Processamento dos dados
|
|
- Cristiana Eger Lopes
- 8 Há anos
- Visualizações:
Transcrição
1 Capítulo 9 Processamento dos dados 9.1 Propagação não estatística de erros Suponhamos que é possível estabelecer uma relação de proporcionalidade directa (ver secção3.2) entre duas variáveis. Por exemplo, o preço de uma habitação (y, variável dependente) é directamente proporcional à área de construção (x, variável independente): y a 1 x Podemos assumir que a ordenada na origem será nula porque quando a área tender para zero, o preço tenderá obviamente para zero também. Se tivermos em conta as unidades de y ([y] ) edex [x] m 2 podemos facilmente concluir que a 1 representa o preço por unidade de área /m 2 (ver secção 4.5). y/k 4 yx 3 δy y0.2x δy δx x/m 2 Figura 9.1: Impacto de uma variação unitária da variável independente (x) sobre a variável dependente (y) para uma relação linear 43
2 9.1. PROPAGAÇÃO NÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Na figura 9.1 é apresentada uma representação gráfica da relação entre a área de construção e o preço em duas zonas diferentes. A azul temos uma zona de construção mais cara 1k /m 2 ea vermelho uma zona de construção mais barata 200 /m 2. Se ao fazer-se a medição da área de construção houver uma discrepância entre o valor medido e o real, haverá uma maior repercussão no preço para quem estiver a construír na zona mais cara (desde que o erro de área seja o mesmo). Por exemplo, se o valor de área medido for maior em x 1m 2 do que o valor real, quem construír na zona azul terá um prejuízo de y 1 1k enquanto que quem construír na zona vermelha terá um prejuízo de y 2 200! Diz-se que a discrepância na medição da área propagou-se até ao preço. É claro que a discrepância propagada não depende só da zona (declive da recta). Dentro da mesma zona terá maior prejuízo o construtor que tiver sobrevalorizado mais a área. Do ponto de vista matemático podemos então concluir que:. quanto maior for o declive da recta de y (variável dependente) em função de x (variável independente), maior será a discrepância da variável dependente ( y).. quanto maior for a discrepância cometida ao avaliar a variável independente ( x), maior será a discrepância da variável dependente ( y). Podemos então esboçar uma primeira tentativa de estimar a discrepância da variável dependente em função das grandezas de que depende: y a 1 x (9.1) O declive de uma recta em geral é dado pela derivada da variável dependente em ordem à variável independente. Isto implica que a equação (9.1) pode ser modificada para: dy dx y dy dx x (9.2) Nesta secção começou-se por descrever um situação de discrepância na medição da variável independente (e.g. sabia-se que a área medida tinha sido sobrevalorizada em 1 m 2 ). Na prática, não sabemos se um valor medido subvaloriza ou sobrevaloriza o valor real porque isso implicaria o conhecimento deste. Mas nem tudo está perdido. Suponhamos que de alguma forma conseguimos descobrir um limite máximo do erro da medição da variável independente 4x Max. Em linguagem matemática, existe um majorante do erro de x. Podemos modificar a equação (9.2) para determinar o erro máximo que a variável dependente 4y Max poderá tomar: 4y Max dy dx 4x Max (9.3) As alterações efectuadas foram:. substituíu-se o termo discrepância ( y) pelo termo erro (4y).. a derivada dy dx foi substituída pelo seu módulo Como sabemos dos capítulos 5, 6 e 7 a discrepância e o erro são bem diferentes. A discrepância é bem definida e pode tomar um valor positivo ou negativo. O erro é por definição uma medida de incerteza. Ou seja, o erro não tem sinal. Uma vez que a derivada pode tomar valores negativos teve que se tomar oseumódulo. Para uma função f (,...,x N ) de N variáveis independentes, a equação geral do majorante do erro é dada por: dy dx. f (,...,x N ) NX x i (9.4) 44
3 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.2. CASOS PARTICULARES 9.2 Casos particulares Adição A adição de duas medições experimentais tem um erro absoluto máximo dado por: ( + ) + (9.5) Por exemplo, consideremos dois objectos com comprimentos conhecidos. O objecto A tem um comprimento de mm e o objecto B tem um comprimento de mm. Pretende-se avaliar qual é o comprimento total dos dois objectos a partir da medição individual dos mesmos. Se a medição for feita com a régua da figura o resultado das medições será: (10.0 ± 0.5) mm para o objecto A e(8.0 ± 0.5) mm para o objecto B. Ou seja, ambos os valores foram arredondados por excesso mm mm 9 mm 10 mm 7 mm 8 mm A B Figura 9.2: Soma de erros máximos do aparelho A estimativa da soma dos comprimentos dos objectos será de 18.0 mm e o valor real é mm. O exemplo foi escolhido para ilustrar a pior situação possível de arredondamento e mostrar que nessa situação o erro de arredondamento total será de 1.0 mm. Logo o majorante do erro da soma é de 1 mm e o resultado da soma dos valores experimentais será: Subtracção (10.0 ± 0.5) mm +(8.0 ± 0.5) mm (18 ± 1) mm A subtracção de duas medições experimentais tem um erro absoluto máximo dado por: ( ) + (9.6) Podemos exemplificar com os objectos da figura 9.2. O objecto A tem um comprimento de mm e o objecto B tem um comprimento de mm. Suponhamos que na medição com a régua da figura o resultado das medições foi: (10.0 ± 0.5) mm para o objecto A e(7.0 ± 0.5) mm para o objecto B porque este parecia estar mais perto da divisão dos 7 mm. Ou seja, o primeiro valor foi arredondado por excesso e o segundo por defeito. Pretende-se avaliar qual é a diferença de comprimento entre os dois objectos a partir da medição individual dos mesmos. A estimativa da diferença dos comprimentos dos objectos será de 3.0 mm e o valor real é mm. Nesta situação limite o erro total de arredondamento foi de 1.0 mm. Podemos então concluír que o majorante do erro da diferença é de 1 mm e o resultado da subtracção dos valores experimentais será: Produto (10.0 ± 0.5) mm (7.0 ± 0.5) mm (3± 1) mm O produto de duas medições experimentais tem um erro relativo máximo dado por: ( ) + (9.7) 45
