Professional Documents
Culture Documents
3, Setembro, 1999
reu por iniciativa do BIPM [11] e, posteriormente, con- palavra \precis~ao" ( precision ) e universalmente aceita
tou com a participaca~o das outras entidades, inclusive com este signicado. Por isso, embora exista con-
a IUPAP. troversia entre os termos \acuracia" e \exatid~ao", e
Neste artigo, procurou-se resumir as denic~oes e re- inadmissvel traduzir \accuracy" como \precis~ao" ou
gras gerais relativas a incertezas, conforme os princpios usar esta palavra para indicar a qualidade da incerteza
estabelecidos no GUM. Alem de divulgar a termino- nal de um resultado, o que infelizmente tem ocorrido
logia correspondente ( em ingl^es ) proposta no GUM, com frequ^encia em manuais tecnicos e ate mesmo em
procurou-se discutir a traduc~ao de alguns termos con- textos cientcos.
trovertidos e tambem de outros, geralmente utiliza-
dos de maneira confusa. Parece importante conhecer Mensurando( measurand)
esta nomenclatura e regras basicas, incorporando-as em
disciplinas experimentais de cursos de graduac~ao em Mensurando e denido no VIM como \a grandeza es-
ci^encias exatas. pecca submetida a medic~ao". Entretanto, a denica~o
do mensurando numa medica~o especca e uma quest~ao
um pouco delicada. Ocorre que, em geral, o nvel de de-
II Discuss~ao de alguns termos talhamento da denic~ao depende da acuracia permitida
pelo proprio processo de medic~ao.
Alguns termos importantes, sobre os quais existe al- Por exemplo, \ndice de refraca~o do ar" pode ser um
guma confus~ao, s~ao discutidos nesta Sec~ao. Um voca- mensurando bem denido para uma experi^encia sim-
bulario relativo a incertezas, identicando as express~oes ples. Numa medic~ao mais elaborada devem ser espe-
que aparecem no VIM, no GUM ou n~ao aparecem num cicados comprimento de onda, temperatura e press~ao
ou noutro, e apresentado em [12]. atmosferica na denic~ao do mensurando. Melhorando
mais ainda a acuracia, deve-se especicar tambem a
Medic~ao ( Measurement) composic~ao da amostra de ar ( inclusive impurezas ) e
assim por diante.
A palavra \medica~o" e a recomendada na vers~ao bra- No formalismo para avaliac~ao de incerteza, o valor
sileira do VIM, aqui chamada de VIM-BR [10]. Esta ( verdadeiro ) do mensurando e uma quantidade des-
e a palavra correta para se referir ao \ato de medir", conhecida e desconhecvel ( que n~ao pode ser conhe-
conforme dicionario. cida ). Deve ser observado que a palavra \verdadeiro"
A palavra \medida" e extensivamente usada com e redundante na express~ao \valor verdadeiro do mensu-
o sentido de \medic~ao". Entretanto, isto deveria ser rando" e pode-se usar apenas \valor do mensurando",
evitado porque n~ao e muito correto e tambem porque como recomendado no GUM. Entretanto, em certas cir-
\medida" tem varios outros signicados, tais como em cunst^ancias, especialmente para ns didaticos, pode ser
\o desvio padr~ao e uma medida ( measure ) de disper- util ou importante enfatizar que se trata do valor ver-
s~ao" ou \a altura ja foi medida " ou ainda \a ultima dadeiro.
medida ( resultado ) e a melhor".
Erro ( error)
Acuracia ou exatid~ao ( accuracy ) O erro e a diferenca entre o resultado y da medic~ao
A acuracia ( ou exatid~ao ) indica a qualidade do resul- e o valor do mensurando yv :
tado da medic~ao no que se refere a incerteza nal. A = y , yv : (1)
traduc~ao recomendada no VIM-BR e \exatid~ao". En-
tretanto, os adjetivos correspondentes ( exato, exata ) Uma vez que o valor do mensurando e uma quanti-
s~ao muito fortes e t^em um signicado bem denido, que dade desconhecida e desconhecvel, resulta que o erro
e o indicado no dicionario e correspondente a palavra de medic~ao tambem e uma quantidade desconhecida e
inglesa \exact". Alem disso, a palavra acuracia ja tem desconhecvel, no formalismo para avaliac~ao de incerte-
sido usada em outros textos [ 12,13]. Outra vantagem zas.
