You are on page 1of 4

Simplificaes admitidas pela norma ISO GUM.

Joo Antnio Palma Setti 1 , Vicente Machado Neto 2

1
Departamento de Mecnica, UTFPR, Curitiba, Brasil, setti@utfpr.edu.br
2
Departamento de Eletrnica, UTFPR, Curitiba, Brasil , vmachado@utfpr.edu.br

Resumo: estabelece que a distribuio de Y ser


No clculo de incertezas de medies fazemos algumas aproximadamente normal, com esperana
suposies aceitas pela norma ISO GUM, tais quais: as N
fontes de incertezas so estatisticamente independentes e E ( Y )= ci E(x i) e varincia
que a somatria de diferentes distribuies converge para i=1
uma distribuio normal. N
2 ( Y )= c2i 2 (x i) , onde E( X i) a esperana
Com base no teorema do valor central e na suposio de i=1
entradas independentes, faz-se o clculo da incerteza padro, 2
de Xi e ( X i) a varincia de X i , se os
somando quadraticamente as contribuies padres de cada
uma das incertezas. A partir da incerteza combinada, Xi so independentes e 2
(Y ) muito maior do
fazemos a expanso para 2 com base na tabela t que qualquer componente individual
2 2
c ( Xi) de um
i
student e nos graus de liberdade.
X i , com distribuio no normal.
Neste artigo pretende-se por simulaes matemticas,
utilizando-se o mtodo Monte Carlo, experimentar diversas Se a relao funcional entre Y e suas grandezas de
entrada no linear e se uma expanso de primeira ordem
situaes de variveis de entrada de X i (incertezas) e
da srie de Taylor da relao no uma aproximao
verificar as distribuies resultantes das somatrias. At que aceitvel, ento a distribuio de probabilidade de Y no
ponto pode-se admitir que a distribuio resultante de sada pode ser obtida pela convoluo das grandezas de entrada.
seja uma distribuio normal, quais os possveis erros que Em tais casos, outros mtodos numricos ou analticos so
incorremos com isto? requeridos.

Palavras chave: ISO GUM, Clculo de incerteza de 2. OBJETIVOS


medio.
Verificar a validade das simplificaes admitidas pela
1. INTRODUO norma ISO GUM no clculo de incertezas de medio e
A ISO GUM baseando-se no Teorema do Limite Central, quais os limites em que estas simplificaes podem ser
diz que a partir da estimativa y do mensurando Y, sendo Y verdadeiras ou falsas. Principalmente, testar situaes onde
dependente das distribuies de probabilidade das grandezas uma das componentes a serem convolucionadas, apresente
2 2
de entrada X1,X2,X3,...,XN, das quais so conhecidas (suas um c i ( X i ) maior que os componentes individuais.
esperanas, varincias e momentos de ordem superior, se as
distribuies no so normais) e se Y uma funo linear
das grandezas de entrada, Y = c1X1+c2X2+...+cNXN, ento a 3. MTODO
distribuio de probabilidade de Y pode ser obtida por
convoluo das distribuies individuais. Atravs de simulaes matemticas utilizando-se o
O Teorema do Limite Central diz que se Mtodo de Monte Carlo, vamos verificar se as
N simplificaes admitidas pela norma ISO GUM so
Y =c1 X 1 +c 2 X 2+ +c n X n= c i X i e todos os verdadeiras em algumas situaes limites, ou mesmo quais
i=1 os erros incorridos em relao a outros mtodos.
X i so caracterizados por distribuies normais, ento a Utilizou-se a planilha eletrnica Excel para fazer
distribuio convolucionada resultante de Y tambm simulaes de distribuies Normais e Retangulares. Para as
ser normal. Entretanto, mesmo que as distribuies de distribuies Normais utilizamos mdia igual a 100 e desvio
X i no sejam normais, a distribuio de Y pode, padro igual a 10 e a equao 1 para a simulao.
freqentemente, ser aproximada por uma distribuio
normal devido ao Teorema do Limite Central. Este teorema
Ou seja somando temos uma retangular com 60%
x 1=[ 2 ln r 1 cos(2 r 2) ] + do peso total;
r 1=nmero aleatrio gerado pelo excel
r 2=segundo nmero aleatrio gerado peloexcel
=desvio padro=10 atribudo
=valor mdio=100 atribudo
Foram simulados 1000 valores.

Equao 1 Algoritmo gerador de distribuio normal


[2].

