00capítulo 01 Análise Erros

Capítulo-I: Análise de Erros
1. Introdução.
O estudo da matemática computacional atua em diversas
áreas, tendo como finalidade aplicar métodos numéricos para
soluções numéricas de modelos matemáticos que sejam
desenvolvidos para um determinado problema físico. As
principais áreas de atuação da matemática computacional são:
• Engenharia em geral (elétrica, civil, química,
computacional, mecânica, eletrônica, naval, etc);
• Física;
• Dinâmica de fluidos;
• Microeletrônica;
• Supercondutores; e
• Estatística. Prof. Dr. Jornandes Dias da Silva
1.2. Modelo Físico
• No contexto científico contemporâneo, os modelos físicos

assumem um papel fundamental na busca por respostas
que auxiliam o homem a compreender os fenômenos físicos
da natureza.
• O modelo físico lida com o projeto de banco de dados reais

obtidos a partir de modelos matemáticos usando Software
computacional para produzir estes dados. Normalmente, os
modelos matemáticos são formados por equação/equações
matemática que descreve os fenômenos físicos do problema
proposto.
Prof. Dr. Jornandes Dias da Silva
1.3. Modelo Matemático

O modelo matemático de um determinado sistema físico pode
ser formados por equações algébricas e/ou equações
diferenciais. Convém salientar, que a formulação do problema
matemático segue as seguintes etapas:
- As leis físicas de conservação e as relações constitutivas

entre as variáveis. As relações constitutivas podem ser
usadas a partir de dados experimentais ou empíricas;
- Construção do modelo matemático a partir do problema
físico;
- Levantamento de dados de entrada;

- Escolha do método numérico adequado para a solução do

modelo matemático;
- Implementação do método numérico;
- Análise dos resultados obtidos;
- Validação dos experimentos numéricos.
1.4. Simplificação do Modelo Matemático
Os modelos matemáticos podem ser definidos nas formas
unidimensionais, bidimensionais e tridimensionais:
F  f  (x,t)   Uni dim ensionais
F  f  x, y,t   Bi dim ensionais
F  f  x, y, z,t   Tri dim ensionais
• Os modelos matemáticos podem ser simplificados conforme

sua dimensão, isto é necessário para obter um modelo
matemático simplificado.
• A simplificação dos modelos matemáticos diminuem o tempo

computacional, mas as vezes constituem erros nos
resultados que invalida o modelo matemático. Quando
acontecem isto, é necessário reformular o modelo
matemático.
• As principais fontes de erros que impacta os resultados dos

modelos matemáticos São:

- Erros nos dados de entrada;

- Erros na formulação do modelo matemático simplificado;
- Erros de arredondamento durante a produção dos
resultados
- Erros de truncamento;
- Erros humanos e de máquina.
Vale destacar, que as operações aritméticas realizadas entre

os dados de entrada para alimentar o código computacional e
as equações desenvolvidas do modelo matemático simplificado
surgem os erros operacionais (absoluto e relativo). Assim, o
Erro Absoluto e Erro Relativo são fundamental para a
confiabilidade do modelo matemático.
1.5. Análise dos erros operacionais

Quando substitui uma sequencia infinitas de números por uma
sequencia finita ou aleatória de números surge os erros
operacionais. Para estimar os erros operacionais, recorre-se a
dois conceitos: (i) Erro Absoluto (EA) e (ii) Erro Relativo (ER).
1.5.1. Erro Absoluto
Define-se como Erro Absoluto (EA) a diferença absoluta entre
o valor exato da variável e o valor aproximado dessa variável
como segue:
exp. pred.
EAx  x x * 100 (1)

Onde,
EAx - é o Erro Absoluto com relação a variável x;
exp.- é o valor experimental da variável x;

x
pred. - é o valor de previsão da variável x.
x
Na Tabela 1.1, mostra-se um exemplo ilustrativo:
Tabela 1.1. Erro Absoluto
np xexp. xpred. EAx =| xexp.- xpred.| EAx (%)
1 2,254 2,249 2,254 − 2,249 𝑥 100 0,5
2 2,505 2,509 2,505 − 2,509 𝑥 100 0,4
3 2,749 2,751 2,749 − 2,751 𝑥 100 0,2 Prof. Dr. Jornandes Dias da Silva
1.5.2. Erro Relativo

