Universidade Federal do Rio Grande do Sul

Escola de Engenharia
Engenharia Mecânica

Incertezas de Medição
e
Ajuste de dados

Medições Térmicas - ENG03108

Prof. Paulo Schneider

www.geste.mecanica.ufrgs.br
pss@mecanica.ufrgs.br

GESTE - Grupo de Estudos Térmicos e Energéticos

Agosto de 2000; Revisão 2002; 2005-1

Porto Alegre - RS - Brasil
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

INCERTEZA DE MEDIÇÃO

1. Introdução
O processo de medição de fenômenos físicos é uma transferência da informação entre um sis-
tema fonte e um operador que a utilizará essas informações, através de sistema de medições
(ORLANDO, 2004). A interação entre o sistema fonte e o sistema de medição provoca a modificação
das propriedades de ambos, o que será usado como vetor de transferência da informação desejada.
A preocupação de realizar uma medição livre das influências dos sistemas de medição pode ser
observada em exemplos simples, tais como a medição de temperatura de uma pequena massa de água
em um reservatório por meio de um elemento sensor encapsulado ou de líquido em vidro, a vazão de
um fluido que escoa em uma canalização com uma placa de orifício, etc... Para os casos citados, quais
são as razões dessa alteração?
Mesmo que o sistema fonte não seja alterado significativamente pelo sistema de medição, resta
ainda lembra que um sistema de medição tenderá sempre a entrar em equilíbrio com o sistema fonte, e
a medição que se deseja realizar inicialmente pode não ter levado em conta todos os fenômenos rele-
vantes possíveis. Como resultado, o sensor poderá indicar uma leitura que não é a do fenômeno deseja-
do, embora seja correta. Como exemplo, cita-se a leitura da temperatura do ar exterior sem proteção da
radiação solar e a umidade relativa do ar com psicrômetros de bulbo seco e úmido expostos a fontes de
calor.
Chama-se de transdutor a interface entre o sistema fonte e o de medição, responsável pela trans-
formação da grandeza física a ser medida, existente numa forma de energia, em outra grandeza mais
facilmente mensurável. Existem dois tipos básicos de transdutores:

- Ativo Æ Dispensam energia auxiliar para gerar seu sinal de saída, sendo que para uma única entrada,
produz uma única saída. Ex- termopares, sensores de cristais piezoelétricos, etc.
- Passivo Æ Necessitam de uma entrada adicional para que o sinal de saída produza a informação ne-
cessária. Ex- sensores de resistências de platina, extensômetros, etc.

Segundo Holman, 1994, o sistema geral de medições pode ser dividido em três partes, que de-
vem ser especificadas para satisfazer as seguintes funções:

Transdutor propriamente dito

Æ interface entre o sistema fonte e o de medições.
Estágio intermediário
Æ modifica o sinal direto, amplificando, filtrando ou tratando o sinal para que uma saída con-
veniente seja obtida. É comum se trabalhar com sinais em padrões industriais (0 a 10 mV e 4 a 20 mA)
ou com outras faixas de amplificação.
Estágio final
Æ com função de indicar, registrar ou controlar a variável. Torna disponível ao operador o va-
lor da grandeza física que está sendo medida.

Os sistemas de medição podem ser empregados separadamente ou integrados a um processo de

controle de algum sistema. A figura a seguir mostra essas duas aplicações básicas, e é importante sali-
entar que um sistema de medição sem funções de controle apenas realiza a monitoração do processo.

2
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Variável física a ser medida

Controlador
sinal de entrada sinal do sinal
transdutor modificado

Transdutor propriamente dito Estágio intermediário Indicador

sinal de
calibração
Registrador
Alimentação
Calibração
Estágio final

Fig. 1- Esquema de um sistema de medição e controle (Fonte: HOLMAN, 1994)

A descrição de sistemas de medição passa pelo conhecimento de algumas de suas característi-

cas. As definições expostas a seguir foram encontradas em Orlando, 2004, INMETRO, 1995, Holman,
1994, www.omega.com, entre outros.

Faixa de medida (range)

Conjunto de valores da variável medida que estão compreendidos dentro do limite superior e in-
ferior da capacidade de medida ou de transmissão do instrumento

Rangeabilidade ou largura da faixa (rangeability)

É a relação entre o valor máximo e mínimo, lidos com a mesma exatidão, na escala de um ins-
trumento.

Alcance (span)
Diferença algébrica entre o valor superior e inferior da faixa de medida do instrumento

Exatidão (accuracy)
É o grau de concordância entre o valor verdadeiro e o resultado da medição. Alguns definem
como o maior desvio da leitura de um sistema de medidas para uma entrada conhecida. Os erros envol-
vidos nesta discrepância são normalmente sistemáticos e randômicos.
A exatidão de um instrumento pode ser expressa de diferentes maneiras:

1. Percentual de fundo de escala (% FE)

2. Percentual de span (% do span)
3. Percentual do valor lido (% VL)
4. Valor fixo

Repetitividade - Define o grau de concordância entre resultados sucessivos obtidos. Nesta definição
não importa quão perto ou longe do valor verdadeiro o resultado se encontra, mas simplesmente como
os resultados são repetidos para uma entrada constante. As condições de repetitividade incluem o mes-
mo procedimento de medição, o mesmo observador, o mesmo instrumento de medição, utilizado nas
mesmas condições, o mesmo local e a repetição num curto período. Ela pode ser expressa em função
das características de dispersão dos resultados. Um voltímetro digital que tenha um deslocamento gros-

3
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

grosseiro de seu zero, pode ter uma repetitividade excelente e uma péssima exatidão. Esta última pode
ser melhorada pela comparação do sistema de medições com um padrão. Mas não abaixo de sua repeti-
tividade que é inerente ao sistema de medidas. Este somente pode ser melhorado a partir de um novo
projeto.
Note-se que um aparelho ou sistema que apresente uma boa repetitividade pode ser visto como
sendo preciso, mas todos os textos atuais na área de medições evitam o uso dessa palavra

Reprodutibilidade - Define o grau de concordância entre os resultados das medições de um mesmo

mensurando, efetuadas sob condições variadas de medição. As condições alteradas podem incluir o
principio de medição, o método de medição, o observador, o instrumento de medição, o padrão de refe-
rência, o local, as condições de utilização e o tempo. Ela pode ser expressa em função das característi-
cas da dispersão dos resultados. Assim, um teste realizado por dois diferentes laboratórios sobre o de-
sempenho de um produto, pode apresentar diferentes resultados.