Optou-se pela simulao atravs da formula acima para


se ter atualizaes a cada instante dos valores gerados, o que
no seria possvel utilizando-se a funo do Excel de
gerao de distribuio Normal, haja visto que a mesma
feita uma nica vez, tirando-se assim a capacidade de Figura 1 Distribuio normal simulada.
realizar facilmente diversas simulaes.
Para as distribuies retangulares utilizou-se a equao 2
para a simulao.

x=a+ ( ba ) r
a=limite inferior ; b=limite su perior ; r =nmero aleatrio gerado
Foram simulados 1000 valores.

Equao 2 Algoritmo gerador de distribuio


retangular [2].

Foram simulados 1000 valores utilizando-se 82 e 118


como limites inferior e superior respectivamente. A idia
que os valores correspondentes as disperses de 68,27% das
Figura 2 Distribuio retangular simulada.
distribuies Normais e retangulares ficassem prximos, ou
seja Normal = 10 e retangular igual a
Para a somatria onde participam duas distribuies
11882
( 2 )
=10,39
.
normais mais duas distribuies retangulares todas com
pesos iguais se observa que a distribuio resultante se
aproxima muito de uma distribuio normal, como pode ser
3 visto na figura 3.
Nas figuras 1 e 2 v-se as distribuies normal e
retangular simuladas por meio dos seus histogramas.
A partir das simulaes foram testadas as seguintes
situaes, sempre utilizando duas distribuies normais e
duas retangulares:
1. Somatria de 2 normais e 2 retangulares com
iguais pesos;
2. Somatria de 1 retangular com 85% do peso, mais
2 normais e 1 retangular com 5% de peso cada. Ou
seja somando temos uma retangular com 90% do
peso total;
3. Somatria de 1 retangular com 70% do peso, mais
2 normais e 1 retangular com 10% de peso cada. Figura 3 Somatria resultante de 2 normais e 2
Ou seja somando temos uma retangular com 80% retangulares com iguais pesos.
do peso total;
4. Somatria de 1 retangular com 55% do peso, mais Para a somatria onde temos uma retangular com 90%
2 normais e 1 retangular com 15% de peso cada. do peso a distribuio resultante se aproxima muito de uma
Ou seja somando temos uma retangular com 70% distribuio retangular, como pode ser visto na figura 4.
do peso total;
5. Somatria de 1 retangular com 40% do peso, mais
2 normais e 1 retangular com 20% de peso cada.
Figura 6 Somatria resultante de 2 normais e 2
retangulares com 70% do peso.

Os resultados obtidos esto resumidos na tabela 1 que


representa a mdia de 10 simulaes. Na tabela as colunas
representam as 5 diferentes simulaes feitas ou seja: Iguais
pesos; Uma retangular com 90% do peso; Uma retangular
com 80% do peso; Uma retangular com 70% do peso e Uma
retangular com 60% do peso. Considerando as curvas
resultantes, calculou-se a incerteza padro combinada
resultante pelos seguintes mtodos: a) Abrangncia de
aproximadamente 68% dos casos obtida diretamente do
grfico (histograma), ou seja como eram 1000 simulaes
teramos um intervalo abrangendo aproximadamente 680
simulaes centralizadas; b) Clculo do desvio padro dos
Figura 4 Somatria resultante de 2 normais e 2
dados obtidos da somatria das distribuies, ou seja
retangulares com 90% do peso.
simplesmente calculando o desvio padro da somatria das
distribuies com os seus devidos pesos atribuidos;
Para a somatria onde temos uma retangular com 80%
do peso a distribuio resultante tambm se aproxima de
uma distribuio retangular, como pode ser visto na figura 5.
Para a somatria onde temos uma retangular com 70%
do peso a distribuio resultante se aproxima de uma
distribuio normal, como pode ser visto na figura 6.
Para a somatria onde temos uma retangular com 60%
do peso a distribuio resultante se aproxima muito de uma
distribuio normal, como pode ser visto na figura 7.

Figura 7 Somatria resultante de 2 normais e 2


retangulares com 60% do peso.

c) Clculo segundo a norma ISO GUM considerando a


somatria quadrtica das incertezas padres de cada uma
das fontes, tirando a raiz quadrada do resultado e d) Clculo
considerando a resultante como uma distribuio retangular,
ou seja tirando-se a mdia dos limites superior e inferior,
dividido por raiz quadrada de 3.

