Guia Experimental

para Olimpíadas
Científicas
V0.1 - Revisado em 22 de abril de 2023

Eqipe de monitores de física

colégio objetivo
 Sumário

1 Introdução 3
1.1 Considerações Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Sobre a Prova da OBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Algarismos Significativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Incertezas e apresentação de uma medida . . . . . . . . . . . . . . . . . . . . . 5
1.4.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Instrumentos de medida 7
2.1 Instrumentos analógicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Incerteza de instrumentos analógicos . . . . . . . . . . . . . . . . . . . 8
2.2 Instrumentos digitais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1 Incerteza de instrumentos digitais . . . . . . . . . . . . . . . . . . . . . 9

3 Estatística 12
3.1 Média aritmética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.1.1 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Variância e Desvio Padrão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2.1 Variância populacional . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2.2 Variância amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2.3 Desvio padrão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2.4 Desvio padrão da média . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4 Tabelas e Gráficos 15
4.1 Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.1.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2 Gráficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2.1 Título . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2.2 Eixos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.3 Escala dos Eixos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.4 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.5 Pontos experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.6 Barra de erros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.7 A origem dos eixos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.8 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

5 Propagação de Incertezas 21
5.1 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 Erro Combinado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2.1 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1
6 Método dos mínimos quadrados
e regressão linear 27
6.1 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2 Erro nos estimadores de regressão linear . . . . . . . . . . . . . . . . . . . . . 29
6.3 Linearização de curvas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.3.1 Exemplo 1-Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.3.2 Exemplo 2-Exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . 32

7 Calculadora fx-82ms 34
7.1 Introdução à calculadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.1.1 Funções trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.2 Estatística univariada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
7.3 Regressão linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

A Tabela de incertezas 37

2
 Introdução
1
1.1 Considerações Gerais
Este guia serve como base para a realização de atividades experimentais com foco no que
é exigido na prova experimental da terceira fase da OBF (Olimpíada Brasileira de Física).
Desde 2014 o perfil de prova tem seguido um padrão mais rigoroso sendo exigido um
tratamento estatístico mais avançado e conhecimento de como manipular e coletar dados ex-
perimentais.
Este guia não substitui a realização de atividades práticas, servindo apenas como referência
e material de estudo.
Em física experimental existem algumas convenções que são adotadas de maneira dife-
rente por diferentes fontes e autores. Foi feito um esforço para adequar este documento aos
padrões que são exigidos nas provas da OBF.

1.2 Sobre a Prova da OBF

A terceira fase da OBF conta com uma prova teórica e uma prova experimental que só é
aplicada para alunos do 9° ano e 1ª e 2ª séries do ensino médio. A prova experimental compõe
40% da nota final da terceira fase.
Algumas linhas gerais ajudam na obtenção de maiores pontuações:

• Deve-se fazer a leitura da prova inteira antes de iniciar as atividades.

• Todo o material deve ser checado no início da prova e em caso de anormalidade o fiscal
deve ser imediatamente informado.

• Na prova experimental é permitido o uso de calculadora científica não programável.

Os modelos mais comuns são: Casio fx-82ms e HP 10s. É altamente recomendável que
todos os alunos levem uma calculadora como estas para a prova e que saibam utilizar
suas funções básicas.

3
 • A prova deve ser entregue inteiramente a caneta. Tome cuidado para evitar rasuras,
principalmente em elementos visuais como tabelas e gráficos. Caso cometa algum en-
gano, não rabisque o erro para tentar apagá-lo, faça apenas um traço e escreva a versão
corrigida ao lado ou em cima da versão errada. Caso você opte por fazer as resoluções
a lápis e depois passar para caneta, tome muito cuidado ao gerenciar o tempo de prova!
• É recomendável o uso de um relógio para controlar o tempo de prova.

1.3 Algarismos Significativos

Antes de prosseguirmos é fundamental que se tenha noção do conceito de algarismos
significativos. Como o nome sugere são os algarismos que têm significância dentro da precisão
especificada para uma medida.
Algumas regras simples definem o que são algarismos significativos:

• Dígitos diferentes de zero são sempre significativos;

• Zeros entre dígitos diferentes de zero são sempre significativos;
• Zeros depois da vírgula e a direita de um dígito diferente de zero são significativos;
• Zeros a esquerda do primeiro algarismo significativo NÃO são significativos.

Os exemplos abaixo ilustram este conceito. Olhe cuidadosamente a tabela e veja se enten-
deu o porquê da quantidade de algarismos significativos em cada número:

Quantidade de algarismos
Dado Número
significativos
1 1.2400 5
2 0.000 23 2
3 401 3
4 40.0224 6
5 56 000 2
6 0.840 × 105 3
7 3.9238 × 10100 5

Tabela 1.1: Exemplo de algarismos significativos

Alguns casos notórios da tabela acima:

• Exemplo 5: Note que neste caso o número possui apenas 2 algarismos significativos.
Se o próprio número (56000 no exemplo dado) for a única informação de que dispomos
é impossível dizer se os três zeros no final do número estão lá apenas para dar a ordem
de grandeza ou se de fato eles tem significância. Por exemplo, imaginemos um objeto
com 2.03 m de diâmetro. Este valor possui 3 algarismos significativos e sabemos que a
incerteza está no último dígito. Se este valor for convertido para mm o resultado seria
2030 mm. Observe que apareceu um zero a mais no valor, no entanto ele não representa
a precisão da medida (que está no terceiro dígito e não no quarto).
Por isso é recomendado sempre utilizar um múltiplo ou submúltiplo do valor medido
que permita explicitar a precisão desta medida.

4
 • Exemplo 7: Este valor está dado na forma conhecida como notação científica. Em um
número apresentado desta forma todos os algarismos são sempre significativos. Isso
elimina qualquer ambiguidade que possa surgir em notações mais informais.

Lembre-se: zeros a esquerda não devem ser desprezados sem que se conheça a precisão
da medida! Matematicamente 2.00 e 2 são a mesma coisa. Porém no mundo físico 2.00 possui
uma precisão maior que 2 ou 2.0.

1.4 Incertezas e apresentação de uma medida

Ao se realizar um experimento quantitativo deseja-se obter uma série de dados que reflitam
o comportamento de um determinado sistema de estudo. É fundamental que se saiba a maneira
correta de apresentar e tratar estes dados.
Uma medida experimental deve necessariamente conter os seguintes itens:

• Valor medido com o número correto de algarismos significativos;

• Incerteza;
• Unidade da medida.