Resolução - É o menor incremento da variável a ser medida que pode ser detectada pelo sistema de
medição. Não deve ser confundido com exatidão, repetitividade ou sensibilidade.

Sensibilidade - É a variação do sinal de saída de um sistema de medição em resposta à variação da

grandeza a ser medida. Um bom sistema de medição tem uma sensibilidade adequada a incerteza dese-
jada.
O valor de uma divisão de um instrumento pode dar uma idéia bastante boa sobre sua repetiti-
vidade, que é intrínseca ao seu projeto. Em princípio, na ausência de informações oriundas da calibra-
ção, isto é, comparação de seu desempenho com o do padrão e indiretamente reportando-se a escala da
grandeza em questão, pode-se considerar a menor divisão como sendo igual a duas vezes o desvio pa-
drão (nível de confiabilidade de 95,45 %). Alguns consideram até a metade do valor de uma divisão
para este indicador.
Em principio, pode-se subdividir o valor de uma divisão em quantas partes forem desejadas e
possíveis, até o limite da reso1ução do instrumento, que está associada ao menor incremento da gran-
deza medida a que o mesmo responde. Isto não quer dizer que se tenha aumentado a confiabilidade da
medida com o instrumento citado. As flutuações aleatórias de leitura, associadas a sua repetitividade,
podem ser maiores do que esta resolução, indicando que este procedimento talvez seja desnecessário.
Entretanto, quando se fazem várias leituras para uma mesma medição, com o valor verdadeiro estima-
do a partir da média então calculada, este procedimento pode ser justificado. A teoria estatística mostra
que nestes casos a incerteza da determinação da média é reduzida por um fator igual a raiz quadrada do
número de medições usadas para a sua determinação. Teoricamente, quando o número de medições se
toma muito grande, a estimativa da média se aproxima do valor verdadeiro µ chamado de média. Em
outras palavras a incerteza da média se aproxima de zero. Na prática, o limite inferior desta incerteza é
a resolução do instrumento, dai justificando a subdivisão de do valor de uma divisão.
Pode-se claramente ver que o número de medições realizadas determina a incerteza do processo
metrológico. Assim, baixas incertezas de medição podem ser conseguidas com sistemas de medição de
baixa repetitividade, desde que se aumente o número de leituras aleatórias. Infelizmente, na prática,
apenas uma medição é realizada de cada vez, o que faz com que instrumentos com alta exatidão (em
relação a incerteza desejada) sejam selecionados para a tarefa metrológica.
Zona morta
É a máxima variação de uma grandeza sem que provoque alteração na indicação ou sinal de sa-
ída do instrumento. Pode ser expressa em valores absolutos ou percentuais

4
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Histerese
É identificada quando a resposta de um sistema de medição é diferente segundo o sentido da
medição (aumento ou diminuição do valor lido), como pode ser visto na próxima figura. Duas curvas
de calibração podem ser determinadas, uma para valores ascendentes e outra para descendentes. Assim,
uma curva diferença entre os dois comportamentos pode ser calculada, com incertezas que incluem os
desvios médios quadráticos de cada ajuste, individualmente, além das incertezas do padrão e da variá-
vel em questão. Em operação, entretanto, como não se tem certeza se os valores são ascendentes ou
descendentes, utiliza-se uma única curva de ca1ibração como representativa da mesma, resultando num
aumento da incerteza da medição. Este efeito só pode se eliminado através da utilização de outros ma-
teriais, ou de uma modificação do projeto do sistema de medição. Transdutores de pressão do tipo
Bourdon apresentam muitas vezes este efeito.

Fig. 2- Comportamento de histerese de um sensor (Fonte: SILVA, 2003)

Comportamento estático e transiente

Supondo-se que um determinado sistema físico apresente uma variável que tenha comporta-
mento temporal, x(t), e que esse sistema possa ser representado na forma diferencial como sendo

dnx d n −1 x dx
an n
+ a n n −1
+ K + a1 + a0 x = F (t ) (1)
dt dt dt

onde F(t) é uma função imposta ao sistema. A ordem do sistema, segundo Holman (1994), obedece a
ordem da equação diferencial que o representa.
Dessa forma, o sistema de ordem zero é governado pela equação

a0 x = F (t ) (2)

o que indica que a função x(t) será instantaneamente levada à condição imposta por F(t), segundo a
constante a0, tal que

5
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

F (t )
x= (3)
a0
onde 1/a0 é chamada de sensibilidade estática do sistema.

O sistema de primeira ordem é descrito pela equação

a1 dx F (t )
+x= (4)
a0 dt a0

onde o termo a1 / a0 tem dimensão de tempo e é chamado de constante de tempo do sistema. Se a eua-
ção anterior for resolvida para uma caso que represente uma mudança súbita das condições da função
F, tal que

F (t ) = 0 para t = 0 e F (t ) = A para t > 0

O salto imposto ao sistema é dado pela diferença entre F (t = ∞) − F (t = 0) . Impondo-se a condição

x = x0 para t = 0 , tem-se que

A  A
x(t ) = +  x0 −  e −t / τ (5)
a0  a0 

O primeiro termo da equação representa o valor de x para tempos infinitos, i.e., para o regime
permanente, enquanto que o termo de decaimento exponencial representa a resposta transiente. Saben-
do-se que A / a0 = x∞ , a equação anterior pode ser escrita na forma adimensional, como segue

x(t ) − x∞
= e −t / τ (6)
x 0 − x∞

Quando t = τ , o valor de x(t) corresponderá a 63,2 % do salto imposto ao sistema, e o tempo necessário
para atingir essa condição chama-se constante de tempo (time constant). Já o tempo para atingir 90%
do salto imposto é dado por

e −t / τ = 0.1 (7)

ou t = 2.303 τ, o que corresponde ao tempo de subida (rise time).