4 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Divisão A razão entre duas medições experimentais tem um erro relativo máximo dado por: ( x1 /) / + (9.8) Potenciação A potência de grau n de uma medição experimental tem um erro relativo máximo dado por: (x n 1 ) x n 1 n (9.9) Produto de potências O produto das potências de duas medições experimentais (uma de grau n e a outra de grau m) tem um erro relativo máximo dado por: (x n 1 x m 2 ) x n 1 xm 2 n + m (9.10) Exponencial A exponencial de uma medição experimental tem um erro relativo máximo dado por: (e x1 ) e x1 (9.11) Logaritmo O logaritmo de uma medição experimental tem um erro absoluto máximo dado por: (ln ) (9.12) 9.3 Propagação estatística de erros Quando a variação de uma grandeza é resolúvel (ver a subsecção6.3.1) é possível que o erro padrão seja superior ao erro máximo do aparelho. Neste caso o erro experimental passa a ser o erro padrão (ou seja, um erro estatístico). A variável medida pode ser representada por uma distribuição normal. Como consequência, qualquer operação realizada sobre uma ou mais variáveis pode ser vista como uma operação realizada sobre uma ou mais distribuições normais. Nas subsecções abaixo fizeram-se simulações de operações sobre variáveis que seguem uma distribuição normal. Foram gerados pseudo-aleatoriamente com uma distribuição normal [7] valores para cada uma das variáveis iniciais e Adição A adição de duas variáveis com distribuição normal resulta numa nova variável com distribuição normal: 46
5 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS Figura 9.3: Soma de N(3.0000, ) com N(2.0000, ) A largura (e.g. desvio padrão) da distribuição resultante é maior do que a largura de qualquer das distribuições iniciais. Nesta simulação a média da soma foi de e o desvio padrão de Se aumentasse ainda mais o número de valores de e, o desvio padrão iria tender para Porquê este valor? Observa-se que os quadrados dos desvios padrão são aditivos ou seja: 2 ( + ) 2 ( )+ 2 ( ) (9.13) eporisso: ( + ) p r A discrepância do desvio padrão da soma foi de +0.02%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: ( + ) q ( ) 2 +( ) 2 (9.14) Tal como na equação (9.5) o erro da soma é calculado a partir dos erros absolutos das parcelas. Nesta simulação observou-se também que a média da soma (4.9996) tende para a soma das médias de e (5.0000). Adiscrepânciafoide 0.01% Subtracção Tal como aconteceu para a adição, a subtracção de duas variáveis com distribuição normal resulta numa nova variável com distribuição normal: 47
6 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Figura 9.4: Subtracção entre N(3.0000, ) e N(2.0000, ) A largura (e.g. desvio padrão) da distribuição resultante também é maior do que a largura de qualquer das distribuições iniciais. Nesta simulação a média da subtracão foi de e o desvio padrão de Se aumentasse ainda mais o número de valores de e, o desvio padrão iria tender para Ou seja, do ponto de vista da largura da distribuição resultante, não existe diferença entre a distribuição da soma e da subtracção: ( ) q ( ) 2 +( ) 2 (9.15) A discrepância do desvio padrão da subtracção foi de 0.02%. Tal como na equação (9.6) o erro da subtracção é calculado a partir dos erros absolutos das parcelas. Nesta simulação observou-se também que a média da diferença (0.9991) tende para a diferença das médias de e (1.0000). Adiscrepânciafoide 0.09% Produto O produto de duas variáveis com distribuição normal resulta numa nova variável com distribuição normal: 48
7 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS Figura 9.5: Produto entre N(3.0000, ) e N(2.0000, ) Ao contrário do que acontece para a adição e a subtracção, a largura (e.g. desvio padrão) da distribuição do produto não é necessariamente maior que a largura de qualquer das distribuições iniciais. No caso desta simulação a média do produto foi de e o desvio padrão de Se aumentasse ainda mais o número de valores de e, o desvio padrão iria tender para De onde vem este valor? Observa-se que para o produto, os quadrados dos desvios padrão relativos são aditivos ou seja: (x1 ) (x1 ) (x2 ) + (9.16) eporisso: s ( ) r A discrepância do desvio padrão do produto foi de +0.04%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: s ( ) x1 2 + x2 2 (9.17) Note-se que tal como na equação (9.7) o erro do produto é calculado a partir dos erros relativos dos factores. Nesta simulação observou-se também que a média do produto (5.9995) tende para o produto das médias de e (6.0000). Adiscrepânciafoide 0.01% Divisão A divisão de duas variáveis com distribuição normal resulta numa nova variável com distribuição normal: 49
