Física Experimental 1

1
 Objetivos da aula

• Algarismos significativos?;
• Erros e propagação de erro, porque?;
• Média, regressão linear (mínimos quadrados);
• Apresentação de dados:
• Figuras e tabelas;
• Organização dos resultados;
• Escrita de um relatório apresentável;

2
 Realizando medidas de
forma científica
• O que é medir?
o Medir significa quantificar uma grandeza com relação a algum
padrão tomado como unidade;
• Uma medida não é absoluta
o O que acontece se eu repetir várias vezes a mesma medida?
o E se outra pessoa fizer a mesma medida?
o Se eu usar outro instrumento?
o Qual o instrumento mais adequado para realizar uma medida?
• Exemplos a seguir mostram esta idéia

3
 Exemplo de aspectos relacionados à
medida
2 3

• O valor medido depende da região do objeto

que é medida.
o O que acontece se eu realizo medidas em regiões
diferentes?
o Como expressar o resultado?

4
Exemplo de aspectos relacionados à
medida
2 3

2 3

• Como a precisão do instrumento influencia

a medida realizada?
o Qual das duas réguas acima apresenta a maior
precisão?
o Por quê?
5
 Uma medida não é absoluta
• Irregularidades do objeto podem
influenciar a medida final.
• As características do instrumento
influeciam na medida.
• Mas, o que isso significa?
o Medidas experimentais não são absolutas. Sempre existe
uma “incerteza” no resultado obtido.
o Como expressar essa “faixa de confiabilidade”?
▪ Supondo que exista um valor verdadeiro, que nunca
saberemos qual é, como avaliar a qualidade da medida
efetuada?

6
 Qual valor utilizar?
Medida do comprimento de um objeto

Medida 1: 19,3cm
Medida 2: 19,1cm
Medida 2: 19,6cm

Precisamos de um único valor.

Como determinar a melhor estimativa do comprimento do
objeto?
Para isso lançamos mão da
média aritmética
Melhor estimativa: (Medida 1 + Medida 2 + Medida 3)/3 7
 Por que efetuar um número grande de
medidas?

Quanto maior o número de medidas mais nos aproximamos

do valor médio (melhor estimativa para o valor verdadeiro).
8
Como saber o quão boa é nossa média?
1º Grupo de Medidas: 2º Grupo de Medidas:
Medida 1: 19,0 cm Medida 1: 20,9 cm
Medida 2: 19,8 cm Medida 2: 18,2 cm
Medida 3: 19,4 cm Medida 3: 19,1 cm
Média aritmética: 19,4 cm Média aritmética: 19,4 cm

Os dois grupos de medidas são equivalentes?

Quanto menor for a dispersão das nossas medidas

consideramos que nossa média é mais precisa.
9
 Extraindo informação dos dados
experimentais
Dado o conjunto {xi}. Os elementos deste conjunto são
referentes à diversas medidas de uma mesma grandeza
física.

Todas estas medidas são realizadas a fim de se determinar,

da melhor maneira possível, o valor verdadeiro x0, da
grandeza física que se está realizando a medida.

As medidas realizadas tem as seguintes características:

• Estatisticamente Independentes
• Obedecem a uma distribuição normal (Gaussiana)
centrada em x0, com um desvio padrão σ

10
simétrico

∆→0
número
de medidas → ∞

Gaussiana

11
 Média
A melhor estimativa para o valor verdadeiro
x0 é dada através do valor médio:

Esta é uma estimativa numérica para o valor

verdadeiro (x0), mas apenas esta informação
é muito pouco.

12
 Média
Além da estimativa da grandeza medida x0, é
fundamental que sejamos capazes de
responder a seguinte questão:

Quão boa é esta estimativa?

Em geral, não podemos dizer que o valor que

temos é exatamente o valor da grandeza
medida.

13
 Medida e sua confiabilidade
• Quantificar a qualidade da medida.
• Precisamos indicar uma estimativa de
quão longe o nosso resultado pode estar
do valor verdadeiro da grandeza medida.

14
 Medida e sua confiabilidade
• Além disso, para que a informação fique
completa, temos que responder a mais
uma pergunta:

“É absolutamente seguro que o valor

verdadeiro da grandeza esteja nesse
intervalo”

15
 Medida e sua confiabilidade
• Para que a informação fique completa:
o temos que determinar qual a
probabilidade de que o valor verdadeiro
esteja no intervalo de confiança.

• Feito isto, o resultado estará completo e

terá alguma utilidade.

16
Medida e sua confiabilidade
x0

-σ σ

-2σ 2σ

17
 Medida e sua confiabilidade

Vamos interpretar o que significa que uma medida está

centrada em x0 e com desvio padrão σ.

A probabilidade de que uma medida (xi) estar entre:

(x0-σ) e (x0+σ) (vermelho) é de 0,68 (68%).

