Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Experimentos 1. Tempo de queda de uma esfera de aço 2. Conservação de energia 3. Trajetória de um projétil 4. Mínimos quadrados e propagação de erros 5. Colisões em duas dimensões 6. Forças variáveis Conceitos principais 1. Dados - Média, desvio padrão, erro estatístico 2. Gráficos - Numeração, título auto-descritivo, legenda, unidades, escala, barras de erro - Linearização de uma lei de potência - Gráfico em papel milimetrado e log-log - Método gráfico para determinar coeficientes linear e angular 3. Métodos - Método dos Mínimos Quadrados (vs. graficamente) - Determinação de Erros - Medidas diretas: estatístico e instrumento (analógico, digital, paquímetro) - Grandezas calculadas: propagação de erro - Algarismos significativos 4. Leis Físicas - Movimento acelerado - Conservação de energia - Conservação de momento - Lei de Hooke Ementa F-129 Qual o objetivo de F-129? Aprender a… 1. Coletar dados 2. Tratar dados 3. Reportar ...mas não pode ser “só” isso Nossos alunos precisam aprender a fazer um bom relatório! Temos que tomar cuidado para não deixar os métodos ofuscarem o interesse pela Física 1. O setup experimental está quase pronto 2. Os alunos fazem pequenos ajustes - Nível na base de lançamento da esfera - Fotogate no centro da esfera - Alinhar o centro de colisão das esferas - Etc… 3. Coletam dados 4. Aplicam os métodos No fim da aula, se o aluno não souber explicar o que fez, qual a lei física que testou, se o resultado está de acordo com o que esperava, quais possíveis fontes de erro etc... ...algo está errado!! Tão importante quanto a ementa básica são: Despertar interesse 1. Curiosidade e interesse pela Física 2. Criar intuição Discutir Método Científico 1. Teste de Leis Físicas 2. Experimentar Discutir como um experimento é criado: 1. Criar um experimento é diferente de tirar medidas 2. Isolar o aspecto físico que tentamos testar de todos os “outros” processos físicos que podem acontecer simultaneamente Mecanismos a serem usados em aula “30 seconds report” - Objetivo - Método - Resultados - Conclusões Prever o resultado - Criar hipóteses (baseada em uma teoria) - Entender a “mecânica”…A leva a B que leva a C e portanto concluímos D - Entenda o pq do experimento ser como é, e discutir o que poderia melhorar - Prever o resultado antes de coletar os dados (literalmente fazer o gráfico) Testar fontes de erro - Desalinhe a rampa, estica a mola além do linear, empurre a esfera… - Pense o que pode dar errado - Teste a hipótese de erro (amplifique o erro) Falar de física avançada - Átomos - Ondas eletromagnética - Forças microscópicas Em cada mesa… Relatórios simplificados 1. Tempo de queda de uma esfera de aço 2. Conservação de energia 3. Trajetória de um projétil 4. Mínimos quadrados e propagação de erros Características: • Feito no caderno de laboratório (rotativo, 1 relatório por aluno em um grupo de 4) • O guia de relatório é detalhado, com instruções específicas • Gráficos e tabelas feitos à mão! Relatórios completos 5. Forças variáveis 6. Colisões em duas dimensões Características • Pode ser feito em computador (modelo de relatório será disponibilizado) • O guia de relatório é menos específico • Gráficos feitos no computador Relatório Erros e medidas O que é medir? quantificar uma grandeza com relação a algum padrão tomado como unidade; Uma medida não é absoluta O que acontece se eu repetir várias vezes a mesma medida? E se outra pessoa fizer a mesma medida? Se eu usar outro instrumento? Qual o instrumento mais adequado para realizar uma medida? Exemplos a seguir mostram esta idéia Realizando medidas de forma científica 2 3 2 3 • Como a precisão do instrumento influencia a medida realizada? • Qual das duas réguas acima apresenta a maior precisão? • Por quê? Exemplo de aspectos relacionados à medida • O valor medido depende da região do objeto que é medida. • O que acontece se eu realizo medidas em regiões diferentes? • Como