8 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Figura 9.6: Divisão entre N(3.0000, ) e N(2.0000, ) Na divisão também é possível que a largura (e.g. desvio padrão) da distribuição final não seja maior que a largura de qualquer das distribuições iniciais. Foi exactamente o que aconteceu nesta simulação, a média da divisão foi de e o desvio padrão foi de Tal como para o produto, os quadrados dos desvios padrão relativos são aditivos: ( /) / 2 logo nesta simulação o valor assintótico do desvio padrão é: 2 2 (x1 ) (x2 ) + (9.18) s ( x1 /) r A discrepância do desvio padrão da divisão foi de +0.04%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: s ( x1 /) / x1 2 + x2 2 (9.19) Podemos notar novamente que tal como na equação (9.8) o erro da divisão é calculado a partir dos erros relativos dos factores. Nesta simulação observou-se também que a média da razão (1.5032) tende para a razão entre as médias de e (1.5000). Adiscrepânciafoide+0.21% Potenciação A potenciação de uma variável com distribuição normal resulta numa nova variável com distribuição também normal: 50
9 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS Figura 9.7: Quadrado (potência de ordem 2) de N(3.0000, ) É possível que a largura (e.g. desvio padrão) da distribuição final seja menor que a largura da distribuição inicial. No caso desta simulação a média da potência foi de e o desvio padrão de Na potenciação, o quadrado do desvio padrão relativo é igual (a menos da constante multiplicativa n 2 ) ao quadrado do desvio padrão relativo da variável inicial: (x n 1 ) por isso, nesta simulação o desvio padrão tenderá para: x n 1 2 n (x 2 1) (9.20) s (x n 1 ) A discrepância do desvio padrão da potência foi de +0.05%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: s (x n 1 ) n x 2 1 n (9.21) x n 1 Podemos notar novamente que tal como na equação 9.9 o erro da divisão é calculado a partir de um erro relativo. Se juntarmos este facto ao de que a potenciação é apenas um ou mais produtos sucessivos, esta semelhança poderá levar à ideia de que a equação 9.21 poderia também ser escrita (inspirada na equação 9.17) da seguinte forma: (x n 1 ) x n 1 s (x 1... ) n... 2 x1 51
10 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Esta equação está ERRADA porque a equação 9.17 refere-se a uma multiplicação de variáveis independentes. Ora, não é com certeza independente de si própria! Nesta simulação observou-se também que a média da distribuição da potência (9.0061) tende para a potência da média de (9.0000). Adiscrepânciafoide+0.07% Produto de potências O produto de potências de variáveis com distribuição normal resulta numa nova variável com distribuição também normal: Figura 9.8: Produto do quadrado (potência de ordem 2) de N(3.0000, ) por (potência de ordem 1) de N(2.0000, ) Neste caso também é possível que a largura (e.g. desvio padrão) da distribuição final seja menor que a largura de qualquer das distribuições iniciais. Nesta simulação, a média do produto de potências foi de e o desvio padrão foi de Observa-se que o quadrado do desvio padrão relativo do produto de potências é uma combinação linear dos quadrados dos desvios padrão relativos das variáveis iniciais em que os coeficientes são n 2 e m 2 : (x n 1 x m 2 ) x n 1 xm 2 por isso, nesta simulação o desvio padrão tenderá para: 2 n (x 2 1) + m (x 2 2) (9.22) s (x n 1 x m 2 ) r A discrepância do desvio padrão do produto de potências foi de +0.09%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: (x n 1 x m 2 ) x n 1 xm 2 s n m x 2 2 (9.23)
11 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS Podemos notar novamente que tal como na equação 9.10 o erro do produto de potências é calculado a partir dos erros relativos dos factores e respectivos expoentes. Mais uma vez observou-se que a média da distribuição do produto de potências ( ) tende para o produto das potências das médias de e ( ). Adiscrepânciafoide+0.08% Exponencial A exponencial de um variável com distribuição normal tem também uma distribuição normal: Figura 9.9: Exponencial de N(3.0000, ) Neste caso também é possível que a largura (e.g. desvio padrão) da distribuição final seja menor que a largura da distribuição inicial. Nesta simulação, a média da exponencial foi de e o desvio padrão foi de Observa-se que o quadrado do desvio padrão relativo da exponencial é igual (a menos da constante multiplicativa 2 ) ao desvio padrão da variável inicial: (e 2 ) ( ( )) 2 (9.24) e x nesta simulação o desvio padrão tenderá então para: (e x1 )e A discrepância do desvio padrão da exponencial foi de +0.15%. Tendo em conta que o erro padrão não passa de um desvio padrão (ver a secção 5.4) podemos então naturalmente inferir que o erro da soma será dado por: q (e x1 ) ( ) 2 (9.25) e x1 Ao contrário dos casos anteriores temos uma mistura de tipos de erro: temos um erro relativo calculado a partir de um erro absoluto (tal como na equação 9.11). Observou-se também que a média da distribuição da exponencial ( ) tende para a exponencial da média de ( ). Adiscrepânciafoide+0.44%. 53
12 9.3. PROPAGAÇÃO ESTATÍSTICA DE ERROS CAPÍTULO 9. PROCESSAMENTO DOS DADOS Logaritmo O logaritmo de um variável com distribuição normal tem também uma distribuição normal: Figura 9.10: Logaritmo de N(3.0000, ) Neste caso também é possível que a largura (e.g. desvio padrão) da distribuição final seja menor que a largura da distribuição inicial. Foi o que aconteceu nesta simulação. A média do logaritmo foi de e o desvio padrão foi de Observa-se um comportamento inverso ao de uma exponencial: o quadrado do desvio padrão do logaritmo é igual (a menos da constante multiplicativa 2 ) ao desvio padrão relativo da variável inicial: nesta simulação o desvio padrão tenderá então para: 2 2 (x1 ) (ln ) (9.26) (ln ) A discrepância do desvio padrão do logaritmo foi de +0.02%. s (ln ) x1 2 (9.27) Tal como para a exponencial temos uma mistura de tipos de erro mas na ordem inversa: temos um erro absoluto calculado a partir de um erro relativo (tal como na equação 9.12). Observou-se também que a média da distribuição do logaritmo (1.0978) tende para o logaritmo da média de (1.0986). Adiscrepânciafoide 0.07% Exemplos numéricos de propagação de erros ver secção 54
