Relatório – Atividade 10 de Física Experimental I

Bernardo Medeiros Vasconcelos – 12311EAR011

Grace Anne Rodrigues de Souza Pereira – 12311EAR002

Maria Luiza Caroneze de Castro – 12311EAR013

Lamara Gabriely Sena Bragato – 12311EMT009

Thainá Alves Hipoliti – 12311EAR019

Faculdade de Engenharia Mecânica (FEMEC) – Universidade Federal de Uberlândia

Av. João Naves de Ávila, 2121 – Santa Mônica – 38400-902 – Uberlândia – MG -

Brasil
e-mail: [email protected]

Resumo.

Neste relatório, é apresentada uma análise de um conjunto de dados que registram a

elongação de uma mola, em metros, após serem adicionados pesos de 0,0500 kg. A
elongação foi medida 5 vezes, sendo que, na primeira vez, havia somente um peso; na
segunda, dois pesos; e assim por diante até que fosse adicionado cinco pesos. Esse
processo foi realizado quatro vezes, considerando os pesos presos à mola 1, à mola 2 e a
ambas as molas (associação em série e em paralelo). Esse experimento foi realizado com
o auxílio de duas molas, uma régua, um suporte (colocado no final da mola) em que foram
colocados os pesos, uma balança, um suporte para as molas e pesos. A obtenção de dados
ocorreu considerando a deformação da mola devido à ação da gravidade sobre os pesos.
Com a utilização de fórmulas estatísticas (média, desvio padrão, erro estatístico e erro
total) e Regressão linear, foram descobertas as equações das retas que melhor representam
os dados obtidos e o valor da constante elástica para cada uma das molas e para a
associação destas, sendo as constantes dadas por 𝑘1 = 13,0039 ± 0,0507 𝑁/𝑚 para a
mola 1; 𝑘2 = 13,9665 ± 0,0585 𝑁/𝑚 para a mola 2; 𝑘𝑠 = 6,7114 ± 0,0135 𝑁/
𝑚 para a associação em série; e 𝑘𝑝 = 26,5957 ± 0,2122 𝑁/𝑚 para a associação em
paralelo. Com base nesses resultados, foi feito uma comparação entre a previsão teórica
para 𝑘𝑠 e 𝑘𝑝 e os valores obtidos experimentalmente. Essa atividade foi proposta pelo
professor de Física Experimental I, Augusto Alcalde.
Introdução

A análise de regressão linear é uma ferramenta estatística fundamental em diversas áreas,

desde a economia até as ciências sociais e naturais. Sua importância reside na capacidade
de modelar e compreender a relação entre variáveis, permitindo prever ou explicar o
comportamento de um fenômeno com base em suas interações. Através da regressão
linear, podemos identificar padrões, fazer previsões e tomar decisões informadas com
base nos dados disponíveis.
Outrossim, a Lei de Hooke é um princípio fundamental na física que descreve o
comportamento elástico dos materiais, especialmente quando submetidos a forças de
tração ou compressão. Esta lei estabelece que a deformação de um material é diretamente
proporcional à força aplicada, dentro do limite de elasticidade do material. No âmbito do
presente relatório, procedeu-se a uma aplicação prática da mencionada lei por meio da
análise de um conjunto de dados que registram a elongação de uma mola (em resposta à
adição de pesos de 0,0500 kg), com o propósito de determinar a constante elástica da
associação em série, da associação em paralelo, da primeira mola e da segunda mola.
Para tal, foi realizada uma análise estatística dos dados coletados, sendo empregado
também o método de Regressão Linear com o intuito de descobrir a equação da reta dos
valores obtidos. Ao relacionar os dados experimentais com a lei de Hooke, foi possível
verificar se o comportamento das molas segue um padrão linear de acordo com a equação
𝐹 = 𝑘𝑥, fornecendo uma análise mais profunda do comportamento elástico das molas sob
diferentes condições de carga. Ao longo deste relatório, descreveremos o procedimento
experimental, os equipamentos utilizados, os dados obtidos e a análise dos resultados,
buscando elucidar os princípios físicos subjacentes à Lei de Hooke.
A estrutura organizacional foi distribuída da seguinte maneira: Na seção 1, é discutida a
teoria adotada para o cálculo dos parâmetros desejados. Na seção 2, é descrito o
procedimento experimental utilizado para a aquisição dos dados, bem como seu registro.
A seção 3 engloba o registro e a análise minuciosa dos resultados obtidos. As conclusões
alcançadas são apresentadas na seção 4. Por fim, na seção 5, são abrangidas as referências
bibliográficas utilizadas ao longo do relatório.

