Descreva os principais erros que compõem o resultado de uma medição, citando exemplos de fontes para os mesmos.
Passo 1
O que o enunciado pede: descrever os principais erros que compõem o resultado de uma medição e citar exemplos de fontes desses erros.
Informações dadas: nenhum dado numérico ou figura; pede-se explicação conceitual com exemplos práticos.
O que vou entregar: (i) definição e classificação dos erros; (ii) exemplos concretos de fontes para cada tipo; (iii) fórmulas e receitas práticas para estimar e combinar essas contribuições; (iv) dicas para detectar e reduzir os erros.
Passo 2
Modelo simples de medição e decomposição do erro.
Quando fazemos uma medição obtemos um resultado que podemos representar por
X_{\text{med}} = X_{\text{true}} + \varepsilon,
onde \;X_{\text{med}}\; é o valor medido, \;X_{\text{true}}\; é o valor verdadeiro (desconhecido) e \;\varepsilon\; é o erro total. É útil decompor \varepsilon em partes distinguíveis:
\varepsilon = b + r + g,
onde \;b\; é o erro sistemático (bias), \;r\; é o erro aleatório (flutuações imprevisíveis) e \;g\; representa erros grosseiros (blunders). Vou explicar cada um com calma e exemplos.
Passo 3
Erros sistemáticos — definição, características e exemplos.
Definição e característica: erro que tende a repetir-se de maneira previsível (mesmo sinal ou padrão) quando o mesmo procedimento é repetido; produz um viés entre a média das medições e o valor verdadeiro.
Exemplos de fontes:
calibração incorreta do instrumento (offset de zero);
não linearidade do sensor (ganho diferente do esperado em algumas faixas);
efeito de temperatura permanente (instrumento com sensibilidade que depende de T);
erro de método (modelo simplificado que deixa de fora um efeito relevante).
Como tratar: identificar por comparação com padrões, fazer calibração e corrigir a leitura. Mesmo depois da correção fica uma incerteza associada à correção — chamamos isso de incerteza sistêmica residual, u_S.
Como estimar numericamente (quando se tem um intervalo de possível erro \pm a sem mais informação): se se assume distribuição uniforme no intervalo [-a,a], a estimativa da incerteza padrão é
u_S=\frac{a}{\sqrt{3}}.
Expliquei: a é o semi-intervalo de possível deslocamento conhecido pela especificação.
Passo 4
Erros aleatórios — definição, características e exemplos.
Definição e característica: flutuações imprevisíveis que variam de repetição para repetição; têm média (esperada) próxima de zero e são descritas estatisticamente.
Exemplos de fontes:
ruído elétrico do circuito de aquisição;
pequenas vibrações mecânicas;
variações ambientais rápidas (correntes de ar, variação momentânea de tensão);
pequenas imprecisões de leitura humana com instrumento analógico.
Como quantificar na prática: repete-se a medição n vezes e calcula-se a média amostral e o desvio padrão amostral. As fórmulas são
A incerteza padrão da média (incerteza aleatória) é
u_A(\bar{x})=\frac{s}{\sqrt{n}}.
Explicando as variáveis: x_i são as medidas repetidas, \bar{x} é a média, s mede a dispersão das medidas e u_A(\bar{x}) é quanto a média ainda pode variar por causa do ruído.
Passo 5
Erros grosseiros (blunders) — definição, exemplos e como lidar.
Definição: erros ocasionais e grandes, geralmente resultantes de falhas humanas ou problemas óbvios no procedimento; não são “estatísticos” e distorcem fortemente resultados.
Exemplos de fontes:
escrever o número com casa decimal errada (ex.: 1{,}00 em vez de 10{,}0);
ler a régua do lado oposto (parallax) ou registrar unidades erradas;
usar o instrumento errado ou configuração incorreta (por ex., escala errada);
cálculo com erro de fórmula.
Como detectar e tratar: revisar transcrições, checar unidades, repetir medições, usar testes de outlier (ex.: teste de Grubbs) com cuidado; se confirmado, excluir ou corrigir e documentar o incidente.
Passo 6
Erros de resolução / quantização — o que são e como estimar.
Situação: instrumentos têm um menor incremento reconhecível (menor divisão da régua, passo do ADC do conversor). Isso introduz incerteza porque o valor real fica “arredondado”.
Estimativas comuns:
leitura analógica entre marcas: se a incerteza de leitura for até \pm a (meia divisão), assume-se distribuição uniforme e
u_{\text{res}}=\frac{a}{\sqrt{3}}.
conversor digital com passo \Delta e arredondamento para o mais próximo: assume-se distribuição uniforme em [- \tfrac{\Delta}{2},\tfrac{\Delta}{2}] e
u_{\text{quant}}=\frac{\Delta}{\sqrt{12}}.
Expliquei: os denominadores \sqrt{3} e \sqrt{12} vêm da fórmula da variância de uma distribuição uniforme em intervalos desses comprimentos.
Passo 7
Fontes ambientais e sensibilidade — como aparecem e como calcular sua contribuição.
onde \;u(z)\; é a incerteza padrão na condição ambiental (por ex., incerteza na temperatura). Na prática estima-se a sensibilidade \dfrac{\partial f}{\partial z} a partir de dados do fabricante ou de um ensaio e multiplica-se pela incerteza do parâmetro ambiental.