13 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.4. QUE TIPO DE PROPAGAÇÃO UTILIZAR? Caso geral A ideia subjacente à propagação estatística de erros é semelhante à ideia apresentada na secção 9.1 para a propagação não estatística de erros. Ou seja, o erro da função f depende da forma como esta varia com as variáveis x i. No entanto há uma diferença fundamental: no final do cálculo obtemos um erro padrão em vez de um majorante do erro. Logo, numa propagação estatística de erro TODOS os termos x i terão que ser erros padrão. Em vez de uma soma de erros máximos passamos a ter neste caso uma raíz quadrada da soma de quadrados de erros padrão: v ux f (,...,x N ) i 9.4 Que tipo de propagação utilizar? i1 x i 2 (9.28) O erro obtido pelo método estatístico (equação 9.28) será sempre menor que o obtido pelo método não estatístico (equação 9.4), logo o primeiro permite estreitar o intervalo que contém o valor real da grandeza. A única desvantagem é que no método estatístico existe uma probabilidade não nula (ainda que pequena) do valor real da grandeza estar fora do intervalo de confiança. Mesmo assim, essa probabilidade é quantificável. Pesados os prós e os contras, podemos distinguir 3 situações principais: Uma medição Uma medição única de uma grandeza é sempre incompleta. Não existe informação sobre a sua precisão (não existe uma estimativa do desvio padrão) logo o erro padrão é desconhecido. A medição única deve ser SEMPRE EVITADA (espero que esse facto se torne ainda mais claro nas subsecções abaixo). Há porém situações em que uma segunda medição não é possível ou é muito difícil de conseguir. Neste caso o único erro disponível é o majorante do erro. É necessário ter uma ideia da ordem de grandeza da flutuação estatística típica ( µ /x). O aparelho de medição deve ter uma resolução muito baixa de forma a garantir que a variação não é resolúvel (EMA µ). Por exemplo, uma folha de papel A4 sofre alterações do seu comprimento com a temperatura, humidade relativa, etc.. No entanto, para condições perto da pressão e temperatura normais (PTN) as alterações são inferiores a 1 mm, logo não resolúveis. Se há a hipótese da variação da medição ser resolúvel então não é possível ter um nível de confiança e o resultado deve ser descartado. Os casos apresentados nesta secção (9.4.1) assumem que a medição tem variação não resolúvel Propagação a partir de apenas uma variável Neste caso deve-se dizer que a propagação correcta é a propagação não estatística a partir desta variável (apesar das equações serem exactamente as mesmas para os dois tipos de propagação). O nível de confiança do resultado final será de 100% de que o valor real da grandeza está dentro do intervalo [x EMA, x + EMA] Propagação conjunta com outras variáveis Suponhamos que se pretende medir uma massa volúmica indirectamente a partir de duas variáveis: amassam e o volume V : m V Fizeram-se 100 medições do volume e apenas uma da massa. Os resultados finais das medições directas são os seguintes: m (6± 1) g V (3.359 ± 0.004) cm 3 55
14 9.4. QUE TIPO DE PROPAGAÇÃO UTILIZAR? CAPÍTULO 9. PROCESSAMENTO DOS DADOS O erro experimental da massa é o erro máximo do aparelho e o erro experimental do volume é o erro padrão (o erro máximo do aparelho era cm 3 ). Temos então um dilema: o majorante do erro da massa sugere que utilizemos a propagação não estatística mas o erro padrão do volume sugere uma propagação estatística. A propagação de erros deve fazer-se para valores experimentais com o mesmo grau de confiança. Caso contrário, não sabemos o grau de confiança a atribuir ao resultado final. Não podemos diminuir o grau de confiança do intervalo da massa mas podemos aumentar o grau de confiança do intervalo do volume. Logo, por exclusão devemos optar pela propagação não estatística. Para garantir que o grau de confiança do intervalo do volume é de 100% temos que utilizar não ±1 mas ±3 erros padrão: o intervalo de confiança do volume passa de V (3.359 ± 0.004) cm 3 para V (3.359 ± 0.012) cm 3 (como vimos na subsecção 5.6.1, num intervalo de confiança de ±1 erro padrão o nível de confiança é apenas de 68%. Ao aumentarmos o intervalo para ±3 erros padrão, o nível de confiança aumenta para mais que 99%) Aplicando a equação 9.8, o erro experimental será dado por: m m + V V Logo o resultado experimental é: 6 g cm (1.8 ± 0.3) gcm gcm 3 A desvantagem de termos sido forçados a optar pela propagação não estatística é que sabemos com um grau de confiança de 100% que o valor real está entre 1.5 gcm 3 e 2.1 gcm 3 mas o intervalo é enorme. A maior fonte de incerteza reside na medição da massa. O erro relativo da massa (17%) é muito maior que o erro relativo do volume (0.1%) e por isso tem maior impacto na estimativa do erro da massa volúmica (o erro relativo do resultado é de 17%) Duas ou mais medições Propagação a partir de apenas uma variável Tal como em , as equações são exactamente as mesmas para os dois tipos de propagação mas a interpretação do resultado final pode ser