Tutorial Qtiplot

Site: Aprender 3 Impresso por: Enrico Pinhati Carvalho

Curso: IFD0181 - FISICA 3 EXPERIMENTAL - Turma 03 | 04 | 04 - 2023/2 Data: domingo, 10 set. 2023, 20:50
Livro: Tutorial Qtiplot
:
 Descrição

Texto - Prof. Daniel L. Nascimento

Revisão e Diagramação: Profa. Leticia N. Coelho

:
 Índice

1. Apresentação

2. Gráfico de uma função linear e ajuste aos pontos experimentais por Regressão Linear
2.1. Separador decimal e tabela de dados
2.2. Introdução das colunas de erro
2.3. Primeiro gráfico
2.4. Inserção das barras de erro nos eixos X e Y
2.5. Função matemática que melhor se ajusta ao conjunto de pontos do gráfico
2.6. Complementação e melhoramentos no gráfico
2.7. Introdução de linhas de guia horizontais e verticais
2.8. Exportando o gráfico

3. Ajuste de uma função linear pelo processo das três retas

4. Gráficos de funções polinomiais.

4.1. Ajuste por regressão polinomial dos pontos experimentais
4.2. Representação dos dados em escala Log-Log e o processo das três retas
4.3. Ajuste por transformação logarítmica das colunas de coordenadas e de erros dos pontos experimentais
4.4. Comparação dos resultados obtidos nas seções A.1, A.2 e A.3

5. Função de Decaimento Exponencial - Ajuste direto por regressão exponencial dos pontos experimentais
5.1. Representação dos dados em escala Mono-Log
5.2. Ajuste dos dados por regressão linear após transformação logarítmica
5.3. Comparação dos resultados obtidos nas seções 1, 2 e 3

6. Referências
:
 1. Apresentação

Guia para utilização do Programa Gráfico QtiPlot nos Cursos de Física Experimental do Instituto de Física da Universidade de Brasília

Texto: Prof. Daniel Lima Nascimento

Diagramação e revisão: Profa. Leticia N. Coelho

Universidade de Brasília

Instituto de Física

2019

Copyright under a Creative Commons Attribution-NonCommercial 4.0 International License.

:
 2. Gráfico de uma função linear e ajuste aos pontos experimentais por Regressão
Linear

Vamos traçar com o Qtiplot o gráfico de uma função linear que se espera ajustar-se aos pontos (X,Y) e respectivos erros (ΔX,ΔY) da Tabela 1 de exemplo
abaixo:

Tabela 1

X Y ΔX ΔY

1,0 2,0 0,1 0,2

2,0 4,0 0,1 0,2

3,0 6,0 0,1 0,2

4,0 8,0 0,1 0,2

A função linear a ser ajustada é da forma geral Y = AX + B e do processo de ajuste devem resultar os valores prováveis de A e B e suas respectivas
incertezas. Uma inspeção imediata da Tabela 1 revela que trata-se da função dobro de X, mas isso deve resultar do processo gráfico a ser realizado a
seguir.
:
 2.1. Separador decimal e tabela de dados

Entrar no Qtiplot do computador do Laboratório ou do aluno, se este tiver uma instalação de Qtiplot para Windows disponível. Aparecerá imediatamente
uma barra de Ferramentas e abaixo dela uma tabela para inserção dos pares (X,Y). Contudo, antes de começar qualquer projeto é conveniente definir
como as casas decimais serão separadas das inteiras. É recomendável seguir o padrão americano em que a separação é feita por um ponto, já que é dessa
forma que calculadoras e programas computacionais numéricos ou gráficos usualmente são definidos. Para fazer isso, clique em Edit na Barra de
Ferramentas do Qtiplot, depois clique em Preferences na última linha, o que abrirá a tela Qtiplot – Choose default settings

Clique a seguir em Numeric Format; a seguir use as setas à direita para mudar a opção da linha Decimal Separators e a de ClipBoard Decimal Separators de
System Locale Setting, que é o padrão e, no nosso caso estabeleceria a vírgula como separador decimal, para 1,000.0, que é o padrão americano usual.
Aproveite também e marque a caixa Omit Thousands Separator, para eliminar a virgula que separa o milhar e evitar erros de leitura em números grandes. A
tela com essas modificações será

Feito isso, entre agora com os valores da Tabela 1 no QtiPlot:

(Uma observação quanto à barra de ferramentas é que se pode definir quantas linhas se deseja ficar visíveis clicando em View e depois desmarcado o que
não for essencial).
:
 2.2. Introdução das colunas de erro

Vá agora até a barra de ferramentas, clique em Table e procure o comando add column; clique nele e aparecerá uma nova coluna intitulada 3[Y]. Repita o
processo e crie também a coluna 4[Y]. Por padrão as novas colunas são atribuídas a Y, mas adiante elas poderão ser reatribuidas. Entre com os valores de
ΔX e ΔY nas colunas 3 e 4. Antes de prosseguir vá até a barra de ferramentas, clique em File e procure a linha Save Project as e salve seu trabalho com
extensão .qti, que poderá ser editado no Qtiplot. No nosso caso o nome será F_Linear:
:
 2.3. Primeiro gráfico

Para gerar o gráfico correspondente à Tabela 1 vá até a barra de ferramentas, clique em View e procure o Assistente Gráfico Plot Wizard, clique nele e
aparecerá a seguinte tela:

A janela no lado direito é o seletor de colunas a serem plotadas. Clique primeiro em New Curve; depois clique na coluna 1 da área de trabalho (worksheet) e
depois na variável X à sua direita; depois na coluna 2 e a seguir na variável Y. Não se esqueça de salvar o projeto após cada modificação, clicando no
disquete, Save Project, que está na barra abaixo do comando Windows:

Estando atribuídas as colunas 1 e 2 para as variáveis X e Y respectivamente, pode-se agora obter uma primeira versão do gráfico clicando em Plot no canto
direito inferior da janela, que deverá desaparecer (senão clique em Close) enquanto o seguinte gráfico aparecerá :

A legenda no canto direito superior informa que o gráfico é bidimensional e que os pontos estão ligados por linhas contínuas. Note que a partir de agora
haverá uma barra de ferramentas para a tabela e outra diferente para o gráfico; para alternar entre elas basta clicar na tabela ou no gráfico. Em qualquer
momento pode-se alterar ou inserir novos dados na tabela, os quais serão imediatamente plotados no gráfico. Note também que é possível utilizar os
símbolos abaixo dos nomes na barra de ferramentas para realizar várias das operações descritas aqui, contudo optamos por usar os nomes por serem mais
evidentes.
:
:
 2.4. Inserção das barras de erro nos eixos X e Y

Comece eliminando as linhas automáticas que unem os pontos. Para isso clique duas vezes sobre o gráfico, quando aparecerá a tela Plot details que
oferece uma série de opções de ajustes de cores, margens, etc, que podem ser testadas pelo aluno quando necessário. Clique então em Table 1: 1(X),2(Y) no
canto esquerdo superior abaixo de Graph1, que abrirá nova janela:

No canto esquerdo inferior onde está Plot type, clique na seta após Line + Symbol e mude esse seletor para Scatter (dispersão), depois em Apply e
finalmente em OK, quando então essa janela desaparecerá e aparecerá um gráfico sem as linhas entre os pontos.

