1

1. Errores de Medicin

1.1 Introduccin

En Fsica, las magnitudes se definen de manera operacional. Ello implica fijar
un procedimiento de medicin para las mismas; es decir, establecer un conjunto
de operaciones fsicas que se deben realizar para asignar un nmero a cada
magnitud considerada. Este proceso incluye tambin la definicin de los patrones
de medida. Los procedimientos de medicin cambian y se perfeccionan con el
progreso de la Fsica.

De una misma magnitud se pueden dar varias definiciones operacionales.
Por ejemplo, un intervalo de tiempo puede medirse:

+ por el ngulo que barre en dicho intervalo la Tierra en su rotacin,
+ por un nmero determinado de oscilaciones de un pndulo o de un resorte con
caractersticas bien definidas,
+ por el correspondiente nmero de vibraciones de un cristal de cuarzo de cierto
espesor,
+ por la cantidad de radio (R
a
) desintegrada,
+ por un reloj atmico, etctera.

La Fsica constituye una estructura coherente, y en ello influye de manera
decisiva el hecho de que mediante distintas definiciones operacionales de una
misma magnitud fsica se obtienen resultados que son aproximadamente iguales.

1.2 Sistema Internacional de Unidades

El Sistema Internacional de Unidades, cuya abreviatura es SI en todos los
idiomas, es la culminacin de ms de un siglo de esfuerzos internacionales
encaminados a establecer un sistema universalmente aceptable de unidades de
medida. En Mxico se le conoce como Sistema General de Unidades de Medida y
constituye la Norma Oficial Mexicana NOM-008-SCFI-2002. La Ley Federal sobre
Metrologa y Normalizacin (LFMN) establece lo siguiente:

Artculo 5. En Mxico, el Sistema General de Unidades de Medida es el
nico legal y de uso obligatorio. Se integra con el Sistema Internacional de
Unidades (SI) y con las unidades fuera de este sistema que adopte la Conferencia
General de Pesas y Medidas (CGPM).

Por consiguiente, el Sistema Internacional es el sistema de unidades oficial
en Mxico. El SI comprende dos tipos de unidades: unidades de base o
fundamentales y unidades derivadas. Abarca asimismo una serie de prefijos que
permiten formar mltiplos y submltiplos en potencias de diez de las unidades que
se utilizan. El SI tambin comprende el uso de reglas de escritura para escribir
2
correctamente los valores de las magnitudes con los smbolos de las unidades del
SI, con lo cual evita confusiones y permite una comunicacin unvoca.

Unidades de Base. Se han elegido siete unidades para que sirvan de base al SI,
las cuales se indican en la Tabla 1.1

MAGNITUD

NOMBRE SIMBOLO
Longitud metro m
Masa kilogramo kg
Tiempo segundo s
intensidad de corriente elctrica Ampere A
temperatura termodinmica Kelvin K
intensidad luminosa Candela cd
cantidad de sustancia Mol mol

Tabla 1.1 Unidades de base o fundamentales del SI.

Las definiciones de las unidades de base o fundamentales del SI son:

El metro (m) se define como la longitud de la trayectoria recorrida por la luz en el
vaco en un lapso de 1 / 299 792 458 de segundo (17 Conferencia General de
Pesas y Medidas de 1983).
El kilogramo (kg) se define como la masa igual a la del prototipo internacional del
kilogramo (1 y 3 Conferencia General de Pesas y Medidas, 1889 y 1901).
El segundo (s) se define como la duracin de 9 192 631 770 perodos de la
radiacin correspondiente a la transicin entre los dos niveles hiperfinos del
estado base del tomo de cesio 133 (13 Conferencia General de Pesas y
Medidas, 1967).
El ampere (A) se define como la intensidad de una corriente constante, que
mantenida en dos conductores paralelos, rectilneos, de longitud infinita, de
seccin circular despreciable, colocados a un metro de distancia entre s en el
vaco, producira entre estos conductores una fuerza igual a 2 X 10
-7
Newton por
metro de longitud (9 Conferencia General de Pesas y Medidas, 1948).
El kelvin (K) se define como la fraccin 1/273,16 de la temperatura termodinmica
del punto triple del agua (13 Conferencia General de Pesas y Medidas, 1967).
El mol (mol) se define como la cantidad de materia que contiene tantas unidades
elementales como tomos existen en 0,012 kilogramos de carbono 12 (
12
C) (14
Conferencia General de Pesas y Medidas, 1971).
La candela (cd) se define como la intensidad luminosa, en una direccin dada de
una fuente que emite una radiacin monocromtica de frecuencia 540 x 10
12
Hz y
3
cuya intensidad energtica en esa direccin es de 1/683 Watt por esterradin (16
Conferencia General de Pesas y Medidas, 1979).
Por ltimo cabe mencionar que el SI es una versin ampliada del sistema
MKS/MKSA/Giorgi que se ha venido utilizando desde 1901 y que la Conferencia
General de Pesas y Medidas adopt en 1954 aadindole otras unidades y
cambiando su nombre por el de Sistema Internacional de Unidades (SI) en 1960.

1.3 Unidades que no pertenecen al SI

Existe algunas unidades que no son del SI pero que su uso es tan amplio que
es imprctico abandonar su uso, como son las unidades de tiempo (ao, mes, da,
hora, minuto), de masa (tonelada mtrica), las que se utilizan para medir ngulo
plano (grado, minuto segundo), y otras, as como las del Sistema Ingls de
Unidades o Sistema Imperial, el cual es an usado ampliamente en los Estados
Unidos de Amrica y, cada vez en menor medida, en algunos pases con tradicin
britnica.

Debido a la intensa relacin comercial que tiene nuestro pas con los EUA,
existen an en Mxico muchos productos fabricados con especificaciones en este
sistema. Ejemplos de ello son los productos de madera, tornillera, cables
conductores y perfiles metlicos. Algunos instrumentos como los medidores de
presin para neumticos automotrices y otros tipos de manmetros
frecuentemente emplean escalas en el sistema ingls.

A diferencia del SI, no existe una autoridad nica en el mundo que tome
decisiones sobre los valores de las unidades en el sistema ingls. De hecho,
algunas unidades tienen valores diferentes en diversos pases. Para el usuario
mexicano, por nuestra estrecha relacin con los EUA, tal vez la referencia ms
conveniente es la aceptada en ese pas. Por ese motivo, el CENAM recomienda
referirse al portal de Internet del National Institute of Standards and Technology
(NIST), laboratorio nacional de metrologa de los EUA, para obtener informacin
confiable sobre factores de conversin.

1.4 El Centro Nacional de Metrologa

El Centro Nacional de Metrologa (CENAM) es el laboratorio nacional de
referencia en materia de mediciones. Es responsable de establecer y mantener los
patrones nacionales, ofrecer servicios metrolgicos como calibracin de
instrumentos y patrones, certificacin y desarrollo de materiales de referencia,
cursos especializados en metrologa, asesoras y venta de publicaciones.

Mantiene un estrecho contacto con otros laboratorios nacionales y con
organismos internacionales relacionados con la metrologa, con el fin de asegurar
el reconocimiento internacional de los patrones nacionales de Mxico y,
consecuentemente, promover la aceptacin de los productos y servicios de
nuestro pas.
4
El CENAM fue creado con el fin de apoyar el sistema metrolgico nacional
como un organismo descentralizado, con personalidad jurdica y patrimonio
propios, de acuerdo al artculo 29 de la Ley Federal sobre Metrologa y
Normalizacin, publicada en el Diario Oficial de la Federacin el 1 de julio de 1992,
y sus reformas publicadas en el Diario Oficial de la Federacin el 20 de mayo de
1997.

En relacin a las funciones del CENAM, la Ley Federal sobre Metrologa y
Normalizacin establece lo siguiente:

Artculo 30. El Centro Nacional de Metrologa tendr las siguientes funciones:

I. Fungir como laboratorio primario del Sistema Nacional de Calibracin;

II. Conservar el patrn nacional correspondiente a cada magnitud, salvo que su
conservacin sea ms conveniente en otra institucin;

III. Proporcionar servicios de calibracin a los patrones de medicin de los
laboratorios, centros de investigacin o a la industria cuando as se solicite, as
como expedir los certificados correspondientes;

IV. Promover y realizar actividades de investigacin y desarrollo tecnolgico en los
diferentes campos de la Metrologa, as como coadyuvar a la formacin de
recursos humanos para el mismo objetivo;

V. Asesorar a los sectores industriales, tcnicos y cientficos en relacin con los
problemas de medicin y certificar materiales patrn de referencia;

VI. Participar en el intercambio de desarrollo metrolgico con organismos
nacionales e internacionales y en la intercomparacin de los patrones de medida;

VII. Dictaminar a solicitud de parte, sobre la capacidad tcnica de calibracin o
medicin de los laboratorios que integren el Sistema Nacional de Calibracin;

VIII. Organizar y participar, en su caso, en congresos, seminarios, conferencias,
cursos o en cualquier otro tipo de eventos relacionados con la Metrologa;

IX. Celebrar convenios con instituciones de investigacin que tengan capacidad
para desarrollar patrones primarios o instrumentos de alta precisin, as como
instituciones educativas que puedan ofrecer especializaciones en materia de
Metrologa;

X. Celebrar convenios de colaboracin e investigacin metrolgica con
instituciones, organismos y empresas tanto nacionales como extranjeras; y

XI. Las dems que se requieran para su funcionamiento.

5
El CENAM se encuentra ubicado en el km 4.5 de la Carretera a Los Cus,
Municipio de El Marqus, a 11 km de la ciudad de Quertaro. Su pgina de
Internet es www.cenam.mx y a travs de ella se pueden bajar en forma gratuita la
Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma
completa y detallada al SI (Sistema General de Unidades de Medida en Mxico) y
el texto ntegro de la Ley Federal sobre Metrologa y Normalizacin.

1.5 Vocabulario Internacional de Metrologa

El Vocabulario Internacional de Metrologa (VIM) es publicado en Mxico
como la norma mexicana NMX-Z-055-1997:IMNC. Algunas definiciones
relacionadas a la medicin de magnitudes son:

Medicin: conjunto de operaciones que tienen por objeto determinar el valor de
una magnitud.

Valor de una magnitud: expresin cuantitativa de una magnitud particular,
expresada generalmente en la forma de una unidad de medida multiplicada por un
nmero.

Ejemplo:
longitud 5,34 m; masa 0,152 kg; cantidad de substancia 0,012 mol 12 mmol

Unidad (de medida): magnitud particular, definida y adoptada por convencin,
con la cual se comparan las otras magnitudes de la misma naturaleza para
expresar cuantitativamente su relacin con esa magnitud.

Ejemplo: metro, segundo, kilogramo, Newton, Pascal, Joule

Magnitud (medible): Atributo de un fenmeno, cuerpo o substancia que es
susceptible de ser diferenciado cualitativamente y determinado cuantitativamente.