O erro de uma medida é a diferença entre o valor real e o valor medido. Em geral, o valor
real é desconhecido. Se não fosse, não haveria a necessidade de realizar a medida.
A incerteza é uma estimativa estatística deste erro.
É importante frisar que incerteza aqui não significa uma falha na medida efetuada, mas
está relacionada com a precisão dessa medida.
A incerteza de uma medida representa um intervalo em torno do valor medido no qual
existe uma certa probabilidade de o valor real da medida estar contido. A incerteza normal-
mente é representada pela letra grega sigma minúsculo seguida de um índice subscrito da
variável ao qual ela se refere: σx por exemplo é a incerteza associada a variável x.
A incerteza pode aparecer com notações diferentes como ∆x, δx, δx , etc …
A forma correta de se apresentar um dado experimental é a seguinte:

valor final = (valor medido ± incerteza)[Unidade]

Visualmente o que está escrito na linha acima pode ser representado como:

Figura 1.1: Representação de um valor com sua incerteza

Onde x é o valor medido e σx sua respectiva incerteza. A região azul representa o intervalo
no qual o valor real de x provavelmente está contido, denominado intervalo de confiança.
Agora que já sabemos o que significam e como identificar a quantidade de algarismos
significativos de um número podemos finalizar o roteiro para apresentar corretamente uma
medida experimental.
A chave para isto está na incerteza. Em geral, a incerteza é sempre apresentada com um
único algarismo significativo. Entretanto, em provas da OBF, usualmente se pede o uso do

5
segundo algarismo significativo na incerteza caso o primeiro algarismo significativo seja 1 ou
2, de forma que a incerteza passa a ter 2 algarismos significativos nesse caso e o dado é repre-
sentado até o algarismo menos significativo da incerteza. Caso, por exemplo, o valor do dado
seja 12.596 m e a incerteza associada seja 0.126 m, o valor a ser expresso é (12.60 ± 0.13)m.
Note que os algarismos são arredondados quando diminuímos o número de algarismos signi-
ficativos para representá-lo.
Uma vez que se tem em mãos a incerteza da medida é necessário ajustar a quantidade
de dígitos do valor medido utilizando a seguinte regra: o valor fornecido deve ter o mesmo
número de casas decimais da incerteza. Ou em outras palavras, o último dígito da medida
deve coincidir com o algarismo significativo na incerteza.
De fato, qualquer número agregado ao valor medido que seja menor que a incerteza for-
necida não tem significado algum.
É recomendável não fazer muitos arredondamentos e truncamentos antes de se conhecer
a precisão da medida pois isso pode ocasionar perdas de informação sobre o valor medido. As
contas intermediárias devem ser feitas com um número grande de casas decimais, e apenas
ao final ajusta-se este número de acordo com sua precisão seguindo as regras acima.

1.4.1 Exemplos
Analise cuidadosamente os exemplos abaixo e tenha certeza de ter entendido a razão pela
qual eles estão ou não corretamente escritos:

1 x = (0.2000 ± 0.12)m Errado

2 x = (54.4506 ± 0.0024)V Correto
3 x = (0.000 37 ± 0.000 12)J Correto
4 x = 1.0450 km ± 1.3 m Errado
5 x = (6734.003 23 ± 0.4)K Errado

Tabela 1.2: Exemplos de expressão de medidas

• Exemplo 1: O primeiro exemplo está incorreto uma vez que o algarismo menos sig-
nificativo do dado e da sua incerteza têm ordens de magnitude diferentes. A expressão
correta desse valor seria x = (0.20 ± 0.12)m.

• Exemplo 4: O quarto exemplo está incorreto uma vez que a unidade do dado e da sua
incerteza tem que ser a mesma. A expressão correta desse valor seria x = (1045.0 ±
1.3)m.

• Exemplo 5: O quinto exemplo está incorreto uma vez que o algarismo menos signi-
ficativo do dado e da sua incerteza têm ordens de magnitude diferentes. A expressão
correta desse valor seria x = (6734.0 ± 0.4)K.

6
 Instrumentos de medida
2
Se quisermos uma estimativa de um parâmetro físico precisamos obtê-la por meio de um
instrumento de medida. Muitos deles nos são familiares, como por exemplo, a régua e o
termômetro. No contexto de um laboratório a diversidade de equipamentos de medida bem
como sua complexidade são muito maiores. Este capítulo tem como objetivo a familiarização
com instrumentos de medida de uma maneira geral e a introdução de alguns instrumentos
menos cotidianos de modo que o aluno esteja apto a manuseá-los, realizar a leitura e correta
apresentação dos dados obtidos.
Os equipamentos de medida podem ser divididos em dois grandes grupos como sugere
o título deste capítulo: os digitais e os analógicos. Vale ressaltar que é possível ainda, espe-
cialmente em equipamentos mais complexos, termos uma mistura dos dois tipos no mesmo
instrumento. Por hora, vamos considerar como instrumentos analógicos aqueles cuja saída
(grandeza que será lida) é analógica e digitais àqueles cuja saída for digital (mostrada em um
display de LCD por exemplo).
De maneira geral os instrumentos de medida dependem de componentes capazes de inte-
ragir com o meio externo e extrair um informações que possam ser diretamente lidas por um
ser humano ou que possam ser interpretadas e processadas por algum circuito eletrônico ou
sistema mecânico. Tais componentes são os sensores e transdutores.

2.1 Instrumentos analógicos

Um instrumento totalmente analógico é caracterizado por apresentar sinais e valores con-
tínuos e não discretos. Em linhas gerais, uma quantidade contínua é aquela que, para quais-
quer dois valores distintos, existirão infinitos outros valores entre eles. Uma régua por exem-
plo é um instrumento analógico. Por mais que não sejamos capazes de distinguir todos estes
valores, entre duas medidas consecutivas de uma régua existem infinitos valores possíveis.
Um termômetro de mercúrio ou álcool também é um instrumento analógico. Se em um
dado instante observa-se uma temperatura X e algum tempo depois uma temperatura Y sendo
X 6= Y , na prática a coluna de mercúrio passou por infinitas posições desde a marcação de X
até a marcação de Y . O mesmo ocorre com a temperatura em si.

7
2.1.1 Incerteza de instrumentos analógicos
Quando tratamos de instrumentos analógicos em geral temos acesso à uma escala onde
é feita a leitura da grandeza medida. Neste caso, a incerteza é dada como sendo metade da
menor divisão da escala.

Exemplo
Suponha que queiramos medir o diâmetro de uma esfera utilizando uma régua convenci-
onal graduada em mm cuja menor divisão é 1 mm. Utilizando a regra acima a incerteza na
medida será então σx = 0.05 cm ou σx = 0.5 mm.
O procedimento geral para realizar a medida é o seguinte: primeiramente alinha-se o início
da esfera com o zero da régua 1 . Em seguida observa-se em qual marcação encontra-se a outra
extremidade:

Figura 2.1: Exemplo de uma medida com régua

Será de comum acordo que o diâmetro d da esfera é maior que 2.3 cm e menor que 2.4 cm.
Independente do que virá depois, temos certeza que o número que representa a medida em
cm começará com 2.3 . . . . Estes algarismos para os quais temos certeza são chamados de
algarismos corretos. Temos, portanto, nosso conjunto de algarismos corretos: 2.3 cm. Uti-
lizando a regra que nos fornece a incerteza com a apenas um algarismo significativo, nota-se
que ainda falta um algarismo na medida para ela ficar compatível com a incerteza. Este último
algarismo não pode ser determinado com exatidão, pois a régua não possui subdivisões que
nos permitam aferir com maior precisão seu valor. Ele deverá, portanto, ser estimado pelo
experimentador. Esta estimativa evidentemente pode gerar discordância entre um grupo de
pessoas fazendo a mesma medida. Algumas pessoas podem dizer que o diâmetro da esfera é
2.35 cm, outras 2.37 cm, etc. Por esta razão, o algarismo estimado é chamado de duvidoso.
Uma possível apresentação final para o valor medido é:

d = (2.36 ± 0.05)cm
1
Note que o alinhamento com o zero da régua é arbitrário, uma vez que a medida está relacionada à distância
entre extremidades do objeto. Utilizar este alinhamento, porém, facilita a leitura pois o valor da extremidade
mais distante do zero irá coincidir com a própria distância.