Pode-se agora adicionar as barras de erro. Para isso clicar em Graph na Barra de Ferramentas, depois clicar na linha Add Error Bars, quando então
aparecerá uma tela com um seletor de colunas de barras de erro:
:
Observe que por padrão está selecionado a barra de erros do eixo Y no canto esquerdo inferior. Começando por ele, clique na seta ao lado do número 1 ao
lado de Table 1 (se houver mais de um gráfico simultâneo, deve-se repetir o processo para cada tabela) e escolha a coluna 4, que corresponde aos valores
de ΔY da Tabela 1. Depois clique em Add, quando então aparecerão as barras do eixo Y no gráfico:

Volte agora ao seletor de barras de erro, mude a opção de barras de erro para X Error Bars, volte então ao seletor de colunas de Table 1 e selecione agora a
coluna 3, que corresponde à coluna ΔX da Tabela 1. A seguir clique em Add; o gráfico então aparecerá com as duas barras de erro ΔX e ΔY:
:
A seguir clique em Close para fechar o seletor. Você pode também minimizar a tabela Table 1 para se concentrar no gráfico, mas poderá voltar a ela sempre
que necessário.
:
 2.5. Função matemática que melhor se ajusta ao conjunto de pontos do gráfico

Na barra de ferramentas de gráficos, clique em Analysis, quando aparecerão várias possibilidades matemáticas de ajuste; como esperamos ou já sabemos
que os pares (X,Y) pertencem a uma função linear, deve-se clicar na linha Fit Linear. Será então realizada uma Regressão Linear que é um ajuste dos pontos
e barras de erros à função Y = AX+B, onde A e B são parâmetros a determinar, que é representada pela linha vermelha na tela abaixo:

No quadro do canto superior esquerdo aparecem todas as funções representadas, que podem ser acessadas clicando duas vezes no gráfico. Se desejar
remover esse quadro, basta clicar nele com o botão direito do mouse e depois clicar em Delete. Observe o relatório do ajuste Results Log e dele retire os
valores do coeficiente angular A (Slope) e seu respectivo desvio padrão (observe que no fim dos números há um expoente que representa a potência de
base 10 a ser multiplicada):

A (slope) = 2.000000000000000e+00 +/- 8.9332719099999160e-02

Com um algarismo significativo de erro teremos então A = 2,00 ± 0,09 (não esqueça da unidade, se houver). Depois anote o valor do coeficiente linear B
(y – intercept):

B (y – intercept) = 0.0000000000000e+00 +/- 2.449489742783178e-01

Com um algarismo significativo de erro teremos então B = 0,0 ± 0,3 unidade.

Concluímos portanto que a função que melhor se ajusta é, dentro da margem de erro, Y = 2 X, exatamente como esperado desde o início. Se houver dúvida
quanto a forma final da função, basta clicar duas vezes no gráfico, quando reaparecerá a tela QtiPlot – Plot Details, que mostra as camadas existentes no
gráfico, no caso Layer 1; procure abaixo dela então LinearFit1, clique nele e então aparecerá a tela de descrição da função e listagem dos valores médios de
seus parâmetros:
:
Nessa tela também é possível introduzir outras funções matemáticas manualmente, para comparação com os pontos ou com a regressão linear já
realizada. Elas podem ser escolhidas da biblioteca no canto inferior direito ou escritas diretamente na definição de f(x) acima, abaixo de Curve type, mas
nesse caso deve-se respeitar as regras de sintaxe da Linguagem Pynthon na qual o QtiPlot é expresso. Estas regras constam do Manual do QtiPlot que
pode ser baixado na Referência [1]; as regras aritméticas básicas são, contudo, comuns a maioria das linguagens em uso atualmente.
:
 2.6. Complementação e melhoramentos no gráfico

As caixas Title, X Axis Title e Y Axis Title do gráfico podem ser editadas prontamente, bastando clicar duas vezes sobre elas. O gráfico em si possui uma
grande variedade de configurações de escala, espaçamento, cores, etc, que podem ser testadas pelo aluno quando necessário, clicando duas vezes no
gráfico, quando reaparecerá a tela QtiPlot – Plot Details:

Na opção Layer pode-se mudar a cor de fundo do gráfico e das bordas dos eixos. Já na opção Canvas (tela), pode-se mudar a cor do interior do gráfico e das
linhas de contorno dele. Já em Geometry pode-se mudar o padrão de representação da imagem em pixels, cms, etc. O padrão é pixel. As caixas abaixo de
Origin tornam possível mover a origem do sistema Cartesiano de eixos (X , Y) para cima ou para baixo ou para a direita ou esquerda. Já do lado direito,
abaixo de Size (dimensão), pode-se ajustar a largura (width) ou altura (height) podem ser ajustados através das setas ao lado dos números respectivos. A
caixa abaixo de height, denominada Keep aspect ratio, está por padrão marcada. Seu efeito é manter a proporção entre a largura e a altura, de forma que
basta alterar apenas um destes, que o outro será automaticamente alterado, mantendo a proporção fixada quando a caixa foi marcada.

O formato do gráfico é por padrão um Retângulo onde sua largura (eixo X) é maior que sua altura (eixo Y). Contudo, se a caixa de proporção for
desmarcada, as dimensões de altura e largura tornam-se independentes e pode-se portanto transformar o formato gráfico para qualquer Retângulo ou
Quadrado desejado.O item Speed não deve em geral ser alterado, pois tem a ver com o número máximo de pontos representáveis no gráfico. Finalmente a
opção Display fornece a possibilidade de fazer desaparecer qualquer uma das escalas à direita (Right) ou esquerda (Left) ou acima (Top) ou abaixo (Bottom)
dos eixos, conforme estilo ou padrão desejado.

Quanto aos eixos, existem várias configurações possíveis. Para começar, pode-se alterar os valores mínimo e máximo mostrados em cada eixo, clicando
duas vezes sobre a grade do eixo e depois clicando em Scale ou clicando duas vezes sobre os números, que irá diretamente a Scale. No caso do eixo X
aparecerá a tela:
:
Mudaremos então, clicando nas setas ao lodo dos números, para From 0.0 to 5.0 e depois clique em Apply e depois em Ok. Fazemos o mesmo para o eixo Y,
estabelecendo From 0.0 to 10.0, do que resultará a tela:

Podemos agora redefinir a caixa Title para “Função Dobro de X” e as caixas nos eixos simplesmente para Y e X respectivamente. Além disso, vamos fazer
desaparecer os números no eixo direito do gráfico e a legenda correspondente. Para isso clique duas vezes nesse eixo quando aparecerá a tela:

