Física Experimental 1
- Conceitos
- Representação de medidas
Universidade Federal de Pernambuco
Centro Acadêmico do Agreste
Núcleo de Formação de Professores
Conceitos
• A Isica clássica pressupõe a existência de um valor verdadeiro para
toda grandeza Isica, independente de observação. A medida é uma forma de extrair essa informação disponível no objeto.
• O objeQvo da medida é ser o mais fiel possível na determinação
desse valor.
• No entanto, diversas fontes de incerteza inexoravelmente afetam o
resultado de medida.
• Dois conceitos são importantes na busca do valor verdadeiro: – precisão: diz respeito à dispersão do conjunto. Alta precisão
significa que medidas independentes retornam valores similares se repeQdas várias vezes;
– acurácia se refere ao quanto as medidas, tomadas como
Conceitos
•
A figura ilustra o que se busca obter com uma medida.
•
Imagine, seguindo a figura, um alvo simbolizando o
valor verdadeiro da grandeza que se quer determinar,
e medidas, representadas pelos círculos vermelhos da
figura, como dardos a mirar o centro do alvo.
Conceitos
•
A precisão de uma medida é, portanto, algo relaQvamente
simples de ser verificado, bastando repeQr a medida várias
vezes.
•
A acurácia, pelo contrário, não é simples de se determinar,
pois o valor verdadeiro da grandeza é em geral
desconhecido.
•
A forma mais comum de se determinar a acurácia de um
instrumento ou procedimento é uQlizá-lo para medir algo
conhecido de antemão, numa espécie de calibração.
•
Outra forma consiste em comparar os resultados de vários
métodos diferentes e, assumindo que como conjunto
Descrição de dados
•
No experimento 1, é percep\vel a diferença
de valores encontrados na medida do
diâmetro das esferas.
–
com o paquímetro, os valores variam entre um
valor máximo e um valor mínimo com baixa
dispersão devido à baixa precisão;
–
com o micrômetro, temos uma maior dispersão
de valores devido à alta precisão do instrumento.
•
Logo, como representar experimentalmente o
Organização e descrição dos dados
•
Os dados obQdos em várias
medidas pode ser
apresentado em uma
tabela;
•
Os dados apresentados
desse modo (dados brutos)
dificultam a análise;
•
Por exemplo, que “faixa” de
valores Qveram maior
incidência?
Medida do diâmetro Esfera de vidro (mm) Esfera de aço (mm)1 22,36 20,36
2 22,56 20,46
3 22,41 20,41
4 22,67 20,37
5 22,53 20,40
6 22,75 20,39
7 22,43 20,45
8 22,48 20,38
9 22,24 20,44
Tabelas
•
Tabulação
ordenada e
agrupada de acordo com o
número de ocorrências
de
determinado valor ou com a
quanQdade desses dados
(
frequências
) conQdos em
certos intervalos de valores
(
classes
);
•
A
frequência
é o número de
elementos (diâmetros das
esferas) cujos valores estão
conQdos na classe
considerada.
Diâmetro (mm) Nº de ocorrências
22,3 – 22,4 2
22,4 – 22,5 3
22,5 – 22,6 4
22,6 – 22,7 2
22,7 – 22,8 1
22,8 – 22,9 0
Histograma
• Forma de apresentação de dados agrupados em classes de
frequência;
• Representação gráfica de uma distribuição de frequência nas
classes de agrupamento dos dados de um experimento.
Histograma (número de medidas)
Parâmetros Esta\sQcos
•
Parâmetros de posição;
•
Parâmetros de dispersão;
Parâmetros de Posição
•
Média:
•
Média quadráQca:
rms → root mean square
n
1 2 3 n
i i 1
x
x
x
...
x
1
x
x
n
n
=
+
+
+
+
=
=
∑
2 2 2 2 n
2
1 2 3 n
rms i
i 1
x
x
x
...
x
1
x
x
n
n
=
+
+
+
+
Parâmetros de Dispersão
•
Amplitude:
•
Desvio médio: média dos módulos dos desvios
•
Variância: média dos quadrados dos desvios
em relação à média:
•
Desvio-padrão:
max min
A
=
x
−
x
n n
1 2 n
i i
i 1 i 1
x x x x ... x x
1 1
x x x x
n n n
= =
− + − + + −
δ =
∑
δ =∑
− =(
)
(
)
(
)
(
)
(
)
2 2 2
n n
2 2 1 2 n
2
x i i
i 1 i 1
x x x x ... x x
1 1
x x x
n n n
= =
− + − + + −
σ =
∑
δ =∑
− =σx = 1 δx
i
(
)
2 n∑
=x
1 − x
(
)
2 + x2 − x
(
)
2 + ... + xParâmetros de Dispersão
•
A incerteza esta\sQca a que estamos nos referindo
até agora e a incerteza dada pelo conjunto de dados,
isto é, o desvio padrão é uma esQmaQva da incerteza
de cada medida (conjunto de medidas/evento).