8
2.2 Instrumentos digitais
Na grande maioria os instrumentos digitais são aqueles que possuem uma tela onde é
possível ler o valor da grandeza medida. Este tipo de instrumento nos passa uma falsa sen-
sação de que a medida ali mostrada é necessariamente mais precisa do que àquela feita em
um instrumento analógico. Isso, porém, não é verdade. Da mesma forma que em uma régua
a leitura está sujeita à incerteza da percepção humana no algarismo duvidoso, em um instru-
mento digital o sinal de entrada passa por diversos circuitos eletrônicos de condicionamento
e processamento até que o valor seja mostrado na tela. Neste caminho o sinal está sujeito
à ruídos elétricos, variações causadas por mudanças de temperatura, vibração, desgaste dos
componentes ou erros de aritmética causados por limitações no processamento digital dos
dados.
Nos instrumentos digitais a incerteza é quase sempre fornecida pelo fabricante do equi-
pamento e constará em seu manual de instruções ou folha de dados. Por razões que podem
ser explicadas pelo design do circuito elétrico e sua programação, a incerteza da medida final
pode ter particularidades que não são características dos instrumentos puramente analógi-
cos. Quando a incerteza do instrumento digital não é fornecida, via de regra pode-se assumir
que ela corresponde à uma unidade no dígito menos significativo do instrumento. Mas como
veremos adiante esta não é uma boa estimativa na grande maioria dos casos.

2.2.1 Incerteza de instrumentos digitais

A forma como os dados são exibidos em um instrumento pode variar de acordo com o
próprio valor que está sendo medido, com as unidades de medida, com a escala escolhida,
entre outros fatores. Por esta razão, este exemplo será simples e genérico. Com o tempo
iremos nos familiarizar com os principais instrumentos e suas particularidades.

Exemplo
Vamos considerar aqui um instrumento que tenha um display de 7 segmentos como mos-
trado na figura 2.2.

Figura 2.2: Exemplo de display digital

Vamos supor que o display pertença à um termômetro para medir a temperatura corporal
em °C. Em um dado momento a leitura do termometro resultou naquela mostrada na figura
2.3.
A temperatura lida foi T = 36.54 °C. Nossa tarefa será encontrar a incerteza adequada
para este valor. Conforme mencionado acima, se não temos nenhuma informação sobre a
incerteza do equipamento devemos assumir que ela reside na última casa decimal. Neste caso,
a temperatura e sua respectiva incerteza seriam apresentadas como segue:

T = (36.54 ± 0.01)°C

9
 Figura 2.3: Exemplo de display digital ligado

Porém, como indicado, esta aproximação só deve ser utilizada como último recurso caso
não se tenha mais dados sobre o equipamento.
Vamos agora assumir que o fabricante nos forneceu a incerteza do termômetro em questão.
Por razões que fogem do escopo deste texto, os instrumentos digitais podem ter sua incerteza
composta por duas parcelas calculadas de maneira distintas: uma parcela proporcional ao va-
lor lido e outra fixa, que reside na última casa decimal (algarismo menos significativo) exibida
na tela.
De maneira geral, a incerteza do instrumento é fornecida no seguinte formato:

σ = X% + Y D
Onde X representa uma porcentagem do valor exibido na tela, e Y representa uma quan-
tidade de dígitos no algarismo menos significativo.
É importante ressaltar que esta incerteza pode ser diferente dependendo da faixa de valores
medido. Por exemplo, ela pode ser uma para temperaturas entre 0.00 °C e 29.99 °C e pode
mudar para medidas entre 30.00 °C e 59.99 °C e assim por diante. A razão deste comportamento
novamente reside em particularidades dos circuitos eletrônicos do equipamento.
Por simplicidade, consideraremos que a incerteza do equipamento utilizado neste exemplo
é a mesma para qualquer faixa de valor medido.
Seja então a incerteza retirada do manual: σ = 2% + 3D.
Vamos calcular separadamente as duas parcelas da incerteza.

1. Parte percentual
σ% = 2% · (valor lido) = 0.02 · 36.54
σ% = 0.7308

Note que como σ% não é o valor final fornecido não vamos ajustar seus algarismos
significativos. Isso vale para contas em geral. As contas intermediárias devem ser feitas
com todos ou uma quantidade superestimada de algarismos significativos. Isso evita a
propagação de erros ocasionados por arredondamentos para o valor final.

2. Parte fixa
Observamos que o valor exibido na tela possui duas casas decimais. A mais a esquerda
corresponde aos décimos e a mais a direita aos centésimos. Segundo o manual do equi-
pamento devemos considerar um acréscimo de 3 unidades no dígito menos significativo
(mais a direita) exibido no visor. Neste caso, isso significa 3 dígitos na casa dos centési-
mos. Portanto:

σf ixo = 3 · 0.01 = 0.03

10
 A incerteza total é a soma das duas parcelas. Portanto:

σ = σ% + σf ixo = 0.7308 + 0.03 = 0.7608

Por se tratar de uma incerteza, devemos ajustar a quantidade de casas decimais e fornecer
o valor final como:

σ = 0.8 °C
Portanto, o valor final da leitura será:

T = (36.5 ± 0.8)°C

11
 3
Estatística

Um experimento normalmente consiste na coleta de vários pontos experimentais. Estes

pontos serão organizados em tabelas (que serão tema de um tópico mais adiante). O con-
junto de dados obtidos precisa ser tratado para fornecer uma medida final mais consistente
ou permitir a extração de um dado desejado.
Para isso fazemos o uso da estatística. Iremos analisar os chamados estimadores estatísti-
cos.
Na coleta de dados existe uma distinção entre os termos população e amostra. Esta dife-
rença é importante:

• População: é um conjunto, em geral infinito, que representa todos os possíveis resulta-

dos de um dado experimento. Os parâmetros associados a este conjunto são chamados
de populacionais.
• Amostra: é um subconjunto finito da população. Em física experimental trabalhamos
sempre com o conjunto amostral, uma vez que cada experimento é apenas uma amostra
de todos os resultados possíveis para dado fenômeno.

Iremos detalhar a seguir os estimadores mais importantes para o contexto de atividades

experimentais.

3.1 Média aritmética

É um dos estimadores mais familiares. A média calculada a partir de um conjunto de dados
representa o valor esperado para a variável estudada. Ela é, portanto, um estimador do valor
real que pretende obter-se (em outras palavras: estima-se a média da população pela média
amostral).
O objetivo em calcular-se a média de um conjunto de dados é obter uma estimativa mais
precisa do que àquela com uma única medição.
A média de um conjunto de N dados é normalmente representada pela variável associada
ao conjunto com uma barra em cima. Por exemplo, se os resultados de um experimento são
representados pela variável x, a média destes resultados será x̄.

12
 A definição de média aritmética é:
PN
i=1 xi
x̄ =
N
PN
Onde o símbolo (Sigma Maiúsculo) i=1 xi representa a soma dos valores de x desde 1
até N . Ou seja: N i=1 xi = x1 + x2 + x3 + · · · + xN .
P
É comum que se omita o início e o fim da soma, escrevendo apenas xi . Neste caso fica
P
implícito que se deve somar todos os valores obtidos.

3.1.1 Exemplo
Suponha que o tempo de queda de um corpo de uma altura h fixada é representado pela
letra t. Ao realizar um total de 5 medições, os seguintes valores foram obtidos:

Experimento 1 2 3 4 5
t(s) 4.25 4.00 3.98 4.33 4.11

Tabela 3.1: Resultado do experimento de queda livre

Para o experimento proposto o número N de dados é 5.

