Erro Absoluto E Erro Relativo

Como calcular erro absoluto e erro relativo na prática

Eu aprendi a diferença entre esses dois conceitos depois de passar semanas lidando com dados de medição que simplesmente não fechavam. A situação aconteceu num projeto meu de instrumentação industrial, onde estávamos calibrando sensores de pressão com uma tolerância extremamente apertada. O problema é que, dependendo de como você olha os números, a escolha do erro certo pode mudar completamente o resultado final da sua análise. Erro absoluto é simplesmente a distância entre o valor medido e o valor verdadeiro. Não tem nada de místico nele: é módulo de (valor medido menos valor verdadeiro). Quando eu comecei a trabalhar com medições de temperatura em processos químicos, percebi que o erro absoluto sozinha não dizia muito. Um desvio de 0,5 graus podia ser aceitável num tanque a 800 graus Celsius, mas catastrofique num reator a 5 graus. Aí entra o erro relativo. Ele divide o erro absoluto pelo valor verdadeiro, normalmente expresso em porcentagem. A fórmula é direta: erro relativo equals erro absoluto dividido por |valor verdadeiro|. O que a maioria dos materiais didáticos não mostra claramente é que o erro relativo tem uma limitação brutal quando o valor verdadeiro se aproxima de zero. Nesse caso, a divisão explode e o número fica inútil para tomada de decisão.

No campo, eu costumava usar uma variação chamada erro relativo aproximado quando eu sabia que o valor verdadeiro era desconhecido. Aí substituo o denominador pelo valor médio ou pelo valor nominal do processo. Pode parecer um atalho, mas em muitos casos práticos de engenharia isso funciona perfeitamente e economiza tempo de medição.

Quando cada um deles é mais útil

Eu costumo pensar assim: erro absoluto responde à pergunta quantos reais eu perdi na medição, enquanto erro relativo responde a quantos por cento do valor esperado isso representa. Num laboratório farmacêutico que eu trabalhei, a especificação de peso de um princípio ativo era de 500 miligramas com tolerância de mais ou menos 5 miligramas. O erro absoluto já bastava pra decidir se um lote passava ou não no controle de qualidade. Já numa usina termelétrica, a medição de vazão de vapor numa tubulação de 500 quilogramas por hora com erro de 10 quilogramas parece ridículo à primeira vista. O erro absoluto é pequeno comparado ao valor medido. Mas quando você calcula o erro relativo, vê que 10 dividido por 500 dá 2 por cento. E aí o quadro muda completamente. Esse dois por cento pode representar milhões de reais em eficiência térmica perdida ao longo do ano. Outro ponto que as pessoas ignoram: o erro relativo perde o significado quando o valor verdadeiro é negativo. Tecnicamente dá pra usar o módulo no denominador, mas o resultado nem sempre é intuitivo. Numa medição de variação de temperatura onde o valor de referência era menos 20 graus e o medidor marcava menos 19 graus, o erro absoluto é 1 grau, mas o erro relativo dá menos 5 por cento. O sinal negativo confunde muita gente que não está acostumada a interpretar o conceito.

Armadilhas comuns que eu já vi acontecer

A primeira armadilha que eu encontrei na vida real foi confundir precisão com exatidão. Um instrumento pode ter precisão altíssima — ou seja, repetir sempre o mesmo valor errado — mas ser completamente impreciso se o valor verdadeiro for outro. Eu já vi engenheiros comprarem equipamentos caros baseado apenas na precisão declarada no datasheet, sem testar a exatidão contra uma referência conhecida. Outro erro frequente é tratar o erro relativo como se fosse homogêneo em toda a faixa de medição. Numa balança analítica, o erro relativo é menor para massas maiores. Mas num medidor de fluxo turbinado, a curva de erro relativo pode ter um comportamento completamente diferente, com mínimos em certas vazões e picos em outras. Ignorar isso leva a especificações erradas de instrumentos. Tem também o caso clássico de quem usa casas decimais a mais do que o instrumento suporta. Eu vi um relatório onde a medição tinha incerteza de 0,02 unidades, mas o resultado era reportado com 5 casas decimais. Isso cria uma falsa impressão de precisão que pode enganar até engenheiros experientes que estão malhando o olho.

Como eu resolvi aquele problema de calibração

Voltando àquele projeto de sensores de pressão, o problema era que os erros absolutos variavam de acordo com a faixa de atuação do sensor. Em pressões baixas, o erro era proporcionalmente maior. Em pressões altas, o erro absoluto aumentava, mas o relativo diminuía. A solução que eu encontrei foi mapear a curva completa de erro relativo em pelo menos 10 pontos ao longo da faixa do sensor, não apenas nos extremos. O que eu descobri foi que o fabricante declarava uma incerteza de 0,1 por cento da escala plena, mas na prática o erro relativo no início da faixa podia chegar a 1,5 por cento do valor lido. Isso fazia toda a diferença na hora de decidir se o sensor atendia aos requisitos do processo. O workaround que eu usei foi criar uma tabela de correção interna com interpolação linear entre os pontos mapeados. Isso reduziu o erro efetivo de 1,5 por cento para menos de 0,3 por cento na região crítica do processo. O que poucas pessoas sabem é que existe ainda o erro relativo de Full Scale versus o erro relativo do Reading. Num multímetro digital comum, a especificação costuma vir como mais ou menos 0,5 por cento da leitura mais 2 dígitos. Os dois dígitos fixos representam o erro de resolução e podem dominar a incerteza em medições de baixo valor. Ignorar esse termo leva a subestimar significativamente a incerteza total quando você trabalha com sinais pequenos.

Alternativas quando os conceitos clássicos falham

Em certas aplicações industriais, nem o erro absoluto nem o erro relativo conseguem capturar adequadamente a qualidade da medição. Quando eu trabalhava com sistemas de controle de nível em tanques cilíndricos verticais, a resposta ideal não era minimizar o erro, mas sim garantir que o atraso temporal entre a variação real e a variação medida estivesse dentro de certos limites. Aí entrava o conceito de erro dinâmico, que é completamente diferente dos dois tipos estáticos que expliquei anteriormente. Outro cenário onde os erros tradicionais não servem é em medições destrutivas. Quando você precisa destruir a amostra pra medir alguma propriedade, como dureza ou resistência à tração, o valor verdadeiro nunca será conhecido diretamente. Nesse caso, o que os estatísticos chamam de intervalo de confiança da média de múltiplas medições é mais útil do que tentar calcular qualquer tipo de erro em relação a um valor de referência inatingível. Para finalizar sem terminar, a lição que eu levo da minha experiência é simples: erro absoluto e erro relativo são ferramentas, não verdades absolutas. Escolher qual usar depende do contexto, da faixa de medição e do que você pretende fazer com o número depois de calculado. Não existe resposta certa genérica, existe resposta certa pro problema específico que você está enfrentando naquele momento.