1.Teoria

Ao realizarem-se medições, os resultados obtidos podem divergir do que foi antecipado

teoricamente e até mesmo de outros resultados experimentais. Com o intuito de atenuar
as diferenças e adquirir um dado final com maior precisão e acurácia, pode-se usar
fórmulas estatísticas, como as que já foram citadas neste relatório.
A média (𝑥̅ ) mostra a concentração de dados em torno de um determinado valor, um
número que, de certa forma, pode representar o conjunto de informações. Seu cálculo é
feito através da divisão da soma de todos os elementos (𝑥𝑖 ) pela quantidade dos mesmos
(N).
 1
𝑥̅ = 𝑁 ∑𝑁
𝑖=1 𝑥𝑖 (1)

Contudo, a média pode dar uma conclusão equivocada sobre um conjunto. Assim,
utilizam-se outras fórmulas, muitas das quais usam a média em seus cálculos, direta ou
indiretamente.
O desvio padrão (𝜎𝑥 ) mede a dispersão dos dados em relação a média desses valores. Ou
seja, avalia a uniformidade dos dados do conjunto, indicando se os valores estão próximos
da média ou distantes. Quanto mais próximo de zero for o desvio padrão, mais os valores
se aproximam da média e mais homogêneo é o conjunto. Visto que será feito a análise de
várias amostras de dados, será empregado o cálculo do desvio padrão amostral, cuja
equação está apresentada abaixo (BLOG DE ESTATÍSTICA DA PROF. FERNANDA
MACIEL,2023; PSICOMETRIA.ONLINE,2023).

1
𝜎𝑥 = √(𝑁−1) ∑𝑁 2
𝑖=1(𝑥𝑖 − 𝑥̅ ) (2)

O desvio padrão da média, erro estatístico ou erro-padrão (𝛿𝑥 ) é uma medida que avalia
o quão precisa é a média de uma amostra em comparação à média populacional, ou seja,
qual é a qualidade e acurácia de uma amostra no que diz respeito à proximidade de sua
média com o verdadeiro valor da média da população. Quanto menor for o valor do erro
estatístico, mais perto o valor da média amostral está da média populacional. (BLOG DE
ESTATÍSTICA DA PROF. FERNANDA MACIEL,2023; FM2S EDUCAÇÃO E
CONSULTORIA,2023; PSICOMETRIA.ONLINE,2023).

𝜎𝑥 1
𝛿𝑥̅ = = √𝑁(𝑁−1) ∑𝑁 2
𝑖=1(𝑥𝑖 − 𝑥̅ ) (3)
√𝑁

O erro total (∆𝑥) tem como finalidade mensurar os erros sistemáticos e aleatórios que
afetam o processo de análise de dados, além de quantificar a incerteza dos métodos e
equipamentos utilizados, refletindo a qualidade analítica durante o procedimento
experimental. Com a quantificação desse erro, é possível estabelecer um intervalo no qual
resultados diferentes para um mesmo experimento possam ser aceitos, já que, devido às
incertezas presentes na mensuração das grandezas, não é possível conseguir resultados
exatamente iguais. Abaixo está a fórmula usada para calcular o erro total, em que ∆𝑥𝑖𝑛𝑠𝑡
é o erro instrumental. (POSSAS,2012).

∆𝑥 = √(𝛿𝑥̅ )2 + (∆𝑥𝑖𝑛𝑠𝑡 )2 (4)

Muitas vezes é preciso calcular o erro de uma função, como por exemplo, o perímetro de
um retângulo. O erro total de uma função resultante da soma de duas variáveis 𝑊(𝑎, 𝑏) =
𝑎 ± 𝑏, sendo as variáveis as medidas tiradas N vezes é definido pela equação a seguir:

𝛥𝑊 = √(𝛥𝑎)2 + (𝛥𝑏)2 (5)

De maneira mais genérica, o erro total de uma função qualquer é definido pela fórmula:

𝜎𝑊 2 2 𝜎𝑊 2 2 𝜎𝑊 2 2
𝛥𝑊 = √( 𝜎𝑥 ) ⋅ (𝛥𝑥) + ( 𝜎𝑦 ) ⋅ (𝛥𝑦) + ( 𝜎𝑧 ) ⋅ (𝛥𝑧) (6)

Quando análises estatísticas são feitas, é comum deparar-se com a presença de variações
entre os dados observados e as previsões teóricas ou até mesmo em relação a outros
conjuntos experimentais. Com o intuito de reduzir tais disparidades e obter uma
estimativa mais precisa e exata, é possível utilizar métodos de regressão linear, que visam
modelar a relação entre variáveis, permitindo a identificação de padrões e tendências nos
dados. Isso se torna possível através de fórmulas estatísticas específicas, que serão
descritas abaixo.
A regressão linear é uma técnica estatística utilizada para modelar a relação entre duas
variáveis, geralmente representada por 𝑥 e 𝑦. Considerando 𝑛 pares de observações
(𝑥𝑖 , 𝑦𝑖 ) onde 𝑖 = 1,2, . . . , 𝑛, a regressão linear visa encontrar os coeficientes 𝑎 e 𝑏 que
minimizam a soma dos quadrados das diferenças entre os valores observados e os valores
previstos pela equação da linha 𝑎𝑥𝑖 + 𝑏. Nesse relatório, será utilizado o caso da
regressão linear em que o erro da variável dependente muda conforme se alteram os
valores da variável independente. As fórmulas são dadas a seguir.
Quando o erro na variável dependente for diferente:

(∑𝑁 𝑁
̅𝑖 𝑥𝑖 ) − (∑𝑁
𝑖=1 𝜔𝑖 )(∑𝑖=1 𝜔𝑖 𝑦 ̅𝑖 )(∑𝑁
𝑖=1 𝜔𝑖 𝑦 𝑖=1 𝜔𝑖 𝑥𝑖 )
𝑎= (7)
𝐷
(∑𝑁 ̅𝑖 )(∑𝑁
𝑖=1 𝜔𝑖 𝑦
2 𝑁
̅𝑖 𝑥𝑖 )(∑𝑁
𝑖=1 𝜔𝑖 𝑥𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑦 𝑖=1 𝜔𝑖 𝑥𝑖 )
𝑏= (8)
𝐷

Sendo:
 𝑁 𝑁 𝑁 2

𝐷 = (∑ 𝜔𝑖 ) (∑ 𝜔𝑖 𝑥𝑖 2 ) − (∑ 𝜔𝑖 𝑥𝑖 )
𝑖=1 𝑖=1 𝑖=1

1
𝜔𝑖 =
(∆𝑦𝑖 )2

A análise de propagação de incertezas avalia a confiabilidade de uma medição, sendo que

uma maior incerteza diminui a confiabilidade do resultado. A informação de medição
geralmente resulta em um intervalo de valores possíveis para a medida, pois mesmo com
medições precisas, é impossível reduzir o intervalo a um único valor devido à limitação
na definição precisa do mensurando. Sendo assim, para calcular as incertezas dos
coeficientes a e b encontrados na regressão linear, foi utilizada a fórmula da incerteza
total, ficando do seguinte modo (ENGINEERING,2023; ALURA,2022):

∑𝑁
𝑖=1 𝜔𝑖
∆𝑎 = √ (9)
𝐷

Incerteza do coeficiente angular

∑𝑁
𝑖=1 𝜔𝑖 𝑥𝑖
2
∆𝑏 = √ (10)
𝐷

Incerteza do coeficiente linear

A Lei de Hooke, formulada por Robert Hooke no século XVII, é um princípio na física
que descreve o comportamento elástico dos materiais, como molas e elastômeros. Ela
mostra que a deformação de um material é diretamente proporcional à força aplicada,
desde que essa deformação não ultrapasse o limite de elasticidade. Matematicamente, é
expressa como:

𝐹 = 𝑘𝐿 (11)

Onde 𝐹 é a força aplicada, 𝐿 é a deformação e 𝑘 é a constante de elasticidade. Essa lei é

crucial para o design de estruturas e sistemas que envolvem materiais elásticos,
permitindo prever como eles responderão às diferentes condições de carga.

Para casos não triviais, mais de uma mola pode ser utilizada. O presente experimento
analisa esses dados para duas molas acopladas em série e em paralelo. A teoria de Robert
Hooke mostra que para duas molas em paralelo a constante elástica é definida como:
 𝑘𝑝 = 𝑘1 + 𝑘2 (12)

Além disso, para molas acopladas em série a equação que representa a constante elástica
das molas é:
1 1 1
=𝑘 +𝑘 (13)
𝑘𝑠 1 2

2.Procedimento experimental

O propósito desse tópico é apresentar os procedimentos adotados no experimento com o

objetivo de coletar os dados necessários para a aplicação da Lei de Hooke. Em uma haste
com parte vertical e horizontal anexa, eram colocadas duas molas presas a um sustentador
conectado a haste horizontal. As duas molas tinham um suporte, onde o peso era anexado,
para que a distância entre o ponto onde não havia peso e o novo ponto obtido após ter o
peso colocado fosse anotada (Elongação 𝐿, em metros). Ao todo, foram confeccionadas
quatro tabelas: uma com esse procedimento sendo realizado com as molas em paralelo
(associação em paralelo); uma com o procedimento sendo realizado com uma mola e
posteriormente outra tabela com a mola que não havia sido utilizada; e a última tabela
com uma mola pendurada a outra (associação em série).
Em cada uma das repetições do experimento em suas respectivas variações, a mola era
inicialmente medida sem o peso para, depois, as medidas irem escalando de acordo com
os pesos, cujas massas valem 0,0500 𝑘𝑔, sendo adicionados. No total, foram cinco pesos
utilizados em cada variação do procedimento.
A seguir, encontram-se as tabelas com os dados obtidos experimentalmente, o esquema
do experimento (FIGURA 1 e 2) e os gráficos desses dados.

Tabela 1: Dados experimentais da mola 1.

𝒊 𝒎 (𝒌𝒈) 𝑷(𝑵) 𝑳(𝒎) ∆𝒎 ∆𝑳

1 0,0500 0,4900 0,0340 0,0001 0,0005
2 0,1000 0,9800 0,0710 0,0001 0,0005
3 0,1500 1,4700 0,1110 0,0001 0,0005
4 0,2000 1,9600 0,1460 0,0001 0,0005
5 0,2500 2,4500 0,1850 0,0001 0,0005

Fonte: elaborada pelos autores.

 Tabela 2: Dados experimentais da mola 2.