Ejemplo: longitud, tiempo, masa, temperatura, densidad, etc.

Mensurando: Magnitud particular sujeta a medicin.

Ejemplo: Presin de vapor de una muestra dada de agua a 20 C.

Resultado de una medicin: Valor atribuido a un mensurando, obtenido por
medicin.

Una informacin completa del resultado de una medicin incluye informacin
sobre la incertidumbre de la medicin.

Exactitud de medicin: Proximidad de concordancia entre el resultado de una
medicin y un valor verdadero del mensurando.

6
Exactitud de un instrumento de medicin: aptitud de un instrumento de
medicin para dar respuestas prximas al valor verdadero.

Repetibilidad (de los resultados): Proximidad de concordancia entre los
resultados de mediciones sucesivas del mismo mensurando, con las mediciones
realizadas con la aplicacin de la totalidad de las siguientes condiciones
- mismo procedimiento de medicin,
- mismo observador,
- mismo instrumento,
- mismo lugar,
- mismas condiciones de uso,
- repeticin en un periodo corto de tiempo.

Reproducibilidad (de los resultados): Proximidad de concordancia entre los
resultados de mediciones del mismo mensurando, con las mediciones realizadas
haciendo variar las condiciones de medicin tales como:
- principio de medicin,
- mtodo de medicin,
- observador,
- instrumento,
- patrn de referencia,
- lugar,
- condiciones de uso,
- tiempo.

Algunos conceptos relacionados directamente con la estimacin de la
incertidumbre son:

Magnitud de influencia: magnitud que no es el mensurando, pero que afecta al
resultado de la medicin.

Ejemplos:
La temperatura de un micrmetro cuando se mide una longitud;
La frecuencia en la medicin de la amplitud de una tensin elctrica alterna;

Condiciones de referencia: Condiciones de uso prescritas para las pruebas de
funcionamiento de un instrumento de medicin o para la intercomparacin de
resultados de mediciones.

Algunas caractersticas de los instrumentos de medicin que inciden en la
estimacin de la incertidumbre son:

Resolucin: Mnima diferencia de indicacin de un dispositivo indicador, que
puede ser percibida de manera significativa.

Valor de una divisin de la escala: Diferencia entre los valores correspondientes
a dos marcas sucesivas de la escala.
7
Histresis: Propiedad de un instrumento donde la respuesta a una seal de
entrada depende de la secuencia de las seales de entrada (o los valores de las
magnitudes de influencia) precedentes.

Error (de medicin): Resultado de una medicin menos un valor verdadero del
mensurando.


2. Incertidumbre y Errores

El resultado de una medicin (valor de una magnitud) es un nmero real. Se
le interpreta como el nmero de veces que la unidad de medida est contenida en
la magnitud en cuestin. Existe una variabilidad inherente al resultado de la
medicin por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a
medicin. Por consiguiente, cuando se mide una magnitud, slo se puede
determinar el valor ms cercano al valor verdadero (valor ms probable) y se debe
estimar la incertidumbre (variabilidad) asociada al valor obtenido.

Para asegurar la confiabilidad de las mediciones, es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor
incertidumbre) hasta llegar al patrn primario. Directamente relacionados a esta
caracterstica, se deben considerar el principio de medicin (base cientfica de
una medicin) y el mtodo de medicin (secuencia lgica de las operaciones,
descritas de manera genrica, utilizadas en la ejecucin de las mediciones).

Por consiguiente, el resultado de una medicin contiene al menos dos
cantidades: el valor ms probable considerado como el ms cercano al verdadero
y la estimacin de la incertidumbre sobre dicho valor. La mejora de la calidad de
las mediciones implica el mejoramiento de las mismas, lo cual significa realizar
mediciones ms exactas; es decir, mediciones con incertidumbre cada vez ms
baja.

Podemos decir entonces que la incertidumbre es aquella caracterstica que
impide conocer con certeza el valor verdadero de una magnitud. Mientras ms
larga sea la cadena de comparaciones hasta llegar al patrn primario, el valor de
la incertidumbre ser ms grande.

Por otra parte, el nivel de incertidumbre adecuado depende de las
necesidades del cliente. Por ejemplo, la incertidumbre que se requiere para que
las sillas de un comedor se vean idnticas es menor que el nivel de
incertidumbre requerido para que los pistones del motor de un automvil hagan
que ste funcione con mayor eficiencia y sin vibraciones.

La incertidumbre, al igual que el valor verdadero, slo se estima, ya que no
se puede cuantificar con exactitud. Su valor depende fundamentalmente de los
instrumentos utilizados, de la experiencia de quien est midiendo y de la variacin
de los parmetros que influyen en la magnitud que se mide durante el proceso de
8
obtencin de su valor. Todos estos factores representan, junto con las magnitudes
de influencia, las fuentes de la incertidumbre.

Veamos primero algunos conceptos bsicos sobre errores, antes de
adentrarnos en el clculo formal de la incertidumbre. El valor X de la medicin de
una magnitud X slo tiene sentido cuando se puede valorar el error que la afecta
con respecto a otro valor X que se toma como referencia. Ese error se llama
absoluto si se expresa por

' * X X X = A (2.1)
de donde
X X X * ' A + = (2.2)

En un conjunto de mediciones el signo de A*X puede ser tanto positivo como
negativo y por ello es costumbre tomar

X X * A = A (2.3)

y escribir

X = X AX (2.4)

Ejemplos

Constante de los gases R = (8,31696 0,00034) J/molK
masa del electrn en reposo m
e
= (9,1083 0,0003) x 10
-31
kg
constante de Boltzmann k = (1,38044 0,00007) x 10
-23
J/K.

A veces no se indica el valor de AX, en cuyo caso se entiende que es igual a
la mitad de la unidad correspondiente a la ltima cifra significativa. Por ejemplo, si
se escribe

aceleracin normal de la gravedad g = 9,80 m/s
2


se entiende que g = (9,80 0,005) m/s
2


El significado de X (valor verdadero, valor promedio, etc.) determina la
denominacin que se da a AX (error absoluto del valor verdadero, del valor medio,
etc.).

Si X es el valor ms probable, entonces AX es su incertidumbre (error del
promedio E
p
) y para determinarla, es necesario aplicar la teora estadstica de
errores casuales. Dicha teora establece el mtodo para obtener la estimacin de
la incertidumbre para magnitudes que se miden tanto en forma directa como
indirecta.

9
El error absoluto de la medicin X no es suficiente para caracterizar la
exactitud de la misma. Por eso se define el error relativo.

' ' X
X
X X
X
X
X
e
r
A
~
A +
A
=
A
= (2.5)

que es el error por cada unidad de escala en la que se mide la magnitud a
determinar. El error porcentual es

100
%
- =
r
e e (2.6)

e indica el error que se comete por cada 100 unidades de la escala usada.

Se llama repetibilidad al valor inverso del error relativo, es decir

X
X
X
X
K
A
~
A
=
'
(2.7)

La repetibilidad de un instrumento o de un mtodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud
realizadas en las mismas condiciones. No obstante, antes de la repetibilidad se
debe considerar primero la exactitud de un instrumento de medicin, la cual se
define como la aptitud del instrumento de medicin para dar respuestas prximas
al valor verdadero. Es conveniente sealar que la exactitud es un concepto
cualitativo.

Ejemplos

1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene X = 84,0 cm con un error de apreciacin AX = 0,5 cm. As:

cm X ) 5 , 0 0 , 84 ( =

3
10 0 , 6 ... 00595238 , 0
0 , 84
5 , 0

~ = =
r
e

% 60 , 0 100
%
= - =
r
e e

7 . 166 = K

2) Se mide el dimetro de un alambre con un calibre dotado de un vernier con
relacin 9/10. Se obtiene d = 3,1 mm, y el error de apreciacin es de una divisin
del vernier, o sea AX = 0,1 mm. Entonces

mm d ) 1 , 0 1 , 3 ( =
10
03 , 0
1 , 3
1 , 0
= =
r
e

% 0 , 3 100
%
= - =
r
e e

33 , 33 = K

Obsrvese que an cuando el error de apreciacin es 50 veces mayor en el
ejemplo 1, la repetibilidad de la medicin es mucho mayor y, en consecuencia, son
menores los errores relativos y porcentual. Tambin se desprende que un
instrumento no tiene una repetibilidad intrnseca, sino que la misma est en
relacin con la magnitud que se va a medir.

2.1 Clasificacin de los Errores

A menudo se acostumbra hacer una clasificacin extensa y pormenorizada
de los errores de medicin. En rigor, stos pueden clasificarse en tres tipos:
sistemticos, de apreciacin, y casuales, a los cuales tambin se les conoce como
accidentales o al azar.

Errores Sistemticos. Son aquellos de valor y signo constante o que corresponden
a una ley conocida y producen desviaciones constantes. Por tanto, se pueden
corregir por comparacin con instrumentos patrones o por mtodos especiales
como la doble pesada, la lectura en dos escalas distintas de un voltmetro, etc.
Entre los casos ms comunes de errores sistemticos se pueden citar: escalas
mal calibradas, relojes que atrasan o adelantan, balanzas de brazos desiguales,
etc.

Errores de Apreciacin. Las determinaciones experimentales con algunos
instrumentos se reducen a la lectura sobre una escala graduada. Al efectuar la
lectura el observador debe apreciar una fraccin de la menor divisin de la escala.
En esta valoracin va implcito un error que se denomina de apreciacin y que
depende del tipo de dispositivo de lectura, de la separacin entre divisiones
sucesivas, y de la habilidad del observador. As, es muy difcil apreciar fracciones
de una escala milimtrica a simple vista, mientras que si se mide una longitud con
una escala graduada en cm un observador sin experiencia podr distinguir
fracciones de 0,5 a 0,3 cm, en tanto que uno capacitado puede garantizar la
fraccin 0,2 cm. Los errores de apreciacin sern, pues, de 0,5, 0,3 0,2 cm.

El signo del error de apreciacin puede ser tanto positivo como negativo, su
valoracin es aproximada, y puede considerarse constante para un mismo
observador que opere en iguales condiciones.

En el caso de una escala provista de vernier con relacin 9/10 puede ocurrir
que la coincidencia de una divisin del nonius con una de la escala sufra una
indeterminacin de una divisin del vernier. En tal caso el error de apreciacin es
11
de 0,1 mm. Si se trata de un nonius de relacin 49/50 la indeterminacin puede
resultar de dos o tres divisiones del nonius, y los errores 0,04 0,06 de mm,
respectivamente.

