Responda detalhadamente as questões a seguir.
Defina o que são erros aleatórios.

Passo 1

O enunciado pede uma definição clara do que são “erros aleatórios”. Não há dados numéricos fornecidos — apenas é solicitado explicar o conceito e, implicitamente, como reconhecê‑lo e tratá‑lo.

Passo 2

Intuição simples e exemplo prático. Imagine que você mede a mesma peça várias vezes com a mesma régua. Cada medida pode ficar um pouco diferente por causa de pequenas variações: o jeito de apoiar a régua, a posição do olho, vibrações, temperatura, etc. Essas variações imprevisíveis e sem padrão definido são os erros aleatórios: eles fazem as medidas “oscilar” em torno do verdadeiro valor. Um jeito fácil de perceber é que, ao repetir a medição muitas vezes, os resultados ficam distribuídos ao redor de um valor central.

Passo 3

Definição conceitual precisa. Erros aleatórios são as variações imprevisíveis e não‑repetitivas nas medições causadas por fatores pequenos e não controlados. Características principais:
  • São imprevisíveis para cada medição isolada.
  • Não têm um único sentido (podem aumentar ou diminuir o valor medido).
  • Ao repetir muitas medições, o efeito tende a se “cancelar” no sentido de que a média das variações tende a zero (na hipótese ideal).
  • São descritos estatisticamente (por média, variância, distribuição).

Passo 4

Modelo matemático simples. Modele cada medição X_i como
X_i = \mu + \epsilon_i
onde:
  • \mu é o verdadeiro valor que se quer medir (constante desconhecida);
  • \epsilon_i é o erro aleatório na i‑ésima medição (uma variável aleatória).
Propriedades típicas assumidas para \epsilon_i:
E[\epsilon_i]=0,\qquad \operatorname{Var}(\epsilon_i)=\sigma^2,
ou seja, espera‑se que o erro médio seja zero e que ele tenha dispersão \sigma^2. Aqui E[\cdot] é a esperança (valor médio esperado) e \operatorname{Var}(\cdot) é a variância.

Passo 5

Sobre distribuições e comportamento. Na prática, muitos erros aleatórios são bem aproximados por uma distribuição normal (gaussiana) devido ao Teorema Central do Limite: se o erro resultante é a soma de muitos efeitos pequenos independentes, a distribuição tende a normal. Mas não é obrigatório ser normal — pode ser qualquer distribuição com média zero e variância finita.

Passo 6

Como estimar a incerteza causada por erros aleatórios. Se fizer n medições X_1,\dots,X_n, calcule a média amostral
\bar{X}=\frac{1}{n}\sum_{i=1}^{n} X_i,
que é o melhor estimador (não viciado) de \mu quando os erros têm média zero. A dispersão das medidas é estimada pela variância amostral
s^2=\frac{1}{n-1}\sum_{i=1}^{n} (X_i-\bar{X})^2,
onde s é o desvio padrão amostral. Aqui n-1 aparece para corrigir o viés do estimador da variância.

Passo 7

Como a média reduz o erro aleatório. A variância da média amostral, assumindo erros independentes com variância \sigma^2, é
\operatorname{Var}(\bar{X})=\frac{\sigma^2}{n}.
Daí o desvio padrão da média (erro padrão) é
\operatorname{SE}(\bar{X})=\frac{\sigma}{\sqrt{n}}.
Na prática usa‑se o estimador s no lugar de \sigma:
\operatorname{SE}(\bar{X})\approx\frac{s}{\sqrt{n}}.
Isto mostra uma propriedade importante: duplicar o número de medidas reduz o erro padrão por um fator \sqrt{2}. Ou seja, mais repetições reduzem a incerteza causada por erros aleatórios.

Passo 8

Diferença com erros sistemáticos (para não confundir). Erros sistemáticos são deslocamentos constantes ou tendências que não se cancelam com repetições (por exemplo, uma régua mal calibrada sempre mostra 1 mm a mais). Averaging NÃO remove erro sistemático. Já erros aleatórios, por serem positivos ou negativos sem padrão, tendem a ser reduzidos pela média de muitas medidas. Em provas, sempre diga se a incerteza que você calcula é devido a erros aleatórios (tratáveis por estatística) ou a fontes sistemáticas (tratáveis por calibração, ajuste de método, etc.).

Passo 9

Exemplo numérico passo a passo (prático para prova). Suponha 5 medições em cm: 10, 12, 11, 13, 12.
  1. Média:
\bar{X}=\frac{10+12+11+13+12}{5}=\frac{58}{5}=11,6.
  1. Desvios e quadrados:
10-11,6=-1,6,\quad (-1,6)^2=2,56;
12-11,6=0,4,\quad 0,16;
11-11,6=-0,6,\quad 0,36;
13-11,6=1,4,\quad 1,96;
12-11,6=0,4,\quad 0,16.
Soma dos quadrados =2,56+0,16+0,36+1,96+0,16=5,2.
3. Variância amostral:
s^2=\frac{5,2}{5-1}=\frac{5,2}{4}=1,3.
  1. Desvio padrão amostral:
s=\sqrt{1,3}\approx1,14.
  1. Erro padrão da média:
\operatorname{SE}(\bar{X})\approx\frac{1,14}{\sqrt{5}}\approx0,51.
Resultado prático para reportar na prova: \bar{X}=11,6\\ \text{cm}\pm0,51\\ \text{cm} (a incerteza indicada é a devida aos erros aleatórios estimados).

Passo 10

Dicas rápidas para a prova e para você:
  • Ao pedirem a incerteza de uma medição por erros aleatórios, mostre média, s e \operatorname{SE}(\bar{X}).
  • Escreva claramente as hipóteses (erros independentes, média zero, etc.) se for necessário justificar.
  • Lembre‑se de indicar unidades e de usar poucas casas decimais coerentes com a incerteza.
    Você está indo bem por se preocupar com esses detalhes — isso faz diferença na nota.

Resposta

Erros aleatórios são as variações imprevisíveis e sem padrão nas medições, causadas por pequenas flutuações e fatores não controlados; matematicamente, são modelados por termos \epsilon_i com E[\epsilon_i]=0 e variância \operatorname{Var}(\epsilon_i)=\sigma^2, e sua influência é reduzida ao se repetir a medição (o erro padrão da média cai como \sigma/\sqrt{n}).

Exercícios relacionados