Define-se como Erro Relativo (ER) a relação absoluta entre o
valor absoluto do EAx de uma determinada variável pelo o
valor absoluto dessa variável aproximada como segue:
EAx
ERx  (2)
pred.
x
ERx - é o Erro Relativo com relação a variável x;
Na Tabela 1.2, mostra-se um caso ilustrativo para o Erro

Relativo, como segue:
Tabela 1.2. Erro Relativo

np xexp. xpred. EAx =| xexp.- xpred.| ERx=EAx/xpred. ERx (%)
1 2,254 2,249 2,254 − 2,249 𝑥 100 0,005/2,249 0,222
2 2,505 2,509 2,505 − 2,509 𝑥 100 0,004/2,509 0,159
3 2,749 2,751 2,749 − 2,751 𝑥 100 0,002/2,751 0,072
1.5.3. Erros Absoluto e Relativo em Operações Aritméticas

Nas operações de adição, subtração, multiplicação e divisão,
os erros EA e ER são determinados com relação ao erro de
cada uma das variáveis envolvidas nas expressões aritméticas.
1.5.3.1. Operação de Adição
Na adição, os EAx+y e ERx+y são obtidos pela soma desses

erros com relação a cada variável existente na expressão
aritmética. Na sequencia, mostra-se uma aplicação para obter
os EAx+y e ERx+y.
APL- 01: Obter os erros (EA) e (ER) da expressão
𝑥 𝑝𝑟𝑒𝑑. + 𝑦 𝑝𝑟𝑒𝑑. .
Resolução:
- Erro Absoluto, EA;
Define-se:
exp. pred. exp. pred.
EAx  x x x x  EAx
EAy  y y y y  EAy
Então,
exp. exp. pred. pred.
x y x  EAx  y  EAy
Então,

 exp. exp.   pred. pred. 
 x  y 
  x  y   EAx  EAy
   
Logo,

EAx  EAy   x y  x y 
   
EAx  y
Desta forma, tem:
EAx  y  EAx  EAy (3)
- Erro Relativo, ER;

Define-se:
EAx  y EAx  EAy EAx EAy
ERx  y    
pred. pred. pred. pred. pred. pred. pred. pred.
x y x y x y x y
Para encontrar uma expressão para 𝐸𝑅𝑥+𝑦 deve ser feito um

arranjo matemático como segue:
   
EAx  x
pred.  EAy  y
pred. 
ERx  y     
pred.   pred. pred.   pred.   pred. pred.  
x x y  y x y 
      
 , a exp resão acima pode ser reescrita como :
   
 pred.   pred. 
x y
ERx  y  ERx    ER  
  pred. pred.   y   pred. pred.  
x y  x y 
   
Então, a expressão para 𝐸𝑅𝑥+𝑦 deve ser reescrita como segue:
   
x y
ERx  y  ERx    ER   (4)
x y  x y 
   
Na Tabela 1.3, mostraremos resultados numéricos para

ilustrar os 𝐸𝐴𝑥+𝑦 e 𝐸𝑅𝑥+𝑦 .
Nesta tabela, ilustraremos resultados numéricos para cinco

experimentos numéricos.
Os resultados da Tabela 1.3 mostram valores numéricos dos

erros absoluto e relação da operação aritmética de adição.
Tabela 1.3. Erros Absoluto e Relativo para a Operação de