diferente conforme o tipo adoptado:. Se o erro experimental da variável inicial for um erro padrão (µ EMA), a propagação correcta é a propagação estatística. É possível quantificar o nível de confiança do resultado experimental (e.g. 68% de que o valor real estar dentro do intervalo [x µ, x + µ]). Se o erro experimental da variável inicial for um erro máximo do aparelho (µ < EMA), a propagação correcta é a propagação não estatística. É também possível quantificar o nível de confiança do resultado experimental: se assumirmos que o aparelho está bem calibrado, o nível de confiança será de 100% de que o valor real estar dentro do intervalo [x EMA, x + EMA] Propagação conjunta com outras variáveis Variação resolúvel Suponhamos que modificamos a experiência feita em Melhoramos a resolução da balança e fazemos a medição da massa 100 vezes. Os resultados finais das medições directas passam a ser os seguintes: m (5.818 ± 0.002) g V (3.359 ± 0.004) cm 3 O erro experimental da massa é o erro padrão (o erro máximo do aparelho era g) e o erro experimental do volume é o erro padrão (o erro máximo do aparelho era cm 3 ). Neste caso como temos informação estatística e os erros experimentais são erros padrão, devemos optar pela propagação estatística do erro. Aplicando a equação 9.19, o erro experimental será dado por: s 2 m + m V V g cm 3 56 s gcm
15 CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.5. ALGARISMOS SIGNIFICATIVOS Logo o resultado experimental é: (1.732 ± 0.001) gcm 3 O erro relativo do volume (0.1%) é uma ordem de grandeza maior que o erro relativo da massa (0.03%) e por isso teve maior impacto na estimativa do erro da massa volúmica (o erro relativo do resultado foi de 0.1%). Podemos então afirmar que existe uma probabilidade de:. 68% do valor real da massa volúmica estar dentro do intervalo [1.731, 1.733] gcm % do valor real da massa volúmica estar dentro do intervalo [1.730, 1.734] gcm 3.. maior que 99% do valor real da massa volúmica estar dentro do intervalo [1.729, 1.735] gcm 3. Variação não resolúvel Retomemos o exemplo da experiência anterior. Suponhamos que repetimos as medições de massa e volume várias vezes e o valor experimental é sempre o mesmo (variação não resolúvel - ver a subsecção 6.3.2). Como é que isso pode acontecer? Neste caso basta que a resolução dos aparelhos diminua uma ordem de grandeza. Os resultados finais das medições directas são os seguintes: m (5.82 ± 0.01) g V (3.36 ± 0.01) cm 3 Ambos os erros experimentais (da massa e do volume) são erros máximos do aparelho. Neste caso não temos informação estatística mas a repetição sugere que os erros padrão, apesar de desconhecidos são menores que os erros máximos do aparelho. Devemos por isso optar pela propagação não estatística do erro. Aplicando a equação 9.8, o erro experimental será dado por: m m + V 5.82 g 0.01 V 3.36 cm gcm Logo o resultado experimental é: (1.73 ± 0.01) gcm 3 O erro relativo do volume (0.3%) é da mesma ordem de grandeza do erro relativo da massa (0.2%). O erro relativo da massa volúmica é então de 0.6% (não dá 0.5% por causa dos arredondamentos dos erros relativos do volume e da massa). O grau de confiança de que o resultado real está entre 1.72 gcm 3 e 1.74 gcm 3 éde100%. Variação não resolúvel com variação resolúvel Imaginemos que no exemplo da subsecção a medição da massa foi feita 100 vezes e o resultado foi sempre o mesmo: m (6± 1) g A variação da massa não é resolúvel mas a variação do volume é resolúvel. Neste caso devemos fazer exactamente o mesmo tratamento que foi feito na subsecção O intervalo de confiança do volume deve ser aumentado para ±3 erros padrão de forma aos graus de confiança para ambas as variáveis ficarem equiparados. A propagação deve ser não estatística e o resultado apresenta um majorante do erro. 9.5 Algarismos significativos Quando realizamos uma medição obtemos um resultado numérico. Consideram-se algarismos significativos todos aqueles que são retirados directamente do aparelho de medida excepto aqueles:. que não têm significado físico. cuja única função é indicar qual é a ordem de grandeza do número. que variam continuamente durante a medição 57
16 Bibliografia [1] Preston, D. W. & Dietz, E. R. The art of experimental physics (John Wiley & Sons, 1991). [2] Almeida, G. d. Sistema Internacional de Unidades (SI), grandezas e unidades físicas (Plátano editora, S. A., 2002), 3 edn. [3] (2010). URL [4] Box, G. E. P., Hunter, J. S. & Hunter, W. G. Statistics for Experimenters: Design, Innovation, and Discovery (Wiley-Interscience, 2005), 2 edn. [5] Taylor, J. R. An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements (University Science Books, 1996), 2 edn. [6] Fraden, J. Handbook of modern sensors: physics, designs, and applications (Springer-Verlag New York, Inc., 2004), 3 edn. [7] Press, W. H., Teukolsky, S. A., Vetterling, W. T. & Flannery, B. P. Numerical Recipes in C++: the art of scientific computing (Cambridge University Press, 2007), 3 edn. [8] Preston, D. W. Experiments in Physics: A Laboratory Manual for Scientists and Engineers (John Wiley & Sons, 1985). [9] Bevington, P. & Robinson, D. K. Data Reduction and Error Analysis for The Physical Sciences (McGraw-Hill Higher Education, 2002), 3 edn. [10] Squires, G. L. Practical Physics (Cambridge University Press, 2001), 4 edn. 101
CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.5. ALGARISMOS SIGNIFICATIVOS. =0.01 gcm 3 3.36 Logo o resultado experimental é: = 5.82 g 0.