Note que o eixo direito está selecionado na opção Right no canto esquerdo da tela. Se a opção Show abaixo de Title for desmarcada todo o eixo direito
desaparecerá do gráfico; o mesmo ocorrerá com as outras opções de eixos à esquerda se elas forem escolhidas previamente. No nosso caso, vamos apenas
mudar a opção de Color do Título de Black, que é o padrão, para White, o que faz a legenda desaparecer do gráfico. Depois localize logo abaixo a caixinha
Show Labels e desmarque-a, isso fará desaparecer os números, mas preservará as marcas de escala. No eixo superior Top, de modo análogo, eliminamos os
números. Deletamos também a legenda no canto superior direito com o botão direito do mouse. Tudo junto obtemos a nova tela:
:
Que já tem uma forma bem mais agradável. Pode-se também obter um gráfico de tela inteira clicando no ícone de maximização no canto superior direito:

Para voltar ao formato anterior, basta clicar no ícone Restore Down no canto superior direito.
:
 2.7. Introdução de linhas de guia horizontais e verticais

Estas linhas auxiliam na leitura das coordenadas de qualquer ponto do gráfico. Para isso, clique duas vezes em um dois eixos, digamos o eixo X, do que
reaparecerá a tela QtiPlot – General Plot Options; nela clique em Grid, o que fornecerá a tela:

Observe que no canto esquerdo da tela está previamente escolhido a numeração do eixo Y, que ocorre no sentido horizontal. Assinale a caixa Major Grids e
aparecerão linhas horizontais para cada número marcado no eixo Y, a cor das linhas pode ser escolhida abaixo em Line Color, por padrão elas são black, mas
assinalamos blue para diferenciar da cor dos eixos. Escolhemos também a forma da linha como contínua em Line Type. Assinale também a caixa Minor
Grids, que colocamos na cor gray e como linha pontilhada, após o que todos os traços de subdivisão entre os números dos eixo Y corresponderão a uma
linha pontilhada. A nova forma do gráfico será:

Voltando a tela QtiPlot – General Plot Options, escolha agora a parte Vertical de Grid e repita para o eixo X o mesmo procedimento que foi feito para o eixo
Y, depois dê um Ok para fechar a tela de Grid do que resulta finalmente o gráfico:
:
Este se assemelha ao formato de uma folha de papel milimetrado, onde esse gráfico poderia ser feito manualmente para efeito de comparação.
:
 2.8. Exportando o gráfico

Finalmente o estudante deve exportar seu gráfico para anexar ao seu relatório. Isso é feito gerando-se um arquivo em PDF ou JPG ou outro formato de
figura com a imagem do gráfico. Basta clicar no ícone Export to PDF que está localizado próximo da metade da barra de ferramentas:

Ele abrirá a tela na qual se deve especificar o local onde será gerado a imagem PDF do gráfico:

Clique então em Save e o arquivo em PDF do gráfico será enviado para o endereço especificado, de onde o estudante poderá recortá-lo e anexá-lo ao seu
relatório. Você pode também renomear o arquivo antes de salvá-lo, facilitando a identificação de múltiplos gráficos.

Para salvar como qualquer outro formato de arquivo, basta selecionar o formato em "Files of type?:" na janela acima
:
 3. Ajuste de uma função linear pelo processo das três retas

O ajuste dos pontos experimentais a uma função linear Y = AX+B realizado acima, denominado acima como Regressão Linear, utiliza o método
matemático dos Mínimos Quadrados, donde resultam os valores mais exatos possíveis para os parâmetros A e B da função e seus respectivos desvios
padrão. Contudo, é possível obter uma boa estimativa para os parâmetros da função manualmente, plotando os pontos experimentais em papel
milimetrado e utilizando um processo que era muito usado antes do surgimento dos computadores e programas gráficos como o QtiPlot: trata-se do
Método das Três Retas de Ajuste, descrito a seguir.

Começamos com o gráfico final da seção anterior, do qual eliminamos a função obtida pela Regressão Linear, o que é feito clicando duas vezes sobre o
gráfico:

Clique então em LinearFit1 com o botão direito do mouse e depois clique em Delete e feche a tela. Aparecerá assim novamente o gráfico somente dos
pontos experimentais e barras de erro:

A seguir clique em Graph e depois na linha Add Function. Escreva então a forma linear escolhida com valores numéricos para A e B no espaço em branco
após f(x) = ; por exemplo, digite nele 0.5 + 3.0 * x . (A Sintaxe da Linguagem Pynthon deve ser respeitada, onde as operações aritméticas básicas são dadas
por: adição (+) e subtração (–) não são alteradas; a divisão é indicada por (/) e a multiplicação por (*). A potenciação é dada por (^), exemplo x2 é dada por x
^ 2). Antes de dar um Ok, mude o domínio de valores da função, que por padrão é de x =0 até x=1, para de x =1 até x =4, como utilizado até aqui (faça isso
com as setas que existem à direita do espaço em branco). Assim teremos a tela:
:
Dê um Ok e aparecerá o gráfico

Naturalmente a função y =0,5 +3,0 x não é a função dobro de x, que já sabemos ser a função correta. Digite então a função correta f(x) = 0,0 + 2,0 x, dê um
Ok e aparecerá a tela correta, que naturalmente é a mesma da Regressão Linear feita acima. Podemos agora criar novas funções para as retas auxiliares de
máxima e mínima inclinações que se ajustam aproximadamente aos pontos experimentais. Isso pode ser feito criando-se uma nova função linear do
mesmo modo que a anterior, clicando-se duas vezes em graph e depois em Add Function. Para a função de máxima inclinação deve-se tentar um intercepto
menor que zero e uma inclinação maior que 2,0; depois de algumas tentativas encontramos – 0,5 + 2,2 x. Já para a de mínima inclinação, devemos tentar
um intercepto maior que zero e uma inclinação menor que 2,0; depois de outras tentativas encontramos 0,5 + 1,8 x. Os domínios das funções foram feitos
ligeiramente diferentes em até 0.6 unidades para que as retas ficassem com comprimentos semelhantes. Reintroduzimos uma caixa de Legenda, clicando
em graph e depois em New Legend; além disso redefinimos a opacidade da Legenda para ela se superpor às linhas de marcação numéricas dos eixos, o que
pode ser feito clicando como o botão direito do mouse na Legenda e depois em Properties (também pode naturalmente ser feito clicando duas vezes no
gráfico e depois na linha Legend com o botão direito do mouse). A Caixa de Legenda pode ser arrastada para qualquer parte do gráfico clicando em um dos
cantos da caixa e depois mantendo o mouse com o botão esquerdo clicado enquanto ela é movida; depois basta soltar o mouse e clicar em qualquer parte
branca da tela. A seguir use as setas à direta do cursor da linha Opacity até que o valor 100% seja indicado, o que faz aparecer a tela
:
Clique agora em Close e o gráfico completo, com as três retas será visto como:

Onde, de acordo com a Legenda, a reta verde F1 corresponde à função de mínima inclinação, a reta vermelha F2 à de inclinação média e finalmente a reta
azul F3 à de máxima inclinação dentre as três. O Estudante deve agora reproduzir este gráfico das três retas em papel milimetrado. Para facilitar a leitura
das coordenadas pode-se utilizar os recursos de leitura Screen Reader ou Data Reader, que podem ser encontrados na barra de ferramentas em Data. Esses
comandos podem ser desligados na primeira linha de Data, com o comando Disable tools.