A média será, portanto:

4.25 + 4.00 + 3.98 + 4.33 + 4.11

P
xi
t̄ = = = 4.134 s
N 5
Não se preocupe com o número de casas decimais que este valor deve conter. Isso será
explicado mais adiante.

3.2 Variância e Desvio Padrão

A variância e o desvio padrão são estimadores da dispersão dos dados em torno da média.
Um conjunto possuir uma variância grande significa que seus pontos estão muito espalhados
(distantes) da média.

3.2.1 Variância populacional

A variância populacional é definida como:
PN
2 (xi − x̄)2
σ = i=1
N
Em experimentos a variância populacional não é utilizada. É importante tomar cuidado
com esta distinção pois as calculadoras científicas fornecem tanto os parâmetros populacionais
quanto amostrais.

13
3.2.2 Variância amostral
A variância amostral é a que deve ser utilizada nos experimentos. A diferença entre ambas
é pequena, porém importante.
Sua definição é:
PN
2 (xi − x̄)2
S = i=1
N −1
O denominador representa o número de graus de liberdade da amostra.

3.2.3 Desvio padrão

Para ambas as definições acima o desvio padrão será a raiz quadrada da variância, ou seja:
√ √
σ= σ2 e S = S 2
O desvio padrão fornece uma estimativa da incerteza estatística da medida em relação à
média. O desvio padrão calculado para um conjunto de dados é um estimador da dispersão
para cada ponto experimental individualmente. O desvio associado à média é diferente e será
tratado no tópico a seguir.

3.2.4 Desvio padrão da média

Um dos objetivos de se calcular a média de vários pontos é diminuir a incerteza do valor
final da grandeza medida. É natural, portanto que o desvio padrão da média seja menor que
o desvio padrão do conjunto como um todo.
Representaremos o desvio padrão da média por Sx̄ , que deve ser calculado da seguinte
maneira:
Sx
Sx̄ = √
N
Note que o desvio padrão da média decai com a raiz quadrada do número de medidas
feitas. Isso significa que é preciso ter bom senso com relação a quantidade de medições uma
vez que a raiz quadrada cresce cada vez mais devagar a medida que N aumenta. Isso significa
que fazer um número muito grande de medidas pode não resultar em uma precisão muito
melhor.

14
 Tabelas e Gráficos
4
Tabelas e gráficos são elementos complementares. As tabelas fornecem um meio de or-
ganizar os dados de maneira clara e de modo a obter informações precisar sobre cada ponto
experimental. Já o gráfico é uma maneira de visualizar o comportamento geral dos pontos.
É necessário cuidado ao construir estes elementos e existem uma série de regras que devem
ser seguidas.

4.1 Tabelas
Em uma tabela tipos diferentes de dados são separados em colunas. Cada coluna contém
uma série de linhas onde coloca-se as diversas medidas feitas.
A primeira linha de cada coluna deve conter:

• O símbolo da variável em questão;

• A unidade em que os dados serão fornecidos;

• A incerteza da medida caso ela seja igual para todos os pontos.

Os tópicos acima pertencem somente ao título de cada coluna e não devem ser repetidos
ao longo das demais linhas. Nas linhas seguintes deve-se colocar apenas números.
A tabela deve possuir um título e ser bem estruturada. Recomenda-se o uso de régua para
construí-la. Preste atenção para evitar rasuras.

15
4.1.1 Exemplos

Deslocamento em função do tempo

(∆s ± 0.02)m (∆t ± 0.01)s
1.24 1.03
2.56 2.05
2.75 3.06
3.88 4.01
2.78 5.00
1.79 6.01

Tabela 4.1: Exemplo de tabela corretamente construída

∆s ∆t
1.24 ± 0.2 1.03
2.56 ± 0.2 2.05
2.75 ± 0.2 3.06
3.88 ± 0.2 4.01
2.78 ± 0.2 5.00
1.79 ± 0.2 6.01

Tabela 4.2: Exemplo de tabela incorretamente construída

Note que a tabela (4.2) é incorreta pois:

• Não possui título;

• Primeira linha sem unidades nem incerteza

• Incerteza constante repetida ao longo da primeira coluna

4.2 Gráficos
Os gráficos são elementos que exigem um pouco mais de cuidado. Em geral gráficos feitos
a mão são compostos por apenas duas dimensões por razões óbvias. Por isso iremos nos ater
apenas a este tipo de gráfico.
Um bom gráfico deve seguir rigorosamente os tópicos descritos a seguir.

4.2.1 Título
Todo gráfico deve conter um título. Ele deve ser sucinto e deixar claro do que se trata o
experimento.

16
4.2.2 Eixos
Um gráfico é composto por dois eixos: um horizontal (denotaremos por “eixo x”) e um
vertical (chamaremos de “eixo y”). É desejável que eixo x seja maior que o y pois este aspecto
facilita a leitura do gráfico.
As variáveis associadas a cada eixo seguem a seguinte regra:

• Eixo x: coloca-se a variável independente, ou seja, aquela que se controla no experi-

mento.

• Eixo y: coloca-se a variável dependente, àquela que é dada como uma função da variável
independente.

Em um experimento de queda livre por exemplo controlamos a altura de lançamento de

um corpo e medimos um tempo de queda (que é uma função da altura, e não o contrário).
Neste caso, portanto o tempo de queda representa o y e a altura o x.
Os eixos precisam ainda conter a variável que eles representam e sua respectiva unidade
entre parênteses.

4.2.3 Escala dos Eixos

Cada um dos eixos deve conte uma escala cuidadosamente pensada. O gráfico deve ocupar
bem o espaço destinado a ele. A escala é a divisão de cada um dos eixos e deve seguir as
seguintes regras:

• Ser suficientemente grande para caber todos os pontos experimentais.

• Ser pequena o bastante para que os pontos ocupem bem a área do gráfico.

• Ser igualmente espaçada (exceto em casos especiais como em escalas logarítmicas por
exemplo).

• Não deve nunca conter uma cópia dos pontos medidos, a menos que por coincidência
eles caiam exatamente sobre as marcações.

Por mais que os pontos a serem colocados no gráfico sejam números fracionários a escala
deve ser limpa e conter números inteiros ou não muito quebrados.
A escolha do espaçamento e dos extremos da escala deve ser cuidadosamente pensada a
fim de cumprir as regras citadas acima.
A melhor maneira de garantir isso é inicialmente olhando a amplitude dos dados que serão
colocados em cada um dos eixos. A partir dos valores máximo e mínimo de cada um dos
conjuntos de dados deve-se escolher os extremos da escala.

4.2.4 Exemplos
Suponhamos que em um dado experimento foram coletados dados apresentados na tabela
a seguir:

17
 Resultados do experimento
(x ± 0.5)m (y ± 0.1)s
0.5 1.0
0.9 2.0
1.3 3.0
2.4 4.0
3.9 5.0

Tabela 4.3: Tabela com resultados a serem representados

Abaixo vemos 4 exemplos de eixos referentes à variável x:

(a)

(b)

(c)

(d)

(a) Correto: Valores uniformemente espaçados, intervalo nem muito grande nem muito pe-
queno: suficiente para conter todos os dados. Números não muito ”quebrados”.

(b) Incorreto: Escala muito pequena: não é suficiente para conter os dados.

(c) Incorreto: Escala muito grande: concentraria todos os pontos em uma região pequena
não ocupando o espaço destinado ao gráfico. Não apresenta a variável nem sua unidade.