CAPÍTULO 9. PROCESSAMENTO DOS DADOS 9.5. ALGARISMOS SIGNIFICATIVOS Logo o resultado experimental é: =(1.732 ± 0.001) gcm 3 O erro relativo do volume (0.1%) é uma ordem de grandeza maior que o erro relativo
Leia maisCAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO
CAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO 1.1. Definições do Vocabulário Internacional de Metrologia (VIM) Metrologia: Ciência das medições [VIM 2.2]. Medição: Conjunto de operações que têm por objectivo
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisOs elementos de circuito que estudámos até agora foram elementos lineares. Ou seja, se duplicamos a ddp aos terminais de um
O Díodo Os elementos de circuito que estudámos até agora foram elementos lineares. Ou seja, se duplicamos a ddp aos terminais de um componente, a intensidade da corrente eléctrica que o percorre também
Leia mais15-11-2013. Sumário. Teoria de erros
Sumário Erros que afetam as medições. Média, desvios e incertezas. As operações com os algarismos significativos exigem o conhecimento da teoria de erros. Mas, algumas regras simples podem ajudar a evitar
Leia maisA avaliação da incerteza do tipo B. Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides
A avaliação da incerteza do tipo B Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides in Metrology, 2008a), em condições ideais, todas as incertezas em laboratório seriam
Leia maisMedidas e Incertezas
Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este
Leia mais2aula TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS. 2.1 Algarismos Corretos e Avaliados
2aula Janeiro de 2012 TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS Objetivos: Familiarizar o aluno com os algarismos significativos, com as regras de arredondamento e as incertezas
Leia maisLicenciatura em Engenharia Electrotécnica e de Computadores 1998/99. Erros
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1998/99 Erros Objectivos: Arredondar um número para n dígitos significativos. Determinar os erros máximos absoluto e relativo
Leia mais20-10-2014. Sumário. Arquitetura do Universo
Sumário Das Estrelas ao átomo Unidade temática 1 Diferenças entre medir, medição e medida duma grandeza. Modos de exprimir uma medida. Algarismos significativos: Regras de contagem e operações. Esclarecimento
Leia maisTópico 2. Conversão de Unidades e Notação Científica
Tópico 2. Conversão de Unidades e Notação Científica Toda vez que você se refere a um valor ligado a uma unidade de medir, significa que, de algum modo, você realizou uma medição. O que você expressa é,
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisCURSO E COLÉGIO APOIO. Professor: Ronaldo Correa
CURSO E COLÉGIO APOIO Professor: Ronaldo Correa Holiday - Christmas.mpg medidas 1-Medidas Grandeza tudo aquilo que pode ser medido. Medir comparar com um padrão. No Brasil e na maioria dos países as unidades
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisO método de Monte Carlo: algumas aplicações na Escola Básica
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisMEDIÇÃO EM QUÍMICA ERROS E ALGARISMOS SIGNIFICATIVOS
MEDIÇÃO EM QUÍMICA ERROS E ALGARISMOS SIGNIFICATIVOS 2 O que são e Por que se usam algarismos significativos? O valor 1,00 não é igual a 1? Do ponto de vista matemático, sim. Mas sempre que se façam medições
Leia maisAlgarismos Significativos
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE QUÍMICA DEPARTAMENTO DE QUÍMICA INORGÂNICA QUÍMICA FUNDAMENTAL A - QUI-01-009 Algarismos Significativos ALGARISMOS SIGNIFICATIVOS Os algarismos significativos
Leia maisObjetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais.
7aula Janeiro de 2012 CONSTRUÇÃO DE GRÁFICOS I: Papel Milimetrado Objetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais. 7.1
Leia maisMedições e suas incertezas
Medições e suas incertezas Ação no âmbito do PEC 115 UTAD, 6 de setembro de 2013 Joaquim Anacleto Programa da ação Apresentação dos conceitos(1 h) Pausa para café (15 min) Medições e discussão (1 h) Massa
Leia maisCálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s
Representação numérica Cálculo numérico Professor Walter Cunha Um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam
Leia maisActivALEA. active e actualize a sua literacia
ActivALEA active e actualize a sua literacia N.º 25 HIISTOGRAMA Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL memartins@fc.ul.pt Emília Oliveira Escola
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos Teoria de Erros
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 O que é a Análise Numérica? Ramo da Matemática dedicado ao estudo e desenvolvimento de métodos (métodos
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisCapítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias
Capítulo 2 - Problemas de Valores Fronteira para Equações Diferenciais Ordinárias Departamento de Matemática balsa@ipb.pt Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia 1 o
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisOUTLIERS Conceitos básicos
Outliers: O que são? As observações que apresentam um grande afastamento das restantes ou são inconsistentes com elas são habitualmente designadas por outliers. Estas observações são também designadas
Leia maisRepresentação de Dados
Representação de Dados Introdução Todos sabemos que existem diferentes tipos de números: fraccionários, inteiros positivos e negativos, etc. Torna-se necessária a representação destes dados em sistema
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia maisMedidas e Grandezas em Física
CMJF - Colégio Militar de Juiz de Fora - Laboratório de Física Medidas e Grandezas em Física MEDIDAS EM FÍSICA Uma das maneiras de se estudar um fenômeno é estabelecer relações matemáticas entre as grandezas
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia mais1. Tipos de variáveis e organização dos dados
1. Tipos de variáveis e organização dos dados 2012 1.1 ARREDONDAMENTO Algarismo significativo é qualquer algarismo sobre o qual temos certeza na sua determinação. Em inglês: significant digit ou significant
Leia maisEstabilidade. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Estabilidade Carlos Alexandre Mello 1 Introdução Já vimos que existem três requisitos fundamentais para projetar um sistema de controle: Resposta Transiente Estabilidade Erros de Estado Estacionário Estabilidade
Leia maisATIVIDADES EXTRA CLASSE
ATIVIDADES EXTRA CLASSE UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA- UESB 1) Em que consiste o processamento de Sinais? 2) Em processamento digital de sinas, o que significa codificação da informação? 3)
Leia maisAula 5 - Matemática (Gestão e Marketing)
ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado
Leia maisNuma turma de 26 alunos, o número de raparigas excede em 4 o número de rapazes. Quantos rapazes há nesta turma?