Os parâmetros das retas de ajuste são: Amín = 1,8; Améd = 2,0, Amáx = 2,2; Bmín = -0,5; Bméd = 0,0, Bmáx = 0,5. De acordo então com o Método das Três Retas
o erro dos parâmetros é determinado por ΔA = ∣Amáx – Amín ∣/ 2 =0,2 e ΔB = ∣Bmáx – Bmín ∣/ 2 =0,5, de forma que o resultado final do processo é A = 2,0 ±
0,2 unidade e B = 0,0 ± 0,5 unidade, que têm os mesmos valores médios que encontrados pela Regressão Linear realizada na Seção I, mas que têm, como
esperado, valores maiores para as incertezas de cada parâmetro porque elas resultam de um procedimento visual sujeito a erros grosseiros.
:
 4. Gráficos de funções polinomiais.

Em muitas experiências os dados coletados devem ser ajustados a funções que teoricamente não são lineares, tais como √x, ex, x2, sen x, etc; surge então o
problema de como ajustar uma função matemática aos pontos, já que não se pode nesse caso utilizar o processo antigo das três retas ou o mais moderno
processo da regressão linear feito por computador. No caso não linear, até o surgimento de pacotes gráficos computacionais, o único processo possível de
ajuste era o de realizar alguma operação matemática na função teórica que a tornasse linear e depois realizar o mesmo processo com os dados
experimentais, o que tornaria possível então utilizar os processos lineares descritos nas seções anteriores. Isto era realizado manualmente então através
da utilização dos papeis Log-Log e Mono-Log, que proporcionavam uma mudança de escala que tornava possível um procedimento geométrico direto do
ajuste de dados. Mais modernamente, com o advento dos computadores e pacotes gráficos como o QtiPlot, esse ajuste pode ser feito diretamente, para
qualquer função matemática existente ou através de transformações das coordenadas para uma forma não linear conveniente. Vamos nos fixar neste
Tutorial somente em funções polinomiais e exponenciais, mas o procedimento adotado pode ser facilmente estendido para outras funções não lineares.
No que segue, trataremos primeiro dos ajustes diretos e depois daqueles através de transformações.

Vamos traçar com o Qtiplot como exemplo o gráfico de uma função não linear elementar que espera-se ajustar aos pontos (X,Y) e respectivos erros
(ΔX,ΔY) da Tabela 2 abaixo:

Tabela 2

X Y ΔX ΔY

1,0 1,0 0,1 0,2

2,0 4,0 0,1 0,4

3,0 9,0 0,1 0,6

4,0 16,0 0,1 0,8

Uma inspeção imediata da Tabela 2 revela que trata-se da função quadrado de X, mas isso deve resultar do processo gráfico a ser realizado a seguir
(fizemos ΔY = 2 X ΔX).
:
 4.1. Ajuste por regressão polinomial dos pontos experimentais

A função não linear a ser ajustada deve ser da forma geral Y = A0 + A1 X + A2 X2 +... e do processo de ajuste devem resultar os valores prováveis de A0, A1,
A2, etc e suas respectivas incertezas. No processo de ajuste o QtiPlot determinará quais coeficientes são nulos, dentro da margem de erro estatística, e
quais não são. Naturalmente, de acordo com a tabela, já sabemos de antemão que A0 = A1 = 0, A2 = 1 e An = 0, n > 2, mas esta conclusão deve resultar do
processo de ajuste. Como primeiro passo traçamos o gráfico correspondente à Tabela 2, para isso clique em File e depois em New, depois volte a File e
clique em Save Project As para já deixar o projeto salvo; aqui lhe demos o nome F_Quad. Depois procedemos de forma análoga ao que foi feito na seção I,
donde resulta a tela:

Para realizar o ajuste direto clique em Analysis na Barra de Ferramentas e escolha o tipo de função matemática a ser ajustada, no nosso caso, clique em Fit
Polynomial e irá aparecer a caixa QtiPlot - Polynomial Fit Options que está no canto superior direito da tela abaixo:
:
A qual mostra as opções de ajuste. Clique então em Fit e depois em Close, de forma que a caixa de opções desaparecerá. Ao mesmo tempo no gráfico
aparecerá a linha vermelha ligando os pontos, que na Legenda do Gráfico é indicada por PolynomialFit1, e também aparecerá acima do Gráfico (que foi
movida aqui para o canto esquerdo por conveniência) uma caixa denominada Results Log, que trás uma descrição dos procedimentos realizados e valores
numéricos dos parâmetros. Vemos então que a função polinomial usada aparece logo no início da caixa

using function: a0 + a1*x + a2*x^2

e os valores encontrados pelo método dos mínimos quadrados para os parâmetros da função foram:

a0 = 9.480805e-16 +/- 9.272008914e-01

a1 = 3.60497222e-16 +/- 1.071475e+00

a2 = 9.99999999e-01 +/- 2.41265e-01

Deles observa-se imediatamente que, devido às barras de erro dos dados, o computador não concluiu que a função seja exatamente quadrática, mas que é
altamente provável que ela assim o seja, uma vez que encontrou-se A0 e A1 da ordem de 10-16, o que é efetivamente zero; ele não encontrou coeficientes
An não nulos para n > 2. Contudo seus respectivos desvios padrão são relativamente grandes, da ordem da unidade, de modo que com um algarismo
significativo de incerteza teremos A0 = 0,0 ± 0,9 e A1 = 0 ± 1. Já para o parâmetro especificamente quadrático teremos A2 = 1,0 ± 0,2. Os três parâmetros
e suas incertezas confirmam então que é estatisticamente altamente provável que a função de ajuste seja Y = X2, exatamente como esperado. Isso pode
ser verificado no QtiPlot clicando duas vezes sobre a linha vermelha da função de ajuste no gráfico, que abre a tela:
:
 4.2. Representação dos dados em escala Log-Log e o processo das três retas

Quando as faixas de valores contidas nas colunas X e Y da Tabela 2 são muito grandes, uma representação linear deles torna-se inviável. Nesse caso deve-
se recorrer a escalas logarítmicas, que permitem grandes variações numéricas em extensões geométricas relativamente pequenas. No caso presente é
conveniente fazer a mudança de escala em ambas as variáveis X e Y (escala Log-Log), mas em outros casos basta fazer em apenas uma delas (Mono-Log),
que será vista mais a diante. Para mudar para a escala Log-Log voltamos ao gráfico inicial da Seção 1. Clique duas vezes no eixo X e depois clique em Scale.
Aparecerá a tela

Vá até a caixa ao lado direito de Type onde está estampado uma imagem de gráfico e à sua direita está escrito Linear e clique na seta ao seu lado, deslize o
mouse da opção Linear para Log10, clique nela e depois clique em Apply; a escala do eixo X ficará logarítmica. A seguir, volte à caixa direita e agora clique
em Left , que seleciona o eixo Y, mude então a opção de Type para Log10 e depois Apply. Observe que as opções Top e Right, já estarão automaticamente
selecionadas na opção Log10 (se necessário clique novamente em Apply). Agora clique em Ok para fechar a caixa e aparecerá a tela:

Observe que a faixa de valores dos números em cada eixo e o número de subdivisões entre eles podem ser ajustados clicando duas vezes sobre um dos
eixos e depois em Scale:
:
Faça então o ajuste de faixa de valores para o eixo X na opção Bottom mudando os valores das caixas From e To diretamente nos espaços à direita ou
através das setas; depois mude o número de divisões principais em Major Ticks e o de subdivisões em Minor Ticks. Clique em Apply para ver o resultado e
em Ok para fechar a caixa. Depois faça o mesmo para o eixo Y em Left.

