The Spacetime Metric
Nível 3 · Núcleo da graduaçãoPrimeiro e segundo ano de graduaçãoCerca de 15 horas

Métodos experimentais e análise de erros

Projete medições que sobrevivam à calibração, ao ruído, ao viés, à replicação e à reanálise adversarial.

Modelo interativo

Explore antes de calcular

Uma trajetória medida, reconstruída a partir de observações amostradas com incerteza.
A inferência começa com coordenadas, tempos, geometria e resíduos calibrados, antes de atribuir um mecanismo exótico.

Laboratório interativo

Estúdio de resíduos cegados e covariância

Recuperar uma injeção oculta sintética, combinar incerteza sistemática aleatória e correlacionada, e então aplicar uma penalidade declarada de olhar em outro lugar antes de interpretar o resíduo.

Local Pglobal p10⁻¹²1

σ aleatórias de média: 2.000

Total de σ correlacionados: 4.796

Recuperação da injeção: 0.417σ

Residual nulo: 4.587σ

P local: 4.494e-6

P global: 4.494e-6

O estimador cego recupera a injeção dentro da porta de calibração 2σ declarada. O residual ajustado pela busca ultrapassa o limiar declarado do estilo 3σ.

Todos os valores são sintéticos. A expressão global-p aproxima buscas independentes; janelas correlacionadas exigem simulação ou um modelo de tentativas efetivas. Uma análise real deve congelar o estimador, largura de banda, covariância, exclusões, escopo de busca, controles e limiar de sucesso antes de ser descegado.

Nível 3 · Núcleo da graduação · Kit didático

Registre a investigação. Ensine o raciocínio.

Um registro de laboratório para estudantes e um guia específico para docentes transformam o modelo interativo em uma investigação repetível.

Registro do estudante

Análise de resíduos cegados e penalidades de busca

Quando um resíduo local permanece credível após a incerteza correlacionada, a recuperação por injeção e o espaço de busca declarado serem incluídos?

Baixar Markdown do estudante

Guia do docente

Ensine a investigação, não a interface

Os aprendizes tratam cegueira, incerteza correlacionada, recuperação de injeções e correção de multiplicidade como um único canal de evidências, em vez de advertências post hoc opcionais.

Baixar Markdown do docente
Abrir o kit didático completo para impressão →

Lição 1 de 3

Calibração e orçamentos de incerteza

Qual incerteza é estatística, qual é sistemática e qual correlação impede uma média simples?

A incerteza aleatória varia entre repetições e muitas vezes encolhe com medições independentes repetidas. A incerteza sistemática desloca os resultados de forma coerente e exige calibração, comparação ou redesenho.

Um orçamento nomeia cada contribuição, distribuição, correlação, coeficiente de sensibilidade e regra de combinação.

calibração · erro sistemático · covariância · rastreabilidade

Exemplo resolvido

Para z=x+y com σx=0,3 e σy=0,4 independentes, encontre σz.

  1. 1. Use a soma de variâncias para entradas independentes.
  2. 2. σz²=0,3²+0,4².
  3. 3. Extraia a raiz quadrada.

σz=0,5.

Experimente

Orçamento de incerteza de um instrumento

Materiais: Qualquer especificação de sensor e um conjunto de medições repetidas.

  1. 1. Liste resolução, calibração, deriva, alinhamento e repetibilidade.
  2. 2. Atribua unidades e distribuições.
  3. 3. Converta em sensibilidades na saída.
  4. 4. Ordene as contribuições.

Repare: A maior incerteza — e não a casa decimal visualmente mais impressionante — é que fixa o poder de resolução do experimento.

Verifique o que entendeu: Por que repetir uma medição enviesada não elimina o erro sistemático?

Resposta: O viés desloca as repetições de forma coerente, em vez de flutuar aleatoriamente em torno do valor verdadeiro.

É preciso uma calibração externa ou um método diferente.

Lição 2 de 3

Ajuste de modelos, resíduos e efeito de procurar em muitos lugares

O parâmetro ajustado representa sinal, desacordo do modelo ou seleção feita depois de ver os dados?

A estimativa de parâmetros compara dados com um modelo de verossimilhança ou de perda. A estrutura dos resíduos pode revelar física faltante, deriva, não linearidade ou suposições erradas de ruído.

Procurar em muitas janelas, frequências ou modelos infla a probabilidade de falso positivo. O escopo da busca precisa ser incluído ou confirmado em dados reservados.

verossimilhança · resíduo · sobreajuste · efeito de procurar em muitos lugares

Exemplo resolvido

Um ajuste de reta tem R² alto, mas os resíduos se curvam de forma sistemática. O modelo é adequado?

  1. 1. Inspecione a posição e o sinal dos resíduos.
  2. 2. Identifique a curvatura não aleatória.
  3. 3. Teste um modelo alternativo bem motivado.
  4. 4. Valide em dados novos.

Um R² alto não salva um modelo linear estruturalmente errado.

Experimente

Injeção cega de sinal

Materiais: Dados sintéticos com ruído e amplitudes injetadas ocultas.

  1. 1. Congele a regra de detecção antes de os rótulos serem revelados.
  2. 2. Analise todos os arquivos de forma idêntica.
  3. 3. Revele as injeções.
  4. 4. Meça falsos positivos, sinais perdidos e viés.

Repare: O comportamento de um pipeline diante de uma verdade oculta conhecida é evidência mais forte do que ajustá-lo a um único sinal desejado.

Verifique o que entendeu: Que problema um conjunto de dados reservado resolve?

Resposta: Ele testa se um modelo ou limiar generaliza além dos dados usados para escolhê-lo.

Isso reduz o sobreajuste e o viés de seleção.