O tempo total necessário para que o sistema estabilize na condição final é usualmente dado por
5τ, já que 1 − e −5 = 0.993 .
O comportamento dinâmico do sistema é representado na figura que segue

6
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

1.0

0.8

0.6 constante de tempo

0.4

0.2

0.0
1.0 2.0 t
Fig. 3 – Comportamento dinâmico de um sistema físico ou de medição

2. Incerteza de medição
A grandeza física que é obtida através de um procedimento experimental é sempre uma apro-
ximação do valor verdadeiro da mesma grandeza. A teoria de erros tem como objetivo determinar o
melhor valor possível para a grandeza, e quanto esse pode ser diferente do valor verdadeiro. O melhor
valor possível também é chamado de melhor estimativa ou valor experimental do mensurando.
A incerteza pode ser então definida como uma indicação de quanto o melhor valor pode diferir
do valor verdadeiro, em termos de probabilidades. Ainda em outras palavras, a incerteza é um valor
estimado para o erro, i.e., o valor do erro se ele pudesse ser medido ou se ele fosse medido.

Intervalo de confiança P

Nível de confiança, coeficiente de confiança ou simplesmente confiança P é a probabilidade P

de que uma afirmativa esteja correta. Para o valor desconhecido x, a afirmação 4 < x < 5, com confi-
ança 90% diz que há 90% de chance de x assumir valores entre 4 e 5.
Tomando-se o resultado de uma medição de pressão composta por 23 eventos ou dados

freqüência pressão (kPa)

2 101,2
4 101,5
5 101,7
2 101,8
7 102,0
3 102,1

tem-se que a média é calculada por

x=
∑x i
(8)
n

7
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

e o desvio padrão por

 ∑ ( xi − x ) 2 
1/ 2

σ =  

(9)
 n − 1 

Assim, a média é de 101,7739 kPa e o desvio padrão 0,2750 kPa. Pode-se associar à média uma incer-
teza dada pelo desvio padrão, e dizer-se que o valor lido de pressão p poderá estar na faixa

101,7739 kPa - 0,2750 kPa < p < 101,7739 kPa + 0,2750 kPa

com 68,67 % de probabilidade

Retomando a distribuição gaussiana, observa-se que o desvio padrão σ representa a probabili-
dade de que o resultado caia na faixa de ± σ no entorno na média com 68,67 % de chances. Se for de-
sejável uma probabilidade de acerto maior, a faixa de incerteza deve ser aumentada, como mostra a ta-
bela que segue

Tab. 1 – valores de confiança conforme o desvio padrão

incerteza confiança
σ 68,67 %
2σ 95,45 %
3σ 99,73 %
1,645σ 90,00 %
2,576σ 99,00 %
∆=0,6745σ 50,00%

Estes mesmos resultados podem ser vistos numa distribuição de freqüência acumulada, onde ν é o
número de graus de liberdade, ou simplesmente o número de medidas.

Indicação da incerteza
Segundo o Guia para Expressão da Incerteza de Medição (ISO GUM, 1993), as maneiras mais
usuais para a indicação da incerteza de medição são:

1- incerteza padrão u
É o resultado de uma medição expressa como um desvio padrão (68,27 % de confiabilidade). Assim,

u =σ (10)

2- incerteza expandida com confiança U

A Incerteza expandida U é definida como a grandeza que define um intervalo em torno do resultado de
medição com o qual se espera abranger uma grande fração da distribuição dos valores que possam ser
razoavelmente atribuídos ao mensurando. Normalmente, o nível de confiabilidade adotado é de 95,45
%, ou seja, dois desvios padrões quando a distribuição é normal. Assim, a incerteza padrão u é multi-
plicada por um fator de abrangência k conveniente .

U = ku (11)

8
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Alguns valores usuais são mostrados na tabela 1, multiplicando o desvio padrão σ.

3- erro provável ∆
O erro possível é um caso particular para confiança de 50%, o que corresponde a 0,6745 σ

4- limite de erro L
O limite de erro L é definido de diversas maneiras. Considerando-se uma distribuição normal de erro,
pode-se assumir que seja o máximo erro admissível, que teoricamente não é determinado, mas que na
prática aceita-se a relação

L = 3σ ou L=3u (12)

mas que em outras situações pode ser fixado para outros múltiplos de u.
O conceito de limite de erro também pode ser estendido para a avaliar incertezas de instrumen-
tos, onde se escolhe a menor divisão da escala e esta é associada ao dobro do desvio padrão. Depen-
dendo da qualidade do instrumento, o erro limite de calibração pode ser dado por por outros fatores de
abrangência aplicados ao desvio padrão.

Os intervalos de confiança da tabela 1 são válidos para grandes amostras ou populações. Quan-
do se tratam de dados experimentais, normalmente recolhidos em número limitado, a amostra terá um
desvio padrão calculado em relação a uma média que não é independente dos dados, e por isso deve ser
descontada do conjunto da amostra. A figura 1 apresenta esse comportamento em função de ν, e o des-
vio padrão da amostra passa a ser dado por
1
 N  _ 2 2
 ∑  xi − x  
  
s =  i =1   (13)
n −1
 
 
 

Fig. 4- Níveis de confiança P em função dos graus de liberdade ν (Fonte: Vuolo, 1998)

Segundo o INMETRO, 1995, o Erro é definido como a diferença entre o valor calculado ou ob-
servado e o valor verdadeiro do mensurando. Como na maioria das vezes o segundo não é conhecido, o