Infelizmente no presente caso não é possível realizar uma Regressão Linear para ajuste dos pontos experimentais, pois a mudança de escala é meramente
dos valores numéricos representados nos eixos X e Y; essas mudanças, contudo, não atingem as colunas respectivas da Tabela 2, que continuam com seus
valores originais. Não obstante, é possível realizar o processo das três retas com o gráfico linearizado pela escala Log-Log. Isso é feito de forma puramente
geométrica, exatamente como feito manualmente numa folha de papel Log-Log.

Clique então em Graph e depois na linha Draw Line; volte ao interior do gráfico e clique com o mouse em qualquer parte em branco, depois arraste o mouse
até outro ponto qualquer, entre eles aparecerá uma linha reta preta. Solte o mouse e depois clique na linha para arrastá-la para cima dos pontos
experimentais. Você pode movê-la, esticá-la e incliná-la em várias direções até que encontre a tendência central a que os dados estão ligados. Clique sobre
a linha para escolher sua cor e espessura:

Depois clique em Apply para ver o resultado e em Ok para fechar a caixa. No nosso caso escolhemos vermelho para a linha de tendência central. Para
determinar a inclinação desta linha, escolha um ponto conveniente, no caso X = 3 e paralelo a ele trace uma linha para o Cateto oposto do Triângulo, no
caso a linha azul, da mesma forma que foi feito anteriormente; a seguir faça o mesmo com o Cateto Adjacente, linha Verde, de modo que a linha vermelha
entre eles se torna sua Hipotenusa. A inclinação do Triângulo, ou seja, a Tangente do ângulo da linha vermelha com o eixo X, pode então ser calculada
facilmente pela leitura direta das coordenadas (use o recurso Screen Reader encontrado em Data se necessário), lembrando que as distâncias geométricas
são proporcionais ao logaritmo dessas coordenadas.

2
:
No caso presente teremos A =( Log 9 – Log 1)/(Log 3 – Log 1) = 2, onde se utilizou as propriedades logarítmicas Log 9 = Log 32 = 2 Log 3 e Log 1 = 0 no
resultado acima. O intercepto nesse caso corresponde a B = Log 1 = 0. Portanto obtivemos Y’ = Log Y = 2 X’ = 2 Log X = Log X2; do que resulta, como
esperado, que Y = X2.

Para completar o quadro, inserimos as retas auxiliares de máxima e mínima inclinações, da mesma forma que feito para a reta principal, clicando em Graph
e depois na linha Draw Line e traçamos a reta de máxima inclinação. Depois clique duas vezes na reta, que abrirá a tela Qti-Plot – Line Options

dessa vez escolhemos a cor violeta. Depois clicamos em Type e usamos a seta à direita para escolher uma linha pontilhada. Fizemos o mesmo
procedimento para a reta de mínima inclinação, que aparece na cor ciano. O gráfico completo assume a forma abaixo:

Observe que eliminamos dele os triângulos associados à reta principal em vermelho para tornar mais claro o diagrama. Nele inserimos as Legendas de
máxima e mínima inclinações, o que foi feito clicando novamente em Graph e depois em Add Text; isto abriu a tela
:
Nessa caixa foi digitado o texto “Reta Máxima” e também foi movido o cursor da linha Opacity, através das setas à direita do número de percentual de
opacidade mostrado, que por padrão é zero, isto é, fundo transparente, até 100%, ou seja, fundo totalmente opaco.

Feito isso, podemos computar as inclinações das Retas de Máxima e Mínima inclinações. Nesse caso, como não é evidente do gráfico os valores iniciais e
finais das coordenadas de cada cateto dos triângulos retângulos, é conveniente clicar duas vezes sobre cada cateto e depois clicar em Geometry, que torna
disponível a indicação das coordenadas inicial (Start Point) e final (End Point). Note que as denominações inicial e final são relativas somente à ordem na
qual as linhas retas foram desenhadas, isto é, arrastadas pelo mouse, e não implicam valor algébrico; portanto deve-se estar atento para que valores das
coordenadas há indicação de um ponto real do gráfico.

Para o cateto oposto do triângulo subtendido pela Reta de Máxima Inclinação, linha azul vertical, teremos a tela:

Donde obtemos, com dois dígitos, Yi = 8,02 e Yf = 0,70 ; observe que a coordenada horizontal é, naturalmente, a mesma para ambos os valores de Y e será
registrada a seguir. Já para o cateto adjacente, linha azul horizontal, teremos as coordenadas mostradas no fragmento de tela abaixo:

Donde obtemos Xi = 2,84 e Xf = 0,95. Observe que Xi aqui é o valor comum do cateto oposto referido acima; o mesmo ocorre para o valor de Yf mostrado
aqui, que é exatamente igual ao Yf do cateto oposto (pode haver pequenas discrepâncias nas coordenadas dos pontos de encontro das retas
correspondentes aos catetos oposto e adjacente devido à eventual imprecisão no arrastamento do mouse).

Procedendo da mesma forma para o cateto oposto do triângulo subtendido pela Reta de Mínima Inclinação, linha vertical verde, e para seu cateto
adjacente, linha horizontal verde, encontramos respectivamente os seguintes conjuntos de coordenadas:

Do que retiramos Yi = 4,07; Yf = 1,00; Xi = 1,95 e Xf = 0,89 (invertemos i e f pois a linhas verdes foram acidentalmente desenhadas em sentidos
contrários às das linhas azuis).

Já os interceptos foram lidos com o já comentado recurso do Screen Reader, do que resultaram os valores Yi =1,24 e Yf = 0,78; ambos correspondendo
naturalmente a X = 1, já que Log 1 = 0 é definição do ponto de coeficiente linear ou intercepto na escala logarítmica.

Podemos agora determinar as estimativas de erro para os parâmetros A e B de acordo com o procedimento das três retas de ajuste:

Amáx =( Log Yi – Log Yf)/(Log Xi – Log Xf)

= ( Log 8,02 – Log 0,70)/(Log 2,84 – Log 0,95) = 2,23

Amín =( Log Yi – Log Yf)/(Log Xi – Log Xf)

= ( Log 4,07 – Log 1,00)/(Log 1,95 – Log 0,89) = 1,79.

Portanto ΔA = ∣Amáx - Amín ∣/2 = 0,2. Como já havíamos obtido o valor mais provável do coeficiente angular acima, segue que, com um algarismo
significativo teremos A = 2,0 ± 0,2.