A probabilidade de que uma medida (xi) estar entre:

(x0-2σ) e (x0+2σ) (verde + vermelho) é de 0,95 (95%)

A probabilidade de que uma medida (xi) estar entre:

(x0-3σ) e (x0+3σ) é de 0,99 (99%)

18
 Desvio padrão da média
• A média dos N dados é a melhor estimativa para x0.

• A distribuição em torno de x0, desta média, é dada

pelo erro estatístico (desvio padrão da média):

19
 Como estimar σ

• A estimativa de σ é feita a partir dos próprios dados

experimentais:

20
Precisão e Acurácia

21
 RESUMINDO

média:

desvio padrão:

erro estatístico:
22
• Se toda medida tem uma incerteza, como
representá-la?

2 3

Incerteza!
Em geral, metade
da menor divisão

(2,75 + 0,05) cm
Tenho certeza Estou em dúvida 23
 e o erro do instrumento?

Note que erro do instrumento não é a mesma coisa

que erro sistemático! 24
 Apresentando o resultado de uma
medida com incerteza
• Se toda medida tem uma incerteza, como
representá-la?
o Forma mais comum
▪ (Valor + incerteza) unidade
▪ Ex: (24,50 + 0,05) cm
o Forma compacta
▪ Valor(incerteza) unidade
▪ Ex: 24,50(5) cm

25
 Apresentando o resultado de uma
medida com incerteza
• Por que a incerteza é 0,05 e não 0,050 ou
0,053?
o Em geral, a incerteza é expressa somente com 1
algarismo significativo

• Note que a representação da medida deve

levar em consideração a incerteza
o (2,74 + 0,05) cm

26
O que são algarismos significativos?

São algarismos que contribuem para a precisão de um

número.

Como saber quais algarismos são significativos?

Regras:

• Todos os algarismos diferentes de zero são significativos

• Algarismos nulos (zeros) entre dois algarismos não-nulos
são significativos
• Zeros à direita de outro algarismo significativo são
significativos
• Zeros à esquerda da vírgula não são significativos
27
O que são algarismos significativos?

Exemplos:
quantidade de algarismos
número
significativos

0,5 1

0,05 1

0,050 2

1,08 3

120,00 5

1,3708x10-3 5
28
O que são algarismos significativos?

Exemplos:
quantidade de algarismos
número
significativos

0,5 1

0,05 1

0,050 2

1,08 3

120,00 5

1,3708x10-3 5
29
 Alguns exemplos
• Forma correta
o (2,74 + 0,05) cm

o 2,74(5) cm

o (123,4 + 1,2) kg ou (123 + 1) kg

• Forma incorreta
o (2,7455 + 0,0532) cm (incerteza com muitos algarismos)

o (2,7 + 0,05) cm (a representação da medida não é

compatível com a incerteza)

30
Como expressar o resultado de uma
medida

Adotaremos no relatório:

1. A incerteza deve ser escrita com apenas um algarismo

significativo

2. O valor médio deve ter a mesma quantidade de casas

decimais que a incerteza

31
Alguns exemplos

ERRADO CERTO

5,30 + 0,0572 5,30 + 0,06

124,5 + 2 125 + 2

133 + 47 (1,3 + 0,5) x 102

(45 + 2,6) x 10 (4,5 + 0,3) x 102

32
Exemplo: 100 medidas do tempo associado a um fenômeno

t = 1.235464
testatístico = 0,0234556778s
  xtotal = 0.025498s
xinstrumental = 0,01s 
t = (1.235464 0.025498)s

Entretanto: xinstrumental = 0,01s  xtotal = 0.025498s

[0-4] mantém o número
[5-9] arredonda p/cima xtotal = 0.03s

xtotal = 0.03s  t = 1.235464s t = 1.24s

t = (1.24  0.03)s 33
 Tabelas e gráficos
Gráficos e tabelas são usados para apresentar
resultados de um experimento. Traduzem de forma
clara e objetiva os resultados obtidos.

Tabelas: organização dos dados coletados em linhas e

colunas

Gráficos: ilustração dos dados; facilita a visualização

da relação/dependência entre os números
34
 Elementos de uma tabela:
Tabelas
1. Valores – resultados do experimento / análise
2. Título – breve descrição
3. Cabeçalho – o que mostra cada coluna (com unidades)

Tabela 1: Distenção da
título (numerar tabela)
mola em função da massa
cabeçalho

Quando a
ordem for algarismos
important significativos e erros
e, indicá-
la
Explicar símbolos
usados no cabeçalho35
Elementos de um gráfico:
Gráficos
1. Título
2. Legenda para cada eixo
3. Escala para cada eixo
4. Pontos com barras de erro

Escala:
1. Intervalos regulares
Legenda 2. Valores fáceis de serem
(com lidos
unidades 3. Origens/escalas podem
) ser diferentes para os
dois eixos
36
Figura 1 – Exemplo de um gráfico simples título (numerar gráfico)
 Gráficos
Atenção:

NUNCA colocar valores dos pontos da tabela no gráfico!