Adição
np xexp. xpred. yexp. ypred EAx(%) EAy(%) ERx(%) ERy(%) EAx+y (%) ERx+y (%)
1 2,249 2,251 3,743 3,741 0,021 0,033 0,098 0,093 0,069 0,095
2 1,349 1,351 2,843 2,841 0,037 0,046 0,027 0,016 0,082 0,019
3 3,749 3,751 1,943 1,941 0,013 0,067 0,003 0,034 0,080 0,014
4 4,149 4,151 6,243 6,241 0,012 0,021 0,002 0,003 0,033 0,003
5 5,349 5,351 8,443 8,441 0,009 0,015 0,002 0,002 0,024 0,002

0,084 0,084
EAx
EAy
Erros Absolutos
0,063 0,063
EAx + y
0,042 0,042
0,021 0,021
0,000 0,000
1 2 3 4 5
Número de Experimentos
Figura 1- EAx, EAy e EAx+y
0,100 0,100
ERx
ERy
0,075
Erros Relativos
0,075
ERx + y
0,050 0,050
0,025 0,025
0,000 0,000
1 2 3 4 5
Figura 2 - EAx, EAy e ERx+y
1.5.3.2. Operação de Subtração

Na subtração, os EAx-y e ERx-y são obtidos pela diferença
desses erros com relação a cada variável existente na
expressão aritmética. Na aplicação seguinte, mostra-se um
procedimento para obter os EAx-y e ERx-y.
APL - 02: Obter os erros EA e ER da expressão

𝑥 𝑝𝑟𝑒𝑑. − 𝑦 𝑝𝑟𝑒𝑑. .
Resolução:
Define-se: Prof. Dr. Jornandes Dias da Silva


Então,
exp. exp.  pred.   pred. 
x y  x  EAx    y  EAy 
   
Então,

 exp.
x

y
exp.   pred.
  x
 
y
pred. 
  EAx  EAy

 
Logo,
 Prof. Dr. Jornandes Dias da Silva

EAx  EAy   x  y  x y 
   
EAx  y
Assim, tem:
EAx  y  EAx  EAy (5)
Define-se:
EAx  y EAx  EAy EAx EAy

ERx  y    
pred. pred. pred. pred. pred. pred. pred. pred.
x y x y x y x y
Para encontrar uma expressão para 𝐸𝑅𝑥−𝑦 deve ser feito um

arranjo matemático como segue:
   
EAx  x
pred.  EA y

y
pred. 
ERx  y     
pred.   pred. pred.   pred.   pred. pred.  
x x y  y x y 
   
 , a exp resão acima pode ser reescrita como :

   
x y
ERx  y  ERx    ER  
x y  x y 
   
Então, a expressão para 𝐸𝑅𝑥−𝑦 deve ser reescrita como segue:
   
x y
ERx  y  ERx    ER   (6)
x y  x y 
      

Na Tabela 1.4, apresentamos resultados numéricos para

ilustrar os 𝐸𝐴𝑥−𝑦 e 𝐸𝑅𝑥−𝑦 . Os resultados da Tabela 1.4 relatam
valores numéricos dos erros absoluto e relação da operação
aritmética de subtração.
Subtração
np xexp. xpred. yexp. ypred EAx(%) EAy(%) ERx(%) ERy(%) Eax-y (%) Erx-y (%)
1 2,249 2,251 3,743 3,741 0,021 0,033 0,098 0,093 0,001 0,167
2 1,349 1,351 2,843 2,841 0,037 0,046 0,027 0,016 0,001 0,047
3 3,749 3,751 1,943 1,941 0,013 0,067 0,003 0,034 0,002 0,304
4 4,149 4,151 6,243 6,241 0,012 0,021 0,002 0,003 0,001 0,301
5 5,349 5,351 8,443 8,441 0,009 0,015 0,002 0,002 0,001 0,281

0,32 0,32
EAx-y
ERx-y
Erros EAx-y e ERx-y
0,24 0,24
0,16 0,16
0,08 0,08
0,00 0,00
1 2 3 4 5
Figura 3 – EAx-y e ERx-y
1.5.3.3. Operação de Multiplicação