(d) Incorreto: Valores muito quebrados e não uniformemente espaçados.

18
4.2.5 Pontos experimentais
Os pontos devem ser pequenos, porém visíveis. É fundamental a utilização de uma régua
para marcar os pontos no gráfico. O uso de retas suporte pode poluir o gráfico, por isso deve se
ter cuidado ao utilizá-las. Em geral usa-se um pequeno círculo preenchido para representar
cada ponto. No caso de haver mais de uma curva no mesmo gráfico pode-se utilizar outro
símbolo para distingui-las.
Vale ressaltar: o valor exato dos pontos não deve ser reproduzido em lugar algum do
gráfico. Esta é uma informação que fica a cargo das tabelas.
Importante: Os pontos experimentais jamais devem ser conectados formando uma linha
poligonal. O que se pode fazer e por vezes é requerido é o traçado de uma curva média, que é
uma linha contínua e suave que passa aproximadamente no meio dos pontos.

4.2.6 Barra de erros

Como o nome sugere é uma representação gráfica da incerteza de cada ponto. Ela pode
ser desenhada tanto no eixo x quanto no y e segue o seguinte formato:

Figura 4.1: Barra de Erros

O tamanho da barra deve corresponder ao tamanho do intervalo em torno do ponto deli-

mitado pela incerteza, como já foi explicado no começo deste texto.
Em ocasiões onde as barras de erros são iguais em um ambos os eixos para uma dada série
de dados é aceitável que ela seja representada apenas no primeiro ponto. Neste caso, deve ser
feita uma observação escrita indicando que as barras de erros serão iguais nos demais pontos.
Se a barra de erros for muito pequena em relação ao ponto de modo que sua visualização
fique prejudicada ela não deve ser desenhada e uma observação ao lado do gráfico deve ser
feita explicando o ocorrido.

4.2.7 A origem dos eixos

É desejável que os eixos se interceptem no ponto (x, y) = (0, 0). Porém nem sempre isso
é possível. Se uma das grandezas estiver concentrada em uma região distante da origem os
eixos podem se cruzar em um ponto diferente de (0, 0).

4.2.8 Exemplo
Abaixo vemos um exemplo de gráfico bem feito. Observe atentamente o gráfico e tente
associar cada elemento descrito acima com a figura a seguir.

19
Figura 4.2: Gráfico corretamente elaborado

20
 Propagação de Incertezas
5
Quando se faz uma medida com um instrumento o valor do erro associado é imediato. Por
exemplo ele pode ser dado pelo fabricante.
Agora suponha que em um dado experimento coleta-se uma série de medidas de diferentes
parâmetros com o intuito de calcular um outro parâmetro. A pergunta natural que surge é
qual será o erro deste parâmetro calculado, uma vez que ele não é obtido diretamente?
Os valores obtidos diretamente por meio de instrumentos são chamados de medidas di-
retas, enquanto os valores calculados a partir delas são as medidas indiretas.
Em suma, se um dado valor y é uma função de várias variáveis, ou seja:

y = f (x1 , x2 , x3 , . . . , xn )
O erro σy associado a y será uma função dos valores medidos de cada uma das variáveis
independentes e suas respectivas incertezas:

σy = f (x1 , x2 , x3 , . . . , xn , σx1 , σx2 , σx3 , . . . , σxn )

Existe uma teoria extensa por trás deste tema. Iremos apenas nos preocupar em como
calcular o erro da variável dependente por meio das tabelas de propagação, como tem sido
cobrado em prova da OBF.
Estas tabelas são constituídas de duas colunas:

• 1ª coluna: contém um formato de fórmula.

• 2ª coluna: contém uma formula para o erro associado à variável independente na equa-
ção fornecida na primeira coluna.

A segunda coluna pode fornecer mais de uma formula para a mesma equação. Uma delas
tratará do erro absoluto, ou seja, o próprio valor de σx e outra trabalhará o erro relativo, que
nada mais é que o valor do erro absoluto dividido pelo valor da medida feita, ou seja:
σx
Erro Relativo =
|x|

21
 O denominador é tomado em módulo uma vez que a incerteza de uma medida deve ser
sempre um valor positivo.
Os passos a serem seguidos para se obter o erro por meio das tabelas são:

1. Deve-se identificar na tabela que será usada quais letras representam a variável depen-
dente (cuja incerteza deseja-se calcular), as variáveis dependentes e constantes.

2. Procurar na primeira coluna da tabela uma formula que possua o formato da equação
com a qual o valor da variável dependente do experimento é obtido.

3. Associar cada variável da equação do experimento com uma variável correspondente

e equivalente na equação encontrada no item anterior. O mesmo vale para eventuais
constantes.

4. Encontrar na segunda coluna da tabela a fórmula que está na mesma linha em que se
obteve a fórmula do item 2.

5. Substituir os valores conhecidos do experimento na formula encontrada na segunda

coluna e obter o valor de σw .

Os itens acima contêm muitas informações de modo que é um pouco difícil memorizá-las.
A melhor maneira de entender tudo que foi dito é praticando. Para facilitar o entendimento
iremos fazer um exemplo passo a passo.
Para o exemplo utilizaremos a tabela fornecida no Anexo (A) deste documento. Esta tabela
foi extraída diretamente da prova da Olimpíada Brasileira de Física de 2015 (a mesma tem sido
repetida ao desde então).

5.1 Exemplo
Suponha que em dado experimento dispomos de um radar que é capaz de medir direta-
mente a velocidade de um corpo. Chamemos a velocidade de v. O fabricante do equipamento
fornece ainda a incerteza na medida da velocidade, denotada por σv .
Dispomos de uma balança, que será utilizada para medir a massa m do objeto em movi-
mento. A balança possui um erro σm .
O objetivo do experimento é calcular a energia cinética a partir dos valores da massa e da
velocidade do corpo.
Sabe-se da mecânica que a energia cinética de translação de um corpo é dada por:
1
E = mv 2
2
São dados:

• σv = 0.02 m/s • σm = 0.001 kg

Em um dado instante os valores medidos foram os mostrados a seguir:

• v = 4.5 m/s • m = 2.026 kg

Utilizando estes valores podemos calcular a energia cinética do corpo:

22
 E = 20.513 25 J
Este é o valor bruto dado pela calculadora. Como já foi explicado é necessário saber a
incerteza deste valor para que possa ajustar adequadamente o número de casas decimais e
fazer a apresentação apropriada do valor.
Pergunta-se: qual o erro σE da energia cinética para o experimento realizado?
Para responder a esta pergunta, vamos seguir os 5 passos descritos nesta seção.

1. Deve-se identificar na tabela que será usada quais letras representam a variável
dependente (cuja incerteza deseja-se calcular), as variáveis independentes e as
constantes.
Na tabela que temos em mãos w representa a variável dependente (calculada), x e y são
as variáveis independentes (medidas diretamente) e a é uma constante sem erro. Esta
informação em geral não é dada, por isso é necessário que se tenha familiaridade com
este tipo de tabela.
A incerteza em cada um destes valores foi representada pela letra σ com a respectiva
variável subscrita.

2. Procurar na primeira coluna da tabela uma formula que possua o formato da

equação com a qual o valor da variável dependente do experimento é obtido.
Pode-se observar que a equação da primeira coluna w = axp y q é semelhante à formula
da energia cinética.