9
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

erro não pode ser determinado, mas sim estimado. Em casos especiais, quando se usa um padrão pri-
mário para a medida, o valor verdadeiro é conhecido por definição.
Existe uma classe de erros que pode ser reconhecida imediatamente e eliminada. São os erros
grosseiros oriundos de cálculo e medições. A fonte destes erros é usualmente aparente, tanto como
pontos experimentais obviamente incorretos, como resultados que não estão suficientemente próximos
dos valores esperados. Eles são corrigidos realizando a operação novamente, desta vez corretamente.
Uma outra classe de erro é chamada de erro sistemático e não pode ser tão facilmente detectada.
A análise estatística não é normalmente útil, pois eles têm origem numa calibração mal feita do sistema
de medições, ou em erros de interpretação fenômeno físico por parte do observador.
A terceira classe de erros é conhecida por erro randômico ou aleatório, e pode ter diferentes e
variadas origens: diferença entre a variação do fenômeno e a capacidade de detecção do instrumento,
condições de controle do experimento, variabilidade das condições do fenômeno medido ou do instru-
mento ou ainda das condições ambientais, etc.
Esta categoria de erros é de difícil identificação, porém uma análise estatística de vários expe-
rimentos mostra que muitas vezes eles seguem uma distribuição gaussiana de probabilidade. Existem
naturalmente exceções flagrantes a regra. A probabilidade de se conseguir um certo número de “cara”
ou “coroa” com uma moeda não viciada segue uma distribuição binomial. A contagem de partículas
radioativas emitidas de um núcleo por unidade de tempo segue uma distribuição de Poisson, que é o
limite de uma distribuição binomial quando o número de eventos independentes é muito grande, e a
probabilidade de ocorrência de cada um é muito pequena. A distribuição retangular é caracterizada pe-
lo fato de que a função densidade de probabilidade é constante para um intervalo finito bastante defini-
do em torno da média, sendo zero fora deste intervalo. Ela é usada quando não existe muita informação
estatística sobre um determinado fenômeno, não se podendo privilegiar qualquer valor em relação a
outro, em torno da média. Na distribuição triangular, seu valor segue uma função triangular neste in-
tervalo, sendo máximo na média, e zero fora do mesmo, sendo utilizada quando o nível de informação
estatística disponível sobre o fenômeno é um pouco melhor do que para a distribuição retangular.
O ISO GUM, 1998, sugere que quando não existem muitas informações estatísticas, a distribu-
ição retangular e triangular devem ser usados. Mais ainda, mesmo que as distribuições das variáveis
independentes de uma função não tenham distribuição normal, a distribuição resultante pode ser apro-
ximada pela normal pelo Teorema Central do Limite. Sugere e justifica, também, que para o cálculo de
incerteza, as componentes aleatórias e sistemáticas possam ser tratadas da mesma forma.
Deve-se ainda distinguir os erros estáticos, que são observados em regime permanente e indica-
dos por seu sinal, e os erros dinâmicos, característicos de medições transientes, que representa sempre
um atraso do valor lido em relação ao comportamento real.
Ainda segundo a mesma fonte, a incerteza de uma medição é uma faixa centrada em torno do
valor medido x e distante de dois desvios padrões (2σ) onde se supõe que o valor verdadeiro da medida
esteja a um nível de confiabilidade de 95,45 % (distribuição normal).
Como o valor verdadeiro da medição não é conhecido na maioria das vezes, não tem sentido re-
ferir-se ao erro, mas sim a uma faixa em torno do valor medido onde se supõe que o valor verdadeiro
esteja. Rigorosamente, à luz da distribuição estatística, existe uma probabilidade, por menor que ela
seja, de que o valor medido esteja infinitamente afastado da média.
Na prática isto não acontece, mostrando que o modelo estatístico de distribuição dos erros não é
exatamente gaussiano, mas apenas uma boa aproximação. Assim, pode-se associar a uma medição os
parâmetros determinísticos como o “erro máximo” da medição.

O Guia para Expressão da Incerteza de Medição (INMETRO, 1998), apresenta dois tipos de in-
certeza:
Incerteza Tipo A - obtida pela análise estatística de uma série de observações.
Incerteza Tipo B - obtida por outros meios que não a análise estatística de uma série de observações.
10
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Uma distribuição Gaussiana necessita de dois parâmetros para a sua definição: média e desvio
padrão. Assim, estimando-se o desvio padrão de uma distribuição complexa e sua média, conhece-se o
nível de confiabilidade. Então todos os esforços objetivam a estimativa da Incerteza Padrão. A Incerte-
za Tipo A é caracterizada pela análise estatística de uma série de observações e normalmente supõe
uma distribuição Gaussiana. Entretanto, em muitos casos, as informações estão disponíveis de forma
incompleta, sem a caracterização estatística necessária, podendo inclusive estar disponível de forma
não cientifica e subjetiva. A Incerteza neste caso é chamada Tipo B. Maiores detalhes para o cálculo
das incertezas do tipo B estão em anexo.

Outras definições importantes são apresentadas no anexo desse material, seguindo a portaria
INMETRO no 064, de 11 de abril de 2003, o VIM – Vocabulário Internacional de Termos Fundamen-
tais e Gerais de Metrologia, INMETRO, 1995 e a ISO GUM – Guia para Expressão da Incerteza de
Medição, INMETRO 1998

3. Propagação da incerteza de medição ou incerteza combinada

Conceitos básicos
É muito comum a determinação de uma grandeza e de sua incerteza de medição a partir do co-
nhecimento de outras grandezas determinadas experimentalmente, juntamente com suas incertezas. O
valor dessa nova grandeza Y seque uma relação funcional do tipo

Y = f (x1 ...xn ) (14)

que é uma função de variáveis estatisticamente independentes x1 até xn. A incerteza associada a Y será
calculada a partir das medições das grandezas associadas.

x = x ±U (15)

e a incerteza padrão u pode ser representada como

u =U / 3 (16)

Incerteza padrão combinada

Também chamado de Propagação da Incerteza de Medição, é um procedimento onde se estima
a propagação do desvio padrão de uma grandeza Y a partir do desvio padrão de suas variáveis depen-
dentes x1 até xn.
Tomando-se a grandeza Y apresentada na Eq (7), define-se a incerteza propagada Ur, segundo
Kline e McClintock (HOLMAN, 1996), como sendo:

1
  ∂V  2  ∂V   2
2

U r =  u  + ... +  un  (17)
  ∂x1 1   ∂xn1  
 

A próxima figura mostra esquematicamente o procedimento.

11
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Fig. 5 - Propagação do desvio padrão de uma grandeza Y a partir do desvio padrão de suas variáveis
dependentes (Fonte: ISO GUM, 2004)

Um procedimento alternativo está sendo proposto no suplemento 1 do “Guide to the Expression

of Uncertainty in Measurement” (ISO GUM Suppl. 1 (DGUIDE 99998), 2004), que trata de métodos
numéricos para a propagação de distribuições. A próxima figura apresenta novamente o comportamen-
to das distribuições estatísticas das variáveis independentes X que comporão a função Y.

Fig. 6 - Propagação do desvio padrão de uma grandeza Y a partir de valores de amostras do desvio pa-
drão de suas variáveis dependentes (Fonte: ISO GUM, 2004)

O método de Monte Carlo é usado para produzir um número muito elevado de conjuntos de
amostras semelhantes àquelas mostradas na figura, e assim calcular a incerteza resultante da função Y.

Incerteza de medição com várias replicações

Quando um dado processo metrológico pode ser repetido com garantia de qualidade de sua exe-
cução, i.e., quando o processo obedece a um procedimento rigoroso, o operador é bem treinado, os ins-
trumentos são os mesmos e as condições ambientais são controladas e repetidas, entre outras condi-
ções, pode-se afirmar mais sobre a média x do processo. Nesse caso, é possível que várias amostras de
dados do mesmo processo apresentem um valor médio bastante próximo, e então se fala da incerteza de
medição do valor médio, dado por

kσ
u_ = (18)
x n

12
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

onde k é o fator de abrangência.