expressar o resultado? Exemplo de aspectos relacionados à medida 2 3 • Qual o nível de água nesta piscina? • O que acontece se eu realizo diversas medidas? • A flutuação no resultado será para mais ou para menos? Exemplo de aspectos relacionados à medida Mas, o que isso significa? Sempre existe uma “incerteza” no resultado obtido; Como expressar essa “faixa de confiabilidade”? Supondo que exista um valor verdadeiro, que nunca saberemos qual é, como avaliar a qualidade da medida efetuada? Uma medida não é absoluta • Causados pelas variações experimentais e/ou de observação acidentais, causais, aleatórios parâmetros experimentais não controlados • Característica: medidas similares, mas com resultados diferentes igual probabilidade para mais ou para menos Erros casuais ou aleatórios Qual o valor que eu devo considerar e com que incerteza? Devemos levar em conta a ESTATÍSTICA da fonte de erro • Normalmente são erros associados ao instrumento de medida: Instrumentos defeituosos Não calibrados • Exemplos: Termômetro marcando sistematicamente 1oC a mais Cronômetro apressado: marcando 2% a mais (1 s → 1,02s) Erros sistemáticos Por mais cuidado que se tome nas medidas, não é possível eliminar o erro. Mas é possível caracterizá-lo. Medida 1: 19,3cm Medida do comprimento de um objeto Medida 2: 19,1cm Medida 3: 19,6cm Como determinar a melhor estimativa do comprimento do objeto? Para isso lançamos mão da média aritmética Melhor estimativa: (Medida 1 + Medida 2 + Medida 3)/3 Qual valor utilizar? • A melhor estimativa para o valor verdadeiro x0 é dada através do valor médio: • Além da estimativa da grandeza medida x0, é fundamental que sejamos capazes de responder a seguinte questão: Média aritmética x = 1N xii=1 N ∑ Quão boa é esta estimativa? Qual a incerteza desta medida? Erros estatísticos Erros instrumentais 1º Grupo de Medidas: Medida 1: 19,0 cm Medida 2: 19,8 cm Medida 3: 19,4 cm Média aritmética: 19,4 cm 2º Grupo de Medidas: Medida 1: 20,9 cm Medida 2: 17,9 cm Medida 3: 19,4 cm Média aritmética: 19,4 cm Os dois grupos de medidas são equivalentes? Quanto menor for a dispersão das nossas medidas consideramos que nossa média é mais precisa. Como saber o quão boa é nossa média? Quantificar a qualidade da medida. Precisamos indicar uma estimativa de quão longe o nosso resultado pode estar do valor verdadeiro da grandeza medida. Medida e sua confiabilidade MÉDIA ? ERRO ESTATÍSTICO ERRO INSTRUMENTAL Dados coletados: σ = (0,34 − 0,32) 2 + (0, 28− 0,32)2 +! 5−1 1. Média: 32,0 5 30,036,033,028,034,0 =++++=x 2. Desvio-padrão: A estimativa de σ é feita a partir dos próprios dados experimentais: Desvio-padrão i yi 1 0,34 2 0,28 3 0,33 4 0,36 5 0,30 A média dos N dados é a melhor estimativa para x0. A distribuição em torno de x0 é dada pelo erro estatístico: Erro estatístico x Δxestat = σ N resultado = x ± Δxestat • Quanto maior o número de medidas mais nos aproximamos do valor médio (melhor estimativa para o valor verdadeiro). Por que efetuar um número grande de medidas? Δxestat = σ N σ é uma estimativa da incerteza de cada medida xi reflete a estatística do mecanismo de erro independe do número de medidas N Δxestat é uma estimativa da incerteza de x0 diminui com o crescimento de N Diferença entre σ e Δxestat Erro estatístico: resumo média: desvio padrão: erro estatístico: x = xi Ni=1 N ∑ σ = x − xi( )2 i=1 N ∑ N −1 Δxestat = σ N Note que erro do instrumento não é a mesma coisa que erro sistemático! - um instrumento não calibrado sim causaria erro sistemático; - um instrumento bem calibrado ainda tem seu erro! E o erro instrumental? Δxtotal = Δxestatístico( )2 + Δxinstrumental( )2 resultado = x ± Δxtotal Se toda medida tem uma incerteza, como representá-la? Forma mais comum (Valor ± incerteza) unidade Ex: (24,50 ± 0,05) cm Forma compacta Valor(incerteza) unidade Ex: 24,50(5) cm Apresentando o resultado de uma medida com incerteza 1. Incerteza é escrita com apenas um algarismo significativo 2. O