𝒊 𝒎 (𝒌𝒈) 𝑷(𝑵) 𝑳(𝒎) ∆𝒎 ∆𝑳

1 0,0500 0,4900 0,0340 0,0001 0,0005
2 0,1000 0,9800 0,0700 0,0001 0,0005
3 0,1500 1,4700 0,1050 0,0001 0,0005
4 0,2000 1,9600 0,1430 0,0001 0,0005
5 0,2500 2,4500 0,1730 0,0001 0,0005

Fonte: elaborada pelos autores.

Tabela 3: Dados experimentais da associação em série.

𝒊 𝒎 (𝒌𝒈) 𝑷(𝑵) 𝑳(𝒎) ∆𝒎 ∆𝑳

1 0,0500 0,4900 0,0730 0,0001 0,0005
2 0,1000 0,9800 0,1470 0,0001 0,0005
3 0,1500 1,4700 0,2200 0,0001 0,0005
4 0,2000 1,9600 0,2930 0,0001 0,0005
5 0,2500 2,4500 0,3650 0,0001 0,0005

Fonte: elaborada pelos autores.

Tabela 4: Dados experimentais da associação em paralelo.

𝒊 𝒎 (𝒌𝒈) 𝑷(𝑵) 𝑳(𝒎) ∆𝒎 ∆𝑳

1 0,0500 0,4900 0,0170 0,0001 0,0005
2 0,1000 0,9800 0,0340 0,0001 0,0005
3 0,1500 1,4700 0,0550 0,0001 0,0005
4 0,2000 1,9600 0,0740 0,0001 0,0005
5 0,2500 2,4500 0,0890 0,0001 0,0005

Fonte: elaborada pelos autores.

 Figura 1: esquema do experimento (associação em paralelo).

Fonte: https://moodle.ufu.br/pluginfile.php/1483801/mod_resource/content/1/laboratorio7_hooke.pdf

Figura 2: esquema do experimento (associação em série).

Fonte: https://moodle.ufu.br/pluginfile.php/1483801/mod_resource/content/1/laboratorio7_hooke.pdf
Gráfico 1: Dados experimentais da mola 1.

Fonte: elaborado pelos autores.

Gráfico 2: Dados experimentais da mola 2.

Fonte: elaborado pelos autores.

 Gráfico 3: Dados experimentais da associação em série.

Fonte: elaborado pelos autores.

Gráfico 4: Dados experimentais da associação em paralelo.

Fonte: elaborado pelos autores.

As medidas foram feitas com o auxílio de uma régua e uma balança, cujos erros
instrumentais valem, respectivamente, ∆𝑟𝑖𝑛𝑠𝑡 = 0,0005 𝑚 e ∆𝑏𝑖𝑛𝑠𝑡 = 0,0001 𝑘𝑔. A
aceleração da gravidade considerada para a determinação da força 𝑃 foi 𝑔 = 9,8 𝑚/𝑠².

Através dos dados coletados, os resultados obtidos foram 𝑘1 = 13,0039 ± 0,0507 𝑁/

𝑚 para a mola 1; 𝑘2 = 13,9665 ± 0,0585 𝑁/𝑚 para a mola 2; 𝑘𝑠 = 6,7114 ±
0,0135 𝑁/𝑚 para a associação em série; e 𝑘𝑝 = 26,5957 ± 0,2122 𝑁/𝑚 para a
associação em paralelo. Além disso, foram estipulados os valores teóricos para cada tipo
de associação de molas, sendo eles 𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 = 6,7340 ± 0,0192 𝑁/𝑚 e 𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 =
26,9704 ± 0,0774 𝑁/𝑚 .

3. Resultados e discussão

Por meio das fórmulas apresentadas anteriormente na seção Teoria e utilizando os dados
obtidos durante o procedimento experimental, será feita a análise estatística desses dados,
a estipulação da reta de regressão linear e a determinação dos erros associados à variável
dependente para que seja possível fazer a determinação da constante elástica 𝑘 de cada
mola e, assim, verificar se a relação teórica entre as constantes elásticas para molas unidas
em uma associação é válida.
A análise estatística dos dados, no geral, é realizada através das fórmulas da média, desvio
padrão, erro estatístico e erro total (EQUAÇÕES 1, 2, 3 e 4, respectivamente). Contudo,
como cada dado foi mensurado apenas uma vez, os erros associados às variáveis são
unicamente instrumentais. Desse modo, para todos os casos a serem apresentados, o erro
associado à elongação 𝐿 vale 0,0005𝑚, que corresponde ao erro instrumental da régua.
Como tal análise, para cada situação, é feita de forma muito breve, os dados
correspondentes a esse processo foram apresentados juntamente com os dados
experimentais, na seção Procedimento Experimental.
Como, neste trabalho, a deformação ou elongação da mola ocorreu devido à ação da
gravidade, pode-se enxergar a EQUAÇÃO 11 da seguinte forma:
1
𝐿= 𝑃 (14)
𝑘
A fim de propiciar uma melhor apresentação de dados e resultados, haverá subtópicos
para tratar sobre as informações referentes à mola 1, à mola 2, à associação em série, à
associação em paralelo e à verificação da relação entre essas constantes.