Eliminação de pontos (Critério de Chauvenet)

Uma amostra de dados pode conter valores espúrios ou duvidosos, que podem constituir erros
graves. Para excluí-los judiciosamente emprega-se o critério de Chauvenet, a uma amostra de n even-
tos. O critério baseia-se em identificar o maior desvio da amostra, o que implica em calcular o desvio di
de cada evento em relação à media d i = xi − x . O critério de eliminação depende do parâmetro
d max / σ , e é dado por:

di d max
> (19)
σ σ

onde dmax é o maior desvio e σ o desvio padrão da amostra. Os valores de d max / σ são encontrados na
tabela que segue:

Tab. 2- Critério de rejeição de Chauvenet (HOLMAN, 1990 e ORLANDO, 2004)

número de leitu- d max número de leitu- d max
ras n σ ras n σ
2 1,15 15 2,13
3 1,38 20 2,24
4 1,54 25 2,33
5 1,65 30 2,39
6 1,73 40 2,49
7 1,80 50 2,57
8 1,86 100 2,81
9 1,92 300 3,14
10 1,96 500 3,29
1000 3,48

4. Tamanho de amostras

Fundamentos
A capacidade de uma amostra de seguir uma distribuição estatística acaba determinando sua
classificação como grande ou pequena. As grandes amostras são aquelas onde se pode verificar a den-
sidade de probabilidade de forma definida, seguindo melhor as funções de distribuição adotadas, o que
não se verifica nas pequenas amostras.

Grandes amostras
Não há unanimidade na indicação do número de eventos que define uma grande amostra. A
norma ASHRAE 41.5-75 (1975) indica 20 eventos (n>20), enquanto que Triola (1998) já indica 30 e-
ventos (n>30).
_
Nas grandes amostras, o valor médio x é a melhor estimativa da média populacional µ, ou va-
lor verdadeiro. Associa-se ao valor da média um intervalo de confiança, ou incerteza, que obedece a
uma dada probabilidade.

13
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

As equações para cálculo da média (eq. 8), desvio padrão de uma grande amostra (eq. 10) e de
uma pequena amostra (14), e a incerteza expandida (11) são aplicáveis nesse caso.
A determinação do tamanho de amostra é dada pelo cálculo da incerteza da média (eq. 18), on-
de n é

2
 
 kσ 
n=  (20)
 u_
 x 

Pequenas amostras- distribuição t de Student

Para amostras com número de eventos inferior a 30 ou mesmo 20, o valor do desvio padrão não
é mais conhecido estatisticamente, e passa-se a empregar a equação 6, repetida aqui

1
 N  _ 2 2
 ∑  xi − x  
  
σ ' = s =  i =1  
n −1
 
 
 

onde o número de eventos do denominador n-1 é conhecido por graus de liberdade ν. A subtração de
um evento numa pequena amostra pode ser compreendida pelo fato que a média é empregada para o
cálculo de grandezas estatísticas, e portanto está comprometida.
Como o desvio padrão não é conhecido, não estamos mais tratando com uma distribuição gaus-
siana. A distribuição que melhor se adapta para esse caso é a distribuição t de Student, desenvolvida
por William Gosset (1876-1937) que trabalhava para a cervejaria Guinness. Essa distribuição tem as
seguintes propriedades

• varia conforme o nº de eventos

• tem forma simétrica (sino)
• aproxima-se da distribuição de Gauss para ν > 30

A incerteza do valor médio de uma pequena amostra é dada por

ts
w_ = (21)
x n

onde t é o valor da distribuição para uma dada confiabilidade e um número de graus de liberdade ν, s o
desvio para um número de graus de liberdade ν, e n é o número total de eventos da amostra.

Tabela 3 - Valores de t-student para diferentes níveis de confiabilidade

ν Nível de confiabilidade
68,27% 95,45% 99,73%
1 1,84 13,97 235,80
2 1,32 4,53 19,21
3 1,20 3,31 9,22

14
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

4 1,14 2,87 6,62

5 1,11 2,65 5,51
6 1,09 2,52 4,90
7 1,08 2,43 4,53
8 1,07 2,37 4,28
9 1,06 2,32 4,09
10 1,05 2,28 3,96
15 1,03 2,18 3,59
20 1,03 2,13 3,42
25 1,02 2,11 3,33
30 1,02 2,09 3,27
40 1,01 2,06 3,20
50 1,01 2,05 3,16
∞ 1,00 2,00 3,00

Deve-se observar que com este procedimento, ao se estimar a incerteza de medição, na realida-
de o que se faz é estimar o desvio padrão da população a partir do desvio padrão da amostra, que sub-
estima o primeiro. O valor estimado, portanto, é o que se deve usar em futuras medições, com um nú-
mero infinito de graus de liberdade.
A média da distribuição, também chamada de momento de la ordem, pode ser teoricamente cal-
culada quando o número de termos da população é muito grande. O mesmo acontece para o desvio pa-
drão, também chamado de momento de 2a ordem . Entretanto, para os casos reais, a amostra é finita e o
número de termos é pequeno. Deve-se portanto determinar os parâmetros estatísticos de medição a par-
tir de um número pequeno de valores. Assim, a média será estimada e não determinada. Novamente, a
estatística mostra que a melhor estimativa da média ( x ) e do desvio padrão (s) são dadas respectiva-
mente pelas expressões 1, 2 e 6 já apresentadas. A média na equação 1 pode ser determinada minimi-
zando o valor de s na Eq. (6), em relação a ( x ) , isto é, diferenciando s em relação a ( x ) , e igualando a
zero.

5. Calibração de um instrumento e ajuste de dados

É o resultado da comparação do comportamento de um instrumento em relação a um padrão. O
padrão pode ser um ponto físico conhecido, como no caso da calibração de termômetros de platina
frente a uma cápsula de ponto tríplice da água, por exemplo, ou por comparação com outro instrumento
já anteriormente calibrado. Segundo ORLANDO, 2004, deve-se observar que as condições de calibra-
ção devem ser rigorosamente iguais às de utilização do instrumento. Isto não é feito na maioria das ve-
zes, resultando em discrepâncias em relação aos valores de calibração, aumentando portanto a incerteza
da medição. Às vezes este fenômeno é interpretado como degradação do desempenho do sistema de
medição, indicando valores bastante afastados dos supostamente verdadeiros. A calibração de um ins-
trumento pode ser seguida de um ajuste do mesmo para conformar sua resposta a valores anteriormente
estabelecidos pelo fabricante. Muitos laboratórios não se utilizam deste recurso, por acharem que este
pode resultar numa maior responsabilidade e tempo gasto na calibração do instrumento. Curvas podem
então ser fornecidas, relacionando o valor indicado com o valor do padrão.