3. Associar cada variável da equação do experimento com uma variável correspon-

dente e equivalente na equação encontrada no item anterior. O mesmo vale para
eventuais constantes.
Para realizar esta tarefa vamos colocar a formula da tabela e a do experimento lado a
lado:

Experimento Tabela
1
E = mv 2 w = axp y q
2

Feito isso devemos associar as variáveis da tabela com as variáveis do experimento. A

associação mais óbvia talvez seja a da variável dependente, pois ela está isolada em abas
as formulas.
1ra associação: w ≡ E
Note que na formula da energia cinética há uma constante multiplicativa que vale 1/2.
Deste modo podemos encontrar o valor de a:
2da associação: a ≡ 1/2
As variáveis x e y serão associadas às variáveis m e v do experimento. Neste caso a
escolha é arbitrária. Vamos associar x a m para manter a ordem de escrita de ambas as
equações.
3ra associação: x ≡ m
4ta associação: y ≡ v

23
 Note que na equação dada na tabela as variáveis x e y estão elevadas respectivamente
aos expoentes p e q.
Deve-se, portanto, encontrar os expoentes das variáveis associadas a x e y:
5ta associação: p ≡ 1
6ta associação: q ≡ 2
A figura abaixo pode ajudar na visualização do que foi feito:

Figura 5.1: Associação de Variáveis na propagação de erros

4. Encontrar na segunda coluna da tabela a formula que se encontra na mesma

linha em que se obteve a formula do item 2.
Olhando a tabela a segunda coluna possui duas formulas:

Erro Absoluto Erro Relativo

σw2 = (apxp−1 y q )2 σx2 + (ax p
qy q−1 )2 σy2 ( σww )2 = (p σxx )2 + (q σyy )2

Tabela 5.1: Coluna correspondente ao erro procurado

Note que neste ponto conhecemos todos os valores contidos nas expressões acima, ex-
ceto o σw , que é o que será calculado.

5. Substituir os valores conhecidos do experimento na fórmula encontrada na se-

gunda coluna e obter o valor de σw .
Como dito anteriormente, todos os valores da formula na segunda coluna são conheci-
dos, com exceção de σw .
Basta agora substituir os valores. Note que quando aparecem as variáveis x e y na
fórmula significa que devem ser colocados os valores medidos das grandezas associadas
a cada uma destas variáveis.
Apenas para ficar claro os dados que serão utilizados na fórmula da segunda coluna
estão resumidos abaixo:

• a = 0.5 • x = 2.026 • σy = 0.02

• p=1 • y = 4.50
• q=2 • σx = 0.001

Colocando os valores fornecidos no enunciado do problema obtemos:

24
 σw2 = (apxp−1 y q )2 σx2 + (axp qy q−1 )2 σy2
σw2 =(0.5 × 1 × 2.0261−1 × 4.502 )2 × 0.0012 +
+(0.5 × 2.026 × 2 × 4.502−1 )2 × 0.22
σw2 = 0.033 350 39 J2
σw = 0.182 621 J

Lembre-se da regra de que a incerteza é dada com um único algarismo significativo

(exceto quando a prova disser o contrário…). Vamos ajustar a incerteza para que esteja
condizente com esta regra. O valor final de σw (que representa σE no experimento) será
então:

σw = σE = 0.2 J

Lembre-se que antes de saber a incerteza o valor da energia cinética (em Joules) foi
calculado de maneira “bruta”, ou seja, sem se preocupar com a quantidade de casas
decimais. Recordando este valor:

E = 20.513 25 J

Agora que sabemos o valor de σE é 0.2. Deve-se, portanto, ajustar a escrita da energia
cinética seguindo o formato explicado no início deste texto:

E = (20.5 ± 0.2)J

5.2 Erro Combinado

Suponha que uma série de medidas de uma variável x seja feita. Em seguida calcula-se a
média x e o valor do desvio padrão da média, Sx . Como já informado, o desvio padrão é uma
estimativa da incerteza estatística associada à medida.
Em geral, dispõem-se ainda da incerteza instrumental (normalmente fornecida pelo fabri-
cante ou estimada pelo experimentador utilizando critérios já explicados). Esta incerteza afeta
cada uma das medidas e pode ser propagada para
Neste caso, a incerteza da medida final deve ser uma combinação destes dois valores.
Vamos chamar esta incerteza final de δx .
O valor de δx pode ser obtido por:
q
δx = σx2 + Sx2

5.2.1 Exemplo
Mediu-se 10 vezes a intensidade da corrente elétrica que atravessa um resistor conectado
a uma bateria. A incerteza do amperímetro é de σI = 0.1 mA.
Os resultados obtidos foram:

25
 Medida 1 2 3 4 5 6 7 8 9 10
Corrente
35.9 35.2 34.7 36.4 35.0 34.8 35.4 35.1 34.9 35.6
(mA)

Tabela 5.2: Resultados do Experimento

O desvio padrão dos dados utilizando a formula já fornecida resulta em:

s
PN 2
i=1 (xi − x)
Sx = = 0.535 413
N −1
Como Sx = √SN x
temos que Sx = 0.535
√ 413 = 0.169 313.
10
A incerteza da média deve ser calculada a partir dos métodos já expostos com o auxílio
da tabela anexa. A média nada mais que uma soma seguida de uma divisão por constante.
O erro destas duas
p partes do cálculo pode ser encontrado separadamente. O erro da soma é
dado por σw = σx21 + σx22 + · · · + σx2n . Em seguida aplica-se a propagação de erros para
a divisão por uma constante. Neste caso basta dividir o erro encontrado acima pelo módulo
da constante (que no nosso exemplo é 10). Recomenda-se executar estes cálculos para fixar a
ideia de propagação de erros.
O erro do instrumento propagado para a média
p resulta em σI = 0.031 622 8.
O erro combinado será, portanto: σTotal = σInstrumental
2 2
+ σEstatístico
Ou seja:

σTotal = 0.2
A corrente média resultante do experimento seria, portanto, corretamente apresentada da
seguinte forma:

I¯ = (35.4 ± 0.2)mA

26
 Método dos mínimos quadrados
6
e regressão linear

O método dos mínimos quadrados um método matemático que estima uma os parâmetros
de uma dada função que melhor ajustam um conjunto de pontos experimentais.
Este ajuste é calculado minimizando-se o erro quadrático entre os pontos experimentais e
o valor calculado pela função que se deseja obter.
Este enunciado é genérico. De fato, o método dos mínimos quadrados pode ser usado com
um número infinito de funções diferentes.
Iremos, porém, utilizar apenas um deles, que constitui a chamada regressão linear.
O objetivo da regressão linear é obter uma reta do tipo y = ax + b que melhor ajusta os
pontos experimentais coletados.
Observe que para que este método faça sentido é preciso primeiro se conhecer a natureza
do experimento que foi realizado. Se de fato o comportamento de x e y deveria ser linear, ele
é válido.
Quando isso não ocorre pode-se ainda tentar fazer uma linearização do gráfico antes de
aplicar o método dos mínimos quadrados. Isso será abordado no tópico seguinte.
O método deverá fornecer os valores dos parâmetros a e b da reta que melhor ajusta os
pontos experimentais. A demonstração do MMQ para uma reta não é muito complicada em-
bora exija alguns conhecimentos básicos de cálculo. Iremos nos abster desta demonstração e
partir diretamente para as equações que fornecem os parâmetros desejados:

P
(xi − x̄)yi
a= P
(xi − x̄)2
b = ȳ − ax̄

Podem ainda ser fornecidas algumas variações destas formulas que levam ao mesmo re-
sultado.
Aqui as variáveis xi e yi representam cada um dos pontos experimentais coletados.
Nota: A definição da reta na forma y = ax + b não é universal. Algumas calculadoras
podem usar notações diferentes, como por exemplo, y = bx + a. Por isso é fundamental que

27
se tenha domínio sobre a calculadora que será utilizada no dia prova.