Igualmente obtemos para a incerteza do intercepto:

ΔB = ∣Log Yi – Log Yf∣/2 = ∣Log 1,24 – Log 0,78∣/2 = 0,1. Dessa forma, o valor completo para o coeficiente linear seria B = 0,0 ± 0,1. O que por inversão
torna-se Y =C X2 , onde C = 10B e ΔC = 10B ΔB ln10, ou seja C = 1,0 ± 0,2.
:
Em conclusão, determinamos que é estatisticamente muito provável que a função matemática que melhor se ajusta aos pontos experimentais seja a
função quadrática Y = X2, com erro de 10% no expoente da potência e de 20% no coeficiente da potência.
:
 4.3. Ajuste por transformação logarítmica das colunas de coordenadas e de erros dos pontos experimentais

Nesse caso procuramos linearizar a função teórica Y = X2 aplicando o logaritmo de base 10 a ambos os lados da equação, do que resulta Y’= log Y = 2 log X
= 2 X’, donde obtemos a relação linear Y’ = 2 X’, que pode então ser ajustada pela regressão linear da Seção I. Como a função log x não é uma função linear,
ou seja log (x+y) ≠ log x+log y, não é possível substituir ΔX por log ΔX e ΔY por log ΔY simplesmente, pois esse procedimento levaria a valores absurdos
para as barras de erro transformadas. Em vez disso, deve-se transformar cada extremo da barra separadamente e depois tomar metade da diferença
entre elas, ou seja, definimos ΔX’ = ½ log (X +ΔX) – ½ log (X – ΔX) e uma expressão semelhante para ΔY’. Para aplicar esse procedimento à nossa função
quadrática, primeiro crie as colunas 5,6,7 e 8 para abrigar os valores de X’= log X, Y’= log Y, ΔX’ e ΔY’ respectivamente. Isso pode ser feito manualmente
para um pequeno número de linhas na coluna, mas é conveniente fazer isso automaticamente, através de recursos de programação.

Mas antes de tratarmos do caso específico do log x, vamos realizar como um exemplo genérico a soma das colunas 1 e 2 da Tabela 2. Clique então em Table
na Barra de Ferramentas, depois clique na linha Set column values, que abrirá a tela:

Esta permite realizar qualquer tipo de operação matemática com os valores numéricos das linhas de cada coluna. A primeira coisa a fazer é definir o
número de linhas, que no nosso caso vai de 1 até 4. Use as setas à direita do espaço em branco depois de For row (i) para 1, o que em geral já está feito,
depois mude o espaço em branco após to para indicar 4. Para isso clique em Add column, que em geral inicia mostrando à sua esquerda col(“1”), do que
aparecerá o nome dessa coluna no espaço em branco abaixo de col(“5”); feito isso dê um espaço no teclado, depois tecle o símbolo (+) e depois dê novo
espaço; a seguir vá até a linha Add column e clique na seta à sua esquerda, isso fará aparecer a lista de colunas disponíveis; clique então em col(“2”) e esta
aparecerá agora no lugar de col(“1”). Clique agora em Add column e aparecerá no espaço abaixo de col(“5”)= a equação completa de soma das colunas 1 e 2,
ou seja, col(“1”)+ col(“2”):

Clique então em Apply e aparecerá na coluna 5 da Tabela 2 a soma desejada:

:
Voltando agora ao nosso problema específico, vamos realizar as transformações das colunas 1 e 2 da Tabela 2 em seus respectivos logaritmos e também
introduzir as respectivas barras de erro transformadas. Para fazer isso, clique na seta à esquerda do comando Add function, que fará aparecer uma lista de
funções disponíveis no programa QtiPlot, desça o cursor até encontrar a função log10 e então clique nela. Ela aparecerá no lugar da função AVG, que
aparece normalmente por padrão. Clique então em Add function e a função log10( ) aparecerá no espaço em branco abaixo de col(“5”)=, que indica que a
coluna 5 está automaticamente selecionada, pois é a primeira coluna vazia depois das quatro primeiras que estão preenchidas com os dados
experimentais (se isto não acontecer, procure a coluna certa através das duplas setas à esquerda da linha Add cell). Depois clique em Add Column na linha
abaixo de Add function, onde está por padrão selecionado col(“1”). Clique nela e aparecerá agora no espaço vazio abaixo de col(“5”)= o termo log10(col(“1”)
):

que completa a equação para o cálculo dessa coluna. Clique em Apply e a coluna 5 será preenchida automaticamente de acordo com a fórmula
especificada, que calcula o Log X.

Feito isso, calcule agora o Log Y. Para isso clique nas seta dupla direita >> à esquerda da linha Add cell, que fará aparecer abaixo col(“6”) no lugar de col(“5”)
e depois clique na seta à direita de col(“1”) na linha Add column, que fará aparecer a listagem de colunas; selecione col(“2”) e depois clique nela. Aparecerá
abaixo e no espaço em branco então a nova equação col(“6”) = log10(col(“2”) ). Clique em Apply e a coluna 6 será preenchida automaticamente de acordo
com a fórmula especificada, que calcula o Log Y:

Resta completar a Tabela 2 com as colunas 7 e 8 das barras de erro transformadas. Clique então em cima de 7[Y] da Tabela 2 para selecionar sua coluna 7,
depois clique em Table e a seguir na linha Set column values. No espaço em branco abaixo de col(“7”)= digite a expressão para a barra de erro em X’, isto é,
0.5*log10(col("1")+col("3")) - 0.5*log10(col("1")-col("3")), o que pode ser feito copiando as expressões das colunas anteriores (que podem ser acessadas
pelas duplas setas << ou >> à esquerda de Add cell), colando no espaço em branco e completando com as devidas alterações:
:
Clique então em Apply e a coluna 7 da Tabela 2 será preenchida com os valores de ΔX’. Aproveite a mesma tela para obter os valores da barra de erros ΔY’.
Para isso copie a expressão no espaço em branco abaixo de col(“7”)= , a seguir clique na dupla seta >> para selecionar a col("8") e depois cole a antiga
expressão no novo espaço em branco abaixo de col("8")=; faça então as alterações necessárias para a nova expressão se tornar 0.5*log10(col("2")+col("4")) -
0.5*log10(col("2")-col("4")) que define ΔY’, como já comentado. Clique em Apply e a coluna 8 será preenchida automaticamente. Feche a tela (Close) e a
Tabela 2 estará completa:

Pode-se então imediatamente traçar o gráfico, como feito anteriormente, só que agora utilizando as colunas 5,6,7 e 8. Verifica-se de pronto que o gráfico
torna-se linear. Pode-se portanto retornar a Analysis e clicar na opção Fit Linear para realizar a Regressão Linear dos novos dados transformados. O
resultado final é mostrado na tela abaixo:

Observe que agora as escalas X e Y são lineares, mas que os valores plotados correspondem aos Logs dos valores originais das medidas. Verifica-se que as
barras de erro transformadas tornam-se menores para valores grandes de X’; isto ocorre porque as barras originais tem valores constantes, de modo que
a amplitude da barra transformada log (x + Δx) – log (x – Δx) tende para zero quando Δx torna-se pequeno em relação a x; o mesmo processo ocorre com
Y’ e suas barras de erro. Naturalmente o gráfico obtido aqui é essencialmente o mesmo que o obtido na seção anterior, mas lá houve apenas uma mudança
nas escalas dos eixos, ou seja, na relação entre uma unidade de comprimento de um dado eixo, digamos 1 cm, e o intervalo numérico atribuído a essa
unidade. Tudo no gráfico mudando de forma consistente com essa definição.