de \acuracia" e a similaridade com \accuracy". Por es- Em circunst^ancias excepcionais, o mensurando e
tes motivos, a traduc~ao recomendada no VIM-BR deve- conhecido com acuracia muito melhor que a permi-
ria ser revisada, pelo menos deixando \acuracia" como tida pela medic~ao. Por exemplo, isto pode ocorrer na
alternativa. aferic~ao de um equipamento e tambem e comum em
experi^encias didaticas. Em tais casos, o erro pode ser
Precis~ao ( precision) conhecido e isto gera certa confus~ao. Por exemplo, um
estudante realiza a experi^encia de Millikan e a incer-
A precis~ao e uma indicac~ao parcial da qualidade da teza na carga do eletron deve ser avaliada, como parte
medic~ao, que se refere apenas a
utuac~oes aleatorias. do resultado nal. Neste caso particular, podera ser
Alem de boa precis~ao, e necessario que os efeitos sis- calculado tambem o \erro de medic~ao", porque a carga
tematicos sejam pequenos para se ter boa acuracia. A do eletron e conhecida com acuracia muitssimo melhor
352 Revista Brasileira de Ensino de Fsica, vol. 21, no. 3, Setembro, 1999
6P (%) @@retangular
100 @ q
q
q
r
r r r r r r r
gaussiana
r
q r r r r
r r
q r r
@
r r
qr r
80
rq r
r
r
r q r
q
r q r
q r
r q r
@@
q
60
r q r
q
r q r
q
r q r
q
r
limite de
r q
40 r q
q
q
r
r
Bienayme-Chebyshev
q r
r q r
q r
q
20
r q r
q r
r
r q
q r
q
-
rq r
q
0
r
q
qr r
0 1 2 3 k
que a permitida por uma experi^encia didatica simples. Incerteza combinada e a que resulta da combinac~ao
Entretanto, em nenhuma parte do formalismo para ava- de incertezas tipo A e tipo B, para se obter a incer-
liac~ao de incerteza, pode ser considerado que o mensu- teza nal. Incerteza padr~ao combinada e a incerteza
rando ou o erro sejam conhecidos. combinada dada na forma de desvio padr~ao.
Incerteza ( uncertainty) Intervalo de conanca (interval of condence)
Incerteza e um conceito qualitativo denido no VIM A conanca P de uma armativa e a probabilidade
como \par^ametro associado ao resultado de uma de que esta armativa seja correta. Se Z e o va-
medic~ao que caracteriza a dispers~ao de valores que pode lor verdadeiro de uma quantidade determinada por
ser fundamentadamente atribudos ao mensurando". A metodos estatsticos, pode-se considerar a armativa
incerteza, como conceito quantitativo, deve ser devida- \z1 Z z200 com probabilidade P de ser correta. O
mente qualicada com adjetivo conveniente. intervalo [z1 ; z2] e um intervalo de conanca P para a
Como pode ser visto, \erro" e \incerteza" s~ao con- quantidade Z e P e o nvel de conanca .
ceitos bastante diferentes, que devem ser escrupulosa- No caso mais simples, z e a media de n medic~oes de
mente distinguidos, especialmente para ns didaticos. Z , sendo s o desvio padr~ao experimental na media. A
A incerteza padr~ao ( standard uncertainty ) e a in- precis~ao na determinaca~o de Z pode ser avaliada pelo
certeza dada na forma de desvio padr~ao. intervalo de conanca :
A incerteza tipo A e a incerteza avaliada a partir da
analise de uma serie de observac~oes, realizada conforme z , ks Z z + ks ( com conanca P ): (2)
os metodos da estatstica classica.
A incerteza tipo B e a incerteza avaliada por quais- A Figura 1 mostra P(%) em func~ao de k para
quer outros metodos, que n~ao os metodos estatsticos algumas distribuic~oes de probabilidade, no limite de
classicos. Em geral, para estimar a incerteza tipo B, os grandes valores de n ( numero de graus de liberdade
metodos empregados correspondem a estatstica baye- muito grande ). No caso em que o numero de graus
siana [ 2,14, 15]. de liberdade e pequeno, o nvel de conanca e menor.
Incerteza padr~ao tipo A e incerteza padr~ao tipo B Por exemplo, no caso da distribuic~ao gaussiana, o nvel
s~ao as incertezas tipo A e tipo B dadas na forma de de conanca P (k) para cada pode ser obtido a partir
desvio padr~ao, respectivamente. da distribuica~o-t de Student [ 4,13,14,por exemplo].