Passo 8
Erros de método e de modelo — o “erro de teoria” que você comete ao medir.
O que são: diferenças entre o modelo matemático/experimental usado e a realidade. Por exemplo, ao medir potência com aproximação P=VI pode-se ignorar a fase entre V e I em corrente alternada; ao medir massa com balança numa mesa instável, despreza-se vibração.
Exemplos: efeito de carregamento do circuito por um voltímetro com resistência finita; aproximações de integração numérica grosseira; tempo insuficiente para estabilização térmica.
Como avaliar: comparar com modelos mais completos, realizar simulações ou ensaios complementares; estimar a incerteza associada à aproximação (Type B), por comparação ou julgamento técnico.
Passo 9
Classificação prática das incertezas: Tipo A e Tipo B.
Tipo A: incertezas avaliadas por métodos estatísticos (repetições). Resultado: u_A vindo de s e n conforme já dei.
Tipo B: incertezas avaliadas por outros meios (especificação de fabricante, dados de calibração, experiência), sem repetição estatística direta. Resultado: u_B estimada por modelos (ex.: a/\sqrt{3} ou \Delta/\sqrt{12}).
Importante: tanto u_A quanto u_B entram na combinação final da incerteza.
Passo 10
Combinação das incertezas independentes — regra quadrática.
Se várias fontes independentes de incerteza padrão u_1,u_2,\dots,u_m afetam a medição, a incerteza combinada padrão é
u_c=\sqrt{\sum_{i=1}^m u_i^2}.
Explicação: trata-se de somar variâncias quando as contribuições são independentes. Sempre inclua tanto componentes tipo A quanto tipo B nessa soma.
Incerteza ampliada para cobertura numérica mais intuitiva:
U = k\,u_c,
onde k é o fator de cobertura (por exemplo k=2 aproxima uma confiança de cerca de 95\% em muitas situações).
Passo 11
Correção de bias conhecido e incerteza residual.
Se identificar um viés conhecido b (por exemplo, calibrador indica que o instrumento está +0{,}5 unidades acima), corrige-se a medida:
X_{\text{corr}}=X_{\text{med}}-b.
Mesmo após a correção, permanece incerteza associada ao conhecimento de b (digamos u_b); inclua u_b entre os u_i na combinação quadrática. Assim a incerteza total contempla incertezas aleatórias e residuais de correção sistemática.
Passo 12
Exemplo prático rápido (didático).
Suponha 5 medições de comprimento em cm: x_1=10{,}0,\;x_2=10{,}2,\;x_3=9{,}9,\;x_4=10{,}1,\;x_5=10{,}0.
Desvio padrão amostral (calcular passo a passo usando a fórmula do Passo 4) resulta em, digamos, s\approx0{,}11 (valor ilustrativo). Então a incerteza padrão da média é
Suponha que a resolução da régua é 0{,}1 cm (passo \Delta=0{,}1 cm) e faixa de incerteza por quantização é tratada com u_{\text{quant}}=\Delta/\sqrt{12}\approx0{,}029 cm.
Para cobertura k=2: U\approx 0{,}12 cm. Resultado final (documentado): X=(10{,}04\pm0{,}12) cm com cerca de 95\% de confiança. Este exemplo mostra como diferentes fontes (aleatória e resolução) entram na resposta.
Passo 13
Checklist prático para prova e para o laboratório — como identificar e reduzir erros.
Antes de medir: calibrar instrumentos, checar unidades, deixar aquecer (warm-up) se necessário; controlar ambiente.
Durante: repetir medições para capturar u_A; anotar condições (temperatura, humidade); evitar distrações que geram blunders.
Depois: comparar com padrão ou referência, estimar componentes tipo B a partir de especificações, combinar incertezas em quadratura, relatar valor corrigido e incerteza ampliada U.
Documente sempre suposições (distribuições assumidas, valor de k, procedimentos de calibração).
Resposta
Erros sistemáticos (bias) — ex.: offset de calibração, não linearidade do sensor, variação lenta com temperatura, erro de método.
Erros aleatórios — ex.: ruído elétrico, vibração, flutuações ambientais, dispersão de leitura; quantificados por s e por u_A=s/\sqrt{n}.
Erros grosseiros (blunders) — ex.: transcrição errada, leitura com paralaxe, unidades trocadas, erro de configuração do instrumento.
Erro de resolução / quantização — ex.: passo do ADC \Delta com u=\Delta/\sqrt{12}, ou meia divisão analógica a com u=a/\sqrt{3}.
Erros ambientais — ex.: temperatura, humidade, campos magnéticos; tratam-se via coeficiente de sensibilidade (\partial f/\partial z) e u_z=|(\partial f/\partial z)|\,u(z).
Erros de método / modelo — ex.: aproximações teóricas, carregamento de circuito, tempo insuficiente de estabilização.
Combinação das incertezas independentes — regra quadrática:
u_c=\sqrt{\sum_i u_i^2},
e incerteza ampliada U=k\,u_c (por ex., k=2 para \approx95\%).