Análise de Sigma

A letra grega $\sigma$ aparece em dois papéis inteiramente distintos nesta referência, e confundi-los é um risco genuíno. Na master formula, $\sigma(E)$ é a seção de choque de espalhamento, uma intensidade de acoplamento física com unidades de área. Nos capítulos de validação, $\sigma$ é o desvio-padrão, uma medida estatística de dispersão. Este capítulo trata ambos os significados deliberadamente e lado a lado, e enuncia a convenção notacional explicitamente para que nenhuma ambiguidade reste.

Duas grandezas distintas, um símbolo

A sobreposição de notação é uma herança inevitável da convenção: a física usa $\sigma$ para seções de choque, a estatística usa $\sigma$ para desvios-padrão, e ambas as tradições estão demasiado enraizadas para serem abandonadas. Dentro desta referência a convenção é a seguinte. Quando $\sigma$ aparece com um argumento de energia explícito, escrito $\sigma(E)$, significa sempre a seção de choque. Quando $\sigma$ aparece sem argumento no contexto de uma distribuição de saída computada ou de uma afirmação de confiança, significa o desvio-padrão. Onde quer que os dois possam ser confundidos, o significado pretendido é enunciado em palavras. Tendo essa regra em mente, os dois papéis podem agora ser examinados separadamente.

Sigma a seção de choque: σ(E)

A seção de choque de espalhamento $\sigma(E)$ [m²] mede quão fortemente o campo incidente se acopla ao material do conversor em função da energia. Ela entra na master formula como um dos fatores do integrando,

$$P(t) = \iint \Phi(E,\theta,t)\,\sigma(E)\,\Delta p\,v_{\text{ph}}\,\eta_{\text{conv}}\;dE\,d\theta ,$$

e sua dependência de energia é decisiva porque a saída é governada pela sobreposição de $\sigma(E)$ com o fluxo $\Phi$, como discutido em fluxo de energia multicanal. A leitura dimensional merece uma pausa: uma seção de choque é uma área efetiva, o tamanho-alvo nocional que o material apresenta a um quantum incidente de energia $E$. Não é uma probabilidade nem uma taxa; ela adquire esses significados apenas quando multiplicada por um fluxo, que é exatamente o que o integrando faz. A análise de $\sigma(E)$ centra-se em sua forma. Uma seção de choque larga e plana acopla-se a uma ampla faixa do espectro, mas fracamente em qualquer energia isolada; uma que é agudamente apicada — uma ressonância — acopla-se fortemente, mas apenas em uma banda estreita. Uma caricatura ilustrativa útil de uma ressonância é o perfil lorentziano

$$\sigma(E) \;\propto\; \frac{(\Gamma/2)^2}{(E-E_0)^2 + (\Gamma/2)^2} ,$$

centrado em $E_0$ com largura $\Gamma$: à medida que $\Gamma \to 0$ o pico torna-se alto e estreito, acoplando-se poderosamente, mas apenas ao fluxo dentro de um fio de cabelo de $E_0$. Se uma $\sigma(E)$ larga ou apicada gera mais potência depende inteiramente de onde o fluxo ambiental se situa em relação ao pico, razão pela qual caracterizar $\sigma(E)$ conjuntamente com o fluxo é a substância da engenharia do conversor; veja interpretação de engenharia. Uma $\sigma(E)$ agudamente apicada também tem consequências numéricas: quanto mais estreita $\Gamma$, mais fina a amostragem exigida perto da ressonância para evitar erro de quadratura, como observado em simulação numérica.

Sigma o desvio-padrão: σ

No contexto de validação, $\sigma$ denota o desvio-padrão de uma distribuição de saída computada — um objeto completamente diferente com unidades completamente diferentes, a saber, as de $P(t)$ em si, não de área. Quando a master formula é avaliada por Monte Carlo com entradas incertas, como descrito em validação de Monte Carlo, o resultado não é um único número, mas um conjunto de valores de $P(t)$. A média $\mu$ desse conjunto estima a saída esperada; seu desvio-padrão

