Baixe o app para aproveitar ainda mais
Prévia do material em texto
Nome: Tiago Noboru Ukei RA: 104224 Lista 3B – F129 Questão 1 Para facilitar os cálculos consideremos a combinação de dois pares de mesma distribuição quadrada. Para cada par, teremos: Tabela 1: Tabela de cálculo das flutuações para duas distribuições quadradas X1 = -2 X1 = -1 X1 = 0 X1 = 1 X1 = 2 X2 = -2 -4 -3 -2 -1 0 X2 = -1 -3 -2 -1 0 1 X2 = 0 -2 -1 0 1 2 X2 = 1 -1 0 1 2 3 X2 = 2 0 1 2 3 4 onde X1 e X2 são as flutuações em mm devido aos fatores 1 e 2, respectivamente. A partir da tabela acima, construímos a seguinte tabela para as probabilidades de ocorrência de cada flutuação na medida. Tabela 2: Probabilidade de ocorrência de flutuação para uma combinação de duas distribuições quadradas Flutuação (mm) -4 -3 -2 -1 0 1 2 3 4 Probabilidade 0,04 0,08 0,12 0,16 0,20 0,16 0,12 0,08 0,04 Com os dados das tabelas acima, podemos combinar agora os dois pares de distribuições quadradas para construir as tabelas abaixo: Tabela 3: Flutuações para combinação de duas distribuições triangulares iguais -4 -3 -2 -1 0 1 2 3 4 -4 -8 -7 -6 -5 -4 -3 -2 -1 0 -3 -7 -6 -5 -4 -3 -2 -1 0 1 -2 -6 -5 -4 -3 -2 -1 0 1 2 -1 -5 -4 -3 -2 -1 0 1 2 3 0 -4 -3 -2 -1 0 1 2 3 4 1 -3 -2 -1 0 1 2 3 4 5 2 -2 -1 0 1 2 3 4 5 6 3 -1 0 1 2 3 4 5 6 7 4 0 1 2 3 4 5 6 7 8 Tabela 4: Probabilidades para combinação de duas distribuições triangulares iguais -4 -3 -2 -1 0 1 2 3 4 0,04 0,08 0,12 0,16 0,20 0,16 0,12 0,08 0,04 -4 0,04 0,0016 0,0032 0,0048 0,0064 0,0080 0,0064 0,0048 0,0032 0,0016 -3 0,08 0,0032 0,0064 0,0096 0,0128 0,0160 0,0128 0,0096 0,0064 0,0032 -2 0,12 0,0048 0,0096 0,0144 0,0192 0,0240 0,0192 0,0144 0,0096 0,0048 -1 0,16 0,0064 0,0128 0,0192 0,0256 0,0320 0,0256 0,0192 0,0128 0,0064 0 0,20 0,0080 0,0160 0,0240 0,0320 0,0400 0,0320 0,0240 0,0160 0,0080 1 0,16 0,0064 0,0128 0,0192 0,0256 0,0320 0,0256 0,0192 0,0128 0,0064 2 0,12 0,0048 0,0096 0,0144 0,0192 0,0240 0,0192 0,0144 0,0096 0,0048 3 0,08 0,0032 0,0064 0,0096 0,0128 0,0160 0,0128 0,0096 0,0064 0,0032 4 0,04 0,0016 0,0032 0,0048 0,0064 0,0080 0,0064 0,0048 0,0032 0,0016 Finalmente, com os dados da tabela 4, podemos somar as probabilidades para cada flutuação, como apresentado na tabela abaixo. Tabela 5: Probabilidade de ocorrência de flutuação na medida para quatro fatores de mesma distribuição quadrada Flutuação (mm) -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 Probabilidade 0,0016 0,0064 0,0160 0,0320 0,0560 0,0832 0,1088 0,1280 0,1360 0,1280 0,1088 0,0832 0,0560 0,0320 0,0160 0,0064 0,0016 Plotando os dados da tabela 5, no Excel, obtemos o gráfico abaixo: Figura 1: Gráfico da probabilidade de ocorrência de flutuações para uma combinação de quatro fatores com mesma distribuição quadrada Questão 2 Como a medida da distância entre a função e os pontos deve ser sempre positiva, tomemos para essa distância a soma das distâncias entre o valor da função ( ) e os pontos ( ) elevadas à quarta potência, dada por: ∑ ∑( ( )) Veja a figura abaixo, que ilustra a distância para um dos pontos. Figura 2: Gráfico hipotético com ajuste linear para ilustrar a medida da distância entre um ponto e a função de ajuste Questão 3 (a) Consideremos três casos distintos: no primeiro, coloquemos em uma posição anterior a todos os outros pontos; no segundo, posicionemos após todos os demais pontos; e por último, suponhamos numa posição entre o primeiro e o último ponto. Figura 3: Três situações distintas para a localização de Note que, para o primeiro caso, temos: | | | | | | e, para o segundo, temos | | | | | | e, para o terceiro | | | | | | Além disso, note que, para qualquer caso em que colocarmos entre as extremidades do conjunto de pontos, a soma das distâncias entre os valores extremos e será sempre igual à própria distância entre os extremos. Logo: | | | | ( ) ( ) Ademais, essa distância será sempre menor do que se tivéssemos posicionado além das extremidades, uma vez que teríamos que somar a esse valor o dobro da distância entre e a extremidade mais próxima, como podemos observar nos dois primeiros casos. Portanto, minimizar neste caso significa minimizar a distância entre e o valor do meio. Logo, devemos posicionar o ponto sobre o ponto do meio, ou seja, Mas, observando a