Na multiplicação, os EAx*y e ERx*y são obtidos segundo a
aplicação apresentada abaixo. Neste aplicação, mostra-se o
procedimento para determinar os EAx*y e ERx*y.
APL - 03: Determinar os erros EA e ER da expressão
𝑥 𝑝𝑟𝑒𝑑. ∗ 𝑦 𝑝𝑟𝑒𝑑. .
Resolução:
Define-se:
Então,
exp. exp.  pred.   pred. 
x y  x  EAx    y  EAy 
   
Então,

 exp. exp.  pred. pred. pred. pred.
x y x y x EAy  y EAx  EAx  EAy
 
Logo,

Vale ressaltar, que o produto Eax  EAy é um número muito
pequeno (<<). Assim, o produto pode ser desprezado e,
portanto, a expressão acima reduz-se a:

 x  y   x  y  x EA y
 y EAx  EAx  EAy
 

EAx  EAy  0
Então,
x y x y x EAy  y EAx
 

 pred. pred.   exp. exp.   pred. pred. 
 x EA y
 y EA  x
x 
y x y 
     
EAx y
Então,
pred. pred.
EAx y  x EAy  y EAx (7)

Define-se:
pred. pred.
EAx y x EAy  y EAx
ERx y  
pred. pred. pred. pred.
x *y x *y

Logo,
pred. pred. pred. pred.

x EAy  y EAx y EAx x EAy
ERx y   
pred. pred. pred. pred. pred. pred.
x *y x *y x *y

EAx EAy
ERx y  
pred. pred.
x y

Então,
ERx y  ERx  ERy (8)


ilustrar os 𝐸𝐴𝑥∗𝑦 e 𝐸𝑅𝑥∗𝑦 . Os resultados da Tabela 1.5 relatam
aritmética de multiplicação.
Multiplicação
np xexp. xpred. yexp. ypred EAx(%) EAy(%) ERx(%) ERy(%) EAx*y (%) ERx*y (%)
1 2,249 2,251 3,743 3,741 0,021 0,033 0,098 0,093 1,198 0,142
2 1,349 1,351 2,843 2,841 0,037 0,046 0,027 0,016 0,843 0,218
3 3,749 3,751 1,943 1,941 0,013 0,067 0,003 0,034 1,138 0,156
4 4,149 4,151 6,243 6,241 0,012 0,021 0,002 0,003 2,078 0,081
5 5,349 5,351 8,443 8,441 0,009 0,015 0,002 0,002 2,718 0,062
2,80 2,80
EAx*y
Erros EAx*y e ERx*y
ERx*y
2,10 2,10
1,40 1,40
0,70 0,70
0,00 0,00
1 2 3 4 5
Figura 4 – EAx*y e ERx*y
1.5.3.4. Operação de Divisão

Na divisão, os EAx/y e ERx/y são determinados conforme a
aplicação seguinte. Neste caso, apresenta-se o procedimento
para obter os EAx/y e ERx/y.
APL - 04: Quantificar os erros EA e ER da expressão
𝑥 𝑝𝑟𝑒𝑑. /𝑦 𝑝𝑟𝑒𝑑. .
Resolução:
Define-se:
EAy  y y y y  EAy Prof. Dr. Jornandes Dias da Silva
 
 
 exp.  x pred.
 EA x
pred.
 EA  
 x  x  x 1 
 exp.  pred. pred.  EAy 
 y  y  EA y
y  1 
 y
pred. 
 
 
 
 
1
Onde o termo   representa um fator de forma
 EAy 
 1 
 y
pred. 
 
para uma série inf inita. Abrindo este fator em termo de
série, tem  se : Prof. Dr. Jornandes Dias da Silva
2 3
EA  EA   EA 
1

y 

y y 
1  ...
EAy pred.  pred.   pred. 
1 y y  y 
pred.
y
Desprezando os termos com potências maiores do que 1,

obtém-se:
1 EAy
1
EAy pred.
1 y
pred.
y
Substituindo esse resultado na forma anterior, tem-se a

seguinte expressão abaixo.
 pred.   pred. 
 exp.  pred.  EAy   x  EA 
x 
y  EA y
 x  EAx
x 1       
 exp.  pred.  pred.  2
 y  y  y   pred. 
y 
 

 exp. 
x  1  pred. pred. pred. pred. 
x y x EAy  y EAx  EAx  EAy 
 exp.  2  
y   y pred. 
 