Jose Henrique Vuolo 353
A express~ao \condence interval" e utilizada no As express~oes \erro aleatorio" ( randon error ) e
GUM para se referir ao conceito desta express~ao, tal \erro estatstico" ( statistical error ) s~ao utilizadas com
como denido na estatstica classica. Para se referir a o mesmo signicado em muitos textos [ 12,13, 14, por
um \intervalo de conanca" para um mensurando de- exemplo]. Entretanto, a express~ao \erro aleatorio" pa-
terminado a partir de uma medic~ao, envolvendo inclu- rece mais correta. A express~ao \erro estatstico" e mais
sive incertezas tipo B, a express~ao utilizada no GUM e adequada para caracterizar o erro de \amostragem",
\interval of condence". Uma distinc~ao deste tipo e im- quando a propria grandeza sob medic~ao e aleatoria.
possvel em portugu^es. Por isso, a express~ao utilizada Por exemplo, na medic~ao de radioatividade, o sistema
aqui e \intervalo de conanca" simplesmente, nos dois de detecc~ao pode ser capaz de contar exatamente o
casos. As mesmas considerac~oes se aplicam a express~ao numero de partculas que atinge o detector. Entretanto,
\nvel de conanca". Uma sugest~ao de traduc~ao e \in- existe \erro estatstico" devido a
utuac~ao intrnseca no
tervalo de credibilidade". Na Refer^encia [15], a ex- numero de partculas que atingem o detector, num de-
press~ao \credibility interval" e utilizada para se referir terminado intervalo de tempo.
ao correspondente bayesiano do \intervalo de conanca
classico".
III Avaliac~ao da incerteza
Incerteza expandida ( expanded uncertainty) tipo A
Incerteza expandida ( expanded uncertainty ) e a incer- A incerteza padr~ao tipo A ( uA ) pode ser identicada
teza padr~ao multiplicada por um fator de abrang^encia com o desvio padr~ao experimental que e uma estima-
k ( coverage factor ), de forma a denir um intervalo tiva n~ao-tendenciosa ( unbiased ) para o desvio padr~ao
de conanca maior que o correspondente a incerteza [14, por exemplo].
padr~ao. No caso mais simples, a medic~ao e repetida n ve-
zes exatamente nas mesmas condico~es obtendo-se os re-
Repetitividade e reprodutibilidade sultados y1 , y2 ,: : : , yn . A melhor estimativa para o
Repetitividade e reprodutibilidade ( repeatability and valor do mensurando e a media y e a estimativa n~ao-
reproducibility ) s~ao termos distinguidos no VIM. Re- tendenciosa para a incerteza tipo A e
petitividade se refere ao grau de concord^ancia entre re- n
uA = pun ; onde u2 = n ,1 1 (yi , y)2 :
X
sultados de medic~oes repetidas exatamente nas mesmas
condic~oes. Reprodutibilidade se refere a medic~ao do i=1
mesmo mensurando em condic~oes modicadas ou dife- (3)
rentes. Neste caso, o numero de graus de liberdade e =
(n , 1) .
Efeitos sistematicos e aleatorios Casos mais complicados, tais como grandezas deter-
minadas a partir de ajuste de func~oes, s~ao usualmente
Express~oes tais como \erro aleatorio", \erro sis- discutidos em livros de tratamento estatstico de da-
tematico", \incerteza aleatoria" e \incerteza sis- dos experimentais [12 a 15, por exemplo]. Alem da
tematica" s~ao tradicionalmente usadas em fsica. En- incerteza padr~ao tipo A em cada grandeza, devem ser
tretanto, esta nomenclatura n~ao e usada no GUM que, indicadas tambem as covari^ancias e o correspondente
alem disso, recomenda que n~ao seja utilizada. A justi- numero de graus de liberdade.
cativa para isto e o carater relativo do que seja efeito
sistematico ou efeito aleatorio. Um exemplo simples
e o erro de ajuste de \zero" de um instrumento, que IV Avaliac~ao da incerteza
pode ser sistematico para uma serie de medic~oes. En-
tretanto, se o \zero" e ajustado para cada medic~ao, o
tipo B
erro se torna aleatorio. A incerteza padr~ao tipo B tambem deve ser dada na
Numa medic~ao especca, erros sistematicos e erros forma de desvio padr~ao. Entretanto, n~ao existe a
aleatorios, bem como as respectivas incertezas, cam estatstica convencional para fazer isto, simplesmente
bem caracterizados. Por isso, parece prefervel manter porque n~ao existem varias observaco~es. No que segue,
esta nomenclatura tradicional, para ns didaticos. En- s~ao transcritos em italico, alguns trechos do GUM.
