Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

5.7 Erros e propagao de erros* Qualquer medida obtida experimentalmente est sujeita a erro (diferena entre o valor medido e o valor "verdadeiro") que impossvel eliminar totalmente. 1) Classificao dos erros (a) Erros sistemticos: so erros independentes das leis do acaso e produzidos sempre no mesmo sentido. (b) Erros acidentais ou fortuitos: estes erros so devidos a variaes, ao acaso, de causas no conhecidas exactamente (em geral, "irregulares" e "pequenas") e podem ocorrer em qualquer sentido.

Embora possam ser estabelecidos majorantes para certos erros e calculado o erro mximo por acumulao dos erros parciais tal no deve ser feito, por conduzir a valores demasiado pessimistas. O procedimento mais correcto para avaliar este tipo de erros consiste na utilizao de mtodos estatsticos. Admite-se que o erro acidental, associado a uma certa medio, uma varivel aleatria com determinada distribuio de probabilidades, sendo depois possvel, atravs da observao de vrios resultados experimentais, estimar os parmetros dessa distribuio. A prtica mostra (e uma justificao terica

Nota: os dois tipos de erros podem ocorrer simultaneamente.

* S para Probabilidades, Erros e Estatstica

fornecida pelo Teorema do Limite Central) que os erros acidentais seguem geralmente distribuies normais.

1
Ana Pires, IST, Outubro de 2000 Ana Pires, IST, Outubro de 2000

2) Preciso e exactido Considere-se um conjunto de medidas independentes, x1 , x2 , , xn , de uma mesma quantidade, efectuadas em condies idnticas (utilizando o mesmo mtodo, nas mesmas circunstncias). A preciso do mtodo de medida est relacionada com a concordncia entre os vrios valores experimentais obtidos: quanto mais prximos entre maior ser a preciso do mtodo. Para medir a preciso usa-se ento um parmetro de disperso, geralmente o desvio padro, , estimado por si estiverem (quanto menor for a sua disperso)

A exactido do mtodo traduz a concordncia entre o valor mdio dos valores experimentais ( ), estimado, em geral, pela mdia aritmtica, x , e o valor exacto ou verdadeiro, 0 . A exactido est, portanto, relacionada com a existncia, ou no, de erro sistemtico. A e = 0 x chama-se erro simples e ao seu mdulo erro absoluto.

(, 2)

observaes x i mdia das observaes

2 ( xi x ) , com x = s = i =1 n 1 n

12

x
i =1

6
i

0
e

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

Nos Captulos 7 e 8 aprenderemos: a avaliar e controlar a preciso (intervalos de confiana para e a partir de x e s ; determinao do nmero de observaes que conduzem a um intervalo de confiana com dado comprimento); a comparar dois mtodos tendo em conta as suas precises (comparao de duas mdias); a comparar as precises de dois mtodos (comparao de duas varincias)1; e a avaliar a exactido de um mtodo (comparao verdadeiro).
1 Apenas como curiosidade, no faz parte do programa.

3) Propagao dos erros acidentais Considere-se uma grandeza, A, funo de duas variveis (grandezas) X e Y, ambas sujeitas a erros acidentais: A = f ( X,Y ) e
2 2 E ( X ) = X , E (Y ) = Y , V ( X ) = X , V (Y ) = Y

(estes valores ou so conhecidos ou podem ser estimados) A grandeza A ter uma distribuio de probabilidades que , em geral, de difcil determinao. O que vamos fazer encontrar uma expresso aproximada para os parmetros A e A , da distribuio de probabilidades de A. 5 6
Ana Pires, IST, Outubro de 2000

da

mdia

dos

valores

experimentais com um valor padro, tido como

Ana Pires, IST, Outubro de 2000

Aproximao da funo f dada pela frmula de Taylor, com termos at segunda ordem, em torno do ponto ( X , Y ) : A = f ( X,Y ) f ( X , Y ) + +( X X )

Notas: 1) Se as variveis X e Y forem independentes (ou apenas no correlacionadas) a ltima parcela desaparece pois Cov( X,Y ) = 0 . 2) Pode obter-se uma aproximao mais grosseira

f f + (Y Y ) + X ( X , Y ) Y ( X , Y )
2

(X X ) 2 f + 2 X 2

(Y Y ) 2 f + 2 Y 2 ( X , Y )
2

+
( X , Y )

tomando apenas os termos de primeira ordem A f ( X , Y ) Para obteno da expresso aproximada da varincia de A usam-se apenas os termos de 1 ordem: f 2 f = V ( A) + Y Y X ( X , Y )
2 A 2 X 2

