Noções Básicas sobre Erros

Unidade 1
Aplicação
Este exercício quando
resolvido manualmente
tem como resposta o valor
de 1/N para N  0.
Execução para:
N=1
N=2
N=3
2
Objetivos da unidade
Aprender a quantificar o erro
Entender como erros de arredondamento ocorrem em
computadores digitais por conta de sua capacidade
limitada para representar números
Reconhecer que os erros de truncamento ocorrem quando
formulações matemáticas exatas são representadas por
aproximações

3
Erros
Engenheiros e cientistas constantemente têm de trabalhar
e alcançar objetivos com base em informações incertas
Ainda que a perfeição seja uma meta louvável, ela é
raramente atingida
Esta unidade abordará tópicos básicos relacionados à
identificação, quantificação e minimização desses erros

4
Fundamentos
Métodos numéricos são técnicas matemáticas usadas
na solução de problemas que não podem ser resolvidos
ou que são difíceis de se resolver analiticamente.
Solução analítica: resposta exata na forma de
expressão matemática.
Solução numérica: resposta aproximada à resposta
exata.

5
Acurácia e precisão
Acurácia: quão próximo o valor calculado ou medido
está do valor verdadeiro
Precisão: quão próximos os valores individuais
calculados ou medidos estão uns dos outros.

6
Acurácia e precisão

7
Acurácia e precisão
Métodos numéricos deveriam ser acurados e precisos o
suficiente para permitir a realização de projetos e
problemas de engenharia.
Na disciplina usaremos o termo erro para representar
tanto a inacurácia quanto a imprecisão.

8
Definições de erro
Erro verdadeiro (Ev) = diferença entre o valor exato e a
aproximação
Erro absoluto verdadeiro (|Ev|) = módulo da diferença
entre o valor exato e a aproximação
Erro relativo verdadeiro = erro verdadeiro dividido pelo
valor exato
Erro relativo percentual verdadeiro ( ) = erro relativo
verdadeiro expresso em porcentagem

9
Exemplo
Medição de comprimentos:
◦ Valores verdadeiros:
 Ponte = 10000 cm
 Rebite = 10 cm
◦ Valores medidos
 Ponte = 9999 cm
 Rebite = 9 cm
Qual o erro absoluto verdadeiro?
E o relativo verdadeiro?

10
Definições de erro (cont.)
Definições apresentadas necessitam do valor exato.
Nas aplicações reais, entretanto, não se conhece o valor
exato.
É um dos desafios dos métodos numéricos determinar
estimativas de erro quando se desconhece o valor exato.
Em métodos numéricos iterativos usa-se a diferença
entre aproximações sucessivas ( ).

11
Estimativa do erro
Usualmente, nos cálculos, não há interesse em se saber
se o erro é positivo ou negativo, mas sim saber se o valor
do erro absoluto percentual é menor do que uma
tolerância percentual pré-especificada, .

Esta relação é chamada de critério de parada.

Relação entre e a quantidade de dígitos significativos
(n):
12
Exemplo – estimativa de erro para métodos iterativos
Em matemática, as funções geralmente podem ser
representadas por séries infinitas. Por exemplo, a função
exponencial pode ser calculada usando-se

Portanto, conforme mais termos forem adicionados à

sequência, a estimativa se tornará cada vez mais próxima
do valor verdadeiro de . A equação acima é chamada de
expansão em série de Maclaurin.
13
Exemplo – estimativa de erro para métodos iterativos
Começando com a versão mais simples, , some um
termo de cada vez para estimar . Depois que cada
termo for adicionado, calcule o erro verdadeiro e o erro
relativo aproximado, ambos percentuais. Observe que o
valor exato é Adicione termos até que o
valor absoluto do erro estimado aproximado esteja
dentro do critério do erro pré-especificado que garanta
três algarismos significativos.