valor médio deve ter a mesma quantidade de casas decimais que a incerteza • São algarismos que contribuem para a precisão de um número. • Como saber quais algarismos são significativos? • Regras: Todos os algarismos diferentes de zero são significativos Algarismos nulos (zeros) entre dois algarismos não-nulos são significativos Zeros à direita de outro algarismo significativo são significativos Zeros à esquerda da vírgula não são significativos O que são algarismos significativos? • Exemplos: O que são algarismos significativos? número quantidade de algarismos significativos 0,5 1 0,05 1 0,050 2 1,08 3 120,00 5 1,3708x10-3 5 Alguns exemplos ERRADO CERTO 5,30 + 0,0572 5,30 + 0,06 124,5 + 2 125 + 2 133 + 47 (1,3 + 0,5) x 102 (45 + 2,6) x 10 (4,5 + 0,3) x 102 t =1,235464s Δtestatístico = 0,0234556778s Δtinstrumental = 0,01s ⎫ ⎬ ⎪ ⎭⎪ ⇒ Δttotal = 0,025498s Δttotal = 0,03s[0-‐4] arredonda p/baixo [5-‐9] arredonda p/cima t = (1,24 ± 0,03)s t =1,235464s Exemplo: 100 medidas do tempo associado a um fenômeno Precisão e Exatidão Preciso mas sem exatidão Alta exatidão mas impreciso Histogramas Histogramas • conjunto de medidas onde o menor valor medido foi A e o maior B • vamos dividir o intervalo [A,B] em (n-1) partes: ∆ = (B - A) / n • vamos contar quantas medidas caem em cada janela de intervalo: entre A e A+ ∆, A+ ∆ e A+ 2∆ , ……até B i yi 1 0,34 2 0,28 3 0,33 4 0,36 5 0,30 ⁞ ⁞ Histogramas Distribuição de freqüências: dividir os dados em intervalos e verificar o número de ocorrências em cada intervalo intervalo oc or rê nc ia s Qual o tamanho dos intervalos? N xx minmax −=Δ Δ Histogramas – exemplo numérico 0,40 0,83 0,98 1,04 1,19 0,60 0,84 0,98 1,05 1,20 0,61 0,87 0,99 1,06 1,21 0,62 0,89 1,00 1,07 1,24 0,63 0,90 1,00 1,10 1,26 0,71 0,91 1,01 1,12 1,28 0,75 0,92 1,02 1,14 1,30 0,79 0,94 1,02 1,14 1,35 0,81 0,97 1,03 1,16 1,45 0,82 0,97 1,03 1,18 1,60 Dados experimentais 60,1max =x 40,0min =x 50=N 17,0 50 40,060,1 =−=Δ tamanho do intervalo: Tabela de frequências intervalo ocorrências 0,40-‐0,57 1 0,58-‐0,75 6 0,76-‐0,93 10 0,94-‐1,11 18 1,12-‐1,29 11 1,30-‐1,47 3 1,48-‐1,65 1 750 : intervalos de número ≈ 0,40 0,58 0,76 0,94 1,12 1,30 1,48 1,65 Exemplo de diferentes Histogramas para um mesmo conjunto de dados 100 valores gerados no computador seguindo uma distribuição Gaussiana (com média 0 e desvio padrão 1) Média do conjunto de 100 pontos: -0.09 e Desvio padrão: 1.05 Escolha do número de intervalos x x x O co rr ên ci as O co rr ên ci as O co rr ên ci as intervalo 0.1 intervalo 0.6 intervalo 2 simétrico ∆ → 0 número de medidas → ∞ Gaussiana Distribuição Gaussiana −( x−x )2 /2σ 2 eExemplo: traçar uma curva Gaussiana no Histograma do exemplo. Medida e sua confiabilidade: para que a informação fique completa, temos que determinar qual a probabilidade de que o valor verdadeiro esteja no intervalo de confiança σ -σ -2σ 2σ 68% x • Vamos interpretar o que significa que uma medida está centrada em e com desvio padrãoσ. • A probabilidade de que uma medida (xi) estar entre: • e é de 0,68 (68%). • e é de 0,95 (95%) • e é de 0,99 (99%) Medida e sua confiabilidade x σ+x σ−x σ2+x σ2−x x + 3σ x − 3σ Exemplo: suponha que o histograma apresentado no “exemplo” represente a distribuição do volume de líquido em uma garrafa de refrigerante de 1L: - calcule a média de refrigerante em cada garrafa; - determine os volumes nos limites estatístico de 1σ, 2σ e 3; - qual o percentual de garrafas com volume abaixo de 1L? - qual seria o volume V a ser indicado na garrafa de modo que 99% da produção tivesse uma quantidade de líquido maior que V? Posição do pico da curva Gaussiana corresponde à média (e não à maior barra do histograma experimental) Área sob a curva Gaussiana deve ser aproximadamente igual à área do do histograma (assim é determinada altura do valor máximo e a largura da curva Gaussiana) Desvio padrão é obtido observando o valor correspondente à 60% da altuda do valor máximo (e subtraindo a média deste