+( X X )(Y Y )

2 f X Y ( X , Y )

Tomando valores esperados em ambos os membros obtm-se

A = E ( A) f ( X , Y ) +
2 Y 2 f + 2 Y 2

2 X 2 f 2 X 2

+
( X , Y )

+ X , Y ) (

2 f + Cov( X,Y ) X Y ( X , Y ) ( X , Y )
7

+2Cov( X,Y )

f f X ( X , Y ) Y ( X , Y )

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

As expresses obtidas podem generalizar-se para A funo de vrias variveis A = f X1 , X2 , , X p .

Nota: Se a funo f for linear ento as expresses anteriores so exactas e coincidem com as obtidas na seco 5.4 (combinaes lineares de variveis aleatrias). Exemplo 1: Seja A = f ( X,Y ) = X Y ,
2 E ( X ) = X E (Y ) = Y 0 V ( X ) = X 2 V (Y ) = Y

ento e

A f 1 , 2 , , p
f 2 2 A i Xi i =1 (1 ,
p p i 1

+ , p )

(a ltima parcela desaparece se as variveis X1 , X2 , , X p forem no correlacionadas duas a duas ou se forem independentes duas a duas). 9
Ana Pires, IST, Outubro de 2000

2 f 1 = 2 X Y ( X , Y ) Y
donde

( X , Y )

1 2 Y

2 X A E X + Y 3 X X,Y 2 Y Y Y Y
e

2 X 2 V X + Y X 2 X,Y 3 X = 2 2 Y Y Y Y
2 A 2 2 X X Y = 2 + 2 2 X,Y XY Y X Y 2

(se

f +2 ij Xi ( , i =1 j =1 1

, p

Cov Xi , X j = ij

(i, j = 1,

, p;i

f ) X j

(1 ,

, p )

X 0)

Com

E( Xi ) = i ,

V ( Xi ) =

2 i

(i = 1, , p) e j ) , obtm-se

Cov( X,Y ) = X,Y

f 1 1 = = X ( X , Y ) Y ( X , Y ) Y f X = 2 Y ( X , Y ) Y 2 f Y 2
=
( X , Y )

2 f X 2

=0
( X , Y )

( X , Y )

X 2 Y

2X 2 = 3X 3 Y ( X , Y ) Y

10
Ana Pires, IST, Outubro de 2000

Exemplo 2: Na determinao da concentrao de uma certa soluo por titulao usa-se a expresso K V C = V K = 0.4271 uma constante no aleatria V e V so variveis aleatrias independentes com

V = 12.4 , V = 10.0 , V = 0.12 e V = 0.04

(Numa situao real estes valores sero estimativas calculadas a partir dos valores experimentais.) Aplicando as expresses deduzidas no Ex. 1: 12.4 0.04 2 12.4 C 0.4271 + 10 10 3 0.4271 12.4 = 0.5296 10

11

12

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

2 C

2 2 12.4 0.12 + 0.04 = 0.4271 10 12.4 2 10 2 2 2

e aplicando a expresso para a varincia (do Ex. 1) E(Y B0 ) V (Y B0 ) V ( B1 ) 2 + 2 E( B1 ) E( B1 ) E(Y B0 )

2 2 X

= 3.0755 10 5

C 5.5 10 3
Exemplo 3: (Problema de calibrao) Sabe-se que entre as variveis X e Y existe a relao Y = B0 + B1 X , onde B0 e B1 tambm so variveis aleatrias. Quando se quer determinar X a partir de Y usa-se X= Y B0 . B1
2 V ( B0 ) = 0 ,

2Cov(Y B0 , B1 ) = E(Y B0 ) E( B1 )

2 1 E( X ) 2 + 0 12 2 01 = 2 E X 2 + 2 + 2 E X = 1 1 ( ) 1 1 ( ) 1 2 2 = 2 2 + 0 + 12 E( X ) + 2 01 E( X ) 1

Admitindo que: E( B0 ) = 0 , E( B1 ) = 1 , V ( B1 ) = 12 , Cov( B0 , B1 ) = 01 , Y independente de B0 e B1, E(Y B0 ) = 1 E( X ) , V (Y ) = 2

13

14