Un caso particular es la medida de intervalos con cronmetros de disparador
mecnico. La aguja se mueve a saltos de 1/5 o 1/10 s, segn el tipo de reloj.
Como el tiempo de reaccin de un observador est entre 1/5 y 1/10 s, debe
tenerse en cuenta y sumarse al error de apreciacin. Por ejemplo, si el perodo de
oscilacin de un pndulo es del orden de un segundo, un error de 1/5 s es muy
grande e invalidar la medida. Sin embargo, en el caso de medicin de perodos
este error se puede atenuar de manera considerable midiendo lapsos
correspondientes a un nmero suficientemente grande de perodos. En efecto, sea
t el lapso correspondiente a n perodos de duracin T:

t = n T

si el error de apreciacin es At = 1/5 s se tiene
s
n
T s T t
5
1
5 / 1 = A = A = A (2.8)

El error At disminuye en forma inversamente proporcional al nmero de
perodos que se midieron; recprocamente, si se fija el error se puede calcular el
nmero de perodos que es necesario tener en cuenta para no cometer errores
superiores al establecido.

Ejemplo: si al medir T = 2 s con un cronmetro para el que resulta At = 1/5 s se
quiere que sea e
%
= 1,0% se obtiene:

es oscilacion 10 0 , 1
2 5
100 100
> = =
- A
n
xn x T
T


2.2 Desviaciones Intrnsecas en los Instrumentos de Medicin

Todo instrumento de medicin introduce un rango de incertidumbre que es
independiente del observador y que en general est especificado por el fabricante.
Cuando se carece de esa informacin y de otro aparato que permita hacer un
contraste, es necesario establecer algn criterio para determinar los errores. Si se
trata de un aparato analgico, se puede suponer que cualquier medicin introduce
una incertidumbre igual o mayor que la mitad de la divisin mas pequea de la
escala.

Si el instrumento es digital, su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nmero en pantalla sea estable y tomar una
incertidumbre igual o mayor que una unidad del ltimo dgito en pantalla.


12
3. Mediciones Directas e Indirectas

Mediciones Directas

Se denomina medicin directa a la operacin de lectura en un instrumento
utilizado para medir una cierta magnitud.

Ejemplos: determinacin de una distancia con una cinta mtrica, de una
masa con una balanza de brazos iguales, de una fuerza con una dinammetro,
etctera.

Mediciones Indirectas

Una medicin indirecta es la que se obtiene aplicando una frmula o una ley
fsica a las magnitudes que se miden directamente. Ejemplos: clculo de la
superficie de una habitacin rectangular por el producto de las longitudes, largo y
ancho, que se miden directamente; obtencin de la aceleracin de la gravedad
con un pndulo ideal mediante la ley:

l
T
g
2
2
4t
=

donde se relaciona la magnitud g a medir con el perodo T y la longitud l del
pndulo, medibles en forma directa con cronmetro y regla.


4. Cifras Significativas

La exactitud de una medicin, que depende del instrumento usado y de la
habilidad del observador, se indica por el nmero de cifras significativas, el que
est limitado por la incertidumbre. Por ejemplo, no se debe escribir:

X = (35,54 0,3) m

ya que no se puede dar una medida con centsimos si la incertidumbre est
limitando la exactitud a las dcimas.

Si al medir una longitud con una regla graduada en mm se obtiene un valor
de 8,35 cm, los dgitos son todos significativos aunque el ltimo est afectado de
error por tratarse de la apreciacin de una fraccin de la menor divisin de la
escala.

El nmero de cifras significativas no vara si se cambia de unidades y se
escribe 0,0835 m o 83 500 m. Los ceros a la izquierda en el primer caso, y a la
derecha en el segundo, sirven para situar la coma decimal y no se cuentan como
cifras significativas. El verdadero nmero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del
primer dgito: 8,35 x 10
-2
m 8,35 x 10
4
m.

Los clculos aritmticos realizados con las magnitudes medidas deben tener
en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la
cantidad de cifras significativas en los valores numricos que se obtienen por
clculo. Se supone que al operar, las cifras afectadas de error, que a continuacin
se colocan entre parntesis, generan cifras con error. Los ejemplos siguientes
ilustran al respecto.

Suma:
1, 3 2 (5)m 21, 3 (4)s 13, 7 6 (9) kg
0, 4 (7) m + 9, 8 (1)s + 8, 5 (8)kg
1, 7 (9) (5)m 31, 1 (5)s 9, 3 (7)kg
31, 7 (1) (9) kg

Los resultados se deben escribir (1,79 AX), (31,15 AX) y (31,71 AX),
donde AX es la suma de los errores de los sumandos y determina la exactitud con
que puede escribirse la suma.

Resta: Se sigue el mismo criterio que en la suma, de modo que el resultado se
escribe con un error que es la suma de los errores del minuendo y sustraendo.

Producto: 3 2, (8) m AX= 0,5 m e
%
(x) = 1,52
x 5, 4 (2) m AY= 0,5 m e
%
(Y) = 0,92
(6) (5) (6)
1 3 (1) (2) (4.2)
1 6 4 (0) ______
1 7 7, (7) (7) (6)m
2
e
%
(S) =
S
S A
x 100 = e
%
(x) + e
%
(Y) = 2,44
2
4 , 4
100
8 , 177 44 , 2
m
x
S ~ = A
2
) 4 , 4 7 , 177 ( m S =

5 3, (2) N AF= 0,01 N e
%
(F) = 0,2%
x 0, 8 (1) m AL= 0,01 m e
%
(L) = 1,2%
(5) (3) (2) (4.3)
4 2 (5) (6)______ e
%
(t)=1,4%=
t
t A
x 100
t = 4, 3 (0) (9) (2) N m
m N = = A 06 , 0
100
30 , 4 4 , 1 x
t

t = (4,30 0,06) Nm

14
Como se deduce de los ejemplos, el error porcentual del resultado es igual a
la suma de los errores porcentuales de los factores.

Cociente: Se sigue el mismo criterio que en el producto, por lo que el error
porcentual de la divisin es igual a la suma de los errores porcentuales del
dividendo y del divisor.

Potenciacin: Como caso particular del producto se multiplica el error porcentual
de la base tantas veces como lo indica el exponente.

% 3 , 1 100
53 , 1
02 , 0
) 02 , 0 53 , 1 (
%
= = = e m x
4 4 4 4
48 , 5 ) 53 , 1 ( m m x y = = =
4
) 48 , 5 ( m y y A =
4 4
%
3 , 0 28 , 0 3 , 1 4 100 m m y
Y
Y
e ~ = A =
A
=
4
) 3 , 0 5 , 5 ( m y =

Radicacin: El resultado tiene un error porcentual que es igual al error porcentual
del radicando dividido entre el ndice de la raz.

33 , 13 ) 2 , 0 5 , 1 (
%
2
= = e m s
m X x
X
08 , 0
2
33 , 13
100
2247 , 1
... 2247 , 1 5 , 1 = A =
A
=
m x ) 08 , 0 22 , 1 ( =


5. Errores Casuales

Los errores casuales dependen de fluctuaciones inevitables e imprevisibles
de los parmetros fsicos que influyen en la magnitud que se mide, y pueden
deberse al observador, al instrumento de medida, a la magnitud a medir, a la
variacin del medio ambiente, etc. Provienen de mltiples factores inapreciables
cuya magnitud y signo no se pueden predecir. Estas alteraciones son las que
provocan que mltiples medidas que se llevan a cabo en idnticas condiciones
no arrojen el mismo valor. Provienen de fuentes de error independientes que
producen pequeas desviaciones individuales, errticas, positivas y negativas,
imposibles de detectar.

Cada uno de los errores accidentales es la suma algebraica de un gran
nmero de pequeos errores cuyas causas son numerosas y pueden actuar con
uno u otro signo, es decir que dichas variaciones se deben al azar. Las
fluctuaciones de estos parmetros influirn, en general, de manera distinta en los
resultados de cada medida.
15
A veces, en las mediciones sucesivas, aparentemente se repite el mismo
valor. Esto se debe a que las imprecisiones e incertidumbres de las distintas
medidas son ms pequeas que la menor apreciacin del instrumento empleado.

Deben eliminarse de los errores azarosos aquellos debidos a distraccin del
observador (confundir en una escala un nmero con otro, registrar mal el valor de
una pesa, etc.).

Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las dems, es muy probable que se deban a distraccin y por lo tanto,
hay que desecharlas.

La clasificacin de errores propuesta no es rgida y puede ser modificada.
Adems, un perfeccionamiento en los procesos de medicin puede poner de
manifiesto nuevos errores sistemticos que con anterioridad se les inclua en los
accidentales.


6. Teora Estadstica de Errores Casuales

La teora estadstica de errores establece, fundamentalmente, el tratamiento
matemtico que debe darse a un conjunto de resultados para obtener la mejor
aproximacin de la medida buscada y su lmite probable de error o incertidumbre.

Dado el carcter aleatorio de las perturbaciones no puede obtenerse una
estimacin aceptable de una magnitud medida con una sola medicin, an
acotando los lmites probables de error. Por eso es necesario hacer mltiples
mediciones en condiciones similares y deducir de ellas el valor ms probable y su
incertidumbre. Por su parte, el valor ms probable no tendr sentido si no se
puede saber su incertidumbre. Esto implica que siempre se debe especificar el
valor ms probable X y un entorno de amplitud 2AX dentro del cual se espera
que se encuentre cualquier nueva medicin hecha en idnticas condiciones.

Para cada magnitud medida, se tendr pues un intervalo de confianza donde
se encuentra el valor verdadero X de la magnitud medida, es decir:

X X X X X A + s s A (6.1)

Geomtricamente


Figura 6.1 Intervalo de confianza donde se encuentra el valor verdadero.

Es obvio que la disminucin de este intervalo indica una mayor exactitud en
la determinacin de la magnitud medida.
16
Se describir a continuacin el mtodo para determinar el valor ms probable
y su incertidumbre para el caso de magnitudes que se miden en forma directa e
igualmente se describir la forma de evaluar la calidad de un proceso de medicin.

Sea un conjunto de N eventos, en particular mediciones. Se denomina
frecuencia absoluta f de un evento o medida particular x
1
al nmero N
1
de veces
que el mismo aparece.

1 1
) ( N x f = (6.2)

y frecuencia relativa p del mismo al cociente

N N x p / ) (
1 1
= (6.3)

donde N es el nmero total de eventos.

Para que la aplicacin de la teora estadstica a un conjunto de mediciones
sea vlida, es necesario que dicho conjunto cumpla las dos condiciones de los
procesos o sucesiones azarosas, a saber:

a. La frecuencia relativa de un evento o medida x
1
tiende a un valor lmite W
1
que
se llama probabilidad cuando N crece indefinidamente. Es decir


=
N
1
p(x lm )
1
W (6.4)

b. El lmite W
1
antes mencionado es independiente del modo que se tomen los
elementos x
1
del total de N eventos. Es decir, si para dos modos distintos de
obtener las mediciones o datos se obtuviera p(x
1
) = N
1
/N y p(x
1
) = N
1
/N, se
debe cumplir que


=
N N
) (x ' p lm ) p(x lm
1 1
(6.5)

De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fsica slo se cometen errores casuales, dicho conjunto cumple
siempre las condiciones a) y b), por lo que se puede aplicar la teora estadstica en
el tratamiento de los errores casuales.

