normal. O nico parmetro v que a define e
caracteriza a sua forma o nmero de graus de liberdade. Quanto
maior
i for
f esse parmetro,
mais
i prxima
i dda normall ela l ser.

y A distribuio t de Student aparece naturalmente no problema de
se determinar a mdia de uma populao (que segue a distribuio
normal) a partir de uma amostra. Neste problema, no se sabe
qual a mdia ou o desvio padro da populao, mas ela deve ser
normal.l
 A distribuio-t e os graus de
liberdade
y Para obter uma melhor aproximao do que simplesmente usar um
valor kp da distribuio normal, para definir um intervalo de
confiana requer, no a distribuio da varivel [Y - E(Y)]/(y), mas
a distribuio da varivel (y -Y)/u(y).
y Isto se d porque, na prtica, tudo que est geralmente disponvel y,
a estimativa de Y e a estimativa do desvio padro;
y Se z uma varivel aleatria normalmente distribuda com esperana
z , e desvio padro e z a mdia aritmtica de n observaes
p
independentes zk de z e s(( z ) o desvio padro
p experimental
p de z ,
ento a distribuio da varivel
y a distribuio-t
ou distribuio de Student com v = n-1 ggraus de
liberdade.
 DISTRIBUIO t de STUDENT

n1>n2>n3>>n4
n1 , 1

1<
< 2<
< 3<
< 4 n2 , 2

n3 , 3
n4 , 4
 DISTRIBUIO t de STUDENT

t
-t 0 +t

xi x
t=
s/ n
 Tamanho da amostra
y A varivel aleatria t segue uma distribuio t de student com
v=n-1 graus de liberdade

y Exemplo:
E l determinar
d i o tamanho
h da
d amostra considerando
id d um
experimento onde estimamos a mdia de um processo com
erro mximo de 8.
8 Assumir que o intervalo de confiana de
95% e que necessrio uma amostra grande.

z
2

n= 2
1 = 95% z = 1,96 =8


 Tamanho da amostra
y Porm normalmente o desvio padro desconhecido
desconhecido, pois o
ensaio no foi realizado em funo de no termos
determinado
ete a o o nmero
e o ou tamanho
ta a o daa amostra.
a ost a.
y Uma boa soluo realizar algumas medies aleatrias, ou
seja, alguns ensaios aleatrios e determinar o desvio padro
estimado indicado por s, ou seja, para esse exemplo, dez
medies
aleatrias foram realizadas para
p estimar o desvio
padro: 450, 458, 437, 425, 399, 405, 407, 409, 469, 461. A
mdia aritmtica obtida 432 e o desvio padro:

z
2 2

(x X )
n
= 1,96 26,4 = 41,83
2
i n= 2
s= i =1
26, 4 8
n 1
 Tamanho da amostra
y Para uma quantidade pequena de amostras n e
assumindo que a mdia das amostras segue uma
d b
distribuio aproximadamente
d normall se utiliza
l a
distribuio t para determinar o intervalo de
confiana. Nesse caso, a equao = t s

2 n
y Cabe observar, que o valor da distribuio t diminui
com o aumento de n
Graus de liberdade
y Note
N t que o di
divisor
i dda varincia
i i dda amostra
t o ttamanho
h dda amostra
t
menos 1 (n-1), enquanto para a varincia da populao, o tamanho da
ppopulao
p n.
y Se soubssemos o valor verdadeiro da mdia populacional , ento
poderamos encontrar a varincia da amostra como a mdia dos quadrados
d desvios
dos d i das d observaes
b dad amostra em torno ded .
y Na prtica, o valor de quase nunca conhecido, e dessa forma, a soma
dos quadrados dos desvios em torno da mdia X tem que ser usada.
usada No
entanto as observaes Xi tendem a estar mais prximas do seu valor
mdio X, do que a mdia populacional .
y Para compensar isso, usamos n-1 como divisor ao invs de n. Se
usssemos n como divisor na varincia da amostra, obteramos uma
medida de variabilidade que seria,
seria em mdia,
mdia consistentemente menor
que 2 da populao.
Graus de liberdade