Curvas de ajuste
O ajuste de dados experimentais é uma técnica que permite a interpolação de resultados ou da-
dos, através de uma função ajustada. Esse método também é chamado de regressão, que pode ser line-

15
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

ar, polinomial, etc., dependendo da escolha da função de ajuste escolhida. A obtenção da curva de re-
gressão pode ser feita com a aplicação do método dos mínimos quadrados, apresentado a seguir:

Método dos Mínimos Quadrados

Supor uma amostra experimental, composta de n eventos x1, x2, ... xn. A soma dos quadrados de
seus desvios, em relação à um valor médio xm, é dada por

2
n
 _

S = ∑  xi − x  (22)
i =1  

O método é baseado na minimização de S em relação a xm, de tal forma que

∂S n
 n 
_
= 0 = ∑ − 2( x i − x m ) = −2 ∑ xi − n x m  (23)
∂x i =1  i =1 

Quando a função de ajuste escolhida for uma reta y = ax + b , a soma quadrática dos desvios da
equação (22) é dada por

n
S = ∑ ( y i − (ax i + b ))
2
(24)
i =1

e busca-se a minimização de S em relação a a e b, o que resulta em

n∑ x i y i − (∑ xi )
(∑ y ) i
a= (25)
n∑ x − (∑ x )
2 2
i i

(∑ y ) (∑ x ) − (∑ x y ) (∑ x )
i
2
i i i i
b= (26)
n∑ x − (∑ x )2 2
i i

O desvio padrão do ajuste é dado por

1/ 2
  ^
 
2

∑ i
y − y i  
s=    (27)
 n−2 
 
 

onde ŷ é o valor calculado de y pala função de ajuste.

Se a função de ajuste for um polinômio do tipo a 0 + a1 x + a 2 x 2 + ... + a n x n , por exemplo, o
procedimento se repete, e a minimização de S se faz em relação aos coeficientes a 0 , a1 , a 2 ...a n

16
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Avaliação da qualidade do ajuste

Para que uma curva ou função de ajuste seja considerada boa, os pontos experimentais yi não
devem estar muito afastados dos pontos calculados ŷi , como também pode-se desconfiar daqueles que
estão absolutamente em concordância com os pontos calculados. Os critérios de avaliação da qualidade
do ajuste buscam determinar o grau de verossimilhança da curva ajustada em relação aos pontos expe-
rimentais. (Vuolo, 1998 ). As figuras que seguem são exemplos de ajuste e de sua qualidade

(a)

Fig. 7- (a) ajuste com baixa qualidade, (b) ) ajuste com boa
qualidade e (c) ) ajuste com baixa verossimilhança

(c)

Tab.4 - dados das curvas de ajuste

Curva nº de pontos Ajuste graus de liberdade
(a) 12 a+b x υ = 10
(b) 12 a+b x +c x2 υ=9
(c) 12 a+b x υ = 10

A curva da fig 7.b representa melhor os dados experimentais que a curva da fig 7.a. Na parábo-
la, a flutuação dos pontos experimentais em relação à curva ajustada é coerente com as incertezas expe-
rimentais. Na curva da fig 7.c, o acordo entre os dados e a curva ajustada é bom, mas a qualidade é ru-
im, pois a situação é inverossímil. É muito difícil encontrar, na prática, um ajuste tão bom para uma
incerteza de medição tão grande, o que denota que estas últimas foram superestimadas.

Barras de incerteza
Para se avaliar a qualidade de uma curva de ajuste calculada, é importante que se grafique a re-
ferida curva junto com os dados experimentais que a geraram. A fig. 4 apresenta essa situação, e o uso
das barras verticais em cada dado experimental indica a incerteza da medição. Se a curva ajustada pas-

17
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

sa pelo intervalo compreendido pela barra de incerteza, e se essa incerteza é de ±σ por exemplo, isso
significa que o dado experimental tem cerca de 68,3% de estar contido na curva ajustada.
Essa avaliação é elementar, mas pode ser um primeiro recurso para a análise da qualidade do
ajuste.

Coeficiente de correlação r
Quando se estabelece uma curva de ajuste, como y=a+bx por exemplo, emprega-se o coeficien-
te de correlação r para avaliar o grau de dependência das variáveis aleatórias x e y, de forma que

1/ 2
 σ y2, x 
r = 1 − 2  (28)
 σ y 

onde
1/ 2 1/ 2
 n 2
  n 2

(
 ∑ yi − y m ) ∑ i ( y − y i ,c ) 
σ y =  i =1  e σ y, x =  i =1  (29)
 n −1   n−2 
   
   

Uma expressão empregando somatórios é dada pela equação que segue:

n ∑ xi y i − ∑ xi ∑ y i
r=
[n∑ x ][ ]
(30)
− (∑ xi ) n∑ y − (∑ yi )
2 2 2 2
i i

O teste de significância do coeficiente r é dado pelo valor H, que para uma reta com número de
graus de liberdade (n-2) é dado por

r
H= n−2 (31)
1− r 2

que segue uma distribuição de Student. Pode-se afirmar que r é significativo (r ≠ 0) a um nível de signi-
ficância α, se

H ≥ tα / 2 ν = n−2 (32)

χ2 reduzido
Para uma função f(x) que representa o ajuste de um conjunto de dados experimentais, defini-se
o parâmetro χ2 (qui-quadrado) como

n
[ y i − f ( x i )]2
χ =∑
2
(33)
i =1 σ i2

18
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

e o parâmetro χ2 - reduzido (qui-quadrado reduzido) como

χ2
χ red
2
= (34)
ν

O denominador da equação 21 indica a variância (quadrado do desvio padrão) entre o ponto ex-
perimental e a função ajustada. Por tratar-se de uma quantidade estatística, é possível ainda atribuir a
probabilidade de χ2 - reduzido tem de ser encontrado entre valores Q1 e Q2, que correspondem aos li-
mites do intervalo de um intervalo de confiança.