3.1. Mola 1
A tabela a seguir (TABELA 5) tem o intuito de facilitar alguns cálculos que serão
utilizados no processo de regressão linear.
Tabela 5: somatório dos termos utilizados nas fórmulas de regressão linear.

i 𝒘𝒊 𝒘𝒊 𝑿𝒊 𝒘𝒊 𝒀𝒊 𝒘𝒊 𝒀𝒊 𝑿𝒊 𝒘𝒊 𝑿𝒊 𝟐
1 4000000 1960000 136000 66640 960400
2 4000000 3920000 284000 278320 3841600
3 4000000 5880000 444000 652680 8643600
4 4000000 7840000 584000 1144640 15366400
5 4000000 9800000 740000 1813000 24010000
Total 20000000 29400000 2188000 3955280 52822000
 Fonte: elaborada pelos autores.

Com esses dados, pode-se ser feita a determinação dos erros associados ao coeficiente
angular 𝑎 e ao coeficiente linear 𝑏, dado que a EQUAÇÃO 14 pode ser vista da seguinte
forma:
𝑦 = 𝑎𝑥 + 𝑏 (15)
Sendo:
1
𝑎= (16)
𝑘
𝑏=0 (17)

Com essas informações e usando as EQUAÇÕES 7 e 9, tem-se que o coeficiente angular

e seu erro valem:

(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 )(∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝐴= ≅ 0,0769
𝐷

∑𝑁
𝑖=1 𝜔𝑖
∆𝐴 = √ ≅ 0,0003
𝐷

O coeficiente linear e seu erro valem (EQUAÇÕES 8 e 10):

2
(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑏= ≅ −0,0037
𝐷
2
∑𝑁
𝑖=1 𝜔𝑖 𝑋𝑖
∆𝑏 = √ ≅ 0,0005
𝐷

Com esses coeficientes, pode-se determinar a função que representa a reta da regressão
linear, que é definida por:
𝐿 = 0,0769𝑃 − 0,0037 𝑚

A seguinte figura (GRÁFICO 5) retrata o gráfico dessa função.

 Gráfico 5: Reta de regressão linear e dados linearizados com suas respectivas incertezas.

Fonte: elaborado pelos autores.

Tendo em consideração a EQUAÇÃO 16, pode-se determinar a constante elástica a partir

da seguinte equação:
1
𝑘= (18)
𝑎

Com base nesse resultado, a constante elástica da mola 1 pode ser estimada por:

1
𝑘1 = ≅ 13,0039 𝑁/𝑚
0,0769

Levando em conta a fórmula geral de propagação de erro (EQUAÇÃO 6), o erro

associado à constante pode ser obtido por meio do resultado de:

𝜕𝑘 2 ∆𝑎
√
∆𝑘 = ( ) (∆𝑎)2 = 2 (19)
𝜕𝑎 𝑎
Desse modo,
0,0003
∆𝑘1 = ≅ 0,0507 𝑁/𝑚
0,07692

Logo, tem-se que a constante elástica da mola 1 𝑘1 vale:

𝑘1 = 13,0039 ± 0,0507 𝑁/𝑚

3.2. Mola 2
A tabela a seguir (TABELA 6) tem o intuito de facilitar alguns cálculos que serão
utilizados no processo de regressão linear.
Tabela 6: somatório dos termos utilizados nas fórmulas de regressão linear.

i 𝒘𝒊 𝒘𝒊 𝑿𝒊 𝒘𝒊 𝒀𝒊 𝒘𝒊 𝒀𝒊 𝑿𝒊 𝒘𝒊 𝑿𝒊 𝟐
1 4000000 1960000 136000 66640 960400
2 4000000 3920000 280000 274400 3841600
3 4000000 5880000 420000 617400 8643600
4 4000000 7840000 572000 1121120 15366400
5 4000000 9800000 692000 1695400 24010000
Total 20000000 29400000 2100000 3774960 52822000

Fonte: elaborada pelos autores.

Com esses dados, pode-se ser feita a determinação dos erros associados ao coeficiente
angular 𝑎 e ao coeficiente linear 𝑏.

Assim, usando as EQUAÇÕES 7 e 9, tem-se que o coeficiente angular e seu erro valem:

(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 )(∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑎= ≅ 0,0716
𝐷

∑𝑁
𝑖=1 𝜔𝑖
∆𝑎 = √ ≅ 0,0003
𝐷

O coeficiente linear e seu erro valem (EQUAÇÕES 8 e 10):

 2
(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑏= ≅ −0,0003
𝐷
2
∑𝑁
𝑖=1 𝜔𝑖 𝑋𝑖
∆𝑏 = √ ≅ 0,0005
𝐷

Com esses coeficientes, pode-se determinar a função que representa a reta da regressão
linear, que é definida por:
𝐿 = 0,0716𝑃 − 0,0003 𝑚

A seguinte figura (GRÁFICO 6) retrata o gráfico dessa função.

Gráfico 6: Reta de regressão linear e dados linearizados com suas respectivas incertezas.

Fonte: elaborado pelos autores.