valor) Como traçar a curva Gaussiana sobre o histograma: n u m e ro d e o co rr e n ci a s tempo (s)1,0 2,0 3,0 4,0 5,0 6,0 2 4 6 8 10 12 altura do valor medio 60% da altura do valor medio x valor medio desvio padrao Tabelas e Gráficos Tabelas e gráficos Gráficos e tabelas são usados para apresentar resultados de um experimento. Traduzem de forma clara e objeVva os resultados obVdos. Tabelas: organização dos dados coletados em linhas e colunas Gráficos: ilustração dos dados; facilita a visualização da relação/dependência entre os números Tabelas • Elementos de uma tabela: • Valores – resultados do experimento / análise • Título – breve descrição • Cabeçalho – o que mostra cada coluna (com unidades) cabeçalho Explicar símbolos usados no cabeçalho algarismos significaVvos e erros Quando a ordem for importante, indicá-‐la Tabela 1: Distenção da mola em função da massa Ztulo (numerar tabela) Gráficos • Elementos de um gráfico: • Título • Legenda para cada eixo • Escala para cada eixo • Pontos com barras de erro Figura 1 – Exemplo de um gráfico simples Ztulo (numerar gráfico) Legenda (com unidades) Escala: 1. Intervalos regulares 2. Valores fáceis de serem lidos 3. Origens/escalas podem ser diferentes para os dois eixos Gráficos Atenção: • NUNCA colocar valores dos pontos da tabela no gráfico! • Evitar ligar os pontos. • O título deve descrever claramente o que está sendo mostrado. Evitar: “y vs. t”, mas sim “altura da esfera em função do seu tempo de queda”. • Usar barras de erro. Gráficos Barras de erro • Posição central é a média da medida • Barra de erro da abscissa começa em e termina em . • O mesmo vale para a ordenada. totalxx Δ− totalxx Δ+ abscissa or de na da Gráficos – mau exemplo 1 Problemas com o gráfico: • Escalas irregulares • Linhas tracejadas marcando posicionamento dos pontos • Não há barras de erro • Linha conectando os pontos • Título pouco descriVvo Gráficos – mau exemplo 2 Problemas com o gráfico • Escalas irregulares e orientações diferentes dos números • Linhas sólidas marcando posicionamento dos pontos • Unidades não estão indicadas • Ausência de barras de erro • Gráfico não foi numerado/não há Ztulo Gráficos – bom exemplo • Escalas regulares com valores fáceis de ler • Pontos com barras de erro • Legenda com unidades • Gráfico numerado • Título descriVvo Leis de potência Leis de potência Diicil de disVnguir em gráfico linear entre diferentes leis de potência: Frequentemente observamos em ciência que: bxay = (Lei de potência) y = a x2 y = a x4 y = a x1 Linearização Tirando o logaritmo de ambos os lados: )log()log()log( )log()log()log( xbay xay b += ⇓ += Como obter constante a e expoente b? Resposta: linearizar a equação comparar com Eq. da reta xBAy ′+=′ coeficiente linear coeficiente angular )log()log( )log()log( 10)log( 12 12 12 12 xx yy xx yyBb aAa A − −= ′−′ ′−′== =∴= bxay = Linearização O gráfico de log(y) em função de log(x) é uma linha reta: • coeficiente angular é b (expoente da lei de escala) • reta interseciona eixo log(y) em log(a) log(x) lo g( y) log(a) 0 log(x) lo g( y) Gráfico linear: log(y) vs. log(x) Dados experimentais log 0,20,5 xy = Lei de potência: Coeficiente linear: 0,51070,0 70,0 ==∴= aA A Coeficiente angular: (não use pontos da tabela! Pq??) B = 1,6 − 0, 70, 45− 0 = 2 Gráfico log-‐log 100 101 102 10-‐1 101 102 103 104 Usado quando valores dos pontos diferem por várias ordens de grandeza ou dependência entre grandezas é uma lei de escala 1 2 3 4 ... 9 10 10 20 30 50 40 100 ... Gráfico linear vs. log-‐log Distância entre divisões proporcional à diferença entre valores linear 1 2 3 4 2 – 1 = 1 3 – 2 = 1 4 – 3 = 1 1 2 3 4 log2 – log1 = 0,30 log3–log2 = 0,18 0,12 Distância entre divisões proporcional à diferença entre logaritmo dos valores log-‐log Gráfico log-‐log: y vs. x Dados experimentais Colocar valores diretamente no gráfico log-‐log y x Coeficiente angular: (medir com a régua!) 0,2 cm 2,2 cm 4,4 ==B Coeficiente linear: a = 5,0 a
Compartilhar