14
Erros de arredondamento
Surgem porque os computadores digitais não podem
representar algumas quantidades de forma exata na
solução de problemas científicos e de engenharia,
levando a resultados errados.
◦ Computadores digitais têm limites de tamanho e precisão em
sua capacidade para representar números;
◦ Certas manipulações numéricas são altamente sensíveis a erros
de arredondamento

15
Este exercício
quando resolvido
manualmente tem
como resposta o
valor de 1/N para
N  0.
Execução para:
N=1
N=2
N=3

16
Sistemas de Numeração
Definições:
◦ bit (binary digit) – assume valores 0 ou 1
◦ byte – conjunto de oito bits

Posição relativa
7 6 5 4 3 2 1 0 do bit

◦ Tamanho de palavra – número de bits utilizados para

representar tipos de dados em um computador.

17
Mudança de base
Base 10 – decimal
Um número na base 10 é representado usando os dígitos
0, 1, 2, 3, 4, 5, 6, 7, 8 e 9. Por exemplo, 1710 é um nº
decimal.
Base 2 – binário
Um número na base 2 é representado usando os dígitos 0
e 1. Por exemplo, 101102 é um nº binário.

18
Conversão da base 2 para a base 10
Para obter a representação decimal de 10110 2
= 1x24 + 0x23 + 1x22 + 1x21 + 0x20
= 16 + 4 + 2 = 2210
1 0 1 1 0
0 x 20 = 0
1 x 21 = 2
1 x 22 = 4
0 x 23 = 0
1 x 24 = 16
22

19
Conversão da base 2 para a base 10
Outro exemplo: obter a representação decimal de
11.012.

11.012 = 1x21 + 1x20 + 0x2-1 + 1x2-2

= 2 + 1 + ¼ = 3.25

20
Conversão da base 10 para a base 2
Números inteiros: divisões sucessivas. O resultado é
constituído pelos restos das divisões tomadas na ordem
inversa.
Ex.: 1910

21
Conversão da base 10 para a base 2
Números fracionários:
◦ Multiplicar o nº fracionário por 2;
◦ No resultado da multiplicação, a parte inteira será um dígito
binário;
◦ Separar a parte fracionária;
◦ Repetir o processo até que a parte fracionária seja igual a 0.

22
Conversão da base 10 para a base 2
Por exemplo, transformar 0.187510 para a base 2:
0.1875 x 2 = 0.3750 parte inteira = 0
0.3750 x 2 = 0.7500 parte inteira = 0
0.7500 x 2 = 1.5000 parte inteira = 1
0.5000 x 2 = 1.0000 parte inteira = 1
O processo termina porque a próxima parte fracionária
seria igual a 0.
Assim, o nº 0.187510 é escrito como 0.00112.

23
Exercício
Converta em decimal:
◦ 1012
◦ 1101.102
Converta em binário:
◦ 1510
◦ 0.2510
◦ 15.2510
◦ 47.457610

24
Exercício
Converta em decimal:
◦ 1012
◦ 1101.102
Converta em binário:
◦ 1510
◦ 0.2510
◦ 15.2510
◦ 47.457610

25
Erro de truncamento
É o erro introduzido quando uma expressão
matemática complicada é substituída por uma
expressão mais simples.

Dado que
obter a precisão da aproximação quando o
integrando é substituído por uma série de
Taylor

26
A integral passa a ser, então:

27
Erro total
A solução numérica é uma aproximação.
Sempre inclui erro de arredondamento e pode
incluir erro de truncamento.
Erro total = erro arredondamento + erro
truncamento
Também é chamado de erro real, que é a
diferença entre a solução verdadeira (exata) e a
solução numérica.

28
Exercício
1. Converter o seguinte número em base 2 para base
10, usar arredondamento de 9 casas decimais:
a) (11.0010010001)2
b) Se π pode ser aproximado pela expressão
(11.0010010001)2 , calcular o erro absoluto verdadeiro e
o erro relativo verdadeiro (%) cometido ao fazer essa
aproximação. Use o valor de π fornecido pela
calculadora, com todas as casas decimais possíveis,
como sendo o valor verdadeiro.

29