Ajustamento de Observações Geodésicas: Distribuição Normal e Curva de Gauss.

Entramos agora no Módulo 2 – Estatística Aplicada à Geodésia, começando por um dos temas mais importantes de toda a teoria do Ajustamento de Observações.

Aula 010 – Distribuição Normal e Curva de Gauss

Objetivos da Aula

1. Entender por que a Estatística da Geodésia se fundamenta na distribuição normal.
2. Compreender a forma e as propriedades da Curva de Gauss.
3. Ver como os erros aleatórios se comportam.
4. Relacionar a distribuição normal ao Método dos Mínimos Quadrados.

1. Por que a Distribuição Normal é Essencial na Geodésia?

Toda observação geodésica contém erros aleatórios devido a fatores como:

• refração atmosférica,
• ruído eletrônico,
• vibrações,
• limitações do operador,
• microvariações de sinal GNSS.

Esses erros, quando pequenos e independentes, seguem uma Distribuição Normal (Gaussiana).

Isso é garantido pelo:

• Teorema Central do Limite:


• A soma de um grande número de pequenas perturbações independentes tende à distribuição normal.

Portanto, as observações geodésicas "naturalmente se distribuem" como uma curva de Gauss. E o Método dos Mínimos Quadrados é o estimador ótimo quando os erros seguem essa distribuição.

2. Forma Matemática da Distribuição Normal

A função densidade de probabilidade é:

Em que:

• μ = média
• σ = desvio padrão

3. Características Fundamentais da Curva de Gauss

⇒ Simétrica em torno da média

• μ = valor mais provável

⇒ Quanto maior o desvio padrão (σ), mais larga a curva

• Erros muito dispersos → curva larga
• Alta precisão → curva estreita

⇒ Área total sob a curva = 1

• Representa a probabilidade total.

⇒ Percentis importantes

Intervalo	Probabilidade
μ ± 1σ	68,27%
μ ± 2σ	95,45%
μ ± 3σ	99,73%

Esses limites serão usados para teste de resíduos e detecção de erros grosseiros.

4. Interpretação de σ (desvio padrão)

σ representa o erro médio quadrático.

• σ pequeno → alta precisão
• σ grande → baixa precisão

Se tivermos muitas observações:

É o erro da média ajustada.

5. Relação com o Método dos Mínimos Quadrados

O MMQ é o método "ótimo" quando:

• os erros têm média zero,
• são independentes,
• seguem distribuição normal,
• têm variância constante ou conhecida.

Isto porque o MMQ é o estimador de máxima verossimilhança para erros gaussianos.

6. Importância para Redes Geodésicas

A distribuição normal fundamenta:

⇒ Teste Global (χ²):

Avalia se as observações são estatisticamente consistentes.

⇒ Teste de Baarda (t-test):

Testa resíduos suspeitos.

⇒ Construção da matriz de pesos

⇒ Intervalos de confiança das coordenadas

⇒ Avaliação da precisão final da rede

7. Exemplo Resolvido

7.1 Problema:

Uma distância foi observada repetidamente e apresentou:

σ = 0,004 m

7.2 Pergunta:

Qual a probabilidade de uma observação estar dentro de:

a) ±0.004 m
b) ±0.008 m
c) ±0.012 m

7.3 Solução:

a) ± 1σ → P = 68,27%
b) ± 2σ → P = 95,45%
c) ± 3σ → P = 99,73%

7.4 Interpretação:

Isso significa:

⇒ 68% das leituras estarão a 4 mm do valor verdadeiro,
⇒ 95% estarão a 8 mm,
⇒ 99.7% estarão a 12 mm.

8. Exemplo Proposto

Um ângulo medido com repetição apresenta desvio padrão:

σ = 5''

8.1 Perguntas:

a) Qual a probabilidade de uma observação estar dentro de ±5"?
b) E dentro de ±10"?
c) E dentro de ±15"?

8.2 Resposta Final Esperada:

a) 68.27%
b) 95.45%
c) 99.73%

9. Conclusão da Aula

• A distribuição normal descreve o comportamento dos erros aleatórios.
• A Curva de Gauss é simétrica, contínua e governada por μ e σ.
• O MMQ é matematicamente ideal para erros gaussianos.
• Esses conceitos são indispensáveis para testes estatísticos e avaliação de redes geodésicas.

→ Índice de Aulas ←