y Outra maneira de pensar acerca disso considerar a

i i s2, da
varincia d amostra como estando d baseada
b d em n-11
graus de liberdade.
y O termo graus
d liberdade
de lib d d resulta
l do
d fato
f de d que n
desvios X1 -X, X2 X, ..., Xn X sempre somam zero e
assim especificar os valores de quaisquer n-1
assim, n 1 dessas
quantidades determina automaticamente aquele
restante.
restante
y Dessa forma, somente n-1 nos n desvios Xi X, esto
livremente determinados.
determinados
df t.60 t.70 t.80 t.90 t.95 t.975 t.99 t.995
1 .325 .727 1.376 3.078 6.314 12.706 31.821 63.657
2 .289 .617 1.061 1.886 2.920 4.303 6.965 9.925
3 .277 .584 .978 1.638 2.353 3.182 4.541 5.841
4 .271 .569 .941 1.533 2.132 2.776 3.747 4.604
5 .267 .559 .920 1.476 2.015 2.571 3.365 4.032

6 .265 .553 .906 1.440 1.943 2.447 3.143 3.707

7 .263 .549 .896 1.415 1.895 2.365 2.998 3.499
8 .262
262 .546
546 .889
889 1 397
1.397 1 860
1.860 2 306
2.306 2 896
2.896 3 355
3.355
9 .261 .543 .883 1.383 1.833 2.262 2.821 3.250
10 .260 .542 .879 1.372 1.812 2.228 2.764 3.169

11 .260 .540 .876 1.363 1.796 2.201 2.718 3.106

12 .259 .539 .873 1.356 1.782 2.179 2.681 3.055
13 .259
259 .538
538 .870
870 1 350
1.350 1 771
1.771 2 160
2.160 2 650
2.650 3 012
3.012
14 .258 .537 .868 1.345 1.761 2.145 2.624 2.977
15 .258 .536 .866 1.341 1.753 2.131 2.602 2.947

16 .258 .535 .865 1.337 1.746 2.120 2.583 2.921

17 .257 .534 .863 1.333 1.740 2.110 2.567 2.898
18 .257 .534 .862 1.330 1.734 2.101 2.552 2.878
19 .257 .533 .861 1.328 1.729 2.093 2.539 2.861
20 .257 .533 .860 1.325 1.725 2.086 2.528 2.845

21 .257 .532 .859 1.323 1.721 2.080 2.518 2.831

22 .256
256 .532
532 .858
858 1 321
1.321 1 717
1.717 2 074
2.074 2 508
2.508 2 819
2.819
23 .256 .532 .858 1.319 1.714 2.069 2.500 2.807
Distribuio t
y Alguns valores aproximados da distribuio versus valores de
com intervalo de confiana de 95% - = 0,05 = 0,025
2 2

1 12,7 1,00 12,7

2 4,30 1,41 3,05

3 3 18
3,18 1 73
1,73 1 84
1,84

4 2,78 2,00 1,39

5 2,57 2,24 1,15

6 2,45 2,45 1,00

7 2,36 2,65 0,890

8 2,31 2,83 0,816

9 2,31 3,00 0,770

10 2,23 3,16 0,706

15 2,13 3,87 0,550

20 2,09 4,48 0,466

25 2,06 5,00 0,412

 Distribuio t
y Exemplo: suponha outro experimento com 15 amostras
preliminares de mdia aritmtica 291,3 e desvio padro
ss=63.
63. Determinar
ete a o intervalo
te va o dee confiana
co a a dee 95%.
95 .
y Como a amostra pequena , o intervalo de confiana ser
obtido usando a distribuio t t15; 15 amostras e
2
intervalo de confiana de 95%
(1 = 0,95) = 0,05
s 63 63
= t = t 0, 05 = t 0, 025 2,13 16,28 34,67
2 n 2 15 15
 EXEMPLO