tretanto, deve sempre car claro o carater relativo da Se uma quantidade de entrada X n~ao e determi-
distinc~ao entre \erro aleatorio" e \erro sistematico". nada por meio de observac~oes repetidas, a incerteza
Independente destas quest~oes, uma correca~o num tipo B e avaliada pelo julgamento cientco baseado
determinado resultado nunca deveria ser identicada em toda informac~ao disponvel sobre a variabilidade
como \erro sistematico", como muitas vezes ocorre. Em da quantidade de entrada. O conjunto ( pool ) de in-
geral, uma \correc~ao" acaba resultando em \erro sis- formaco~es pode incluir dados de experi^encias previas,
tematico" porque a correc~ao nunca e perfeita. experi^encia ou conhecimento geral do comportamento e
354 Revista Brasileira de Ensino de Fsica, vol. 21, no. 3, Setembro, 1999
propriedades dos materiais e instrumentos relevantes, informac~ao sobre X , exceto que esta quantidade esta
especicaco~es de fabricantes, dados fornecidos em cer- entre a, e a+ . Qualquer informac~ao adicional implica
ticados de calibrac~ao e outros certicados e incertezas na necessidade de modicar o modelo. Se, por exem-
atribudas a dados de refer^encia obtidos em manuais plo, qualquer informaca~o adicional indicar que e mais
( handbooks ). provavel que X esteja no centro do intervalo, pode-se
Um dos problemas e que a avaliac~ao da incerteza adotar um distribuic~ao \trapezoidal" ( tri^angulo sobre
tipo B e bastante subjetiva pois re
ete, em grande o ret^angulo ) ou uma distribuic~ao triangular. Estas dis-
parte, o grau de conhecimento do avaliador sobre o tribuic~oes e exemplos s~ao discutidos no GUM [4,6].
mensurando e a medic~ao. No que segue, e transcrito
um trecho do GUM [4 ] que, embora n~ao seja referente b. Distribuic~ao de Laplace-Gauss
especicamente a incerteza tipo B, parece se aplicar
particularmente bem a este tipo de avaliaca~o. A distribuica~o de Laplace-Gauss, tambem chamada de
\3.4.8. Although this guide provides a framework for gaussiana ou normal, e bastante usada para represen-
assessing uncertainty, it cannot substitute for criti- tar a dispers~ao de valores possveis de uma quantidade.
cal thinking, intellectual honesty and professional skill. Uma justicativa para isto e o Teorema Central do Li-
The evaluation of uncertainty is neither a routine task mite, que em sua vers~ao mais geral tambem e denomi-
nor a purely mathematical one; it depends on detailed nado Teorema de Lindeberg-Feller, [16, por exemplo ].
knowledge of the nature of the measurand and of the Numa linguagem bastante simplicada e adaptada
measurement. The quality and the utility of the uncer- para o problema em quest~ao, o Teorema Central do
tainty quoted for the result of a measurement therefore Limite estabelece que se um erro e a soma de um
ultimately depend on the understanding, critical analy- numero muito grande de pequenos erros que t^em dis-
sis, and integrity of those who contribute to the assign- tribuic~oes aleatorias quaisquer com vari^ancias nitas,
ment of its value." ent~ao a distribuica~o resultante para e uma distri-
buic~ao gaussiana. Alem disso, a vari^ancia da distri-
O procedimento para determinac~ao da incerteza buic~ao resultante e a soma das vari^ancias das distri-
tipo B consiste em admitir, para os valores possveis buic~oes envolvidas na convoluc~ao. Uma discuss~ao mais
de X , uma distribuic~ao de probabilidades que esteja detalhada e apresentada em [16].
de acordo com todo conhecimento e informaca~o dis- Na pratica, a convoluca~o de poucas distribuic~oes
ponveis sobre a \variabilidade" desta quantidade. O de erros comparaveis converge muito rapidamente para
termo \variabilidade" se refere a valores possveis de uma distribuica~o gaussiana. Por exemplo, a com-
X , que tem valor unico. O procedimento estabelecido binac~ao de 3 erros comparaveis, seguindo distribuic~oes
no GUM para avaliaca~o de incerteza tipo B corresponde retangulares, resulta numa distribuic~ao muito proxima
ao princpio inicial da estatstica bayesiana, que consiste da gaussiana [ 12,17, por exemplo].