Figura 5 Somatria resultante de 2 normais e 2 Com base nos clculos das incertezas resultantes pelas 4
retangulares com 80% do peso. formas descritas acima, calculou-se as diferenas
percentuais entre elas a saber: a) Desvio Padro dos dados e
Grfico - % Sim / Graf (mtodo b / mtodo a); b) Grfico e
Retangular - % Graf / Ret (mtodo a / mtodo d); c) Grfico
e ISO - % Graf / ISO (mtodo a / mtodo c); d) Desvio
padro dos dados e ISO - % Sim / ISO (mtodo b / mtodo
c); d) Desvio padro dos dados e Retangular - % Sim / Ret
(mtodo b / mtodo d).
Analisando os resultados obtidos na Tabela 1 tomando
por base o clculo da incerteza obtido do grfico para 68%,
observa-se:
1) Para a somatria de 2 normais e 2 retangulares com
iguais pesos, a diferena percentual do grfico para o
mtodo de clculo da ISO de apenas 1,7 %. Portanto o
mtodo de clculo da ISO adequado, uma vez que a
distribuio resultante uma normal;
2) Para a somatria de 1 retangular com 90% do peso a normal, apesar das distribuies somadas serem das mais
diferena percentual do grfico para o mtodo de clculo da diversas vlida, principalmente, quando no h
ISO de 11,94%, neste caso calculando-se o desvio padro predominncia de um determinado tipo de distribuio,
como sendo uma distribuio retangular o erro cai para diferente de uma distribuio normal. Este fato observou-se
3,56%, uma vez que a distribuio resultante se aproxima quando da somatria de duas distribuies normais e duas
mais de uma retangular; distribuies retangulares com iguais pesos, quando os erros
3) Para a somatria de 1 retangular com 80% do peso a foram inferiores a 2% e mesmo quando a distribuio
diferena percentual do grfico para o mtodo de clculo da retangular representava um peso de 60% quando o erro ficou
ISO de 13,63%, neste caso calculando-se o desvio padro em apenas 5%.
como sendo uma distribuio retangular o erro cai para
Para a condio em que h predominncia de uma
6,72%, o que tambm significativo, uma vez que a
distribuio retangular da ordem de 90, 80 e 70% sobre as
distribuio resultante se aproxima mais de uma retangular;
distribuies normais, os erros da metodologia da ISO giram
4) Para a somatria de 1 retangular com 70% do peso a
em torno de 10 a 13,6%. O que demonstra que a
diferena percentual do grfico para o mtodo de clculo da
metodologia de clculo de incerteza de medio da norma
ISO de 9,44 %. Neste caso o clculo da incerteza como
ISO GUM bastante robusta, mesmo em condies
sendo uma distribuio retangular leva a erros de 28,36%,
extremas.
uma vez que a forma da distribuio resultante mais se
parece com uma normal; O fato de admitirmos um outro tipo de distribuio
5) Para a somatria de 1 retangular com 60% do peso a diferente da normal, no caso retangular como resultante, no
diferena percentual do grfico para o mtodo de clculo da levou a diminuies significativas nos erros, apenas quando
ISO de 5,01 %, uma vez que a distribuio resultante j os pesos da retangular eram de 90 e 80%, pode-se dizer que
converge bem mais para uma normal, apesar do peso 60% houve vantagens.
dado para a distribuio normal. O erro considerando-se
As incertezas resultantes do clculo pela norma ISO
uma distribuio retangular passa dos 50%;
GUM foram sempre um pouco inferiores aos valores obtidos
As demais anlises feitas podem ser obtidas diretamente diretamente do grfico, o que demonstra que a metodologia
da Tabela 1, observa-se uma coerncia muito grande das no muito conservadora, o que pode ser uma desvantagem.
incertezas calculadas atravs do desvio padro diretamente No entanto como as condies simuladas so extremas, ou
dos dados e pela ISO GUM com diferenas percentuais seja, distribuio retangular supe-se que outras
menores que 1% (% Sim/ISO da tabela 1). distribuies iro produzir resultados mais favorveis
convergncia para uma distribuio normal.
Tabela 1 Quadro resumo de 10 simulaes.
Portanto quando determinadas condies extremas se
apresentarem, a simulao matemtica usando-se o Mtodo
de Monte Carlo, que tambm previsto na ISO GUM, pode
levar a valores mais corretos, mas sua diferena para o
mtodo de clculo tradicional da ISO GUM no ser muito
superior a 10%.

REFERNCIAS

[1] Guia para Expresso da Incerteza de Medio.


Terceira edio brasileira em lngua portuguesa Rio
de Janeiro: ABNT, INMETRO, 2003.

[2] Reliability modeling with spreadsheets. Dodson,


Bryan. ASQ`s 53rd Annual Quality Congress
Proceedings.

4. CONCLUSES [3] Fundamentos de Metrologia Cientfica e Industrial.


Albertazzi, Armando, Andr R. de Sousa. Barueri, SP:
A simplificao admitida pela norma ISO GUM que a Manole, 2008.
distribuio resultante converge para uma distribuio