= 20 C 0
xi = 20,1 C
0
= 0,1 C
0

Coordenada Z

xi 20,1 20
z= = =1
0,1

z =1 p = 84,13%( xi 20,1)
p = 15,87%( xi 20,1)
 EXEMPLO

x = 20 C xi = 20,1 C
0 0
s = 0,1 C
0
n = 10
Coordenada t

xi x 20,1 20
t= = = 3,162
s 0,1
n 10

t p p (?) = 99,4%( xi 20,1)

2,821 99
3,162 ?
3,250 99,5 p = 0,6%( xi 20,1)
 DISTRIBUES NORMAL PADRONIZADAE t DE
SUDENT

Coordenada Z

xi
z=

Coordenada t

xi x
t=
s
n
 Graus de liberdade efetivos
y Considere que Y=f(X1,X2,X3)=bX1X2X3
Y=f(X1 X2 X3)=bX1X2X3 e que as
estimativas de X1, X2 e X3 so as mdias aritmticas de
n1=10,0, n2=55 e n3=15
3 5 repeties
epet es dee observaes
o se vaes
independentes com incertezas relativas padro
ux1/x1=0,25% ,ux2/x2=0,57% e ux3/x3=0,82%. Nesse
caso a resposta da incerteza da varivel Y de sada
[u(y)/y]=(1,03%); assim procedemos...
4 4
u ( y) u ( y)
= = c c
eff
u ( y)

N
4
N (c u( x ) 4

i i i

i =1
i
i =1
i
 Graus de liberdade efetivos
uc4 ( y)
uc4 ( y) y 1, 034
eff = = = = 19, 0
( u( xi )
N 4 4 4 4 4
ui ( y) 0, 25 0, 57 0,82
i x +
10 1 5 1 15 1
+
3
i

i =1

i =1 i

y O valor de tp para p=95% e v=19 t95(19)=2,09

y A incerteza relativa
l expandida
dd
U95=2,09x(1,03%)=2,2%
y Y=yU95=y(10,022)
CRITRIOS DE REJEIO
 CRITRIO DE REJEIO

NO EXISTE CRITRIO QUE SEJA SUPERIOR AO JULGAMENTO DE UM

TCNICO EXPERIENTE, QUE ESTEJA FAMILIARIZADO COM SEU
PROCESSO DE MEDIO. AS REGRAS ESTATSTICAS SO
PRINCIPALMENTE PARA AUXLIO AOS TCNICOS INEXPERIENTES , QUE
ESTEJAM TRABALHANDO COM UM NOVO PROCESSO DE MEDIO OU
PARA AQUELES QUE SIMPLESMENTE DESEJAM JUSTIFICAR PORQUE
ELES TOMARAM AQUELA DECISO

Natrella M.G Experimental Statistics ; National Bureau of Standards Handbook

91,1963
 CRITRIO DE CHAUVENET

Condio para Rejeio de

qualquer
q q valor de um conjunto:
j

xi x > k(n) s n
2
k (n)
1,15
3 1 35
1,35
4 1,54
5 1,65
6 1,73
7 1,80
8 1,86
9 1,92
10 1,96
 CRITRIO DE CHAUVENET

Y(mm)
2,547
2,549 Ser =j2,597
x rejeitado
n
2,553
2,555 2,597 2,561 > 1,96 0,014
2 557
2,557
2,559
2,561
2,565
2,567 x1 = 2,547
2,597
2,547 2,561 < 1,96 0,014
s = 0,014
x = 2,561
 CRITRIO DE DIXON

quantidade rij
de repeties
n 3 n 7 r10
8 n 10 r11
11 n 13 r21
14 n 25 r22

rij xn suspeito x1 suspeito rij (calculado) > rij (tabelado)

r10 (xn -xxn-1
n1))// (xn-xx1) (x2 -xx1))// (xn-xx1)
r11 (xn - xn-1) / (xn-x2) (x2 - x1) / (xn-1-x1) Rejeita-se o respectivo valor
r21 (xn -xxn-2
n2))// (xn-xx2) (x3 -xx1))// (xn-1
n1-x x1)
r22 (xn - xn-2) / (xn-x3) (x3 - x1) / (xn-2-x1)
 CRITERIA FOR REJECTION OF OUTLYING OBSERVATIONS