em admitir uma distribuic~ao de probabilidades a priori Como pode ser visto do Teorema Central do Limite,
para a variavel aleatoria. Discuss~oes mais detalhadas a distribuic~ao normal deve descrever bem a \variabili-
s~ao apresentadas em [2],[14] e [15], por exemplo. A dade" dos valores possveis de X , quando car claro
seguir, s~ao discutidos alguns exemplos. que esta resulta de varias contribuic~oes comparaveis e
os limites a, e a+ n~ao sejam totalmente conaveis. A
a. Distribuic~ao retangular melhor estimativa de X e dada pela Eq. (4). Entre-
Como exemplo, uma quantidade de entrada X esta tanto, sempre existe a diculdade de atribuir um nvel
num intervalo entre a, e a+ , sendo que isto e tudo de conanca P ao intervalo [ a, ; a+ ].
o que se sabe sobre a \variabilidade" de X . A unica Uma vez que o valor de P seja estabelecido con-
alternativa aceitavel e admitir que X pode estar em forme a informaca~o disponvel, a incerteza padr~ao u
qualquer ponto do intervalo com igual probabilidade. pode ser estimada:
Isto e, pode-se admitir, para os valores possveis de X ,
uma distribuic~ao retangular de probabilidades de lar- u = a+ 2,k a, = ka ; (6)
gura 2a . Assim, resulta que a melhor estimativa para
X e onde k e obtido da func~ao de distribuic~ao gaussiana
x = a+ +2 a, (4) F(ku) : 100 F(ku = a) = P(%) . Deve ser obser-
vado que F(ku) e a integral da func~ao de densidade
e a incerteza padr~ao e o desvio padr~ao da distribuica~o de probabilidade entre os limites (x , ku) e (x + ku) .
retangular : Valores de P e k s~ao dados na Fig. 1.
u = pa ; onde a = a+ ,2 a, : (5) c. Distribuic~ao qualquer
3
Este modelo para a distribuic~ao de probabilidades Uma relac~ao que pode ser util na avaliac~ao de incer-
se aplica quando n~ao existe absolutamente nenhuma teza tipo B e a inequac~ao de Bienayme-Chebyshev [18].
Jose Henrique Vuolo 355
Para uma func~ao de densidade de probabilidade qual- por exemplo]. Na aus^encia de correlaca~o entre as quan-
quer com media x e vari^ancia nita u2 , a probabili- tidades de entrada, a incerteza combinada e dada por
dade de ocorrer j X , x j ku e N
X
u2c (y) = u2 (y) ;
i (9)
P ( 1 , k12 ) ( j X , x j ku ) : (7) i=1
onde
Assim, para um dado valor de k , a inequac~ao de
@f
Bienayme-Chebyshev garante um nvel de conanca ui(y) = j ci j ui(xi ) ; sendo ci = @X :
mnimo, qualquer que seja a distribuic~ao de probabi- i x1 ;x2 ;:::;xN
lidades. ( Fig. 1 ). (10)
Inversamente, dado um nvel de conanca P , a ine- O coecientes ci s~ao chamados coecientes de sen-
quac~ao indica o valor maximo para k ( Fig. 1). Isto sibilidade para a variavel Xi :
pode auxiliar na escolha de k para estimar a incerteza Se existe correlac~ao entre as quantidades de entrada,
tipo B ( u = a=k ). deve-se usar a formula de propagac~ao de incertezas
completa, incluindo covari^ancias [ 4,12,13, por exem-
plo].
Exemplo simples A formula de propagac~ao de incertezas pode ser
usada para incerteza padr~ao ou para incerteza expan-
Como exemplo simples, pode-se considerar um instru- dida. Se as incertezas padr~oes s~ao multiplicadas pelo
mento para o qual o fabricante estabelece um \limite mesmo fator de abrang^encia k , resulta a incerteza
de erro" a para o valor indicado. Deve ser escolhida padr~ao combinada multiplicada pelo mesmo fator de
uma distribuic~ao para os valores possveis da quanti- abrang^encia. Isto e, obtem-se a incerteza combinada
dade, a partir de dados fornecidos pelo fabricante e a expandida.