La definicin de la probabilidad como el lmite de la frecuencia relativa
requerira un nmero infinito de mediciones, pero es un hecho experimental que el
cociente N
1
/N tiende a estabilizarse con bastante rapidez, siendo mayor el nmero
de cifras que se estabilizan cuanto mayor es N. Por eso se considera la frecuencia
relativa p como valor aproximado de la probabilidad.

17
Se han empleado expresiones como si N es suficientemente grande y
otras similares. No existe un criterio riguroso de validez general que indique cual
es el nmero de mediciones correcto, sino que ste depender en cada caso de
las condiciones del proceso de medicin, del instrumental disponible y de la
exactitud que se desea obtener.

6.1 Variables Continuas y Discretas

Una magnitud fsica es continua para un determinado proceso de medicin,
cuando la resolucin de los instrumentos involucrados est muy lejos de la
apreciacin de las discontinuidades vinculadas a la naturaleza microscpica y
cuntica de dicha magnitud.

La determinacin de cualquier magnitud fsica continua slo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados,
de la experiencia de quien est midiendo y de la variacin de los parmetros que
influyen en dicha magnitud durante el proceso de su obtencin.

En la obtencin de magnitudes fsicas continuas lo ms que se puede lograr
es la mejor estimacin o el valor ms probable de las mismas teniendo en cuenta
el conjunto de los resultados obtenidos, y tratar de determinar los lmites probables
de error.

Cuando se trabaja en fsica experimental por lo general se asla un sistema y
se trata de determinar como varan sus propiedades en condiciones que se fijan
de manera adecuada. Estas propiedades se especifican midiendo parmetros
tales como temperatura, velocidad, masa, energa, carga elctrica, tiempo,
magnetizacin, densidad, etc. En los sistemas macroscpicos que se estudian
comnmente en fsica general, estos parmetros varan en forma continua. Se
sabe, en cambio, que ciertas propiedades microscpicas de los sistemas como la
carga elctrica, la energa, entre otras, varan de manera discreta.

Las magnitudes continuas no tienen rango preestablecido de variacin y su
nica limitacin es el nmero de cifras con que se puede obtener cada medicin y
que est predeterminado por la resolucin del instrumento de medida.

6.2 Distribucin de Frecuencias

Cuando se dispone de un conjunto de datos obtenidos como producto de la
repeticin de mediciones o ensayos de cualquier tipo, que se hicieron en
condiciones similares, se debe seguir algn mtodo que permita obtener
informacin de dicho conjunto. Al encontrar un conjunto as, lo primero que llama
la atencin es el hecho de que unos datos se repiten ms que otros, es decir, que
aparecen con distintas frecuencias. Obviamente los que ms se repiten debern
tener una incidencia mayor sobre la magnitud a determinar. Por ejemplo, cuando
se arrojan dos dados la frecuencia mayor corresponde al nmero con mayor
probabilidad de aparecer. Es por ello que una primera interpretacin del conjunto
18
de datos puede hacerse a travs del estudio de la frecuencia con que aparece
cada uno.

Cuando los datos corresponden a una variable discreta bastar determinar la
frecuencia de los valores posibles de la misma. En cambio, las mediciones
sucesivas de una magnitud fsica continua dan un conjunto de aproximaciones,
siendo en general distintos los resultados de las distintas mediciones. Mediciones
ms exactas mejoran la aproximacin de la medida que se busca, pero no vara el
hecho de que se pueden seguir obteniendo tantos datos distintos como
mediciones se realicen. De aqu surge la conveniencia de agrupar los datos en
intervalos y estudiar la frecuencia de stos en lugar de la frecuencia de cada dato.

Sea x
1
, x
2
, x
3
,., x
N
un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fsica. El primer paso consiste en determinar los
extremos menor x
m
y mayor x
M
. Se llama rango a su diferencia

R = x
M
x
m
(6.1)

Para estudiar como vara la frecuencia de las mediciones se divide R en un
cierto nmero de intervalos.

Determinacin de los intervalos

La siguiente es una indicacin de uno de los mtodos de clculo para
determinar los intervalos. Es importante tener en cuenta que si bien existen otros,
cualquiera de ellos, cuando se aplica en forma correcta, debe conducir a las
mismas conclusiones. Tambin es obvio que si AX es la menor apreciacin de
cada medicin X, esa ser la menor amplitud con que se pueden escoger los
intervalos. En general suelen tomarse entre cinco y veinte intervalos, dependiendo
de la cantidad de datos y de su dispersin. Puede elegirse, por ejemplo, el nmero
entero A que mejor aproxime a N , siendo N el nmero de datos. Este nmero es
tentativo y puede variar en una o dos unidades despus de calcular la amplitud.

Se pueden escoger amplitudes iguales o distintas para los intervalos, segn
el estudio concreto que se realice. En el caso ms comn la amplitud d es la
misma para todos y se calcula haciendo

N A
A
R
d = ~ , (6.2)

donde se aproxima d de manera que tanto d como d/2 tengan la misma
repetibilidad que los datos.

Para fijar ideas se desarrollan los clculos en base a la siguiente tabla de
datos:

19
N X[cm] N X[cm] N X[cm] N X[cm] N X[cm] N X[cm] N X[cm] N X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145

Tabla 6.1 Tabla de datos

De ella se obtiene:

X
m
= 119 cm

X
M
= 176 cm

R = 176 cm 119 cm = 57 cm

cm
A
R
6 A 6,32... 40 N
5 , 9 =
= = =


para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10
cm. Sin embargo, d/2 tambin debe ser entero, por lo que el nico valor que
cumple ambas condiciones es:

d = 10 cm

Para que no haya ambigedad en la distribucin posterior de las mediciones,
los extremos consecutivos de los intervalos se distancian una unidad del ltimo
orden decimal con que se obtuvieron los datos. Por ejemplo, al calcular los
intervalos de amplitud d = 10 cm con los datos de la tabla, uno de ellos podra ser
(143 ; 153) cm. Si el siguiente se toma (153 ; 163) cm, el dato 153 cm, que es el
N 34 de la tabla, puede incluirse en cualquiera de ellos. Separando los intervalos
como se indic, el segundo queda (154 ; 164) cm, y todos los datos tienen una
ubicacin bien definida.

Un clculo simple permitir elegir el lmite inferior del primer intervalo de
manera que el rango R quede incluido y centrado en la unin de todos los
intervalos. Se toma X
m
como origen y se calculan los intervalos. Con los datos de
la tabla son:

(119 - 129) cm
(130 - 140) cm
(141 - 151) cm
(152 - 162) cm
(163 - 173) cm
(174 - 184) cm
20
Si el extremo superior coincidiera con X
M
estos seran los intervalos
definitivos. En este ejemplo, en cambio

184 X
M
= (184 176) cm = 8 cm

Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el
rango, por lo que los intervalos definitivos son:

(115 - 125) cm
(126 - 136) cm
(137 - 147) cm
(148 - 158) cm
(159 - 169) cm
(170 - 180) cm

Intervalos tentativos


Figura 6.1 Rango e intervalos de clase

Limites reales: Son los puntos medios de los lmites contiguos de dos intervalos
sucesivos y tienen una cifra ms que los datos. Los lmites reales primero y ltimo
estn igualmente distanciados de los intervalos primero y ltimo.


Figura 6.2 Lmites reales

Marcas de Clase: Son los puntos medios de los intervalos, y en los clculos con
datos agrupados se asigna a dichos nmeros la frecuencia. Es decir, si en un
intervalo se tiene f datos, se entiende que es la marca de clase la que se repite f
veces. La distancia c entre marcas de clase consecutivas es igual a la amplitud de
los intervalos calculada a partir de los lmites reales.



Rango
Intervalos definitivos
21
Tabla de Distribucin de Frecuencias

Con los datos obtenidos se confecciona una tabla que incluye normalmente
columnas de conteo, frecuencia absoluta, frecuencia relativa y frecuencia
acumulada.

Se llama frecuencia absoluta o slo frecuencia de un intervalo al nmero de
mediciones que caen en l y se designa por f. En el caso de variables discretas es
el nmero de veces que un dato se repite. Dividiendo las frecuencias absolutas
por el nmero total de datos N se obtienen las frecuencias relativas, es decir: f/N =
p. Por ltimo, la frecuencia acumulada para un intervalo o dato es la frecuencia
que le corresponde ms la de todos los intervalos o datos anteriores. La suma de
las frecuencias relativas de todos los intervalos o datos es 1 100% que es, a su
vez, el valor de la frecuencia acumulada del intervalo o dato mayor.

Se dice que los datos estn agrupados cuando se organizan en una tabla de
frecuencias. Para los datos de la Tabla 6.1 se obtiene:

Intervalos
[cm]
Marcas de
clase [cm]
Conteo f p fa
115 - 125 120 II 2 0,05 0,05
126 - 136 131 II 7 0,175 0,225
137 - 147 142 IIII 14 0,35 0,575
148 - 158 153

10 0,25 0,825
159 - 169 164

5 0,125 0,95
170 - 180 175 II 2 0,05 1,00

Tabla 6.2 Tabla de Distribucin de Frecuencias


7. Histograma y Polgono de Frecuencias

Sobre un eje horizontal se dibujan rectngulos adyacentes con sus bases
centradas en sus marcas de clase. Las bases y alturas de dichos rectngulos se
toman proporcionales a la amplitud y a la frecuencia de cada intervalo,
respectivamente.

Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas. Ambos tienen la misma forma y slo difieren en un factor de escala
sobre las ordenadas, por lo que se acostumbra indicar las dos escalas sobre dicho
eje.

Cuando se trabaja con valores discretos, a los que se adjudican las
frecuencias, se obtienen los llamados diagramas de barras.

22
El polgono de frecuencias se traza uniendo los puntos medios de los techos
de los rectngulos y dos puntos sobre el eje horizontal, de manera que la
superficie encerrada por el mismo sea igual a la del histograma. Para el ejemplo
de las Tablas 6.1 y 6.2 se tiene:


Figura 7.1 Histograma y polgono de frecuencias

Si el nmero de mediciones tiende a infinito y se aumenta la exactitud (es
decir, AX 0), los intervalos pueden tomarse de amplitud ms y ms pequea, y
entonces el polgono de frecuencias se transforma en una curva continua llamada
ley de distribucin de la magnitud X medida.