figura abaixo, não parece ajustar muito bem os três pontos plotados, pois está muito próximo de uma das extremidades. Figura 4: Posição de que minimiza a medida (b) Definindo agora ∑( ) ( ) ( ) ( ) temos que ( ) ( ) ( ) ( ) e Como a segunda derivada de em relação a é positiva, podemos afirmar que tem um mínimo onde sua derivada se anula. Logo: ( ) ⇒ é o valor que minimiza . Note que o valor encontrado para é a própria média dos valores que queremos ajustar. Esse ponto, portanto, é o que melhor ajusta os valores plotados na reta. Figura 5: Valor ajustado pelo (c) Havíamos definido ∑( ( )) que, adaptado ao nosso problema fica ∑( ) ( ) ( ) ( ) Temos: ( ) ( ) ( ) e ( ) ( ) ( ) Novamente, a segunda derivada de é sempre positiva e, portanto, deve ter um mínimo onde sua derivada se anula. Logo: [( ) ( ) ( ) ] ⇒ Resolvendo a equação acima numa calculadora, obtemos a única raiz real: que é o valor que minimiza neste caso. Figura 6: Valor de que minimiza “inventado” Questão 4 O Método dos Mínimos Quadrados só é aplicável para funções lineares nos parâmetros, ou se for possível fazer uma substituição de variáveis conseguindo transformar a função não linear em uma linear. De outra forma, não é possível encontrar soluções simples e não temos a garantia de encontrarmos um mínimo global. Em nosso caso, a função ( ) é linear para os parâmetros e , mas não é linear para . Note que se substituíssemos , a função continuaria não sendo linear, pois haveria um produto . No entanto, fixando-se valores para , a função torna-se linear para os parâmetros e , possibilitando a aplicação do método para encontrar os valores de e . Questão 5 (a) Temos que , e Tabela 6: Pontos experimentais para ajuste 0 5 10 15 20 25 30 0,00 0,53 1,40 1,59 2,79 2,67 4,17 Logo, temos ( ) e queremos minimizar ∑ ( ( )) ∑ ( ) Como é o mesmo para todas as medidas e não depende de , podemos tirar da somatória. Derivando em relação a , temos ∑[ ( )] ⇒ ∑[ ] ⇒∑[( ) ( ) ] Agora, derivando em relação a , temos ∑[ ( )] ⇒ ∑[ ] ⇒∑[( ) ( ) ] Vamos retirar os índices por efeito de simplificação e separar as somatórias, obtendo o seguintesistema: { (∑ ) (∑ ) (∑ ) (∑ ) (∑ ) (∑ ) Resolvendo o sistema pela regra de Cramer, temos: (∑ )(∑ ) (∑ )(∑ ) (∑ )(∑ ) (∑ ) (∑ )(∑ ) (∑ )(∑ ) (∑ )(∑ ) (∑ ) Colocando os dados numa tabela auxiliar, obtemos: Tabela 7: Tabela para cálculo do ajuste para os pontos pelo método dos mínimos quadrados 0 0,00 0,00 0 0,0000 0,0000 0,0000 5 0,53 2,65 25 -0,5410 0,0117 -0,0573 10 1,40 14,00 100 2,1512 0,0463 0,3012 15 1,59 23,85 225 -4,7928 0,1021 -0,5080 20 2,79 55,80 400 8,4033 0,1765 1,1723 25 2,67 66,75 625 -12,8970 0,2661 -1,3774 30 4,17 125,10 900 18,1662 0,3667 2,5251 Soma 288,15 2275 10,4899 0,9694 2,0558 Logo, substituindo os valores nas equações acima, temos: e (b) Plotando os dados no Origin, temos Figura 7: Gráfico dos pontos da tabela 6, com curva de ajuste Questão 6 (a) O tamanho médio da vara é dado por: ̅ ∑ ̅ Como cada gomo possui tamanho ( ) , uma vara de três gomos terá um tamanho médio de: ̅ ̅ ̅ ̅ Para o cálculo do erro, temos ∑( ) Como os erros são os mesmos para todos os gomos e , podemos simplificar, fazendo: ∑( ) ⇒ ⇒ √ Para uma vara de , temos: √ Logo, temos que o comprimento total da vara é: ( ) (b) Procedendo da mesma maneira que no item anterior, agora para , temos: ̅ ∑ ̅ e √ Logo, temos: ( ) Questão 7 (a) Calculemos a propagação de erros para a função: ( ) Da fórmula de propagação de erros, temos ( ) ( ) ( ) ⇒ ( ) ( ) ( ) Dividindo a expressão acima por ( ) : ( ) ( ) ( ) ( ) ( ) ( ) ⇒ ( ) ( ) ( ) ( ) ⇒ ( ) ( ) ( ) ( ) ⇒ ( ) ( ) ( ) ( ) Como estamos trabalhando com o valor médio, podemos escrever: ( ̅ ̅ ) ( ̅ ̅ ) ( ̅ ̅ ) ( ̅ ̅ ) (b) Sim, a constante influencia no valor do erro ̅, pois ( ) ( ) ( ) ⇒ √( ) ( ) ( ) Logo, o erro ̅ é diretamente proporcional à constante , apesar de esta não influenciar o erro relativo ( ̅ ̅ ). (c) Essa “fórmula” é válida para quaisquer valores de , , reais. Questão 8 Calculemos primeiramente a constante elástica média ̅: ̅ ̅ ̅ ̅ ̅ ⇒ ̅ ( ) ( ) Agora, calculando o erro pela fórmula demonstrada na questão anterior, temos: ( ̅ ̅ ) ( ̅ ̅ ) ( ̅ ̅ ) ( ) ( ̅ ̅ ) ( ) ( ̅ ̅ ) ⇒ ( ̅ ̅ ) ( ) ( ) ( ) ( ) ⇒ ̅ ̅ √ ⇒ ̅ Logo, temos ( ) Ou ainda, ( )
Compartilhar