•
Se mudamos um ou outro ponto, a média não muda
muito, o que nos indica que a média tem uma
incerteza menor que a incerteza de cada medida.
•
A incerteza da média e dada por:
x x
n
σ
Incerteza instrumental e incerteza
esta\sQca
• Suponhamos que queremos medir a largura de uma placa de metal
com uma trena milimetrada;
• A medida é repeQda 20 vezes, e a cada vez encontra-se o mesmo
resultado: L = 12,70 cm. Assim, o valor médio deste conjunto de medidas vale 12,70 cm. O desvio padrão é nulo e a incerteza da média também. EstaQsQcamente, isto nos diz que a largura da placa é 12,700000000... cm, sem haver possibilidade alguma de erro!
• A largura do mesmo corpo agora é medida com um instrumento de
maior resolução, tal qual um paquímetro, obtendo-se o resultado L = 12,710 cm.
• Em uma nova medida, o valor lido no instrumento e L = 12,715 cm.
Após repeQr a medida por 20 vezes, chega-se então a uma
distribuição de valores e os seguintes parâmetros são obQdos:
x
x 12, 711 cm
0, 012 cm
=
Incerteza instrumental e incerteza
esta\sQca
• Por que se observa uma distribuição de desvio padrão não-nulo com um instrumento de maior resolução e, consequentemente, uma incerteza da média diferente de zero, enquanto que, com a trena milimetrada, não se observa dispersão alguma?
• Parece claro que a dispersão, decorrente de irregularidades na largura da placa, é pequena demais para ser observada com a trena.
• Isto invalida qualquer processo esta\sQco para análise dos dados, já que a dispersão não pode ser observada.
• Se a incerteza instrumental, for dada por ΔM e o desvio padrão da média de uma distribuição de medidas for σM, tem-se que a incerteza total da medida será:
ΔM
total
(
)
2 =σ
M
2
+ ΔM
instrumental
Incerteza instrumental e incerteza
esta\sQca
•
O procedimento recomendado em qualquer
processo de medida é primeiro calibrar o
equipamento.
•
A incerteza instrumental (ΔM) que exisQr
neste processo, e o erro limite, o qual não
pode ser eliminado estaQsQcamente.
•
Qual o número correto de algarismos significaQvos
do valor médio?
•
Terá senQdo o valor médio ter mais (ou menos)
algarismos significaQvos que cada uma das medidas?
L = 12, 33 mm
σ
L = 0, 03 mm
ΔL
inst = 0, 05 mm
(
)
2 2(
)
2total L instrumental
L L
Δ = σ + Δ
total
L 0,06 mm
Δ =
Parâmetros de Correlação
•
Em algumas situações, a variação das medidas
associadas a uma grandeza M parece
acompanhar a variação dos dados associados
a outra grandeza P.
•
Neste caso existe uma correlação entre as
grandezas M e P.
•
Conclusão: correlação não significa dependência
(causalidade) entre as grandezas Isicas!
•
Apesar da necessidade destas ponderações
Parâmetros de Correlação
•
Covariância (σ
xy
): média dos produtos dos respecQvos
desvios
•
Correlação posiQva σ
xy
>0: a maioria dos pares de valores
em um diagrama de dispersão ocorrem acima ou abaixo
das médias, os respecQvos desvios possuem o mesmo sinal.
•
Correlação negaQva σ
xy
<0: os maiores valores de uma
grandeza estão associados aos menores valores da outra,
os respecQvos desvios terão sinais disQntos.
•
Grandezas não correlacionadas σ
xy
=0: a covariância pode
ser nula caso ocorram tantos produtos de desvios
negaQvos quanto posiQvos.
(
)(
)
(
)(
) (
)(
)
(
)(
)
n n
xy i i i i i 1 i 1
xy 1 1 2 2 n n
1 1
x y x x y y
n n
1
x x y y x x y y ... x x y y
n
= =
σ = δ δ = − −
⎡ ⎤
σ = ⎣ − − + − − + − − ⎦
Exemplo
•
Variável independente
é o número de horas
estudadas.
•
A nota do aluno é a
variável dependente.
•
A nota do aluno
depende do nº de
horas que ele estuda?
•
Essas variáveis se
relacionam?
F
2
75
Referências
• SANTORO, A.; MAHON, J. R.; OLIVEIRA, J. U. C. L.; MUNDIM FILHO, L. M.; OGURI, V.; SILVA, W. L. P. EsQmaQvas e Erros em Experimentos de Física. Rio de Janeiro: EdUERJ, 2008,2ª edição.
• h•ps://sites.google.com/site/ufpefisicaexperimental1/ • h•ps://sites.google.com/site/fisicaexperimentall1ufpe/