En estadstica se estudian distintos modelos de probabilidad y sus curvas
correspondientes. Para inferir cual es el esquema probabilstico que mejor ajusta a
una determinada distribucin experimental, se compara sta con las distribuciones
tericas y se selecciona la que mejor acuerda con los datos experimentales.

Las distribuciones tericas ms conocidas son: la de Bernoulli o binomial, la
de Poisson, y la normal o de Gauss.

7.1 Parmetros de Centralizacin

Dada una distribucin aleatoria de datos, pueden obtenerse algunos
parmetros indicativos de la tendencia del proceso de medicin en la zona de
mayor frecuencia, ubicada siempre en la regin central del rango. Los ms
importantes son:
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
F
r
e
c
u
e
n
c
i
a
109 120 131 142 153 164 175 186
X
Mensurando X, (cm)
X X +
X
X + E X E
23
a) Promedio, Media o Media Aritmtica. El promedio X de una serie de N datos
X
1
, X
2
, X
3
, , X
N
se define como

( )
i
N
i
N
X
N
X X X X
N
X
1
3 2 1
1
.....
1
=
E = + + + + = (7.1)

Para datos agrupados donde X
1
, X
2
, X
3
, , X
s
aparecen con las
frecuencias f
1
, f
2
, f
3
, , f
s
y frecuencias relativas p
1
, p
2
, p
3
, , p
s
se tiene

i i
S
i
i i
S
i
X p X f
N
X
1 1
1
= =
E = E = (7.2)

Cuando los datos estn agrupados en intervalos de frecuencias, stas se
atribuyen a las marcas de clase que son, en este caso, los X
i
de las expresiones
(7.1) y (7.2).

b) Mediana. Si se tiene un conjunto de datos y se les ordena en forma creciente,
la mediana X es el valor medio o el promedio de los valores medios.
2
1 +
=
N
X X si N es impar ( )
1
2 2
2
1
+
+ =
N N
X X X si N es par (7.3)

Para datos agrupados es

c
f
f
L X
m
N
'
2
1
E
+ = (7.4)

donde L
1
es el lmite real inferior de la clase que contiene la mediana, N es el
nmero de datos, Ef es la suma de las frecuencias de todos los intervalos
menores que el de la mediana, f
m
la frecuencia del intervalo que contiene a la
mediana, y c la distancia entre marcas de clase vecinas.

c) Moda. La moda X

es el valor que ms se repite en una serie de mediciones y

se obtiene en forma inmediata de la tabla de frecuencias. Para datos
agrupados se define por:

d
L
L X
A + A
+ =
2 1
1

(7.5)

donde L
1
es el lmite inferior del intervalo que contiene a la moda, A
1
y A
2
las
diferencias de frecuencias entre el intervalo que contiene a la moda y los
intervalos anterior y posterior y d es la amplitud del intervalo donde est la moda.

Comparando los tringulos semejantes unidos por el vrtice (en lneas de
puntos)
24
X d L
L X

1
1
2
1
+

=
A
A
(7.6)

de donde
d L X
A + A
A
+ =
2 1
1
1

(7.7)

Figura 7.2 Obtencin de la moda

lo que justifica esta construccin geomtrica para obtener X

.

7.2 Parmetros de Dispersin

Despus de calcular los promedios es importante saber si los valores de la
variable estn muy dispersos o no en torno a los mismos. Para describir
numricamente la mayor o menor concentracin alrededor de los promedios se
recurre a los parmetros de dispersin. Estos parmetros, que se calculan a partir
de los datos experimentales, son muy importantes en los procesos de medicin de
una misma magnitud.

Los parmetros de dispersin ms usados son:

a) Desviacin Media. La desviacin media de una serie de datos X
1
es la suma de
los valores absolutos de las desviaciones G
1
respecto al promedio dividido
entre el nmero de datos o, lo que es equivalente, el promedio de los valores
absolutos de esas desviaciones. Es decir:

i i
i
G X X
N
X X
M D = =

. . (7.8)

25
Cuando los datos X
1
, X
2
, X
3
,..X
s
se agrupan con frecuencias f
1
, f
2
, f
3
, , f
s

la desviacin media puede escribirse as:

i i
i i
G p
N
X X f
M D E =
E
= . . (7.9)

donde p
i
son las frecuencias relativas y X
i
las marcas de clase.

Se puede demostrar que la suma a X
i
E es mnima cuando a X = , es decir
que la desviacin media respecto a la mediana es mnima.

b) Desviacin Tpica o Estndar. Se define como

( )
N
G
N
X X
i i
2
2
E
=
E
= o (7.10)

Si los datos X
i
se agrupan con las frecuencias f
i
se tiene:

2
2
i i
i i
G p
N
G f
E =
E
= o (7.11)

de donde X X G
i i
= , siendo X
i
la correspondiente marca de clase. Otro mtodo
de clculo para : si se desarrolla el cuadrado en la primera raz se tiene:

( ) ( )
2
2 2
2 X X X X X X
i i i
+ = (7.12)

sumando segn i de 1 a N queda:

( ) ( )
2
2
2
2 X N X X X X X
i i i
+ E E = E (7.13)

y dividiendo por N

( )
( ) ( ) ( ) ( )
2
2
2 2
2
2
2
1
X X X X X
N N
X X
i
i
= + E =
E
(7.14)

de donde

( ) ( )
2
2
X X = o (7.15)

26
siendo ( )
2
X el promedio de los cuadrados, es decir ( )
2 2
2
2
1
....
1
N
X X X
N
+ + + y (X)
2
el
cuadrado del promedio, o sea
2
2 1
....
|
.
|

\
| + +
N
X X X
N
. La desviacin tpica es un
parmetro que se relaciona en forma directa con la exactitud del proceso de
medicin. En efecto, se puede demostrar que en el intervalo (X ) se encuentra
ms del 68% de las observaciones y en (X 2) ms del 95%. Por lo tanto, cuanto
menor sea , ms concentrados estn los datos y la medicin es ms exacta.

Repetibilidad de Parmetros. Cuando N 30 se conviene en escribir los
parmetros de centralizacin y dispersin con una cifra significativa ms que los
datos.

Calculando el valor ms probable y la desviacin estndar para los datos de
la Tabla 6.1 se tiene:

65 , 146 = X cm

y para la desviacin tpica:

= 13,81 cm

7.3 La Calidad de un Proceso de Medicin y la Obtencin de

Supongamos tener un conjunto X
1
, X
2
, X
3
, .,X
N
de datos obtenidos por
mediciones de una misma magnitud fsica. Cul es el valor que mejor representa
la magnitud medida?. No podemos fijarlo de manera inmediata a partir de la
simple observacin de la tabla de valores X
i
pero evidentemente tendr que
relacionarse con ella. Supongamos que un valor A fuera el que mejor representa la
magnitud buscada. Lo llamaremos valor ms probable con lo que sentamos dos
premisas: 1) No podemos medir cantidades fsicas continuas exactamente. 2)
Debemos emplear criterios estadsticos para elegir el valor ms probable.

Qu condiciones debera cumplir A para ser un valor confiable?. En principio
A debe pertenecer al rango (X
m
; X
M
) Cmo seleccionarlo?. Si llamamos G
i
= A-X
i

un criterio podra ser que la suma de estas desviaciones respecto del valor ms
probable fuera lo ms pequea posible. Si los nicos errores cometidos son
casuales, la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo. Por lo tanto EG
i
0
conforme el nmero de datos se hace suficientemente grande y esto ocurre
aunque los G
i
individualmente sean grandes por lo que esta suma no nos da un
criterio para el anlisis del proceso de medicin.

Podemos entonces tomar EG
i
2
= G
2
1
+ G
2
2
+..+G
2
N
. En este caso los
sumandos son todos positivos lo que evita su compensacin en la suma. Sin
27
embargo, chocamos con el inconveniente de que EG
i
2
es un nmero que depende
de N y crecer con l. Esto puede evitarse tomando EG
i
2
/N con lo que nos
independizamos del nmero de mediciones. Hemos encontrado, ahora s, un
nmero que nos da un idea de cmo es el proceso de medicin. Subsiste an un
pequeo escollo: las unidades del valor obtenido, son distintas de aquellas en que
se tomaron los datos, por lo que hacemos N G
i
/
2
E .

Pero este nmero no es otra cosa que la desviacin tpica .

De acuerdo con las condiciones fsicas que hemos ido fijando para su
obtencin, podemos decir que un proceso de medicin ser de mejor calidad
cuanto menor sea .

Pero est an en funcin de ese valor A que no conocemos. Sin embargo,
la condicin de que sea un mnimo nos permitir calcularlo. En efecto, la
condicin de mnimo puede escribirse as
( ) ( )
0 0
2 2
=
E
c
c
=
E
c
c
=
c
c
N
A x
A N
A x
A A
i i
o
(7.16)

desarrollando el cuadro

( )
2 2 2
2 A AX X A X
i i i
+ = (7.17)

Sumando de 1 a N

( )
2 2 2
2 A N X A X A X
i i i
+ E E = E (7.18)

y dividiendo por N

( )
= +
E
E =
E
2 2
2
2
1
A
N
X
A X
N N
A X
i
i
i
(7.19)

( )
2 2
2 A X A X + = (7.20)

Derivando respecto de A queda

( )
( ) | | 0 2 2 2
2 2
2
= + = +
c
c
=
E
c
c
A X A X A X
A N
A X
A
i
(7.21)

por lo tanto

X A = (7.22)

28
Es decir, que lo que llamamos valor ms probable y al que pusimos la
condicin de hacer mnimo el valor de la desviacin tpica o estndar no es otra
cosa que el promedio de los datos experimentales X
i
.

7.4 Error del Promedio

Como ya se seal, una magnitud fsica solo tiene sentido cuando se puede
valorar el error de que est afectada. Por eso, al culminar un proceso de medicin
de una magnitud fsica continua se debe escribir:

E X X = , o lo que es equivalente: E X X E X + s s

donde X es el valor verdadero, X es el valor ms probable y E el error que se
comete en la determinacin de X . Es decir, lo ms a que se puede aspirar, es a
determinar un intervalo en el que, se puede asegurar, se encuentra el valor
verdadero. Es obvio que mientras menor sea E, menor ser dicho intervalo y ms
exacto el proceso de medicin.

Si se pudiera calcular exactamente el error E con su signo se podra conocer
el valor verdadero dado por E X X = . Pero esto no es posible y slo se puede
calcular E en sentido estadstico estableciendo un intervalo bien definido dentro
del cual se encuentra X.