Statistic Number of Upper Percentiles

Observations,
n .70
70 .80
80 .90
90 .95
95 .98
98 .99
99 .995
995

3 .684 .781 .886 .941 .976 .988 .994

4 .471 .560 .679 .765 .846 .889 .926
r10 5 .373 .451 .557 .642 .729 .780 .821
6 .318
318 .386
386 .482
482 .560
560 .644
644 .698
698 .740
740
7 .281 .344 .434 .507 .586 .637 .680

8 .318 .385 .479 .554 .631 .683 .725

r11 9 .288 .352 .441 .512 .587 .635 .677
10 .265
265 .325
325 .409
409 .477
477 .551
551 .597
597 .639
639

11 .391 .442 .517 .576 .638 .679 .713

r21 12 .370 .419 .490 .546 .605 .642 .675
13 .351 .399 .467 .521 .578 .615 .649

14 .370 .421 .492 .546 .602 .641 .674

15 .353 .402 .472 .525 .579 .616 .647
16 .338 .386 .454 .507 .559 .595 .624
17 .325 .373 .438 .490 .542 .577 .605
18 .314 .361 .424 .475 .527 .561 .589
r22 19 .304 .350 .412 .462 .514 .547 .575
20 .295 .340 .401 .450 .502 .535 .562
21 .287 .331 .391 .440 .491 .524 .551
22 .280 .323 .382 .430 .481 .514 .541
23 .274 .316 .374 .421 .472 .505 .532
24 .268 .310 .367 .413 .464 .497 .524
25 .262 .304 .360 .406 .457 .489 .516
 CRITRIO DE DIXON

Y(mm) n = 10 rij = r11 xn = Rejeitado

2,j597
i d x1 = 2,547
2,547
2 549
2,549 xn xn1 2,597 2,567
2,553 xn r11 = = = 0,625
2,555 xn x2 2,597 2,549
2,557
x2 x1 2,549 2,547
2,559
x1 r11 = = = 0,100
2,561
2,565
xn1 x1 2,567 2,547
2 567
2,567
2,597 rij (tabelado) = 0,477
0,625 > 0,477 0,100 < 0,477
 CRITRIO DE GRUBBS
UM VALOR

xi x
Para um valor xi ou xn G=
s
xi = Valor suspeito x= Mdia Amostral s= Desvio padro

