Defina (pesquise a definição formal) e exemplifique:
e) Erro aleatório

Passo 1

O enunciado pede duas coisas sobre “Erro aleatório”: (1) uma definição formal e (2) um exemplo. Não há dados numéricos no enunciado; é uma questão conceitual com pedido de exemplificação. Vou dar uma definição matemática precisa, explicar o que cada parte significa, mostrar propriedades úteis para a prova e dar exemplos concretos, inclusive um exemplo numérico simples para treinar cálculos que você pode fazer na prova.

Passo 2

Definição formal (modelo de medida). Considere uma sequência de medições X_1,X_2,\dots,X_n de uma mesma quantidade física cujo verdadeiro valor (valor esperado ideal) é \mu. O modelo mais usado é
X_i = \mu + \epsilon_i,
onde \epsilon_i é o termo de erro associado à i-ésima medição. O erro aleatório é a componente do erro representada por \epsilon_i que satisfaz, em termos formais usuais:
E[\epsilon_i]=0\qquad\text{e}\qquad \operatorname{Var}(\epsilon_i)=\sigma^2<\infty,
ou seja, cada \epsilon_i é uma variável aleatória com média zero e variância finita. Muitas vezes assume-se também que os \epsilon_i são identicamente distribuídos e não correlacionados:
\epsilon_i\overset{\text{i.i.d.}}{\sim} \text{(alguma distribuição com média }0\text{ e variança }\sigma^2),çãéç
por exemplo \epsilon_i\sim N(0,\sigma^2) (ruído gaussiano), mas a definição formal de “aleatório” é apenas a existência da distribuição estocástica com média zero e variância finita.

Passo 3

Interpretação didática e significado de cada peça da definição.
  • X_i: valor observado na i-ésima medida.
  • \mu: verdadeiro valor (ou valor esperado) da grandeza que se quer medir — é o alvo.
  • \epsilon_i: erro aleatório da i-ésima medição — varia de uma medição para outra de modo imprevisível.
  • E[\epsilon_i]=0: significa que o erro aleatório não introduz viés sistemático; em média não desloca o resultado para cima nem para baixo.
  • \operatorname{Var}(\epsilon_i)=\sigma^2: mede a dispersão (imprecisão) das medições; quanto maior \sigma, mais espalhadas ficam as medições em torno de \mu.
Dica de prova: se vir um modelo do tipo X=\text{verdade}+ \text{erro}, identifique a parte com média não nula (erro sistemático) e a parte com média zero (erro aleatório).

Passo 4

Propriedades práticas importantes (o que cai em prova).
  • Erro aleatório afeta a precisão (dispersão) das medições, não a exatidão média (se E[\epsilon]=0).
  • Pode ser reduzido fazendo mais medições independentes: para a média amostral
\bar X=\frac{1}{n}\sum_{i=1}^n X_i,
tem-se
E[\bar X]=\mu,\qquad \operatorname{Var}(\bar X)=\frac{\sigma^2}{n}.
Ou seja, o erro padrão da média (incerteza da média) é
\sigma_{\bar X}=\frac{\sigma}{\sqrt{n}}.
Isso mostra a regra prática: repetir medições reduz a incerteza por um fator \sqrt{n}.

Passo 5

Como estimar o erro aleatório a partir de dados (fórmulas que você precisa saber e entender).
  • A média amostral:
\bar X=\frac{1}{n}\sum_{i=1}^n X_i.
  • O desvio-padrão amostral (estimador de \sigma):
s=\sqrt{\frac{1}{n-1}\sum_{i=1}^n (X_i-\bar X)^2}.
Aqui s é uma estimativa de \sigma. O erro padrão da média estimado é
s_{\bar X}=\frac{s}{\sqrt{n}}.
Explanação: s mede a dispersão dos \,X_i em torno de \bar X. Dividindo por \sqrt{n} obtém-se a incerteza na média.

Passo 6

Exemplo numérico simples e passo a passo (faça assim na prova sem calculadora se os números forem simples). Suponha que o verdadeiro valor seja \mu=100 (apenas para exemplificar) e que os erros aleatórios tenham desvio-padrão \sigma=4. Se fizer n=16 medições independentes com esse ruído, o erro padrão da média será
\sigma_{\bar X}=\frac{\sigma}{\sqrt{n}}=\frac{4}{\sqrt{16}}=\frac{4}{4}=1.
Interpretação: a média das 16 medições terá incerteza 1 (unidade da grandeza). Assim, repetir medições reduziu a incerteza de \sigma=4 para \sigma_{\bar X}=1.

Passo 7

Exemplos concretos (situações do dia a dia/lab que ilustram erro aleatório).
  • Medida de comprimento com régua: pequenas variações na posição do olho (paralaxe) e na colocação da régua causam oscilações imprevisíveis entre leituras — isto é erro aleatório.
  • Leitura de uma balança eletrônica: flutuações eletrônicas e microvibrações causam ruído em torno do valor médio; repetindo as pesagens obtém-se média com erro padrão menor.
  • Sinais elétricos medidos com osciloscópio: ruído térmico e de circuito introduzem variações aleatórias ao redor do sinal verdadeiro, frequentemente modeladas por distribuição normal N(0,\sigma^2).
  • Tempo de reação humano ao iniciar/encerrar cronômetro: variações imprevisíveis de milissegundos que se comportam como erro aleatório.

Passo 8

Observações finais, dicas de prova e confusões comuns.
  • Não confunda erro aleatório com erro sistemático (bias). Se a média das medições estiver deslocada de \mu, tem-se um erro sistemático.
  • Em muitas questões de prova, quando pedirem “reduzir incerteza”, pense em aumentar n (médias) ou melhorar o equipamento (reduzir \sigma).
  • Assumir que E[\epsilon]=0 é um modelo ideal; sempre discuta se há razões para crer em viés no enunciado.
  • Se te pedirem “modelo” ou “justifique”, escreva o modelo X_i=\mu+\epsilon_i e explique E[\epsilon_i]=0 e \operatorname{Var}(\epsilon_i)=\sigma^2.

Resposta

Definição formal: O erro aleatório é a componente estocástica \epsilon do modelo de medida X=\mu+\epsilon tal que E[\epsilon]=0 e \operatorname{Var}(\epsilon)=\sigma^2<\infty; ele representa variações imprevisíveis entre medições e afeta a precisão (não causa viés).
Exemplo: Medir uma massa várias vezes numa balança com ruído gaussiano \epsilon_i\sim N(0,4^2); para n=16 medições, o erro padrão da média é \sigma_{\bar X}=4/\sqrt{16}=1.

Exercícios relacionados