Para calcular E se define previamente:

i i
X X P = error absoluto de la observacin X
i
(7.23)

i i
X X M = error aparente de la observacin X
i
(7.24)

2
o = S varianza (7.25)

Se observa que:

E P M E X X M P
i i i i
= = = donde (7.26)

entonces la varianza se puede expresar as:

2 2 2 2 2
1
2
1
(
1 1
E P
N
E P
N N
M
N
S
i i i
+ E E = E = E = = E) - P
i
o (7.27)

pero

( ) E X X X
N
X X X
N
P
N
i i i
= = E = E = E
1 1 1
- (7.28)
29
es decir, que el error absoluto del promedio es el promedio de los errores
absolutos reemplazando queda:

2 2 2
1
. 2
1
E P
N
E E P
N
S
i i
E = + E = E
2
( 7.29)

Elevando
i
P
N
E
1
al cuadrado queda:

( )
2
2
2
2
1 1
E P P
N
P
N
j i i
= E + E (7.30)

donde

N N N N j i
P P P P P P P P P P P P P P P P
1 2 3 2 1 2 1 3 1 2 1
......... .... ......

+
+ + + + + + + + = (7.31)

con lo que

( )
j i i
P P
N
NE P
N
E = E
1 1
2 2
(7.32)

entonces se tiene:

2 2 2
1
o = E =
j i
P P
N
E NE S (7.33)

y
( )
j i
P P
N N N
E E

=
) 1 (
1
1
2
2
o
(7.34)

E queda expresado entonces en funcin de los valores experimentales que
se conocen y de los errores absolutos P
i
que se desconocen por ser desviaciones
respecto del valor verdadero que se ignora. Pero para el caso de errores casuales,
que es el que se estudia, cualquier error P
j
tiene la misma probabilidad de
aparecer que el error -P
j
. Es decir, que en trminos estadsticos, para cada valor P
i

P
j
se tendr -P
i
P
j
que anular la sumatoria de la ltima expresin. Entonces se
puede calcular el error del promedio por la expresin:

1
=
N
E
o
(7.35)

y como N >> 1 puede aproximarse por

N
E
o
= (7.36)
30
por lo que el intervalo buscado es:

N
X X
o
= (7.37)

al cual se le conoce como el valor esperado o la esperanza matemtica.


8. Distribucin Normal o de Gauss

Los resultados de una serie de mediciones X
1
, X
2
,..,X
N
se distribuyen
alrededor del promedio X . El histograma muestra que siempre es mayor la
frecuencia de los valores ms prximos a X . Cuando se hace una nueva
medicin no se sabe de antemano el resultado, pero s la probabilidad de que su
valor est en un intervalo determinado.

Cuando crece el nmero N de mediciones el polgono de frecuencias se
aproxima a una curva continua, bien definida y nica, cuya forma es siempre la
misma para todos los casos de errores casuales. Se comprueba
experimentalmente que el nmero AN de mediciones que caen en el intervalo (X;
X+AX) es

( )
2
2
2
2
o
t o
X X
e
X N
N

A
= A (8.1)

donde es la desviacin tpica y X el promedio de la serie de mediciones. La
aproximacin se transforma en igualdad cuando N y XA 0.

La expresin

( )
2
2
2
2
0
o
t o
X X
e
N
X
N
lm
X

=
A
A
A (8.2)

se llama densidad de observaciones y da el nmero de valores que se encuentran
en un intervalo AX alrededor del valor X que aparece en el exponente. La
representacin grfica de la densidad de observaciones se llama curva de
distribucin de Gauss y adopta la forma de una campana.
31

Figura 8.1 Distribucin de Gauss

De la expresin (8.2) se deduce:

1) El nmero AN de observaciones en un intervalo AX decae exponencialmente
con la distancia X X , con lo que la probabilidad es menor para las
observaciones con error mayor. La curva tiene un mximo en X X = y tiende a
cero cuando X se aleja de X .

2) AN no vara si se cambia X por X, es decir, existe la misma probabilidad de
cometer errores con uno u otro signo y, por tanto, la curva es simtrica
respecto de X .

3) Para una distancia X X , AN disminuye ms rpido cuanto menor sea o. Por
lo tanto, la probabilidad de cometer un error disminuye con o o, dicho de otro
modo, el proceso de medicin mejora conforme o se hace ms pequeo.

4) Se demuestra que X - y X + son puntos de inflexin de la curva y que, si N
, la probabilidad de que una medicin caiga en el intervalo o X es del
68%. Asimismo, la probabilidad de que una observacin est comprendida en
el intervalo (X
1
; X
2
) se obtiene de la expresin (8.1) dividiendo entre N e
integrando

( )
dx e
N
N
X
X
X X
}

=
A 2
1
2
2
2
2
1
o
t o
(8.3)
32


Figura 8.2 Campana gaussiana para diferentes valores de o

No todos los procesos de medicin conducen a una distribucin de Gauss.
Los errores sistemticos, variaciones no controlables del medio ambiente y del
instrumental, modificaciones imprevistas en las condiciones de medicin, etc.,
pueden producir modificaciones tales como asimetras, discontinuidades,
interrupciones en algunas zonas del rango, etc. La forma cualitativa ms simple
para verificar si una distribucin de datos es gaussiana consiste en comparar el
histograma con la curva terica de distribucin. Para ello se representa AN en la
misma grfica donde se traz el polgono de frecuencias. Si la distribucin es
gaussiana ambas curvas deben ajustar ms o menos bien.


9. Propagacin de la Incertidumbre

La propagacin de la incertidumbre es la parte de la teora estadstica de
errores casuales que se utiliza para determinar la incertidumbre de magnitudes
que se miden de manera indirecta, obtenida a partir de la incertidumbre de las
magnitudes que se miden en forma directa (magnitudes de influencia), con las
cuales est relacionada a travs de una ley fsica, expresada en una ecuacin o
relacin funcional.

Sea una magnitud L que se desea medir, una funcin conocida de otra
magnitud X que medimos directamente:

L = f(x) (9.1)

se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se
obtiene al medir X en forma directa. De la medicin de X se obtiene:

X = X AX (9.2)
33

siendo AX la incertidumbre de X. Al calcular L con el valor X se obtiene un cierto
L, es decir:

L = f (X AX) (9.3)

Como la incertidumbre AX es pequea, se puede desarrollar f(x) en una serie
de potencias de la misma AX despreciando los trminos donde aparece con
exponente mayor que la unidad. Entonces:

L = f(X) Af (x)
por lo tanto

L f(X) = L L = AL = f (X)AX (9.5)

La incertidumbre de L no depende solamente del valor de AX sino tambin de
f(X). Cuanto mayor es este coeficiente tanto ms influye AX en la incertidumbre de
L. Como en general se desconoce X se aproxima f(X) por f(X) de modo que:

AL = f (X)AX (9.6)

Al coeficiente f(X) se le denomina coeficiente de sensibilizacin o de
propagacin del error AX.

Si L es funcin de ms de una magnitud medible en forma directa, por
ejemplo:

L = f(X,Y,Z) (9.7)

al medir X, Y, Z se obtiene X = X AX; Y = Y AY; Z = Z AZ las que permiten
calcular L = L AL.

En efecto, si se desprecian trminos de orden superior al primero L es:

Z
f
Z
Y
f
Y
X
f
X Z Y X f
Z Z Y Y X X f Z Y X f L
c
c
A
c
c
A
c
c
A =
= A A A = =
) , , (
) ; ; ( ) ' , ' , ' ( '
(9.8)
de donde

Z
Z
f
Y
Y
f
X
X
f
L Z Y X f L A
c
c
A
c
c
A
c
c
= A = ) , , ( ' (9.9)

La mayor o menor contribucin de las incertidumbres de X, Y, Z depende del
mayor o menor valor de los coeficientes
Z
f
Y
f
X
f
c
c
c
c
c
c
, , , por lo que se
34
denominan coeficientes de sensibilizacin o propagacin de los errores AX, AY,
AZ. El signo de estas incertidumbres como el de los coeficientes de sensibilizacin
puede ser tanto positivo como negativo. La incertidumbre estndar combinada AL
c

E
c
asociada al valor L de la magnitud L es:

2 2 2

|
.
|

\
|
A
c
c
+
|
.
|

\
|
A
c
c
+
|
.
|

\
|
A
c
c
= Z
Z
f
Y
Y
f
X
X
f
E
c
(9.10)

y corresponde al intervalo cubierto por una desviacin estndar a cada lado del
valor del mensurando. Al igual que para el caso de mediciones directas, este valor
representa el 68% del rea bajo la funcin de distribucin (campana gaussiana)
para la magnitud L. El valor de E
c
dado por la ec. (9.10) es vlido slo cuando las
magnitudes X, Y, Z no estn correlacionadas.

Frecuentemente se quiere expresar la incertidumbre como un intervalo que
contenga una fraccin considerable de los valores razonables del mensurando.
Esta fraccin se llama nivel de confianza p y tpicamente se busca de 95% o 99%.
La incertidumbre expandida E expresa tal intervalo:

E = kE
c
(9.11)

donde k se conoce como el factor de cobertura. Si el mensurando sigue una
distribucin normal, se asegura p ~ 95% eligiendo k = 2 y p ~ 99,7% con k = 3.

El error relativo de L est en funcin de los errores relativos de X, Y, y Z.

2 2 2
|
.
|

\
|
A
c
c
+
|
.
|

\
|
A
c
c
+
|
.
|

\
|
A
c
c
=
A
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
X L

Y
Y

X
X

L
(9.11)

siendo
Z
f
L
Z
Y
f
L
Y
X
f
L
X
c
c
c
c
c
c
; ; los factores de sensibilizacin o propagacin de los
errores relativos
Z
Z
Y
Y
X
X A A A
, , .

Cuando algunos coeficientes de sensibilizacin son bastante menores que
otros, la incertidumbre de L proviene casi exclusivamente de los trminos
mayores. Esto es importante porque indica cuales son las mediciones que deben
hacerse con mayor cuidado, eligiendo en forma conveniente el mtodo y el
instrumental de medida. Por otra parte, es inoperante esforzarse en medir con
exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida
a la incertidumbre de L.

El procedimiento formal que se debera seguir para determinar el valor de
una magnitud en forma indirecta, a partir de la medicin directa de otras
35
magnitudes con las cuales est relacionada, consistira en realizar un determinado
nmero de mediciones de cada una de las magnitudes que se miden en forma
directa, para obtener su valor ms probable con su incertidumbre respectiva.

Sin embargo, si las condiciones bajo las cuales se realizan las mediciones
directas son controladas, no es necesario proceder de la manera descrita. Realizar
las mediciones bajo condiciones controladas significa que se puede asegurar la
repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden
en forma directa, lo cual significa que las mediciones que se realizan son
confiables, o de la calidad adecuada (a las necesidades del usuario).

Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar, entre otros, los siguientes:

+ los instrumentos de medida que se utilizan estn calibrados y su calibracin es
trazable a patrones primarios,
+ los procedimientos de medicin empleados estn normalizados; es decir, son
mtodos probados, documentados en normas y aceptados por los laboratorios
autorizados para realizar la calibracin de los instrumentos que son fabricados
y comercializados por la industria,
+ las personas que realizan la medicin tienen experiencia, por lo que saben
usar los instrumentos de medicin y aplican los procedimientos de medicin en
forma adecuada,
+ las condiciones bajo las cuales se realizan las mediciones estn controladas y
se mantienen estables, y
+ en sntesis, en las mediciones realizadas en forma directa solamente se
cometen errores casuales.

Por consiguiente, en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcular, sino que en algunas de ellas se
proporcionar dicho valor, ya sea por el fabricante o por el laboratorio que realiz
la calibracin del instrumento de medida que se utiliza, especificando dicho valor
en el informe de calibracin del instrumento. En dicho informe se especifica
tambin la incertidumbre del patrn y el procedimiento de medicin empleados.

Si no se cuenta con dicha informacin, entonces de acuerdo a las
caractersticas del instrumento y al procedimiento de medicin se podr hacer una
estimacin de la incertidumbre de la magnitud a medir. Finalmente, bastar con
realizar slo unas cuantas mediciones (un nmero muy pequeo; en general,
bastar con cinco) para hacer una estimacin rpida y sencilla de dicha
incertidumbre.

De acuerdo a lo anterior, existen dos tipos de incertidumbre:

1. Incertidumbre tipo A. Son aquellas determinadas en forma estadstica por el
usuario; y
36
2. Incertidumbre tipo B. Son las que no se determinan estadsticamente; por
consiguiente, son comunicadas al usuario.

Ejemplo: Se quiere determinar la aceleracin de la gravedad g midiendo la altura y
el tiempo en la cada libre de una pequea esfera de acero.

Se determin una altura h =10 m con Ah = 0,05 m y un tiempo t = 1,43 s con
At = 0,01 s mediante un sistema de fotoceldas y reloj digital.

Se tiene que:

h = 0,5 gt
2
2
2

t
h
g = =>

por lo tanto

3 2
4 2
t
h
t
g
t h
g
=
c
c
=
c
c
y

( ) ( )
2 2 2
2 2
/ 14 . 0 0.05 s m t
t
g
h
h
g
g + =
|
.
|

\
|
A
c
c
+
|
.
|

\
|
A
c
c
= A = 0.15 m/s
2


con los valores medidos:
2
2 2 2
/ 78 , 9
) 43 , 1 (
10 2 2
s m
S
m x
t
h
g = = =
entonces:

g = (9,78 0,19) m/s
2
=> 9,59 m/s
2
< g < 9,97 m/s
2


Por otra parte vimos que el error relativo es

2 2
|
|
.
|

\
| A
c
c
+
|
|
.
|

\
| A
c
c
=
A
=
t
t
t
g
g
t
h
h
h
g
g
h
g
g
e
r


y los factores de sensibilizacin de los errores relativos
h
h A
,
t
t A
:
00 , 2 00 , 1 =
c
c
=
c
c
t
g
g
t
h
g
g
h


esto indica que se debe poner el mayor cuidado en la determinacin del tiempo, ya
que su incertidumbre se propaga con un factor doble que la incertidumbre de la
altura.

El error porcentual en la medicin del tiempo es:
37
% 7 , 0
43 , 1
100 01 , 0
) (
%
~ =
x
t e

el mismo error en la determinacin de la altura dara:

m h x
m
h
x
h
h
h e 05 , 0 5 , 0 100
10
100 ) (
%
= A =
A
=
A
=

Se desprende entonces que no tendra sentido preocuparse por disminuir el
error en la determinacin de la altura por debajo de este valor, porque eso no
disminuira el error en la determinacin de g a menos que se mejore la exactitud
en la medida del tiempo. Esta conclusin tambin da una idea del tipo de
instrumento adecuado para medir h.

Finalmente los errores relativo y porcentual en la medicin de g son:

( ) ( ) 015 , 0 014 . 0 005 . 0
2 2
= + =
A
g
g

% 5 . 1 100 ) (
%
=
A
= x
g
g
g e


10. Ajuste de Datos Experimentales

10.1 Distribuciones Relacionadas

En el laboratorio de Fsica, es habitual efectuar mediciones de magnitudes
que se suponen relacionadas y tratar de establecer alguna funcin simple que las
vincule.

Ejemplos: Se mide

a) Las fuerzas que actan sobre un cuerpo y sus aceleraciones;
b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza;
c) Los volmenes de distintas piezas de hierro y sus pesos; etc.

A veces se conoce de antemano dicha relacin; en otras los resultados
experimentales son los primeros pasos en el establecimiento de una nueva ley
fsica o la corroboracin de un modelo terico que la predice.

En general, en estos experimentos se suele variar a voluntad una de las
magnitudes y se determinan los correspondientes valores de la otra, obtenindose
dos distribuciones, una para cada magnitud medida, las que se organizan en una
tabla:

38
X X X
2
. . . . . X
i
. . . . . X
N
X Y
1
Y
2
. . . . . Y
i
. . . . . Y
N

Tabla 10.1

En cada observacin se obtienen dos nmeros X
i
, Y
i
que, considerados como
par ordenado, determinan un punto plano. En la representacin grfica de los
datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad, por lo que se obtienen dos intervalos (X
i
AX), (Y
i
AY) es decir, un
rectngulo de confianza alrededor de cada punto. Este rectngulo se reduce a una
barra cuando una de las incertidumbres es mucho mayor que la otra.

Sea la siguiente grfica de los datos de la tabla anterior:


Figura 10.1

Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima. Como se busca una relacin simple entre ambas variables, la curva
deber ser continua, y al trazarla se supone que los puntos entre los datos
experimentales son los que se obtendran si se hicieran mediciones para los
correspondientes valores intermedios.

10.2 Ajuste por Mnimos Cuadrados

El ajuste por mnimos cuadrados es el mtodo ms preciso para determinar
la funcin que mejor representa la vinculacin entre dos conjuntos de datos
relacionados. La representacin grfica de los valores experimentales juega aqu
un papel principal dado que, de la forma de la curva resultante, se debe inferir el
tipo de funcin que vincula a las variables.

39
Sea f(X) la funcin incgnita y c
i
= Y
i
f(X
i
) sus desviaciones respecto de los
datos. Es evidente que el acuerdo entre f(X) y los datos ser tanto mejor cuanto
menor sean los c
i
. Como estas desviaciones son casuales el signo de los c
i
puede
ser tanto positivo como negativo y por ello Ec
i
0 cuando N crece. La condicin de
mejor ajuste se fina entonces pidiendo que sea mnima la suma de los cuadrados
de las desviaciones (de aqu el nombre de mtodo de mnimos cuadrados), es
decir:
0
2
=
c
E c
= E
i
2
i
a
mnimo
c
c
i
(10.1)

Donde los a
i
son los parmetros que definen la funcin buscada.


Figura 10.2

Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales.

a) Caso de la recta: Si la curva de mejor ajuste es una recta se tiene

f(X) = a X + b (10.2)

debe quedar claro que aqu las incgnitas son a y b.

Para la suma de las desviaciones al cuadrado se tiene:

( )
2 2
1
b aX Y
i i
E = Ec (10.3)

y para la condicin de mnimo

40
0 0
2 2
=
c
E c
=
c
E c
b a
i i
c c
(10.4)

Derivando (10.3)

( )
( )

+ E = E
E + E = E

= E
= E
Nb X a Y
X b X a Y X
b aX Y
b aX Y X
i i
i i i i
i i
i i i
2
0 2
0 2
(10.5)

que es el sistema de ecuaciones buscado para obtener a y b.

b) Caso de la parbola: Aqu es

c bX aX x f + + =
2
) ( (10.6)

( )
2
2 2
C bX aX Y
i i i i
E = Ec (10.7)

condicin de mnimo

0 0 0
2 2 2
=
c
E c
=
c
E c
=
c
E c
c b a
i i i
c c c
(10.8)

derivando (10.7) se obtiene

( )
( )
( )

+ E + E = E
E + E + E = E
E + E + E = E

= E
= E
= E
c N X b X a Y
X c X b X a Y X
X c X b X a Y X
C bX aX Y
c bX aX Y X
c bX aX Y x
i i i
i i i i i
i i i i i
i i i
i i i i
i i i
0 2
0 2
0 2
2
2 3
2 3 4 2
2
2
2
1
2
(10.9)

Los sistemas de ecuaciones simultneas (10.5) y (10.9) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales.
Cuando las funciones de ajuste son de tipo polinomial existe una forma prctica de
escribirlas que se describe en los pasos siguientes:

a) Se escribe la funcin sugerida por la grfica de los datos

Recta Parbola

Y = a X + b Y=a X
2
+ b X + c


41
b) Se suman ambos miembros de 1 a N

c N X b X a Y b N X a Y
i i i i i
+ E + E = E + E = E
2


c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y X
i
para la recta por 1, X
i
y X
i
2
para
la parbola.

Suele ocurrir que las funciones ajustadas no son vlidas cuando se las
extrapolan fuera del intervalo en que se realizaron las mediciones. Esto restringe
la relacin obtenida a un cierto rango llamado intervalo de validez de la funcin.

10.3 Reduccin a una Funcin Lineal

Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la
de una recta. Esto se hace para aprovechar la simplicidad que brinda el clculo y
la interpretacin fsica de los parmetros de las funciones lineales. A continuacin
se mencionan algunos ejemplos:

Funcin original Transformacin Funcin Lineal Incertidumbre
F(X) = CX
2
Z = X
2
G(Z) = C Z X X Z A = A 2
2
) (
X
C
X f =
2
1
X
Z =
h(Z) = C Z
3
X
X
Z
A
= A
f(X) = CX
A
= Y
logY = logC +
AlogX
Y = C + A X
X
X
A X
A
= A '
Y
Y
Y
A
= A '
f(X) = C10
AX
= Y logY = logC + A X Y = C + A X
Y
Y
Y
A
= A '

Ejemplo de Ajuste. En un experimento sobre el riel de aire el deslizador marc el
papel una vez por segundo mediante un chispeador mientras se desplazaba. Los
alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron AX = 1 mm. Segn las especificaciones del chispeador tomaron AT =
0,1 s.


Figura 10.3
42
A partir de esta tabla obtuvieron la siguiente grfica en papel milimetrado:

0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L

[
c
m
]


Figura 10.4

La grfica de los datos sugiere claramente una funcin lineal.