 

 exp.  pred. pred. EAx  EAy

 x  x x 1
 EAy  EAx 
 exp.  pred. 2 pred. 2
y  y  pred.  y  pred. 
 y   y 
   

𝑝𝑟𝑒𝑑. 2
Despreza-se o termo 𝐸𝐴𝑥 ∗ 𝐸𝐴𝑦 / 𝑦 devido ser muito
pequeno ≪ , tem-se:
 exp.  pred. pred.

x  x 
x
EAy 
1
EAx
 exp.  pred. 2 pred.
y  y  pred.  y
 y 
 
pred. pred.
 exp.  pred. y EA  x EAy
 x  x x

 exp.  pred. 2
y  y  pred. 
 y 
 

pred. pred.
y EAx  x EAy  exp.   pred. 
 x   x 
 
2  exp.   pred. 
 pred.  y  y 
y 
 
EAx y
Logo,
1  pred. pred. 
EAx y  y EA  x EA (9)
2  x y

 pred. 
y 
 
Define-se:
EAx y pred.
y
ERx y   EAx y
pred. pred.
x x
pred.
y
 
pred.  
y  1  pred. pred. 
ERx y    y EAx  x EAy  
pred. 2 
x   pred. 
y  
  

 
pred.  pred. pred. 
y  y x 
ERx y   EAx  EAy 
pred. 2 2
x   pred.   pred.  
y  y  
    

 
pred.  pred. pred. 
y  y x 
ERx y   EAx  EAy 
pred. 2 2
x   pred.   pred.  
y  y  
     

2
 pred. 
y  pred. pred.
ERx y    EAx 
y *x
EAy
2 2
pred.  pred.  pred.  pred. 
x * y  x * y 
   
Logo,
EAx EAy
ERx y  
pred. pred.
x y
Então,
ERx y  ERx  ERy (10)

ilustrar os 𝐸𝐴𝑥/𝑦 e 𝐸𝑅𝑥/𝑦 . Os resultados da Tabela 1.6 relatam
aritmética de divisão.


Divisão
np xexp. xpred. yexp. ypred EAx(%) EAy(%) ERx(%) ERy(%) EAx/y (%) ERx/y (%)
1 2,249 2,251 3,743 3,741 0,021 0,033 0,098 0,093 0,002 0,035
2 1,349 1,351 2,843 2,841 0,037 0,046 0,027 0,016 0,005 0,078
3 3,749 3,751 1,943 1,941 0,013 0,067 0,003 0,034 0,025 0,049
4 4,149 4,151 6,243 6,241 0,012 0,021 0,002 0,003 0,001 0,016
5 5,349 5,351 8,443 8,441 0,009 0,015 0,002 0,002 0,001 0,014
Os resultados dos erros da divisão calculados na Tabela 1.6

são reportados na Fig. 5 para mostrar o comportamento dos
erros absoluto e relativo.
0,080 0,080
EAx/y
ERx/y
Erros EAx/y e ERx/y
0,060 0,060
0,040 0,040
0,020 0,020
0,000 0,000
1 2 3 4 5
Figura 5 – EAx/y e ERx/y
1.6. Erro de Arredondamento

Os erros de arredondamento surgem devido ao fato de
algumas propriedades básicas da aritméticas real não
valerem quando executadas nos Dispositivos Computacionais
(DCs).
Na matemática tradicional alguns números são representados
por dígitos infinitos, enquanto nos DCs isso não é possível
devido a memória dos DCs ser finita.
Os DCs utilizam o Sistema de Aritmética de Ponto Flutuante
(SAPF) para representar os números e executar as
operações.