Tendo em consideração a EQUAÇÃO 18, a constante elástica da mola 2 pode ser

estimada por:
 1
𝑘2 = ≅ 13,9665 𝑁/𝑚
0,0716

Tendo em vista a EQUAÇÃO 19, o erro associado à constante vale:

0,0003
∆𝑘2 = ≅ 0, 0585 𝑁/𝑚
0,07162

Logo, tem-se que a constante elástica da mola 2 𝑘2 vale:

𝑘2 = 13,9665 ± 0,0585 𝑁/𝑚

3.3. Associação em série

A tabela a seguir (TABELA 7) tem o intuito de facilitar alguns cálculos que serão
utilizados no processo de regressão linear.
Tabela 7: somatório dos termos utilizados nas fórmulas de regressão linear.

i 𝒘𝒊 𝒘𝒊 𝑿𝒊 𝒘𝒊 𝒀𝒊 𝒘𝒊 𝒀𝒊 𝑿𝒊 𝒘𝒊 𝑿𝒊 𝟐
1 4000000 1960000 292000 143080 960400
2 4000000 3920000 588000 576240 3841600
3 4000000 5880000 880000 1293600 8643600
4 4000000 7840000 1172000 2297120 15366400
5 4000000 9800000 1460000 3577000 24010000
Total 20000000 29400000 4392000 7887040 52822000

Fonte: elaborada pelos autores.

Com esses dados, pode-se ser feita a determinação dos erros associados ao coeficiente
angular 𝑎 e ao coeficiente linear 𝑏.

Assim, usando as EQUAÇÕES 7 e 9, tem-se que o coeficiente angular e seu erro valem:

(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 )(∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑎= ≅ 0,1490
𝐷

∑𝑁
𝑖=1 𝜔𝑖
∆𝑎 = √ ≅ 0,0003
𝐷
O coeficiente linear e seu erro valem (EQUAÇÕES 8 e 10):

2
(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑏= ≅ 0,0006
𝐷
2
∑𝑁
𝑖=1 𝜔𝑖 𝑋𝑖
∆𝑏 = √ ≅ 0,0005
𝐷

Com esses coeficientes, pode-se determinar a função que representa a reta da regressão
linear, que é definida por:
𝐿 = 0,1490𝑃 + 0,0006 𝑚

A seguinte figura (GRÁFICO 7) retrata o gráfico dessa função.

Gráfico 7: Reta de regressão linear e dados linearizados com suas respectivas incertezas.

Fonte: elaborado pelos autores.

Tendo em consideração a EQUAÇÃO 18, a constante elástica da associação em série
pode ser estimada por:

1
𝑘𝑠 = ≅ 6,7114 𝑁/𝑚
0,1490

Tendo em vista a EQUAÇÃO 19, o erro associado à constante vale:

0,0003
∆𝑘𝑠 = ≅ 0,0135 𝑁/𝑚
0,14902

Logo, tem-se que a constante elástica da associação em série 𝑘𝑠 vale:

𝑘𝑠 = 6,7114 ± 0,0135 𝑁/𝑚

3.4. Associação em paralelo

A tabela a seguir (TABELA 8) tem o intuito de facilitar alguns cálculos que serão
utilizados no processo de regressão linear.
Tabela 8: somatório dos termos utilizados nas fórmulas de regressão linear.

i 𝒘𝒊 𝒘𝒊 𝑿𝒊 𝒘𝒊 𝒀𝒊 𝒘𝒊 𝒀𝒊 𝑿𝒊 𝒘𝒊 𝑿𝒊 𝟐
1 4000000 1960000 68000 33320 960400
2 4000000 3920000 136000 133280 3841600
3 4000000 5880000 220000 323400 8643600
4 4000000 7840000 296000 580160 15366400
5 4000000 9800000 356000 872200 24010000
Total 20000000 29400000 1076000 1942360 52822000

Fonte: elaborada pelos autores.

Com esses dados, pode-se ser feita a determinação dos erros associados ao coeficiente
angular 𝑎 e ao coeficiente linear 𝑏.

Assim, usando as EQUAÇÕES 7 e 9, tem-se que o coeficiente angular e seu erro valem:
 (∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 )(∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑎= ≅ 0,0376
𝐷

∑𝑁
𝑖=1 𝜔𝑖
∆𝑎 = √ ≅ 0,0003
𝐷

O coeficiente linear e seu erro valem (EQUAÇÕES 8 e 10):

2
(∑𝑁 𝑁 𝑁 𝑁
𝑖=1 𝜔𝑖 𝑌𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 ) − (∑𝑖=1 𝜔𝑖 𝑌𝑖 𝑋𝑖 )(∑𝑖=1 𝜔𝑖 𝑋𝑖 )
𝑏= ≅ −0,0014
𝐷
2
∑𝑁
𝑖=1 𝜔𝑖 𝑋𝑖
∆𝑏 = √ ≅ 0,0005
𝐷

Com esses coeficientes, pode-se determinar a função que representa a reta da regressão
linear, que é definida por:
𝐿 = 0,0376𝑃 − 0,0014 𝑚

A seguinte figura (GRÁFICO 8) retrata o gráfico dessa função.

 Gráfico 8: Reta de regressão linear e dados linearizados com suas respectivas incertezas.

Fonte: elaborado pelos autores.