partir de toda informac~ao e conhecimento a respeito do
instrumento e da calibrac~ao do mesmo. Exemplo simples
Para instrumentos analogicos, existia uma regra an-
tiga, segundo a qual \erro" ( de calibrac~ao) nunca de- Um exemplo simples e comum e a medic~ao com um ins-
veria ser maior que a menor divis~ao. Assim, o \limite trumento na qual, em primeira aproximac~ao, podem ser
de erro" a e igual a menor divis~ao. Admitindo dis- considerados apenas erros aleatorios de medic~ao e o erro
tribuic~ao gaussiana e 95% de conanca para o limite de calibrac~ao do instrumento. Isto e, o mensurando Y
de erro ( k = 2 ), obtem-se a famosa regra da \metade e dado por
da menor divis~ao (u = a=2 ). Se fosse admitida uma Y = X+C (11)
distribuic~ao retangular, o resultado n~ao seria muito di- onde X e a quantidade de entrada, obtida diretamente
ferente ( u = a=1; 73 ). na medic~ao e C e uma correc~ao desconhecida, devida
Entretanto, deve ser observado que esta regra, atu- a erro de calibrac~ao. As quantidades X e C s~ao esti-
almente n~ao e mais valida, em geral. Por exemplo, para madas como x e c, respectivamente, e y = (x + c) . A
uma regua metalica de boa qualidade, o limite de erro incerteza padr~ao combinada e obtida a partir de (11) e
e seguramente menor que a menor divis~ao. Por ou- (9) : p
tro lado, existem paqumetros ( de boa qualidade) com u = u2x + u2c : (12)
n^onio de 50 divis~oes, para os quais o limite de erro de Por hipotese, x e obtido a partir de n medico~es e so
calibrac~ao e maior que a menor divis~ao ( 20 m ). Alem tem erros aleatorios. Assim, a incerteza em x e de tipo
disso, instrumentos digitais, t^em erro de calibrac~ao bem A e obtida pela Eq. (3) ( ux = uA ). Por hipotese,
maior que a menor leitura, em geral. a incerteza em c e apenas devida a erro de calibrac~ao
e e de tipo B ( uc = uB ). Assim, resulta a incerteza
V Incerteza combinada padr~ao combinada para y :
q
u = u2A + u2B : (13)
Em geral, o mensurando Y e admitido como sendo
dado por Em geral, quando n~ao se tem nenhuma estimativa
Y = f ( X1 ; X2 ; : : : XN ) ; (8) para a correca~o de calibrac~ao do instrumento, c = 0 e
y = x . A incerteza uB = uc deve ser estimada, usando
onde Xi s~ao valores verdadeiros das quantidades de en- todo conhecimento e informaca~o disponvel sobre o ins-
trada. Se esses valores s~ao estimados por valores xi , trumento. Deve-se avaliar o limite de erro de calibrac~ao
obtem-se y = f (x1 ; x2; : : :; xN ) como estimativa para ( a ), respectivo nvel de conanca e adotar uma distri-
o mensurando. buic~ao para valores possveis do mensurando C. Por
A combinaca~o de incertezas deve ser feita pela exemplo, se a distribuic~ao e retangular e o nvel de con-
p
formula usual de propagac~ao de incertezas [ 4,12,13, anca para o intervalo 2a e 100%, resulta uB = a= 3 .
356 Revista Brasileira de Ensino de Fsica, vol. 21, no. 3, Setembro, 1999
Em certos casos, a correc~ao C e desconhecida, mas graus de liberdade estatstico n~ao e muito grande. Esta
c pode ser diferente de zero e deve ser estimada. Um observac~ao e importante porque metodos estatsticos
exemplo e o chamado \erro cosseno". Por exemplo, isto convencionais ( classicos ) s~ao inquestionados e aceitos
ocorre se como de alta qualidade, enquanto que procedimentos
C = ( 1 , cos ) (14) tais como os indicados na Seca~o IV para determinar a
e = 0, mas tem um erro de calibrac~ao. Mesmo que incerteza de tipo B s~ao criticados.
a distribuic~ao de valores possveis de seja centrada
em zero, os valores possveis de C n~ao se distribuem em
torno de zero e o valor medio correspondente e positivo.
Erros do tipo \cosseno" s~ao discutidos em [4] e [17], por
exemplo.