Ao executar as operações surge o erro de arredondamento

através do processo de conversão de base conforme a Figura
abaixo.
1.6.1. Aplicações de Conversão de Base

-Transformação de binário para decimal;
Exemplo :  1101
2
11012  1* 20
 0 * 2  1* 2  1* 2  13 
1 2 3
10
-Transformação de decimal para binário;

Exemplo :  11
10
N0  11  2* 5  1  a0  1
N1  5  2* 2  1  a1  1
N 2  2  2* 1  0  a2  0
N 3  1  2* 0  1  a3  1  ascendente
Então,
1110  10112
1.7. Análise de incerteza das medições experimentais

A Análise de Incerteza (AI) é definida com base na previsão
do intervalo de confiança que deve ser associado a um
resultado experimental focado em observações da dispersão
dos dados.
O conceito de incerteza mostrado aqui foi desenvolvido com
base em expressões estatística da literatura aberta. Estes
indicadores estatísticos são definidos como:
1. Média da amostra 𝑥𝑎 .
2. Desvio padrão da amostra 𝜎𝑎,𝑖 .
3. Desvio padrão da média 𝜎𝑥𝑎,𝑖 .
4. Coeficiente de variação 𝐶𝑉 .
5. Nível de significância 𝑡𝐶𝑎𝑙. .

6. Valor incluindo a incerteza 𝜗 = 𝑥𝑎 ± 𝜎𝑥𝑎,𝑖
As equações governantes dos indicadores estatísticos que
podem ser usados para analisar a incerteza dos dados
experimentais são apresentadas a seguir.
xa ,i
xa   i  1
N
( 11 )
N
i  1  xa ,i  xa 
1 N 2
 a ,i  ( 12 )
N 1
 a ,i
 x  t ( 13 )
a
2 N
 a,i
CV  ( 14 )
xa
tCal 
a
x   a
N
( 15 )
 a,i
  xa   x ( 16 )
a ,i
Aplicações:
AP01: Para conhecer a altura de uma mesa um aluno usa
uma trena e faz 5 medidas conforme a Tabela abaixo. A partir
da tabela, pede-se para calcular os seguintes itens.

1. Calcule a altura da mesa pela a média das medidas.

2. Calcule a incerteza de cada uma das medidas.
3. Calcule a incerteza da média.
4. Apresente os resultados dessa medida adequadamente.
Medidas h (altura e m)
1 1,20
2 1,25
3 1,22
4 1,19
5 1,22
1. Calcule a altura da mesa pela a média das medidas.

N h 1,20  1,25  1,22  1,19  1,22
h   N
i   1,218 m
5
i 1
2. Calcule a incerteza de cada uma das medidas.
 
N 2
 hi  h
i 1
h 
i N1

2 2 2 2 2
( 1,20  1,218 )  ( 1,25  1,218 )  ( 1,22  1,218 )  ( 1,1,9  1,218 )  ( 1,22  1,218 )
5 1

 h  0,027
i
3. Calcule a incerteza da média.

h 0,027
  i
  0,012
h N 5
4. Apresente os resultados dessa medida adequadamente
  h    2,218  0,012 ( m )
h
5. Intervalo de confiança.
IC h; p  95%   h  tcrítico    2,206;2,230 

h

APL02: Uma nutricionista está interessada em saber se o

Índice de Gordura Corporal (IGC) de uma pessoa é afetado
pelo número de vezes que ela consome fastfood na semana.
Com 95% de confiança e a partir dos dados da regressão,
encontre uma resposta para a nutricionista.
IGCi  0  1 fastfoodi   i
 H0 : 0  0  O consumo de fastfood não é relevante para exp licar


 o IGC de um indivíduo
 ( 17 )
 H A : 0  0  O consumo de fastfood é relevante para exp licar

 o IGC de um indivíduo

Solução:
 H0 : 0  0


 H A : 0  0

Método 1: tCalculado
GL = n – (k + 1) = 47-(1+1) = 45; k é o número de varável explicativa.