Tendo em consideração a EQUAÇÃO 18, a constante elástica da associação em paralelo

pode ser estimada por:
1
𝑘𝑝 = ≅ 26,5957 𝑁/𝑚
0,0376

Tendo em vista a EQUAÇÃO 19, o erro associado à constante vale:

0,0003
∆𝑘𝑝 = ≅ 0,2122 𝑁/𝑚
0,03762

Logo, tem-se que a constante elástica da associação em paralelo 𝑘𝑝 vale:

𝑘𝑝 = 26,5957 ± 0,2122 𝑁/𝑚

3.5. Discussão
Conforme apresentado anteriormente na seção Teoria, a associação de duas molas pode
ser feita de duas formas: em série ou paralela. Na associação em série, o inverso da
constante resultante é igual à soma dos inversos das constantes das molas que a compõe
(EQUAÇÃO 13). Na associação em paralelo, a constante resultante é igual a soma das
constantes de cada mola (EQUAÇÃO 12).
Com base nesses conceitos, serão obtidas as constantes elásticas (teóricas) para cada tipo
de associação e será feita uma comparação com os valores achados experimentalmente.
Para a associação em série:

1 1 1
= + ≅ 0,1485
𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 13,0039 13,9665
1
𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 = ≅ 6,7340 𝑁/𝑚
0,1485

Para a determinação do erro associado à constante elástica para associação em série,

considera-se que a EQUAÇÃO pode ser vista da seguinte maneira:

𝑘1 𝑘2
𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 = (20)
𝑘1 + 𝑘2

Desse modo,

𝜕𝑘𝑠 2 𝜕𝑘𝑠 2
∆𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 √
= ( ) (∆𝑘1 ) 2 +( ) (∆𝑘2 )2
𝜕𝑘1 𝜕𝑘2

2 2
𝑘2 2 𝑘1 2
∆𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 √
= ( ) (∆𝑘1 ) 2 +( ) (∆𝑘2 )2 (21)
(𝑘2 + 𝑘1 )2 (𝑘2 + 𝑘1 )2

2 2
13,96652 13,00392
∆𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 = √( ) (0,0507) 2+( ) (0,0585)2 = 0,0192 𝑁/𝑚
26,97042 26,97042

Assim,
𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 = 6,7340 ± 0,0192 𝑁/𝑚
Comparando com o resultado obtido experimentalmente (𝑘𝑠 = 6,7114 ± 0,0135 𝑁/
𝑚 ), é visível que os valores estão muito próximos, não sendo iguais devido à existência
de erros intrínsecos ao processo de mensuração.
Agora, para a associação em paralelo:

𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = 13,0039 + 13,9665 = 26,9704 𝑁/𝑚

Determinação do erro associado à constante elástica para associação em paralelo:

𝜕𝑘𝑠 2 𝜕𝑘𝑠 2
𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = √( 2
) (∆𝑘1 ) + ( ) (∆𝑘2 )2
𝜕𝑘1 𝜕𝑘2

𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = √(∆𝑘1 )2 + (∆𝑘2 )2 (22)

𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = √(0,0507)2 + (0,0585)2 = 0,0774 𝑁/𝑚

Assim,
𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = 26,9704 ± 0,0774 𝑁/𝑚

Em comparação, o resultado teórico teve seu valor próximo ao valor do resultado obtido
experimentalmente (𝑘𝑝 = 26,5957 ± 0,2122 𝑁/𝑚 ), diferindo um pouco a mais que
𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 em relação à 𝑘𝑠 .

Apesar dos erros inerentes ao processo de mensuração, é notável que os valores obtidos
experimentalmente ficam próximos ao valor da previsão teórica para as constantes
elásticas de molas associadas em série e em paralelo. Logo, é possível afirmar que foram
verificadas as relações teóricas (EQUAÇÕES 12 e 13) entre as constantes elásticas nesse
experimento.

3.6. Código
Será apresentado somente um dos códigos utilizados, sendo a linha sublinhada a única
parte do código mudada. O código foi utilizado quatro vezes, então, exceto pelos valores
da elongação presentes no código a ser mostrado (usado para cálculos referentes a mola
1), os outros valores serão postos a seguir.

Mola 2: Y = np.array([0.0340,0.0700,0.1050,0.1430,0.1730])
Associação em série: Y = np.array([0.0730,0.1470,0.2200,0.2930,0.3650]
Associação em paralelo: Y = np.array([0.0170,0.0340,0.0550,0.0740,0.0890])

import numpy as np
import matplotlib.pyplot as plt

def errosdiferentes_linear_regression(X, Y, dY):

W = 1 / dY**2
XX = np.multiply(X,X)
XY = np.multiply(X,Y)
D = sum(W) * sum(np.multiply(W,XX)) - sum(np.multiply(W,X)) *
sum(np.multiply(W,X))
A = (sum(W) * sum(np.multiply(W,XY)) - sum(np.multiply(W,Y)) *
sum(np.multiply(W,X)))/D
B = (sum(np.multiply(W,Y)) * sum(np.multiply(W,XX)) - sum(np.multiply(W,XY))
* sum(np.multiply(W,X)))/D
sigma_A = np.sqrt(sum(W)/D)
sigma_B = np.sqrt(sum(np.multiply(W,XX))/D)

return A, B, sigma_A, sigma_B

# Example data

Y = np.array([0.0340,0.0710,0.1110,0.1460,0.1850])
X = np.array([0.4900,0.9800,1.4700,1.9600,2.4500])
dY = np.array([0.0005,0.0005,0.0005,0.0005,0.0005]) # Example uncertainties for each
Y