GUIÃO REVISÕES Equações e Inequações Equações Numa turma de 6 alunos, o número de raparigas ecede em 4 o número de rapazes. Quantos rapazes há nesta turma? O objectivo do problema é determinar o número
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO 4.1. Energia cinética das precipitações Na Figura 9 estão apresentadas as curvas de caracterização da energia cinética aplicada pelo simulador de chuvas e calculada para a chuva
Leia maisAfinal o que são e como se calculam os quartis? Universidade do Algarve Departamento de Matemática
Afinal o que são e como se calculam os quartis? Susana Fernandes Mónica Pinto Universidade do Algarve Departamento de Matemática Introdução Imaginemos que queremos calcular os quartis de um conjunto de
Leia maisUso da webcam para análise de movimentos
Apêndice E Uso da webcam para análise de movimentos Várias experiências de física básica requerem o registro temporal de algum movimento. Dependendo do tipo de sistema e de que informações são necessárias,
Leia maisDESENVOLVENDO HABILIDADES CIÊNCIAS DA NATUREZA I - EM
Olá Caro Aluno, Você já reparou que, no dia a dia quantificamos, comparamos e analisamos quase tudo o que está a nossa volta? Vamos ampliar nossos conhecimentos sobre algumas dessas situações. O objetivo
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisAnálise de Regressão Linear Simples e Múltipla
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla
Leia maisREVISÃO E AVALIAÇÃO DA MATEMÁTICA
2 Aula 45 REVISÃO E AVALIAÇÃO DA 3 Vídeo Arredondamento de números. 4 Arredondamento de números Muitas situações cotidianas envolvendo valores destinados à contagem, podem ser facilitadas utilizando o
Leia maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
Leia maisTópicos de Física Moderna ano 2005/2006
Trabalho Prático Nº 3 ESTUDO DA DIFRAÇÃO Tópicos de Física Moderna ano 005/006 Objectivos: Familiarização com os fenómenos de interferência e difracção da luz, com utilização de uma rede de difracção para
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisIntrodução à Análise Química QUI 094 ERRO E TRATAMENTO DE DADOS ANALÍTICOS
Introdução a Analise Química - II sem/2012 Profa Ma Auxiliadora - 1 Introdução à Análise Química QUI 094 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Introdução
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisCÁLCULO DE INCERTEZA EM ENSAIO DE TRAÇÃO COM OS MÉTODOS DE GUM CLÁSSICO E DE MONTE CARLO
ENQUALAB-28 Congresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 9 a 2 de junho de 28, São Paulo, Brasil CÁLCULO DE INCERTEZA EM ENSAIO DE TRAÇÃO COM OS MÉTODOS DE GUM
Leia maisProva de Aferição de Matemática
PROVA DE AFERIÇÃO DO ENSINO BÁSICO A PREENCHER PELO ALUNO Nome A PREENCHER PELO AGRUPAMENTO Número convencional do Aluno Número convencional do Aluno A PREENCHER PELA U.A. Número convencional do Agrupamento
Leia maisSERÁ NECESSÁRIA UMA FORÇA PARA
Ano Lectivo 2010/2011 Professora Fátima Pires FÍSICO-QUÍMICA SERÁ NECESSÁRIA UMA FORÇA PARA QUE UM CORPO SE MOVA? Avaliação: Professora: Observações: 11ºB «Será necessária uma força para que um corpo se
Leia mais1.5 O oscilador harmónico unidimensional
1.5 O oscilador harmónico unidimensional A energia potencial do oscilador harmónico é da forma U = 2 2, (1.29) onde é a constante de elasticidade e a deformação da mola. Substituindo (1.29) em (1.24) obtemos
Leia maisAlguns apontamentos da história da Análise Numérica
Análise Numérica 1 Âmbito da Análise Numérica Determinar boas soluções aproximadas num tempo computacional razoável? Slide 1 Porquê? Porque em muitos problemas matemáticos e respectivas aplicações práticas
Leia maisEXAME NACIONAL DO ENSINO SECUNDÁRIO VERSÃO 1
EXAME NACIONAL DO ENSINO SECUNDÁRIO 12.º Ano de Escolaridade (Decreto-Lei n.º 286/89, de 29 de Agosto Programas novos e Decreto-Lei n.º 74/2004, de 26 de Março) PROVA 635/11 Págs. Duração da prova: 150
Leia maisAula 1: Medidas Físicas
Aula 1: Medidas Físicas 1 Introdução A Física é uma ciência cujo objeto de estudo é a Natureza. Assim, ocupa-se das ações fundamentais entre os constituíntes elementares da matéria, ou seja, entre os átomos
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisLEI DE OHM. Professor João Luiz Cesarino Ferreira. Conceitos fundamentais
LEI DE OHM Conceitos fundamentais Ao adquirir energia cinética suficiente, um elétron se transforma em um elétron livre e se desloca até colidir com um átomo. Com a colisão, ele perde parte ou toda energia
Leia maisPropagação de distribuições pelo método de Monte Carlo
Sumário Propagação de distribuições pelo método de Monte Carlo João Alves e Sousa Avaliação de incertezas pelo GUM Propagação de distribuições O método de Monte Carlo Aplicação a modelos de medição por
Leia maisx 1 f(x) f(a) f (a) = lim x a
Capítulo 27 Regras de L Hôpital 27. Formas indeterminadas Suponha que desejamos traçar o gráfico da função F () = 2. Embora F não esteja definida em =, para traçar o seu gráfico precisamos conhecer o comportamento
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia mais13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau
MATEMATICA 13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau ORIENTAÇÃO PARA O PROFESSOR OBJETIVO O objetivo desta atividade é trabalhar com as propriedades de igualdade, raízes
Leia maisINSTRUMENTAÇÃO E CONTROLE DE PROCESSOS MEDIÇÃO DE TEMPERATURA TERMÔMETROS DE RESISTÊNCIA
INSTRUMENTAÇÃO E CONTROLE DE PROCESSOS MEDIÇÃO DE TEMPERATURA TERMÔMETROS DE RESISTÊNCIA Introdução O uso de termômetros de resistência esta se difundindo rapidamente devido a sua precisão e simplicidade
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisSimulado OBM Nível 2
Simulado OBM Nível 2 Gabarito Comentado Questão 1. Quantos são os números inteiros x que satisfazem à inequação? a) 13 b) 26 c) 38 d) 39 e) 40 Entre 9 e 49 temos 39 números inteiros. Questão 2. Hoje é
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisMedição de temperatura Comparação de termómetros Calibração
Temperatura Fundamentos teóricos A temperatura é uma grandeza que caracteriza os sistemas termodinâmicos em equilíbrio térmico. Por definição, dois sistemas em equilíbrio térmico estão à mesma temperatura.