A aplicação do teste do χ2 - reduzido se faz da seguinte maneira:

1-Calcula-se o χ2 e com o valor de ν chega-se ao χ2 - reduzido

2- Procuram-se os valores de Q1 e Q2 nos gráficos das figuras 5 (a) e (b), segundo o número de graus
de liberdade ν. A fig. 5 (a) tem limites de probabilidade de 1% a 99% (98% de intervalo de confiança)
e a fig. 5 (b) tem limites de probabilidade de 5% a 95% (90% de intervalo de confiança).

3- Confronta-se o χ2 - reduzido do item 1 com os limites Q1 e Q2 do item 2. Se o valor calculado esti-

ver contido em Q1 < χ2red < Q2, o ajuste é de boa qualidade.

Fig. 8- Valores de Q1 e Q2 com níveis de confiança (a) 98% e (b) e 90%, em função de χ2 - reduzido e
do número de graus de liberdade
19
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

7. Referências Bibliográficas

Holman, J.P., 1994, Experimental Methods for Engineers, McGraw-Hill, New York, 6th ed.
INMETRO, 1995. Vocabulário Internacional de Termos Fundamentais e Gerais de Metrologia,
Instituto Nacional de Metrologia, Rio de Janeiro
INMETRO, 1998. Guia para a Expressão da Incerteza de Medição, Instituto Nacional de
Metrologia, Rio de Janeiro
ISO GUM Suppl. 1 (DGUIDE 99998), 2004. Guide to the expression of uncertainty in meas-
urement (GUM) — Supplement 1: Numerical methods for the propagation of distributions, Interna-
tional Organization for Standardization, Genebra (www.iso.org)
ISO GUM, 1993. Guide to the Expression of Uncertainty in Measurements, International Or-
ganization for Standardization, Genebra. (www.iso.org).
Orlando A.F., 2004. Análise da Incerteza de Medição em um Processo Metrológico. Mestrado
em Metrologia, Qualidade e Inovação, Departamento de Engenharia Mecânica, PUC-Rio, Rio de
Janeiro
Triola, M.F., 1998, Introdução à Estatística, LTC-Livros Técnicos e Científicos, Rio de Janei-
ro
Vuolo, J.H, 1998. Fundamentos da Teoria de Erros, Editora Edgard Blücher, São Paulo
Silva, A.V., 2003, Instrumentação Básica Aplicada a Sistemas de Gás, Curso de Pós-graduação
em Utilizações do Gás Natural, Programa de Pós-Graduação em Engenharia Mecânica, Universi-
dade Federal do Rio Grande do Sul, Porto Alegre

20
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

ANEXOS :

1- Definições de termos metrológicos

As definições abaixo estão de acordo com os seguintes documentos:

Portaria INMETRO no 064, de 11 de abril de 2003

VIM – Vocabulário Internacional de Termos Fundamentais e Gerais de Metrologia, INMETRO, 1995.
ISO GUM – Guia para Expressão da Incerteza de Medição, INMETRO 1997

Avaliação Tipo A da incerteza - Método de avaliação da incerteza pela análise estatística de

uma série de observações.
Avaliação Tipo B da incerteza - Método de avaliação da incerteza por outros meios que não a
análise estatística de uma série de observações.
Calibração - Conjunto de operações que estabelece, sob condições especificadas, a relação entre
os valores indicados por um instrumento de medição ou sistema de medição ou valores representados
por uma medida materializada ou material de referência, e os valores correspondentes das grandezas
estabelecidos por padrões.
Classe de exatidão - Classe de instrumentos de medição que satisfazem a certas exigências me-
trológicas destinadas a conservar os erros dentro de limites especificados.
Correção - Valor adicionado algebricamente ao resultado de uma medição para compensar um
erro sistemático.
Condições limites - Condições extremas nas quais um instrumento de medição resiste sem da-
nos e degradação das características metrológicas especificadas, as quais são mantidas nas condições
de funcionamento em utilizações subseqüentes.
Condições de referência - Condições de uso prescritas para ensaio de desempenho de um ins-
trumento de medição ou para intercomparação de resultados de medição.
Condições de base - condições especificadas para as quais o volume medido do líquido é con-
vertido.
Condições de utilização - Condições de uso para as quais as características metrológicas especi-
ficadas de um instrumento de medição mantém-se dentro dos limites especificados.
Deriva - Variação lenta de uma característica metrológica de um instrumento de medição.
Ensaio de desempenho - Ensaio destinado a verificar se o sistema de medição sob ensaio é ca-
paz de cumprir as funções para as quais ele foi previsto.
Ensaio de exatidão - Ensaio destinado a determinar o erro do medidor ao longo da faixa de me-
dição
Erro aleatório - resultado de uma medição menos a média que resultaria de um número infinito
de medições do mesmo mensurando efetuadas sob condições de repetitividade.
Erro de medição - Resultado de uma medição menos o valor verdadeiro do mensurando. Na fal-
ta deste último, utiliza-se o valor verdadeiro convencional.
Erro relativo - Erro da medição dividido pelo valor verdadeiro do mensurando. Na falta deste
último, utiliza-se o valor verdadeiro convencional.
Erros máximos admissíveis - valores extremos de um erro admissível por regulamento, especi-
ficação, etc., para um dado instrumento de medição.
Erro de repetitividade - é a diferença entre o maior e o menor dos resultados de uma série de
medições sucessivas de uma mesma quantidade, realizadas nas mesmas condições.
Erro sistemático - Média que resultaria de um número infinito de medições do mesmo mensu-
rando, efetuadas sob condições de repetitividade, menos o valor verdadeiro do mensurando. Na falta
deste último utiliza-se o valor verdadeiro convencional.
21
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Escala de um instrumento de medição - Conjunto ordenado de marcas, associado a qualquer