VII Incerteza expandida
VI Numero de graus de liber-
dade Para distribuic~ao gaussiana de erros, a incerteza padr~ao
u dene um intervalo de conanca de aproximadamente
Na avaliac~ao da incerteza padr~ao tipo A, o numero de 68% para os valores possveis do mensurando, no caso
graus de liberdade e A = n , m , onde n e o numero de numero de graus de liberdade razoavelmente grande.
de observac~oes independentes e m e o numero de quan- Neste caso, as incertezas expandidas k u , com valores
tidades determinadas. No caso mais simples, a quan- de k de 2 a 3, denem intervalos com conanca de 95
tidade e a media e o numero de graus de liberdade e a 99 %, aproximadamente ( Eq. (2) e Fig. 1 ).
A = n , 1 . E importante observar que para k = 1 , o nvel de
A incerteza padr~ao estimada pela Eq. (3) tem uma conanca varia de 62,8% a 68,3% conforme varia de 4
incerteza padr~ao dada por [ 4,13, por exemplo] ate 1 . Entretanto, no caso k = 3 , para a mesma va-
uA = puA : (15) riac~ao de , o nvel de conanca varia de 95,9% a 99,7%.
Em geral, esta diferenca tem implicac~oes praticas muito
2 A
mais graves que a diferenca para k = 1 .
Esta relac~ao mostra que a \incerteza na incerteza"
esta diretamente relacionada com o numero de graus de Alem disso, os nveis de conanca para incerteza
liberdade . A Eq. (15) permite associar um numero expandida ( k 2 ) s~ao muito dependentes da forma
de graus de liberdade B a incerteza padr~ao tipo B da distribuic~ao. A Fig. 1 mostra que para k = 1; 5
( uB ). Se uB e a incerteza padr~ao em uB : os nveis de conanca para as distribuic~oes gaussiana e
2 retangular s~ao proximos. Para uma distribuica~o trian-
1
B 2 u u B : (16) gular, o valor tambem e proximo. Ate mesmo o valor
B mnimo dado pela inequac~ao de Bienayme-Chebyshev
para uma distribuica~o qualquer, n~ao e muito diferente.
Assim, se a \incerteza" na incerteza uB e estimada, Entretanto, para k = 2 os valores s~ao completamente
obtem-se uma estimativa para B . Por exemplo, se a discrepantes. Estas considerac~oes mostram as diculda-
incerteza em uB e estimada em 25 % , resulta B = 8. des e inconveni^encias de se indicar incerteza expandida
O numero de graus de liberdade efetivo ef para a para grandes valores do fator de abrang^encia k. Como
incerteza combinada tambem pode ser estimado. Se regra geral, deve-se evitar indicar a incerteza expandida
cada incerteza ui (y) na Eq. (9) tem uma incer- e, quando isto for necessario, o fator de abrang^encia
teza ui , a \incerteza" na incerteza combinada e ob- nunca deve ser maior que 2 ou 3. A atribuic~ao de um
tida pela propria formula de propagaca~o de incertezas. nvel de conanca util exige que a distribuica~o de pro-
Substituindo as incertezas ui em termos dos respec- babilidades seja razoavelmente bem determinada e o
tivos graus de liberdade, obtem-se a formula de Welch- numero de graus de liberdade razoavelmente grande.
Satterthwaite [4,6]:
N u4 O Teorema Central do Limite estabelece um ate-
u4c = X i: (17) nuante para as diculdades de interpretar a incerteza
ef
i=1 i
combinada e atribuir intervalos de conanca, quando
incertezas tipo B s~ao envolvidas. Quando a incerteza
Para numero de graus de liberdade da ordem de 10, combinada resulta de varias contribuic~oes comparaveis,
a Eq. (15) mostra que a \incerteza" na incerteza e da mesmo com diferentes distribuic~oes de erros, o Teorema
ordem de 22 %. Isto signica que a incerteza de tipo A Central do Limite indica que a convoluc~ao dos diferen-
e determinada com \incerteza" relativamente grande. tes erros deve se aproximar de uma distribuic~ao gaus-
Assim, a determinac~ao de incerteza tipo B pode ser t~ao siana. Uma discuss~ao mais detalhada e apresentada na
boa ou ate melhor que a de tipo A, quando o numero de Refer^encia 16.