Do Results Log da Regressão Linear, podemos retirar os valores, com um algarismo significativo de erro, de A = 2,0 ± 0,1 e de B = 0,00 ± 0,06. Desses
valores concluímos novamente que a função de ajuste é muito provavelmente Y = X2, como esperado, com uma incerteza da ordem de 5% na
determinação do expoente (2) e sendo o coeficiente 10B, que formalmente multiplica X2, igual à unidade, com uma incerteza 10B ΔB ln 10 = 0,1, ou seja, de
cerca de 10%.
:
 4.4. Comparação dos resultados obtidos nas seções A.1, A.2 e A.3

Podemos agora comparar os resultados obtidos nos três processos de ajuste já executados. No ajuste direto o QtiPlot selecionou uma função quadrática Y
= A0 + A1 X + A2 X2 e encontrou para seus parâmetros os valores A0 = 0,0 ± 0,9, A1 = 0 ± 1 e A2 = 1,0 ± 0,2. Os dois primeiros são nulos como esperado,
mas devido as barras de erro relativamente grandes, tiveram seus respectivos desvios padrão relativamente grandes, da ordem da unidade. Já o
coeficiente quadrático também tem o valor unitário esperado, mas com uma margem de erro de 20%, o que mostra que a Regressão Polinomial é
altamente sensível ao valor das barras de erro, pois elas criam uma região de incerteza em torno dos pontos experimentais sobre qual seria realmente a
curvatura correta que a função de ajuste deveria ter para representar o conjunto dos pontos da forma mais precisa possível.

Com o processo das três retas obtivemos para a função de ajuste Y’ = AX’ + B, com um algarismo significativo, A = 2,0 ± 0,2 e B = 0,0 ± 0,1. Que por
inversão torna-se Y =C X2 , onde C = 10B e ΔC = 10B ΔB ln10, ou seja C = 1,0 ± 0,2. Em conclusão, Y = X2, com erro de 10% no expoente da potência e de
20% no coeficiente da potência. Comparando o processo das três retas com o do ajuste direto polinomial, vemos que o primeiro é menos preciso que o
segundo relativamente ao valor do expoente da potência, que o ajuste polinomial determinou com sendo exatamente 2, enquanto que o ajuste das três
retas encontrou esse mesmo valor, mas com incerteza de 10%. Já para o coeficiente da potência, os dois métodos forneceram a mesma determinação
correta de um valor unitário e com a mesma incerteza de 20%. Portanto, o processo das três retas, se conduzido com muita meticulosidade, pode conduzir
a resultados razoavelmente semelhantes aos do ajuste polinomial direto.

Já para a Regressão Linear realizada após as transformações logarítmicas da tabela de valores das variáveis X e Y, obtém-se novamente Y’ = AX’ + B, onde
X’ = log X e Y’ = log Y. Obtivemos, com um algarismo significativo de erro, A = 2,0 ± 0,1 e B = 0,00 ± 0,06. Que por inversão tornam-se Y = C X2 , onde C =
10B e ΔC = 10B ΔB ln10, ou seja C = 1,0 ± 0,1. Em conclusão, Y = X2, com erro de 5% no expoente da potência e de 10% no coeficiente da potência. Vemos
que esse processo foi o mais preciso que os dois anteriores na determinação do coeficiente da potência, aqui 10% de erro, contra 20% dos anteriores; já
quanto a determinação do expoente da potência, o processo atual ficou em posição intermediaria, tendo obtido uma margem de erro de 5% contra os 10%
do processo das três retas, mas que não é tão preciso quanto a determinação exata deste parâmetro realizada pelo ajuste polinomial direto. Contudo, no
computo geral de vantagens e desvantagens parece ser o melhor processo dos três, embora não o mais simples, que é sem dúvida o ajuste polinomial
direto.
:
 5. Função de Decaimento Exponencial - Ajuste direto por regressão exponencial
dos pontos experimentais

Vamos traçar com o Qtiplot o gráfico, como exemplo, de uma função exponencial elementar, que se espera ajustar-se aos pontos (X,Y) e respectivos erros
(ΔX,ΔY) da Tabela 3 abaixo:

Tabela 3

X Y ΔX ΔY

1,0 30 0,1 2

2,0 18,1 0,1 0,9

3,0 11,6 0,1 0,6

4,0 6,8 0,1 0,3

A Tabela 3 foi criada através de uma função de decaimento exponencial Y = 50 ℮−x/2 e o erro em Y foi calculado como ΔY = 25 ℮−x/2 ΔX. A função não
linear a ser ajustada deve ser da forma geral Y = C ℮−Dx e do processo de ajuste devem resultar os valores prováveis de C e D e suas respectivas
incertezas. Naturalmente, de acordo com a função, já sabemos de antemão que C = 50 e D = 1/2, mas esta conclusão deve resultar do processo de ajuste.

Como primeiro passo traçamos o gráfico correspondente à Tabela 3, para isso clique em File e depois em New, depois volte a File e clique em Save Project As
para já deixar um lugar garantido na memória para o projeto; aqui lhe demos o nome F_Decay. Depois procedemos de forma análoga ao que foi feito na
seção I, donde resulta a tela:

A seguir em Analysis e depois na linha Fit Exponential First Order (quanto maior a ordem escolhida, mais preciso é o ajuste, mas também são necessários
mais pontos disponíveis):
:
Clique em Fit e aparecerá a lista de parâmetros em Results Log e abaixo (aqui ao lado) o gráfico da função (vermelha) de ajuste

Do relatório de resultados verificamos que o ajuste foi feito com a função

using function: y0 + A*exp(-x/t)

Onde y0 = -1 ± 2 é um contrapeso usado para ajustar a melhor curvatura da função aos pontos e deve ser descartado. O intercepto mais provável foi
encontrado como C = A = 48 ± 2, que é próximo do valor correto 50. Já a taxa de decaimento é dada por t = 2,3 ± 0,4, do que resulta, fazendo D = 1/t e
ΔD = D Δt/t,o valor para D = 0,44 ± 0,08; esse valor de D é próximo do valor correto 0,5 (levando em conta sua margem de erro, ele não é discrepante).
Vemos que o ajuste de primeira ordem não é muito preciso porque utiliza uma quantidade pequena de pontos. Para melhorar a precisão, deve-se recorrer
aos ajustes de 2ª e 3ª ordens, quando for possível.
:
 5.1. Representação dos dados em escala Mono-Log

Diferente de como foi feito no caso Log-Log, mudamos aqui somente o eixo Y para a escala Log