numeração, que faz parte de um dispositivo mostrador de um instrumento de medição.
Exatidão de um instrumento de medição - Aptidão de um instrumento de medição para dar res-
postas próximas a um valor verdadeiro. Exatidão é um conceito qualitativo. A incerteza de medição é
um dos parâmetros usados para sua quantificação.
Fator de abrangência - Fator numérico usado como multiplicador da incerteza padronizada
combinada de modo a obter uma incerteza expandida. Neste estudo, será utilizado um valor igual ao
parâmetro t-student para um nível de confiança de 95,45 %, calculado para o número de graus de liber-
dade dos experimentos.
Fator do medidor (meter factor) - Relação entre o volume verdadeiro de líquido que atravessa o
medidor e o volume de líquido indicado pelo medidor.
Faixa de indicação - Conjunto de valores limitados pelas indicações extremas.
Faixa nominal - Faixa de indicação que se pode obter em uma posição específica dos controles
de um instrumento de medição.
Faixa de medição - Conjunto de valores de um mensurando, limitado pelos seus valores inferior
e superior, para o qual admite-se que o erro de um instrumento de medição mantém-se dentro de limi-
tes especificados.
Graus de liberdade - número de medições menos 1.
Incerteza de medição - Parâmetro associado ao resultado de uma medição, que caracteriza a
dispersão dos valores que poderiam ser razoavelmente atribuídos ao mensurando.
Incerteza padronizada - Incerteza do resultado de uma medição expressa como um desvio pa-
drão.
Incerteza padronizada combinada - Incerteza padronizada de um resultado de medição, quando
este resultado é obtido por meio dos valores de outras grandezas, sendo igual à raiz quadrada positiva
de uma soma de termos, sendo estes as variâncias ou covariâncias destas outras grandezas, ponderadas
de acordo com quanto o resultado da medição varia com mudanças nestas grandezas.
Incerteza expandida - Grandeza definindo um intervalo em torno do resultado de uma medição
com o qual se espera abranger uma grande fração da distribuição do valores que possam ser atribuídos
razoavelmente ao mensurando.
Instrumento de medição - Dispositivo utilizado para uma medição, sozinho ou em conjunto com
dispositivos complementares.
Mensurando - Objeto da medição. Grandeza específica submetida à medição.
Medição - Conjunto de operações que tem por objetivo determinar um valor de uma grandeza.
Medidor padrão - medidor utilizado como padrão de comparação na calibração de outros medi-
dores.
Medidor padrão de trabalho - medidor padrão utilizado rotineiramente para calibrar medidores
em operação nos sistemas de medição.
Medidor padrão de referência - medidor padrão, geralmente tendo a mais alta qualidade metro-
lógica disponível em um dado local ou em uma dada organização, a partir do qual as medições lá exe-
cutadas são derivadas.
Medição fiscal - Medição do volume de produção fiscalizada , efetuada num ponto de medição
de produção a que se refere o inciso IV do art. 3 do Decreto no 2705 de 03/08/1998.
Quantidade mínima mensurável de um sistema de medição - Limite inferior da faixa de medi-
ção.
Quantidade máxima mensurável de um sistema de medição - Limite superior da faixa de medi-
ção.
Razão entre os valores limites da faixa de medição (turndown ratio) - Relação entre o maior va-
lor e o menor valor da faixa de medição.

22
 UFRGS - Engª Mecânica - Medições Térmicas – Incertezas de Medição e Ajuste de Dados - Prof. Paulo Schneider

Repetitividade de resultados de medições - Grau de concordância entre os resultados de medi-

ções sucessivas de um mesmo mensurando efetuadas sob as mesmas condições de medição.
Resultado de uma medição- Valor atribuído a um mensurando obtido por medição
Reprodutibilidade dos resultados de medição - Grau de concordância entre os resultados de me-
dições sucessivas de um mesmo mensurando efetuadas sob condições variadas de medição.
Sistema de calibração - Sistema composto de um medidor padrão de trabalho (ou provador em
linha) e de dispositivos auxiliares e adicionais, necessários para efetuar as operações de calibração de
um medidor de fluidos.
Sistema de medição - Conjunto completo de instrumentos de medição e outros equipamentos
acoplados para executar uma medição específica.
Sistema de medição de petróleo em linha - sistema utilizado para determinar os volumes de
produção de petróleo estabilizado, com menos de 1% de água e sedimentos.
Transferência de custódia - Transferência legal e/ou comercial de um bem físico entre operado-
ras.
Valor verdadeiro de uma grandeza - Valor consistente com a definição de uma dada grandeza
específica.
Valor verdadeiro convencional de uma grandeza - Valor atribuído a uma grandeza específica e
aceito, às vezes por convenção, como tendo uma incerteza apropriada para uma dada finalidade.

2- Cálculo das Incertezas de Medição do Tipo B

Quando as informações sobre o comportamento do sistema estão disponíveis de forma incom-

pleta, sem a caracterização estatística necessária, podendo inclusive estar disponível de forma não cien-
tifica e subjetiva, a incerteza de medição é classificada como Tipo B.

Este conjunto de informações pode incluir o seguinte:

• Dados de medições prévias, sem caracterização estatística

• Experiência ou o conhecimento geral do comportamento e propriedades de materiais e instru-
mentos relevantes, especificando o limite superior e inferior do parâmetro
• Informações do fabricante, com faixa de erro máximo, sem caracterização estatística
• Dados fornecidos em certificados de calibração e outros certificados, representando o compor-
tamento médio, ou com informações incompletas
• Incertezas relacionadas a dados de referência extraídos de manuais, como limites superiores de
“erros”

Normalmente os dados disponíveis de “erro” ou de incerteza, sem o rigorismo estatístico, são

apresentados sem caracterizar o nível de confiabilidade. O Guia sugere então que se utilize uma distri-
buição retangular (em lugar de Gaussiana), o que tende a superestimar o desvio padrão de uma suposta
distribuição Gaussiana. Em alguns casos, uma distribuição triangular pode ser utilizada. Se os dados
fornecidos indicarem o limite superior e inferior do parâmetro, pode-se considerar que o valor médio
destes limites representa o seu valor médio. A diferença entre estes dois limites pode ser considerada
como igual a duas vezes a incerteza expandida (U) Tipo B do parâmetro, normalmente com um nível
de confiabilidade de 95,45 %. Assim, se a informação disponível para uma medição puder ser descrita
pela equação que segue
A incerteza padrão (u) é definida como o resultado de uma medição expressa como um desvio padrão.
Pode ser calculada dividindo-se a incerteza expandida (U) por 2 quando a distribuição é normal, e o

23
nível de confiabilidade é 95,45% (Incerteza do tipo A). Quando a distribuição é retangular, ela pode ser
calculada dividindo-se a incerteza expandida (U) por 3 . Ou por 2 3 , quando a distribuição é trian-
gular. Estas duas distribuições são utilizadas quando o método de avaliação de incerteza é do tipo B.

24