# Perform weighted linear regression

A, B, sigma_A, sigma_B = errosdiferentes_linear_regression(X, Y, dY)

# Generate points for the regression line

regression_line = A * X + B

# Plot the original data and regression line with error bars
plt.errorbar(X, Y, yerr=dY, linestyle="None", marker='o', label='Original Data with
Uncertainties')
plt.plot(X, regression_line, color='red', label=f'Linha de Regressão Linear: L= {A:.2f}P
+ {B:.2f}')

# Add labels and legend

plt.xlabel('Peso P (N)')
plt.ylabel('Elongação L (m)')
plt.legend()

# Show the plot

plt.show()

# Print results
print("Slope (A): {:.4f} ± {:.4f}".format(A, sigma_A))
print("Intercept (B): {:.4f} ± {:.4f}".format(B, sigma_B))

4.Conclusão

No presente relatório, foram apresentados os resultados da constante elástica de

associação em série, da associação em paralelo, da mola um e da mola dois. Além dos
erros de cada uma dessas variáveis e das funções que representam essas retas. Esses
resultados foram calculados pelo método da Regressão Linear, já visto na seção da teoria
nesse mesmo documento.
Os cálculos foram feitos com base na análise estatística dos dados experimentais, aliada
às fórmulas teóricas previamente apresentadas, a qual proporcionou uma estimativa de
valores das constantes elásticas em cada caso. Além disso, os resultados também foram
provenientes da mensuração da variação da mola com cada um dos pesos. Também houve
a comparação de 𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 com o 𝑘1 e 𝑘2 usando a EQUAÇÃO 13 e o 𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 com o 𝑘1
e 𝑘2 usando a EQUAÇÃO 12.
Desse modo, utilizando os valores de 𝑎 e 𝑏 previamente calculados, tem-se que 𝑘1 =
13,0039 ± 0,0507 𝑁/𝑚; 𝑘2 13,9665 ± 0,0585 𝑁/𝑚 ; 𝑘𝑝 = 26,5957 ±
0,2122 N/m e 𝑘𝑠 = 6,7114 ± 0,0135 𝑁/𝑚.
Tendo em vista os valores das constantes adquiridos pela previsão teórica (𝑘𝑠𝑡𝑒ó𝑟𝑖𝑐𝑜 =
6,7340 ± 0,0192 𝑁/𝑚 e 𝑘𝑝𝑡𝑒ó𝑟𝑖𝑐𝑜 = 26,9704 ± 0,0774 𝑁/𝑚) e comparando com os
resultados das constantes para a associação em paralelo e em série, percebe-se que, apesar
dos erros provenientes do processo de mensuração, os valores obtidos ficaram bem
próximos dos valores esperados, verificando-se, assim, as relações apresentadas nesse
trabalho.

5. Referências

Ana Duarte. Desvendando a regressão linear. Alura. Disponível em: <

https://www.alura.com.br/artigos/desvendando-a-regressao-linear>. Acesso em: 19 de
fev. 2024.
Blog de Estatística da Prof. Fernanda Maciel. Desvio padrão versus erro padrão. Blog
de Estatística da Prof. Fernanda Maciel. Disponível em: <
https://blog.proffernandamaciel.com.br/desvio_erro_padrao/ >. Acesso em: 20 de jan.
2024.
Engineering. O que é regressão linear e qual sua importância?. Engineering.
Disponível em: < https://blog.engdb.com.br/o-que-e-regressao-linear>. Acesso em: 19 de
fev. 2024.
FM2S Educação e consultoria. O que é desvio padrão? Quais os tipos? Como
calcular?. Disponível em:< https://www.fm2s.com.br/blog/desvio-padrao/amp>. Acesso
em: 20 de jan. 2024.
POSSAS,Jorge. et al. Uso do conceito do erro total, dos perfis de exatidão e do índice
de exatidão no pré-estudo de validação de ensaio imunoenzimático. Disponível em:
< http://www.ial.sp.gov.br/resources/insituto-adolfo-
lutz/publicacoes/rial/10/rial71_4_completa/1523.pdf >. Acesso em 24 de jan. 2024.
Psicometria.online. A diferença entre Desvio-Padrão e Erro-Padrão.
Psicometria.online. Disponível em: < https://psicometriaonline.com.br/a-diferenca-entre-
desvio-padrao-e-erro-padrao/ >. Acesso em: 20 de jan. 2024.

Universidade Federal de Juiz de Fora. Prática 6 - Lei de Hooke. Disponível em: <
https://www2.ufjf.br/fisica/wp-content/uploads/sites/427/2010/03/06_Pratica6-
Hooke.pdf.> Acesso em: 08 abr. 2024.