6.1 Exemplo
Suponha que um experimento que consistia em medir o deslocamento de um móvel que
deveria estar em MRU a cada instante de tempo. Os dados estão apresentados na tabela abaixo:

Deslocamento em
função do tempo
(s ± 0.01)m (t ± 0.1)s
0.00 0.0
1.02 2.3
2.07 3.9
2.98 6.1

Tabela 6.1: Resultados do experimento

Pede-se: se a relação esperada entre x e y é linear (ou seja, formam uma reta), qual é a
equação da reta que melhor ajusta estes pontos?
É uma típica situação onde o método dos mínimos quadrados para uma regressão linear
deve ser usado.
Basta aplicar as formulas fornecidas acima, mas antes devemos obter os valores médios de
x e y (lembrando que no experimento proposto x é o tempo e y o deslocamento associado a
cada instante):

P
xi
x̄ = = 3.075
PN
yi
ȳ = = 1.517 53
N
Devemos agora achar o coeficiente angular pela seguinte fórmula:
P
(xi − x̄)yi
a= P
(xi − x̄)2
Fazendo as contas necessárias chega-se a:

a ≈ 0.4994
Obtendo o valor de b:

b = ȳ − ax̄ = −0.018 155

A reta solicitada será, portanto:

y = 0.4994x − 0.018 155

Neste ponto ainda não estamos preocupados com o número de casas decimais dos valores
obtidos acima. Evidentemente, uma vez que eles têm significado físico, devem ter também
uma incerteza associada. Isso será visto a seguir.

28
6.2 Erro nos estimadores de regressão linear
É natural que a questão da incerteza nos valores encontrados pelo MMQ seja levantada.
A análise correta e formal deste tema é demasiado complexa. Em geral são fornecidas as
formulas para o cálculo destas incertezas.
Elas utilizam o desvio médio dos pontos experimentais em relação a reta calculada. Este
parâmetro é comumente chamado de S 2 e é calculado como segue:

(yi − axi − b)2

P
S2 =
N −2
A partir deste valor obtém-se:

S
σa = pP
(xi − x̄)2
s
1 x̄2
σb = S +P
N (xi − x̄)2

A partir destes valores deve-se ajustar a quantidade de algarismos dos parâmetros a e b de

acordo com as regras já estudadas.
Note que a formula utilizada acima é muito semelhante àquela do desvio padrão. De fato,
o valor de S 2 representa a dispersão dos pontos experimentais em torno da reta calculada pelo
MMQ. O denominador neste caso perde um grau de liberdade (dividimos agora por N − 2 e
não por N − 1).

6.3 Linearização de curvas

Como já foi mencionado o método dos mínimos quadrados serve para uma função gené-
rica. Porém para casos diferentes do linear as contas ficam muito complicadas. Esta é uma
das razões para querermos linearizar um gráfico.
Fazer uma linearização significa aplicar certa operação em um conjunto de pontos experi-
mentais cuja tendência (comportamento esperado) não é linear de modo que após tal operação
é obtido um novo conjunto de dados de modo que este novo conjunto apresente comporta-
mento linear.

6.3.1 Exemplo 1-Parábola

Suponha que um experimento sobre queda livre foi feito. Sabe-se da cinemática que a
equação horária de um corpo em queda livre será:
1
s = s0 + gt2
2
O gráfico da função s(t) é uma parábola. Suponha agora que um conjunto de dados sobre
este experimento foi coletado:

29
 Resultados do experimento
de queda livre
(t ± 0.1) s (s ± 0.005) m
0.0 −0.965
1.0 4.420
2.0 19.105
3.0 44.645
4.0 77.515
5.0 121.725
6.0 176.830
7.0 239.975

Tabela 6.2: Tabela com os resultados do experimento de queda livre

O gráfico associado a este experimento é:

Figura 6.1: Gráfico da posição em função do tempo no experimento de queda livre

Que é uma parábola, como esperado.

Vamos analisar com mais cuidado a função horaria do movimento:
1
s = s0 + gt2
2
E se ao invés de tomar o valor de t na abcissa, definirmos uma nova variável, digamos t0 ,
de modo que t0 = t2 , e traçarmos o gráfico de s (t0 )?
Primeiramente vamos escrever o que foi dito:
1
s (t0 ) = s0 + gt0
2

30
 Note que em termos da nova variável t0 a função s(t0 ) é a equação de uma reta com coefi-
ciente angular 12 g e coeficiente linear s0 .
Assumiremos que a incerteza relacionada à velocidade inicial é nula e calcularemos a in-
certeza associada à nova variável t0 em função de t.
Montemos então uma nova tabela contendo os valores de t0 e s:

Resultados do experimento
de queda livre linearizado
(t0 ) s (s ± 0.005) m
0±0 −0.965
1.0 ± 0.2 4.420
4.0 ± 0.4 19.105
9.0 ± 0.6 44.645
16.0 ± 0.8 77.515
25 ± 1 121.725
36 ± 1 176.830
49 ± 2 239.975

Tabela 6.3: Tabela com os resultados linearizados do experimento de queda livre

Note que agora o gráfico da nova função s(t0 ) é uma reta, como queríamos.

Figura 6.2: Gráfico linearizado da posição em função do tempo no experimento de queda livre

Devemos agora calcular os coeficientes angular e linear da reta e seus respectivos estima-
dores de incerteza.
Como discutido anteriormente, temos:
P P P
(xi − x̄)yi xi yi − x̄ yi
a= P =P 2 P = 4.9119
(xi − x̄)2 xi − 2x̄ xi + nx̄2

31
 Temos também que:

b = ȳ − ax̄ = −0.5512
Cabe a nós descobrir ainda os estimadores de erro associados a estes valores.
Como discutido anteriormente:
S
σa = pP = 0.0123
(xi − x̄)2
s
1 x̄2
σb = S +P = 0.298
N (xi − x̄)2
qP
2
(yi −axi −b)
Onde S = N −2
.
Assim, a reta tem coeficiente angular a = 4.91 ± 0.01 e coeficiente angular b = −0.6 ± 0.3.
Assim, a função posição é descrita por:

s(t0 ) = −0.6 + 4.91t0 =⇒ s(t) = −0.6 + 4.91t2

Caso queiramos encontrar a aceleração da gravidade, basta lembrar que a = g2 , de forma
que:

g = (9.82 ± 0, 02)m/s2
Note que a incerteza associada à gravidade foi propagada.
Este é o exemplo mais simples de linearização, onde é possível encontrar um “bloco” de
variáveis e constantes do lado direito da equação que possa fazer o papel de uma nova variável
x de modo que o gráfico de f (x) seja uma reta.