Leia maisIntrodução. Existem situações nas quais há interesse em estudar o comportamento conjunto de uma ou mais variáveis;
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Eistem situações nas quais há interesse em estudar o comportamento conjunto
Leia maiscomputador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisProgramas Referenciais do 1º ciclo do Ensino Recorrente. Programa Referencial de MATEMÁTICA INTRODUÇÃO
Programa Referencial de MATEMÁTICA INTRODUÇÃO 1. Finalidades A Matemática intervém, em quase todas as actividades humanas do quotidiano, quer como instrumento para resolução de situações problemáticas,
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisDeterminação da Relação Entre a Pressão de Vapor e a Temperatura
Determinação da Relação Entre a Pressão de Vapor e a Temperatura Flávio Faccin, Pablo Ricardo Barrera, Paulo Cezar dos Santos QUI03319 - Físico-Química Experimental I - Grupo 62 UFRGS - Universidade Federal
Leia maisProporcionalidade Directa e Inversa
Proporcionalidade Directa e Inversa Ensino da Matemática I Mestrado no Ensino da Matemática do 3º Ciclo do Ensino Básico e do Secundário Faculdade de Ciências e Tecnologia da Universidade de Coimbra Helena
Leia maisComo aparecem os erros? Quais os seus efeitos? Como controlar esses efeitos?
&DStWXOR±5HSUHVHQWDomRGH1~PHURVH(UURV,QWURGXomR Como aparecem os erros? Quais os seus efeitos? Como controlar esses efeitos? 7LSRVGH(UURV Erros inerentes à matematização do fenómeno físico: os sistemas
Leia maisMúltiplos Estágios processo com três estágios Inquérito de Satisfação Fase II
O seguinte exercício contempla um processo com três estágios. Baseia-se no Inquérito de Satisfação Fase II, sendo, por isso, essencial compreender primeiro o problema antes de começar o tutorial. 1 1.
Leia maisMedir a aceleração da gravidade... com um telemóvel! Fisiquipédia 9
Medir a aceleração da gravidade... com um telemóvel! Acelerómetros Uma das medidas de segurança de computadores e smarthphones modernos é a incorporação de um acelerómetro nestes aparelhos. Como o nome
Leia maisIntrodução ao Estudo da Corrente Eléctrica
Introdução ao Estudo da Corrente Eléctrica Num metal os electrões de condução estão dissociados dos seus átomos de origem passando a ser partilhados por todos os iões positivos do sólido, e constituem
Leia maisErros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto
Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados
Leia maisN1Q1 Solução. a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas.
1 N1Q1 Solução a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas. b) Há várias formas de se cobrir o tabuleiro com peças dos tipos A e B, com pelo
Leia maisRegressão logística na identificação de factores de risco em acidentes automóveis e fraude de seguros.
Regressão logística na identificação de factores de risco em acidentes automóveis e fraude de seguros. José Luís Mourão Faculdade de Ciências Universidade do Porto 28 de Janeiro de 2013 José Luís Mourão
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisMedição de Tensões e Correntes Eléctricas Leis de Ohm e de Kirchoff (Rev. 03/2008) 1. Objectivo:
LEO - MEBiom Medição de Tensões e Correntes Eléctricas Leis de Ohm e de Kirchoff (Rev. 03/2008) 1. Objectivo: Aprender a medir tensões e correntes eléctricas com um osciloscópio e um multímetro digital
Leia maisTrabalho 7 Fila de prioridade usando heap para simulação de atendimento
Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura
Leia maisO Princípio da Complementaridade e o papel do observador na Mecânica Quântica
O Princípio da Complementaridade e o papel do observador na Mecânica Quântica A U L A 3 Metas da aula Descrever a experiência de interferência por uma fenda dupla com elétrons, na qual a trajetória destes
Leia maisPesquisa de opinião pública. sobre. Energia elétrica. Brasil
2ª Pesquisa de opinião pública sobre Energia Elétrica Brasil Julho de 2015 Pesquisa de opinião pública sobre Energia elétrica Brasil Junho de 2014 IBOPE Metodologia Pesquisa quantitativa com aplicação
Leia maisImagiologia de raios X planar
Universidade Técnica de Lisboa Instituto Superior Técnico Mestrado em Engenharia Biomédica Imagiologia de raios X planar Técnicas de Imagiologia Nuno Santos n.º 55746, dodgeps@hotmail.com Rúben Pereira
Leia mais3 Método de Monte Carlo
25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional
Leia maisMatemática Financeira RECORDANDO CONCEITOS
1 Matemática Financeira RECORDANDO CONCEITOS Propriedades da matemática Prioridades: É importante relembrar e entender alguns conceitos da matemática, que serão muito úteis quando trabalharmos com taxas.
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 05 Taxas de variação e função lineares III Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia mais