Lição 3 de 3

Controles, pré-registro e replicação

Que observação isolaria o mecanismo proposto de artefatos térmicos, mecânicos, eletromagnéticos e analíticos?

Controles positivos provam a sensibilidade; controles negativos medem o fundo; condições de inversão e simuladas testam a direção ou a dependência específica do mecanismo.

O pré-registro congela os desfechos primários e as exclusões antes dos resultados. A replicação independente troca pesquisadores e aparato preservando a previsão decisiva.

controle positivo · teste nulo · pré-registro · replicação independente

Exemplo resolvido

Uma balança com cavidade mostra empuxo apenas quando energizada. Nomeie quatro confundidores e os controles que os discriminam.

  1. 1. Expansão térmica: um aquecedor simulado equivalente.
  2. 2. Força dos cabos: alimentação sem fio ou alimentação simétrica com inversão.
  3. 3. Acoplamento magnético: blindagem e mapeamento de campo.
  4. 4. Vibração e seleção de dados: acelerômetros e janelas pré-registradas.

Um projeto confiável modula o sinal proposto de forma independente de cada artefato importante.

Experimente

Pré-registre um experimento nulo

Materiais: Um modelo de protocolo de uma página.

  1. 1. Declare a previsão primária e o falseador.
  2. 2. Defina o tamanho da amostra e as exclusões.
  3. 3. Liste os controles e o cronograma de calibração.
  4. 4. Congele a análise e o plano de liberação dos dados.

Repare: Um pré-registro torna o julgamento posterior auditável sem proibir seguimentos exploratórios.

Verifique o que entendeu: Por que repetir com o mesmo aparato no mesmo laboratório é mais fraco que uma replicação independente?

Resposta: Equipamento, código, pessoal e suposições compartilhados podem reproduzir o mesmo artefato oculto.

A independência muda de propósito os modos de falha possíveis.

Da fórmula ao significado

Leia a equação em linguagem comum.

  1. σ_f²≈JΣJᵀ

    Uma jacobiana de sensibilidade e uma matriz de covariância propagam a incerteza correlacionada das entradas.

  2. χ²=Σ[(y_i−m_i)/σ_i]²

    Resíduos quadráticos ponderados comparam um modelo com dados escalonados pela incerteza.

  3. SNR=escala do sinal/escala do ruído

    A relação sinal-ruído só faz sentido depois de definir largura de banda, estimador e modelo de ruído.

Prática independente

Lista de problemas

Resolva cada problema antes de abrir a dica e a solução.

  1. 1. Faça a média de quatro medições independentes, cada uma com σ=2. Qual é a incerteza padrão da média?

    Ver a dica

    σ_média=σ/√N.

    Ver a solução

    1.

  2. 2. Duas buscas independentes de 3σ são feitas. A probabilidade combinada de alarme falso continua sendo a de um único teste de 3σ?

    Ver a dica

    Mais oportunidades aumentam os alarmes falsos.

    Ver a solução

    Não; corrija para a busca com dois testes ou confirme em dados reservados.

  3. 3. Um resultado muda de sinal quando a orientação do aparato é invertida, e a direção térmica não muda. O que isso estabelece?

    Ver a dica

    Pense em discriminação, não em prova final.

    Ver a solução

    Isso enfraquece explicações térmicas invariantes por orientação e apoia um efeito ligado à direção, mas outras sistemáticas que se invertem e a replicação continuam pendentes.

Estúdio de derivação

Construa o resultado, linha por linha.

Mantenha as suposições à vista para que a matemática continue auditável.

  1. Ponto de partida

    Propagação de incerteza em primeira ordem

    Expansão de f(x₁,…,xₙ) em torno das médias medidas

    1. 1. Expanda f em série de Taylor até primeira ordem.
    2. 2. Escreva δf≈ΣJᵢδxᵢ.
    3. 3. Eleve ao quadrado e tome o valor esperado.
    4. 4. Mantenha os termos de covariância.

    Var(f)≈JΣJᵀ

    Correlações podem aumentar ou diminuir a incerteza da saída; a soma em quadratura de termos independentes é um caso particular.

  2. Ponto de partida

    Estimador de mínimos quadrados ponderados

    χ²(a)=Σ[(yᵢ−a xᵢ)/σᵢ]² para um modelo com intercepto zero

    1. 1. Derive χ² em relação a a.
    2. 2. Iguale a derivada a zero.
    3. 3. Reúna as somas ponderadas de xᵢyᵢ e de xᵢ².
    4. 4. Resolva para a.

    â=Σ(xᵢyᵢ/σᵢ²)/Σ(xᵢ²/σᵢ²)

    Pontos mais precisos carregam peso maior sob o modelo gaussiano independente declarado.

Caderno computacional

Transforme o modelo em um experimento.

  1. Pipeline de teste nulo para força de precisão

    Uma análise pré-registrada consegue recuperar forças injetadas sem confundir deriva, vibração ou aquecimento com empuxo?

    Entradas

    • • Séries temporais sintéticas de balança
    • • Canais de temperatura, acelerômetro, potência e orientação
    • • Cronograma oculto de injeções

    Algoritmo

    1. 1. Calibre a linha de base e o modelo de deriva nos dados de treino.
    2. 2. Congele os filtros e o estimador primário.
    3. 3. Rode a análise cega.
    4. 4. Revele as injeções e calcule as métricas de detecção, de viés e de alarme falso.

    Evidência a produzir

    • • Orçamento de incerteza e de covariância
    • • Gráficos de resíduos e de diagnóstico
    • • Tabela de recuperação cega e relatório de análise reprodutível

Siga para a evidência

Próxima leitura, com as fontes