Evitar ligar os pontos.

O título deve descrever claramente o que está sendo

mostrado. Evitar: “y vs. t”, mas sim “altura da esfera em
função do seu tempo de queda”.

Usar barras de erro. 37

 Gráficos
Barras de erro:

• Posição central é a média da

medida
ordenada

• Barra de erro da abscissa

começa em x − xtotal e
termina em x + xtotal .
• O mesmo vale para a ordenada.

abscissa 38
Gráficos – mau exemplo 1
Problemas com o gráfico:

• Escalas irregulares

• Linhas tracejadas
marcando
posicionamento dos
pontos

• Não há barras de erro

• Linha conectando os
pontos

• Título pouco descritivo

39
Gráficos – mau exemplo 2
Problemas com o gráfico

• Escalas irregulares e
orientações diferentes dos
números

• Linhas sólidas marcando

posicionamento dos pontos

• Unidades não estão

indicadas

• Ausência de barras de erro

• Gráfico não foi

numerado/não há título
40
Gráficos – bom exemplo

• Escalas regulares com

valores fáceis de ler

• Pontos com barras de

erro

• Legenda com unidades

• Gráfico numerado

• Título descritivo

41
 Lei de potência
Frequentemente observamos em ciência que:
y = a xb (Lei de potência)

Difícil de distinguir em gráfico linear entre

diferentes leis de potência:

y = a x2
y = a x4
y = a x1

42
 Leis de potência
Como obter constante a e expoente b? Resposta: linearizar a equação

y = ax b

Tirando o logaritmo de ambos os lados:

Ln( y ) = Ln(a ) + Ln( x ) b

Eq. da reta
 y = A + Bx
comparar com

Ln( y ) = Ln(a ) + bLn( x)

coeficiente coeficiente
Ln(a ) = A  a = 10 A linear angular
y2 − y1
b=B=
x2 − x1 43
 Lei de potência
O gráfico de Ln(y) em função de Ln(x) é uma linha reta:

• coeficiente angular é b (expoente da lei de escala)

• reta interseciona eixo Ln(y) em Ln(a)

Ln(y)

Ln(a)

0 Ln(x) 44
 Gráfico linear: Ln(y) vs. Ln(x)
Dados experimentais
x y Ln (x) Ln (y)
0.89 3.33 -0.12 1.20
1.26 8.80
Ln 0.23 2.15 3.5
1.55 8.93 0.44 2.19
1.79 16.00 0.58 2.77
2,00 22,00 0.69 3.09 3.0
2.19 21.60 0.78 3.07
2.37 29.87 0.86 3.35
2.53 30.53 0.93 3.37 2.5

Ln(y)
P1 (2.75,0.6)
2.0 P2 (1.5,0.0)
Seja uma função: y = axb,
onde a e
Dados experimentais
b são constantes a serem 1.5 Ajuste Linear

determinadas.
1.0
Ln( y ) = Ln( a ) + Ln( x ) b -0.2 0.0 0.2 0.4 0.6
Ln(x)
0.8 1.0


Ln( y ) = Ln( a ) + bLn( x )
45
y’ = A + B x’
 Gráfico linear: Ln(y) vs. Ln(x)

Substituindo P1 e P2,
temos:

2.75 = A + B.0.6 Ln( a ) = A = 1.5

1.5 = A + B.0 a5
e

b=B2

Lei de potência:

y = ax b  5,0 x 2, 0 46
Propagação de erros e mínimos
quadrados

47
 RESUMINDO

média:

desvio padrão:

erro estatístico:
48
 Propagação de erros

• Valor médio :
• Erro da medida:

Apostila e roteiros;

49
Exemplos

50
Mínimos quadrados

Probabilidade Pi de ocorrer
a medida (xi, yi, i)

Probabilidade P de ocorrer para N medidas

51
 Mínimos quadrados
Valor médio, onde a1, a2, a3,...,an são
parâmetros do modelo

Para que P seja máximo, ou seja, para que a função f seja a mais
adquada para nossas medidas, 2 deve ser mínimo: 52
Mínimos quadrados
Para que P seja máximo, ou
seja, para que a função f seja a
mais adquada para nossas
medidas, 2 deve ser mínimo:

53
Mínimos quadrados

54
Mínimos quadrados

55
Mínimos quadrados

56
Mínimos quadrados

57
 CONSULTAR!!!!!

akira@.ufu.br;
Sala: bloco 1X24;

Roteiros experimentais;
Apostila de apoio (como apresentar tabelas, figuras)
Roteiro de relatório;
Notas de relatórios e provas;

58
FIM

59