L = a t + b
Las ecuaciones son

EL
i
= aEt
i
+ bN

EL
i
t
i
= aEt
2
i
+ bEt
i


reemplazando valores

938 = 55 a + 10b
6538 = 385a + 55b

de donde

a = 17,26 mm/s = 17,3 mm/s

b = -1,13 mm = -1,1 mm

Por ultimo la recta ajustada es

L = (17,3)t 1,1

43
La interpretacin de los parmetros es aqu muy sencilla. Como en toda
grfica espacio-tiempo que resulte lineal la pendiente a da la rapidez del mvil.

a = v = 17,3 mm/s

En el experimento las condiciones iniciales fueron t = 0, L = 0 por lo que b es
el error absoluto en la determinacin del origen de las distancias:

b = AL
0
= -1,1 mm


11. Grficas

Cuando las distribuciones correspondientes a dos cantidades fsicas estn
relacionadas por alguna expresin matemtica simple se dice que existe una
regularidad entre ellas y que la misma se expresa mediante la funcin de ajuste.

Las grficas juegan un papel importante en el trabajo experimental. En
muchas ocasiones una grfica muestra los resultados en forma ms clara que la
correspondiente relacin matemtica.

11.1 Relaciones Lineales

El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso
ms simple de una relacin lineal.

Interpretar la grfica de la relacin entre dos magnitudes fsicas significa realizar
un anlisis de la misma que permite obtener informacin adicional. En el presente
caso se pueden inferir las siguientes conclusiones



Figura 11.1
44
a) Si se tienen las rectas correspondientes a dos mviles, A y B, el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso At es AX
A

> AX
B
.

b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
ngulo o depende de esa eleccin. Entonces la rapidez del mvil B puede
obtenerse midiendo sobre la grfica los segmentos correspondientes At y AX
B


teniendo en cuenta las unidades elegidas.
t
l B
B
u
u
t
X
v
A
A
= donde
cm
m
a u
l
= es la unidad elegida para las longitudes

cm
s
b u
t
= es la unidad elegida para los tiempos
Por lo tanto
s
m
b
a
t
X
cm s
cm m
b
a
cm
cm
t
X
v
B B
B
A
A
=
A
A
=
/
/
(11.1)

c) Como adems v
B
= tg o y para una recta o = cte, v
B
es constante y el
movimiento es uniforme.

d)


Figura 11.2 Grfica de un mvil que se desplaza con velocidad constante en
sentido negativo del eje X.

En esta grfica el mvil C parte de un punto P a una distancia OP del origen,
se acerca a l en el intervalo (0;t
1
) y se aleja para t > t
1
. Como
0 0
2
< < < <
B
v tga t o
t
. Esto indica que el mvil se desplaza en sentido
contrario al que se tom como positivo para medir las distancias.

45


Figura 11.3 Grficas que muestran movimientos que no son posibles en la
realidad.

No existen movimientos reales como los de las figuras 11.3 a y b. En a el
mvil no puede pasar instantneamente de la posicin X
1
a la X
2
pues eso
requerira una velocidad infinita. En b, slo una aceleracin infinita (lo que implica
una fuerza infinita) proporcionara un cambio instantneo de v
1
a v
2
.

11.2 Obtencin de una grfica a partir de otra

En ciertas ocasiones, la ley que vincula dos magnitudes fsicas, permite
construir la grfica de una de ellas a partir de la grfica experimental de la otra.
Por ejemplo, en una de las prcticas se determina la ley de fuerzas para un
resorte F = kX obtenindose la grfica de la Fig. 11.4a.

De ella puede obtenerse la grfica (b) de la energa potencial U(X). Como se
debe cumplir
X
U
F
X
c
c
= es evidente que
2
) (
2
1
X k U
X
=
En el punto A 0 >
dX
dU
y como k > 0 ser F
A
< 0
En el punto B 0 >
dX
dU
y como k > 0 ser F
B
> 0
En el punto 0 0 >
dX
dU
y F
o
= 0 lo que indica que en la grfica de F(X) se tom
el origen en el extremo libre del resorte cuando sobre l no actuaban fuerzas.

46

Figura 11.4

Si se traslada el origen al punto 0, que es el extremo fijo del resorte en el
experimento, la ley se expresa F
X
= -k(X-X
0
), pero las grficas no alteran su forma
dado que el comportamiento fsico del resorte es independiente del origen que se
elija para hacer las mediciones. La grfica de U(X) tiene ahora su mnimo en X
0

como debe ocurrir ya que F(X
o
) = 0.

Del mismo modo se puede verificar la vinculacin entre las grficas espacio-
tiempo X = X(t), velocidad-tiempo v = v(t) y aceleracin-tiempo a = a(t) en los dos
ejemplos que se ilustran a continuacin.

1) Tiro vertical de una esferita de acero.


47


Figura 11.5 Grficas de posicin, velocidad y aceleracin en funcin del tiempo
para una partcula que es lanzada verticalmente hacia arriba.

El lanzamiento se produce en t = 0 desde una altura inicial X
i
con velocidad
inicial v
i
. En el instante t
1
alcanza la altura mxima y all su velocidad es nula
( ) 0
1
= t v . En el instante t
2
la esferita pasa nuevamente por el punto X
i
pero ahora
en sentido contrario. Dada la simetra de la parbola respecto al eje t = t
1
es t
2
= 2
t
1
lo que indica que los tiempos de subida contados a partir de t=0 son iguales a
los de bajada tomados a partir de t = t
1
.

Tambin se tiene, para los mdulos de la velocidad

v(0) = v
i
= v(t
2
)

y como los sentidos de movimiento son opuestos en esos instantes es

v(0) = - v(t
2
)

Esto vale para cualquier par de tiempos equidistantes de t
1
. Por ejemplo si
t
1
- t
A
= t
B
t
1
debe ser
X(t
A
) = X(t
B
)

v(t
A
) = - v(t
B
)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la
parbola X(t). Su trayectoria es una recta vertical.

Por ltimo, dado que la grfica v = v(t) es una recta de pendiente negativa la
aceleracin ser constante y negativa.

Los signos son una consecuencia de la eleccin del sentido positivo para el
eje X de los desplazamientos. Se puede comprobar que si se toma el sentido
opuesto para los ejes de las ordenadas, las grficas X(t) y v(t) no varan y la
aceleracin slo sufre un desplazamiento ya que en este caso g>0.

2) Movimiento de un deslizador sobre el riel de aire inclinado.

El deslizador choca elsticamente en el extremo del riel. En el instante del
choque t
CH
, existen discontinuidades que no se analizan. Las grficas solo indican
las componentes en la direccin del riel en tiempos previos y posteriores al
choque. Como consecuencia del rozamiento las distancias mximas al origen,
antes y despus del choque, difieren en Ad. Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los ngulos |
1
- |
2
= A|.


Figura 11.6

49
Es decir, las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccin cintica: a = -g senu + f/m para el movimiento de bajada, y a =
-g senu - f/m para el movimiento de subida.

Si el choque es elstico v
1
= v
2
, pero si se toma en cuenta una pequea
prdida de energa en la colisin, las grficas se modifican como lo muestran las
lneas de puntos.

11.3 Relaciones Potenciales

Son del tipo

Y = C X
A
(11.2)

por lo que tomando logaritmos

logY = A logX + logC (11.3)

Esta ecuacin nos dice que si graficamos los logaritmos de la variable Y
contra los logaritmos de la variable X se obtiene una recta de pendiente A y
ordenada al origen logC.

Papel log-log. El trazado de la grfica se simplifica usando papel logartmico en el
que las divisiones en cada eje son proporcionales a los logaritmos de los nmeros
naturales. De este modo el punto (2,3) en este papel corresponde al punto (log 2,
log 3) en papel cartesiano. Los intervalos comprendidos 1 y 10, 10 y 100, 100 y
1000, etc. sobre cada eje se llaman ciclos y el origen de coordenadas corresponde
al punto (1,1). Al graficar sobre este papel los valores (X,Y) se obtiene
directamente la grfica de la relacin (11.3).

Ejemplo: Se tiene la siguiente tabla de datos y su grfica (Figura 11.7)

X Y
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5.0
3,20
5,88
9,05
12,65
16,63
20,95
25,60
30,55
35,78

Tabla 11.1
50

Figura 11.7 Grfica en papel logartmico (log-log)

Del hecho que la grfica sea una recta se desprende que los logaritmos de
las variables verifican una relacin del tipo (11.3). Midiendo la pendiente y la
ordenada al origen en la grfica se obtiene: A = 1,5 C = 3,2 cuyos valores pueden
cotejarse ajustando por el mtodo de mnimos cuadrados la relacin:

Y = AX + C

donde: Y = logY, X = logX, C = logC.

Entonces la ecuacin que vincula a las variables, de acuerdo con (11.2) es:

Y = 3,2X
1,5


51
11.4 Relaciones Exponenciales

Son las de la forma:

Y = CB
AX
(11.4)

Ya que por cambio de base siempre puede obtenerse una relacin similar
con B = 10, slo es necesario considerar logaritmos decimales. Aplicando
logaritmos en (11.4) se obtiene:

logY = AX + logC (11.5)

Papel semi-log. Para graficar estas funciones se usa papel semilogartmico, el cual
tiene un eje dividido segn la sucesin de los nmeros naturales y el otro en
partes proporcionales a los logaritmos de dicha sucesin. El origen es el (0,1) y un
punto cualquiera (X,Y) sobre este papel equivale al punto (X, logY) en papel
cartesiano.

Ejemplo: Se tiene la siguiente tabla de valores:

X Y
0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5.0
2,00
2,67
3,56
4,74
6,32
8,43
11,25
15,00
20,00
26,67
35,57

Tabla 11.2

La grfica de estos datos en papel semilog se muestra en la siguiente hoja.

La recta que aparece en la grfica indica que las variables verifican la
relacin (11.5). Un ajuste por mnimos cuadrados de la funcin

Y = AX + C



52


Figura 11.7 Grfica en papel semilogartmico (semi-log)

53
donde: Y = logY, C = logC permite obtener los valores A y C que pueden
compararse con la pendiente y la ordenada al origen de la grfica. Esos valores
son

A = 2 C= 0,25

Por lo tanto:

Y = 2 10
0,25X


54
Bibliografa

1. D. C. Baird, Experimentacin: Una introduccin a la teora de mediciones y al
diseo de experimentos, 2 edicin, Prentice-Hall Hispanoamericana (1991).
2. Norma Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades
de Medida.
3. Ley Federal sobre Metrologa y Normalizacin, Publicada en el Diario Oficial de
la Federacin el 1 de Julio de 1992. ltima reforma publicada DOF 28-07-
2006.
4. Wolfgang A. Schmid y Rubn J. Lazos Martnez, Gua para Estimar la
Incertidumbre de la Medicin, Rev. 1, Centro Nacional de Metrologa (2004).
5. G. L. Squires, Fsica Prctica, McGraw-Hill (1972).
6. Jack P. Holman, Mtodos Experimentales para Ingenieros, 4 edicin
(Segunda edicin en espaol), McGraw-Hill (1986).
7. E. Kreyszig, Introduccin a la Estadstica Matemtica, Limusa (1973).