Um Valor Dois Valores

1-p Condio de Rejeio para um valor
n 0,05 0,01 0,05 0,01
3 1 155
1,155 1 155
1,155 - -
4 1,481 1,496 0,0002 0
5
6
1,715
1,887
1,764
1,973
0,009
0,0349
0,0018
0,0116
Gcalculado > Gtabelado
7 2 02
2,02 2 139
2,139 0 0708
0,0708 0 0308
0,0308
8 2,126 2,274 0,1101 0,0563
9 2,215 2,387 0,1492 0,0851
10 2,29 2,82 0,1864 0,115
 CRITRIO DE GRUBBS
UM VALOR
Y(mm)
2,547 Ser = 2,597
x rejeitado
n
2,549
2,553 2,597 2,561
2,555 G= = 2,571 2,571 > 2,290
0,014
2 557
2,557
2,559
2,561 x1 = 2,547
2,565
2,567 2,547 2,561
G= = 1,000 1,000 < 2,290
2,597 0,014
s = 0,014
x = 2,561
 Esquema de um arranjo ordenado das
quantidades
tid d estimadas,
ti d incertezas
i t padro,
d
coeficientes de sensibilidade e contribuio
d incertezas
de i t usadas
d na anlise
li de
d incertezas
i t
de uma medida.
Q
Quantidade
tid d E ti ti
Estimativa I
Incerteza
t C fi i t d
Coeficiente de C t ib i d
Contribuio da
padro sensibilidade incerteza padro
Calibrao de um Multmetro Digital
de mo em 100 V DC
y Como p
parte de uma calibrao
geral,
g , um multmetro digital
g
(DMM) de mo calibrado para uma entrada de 100 V utilizando
um calibrador multifuncional como um padro de trabalho. O
seguinte procedimento de medida utilizado:
y os terminais de sada do calibrador so conectados aos terminais
de entrada do DMM utilizando cabos de medidas adequados. O
calibrador ajustado em 100 V e depois de um perodo adequado
de estabilizao o valor indicado no DMM registrado. O erro de
indicao do DMM calculado utilizando as leituras do DMM e os
ajustes
j t do d calibrador.
lib d
y Deve ser percebido que o erro de indicao do DMM que obtido
utilizando este pprocedimento de medio inclui o efeito de offset e
tambm os desvios de linearidade.
y O erro de indicao do DMM a ser calibrado obtido de
Calibrao de um Multmetro Digital
de mo em 100 V DC
E X = ViX VS + VIX VS
yViX a tenso eltrica indicada pelo DMM (o ndice i significa
indicao);
y VS a tenso eltrica gerada pelo calibrador;
y ViX a correo da tenso indicada devido a resoluo finita do
DMM
DMM;
y VS a correo do calibrador de tenso devido a:
y deriva desde a ltima calibrao;
calibrao desvios resultantes de efeitos
combinados de offset, no linearidade e diferenas no ganho;
desvios na temperatura ambiente; desvios na tenso de
alimentao; efeitos de carga resultantes da entrada de resistncia
finita do DMM a ser calibrado.
Calibrao de um Multmetro Digital
de mo em 100 V DC
y Devido limitao
na resoluo
de indicao
do DMM,, no foi
observado disperso nos valores observados.
y Leituras do DMM (ViX ): o DMM indica a tenso de 100,1 V quando o
ajuste
j do calibrador de 100 V. A leitura do DMM considerada exata.
y Padro de Trabalho ( VS ): o certificado de calibrao para o calibrador
multifuncional diz que a tenso gerada o valor indicado pelo ajuste do
calibrador e a incerteza relativa expandida associada de medida de
W=0,00002 (com um fator de cobertura k=2 ), resultando uma
incerteza expandida de medida associada com o ajuste de 100 V de
U=0,002
, V ((fator de cobertura k=2). )
y Resoluo do DMM a ser calibrado ( ViX ): o dgito menos significativo
do display do DMM corresponde a 0,1 V. Cada leitura do DMM possui
uma correo
devido resoluo finita do display,
p y, a qual
q estimada em
0,0 V com limites de 0,05 (isto , metade da magnitude do dgito
menos significativo).
 Calibrao de um Multmetro Digital
de mo em 100 V DC
( VS ):
y Outras correes ) a incerteza de medida associada com as diferentes
fontes coletada das especificaes informadas pelo fabricante do calibrador.
Estas especificaes dizem que a tenso gerada pelo calibrador coincide com o
ajuste do calibrador dentro de ( 0, 0001 VS + 1 mV ) sob as seguintes
g condies de
medida:
y a temperatura ambiente est entre a faixa de 18 C a 23 C;
y a tenso de alimentao do calibrador est dentro da faixa de 210 V a 250 V;
y a carga resistiva dos terminais do calibrador maior que 100 k.
y o calibrador foi calibrado no ltimo ano.
y Uma vez que estas condies de medida so atendidas, e a histria de
calibrao do calibrador mostra que as especificaes do fabricante so
confiveis, faz-se ento, a correo a ser aplicada na tenso gerada pelo
calibrador
lib d dde 00,00 V com 0,011
0 011 VV.
y Correlao: As quantidades de entrada no so consideradas correlacionadas
com algum grau de extenso significativo.
 Calibrao de um Multmetro Digital
de mo em 100 V DC
Quantida Estimati Incerte Distribui Coeficient Contribui
de va za o de e de o da
Xi xi padro probabilida sensibilid incerteza
u ( xi ) des ade ui ( y )