6.3.2 Exemplo 2-Exponencial

Um caso um pouco mais complicado, mas muito recorrente em atividades experimentais
é a linearização de funções exponenciais.
Problema: Um capacitor de capacitância C desconhecida carregado inicialmente com uma
tensão V0 descarrega através de uma resistência de valor R. V0 e R são dados. Com um
cronômetro e um voltímetro, traça-se o gráfico de V (t).
Sabe-se que a equação do capacitor é:
t
V (t) = V0 e− τ
Onde τ é a constante de tempo do circuito e seu valor é igual a RC.
A função acima é uma exponencial e fazer a regressão desta função a partir dos pontos
experimentais para encontrar o valor de C pode ser muito trabalhoso (embora perfeitamente
possível).
É uma boa ideia, portanto tentar linearizar esta função.
A maneira de fazer isso é aplicar o logaritmo na base e (ln ) em ambos os lados da equação,
resultando em:
 t

ln (V (t)) = ln V0 e− τ
Pela propriedade do produto como argumento de um log obtêm-se:

32
  t
ln (V (t)) = ln (V0 ) + ln e− τ
Aplicando ainda a propriedade para exponenciarão dentro de um log:
t t
ln (V (t)) = ln (V0 ) − ln (e) = ln (V0 ) −
τ τ
1
ln (V (t)) = ln (V0 ) − t
τ
Note que se chamarmos o termo ln (V (t)) de y, o gráfico de y em função de t é uma reta
com coeficiente linear igual a ln (V0 ) e coeficiente angula igual a −1/τ .
Pode-se então fazer uma regressão linear nos pontos calculados pela linearização acima e
encontrar os valores dos coeficientes angular e linear.
Uma vez que a = − 1t e τ = RC, obtemos:
1
a=−
RC
Como admitimos que o valor de R era conhecido, basta isolar o valor de C e o problema
estará resolvido.

33
 Calculadora fx-82ms
7
O tempo é um aspecto fundamental em qualquer olimpíada científica. Assim, realizar os
cálculos demonstrados nesse livro a mão é, se não impossível, uma tarefa extremamente difícil
e, felizmente, desnecessária, uma vez que calculadoras não programáveis são permitidas nas
provas experimentais. Calculadoras científicas, como a fx-82ms que abordaremos aqui em
detalhes, realizam muitos desses cálculos estatísticos. Entretanto, deve-se ter contato prévio
com a calculadora para poder utilizá-las efetivamente.

7.1 Introdução à calculadora

Antes de mais nada, devemos ligar a calculadora. Para tal, pressione W. Para desligá-la,
pressione qC.
É boa prática que, sempre ao ligar a calculadora, principalmente quando se for utilizar
suas funções estatísticas, apague-se sua memória. Para tal, pressione qw3==.
Para limpar a área de cálculo, isto é, para começar uma nova operação matemática inde-
pendente daquela realizada anteriormente, aperte C.
O separador decimal da calculadora é o ponto (.)! O uso da vírgula (,) não terá o
mesmo efeito, como visto adiante neste texto.
A calculadora em questão possui uma única pilha AA, capaz de manter a calculadora fun-
cionando por anos. Assim, se sua calculadora for antiga, verifique se a pilha continua com
boa carga para evitar surpresas desagradáveis na hora da prova.

7.1.1 Funções trigonométricas

Para que sua calculadora possa realizar as operações trigonométricas (cosseno k e seno
j , por exemplo), ela deve primeiro saber se deve utilizar graus ou radianos nos cálculos.
Fortunadamente, podemos escolher qual usar com facilidade, de forma a evitar conversões
dispendiosas e que aumentam a chance de algum erro ser cometido.
Para tal, a calculadora dispõe dos modos degree e radian. Você pode conferir qual o modo
atual da calculadora olhando no canto superior direito do ecrã, conforme mostrado nas figuras
abaixo.

34
 (a) Modo Degree (b) Modo Radian

Figura 7.1: Modos trigonométricos

Para redefinir sua calculadora para o modo degree, pressione ww1.

Para redefinir sua calculadora para o modo radian, pressione ww2.

7.2 Estatística univariada

Caso queira descobrir a média, desvio padrão ou qualquer outro indicador de um conjunto
de dados, devemos primeiro colocar a calculadora no modo apropriado.
Para entrar no modo estatístico, depois de limpar a memória da calculadora, digite w2.
Para registrar um número, digite o número e aperte m.
Após o número ser memorizado com sucesso, a calculadora mostrará o número de dados
salvos até o momento. Repita o processo para todos os números do seu conjunto de dados.
A partir de uma “tela limpa” (pressione C para tal) é possível encontrar os valores rele-
vantes para a estatística univariada.
Para encontrar a média aritmética da função, digite q21=.
Para encontrar o desvio padrão amostral, digite q23=.
Para encontrar o desvio padrão da média, divida o valor acima pela raiz do número n de
dados no conjunto utilizado. Para encontrar tal valor n, digite q13 P. 2
Apertando-se q1tem-se acesso também aos valores de xe x , que podem ser
P
úteis para determinados cálculos.
Não se esqueça de limpar a calculadora ao inserir um novo conjunto de dados!

7.3 Regressão linear

Para entrar no modo de regressão linear na calculadora, deve-se primeiro garantir que sua
memória esteja limpa, conforme discutido anteriormente.
Para entrar no modo de regressão linear, digite w31.
Para inserir pares de dados (x, y), deve-se digitar o valor de x seguido de uma vírgula (,)
e do valor de y. Garanta que os valores estão corretos e aperte m.
Para inserir (2, 3), por exemplo, pressione 2,3m.
Como discutido, o separador decimal na calculadora é o ponto (.)!
É importante notar que a calculadora, ao fazer uma regressão linear, utiliza a relação
f (x) = a + bx.
Após inserir todos os dados na calculadora, acesse os seguintes menus:

• q1 e navegue com ! e $para ter acesso à:

X X X X X
x, x2 , y, y2, xy e n

35
 • q2 e navegue com ! e $para ter acesso à:

x̄, σx , Sx , ȳ, σy , a, b e r

Caso não possua uma Casio fx-82ms, procure o manual da sua calculadora para verificar
como realizar tais procedimentos.

36
 Tabela de incertezas
A
w = w(x, y, . . . ) Expressões para σw

w = x ± y ± ... σw2 = σx2 + σy2 + . . .

w = xm σw = |mxm−1 |σx ou σw
w
= m σxx
w = ax σw = |a|σx ou σw
w
= σx
x

w = ax + b σw = |a|σx
 2
σw 2 σx 2 σy
σw2 = (ay)2 σx2 + (ax)2 σy2 ou



w = axy w
= x
+ y
 2  2  2
σw 2 σx 2 σy
w = a xy σw2 = ay σx2 + ax σy2 ou



y2 w
= x
+ y
 2
σw 2

2
σw2 = (apxp−1 y q )2 σx2 + (axp qy q−1 )2 σy2 ou = p σxx + q σyy


w = axp y p w

w = a sin (bx) σw = |ab cos (bx)|σx

w = b loga (x) σw = ln b(a) σxx
r  2
∂f 2 2 ∂f


w = f (x, y, . . . ) σw = ∂x
σx + ∂y
σy2 + . . .

Tabela A.1: Tabela de expressão de incerteza

37
A library serves no purpose
unless someone is using it.
Mr. Atoz

Referências Bibliográficas

[Cruz et al., 1997] Cruz, C. H. d. B., Fragnito, H. L., da Costa, I. F., and Mello, B. d. A. (1997).
Guia para Física Experimental Caderno de Laboratório, Gráficos e Erros. Instituto de Física,
Unicamp.

[Tabacniks, 2019] Tabacniks, M. H. (2019). Guia para Expressão de Incertezas. IFUSP.

38