Jose Henrique Vuolo 357
Outro objetivo deste artigo e divulgar a nomencla- [8] NIST Technical Note 1297, 1994, Guidelines for Eva-
tura estabelecida no GUM ( em ingl^es). Entretanto, luation and Expressing Uncertainty of NIST Measure-
deve ser observado que o GUM e um documento que ment Results, U.S. Government Printing Oce (Washin-
tem tido ampla aceitac~ao por metrologistas e insti- gton,USA).
tuic~oes nacionais ligadas a Metrologia. Embora seja [9] BIPM/IEC/IFCC/ISO/IUPAC/IUPAP/OIML, 1993.
endossado pela IUPAP, ainda existem controversias e International Vocabulary of Basic and General Terms
quest~oes a serem resolvidas. Alem disso, o documento in Metrology, 2nd Edition, International Organization
e relativamente recente e, portanto deve ser submetido for Standardization, Geneva.
a revis~oes e incorporar sugest~oes. De qualquer modo, [10] INMETRO, 1995, Vocabulario Internacional de Ter-
e pouco provavel que a nomenclatura e os princpios mos Fundamentais e Gerais em Metrologia, INMETRO,
basicos estabelecidos no GUM, com excec~ao de deta- Duque de Caxias ( RJ ), ( Vers~ao traduzida da Refer^encia
lhes, n~ao venham a ser assimilados por fsicos experi- anterior ).
mentais e outros prossionais de ci^encias exatas e tecno- [11] Colle, R. and Karp, P., 1987, Measurement Uncer-
logia. Por isso, parece importante que esta nomeclatura tanties: Report of an International Working Group
seja introduzida em disciplinas experimentais de cursos Meeting, J. Research National Bureau of Standards,
de graduac~ao nestas areas. Vol. 92=3, pp.243.
[12] Vuolo, J. H., 1996, Fundamentos da Teoria dos Erros,
Agradecimentos ao Prof. Giorgio Moscati, pelo apoio 2a Edic~ao, Editora Edgard Blucher, S~ao Paulo.
e incentivo, manifestados em diversas ocasi~oes, com
relac~ao ao estudo deste tema. [13] Helene, O.A.M. e Vanin, V.R., 1981, Tratamento Es-
tatstico de Dados em Fisica Experimental, Ed. Edgard
Blucher Ltda, S~ao Paulo.
References [14] Vanin, V.R. e Gouon, P., 1996, Topicos Avancados em
Tratamento Estatstico de Dados Experimentais, Edica~o
[1] Colclough, A.R., 1987, Two Theories of Experimen- Preliminar ( livro ), Instituto de Fsica da USP, S~ao Pau-
tal Error, J. Research National Bureau of Standards, lo.
Vol. 92=3, pp.167. [15] Harry, F. M. and Waller, R. A., 1994,
[2] Weise, K. and Woger, W., 1992, A Bayesian theory of Bayesian Methods, in Statistical Methods for Physical
measurement uncertainty , Meas. Sci. Technol. 3, pp.1. Science, J. L. Stanford and S. B. Vardeman, Eds., Aca-
[3] Petley, B.W., 1985, The Fundamental Physical Cons- demic Press, New York.
tants and the Frontier of Measurement, Adam Hilger [16] Woodroofe, M., 1975, Probability with Aplications,
Ltd, London. McGraw-Hill Kogakusha, Tokyo.
[4] BIPM/IEC/IFCC/ISO/IUPAC/IUPAP/OIML, [17] Cohen, E. R., 1992, Uncertainty and Error in Physi-
1993, Guide to the Expression of Uncertainty in Measu- cal Measurements in Proceedings of the International
rement, ( corrected and reprinted, 1995 ) International School of Physics \Enrico Fermi", Course CX, North-
Organization for Standardization (ISO), Geneva. Holland, Amsterdam.
[5] Mathiesen, O., 1997, Evaluation of Uncertainty in Mea- [18] Estler, W. T, 1997, A Distribution-Independent Bound
surement, Lecture in the Advanced School of Metrology on the Level of Condence in the Result of a Mea-
( INMETRO ), Angra dos Reis, March 1997. surement, J. Res. Natl. Inst. Stand. Technol. Vol. 102/5,
[6] BIPM/IEC/IFCC/ISO/IUPAC/IUPAP/OIML, pp. 587.
1998, Guia para Express~ao da Incerteza de Medic~ao, 2a [19] Cohen, E. R., and Taylor, B. N.,1987, The 1986 CO-
Vers~ao Brasileira, INMETRO, Rio de Janeiro. DATA Recommended Values of the Fundamental Phy-
[7] EAL-R2, Expression of the Uncertainty of Measurement sical Constants,J. Res. National Bureau of Standards,
in Calibration, European Cooperation for Accreditation Vol. 92=2, pp.85.
Laboratories, Ultrech, The Nederlands ( 1997 ).