ci

ViX 100,1 V - - - -
VS 100,0 V 0,001 V normal -1,0 -0,001 V
ViX 0,0 V 0,029 V Retangular 1,0 0,029 V
VS 0,0 V 0,0064 Retangular -1,0 -0,0064 V
V
EX 0 1 V
0,1 0 030 V
0,030
 Calibrao de um Multmetro Digital
de mo em 100 V DC
y Incerteza expandida: a incerteza de medida padro associada com
o resultado claramente dominada pelo efeito da resoluo finita
do DMM. A distribuio final no normal, mas essencialmente
retangular. Portanto, o mtodo de graus de liberdade efetivos no
aplicvel. O fator de cobertura apropriado para uma distribuio
retangular calculado da relao:
U = k u ( E X ) = 1, 65 0, 030 V 0, 05 V
y Resultado:
Resultado O erro de indicao medido do voltmetro digital em
100 V de (0,10 0,05) V.
y O resultado da incerteza expandida de medida a incerteza
padro de medida multiplicada pelo fator de cobertura deduzido
de uma distribuio de probabilidades considerada retangular para
uma cobertura de probabilidade de 95%.
INTERVALO DE CONFIANA

nA , xA , sA
nD , xD , sD

nC , xC , sC
nB , xB , sB ,

nE , xE , sE
si
IC = xi t i p
ni
Graus de Frao p em porcentagem
liberdade
(a) (a) (a)
v 68,27 90 95 95,45 99 99,73

1 1,84 6,31 12,71 13,97 63,66 235,80

2 1 32
1,32 2 92
2,92 4 30
4,30 4 53
4,53 9 92
9,92 19 21
19,21
3 1,2 2,35 3,18 3,31 5,84 9,22
4 1,14 2,13 2,78 2,87 4,6 6,62
5 1,11 2,02 2,57 2,65 4,03 5,51

6 1,09 1,94 2,45 2,52 3,71 4,90

7 1,08 1,89 2,36 2,43 3,5 4,53
8 1,07 1,86 2,31 2,37 3,36 4,28
9 1,06 1,83 2,26 2,32 3,25 4,09
10 1 05
1,05 1 81
1,81 2 23
2,23 2 28
2,28 3 17
3,17 3 96
3,96

11 1,05 1,80 2,20 2,25 3,11 3,85

12 1,04 1,78 2,18 2,23 3,05 3,76
13 1,04 1,77 2,16 2,21 3,01 3,69
14 1,04 1,76 2,14 2,2 2,98 3,64
15 1,03 1,75 2,13 2,18 2,95 3,59

16 1,03 1,75 2,12 2,17 2,92 3,54

17 1 03
1,03 1 74
1,74 2 11
2,11 2 16
2,16 29
2,9 3 51
3,51
18 1,03 1,73 2,10 2,15 2,88 3,48
19 1,03 1,73 2,09 2,14 2,86 3,45
20 1,03 1,72 2,09 2,13 2,85 3,42

25 1,02 1,71 2,06 2,11 2,79 3,33

30 1,02 1,70 2,04 2,09 2,75 3,27
35 1,01 1,70 2,03 2,07 2,72 3,23
40 1,01 1,68 2,02 2,06 2,7 3,20
 COMPARAO ENTRE E MDIAS

Comparao
p de uma mdia atual com um valor
considerado como referncia
ts ts
x < xref < x +
n n
Onde:

x = mdia xref = valor de referncia

 n Massa Esp(g/cm)
1 ,
0,7426 xref = 0,7425
2 0,7426
3 0,7427
4 0 7427
0,7427 2,78 0,000055
LI = 0,7427
42 = 0,7426
426
5 0,7427 5
Mdia 0,7427
s 0 000055
0,000055 2,78 0,000055
t (95%;=4) 2,78 LI = 0,7427+ = 0,7427
5

0,7425 < 0,7426

A mdia amostra 0,7427 g/cm no compatvel com
o valor de referncia 0,7425
0 7425 g/cm
g/cm, para uma
probabilidade de 95%