Do que resultará um gráfico linearizado da função de decaimento

Nele desenhamos, da mesma forma como já feito anteriormente, uma reta vermelha de ajuste mais provável e fechamos sob ela um triângulo retângulo
através das retas azul e verde, que representam seus catetos oposto e adjacente respectivamente. Ajustamos a reta vermelha pela função Y’ = Log C – (D
Log ℮) x. Obtemos então C = 50, como esperado e D Log ℮ = (Yi – Yf)/(Xf – Xi) = (Log 38,4 – Log 8,8)/(3,5 – 0,5) = 0,2132, donde obtemos D = 0,2132 ln 10
= 0,4909, onde se utilizou Log ℮ = 1/ln10. Vemos que o ajuste geométrico concorda muito bem com o nosso conhecimento prévio desses fatores. Resta
calcular suas incertezas com o auxílio das retas de máxima e mínima inclinações. Para isso, seguindo o mesmo procedimento anterior, obtemos o seguinte
diagrama
:
Onde a reta vermelha de melhor ajuste foi omitida para maior clareza. Calculamos então os valores dos parâmetros da mesma forma como foi feito para a
melhor reta. Ajustamos a reta ciano, donde obtemos então Cmáx = 54, e Dmáx Log ℮ = (Yi – Yf)/(Xf – Xi) = (Log 41,4 – Log 8,8)/(3,4 – 0,5) = 0,2319, donde
obtemos Dmáx = 0,2319 ln 10 = 0,5340. Já para a reta violeta obtemos Cmín = 43, e Dmín Log ℮ = (Yi – Yf)/(Xf – Xi) = (Log 36,6 – Log 8,0)/(3,8 – 0,3) = 0,1887,
donde obtemos Dmín = 0,1887 ln 10= 0,4345. O erro estimado para o parâmetro C será então: ΔC = ∣Cmáx - Cmín∣/2 = 6. Já para a inclinação teremos: ΔD =
∣Dmáx - Dmín∣/2 = 0,05.

Portanto, juntando os resultados da incertezas com os das melhores estimativas, teremos como resultado final D = 0,49 ± 0,05 e também C = 50 ± 6. Em
ambos os casos obtivemos um erro relativo de cerca de 10%, o que é um resultado bom para um processo geométrico visual.
:
 5.2. Ajuste dos dados por regressão linear após transformação logarítmica

Fazemos agora como na Seção III, mas transformamos somente a variável Y e sua incerteza ΔY por uma transformação logarítmica, Y’ = log Y e ΔY’ = ½
log (Y +ΔY) – ½ log (Y – ΔY), o que corresponde a criar colunas 5 e 6 respectivamente com esses novos valores. Obtemos então a nova Tabela 3:

Podemos então estabelecer um novo gráfico com as colunas 1 e 3 para X em escala linear e as colunas 5 e 6 para os novos valores de Y após a
transformação Log, do que resulta:

A que se percebe ser um gráfico linear, estando ambos os eixos em escala linear. Realizamos agora uma Regressão Linear da forma usual, resultando na
tela:

A função de ajuste utilizada foi Y’ = AX + B, e foram encontrados para esses parâmetros, de acordo com o Results Log, os valores A = – 0,21 ± 0,01 e B =
1,69 ± 0,03. O erro relativo em A é de cerca de 5%; já o erro relativo de B é da ordem de 2%.
B 1,69
:
Como Y’ = log Y = Log C – x (D Log ℮), temos por inversão das funções que Log C = B, donde C = 10B, portanto C = 101,69 = 48,98, enquanto que de – D Log
℮ = A obtemos D = 0,21 ln10 = 0,4835. Já para os erros transformados teremos, de acordo com regras elementares de Cálculo, ΔC = C ΔB ln10 = 48,98
(0,03) ln 10 = 3 e também ΔD = ΔA ln10 = 0,01 ln10 = 0,02.

Os resultados finais com um algarismo significativo de incerteza seriam portanto: C = 49 ± 3 e D = 0,48 ± 0,02. Estes resultados estão perfeitamente de
acordo com os valores esperados ou previamente conhecidos, dentro de uma margem de incerteza de até 6 %.
:
 5.3. Comparação dos resultados obtidos nas seções 1, 2 e 3

No ajuste direto dos dados experimentais pela função Y = C ℮−Dx foram encontrados para a amplitude C = 48 ± 2, que tem uma margem de erro de cerca
de 4% e tem uma acurácia relativa ao valor correto 50 também de 4%; já a razão de decaimento D = 0,44 ± 0,08 tem uma margem de erro de cerca de
18% e uma acurácia relativa ao valor correto 0,5 de 12%. Assim o valor encontrado pelo ajuste para a amplitude foi razoavelmente acurada, mas a
determinação da taxa de decaimento não foi muito acurada. Isto se deve na verdade ao pequeno número de pontos utilizados, o que só permitiu um ajuste
de decaimento de 1ª ordem.

Já o ajuste feito pelo processo das três retas resultou nos valores C = 50 ± 6, que tem margem de erro de 12% e é perfeitamente acurado e D = 0,49 ±
0,05, que tem margem de erro de 10% e uma boa acurácia de 2%. Comparado com o resultado do ajuste computacional direto, vemos que nossa
determinação do parâmetro C é menos precisa, pois pequenas variações na inclinação das retas Mín/Máx causam variações apreciáveis nos interceptos
das funções correspondentes; já o parâmetro D teve uma determinação mais precisa, pois o traçado da linha reta de inclinação média não encontra os
problemas de ajuste de curvatura que o método computacional necessariamente enfrenta. Portanto, o resultado obtido é muito bom para um processo
geométrico visual.

Finalmente, o método de ajuste dos dados por regressão linear após transformação logarítmica resultou em C = 49 ± 3 e D = 0,48 ± 0,02. Para C temos
uma margem de erro de 6 % e uma boa acurácia de 2%. Já para D temos tanto uma margem de erro quanto uma acurácia de 4%.

Dos três conjuntos de resultados, o mais consistente parece ser o do segundo, do ajuste geométrico, pois produziu acurácias de 0% para C e de 4% para D,
mas as margens de erro correspondentes são de 12% e 10% respectivamente. Contudo, este resultado perfeitamente acurado para o parâmetro C é em
essência em grande parte acidental, pois não resulta de um processo matemático sistemático. Assim o ajuste geométrico deve ser feito com muito
cuidado, pois pode levar a erros significativos.

Já o método de ajuste direto produziu para C tanto uma margem de erro quanto uma acurácia de 4%, o que é razoavelmente bom; já para D seu resultado
de 1ª ordem foi muito ruim, com uma margem de 18% e uma acurácia de 12%.

Quanto ao terceiro método, de regressão após transformação logarítmica, ele produziu resultados que são sistematicamente bons, tendo produzido para
C uma margem de 6% e uma acurácia de 2%; já para D resultou tanto para a margem quanto para a acurácia o valor de 4%.

Em conclusão o terceiro método parece ser o mais confiável em qualquer circunstância, o segundo pode fornecer bons resultados, desde que muito bem
conduzido; já o primeiro não pode produzir resultados acurados com um número pequeno de pontos experimentais disponíveis.
:
 6. Referências

1. Um procedimento de instalação do QtiPlot para Windows pode ser encontrado no site do IF-UFRJ:
[Link]
2. O Manual do QtiPlot pode ser encontrado no site de seu criador Ion Vasilief: [Link]
: