1) Contexto e objetivo da nota
Resultados sem incerteza declarada induzem falsa precisão. Em perícia, a utilidade probatória do laudo depende de relatar quanto e por que o resultado pode variar sob condições especificadas. Esta nota comenta um roteiro prático para planejar, calcular e relatar incerteza e sensibilidade, buscando reprodutibilidade e leitura proporcional à evidência.
2) Identificação das fontes de incerteza
Mapeie as contribuições relevantes ao resultado final:
- Instrumento/equipamento: resolução, deriva, histerese, linearidade.
- Padrões de referência: incerteza declarada nos certificados.
- Ambiente: temperatura/umidade/vibração (quando aplicáveis).
- Amostragem: tamanho amostral, heterogeneidade, representatividade.
- Operador/procedimento: repetibilidade, variações operacionais.
- Modelo/algoritmo: aproximações, coeficientes, ajuste, discretização.
- Processamento de dados: arredondamentos, filtros, interpolação.
Classifique cada fonte como Tipo A (estatística, estimada a partir de dados repetidos) ou Tipo B (não estatística, vinda de certificados, especificações, literatura).
3) Estimativa e combinação (resumo operacional)
- Quantifique cada componente de incerteza como desvio padrão.
- Tipo A: calcule desvio-padrão amostral (s) das repetições.
- Tipo B: converta limites/especificações em desvio padrão.
- Propague as incertezas para o resultado (função f dos inputs).
- Aproximação linear (Lei de Propagação)
- Incerteza padrão combinada.
- Incerteza expandida.
- Expressão do resultado.
Observação: quando a função é altamente não linear ou as distribuições são não normais, preferir simulação Monte Carlo (seção 6).
4) Boas práticas de medição e metrologia aplicada
- Calibração e rastreabilidade: use instrumentos com certificados válidos e declare a incerteza dos padrões.
- Repetibilidade vs. reprodutibilidade: documente condições (mesmo operador/equipamento/ambiente).
- Controle de qualidade (QA/QC): padrões de verificação, cartas de controle, ensaios de proficiência (quando existirem).
- Documentação: guarde dados brutos, scripts/planilhas e versões de software (hash dos arquivos).
5) Apresentação correta do resultado
- Formato: ajuste.
- Algarismos significativos: casas decimais conforme nível de incerteza.
- Unidades e condições: declare unidade, condições ambientais relevantes e faixa de validade.
- Separar mensuração e inferência: deixe explícito o que é dado mensurado e o que é estimado por modelo.
6) Análise de sensibilidade (como mostrar o efeito de premissas)
6.1 Cenários determinísticos
- Cenário-base (premissas centrais) + cenários alternativos (melhor/pior caso; variações ±Δ em inputs críticos).
- Tabela de sensibilidade: mostre o impacto percentual/absoluto no resultado.
6.2 Gráfico “tornado” (priorização de fatores)
- Varie um input por vez dentro de um intervalo realista e meça a variação do output; ordene barras por efeito.
- Útil para comunicar quais premissas mais influenciam a conclusão.
6.3 Simulação Monte Carlo (quando cabível)
- Atribua distribuições aos inputs (normais, lognormais, triangulares, discretas).
- Rode N iterações amostrando inputs → distribua o output.
- Reporte: média, mediana, quantis (p5, p95), probabilidade de exceder limiar, e gráfico de densidade/histograma.
6.4 Sensibilidade global vs. local
- Local: variação em torno do ponto base (tornado).
- Global: avalia interações e não linearidades (Monte Carlo, índices de Sobol quando necessário).
7) Integração com a matriz quesito→dado→método→conclusão
Inclua na matriz um bloco de qualidade por quesito:
- Fonte de incerteza dominante (ex.: amostragem, instrumento, modelo).
- U (k, nível de confiança) e faixa de validade.
- Sensibilidade: quais inputs mais influenciam a resposta ao quesito.
- Efeito probatório: indicar se conclusões são robustas a variações razoáveis ou sensíveis a premissas específicas (sem opinião jurídica).
8) Checklist mínimo (planejamento → relatório)
- Identificar fontes de incerteza (Tipo A/B) e correlacioná-las aos inputs do modelo/medição.
- Quantificar uᵢ como desvio-padrão; documentar suposições/distribuições.
- Propagar incertezas (analítico ou Monte Carlo) e obter u_c e U (k).
- Apresentar resultado com unidade, U, k e nível de confiança.
- Executar sensibilidade (tornado/cenários; Monte Carlo quando necessário).
- Declaração de limitações e faixa de validade.
- Anexar dados brutos, parâmetros, scripts/planilhas, versões e hashes.
- Preencher a matriz quesito→dado→método→conclusão com o bloco de qualidade.
9) Comunicação no laudo (estrutura sugerida)
- Objetivo e escopo (quesitos e fronteiras).
- Métodos e dados (fontes, medições/modelos; validação).
- Estimativa de incerteza (fontes A/B, propagação, U, k, confiança).
- Análise de sensibilidade (técnica usada, inputs críticos, gráficos/tabelas).
- Resultados e discussão (robustez, limitações, faixa de validade).
- Respostas por quesito (com remissão).
- Anexos (dados brutos, planilhas/scripts, versões, certificados).
10) Armadilhas comuns (e como evitar)
- Omitir correlações relevantes entre inputs: declarar e, se possível, medir.
- Excesso de casas decimais: siga o nível de U.
- Ignorar a amostragem: muitas vezes domina a incerteza total.
- Assumir normalidade sem verificação: use testes básicos ou Monte Carlo.
- Não documentar versões: versionar planilhas/scripts e registrar hashes.
11) Materiais de apoio (modelos sugeridos)
- Planilha de incerteza (abas: fontes, parâmetros, cálculo, relato).
- Template tornado (colunas: input, faixa, Δ output).
- Esqueleto de Monte Carlo (inputs com distribuições; N; estatísticas).
- Guia de arredondamento e algarismos significativos (tabela prática).
- Quadro “o que declarar” (U, k, confiança, faixa, limitações, inputs críticos).
12) Leituras essenciais (exemplificativas)
- Guias de estimativa e propagação de incerteza (metrologia aplicada).
- Referências sobre análise de sensibilidade (determinística e Monte Carlo).
- Boas práticas de relato de resultados com incerteza e documentação reprodutível.
Nota de escopo
Esta publicação discute critérios técnico-metrológicos para quantificar incerteza e realizar análise de sensibilidade em laudos periciais. Não interpreta normas para casos concretos e não constitui consultoria jurídica.