ˆ
1   H 0,0672  0
tcal.  0
  11,3705; tcrítico  2,014
ˆ ˆ 0,0059
1

RC :   ;  2,014   2,014;   tCal. RC 


 Re jeitar H0
tCal.  11,3705 tCal.  tCrítico 

Com 95% de confiança, há evidência de que o consumo de

fastfood é relevante para explicar o IGC de um indivíduo.
Cálculo do Intervalo de Confiança (IC).
ˆ ˆ 
IC  1 ;      tcrítico  ˆ 
  
 ^1 
IC  1 ;95%   0,0672  2,014*0,0059   0,05532; 0,07908 

00capítulo 01 Análise Erros

Enviado por

Direitos autorais:

Formatos disponíveis

00capítulo 01 Análise Erros

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

00capítulo 01 Análise Erros

Enviado por

Direitos autorais:

Formatos disponíveis

Capítulo-I: Análise de Erros

1.2. Modelo Físico

• No contexto científico contemporâneo, os modelos físicos

• O modelo físico lida com o projeto de banco de dados reais

1.3. Modelo Matemático

- As leis físicas de conservação e as relações constitutivas

Prof. Dr. Jornandes Dias da Silva

- Escolha do método numérico adequado para a solução do

• Os modelos matemáticos podem ser simplificados conforme

• A simplificação dos modelos matemáticos diminuem o tempo

• As principais fontes de erros que impacta os resultados dos

Prof. Dr. Jornandes Dias da Silva

- Erros nos dados de entrada;

Vale destacar, que as operações aritméticas realizadas entre

1.5. Análise dos erros operacionais

Prof. Dr. Jornandes Dias da Silva

exp.- é o valor experimental da variável x;

2 2,505 2,509 2,505 − 2,509 𝑥 100 0,4

1.5.2. Erro Relativo

Na Tabela 1.2, mostra-se um caso ilustrativo para o Erro

Tabela 1.2. Erro Relativo

1.5.3. Erros Absoluto e Relativo em Operações Aritméticas

Na adição, os EAx+y e ERx+y são obtidos pela soma desses

Desta forma, tem:

EAx  y  EAx  EAy (3)

- Erro Relativo, ER;

Para encontrar uma expressão para 𝐸𝑅𝑥+𝑦 deve ser feito um

 , a exp resão acima pode ser reescrita como :

Então, a expressão para 𝐸𝑅𝑥+𝑦 deve ser reescrita como segue:

Na Tabela 1.3, mostraremos resultados numéricos para

Nesta tabela, ilustraremos resultados numéricos para cinco

Os resultados da Tabela 1.3 mostram valores numéricos dos

Tabela 1.3. Erros Absoluto e Relativo para a Operação de

Prof. Dr. Jornandes Dias da Silva

1.5.3.2. Operação de Subtração

APL - 02: Obter os erros EA e ER da expressão

Define-se: Prof. Dr. Jornandes Dias da Silva

exp. pred. exp. pred.

 exp. exp.   pred. pred. 

EAx  y  EAx  EAy (5)

- Erro Relativo, ER;

EAx  y EAx  EAy EAx EAy

Para encontrar uma expressão para 𝐸𝑅𝑥−𝑦 deve ser feito um

 , a exp resão acima pode ser reescrita como :

Então, a expressão para 𝐸𝑅𝑥−𝑦 deve ser reescrita como segue:

Prof. Dr. Jornandes Dias da Silva

Na Tabela 1.4, apresentamos resultados numéricos para

Prof. Dr. Jornandes Dias da Silva

1.5.3.3. Operação de Multiplicação

 exp. exp.  pred. pred. pred. pred.

- Erro Relativo, ER;

pred. pred. pred. pred.

ERx y  ERx  ERy (8)

Na Tabela 1.5, apresentamos resultados numéricos para

1.5.3.4. Operação de Divisão

Desprezando os termos com potências maiores do que 1,

Substituindo esse resultado na forma anterior, tem-se a

 exp.  pred. pred. EAx  EAy

 exp.  pred. pred.