$$\sigma = \sqrt{\;\frac{1}{N-1}\sum_{k=1}^{N}\big(P_k - \mu\big)^2\;}$$

quantifica a dispersão. Reportar um resultado como uma média mais ou menos um $\sigma$ é uma afirmação de confiança estatística: sob a intuição gaussiana usual, cerca de dois terços da distribuição situam-se dentro de um $\sigma$ da média e cerca de noventa e cinco por cento dentro de dois $\sigma$. Duas ressalvas acompanham essa intuição. Primeiro, o desvio-padrão $\sigma$ da distribuição não deve ser confundido com o erro-padrão $\sigma/\sqrt{N}$ da média: o primeiro descreve quão incerta é a saída, o segundo quão bem a simulação fixou a sua própria média. Segundo, quando a distribuição de saída é assimétrica — como produtos de fatores positivos tendem a ser — a regra gaussiana de dois terços/noventa e cinco é apenas aproximada, e os intervalos reportados são mais bem ancorados em percentis. Uma validação bem conduzida, portanto, reporta tanto a saída média quanto seu $\sigma$, e idealmente seu intervalo de confiança, para que um leitor possa julgar quão estreitamente a predição está restringida.

Confiança e o significado de “significância”

A leitura do desvio-padrão de $\sigma$ sustenta a linguagem da significância estatística. Um efeito previsto que é grande em comparação com seu $\sigma$ está bem determinado; um que é comparável ou menor que seu $\sigma$ não está, e deveria ser reportado como consistente com uma faixa que pode incluir zero. Esta disciplina importa especialmente para qualquer aplicação proposta do arcabouço: se uma saída alegada não está vários $\sigma$ acima do piso de incerteza fixado pelas distribuições de entrada, então o próprio arcabouço instrui cautela, porque o modelo não consegue distinguir o efeito alegado do ruído nas premissas.

Aqui o esclarecimento mais importante de todo o capítulo deve ser enunciado com clareza. O $\sigma$ estatístico que emerge da validação do modelo não é uma significância de descoberta experimental. Na física experimental, um resultado de “cinco sigma” significa que uma observação se destaca cinco desvios-padrão acima do fundo esperado das flutuações estatísticas de dados reais — um limiar para alegar uma descoberta. O $\sigma$ computado aqui não é nada disso: ele mede quão estreitamente as próprias entradas do modelo, uma vez assumidas, restringem a própria saída do modelo. Um modelo pode reportar um $\sigma$ muito pequeno — uma predição muito “confiante” — enquanto repousa inteiramente sobre premissas físicas não verificadas. A confiança é confiança na aritmética das premissas, não evidência de que as premissas são verdadeiras. Um $\sigma$ estatístico estreito é, portanto, uma afirmação de consistência interna, jamais um substituto para a medição experimental que estabeleceria a física. Confundir os dois deixaria um modelo autoconsistente passar-se por uma descoberta confirmada, que é precisamente o erro que o arcabouço é construído para evitar.

Mantendo os dois separados na prática

A regra prática merece ser reafirmada porque previne erros reais. Uma frase que menciona intensidade de acoplamento, dependência de energia ou área está falando de $\sigma(E)$ a seção de choque. Uma frase que menciona dispersão, confiança, barras de erro ou a largura de uma distribuição de saída está falando de $\sigma$ o desvio-padrão. Os dois nunca aparecem no mesmo lugar da master formula; um tem unidades de área, o outro unidades de potência; um é uma entrada física, o outro um resumo estatístico de uma saída; e nunca significam a mesma coisa. Leitores que transitam entre os capítulos de arquitetura e os capítulos de validação devem levar essa distinção consigo; o glossário compacto em a referência de notação registra ambos os usos, e a definição física da seção de choque está fixada em definições de variáveis.

Leitura adicional

• Cowan, G. (1998). Statistical Data Analysis. Oxford University Press — referência padrão sobre desvio-padrão, intervalos de confiança e o significado correto da significância estatística.
• Sakurai, J. J., & Napolitano, J. (2020). Modern Quantum Mechanics (3ª ed.). Cambridge University Press — para a definição e a interpretação física da seção de choque de espalhamento e dos perfis ressonantes (Breit–Wigner / lorentziano).
• Particle Data Group, Workman, R. L., et al. (2022). “Review of Particle Physics.” Progress of Theoretical and Experimental Physics, 2022, 083C01 — para convenções sobre seções de choque e sobre limiares de significância de descoberta em experimento.